What is ANOVA?

Analisis varians (analysis of variance, ANOVA) adalah suatu metode analisis statistika yang termasuk ke dalam cabang statistika inferensi. Dalam literatur Indonesia metode ini dikenal dengan berbagai nama lain, seperti analisis ragam, sidik ragam, dan analisis variansi. Ia merupakan pengembangan dari masalah Behrens-Fisher, sehingga uji-F juga dipakai dalam pengambilan keputusan. Analisis varians pertama kali diperkenalkan oleh Sir Ronald Fisher, bapak statistika modern. Dalam praktik, analisis varians dapat merupakan uji hipotesis (lebih sering dipakai) maupun pendugaan (estimation, khususnya di bidang genetika terapan).

Secara umum, analisis varians menguji dua varians (atau ragam) berdasarkan hipotesis nol bahwa kedua varians itu sama. Varians pertama adalah varians antarcontoh (among samples) dan varians kedua adalah varians di dalam masing-masing contoh (within samples). Dengan ide semacam ini, analisis varians dengan dua contoh akan memberikan hasil yang sama dengan uji-t untuk dua rerata (mean).

Supaya sahih (valid) dalam menafsirkan hasilnya, analisis varians menggantungkan diri pada empat asumsi yang harus dipenuhi dalam perancangan percobaan:

1. Data berdistribusi normal, karena pengujiannya menggunakan uji F-Snedecor
2. Varians atau ragamnya homogen, dikenal sebagai homoskedastisitas, karena hanya digunakan satu penduga (estimate) untuk varians dalam contoh
3. Masing-masing contoh saling bebas, yang harus dapat diatur dengan perancangan percobaan yang tepat
4. Komponen-komponen dalam modelnya bersifat aditif (saling menjumlah).

Analisis varians relatif mudah dimodifikasi dan dapat dikembangkan untuk berbagai bentuk percobaan yang lebih rumit. Selain itu, analisis ini juga masih memiliki keterkaitan dengan analisis regresi. Akibatnya, penggunaannya sangat luas di berbagai bidang, mulai dari eksperimen laboratorium hingga eksperimen periklanan, psikologi, dan kemasyarakatan.

Anova lebih dikenal dengan uji-F (Fisher Test ), sedangkan arti variasi atau

varian itu asalnya dari pengertian konsep “Mean Square” atau kuadrat rerata (KR).

Rumusnya:

Dimana:

JK= jumlah kuadrat (some of square)

dB= derajat bebas (degree of freedom)

Read More

All about Statistics

A. Definisi

          Statistik adalah kumpulan fakta berbentuk angka yang disusun dalam daftar atau tabel dan atau diagram, yang melukiskan atau menggambarkan suatu persoalan.

Sedangkan statistika merupakan ilmu pengetahuan yang berhubungan dengan cara-cara mengumpulkan, menabulasi, menggolongkan, menganalisis, dan mencari keterangan yang berarti dari data yang berupa bilangan-bilangan atau angka, sehingga dapat ditarik suatu kesimpulan atau keputusan tertentu.

B. Fungsi Statistika

1. Statistik menggambarkan data dalam bentuk tertentu
2. Statistik dapat menyederhanakan data yang kompleks menjadi data yang mudah dimengerti
3. Statistik merupakan teknik untuk membuat perbandingan
4. Statistik dapat memperluas pengalaman individu
5. Statistik dapat mengukur besaran dari suatu gejala
6. Statistik dapat menentukan hubungan sebab akibat

C. Kegunaan Statistika

1. Membantu penelitian dalam menggunakan sampel sehingga penelitian dapat bekerja efisien dengan hasil yang sesuai dengan obyek yang ingin diteliti

2. Membantu penelitian untuk membaca data yang telah terkumpul sehingga peneliti dapat mengambil keputusan yang tepat

3. Membantu peneliti untuk melihat ada tidaknya perbedaan antara kelompok yang satu dengan kelompok yang lainnya atas obyek yang diteliti

4. Membantu peneliti untuk melihat ada tidaknya hubungan antara variabel yang satu dengan variabel yang lainnya

5. Membantu peneliti dalam menentukan prediksi untuk waktu yang akan datang

6. Membantu peneliti dalam melakukan interpretasi atas data yang terkumpulPemerintah menggunakan statistika untuk menilai hasil pembangunan masa lalu dan merencanakan masa mendatang

7. Pimpinan menggunakannya untuk pengangkatan pegawai baru, pembelian peralatan baru, peningkatan kemampuan karyawan, perubahan sistem kepegawaian, dsb.

