SlideShare a Scribd company logo
1 of 15
1
PENGUKURAN
INSTRUMEN
VALIDITAS
MATA KULIAh ILMU STATISTIK
DoSEN IR. ISwAhyUNI, MM
TAhUN 2018
2
A. VALIDITAS.
Validitas atau kesahihan  menunjukkan sejauh
mana suatu alat ukur mampu mengukur apa yang
ingin diukur.
1. Validitas Rupa.
Mengacu pada bentuk dan penampilan instrumen .
Penting dalam pengukuran kemampuan individu
seperti pengukuran kejujuran, kecerdasan, bakat dan
keterampilan.
2. Validitas Isi ( content validity).
Berkaitan dengan kemampuan suatu instrumen
mengukur isi (konsep) yang harus diukur.
3
Lanjutan VALIDITAS.
Suatu alat ukur mampu mengungkap isi suatu konsep
atau variabel yang hendak diukur.
Contoh : Tes bidang study IPS, harus mampu isi
bidang study tersebut.
3. Validitas Kriteria .
adalah validasi suatu instrumen dengan
membandingkan dengan instrumen pengukuran
lainnya yang sudah valid dan reliabel dengan cara
mengorelasikannya .
Bila korelasinya signifikan maka instrumen tersebut
mempunyai validitas kriteria.
4
Lanjutan VALIDITAS.
4. Validitas Konstruk ( construct validity) .
- adalah validasi yng berkaitan dengan kesanggupan
suatu alat ukur dalam mengukur pengertian suatu
konsep yang diukurnya.
- merupakan yang terluas cakupannya dibanding
dengan validasi lainnya, karena melibatkan banyak
prosedur termasuk validasi isi dan validasi kriteria.
5
B. CARA MENGUJI VALIDITAS KONSTRUK
( Construct Validity)
Suatu instrumen penelitian dikatakan valid, jika :
1. Koefisien korelasi product moment melebihi 0,3
2. Koefisien korelasi product moment > r – tabel
( α ; n-2) n = jumlah sampel.
3. Nilai sig ≤ α
Rumus uji Validasi dengan teknik korelasi product
moment :
r = n( ∑ X.Y) - (∑ X) (∑ Y)_______
√ n( ∑ x2
) – (∑X)2
. √ n( ∑ Y2
) – (∑Y)2
n : jumlah responden x : skor variabel ( jawaban responden)
Y : skor total variabel untuk responden n
6
Respond
en
A B C D
1 4 3 4 3
2 4 5 4 4
3 4 2 4 4
4 3 2 3 3
5 3 5 3 3
6 3 5 3 2
7 3 2 4 2
8 3 1 4 3
9 3 2 3 3
10 4 5 5 2
contoh soal : diket. data dari 10 responden yg telah
mengisi kuisioner yg terdiri dari 4 butir pertanyaan
(A,B,C dan D) dan tiap butir mempunyai 5 pilihan
jawaban dari nilai yg paling rendah = 1 dan paling
tinggi =5. ujilah validitas ke 4 butir pertanyaan tsb
dg taraf signifikan (α) =5%. Hasil responden sbb:
7
Respon
den
Nomor Butir Pertanyaan Total Jawaban
RespondenA B C D
1 4 3 4 3 14
2 4 5 4 4 17
3 4 2 4 4 14
4 3 2 3 3 11
5 3 5 3 3 14
6 3 5 3 2 13
7 3 2 4 2 11
8 3 1 4 3 11
9 3 2 3 3 11
10 4 5 5 2 16
Jawab :
Menguji Validitas
a) Uji validitas butir pertanyaan no.1 (A)
1) menjumlahkan skor jawaban.
8
Respon
den (n)
x Y XY (X)2
(Y)2
1 4 14 56 16 196
2 4 17 68 16 289
3 4 14 56 16 196
4 3 11 33 9 121
5 3 14 42 9 196
6 3 13 39 9 169
7 3 11 33 9 121
8 3 11 33 9 121
9 3 11 33 9 121
