universitas riwijaya -...

55

Upload: phungdien

Post on 17-May-2019

235 views

Category:

Documents


4 download

TRANSCRIPT

Page 1: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)
Page 2: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

Universitas riwijaya

Fakultas Ilmu

Komputer

Laboratorium

LEMBAR

PENGESAHAN

MODUL

PRAKTIKUM

SISTEM

MANAJEMEN

MUTU ISO

9001:2008

No. Dokumen Tanggal 4 AGUSTUS 2016

Revisi Halaman 2 DARI 48

MODUL PRAKTIKUM

Mata Kuliah Praktikum : Praktikum Statistika

Kode Mata Kuliah Praktikum : FSI214005

SKS : 1

Program Studi : SISTEM INFORMASI

Semester : 3 (Ganjil) 2016/2017

DIBUAT OLEH DISAHKAN OLEH DIKETAHUI OLEH

DOSEN PENGAMPUH

Allsela Meiriza, M.T.

KETUA JURUSAN

Endang Lestari R, M.T.

WAKIL DEKAN 1

BIDANG AKADEMIK

Syamsuryadi, S. SI., M. Kom

Page 3: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

BAB IPENGENALAN SPSS 17

Cara menginstalas SPSS 17 :1. Siapkan master software SPSS 172. Klik install pada SPSS Statistics 17.0, setelah di klik install maka akan tampil seperti

berikut ini :

3. Pilih Single User License, kemudian klik Next seperti dibawah ini :

Page 4: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

4. Pilih I accept the terms in the license agreement, kemudian klik Next seperti gambardibawah ini :

5. Pilih Next lalu akan tampil seperti gambar dibawah ini :

6. Kemudian pilih Next lagi sehingga akan tampil seperti dibawah ini :

Page 5: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

7. Untuk pilihan bahasa, abaikan saja kemudian langsung klik Next dan akan tampil sepertidibawah ini :

8. Klik Next kemudian INSTALL untuk memulai proses instalasi SPSS 17, tunggu hinggaproses instalasi selesai

Page 6: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)
Page 7: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

9. Sebelum mengklik tombol OK, copy terlebih dahulu file yang bernama lservrc yangberada di dalam folder license pada folder aplikasi SPPS 17 ke dalam Program FilesSPSSInc Statistics17 lalu klik copy and replace, tunggu hingga proses pemindahanselesai kemudian terakhir klik tombol OK.

BAB IIPENDAHULUAN

Data editor mempunyai dua fungsi utama: Input data yang akan diolah oleh SPSS Proses data yang telah diinput dengan prosedur statistik tertentu.

Membuat variabel dan mengisi dataData editor pada SPSS mempunyai dua bagian utama:

Kolom dengan ciri adanya kata var dalam setiap kolomnya. Kolom dalam SPSS akandiisi oleh VARIABEL.

Baris, dengan ciri adanya angka 1, 2, 3 dan seterusnya. Baris dalam SPSS akan diisi olehKASUS (seperti nama responden atau sampel)

SPSS menyediakan tujuh window, yang meliputi sebagai berikut:1. Data Editor

Window ini terbuka secara otomatis setiap kali program SPSS dijalankan, dan berfungsiuntuk input data SPSS. Menu yang ada pada data editor: File

Page 8: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

Menu File berfungsi untuk menangani hal-hal yang berhubungan dengan file data, sepertimembuat file baru, membuka file tertentu, mengambil data dari program lain, mencetakisi dari data editor dan lainnya.

EditMenu Edit berfungsi untuk menangani hal-hal yang berhubungan dengan memperbaikiatau mengubah nilai data (duplikasi data, menghilangkan data, edit data dan lain-lain).Selain itu juga berfungsi untuk mengubah setting pada options (seperti output label, scriptdan lainnya).

ViewMenu View berfungsi untuk mengatur toolbar (status bar, penampakan value label danlainnya)

DataMenu Data berfungsi untuk membuat perubahan data SPSS secara keseluruhan, sepertimengurutkan data, menyeleksi data berdasar kriteria tertentu, menggabung data dansebagainya.

TransformMenu Transform berfungsi untuk membuat perubahan pada variabel yang telah dipilihdengan kriteria tertentu.

AnalyzeMenu Analyze merupakan menu inti dari SPSS, yang berfungsi untuk melakukan semuaprosedur penghitungan statistik, seperti Uji t, Uji F, regresi, time series dan lainnya.

GraphsMenu Graphs berfungsi untuk membuat berbagai jenis grafik untuk mendukung analisisstatistik, seperti pie, line, bar dan kombinasinya.

UtilitiesMenu Utilities adalah menu tambahan yang mendukung program SPSS, seperti: Memberi informasi tentang variabel yang sekarang sedang dikerjakan Menjalankan scripts Mengatur tampilan menu-menu yang lain

WindowMenu Window berfungsi untuk berpindah diantara menu-menu yang ada di SPSS

HelpMenu Help berfungsi untuk menyediakan bantuan informasi mengenai program SPSSyang bisa diakses secara mudah dan jelas.

2. Menu Output NavigatorMenu output pada prinsipnya sama dengan menu Editor seperti File, Edit, View, Analyze,Graphs, Utilities, Windows dan Help. Selain menu tersebut ada tambahan yaitu insert (untukmenyisipkan judul, grafik, teks atau obyek tertentu dari aplikasi lain dan format (untukmengubah tata letak huruf output).

3. Menu Pivot Table EditorMenu Pivot Table Editor berhubungan dengan pengerjaan tabel SPSS, sepertimentransformasi baris tabel menjadi kolom dan sebaliknya, memindah baris dan kolom tabel,groupping atau ungrouping tabel dan lainnya. Karena pengerjaan pivot table erat kaitannyadengan menu output navigator, yaitu sebagai tempat edit tabel hasil output, maka menu PivotTable mempunyai sub menu yang hampir sama dengan Output Navigator, yaitu sebagaitempat edit tabel hasil output maka menu Pivot Table mempunyai submenu yang hampir

Page 9: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

sama dengan Output Navigator, yaitu: File, Edit, View, Insert, Format, Analyze, Graphs,Utilities, Window dan Help. Tambahan yang diberikan adalah menu PIVOT yang khususdigunakan untuk pengerjaan pivoting (mengubah status pivoting trays, pengerjaanmultidimensional pivot table).

4. Menu Chart EditorMenu ini juga merupakan tempat edit bagi output hasil pengerjaan data dimenu editor, hanyakhusus untuk output berupa Grafik/Chart/Diagram. Chart editor dilengkapi dengan submenuseperti: Gallery

Sub menu ini berfungsi untuk mengubah jenis Chart, seperti dari bentuk grafik batang kebentuk Pie atau yang lainnya.

ChartUntuk mengedit berbagai hal mengenai grafik, seperti Layout dan Labeling Grafik, skalagrafik dan sebagainya.

SeriesUntuk memilih kelompok data tertentu, transpose data atau menampilkan seri data.

5. Menu Text Output EditorSama dengan menu Pivot Table dan Chart, menu Text Output adalah bagian dari outputSPSS, dengan fungsi untuk edit pada output yang berupa text atau tulisan. Isi submenu TextOutput sama persis dengan menu Output Navigator.

6. Menu Syntax EditorWalaupun SPSS sudah menyediakan berbagai berbagai macam pengolahan data statistiksecara memadai, namun ada beberapa perintah atau pilihan yang hanya bisa digunakandengan SPSS Command Language. Perintah-perintah tersebut bisa ditulis pada menu SyntaxEditor. Menu ini berupa file text yang berisi berbagai perintah SPSS dan bisa diketik secaramanual. Namun SPSS juga menyediakan berbagai kemudahan untuk pembuatan syntax samadengan menu yang lain, hanya disini ada tambahan sub menu Run yang berfungsi untukmenjalankan sytax yang telah ditulis.

