TEKNIK ANALISIS KOMPARASIONAL

 

BAB I

PENDAHULUAN

 

A.      PENDAHULUAN

Dalam penelitian komparasional yang melakukan pembandigan antara dua variabel, yaitu :apakah memang secara signifikan dua variabel yang sedang diperbandingkan atau dicari perbandingannya itu  memang berbeda, ataukah perbedaan itu terjadi semata-mata karena kebetulan saja (by chance), kita dapat menggunakan Tes “t” (“t” Test)dan Tes “Kai Kuadrat” (“Chi Square” Test) sebagai teknik analisisnya.

Chi-kuadrat digunakan untuk mengadakan pendekatan dari beberapa vaktor atau mngevaluasi frekuensi yang diselidiki atau frekuensi hasil observasi dengan frekuensi yang diharapkan dari sampel apakah terdapat hubungan atau perbedaan yang signifikan atau tidak.

Dalam statistik, distribusi chi square termasuk dalam statistik nonparametrik. Distribusi nonparametrik adalah distribusi dimana besaran-besaran populasi tidak diketahui. Distribusi ini sangat bermanfaat dalam melakukan analisis statistik jika kita tidak memiliki informasi tentang populasi atau jika asumsi-asumsi yang dipersyaratkan untuk penggunaan statistik parametrik tidak terpenuhi.

 

B.       RUMUSAN MASALAH

1.      Apa pengertian analisis data?

2.      Apa tujuan analisis data?

3.      Bagaiamana Analisis Data  Komparasional?

 

 

 

 

 

 

BAB II

TEKNIK ANALISIS DATA DAN KOMPARASIONAL

A.  Pengertian Ananlisis Data

Data adalah catatan atau kumpulan fakta yang berupa hasil pengamatan empiris pada variabel peneletian. Data dapat berupa angka, kata, atau dokumen yang berfungsi untuk menjelaskan variabel penelitian sehingga memiliki makna yang dapat dipahami.

Data penelitian berarti catatan atau fakta empiris tentang masalah yang diteliti. Data penelitian dikumpulkan dan dianalisis untuk dijadikan dasar penarikan kesimpulan dalam penelitian. Dilihat dari proses dan kegunaannya, ada dua macam data, yaitu data primer dan data sekunder. Data primer adalah data yang berkaitan langsung dengan masalah penelitian dan didapatkan secara langsung dari informan atau responden untuk menjadi bahan analisis. Sedangkan data sekunder adalah data yang tidak berkaitan langsung dengan masalah penelitian dan didapatkan dari sumber lani, serta tidak dijadikan bahan utama dalam analisis penelitian.

Analisis data adalah proses penyederhanaan data ke dalam bentuk yang lebih mudah dibaca dan diinterpretasikan. Dalam proses ini sering kali digunakan statistik. Salah satu fungsi pokok statistik adalah menyederhanakan data penelitian yang amat besar jumlahnya menjadi informasi yang lebih sederhana dan lebih mudah untuk dipahami. Di samping itu, statistik membandingkan hasil yang diperoleh dengan hasil yang terjadi secara kebetulan sehingga memungkinkan peneliti untuk menguji apakah hubungan yang amati memang betul terjadi karena adanya hubungan sistematis antara variabel-variabel yang diteliti atau hanya terjadi secara kebetulan.[1]

Analisis data juga diartikan sebagai upaya mengolah data menjadi informasi, sehingga karakteristik atau sifat-sifat data tersebut dapat dengan mudah dipahami dan bermanfaat untuk menjawab masalah-masalah yang berkaitan dengan kegiatan penelitian. Dengan demikian, teknik analisis data dapat diartikan sebagai cara melaksanakan analisis terhadap data, dengan tujuan mengolah data tersebut menjadi informasi, sehingga karakteristik atau sifat-sifat datanya dapat dengan mudah dipahami dan bermanfaat untuk menjawab masalah-masalah yang berkaitan dengan kegiatan penelitian, baik berkaitan dengan deskripsi data maupun untuk membuat induksi, atau menarik kesimpulan tentang karakteristik populasi (parameter) berdasarkan data yang diperoleh dari sampel (statistik).