10 4 16 64 16 256
jumlah ∑ = 34 ∑ =132 ∑ =457 ∑ =118 ∑ =1.786
2) Uji validasi setiap butir pertanyaan.
- setiap butir pertanyaan dinyatakan menjadi variabel x
dan total jawaban menjadi variabel Y
- buat tabel penolong.
9
Lanjutan CARA MENGUJI VALIDITAS KONSTRUK
3) Menghitung nilai r tabel . n = 10 α = 0,05
 nilai r (0,05,10-2) pada tabel product moment = 0,707
4) Menghitung nilai r hitung:
r = n( ∑ X.Y) - (∑ X) (∑ Y)_______
√ n( ∑ x2
) – (∑X)2
. √ n( ∑ Y2
) – (∑Y)2
= 10 ( 457) - (34 ) (132)_______
√ 10 (118) - (34)2
. √ 10.( 1786 ) – (132)2
= 4.570 - 4.488 = 82 = 0,8039
√ ( 24) (436 ) 102,3
5) Membuat keputusan
Pertanyaan butir no.1 dinyatakan Valid, karena nilai
r hitung = 0,8039 > r tabel = 0,707
10
Respon
den (n)
x Y XY (X)2
(Y)2
1 3 14 42 9 196
2 5 17 85 25 289
3 2 14 28 4 196
4 2 11 22 4 121
5 5 14 70 25 196
6 5 13 65 25 169
7 2 11 22 4 121
8 1 11 11 1 121
9 2 11 22 4 121
10 5 16 80 25 256
jumlah ∑ = 32 ∑ = 132 ∑ = 447 ∑ = 126 ∑ = 1786
b) Uji validasi butir pertanyaan no.2 (B).
11
Lanjutan CARA MENGUJI VALIDITAS KONSTRUK
1) Menghitung nilai r hitung:
r = n( ∑ X.Y) - (∑ X) (∑ Y)_______
√ n( ∑ x2
) – (∑X)2
. √ n( ∑ Y2
) – (∑Y)2
= 10 ( 447) - (32 ) (132)_______
√ 10 (126) - (32)2
. √ 10.( 1786 ) – (132)2
= 4.470 - 4.224 = 246 = 0,767
√ ( 236) (436 ) 320,7
5) Membuat keputusan
Pertanyaan butir no.2(B) dinyatakan Valid, karena
nilai r hitung = 0,767 > r tabel = 0,707
12
Respon
den (n)
x Y XY (X)2
(Y)2
1 4 14 56 16 196
2 4 17 68 16 289
3 4 14 56 16 196
4 3 11 33 9 121
5 3 14 42 9 196
6 3 13 39 9 169
7 4 11 44 16 121
8 4 11 44 16 121
9 3 11 33 4 121
10 5 16 80 25 256
jumlah ∑ = 37 ∑ = 132 ∑ = 495 ∑ = 141 ∑ = 1786
c) Uji validasi butir pertanyaan no.3 (C).
13
Lanjutan CARA MENGUJI VALIDITAS KONSTRUK
1) Menghitung nilai r hitung:
r = n( ∑ X.Y) - (∑ X) (∑ Y)_______
√ n( ∑ x2
) – (∑X)2
. √ n( ∑ Y2
) – (∑Y)2
= 10 ( 495) - (37 ) (132)_______
√ 10 (141) - (37)2
. √ 10.( 1786 ) – (132)2
= 4.950 - 4.884 = 66 = 0,4936
√ ( 41) (436 ) 133,70
5) Membuat keputusan
Pertanyaan butir no.3 dinyatakan tidak Valid,
r hitung = 0,4936 < r tabel = 0,707
14
Respon
den (n)
x Y XY (X)2
(Y)2
1 3 14 42 9 196
2 4 17 68 16 289
3 4 14 56 16 196
4 3 11 33 9 121
5 3 14 42 9 196
6 2 13 26 4 169
7 2 11 22 4 121
8 3 11 33 9 121
9 3 11 33 9 121
10 2 16 32 4 256
jumlah ∑ = 29 ∑ = 132 ∑ = 387 ∑ = 89 ∑ = 1786
d) Uji validasi butir pertanyaan no.4 (D).
15
Lanjutan CARA MENGUJI VALIDITAS KONSTRUK
1) Menghitung nilai r hitung:
r = n( ∑ X.Y) - (∑ X) (∑ Y)_______
√ n( ∑ x2
) – (∑X)2
. √ n( ∑ Y2
) – (∑Y)2
= 10 ( 387) - (29 ) (132)_______
√ 10 (89) - (29 )2
. √ 10.( 1786 ) – (132)2
= 3.870 - 3.828 = 42 = 0,2873
√ ( 49) (436 ) 146,17
2) Membuat keputusan
Pertanyaan butir no. 4 (D) dinyatakan tidak Valid,
r hitung = 0,2873 < r tabel = 0,707