Page 10: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

BAB IIIMENGELOLA FILE

Membuat File Data BaruLangkah kerja: Klik File Klik New Klik Data Klik Enter

Untuk membuat data baru pada file baru, maka kita akan memberikat contoh pengisian databerikut ini:

No NamaJenis Kel Riset Statistik SPSS IP

X1 X2 X3 X4 Y1 Diana Wanita 75 86 83 3,562 Andika Laki-laki 68 65 67 3,353 Laudita Wanita 65 56 78 3,104 Akin Wanita 55 60 75 2,785 Aris Laki-laki 70 77 65 1,506 Lina Wanita 90 80 87 3,807 Wiwik Wanita 80 82 90 2,788 Dani Laki-laki 85 85 80 3,459 Janka Laki-laki 90 78 75 1,5610 Koko Laki-laki 78 80 90 2,90

Memasukkan dan Mendefinisikan VariabelLangkah kerja:

1. Klik SPSS2. Setelah masuk pada kotak dialog awal SPSS, dimana secara default merujuk pada

perintah “Open an existing data source”. Lalu Anda pilih cancel, maka akan masukpada layar kerja yang kosong. Pada saat ini yang aktif adalah layar kerja untuk pengisiandata (Data View).

3. Karena akan mendefinisikan variabel terlebih dahulu, maka Anda klik pilihan VariabelView (terletak dibawah layar). Maka layar kerja untuk Variabel view akan muncul sbb:

Name Type Width Decimals Label Values Missing Columns

Align Measure

Nama String 15 Nama 15 Left Nominalx1 Numeric 8 0 Jenis

kelamin{1,Laki-laki,..}

None 8 Left Ordinal

x2 Numeric 8 0 NilaiRiset

None None 8 Center Scale

x3 Numeric 8 0 NilaiStatistik

None None 8 Center Scale

x4 Numeric 8 0 NilaiSPSS

None None 8 Center Scale

Page 11: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

Variabel value Jenis Kelamin:1= Laki-laki2=Wanita

Menyimpan DataLangkah kerja: Klik File Klik Save data: Tulis nama file: DATA-1 Tekan OK (enter)

Menghapus DataMenghapus isi satu sel tertentu: Klik kotak sel yang akan dihapus Klik Edit Klik Cut/Clear

Menghapus isi sel pada suatu kolom(variabel): Klik pada heading kolom (nama variabel) yang isinya akan dihapus Klik Edit Klik Cut/Clear

Menghapus isi sel dalam satu baris: Klik nomor case yang akan dihapus dalam satu baris Klik Edit Klik Cut/Clear

Mengcopy DataMengcopy isi satu sel: Pilih sel yang akan dicopykan Klik Edit Klik Copy Pindahkan “penunjuk sel” pada sel yang akan dituju Klik Edit lagi Tekan Paste

Menyisipkan DataMenyisipkan satu kolom untuk variabel, caranya: Pindahkan “pointer” pada kolom yang akan disisipi Klik Data Pilih Insert Variabel

Menyisipkan baris Pindahkan “pointer” pada baris yang akan disisipi (letakkan pointer pada nomor

case/baris) Klik Data Pilih Insert Case

y Numeric 8 2 IndekPrestasi

None None 8 Center Scale

Page 12: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

BAB IVTRANSFORMASI DATA

Contoh praktis: Buka file DATA-1 Klik Data Klik Transpose Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s) dengan cara menunjuk

masing-masing variabel satu persatu, lalu klik tanda panah (segitiga) kecil untukmemasukkan variabel tersebut

Masukkan variabel “nama” pada kotak name variabel Klik OK

Menu transformasi data berguna untuk melakukan kegiatan perubahan data yang telah ditulispada file

DATA-2.DATA PENGHASILAN DAN PENGELUARAN

No. Umurx1

Statusx2

Penghasilan/blnx3

Pengeluarany

1 25 Pegawai Rp. 750.000 Rp. 600.0002 35 Swasta Rp.1.250.000 Rp.1.000.0003 40 Pepetani Rp. 800.000 Rp. 400.0004 56 Pegawai Rp. 900.000 Rp. 750.0005 60 Pegawai Rp.1.500.000 Rp.1.200.0006 33 Swasta Rp.2.500.000 Rp.2.000.0007 45 Pepetani Rp. 600.000 Rp. 450.0008 52 Swasta Rp.3.000.000 Rp.2.500.0009 22 Pepetani Rp.1.750.000 Rp.1.250.00010 18 Pepetani Rp.1.100.000 Rp.1.000.000

Langkah memasukkan data ke dalam SPSS editor adalah sebagai berikut:1. Aktifkan SPSS Editor (bisa dengan membuat data baru SPSS)2. Klik variabel view untuk memberikan definisi mengenai variabel yang akan diisi beserta

beberapa aturan terkait.3. Isikan masing-masing variabel beserta aturan terkaitnya seperti dibawah ini:

Name Type Width Decimals Label Values Missing Columns Align Measurex1 Numeric 8 0 Umur None None 8 Center Scalex2 Numeric 8 0 Status {1,petani....} None 8 Center Nominalx3 Numeric 8 2 Penghasilan None None 10 Right Scaley Numeric 8 2 Pengeluaran None None 10 Right Scale

Value variabel x2:1 = Petani2 = Pegawai3 = Swasta

Page 13: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

PERINTAH COMPUTE

Compute digunakan untuk membuat (menghitung) value-value suatu variabel baru atau darivariabel-variabel yang sudah ada pada file kerja Anda. Proses penghitungan dapat dilakukanterhadap semua case, juga terhadap case-case tertentu yang memenuhi fungsi logika.Contoh: Open File DATA-2 Klik transform Klik compute Pada kotak target variabel tulis target1 Pada kotak fungtion pilih SUM Masukkan satu persatu variabel x1, x2 dan x3 kedalam tanda kurung tersebut, kedalam

kotak numerik expression.Perhatikan harus selslu anda tanda koma, jika memasukkandua variabel atau lebih. Cara memasukkannya sbb: SUM(x1,x2,x3)

OK

Maka hasilnya sbb:X1 X2 X3 Y Target125 2 750000 600000 750027,0035 3 1250000 1000000 1250038,0040 1 800000 400000 800041,0056 2 900000 750000 900058,0060 2 1500000 1200000 1500062,0033 3 2500000 2000000 2500036,0045 1 600000 450000 600046,0052 3 3000000 2500000 3000055,0022 1 1750000 1250000 1750023,0018 1 1100000 1000000 1100019,00

PERINTAH COUNTCount berguna untuk menghitung jumlah cacah value dari semua variabel yang dikehendakiyang telah memenuhi syarat value yand didefinisikan.Contoh praktis operasi count: Buka file DATA-2 Klik transform Klik COUNT VALUES WITH CASES Ketikkan COUNT pada kotak target Pindahkan variabel “x3” dan “y” ke kotak variabel Klik define values Pilih Range;.....through....ketik 750000 through 1000000 Klik Add Klik continue Klik Ok

Page 14: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

LAPORAN PRAKTIKUM

“TRANSFORMASI DATA”NAMA / NIM :KELAS :1. ANALISA OUTPUT SPSS DARI PERINTAH COMPUTE & COUNT PADA DATA-2

(DATA PENGHASILAN DAN PENGELUARAN) !

Page 15: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

BAB VSTATISTIK DESKRIPTIVES

Statistik deskriptif merupakan bidang ilmu statistik yang mempelajari cara-cara pengumpulan,penyusunan dan penyajian data suatu penelitian.Aplikasi FrequenciesAplikasi ini digunakan untuk menyusun data yang jumlahnya relatif banyak kedalam suatu tabelfrekuensi.Aplikasi SPSS:

1. Anda aktifkan SPSS editor dengan membuka file DATA-22. Klik menu utama analyze3. Dari menu analyze tersebut, pilih deskriptif statistics4. Pilih Frequencies, perintah frequencies digunakan untuk membuat tabel frekuensi,

yang berisi cacah dari harga semua case pada variabel yang Anda daftar,prosentase case, prosentase valid dan prosentase kumulatif. Kotak Variable(s)berguna untuk mendaftar satu atau beberapa variabel dari kotak listing. Displayfrequency tables berguna untuk menampilkan tabel frekuensi.

