1
BAB I
PENGERTIAN, MACAM-MACAM DATA DAN MODEL SKALA PENGUKURAN
PENGERTIAN STRATISTIK
 Statistik: informasi yang berupa angka yang menunjukkan keadaan/ kejadian tertentu.
 Statistika: cara untuk mengolah, menyusun, meringkas dan mengambil kesimpulan
dengan tepat.
 Statistika di bagi menjadi:
a. Statistika deskriptif, bertujuan menggambarkan/ mendeskripsikan data
b. Inferensi, bertujuan untuk mengambil kesimpulan/ generalisasi bagi keseluruhan
populasi dari sampel.
 Variabel: focus yang ingin diteliti
 Data dibagi menjadi 2:
a. Data Kontinyu, data statistic yang angka-angkanya merupakan deretan angka yang
sambung-menyambung. misal: tinggi badan (150 - 150,1 - 150,2 -150,3 dst), berat
badan (40-40, 1-40,2 - 40,3 - 40,4), nilai.
b. Data Diskrit, data statistic yang tidak mungkin berbentuk pecahan. missal: laki-laki,
perempuan, merah, jumlah keluarga ( 1-2-3-4 dst), jumlah buku
 Skala:
a. Nominal, hanya bisa membedakan. Misal: siang-malam, pria-wanita, Jenis kelamin
b. Ordinal, bisa untuk membedakan ada urutan (rangking). Misal: rangking I, II, III,
kelas ekonomi, bisnis, eksekutif.
c. Interval, bisa membedakan, ada urutan, mempunyai urutan tertentu. Misal: suhu
badan, nilai mata pelajaran
d. Rasio, bisa membedakan, ada urutan, ada nol absolute.
MODEL SKALA PENGUKURAN
Ada dua tipe skala pengukuran menururt gejala social yang diukur :
1. Untuk pengukuran perilaku susila dan kepribadian (skala sikap, skala moral, test
karakter, skala partisipasi social)
2. Untuk mengukur berbagai aspek budaya lain dan lingkungan social, missal untuk
mengukur status social ekonomi, LSM, kondisi rumah tangga.
SKALA SIKAP
1. SKALA LIKERT
2. SKALA GUTTMAN
3. SKALA DIFERENSIAL SEMANTIK
4. RATING SKALA
5. SKALA TURSTONE
Ad. Skala Likert
Digunakan untuk mengukur sikap, pendapat dan persepsi seseorang atau kelompok tentang
kejadian atau gejala social.
Misal:
Contoh
Pernyataan Positif
Sangat Setuju (SS)= 5
Setuju (S) = 4
Netral (N) = 3
Tidak Setuju (TS) = 2
Sangat Tidak Setuju (STS)=1
Pernyataan Negatif
Sangat Setuju (SS) = 1
Setuju (S) = 2
Netral (N) = 3
Tidak Setuju (TS) =4
Sangat Tidak Setuju (STS)=5

2
Misal:
Dari 70 responden, diperoleh data sebagai berikut:
 Sebanyak 2 orang menjawab SS (5)
 Sebanyak 8 orang menjawab S (4)
 Sebanyak 15 orang menjawab N (3)
 Sebanyak 25 orang menjawab TS (2)
 Sebanyak 20 orang menjawab STS (1)
Cara menghitung skor dalam penelitian
 Jumlah skor untuk 2 orang menjawab SS (5) : 2x5 = 10
 Jumlah skor untuk 8 orang menjawab S (4) : 8x4 = 32
 Jumlah skor untuk 15 orang menjawab N (3) : 15x3 = 45
 Jumlah skor untuk 25 orang menjawab TS (2) : 25X2 = 50
 Jumlah skor untuk 20 orang menjawab STS (1) : 20X1 = 20
___________
Jumlah: 157
Jumlah skor ideal 5 x 70= 350 (SS)
Jumlah skor rendah 1x70 =70 (STS)
0__________70___________140___157___210___________280___________350
STS TS N S SS
0__________20%___________40%___44,8 %__60%___________80%___________100%
SL L C K SK
Kriteria skor
Angka 0 % - 20% : Sangat lemah
Angka 21%- 40% : Lemah
Angka 41%-60% : Cukup
Angka 61 %-80% : Kuat
Angka 81%-100% : Sangat kuat
Apabila didasarkan pada kelompok responden, maka dapat diketahui bahwa :
 2 orang menyatakan sangat setuju (SS) 2/70 x 100%= 2.86 %
 8 orang menyatakan setuju (S) 8/70 x 100% =11.43 %
 15 orang menyatakan netral (N) 15/70 x 100% = 21.43 %
 25 orang menyatakan tidak setuju (TS) 25/70 x 100% = 35.71 %
 20 orang menyatakan sangat tidak setuju (STS) 20/70 x100% = 28.57 %
NO Pernyataan
Alternatif Jawaban
5 4 3 2 1
SS S N TS STS
1 Menerima individu suku lain
sebagai teman dekat

3
SKALA GUTTMAN
Skala yang digunakan untuk jawaban yang bersifat jelas (tegas) dan konsisten.
Misal:
Pernahkah pimpinan saudara mengajak berembuk bersama ?
1) Pernah
2) Tidak pernah
Skala Guttman juga bisa dibuat dalam bentuk checklist
1) Ya (1)
2) Tidak (0)
Skala diferensial Semantik
( skala perbedaan semantic berisikan serangkaian karakteristik bipolar (dua kutup), seperti:
panas-dingin
0 1 2 3 4 5 6 7 8Tidak
ramah
Netral
Ramah

4
BAB II
DISTRIBUSI FREKWENSI dan RATA-RATA
A. MACAM-MACAM TABEL DISTRIBUSI FREKUENSI
1. Tabel distribusi frekwensi data tunggal
Contoh:
Tabel Distribusi Frekuensi Nilai Hasil Ujian Bidang Studi Pendidikan Agama dari 50 orang siswa
MTsN Samarinda.
Nilai
(X) Frekuensi Prosentase
8
7
6
5
11
14
19
6
22 %
28 %
38 %
12 %
Total 50=N 100
2. Tabel distribusi frekwensi data kelompokan
Contoh:
Tabel Distribusi Frekuensi Usia 40 orang pegawai di MTsN Samarinda.
Usia Frekuensi
(f)
50-54
45-49
40-44
35-39
30-34
25-29
5
7
8
10
5
5
T o t a l 40=N
3. Tabel distribusi frekuensi komulatif
Contoh 1.
Tabel Distribusi Frekuensi Nilai Hasil Ujian Bidang Studi Pendidikan Agama dari 50 orang siswa
MTsN Samarinda.
Nilai
(X) f fk b)(
fk a)(
8
7
6
5
11
14
19
6
50=N
39
25
6
11
25
44
50=N
Total 50=N - -

5
Contoh 2.
Tabel Distribusi Frekuensi Usia 40 orang pegawai di MTsN Samarinda.
Usia
f fk b)(
fk a)(
50-54
45-49
40-44
35-39
30-34
25-29
5
7
8
10
5
5
40=N
35
28
20
10
5
5
12
20
30
35
40=N
Total 40=N - -
4. Tabel distribusi frekuensi relative
Contoh 1.
Tabel Distribusi Frekuensi Nilai Hasil Ujian Bidang Studi Pendidikan Agama dari 50 orang siswa
MTsN Samarinda.
Nilai
(X) f
Persentase
8
7
6
5
11
14
19
6
22.0
28.0
38.0
12.0
Total 50=N 100,0=  p
Contoh 2.
Tabel Distribusi Frekuensi Usia 40 orang pegawai di MTsN Samarinda.
Usia
f Persentase
(p)
50-54
45-49
40-44
35-39
30-34
25-29
5
7
8
10
5
5
12.5
17.5
20.0
25.0
12.5
12.5
Total 40=N 100,0=  p
5. Tebel Persentase komulatif
Contoh 1.

