Professional Documents
Culture Documents
Tugas
Tugas
Tugas
Abstract
Based on form parameters, statistical science is divided into two parts, the statistical parametric and
nonparametric statistics. Chi-Square Analysis included in nonparametric statistics and used to analyze
nominal or ordinal data. While, Pearson correlation analysis included in parametric statistics , with a
minimum interval scale measurement scale. If the data has ordinal, it can be transformed to interval scale
using MSI. MSI is a technique to transform scale by calculating the value of the data obtained from the
questionnaire. In this study, we want to know the relationship between the performance of teachers in terms
of lesson planning, the implementation of learning, the evaluation of learning, and disciplinary tasks with
student achievement using Chi-square analysis and to knows the relationship of each variable teacher
performance data on achievement student learning using Pearson correlation, which the data transformed
from ordinal into interval data receipts MSI. Based on Chi-Square analysis, we concluded that there is a
relationship between the performance of teachers in terms of lesson planning, the implementation of
learning, the evaluation of learning, and disciplinary tasks with student achievement. While the results of
Pearson correlation analysis which the data transformed to interval data is the significant relationship
between terms of lesson planning with student achievement, and there is no significant relationship between
the implementation of learning, the evaluation of learning, and disciplinary tasks with student achievement.
𝑘
Analisis Uji Chi-Square ( 𝝌𝟐 ) 𝑟 2
(𝑂𝑖𝑗 − 𝐸𝑖𝑗 )
Metode analisis data kualitatif yang banyak 𝜒2 = ∑ 2 ∑
𝐸𝑖𝑗
dikenal adalah analisis Chi-square (𝜒 2 ). Analisis 𝑖=1 𝑗=1
Chi-square dapat digunakan untuk dimana :
membandingkan sekelompok frekuensi yang r : Jumlah semua baris
diamati dengan kelompok frekuensi yang k : Jumlah semua kolom
diharapkan, menetapkan signifikansi perbedaan- Oij : Frekuensi pengamatan (observasi) dari baris
perbedaan antara dua kelompok independen, dan ke-i pada kolom ke-j
untuk mengetahui hubungan antara suatu Eij : Frekuensi diharapkan (ekspektasi) dari baris
karakteristik dengan karakteristik lainnya dalam ke-i pada kolom ke-j
tabel kontingensi. Eij diperoleh dengan :
Analisis Chi-Square yang digunakan untuk (𝑛𝑖 . 𝑛.𝑗 )
membandingkan sekelompok frekuensi yang 𝐸𝑖𝑗 =
𝑛. .
diamati dengan kelompok frekuensi yang Untuk mendapatkan frekuensi yang
diharapkan biasanya digunakan untuk sampel diharapkan bagi masing-masing sel, yaitu dengan
tunggal. Misalnya, untuk mengetahui banyak mengalikan kedua jumlah marginal bersama pada
subjek, objek, jawaban respon yang terdapat sebuah sel tertentu, kemudian hasilnya dibagi
dalam berbagai kategori. Persamaan yang dengan jumlah keseluruhan kasus, yakni n...
digunakan adalah sebagai berikut : Kemudian dapat diperoleh nilai Chi-square ( 𝜒 2 )
𝑘
(𝑂𝑖 − 𝐸𝑖 )2 dengan db = (r–1)(k–1) dimana r = banyak baris
2
𝜒 =∑ dan k = banyak kolom dalam tabel kontingensi.
𝐸𝑖 Apabila data penelitian yang kita miliki adalah
𝑖=1
dimana : frekuensi dalam kategori-kategori yang diskrit,
𝑂𝑖 : banyak kasus yang diamati dalam kategori maka dapat digunakan untuk menentukan
ke-i signifikansi perbedaan-perbedaan antara k
𝐸𝑖 : banyak yang diharapkan dalam kategori ke-i kelompok independen.
dibawah H0 Analisis Chi-square dapat pula digunakan
untuk menguji dependensi suatu pengamatan
Nilai Chi-square ( 𝜒 2 ) didapat dengan dalam kategori tertentu agar dapat mendeteksi
mencari selisih antara banyak kasus yang diamati hubungan antara suatu karakteristik dengan
dengan yang diharapkan, mengkuadratkan selisih- karakteristik lainnya dalam tabel kontingensi.
selisih tersebut, kemudian membaginya dengan Pengertian sampel yang berhubungan disini
jumlah yang diharapkan, lalu menjumlahkan hasil adalah, satu sampel penelitian yang dikenai
bagi tersebut.Untuk menetapkan nilai Chi-square dengan dua macam perlakuan, yang selanjutnya
( 𝜒 2 ) signifikan atau tidak, dapat ditentukan dilihat perubahannya.