 Analisis data dari hasil pengumpulan data, merupakan tahapan yang penting dalam penyelesaian suatu kegiatan penelitian ilmiah. Data yang telah terkumpul tanpa dianalisis menjadi tidak bermakna, tidak berarti, menjadi data yang mati dan tidak berbunyi. Oleh karena itu, analisis data ini untuk member arti, makna, dan nilai yang terkandung dalam data.

Suatu penelitian yang efektif dan efesisen, bila semua data yang dikumpulkan dapat dianalisis dengan teknik analisis tertentu. Itulah sebabnya pada saat merancang penelitian, sudah harus dipikirkan data yang akan dikumpulkan dan teknik analisis data yang akan digunakan. Peneliti harus memastikan pola analisis data mana yang akan digunakan. Pola mana yang akan digunakan sangat bergantung kepada data yang dikumpulkan.

 

 

 

Tanda panah berarti saling bergantung, artinya teknik analisis data bergantung pada jenis data yang dikumpulkan, data yang dikumpulkan tergantung pada jabaran masalahnya, jabaran masalah bergantung pada perumusan (scope) masalah dan perumusan masalah bergantung pada masalah penelitiannya. Jadi pemikiran penggunaan teknik analisis data sudah harus dilakukan pada saat menyusun desain penelitian.

 

B.  Tujuan Analisis Data

Analysis means the categorizing, ordering, manipulating and summarizing of data to obtain answers to research questions (Kerlinger 1973:134).

Dari pernyataan Kerlinger di atas, ternyata bahwa analisis data mencakup banyak kegiatan, yaitu : mengkakategorikan data, memanipulasi data, menjumlahkan data, yang diarahkan untuk memperoleh jawaban dari problem penelitian.

Adapun tujuan utama dari analisis data ialah untuk meringkaskan data dalam bentuk yang mudah dipahami dan mudah ditafsirkan, sehingga hubungan antar problem penelitian dapat dipelajari dan diuji. “The purpose of analysis is to reduce data to intelligible and interpretable form, so that the relations of research problem can be studied and tested” (Kerlinger, 1973:134). Untuk itu, kita harus dapat mengolah dan menyajikan data dalam bentuk tabel-tabel atau grafik yang mudah dibaca dan dipahami.[2]

Secara rinci, kegiatan analisis data bertujuan sebagai berikut :

1.         Mendeskripsikan data, biasanya dalam bentuk frekuensi, ukuran tendensi sentral maupun ukuran dispersi, sehingga dapat dipahami karakteristik datanya. Dalam statistika, kegiatan mendeskripsikan data ini dibahas pada statistika deskriptif.

2.         Membuat induksi atau menarik kesimpulan tentang karakteristik populasi, atau karakteristik populasi berdasarkan data yang diperoleh dari sampel (statistik). Kesimpulan yang diambil ini bisanya dibuat berdasarkan pendugaan (estimasi) dan pengujian hipotesis. Dalam statistika, kegiatan membuat induksi atau menarik kesimpulan tentang karakteristik populasi atau sampel ini dibahas pada statistika inferensial.

 

 

 

 

C.   Langkah-langkah Ananlisis Data

Dalam analisis kuantitatif ada beberapa langkah yang perlu dilalui, agar proses analisis menjadi lebih terarah. Dalam analisi kuantitatif antra lain :

1.      Skoring

 Tahapan scoring adalah pemberian nilai pada setiap jawaban yang dikumpulkan peneliti dari instrument yang telah disebarkan. Setiap item pertanyaan dan pernyataan yang dimunculkan dalam instrumen dikuantifikasikan dalam bentuk angka. Misalnya, pada saat angket disebarkan alternatif jawaban yang diberikan masih berupa kualitatif, maka pada tahap ini harus dikuantitatifkan, misalnya.

            Alternatif jawaban :

a.       Selalu                    : 3

b.      Belum tentu          : 2

c.       Tidak                     : 1

Pada tahap scoring, peneliti memberikan nilai atau bobot pada setiap alternative jawaban. Langkah ini juga disebut konversi data dari kualitatif menjadi kuantitatif. Pemberian skor pada setiap item dan alternative jawaban ditentukan oleh peneliti dengan mempertimbangkan kesesuaian pendekatan analisis yang digunakan.