6
Tabel Distribusi Frekuensi Nilai Hasil Ujian Bidang Studi Pendidikan Agama dari 50 orang siswa
MTsN Samarinda.
Nilai
(X) p pk b)(
pk a)(
8
7
6
5
22.0
28.0
38.0
12.0
100,0=  p
78.0
50.0
12.0
22.0
50.0
88.0
100,0=  p
Total 100,0=  p - -
Contoh 2.
Tabel Distribusi Frekuensi Usia 40 orang pegawai di MTsN Samarinda.
Usia
p pk b)(
pk a)(
50-54
45-49
40-44
35-39
30-34
25-29
12.5
17.5
20.0
25.0
12.5
12.5
100,0=  p
77.5
70.0
50.0
25.0
12.5
12.5
30.0
50.0
75.0
77.5
100,0=  p
Total 100,0=  p - -
Cara membuat tabel distribusi frekuensi
A. Data tunggal
Langkah-langkah:
1. Cari nilai tertinggi (H) dan nilai tertendah (L)
2. Hitung frekuensi masing-masing nilai yang ada dengan jari-jari ( Tallies)
3. Ubah jari-jari menjadi angka biasa
Latihan…..
Skor nilai ujian matematika dari swa, buatlah tabel distribusi frekuensinya.
5 8 6 4 6 7 9 6 4 5
3 5 8 6 5 4 6 7 7 10
4 6 7 7 9 3 6 7 8 9
6 8 8 6 5 4 7 8 7 10
B. Data kelompokan
Langkah-langkah
1. Cari nilai tertinggi (H) dan terendah (L)

7
2. Tentukan Total Range dengan rumus R=H-L+1
3. Tentukan jumlah kelas interval (K)= 1+3.3 log n
4. Tentukan panjang kelas intervalnya (P)=
K
R
, atau kadang dengan symbol (i)
5. Tentukan bilangan dasar, yang memuat nilai terendah dan tertinggi. Bilangan dasarnya
merupakan kelipatan dari i , atau dengan menentukan bilangan dasar paling bawah
adalah bilangan terkecil (L).
6. Buatlah tabel….
NIlai DP 3 pegawai di sebuah ibstansi, sebagai berikut:
70 70 71 60 63 80 81 81 74 74 66 66 67 67 67 68 76 76
77 77 77 80 80 80 80 73 73 74 74 74 71 72 72 72 72 83
84 84 84 84 75 75 75 75 75 75 75 78 78 78 78 78 78 79
79 81 82 82 83 89 85 85 87 90 93 94 94 87 87 89
B. UKURAN RATA-RATA
1. MEAN
Rumus:
a. Untuk data tunggal
M x
=
N
X
b. Data kelompokan
M x
=
N
fX atau M X
= iM 
'  
 N
fx '
M x
= Mean
'
M = Mean terkaan
X = Mid point
i = Interval kelas
 '
fx = Jumlah perkalian titik tengah buatan sendiri dengan frekuensi dari masing-
masing interval
2. MEDIAN
Untuk data tunggal, datanya berjumlah ganjil( gasal ), N=2n+1, maka letak median nya
terletak pada bilangan yang ke (n+1)
Contoh: 65, 75, 60, 70, 55, 50, 80, 40, 30
Mediannya terletak pada:
30, 40, 50, 55, 60, 65, 70, 75, 80
N=9, maka N=2n+1
9 = 2n+1
9-1 = 2n
2n = 8

8
N = 4
Maka medianya terletak pada bilangan (nilai) yang ke (4+1) atau nilai 60
Untuk data yang jumlah N genap, maka N=2n dan medianya terletak antara n dan n+1 atau
n+ (n+1)
2
1. 30
2. 40
3. 50
4. 55
5. 60
6. 65
7. 70
8. 75
9 .80
10.85
10=2n, n=5 ,…..n5 +n6/2= 60+65/2=62.5
Untuk data tunggaL yang frekuensinya lebih dari satu, Mdn=  lMdn
fi
N fkb
21
atau u
fi
N fka
21
Untuk data kelompokan  lMdn
fi
N fkb
21
x i atau u
fi
N fka
21
x i
3. MODUS
Untuk data kelompokan  lM O
 
 ff
f
ba
a

x i atau  uMO
 
 ff
f
ba
b

x i
Contoh :
Usia
f X
x
'
fx
'
fk b)(
fk a)(
50-54
45-49
40-44
35-39
30-34
25-29
5
7
8
10
5
5
52
47
42
(37) M’
32
27
+3
+2
+1
0
-1
-2
40=N
35
28
20
10
5
5
12
20
30
35
40=N
Total 40=N - -

9
Contoh : M’ = 37, l= 34,5 , u = 39,5, fi= 10,
fk b)(
= 10,
fk a)(
=20, fa=8, fb=5
Usia
f X x’ fX Fx’ fk b)(
fk a)(
50-54 5 52 3 260 15 40=N 5
45-49 7 47 2 329 14 35 12
40-44 8 42 1 336 8 28 20
35-39 10 37 0 370 0 20 30
30-34 5 32 -1 160 -5 10 35
25-29 5 27 -2 135 -10 5 40=N
Total 40=N 1590 22 -
M x
=
N
fX atau M X
= iM 
'  
 N
fx '
= 39.75
 lMdn
fi
N fkb
21
x i = 34,5+
10
1040.21 
.5= 34.5 +5= 39.5
 lM O
 
 ff
f
ba
a

x I = 34.5+
 
 3520
20

.5
Usia f X fX X x² fx² x' fx' x'² fx'²
90-94 4 92 368 14,4 207,36 829,44 3 12 9 36
85-89 7 87 609 9,4 88,36 618,52 2 14 4 28
80-84 16 82 1312 4,4 19,36 309,76 1 16 1 16
75-79 20 77 1540 -0,6 0,36 7,2 0 0 0 0
70-74 15 72 1080 -5,6 31,36 470,4 -1 -15 1 15
65-69 6 67 402 -10,6 112,36 674,16 -2 -12 4 24
60-64 2 62 124 -15,6 243,36 486,72 -3 -6 9 18
 5435 3396,2 9 137
M x
=
N
fX atau M X
= iM 
'  
 N
fx '
= 77.64
 lMdn
fi
N fkb
21
x i = 74.5 +
20
2335 
.5 = 77.5

10
 lM O
 
 ff
f
ba
a

x I = 74.5+
 
2327
27

.5 =77.87
BAB III
APLIKASI STATISTIK DALAM PENELITIAN KUANTITAIF
1. Analisa Data Deskriptif Kuantitatif
Analisa deskriptif digunakan untuk membantu peneliti mendeskripsikan ciri-
ciri variabel-variabel yang diteliti atau merangkum pengamatan penelitian yang
telah dilakukan tanpa membuat kesimpulan yang berlaku untuk umum dari
data yang diperoleh dari populasi atau sampel. Statistik deskriptif berkaitan

11
dengan kegiatan pencatatan, penyusunan, penyajian dan peringkasan dengan
mendeskripsikan atau menggambarkan data-data yang diperoleh dilapangan.
Ada beberapa teknik statistik deskriptif yang sering digunakan untuk
mendeskripsikan data, antara lain: dengan uji mean, median dan modus.
2. Analisa Data Penelitian Korelasi
a. Korelasi Product Moment( r )
Teknik korelasi product moment atau “product moment correlation”
merupakan teknik untuk mencari korelasi antar dua variable yang
dikembangkan oleh Pearson atau dikenal dengan istilah teknik korelasi
Person. Salah satu rumus yang sering digunakan adalah:
rxy
=
   
  


YYXX NN
YXXYN
2222
((
))((
)
Pengunaan
a. Variabel yang dikorelasikan berbentuk gejala atau data yang bersifat
kontinu
b. Sampel bersifat homogen
Cara memberikan interpretasi
a) Dengan angka sederhana
Besarnya “ r ” Interpretasi
0.00 - 0.20
0.20 - 0.40
0.40 – 0.70
0.70 – 0.90
0.90 – 1.00
Antara variable X dengan Y memang terdapat korelasi, akan
tetapi korelasi itu sangat lemah dan sangat rendah,
sehingga korelasi itu dibaikan atau dianggap tidak ada
Antara variable X dan Y terdapat korelasi yang lemah
Antara variable X dan Y terdapat korelasi yang sedang
Antara variable X dan Y terdapat korelasi yang kuat/ tinggi
Antara variable X dan Y terdapat korelasi sangat kuat/
sangat tinggi

