Input Data Mentah Penskalaan Data Ordinal Menjadi Data Interval

4.3 Pengolahan Data

4.3.1 Input Data Mentah

Penentuan matriks input data hasil kuisioner yang terdiri dari 100 responden dan 10 variabel awal dalam penelitian. Tabel 4.4 Data Hasil Kuisioner Nomor Responden X 1 X 2 X 3 X 4 X 5 X 6 X 7 X 8 X 9 X 10 1. 5 5 5 5 2 5 5 4 5 5 2. 4 3 3 3 3 4 4 4 3 3 3. 5 3 4 2 2 4 4 3 3 3 4. 5 4 5 5 5 4 5 4 3 4 5. 4 4 2 4 2 4 2 3 4 3 6. 2 5 3 2 3 5 3 3 5 3 7. 5 3 4 2 2 4 4 4 3 4 8. 4 4 3 3 2 4 3 4 4 2 9. 4 4 5 5 2 4 5 4 4 2 10. 5 5 4 5 5 5 4 5 5 5 11. 5 5 4 5 5 5 4 5 5 5 12. 4 4 4 2 1 4 4 4 4 4 13. 4 2 2 4 4 2 2 2 2 4 14. 4 4 4 4 4 4 4 4 4 4 15. 4 4 4 4 5 4 4 4 4 4 16. 2 5 5 5 2 5 5 4 5 5 17. 4 4 4 4 3 4 4 4 4 5 18. 4 4 4 4 2 4 4 3 4 5 19. 4 4 4 4 2 4 4 4 4 2 20. 4 4 3 4 3 4 3 2 4 5 21. 5 4 4 4 5 4 4 5 4 5 44 Universitas Sumatera Utara 22. 5 5 5 3 5 5 5 4 5 5 23. 2 2 3 2 2 2 3 4 2 5 24. 3 3 4 5 4 3 4 4 3 5 25. 5 4 5 4 4 4 5 4 4 4 26. 2 5 5 4 4 5 5 3 5 4 27. 4 2 4 4 2 2 4 4 2 4 28. 4 4 4 4 4 4 4 4 4 4 29. 4 4 4 4 4 4 4 4 4 2 30. 5 4 4 4 5 4 4 4 4 5 31. 4 5 3 3 4 5 3 5 5 4 32. 4 3 1 5 2 3 1 3 3 4 33. 4 4 4 4 2 4 4 3 4 3 34. 5 3 4 5 4 3 4 3 3 3 35. 4 4 4 4 2 4 4 2 4 4 36. 3 4 3 5 4 4 3 3 4 4 37. 4 5 4 5 4 5 4 3 5 4 38. 5 4 4 5 2 4 4 3 4 4 39. 4 3 3 4 3 3 3 4 3 4 40. 4 3 3 4 2 3 3 3 3 4 41. 2 4 4 3 4 4 4 3 4 2 42. 4 5 5 5 4 5 5 4 5 5 43. 2 3 4 5 3 3 4 1 3 4 44. 4 3 4 5 2 3 4 4 3 4 45. 3 3 5 4 1 3 5 3 3 5 46. 2 5 3 5 4 5 3 2 5 4 47. 2 3 4 4 2 3 4 2 3 5 48. 4 2 4 4 2 2 4 4 2 4 49. 2 4 4 5 2 4 4 2 4 4 50. 2 3 3 5 2 3 3 2 3 4 51. 2 2 3 4 4 2 3 2 2 4 52. 2 4 3 5 4 4 3 4 4 4 45 Universitas Sumatera Utara 53. 4 5 4 4 3 5 4 2 5 4 54. 4 3 3 4 2 3 3 3 3 4 55. 4 5 4 4 5 5 4 4 5 5 56. 5 5 5 5 5 5 5 4 5 5 57. 4 4 4 4 2 4 4 4 4 2 58. 4 4 4 4 2 4 4 4 4 4 59. 4 3 3 4 2 3 3 2 3 4 60. 4 3 3 4 2 3 3 4 3 5 61. 4 1 4 5 5 1 4 2 1 4 62. 4 2 3 4 4 2 3 4 2 4 63. 4 2 4 4 2 2 4 4 2 4 64. 4 5 5 5 5 5 5 4 5 4 65. 4 4 4 4 2 4 4 3 4 4 66. 4 4 4 4 2 4 4 4 4 4 67. 2 5 3 5 4 5 3 2 5 4 68. 2 3 4 4 2 3 4 2 3 5 69. 3 4 5 5 4 4 5 3 4 4 70. 4 4 4 4 5 4 4 5 4 5 71. 4 4 5 4 5 4 5 4 4 4 72. 4 4 3 4 2 4 3 4 4 4 73. 3 4 3 4 2 4 3 4 4 5 74. 4 4 3 4 2 4 3 4 4 2 75. 2 4 2 5 2 4 2 4 4 4 76. 3 3 3 4 3 3 3 3 3 4 77. 4 4 5 4 5 4 5 4 4 4 78. 5 5 5 5 5 5 5 5 5 4 79. 3 2 3 4 4 2 3 2 2 4 80. 4 2 3 2 2 2 3 4 2 4 Universitas Sumatera Utara