More Related Content

What's hot

Statistik deskriptif dan inferensial
Statistik deskriptif dan inferensialStatistik deskriptif dan inferensial
Statistik deskriptif dan inferensialIkaMufarrohah
 
Tabel t, z dan f dan chi kuadrat
Tabel t, z dan f dan chi kuadratTabel t, z dan f dan chi kuadrat
Tabel t, z dan f dan chi kuadratIr. Zakaria, M.M
 
Basic statistics 6 - poisson distribution
Basic statistics   6 - poisson distributionBasic statistics   6 - poisson distribution
Basic statistics 6 - poisson distributionangita wahyu suprapti
 
Materi p12 parametrik_analisis of varians (anova)
Materi p12 parametrik_analisis of varians (anova)Materi p12 parametrik_analisis of varians (anova)
Materi p12 parametrik_analisis of varians (anova)M. Jainuri, S.Pd., M.Pd
 
Beberapa distribusi peluang diskrit (1)
Beberapa distribusi peluang diskrit (1)Beberapa distribusi peluang diskrit (1)
Beberapa distribusi peluang diskrit (1)Raden Maulana
 
11.statistik parametrik dan non parametrik
11.statistik parametrik dan non parametrik11.statistik parametrik dan non parametrik
11.statistik parametrik dan non parametrikHafiza .h
 
Statistika Tabel Distribusi Frekuensi
Statistika Tabel Distribusi FrekuensiStatistika Tabel Distribusi Frekuensi
Statistika Tabel Distribusi FrekuensiAddy Hidayat
 
Tabel kontingensi 2x2 dan uji independensi
Tabel kontingensi 2x2 dan uji independensiTabel kontingensi 2x2 dan uji independensi
Tabel kontingensi 2x2 dan uji independensiDarnah Andi Nohe
 
Ukuran kemiringan dan keruncingan data
Ukuran kemiringan dan keruncingan dataUkuran kemiringan dan keruncingan data
Ukuran kemiringan dan keruncingan dataSriwijaya University
 
Ukuran variasi atau dispersi (penyebaran)
Ukuran variasi atau dispersi (penyebaran)Ukuran variasi atau dispersi (penyebaran)
Ukuran variasi atau dispersi (penyebaran)eyepaste
 
Peubah acak diskrit dan kontinu
Peubah acak diskrit dan kontinuPeubah acak diskrit dan kontinu
Peubah acak diskrit dan kontinuAnderzend Awuy
 
Statistika parametrik_teknik analisis komparasi (uji-t)
Statistika parametrik_teknik analisis komparasi (uji-t)Statistika parametrik_teknik analisis komparasi (uji-t)
Statistika parametrik_teknik analisis komparasi (uji-t)M. Jainuri, S.Pd., M.Pd
 

What's hot (20)

Statistik deskriptif dan inferensial
Statistik deskriptif dan inferensialStatistik deskriptif dan inferensial
Statistik deskriptif dan inferensial
 
Korelasi ganda
Korelasi gandaKorelasi ganda
Korelasi ganda
 
Tabel t, z dan f dan chi kuadrat
Tabel t, z dan f dan chi kuadratTabel t, z dan f dan chi kuadrat
Tabel t, z dan f dan chi kuadrat
 
Basic statistics 6 - poisson distribution
Basic statistics   6 - poisson distributionBasic statistics   6 - poisson distribution
Basic statistics 6 - poisson distribution
 
Materi p12 parametrik_analisis of varians (anova)
Materi p12 parametrik_analisis of varians (anova)Materi p12 parametrik_analisis of varians (anova)
Materi p12 parametrik_analisis of varians (anova)
 
Beberapa distribusi peluang diskrit (1)
Beberapa distribusi peluang diskrit (1)Beberapa distribusi peluang diskrit (1)
Beberapa distribusi peluang diskrit (1)
 
Uji hipotesis rata rata
Uji hipotesis rata rataUji hipotesis rata rata
Uji hipotesis rata rata
 
Distribusi sampling
Distribusi samplingDistribusi sampling
Distribusi sampling
 
11.statistik parametrik dan non parametrik
11.statistik parametrik dan non parametrik11.statistik parametrik dan non parametrik
11.statistik parametrik dan non parametrik
 
Statistika Probabilitas
Statistika ProbabilitasStatistika Probabilitas
Statistika Probabilitas
 
Materi P3_Distribusi Normal
Materi P3_Distribusi NormalMateri P3_Distribusi Normal
Materi P3_Distribusi Normal
 
Statistika Tabel Distribusi Frekuensi
Statistika Tabel Distribusi FrekuensiStatistika Tabel Distribusi Frekuensi
Statistika Tabel Distribusi Frekuensi
 
Tabel kontingensi 2x2 dan uji independensi
Tabel kontingensi 2x2 dan uji independensiTabel kontingensi 2x2 dan uji independensi
Tabel kontingensi 2x2 dan uji independensi
 
Distribusi Binomial
Distribusi BinomialDistribusi Binomial
Distribusi Binomial
 
Ukuran pemusatan dan penyebaran
Ukuran pemusatan dan penyebaranUkuran pemusatan dan penyebaran
Ukuran pemusatan dan penyebaran
 
Ukuran kemiringan dan keruncingan data
Ukuran kemiringan dan keruncingan dataUkuran kemiringan dan keruncingan data
Ukuran kemiringan dan keruncingan data
 