8. Para pendidik sering menggunakannya untuk melihat kedudukan siswa, prestasi belajar, efektivitas metoda pembelajaran, atau media pembelajaran.

9. Para psikolog banyak menggunakan statistika untuk membaca hasil pengamatan baik melalui tes maupun obserbasi lapangan.

D. Peranan Statistika dalam Penelitian

1.  Memberikan informasi tentang karakteristik distribusi suatu populasi tertentu, baik diskrit maupun kontinyu. Pengetahuan ini berguna dalam menghayati perilaku populasi yang sedang diamati

2.  Menyediakan prosedur praktis dalam melakukan survey pengumpulan data melalui metode pengumpulan data (teknik sampling). Pengetahuan ini berguna untuk mendapatkan hasil pengukuran yang terpercaya

3.  Menyediakan prosedur praktis untuk menduga karakteristik suatu populasi melalui pendekatan karakteristik sampel, baik melalui metode penaksiran, metode pengujian hipotesis, metode analisis varians. Pengetahuan ini berguna untuk mengetahui ukuran pemusatan dan ukuran penyebaran serta perbedaan dan kesamaan populasi.

4.  Menyediakan prosedur praktis untuk meramal keadaan suatu obyek tertentu di masa mendatang berdasarkan keadaan di masa lalu dan masa sekarang. Melalui metode regresi dan metode deret waktu. Pengetahuan ini berguna memperkecil resiko akibat ketidakpastian yang dihadapi di masa mendatang.

5.  Menyediakan prosedur praktis untuk melakukan pengujian terhadap data yang bersifat kualitatif melalui statistik non parametrik.

6.  Alat untuk menghitung besarnya anggota sampel yang diambil dari suatu populasi, sehingga jumlah sampel yang dibutuhkan akan lebih dapat dipertanggungjawabkan

7.  Alat untuk menguji validitas dan reliabilitas instrumen sebelum instrumen tersebut digunakan dalam penelitian

8.  Sebagai teknik untuk menyajikan data, sehingga data lebih komunikatif, misalnya melalui tabel, grafik, atau diagram

9.  Alat untuk menganalisis data seperti menguji hipotesis yang diajukan dalam penelitian.

E. Hubungan Statistik dengan Pendidikan

Dalam pendidikan penggunaan konsep statistika sangat diperlukan sebagai alat bantu prsoses belajar dan mengajar terutama dalam hal penilaian. Setiap anak didik pasti memiliki data penilaian yang berbeda-beda. Pendidik pun memiliki standar atau aturan tertentu dalam melakukan penilaian. Baik itu penilaian secara  kualitatif maupun kuantitatif. Dengan adanya data statistika, pendidik bisa melakukan analisa terhadap peserta didiknya. Misalnya menganalisa siapa yang terbaik dalam suatu mata pelajaran dan siapa yang kurang. Untuk siswa yang terbaik, pendidik bisa merekomendasikan siswa tersebut dalam mengikuti suatu perlombaan atau olimpiade. Sedangkan untuk siswa yang kurang, pendidik bisa membantu siswa tersebut untuk mengembangkan minat dan bakat di bidang lain. Dengan kata lain dengan adanya data statistik pendidik bisa mengetahui minat dan bakat peserta didik. Serta mengetahui perkembangan peserta didiknya tiap semesternya.

 Oleh karena itu, dapat kita simpulkan bahwa statistika berhubungan erat dengan pendidikan.

Read More

Structural Equation Modeling (SEM)

