📌 KR-20 digunakan untuk mengukur reliabilitas data dikotomi (0/1, Ya/Tidak, Benar/Salah).
• KR-20 ≥ 0.80 : Sangat Baik
• KR-20 0.70 - 0.79 : Baik
• KR-20 0.60 - 0.69 : Cukup
• KR-20 < 0.60 : Kurang
Analisis Regresi Linier & Uji Asumsi Klasik
Tips: Klik pada variabel X untuk memilih. Untuk memilih banyak variabel, tekan
Ctrl (Windows) atau Cmd (Mac) sambil mengklik.
Uji Independent Sample T-Test
Uji ini digunakan untuk membandingkan rata-rata dua kelompok yang independen. Asumsi:
Data berdistribusi normal (lihat uji normalitas terlebih dahulu).
Cara Penggunaan: Pilih variabel numerik, lalu isi nilai kelompok 1 dan kelompok 2
(sesuai kode di data, misal: "Laki-laki" dan "Perempuan" atau "1" dan "2").
One Way ANOVA
Uji ANOVA digunakan untuk membandingkan rata-rata tiga kelompok atau lebih. Asumsi: Data
berdistribusi normal dan varians homogen.
Tips One Way ANOVA: Pilih satu variabel numerik (dependen) dan satu variabel kategorik
(pengelompok) yang memiliki minimal 3 kelompok berbeda.
Uji Paired Sample T-Test
Uji ini digunakan untuk membandingkan rata-rata dua pengukuran berpasangan (pre-test &
post-test, sebelum & sesudah perlakuan). Asumsi: Data berdistribusi normal (lihat uji normalitas terlebih
dahulu).
Cara Penggunaan: Pilih dua variabel numerik yang berpasangan (misal: nilai sebelum dan
sesudah perlakuan).
Pastikan kedua variabel memiliki jumlah data yang sama dan berurutan.
Uji Chi-Square / Fisher's Exact
Uji ini digunakan untuk melihat hubungan antara dua variabel kategorik.
Jika tabel 2x2 dan ada sel dengan frekuensi harapan < 5, maka akan menggunakan uji Fisher's Exact.
Cara Penggunaan: Pilih dua variabel kategorik untuk melihat hubungan antar
keduanya.
• Jika tabel 2x2 dengan expected count < 5 → otomatis menggunakan Fisher's Exact Test
• Jika tabel > 2x2 → menggunakan Pearson Chi-Square
Important Performance Analysis (IPA) & Consumer Satisfaction Index (CSI)
Cara Penggunaan:
• Data harus terdiri dari: KOLOM PERTAMA = Nama Atribut/Item
• KOLOM KEDUA = Nilai Kepentingan (Importance) per atribut
• KOLOM KETIGA = Nilai Kinerja/Kepuasan (Performance/Satisfaction) per atribut
• Setiap baris mewakili satu atribut (bukan responden)!
• Nilai menggunakan skala 1-5 (1=Sangat Rendah, 5=Sangat Tinggi)
Two Way ANOVA (Faktorial 2x2)
Uji Two Way ANOVA digunakan untuk menguji pengaruh dua faktor kategorik terhadap satu
variabel
numerik.
Asumsi: Data berdistribusi normal, varians homogen, dan desain balanced (jumlah ulangan per sel sama).
Cara Penggunaan Two Way ANOVA:
• Pilih satu variabel numerik sebagai variabel dependen (Y)
• Pilih dua variabel kategorik sebagai faktor (independen)
• Data harus balanced (jumlah data per kombinasi kelompok sama)
• Contoh: Pengaruh Jenis Kelamin (L/P) dan Metode Belajar (A/B/C) terhadap Nilai Ujian
Analysis of Covariance (ANCOVA)
Uji ANCOVA digunakan untuk menguji perbedaan rata-rata antar kelompok
sambil mengontrol efek kovariat (variabel numerik).
Asumsi: Data berdistribusi normal, homogenitas varians, dan homogenitas slope regresi.
Cara Penggunaan ANCOVA:
• Variabel Dependen (Y): Variabel numerik yang ingin diuji
• Faktor: Variabel kategorik sebagai kelompok (minimal 2 kelompok)
• Kovariat: Variabel numerik yang ingin dikontrol efeknya
• Contoh: Menguji perbedaan nilai ujian (Y) antara metode belajar A vs B (faktor)
dengan mengontrol nilai IQ (kovariat)
Repeated Measures ANOVA
Uji Repeated Measures ANOVA digunakan untuk membandingkan rata-rata dari tiga
pengukuran
atau lebih
pada subjek yang sama (within-subjects design).
Contoh: Pengukuran nilai siswa pada waktu: Pre-test, Mid-test, Post-test.
Asumsi: Data berdistribusi normal dan sphericity terpenuhi.
💡 Cara Penggunaan Repeated Measures ANOVA:
• Pilih MINIMAL 3 VARIABEL NUMERIK (pengukuran berulang pada subjek yang sama)
• Untuk memilih banyak variabel, tekan Ctrl (Windows) atau Cmd (Mac)
sambil
mengklik
• Pastikan semua variabel memiliki jumlah data yang sama
• Contoh: Nilai UTS, Nilai UAS, Nilai Tugas Akhir dari siswa yang sama
Regresi Logistik Biner (Maximum Likelihood)
Cara Penggunaan:
• Variabel dependen (Y) harus biner (0/1) atau dua kategori
• Variabel independen (X) bisa numerik atau kategorik
• Metode estimasi: Maximum Likelihood Estimation (MLE)
• Interpretasi: Exp(B) = Odds Ratio
Tips: Variabel dependen harus memiliki tepat 2 nilai unik (contoh: 0/1, Ya/Tidak,
Laki/Perempuan).
Untuk memilih banyak variabel X, tekan Ctrl (Windows) atau Cmd (Mac)
sambil
mengklik.
ROC Curve (Receiver Operating Characteristic)
Path Analysis dengan Mediasi
Path Analysis (Analisis Jalur) digunakan untuk menguji hubungan kausal antar variabel
dengan variabel mediasi/intervening.
Cara Penggunaan:
• Variabel Eksogen (X): Variabel independen yang mempengaruhi mediator dan dependen
• Variabel Mediator (M): Variabel yang menjadi perantara hubungan X dan Y
• Variabel Dependen (Y): Variabel yang dipengaruhi oleh X dan M
• Mendukung multiple eksogen (X) dan multiple mediator (M)
• Uji mediasi menggunakan Sobel Test
• Mendeteksi tipe mediasi: Full, Partial, atau No Mediation
💡 Tips Penggunaan Path Analysis:
• Untuk memilih banyak variabel X atau M, tekan Ctrl (Windows) atau Cmd (Mac)
sambil mengklik
• Pastikan semua variabel berskala numerik (interval/rasio)
• Data harus lengkap (tanpa missing values)
• Hasil akan menampilkan: Path coefficients (a, b, c'), direct, indirect, dan total effects
• Uji Sobel untuk signifikansi efek mediasi
Transformasi Skala Likert ke Interval (MSI)
Metode Suksesif Interval (Method of Successive Interval)
Mengubah data ordinal (skala Likert) menjadi data interval. Cara Penggunaan: Pilih variabel numerik dengan skala Likert (1,2,3,4,5).
Hasil: Nilai interval baru yang bisa digunakan untuk analisis parametrik.