Uji mann-whitney
Uji mann-whitneyUji mann-whitney
Uji mann-whitney
 
Ukuran variasi atau dispersi (penyebaran)
Ukuran variasi atau dispersi (penyebaran)Ukuran variasi atau dispersi (penyebaran)
Ukuran variasi atau dispersi (penyebaran)
 
Peubah acak diskrit dan kontinu
Peubah acak diskrit dan kontinuPeubah acak diskrit dan kontinu
Peubah acak diskrit dan kontinu
 
Statistika parametrik_teknik analisis komparasi (uji-t)
Statistika parametrik_teknik analisis komparasi (uji-t)Statistika parametrik_teknik analisis komparasi (uji-t)
Statistika parametrik_teknik analisis komparasi (uji-t)
 

Similar to Statistik pengukuran instrumen validitas

Statistik pengukuran instrumen reliabilitas
Statistik    pengukuran instrumen reliabilitasStatistik    pengukuran instrumen reliabilitas
Statistik pengukuran instrumen reliabilitasHafiza .h
 
PROBABILITAS DAN STATISTIK materi 2.ppt
PROBABILITAS DAN STATISTIK materi 2.pptPROBABILITAS DAN STATISTIK materi 2.ppt
PROBABILITAS DAN STATISTIK materi 2.pptSollyLubis
 
Statistik Inferensial dan Analisis Kualitatif
Statistik Inferensial dan Analisis Kualitatif Statistik Inferensial dan Analisis Kualitatif
Statistik Inferensial dan Analisis Kualitatif Angga Debby Frayudha
 
Tugas a khir semester evaluasi
Tugas a khir semester evaluasiTugas a khir semester evaluasi
Tugas a khir semester evaluasiNovhie Red Queen
 
Data Mining Klasifikasi (Updated 30 Desember 2020)
Data Mining Klasifikasi (Updated 30 Desember 2020)Data Mining Klasifikasi (Updated 30 Desember 2020)
Data Mining Klasifikasi (Updated 30 Desember 2020)Adam Mukharil Bachtiar
 
DM_P9_Supervised Learning (KNN) - v2021.pptx
DM_P9_Supervised Learning (KNN) - v2021.pptxDM_P9_Supervised Learning (KNN) - v2021.pptx
DM_P9_Supervised Learning (KNN) - v2021.pptxIgoNasution
 
Laporan praktikum-sensori-6-uji-skoring
Laporan praktikum-sensori-6-uji-skoringLaporan praktikum-sensori-6-uji-skoring
Laporan praktikum-sensori-6-uji-skoringAurora Urbahillah
 
Aminullah assagaf revisi implementasi software statistik &amp; analisis 27 ju...
Aminullah assagaf revisi implementasi software statistik &amp; analisis 27 ju...Aminullah assagaf revisi implementasi software statistik &amp; analisis 27 ju...
Aminullah assagaf revisi implementasi software statistik &amp; analisis 27 ju...Aminullah Assagaf
 
4_Aminullah Assagaf_IMPLEMENTASI SOFTWARE STATISTIK & ANALISIS_27 Juni 2020.pptx
4_Aminullah Assagaf_IMPLEMENTASI SOFTWARE STATISTIK & ANALISIS_27 Juni 2020.pptx4_Aminullah Assagaf_IMPLEMENTASI SOFTWARE STATISTIK & ANALISIS_27 Juni 2020.pptx
4_Aminullah Assagaf_IMPLEMENTASI SOFTWARE STATISTIK & ANALISIS_27 Juni 2020.pptxAminullah Assagaf
 
MATERI KULIAH PASCA Analisis Instrumen.pptx
MATERI KULIAH PASCA Analisis Instrumen.pptxMATERI KULIAH PASCA Analisis Instrumen.pptx
MATERI KULIAH PASCA Analisis Instrumen.pptxseptiana317480
 
Ev.pend3 hp-df
Ev.pend3 hp-dfEv.pend3 hp-df
Ev.pend3 hp-dfMas Ragil
 
Tugas statistik penelitian
Tugas statistik penelitianTugas statistik penelitian
Tugas statistik penelitianWenni Wewex
 
Materi Pengayaan UN Matematika SMP/MTs Direktorat PSMP Kemendikbud
Materi Pengayaan UN Matematika SMP/MTs Direktorat PSMP KemendikbudMateri Pengayaan UN Matematika SMP/MTs Direktorat PSMP Kemendikbud
Materi Pengayaan UN Matematika SMP/MTs Direktorat PSMP KemendikbudAbdul Jamil
 
010 statistika-analisis-korelasi
010 statistika-analisis-korelasi010 statistika-analisis-korelasi
010 statistika-analisis-korelasiMizayanti Mizayanti
 