Definisi

            Structural Equation Modellingatau yang lebih dikenal dengan singkatannya yaitu SEM. Metode SEM disebut juga metode Pemodelan Persamaan Struktural (PPS). Metode atau teknik PPS adalah suatu teknik statistic yang mampu menganalisis pola hubungan antara konstrak laten dan indikatornya, konstrak laten yang satu dengan lainnya, serta kesalahan pengukuran secara langsung. PPS dikelompokkan sebagai keluarga statistik multivariat dependen, artinya ada variabel dalam PPS yang berperan sebagai variabel dependen dan ada variabel yang berperan sebagai variabel independen. Istilah variabel dependen dalam PPS disebut variabel endogen dan istilah variabel independen dalam PPS disebut variabel eksogen. PPS memungkinkan peneliti untuk menguji hubungan antara variabel laten sekaligus dapat menguji teori. Selain itu, secara simultan, PPS juga dapat menguji indikator-indikatornya sehingga dapat menilai kualitas pengukuran. Dengan kata lain, PPS dapat digunakan untuk menguji model pengukuran yaitu pengukuran variable laten melalui indikator-indikatornya, dan model struktural yaitu pola hubungan antarvariabel yang ditampilkan dalam model. Teknik PPS memiliki dua tujuan utama dalam analisnya, yaitu menentukan apakah model riset yang digunakan “fit” (sesuai) berdasarkan data yang dimiliki, tujuan kedua adalah menguji berbagai hipotesis (pola hubungan) yang telah dibangun sebelumnya.

Adapun symbol-simbol yang digunakan dalam SEM:

ξ (ksi) = untuk variable laten X (eksogen)

η (eta) = untuk variable laten Y (endogen)

λ (lambda) =untuk muatan faktor (faktor loading)

β (beta) = koefisien pengaruh variable endogen terhadap variable endogen.

γ (gamma) = koefisien pengaruh variable eksogen terhadap variable endogen.

φ (phi) = koefisien hubungan antar variable laten X eksogen.

ζ (zeta) = peluang galat model

ε (epsilon) = kesalahan pengukuran pada variable manifest untuk variable laten Y

δ (delta) = kesalahan pengukuran pada variable manifest untuk variable laten X

λx (lambda besar) = matriks untuk muatan faktor variable laten X

λy (lambda besar) = matriks untuk muatan faktor variable laten Y

Persamaan dan Perbedaan antara SEM dan Analisis Jalur

            Analisis SEM pada dasarnya untuk memperoleh suatu model structural. Model yang diperoreh dapat digunakan untuk prediksi atau pembuktian model. Disamping itu, SEM juga dapat digunakan untuk melihat besar kecilnya pengaruh, baik langsung, tak langsung maupun pengaruh total variable bebas (variable eksogen) terhadap variable terikat (endogen).

            Antara SEM dan analisis jalur terdapat persamaan dan perbedaan. Beberapa persamaan dan perbedaan tersebut dapat dilihat pada deskripsi berikut.

Persamaan SEM dan Analisis Jalur:

1.          Keduanya berkaitan dengan analisis konstruksi model.
2.          Koefisien parameter model didasarkan atas analisis data sampel.
3.       Pengujian kecocokan model dilakukan dengan cara membandingkan matriks varian-kovarian hasil dugaan dengan matriks data empiric (observasi)

Perbedaan SEM dan Analisis Jalur

1.  Pada SEM dapat dilakukan dua analisis sekaligus yaitu: analisis pengujian hubungan kausal antar variable laten (model structural) dan analisis pengujian validitas dan reliabilitas yang didasarkan atas variable manifest (model pengukuran).
2.  SEM dapat diterapkan untuk model rekursif ataupun resiprokal, sedangkan analisis jalur hanya dapat diterapkan pada model kausal satu arah dan rekursif.
3.  SEM tidak terganggu dengan adanya korelasi antar kesalahan (error), sedangkan pada analisis jalur, antara error harus bebas (tidak saling tergantung).
4. Hasil SEM mencangkup faktor diterminan, model structural, dan model penggukuran. Analisis jalur hanya mencakup faktor diterminan.

Read More

Regresi Linier

Analisis regresi dipergunakan untuk menggambarkan garis yang menunjukan arah hubungan antar variabel, serta dipergunakan untuk melakukan prediksi. Analisa ini dipergunakan untuk menelaah hubungan antara dua variabel atau lebih, terutama untuk menelusuri pola hubungan yang modelnya belum diketahui dengan sempurna. Regresi yang terdiri dari satu variabel bebas (predictor) dan satu variabel terikat (Response/Criterion) disebut regresi linier sederhana (bivariate regression), sedangkan regresi yang variabel bebasnya lebih dari satu disebut regresi berganda (Multiple regression/multivariate regression), yang dapat terdiri dari dua prediktor (regresi ganda) maupun lebih. Adapun bentuk persamaan umumnya adalah [1] :

Y= a + bX

Dimana:

Tanda positif pada nilai b atau koefisien regresi menunjukkan bahwa antara variabel bebas dengan variabel terikat berjalan satu arah, di mana setiap penurunan atau peningkatan variabel bebas akan diikuti dengan peningkatan atau penurunan variabel terikatnya. Sementara tanda negatif pada nilai b menunjukkan bahwa antara variabel bebas dengan variabel terikat berjalan dua arah, di mana setiap peningkatan variabel bebas akan diikuti dengan penurunan variabel terikatnya, dan sebaliknya [1].