Contoh: Buka File DATA-2 Klik Analyze Pilih Descriptive Statistics Klik Frequencies Klik variabel “x3” (penghasilan), masukkan ke kotak variable(s) Klik statistic, klik quartiles, mean, median, mode, sum, std deviation, variance, range,

maximum, minimum, S.E.Means, Skewness, Kurtosis Klik Continue Klik Chart, pilih Bar Chart Klik Continue Klik Format OK

Page 16: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

LAPORAN PRAKTIKUM

“STATISTIK DESKRIPTIVES - Aplikasi Frequencies”NAMA / NIM :KELAS :2. Analisa Output SPSS dari perintah statistik deskriptives pada DATA-2 (Data Penghasilan &

Pengeluaran) !

Page 17: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

NO. PEKERJAAN PENDIDIKAN GENDER1. Karyawan Akademi Pria2. Petani Sarjana Pria3. Wiraswasta SMA Wanita4. Petani SMA Wanita5. Wiraswasta Akademi Wanita6. Karyawan Sarjana Pria7. Karyawan Akademi Wanita8. Petani SMA Wanita9. Karyawan SMA Pria10. Karyawan Sarjana Pria11. Wiraswasta SMA Wanita12. Petani SMA Wanita13. Karyawan Akademi Pria14. Petani Sarjana Pria15. Wiraswasta Akademi Wanita16. Petani SMA Wanita17. Karyawan Akademi Pria18. Wiraswasta Sarjana Pria19. Karyawan Sarjana Pria20. Petani Akademi Pria21. Wiraswasta Sarjana Pria22. Petani SMA Wanita23. Karyawan SMA Pria24. Wiraswasta SMA Wanita25. Petani SMA Wanita

Page 18: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

APLIKASI DESKRIPTIVESPerintah deskriptives digunakan untuk menampilkan deskripsi statistik univariat dari variabelnumerik yang Anda daftar. Gunakan tabel diatas, simpan dengan nama DATA-3.

Berikut variable view untuk DATA-3 :a. Pekerjaan = Value 1 = Karyawan

Value 2 = SwastaValue 3 = Petani

b. Pendidikan = Value 1 = SarjanaValue 2 = AkademiValue 3 = SMA

c. Gender = Value 1 = PriaValue 2 = Wanita

PROSES ANALISISContoh 1: Mencari Hubungan Pekerjaan dengan GenderUntuk proses analisis Crosstab, maka lakukan langkah berikut ini:

1. Anda sedang aktif pada Data-3 Crosstab2. Klik Analyze pada menu utama SPSS3. Klik statistic deskriptive4. klik crosstab5. Masukkan Pekerjaan pada kotak rows6. Masukkan Gender pada kotak colomns7. Klik statistik, pilih chi square8. Klik continue9. Klik cells, lalu klik observed dan expected pada counts. Pada kotak pilihan prosentages,

pilih:Row, Column dan Total10. Klik continue11. Klik OK, maka hasilnya sbb:

Bagian I:CrosstabsBagian I ini merupakan ringkasan kasus, dimana semua kasus terdapat 25 sample (100%) dantidak terdapat missing data.Bagian II:

Page 19: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

Sesuai dengan pilihan, maka pada bagian II diperlihatkan data objektif dan data expected baikdalam bentuk count maupun prosentase.Misal pada baris 1 kolom 1, pada baris COUNT terdapat angka 8. Hal ini berarti ada 8 orang pria(variable gender 1) yang mempunyai pekerjaan karyawan (variable karyawan kode 1). Demikianuntuk data lainnya. Sedangkan pada baris EXPECTED COUNT terdapat angka 4,7. Angkatersebut berasal dari :

Perhatikan angka – angka pada total BARIS 1, KOLOM 1, dan TOTAL yang ada di kanan danbawah sel 1 tersebut :

(9 x 13) / 25 = 4,7Bagian III:Pada bagian III ini, SPSS menunjukkan hasi/output yang kita pilih yakni Chi-Square. Pada datahasil di atas, tampak bahwa nilai hitung C-Square adalah 7,702*.

Cara Pembuktian Hipotesis I:Rumusan Hipotesis : (Berdasarkan perbandingan Chi-Square hitung & Chi-Square Tabel)H0 : Tidak ada hubungan antara pekerjaan konsumen dengan gender konsumen tersebut.H1 : Ada hubungan antara pekerjaan konsumen dengan gender konsumen tersebut.

Ketentuan : (Berdasarkan perbandingan Chi-Square hitung & Chi-Square Tabel 0.05(dengan tingkan kepercayaan sebesar 95%) )Jika X2 hitung < X2 Tabel(nilai df), H0 : diterimaJika X2 hitung > X2 Tabel(nilai df), H0 : ditolak (H1 diterima)

Ketentuan:Dapat diperhatikan, nilai X2 hitung = 7.702 > 5.991 ini berarti H0 ditolak dan H1 diterima.

Cara Pembuktian Hipotesis II :Rumusan Hipotesis : (Berdasarkan Probabilitas / Signifikansi)H0 : Tidak ada hubungan antara pekerjaan konsumen dengan gender konsumen tersebut.H1 : Ada hubungan antara pekerjaan konsumen dengan gender konsumen tersebut.

Ketentuan : (Berdasarkan Probabilitas / Signifikansi)Jika probabilitas > 0.05 H0 : diterimaJika probabilitas < 0.05 H0 : ditolak (H1 diterima)

Ketentuan:Dapat diperhatikan, nilai probabilitas = 0.021 < 0.05 ini berarti H0 ditolak dan H1 diterima.

Kesimpulan :Dari pembuktian hipotesis dengan menggunakan dua cara diatas, maka dapat disimpulkan ADAHUBUNGAN ANTARA PEKERJAAN KONSUMEN DENGAN GENDER KONSUMEN.

Page 20: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

LAPORAN PRAKTIKUM

“STATISTIK DESKRIPTIVES - Aplikasi CROSSTAB”NAMA / NIM :KELAS :Gunakan aplikasi CROSSTAB, kemudian analisa apakah ada hubungan antara pendidikan danpekerjaan konsumen (gunakan DATA-3) !

Page 21: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

BAB VISTATISTIK INDUKTIF

Compare Mean merupakan suatu analisis untuk membandingkan rata-rata dari dua populasi ataulebihMEANSProsedur means digunakan untuk melakukan analisis statistik means, standar deviasi, count danstatistik lainnya pada variabel berkelompok. Contoh kasus untuk analisis mean misalnyamenghitung nilai rata-rata mata kuliah tertentu, katakanlah statistik yang didasarkan pada jeniskelamin (laki-laki dan wanita) atau didasarkan pada jurusan IPS dan IPA dll.Untuk memunculkan kotak dialog means, maka Anda harus aktifkan lebih dahulu Data Editor,misalnya dengan membuka file DATA-1, lalu klik Analyze, klik compare mean lalu pilih mean.Terdapat 2 buah kotak pendaftaran variabel, yakni:

1. Dependent list. Kotak ini digunakan untuk mendaftar satu atau beberapa variabelnumeric yang akan ditentukan analisis statistiknya

2. Independent list. Kotak ini berguna untuk mendaftar satu atau beberapa variabel yangakan digunakan sebagai dasar pengelompokkan (variabel group)

Contoh Praktis Aplikasi Means Anda aktif pada DATA-1 Klik Analyze Klik Compare Mean, lalu pilih Means Klik variabel “y” masukkan pada kotak dependent list Klik variabel “x2” masukkan pada kotak independent list Klik option, lalu pilih Mean, Standard Deviation, Sum, Maximum, Variance Pada bagian Statistics for First Layer, pilih Anova Table dan Test for Linearity Klik continue Klilk OK

ONE SAMPLE T TESTUji One Sample T Test bisa digunakan untuk membandingkan rata-rata sample yang diujidengan rata-rata populasi yang sudah ada. Misalkan kita akan menguji apakah rata-rata lamabertahan batu baterey pendatang baru, katakanlah merek “XZ” sama atau lebih lama dari rata-rata umur batu baterey merek-merek yang sudah lama beredar. Secara umum masyarakat sudahmengetahui bahwa rata-rata umur batu baterey yang sudah beredar sekitar 75 hari (ini merupakancerminan data populasi). Kemudian diketahui bahwa umur batu baterey “XZ” adalah 80 hari?Apakah ada perbedaan antara batu baterey “XZ” dengan umur batu baterey pada umumnya?