Similar to Statistik pengukuran instrumen validitas (20)

Statistik pengukuran instrumen reliabilitas
Statistik    pengukuran instrumen reliabilitasStatistik    pengukuran instrumen reliabilitas
Statistik pengukuran instrumen reliabilitas
 
PROBABILITAS DAN STATISTIK materi 2.ppt
PROBABILITAS DAN STATISTIK materi 2.pptPROBABILITAS DAN STATISTIK materi 2.ppt
PROBABILITAS DAN STATISTIK materi 2.ppt
 
Statistik Inferensial dan Analisis Kualitatif
Statistik Inferensial dan Analisis Kualitatif Statistik Inferensial dan Analisis Kualitatif
Statistik Inferensial dan Analisis Kualitatif
 
Tugas a khir semester evaluasi
Tugas a khir semester evaluasiTugas a khir semester evaluasi
Tugas a khir semester evaluasi
 
Data Mining Klasifikasi (Updated 30 Desember 2020)
Data Mining Klasifikasi (Updated 30 Desember 2020)Data Mining Klasifikasi (Updated 30 Desember 2020)
Data Mining Klasifikasi (Updated 30 Desember 2020)
 
DM_P9_Supervised Learning (KNN) - v2021.pptx
DM_P9_Supervised Learning (KNN) - v2021.pptxDM_P9_Supervised Learning (KNN) - v2021.pptx
DM_P9_Supervised Learning (KNN) - v2021.pptx
 
Laporan praktikum-sensori-6-uji-skoring
Laporan praktikum-sensori-6-uji-skoringLaporan praktikum-sensori-6-uji-skoring
Laporan praktikum-sensori-6-uji-skoring
 
Aminullah assagaf revisi implementasi software statistik &amp; analisis 27 ju...
Aminullah assagaf revisi implementasi software statistik &amp; analisis 27 ju...Aminullah assagaf revisi implementasi software statistik &amp; analisis 27 ju...
Aminullah assagaf revisi implementasi software statistik &amp; analisis 27 ju...
 
4_Aminullah Assagaf_IMPLEMENTASI SOFTWARE STATISTIK & ANALISIS_27 Juni 2020.pptx
4_Aminullah Assagaf_IMPLEMENTASI SOFTWARE STATISTIK & ANALISIS_27 Juni 2020.pptx4_Aminullah Assagaf_IMPLEMENTASI SOFTWARE STATISTIK & ANALISIS_27 Juni 2020.pptx
4_Aminullah Assagaf_IMPLEMENTASI SOFTWARE STATISTIK & ANALISIS_27 Juni 2020.pptx
 
MATERI KULIAH PASCA Analisis Instrumen.pptx
MATERI KULIAH PASCA Analisis Instrumen.pptxMATERI KULIAH PASCA Analisis Instrumen.pptx
MATERI KULIAH PASCA Analisis Instrumen.pptx
 
Operasi pada vektor
Operasi pada vektorOperasi pada vektor
Operasi pada vektor
 
Ev.pend3 hp-df
Ev.pend3 hp-dfEv.pend3 hp-df
Ev.pend3 hp-df
 
Tugas statistik penelitian
Tugas statistik penelitianTugas statistik penelitian
Tugas statistik penelitian
 
Materi Pengayaan UN Matematika SMP/MTs Direktorat PSMP Kemendikbud
Materi Pengayaan UN Matematika SMP/MTs Direktorat PSMP KemendikbudMateri Pengayaan UN Matematika SMP/MTs Direktorat PSMP Kemendikbud
Materi Pengayaan UN Matematika SMP/MTs Direktorat PSMP Kemendikbud
 
010 statistika-analisis-korelasi
010 statistika-analisis-korelasi010 statistika-analisis-korelasi
010 statistika-analisis-korelasi
 
uji linieritas
uji linieritasuji linieritas
uji linieritas
 
uji linieritas
uji linieritasuji linieritas
uji linieritas
 
Reliabilitas
Reliabilitas Reliabilitas
Reliabilitas
 
Tugas 2
Tugas 2Tugas 2
Tugas 2
 
Powerpoint ep
Powerpoint epPowerpoint ep
Powerpoint ep
 

More from Hafiza .h

14 15 pln 2020-upn d
14 15 pln  2020-upn d14 15 pln  2020-upn d
14 15 pln 2020-upn dHafiza .h
 
11 12 pln 2020-upn b
11 12 pln  2020-upn b11 12 pln  2020-upn b
11 12 pln 2020-upn bHafiza .h
 
Macam-macam Stakeholder Pada Shopee
Macam-macam Stakeholder Pada ShopeeMacam-macam Stakeholder Pada Shopee
Macam-macam Stakeholder Pada ShopeeHafiza .h
 
