sa

1. UJI NORMALITAS
VALIDITAS
DAN
RELIABILITAS
Oleh:
I made sukarja

2. UJI NORMALITAS
DATA
I MADE SUKARJA

3. Uji Normalitas
 Uji normalitas adalah uji yang dilakukan untuk
mengecek apakah data penelitian kita berasal
dari populasi yang sebarannya normal.
 Uji ini perlu dilakukan karena semua perhitungan
statistik parametrik memiliki asumsi normalitas
sebaran.
 Formula/rumus yang digunakan untuk melakukan
suatu uji (t-test misalnya) dibuat dengan
mengasumsikan bahwa data yang akan dianalisis
berasal dari populasi yang sebarannya normal.

4. Lanjutan…
 Data yang normal memiliki kekhasan seperti
mean, median dan modusnya memiliki nilai yang
sama.
 Selain itu juga data normal memiliki bentuk
kurva yang sama, bell curve.
 Dengan mengasumsikan bahwa data dalam
bentuk normal ini, analisis statistik baru bisa
dilakukan.
 cara melakukan uji asumsi normalitas ini yaitu
menggunakan analisis Chi Square dan
Kolmogorov-Smirnov dll

5. Bagaimana caranya?
 Deskriptif
 Dengan melihat hasil nilai skewness yang didapat
: Skweness/SE Skweness: nilai (-2 s/d +2)
 Koefisien varian: nilai < 30% (SD/mean x 100%)
 Rasio kurtosis : nilai -2 s/d +2 : kurtosis/SE
kurtosis
 Histogram
 Box plot
 Normal Q-Q plots
 Detrended Q-Q plots

6. Bagaimana caranya?
 Statistik:
 Kolmogorov-Smirnov dari menu Analyze > Non
parametric test > 1-sample K-S: p>alfa (0,05)
 Shapiro –wilk (p > 0,05)

8. HISTOGRAM

12. Kolmogorov-Smirnov dari menu Analyze
> Descriptive Statistics > Explore

15. Hasilnya
Tests of Normality
.107 44 .200* .966 44 .372
TOTALHSL
Statistic df Sig. Statistic df Sig.
Kolmogorov-Smirnov
a
Shapiro-Wilk
This is a lower bound of the true significance.
*.
Lilliefors Significance Correction
a.
Jika nilai Sig lebih besar dari 0,05 maka data berdistribusi normal
Jika nilai Sig lebih kecil dari 0,05 maka data tidak berdistribusi normal

16. Cara lain

18. Hasilnya

19. Kalau datanya gak Normal?
 data yang tidak normal tidak selalu berasal
dari penelitian yang buruk. Data ini mungkin
saja terjadi karena ada kejadian yang di luar
kebiasaan. Atau memang kondisi datanya
memang nggak normal.
 Contoh : pendapatan penduduk di Kota
Denpasar.

20. Solusi kalau gak normal
 Kita perlu ngecek apakah ketidaknormalannya
parah nggak. Memang nggak ada patokan pasti
tentang keparahan ini. Tapi kita bisa mengira-ira
jika misalnya nilai p yang didapatkan sebesar
0,049 maka ketidaknormalannya tidak terlalu
parah (nilai tersebut hanya sedikit di bawah
0,05).
 Jika ketidaknormalannya tidak terlalu parah
lalu kenapa? Ada beberapa analisis statistik
yang agak kebal dengan kondisi
ketidaknormalan ini (disebut memiliki sifat
robust), misalnya F-test dan t-test.

21.  Kita bisa membuang nilai-nilai yang ekstrem,
baik atas atau bawah. Nilai ekstrem ini disebut
outliers.
 Pertama kita perlu membuat grafik, dengan
sumbu x sebagai frekuensi dan y sebagai
semua nilai yang ada dalam data kita (ini
tentunya bisa dikerjakan oleh komputer).
 Kita akan bisa melihat nilai mana yang sangat
jauh dari kelompoknya.
 Nilai inilah yang kemudian perlu dibuang dari
data kita, dengan asumsi nilai ini muncul akibat
situasi yang tidak biasanya. Misal responden
yang mengisi skala kita dengan sembarang
yang membuat nilainya jadi sangat tinggi atau
sangat rendah.

