laporan praktikum statistika (spss) gilberth

LAPORAN UJIAN PRAKTIKUM STATISTIKA

MEMBUAT GRAFIK

Gilberth T.

(in a college)

2014

A. Landasan Teori

Selain berbentuk tabel maupun penjelasan yang lain, laporan mengenai suatu data

bisa juga ditampilkan dengan menggunakan grafik (berbentuk visual). Grafik ada bermacam-

macam, berikut jenis-jenis grafik yang dapat dibuat di SPSS:

1. Bar

2. Line

3. Area

4. High-Low

5. Pie

6. Scatter

7. 3D-Bar

8. Histogram

10. Error bar

11. Boxplot

9. Population Pyramid

Cara membuat grafik yaitu melalui menu Graphs, sub-menu Legacy Dialogs, setelah itu

muncul sebelas pilihan model grafik di atas. Grafik pada SPSS dapat dibagi dalam tiga

bagian menurut penyajian datanya:

1. Summaries for groups of cases, penyajian data untuk tiap grup tertentu

2. Summaries of separate variables, penyajian data untuk tiap variabel

3. Value of individual cases, penyajian data untuk tiap kasus secara individual

B. Langkah-langkah SPSS

Menginput data x dan y ke dalam Data View

Mengatur atribut variabel di Variabel View

Mengklik menu Graphs Legacy Dialogs Line

Muncul kotak dialog Line Charts, memilih Simple dan summaries of groups of cases,

kemudian mengklik Define

Muncul kotak dialog define simple line, memasukan variabel x ke kotak Category Axis,

memilih % of cases, mengklik Titles

Muncul kotak dialog Titles, menuliskan “Data X” pada Line 1, mengklik Continue

Muncul lagi kotak dialog define simple line, mengklik OK

Muncul hasil output pada IBM SPSS Statistics Viewer

Mengklik menu Graphs Legacy Dialogs Line

Muncul kotak dialog Line Charts, memilih Simple dan summaries of groups of cases,

kemudian mengklik Define

Muncul kotak dialog define simple line, memasukan variabel Y ke kotak Category Axis,

memilih % of cases, mengklik Titles

Muncul kotak dialog Titles, menuliskan “Data Y” pada Line 1, mengklik Continue

Muncul lagi kotak dialog define simple line, mengklik OK


C. Hasil SPSS

Grafik data X

Grafik data Y

D. Kesimpulan

Urutan nilai dengan frekuensi paling tinggi-rendah pada data X adalah 3,

5-6, 2-8, 4, 7

Pada variabel X nilai dengan frekuensi tertinggi adalah 3 dan nilai

dengan frekuensi terendah adalah 7

Trend variabel X menurun

Urutan nilai dengan frekuensi paling tinggi-rendah pada data Y adalah 7,

5, 4, 6-8, 3, 9

Pada variabel Y nilai dengan frekuensi tertinggi adalah 7 dan nilai

dengan frekuensi terendah adalah 9

Trend variabel Y meningkat


STATISTIK DESKRIPTIF

Gilberth T.

(in a college)

2014

A. Landasan Teori

Statistik selalu digunakan ketika parameter yang menggambarkan karakteristik

populasi tidak diketahui. Statistik akan mengambil sebagian (kecil) dari populasi untuk

dilakukan pengukuran, kemudian hasil pengukuran tersebut dijadikan sebagai kesimpulan

terhadap keseluruhan populasi. Sebagian (kecil) dari populasi tersebut dinamakan sampel.

(Kusnadi, 2012)

Terdapat dua jenis statistik yang digunakan ketika penelitian, yaitu: statistik

deskriptif (descriptive statistics) dan statistik inferensi (inferential statistics). Statistik

deskriptif hanya menggambarkan data atau seperti apa data ditunjukkan,

sementara statistik inferensi mencoba untuk mencapai kesimpulan (bersifat induktif) dari

data dengan kondisi yang lebih umum (Trochim, 2006), misal: point estimation, confidence

interval estimation, hypothesis testing.

Statistik deskriptif adalah metode-metode yang berkaitan dengan pengumpulan dan

penyajian suatu gugus data sehingga menaksir kualitas data berupa jenis variabel,

ringkasan statistik (mean, median, modus, standar deviasi, dll), distribusi, dan representasi

bergambar (grafik), tanpa rumus probabilistik apapun (Walpole, 1993; Correa-Prisant,

2000; Dodge, 2006).