Ppt jurnalistik unsur penulisan artikel kel 8
Ppt jurnalistik unsur penulisan artikel kel 8Ppt jurnalistik unsur penulisan artikel kel 8
Ppt jurnalistik unsur penulisan artikel kel 8Hafiza .h
 
Konsep probabilitas
Konsep probabilitasKonsep probabilitas
Konsep probabilitasHafiza .h
 
13.analisa korelasi
13.analisa korelasi13.analisa korelasi
13.analisa korelasiHafiza .h
 
12.analisa regresi
12.analisa regresi12.analisa regresi
12.analisa regresiHafiza .h
 
10. hipotesis
10. hipotesis10. hipotesis
10. hipotesisHafiza .h
 
9.metode merubah nilai kualitatif menjadi kuantitatif
9.metode merubah nilai kualitatif menjadi kuantitatif9.metode merubah nilai kualitatif menjadi kuantitatif
9.metode merubah nilai kualitatif menjadi kuantitatifHafiza .h
 
7.distribusi binomial
7.distribusi binomial7.distribusi binomial
7.distribusi binomialHafiza .h
 
8.pengukuran skala indek
8.pengukuran skala indek8.pengukuran skala indek
8.pengukuran skala indekHafiza .h
 
6.konsep probabilitas
6.konsep probabilitas6.konsep probabilitas
6.konsep probabilitasHafiza .h
 
5. presentasi ukuran penyebara data
5. presentasi ukuran penyebara data5. presentasi ukuran penyebara data
5. presentasi ukuran penyebara dataHafiza .h
 
3.diskripsi dan visualisasi data
3.diskripsi dan visualisasi data3.diskripsi dan visualisasi data
3.diskripsi dan visualisasi dataHafiza .h
 
4 .ukuran pemusatan data
4 .ukuran pemusatan data4 .ukuran pemusatan data
4 .ukuran pemusatan dataHafiza .h
 
Statistik data
Statistik  dataStatistik  data
Statistik dataHafiza .h
 
Pengantar statistik
Pengantar statistikPengantar statistik
Pengantar statistikHafiza .h
 
Etika komunikasi massa
Etika komunikasi massaEtika komunikasi massa
Etika komunikasi massaHafiza .h
 
Teori teori komunikasi
Teori teori komunikasiTeori teori komunikasi
Teori teori komunikasiHafiza .h
 
Paradigma dalam teori komunikasi
Paradigma dalam teori komunikasiParadigma dalam teori komunikasi
Paradigma dalam teori komunikasiHafiza .h
 

More from Hafiza .h (20)

14 15 pln 2020-upn d
14 15 pln  2020-upn d14 15 pln  2020-upn d
14 15 pln 2020-upn d
 
11 12 pln 2020-upn b
11 12 pln  2020-upn b11 12 pln  2020-upn b
11 12 pln 2020-upn b
 
Macam-macam Stakeholder Pada Shopee
Macam-macam Stakeholder Pada ShopeeMacam-macam Stakeholder Pada Shopee
Macam-macam Stakeholder Pada Shopee
 
Ppt jurnalistik unsur penulisan artikel kel 8
Ppt jurnalistik unsur penulisan artikel kel 8Ppt jurnalistik unsur penulisan artikel kel 8
Ppt jurnalistik unsur penulisan artikel kel 8
 
Konsep probabilitas
Konsep probabilitasKonsep probabilitas
Konsep probabilitas
 
13.analisa korelasi
13.analisa korelasi13.analisa korelasi
13.analisa korelasi
 
12.analisa regresi
12.analisa regresi12.analisa regresi
12.analisa regresi
 
10. hipotesis
10. hipotesis10. hipotesis
10. hipotesis
 
9.metode merubah nilai kualitatif menjadi kuantitatif
9.metode merubah nilai kualitatif menjadi kuantitatif9.metode merubah nilai kualitatif menjadi kuantitatif
9.metode merubah nilai kualitatif menjadi kuantitatif
 
7.distribusi binomial
7.distribusi binomial7.distribusi binomial
7.distribusi binomial
 
8.pengukuran skala indek
8.pengukuran skala indek8.pengukuran skala indek
8.pengukuran skala indek
 
6.konsep probabilitas
6.konsep probabilitas6.konsep probabilitas
6.konsep probabilitas
 
5. presentasi ukuran penyebara data
5. presentasi ukuran penyebara data5. presentasi ukuran penyebara data
5. presentasi ukuran penyebara data
 
3.diskripsi dan visualisasi data
3.diskripsi dan visualisasi data3.diskripsi dan visualisasi data
3.diskripsi dan visualisasi data
 
4 .ukuran pemusatan data
4 .ukuran pemusatan data4 .ukuran pemusatan data
4 .ukuran pemusatan data
 