22.  mentransform data kita. Ada banyak cara untuk
mentransform data kita, misalnya dengan mencari
akar kuadrat dari data kita, dll.
 Bagaimana jika semua usaha di atas tidak
membuahkan hasil dan hanya membuahkan
penyesalan
 Maka langkah terakhir yang bisa kita lakukan
adalah dengan menggunakan analisis non-
parametrik. Analisis ini disebut juga sebagai
analisis yang distribution free.
 Sayangnya analisis ini seringkali mengubah data
kita menjadi data yang lebih rendah tingkatannya.
Misal kalo sebelumnya data kita termasuk data
interval dengan analisis ini akan diubah menjadi
data ordinal.

23. Polemik sekitar uji normalitas
 Beberapa kasus, hasil dari metode di atas
sering tidak adayang sama
 Kesepakatan:
 Nilai koefisien varians, rasio, skewness dan
kurtosis, uji kolmogorov smirnov memiliki
sensiivitas yg lebih tinggi.
 Dibandingkan dengn histogram dan plots, uji
kolmogorov-smirnov lebih objectif.

24. UJI VALIDITAS DAN
RELIABLITAS

25. LATAR BELAKANG PERLUNYA UJI VALIDITAS
DAN RELIABILITAS
 Penelitian pada dasarnya merupakan
proses untuk melakukan pengukuran.
Oleh karena itu agar kesimpulan yang
diperoleh dari penelitian tidak keliru atau
tidak memberikan gambaran yang jauh
berbeda dengan keadaan yang
sebenarnya maka diperlukan alat ukur
yang berupa skala atau test yang valid
dan reliabel.

26. Perbedaan Pengukuran Variabel Observeb
dan Unobserveb
 Pengukuran Observeb
 Panjang
 Tinggi
 Berat
 Luas
 Pendapatan
 Pengukuran Unbserveb
 Loyalitas Pelanggan
 Kepuasan Kerja
 Motivasi Kerja
 Komitmen Karyawan
 Kepercayaan

27. UJI VALIDITAS
• Sejauh mana ketepatan dan kecermatan suatu
alat ukur dalam melakukan fungsi ukurnya.
• Suatu instrument digunakan untuk mengukur
atribut A dan ternyata mampu memberikan
informasi tentang A maka instrument tersebut
dinyatakan valid.
• Suatu alat ukur yang valid, tidak hanya sekedar
mampu mengungkapkan data dengan tepat,
namun juga harus mampu memberikan
gambaran yang cermat mengenai data
tersebut.
• Suatu alat ukur biasanya hanya merupakan
ukuran yang valid untuk satu tujuan yang
spesifik. Dengan demikian predikat valid untuk
seperti yang dinyatakan dalam kalimat “test ini
valid” adalah kurang lengkap.

28. JENIS UJI VALIDITAS
 Validitas teoritik: pertimbangan para ahli
 Validitas isi/kurikuler (content validity)
 Ketetpatan alat ukur ditinjau dr segi materi atau
segi dimensi dan indikator
 Validitas muka/bentuk soal (face validity)
 Keabsahan susunan kalimat atau kata-kata
sehingga menghindari salah taksir.
 Validitas kriterium
 Validitas banding
 Validitas yg ada sekarang
 Validitas ramal
 Meramalkan keadaan yg akan datang

29. UJI VALIDITAS
1. Korelasi Pearson
2. Analisis Faktor Konfirmatori
Hasil analisis bila faktor loading
yang diperoleh dg uji t hasilnya
signifikan berarti valid

30. Masing-masing butir pertanyaan dikorelasikan
dengan skor total. Signifikansi r digunakan Uji t
atau r dibandingkan dengan r ( n – 2 )
2
r
1
2
-
n
r
t


Korelasi
Sederhana
Bermakna bila:
t ≥ t  / 2 ( n – 2 )
  
   





  






  

 



2
y
2
y
n
2
x
2
x
n
y
x
xy
n
r
1. Korelasi Pearson
atau bila r ≥ ra (n – 2) berarti signifikan.
Bila digunakan komputer asalkan p < 0,05 berarti
signifikan.

