Uji validitas adalah uji yang digunakan untuk menunjukkan sejauh mana alat ukur yang digunakan dalam suatu mengukur apa yang diukur. ... Sisi lain dari pengertian validitas adalah aspek kecermatan pengukuran. Suatu alat ukur yang valid dapat menjalankan fungsi ukurnya dengan tepat, juga memiliki kecermatan tinggi.
jenis validitas yaitu :
1. Validitas Rupa (Face validity). Adalah validitas yang menunjukan apakah alat pengukur/instrumen penelitian dari segi rupanya nampak mengukur apa yang ingin diukur, validitas ini lebih mengacu pada bentuk dan penampilan instrumen. Menurut Djamaludin Ancok validitas rupa amat penting dalam pengukuran kemampuan individu seperti pengukuran kejujuran, kecerdasan, bakat dan keterampilan.
2. Validitas isi (Content Validity). Valditas isi berkaitan dengan kemampuan suatu instrumen mengukur isi (konsep) yang harus diukur. Ini berarti bahwa suatu alat ukur mampu mengungkap isi suatu konsep atau variabel yang hendak diukur. Misalnya test bidang studi IPS, harus mampu mengungkap isi bidang studi tersebut, pengukuran motivasi harus mampu mengukur seluruh aspek yang berkaitan dengan konsep motivasi, dan demikian juga untuk hal-hal lainnya. Menurut Kenneth Hopkin penentuan validitas isi terutama berkaitan dengan proses analisis logis, dengan dasar ini Dia berpendapat bahwa validitas isi berbeda dengan validitas rupa yang kurang menggunakan analisis logis yang sistematis, lebih lanjut dia menyatakan bahwa sebuah instrumen yang punya validitas isi biasanya juga mempunyai validitas rupa, sedang keadaan sebaliknya belum tentu benar.
3. Validitas kriteria (Criterion validity). Adalah validasi suatu instrumen dengan membandingkannya dengan instrumen-pengukuran lainnya yang sudah valid dan reliabel dengan cara mengkorelasikannya, bila korelasinya signifikan maka instrumen tersebut mempunyai validitas kriteria. Terdapat dua bentuk Validitas kriteria yaitu :
a. Validitas konkuren (Concurrent validity),
b.Validitas ramalan (Predictive validity),
Validitas konkuren adalah kemampuan suatu instrumen pengukuran untuk mengukur gejala tertentu pada saat sekarang kemudian dibandingkan dengan instrumen pengukuran lain untuk konstruk yang sama.
Validitas ramalan adalah kemampuan suatu instrumen pengukuran memprediksi secara tepat dengan apa yang akan terjadi di masa datang. Contohnya apakah test masuk sekolah mempunyai validitas ramalan atau tidak ditentukan oleh kenyataan apakah terdapat korelasi yang signifikan antara hasil test masuk dengan prestasi belajar sesudah menjadi siswa, bila ada, berarti test tersebut mempunyai validitas ramalan.
4. Validitas konstruk (Construct Validity). Konstruk adalah kerangka dari suatu konsep, validitas konstruk adalah validitas yang berkaitan dengan kesanggupan suatu alat ukur dalam mengukur pengertian suatu konsep yang diukurnya. Menurut Jack R. Fraenkel validasi konstruk (penentuan validitas konstruk) merupakan yang terluas cakupannya dibanding dengan validasi lainnya, karena melibatkan banyak prosedur termasuk validasi isi dan validasi kriteria.
Koefisien Korelasi Dalam Uji Validitas
Koefisien Korelasi adalah sebagai berikut:
Antara 0,800 sampai dengan 1,00 = sangat tinggi Antara 0,600 sampai dengan 0,800 = tinggi Antara 0,400 sampai dengan 0,600 = cukup Antara 0,200 sampai dengan 0,400 = rendah Antara 0,00 sampai dengan 0,200 = sangat rendah
Korelasi positif menunjukkan adanya hubungan sejajar antara 2 hal:
Misal:
IPA : 2 3 5 7 4 3 2
Matematika : 4 5 6 8 5 4 3
Kondisi nilai Matematika sejajar dengan IPA karena naik dan turunnya nilai Matematika mengikuti naik dan turunnya nilai IPA.
Korelasi Negatif menunjukkan adanya hubungan kebalikan antara dua hal:
Bahasa Indonesia dengan Matematika
Bahasa Indonesia : 5 6 8 4 3 2
Matematika : 8 7 5 1 2 3
Koefisien korelasi terdapat antara -1,00 sampai +1,00. karena dalam perhitungan sering dilakukan pembulatan angka yang didapatkan 1,00.