Ketika variable bebas lebih dari 2, nilai konstanta dan variable regresi setiap variabel bebas dapat diperoleh dengan menggunakan matriks determinan [2]. Contohnya adalah ketika terdapat 3 persamaan dengan 3 variabel yang tidak diketahui nilainya, yaitu a, b1, b2 & b3, persamaan tersebut dapat dinyatakan dalam persamaan matriks sebagai berikut:

Maka Matriks A0, A1, A2 dan A3 adalah:

Kemudian dapat dilakukan perhitungan untuk determinasi matriks A, A0, A1, A2 dan A3 sebagai berikut:

Det(A) = {N. ∑(X1.X1). ∑(X2.X2). ∑(X3.X3)}+{ ∑X1. ∑(X1.X2). ∑(X2.X3). ∑X3}+{∑X2. ∑(X1.X3). ∑X2. ∑(X3.X1)}+{ ∑X3. ∑X1. ∑(X2.X1). ∑(X3.X2)}-{ ∑X3. ∑(X1.X2). ∑(X2.X1). ∑X3}-{∑X2. ∑(X1.X1). ∑X2. ∑(X3.X3)}-{ ∑X1. ∑X1. ∑(X3.X3)}-{ N. ∑(X1.X3). ∑(X2.X2). ∑(X3.X1)}

Dengan cara yang sama seperti menghitung Det(A), dapat diperoleh pula Det(A0), Det(A1), Det(A2) & Det(A3).

Kemudian dapat diperoleh nilai a, b1, b2, b3 sebagai berikut:

Contoh lainnya adalah misalkan ketika terdapat 1 variabel terikat (Y) dan 7 variabel bebas sebagai berikut:

Kemudian dilakukan perhitungan untuk X1.X1, X1.X2 dan sebagainya sehingga diperoleh hasil sebagai berikut:

Y =  a + bX1 + cX2 + dX3+ eX4+ fX5+gX6 + hX7

Dimana:

X1= Variabel bebas 1

X2= Variabel bebas 2

X3= Variabel bebas 3

X4= Variabel bebas 4

X5= Variabel bebas 5

X6= Variabel bebas 6

X7= Variabel bebas 7

Y = Variabel terikat

a = Konstanta

b, c, d, e, f, g,h = Koefisien regresi masing-masing variabel bebas

Det(A) = 4,84 x 1026

Det(A0) = 6,3 x 1036

Det(A1) = -1,59 x 1032

Det(A2) = 3,35 x 1032

Det(A3) = -4,92 x 1031

Det(A4) = -2,23 x 1031

Det(A5) = -6,24 x 1031

Det(A6) = -2,94 x 1032

Det(A7) = -1,29x 1032

Maka persamaan regresi dari contoh ini adalah:

Y =  13012225228,72 – 328691,82X1 + 693120,34X2 – 101663,12X3 – 46165,27X4 –  128872,53X5   –   607387,29X6   –   265348,47X7

Besar nilai konstanta sebesar 13012225228,72 pada persamaan regresi di atas menunjukan bahwa pendapatan Y akan tetap sebesar 13012225228,72 tanpa adanya pengaruh dari variabel-variabel bebas. Bila variabel X1 meningkat sebesar 1 satuan, maka nilai Y akan berkurang sebesar 328691,82. Bila variabel X2 meningkat sebesar 1 satuan, maka nilai Y akan bertambah sebesar 693120,34. Bila variabel X3 meningkat sebesar 1 satuan, maka nilai Y akan berkurang sebesar 101663,12. Bila variabel X4 meningkat sebesar 1 satuan, maka nilai Y akan berkurang sebesar 46165,27. Bila variabel X5 meningkat sebesar 1 satuan, maka nilai Y akan berkurang sebesar 128872,53. Bila variabel X6 meningkat sebesar 1 satuan, maka nilai pendapatan kotor PT. XYZ akan berkurang sebesar 607387,29. Bila variabel X7meningkat sebesar 1 satuan, maka nilai Y akan berkurang sebesar 265348,47.