Buatlah DATA-5 sbb:Variabel ViewName Type Width Decimals Label Values Missing Columns Align Measure

Lama Numeric 8 2Umurbatereylama

None None 8 Right Scale

Baru Numeric 8 2 Umurbaterey None None 8 Right Scale

Page 22: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

XZ

Isilah data berikut:

Lama Baru75 7685 7882 8568 9572 9265 8956 9668 8860 7562 7275 6070 6471 6891 8760 90

Langkah aplikasi uji one t test sbb:1. Buka DATA-52. Klik Analyze3. Klik Compare Means4. Klik One Sample T test5. Klik variabel “lama”, lalu masukkan pada kotak

test variable(s) dengan mengklik tanda ►6. Pada test value, tulis 80 (karena kita akan menguji rata-rata populasi)7. Klik Options, maka akan tampak Convidence Intervall yang secara default = 95%. Tetap

kita tentukan 95%, sebab biasanya pengujian adalah 95%8. Klik continue9. Klik OK

Bagian I:Hasil pengolahan statistik pada bagian I menunjukkan hasil jumlah sampel dengan simbol Nyakni= 15, rata-rata umur baterey = 70, Standard Deviasi= 8,6106 dan Std.ErrorMean=2,2233.

Bagian II:Pernyataan Hipotesis

Ho: Rata-rata umur baterey “XZ” tidak berbeda dengan rata-rata umur baterey padaumumnyaH1: Rata-rata umur baterey “XZ” berbeda dengan rata-rata umur baterey pada umumnya.

Ketentuan:

Page 23: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

Jika t hitung > t tabel, maka Ho ditolakJika t hitung < t tabel, maka Ho diterima

Keputusan:Dari hasil perhitungan dapat dilihat bahwa nilai t = -2,249 dengan df 14. Sedangkan t tabeldengan DF 14 dan tingkat kepercayaan 95% = ± 2,1788.Dengan demikian, t hitung = -2,249 > dari t tabel = - 2,1788Kesimpulannya bahwa rata-rata umur baterey baru dengan rata-rata umur batu baterey yangsudah lama beredar (rata-rata 70 hari).

Latihan:Seorang sales bernama Deki mampu menjual roti kacang sebanyak 333 buah. Manajer penjualanmenganggap penjualan Margono berbeda dengan rekan-rekannya. Benarkah pernyataan tersebut?Data EditorSalesman Gender Kacang Durian Coklat Susu Nanas

1 0 250 300 298 325 1001 1 234 320 254 312 1501 1 220 324 315 450 601 0 245 315 387 500 941 1 281 400 200 268 651 0 220 420 145 351 1022 1 256 398 256 245 942 1 238 375 200 221 952 1 210 364 214 621 642 1 310 325 269 235 1202 0 287 410 254 214 1132 0 254 425

Variable ViewNama Variable Tipe Value Keterangan

Salesman Numerik 1= Sales-Sarjana2= Sales-Akademi

Tingkat pendidikanseorang salesman

Gender Numerik 0= Wanita1= Pria

Jenis kelamin seorangsalesman

Kacang Numerik Penjualan roti rasa kacangDurian Numerik Penjualan roti rasa durianCoklat Numerik Penjualan roti rasa coklatSusu Numerik Penjualan roti rasa susuNanas Numerik Penjualan roti rasa nanas

Langkah-langkah:1. Buatlah data penjualan roti diatas dan simpan dengan nama Roti_Sales2. Pilih menu Analyze kemudian pilih submenu Compare Means, lalu pilih One Sample T

TestPengisian: Test Variabel(s) atau variabel yang akan diuji. Pilih Kacang Test Value. Karena akan diuji 333 buah, maka ketik 333.

Page 24: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

Klik tombol options Untuk confidence Interval atau tingkat keyakinan/kepercayaan. Sebagai default,

SPSS menggunakan tingkat kepercayaan 95% atau tingkat signifikansi 100%-95%= 5%.

Untuk missing value atau perlakukan terhadap data yang hilang (jika ada). PilihExclude cases analysis by analysis.

Continue OK

ANALISIS:Bagian I:Memberi ringkasan statistik dari variabel kacang, yaitu roti kacang terjual rata-rata 250,4167buah dengan standar deviasi 29,8556 buah.Estimasi:Tingkat signifikansi (α) adalah 5%DF atau derajat kebebasan adalah n (jumlah data) – 1 atau 12- 1= 11Dari tabel t, didapat angka 2,2010 (untuk dua sisi).Bagian II:1. Hipotesis

Ho: Jumlah roti kacang yang dijual Deki tidak berbeda dengan rata-rata roti yang terjualH1: Jumlah roti kacang yang dijual Deki memang ada perbedaan dengan rata-rata roti yang terjual

2. Pengambilan keputusana. Berdasarkan perbandingan t hitung dengan t tabel

Jika t hitung > t tabel, maka Ho ditolakJika t hitung < t tabel, maka Ho diterimaT hitung dari output adalah -9,582Sedangkan statistik tabel bisa dihitung pada tabel t: Tingkat signifikansi (α) adalah 5% DF atau derajat kebebasan adalah n (jumlah data) – 1 atau 12-1= 11 Uji dilakukan dua sisi, karena akan diketahui apakah penjualan Deki sama dengan

penjualan rata-rata selama ini ataukah tidak. Jadi bisa lebih besar atau lebih kecil.Karenanya dipakai uji dua sisi.

Dari tabel t, didapat angka 2,2010Karena t hitung terletak pada daerah Ho ditolak, maka penjualan Deki memang berbeda biladibandingkan dengan penjualan rata-rata.

b. Berdasarkan nilai probabilitas Jika probabilitas > 0.05, maka Ho diterima Jika probabilitas < 0.05, maka Ho ditolakKeputusan:Pada output tampak nilai probabilitas adalah 0,000. Karena probabilitas jauh dibawah 0,05maka Ho ditolak, dengan kesimpulan yang sama dengan cara perbandingan t hitung dengan ttest.

INDEPENDENT SAMPLE T TESTUji Independent sample T Test digunakan untuk menguji dua rata-rata dari dua sample yangindependent (tidak terkait).Contoh Aplikasi 1:

Page 25: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

Untuk penerapan analisis independent sample T Test, maka kita akan menguji apakah terdapatperbedaan rata-rata indeks prestasi antara mahasiswa laki-laki dan perempuan pada tingkatkepercayaan 95%. Konstanta pengujian hipotesisnya adalah:Ho : µ1 = µ2H1 : µ1 ≠ µ2

Aktifkan file DATA-1 Klik Analyze Klik Compare Mean Klik Independent Sample T Test Klik variabel “y” dan masukan ke kotak test variable(s) Klik “x1” dan masukkan ke kotak Groupping variable Klik Define Groups, pada Group 1 tulis angka 1 dan pada group 2 tulis angka 2 Klik options, tetap pilih level of signifikans standard yakni 95% Klik continue Klik OK

Hasilnya sebagai berikut:Bagian I:Anda perhatikan pada bagian pertama terdapat nilai mean untuk masing-masing group, yaknigroup laki-laki dan group wanita, dengan masing-masing n1= 5 case dan n2 = 5 case. Rata-rataindeks prestasi mahasiswa laki-laki = 2,4180, sedang untuk wanita 3,3380. Selain itu terdapatnilai standard deviasi dan standard error means.Bagian II:Proses pengujian t: (berdasarkan probabilitas)

1. Tentukan hipotesisHo: Rata-rata IP laki-laki dan wanita adalah samaHi : Rata-rata IP laki-laki dan wanita berbeda

2. Penentuan kesimpulan berdasarkan probabilitasa. Jika probabilitas (signifikan) > 0,05, maka Ho: diterimab. Jika probabilitas (signifikan) < 0,05, maka Ho: ditolak

3. Pengambilan KesimpulanDari hasil perhitungan diatas dapat dilihat bahwa harga t pada Equal Varians not assumedyakni – 2,214 dengan tingkat signifikans = 0,071. Dengan demikian probabilitas 0,071 >0,05. Kenyataan ini menunjukkan bahwa rata-rata IP laki-laki dan wanita adalah samasaja (tidak berbeda).