Rumus Uji Validitas
Ada beberapa teknik atau rumus uji validitas yang dapat anda gunakan. Dibawah ini akan kami jelaskan beberapa diantaranya.
Rumus korelasi Product Moment ada 2 :
Korelasi Product moment dengan Simpangan,
Korelasi Product moment dengan angka kasar
Rumus Pearson dengan SimpanganRumus Pearson dengan Angka Kasar
Persiapan Untuk Mencari Validitas Tesdengan Simpangan:
Dimasukkan ke rumus:
Persiapan Untuk Mencari Validitas Tesdengan angka kasar:
Bila dilihat pada kedua hitungan diatas terdapat perbedaan 0,003 lebih besar pada simpangan ini wajar karena adanya pembulatan.
Uji homogenitasadalah pengujianmengenai sama tidaknya variansi-variansi dua buah distribusi atau lebih.Uji homogenitasdilakukan untuk mengetahui apakah data dalam variabel X dan Y bersifat homogen atau tidak.
Langkah-langkah menghitung uji homogenitas :
1. Mencari Varians/Standar deviasi Variabel X dan Y, dengan rumus :
Rumus Uji Homogenitas
2. Mencari F hitung dengan dari varians X dan Y, dengan rumus :
Catatan:
Pembilang: S besar artinya Variance dari kelompok dengan variance terbesar (lebih banyak)
Penyebut: S kecil artinya Variance dari kelompok dengan variance terkecil (lebih sedikit)
Jika variance sama pada kedua kelompok, maka bebas tentukan pembilang dan penyebut.
Data tentang hubungan antara Penguasaan kosakata(X) dan kemampuan membaca (Y):
Kemudian dilakukan penghitungan, dengan rumus yang ada:
Kemudian dicari F hitung :
Dari penghitungan diatas diperoleh F hitung 2.81 dan dari grafik daftar distribusi F dengan dk pembilang = 10-1 = 9. Dk penyebut = 10-1 = 9. Dan α = 0.05 dan F tabel = 3.18. Tampak bahwa F hitung <Tabel F: F Tabel dalam Excel. Hal ini berarti data variabel X dan Y homogen.
TUGAS!!!
Uji homogenitas data X dan Y dengan α = 5%
Jawab :
>Hipotesis
H0 : σ12 = σ22 = Semua pupulasi mempunyai varians sama / homogen
H1 : σ12 ≠ σ22 = ada popoulasi mempunya varians berbeda / tidak sama
Dengan kriteria pengujian :
Jika Fhitung < Ftable maka H0 diterima
Jika Fhitung > Ftable maka H0 ditolak
Table penolong
Dari perhitungan di atas diperoleh Fhitung 1,13 dan dari grafik daftar distribusi F dengan :
dk pembilang = 16-1 = 15
dk penyebut = 16 -1 = 15
α = 5% = 0,05
Ftable = 2,40
Keputusan uji Fhitung (1,13) <Ftable (2,40) sehingga H0 diterima
Kesimpulan
Tampak bahea Fhitung < Ftable. Hal ini berarti menunjukan bahwa data variable dan Y berasal dari populasi yang homogen
Uji Normalitasadalah sebuahujiyang dilakukan dengan tujuan untuk menilai sebaran data pada sebuah kelompok data atau variabel, apakah sebaran data tersebut berdistribusi normal ataukah tidak.Uji Normalitasberguna untuk menentukan data yang telah dikumpulkan berdistribusi normal atau diambil dari populasi normal.
Uji linieritas bertujuan untuk mengetahui apakah dua variable mempunyai hubungan yang linier atau tidak secara signifikan. Uji ini biasanya digunakan sebagai prasyarat dalam analisis korelasi dan regresi linier. Untuk memudahkan pemahaman dalam materi langsung diberikan contoh yang sangat sederhana.
Uji Linieritas dari Anova
Perhitungan nilai F untuk setiap pasangan variabel berupa komponen linier dan nonlinier. Jika signifikan sinilai F komponen nonlinier adalah di bawah titik kritis, dengan titik kritis 0,05 (misalnya p<0,05) sehingga hubungan yang teridentifikasi adalah nonlinier. Tidak hanya hubungan linier, ANOVA juga digunakan untuk menguji hubungan polinomial, kuadrat, dan lainnya.
Rumus uji linieritas
Metode Chi Square Dalam Uji Normalitas
(Uji Goodness Of Fit Distribusi Normal)
Metode Chi-Square atau X2 untuk Uji Goodness of fit Distribusi Normal menggunakan pendekatan penjumlahan penyimpangan data observasi tiap kelas dengan nilai yang diharapkan. Uji Chi-square seringkali digunakan oleh para peneliti sebagai alat uji normalitas.