2.    Coding

Dalam tahapan ini peneliti melakukan klasifikasi data, antara data primer dengan data sekunder. Data primer akan dimasukkan pada tabel data yang dijadikan bahan analisis penelitian. Klasifikasi ini juga dilakukan berdasarkan variabel yang ada dalam penelitian. Data variabel X dimasukkan klasifikasi sendiri, begitu juga data klasifikasi variabel Y disendirikan.

3.    Tabulasi

Langkah selanjutnya adalah melakukan tabulasi data. Tabulasi data ini dilakukan dengan cara peneliti membuat tabel yang formatnya disesuaikan dengan jenis data yang telah diklasifikasikan sebelumnya. Melalui tabel ini dimaksudkan agar data penelitian lebih mudah dibaca dan dianalisis menggunakan rumus statistik yang dipilih. Peneliti tinggal melakukan importing data ketika data sudah ditabulasikan.

 

D.  ANALISIS DATA KOMPARASIONAL

Menurut Anas Sudjiono(2004:276) komparasi diambil dari kata comparation dengan arti “perbadingan” atau “pembandingan”.[3] Komparasi sering dipergunakan untuk meneliti sesuatu sehingga disebut penelitian. Komparasi secara sederhana bisa diartikan sebagai perbandingan yaitu membandingkan persamaan maupun perbedaan tentang benda, tentang orang, tentang prosedur kerja, tentang ide, kritik terhadap orang, kelompok, terhadap suatu ide atau prosedur kerja. Menurut Suharsimi Arikunto(1983), penelitian komparasi pada pokoknya adalah penelitian yang berusaha untuk menemukan persamaan dan perbedaan tentang benda, tentang orang, tentang prosedur kerja, tentang ide,kritik terhadap orang, kelompok, terhadap suatu ide atau prosedur kerja.[4]

Bertitik tolak dari pengertian tentang komparasi dan pengertian tentang penelitian komperasi seperti telah dikemukakan diatas, maka dapat diberikan pengertian tentang teknik analisis komparasional, yaitu : salah satu teknik analisis kuantitatif  atau salah satu teknik analisis statistik yang dapat digunakan untuk menguji hipotesis mengenai ada tidaknya perbedaan antarvariabel yang sedag diteliti. Jika perbedaan itu memang ada, apakah perbedaan itu merupakan perbedaan yang berarti atau menyakinkan ( signifikan ) ataukah bahwa perbedaan itu hanyalah secara kebetulan saja ( by chance ). Teknik analisis perbandingantermasuk dalam kelompok metode Analisis Statistik Inferensial: dalam hal ini adalah teknik analisis inferensial yang dipergunakan untuk menguji hipotesis dan selanjutnya menarik kesimpulan mengenai ada-tidaknya perbedaan yang signifikan antarvariabel yang sedang diteliti.

Dalam menguji perbedaan antarvariabel yang sedang diteliti, mungkin saja variabelnya dua buah dan mungkin pula lebih dari dua buah. Teknik analisis komprasional dengan variabel yang diperbandingkan hanya dua buah saja, disebut teknik analisis  komprasional multivariat.

4.        Uji Komparasional Manual

 Merupakan prosedur pengujian parametrik rata-rata lebih dari dua kelompok data. Pada pengujian Anova selain data harus terdistribusi normal, variansi antar perlakuan harus homogen. Sebelum pengujian Anova dilakukan, maka perlu dilakukan explorasi data untuk melihat apakah kedua asumsi dipenuhi. Jika asumsi kehomogenan varian tidak terpenuhi dapat diatasi dengan mentransformasi data yang ada, prinsipnya adalah rentang data yang besar diusahakan menjadi mengecil, salah satu dengan tranformasi Logaritma. Untuk data yang tidak terdistribusi normal dapat di transormasi dengan beberapa teknik tranformasi seperti Box-Cox Transformation atau Johnson Transformation.