Perlu diingat bahwa analisis regresi tidak menunjukkan sebuah hubungan atau pengaruh sebab akibat, persamaan hasil dari analisis harus dianalisa kembali apakah sudah sesuai dengan pembuktian teori atau logika yang ada. Apabila terdapat ketidakcocokan, perlu dilakukan analisa lebih lanjut atau transformasi persamaan atau reduksi variabel.

Read More

Analisis Jalur

Definisi
Analisis jalur merupakan pengembangan langsung bentuk regresi berganda dengan tujuan untuk memberikan estimasi tingkat kepentingan (magnitude) dan signifikansi (significance) hubungan sebab akibat hipotetikal dalam seperangakat variabel.

Istilah Dasar Analisis Jalur

1. Model jalur. Model jalur ialah suatu diagram yang menghubungkan antara variabel bebas, perantara dan tergantung. Pola hubungan ditunjukkan dengan menggunakan anak panah. Anak panah-anak panah tunggal menunjukkan hubungan sebab–akibat antara variabel-variabel exogenous atau perantara dengan satu variabel tergantung atau lebih. Anak panah juga menghubungkan kesalahan (variabel residue) dengan semua variabel endogenous masing-masing. Anak panah ganda menunjukkan korelasi antara pasangan variabel-variabel exogenous.
2. Jalur penyebab untuk suatu variabel yang diberikan meliputi pertama jalur-jalur arah dari anak-anak panah menuju ke variabel tersebut dan kedua jalur-jalur korelasi dari semua variabel endogenous yang dikorelasikan dengan variabel-variabel yang lain yang mempunyai anak panah-anak panah menuju ke variabel yang sudah ada tersebut.
3. Variabel exogenous. Variabel – variabel exogenous dalam suatu model jalur ialah semua variabel yang tidak ada penyebab-penyebab eskplisitnya atau dalam diagram tidak ada anak-anak panah yang menuju kearahnya, selain pada bagian kesalahan pengukuran. Jika antara variabel exogenous dikorelasikan maka korelasi tersebut ditunjukkan dengan anak panah dengan kepala dua yang menghubungkan variabel-variabel tersebut.
4. Variabel endogenous. Variabel endogenous ialah variabel yang mempunyai anak-anak panah menuju kearah variabel tersebut. Variabel yang termasuk didalamnya ialah mencakup semua variabel perantara dan tergantung. Variabel perantara endogenous mempunyai anak panah yang menuju kearahnya dan dari arah variabel tersebut dalam sutau model diagram jalur. Sedang variabel tergantung hanya mempunyai anak panah yang menuju kearahnya.
5. Koefesien jalur / pembobotan jalur. Koefesien jalur adalah koefesien regresi standar atau disebut ‘beta’ yang menunjukkan pengaruh langsung dari suatu variabel bebas terhadap variabel tergantung dalam suatu model jalur tertentu. Oleh karena itu, jika suatu model mempunyai dua atau lebih variabel-variabel penyebab, maka koefesien-koefesien jalurnya  merupakan  koefesien-koefesien regresi parsial yang mengukur besarnya pengaruh satu variabel terhadap variabel lain dalam suatu model jalur tertentu yang mengontrol dua variabel lain sebelumnya dengan menggunakan data yang sudah distandarkan atau matriks korelasi sebagai masukan.
6. Variabel-variabel exogenous yang dikorelasikan. Jika semua variabel exogenous dikorelasikan, maka sebagai penanda hubungannya  ialah anak panah dengan dua kepala yang dihubungkan diantara variabel-variabel dengan koefesien korelasinya.
7. Istilah gangguan. Istilah kesalahan residual yang secara teknis disebut sebagai ‘gangguan’ atau “residue” mencerminkan adanya varian yang tidak dapat diterangkan atau pengaruh dari semua variabel yang tidak terukur ditambah dengan kesalahan pengukuran.
8. Aturan multiplikasi jalur. Nilai dari suatu jalur gabungan adalah hasil semua koefesien jalurnya.
9. Decomposisi pengaruh. Koefesien-koefesien jalur dapat digunakan untuk mengurai korelasi-korelasi dalam suatu model kedalam pengaruh langsung dan tidak langsung yang berhubungan dengan jalur langsung dan tidak langsung yang direfleksikan dengan anak panah – anak panah dalam suatu model tertentu. Ini didasarkan pada aturan bahwa dalam suatu sistem linear, maka pengaruh penyebab total suatu variabel ‘i’ terhadap variabel ‘j’ adalah jumlah semua nilai jalur dari “i” ke “j”.
10. Signifikansi dan Model keselarasan dalam jalur. Untuk melakukan pengujian koefesien – koefesien jalur secara individual, kita dapat menggunakan t standar atau pengujian F dari angka-angka keluaran regresi. Sedang untuk melakukan pengujian model dengan semua jalurnya, kita dapat menggunakan uji keselarasan dari program. Jika suatu model sudah benar, diantaranya mencakup semua variabel yang sesuai dan mengeluarkan semua variabel yang tidak sesuai; maka jumlah nilai-nila jalur dari I ke j akan sama dengan koefesien regresi untuk j yang diprediksi didasarkan pada I, yaitu untuk data yang sudah distandarisasi dimana koefesien regresi sederhana sama dengan kefesien korelasi; maka jumlah semua koefesien (standar) akan sama dengan koefesien korelasi. 
11. Anak panah dengan satu kepala dan dua kepala. Jika ingin menggambarkan penyebab, maka kita menggunakan anak panah dengan satu kepala. Sedang untuk menggambarkan korelasi, kita menggunakan  anak panah yang melengkung dengan dua kepala. Ada kalanya hubungan sebab akibat menghasilkan angka negatif, untuk menggambarkan hasil yang negatif digunakan garis putus-putus.
12. Pola hubungan. Dalam analisi jalur tidak digunakan istilah variabel bebas ataupun tergantung. Sebagai gantinya kita menggunakan istilah variabel exogenousdan endogenous.
13. Model Recursive. Model penyebab yang mempunyai satu arah. Tidak ada arah membalik (feed back loop) dan tidak ada pengaruh sebab akibat (reciprocal). Dalam model ini satu variabel  tidak dapat berfungsi sebagai penyebab dan akibat dalam waktu yang bersamaan.
14. Model Non-recursive. Model penyebab dengan disertai arah yang membalik (feed back loop) atau adanya pengaruh sebab akibat (reciprocal).
15. Direct Effect. Pengaruh langsung yang dapat dilihat dari koefesien jalur dari satu variable ke variable lainnya.
16. Indirect Effect. Urutan jalur melalui satu atau lebih variable perantara.