31. Contoh: Angket dengan 10 butir
pertanyaan
Apakah semua butir pertanyaan tersebut valid dan
reliabel
Resp.
BUTIR (x) Total
(y)
1 2 3 4 5 6 7 8 9 10
A 3 4 3 3 2 4 4 3 4 4 34
B 4 3 3 3 2 3 3 3 3 3 30
C 2 2 3 1 4 2 1 2 1 2 20
D 2 2 2 2 3 1 1 2 2 3 20
E 4 3 3 4 3 3 4 4 3 3 34
F 3 3 3 3 1 3 4 4 3 4 31
G 4 4 3 3 3 3 3 4 4 3 34
H 2 2 1 1 3 2 2 2 1 2 18
I 4 3 3 4 4 2 4 4 4 2 34
J 3 3 4 4 2 3 3 3 3 3 31

32. Butir 1 dengan Skor Total
Resp. X Y XY
A 3 34 102
B 4 30 120
C 2 20 40
D 2 20 40
E 4 34 136
F 3 31 93
G 4 34 136
H 2 18 36
I 4 34 136
J 3 31 93
x = 31 y = 286  xy = 932
x2
= 103 y2
= 8570 n = 10
   
   
     
 
2
286
8570
0
1
2
31
103
10
286
31
932
10
r



 = 0,87

33. t 0,05 (8) = 1,86 SAHIH
atau
r = 0,87
r0,05 (8) = 0,43 SAHIH
99
,
4
87
,
0
1
2
-
0
1
87
,
0
t
2




34. Langkah-langkah microsoft
EXCEL
 Langkah-langkah:
 (1) Klik insert – klik worksheet (untuk menampilkan sheet 4).
 (2) Isi sel A1 dan A2 dengan No. Kemudian isi sel A3 sampai
dengan sel A12 dengan angka 1 sampai dengan 10.
 (3) Isi sel B1 dan sel B2 dengan nama siswa. Kemudian isi sel A3
sampai dengan A12 dengan A sampai dengan J.
 (4) Isi sel C1 sampai dengan sel H1 dengan Nomor Soal.
Kemudian isi sel C2 sampai dengan sel H2 dengan angka 1
sampai 10.
 (5) Isi sel I1 dan sel I2 dengan Total.
 (6) Pada I3 hitung jumlah jawaban yang benar dengan
menggunakan rumus =sum(c3:h3).

35. LANJUTAN…
 (7) Copy isi sel I3 kemudian temple (paste) pada sel I4 sampai
dengan I12.
 (8) Isi sel B13 dengan Validitas.
 (9) Pada sel C13 hitung validitas butir soal nomor 1 dengan cara
menghitung koefisien korelasi Pearson antara isi sel C3:C12
(nilai setiap siswa nilai untuk soal nomor 1) dengan isi sel I3:I12
(nilai total siswa) menggunakan rumus
=Pearson(c3:c12,$I$3:$I$12).
 (10) Copy isi sel C13. Kemudian tempel (paste) pada sel D13
sampai dengan H13.
 (11) Isi sel B14 dengan Kategori.
 (12) Pada sel C14 tentukan kategori untuk validitas butir soal 1
dengan menggunakan rumus
 =IF(C13<0,"tidak valid",IF(C13<0.2,"sgt
rdh",IF(C13<0.4,"rendah", IF(C13<0.6,
"sedang",IF(C13<0.8,"tinggi","sgt tgi"))))). Kemudian copy isi
sel C14 dan tempelkan pada sel D14 sampai dengan H14.