Pada uji Anova umumnya diikuti oleh uji lanjutan berupa uji Turkey (Beda Nilai Jujur), Beda Nilai Terkecil (BNT), Benferoni dll. Penggunaan jenis uji lanjutan didasarkan pada pemenuhan asumsi ke homogenan variansi serta tingkat sensitifitasan dari pengujian.

Analisis variansi digunakan untuk menguji hipotesis yang berkenaan dengan perbedaan dua mean atau lebih. Indeks perbedaan menggunakan variansi melalui –F rasio. Dibandingkan dengan uji-t, analisis variansi lebih banyak manfaatnya, sebab tidak hanya bisa menguji seperti yang dilakukan oleh uji-t tapi juga untuk hal lainnya. Unsur utama dalam ANOVA adalah variansi antar kelompok dan variansi di dalam kelompok ditempatkan sebagai pembilang sedangkan variansi di dalam kelompok  sebagai penyebut. Karenanya makin besar variansi di dalam kelompok makin menurun harga F rasio yang diperolehnya. Demikian pula makin banyak subjek yang diteliti makin besar pula angka penyebutnya. Nilai F rasio yang diperoleh kemudian dibandingkan dengan F table pada taraf nyata dan derajat bebas tertentu.

a.         Analisis Variansi Sederhana

Teknik analisis data ini dilakukan ketika hanya ada 1 variabel yang digunakan. Hipotesis yang diuji melalui F rasio dirumuskan sebagai berikut:

Ho: A = B

H1 : A ≠ B

Tolak Ho dan terima H1 apabila Frasio  dari F table pada taraf nyata dan derajat bebas tertentu.

 

Table 1.1 Langkah perhitungan

NO	Langkah	Nota	Rumus
1.	Hitung jumlah simpangan kuadrat tiap skor dari rata-rata keseluruhan. Indeks ini disebut jumlah kuadrat keseluruhan diberi nota dengan rumus.
2.	Cari jumlah kuadrat keseluruhan yang disebabkan oleh penyimpangan rata-rata kelompok dari rata-rata kelompok dari rata-rata keseluruhan yang dinamakan jumlah kuadrat antar kelompok
3.	Cari jumlah kuadrat keseluruhan yang disebabkan oleh penyimpangan tiap skor dari rata-rata kelompok masing-masing yang disebut jumlah kuadrat dalam kelompok
4.	Memasukkan hasil perhitungan ke dalam table analisis variansi.
5.	Membandingkan F rasio dengan F table pada taraf nyata 0,01 dengan derajat bebas (jumlah kelompok-1). Bila F rasio ≥F table maka tolak Ho, bila Frasio  F table maka terima Ho dan tolak H1 yang artinya tidak terdapat perbedaan yang berarti antara ketiga kelompok tersebut, pada taraf nyata 0,01.

 

Table1.2 analisis variansi

Sumber Variansi	Jumlah Kuadrat	Derajat Kebebasan (d)	Kuadran mean (M)*	F*	Taraf nyata 0,01
Diantara kelompok (ak)		Jml klmpk-1
Di dalam kelompok ( dk)		Jmlh klmpk (jml anggota dlm klmpok-1)
Keseluruhan (total)		(Jmlklompok*JmlAnggota)-1

 

*Kuadrat mean didapat dengan membagi kolom kedua dengan kolom ketiga.

*F rasio adalah hasil bagi kuadrat mean antara kelompok dengan kuadrat mean dalam kelompok

 

Contoh: Misalkan akan membandingkan prestasi belajar dari tiga kelompok siswa yakni Kelas A, Kelas B, Kelas C masing-masing kelas terdiri dari 20 orang siswa. Datanya sebagai berikut:

 

Kelas A		Kelas B		Kelas C
XA	X	XB	X	XC	X
7	49	6	36	7	49
8	64	7	49	7	49
6	36	6	36	7	49
7	49	7	49	8	64
6	36	7	49	7	49
7	49	6	36	7	49
7	49	6	36	6	36
6	36	6	36	7	49
6	36	7	49	8	64
7	49	6	36	6	36
=  6,7		= 6,4		= 7,0

 

 = 12,3

 

