Jurnal EKSPONENSIAL Volume 4, Nomor 1, Mei 2013 ISSN 2085-7829

Analisis Chi-Square dan Transformasi Data Ordinal ke Data Interval

Menggunakan Methods Of Succesive Interval (MSI)
(Studi Kasus : Siswa Kelas XI SMA Negeri 5 Samarinda)

Chi-Square Analysis and Transformation Ordinal Data to Interval Data

Using Methods Of Succesive Interval (MSI)
(Case Study : Students Class XI in Senior High School 5 Samarinda in 2013)

Nia Monika1, Darnah A. Nohe2, Sifriyani3

1
Mahasiswa Program Studi Statistika FMIPA Universitas Mulawarman
2,3
Dosen Program Studi Statistika FMIPA Universitas Mulawarman
E-mail :neaneayaya@yahoo.com1, darnah@statistika.its.or.id.jbtn2, sifrianiishaq@yahoo.co.id3

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.

Keywords: Chi-Square, Ordinal and Interval Data, Pearson Correlation, Teacher

Performance,Transformation Data MSI.

Pendahuluan menggunakan korelasi Pearson minimal berskala

Analisis statistik dilakukan terhadap data.
Data adalah keterangan-keterangan atau fakta-
fakta yang dikumpulkan dari suatu populasi atau
lebih yang akan digunakan untuk menerangkan
ciri-ciri dari populasi yang bersangkutan. Jenis
data berdasarkan sifatnya terbagi dua yaitu, data
kuantitatif dan data kualitatif. Menurut
tingkatannya skala pengukuran dibagi menjadi
empat, yaitu skala nominal, ordinal, interval, dan
rasio. Skala nominal dan ordinal dikelompokkan
ke dalam skala untuk data kualitatif. Sedangkan,
skala interval dan rasio dikelompokkan ke dalam
skala untuk data kuantitatif.
Berdasarkan bentuk parameternya, statistika
dibagi menjadi dua bagian, yaitu statistika
parametrik dan statistika nonparametrik. Statistika
nonparametrik disebut juga sebagai statistika
bebas sebaran yang tidak mensyaratkan bentuk
sebaran parameter populasi, digunakan untuk
melakukan analisis pada data nominal atau
ordinal. Salah satu analisis statistika
nonparametrik ialah analisis Chi-Square. Analisis
Chi-Square tidak memerlukan asumsi tentang
bentuk distribusi. Sedangkan, salah satu teknik
analisis statistika parametrik yaitu korelasi
Pearson. Syarat data yang dianalisis
interval. Apabila data yang dimiliki berskala
ordinal, maka diperlukan suatu metode yang
dapat mengubah skala ordinal menjadi skala
interval. Metode yang dapat digunakan yaitu
dengan melakukan transformasi data
menggunakan Methods Of Succesive Interval
(MSI). MSI merupakan suatu teknik untuk
mentransformasi data dengan cara menghitung
nilai skala data yang diperoleh dari hasil
kuesioner (Ridwan dan Akdon, 2006).
Berdasarkan hal tersebut dilakukan penelitian
untuk mengetahui antara kinerja guru dalam hal
perencanaan pembelajaran, pelaksanaan
pembelajaran, evaluasi pembelajaran, dan disiplin
tugas dengan prestasi siswa disekolah yang dilihat
dari nilai rata-rata raport siswa kelas XI SMA N 5
Samarinda, serta ingin diketahui hubungan dari
masing-masing variabel kinerja guru dengan
prestasi belajar siswa setelah data tersebut
ditransformasi menggunakan MSI dan dianalisis
menggunakan korelasi Pearson.