Latihan:Manajer penjualan PT.Angin Ribut ingin mengetahui apakah ada perbedaan prestasi penjualanroti susu berdasarkan tingkat pendidikan salesman?Langkah-langkah:

1. Buka data Roti_Sales2. Pilih menu Analyze kemudian pilih submenu Compare Means

Pengisian: Test Variable(s) pilih Susu

Page 26: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

Grouping variable atau variabel bertipe kualitatif. Sesai kasus pilih salesman,kemudian variabel tersebut harus didefinisikan. Klik define group.

Untuk group 1 isi dengan 1 dan untuk group 2, isi dengan 2 (angka min dan maxsuatu grup)

Tekan continue Untuk kolom options, biarkan tingkat kepercayaan tetap 95%. Demikian juga dengan

perlakuan terhadap missing value, yaitu tetap pada pilihan Excluded case analysis byanalysis.

Tekan continue Tekan Ok

ANALISISBagian I: Group StatisticsRata-rata penjualan roti untuk salesman berpendidikan sarjana adalah 367,6667 buah.Sedangkan untuk salesman berpendidikan akademi adalah 307,2 buah. Dengan data standardeviasi dan standar error, akan dianalisis apakah perbedaan tersebut memang nyata ataukah tidak.Bagian II: Independent Sample TestAda dua tahapan analisis, yaitu:

a. Dengan Levene Test, diuji apakah varians populasi kedua sampel tersebut sama ataukahberbeda

b. Dengan t test dan berdasar hasil analisis nomor a, diambil suatu keputusan

Mengetahui apakah varians populasi identik ataukan tidak1. HipotesisHo: Kedua varians populasi adalah identik (varians populasi roti susu yang dijual salesman

berpendidikan sarjana atau akademi adalah sama)H1: Kedua varians adalah tidak identik (varians populasi roti susu yang dijual salesman

Berpendidikan sarjana atau akademi adalah berbeda.2. Pengambilan keputusanDasar pengambilan keputusan: Jika probabilitas > 0.05 maka Ho diterima Jika probabilitas < 0.05 maka Ho ditolak

KeputusanTerlihat bahwa F hitung dengan Equal Variance Assumed (diasumsikan kedua varians sama ataumenggunakan pooled variance t test) adalah 1,334 dengan probabilitas 0,278. Karenaprobabilitas > 0.05 maka Ho diterima atau kedua varians adalah identik.

PAIRED SAMPLE T TESTPaired Sample T Test berguna untuk melakukan pengujian terhadap 2 sample yang berhubunganatau sering disebut “sample berpasangan” yang berasal dari populasi yang memiliki rata-rata(mean) sama. Misalnya kita akan mengetahui perbedaan rata-rata nilai mata kuliah komputersebelum diberikan praktek komputer dengan setelah diberikan praktek.Untuk analisa paired sample T Test, maka kita akan membuat sepasang data baru, yang diberinama DATA-6. Data tersebut adalah sbb:

Page 27: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

No Sebelum Treatmen Setelah Treatmen1. 60 702. 55 763. 45 804. 62 855. 67 756. 70 687. 54 568. 35 909. 46 7210. 50 69

Pengisian variabel:Name Type Width Decimals Label Value Missing Column Align MeasureSebelum Numeric 8 2 Sblm lat

kompNone None 8 Left Scale

Sesudah Numeric 8 2 Setlh latkomp

None None 8 Left Scale

Contoh aplikasi Paired Aktifkan file DATA-6 Klik Analyze Klik Compare Means Klik Paired-Sample T Test Klik 2 variabel, yakni “sebelum” dan “setelah” dan masukkan ke kotak Paired Variables Klik options..., tetap pilih interval 95% Klik continue Klik OK

Hasilnya sbb:Bagian I:Pada output bagian I ini menunjukkan ringkasan dari kedua variabel, dimana terdapat jumlahsample (N), nilai rata-rata (means), std.deviasi dan std.error means. Sebagai contoh, untuk datasebelum latihan komputer adalah, N=10, Mean = 54,4000, std. deviations = 10,7827 danstd.error = 3,4098 dst.Bagian II:Pada output bagian II ditunjukkan hasil korelasi antara nilai sebelum latihan komputer dengansetelah mendapatkan latihan komputer. Didapat nilai r= -0,366 dengan taraf signifikansi sebesar0,299. Dengan demikian tidak terdapat korelasi (hubungan) antara nilai sebelum dan sesudahlatihan komputer.Bagian III:Pada bagian III ini dikemukakan hasil t hitung. Untuk pengujian t hitung, maka dilakukanlangkah sbb:Proses pengujian t: (berdasarkan probabilitas)

1. Tentukan hipotesisHo: Rata-rata nilai sebelum latihan dengan setelah latihan adalah sama

Page 28: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

Hi : Rata-rata nilai sebelum latihan dengan setelah berbeda2. Penetuan kesimpulan berdasarkan probabilitas

Jika probabilitas (signifikans) > 0,05, maka Ho: diterimaJika probabilitas (signifikans) < 0,05, maka Ho: ditolak

3. Pengambilan kesimpulanDari hasil perhitungan diatas dapat dilihat bahwa harga t = - 3,702 dengan tingkat signifikansi =0,005. Probabilitas (tingkat signifikans) 0,005 < 0,05. Dengan demikian, Ho: ditolak.Dapat ditarik kesimpulan bahwa terdapat perbedaan yang sangat signifikans antara rata-rata nilaimahasiswa sebelum mendapatkan latihan komputer dengan setelah mendapatkan latihankomputer.Perbedaan itu dapat dilihat pada output bagian I. Dimana rata-rata nilai mahasiswa sebelummendapatkan latihan komputer adalah 54.400. Namun setelah diberi pelatihan komputer, makarata-rata nilai mahasiswa mampu mencapai 74,100.

ONEWAY ANOVAProsedur one way Anova atau sering disebut dengan “perancangan sebuah faktor”, merupakansalah satu alat analisis statistik ANOVA (Analysis of Variance) yang bersifat salah arah (satujalur). Alat uji ini digunakan untuk menguji apakah 2 populasi atau lebih yang independen,memiliki rata-rata yang dianggap sama atau tidak sama. Teknik ANOVA akan mengujivariabilitas dari observasi masing-masing group dan variabilitas antar mean group. Melaluikedua estimasi variabilitas tersebut, akan dapat ditarik kesimpulan mengenai mean populasi.

Buatlah DATA-7Data Nilai Mahasiswa

NO NILAI METODOLOGI RISET (MR)Ceramah Diskusi Tugas

1 45 57 702 55 65 723 65 64 754 66 70 805 51 64 856 70 68 917 55 70 998 65 75 899 67 61 8610 62 68 90

Contoh praktis I (satu faktor)1. Aktifkan DATA-72. Klik Analyze, pilih compare means, lalu pilih ONE WAY ANOVA

Page 29: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

3. Klik variabel “nilai” dan masukkan pada kotak Dependent List4. Klik variabel “metode”, masukkan pada kotak faktor5. Klik contrasts6. Klik polynomial7. Tetap pilih linear (bisa juga anda coba memilih degree lainnya)8. Isikan coeficients dengan urutan sbb: 0.5, 0.5 dan 1 (untuk memasukkan ketentuan ini,

setiap menulis satu ketentuan lalu tekan add)9. Klik continue10. Klik tombol post hoc11. Pilih LSD, Tukey, Ducan12. Significance level tetap 0,00513. Klik continue14. Klik tombol Option15. Pilih descriptives, Homogenity of variance dan means plot16. Klik continue17. Klik OK

Hasil olah data sbb:Bagian I:Pada bagian I ini merupakan hasil perhitungan dari sub menu option, yang isinya beruparingkasan dari data yang ada. Antara lain menyebutkan jumlah (N) data, rata-rata (means),std.deviasi, std.error, lower bound, upper bound, minimum dan maximum.Bagian II:Pada bagian kedua ini, diperlihatkan hasil tes homogenitas dari varians dengan menggunakan ujiLevene Statistic. Tes ini berguna untuk mengecek apakah varians dari ketiga variabel adalahsama. Sebab, salah satu asumsi dasar dari anova adalah bahwa variannya haruslah sama.Prosedur pengujian:

1. Tentukan hipotesisHo: Diduga bahwa ketiga varians adalah samaHi : Diduga bahwa ketiga varians berbeda

2. Penentuan kesimpulan berdasarkan probabilitasa. Jika probabilitas (signifikans) > 0,05, maka Ho: diterimab. Jika probabilitas (signifikans) < 0,05, maka Ho: ditolak

3. Pengambilan keputusanDari hasil perhitungan diatas didapat nilai Levene Test adalah 2,401 dengan signifikances0,110. Jadi probabilitas 0,110 > 0,05 dengan demikian Ho: diterima.Dapat ditarik kesimpulan bahwa ketiga varians tersebut adalah sama.