Sumber Variansi	Jumlah Kuadrat	Derajat Kebebasan (d)	Kuadran mean (M)*	F*	Taraf nyata 0,01
Diantara kelompok (ak)	1,8	2	0,9	2,30	0.118
Di dalam kelompok ( dk)	10,5	27	0,39
Keseluruhan (total)	12,3	29

Kesimpulan: Frasio < Ftabel. 2,30 < 5,49 dengan demikian terima Ho dan tolak H1. Artinya tidak terdapat           perbedaan yang berarti antara ketiga kelompok tersebut, pada taraf nyata 0,01.

b.        Analisis variansi multifactor

Teknik analisis data ini digunakan ketika membandingkan data dengan dua variable  atau lebih

Misalkan kita ingin mengetahui pengaruh motivasi yang terdiri atas dua kelompok, yakni motivasi tinggi dan motivasi rendah terhadap kemampuan memecahlan masalah dari kelompok siswa pria dan siswa wanita. Bila dilukiskan desainya seperti berikut:

 

Variabel Bebas                       Variabel Terikat	Motivasi
	Tinggi		Rendah
	Pria	Wanita	Pria	Wanita
Kemampuan memacahkan masalah	Y1	Y2	Y3	Y4

 

Desain tersebut dinamakan desain factorial 2 x 2.

1)                  Ho : Y(1+2) = Y(3+4) melawan; H1 : Y(1+2) Y (3+4)

2)                  Ho : Y(1+3) = Y(2+4) melawan; H1 : Y(1+3) Y (2+4)

3)                  Ho : Tidak ada interaksi melawan; H1 : ada interaksi.

NO	Langkah	Nota	Rumus
1.	Hitung Kuadrat Keseluruhan
2.	Cari jumlah kuadrat keseluruhan yang disebabkan oleh penyimpangan rata-rata kelompok dari rata-rata kelompok dari rata-rata keseluruhan yang dinamakan jumlah kuadrat antar kelompok
3.	Pecahkan jumlah kuadrat antar kelompok menjadi tiga macam jumlah kuadrat, yakni: 1) Jumlah kuadrat antarkolom (Jkk)   2) Jumlah kuadrat antarbaris (Jkb)     3) Jumlah kuadrat interaksi kolom dan baris (Jki)
4.	Menetapkan derajat bebas yang dikaitkan dengan tiap sumber variansi a.       df untuk jumlah kuadrat antarkolom b.      df untuk jumlah kuadrat antarbaris c.       df untuk jumlah kuadrat interaksi d.      df untuk jumlah kuadrat antarkelompok e.       df untuk jumlah kuadrat dalam kelompok f.        df untuk subjek dalam semua kelompok		Jumlah kolom -1 Jumlah baris -1 (jml kolom-1)(jml baris-1) (jml kolom*jml baris)-1     n-1
5.	Carilah nilai kuadrat mean dengan memberi setiap jumlah kuadrat dengan derajat bebas masing-masing (lihat table ringkasan Anova)
6.	Hitung F rasio bagi pengaruh utama (main effect) dan pengaruh interaksi dengan membagi kuadrat mean antar kelompok dengan kuadrat mean di dalam kelompok untuk masing-masing komponen tersebut (lihat table ringkasan  Anova)

 

 

Sumber Variasi	Jumlah kuadrat	Derajat bebas	Kuadrat Mean*	F rasio*	Taraf nyata 0,05	Kesimpulan
Antarkolom						Frasio<Ftabel = terima Ho, tolak H1
Antar baris					-	Frasio<Ftabel= Tolak Ho, terima H1
Interaksi antar kolom dan baris					-	Frasio<Ftabel= Tolak Ho, terima H1
Antar kelompok					-
dalam kelompok				-	-
Jumlah keseluruhan			-	-	-

*kolom 4 hasil bagi kolom 2 dengan kolom 4

*kolom Frasio didapat dari :  

                                               

                                               

Contoh:

Misalkan subjek yang diteliti kelompok masing-masing kelompok sebanyak 5 orang siswa.

Pertanyaan yang diajukan adala:

1.    Apakah ada perbedaan kemampuan memecahkan masalah secara signifikan antara siswa yang memiliki motivasi tinggi dengan siswa yang memiliki nmotivasi rendah?