Program Studi Statistika FMIPA Universitas Mulawarman 85

Jurnal EKSPONENSIAL Volume 4, Nomor 1, Mei 2013
Analisis Uji Chi-Square ( 𝝌𝟐 )
Metode analisis data kualitatif yang banyak
dikenal adalah analisis Chi-square (𝜒 2 ). Analisis
Chi-square dapat digunakan untuk
membandingkan sekelompok frekuensi yang
diamati dengan kelompok frekuensi yang
diharapkan, menetapkan signifikansi perbedaan-
perbedaan antara dua kelompok independen, dan
untuk mengetahui hubungan antara suatu
karakteristik dengan karakteristik lainnya dalam
tabel kontingensi.
Analisis Chi-Square yang digunakan untuk
membandingkan sekelompok frekuensi yang
diamati dengan kelompok frekuensi yang
diharapkan biasanya digunakan untuk sampel
tunggal. Misalnya, untuk mengetahui banyak
subjek, objek, jawaban respon yang terdapat
dalam berbagai kategori. Persamaan yang
digunakan adalah sebagai berikut :
𝑘
(𝑂𝑖 − 𝐸𝑖 )2
2
𝜒 =∑
𝐸𝑖
𝑖=1
dimana :
𝑂𝑖 : banyak kasus yang diamati dalam kategori
ke-i
𝐸𝑖 : banyak yang diharapkan dalam kategori ke-i
dibawah H0
Nilai Chi-square ( 𝜒 2 ) didapat dengan
mencari selisih antara banyak kasus yang diamati
dengan yang diharapkan, mengkuadratkan selisih-
selisih tersebut, kemudian membaginya dengan
jumlah yang diharapkan, lalu menjumlahkan hasil
bagi tersebut.Untuk menetapkan nilai Chi-square
( 𝜒 2 ) signifikan atau tidak, dapat ditentukan
dengan melihat tabel Chi-square ( 𝜒 2 ). Jika
kemungkinan yang berkaitan dengan munculnya
dibawah H0 suatu nilai Chi-square ( 𝜒 2 ) yang
diperoleh untuk db = k -1 adalah sama atau lebih
kecil dari harga 𝛼 yang ditetapkan sebelumnya,
maka H0 dapat ditolak. Jika tidak, H0 akan
diterima (Cochran, 1952).
Untuk menetapkan signifikansi perbedaan-
perbedaan antara dua kelompok independen,
dapat dihitung dari banyak kasus tiap kelompok
yang termasuk dalam berbagai kategori, dan
membandingkan proporsi kasus-kasus dari
kelompok yang lain. Misalnya, kita dapat menguji
apakah dua kelompok politik berbeda dalam hal
persetujuan atau ketidaksetujuan mereka terhadap
pendapat tertentu.Adapun prinsip uji Chi-square
adalah sebagai berikut:
1. Perhitungan akhir menunjukkan angka yang
sebenarnya, bukan dalam bentuk persen atau
proporsi.
2. Untuk setiap kategori, perbedaan diperoleh
dari selisih nilai observasi dengan nilai
ekspektasi sehingga dapat dinyatakan dengan
persamaan :
86 Program Studi Statistika FMIPA Universitas Mulawarman
ISSN 2085-7829
𝑘
𝑟 2
(𝑂𝑖𝑗 − 𝐸𝑖𝑗 )
𝜒2 = ∑ 2 ∑
𝐸𝑖𝑗
𝑖=1 𝑗=1
dimana :
r : Jumlah semua baris
k : Jumlah semua kolom
Oij : Frekuensi pengamatan (observasi) dari baris
ke-i pada kolom ke-j
Eij : Frekuensi diharapkan (ekspektasi) dari baris
ke-i pada kolom ke-j
Eij diperoleh dengan :
(𝑛𝑖 . 𝑛.𝑗 )
𝐸𝑖𝑗 =
𝑛. .
Untuk mendapatkan frekuensi yang
diharapkan bagi masing-masing sel, yaitu dengan