4.3.2 Penskalaan Data Ordinal Menjadi Data Interval

Dari data mentah hasil Kuisioner dibuat suatu matriks data X pxn yang telah dilakukan penskalaan menjadi skala interval. Teknik penskalaan yang digunakan dalam penelitian ini adalah Methods Succesive Interval dan bantuan Microsoft 81. 5 5 4 5 5 5 4 5 5 5 82. 3 1 2 4 2 1 2 4 1 5 83. 2 3 4 5 3 3 4 1 3 4 84. 4 3 4 5 2 3 4 4 3 4 85. 3 3 5 4 1 3 5 3 3 5 86. 4 2 4 4 2 2 4 4 2 4 87. 2 4 4 5 2 4 4 2 4 4 88. 2 3 3 5 2 3 3 2 3 4 89. 2 2 3 4 4 2 3 2 2 4 90. 2 4 3 5 4 4 3 4 4 4 91. 5 5 5 5 4 5 5 5 5 5 92. 4 4 5 4 4 4 5 5 4 4 93. 4 5 5 5 4 5 5 4 5 4 94. 3 3 4 4 4 3 4 2 3 2 95. 2 2 4 3 4 2 4 2 2 4 96. 4 3 3 4 2 3 3 4 3 5 97. 4 1 4 5 5 1 4 2 1 4 98. 4 2 3 4 4 2 3 4 2 4 99. 4 2 4 4 2 2 4 4 2 4 100. 4 5 5 5 5 5 5 4 5 4 47 Universitas Sumatera Utara Office Excel 2007. Berikut adalah penskalaan Methods Succesive Interval. Langkah-langkah Metode Succesive Interval dapat dijelaskan sebagai berikut: Tabel 4.5 Penskalaan Variabel 1 Tabel diatas untuk pernyataan variabel X 1 dapat dijelaskan sebagai berikut: a. Nomor variabel pernyataan yang akan di MSI adalah variabel X 1 b. Kategori skor jawaban yang akan di MSI dalam Skala Ordinal Likert nilainya antara 1 – 5 c. Masing-masing skor jawaban dalam Skala Ordinal dihitung frekuensinya. d. Masing-masing skor jawaban dalam skala ordinal dihitung frekuensinya. Dalam contoh diatas Frekuensi skor jawaban 1 = 0 Frekuensi skor jawaban 2 = 21 Frekuensi skor jawaban 3 = 10 Frekuensi skor jawaban 4 = 53 Frekuensi skor jawaban 5 = 16 No. variabel Kategori Skor Jawaban Ordinal Frekuensi Proporsi Proporsi Kumulatif Z Densita s {fz} Nilai Hasil Penskalaan 1 2,000 21,000 0,210 0,210 -0,806 0,288 1,000 3,000 10,000 0,100 0,310 -0,496 0,353 1,726 4,000 53,000 0,530 0,840 0,994 0,243 2,579 5,000 16,000 0,160 1,000 0,000 3,893 Jumlah 100 Universitas Sumatera Utara e. Menghitung proporsi untuk setiap frekuensi skor 0,21 100 21 2   P 0,53 100 53 4   P 0,1 100 10 3   P 0,16 100 16 5   P f. Menjumlahkan proporsi secara berurutan untuk setiap respon, sehingga diperoleh nilai proporsi komulatif. Pk 2 = 0,21 Pk 3 = 0,21 + 0,1 = 0,31 Pk 4 = 0,21 + 0,1 + 0,53 = 0,84 Pk 5 = ,0,23 + 0,11 + 0,53 + 0,16 = 1,00 g. Menentukan nilai Z untuk setiap kategori, dengan asumsi bahwa proporsi komulatif dianggap mengikuti distribusi normal baku. Nilai Z diperoleh dari Tabel Distribusi Normal Baku. h. Menghitung nilai densitas dari nilai Z yang diperoleh dengan cara memasukkan nilai Z tersebut ke dalam fungsi densitas normal baku sebagai berikut :         2 2 1 2 1 z e z f  Sehingga diperoleh : 0,288 2 1 -0,806 2 -0,806 2 1          e f  0,353 2 1 -0,496 2 -0,496 2 1          e f  243 0, 2 1 0,994 2 0,994 2 1          e f  49 Universitas Sumatera Utara i. Menghitung SV Scale Value dengan rumus : = − − 371 -1, 0,000 0,210 0,288 0,000 2     SV 0,650 - 0,210 0,310 0,353 0,288 3     SV 207 0, 0,310 0,840 0,243 0,353 4     SV 518 1, 0,840 1,000 0,000 0,243 5     SV j. Menentukan Scale Value min sehingga + | | = 1 Scale Value terkecil = −1,371 1 371 , 1 min    SV 371 , 2 min  SV k. Menstransformasikan nilai skala dengan menggunakan rumus : min SV SV Y   Y 2 = -1,371 + 2,371 = 1 Y 3 = -0, 650 + 2,371 = 1,726 Y 4 = 0,207 + 2,371 = 2,579 Y 5 = 1,518 + 2,371 = 3,893 50 Universitas Sumatera Utara Dengan melakukan cara yang sama, maka semua variabel akan ditransformasikan kedalam interval. Berikut hasil penskalaan dari masing-masing variabel : Tabel 4.6 Hasil Penskalaan Semua Variabel

4.3.3 Uji Validitas