12
b) Dengan menggunakan tabel “r” Product Moment
Langkah :
1. Rumuskan Hipotesa Ha dan Ho
2. Konsultasikan hasil”r” observasi dengan” r” tabel, melalui penghitungan
df (degress of freedom. df= N-nr)
df = degress of freedom
N = Number of Cases, n = banyaknya variable yang kita korelasikan biasanya (2)
 Jika”r “observasi sama dengan atau lebih besar daripada “r” tabel
maka Ha disetujui
 Jika”r “observasi lebih kecil daripada “r” tabel maka Ha di tolak
b. Korelasi Ganda
Rumus:
2.1
2
2.12.2
2
.1
2
.2.1
1
))((2
xx
xxyxyxyx
yxx
r
rrrr
R




Kaidah pengujian signifikansi:
Jika F hitung ≥F tabel, maka Ho ditolak, artinya signifikan, jika F hitung≤ F
tabel Ho diterima, artinya tidak signifikan. Dengan taraf signifikansi (α)=0.05,
maka nilai F hitung adalah :
F hitung= 22.19
01.0
1922.0
1264
)62.01(
2
62.0
1
)1( 2
2
2
2






kn
R
k
R
c. Teknik korelasi Phi “Ø”
Teknik Korelasi Phi, adalah salah satu teknik analisa data yang
digunakan apabila data yang dikorelasikan adalah data yang benar-benar
dikotomik ( terpisah secara tajam); dengan istilah lain variable yang
dikorelasikan adalah variable diskrit murni; misal Laki-laki - perempuan,
hidup-mati, tua-muda, desa-kota, sekolah – tidak sekolah.
Cara memberikan interpretasi sama dengan korelasi product moment,
dikonsultasikan dengan tabel r, dengan df N-nr.

13
Rumus
ø
))()()(( dcdbcaba
bcad



ø
)')(')()(( qpqp
 

ø =
N
x2
,
2
x diperoleh dengan rumus 2
x =

t
to
f
ff 2
)(
,
N
rc
f NN
t
.

d. KORELASI KOEFISIEN KONTINGENSI ” C atau KK ”
Teknik korelasi keefisien kontingensi ( Contingency Coeficient
Correlation ) adalah salah satu teknik Analisa data korelasi Bivariat, yang
dua buah variable yang dikorelasikan adalah berbentuk kategori atau
merupakan gejala ordinal. Misal: Tingkat Pendidikan: Tinggi, Menengah,
rendah; Pemahaman terhadap ajaran agama : Baik cukup , kurang.
Rumus
Nx
x
C
.2
2

Cara interpretasi
Interpretasi terhadap koefisien kontingensi adalah dengan jalan mengubah
C atau KK menjadi korelasi Phi “ Ø “dengan rumus :
2
1 C
C


Harga Ø yang diperoleh kita konsultasikan dengan tabel Nilai “r “ Product
Moment dengan df sebesar N-nr.
Jika Ø Lebih besar atau sama dengan “r “ tabel, maka Ha diterima Ho
ditolak
Jika Ø Lebih kecil dari pada “r “ tabel, maka Ha tolak Ho diterima

14
3. Teknik Analisa Data Penelitian Komparatif
a. Kai Kuadrat ( 2
x )
1) Untuk Mengetes perbedaan frekuensi tunggal
Rumus
2
x = 

t
to
f
ff 2
)(
2) Mengetes perbedaan frekuensi variable ganda yang sel-selnya
berfrekuensi 10 atau lebih
Rumus:
2
x =
))()()((
)( 2
DBCADCBA
BCADN


3) Mengetes perbedaan frekuensi variable ganda, dimana terdapat sel yang
berfrekuensi kurang dari10
Rumus:
2
x =
))()()((
2
)(
2
DBCADCBA
N
BCADN






4) Untuk mengetes perbedaan persentase
Rumus:
100
.%
22 N
xx o  , 2
x =

t
to
f
ff 2
)(
,
N
rc
f NN
t
.

5) Untuk mengetes signifikansi korelasi
Rumus:
2
x = 

t
to
f
ff 2
)(
,
N
rc
f NN
t
.

b. Tes “t”
1) Tes “t”, untuk menguji dua sampel kecil yang saling berhubungan
SE
M
t
M D
D
o


15
2) Test “t”, untuk dua sampel kecil yang satu sama lain tidak berhubungan
Rumus pertama
SE
MMt
MM
o
21
21



Rumus kedua
 
 
 NN
NN
NN
xx
MMto
21
21
21
2
2
2
1
21
.2






3) Tes ”t” Untuk dua sampel besar yang satu sama lain saling berhubungan
Rumus yang digunakan adalah:
SE
MMt
MM
o
21
21



c. Uji One Way Anova.
1/
1/



nmpokiDalamKeloSkorVarias
kmpokiAntarKeloSkorVarias
HitungF
CONTOH APLIKASI UJI STATISTIK
KORELASI PRODUCT MOMENT ” rxy
”
INTERPRETASI
1. Jika nilai r observasi ( ro
) lebih besar atau sama dengan r tabel ( rt
), maka
Hipotesa Alternatif (Ha) yang menyatakan ada hubungan antara variabel X dengan Y

16
diterima. Berarti ada hubungan yang signifikan antara variabel X dengan Y. Untuk uji
hipotesa juga bisa digunakan uji t.
2. Jika nilai r observasi ( ro
) lebih kecil dengan r tabel ( rt
), maka Hipotesa Alternatif
(Ha) yang menyatakan ada hubungan antara variabel X dengan Y ditolak, yang
berarti tidak ada hubungan yang signifikan. Berarti tidak ada hubungan yang
signifikan antara variabel X dengan Y
3. Untuk mengetahui kuat lemahnya hubungan antara variabel X dengan Y dapat
dilihat pada Angka Indeks Korelasi ”r”, antara 0 s/d 1.
4. Untuk mengetahui sumbangan atau kontribusi Variabel X terhadap Y, dapat dicari
dengan rumus: Koefisien Determinan= %1002
xr
APLIKASI UJI PRODUCT MOMENT
Contoh sebuah penelitian dengan judul “ Hubungan antara Motivasi dengan Kinerja
Guru SD 01 Samarinda”
Rumusan Masalah:
1. Apakah ada hubungan yang signifikan antara motivasi dengan kinerja guru di
SD 01 Samarinda?
2. Seberapa besar sumbangan (kontribusi) motivasi dengan kinerja guru di SD 01
Samarinda ?
Hipotesa Alternatif
Ada hubungan yang signifikan antara motivasi dengan kinerja guru SD 01 Samarinda
Berikut data yang diperoleh dari angket yang diberikan kepada 20 orang guru, X
(motivasi), Y (Kinerja)

17
No. Resp X Y X² Y² XY
1 60 450 3600 202500 27000
2 70 475 4900 225625 33250
3 75 450 5625 202500 33750
4 65 470 4225 220900 30550
5 70 475 4900 225625 33250
6 60 455 3600 207025 27300
7 80 475 6400 225625 38000
8 75 470 5625 220900 35250
9 85 485 7225 235225 41225
10 90 480 8100 230400 43200
11 70 475 4900 225625 33250
12 85 480 7225 230400 40800
Jumlah ∑X=885 ∑Y=5640 ∑X²=66325 ∑Y²=2652350 ∑XY=416825
Penyelesaian:
Rumus :
rxy
=
   
  


))
2222
((
))((
YYXX NN
YXXYN
  22
)5640()2652350.(12)66325.(12
)5460).(885(41682512


684.0
32.15354
10500
235755000
10500

Dari penghitungan rumus tersebut di atas, diperoleh nilai r : 0.684
Interpretasi:
1. Berdasar hasil penghitungan tersebut (0.684), jika kita konsultasikan dengan tabel
angka kasar, hubungan antara motivasi dengan kinerja dosen KUAT.
2. Apabila dikonsultasikan dengan tabel r, pada taraf signifikansi 5% (0.576), maka r
hitung lebih besar dari r tabel, atau Ha diterima (ada hubungan yang signifikan
antara motivasi dengan kinerja guru di SD 01 samarinda. (0.684>0.576)
3. Untuk mengatahui signifikansi hubungan antara motivasi dengan kinerja guru di SD
01 Samarinda, maka perlu uji t :
2
1
2
rr
nr
t