Pada SPSS, analisis statistik deskriptif dilakukan dengan meng-klik menu Klik

Analyze -> Descriptive Statistics, kemudian terdapat pilihan: Frequencies, Descriptives,

Explore, Crosstabs, dan Ratio. Dalam penelitian-penelitian, perintah-perintah ini sering

diabaikan karena memang dalam beberapa fungsi analisis lain sudah otomatis tercantum

analisis deskriptifnya. (Kusnadi, 2012)

Menu dari SPSS yang berhubungan dengan statistik deskriptif, yaitu Analyze. Dalam menu

ini terdapat beberapa submenu sebagai berikut:

Frequencies. Frequencies membahas beberapa penjabaran ukuran statistik deskriptif

seperti Mean, Median, Kuartil, Persentil, Standar Deviasi dan lainnya.

Descriptives. Descriptives berfungsi untuk mengetahui skor z dari suatu distribusi data dan

menguji apakah data berdistribusi normal atau tidak.

Explore. Perintah Explore digunakan untuk membandingkan antara dua atau lebih kelompok

dengan satu variabel. Explore berfungsi untuk memeriksa lebih teliti sekelompok data. Alat

utama Z yang dibahas adalah Box-Plot dan Steam and Leaf Plot, selain beberapa uji

tambahan untuk menguji apakah data berasal dari distribusi normal.

Crosstabs. Jika perintah Frequencies digunakan untuk memperoleh jumlah pada nilai-nilai

sebuah variabel tunggal, perintah Crosstabs digunakan untuk memperoleh jumlah pada

nilai-nilai lebih dari satu variabel. Apabila analisis statistik deskriptif sebelumnya mengolah

data secara keseluruhan dalam setiap variabel dengan menghitung perhitungan statistik

seperti Mean, Standar deviasi, Kurtosis, dll. Pada Crosstabs, setiap nilai pada variabel yang

dianalisis dijabarkan jumlahnya, dengan begitu kita dapat mengetahui berapa jumlah x pada

kondisi a, b, c, dst.. Deskripsi data pada Crosstabs akan disajikan dalam bentuk tabel silang

(crosstab) yang terdiri dari baris dan kolom. Crosstabs digunakan untuk menyajikan

deskripsi data dalam bentuk tabel silang (crosstab), yang terdiri atas basis dan kolom. Selain

itu, menu ini juga dilengkapi dengan analisis hubungan di antara basis clan kolom, seperti

independensi di antara mereka, besar hubungannya dan lainnya (hal ini sebenamya

termasuk pada statistik induktif atau inferensi dan merupakan perluasan dari statistik

deskriptif) (Ariyanti, 2013).




Mengklik Analyze Descriptive Statistics Descriptives

Muncul kotak dialog Descriptives, memasukan variabel x ke kotak Variable(s), mengklik

Options

Muncul kotak dialog Descriptive Options, mencentang Mean, Std. Deviation, Variance,

Range, Minimum, dan Maximum kemudian mengklik Continue

Muncul lagi kotak dialog descriptives, mengklik OK


Mengklik Analyze Descriptive Statistics Descriptives

Muncul kotak dialog Descriptives, memasukan variabel y ke kotak Variable(s), mengklik

Options

Muncul kotak dialog Descriptive Options, mencentang Mean, Std. Deviation, Variance,

Range, Minimum, dan Maximum kemudian mengklik Continue

Muncul lagi kotak dialog descriptives, mengklik OK


C. Hasil SPSS

Statistik deskripsi variabel x

Descriptive Statistics

N Range Minimum Maximum Mean Std. Deviation Variance

x 31 6 2 8 4.39 1.838 3.378

Valid N (listwise) 31

Statistik deskripsi variabel y

Descriptive Statistics

N Range Minimum Maximum Mean Std. Deviation Variance

y 31 6 3 9 5.87 1.765 3.116

Valid N (listwise) 31

D. Kesimpulan

Data X memiliki statistik deskripsi sebagai berikut:

N = 31

Range = 6

Minimum = 2

Maximum = 8

Mean = 4.39

Std. Deviation = 1.838

Variance = 3.378

Data Y memiliki statistik deskripsi sebagai berikut:

N = 31

Range = 6

Minimum = 3

Maximum = 9

Mean = 5.87

Std. Deviation = 1.765

Variance = 3.116


ANALISIS REGRESI

Gilberth T.

