97
7 0,376
0,2199 Valid
0,916 Reliabel
8 0,471
0,2199 Valid
0,921 Reliabel
9 0,404
0,2199 Valid
0,919 Reliabel
10 0,478
0,2199 Valid
0,920 Reliabel
11 0,529
0,2199 Valid
0,919 Reliabel
12 0,608
0,2199 Valid
0,918 Reliabel
13 0,305
0,2199 Valid
0,917 Reliabel
14 0,640
0,2199 Valid
0,922 Reliabel
15 0,617
0,2199 Valid
0,917 Reliabel
16 0,582
0,2199 Valid
0,917 Reliabel
17 0,582
0,2199 Valid
0,918 Reliabel
18 0,419
0,2199 Valid
0,920 Reliabel
19 0,470
0,2199 Valid
0,919 Reliabel
20 0,487
0,2199 Valid
0,919 Reliabel
21 0,405
0,2199 Valid
0,920 Reliabel
22 0,642
0,2199 Valid
0,917 Reliabel
23 0,525
0,2199 Valid
0,918 Reliabel
24 0,528
0,2199 Valid
0,918 Reliabel
25 0,690
0,2199 Valid
0,916 Reliabel
26 0,468
0,2199 Valid
0,920 Reliabel
27 0,601
0,2199 Valid
0,917 Reliabel
28 0,618
0,2199 Valid
0,917 Reliabel
Berdasarkan tabel terlihat bahwa seluruh pertanyaan dinyatakan valid karena nilai lebih besar dari 0,2199
Dimana nilai pada table r
dengan df = n-2 n = jumlah respondensampel pada taraf signifikan 5 . Reliabilitas adalah indeks yang menunjukkan sejauh mana alat ukur dapat
dipercaya atau dapat diandalkan. Reliabilitas menyangkut ketepatan alat ukur. Suatu variabel dikatakan reliabel jika memberikan nilai cronbach Alpha 0,06. Berdasarkan
tabel 3.3 diatas maka seluruh butir pertanyaan dinyatakan reliabel.
3.4 Transformasi Data Ordinal menjadi Interval
3.4.1 Transformasi Data Ordinal menjadi Interval dengan Excel
Metode Successive Interval MSI adalah salah satu metode untuk mentransformasikan data skala ordinal ke skala interval dengan menggunakan excel
dapat dilakukan dengan cara berikut ini:. 1. Buka Microsoft Excel
2. Klik file stat97.xla file yang sudah diformat untuk transformasi data akan muncul microsoft office excel security Notice lalu klik Enable
Macros
98 3. Masukkan data yang akan ditransformasikan
4. Pilih Add In lalu klik statistics pilih susccessive interval 5. Pada saat kursor di Data Range blok data yang ada sampai selesai
6. Kemudian isi cell output dengan mengklik kolom baru pada lembar kerja
7. Klik Next lalu Pilih Select All 8. Isi minimum value 1 dan maksimum value 5
9. Klik Next lalu Finish Untuk melihat hasil transformasi data menggunakan program aplikasi microsoft
excel lihat di lampiran D.
3.4.2Transformasi Data Ordinal menjadi Interval dengan Perhitungan Manual
Langkah-langkah transformasi data ordinal ke data interval sebagai berikut :
a. Menghitung frekuensi skor jawaban dalam skala ordinal. alternatif jawaban 1 = 2
alternatif jawaban 2 = 5 alternatif jawaban 3 = 17
alternatif jawaban 4 = 28 alternatif jawaban 5 = 28
b. Menghitung proporsi untuk masing-masing skor jawaban.
c. Menghitung proporsi kumulatif untuk masing-masing skor jawaban.
d. Menentukan nilai Z untuk setiap katagori, dengan asumsi bahwa proporsi kumulatif dianggap mengikuti distribusi normal baku. Nilai Z diperoleh dari Tabel Distribusi
Normal Baku.
99
Nilai Z = 0.5 – 0.025 = 0.475 ; disesuaikan dengan Tabel Z diperoleh nilai 1.96
e. Menghitung nilai densitas dari nilai Z yang diperoleh dengan cara memasukkan nilai Z tersebut ke dalam fungsi densitas normal baku sebagai berikut :
f z =
f
-1.96
=
f
-1.960
=
0.058 f. Menghitung Scale Value SV dengan rumus :
= -2,320 = -1,603
= -0,892 = -0,063
= 1,057
g. Menentukan Scale Value min sehingga + |
| = 1 -2,320 + |
| = 1
| | = 3,320
h. Menentukan nilai skala dengan menggunakan rumus :
Y = SV + | |
= -2,320+ 3,320= 1
= -1,603+ 3,320= 1.729
= -0,892+ 3,320= 2.450 = -0,063+ 3,320= 3.273
= 1,057+ 3,320= 4.396
Tabel 3.4 Transformasi ke Data Interval untuk Variabel Motivasi Belajar
No. Variabel
Kategori Skor
Jawaban Frekuensi
Proporsi Proporsi
Kumulatif Densitas
{fz} Z
Nilai Hasil Penskalaan
100
Ordinal
1.000 1.000
2.000 0.025
0.025 0.058
-1.960 1.000
2.000 5.000
0.063 0.088
0.159 -1.356
1.729 3.000
17.000 0.213
0.300 0.348
-0.524 2.450
4.000 28.000
0.350 0.650
0.370 0.385
3.273 5.000
28.000 0.350
1.000 0.000
8.161 4.396
7.000 2.000
5.000 0.063
0.063 0.123
-1.534 1.000
3.000 39.000
0.488 0.550
0.396 0.126
2.408 4.000
29.000 0.363
0.913 0.159
1.356 3.621
5.000 7.000
0.088 1.000
0.000 4.785
Data Penskalaan secara lengkap dapat dilihat pada lampiran 7
3.5 Analisis Data