18
963.2
729.0
16.2
684.01684.0
212684.0
2



t ,
Jika t hitung ≥ t tabel, maka Ha diterima, atau sebaliknya. Nilai t tabel pada df= N-2
(12-2=10) pada taraf signifikansi 5% sebesar 2.228, berarti 2.963 > 2.228. Artinya
ada hubungan yang signifikan antara motivasi dengan kinerja guru di SD 01
Samarinda atau Hipotesa Alternatif DITERIMA
4. Untuk mengetahui sumbangan motivasi terhadap kinerja guru, maka perlu
menggunakan rumus KP=r²x 100% (0.684² x 100 %) = 46.79%. Berarti
motivasi memberikan kontribusi sebesar 46.79% dalam menciptakan kinerja
guru di SD 01 Samarinda.
LANGKAH UJI KORELASI PRODUCT MOMENT DENGAN PROGRAM SPSS 12
1. Masukkan data, melui menu Data View, kemudian Klik Variable View untuk memberi
nama pada variabel penelitian
2. Klik Analyze
3. Klik Correlate
4. Klik Bivariate

19
4. Klik Variabel X dan Y untuk dipindahkan ke kolom Varibles
5. Klik Oke Options, Klik Continue

20
6. Klik Oke
Correlations
1 .684*
. .014
12 12
.684* 1
.014 .
12 12
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
X
Y
X Y
Correlation is s ignificant at the 0.05 level (2-tailed).*.
Hasilnya Korelasi Product Moment sebesar 0.684
CONTOH UJI SIGNIFIKANSI KORELASI GANDA
Contoh penelitian tentang “ Hubungan antara kepuasan, disiplin dan produktivitas kerja
karyawan di perguruan tinggai X”.
a. Variabel Kepuasan Kerja (X1)
b. Variabel Disiplin Kerja (X2)
c. Variabel Produktivitas Kerja (Y)
Dari data dilapangan diperoleh hasil sebagai berikut:
No X1 X2 Y No X1 X2 Y
1 48 97 61 33 42 67 54
2 47 77 40 34 41 58 50
3 47 99 48 35 55 90 61
4 41 77 54 36 68 77 47
5 41 77 34 37 61 99 68
6 42 55 48 38 61 109 82
7 61 88 68 39 54 76 67
8 69 120 67 40 48 75 69
9 62 87 67 41 40 77 55
10 65 87 75 42 34 67 48
11 48 50 56 43 48 68 47
12 52 87 60 44 38 67 55
13 47 87 47 45 55 89 61
14 47 87 60 46 62 87 61
15 47 81 61 47 68 87 68
16 41 55 47 48 56 87 65
17 55 88 68 49 38 65 70
18 75 98 68 50 61 98 75
19 62 87 74 51 68 105 61

21
20 68 87 75 52 60 78 54
21 48 44 55 53 55 77 60
22 49 94 61 54 27 66 55
23 48 77 46 55 48 66 55
24 54 55 61 56 40 55 47
25 54 76 58 57 40 78 56
26 48 65 50 58 48 79 54
27 61 90 68 59 38 75 69
28 54 119 75 60 57 98 74
29 68 119 75 61 68 98 68
30 68 98 75 62 61 87 66
31 47 55 56 63 35 87 61
32 41 66 61 64 40 77 69
Cara penyelesaian
1. Ada hubungan yang signifikan antara kepuasan, disiplin dan produktivitas kerja
karyawan di perguruan tinggai X
2. Membuat tabel penolong untuk menghitung korelasi ganda.
a. Menghitung nilai Korelasi X1 terhadap Y
Simbol Statistik Nilai Statistik
n 64
 1X 3320
X 3871

2
1X 179456
 2
Y 240425
 YX1
204514
    
  



222
1
2
1
11
.1
)(.)(.
))(()(
YYnxXn
YXYXn
r yx
  
549.0
)3871()240425).(64()3320()179456)(64(
)3871)(3320()204514(64
22
.1 



  
yxr
b. Menghitung nilai Korelasi X2 dengan Y
Simbol Statistik Nilai Statistik
n 64
 2X 5198

22
Y 3871

2
2X 439670
 2
Y 240425
 YX2
320416
    
  



222
2
2
2
22
.1
)(.)(.
))(()(
YYnxXn
YXYXn
r yx
  
574.0
)3871()240425).(64()5198()439670).(64(
)3871).5198()320416(64
22
.1 


yxr
Menghitung nilai Korelasi X1 dengan X2
Simbol Statistik Nilai Statistik
n 64
 1X 3320
 2X 5198

2
1X 179456
 2
Y 439670
 21 XX 276598
    
  



2
2
2
2
2
1
2
1
2121
.1
)(.)(.
))(()(
XXnxXn
XXXXn
r yx
  
618.0
)5198()439670)(64()3320()179456)(64(
)5198)(3320()276596(64
22
.1 


yxr
Mencari nilai Korelasi antar Variabel dan korelasi ganda
Simbol Statistik Nilai Statistik
yxr .1
0.549
yxr .2
0.574
2.1 xxr 0.618

23
2.1
2
2.12.2
2
.1
2
.2.1
1
))((2
xx
xxyxyxyx
yxx
r
rrrr
R




62.0
62.0
24.0
62.0
39.063.0
)618.0(1
)618.0)(574.0)(549.0(2574.0549.0
2
22
.2.1 




yxxR
Hubungan kepuasan kerja dan disiplin kerja secara simultan memberi kontribusi
terhadap produktivitas karyawan diperguruan tinggi X. Kontribusi secara simultan:
R²x100%= 0.62²x100%= 38.44%, sisanya ditentukan oleh variabel lain.
Kaidah pengujian signifikansi:
Jika F hitung ≥F tabel, maka Ho ditolak, artinya signifikan.
Jika F hitung≤ F tabel Ho diterima, artinya tidak signifikan.
Dengan taraf signifikansi (α)=0.05, maka nilai F hitung adalah :
F hitung= 22.19
01.0
1922.0
1264
)62.01(
2
62.0
1
)1( 2
2
2
2






kn
R
k
R
Cara mencari F tabel menggunakan rumus:
F tabel:  )1(),)(1(  kndkkdk
 )1264(),2)(05.01(  dkdk
 )61.2)(05.01( 
Cara mencari F tabel: angka 2 angka pembilang, angka 61 penyebut.
Cara mencari interpolasi pada tabel F
).(
)(
)(
21
1
o
o
o BB
BB
CC
CC 



B = Nilai dk yang dicari
Bo = Nilai dk pada awal nilai yang sudah ada
B1 = Nilai dk pada akhir nilai yang sudah ada
C = Nilai F tabel yang dicari
Co = Nilai F tabel pada awal nilai yang sudah ada
C1 = Nilai F tabel pada akhir nilai yang sudah ada
Dari F tabel diperoleh:
B = 61(dk=n-k-1=64-2-1)
Bo = 60
B1 = 65
C = Nilai F tabel yang dicari melalui interpolasi=3.148
Co = Nilai F tabel pada awal nilai yang sudah ada

24
Cara mencari nilai C
148.302.015.3)1.(
5
01.0
15.3)6061.(
)6065(
)15.314.3(
15.3).(
)(
)(
21
1








 o
o
o BB
BB
CC
CC
Membuat Kesimpulan:
Setelah dihitung F hitung >F tabel, atau 19.22> 3.148, maka Ho ditolak Ha diterima,
artinya terdapat hubungan yang signifikan antara kepuasan kerja, disiplin kerja
dengan secara simultan terhadap produktivitas karyawan di perguruan tinggi X.
APLIKASI SPSS DALAM UJI KORELASI GANDA
1. Isi kolom Name, X1, X2, dan X3, kemudia isi kolom label untuk X1 (Kepuasan
Kerja), X2 (Disiplin Kerja), X3 (Produktivitas Kerja).
2. Aktifkan Data View, kemudian masukkan data

25
3. Klik menu Analize, kemudia pilih Correlate dan pilih Bivariate
4. Pindahkan variabel-variabel dengan ke dalam kolom variabel, sehingga akan
tampak seperti gambar di bawah ini.