mengalikan kedua jumlah marginal bersama pada
sebuah sel tertentu, kemudian hasilnya dibagi
dengan jumlah keseluruhan kasus, yakni n...
Kemudian dapat diperoleh nilai Chi-square ( 𝜒 2 )
dengan db = (r–1)(k–1) dimana r = banyak baris
dan k = banyak kolom dalam tabel kontingensi.
Apabila data penelitian yang kita miliki adalah
frekuensi dalam kategori-kategori yang diskrit,
maka dapat digunakan untuk menentukan
signifikansi perbedaan-perbedaan antara k
kelompok independen.
Analisis Chi-square dapat pula digunakan
untuk menguji dependensi suatu pengamatan
dalam kategori tertentu agar dapat mendeteksi
hubungan antara suatu karakteristik dengan
karakteristik lainnya dalam tabel kontingensi.
Pengertian sampel yang berhubungan disini
adalah, satu sampel penelitian yang dikenai
dengan dua macam perlakuan, yang selanjutnya
dilihat perubahannya.
Transformasi Data Ordinal ke Data Interval
Menggunakan Methods Of Succesive Interval
(MSI)
Teknik statistik yang digunakan pada
penelitian sosial ilmu-ilmu eksakta seperti
ekonomi, pertanian, biologi, dan lainnya, selama
ini sering dijumpai menggunakan data kualitatif
sebagai refleksi dari konsep yang sifatnya abstrak,
atau tidak bisa diukur secara langsung. Untuk
mengubah skala data yang bersifat kualitatif
menjadi skala data yang bersifat
kuantitatifsebagai syarat untuk melakukan analisis
data, misalnya pada analisis korelasi Pearson,
dimana data yang digunakan setidak-tidaknya
berskala interval, maka dapat dilakukan
transformasi data. Teknik transformasi yang
paling sederhana yaitu dengan menggunakan
Methods of Succesive Interval (Muchlis, 2001).
Skala ordinal adalah tingkat ukuran yang
memungkinkan penelitian mengurutkan jawaban
responden dan jawaban yang relevan diberi nilai
yang tinggi, sedangkan jawaban yang kurang
relevan diberi nilai rendah. Jadi, transformasi data
dapat digunakan untuk merubah data ordinal
Jurnal EKSPONENSIAL Volume 4, Nomor 1, Mei 2013
menjadi data interval dengan menghitung skor
(nilai hasil transformasi) untuk setiap kategori.
Salah satu cara yang paling sering digunakan
dalam menentukan skor adalah dengan
menggunakan skala Likert. Skala Likert adalah
ukuran gabungan yang didasarkan pada struktur
intensitas pertanyaan-pertanyaan. Dengan
demikian, skala Likert sebenarnya bukan skala
melainkan suatu cara yang lebih sistematis untuk
memberi skor pada indeks. Dari nilai skor yang
diperoleh, akan memiliki tingkat pengukuran
ordinal. Nilai numerikal tersebut dianggap
sebagai objek dan selanjutnya melalui proses
transformasi ditempatkan ke dalam interval
(Singarimbun dan Effendi, 1995).
Adapun langkah-langkah untuk melakukan
transformasi data ordinal ke data interval dengan
pendekatan distribusi Z menggunakan Methods of