(in a college)

2014

A. Landasan Teori

Analisis regresi sederhana merupakan salah satu metode uji regresi yang dapat

dipakai sebagai alat inferensi statistik untuk menentukan pengaruh sebuah variabel bebas

(independen) terhadap variabel terikat (dependen). Regresi linear sederhana ataupun

regresi linier berganda pada intinya memiliki beberapa tujuan, yaitu:

1. Menghitung nilai estimasi rata-rata dan nilai variabel terikat berdasarkan pada nilai

variabel bebas.

2. Menguji hipotesis karakteristik dependensi.

3. Meramalkan nilai rata-rata variabel bebas dengan didasarkan pada nilai variabel

bebas diluar jangkauan sample.

Pada analisis regresi sederhana dengan menggunakan SPSS ada beberapa asumsi dan

persyaratan yang perlu diperiksa dan diuji, beberapa diantaranya adalah :

1. Variabel bebas tidak berkorelasi dengan disturbance term (Error). Nilai disturbance

term sebesar 0 atau dengan simbol sebagai berikut: (E (U / X) = 0,

2. Jika variabel bebas lebih dari satu, maka antara variabel bebas (explanatory) tidak

ada hubungan linier yang nyata,

3. Model regresi dikatakan layak jika angka signifikansi < 0.05, Predictor yang

digunakan sebagai variabel bebas harus layak. Kelayakan ini diketahui jika angka

Standard Error of Estimate < Standard Deviation,

4. Koefisien regresi harus signifikan. Pengujian dilakukan dengan uji T. Koefesien

regresi signifikan jika T hitung > T tabel (nilai kritis),

5. Model regresi dapat diterangkan dengan menggunakan nilai koefisien determinasi

(KD = r2 x 100%) semakin besar nilai tersebut maka model semakin baik. Jika nilai

mendekati 1 maka model regresi semakin baik,

6. Residual harus diuji dengan Uji normalitas Kolmogorov ,

7. Data harus berskala interval atau rasio,

8. Kedua variabel bersifat dependen, artinya satu variabel merupakan variabel bebas

(variabel predictor) sedang variabel lainnya variabel terikat (variabel response)

Berikut ini contoh perhitungan regresi linier sederhana menggunakan software

SPSS.

Proses mulai dengan memilih menu Analyze, kemudian pilih Linear,

Pilih variabel Y sebagai variabel dependen (terikat) dan X1 sebagai variabel

independen (bebas) lalu klik tombol OK,

Output SPSS akan menampilkan hasil berupa 4 buah tabel yaitu;

1. Descriptive Statistics

2. Matriks Koefisien Korelasi

3. Variabel Entered/Removed,

4. Model Summary

5. Anova

6. Coefficients

7. Residual Statistics

8. Histogram

9. Normal Plot

10. Scatter Plot

http://3.bp.blogspot.com/-70qUmN9pWA4/UCVYIu0A_mI/AAAAAAAAAbA/MAUk9h5dj2k/s1600/a1.jpg

http://4.bp.blogspot.com/-xLIKs1MGADc/UCVYRgZ1AeI/AAAAAAAAAbI/K5V5C3lBRdM/s1600/a2.jpg

http://3.bp.blogspot.com/-70qUmN9pWA4/UCVYIu0A_mI/AAAAAAAAAbA/MAUk9h5dj2k/s1600/a1.jpg

http://4.bp.blogspot.com/-xLIKs1MGADc/UCVYRgZ1AeI/AAAAAAAAAbI/K5V5C3lBRdM/s1600/a2.jpg

Cara membaca output spss hasil uji regresi linier tersebut adalah :

1. Tabel pertama menunjukkan variabel apa saja yang diproses, mana yang menjadi

variabel bebas dan variabel terikat.