26
5. Beri tanda V pada kotak Pearson, Two taile, dan Flag Significant Correlations
6. Klik Options dan tandai pada Mean and Standart deviation, Klik Continue
sehingga kembali ke kotak dialog.
7. Klik Oke

27
Descriptive Statistics
51.8750 10.71344 64
81.2188 16.66426 64
60.4844 9.99205 64
KEPUASAN KERJA
DISIPLIN KERJA
PRODUKTIVITAS KERJA
Mean Std. Deviation N
Correlations
1 .618** .549**
. .000 .000
64 64 64
.618** 1 .574**
.000 . .000
64 64 64
.549** .574** 1
.000 .000 .
64 64 64
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
KEPUASAN KERJA
DISIPLIN KERJA
PRODUKTIVITAS KERJA
KEPUASAN
KERJA
DISIPLIN
KERJA
PRODUKTIVI
TAS KERJA
Correlation is significant at the 0.01 level (2-tailed).**.
8. Kembali ke menu Analize, pilih Regresi dan pilih Linier.
9. Klik Statistik, dan beri tanda v pada Estimates, Model fit, R Square shange, klik
Continue

28
9. Klik Oke.
Model Summary
.625a .391 .371 7.92671 .391 19.553 2 61 .000
Model
1
R R Square
Adjusted
R Square
Std. Error of
the Estimate
R Square
Change F Change df1 df2 Sig. F Change
Change Statistics
Predictors: (Constant), DISIPLIN KERJA, KEPUASAN KERJAa.
Memaknai Hasil Korelasi
Dari ou put Korelasi Bivariat diperoleh pada tabel Correlation:
a. Hubungan X1 dengan Y: 0.549, Ha diterima karena nilai pada sig. 0,000<0.05
b. Hubungan X2 dengan Y: 0.547, ha diterima
c. Hubungan X1 dengan X2: 0.618
Interpretasi, jadi Ha untuk X1 dengan Y, X2 dengan diterima, karena nilai sig 2 tailed <
dari pada probablitas 0.05.
Uji secara keseluruhan, dapat dilihat hasil R sebesar 0.625, sehingga kontribusi X1 dan
X2 terhadap Y sebesar R² X 100%= 60.9%.
Uji Signifikansi:
Jika Nilai probabilitas 0.05 lebih kecil dengan nilai probabilitas sig. F (0.05< sig.F
Change), maka Ho diterima dan Ha ditolak
Jika Nilai probabilitas 0.05 besar atau sama dengan nilai probabilitas sig. F (0.05≥ sig.F
Change), maka Ho ditolak dan Ha diterima.

29
Oleh karena itu 0.05>0.00, jadi Ha diterima, artinya ada hubungan yang sginifikan
kepuasan kerja, disiplin kerja secara simultan terhadap Produktivitas kerja Karyawan di
perguruan tinggi X
Teknik Korelasi Phi ” 
Contoh: Sebuah penelitian dengan judul” Hubungan Antara Kegiatan Mengikuti
Bimbingan Tes dengan Prestasi Kelulusan Siswa MAN I Samarinda.
Rumusan Masalah : Apakah ada hubungan yang signifikan antara kegiatan mengikuti
bimbingan tes terhadap prestasi kelulusan siswa MAN I Samarinda.
Hipotesa Kerja : Ada hubungan yang signifikan antara kegiatan mengikuti bimbingan
tes dengan prestasi kelulusan siswa MAN I Samarinda.
Dari hasil penelitian melalui observasi dan dokumentasi, diperoleh data sebagai berikut:
Prestasi
kelulusan
Keikutsertaan
Mengikuti Bimbingan
Jumlah
Mengikuti Tidak Mengikuti
Lulus 20
1
20
2
40 rN
Tidak Lulus 25
3
35
4
60 rN
Jumlah
45
cN
55
cN
100=
N
N
x2
 , Nilai 2
x = 

t
to
f
ff 2
)(
,
N
rc
f NN
t
.

Berdasar tabel tersebut, maka perlu dicari terlebih dahulu, nilai 2
x , melalui tabel
kerja sebagai berikut:
Sel of
N
rc
f NN
t
.
 to ff  2
to ff 
t
to
f
ff 2
)( 
1
2
3
4
20
20
25
35
45 x 40: 100= 18
55 x 40: 100= 22
45 x 60: 100= 27
55 X 60: 100= 33
20-18 = -2
20-22 = 2
25-27 = 2
35-33 = 2
4
4
4
4
4: 18 = 0.222
4: 22 = 0.1818
4: 27 = 0.1481
4: 33 = 0.1212
100= N
t
to
f
ff 2
)( 

=0.6733

30
Dari hasil penghitungan tersebut, maka diperoleh nilai phi sebagai berikut:

N
x2

100
6733.0
=0.082
Interpretasi, nilai phi dianggap sebagai nilai rxy
, dengan df= N-nr (100-
2=98), pada taraf signifikansi 5 % nilai r tabel sebesar 0.195, sedangkan taraf
signifikansi 1 %, diperoleh nilai r tabel sebesar 0.254. Berarti nilai phi lebih kecil dari
r tabel (0.082<0.195), artinya Ho diterima, yang berarti tidak korelasi yang
signifikan antara keikutsertaan mengikuti bimbingan dengan prestasi kelulusan.
Koefisien Kontingensi ” C”
Rumus:
Nx
x
C 2
2
 , 2
x = 

t
to
f
ff 2
)(
,
N
rc
f NN
t
.

Sebuah penelitian berjudu ” Hubungan antara Motivasi Belajar dengan Prestasi Belajar
Siswa SD 01 Samarinda.
Rumusan Masalah: Apakah ada hubungan yang signifikan antara motivasi belajar
dengan prestasi belajar siswa SD 01 Samarinda.
Hipotesa Kerja: ” Ada hubungan yang signifikan antara motivasi dengan prestasi belajar
siswa SD 01 Samarinda.
Prestasi Belajar Motivasi belajar Jumlah
Tinggi Sedang Rendah
Baik 18
1
12
2
10
3
40 rN
Cukup 34
4
43
5
33
6
110 rN
Kurang 10
7
10
8
30
9
50 rN
Jumlah 62 cN
65 cN
73cN
200 =N
Cara kerjanya penghitungan korelasi Phi, dari data tersebut di atas diperoleh nilai
x²=18.7194.
Maka nilai
Nx
x
C 2
2
 =
200.7194.18
7194.18
= 0856.0 =0.293

31
Cara memberikan interpretasi nilai C terlebih dahulu harus diubah menjadi Phi, yaitu:
2
1 C
C

 = 036.0
086.01
293.0
293.01
293.0
2




, dari hasil tersebut selanjutnya
dikonsultasikan dengan tabel r, dengan df=200-2 (198), pada taraf signifikansi 5 %
diperoleh nilai r tabel 0.138, dan pada taraf signifikansi 1 % diperoleh nilai 0.181.
Berarti nilai phi lebih kecil dari pada nilai r tabel (0.036<0.138), jadi Hipotesa Nol
diterima, artinya tidak ada korelasi yang signifikan antara motivasi dengan prestasi
belajar siswa SD 01 Samarinda.
CONTOH UJI KAI KUADRAT ( 2
x )
CARA MEMBERIKAN INTERPRETASI
1. Jika Kai Kuadrat observasi ( ox2
), sama atau lebih besar daripada harga kritik Kai
kudrat yang tercantum dalam tabel ( tx2
),maka Hipotesa Alternatif (Ha) dierima,
artinya ada perbedaan dari faktor yang diselidiki. Adanya perbedaan tersebut
mengandung makna bahwa ada korelasi yang signifikan pada faktor yang kita
selidiki.
2. Jika Kai Kuadrat observasi ( ox2
), lebih kecil daripada harga kritik Kai kudrat yang
tercantum dalam tabel ( tx2
), maka Hipotesa Alternatif (Ha) ditolak atau Ho dierima,
artinya tidak ada perbedaan dari faktor yang diselidiki, maka tidak ada korelasi yang
signifikan pada faktor yang kita selidiki
APLIKASI UJI KAI KUADRAT ( 2
x )
1. Untuk Mengetes perbedaan frekuensi tunggal
2
x = 

t
to
f
ff 2
)(
Contoh:
Tabel tentang pendapat 100 orang dosen tentang efektif tidaknya system kuliah
dengan metode ceramah pada mata kuliah filsafat.
Pendapat Banyaknya
(f)
A. Metode ceramah lebih baik dari pada
metode diskusi
B. Metode diskusi lebih baik dari pada
metode ceramah
C. Metode ceramah dan diskusi sama-sama
baik
D. Tidak berpendapat
46
27
20
7
Total 100

