Menentukan r Tabel dan t Tabel Sesuai df dan Jumlah Sampel

df untuk r tabel adalah n dikurangi 2. df untuk uji t koefisien regresi adalah n dikurangi k dikurangi 1, dengan k adalah jumlah variabel bebas. Dua rumus ini sering ditulis seolah saling menggantikan, padahal pada sampel kecil jaraknya cukup lebar untuk membalik kesimpulan satu item kuesioner. Di bawah ini hitungannya pada sampel 30 dengan 3 variabel bebas, lalu alasan satu nilai n bisa punya tiga nilai r tabel yang semuanya terbaca benar.

#Kenapa satu sampel bisa punya dua df yang berbeda

df atau derajat kebebasan adalah sisa informasi di datamu setelah sebagian dipakai untuk menaksir parameter. Tiap parameter yang ditaksir memakan satu df.

Uji validitas Pearson mengorelasikan skor satu item dengan skor total. Yang ditaksir di situ ada dua, yaitu rata-rata dari kedua deret angka tersebut. Sisanya n dikurangi 2. Jumlah item tidak masuk hitungan sama sekali. Kalau respondenmu 30 orang dan kuesionermu 25 butir, df-nya tetap 28, bukan 23 dan bukan 25.

Uji t pada regresi berganda lain ceritanya. Di sana kamu menaksir satu konstanta ditambah k koefisien slope, jadi yang terpakai k ditambah 1 dan sisanya n dikurangi k dikurangi 1. Konsekuensinya langsung terasa: makin banyak variabel bebas yang kamu masukkan ke model, makin sedikit df yang tersisa, dan makin tinggi t tabel yang harus dilewati. Menambah variabel ke sampel kecil bukan langkah netral.

#Hitungannya pada sampel 30 dengan 3 variabel bebas

Ambil n sama dengan 30 dan k sama dengan 3.

1. df untuk tabel r: 30 dikurangi 2 sama dengan 28. Nilai r tabel pada taraf 5 persen dua arah adalah 0,361.
2. df untuk uji t parsial: 30 dikurangi 3 dikurangi 1 sama dengan 26. Nilai t tabel pada taraf 5 persen dua arah adalah 2,056.
3. Kalau df uji t yang 26 itu keliru dipakai untuk membuka tabel r, angka yang keluar 0,374.

Selisih 0,361 dengan 0,374 kelihatan sepele. Tapi item dengan r hitung 0,368 lolos pada angka yang benar dan gugur pada angka yang salah. Satu item dibuang, susunan kuesionermu berubah, nilai reliabilitasnya berubah, dan semua itu berawal dari satu df yang salah ambil. Kebalikannya juga terjadi, yaitu item lemah yang ikut lolos karena ambangnya kelewat rendah.

#Kenapa nilai r tabel untuk n = 30 bisa terbaca tiga angka

Tiga angka ini semuanya beredar di skripsi, dan ketiganya benar pada konteks masing-masing.

Jadi kalau r tabel di skripsi kakak tingkatmu beda dengan punyamu padahal n sama, biasanya bukan salah hitung. Yang beda arah hipotesis atau taraf signifikansinya.

Ada satu sumber kebingungan lagi yang lebih licik. Sebagian buku metode penelitian memuat tabel yang kolom pertamanya diberi judul N, bukan df, dan pengurangan n dikurangi 2 sudah dikerjakan di dalam tabel itu. Baris N sama dengan 30 di tabel semacam itu berisi 0,361, angka yang sama dengan baris df 28 di tabel yang berjudul df. Masalahnya muncul kalau kamu sudah menghitung df sendiri lalu membuka tabel ber-judul N di baris 28. Hasilnya 0,374, nilai untuk df 26, dan kamu menggeser ambangnya tanpa sadar. Cek judul kolom tabelnya sebelum menaruh jari di baris mana pun.

#Tabel r dan t untuk ukuran sampel yang sering dipakai

Kolom t tabel di atas hanya berlaku untuk model dengan 3 variabel bebas. Kalau variabel bebasmu 5, df-nya jadi n dikurangi 6 dan kolom itu harus dihitung ulang.

Perhatikan kolom r tabel. Angkanya jatuh cepat seiring n membesar. Pada 100 responden, item dengan korelasi 0,197 sudah dinyatakan valid. Secara statistik keputusan itu benar, karena yang diuji cuma apakah korelasinya berbeda dari nol. Secara isi, item yang hanya berbagi sekitar 4 persen variasi dengan skor total tidak banyak berguna. Di sampel besar, lolos r tabel bukan lagi kabar bagus, dan itu salah satu alasan banyak pembimbing minta tambahan kriteria.

#Satu arah atau dua arah, mana yang cocok dengan hipotesismu

Uji satu arah hanya sah kalau hipotesismu memang menyebut arah dan kamu menetapkannya sebelum melihat hasil. Kalimat seperti berpengaruh positif terhadap kinerja secara teknis adalah hipotesis satu arah.