Rumus Uji Normalitas dengan Chi-Square
Keterangan : X2 = Nilai X2 Oi = Nilai observasi Ei = Nilai expected / harapan, luasan interval kelas berdasarkan tabel normal dikalikan N (total frekuensi) (pi x N) N = Banyaknya angka pada data (total frekuensi)
Uji linearitas bertujuan untuk mengetahui apakah dua variabel mempunyai hubungan yang linear atau tidak secara signifikan. Uji ini biasanya digunakan sebagai prasyarat dalam analisis korelasi atau regresi linear.
Langkah-langkah Uji Linieritas
1. Menyusun tabel kelompok data variabel X dan Y, dimana variabel X datadiurutkan dari yang terkecil sampai yang terbesar
2. Menghitung jumlah kuadrat regresi (JK reg(a)) dengan rumus:
3. Menghitung jumlah kuadrat regresi b/a (JK reg b/a) dengan rumus:
4. Menghitung jumlah kuadrat residu (JK res) dengan rumus:
5. Menghitung rata-r ata jumlah kuadrat regresi a (RJK reg (a)) dengan rumus:
6. Penghitung rata-rata jumlah kuadrat regresi b/a (RKJreg b/a)) dengan rumus:
7. Menghitung rata-rata jumlah kuadrat residu (RJK res) dengan rumus:
8. Menghitung jumlah kuadrat error (JKE) dengan rumus:
9. Menghitung jumlah kuadrat tuna cocok (JKTC) dengan rumus:
10. Menghitung rata-rata jumlah kuadrat tuna cocok (RJKTC) dengan rumus:
11.Menghitung rata-rata jumlah kuadrat error (RJKE) dengan rumus:
12. Mencari nilai uji F dengan rumus:
13. Menentukan kriteria pengukuran: Jika nilai uji F < nilai tabel F, makadistribusi berpola linier
14. Mencari nilai F tabel pada taraf signifikan 95% atau = 5% menggunakanrumus : F tabel = F(1-a)(db TC, db E) dimana db TC = k–2 (dk pembilang) dan db E= n–k (dk penyebut)
15. Membandingkan nilai uji F dengan nilai tabel F (lihat tabel distribusi “F”)
Korelasi atau umumnya disebut koefisien korelasi adalah nilai yang menunjukkan kekuatan dan arah hubungan linier antara dua peubah acak.
Korelasi Parsial
Analisis korelasi parsial dipakai untuk mengetahui hubungan antara dua variabel dimana variabel lainnya yang dianggap berpengaruh dikendalikan atau dibuat tetap sebagai variabel kontrol.
Nilai korelasi (r) berkisar antara 1 sampai dengan -1, nilai semakin mendekati 1 atau -1 berarti hubungan antara dua variabel akan semakin kuat, sebaliknya jika nilai mendekati 0 berarti hubungan antara dua variabel akan semakin lemah.
Nilai positif menunjukkan hubungan searah (X naik maka Y naik) dan nilai negatif menunjukkan bahwa hubungan terbalik (X naik maka Y turun). Data yang dipakai biasanya berskala interval atau rasio.
Pedoman untuk memberikan interpretasi koefisien korelasi sebagai berikut:
0,00 – 0,199 = sangat rendah 0,20 – 0,399 = rendah 0,40 – 0,599 = sedang 0,60 – 0,799 = kuat 0,80 – 1,000 = sangat kuat
Rumus Korelasi Parsial ditunjukkan seperti di bawah ini:
Keterangan:
Ry,x1.x2 = korelasi variabel x1 dengan x2 (variabel bebas) secara bersama-sama dengan y (variabel terikat)
ry.x1 = korelasi product moment antara x1 dengan y
ry.x2 = korelasi product moment antara x2 dengan y
rx1.x2 = korelasi product moment antara x1 dengan x2
Hipotesis Korelasi Parsial berbentuk:
H0 = ρy1.2 = 0
H1 = ρy1.2 > 0 atau < 0
Pengujian ini memiliki beberapa kriteria yaitu:
Jika r hitung > r tabek maka H1 diterima dan H0 ditolak
Jika r hitung < r tabel maka H0 diterima dan H1 ditolak.