Bagian III:Pada bagian III ini ditampilkan hasil anova. Proses perhitungan anova ini baru bisa dilanjutkanjika ketiga varians dari ketiga variabel dalam penelitian ini adalah sama. Terbukti dari ujiLevene diatas.

Page 30: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

BAB VIIAPLIKASI CORRELATE

BIVARIATE CORRELATIONBivariate correlation (korelasi sederhana) yang sering disebut sebagai korelasi product momentperson, bermanfaat untuk menghasilkan matrik korelasi pasangan antar 2-variabel. Padaumumnya orang mengatakan bahwa pengertian korelasi adalah suatu hubungan timbal balik.

DATA-8Data Penjualan Sepeda Motor

BulanKe

Besar pengeluaran biaya untuk Penjualan(unit)(y)

Selling(x1)

Promotion(x2)

Advertensi(x3)

1 12500000 8750000 5450000 6002 11000000 7000000 4210000 5403 9750000 3550000 4100000 4654 7742500 4555000 3990000 4305 5656800 2555000 3550000 4216 4555000 3256600 2390000 3507 6750050 3300000 4554000 4808 5990000 2750000 4320000 4009 4580000 2500000 3700000 32010 5800500 4200000 5610000 40011 7990000 4500000 4660000 52112 4500000 3758000 3850000 250

Proses uji korelasi: Buatlah DATA-8 di atas Klik Analyze Klik correlate, pilih bivariate, maka akan muncul kotak dialog untuk mendaftar pasangan

variabel yang akan dicari koefisien korelasinya. Terdapat 3 pilihan pada kotakcorrelation coeficients, yakni: Person: untuk melakukan analisis korelasi dengan metode person product moment Kendall’s tau-b: digunakan untuk melakukan analisis korelasi non-parametrik dari

metode kendall, yaitu ukuran asosiasi dari variabel bersifat ordinal. Spearman: digunakan untuk melakukan analisis korelasi non-parametrik dengan

koefisien korelasi spearman. Korelasi ini juga sangat cocok untuk data yang bersifatordinal

Klik variabel “x1”, “x2”, “x3” dan “y”, lalu masukkan ke kotak variable(s) denganmengklik panah ►

Klik Pearson dan Speearman Klik Options, pilih Means and Standard Deviation Klik Continue Klik OK

Hasil olah data sebagai berikut:Analisis hasil

Page 31: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

Bagian I:Pada bagian ini merupakan hasil pilihan options. Dimana terdapat nilai rata-rata (mean) darikeempat variabel, nilai std. Deviation dengan jumlah sample (N)Bagian II:Pada bagian ini dikemukakan hasil perhitungan koefisien korelasi (r) untuk semua variabel yangdimasukkan dalam perhitungan. Anda dapat membaca satu persatu hubungan/korelasi tersebut.Untuk mengurutkan data, maka kita baca dari atas:

1. Hubungan/korelasi antara selling dengan penjualan= 0,888**2. Hubungan/korelasi antara promotion dengan penjualan= 0,712**3. Hubungan/korelasi antara advertensi dengan penjualan= 0,534

Penilaian/pengujian terhadap “r”:1. Dengan melihat besarnya nilai “r”. Sebab semakin besar nilai “r”, yakni semakin

mendekati angka 1, maka hal itu menunjukkan adanya hubungan yang sangat kuat.Bahkan ada yang membuat daftar mengenai tinggi-rendahnya nilai “r”, sebagai berikutini:0 - 0,20 = sangat rendah (hampir tidak ada hubungan)0,21-0,40 = korelasi yang rendah0,41-0,60 = korelasi sedang0,61-0,80 = cukup tinggi0,81-1,00 = korelasi tinggi

2. Dengan cara menguji probabilitas (tingkat signifikansi) dari hasil “r”Jika probabilitas r > 0,05, berarti Ho: diterima (tidak terdapat korelasi)Jika probabilitas r < 0,05, bararti Ho: ditolak (terdapat korelasi yang berarti)

Pengujian pada probabilitasKorelasi antara x1 dan y:Jika diperhatikan hasil r = 0,888 dengan probabilitas (tingkat signifikansi) = 0,000Jika probabilitas 0,000 < 0,05, dengan demikian Ho: ditolakKeadaan ini menunjukkan bahwa terdapat hubungan yang sangat erat antara pengeluaran biayauntuk selling dengan penjualan. Dari hasil r tersebut terdapat tanda dua bintang (**). Tanda inimenunjukkan bahwa hubungan tersebut “sangat tinggi”, yakni pada tingkat signifikans 0,01.Jika hanya satu bintang (*) maka hubungan tersebut dikatakan “tinggi”, yakni memang padatingkat signifikansi 0,05.

ANALISIS KORELASI PARTIALAnalisis korelasi partial bertujuan untuk menghitung koefisien korelasi antara dua variabel, akantetapi dengan mengeluarkan variabel lainnya yang mungkin dianggap berpengaruh. Dengan katalain, dimana variabel lain yang dianggap berpengaruh bisa “dikontrol”.Contoh aplikasi:Korelasi x1 dan y dengan kontrol x2:Untuk melakukan aplikasi Partial Correlate tetap gunakan DATA-8 Buka file DATA-8 Klik Analyze Klik correlate dan pilih Partial Klik variabel “x1” dan “y”, masukkan pada kotak variable(s) Klik variabel “x2”, masukkan sebagai variabel kontrol

Page 32: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

Klik options dan klik means, std dan zero-order correlations Klik continue Klik OK

Maka hasilnya adalah sbb:ANALISIS:Bagian I:Pada bagian ini dimuat hasil deskripsi tentang ketiga variabel, yakni x1, y dan x2 (sebagaikontrol). Disini diperlihatkan nilai rata-rata (means), standar deviasi dan jumlah kasus. Contohuntuk variabel x1, memiliki means= 7.234.570,83, Standard Deviasi = 2.647.359,07 dan cases =12.

Bagian II:Zero order partials dimaksudkan untuk menampilkan koefisien korelasi biasa (sebelum dilakukanuji partial). Dengan demikian harga r disini sama dengan harga r pada korelasi sederhana(sebelumnya). Fungsinya untuk membandingkan, apakah sebelum diuji partial dan setelah, adaperbedaan koefisien korelasi. Dapat dilihat bahwa korelasi antara x1 dengan y adalah 0,8878

Bagian III:Pada bagian ini ditunjukkan hasil korelasi parsial antara x1 dan y, dengan variabel kontrol x2.Hasil koefisien korelasinya adalah 0,7636. Jika kita bandingkan dengan korelasi pada zero order,maka terdapat perbedaan nilai r, disini agak menurun.