36.  Soal yg tidak valid bisa dibuang atau
diperbaiki.
 Soal yg valid dilakukan uji validitas kedua,
bila sudah valid maka soal dapat dipakai

37. Langkah dengan SPSS
1. Jumlahkan semua jawaban Item X1:
 Transform  Compute….
 Tuliskan Tot_X1 pada kotak Target Variable
 Pada kotak Numeric Expression ketikan
X1_1+X1_2+X1_3+X1_4+X1_5

38. Tampilan dengan SPSS

39. 2. Korelasikan semua jawaban item X1 dengan
Tot_X1
 Analyze  Correlation  Bivariate….
 Masukan X1_1, X1_2, X1_3, X1_4, X1_5 dan
Tot_X1
 Pada Corelations Coeffeciens  Pilih One-Tiled
 Test of Significance  Pilih Pearson
 Aktifkan Flag significant correlation
 Abaikan pilihan yang lain (biarkan pada posisi Default)
 Klik  OK

40. Tampilan dengan SPSS:

41. Output dengan SPSS
Correlations
1.000 .243 .382* .177 -.259 .517**
. .098 .019 .175 .084 .002
30 30 30 30 30 30
.243 1.000 .411* .184 -.262 .440**
.098 . .012 .165 .081 .008
30 30 30 30 30 30
.382* .411* 1.000 .464** -.302 .631**
.019 .012 . .005 .053 .000
30 30 30 30 30 30
.177 .184 .464** 1.000 -.093 .627**
.175 .165 .005 . .313 .000
30 30 30 30 30 30
-.259 -.262 -.302 -.093 1.000 .302
.084 .081 .053 .313 . .052
30 30 30 30 30 30
.517** .440** .631** .627** .302 1.000
.002 .008 .000 .000 .052 .
30 30 30 30 30 30
Pearson Correlation
Sig. (1-tailed)
N
Pearson Correlation
Sig. (1-tailed)
N
Pearson Correlation
Sig. (1-tailed)
N
Pearson Correlation
Sig. (1-tailed)
N
Pearson Correlation
Sig. (1-tailed)
N
Pearson Correlation
Sig. (1-tailed)
N
X1_1
X1_2
X1_3
X1_4
X1_5
TOTX1
X1_1 X1_2 X1_3 X1_4 X1_5 TOTX1
Correlation is significant at the 0.05 level (1-tailed).
*.
Correlation is significant at the 0.01 level (1-tailed).
**.

42. Kriteria Pengujian
 Korelasi X1_1 terhadap total : 0,571 > 0,374 : Valid
 Korelasi X1_2 terhadap total : 0,440 > 0,374 : Valid
 Korelasi X1_3 terhadap total : 0,631 > 0,374 : Valid
 Korelasi X1_4 terhadap total : 0,627 > 0,374 : Valid
 Korelasi X1_5 terhadap total : 0,302 < 0,374 : Tidak Valid.
Atau:
 Sig. X1_1 terhadap total : 0,002 < 0,05 : Valid
 Sig. X1_2 terhadap total : 0,008 < 0,05 : Valid
 Sig. X1_3 terhadap total : 0,000 < 0,05 : Valid
 Sig. X1_4 terhadap total : 0,000 < 0,05 : Valid
 Sig. X1_5 terhadap total : 0,052 > 0,05 : Tidak Valid.

43. UJI RELIABILITAS
 Reliabilitas pada dasarnya adalah sejauh
mana hasil suatu pengukuran dapat
dipercaya. Hasil pengukur yang dilakukan
berulang menghasilkan hasil yang relatif
sama maka pengukuran tersebut dianggap
memiliki tingkat reliabilitas yang baik.

44. Metode Pengukuran
Reliabilitas
1. Reliabilitas Eksternal
a) Teknik Paralel (parallel form)
Pada teknik ini kita membagi kuesioner kepada
responden yang intinya sama akan tetapi
menggunakan kalimat yang berbeda:
 Misalnya:
 Apakah saudara betah tinggal di perumahan ini ?
 Apakah saudara ingin pindah dari perumahan ini?

45. b) Teknik Ulang (double test / test pretest)
Pada teknik ini kita membagi kuesioner yang
sama pada waktu yang berbeda.
 Misalnya:
 Pada minggu I ditanyakan:
Bagaimana tanggapan saudara terhadap kualitas dosen
di Universitas Anda ?
 Pada minggu III ditanyakan:
Ditanyakan lagi pada responden yang sama dengan
pertanyaan yang sama.