32
Ha : Dikalangan para dosen ada/ terdapat perbedaan frekuensi yang
signifikan antara frkuensi yang diobservasi dan frekuensi teoritiknya.
Ho : Dikalangan para dosen tidak terdapat perbedaan frekuensi yang
signifikan antara frekuensi yang diobservasi dan teoritiknya
Penyelesaian:
Pendapat
of tf
A. Metode ceramah
lebih baik dari pada
metode diskusi
B. Metode diskusi lebih
baik dari pada
metode ceramah
C. Metode ceramah
dan diskusi sama-
sama baik
D. Tidak berpendapat
46
27
20
7
25
25
25
25
Total 100=N 100=N
Jadi nilai nilai Kai Kuadrat adalah
t
to
t
toto
t
to
o
f
ff
f
ff
ft
ff
f
ff
x
2222
2 )()()()( 







25
)257(
25
)2520(
25
)2527(
25
)2546( 2222
2 






ox
76,3196.12116.06.17
25
324
25
25
25
4
25
4412
ox
Interpretasi
df/db= r-1 = 4-1=3, untuk taraf signifikansi 5 % r nilai tabel sebesar 7.815, dan
1% sebesar 11, 345, oleh karena itu r hitung lebih besar dari pada r tabel,
7.815<31.76>11.345. Artinya hipotesa yang menyatakan ada perbedaan pendapat
mengenai sistem ceramah dan diskusi dalam pelaksanaan kuliah atau dikalangan
para dosen ada/ terdapat perbedaan frekuensi yang signifikan antara frkuensi
yang diobservasi dan frekuensi teoritiknya (Ha) DITERIMA.
2. Mengetes perbedaan frekuensi variable ganda yang sel-selnya
berfrekuensi 10 atau lebih

33
Rumus:
2
x =
))()()((
)( 2
DBCADCBA
BCADN


Contoh: Sebuah penelitian ingin mengetahui bagaimana sikap PNS terhadap
kemungkinan pemotongan gaji pada tiap bulan untuk dimasukkan dalam asuransi,
dengan alternative jawaban “ setuju dan tidak setuju”
Ha : Ada perbedaan yang signifikan antara frekuensi yang diobservasi
dengan teoritiknya.
Ho : Tidak ada perbedaan yang signifikan antara frekuensi yang diobservasi
dengan frekuensi teoritiknya.
Tebel: Sikap 100 orang PNS terhadap pemotongan gaji
Sikap
Status
Setuju Tidak Setuju Jumlah
PNS gol.III ke atas
15
A
12
B
30
PNS gol.II ke
bawah
40
C
10
D
50
Total 55
25
80= N
2
x =
))()()((
)( 2
DBCADCBA
BCADN


2
x = 885.7
2062500
202500.80
2062500
)450(80
2062500
)600150(80
)25)(55)(50)(30(
)40.1515.10(80 222






Coba…. Di cek dengan rumus 2
x =

t
to
f
ff 2
)(
,
N
rc
f NN
t
.
 , hasilnya sama.
Interpretasi

34
db/df: (c-1) (r-1), c=2 r=2, sehingga nilai df= (2-1)(2-1)= 1, pada taraf
signifikansi 5 % diperoleh nilai tx2
=3.841, dan pada taraf signifikansi 1 %
sebesar 6.635. Jadi 3.841<7.885>6.635, berarti Hipotesa Kerja yang menyatakan
ada perbedaan sikap PNS tentang pemotongan gaji DITERIMA.
3. Mengetes perbedaan frekuensi variable ganda, dimana terdapat sel yang
berfrekuensi kurang dari10
Rumus:
2
x =
))()()((
2
)(
2
DBCADCBA
N
BCADN






Contoh:
Tebel tentang jawaban dari 60 orang mahasiswa dan 30 orang mahasiswi di PT X,
tentang system demokrasi dalam pemerintahan.
Ha : Ada perbedaan jawaban tentang sistem demokrasi antara status
mahsiswa dengan mahasiswi di PT X
Jawaban
Status
Setuju Tidak Setuju Total
Mahasiswa 42
A
8
B
50
A+B
Mahasiswi 9
C
21
D
30
C+D
Total
60=A+C 30=B+D 80= N
2
x =
)29)(51)(30)(50(
2
80
)9.821.42(80
2





=
  23.21
2218500
47432000
2218500
770.80
2218500
)40810(80
)29)(51)(30)(50(
40)72882(80 222





35
Interpretasi
Nilai df/db: (c-1)(r-1): (2-1) (2-1)=1 jadi nilai tx2
pada taraf signifikansi 5%
sebesar 3.841, dan 1 % sebesar 6.635. Jadi 3.841<21.23>6.635, Ha diterima,
berarti ada perbedaan yang signifikan tentang jawaban sistem demokrasi antara
status mahsiswa dengan mahasiswi di PT X
4. Untuk mengetes signifikansi korelasi
Rumus:
2
x = 

t
to
f
ff 2
)(
,
N
rc
f NN
t
.

Contoh:
Data tentang sikap pergaulan dengan pria dari 105 orang mahasiswi yang berbeda
asal sekolahnya
Sikap
Asal Sekolah
Reaktif Netral Pasif Total
Sekolah Kependidikan
42
1
20
2
28
3
90
rN
Sekolah non-
Kependidikan
28
4
60
5
32
6
120
rN
Total
70
cN
80
cN
60
cN
210
N
Langkah penyelesaian
Sel of
N
rc
f NN
t
.
 to ff  2
to ff 
t
to
f
ff 2
)( 
1
2
3
4
5
6
42
20
28
28
60
32
70x90: 210= 30
80x90: 210= 34.29
60x90: 210= 25.71
70x120: 210= 40
80x120: 210= 45.71
60x120: 210= 34.29
12
-14.29
2.29
-12
14.29
-2.29
144
204.2041
5.2441
144
204.2041
5.2441
4.8
5.955
0.204
3.6
4.476
0.154
TOTAL 210= N
t
to
f
ff 2
)( 

=19.179

36
Berdasar hasil hitungan tersebut, diperoleh nilai 2
x = 

t
to
f
ff 2
)(
, sebesar
19.179.
Interpretasi
df=(c-1)(r-1)= (3-1)(2-1)=2. Nilai tx2
untuk taraf signifikansi 5 % sebesar 5.991,
dan 1 % sebesar 9.210. Berati 5.991<19.179>9.210, Hipotesa Kerja yang
menyatakan ada perbedaan sikap pergaulan dengan mahasiswi yang berasal dari
sekolah kependidikan dengan yang non-kependidikan DITERIMA.
Uji t
INTERPRETASI
1. Jika Kai Kuadrat observasi ( ot ), sama atau lebih besar daripada harga kritik Kai
kudrat yang tercantum dalam tabel ( tt ),maka Hipotesa Alternatif (Ha) dierima,
artinya ada perbedaan dari faktor yang diselidiki. Adanya perbedaan tersebut
mengandung makna bahwa ada korelasi yang signifikan pada faktor yang kita
selidiki.
2. Jika Kai Kuadrat observasi ot , lebih kecil daripada harga kritik Kai kudrat yang
tercantum dalam tabel tt ), maka Hipotesa Alternatif (Ha) ditolak atau Ho
dierima, artinya tidak ada perbedaan dari faktor yang diselidiki, maka tidak ada
korelasi yang signifikan pada faktor yang kita selidiki
APLIKASI UJI t
1. Untuk dua sampel kecil (N kurang dari 20) yang saling berhubungan.
Sebuah penelitian ingin menguji efektifitas metode X dalam membentuk sikap
keagamaan siswa SMTA di Kec.Y
Nama
Siswa
Sekor Sikap Keagamaan Siswa SMTA
D= (X-Y) D²=(X-Y)²Sebelum diterapkan
metode X
Sesudah diterapkan
metode X
1 78 75 3 9
2 60 68 -8 64
3 55 59 -4 16

37
4 70 71 -1 1
5 57 63 -6 36
6 49 54 -5 25
7 68 66 2 4
8 70 74 -4 16
9 81 89 -8 64
10 30 33 -3 9
11 55 51 4 16
12 40 50 -10 100
13 63 68 -5 25
14 85 83 2 4
15 70 77 -7 49
16 62 69 -7 49
17 58 73 -15 225
18 65 65 0 0
19 75 76 -1 1
20 69 86 -17 289
20=N -90=∑D 1002= ∑D²
Langkah-langkah yang harus ditempuh adalah:
Rumus:
SE
M
t
M D
D
o