2.    Apakah ada perbedaan secara signifikan antara siswa pria dan siswa wanita?

3.    Apakah kedua variable tersebut yakni tingkat motivasi dan jenis kelamin mempunyai pengaruh terhadap kemampuan memecahkan masalah?

Y1       = 95                           = 19	Y3       = 105                           = 21	Jumlah       = 200                           = 20 (Y1+Y3)
Y2       = 100                           = 20	Y4       = 75                           = 15	Y1       = 175                           = 17,5 (Y2+Y4)
= 195                           = 19,5 (Y1+Y2)	= 180                           = 18 (Y3+Y4)	tot  = 375 X        = 18,75                           = 7181

 

 = 103,75

= 46,0

 

 = 31,25

 = 61,25

Sumber Variasi	Jumlah kuadrat	Derajat bebas	Kuadrat Mean*	F rasio*	Taraf nyata 0,05	Kesimpulan
Antarkolom	11,25	1	11,25	3,91	4,49	3,91 < 4,49 = terima Ho, tolak H1
Antar baris	31,25	1	31,25	7,34	-	7,34>4,49= tolak Ho, terima H1
Interaksi antar kolom dan baris	61,25	1	61,25	21,30	-	21,30>4,49= tolak Ho, terima H1
Antar kelompok	103,75	3	34,583	-	-
dalam kelompok	46,00	16	2,875	-	-
Jumlah keseluruhan	149,75	19	-	-	-

 

*Kesimpulan:

1.    Pengaruh tinggi rendahnya motivasi terhadap kemampuan memecahkan masalah tidak berbeda satu sama lain secara signifikan.

2.    Kemampuan memecahkan masalah antara pria dengan wanita menunjukkan perbedaan yang signifikan

3.    Terdapat interaksi antara tinggi rendahnya motivasi dengan jenis kelamin dalam hal pemecahan masalah. Artinya pengaruh motivasi terhadap kemampuan memecahkan masalah tergantung kepada jenis kelamin siswa. Ho ditolaak dan terima H1.[5]

 

5.        Uji Komparasional Menggunakan SPSS

a.    Analisis Varian Sederhana

1)    Buka SPSS

2)    Buka Tab Variable View, buat 2 variabel: Kelas dan Nilai

3)    Ubah Type Kelas ke "Numeric", Decimals "0", beri label "Kelas", ubah measure menjadi "Nominal" dan isi value dengan kategori: 1 = Kelas A, 2 = Kelas B dan 3 = Kelas C

4)    Ubah Type Nilai ke "Numeric", Decimals "0", beri label "Nilai", ubah measure menjadi "Scale".

 

 

 

 

 

 

5)       Buka Data View dan isikan data sebanyak 30 responden sebagai berikut:

 

 

 

 

 

 

 

 

 

6)       Pada menu, pilih Analyze, Compare Means, One-Way ANOVA, sampai muncul jendela One-Way ANOVA seperti di bawah ini:

 

 

 

 

 

 

 

 

7)       Pilih variabel "Nilai" lalu masukkan ke kotak "Dependent List:" Kemudian pilih variabel "Kelas" lalu masukkan ke kotak "Factor:" Sehingga nampak seperti di bawah ini:

 

 

 

 

 

 

8)       Klik tombol Options, akan muncul jendela ini: Centang "Descriptive" dan "Homogenity of variance test"

 

 

 

 

 

 

 

9)       Klik Continue

10)   Masih dijendela One Way ANOVA, klik tombol Post Hoc, sampai muncul jendela ini: Centang Bonferroni dan Games-Howell serta biarkan significance level = 0,01.

 

 

 

 

 

 

 

 

11)   Klik Continue

12)   Lalu Klik OK dan Lihatlah hasil!