Succesive Interval ialah sebagai berikut :
1. Menentukan Frekuensi (F)
Dari setiap butir jawaban responden dari
angket yang disebarkan. Dapat ditentukan
berapa orang yang mendapat skor sangat
selalu (3), kadang-kadang (2), tidak pernah
(1), yang disebut sebagai frekuensi.
2. Menentukan Proporsi (P)
Mencari proporsi semua jawaban berdasarkan
jumlah frekuensi dari tiap kategori jawaban
responden dengan membagikannya dengan
seluruh butir pertanyaan dari seluruh jawaban
responden.
3. Menentukan Proporsi Kumulatif (PK)
Menentukan kumulatif dari penjumlahan tiap
kategori, sehingga didapatkan nilai proporsi
kumulatif.
𝑃𝐾𝑛 = 𝑝𝑛−1 + 𝑝𝑛
4. Menentukan Nilai Z
Nilai Proporsi Kumulatif (PK) dianggap
mengikuti distribusi normal baku dengan
melihat tabel distribusi normal kumulatif pada
tabel distribusi normal baku, maka dapat
ditentukan nilai Z untuk setiap kategori.
5. Menentukan Densitas
Berdasarkan nilai Z akan diperoleh nilai
densitas dengan melihat tabel ordinat
berdasarkan nilai distribusi normal yang
diperoleh tersebut. Densitas kelas sebelumnya
dan peluang kumulatif kelas sebelumnya
dianggap 0,00.
6. Menentukan Skala Value (Skala Nilai)
Dari nilai densitas dilanjutkan dengan
menghitung nilai scale value (Skala Nilai)
yaitu nilai densitas kelas sebelumnya dikurang
nilai densitas kelas, kemudian hasilnya dibagi
dengan hasil pengurangan peluang kumulatif
kelas dengan peluang kumulatif kelas
sebelumnya.
Program Studi Statistika FMIPA Universitas Mulawarman
ISSN 2085-7829
7. Menentukan Transformasi (Skala Akhir)
Untuk mendapatkan nilai skala akhir yaitu
pada nilai scale value yang nilainya terkecil
(negatif terbesar) diubah menjadi sama dengan
satu dan mentransformasikan masing-masing
skala menurut perubahan skala terkecil,
sehingga diperoleh nilai transformasi. Nilai
transformasi dihitung dengan persamaan :
SA = SV + [1+|SVmin|]
Analisis Korelasi Pearson
Korelasi Pearson atau sering disebut Korelasi
Product Moment merupakan alat uji statistik yang
digunakan untuk menguji hipotesis asosiatif (uji
hubungan) dua variabel yang berskala interval
atau rasio. Jika data yang dimiliki berskala ordinal
maka data dapat ditransformasi agar menjadi data
interval atau data rasio. Bersarnya koefisien
korelasi berkisar antara +1 s/d -1. Koefisien
korelasi menunjukkan kekuatan (strength)
hubungan linear dan arah hubungan dua variabel
acak. Jika koefisien korelasi positif, maka kedua
variabel mempunyai hubungan searah. Artinya,
jika nilai variabel X tinggi, maka nilai variabel Y
akan tinggi pula. Sebaliknya, jika koefisien
korelasi negatif, maka kedua variabel mempunyai
hubungan terbalik yaitu, jika nilai variabel X
tinggi, maka nilai variabel Y akan menjadi rendah
(dan sebaliknya).Adapun persamaan yang
digunakan adalah persamaan :