46. Kelemahan Metode Reliabilitas
Eksternal
 Kemungkinan adanya perubahan kondisi
subyek sejalan dengan perbedaan waktu.
 Sulitnya mencari kembali responden yang
sama pada periode yang berbeda.
 Sulitnya menentukan tenggang waktu yang
pas.

47. Metode Pengukuran
Reliabilitas
2. Reliabilitas Internal
 Uji reliabilitas internal digunakan untuk
menghilangkan kelemahan-kelamahan pada
uji reliabilitas eksternal.
 Uji reliabilitas internal diperoleh dengan
menganalisis data dari satu kali pengetesan.

48. Beberapa Metode Reliabilitas
Eksternal
1. Dengan rumus Spearman-Brown
2. Dengan rumus Flanagant
3. Dengan rumus Rulon
4. Dengan rumus K – R.21
5. Dengan rumus Hoyt
6. Dengan rumus Alpha Cronbach

49. Metode Spearman Brown
Langkah-langkah metode Spearman Brown:
 Membuat tabel analisis butir.
 Mengelompokan skor menjadi dua bagian soal.
 Belahan Ganjil-Genap
 Belahan Awal-Akhir
 Korelasikan skor belahan pertama dengan skor
belahan kedua dan diperoleh rxy.

50.  Hitung nilai reliabilitas internal dengan persamaan
sebagai berikut:
)
1
(
.
2
2
/
1
.
2
/
1
2
/
1
.
2
/
1
11
r
r
r


Keterangan:
r11 : Reliabilitas instrumen
r1/2.1/2 : rxy indeks korelasi antara dua
belahan instrument.
Kriteria:
Instrument dikatakan reliabel:
Jika r11 > r tabel (df: , n-2)

51. Contoh

52. Perhitungan Reliabilitas Spearman
Brown
)
1
(
.
2
2
/
1
.
2
/
1
2
/
1
.
2
/
1
11
r
r
r


661
,
0
)
493
,
0
1
(
)
493
,
0
.(
2
11 


r
Kriteria:
Karena r11(0,661) > r tabel (0,374) maka instrument
dinyatakan reliabel.

53. Metode Alpha Cronbach
Langkah-langkah metode Alpha
Cronbach:
 Membuat tabel analisis butir.
 Menghitung nilai total item pertanyaan
 Hitung nilai varian butir dan varian total.
 Jumlahkan nilai varian butir.

54.  Hitung nilai reliabilitas internal dengan persamaan
sebagai berikut:
)
)
(
1
)(
1
( 2
2
t
b
k
k


 



Keterangan:
 : Koefisien Alpha Cronbach
k : Jumlah butir pertanyaan
b
2 : Jumlah varian butir
t
2 : Jumlah varian total
Kriteria:
Instrument dikatakan reliabel:
Jika  > r tabel (df: , n-2)

55. Contoh

56. Perhitungan Reliabilitas Alpha
Cronbach
Kriteria:
Karena (0,637) > r tabel (0,374) maka instrument
dinyatakan reliabel.
)
)
(
1
)(
1
( 2
2
t
b
k
k


 



637
,
0
)
921
,
2
525
,
1
1
)(
1
4
4
( 





57. Metode Alpha Cronbach dengan SPSS
 Buka file yang akan diuji.
 Analyze  Scale  Reliabilty Analysis…
 Pada item masukan : X1_1, X1_2, X1_3, X1_4.
 Aktifkan List item labels
 Abaikan pilihan yang lain (biarkan pada posisi
Default).
 Klik  OK

59. Output

60. Kriteria Tingkat Reliabilitas
No Interval Kriteria
1. < 0,200 Sangat rendah
2. 0,200 – 0,399 Rendah
3. 0,400 – 0,599 Cukup
4. 0,600 – 0,799 Tinggi
5. 0,800 – 1,000 Sangat Tinggi