Hasil terilhat sebagai berikut:

 

 

 

 

 

 

Interprestasi Baca adalah sebagai berikut:

• Dari tabel Descriptives nampak bahwa responden dari kelas A rata-rata nilainya sebesar 6,7 ; kelas B rata-rata nilainya sebesar 6,4  dan kelas C rata-rata nilainya 7,00. Selanjutnya untuk melihat uji kita lihat di tabel ANOVA.
• Sebelum melanjutkan uji perlu  diingat bahwa salah satu asumsi uji Anova adalah variansnya sama. Dari tabel Test of Homegeneity of Variances terlihat bahwa hasil uji menunjukan bahwa varian ketiga kelompok tersebut sama (P-value = 0,118), sehingga uji Anova valid untuk menguji hubungan ini.
• Selanjutnya untuk melihat apakah ada perbedaan pendapatan dari ketiga kelompok pekerja tersebut, kita lihat  tabel ANOVA , dari tabel itu pada kolom Sig. diperoleh nilai P (P-value) = 0,118. Dengan demikian pada taraf nyata = 0,01 kita menolak Ho, sehingga kesimpulan yang didapatkan adalah  ada perbedaan yang bermakna rata-rata pendapatan berdasarkan ketiga kelompok pekerjaan tersebut.
• Jika hasil uji menunjukan Ho gagal ditolak (tidak ada perbedaan), maka uji lanjut (Post Hoc Test) tidak dilakukan. Sebaliknya jika hasil uji menunjukan Ho ditolak (ada perbedaan), maka uji lanjut (Post Hoc Test) harus dilakukan.
• Karena hasil uji Anova menunjukan adanya perbedaan yang bermakna, maka uji selanjutnya adalah melihat kelompok mana saja yang berbeda. 
• Untuk menentukan uji lanjut mana yang digunakan, maka kembali kita lihat tabel Test of Homogeneity of Variances, bila hasil tes menunjukan varian sama, maka uji lanjut yang digunakan adalah uji Bonferroni. Namun bilai hasil tes menunjukan varian tidak sama, maka uji lanjut yang digunakan adalah uji Games-Howell.
• Dari Test of Homogeneity menghasilkan bahwa varian ketiga kelompok tersebut sama, maka uji lanjut (Post Hoc Test) yang digunakan adalah Uji Bonferroni.

Kita ambil contoh penelitian yang berjudul "Pengaruh Gender dan Pendidikan Terhadap Nilai Ujian Fisika".

• Buka Aplikasi SPSS For Windows
• Buka Tab Variable View: Buat 3 variabel dengan ketentuan sebagai berikut: 

·         Variabel independen: 1. "Gender" dengan kategori Pria dan Wanita. Measure Nominal, Decimals=0, Type Numeric dan isi value: 1= Pria, 2=Wanita. 

·         Variabel independen: 2. "Pendidikan" dengan kategori SLTP, SLTA dan PT. Measure Nominal, Decimals=0, Type Numeric dan isi value: 1= SLTP, 2=SLTA, 3=PT.

·         Variabel dependen: "Ujian", Decimals=0, Measure Scale, Type Numeric.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

• Buka Tab Data View: Isi data seperti di bawah ini:

 

 

 

 

 

 

 

 

 

• Setelah data terisi, pada menu, Klik Analyze, General Linear Model, Univariate. Maka akan mucul jendela sbb: Masukkan Ujian ke kotak Dependent Variable, masukkan Gender dan Pendidikan ke kotak Fixed factor(s). (Kotak Random factor (s) dan Covariate(s) tidak akan kita gunakan dalam Two Ways Anova, kotak tersebut akan digunakan pada "Uji Ancova").

 

 

• Klik Plot, maka akan muncul jendela seperti di bawah ini: Masukkan Gender  ke kotak Horizontal Axis dan Pendidikan ke kotak Separate Lines. 

 

 

• Klik Add, maka akan tampak sbb:

 

 

• Klik Continue.
• Klik Post Hoc, maka muncul jendela sbb: Masukkan Pendidikan ke kotak Post Hoc Test for. Centang Tukey

 

 

 

 

 

• Klik Continue
• Klik Options, maka akan muncul jendela sbb: Masukkan Gender, Pendidikan, dan Gender*Pendidikan ke dalam kotak Display Means for. Pada Display centang Descriptive statistics dan Homogentity test.

 

 

• Klik Continue
• Klik OK
• Lihat Hasil!