∑𝑛𝑖=1(𝑋𝑘𝑖 − 𝑋̅𝑘 )(𝑌𝑖 − 𝑌̅)
𝑟𝑥𝑘.𝑦 =
√∑𝑛𝑖=1(𝑋𝑘𝑖 − 𝑋̅𝑘 )2 ∑𝑛𝑖=1(𝑌𝑖 − 𝑌̅)2
dimana :
𝑟𝑥𝑘.𝑦 = korelasi sampel variabel bebas ke-k (Xk)
terhadap variabel tidak bebas (Y)
𝑋̅𝑘 = nilai mean dari variabel bebas ke-k
Xki = nilai dari variabel bebas Xk ke-i, dengan
i=1,2,….,n
𝑌̅ = nilai mean dari variabel tidak bebas Y
Yi = nilai dari variabel tidak bebas Y ke-i,
dengan i=1,2….,n
Metodologi Penelitian
Penelitian ini menggunakan variabel prestasi
belajar siswa dengan menggunakan skala ordinal
yang dinotasikan dengan Y,yang dinilai dari nilai
rata-rata raport semester 1 siswa kelas XI SMA
Negeri 5 Samarindayaitu dengan kategori:
Nilai X ≥ 80= Baik
Nilai 70 ≤ X ≤ 79 = Cukup
Nilai 60 ≤ X ≤ 69 = Rendah
Dan menggunakan variabel kinerja guru sebagai
variabel bebasyang dikelompokkan menjadi
beberapa variabel dari pertanyaan-pertanyaan
yang akan diajukan dalam kuesioner yaitu : X1
(kinerja guru dalam perencanaan pembelajaran),
X2 (kinerja guru dalam pelaksanaan
pembelajaran), X3 (kinerja guru dalam evaluasi
pembelajaran), X4 (kinerja guru dalam disiplin
87
Jurnal EKSPONENSIAL Volume 4, Nomor 1, Mei 2013
tugas) yang dikelompokkan dengan pilihan
jawaban :
1. Baik : Apabila dalam suatu dimensi, jawaban
nilai skala (3) terdapat lebih dari 50% total
pertanyaan.
2. Tidak Baik: Apabila dalam suatu dimensi,
jawaban nilai skala (3) terdapat kurang atau
sama dengan 50% total pertanyaan.
Langkah-langkah analisis data sebagai berikut:
1. Pengujian Validitas dan Reliabilitas
Validitas menunjukkan sejauh mana skor atau
nilai atau ukuran yang diperoleh benar-benar
menyatakan hasil pengukuran atau
pengamatan yang ingin diukur. Semakin
tinggi suatu validitas variabel, maka tes
tersebut akan mengenai sasarannya (valid).
Adapun langkah-langkah dalam mengukur
validitas adalah sebagai berikut:
a) Mendefinisikan secara operasional
konsep yang akan diukur.
b) Melakukan uji coba skala pengukuran
tersebut pada sejumlah responden, pada
penelitian ini akan diuji sejumlah 40
responden.
c) Mempersiapkan tabel tabulasi jawaban.
d) Menghitung korelasi antara masing-
masing pertanyaan dengan skor total.
Korelasi yang digunakan adalah korelasi
Spearman.
Pada pengujian reliabilitas menggunakan
program aplikasi komputer yaitu SPSS 16.
2. Statistik Deskriptif
Analisis statistik deskriptif yang digunakan
adalah persentase prestasi belajar siswa kelas
XI yang dinilai dari rata-rata raport semester I
dan frekuensi opini responden dari dimensi X 1
(Kinerja guru dalam perencanaan
pembelajaran), X2 (Kinerja guru dalam
pelaksanaan pembelajaran), X3 (Kinerja guru
dalam evaluasi pembelajaran), dan X4
(Kinerja guru dalam disiplin tugas).
3. Analisis Chi-Square
Pengujian analisis Chi-square dengan
menggunakan variabel penelitian nilai rata-
