Tabel 3.3 Data Hasil Kuisioner
Nomor responden
X
1
X
2
X
3
X
4
X
5
X
6
X
7
X
8
X
9
1 5
2 5
2 2
2 2
5 2
2 4
2 4
2 4
2 2
4 2
3 4
3 4
3 4
4 2
2 4
4 5
1 2
2 4
2 1
4 1
5 5
1 2
2 4
2 1
4 4
6 4
2 5
2 4
5 4
4 2
7 5
2 5
4 4
2 4
4 5
8 4
4 3
4 3
4 3
5 2
9 5
4 1
2 2
4 2
2 5
10 5
2 2
1 4
2 1
1 5
11 5
2 2
1 2
2 2
4 2
12 5
1 1
1 2
4 4
4 2
13 4
4 3
3 2
3 3
4 5
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
100 4
2 2
2 2
2 2
2 5
Data mentah secara keseluruhan dapat dilihat di dalam lampiran 1 A.
3.4.2 Penskalaan Data Ordinal Menjadi Data Interval
Dari data mentah hasil kuesioner dibuat suatu matriks data yang telah
dilakukan penskalaan menjadi skala interval. Teknik penskalaan yang digunakan dalam penelitian ini adalah Methods Successive Interval dengan bantuan
Microsoft Office Excel 2007. Berikut ini adalah perhitungan penskalaan Methods Successive Interval
Universitas Sumatera Utara
Tabel 3.4 Penskalaan Variabel 1
No. variab
el Kategori
Skor Jawaban
Ordinal Frekuensi
Proporsi Proporsi
Kumulatif Z
Densita s {fz}
Nilai Hasil
Penskala an
1 2,000
6,000 0,060
0,060 -1,555
0,119 1,000
3,000 4,000
0,040 0,100
-1,282 0,175
1,576 4,000
30,000 0,300
0,400 -0,253
0,386 2,283
5,000 60,000
0,600 1,000
0,000 1,000
Jumlah 100
Langkah-langkah Methods Successive Interval : 1.
Menghitung frekuensi skor jawaban dalam skala ordinal. 2.
Menghitung proporsi dan proporsi kumulatif untuk masing-masing skor jawaban.
3. Menentukan nilai Z untuk setiap kategori, dengan asumsi bahwa proporsi
kumulatif dianggap mengikuti distribusi normal baku. Nilai Z diperoleh dari Tabel Distribusi Normal Baku.
4. Menghitung nilai densitas dari nilai Z yang diperoleh dengan cara
memasukkan nilai Z tersebut ke dalam fungsi densitas normal baku sebagai berikut:
√
√ 5.
Menghitung Scale Value SV dengan rumus :
Universitas Sumatera Utara
6. Menentukan Scale Value min sehingga
| |
Scale Value terkecil = |
| |
| 7.
Mentransformasikan nilai skala dengan menggunakan rumus : |
|
Selanjutnya dengan melakukan cara yang sama, maka semua variabel akan ditransformasikan ke dalam data interval.
Tabel 3.5 Penskalaan Variabel 1 X
1
X
2
X
3
X
4
X
5
X
6
X
7
X
8
X
9
1
1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000
2 1,000 2,221 1,746 2,331 2,254 2,091 1,926 1,794 2,518
3 1,576 2,835 2,124 3,190 2,949 2,712 2,445 2,244 3,277
Universitas Sumatera Utara
4 2,883 3,352 2,870 3,906 3,600 3,351 3,047 3,417 3,789
5 3,629 4,409 4,028 4,981 4,730 4,450 4,068 4,966 4,784
3.4.3 Uji Validitas
Validitas menunjukkan sejauh mana ketepatan dan kecermatan suatu alat ukur dalam melakukan fungsi ukurnya. Untuk mengetahui valid atau tidak dilihat dari
nilai korelasi hitung dibandingkan dengan tabel korelasi product moment untuk N = 100 dan
α = 5 adalah 0,195. Dari hasil uji validitas, terlihat bahwa seluruh variabel dinyatakan valid karena nilai r-hitung r tabel, r-hitung 0,195. Dari
bantuan SPSS diproleh hasil seperti tablel berikut ini
Tabel 3.6 Uji Validitas Variable Penelitian No.
Variabel r hitung
r tabel Kesimpulan
1 X
1
= Pupuk Kandang 0,197
0,195 Valid
2 X
2
= Luas Lahan 0,364
0,195 Valid
3 X
3
= Pestisida 0,291
0,195 Valid
4 X
4
= Kesuburan Tanah 0,514
0,195 Valid
5 X
5
= Tenaga Kerja 0,424
0,195 Valid
6 X
6
= Jarak Tanaman antar Kentang 0,381
0,195 Valid
7 X
7
= Bibit 0,576
0,195 Valid
8 X
8
= Pupuk 0,348
0,195 Valid
9 X
9
= Modal 0,388
0,195 Valid
Secara manual perhitungan korelasi product moment antara variabel X
9
dengan skor total variabel lainnya Y dapat dilihat pada tabel berikut:
Universitas Sumatera Utara
3.7 Contoh Perhitungan Korelasi Product Moment