Tipe Model Analisis Jalur:

Tipe Regresi Berganda

Model pertama ini sebenarnya merupakan pengembangan regresi berganda dengan menggunakan dua variabel exogenous, yaitu X₁  dan X₂ dengan satu variabel endogenous Y. 

Model Mediasi

Model kedua adalah model mediasi atau perantara dimana variabel Y memodifikasi pengaruh variabel X terhadap variabel Z.

Model Kombinasi Pertama dan Kedua

Model ketiga ini merupakan kombinasi antara model pertama dan kedua, yaitu variabel X berpengaruh terhadap variabel Z secara langsung dan secara tidak langsung mempengaruhi variabel Z melalui variabel Y.

 Model Kompleks

Model keempat ini merupakan model yang lebih kompleks, yaitu variabel X₁ secara langsung mempengaruhi Y₂ dan melalui variabel X₂ secara tidak langsung mempengaruhi Y₂, sementara itu variabel Y₂ juga dipengaruhi oleh variabel Y₁.

Model Recursif dan Non Recursif

Dari sisi pandang arah sebab akibat, ada dua tipe model jalur, yaitu recursif dan non recursif.

Read More

Pengujian Validitas dan Reabilitas

Pengujian Validitas

1. Pengujian validitas konstruk

Untuk menguji validitas konstruk maka dapat digunakan pendapat dari para ahli , para ahli diminta pendapatnya tentang instrument yang telah dikonstruksikan mungkin para ahli akan member pendapat : instrument dapat digunakan tanpa perbaikan , ada perbaikan , dan mungkin dirombak total .