rata raport siswa kelas XI SMA Negeri 5
Samarinda sebagai variabel prestasi belajar
dan hasil kuesioner kinerja guru yang terdiri
dari kinerja guru dalam perencanaan
pembelajaran, kinerja guru dalam pelaksanaan
pembelajaran, kinerja guru dalam evaluasi
pembelajaran dan kinerja guru dalam disiplin
tugas.
4. Transformasi Data Ordinal ke Data Interval
Transformasi data ordinal ke data interval
dengan pendekatan distribusi Z menggunakan
Methods Of Succesive Interval (MSI).
88 Program Studi Statistika FMIPA Universitas Mulawarman
ISSN 2085-7829
5. Analisis Korelasi
Setelah melakukan transformasi data
menggunakan MSI, data tersebut dijumlahkan
per dimensi kinerja guru tersebut, kemudian
dianalisis menggunakan korelasi Pearson.
Hasil dan Pembahasan
Data yang digunakan dalam penelitian ini
adalah data primer, yaitu datayang dikumpulkan
dengan menggunakan instrumen penelitian berupa
kuesioner kinerja guru dengan prestasi siswa dari
bulan Desember 2012 hingga bulan Januari 2013.
Data diperoleh dari SMA Negeri 5 Samarinda
Provinsi Kalimantan Timur.
Berdasarkan hasil uji validitas data tersebut
menggunakan softwere SPSS 16.0 diperoleh nilai
korelasi Zhit > Ztabel (1,96) sehingga dapat
disimpulkan bahwa pertanyaan dalam kuesioner
dapat mengukur aspek yang sama, yang berarti
valid.Sedangkan, nilai angka reliabilitas yang
didapatkan dengan menggunakan analisis
Cronbach’s Alphayaitu 0,861. Sehingga dapat
disimpulkan bahwa atribut-atribut dalam alat ukur
kuesioner tersebut sudah reliabel.
Untuk frekuensi hasil kuesioner pertanyaan
prestasi belajar siswa SMA Negeri 5 Samarinda
yang dinilai dari nilai rata-rata raport siswa
semester I akan dijelaskan pada Tabel 1. :
Tabel 1. Frekuensi Prestasi Belajar Siswa
Prestasi
Belajar Siswa
Frekuensi Persen ( %)
Baik 43 24,2
Cukup 94 52,8
Rendah 41 23,0
Total 178 100
Pada Tabel 1,dari 178 responden/siswa kelas XI
SMA Negeri 5 Samarinda dapat diketahui bahwa
mayoritas responden tersebut memiliki prestasi
belajar cukup yaitu sebanyak 94 responden atau
sekitar 52,8% dari 178 responden. Sedangkan
untuk frekuensi opini responden, mayoritas
responden memberikan jawaban kadang-kadang.
Analisis Chi-Square (𝝌𝟐 ).
Pada penelitian ini akan dibahas hubungan
antara kinerja guru dengan prestasi belajar siswa,
Berikut ini akan dibahas hubungan tiap dimensi
dengan prestasi belajar menggunakan analisis chi-
square (𝜒 2 ).
1. Hubungan Kinerja Guru Dalam
Perencanaan Pembelajaran (X1) Dengan
Prestasi Belajar Siswa
Pada Tabel 2, dapat dilihat hubungan kinerja
guru dalam perencanaan pembelajaran (X1)
dengan prestasi belajar siswa. Dari 178 siswa,
sebanyak 71 siswa yang memiliki nilai prestasi
belajar cukup menjawab kinerja guru dalam
 Jurnal EKSPONENSIAL Volume 4, Nomor 1, Mei 2013 ISSN 2085-7829