dengan melihat tabel Chi-square ( 𝜒 2 ). Jika
kemungkinan yang berkaitan dengan munculnya Transformasi Data Ordinal ke Data Interval
dibawah H0 suatu nilai Chi-square ( 𝜒 2 ) yang Menggunakan Methods Of Succesive Interval
diperoleh untuk db = k -1 adalah sama atau lebih (MSI)
kecil dari harga 𝛼 yang ditetapkan sebelumnya, Teknik statistik yang digunakan pada
maka H0 dapat ditolak. Jika tidak, H0 akan penelitian sosial ilmu-ilmu eksakta seperti
diterima (Cochran, 1952). ekonomi, pertanian, biologi, dan lainnya, selama
Untuk menetapkan signifikansi perbedaan- ini sering dijumpai menggunakan data kualitatif
perbedaan antara dua kelompok independen, sebagai refleksi dari konsep yang sifatnya abstrak,
dapat dihitung dari banyak kasus tiap kelompok atau tidak bisa diukur secara langsung. Untuk
yang termasuk dalam berbagai kategori, dan mengubah skala data yang bersifat kualitatif
membandingkan proporsi kasus-kasus dari menjadi skala data yang bersifat
kelompok yang lain. Misalnya, kita dapat menguji kuantitatifsebagai syarat untuk melakukan analisis
apakah dua kelompok politik berbeda dalam hal data, misalnya pada analisis korelasi Pearson,
persetujuan atau ketidaksetujuan mereka terhadap dimana data yang digunakan setidak-tidaknya
pendapat tertentu.Adapun prinsip uji Chi-square berskala interval, maka dapat dilakukan
adalah sebagai berikut: transformasi data. Teknik transformasi yang
1. Perhitungan akhir menunjukkan angka yang paling sederhana yaitu dengan menggunakan
sebenarnya, bukan dalam bentuk persen atau Methods of Succesive Interval (Muchlis, 2001).
proporsi. Skala ordinal adalah tingkat ukuran yang
2. Untuk setiap kategori, perbedaan diperoleh memungkinkan penelitian mengurutkan jawaban
dari selisih nilai observasi dengan nilai responden dan jawaban yang relevan diberi nilai
ekspektasi sehingga dapat dinyatakan dengan yang tinggi, sedangkan jawaban yang kurang
persamaan : relevan diberi nilai rendah. Jadi, transformasi data
dapat digunakan untuk merubah data ordinal
menjadi data interval dengan menghitung skor 7. Menentukan Transformasi (Skala Akhir)
(nilai hasil transformasi) untuk setiap kategori. Untuk mendapatkan nilai skala akhir yaitu
Salah satu cara yang paling sering digunakan pada nilai scale value yang nilainya terkecil
dalam menentukan skor adalah dengan (negatif terbesar) diubah menjadi sama dengan
menggunakan skala Likert. Skala Likert adalah satu dan mentransformasikan masing-masing
ukuran gabungan yang didasarkan pada struktur skala menurut perubahan skala terkecil,
intensitas pertanyaan-pertanyaan. Dengan sehingga diperoleh nilai transformasi. Nilai
demikian, skala Likert sebenarnya bukan skala transformasi dihitung dengan persamaan :
melainkan suatu cara yang lebih sistematis untuk SA = SV + [1+|SVmin|]
memberi skor pada indeks. Dari nilai skor yang
diperoleh, akan memiliki tingkat pengukuran Analisis Korelasi Pearson
ordinal. Nilai numerikal tersebut dianggap Korelasi Pearson atau sering disebut Korelasi
sebagai objek dan selanjutnya melalui proses Product Moment merupakan alat uji statistik yang
transformasi ditempatkan ke dalam interval digunakan untuk menguji hipotesis asosiatif (uji
(Singarimbun dan Effendi, 1995). hubungan) dua variabel yang berskala interval
Adapun langkah-langkah untuk melakukan atau rasio. Jika data yang dimiliki berskala ordinal
transformasi data ordinal ke data interval dengan maka data dapat ditransformasi agar menjadi data
pendekatan distribusi Z menggunakan Methods of interval atau data rasio. Bersarnya koefisien
Succesive Interval ialah sebagai berikut : korelasi berkisar antara +1 s/d -1. Koefisien