2. Tabel kedua menampilkan nilai R yang merupakan simbol dari nilai koefisien

korelasi. Pada contoh diatas nilai korelasi adalah 0,342. Nilai ini dapat

diinterpretasikan bahwa hubungan kedua variabel penelitian ada di kategori lemah.

Melalui tabel ini juga diperoleh nilai R Square atau koefisien determinasi (KD) yang

menunjukkan seberapa bagus model regresi yang dibentuk oleh interaksi variabel

bebas dan variabel terikat. Nilai KD yang diperoleh adalah 11,7% yang dapat

ditafsirkan bahwa variabel bebas X1 memiliki pengaruh kontribusi sebesar 11,7%

terhadap variabel Y dan 88,3% lainnya dipengaruhi oleh faktor-faktor lain diluar

variabel X1.

3. Tabel ketiga digunakan untuk menentukan taraf signifikansi atau linieritas dari

regresi. Kriterianya dapat ditentukan berdasarkan uji F atau uji nilai Signifikansi

(Sig.). Cara yang paling mudah dengan uji Sig., dengan ketentuan, jika Nilai Sig. <

0,05, maka model regresi adalah linier, dan berlaku sebaliknya. Berdasarkan tabel

ketiga, diperoleh nilai Sig. = 0,140 yang berarti > kriteria signifikan (0,05), dengan

demikian model persamaan regresi berdasarkan data penelitian adalah tidak

signifikan artinya, model regresi linier tidak memenuhi kriteria linieritas.

4. Tabel keempat menginformasikan model persamaan regresi yang diperoleh dengan

koefisien konstanta dan koefisien variabel yang ada di kolom Unstandardized

Coefficients B. Berdasarkan tabel ini diperoleh model persamaan regresi : Y =38,256

+ 0,229 X1. (Hidayat, 2012)

http://2.bp.blogspot.com/-1Bv3IqLBung/UCVYibLXWzI/AAAAAAAAAbQ/CwcaXaKrPMg/s1600/a3.jpg




Mengklik Analyze Regression Linear

Muncul kotak dialog Linear Regression, memasukan variabel y ke kotak Dependent(s),

memasukan variabel x ke kotak Independent(s), kemudian mengklik Statistics

Muncul kotak dialog Linear Regression Statistik, mencentang Estimates, Collinearity

Diagnostics, dan Durbin Watson, kemudian mengklik Continue

Muncul lagi kotak dialog Linear Regression, mengklik Plots

Muncul kotak dialog Linear Regression Plots, mencentang Normal Probability Plot,

kemudian mengklik Continue

Muncul lagi kotak dialog Linear Regression, mengklik Save

Muncul kotak dialog Linear Regression Save, mencentang Unstandardized dan

Studentized deleted pada kolom Residuals. kemudian mengklik Continue

Muncul lagi kotak dialog Linear Regression, mengklik OK

Kemudian muncul dua variabel baru pada Data View. Dua variabel itu adalah RES_1

(Residual) dan SDR (Studentized deleted Residual)


(Uji Normalitas-Kolmogorov Smirnov)

Mengklik Analyze Descriptive Statistics Explore

Muncul kotak dialog Explore, memasukan variabel Unstandardized residual ke kotak Dependent

List, mengklik Plots

Muncul kotak dialog Explore: Plots, mencentang Normality Plots With Test. kemudian mengklik

Continue

Muncul lagi kotak dialog Explore, mengklik OK


C. Hasil SPSS

Variables Entered/Removedb

Model

Variables

Entered

Variables

Removed Method

1 xa . Enter

a. All requested variables entered.

b. Dependent Variable: y

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate Durbin-Watson

1 .581a .337 .315 1.461 1.827

a. Predictors: (Constant), x


ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 31.550 1 31.550 14.773 .001a