Dalam praktiknya hampir semua skripsi menulis arah di hipotesis tapi melaporkan Sig. dua arah dari output SPSS. Itu sedikit tidak konsisten, namun arahnya aman karena dua arah lebih ketat. Yang tidak boleh adalah pindah ke satu arah setelah melihat Sig. berhenti di 0,08. Mengubah aturan main setelah tahu skornya bukan analisis, itu menyesuaikan ujian dengan jawaban yang sudah ada.

#Kapan tabelnya tidak perlu dibuka sama sekali

Sering kali kamu tidak perlu membuka tabel apa pun. SPSS sudah mencetak nilai p untuk kedua uji ini.

Untuk uji validitas, lihat baris Sig. (2-tailed) di tabel Correlations. Kalau nilainya di bawah 0,05, item itu berkorelasi signifikan dengan skor total, dan itu keputusan yang sama persis dengan membandingkan r hitung melawan r tabel. Untuk uji t parsial, kolom Sig. ada di sebelah kolom t pada tabel Coefficients. Perbandingan terhadap tabel adalah warisan zaman hitung tangan, saat nilai p tidak bisa dihitung di meja belajar.

Kalau format kampus mewajibkan kolom r tabel di bab empat, tulis saja, tidak ada ruginya. Tapi pahami bahwa kamu sedang melaporkan dua jalan menuju satu keputusan, bukan dua bukti terpisah.

Satu catatan yang sering dicampur. Angka 0,30 yang beredar sebagai batas validitas bukan nilai dari tabel r. Itu aturan praktis untuk corrected item-total correlation, kriteria yang berdiri sendiri dan tidak bergantung pada n. Pilih satu kriteria, sebut namanya di bab tiga, lalu pakai konsisten. Memakai keduanya bergantian pada item yang berbeda adalah hal pertama yang akan ditanya penguji.

#Kesalahan yang sering terjadi

1. Membuka tabel r pada baris n, bukan n dikurangi 2, pada tabel yang kolomnya memang berjudul df.
2. Memakai jumlah item sebagai n. Yang dihitung selalu jumlah responden.
3. Memakai df uji t (n dikurangi k dikurangi 1) untuk membaca tabel r.
4. Membaca kolom satu arah untuk hipotesis yang dilaporkan dua arah, sehingga ambangnya terlalu longgar.
5. Lupa mengubah df uji t setelah menambah atau membuang satu variabel bebas di tengah revisi.
6. Memakai df sampel rencana padahal kuesioner yang kembali lebih sedikit. df dihitung dari data yang benar-benar dianalisis, bukan dari target. Kalau targetmu dihitung dengan rumus Slovin, cek lagi angka akhirnya di kalkulator ukuran sampel lalu sesuaikan df-nya dengan jumlah kuesioner yang layak olah.

#FAQ

#df untuk uji validitas itu n dikurangi 1 atau n dikurangi 2?

n dikurangi 2. Yang n dikurangi 1 adalah df untuk simpangan baku sampel dan untuk uji t satu sampel, bukan untuk korelasi Pearson.

#Sampel saya 100 dan variabel bebasnya 4, t tabelnya berapa?

df-nya 100 dikurangi 4 dikurangi 1 sama dengan 95. t tabel 5 persen dua arah pada df 95 adalah 1,985.

#Kalau r hitung sama persis dengan r tabel, valid atau tidak?

Kriteria yang lazim adalah r hitung lebih besar dari r tabel, jadi nilai yang sama persis tidak lolos. Kondisi itu berarti nilai p-nya tepat di 0,05. Laporkan apa adanya dan putuskan dari nilai p, jangan dibulatkan ke arah yang menguntungkan.

#Uji t mana yang pakai n dikurangi k dikurangi 1?

Uji t parsial untuk koefisien regresi. Uji t beda dua kelompok independen memakai df n1 ditambah n2 dikurangi 2, dan uji t sampel berpasangan memakai jumlah pasangan dikurangi 1. Tiga uji berbeda dengan tiga rumus df berbeda, dan semuanya disebut uji t.

#Apakah boleh pakai 0,3 sebagai batas validitas?

Boleh, tapi sebut jelas bahwa kamu memakai kriteria corrected item-total correlation, bukan perbandingan dengan r tabel. Masalahnya muncul ketika dua kriteria dipakai bergantian supaya lebih banyak item lolos.

#Setelah r tabel dan t tabel, apa yang biasanya ditanya penguji?

Urutan dan hasil uji asumsi, lalu dari mana angka normalitas kamu berasal. Dua hal itu dibahas di uji asumsi klasik dan apa yang dilakukan kalau gagal dan di yang diuji normal itu residual regresi. Kalau kamu baru mulai dan belum sampai ke bab tiga, panduan skripsi dari nol memberi gambaran urutannya.