1. Menentukan Frekuensi (F) korelasi menunjukkan kekuatan (strength)
Dari setiap butir jawaban responden dari hubungan linear dan arah hubungan dua variabel
angket yang disebarkan. Dapat ditentukan acak. Jika koefisien korelasi positif, maka kedua
berapa orang yang mendapat skor sangat variabel mempunyai hubungan searah. Artinya,
selalu (3), kadang-kadang (2), tidak pernah jika nilai variabel X tinggi, maka nilai variabel Y
(1), yang disebut sebagai frekuensi. akan tinggi pula. Sebaliknya, jika koefisien
2. Menentukan Proporsi (P) korelasi negatif, maka kedua variabel mempunyai
Mencari proporsi semua jawaban berdasarkan hubungan terbalik yaitu, jika nilai variabel X
jumlah frekuensi dari tiap kategori jawaban tinggi, maka nilai variabel Y akan menjadi rendah
responden dengan membagikannya dengan (dan sebaliknya).Adapun persamaan yang
seluruh butir pertanyaan dari seluruh jawaban digunakan adalah persamaan :
responden. ∑𝑛𝑖=1(𝑋𝑘𝑖 − 𝑋̅𝑘 )(𝑌𝑖 − 𝑌̅)
3. Menentukan Proporsi Kumulatif (PK) 𝑟𝑥𝑘.𝑦 =
Menentukan kumulatif dari penjumlahan tiap √∑𝑛𝑖=1(𝑋𝑘𝑖 − 𝑋̅𝑘 )2 ∑𝑛𝑖=1(𝑌𝑖 − 𝑌̅)2
kategori, sehingga didapatkan nilai proporsi
kumulatif. dimana :
𝑟𝑥𝑘.𝑦 = korelasi sampel variabel bebas ke-k (Xk)
𝑃𝐾𝑛 = 𝑝𝑛−1 + 𝑝𝑛 terhadap variabel tidak bebas (Y)
𝑋̅𝑘 = nilai mean dari variabel bebas ke-k
4. Menentukan Nilai Z Xki = nilai dari variabel bebas Xk ke-i, dengan
Nilai Proporsi Kumulatif (PK) dianggap i=1,2,….,n
mengikuti distribusi normal baku dengan 𝑌̅ = nilai mean dari variabel tidak bebas Y
melihat tabel distribusi normal kumulatif pada Yi = nilai dari variabel tidak bebas Y ke-i,
tabel distribusi normal baku, maka dapat dengan i=1,2….,n
ditentukan nilai Z untuk setiap kategori.
5. Menentukan Densitas Metodologi Penelitian
Berdasarkan nilai Z akan diperoleh nilai Penelitian ini menggunakan variabel prestasi
densitas dengan melihat tabel ordinat belajar siswa dengan menggunakan skala ordinal
berdasarkan nilai distribusi normal yang yang dinotasikan dengan Y,yang dinilai dari nilai
diperoleh tersebut. Densitas kelas sebelumnya rata-rata raport semester 1 siswa kelas XI SMA
dan peluang kumulatif kelas sebelumnya Negeri 5 Samarindayaitu dengan kategori:
dianggap 0,00. Nilai X ≥ 80= Baik
6. Menentukan Skala Value (Skala Nilai) Nilai 70 ≤ X ≤ 79 = Cukup
Dari nilai densitas dilanjutkan dengan Nilai 60 ≤ X ≤ 69 = Rendah
menghitung nilai scale value (Skala Nilai) Dan menggunakan variabel kinerja guru sebagai
yaitu nilai densitas kelas sebelumnya dikurang variabel bebasyang dikelompokkan menjadi
nilai densitas kelas, kemudian hasilnya dibagi beberapa variabel dari pertanyaan-pertanyaan
dengan hasil pengurangan peluang kumulatif yang akan diajukan dalam kuesioner yaitu : X1
kelas dengan peluang kumulatif kelas (kinerja guru dalam perencanaan pembelajaran),
sebelumnya. X2 (kinerja guru dalam pelaksanaan
pembelajaran), X3 (kinerja guru dalam evaluasi
pembelajaran), X4 (kinerja guru dalam disiplin
perencanaan pembelajaran tidak baik dan 8 siswa belajar siswa. Dari 178 siswa, sebanyak 71 siswa
yang memiliki prestasi belajar rendah menjawab yang memiliki nilai prestasi belajar cukup
kinerja guru dalam perencanaan pembelajaran menjawab kinerja guru dalam evaluasi
baik. pembelajaran tidak baik dan 12 siswa yang
memiliki prestasi belajar rendah menjawab
Tabel 2. Hubungan X1dengan Prestasi Belajar
Siswa kinerja guru dalam evaluasi pembelajaran baik.
Prestasi Belajar Tabel 4. Hubungan X3dengan Prestasi Belajar
X1 Total Siswa
Rendah Cukup Baik
Tidak Jumlah 30 71 25 126 Prestasi Belajar
X3 Total
Baik Nilai Eij 26,90 66,54 32,56 126,0 Rendah Cukup Baik