Mencari Mean dengan rumus:
50.4
90
1002




N
D
M D
Mencari Standar Deviasi
 
 N
D
N
D
SDD
22
 
=
20
)90(
20
1002 2

= 2
)5.4(1.50 
= 2
85.29
= 5.464
Mencari Standar Eror Mean Perbedaan Skor antara X dengan Y:
1

NM
SD
SE D
D
253.1
359.4
464.5
19
464.5
120
464.5




38
Memasukkan Rumus ”t”
591.3
253.1
50.4



SE
Mt
M D
D
o
Interpretasi:
Yaitu dengan membandingkan nilai t hitung dengan t tabel pada taraf signifikansi 5
% dan 1 %, untuk db (N-1)= 19. Ttabel untuk taraf signifikansi 5 % adalah 2.09
dan 1 % sebesar 2.86, sehingga dapat di banding 2.09<3.591>2.86. Ini berarti
bahwa Hipotesa Kerja yang menyatakan ada perbedaan sikap antara sesudah dan
sebelum menggunakan metode X diterima. Atau dengan kata lain metode X perlu
dipertahankan, karena memiliki perbedaan yang meyakinkan.
UJI BEDA T TES ” Paired Samples T Test”
1. Masukkan data, melui menu Data View, kemudian Klik Variable View untuk memberi
nama pada variabel penelitian
2. Klik Analyze
3. Klik Compare Means
4. Klik Paired- T-tes

39
1. Klik Variabel X1
2. Klik Variabel X2
3. Klik tanda panah sehingga nama variabel masuk ke dalam kolom Paired
Variables.
6. Klik tanda panah sehingga nama variabel masuk ke dalam kolom Paired Variables
7. Klik Options, isi Convidance level, misal 95 %

40
8. Klik Continue
9.
10. Klik Oke
Paired Samples Statistics
63.0000 20 13.38105 2.99209
67.5000 20 13.38302 2.99253
SBLMMTD X
SSDH MTD X
Pair
1
Mean N Std. Deviation
Std. Error
Mean
Paired Samples Test
-4.50000 5.60545 1.25342 -7.12343 -1.87657 -3.590 19 .002
SBLMMTD X-
SSDH MTD X
Pair
1
Mean Std. Deviation
Std. Error
Mean Lower Upper
95% Confidence
Interval of the
Difference
Paired Differences
t df Sig. (2-tailed)
Interpretasi Out Put
Sebagai acuan apabila yang ingin di uji adalah Ha, maka interpretasinya sebagai berikut:
1. Ha diterima apabila t hitung> t tabel, atau nilai p-value pada kolom Sig. (2-
tailed) > level of significant (α)
2. Ha diterima apabila t hitung < t tabel, atau nilai p-value pada kolom Sig. (2-
tailed) < level of significant (α)
 Dengan membandingkan nilai t hitung dengan t tabel pada taraf signifikansi 5 % dan
1 %, untuk db (N-1)= 19. Nilai T tabel untuk taraf signifikansi 5 % adalah 2.09 dan
1 % sebesar 2.86, sehingga dapat di banding 2.09<3.591>2.86.

41
 Dengan membandingkan nilai pada p-value pada kolom sig. (2-tailed) dengan level
of significant (α), maka diperleh 0.02<0.05
Ini berarti bahwa Hipotesa Kerja yang menyatakan ada perbedaan sikap antara sesudah
dan sebelum menggunakan metode X diterima. Atau dengan kata lain metode X perlu
dipertahankan, karena memiliki perbedaan yang meyakinkan.
2. Uji T untuk sampel kecil yang saling tidak berhubungan
Sebuah penelitian bertujuan ingin mengetahui apakah ada perbedaan sikap
keagamaan antara remaja pedesaan dengan perkotaan di kota X. Hasil
pengumpulan data dilapangan diperoleh data sebagai berikut:
No Remaja yang berdomisili
di pedesaan
Remaja yang berdomisili
di perkotaan
1
2
3
4
5
6
7
8
9
10
8
9
6
6
9
6
8
5
7
6
7
8
5
4
7
5
6
5
8
5
Langkah penyelesaian:
Skor x
)( XMX 
y
)( YMY 
2
x 2
y
X Y
8 7 +1 +1 1 1

42
9
6
6
9
6
8
5
7
6
8
5
4
7
5
6
5
8
5
+2
-1
-1
+2
-1
+1
-2
0
-1
+2
-1
-2
+1
-1
0
-1
+2
-1
4
1
1
4
1
1
4
0
1
4
1
4
1
1
0
1
4
1
70=
∑X
60=
∑Y
18=
2
x 18=
2
y
Mencari mean X dan Y
7
10
70


N
X
M x 6
10
60


N
Y
M y
Mencari SD


N
x
SDx
2
10
18
= 8.1 = 1.342,


N
y
SDy
2
10
18
=1.342
Cari Standar Eror Mean 1 dan 2
447.0
3
342.1
110
342.1
11
1
1





N
SD
SEM
447.0
3
342.1
110
342.1
11
1
2





N
SD
SEM
Lankah selanjutnya mencari Standar Eror Mean 1 dan Mean 2,
22
2121 MMMM SESESESE  = 22
447.0447.0 
= 200.0200.0  = 4000.0 = 0.632
Memasukkan rumus t

43
582.1
632.0
1
632.0
67
21
21





SE
MMt
MM
o
Interpretasi
Untuk memberikan interpretasi,Untuk memberikan interpretasi maka perlu
ditentukan nilai db (N1+N2)=10+10= 20
Pada taraf signifikansi 5%, nilai t tabel 2.10, 1 % nilai t tabel 2.88, berarti nilai t
hitung (1.582) lebih kecil dari pada t tabel (2.10 dan 2.88), artinya Hipotesa
kerja yang menyatakan ada perbedaan sikap keberagamaan antara pemuda
desa dengan kota berbeda DITOLAK, berarti tidak ada perbedaan.
3. Uji t untuk sampel besar yang satu sama lain saling berhubungan
RUMUS:
SE
MMt
MM
o
21
21



Contoh: Sebuah penelitian bertujuan ingin mengetahui apakah ada perbedaan
yang signifikan sikap keagamaan siswa sebelum dan sesudah diterapkan metode
M.
Hipotesa Kerja: Ada perbedaan yang signifikan sikap keagamaan siswa sebelum
dan sesudah diterapkan metode M.
Dari pencatatan data dilapangan diperoleh data sebagai berikut:
N0
Resp.
Sekor Sikap Keagamaan
No.
Resp.
Sekor Sikap Keagamaan
Sesudah diajar
dengan metode
M
Sebelum diajar
dengan metode M
Sesudah diajar
dengan metode
M
Sebelum diajar
dengan metode
M
1 70 62 26 71 63
2 67 59 27 72 64
3 71 65 28 70 64
4 73 65 29 70 62
5 71 63 30 72 64
6 68 60 31 73 65
7 72 64 32 70 62
8 69 60 33 71 66
9 74 66 34 72 64
10 73 65 35 71 63
11 74 66 36 67 59
12 66 58 37 69 61
13 68 62 38 72 63
14 66 58 39 73 65
15 69 61 40 70 62
16 66 58 41 69 61
17 70 62 42 71 63

44
18 67 60 43 69 59
19 72 64 44 71 63
20 68 60 45 69 61
21 68 60 46 72 64
22 73 65 47 69 61
23 69 59 48 72 60
24 73 65 49 72 64
25 66 58 50 68 60
Langkah-langkah Penyelesaian:
Klasifikasikan Variabel X dan Y, untuk mencari Mean X dan Y
X f fX fX² Y f fY fY ²
74
73
72
71
70
69
68
67
66
2
6
9
7
6
8
5
3
4
148
438
648
497
420
552
340
201
264
10952
31974
46656
35287
29400
38088
23120
13467
17424
66
65
64
63
62
61
60
59
58
3
7
8
6
6
5
7
4
4
13068
29575
32768
23814
23064
18605
25200
13924
13456
13068
29575
32768
23814
23064
18605
25200
13924
13456
50=N 3508
=∑fX
246368=∑fX² 50
=N
3108=∑fY 193474=∑fY ²
16.70
50
3509