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

Jumlah 8 23 21 52 Tidak Jumlah 26 71 25 122

Baik Baik Nilai Eij 26,04 66,43 31,53 122,0
Nilai Eij 11,10 27,46 13,44 52,0
Jumlah 12 23 21 56
Jumlah 38 94 46 178 Baik
Total Nilai Eij 11,96 29,57 14,47 56,0
Nilai Eij 38,0 94,0 46,0 178,0
Jumlah 38 94 46 178
Total
Dari nilai Pearson Chi-Square diperoleh Nilai Eij 38,0 94,0 46,0 178,0
2 2
𝜒ℎ𝑖𝑡𝑢𝑛𝑔 > 𝜒𝑡𝑎𝑏𝑒𝑙 atau 8,259> 5,99, maka dapat
disimpulkan terdapat hubungan yang signifikan Dari nilai Pearson Chi-Square diperoleh
2 2
antara kinerja guru dalam perencanaan 𝜒ℎ𝑖𝑡𝑢𝑛𝑔 > 𝜒𝑡𝑎𝑏𝑒𝑙 atau 6,428> 5,99, maka dapat
pembelajaran dengan prestasi belajar siswa kelas disimpulkan terdapat hubungan yang signifikan
XI SMA Negeri 5 Samarinda. antara kinerja guru dalam evaluasi pembelajaran
dengan prestasi belajar siswa kelas XI SMA
2. Hubungan Kinerja Guru Dalam Negeri 5 Samarinda.
Pelaksanaan Pembelajaran (X2) Dengan
Prestasi Belajar Siswa 4. Hubungan Kinerja Guru Dalam Disiplin
Pada Tabel 3, dapat dilihat hubungan kinerja Tugas (X4) Dengan Prestasi Belajar Siswa
guru dalam pelaksanaan pembelajaran dengan Pada Tabel 5, dapat dilihat hubungan kinerja
prestasi belajar siswa. Dari 178 siswa, sebanyak guru dalam disiplin tugas dengan prestasi belajar
71 siswa yang memiliki nilai prestasi belajar siswa. Dari 178 siswa, sebanyak 73 siswa yang
cukup menjawab kinerja guru dalam pelaksanaan memiliki nilai prestasi belajar cukup menjawab
pembelajaran tidak baik dan 9 siswa yang kinerja guru dalam disiplin tugas tidak baik dan
memiliki prestasi belajar rendah menjawab 11 siswa yang memiliki prestasi belajar rendah
kinerja guru dalam pelaksanaan pembelajaran menjawab kinerja guru dalam disiplin tugas baik.
baik. Tabel 5. Hubungan X4 dengan Prestasi Belajar
Tabel 3. Hubungan X2 dengan Prestasi Belajar Siswa
Siswa Prestasi Belajar
X4 Total
Prestasi Belajar Rendah Cukup Baik
X2 Total
Rendah Cukup Baik Tidak Jumlah 27 73 26 126
Baik Nilai Eij 26,90 66,54 32,56 126,0
Tidak Jumlah 29 71 26 126
Baik Nilai Eij 26,90 66,54 32,56 126,0 Jumlah 11 21 20 52
Baik
Nilai Eij 11,10 27,46 13,44 52,0
Jumlah 9 23 20 52
Baik
Nilai Eij 11,10 27,46 13,44 52,0 Jumlah 38 94 46 178
Total
Nilai Eij 38,0 94,0 46,0 178,0
Jumlah 38 94 46 178
Total
Nilai Eij 38,0 94,0 46,0 178,0
Dari nilai Pearson Chi-Square diperoleh
2 2
Dari nilai Pearson Chi-Square diperoleh 𝜒ℎ𝑖𝑡𝑢𝑛𝑔 > 𝜒𝑡𝑎𝑏𝑒𝑙 atau 6,675 > 5,99, maka dapat
2
𝜒ℎ𝑖𝑡𝑢𝑛𝑔 2
> 𝜒𝑡𝑎𝑏𝑒𝑙 atau 6,112 > 5,99, maka dapat disimpulkan terdapat hubungan yang signifikan
disimpulkan terdapat hubungan yang signifikan antara kinerja guru dalam disiplin tugas dengan
antara kinerja guru dalam pelaksanaan prestasi belajar siswa kelas XI SMA Negeri 5
pembelajaran dengan prestasi belajar siswa kelas Samarinda.
XI SMA Negeri 5 Samarinda.
Transformasi Data Ordinal ke Data Interval
3. Hubungan Kinerja Guru Dalam Evaluasi Nilai seluruh skala akhir pada data kinerja
Pembelajaran (X3) Dengan Prestasi Belajar guru dari butir pertanyaan 1 hingga butir
Siswa pertanyaan 20 dengan skala Likert1 sampai 3
Pada Tabel 4, dapat dilihat hubungan kinerja telah ditransformasi menjadi data interval. Pada
guru dalam evaluasi pembelajaran dengan prestasi butir pertanyaan pertama nilai skala akhir berkisar
antara 1,00 sampai 2,87, nilai skala 1 atau tidak