Statistik data
Statistik  dataStatistik  data
Statistik data
 
Pengantar statistik
Pengantar statistikPengantar statistik
Pengantar statistik
 
Etika komunikasi massa
Etika komunikasi massaEtika komunikasi massa
Etika komunikasi massa
 
Teori teori komunikasi
Teori teori komunikasiTeori teori komunikasi
Teori teori komunikasi
 
Paradigma dalam teori komunikasi
Paradigma dalam teori komunikasiParadigma dalam teori komunikasi
Paradigma dalam teori komunikasi
 

Statistik pengukuran instrumen validitas

  • 1. 1 PENGUKURAN INSTRUMEN VALIDITAS MATA KULIAh ILMU STATISTIK DoSEN IR. ISwAhyUNI, MM TAhUN 2018
  • 2. 2 A. VALIDITAS. Validitas atau kesahihan  menunjukkan sejauh mana suatu alat ukur mampu mengukur apa yang ingin diukur. 1. Validitas Rupa. Mengacu pada bentuk dan penampilan instrumen . Penting dalam pengukuran kemampuan individu seperti pengukuran kejujuran, kecerdasan, bakat dan keterampilan. 2. Validitas Isi ( content validity). Berkaitan dengan kemampuan suatu instrumen mengukur isi (konsep) yang harus diukur.
  • 3. 3 Lanjutan VALIDITAS. Suatu alat ukur mampu mengungkap isi suatu konsep atau variabel yang hendak diukur. Contoh : Tes bidang study IPS, harus mampu isi bidang study tersebut. 3. Validitas Kriteria . adalah validasi suatu instrumen dengan membandingkan dengan instrumen pengukuran lainnya yang sudah valid dan reliabel dengan cara mengorelasikannya . Bila korelasinya signifikan maka instrumen tersebut mempunyai validitas kriteria.
  • 4. 4 Lanjutan VALIDITAS. 4. Validitas Konstruk ( construct validity) . - adalah validasi yng berkaitan dengan kesanggupan suatu alat ukur dalam mengukur pengertian suatu konsep yang diukurnya. - merupakan yang terluas cakupannya dibanding dengan validasi lainnya, karena melibatkan banyak prosedur termasuk validasi isi dan validasi kriteria.
  • 5. 5 B. CARA MENGUJI VALIDITAS KONSTRUK ( Construct Validity) Suatu instrumen penelitian dikatakan valid, jika : 1. Koefisien korelasi product moment melebihi 0,3 2. Koefisien korelasi product moment > r – tabel ( α ; n-2) n = jumlah sampel. 3. Nilai sig ≤ α Rumus uji Validasi dengan teknik korelasi product moment : r = n( ∑ X.Y) - (∑ X) (∑ Y)_______ √ n( ∑ x2 ) – (∑X)2 . √ n( ∑ Y2 ) – (∑Y)2 n : jumlah responden x : skor variabel ( jawaban responden) Y : skor total variabel untuk responden n
  • 6. 6 Respond en A B C D 1 4 3 4 3 2 4 5 4 4 3 4 2 4 4 4 3 2 3 3 5 3 5 3 3 6 3 5 3 2 7 3 2 4 2 8 3 1 4 3 9 3 2 3 3 10 4 5 5 2 contoh soal : diket. data dari 10 responden yg telah mengisi kuisioner yg terdiri dari 4 butir pertanyaan (A,B,C dan D) dan tiap butir mempunyai 5 pilihan jawaban dari nilai yg paling rendah = 1 dan paling tinggi =5. ujilah validitas ke 4 butir pertanyaan tsb dg taraf signifikan (α) =5%. Hasil responden sbb:
  • 7. 7 Respon den Nomor Butir Pertanyaan Total Jawaban RespondenA B C D 1 4 3 4 3 14 2 4 5 4 4 17 3 4 2 4 4 14 4 3 2 3 3 11 5 3 5 3 3 14 6 3 5 3 2 13 7 3 2 4 2 11 8 3 1 4 3 11 9 3 2 3 3 11 10 4 5 5 2 16 Jawab : Menguji Validitas a) Uji validitas butir pertanyaan no.1 (A) 1) menjumlahkan skor jawaban.