Page 33: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

BAB VIIIANALISIS REGRESI

LINEAR REGRESSIONLinear regression (regresi linear) digunakan untuk melakukan pengujian hubungan antara sebuahvariabel dependent (tergantung) dengan satu atau beberapa variabel independent (bebas) yangditampilkan dalam bentuk persamaan regresi. Jika variabel dependent dihubungkan dengan satuvariabel independent saja, persamaan regresi yang dihasilkan adalah regresi linier sederhana(linear regression). Jika variabel independent-nya lebih dari satu, maka persamaan regresinyaadalah persamaan regresi linear berganda (multiple linear regression).Contoh aplikasi:Regresi sederhanaDalam kasus ini kita akan melakukan suatu penelitian mengenai pengaruh besarnya pengeluaranbiaya “selling” (penjualan langsung), “promosi” dan “advertensi” terhadap tingkat “penjualan”banyaknya unit terjual). Untuk pengujian regresi sederhana, maka yang akan diregresikan hanyadua variabel saja, yakni antara satu variabel bebas (independent variable) dan satu variabelterikat (dependent variable).Misalnya, kita akan melakukan uji regresi antara variabel x1 (selling) terhadap y (unit penjualan).Langkah-langkah yang harus diikuti adalah: Aktifkan DATA-8 Klik analyze Klik regressi, pilih linear Klik variabel x1, lalu masukkan pada kotak independent (s) Klik variabel y dan masukkan pada kotak dependent Klik statistics, pilih estimates, model fit, descriptive Klik continue Klik Plots..., lalu masukkan DEPENDENT kekotak Y axis dan ADJPRED ke kotak X

axis. Pilih Histogram dan normal probability Klik continue Klik save, pada predicted value anda pilih unstandarized Klik continue Klik options, lalu klik saja continue (berarti memilih default) yakni menggunakan

taksiran probability 0,05 (95%) Klik OK

Maka hasil lengkapnya adalah sebagai berikut:Bagian I: Descriptive StatisticsPada bagian ini diperlihatkan deskripsi dari kedua variabel yang diregresikan. Yakni variabel y(tingkat penjualan) dengan x1 (selling). Isi deskripsi tersebut adalah: rata-rata (means), standarddeviasi dan jumlah kasus (N). Seperti contoh, variabel penjualan memiliki rata-rata 431,42,standard deviasi 98,06 dan jumlah kasus ada 12. Demikian juga dengan variabel selling.Bagian II: CorrelationPada bagian dua ini, ditunjukkan hasil koefisien korelasi. Sebab, pada dasarnya dalammelakukan uji regresi perlu dicek lebih dahulu tingkat korelasinya. Dari hasil korelasi tampakbahwa korelasi antara selling dengan penjualan adalah 0,888, dengan tingkat signifikansi 0,000.Bagian III: Variables Entered/Removed

Page 34: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

Bagian ini menjelaskan tentang variabel yang dimasukkan, dimana semua variabel dimasukkanadalah variabel selling. Sedangkan variabel yang dikeluarkan (removed) tidak ada.

Bagian IV: Model SummaryPada bagian ini ditampilkan nilai R, R2, Adjusted R2 dan std.error. Dimana nilai koefisiendeterminasi R2 (R Square) sebesar 0,788. R2 ini merupakan indeks determinasi, yakni prosentaseyang menyumbangkan pengaruh x1 terhadap y. R2 sebesar 0,788 menunjukkan pengertianbahwa sebesar 78,8% sumbangan pengaruh x1 (selling) terhadap y (penjualan), sedang sisanyasebesar 21,2% dipengaruhi oleh faktor lain.

Bagian V: AnovaPada bagian ini ditampilkan tabel analisis varians (ANOVA). Uji anova sebenarnya digunakanuntuk menguji ada tidaknya pengaruh beberapa variabel independent terhadap variabeldependent. Dengan demikian lebih tepat untuk diterapkan pada analisis multiple regression(regresi berganda). Sedang untuk analisis regresi sederhana cukup digunakan uji t.Sekalipun demikian, jika kita hendak menjelaskan arti nilai F, maka dapat dijelaskan bahwa nilaiF sebesar 37,205 dengan tingkat signifikans 0,000 menunjukkan bahwa memang terdapatpengaruh variabel x1 (selling) terhadap y (penjualan) dengan sangat nyata (0,000).

Bagian VI: CoefficiensPada bagian ini dikemukakan nilai koefisien a dan batu baterey serta harga t-hitung serta tingkatsignifikansi. Dari tabel diatas didapat persamaan perhitungan sbb:Y = 193,526 + 3,288XDimana:Y= tingkat penjualanX= sellingHaga 193,526 merupakan nilai konstanta (a) yang menunjukkan bahwa jika tidak adapengeluaran biaya untuk “selling”, maka tingkat penjualan akan mencapai 193 unit sepeda motor.Sedang harga 3,288X merupakan kokefisien regresi yang menunjukkan bahwa setiap adanyaupaya penambahan sebesar Rp. 1, untuk biaya “selling”, maka akan ada kenaikan penjualansebesar 3,288 (dibulatkan 3) unit sepeda motor.Angka 0,888 pada standarized coefficients (beta) menunjukkan tingkat korelasi antara “selling”dan “tingkat penjualan”.Sedang nilai t merupakan nilai yang berguna untuk pengujian, apakah pengaruh “x1” (selling)terhadap “y” (tingkat penjualan) benar-benar signifikan atau tidak.Proses pengujian t adalah sbb:

1. Hipotesis:Ho: Koefisien regresi tidak signifikanHi: Koefisien regresi adalah signifikan

2. Ketentuan (berdasarkan nilai t)Jika t hitung > t tabel 0,05, maka Ho ditolakJika t hitung < t tabel 0,05, maka Ho diterima

3. Kesimpulan:Dari hasil analisis regresi didapat harga t hitung sebesar 6,100. Sedang harga t tabeldengan dk (12-2)=10 adalah 2,3060. Dengan demikian Ho ditolak dan Hi diterima.

Page 35: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

Dapat ditarik kesimpulan bahwa memang terdapat pengaruh yang signifikan antarapengeluaran biaya untuk “selling” dengan kenaikan tingkat penjualan sepeda motor.Untuk pengujian ini dapat pula dilihat melalui nilai signifikansi, dimana Anda lihatbahwa nilai signifikansi (sign) adalah 0,000. Mengingat 0,000 adalah <0,05 maka dapatdisimpulkan bahwa tingkat signifikansinya sangat tinggi.

Contoh aplikasi :MULTIPLE REGRESSIONJika pada analisa regresi sederhana kita hanya melihat pengaruh antara satu variabel“independen” (bebas) terhadap satu variabel “dependen” (terikat), maka pada analisa multipleregresi kita akan melihat pengaruh 3 variabel bebas terhadap satu variabel terikat. Langkah yanganda harus lakukan adalah: Aktifkan DATA-8 Klik menu analyze Klik regression Klik Linear, maka akan muncul kotak dialog linear regression Klik variabel “x1”, “x2” dan “x3”, lalu masukkan pada kotak independent Klik variabel “y” dan masukkan pada kotak dependent Klik tombol statistics, lalu pilih estimates, model fit, descriptives, part and partial

correlation, colinearity diagnostic dan durbin waston. Klik continue Klik tombol plots, masukkan DEPENDENT pada kotak Y dan ADPRED pada kotak X.

Pada standarized residual plots anda klik histogram dan normal probability plot Klik continue Klik tombol save. Pada predicted value, Anda pilih unstandarized, standarized dan

adjusted. Pada residual, Anda pilih unstandarized dan standarized. Pada predictionintervall, Anda pilih Mean dan Individual

Klik continue Klik tombol option, lalu tetap pilih default, yakni use probability of F, entry 0,05 Klik continue Klik OK

Maka hasilnya sbb:Analisis hasil:Bagian I: Descriptive statisticsPada bagian ini diperlihatkan deskripsi dari semua variabel yang diregresikan. Yakni variabel y(tingkat penjualan) sebagai variabel “dependent”, variabel x1 (selling), x2 (promotion) dan x3(advertensi) sebagai variabel “independen”. Isi deskripsi tersebut adalah; rata-rata (means),standard deviasi dan jumlah kasus (N). Sebagai contoh, variabel penjualan memiliki rata-rata431,42, standar deviasi 98,06 dan jumlah kasus 12Bagian II: CorrelationPada bagian ini ditunjukkan hasil koefisien korelasi untuk semua variabel. Koefisien korelasiantara “selling” (x1) terhadap “penjualan” (y)= 0,888 dengan tingkat signifikansi = 0,000. Jikadiperhatikan besarnya angka r yakni 0,888 dan tingkat signifikansi 0,000, maka keadaan inimenunjukkan adanya korelasi positif yang sangat signifikans.