N
fX
M x


)(
)( 22
N
fX
N
fX
SDx 
)50(
)3508(246368 2
N
2
16.7036,4927 
= 4256.492236,4927 
= 93444.4 = 2.221
317.0
7
221.2
49
221.2
11
1
1



N
SD
SEM
16.62
50
3108


N
fY
M y

45
)(
)( 22
N
fY
N
fY
SDy 
 =
50
)3108(
50
193474 2
 = 8656,386348,3869 
= 61444.5 = 2.369
Hitung Korelasi Produc Moment, dengan rumus:
rxy
=
   
  


YYXX NN
YXXYN
2222
((
))((
)
Dari penghitungan tersebut diperoleh nilai 911.0xyr
338.0
7
221.2
49
221.2
150
369.2
12
2
2





N
SD
SEM
))()(.2( 212121 12
22
MMMMMM SESErSESESESE 
)338.0)(317.0)(911.02()338.0()317.0( 22
x
)107146.0)(822.1(114244.0100489.0 
19522.0214733.0 
019513.0
140.0
Mencari t
143.57
140.0
8
140.0
16.70
21
21



SE
MMt
MM
o
Interpretasi hasil, t hitung sebesar 57.143
df=N-1= 50, nilai t tabel untuk taraf signifikansi 5 % sebesar 2.01 dan 1%
sebesar 2.68. Jadi 201 <57.143>2.68, berarti hipotesa yang menyatakan ada
perbedaan sikap keagamaan siswa sebelum dan sesudah diterapkan metode M
diterima.

46
UJI T DENGAN PROGRAM SPSS
1. Uji Beda dengan 2 Sampel Masukkan Data melaui Data View untuk semua
responden (X1), dan identitas responden (x2)
2. Klik Varibel View,untuk memberi nama variabel pada X1 dan X2, klik Values untuk
memberi label nilai, misal 1 untuk desa dan 2 untuk kota, Klik Oke.
2. Klik Data View, Klik Analyze, Klik Independent Samples T test

47
3. Klik Variabel (X1) untuk dipindahkan ke kolom Tes Variabel (s), dan Klik Variable
untuk dipindahkan ke Grouping Variable, Klik Options
4. Klik Define Groups, isi Group 1: 1 dan Gropu 2: 2, Klik Continue pada , Klik
Options, Klik Oke.

48
5. Out Put
Independent Samples Test
.000 1.000 1.581 18 .131 1.00000 .63246 -.32874 2.32874
1.581 18.000 .131 1.00000 .63246 -.32874 2.32874
Equal variances
assumed
Equal variances
not assumed
Keagamaan Remaja
F Sig.
Levene's Test for
Equalityof Variances
t df Sig. (2-tailed)
Mean
Difference
Std. Error
Difference Lower Upper
95% Confidence
Interval of the
Difference
t-test for Equalityof Means
Interpretasi Out Put, nilai t=0.581
Sebagai acuan apabila yang ingin di uji adalah Ha, maka interpretasinya sebagai berikut:
1. Ha diterima apabila t hitung> t tabel, atau nilai p-value pada kolom Sig. (2-
tailed) > level of significant (α)
2. Ha diterima apabila t hitung < t tabel, atau nilai p-value pada kolom Sig. (2-
tailed) < level of significant (α)
 Dengan membandingkan nilai t hitung dengan t tabel pada taraf signifikansi 5 % dan
1 %, untuk db (N-2)= 18. Nilai T tabel untuk taraf signifikansi 5 % adalah 2.101
dan 1 % sebesar 2.878 sehingga dapat di banding 2.101>0.581<2.878, Ha ditolak
 Dengan membandingkan nilai pada p-value pada kolom sig. (2-tailed) dengan level
of significant (α), maka diperleh 0.131>0.05, Ha Ditolak
CONTOH UJI ONE WAY ANOVA
Contoh Penelitian tentang Perbedaan Kecerdasan Emosi Berdasarkan Tingkat Pendidikan

49
Responden Perbedaan Kercerdasan Emosi berdasarkan tingkat Pendidikan
S1 S2 S3
1X 2
1X 2X 2
2X 3X
2
3X
1 65 4225 90 8100 70 4900
2 72 5184 76 5776 80 6400
3 70 4900 79 6241 90 8100
4 65 4225 80 6400 86 7396
5 75 5625 74 5476 72 5184
6 80 6400 80 6400 94 8836
7 85 7225 75 5625 99 9801
8 74 5476 79 6241 70 4900
9 86 7396 76 5776 85 7225
10 90 8100 71 5041 95 9025
11 60 3600 65 4225 70 4900
12 62 3844 65 4225 75 5625
884 66200 910 69526 986 82292
Jumlah Skor Kelompok ∑X= 2780986910884321  XXX
Jumlah Skor Kuadrat ∑X²= 218018822926952666200
2
3
2
2
2
1  XXX
1. Hipotesa
Ha: Ada Perbedaan Kecerdasan Emosi Berdasarkan Tingkat Pendidikan, S1, S2 dan
S3.
Ho: Tidak ada Perbedaan Kecerdasan Emosi Berdasarkan Tingkat Pendidikan, S1, S2
dan S3
2. Perhitungan jumlah skor kuadrat secara keseluruhan dengan skor kelompok kuadrat
dan dibagi dengan jumlah responden.
   23.334077.2146772180
)2780(
218018
)( 22
22
NN
X
XX
3. Menghitung jumlah skor kuadrat setiap kelompok dan dibagi dengan jumlah (N)
rsponden setiap kelompok
36
)(
12
)2780(
12
)910(
12
)884(()()()( 2222)2
3
2
3
2
2
2
1
2
12  
X
N
X
N
X
N
X
N
X
X
2
X 65121.33+69008.33+81016.33-214677.77
= 468.22
4. Hasil penghitungan skor kuadrat dikurangi dengan skor kuadrat keseluruhan (hasil
langkah 2) dikurang dengan skor kuadrat antara kelompok (hasil langkah 3)

50
  01.287222.46823.33402
X
5. Menghitung nilai-F
Untuk melihat signifikansi perbedaan dalam analisis ANOVA, maka peneliti harus
menggunakan uji F, apakah tedapat perbedaan mean pada setiap kelompok atau
tidak
1/
1/



nmpokiDalamKeloSkorVarias
kmpokiAntarKeloSkorVarias
HitungF
69.2
03.87
11.234
336/00.2872
13/22.468




6. Menentukan df=(n1) (n2)
= (k-1),(N-1)
= (3-1), (36-3)
= 2/33
7. Berdasar analisis ditemukan nilai F hitung 2.69, sedangkan nilai F tabel (df=2/33),
nilai F tabel dapat dilihat pada tabel dengan cara n1=2 (pembilang) dan N=33
(penyebut).
8. Keputusan Analisis
Bedasarkan hasil analisis uji ANOVA menunjukka bahwa, nilai F hitung (2.69)
lebih kecil dari F tabel (3.32). Hipotesa Nol diterima, berarti tidak ada perbedaan
yang signifikan antara tingkat pendidikan dengan kecerdasan emosi.
UJI ONE WAY ANOVA DENGAN SPSS 12
1. Masukkan data melaui Data View, kolom 1 untuk kecerdasan emosi semua
responden, kolom 2 untuk data tingkat pendidikan.

51
2. Klik Variable View, Klik Values, masukkan 1 pada value dan S1 untuk Value Label,
sampai S3.
3. Klik Data View, Klik Analize, Klik Compare Means, Klik One Way Anova, pindahkan
variable kecerdasan emosi ke kolom Dependent List, dan tingkat pendidikan ke
dalam kotak factor.

52
4. Klik Post Hoc, Kemudia klik Tukey, kemudian klik Continue.
5. Klik Oke
ANOVA
KECERDASAN EMOSI
Sum of
Squares df Mean Square F Sig.
Between Groups 468.222 2 234.111 2.690 .083
Within Groups 2872.000 33 87.030
Total 3340.222 35
Interpretasi:

53
Dari tabel tersebut, dapat dilihat nilai F sebesar 2.69, sehingga F hitung <F tabel
(2.69<3.32) dan 0.05< sig.0.08, sehingga Ho ditolak.