  • 8. 8 Respon den (n) x Y XY (X)2 (Y)2 1 4 14 56 16 196 2 4 17 68 16 289 3 4 14 56 16 196 4 3 11 33 9 121 5 3 14 42 9 196 6 3 13 39 9 169 7 3 11 33 9 121 8 3 11 33 9 121 9 3 11 33 9 121 10 4 16 64 16 256 jumlah ∑ = 34 ∑ =132 ∑ =457 ∑ =118 ∑ =1.786 2) Uji validasi setiap butir pertanyaan. - setiap butir pertanyaan dinyatakan menjadi variabel x dan total jawaban menjadi variabel Y - buat tabel penolong.
  • 9. 9 Lanjutan CARA MENGUJI VALIDITAS KONSTRUK 3) Menghitung nilai r tabel . n = 10 α = 0,05  nilai r (0,05,10-2) pada tabel product moment = 0,707 4) Menghitung nilai r hitung: r = n( ∑ X.Y) - (∑ X) (∑ Y)_______ √ n( ∑ x2 ) – (∑X)2 . √ n( ∑ Y2 ) – (∑Y)2 = 10 ( 457) - (34 ) (132)_______ √ 10 (118) - (34)2 . √ 10.( 1786 ) – (132)2 = 4.570 - 4.488 = 82 = 0,8039 √ ( 24) (436 ) 102,3 5) Membuat keputusan Pertanyaan butir no.1 dinyatakan Valid, karena nilai r hitung = 0,8039 > r tabel = 0,707
  • 10. 10 Respon den (n) x Y XY (X)2 (Y)2 1 3 14 42 9 196 2 5 17 85 25 289 3 2 14 28 4 196 4 2 11 22 4 121 5 5 14 70 25 196 6 5 13 65 25 169 7 2 11 22 4 121 8 1 11 11 1 121 9 2 11 22 4 121 10 5 16 80 25 256 jumlah ∑ = 32 ∑ = 132 ∑ = 447 ∑ = 126 ∑ = 1786 b) Uji validasi butir pertanyaan no.2 (B).
  • 11. 11 Lanjutan CARA MENGUJI VALIDITAS KONSTRUK 1) Menghitung nilai r hitung: r = n( ∑ X.Y) - (∑ X) (∑ Y)_______ √ n( ∑ x2 ) – (∑X)2 . √ n( ∑ Y2 ) – (∑Y)2 = 10 ( 447) - (32 ) (132)_______ √ 10 (126) - (32)2 . √ 10.( 1786 ) – (132)2 = 4.470 - 4.224 = 246 = 0,767 √ ( 236) (436 ) 320,7 5) Membuat keputusan Pertanyaan butir no.2(B) dinyatakan Valid, karena nilai r hitung = 0,767 > r tabel = 0,707
  • 12. 12 Respon den (n) x Y XY (X)2 (Y)2 1 4 14 56 16 196 2 4 17 68 16 289 3 4 14 56 16 196 4 3 11 33 9 121 5 3 14 42 9 196 6 3 13 39 9 169 7 4 11 44 16 121 8 4 11 44 16 121 9 3 11 33 4 121 10 5 16 80 25 256 jumlah ∑ = 37 ∑ = 132 ∑ = 495 ∑ = 141 ∑ = 1786 c) Uji validasi butir pertanyaan no.3 (C).
  • 13. 13 Lanjutan CARA MENGUJI VALIDITAS KONSTRUK 1) Menghitung nilai r hitung: r = n( ∑ X.Y) - (∑ X) (∑ Y)_______ √ n( ∑ x2 ) – (∑X)2 . √ n( ∑ Y2 ) – (∑Y)2 = 10 ( 495) - (37 ) (132)_______ √ 10 (141) - (37)2 . √ 10.( 1786 ) – (132)2 = 4.950 - 4.884 = 66 = 0,4936 √ ( 41) (436 ) 133,70 5) Membuat keputusan Pertanyaan butir no.3 dinyatakan tidak Valid, r hitung = 0,4936 < r tabel = 0,707
  • 14. 14 Respon den (n) x Y XY (X)2 (Y)2 1 3 14 42 9 196 2 4 17 68 16 289 3 4 14 56 16 196 4 3 11 33 9 121 5 3 14 42 9 196 6 2 13 26 4 169 7 2 11 22 4 121 8 3 11 33 9 121 9 3 11 33 9 121 10 2 16 32 4 256 jumlah ∑ = 29 ∑ = 132 ∑ = 387 ∑ = 89 ∑ = 1786 d) Uji validasi butir pertanyaan no.4 (D).
  • 15. 15 Lanjutan CARA MENGUJI VALIDITAS KONSTRUK 1) Menghitung nilai r hitung: r = n( ∑ X.Y) - (∑ X) (∑ Y)_______ √ n( ∑ x2 ) – (∑X)2 . √ n( ∑ Y2 ) – (∑Y)2 = 10 ( 387) - (29 ) (132)_______ √ 10 (89) - (29 )2 . √ 10.( 1786 ) – (132)2 = 3.870 - 3.828 = 42 = 0,2873 √ ( 49) (436 ) 146,17 2) Membuat keputusan Pertanyaan butir no. 4 (D) dinyatakan tidak Valid, r hitung = 0,2873 < r tabel = 0,707