Program Studi Statistika FMIPA Universitas Mulawarman 89

Jurnal EKSPONENSIAL Volume 4, Nomor 1, Mei 2013
pernah bernilai 1,00, nilai skala 2 atau kadang-
kadang bernilai 2,01, dan nilai skala 3 atau selalu
bernilai 2,87. Begitu juga dengan butir pertanyaan
selanjutnya. Data hasil transformasi kinerja guru
tersebut dianalisis lebih lanjut menggunakan
teknik analisis statistikakorelasi Pearson yang
menggunakan minimal skala data interval.
Korelasi Pearson
Berdasarkan data hasil transformasi, kemudian
dijumlahan per dimensi kinerja guru, sehingga
diperoleh data olah kuesioner dan transformasi.
Dari data tersebut akan dilakukan analisis
menggunakan korelasi Pearson. Adapun
hubungan antara variabel tersebut akan dijelaskan
dari masing-masing variabel :
1. Hubungan Antara Kinerja Guru Dalam
Perencanaan Pembelajaran (X1) Dengan
Prestasi Belajar Siswa
Berdasarkan hasil perhitungan, diperoleh nilai
P-Value (0,029) < α, maka terdapat hubungan
yang signifikan antara kinerja guru dalam
perencanaan pembelajaran dengan prestasi
belajar siswa. Nilai korelasi Pearson diperoleh
0,164, artinya terdapat korelasi yang sangat
rendah dan berbanding lurus antara kinerja guru
dalam perencanaan pembelajaran (X1) dengan
prestasi belajar siswa di sekolah (Y), sehingga
jika kinerja guru dalam perencanaan
pembelajaran meningkat, maka prestasi belajar
siswa meningkat pula.
2. Hubungan Antara Kinerja Guru Dalam
Pelaksanaan Pembelajaran (X2) Dengan
Prestasi Belajar Siswa
Berdasarkan hasil perhitungan, diperoleh nilai
P-Value (0,781) > α, maka tidak terdapat
hubungan yang signifikan antara kinerja guru
dalam pelaksanaan pembelajaran dengan prestasi
belajar siswa
3. Hubungan Antara Kinerja Guru Dalam
Evaluasi Pembelajaran (X3) Dengan
Prestasi Belajar Siswa
Berdasarkan hasil perhitungan, diperoleh nilai
P-Value (0,541) > α, maka tidak terdapat
hubungan yang signifikan antara kinerja guru
dalam evaluasi pembelajaran dengan prestasi
belajar siswa.
4. Hubungan Antara Kinerja Guru Dalam
Disiplin Tugas (X4) Dengan Prestasi Belajar
Siswa
Berdasarkan hasil perhitungan, diperoleh nilai
P-Value (0,132) > α, maka tidak terdapat
hubungan yang signifikan antara kinerja guru
dalam disiplin tugas dengan prestasi belajar
siswa.
90 Program Studi Statistika FMIPA Universitas Mulawarman
ISSN 2085-7829
Kesimpulan
Berdasarkan studi yang telah dilakukan,
menggunakan analisis Chi-Square dapat
disimpulkan bahwa terdapat hubungan yang
signifikan antara kinerja guru dalam perencanaan
pembelajaran, pelaksanaan pembelajaran,
evaluasi pembelajaran, dan disiplin tugas dengan
prestasi belajar siswa kelas XI SMA Negeri 5
Samarinda dan dari hasil analisis menggunakan
korelasi Pearson dengan menggunakan data yang
telah ditransformasi menggunakan MSI, dapat
disimpulkan terdapat hubungan yang signifikan
antara kinerja guru dalam hal perencanaan
pembelajaran dengan prestasi belajar siswa, dan
tidak terdapat hubungan yang signifikan antara
kinerja guru dalam hal pelaksanaan pembelajaran,
evaluasi pembelajaran, dan disiplin tugas dengan
prestasi belajar siswa.
Daftar Pustaka
Budi, T. P. 2006.SPSS 13.0 Terapan : Riset
Statistik Parametrik. CV Andi. Yogyakarta.
Hartono, 2008.SPSS 16,0 Analisis Data Statistika
dan Penelitian. Pustaka Pelajar. Yogyakarta.
Husein, Umar. 2004. Metode Penelitian untuk
Skripsi dan Tesis Bisnis. PT Raja Grafindo
Persada. Jakarta
J, Surapto. 1998. Teknik SamplingUntuk Survei &
Eksperimen. PT. Rineka Cipta. Jakarta.
Muchlis, R. D. 2001.Penggunaan Makro Minitab
untuk Transformasi Data Ordinal ke Data
Interval. Jurnal. Statistika FMIPA UNISBA.
Musarofah. 2008. Kinerja Guru di MTS Al-
Wathoniyah 1 Cilungup Duren Sawit Jakarta
Timur. Skripsi. UIN Syarif Hidayatullah
FKIP. Jakarta
Ridwan dan Sunarto. 2009. Pengantar Statistik
Untuk Penelitian, Pendidikan, Social,
Ekonomi, Komunikasi dan Bisnis. CV
Alfabeta. Bandung.
Siegel, Sidney. 1986. Statistik Non Parametrik
Untuk Ilmu-Ilmu Sosial.Terjemahan oleh
Zanzawi Suyuti dan Landung Simatupang.
1994. Gramedia. Jakarta
Sugiyono. 2007. Statistika Untuk Penelitian. CV
Alfabeta. Bandung.
Walpole, R. E. 1995.Pengantar Statistika. PT
Gramedia Pustaka Utama. Jakarta.