Contoh Soal:
Kita mengambil contoh pada kasus korelasi sederhana di atas dengan menambahkan satu variabel kontrol. Seorang mahasiswa bernama Andi melakukan penelitian dengan menggunakan alat ukur skala. Andi ingin meneliti tentang hubungan antara kecerdasan dengan prestasi belajar jika terdapat faktor tingkat stress pada siswa yang diduga mempengaruhi akan dikendalikan. Dengan ini Andi membuat 2 variabel yaitu kecerdasan dan prestasi belajar dan 1 variabel kontrol yaitu tingkat stress. Tiap-tiap variabel dibuat beberapa butir pertanyaan dengan menggunakan skala Likert, yaitu angka 1 = Sangat tidak setuju, 2 = Tidak setuju, 3 = Setuju dan 4 = Sangat Setuju. Setelah membagikan skala kepada 12 responden didapatlah skor total item-item yaitu sebagai berikut:
Tabel. Tabulasi Data (Data Fiktif)
Langkah-langkah pada program SPSS
ØMasuk program SPSS
ØKlik variable view pada SPSS data editor
ØPada kolom Name ketik x1, kolom Name pada baris kedua ketik x2, kemudian kolom Name pada baris ketiga ketik y.
ØPada kolom Decimals ganti menjadi 0 untuk semua variabel
ØPada kolom Label, untuk kolom pada baris pertama ketik Kecerdasan, untuk kolom pada baris kedua Tingkat Stress, dan kolom pada baris ketiga ketik Prestasi Belajar.
ØUntuk kolom-kolom lainnya boleh dihiraukan (isian default)
ØBuka data view pada SPSS data editor, maka didapat kolom variabel x1, x2 dan y.
ØKetikkan data sesuai dengan variabelnya
ØKlik Analyze - Correlate - Partial
ØKlik variabel Kecerdasan dan masukkan ke kotak Variables, kemudian klik variabel Prestasi Belajar dan masukkan ke kotak yang sama (Variables). Klik variabel Tingkat Stres dan masukkan ke kotak Controlling for
ØKlik OK, maka hasil output yang didapat adalah sebagai berikut:
Tabel. Hasil Analisis Korelasi Parsial
- P A R T I A L C O R R E L A T I O N C O E F F I C I E N T S -
Controlling for.. X2
X1 Y
X1 1.0000 .4356
( 0) ( 9)
P= . P= .181
Y .4356 1.0000
( 9) ( 0)
P= .181 P= .
(Coefficient / (D.F.) / 2-tailed Significance)
" . " is printed if a coefficient cannot be computed
Dari hasil analisis korelasi parsial (ry.x1x2) didapat korelasi antara kecerdasan dengan prestasi belajar dimana tingkat stress dikendalikan (dibuat tetap) adalah 0,4356. Hal ini menunjukkan bahwa terjadi hubungan yang sedang atau tidak terlalu kuat antara kecerdasan dengan prestasi belajar jika tingkat stress tetap. Sedangkan arah hubungan adalah positif karena nilai r positif, artinya semakin tinggi kecerdasan maka semakin meningkatkan prestasi belajar.
Uji signifikansi koefisien korelasi parsial digunakan untuk menguji apakah hubungan yang terjadi itu berlaku untuk populasi (dapat digeneralisasi). Langkah-langkah pengujian sebagai berikut:
1. Menentukan Hipotesis
Ho : Tidak ada hubungan secara signifikan antara kecerdasan dengan prestasi belajar jika tingkat stress tetap
Ha : Ada hubungan secara signifikan antara kecerdasan dengan prestasi belajar jika tingkat stress tetap
2. Menentukan tingkat signifikansi
Pengujian menggunakan uji dua sisi dengan tingkat signifikansi a = 5%. (uji dilakukan 2 sisi karena untuk mengetahui ada atau tidaknya hubungan yang signifikan, jika 1 sisi digunakan untuk mengetahui hubungan lebih kecil atau lebih besar)
Tingkat signifikansi dalam hal ini berarti kita mengambil risiko salah dalam mengambil keputusan untuk menolak hipotesa yang benar sebanyak-banyaknya 5% (signifikansi 5% atau 0,05 adalah ukuran standar yang sering digunakan dalam penelitian)
3. Kriteria Pengujian
Berdasar probabilitas:
Ho diterima jika P value > 0,05
Ho ditolak jika P value < 0,05
4. Membandingkan probabilitas
Nilai P value (0,181 > 0,05) maka Ho diterima.
8. Kesimpulan
Oleh karena nilai P value (0,181 > 0,05) maka Ho diterima, artinya bahwa tidak ada hubungan secara signifikan antara kecerdasan dengan prestasi belajar jika tingkat stress dibuat tetap. Hal ini dapat berarti terdapat hubungan yang tidak signifikan, artinya hubungan tersebut tidak dapat berlaku untuk populasi yaitu seluruh siswa SMU Negeri 1 Yogyakarta, tetapi hanya berlaku untuk sampel. Jadi dalam kasus ini dapat disimpulkan bahwa kecerdasan tidak berhubungan terhadap prestasi belajar pada siswa SMU Negeri 1 Yogyakarta.