Residual 61.934 29 2.136

Total 93.484 30

a. Predictors: (Constant), x


Coefficientsa

Model

Unstandardized

Coefficients

Standardized

Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) 3.423 .689 4.970 .000

x .558 .145 .581 3.844 .001 1.000 1.000

a. Dependent Variable: y

Collinearity Diagnosticsa

Model Dimension Eigenvalue Condition Index

Variance Proportions

(Constant) x

1 1 1.925 1.000 .04 .04

2 .075 5.051 .96 .96


Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 4.54 7.89 5.87 1.026 31

Std. Predicted Value -1.299 1.966 .000 1.000 31

Standard Error of Predicted

Value

.268 .586 .361 .090 31

Adjusted Predicted Value 4.30 8.06 5.86 1.034 31

Residual -2.771 2.461 .000 1.437 31

Std. Residual -1.896 1.684 .000 .983 31

Stud. Residual -1.953 1.764 .003 1.013 31

Deleted Residual -2.941 2.700 .008 1.526 31

Stud. Deleted Residual -2.060 1.834 .001 1.036 31

Mahal. Distance .044 3.864 .968 1.085 31

Cook's Distance .000 .151 .031 .037 31

Centered Leverage Value .001 .129 .032 .036 31


Uji Normalitas-Kolmogorov Smirnov

Tests of Normality

Kolmogorov-Smirnov

a Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

Unstandardized Residual .119 31 .200* .965 31 .401

a. Lilliefors Significance Correction

*. This is a lower bound of the true significance.

Case Processing Summary

Cases

Valid Missing Total

N Percent N Percent N Percent

Unstandardized Residual 31 96.9% 1 3.1% 32 100.0%

Descriptives

Statistic Std. Error

Unstandardized Residual Mean .0000000 .25806167

95% Confidence Interval

for Mean

Lower Bound -.5270322

Upper Bound .5270322

5% Trimmed Mean .0085071

Median -.0970719

Variance 2.064

Std. Deviation 1.43682658

Minimum -2.77085

Maximum 2.46085

Range 5.23170

Interquartile Range 2.00000

Skewness -.120 .421

Kurtosis -.697 .821

D. Kesimpulan

Variabel X dimasukan sebagai variabel independent ke dalam Model (Tabel

Variables Entered)

Variabel X dapat menjelaskan variabel Y sebesar 33.7% (nilai R Square) dan

sisanya yaitu sebesar 66.3% dijelaskan oleh faktor yang lain

Nilai sig. pada tabel ANOVA kurang dari 0.05 yaitu sebesar 0,01 sehingga Variabel Y

berpengaruh signifikan secara simultan terhadap variabel X

Variabel X mempengaruhi variabel Y sebesar 55.8 % (nilai Unstandardized

Coefficients B)

Berdasarkan grafik Normal P-P Plot of Regression Standardized Residual dan nilai

signifikan pada tabel Test of Normalty didapatkan bahwa nilai Residual menyebar

dengan normal

Residual mengandung autokorelasi karena nilai Durbin watson pada tabel Model

Summary adalah 1.827. nilai ini memenuhi du < d < 4-du (dl 1.214 dan du 1.650)

Tidak terdapat multikolinieritas pada variabel X karena nilai VIF pada tabel

Coefficients kurang dari 10 yaitu 1


UJI T

Gilberth T.

(in a college)

2014

A. Landasan Teori

Pengujian hipotesis dapat dilakukan dengan menggunakan SPSS melalui menu

Analyze, sub menu Compare Means. Selanjutnya akan tampil beberapa pilihan pengujian

sampel seperti:

One sample t-test merupakan metode yang digunakan untuk menguji hipotesis

mengenai rata-rata suatu populasi.

Paired sample t-test merupakan uji beda dua sampel berpasangan. Sampel

berpasangan merupakan subjek yang sama namun mengalami perlakuan yang

berbeda.

Independent sample t-test adalah metode yang digunakan untuk menguji kesamaan

rata-rata dari 2 populasi yang bersifat independen, atau populasi yang satu tidak

dipengaruhi atau tidak berhubungan dengan populasi yang lain.

Pengujian dilakukan untuk menentukan ketepatan pengambilan keputusan terhadap

hipotesis. Langkah pertama yang harus dilakukan adalah membuat hipotesis (dugaan

sementara). Dalam statistik dugaan sementara dinotasikan Ho. Pengujian hipotesis dapat

dilakukan dengan cara Uji T pada aplikasi SPSS. Uji T memiliki dua versi, yaitu One Tile

Test dan Two Tile Test. One Tile Test sering disebut juga dengan pengujian satu arah,

sedangkan Two Tile Test biasa disebut Pengujian dua arah (Hidayat, 2012).