            Dengan menggunakan data pada artikel sebelumnya tersebut, maka kita lihat output di bawah ini:

 

 

 

 

 

Dari tabel di atas, kita bisa menilai rata-rata nilai ujian berdasarkan gender dan pendidikan. sebagai contoh: nilai rata-rata ujian pria dengan pendidikan SLTP sebesar 32,43 sedangkan nilai ujian wanita yang berpendidikan SLTA sebesar 65,13 dan begitu seterusnya.

 

Di bawah ini adalah Tabel Levene's Test. Digunakan untuk menilai homogenitas tiap variabel.

 

 

 

 

 

 

 

Di atas menunjukkan nilai (Signifikansi) Sig. 0,527 di mana > 0,05 sehingga bisa dikatakan varian antar group berbeda secara signifikan.

 

Tabel di bawah ini menunjukkan hasil dari uji Two Way Anova:

 

 

 

 

 

 

 

 

 

 

 

Dari tabel di atas, kita mendapatkan nilai-nilai penting yang bisa disimpulkan sebagai berikut:

1. Corrected Model: Pengaruh Semua Variabel independen (Gender, Pendidikan dan Interaksi gender dengan pendidikan atau "Gender*Pendidikan") secara bersama-sama terhadap variabel dependen (Nilai Ujian). Apabila Signifikansi (Sig.) < 0,05 (Alfa) = Signifikan. Contoh di atas 0,000 berarti model valid.
2. Intercept: Nilai perubahan variabel dependen tanpa perlu dipengaruhi keberadaan variabel independen, artinya tanpa ada pengaruh variabel independen, variabel dependen dapat berubah nilainya. Apabila Signifikansi (Sig.) < 0,05 (Alfa) = Signifikan. Contoh di atas 0,000 berarti intercept signifikan.
3. Gender: Pengaruh gender terhadap nilai ujian di dalam model. Apabila Signifikansi (Sig.) < 0,05 (Alfa)= Signifikan. Contoh di atas 0,005 berarti gender berpengaruh signifikan.
4. Pendidikan: Pengaruh pendidikan terhadap nilai ujian di dalam model. Apabila Signifikansi (Sig.) <0,05 (Alfa)= Signifikan. Contoh di atas 0,000 berarti Pendidikan berpengaruh  signifikan.
5. Gender*Pendidikan: Pengaruh Gender*pendidikan terhadap nilai ujian di dalam model. Apabila Signifikansi (Sig.) <0,05 (Alfa)= Signifikan. Contoh di atas 0,005 berarti gender*pendidikan berpengaruh  signifikan.
6. Error: Nilai Error model, semakin kecil maka model semakin baik.
7. R Squared: Nilai determinasi berganda semua variabel independen dengan dependen. Contoh di atas 0,668 di mana mendekati 1, berarti korelasi kuat.

Dari 7 kesimpulan di atas, dalam uji Two Way Anova, poin 1, 3, 4 dan 5 adalah yang terpenting (tanpa mengabaikan yang lain).

 

Tabel di bawah ini adalah Tabel Tukey Post Hoc digunakan untuk menilai kategori manakah dari variabel pendidikan yang memiliki perbedaan signifikan:

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

BAB III

PENUTUP

 

A.      KESIMPULAN

Data adalah catatan atau kumpulan fakta yang berupa hasil pengamatan empiris pada variabel peneletian. Data dapat berupa angka, kata, atau dokumen yang berfungsi untuk menjelaskan variabel penelitian sehingga memiliki makna yang dapat dipahami.

 

Komparasi secara sederhana bisa diartikan sebagai perbandingan yaitu membandingkan persamaan maupun perbedaan tentang benda, tentang orang, tentang prosedur kerja, tentang ide, kritik terhadap orang, kelompok, terhadap suatu ide atau prosedur kerja

 

 

---

[1] Sofian Effendi, Tukiran. Metode Penelitian Survei. (Jakarta: LP3ES) h. 250

[2] Moh. Kasiram. Metodologi Penelitian. (Malang: UIN-Malang Press) h. 128

[3] ArwayanSyah, Supardi, Abd. Aziz Hasibuan, Pengantar Statstik Pendidikan, Jakarta: Gaung Persada Press, 2010

 

[5] Margono, Metodologi Penelitian Pendidikan, Jakarta: PT. Rineka Cipta h.219