Setelah pengujian konstruk dari ahli selesai maka selanjutnya uji coba instrument. Instrument yang telah di setujui para ahli dicobakan pada sample dari populasi dan di ambil setelah di tabulasi maka pengujian validitas konstruk dilakukan dengan analisis factor , yaitu dengan mengkorelasikan antar skor item instrument . untuk keperluan maka diperlukan bantuan computer .

2. Pengujian validitas isi

Untuk instrument dalam bentuk tes, maka pengujian validitas isi dilakukan dengan membandingkan antara isi instrument dengan materi yang telah di ajarkan .untuk instrument yang akan mengukur efektifitas pelaksanaan program , maka pengujian validitas isi dapat dilakukan dengan membandingkan antara isi instrument dengan isi atau rancangan yang telah di tetapkan . secara teknis pengujian validitas konstruksi dan validitas isi dapat dibantu dengan kisi-kisi instrument pada kisi-kisi tersebut terdapat variable , indicator sebagai tolak ukur dan nomor item pertanyaan yang telah dijabarkan dari indicator . dengan kisi-kisi instrument tersebut maka uji validitas dapat dilakukan dengan mudah . untuk menguji validitas item tersebut lebih lanjut , setelah dikonsultasikan dengan ahli item instrument tersebut diuji coba kan dan dianalisis oleh item .analisi item dilakukan dengan menghitung korelasi antara skor butir instrument dengan skor total , atau dengan mencari daya pembeda skor tiap item dari kelompok yang memberikan jawaban tinggi dan jawaban rendah.

3. Pengujian validitas eksternal 

Validitas instrument diuji dengan cara membandingkan antara criteria yang ada pada instrument dengan fakta-fakta empiris yang terjadi di lapangan . instrument penelitian yang mempunyai validitas eksternal yang tinggi akan mengakibatkan hasil penelitian mempunyai validitas eksternal yang tinggi pula penelitian mempunyai validitas eksternal bila hasil penelitian dapat di generalisasikan pada sample lain dalam populasi yang diteliti . untuk meningkatkan validitas eksternal , selain meningkatkan validitas eksternal instrument , maka dapat dilakukan dengan memperbesar jumlah sample .  

Pengujian Reabilitas

1. Test – retest

Instrument penelitian yang reabilitasnya diuji dengan test-retest dilakukan dengan cara mencobakan instrument beberapa kali para responden . jadi dalam hal ini instrumen
ya sama respondenya sama dan waktunya berbeda. Reabillitas diukur dari koefisien reabilitas diukur dari koefisien korelasi antara percobaan pertama dengan yang berikutnya bila koefisien korelasi positif dan signifikan maka instrument tersebut sudah dinyatakan reliable. Pengujian ini juga disebut stability .

2. Pengujian dua instrumen  yang ekuivalen .

Instrumen yang ekuivalen adalah pertanyaan yang secara bahasa berbeda , tetapi maksudnya sama . pengujian reabilitas dengan cara ini cukup dilakukan sekali, tetapi instrumenya dua, pada responden yang sama, waktu sama, instrument berbeda. Reabilitas instrument dihitung dengan cara mengkorelasikan antara data instrument yang satu dengan data instrument yang dijadikan ekuivalen . bila korelasi positif dan signifikan , maka instrument dapat dinyatakan reliable .

3. Gabungan

          Pengujian reabilitas ini dilakukan dengan cara mencobakan dua instrument yang ekuivalen beberapa kali , keresponde yang sama. Jadi cara ini merupakan gabungan pertama dan kedua. Reabilitas instrument dilakukan dengan cara mengkorelasikan dua instrument , setelah itu dikorelasikan pada pengujian kedua , dan selanjutnya dikorelasikan secara silang .

Jika  dalam dua kali pengujian dalam waktu berbeda, maka akan dapat dianalisis keenam koefisien reabilitas . keenam koefisien korelasi itu semuanya positif dan signifikan , maka dapat dinyatakan bahwa instrument tersebut reliabel .

4. Internal consistency

Pengujian resbilitas ini dilakukan dengan cara mencobakan instrument sekali saja kemudian yang diperoleh dengan teknik tertentu . hasil analisi dapat digunakan untuk memprediksi reliiabilitas instrument . pengujian reabilitas instrument dapat dilakukan dengan teknik beladua dari spearman brown , KR 20 , KR 21 , dan Anova Hoyt . 

Read More