Two Tile Test

Dalam menguji nilai t perlu juga dicari nilai t tabel. Mencari nilai t tabel harus menggunakan

nilai df. Berikut cara mencari nilai t tabl: Pastikan tingkat signifikasi yang digunakan untuk uji

dua arah. Pilih nilai df (derajat kebebasan)

yang digunakan (8) tarik ke kanan sampai

nilai pada kolom tingkat signifikasi (α) yang

digunakan (0.05). Maka kita akan

menemukan nilai t tabel yaitu 2.306.

Gunakan nilai t tabel untuk menggambarkan

daerah penerimaan Ho. Karena dua sisi maka

daerah penerimaan Ho terletak antara -2.306

sampai + 2.306. Jika nilai t hitung = 1.492,

maka Ho diterima karena terletak antara -2.306 dan + 2.306. Apabila letak t hitung berada

di luar daerah penerimaan, maka Ho ditolak.

http://1.bp.blogspot.com/-L3VK0bdGMvM/UFmk5fO9kSI/AAAAAAAACEg/FYWDzPA95Zg/s288/image006.jpg

One Tile Test

Terdapat dua macam uji hipotesis satu sisi, yaitu uji hipotesis sisi kanan dan uji hipotesis sisi

kiri. Untuk memberikan pemahaman berikut diberikan contoh untuk masing-masing sisi.

Uji Hipotesis Sisi Kanan

Dengan t tabel 1.860 (df = 8, signifikan = 0.05). Syarat diterima atau ditolaknya Ho

untuk uji sisi kanan adalah sebagai berikut:

apabila t hitung < t tabel maka Ho diterima

apabila t hitung > t tabel maka Ho ditolak

dengan t hitung = 1.492 maka Ho diterima karena 1.492 < 1.860.

Uji Hipotesis Sisi Kiri

Dengan t tabel 1.860 (df = 8, signifikan = 0.05). Nilai t tabel diubah menjadi negative

(-1.860). Syarat diterima atau ditolaknya Ho untuk uji sisi kiri adalah sebagai berikut:

apabila t hitung > t tabel maka Ho diterima

apabila t hitung < t tabel maka Ho ditolak

dengan t hitung = 1.492 maka Ho diterima karena (1.492 > -1.860) (Hidayat, 2012)




Mengklik Analyze Compare Means One Sample T Test

Muncul kotak dialog One Sample T Test, memasukan variabel x ke kotak Test

Variable(s), memasukan nilai hipotesis “4.2” pada Test Value. Kemudian mengklik

Options

Muncul kotak dialog One Sample T Test: Options, memasukan nilai “95” pada

Confidence Interval Percentage. Kemudian mengklik Continue

Muncul lagi kotak dialog One Sample T Test, mengklik OK


Mengklik Analyze Compare Means One Sample T Test

Muncul kotak dialog One Sample T Test, memasukan variabel y ke kotak Test Variable,

memasukan nilai hipotesis “6” pada Test Value. Kemudian mengklik Options

Muncul kotak dialog One Sample T Test: Options, memasukan nilai “95” pada

Confidence Interval Percentage. Kemudian mengklik Continue

Muncul lagi kotak dialog One Sample T Test, mengklik OK


C. Hasil SPSS

Variabel X

One-Sample Statistics

N Mean Std. Deviation Std. Error Mean

x 31 4.39 1.838 .330

One-Sample Test

Test Value = 4.2

t df Sig. (2-tailed)

Mean

Difference

95% Confidence Interval of the

Difference

Lower Upper

x .567 30 .575 .187 -.49 .86

Variabel Y

One-Sample Statistics

N Mean Std. Deviation Std. Error Mean

y 31 5.87 1.765 .317

One-Sample Test

Test Value = 6

t df Sig. (2-tailed)

Mean

Difference

95% Confidence Interval of the

Difference

Lower Upper

y -.407 30 .687 -.129 -.78 .52

D. Kesimpulan

Hipotesis “mean = 4.2” pada uji t (one tile test) variabel X diterima karena T hitung

kurang dari T tabel (0.567 < 1.697)

Hipotesis “mean = 6” pada uji t (two tile test) variabel Y diterima karena T hitung

berada diantara T tabel (-2.042 < -0.407 < 2.042)

laporan praktikum statistika (spss) gilberth

Documents