Page 36: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

Koefisien korelasi antara “promotion” (x2) terhadap “penjualan” (y)= 0,712 dengan tingkatsignifikansi= 0,005. Pada kasus kedua ini juga menunjukkan adanya korelasi positif yang sangatsignifikans.Koefisien korelasi antara “advertensi” (x1) terhadap “penjualan” (y)= 0,534 dengan tingkatsignifikansi= 0,037. Pada kasus ketiga ini juga menunjukkan adanya korelasi positif yang sangatsignifikans.Bagian III: Variables Entered/RemovedVariabels entered/removed fungsinya untuk menunjukkan jumlah variabel yang dimasukkan(entered) dalam analisis dan yang dikeluarkan (removed) karena sesuatu hal. Dapat anda lihatbahwa semua variabel bebas dimasukkan dan tidak ada yang dikeluarkan.Bagian IV: Model SummaryPada bagian ini ditampilkan nilai R, R2, Adjusted R2, Std.Error dan Durbin Watson. Dimananilai R (besar) yang menunjukkan gabungan korelasi ketiga variabel bebas x1, x2, x3 terhadap yadalah sebesar 0,900. Sedang R2 (indek determinasi) adalah 0,809. Hal ini menunjukkan bahwasumbangan dari pengaruh secara bersama-sama (multiple regression) antara x1, x2, dan x3terhadap y adalah sebesar 90%. Selebihnya sebesar 10% dipengaruhi oleh faktor lain.Kemudian nilai standard error adalah 60,19. Selain itu diperlihatkan hasil Durbin Watson yaknisebesar 1,795.Bagian V: AnovaPada bagian ini ditampilkan tabel analisis varians (ANOVA). Uji anova digunakan untukmenguji ada tidaknya pengaruh ketiga variabel independen terhadap variabel dependen (multipleregression).Untuk pengujian F test (Anova) bisa dilakukan dengan dua cara, yakni dengan melihat tingkatsignifikansi dan dengan membandingkan F hitung dengan F Tabel.Pengujian dengan memperhatikan tingkat signifikansi:

1. HipotesisHo: tidak terdapat pengaruh x1, x2 dan x3 terhadap yHi : terdapat pengaruh x1, x2 dan x3 terhadap y

2. KetentuanJika probabilitas < 0,05, maka Ho: ditolakJika probabilitas > 0,05, maka Ho: diterima

3. KesimpulanDapat anda perhatikan bahwa tingkat signifikansi (sig) pada tabel anova adalah 0,003.Jadi probabilitas 0,003 < 0,05. Dengan demikian, Ho: ditolak dan Hi: diterima. Dapatdisimpulkan bahwa ketiga variabel x1, x2 dan x3 secara bersama memang berpengaruhterhadap y. Dengan demikian, faktor penjelas x1, x2, x3 dapat digunakan untukmemprediksi y.

Pengujian dengan membandingkan F hitung dengan F tabel1. Hipotesis

Ho : tidak terdapat pengaruh x1, x2 dan x3 terhadap yH1 : terdapat pengaruh x1, x2 dan x3 terhadap y

2. KetentuanJika F hitung > F tabel, maka Ho: ditolakJika F hitung < F tabel, maka Ho: diterima

3. Kesimpulan

Page 37: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

Anda perhatikan bahwa harga F pada tabel anova diatas adalah 11,331. Sedang F tabel (0,05),(numerator= 3 dan denumerator= 8) adalah 4,7571. Jadi F hitung > F tabel (0,05). Dengandemikian, Ho: ditolak dan H1: diterima. Dapat ditarik kesimpulan bahwa ketiga variabel x1, x2dan x3 secara bersama-sama berpengaruh terhadap variabel y. Oleh karenanya ketiga variabeltadi dapat digunakan untuk memprediksi variabel y.

Bagian VI: CoefficientsPada bagian ini dikemukakan nilai koefisien a dan b serta harga t-hitung serta tingkat signifikansi.Selain itu, terdapat pula partial correlation dan colinearity statistics.Persamaan model:Dari hasil perhitungan diatas, maka dapat dibuatkan model persamaannya yakni:Y = 141,461 + 3,632 x1 – 1,0206 x2 + 1,6738 x3.Cara membaca persamaan diatas adalah:Harga 141,461 merupakan nilai konstanta (a) yang menunjukkan bahwa jika tidak adapengeluaran biaya untuk “selling”, “promosi” dan “advertensi”, maka tingkat penjualan akanmencapai 141,463 unit sepeda motor.Nilai 3,632 x1 merupakan koefisien regresi, yang menunjukkan bahwa setiap adanya upayapenambahan sebesar satu satuan biaya untuk “selling”, maka akan ada kenaikan penjualansebesar 3,632 (dibulatkan 4) unit sepeda motor.Nilai -1,0206 x2 merupakan koefisien regresi, yang menunjukkkan bahwa setiap adanya upayapenambahan sebesar satu satuan untuk biaya “promosi”, maka akan ada penurunan penjualansebesar 1,0206 (dibulatkan 1) unit sepeda motor.Nilai 1,6738 x3 merupakan koofisien regresi, yang menunjukkan bahwa setiap adanya upayapenambahan sebesar satu satuan biaya untuk “advertensi”, maka akan ada kenaikan penjualansebesar 1,6738 (dibulatkan 2) unit sepeda motor.

Pengujian nilai t:Pengujian nilai t digunakan untuk menguji adakah pengaruh masing-masing variabel x1, x2 danx3 terhadap y. Sebelumnya pada hasil anova kita perhatikan proses pengujian apakah variabelx1, x2 dan x3 secara bersama-sama mempengaruhi variabel y.

Pengujian x1 terhadap y:1. Hipotesis:

Ho: tidak terdapat pengaruh x1 terhadap yHi : terdapat pengaruh x1 terhadap y

2. Ketentuan: (berdasarkan probabilitas)Ho: ditolak, jika probabilitas < 0,05Ho: diterima, jika probabilitas > 0,05

3. Kesimpulan:Jika diperhatikan hasil perhitungan harga t untuk variabel “selling” sebesar 3,338 denganprobabilitas (signifikansi)= 0,010. Jadi probabilitas 0,01 masih dibawah 0,05. Dengandemikian, Ho: ditolak. Dapat disimpulkan bahwa memang ada pengaruh x1 (selling)terhadap y (penjualan).

Pengujian x2 terhadap y:1. Hipotesis:

Ho: tidak terdapat pengaruh x2 terhadap y

Page 38: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

Hi : terdapat pengaruh x2 terhadap y2. Ketentuan: (berdasarkan probabilitas)

Ho: ditolak, jika probabilitas < 0,05Ho: diterima, jika probabilitas > 0,05

3. Kesimpulan:Jika diperhatikan hasil perhitungan harga t untuk variabel “promosi” sebesar -0,657 denganprobabilitas (signifikansi)= 0,53. Jadi probabilitas 0,53 > 0,05. Dengan demikian, Ho:diterima. Dapat disimpulkan bahwa tidak terdapat pengaruh x2 (promosi) terhadap y(penjualan).

Pengujian x3 terhadap y:1. Hipotesis:

Ho: tidak terdapat pengaruh x3 terhadap yHi : terdapat pengaruh x3 terhadap y

2. Ketentuan: (berdasarkan probabilitas)Ho: ditolak, jika probabilitas < 0,05Ho: diterima, jika probabilitas > 0,05

3. Kesimpulan:Jika diperhatikan hasil perhitungan harga t untuk variabel “advertensi” sebesar 0,801 denganprobabilitas (signifikansi)= 0,446 probabilitas 0,446 > 0,05. Dengan demikian, Ho: diterima.Dapat disimpulkan bahwa tidak terdapat pengaruh x3 (advertensi) terhadap y (penjualan).

Latihan:Berikut ini adalah contoh kasus untuk mengetahui bagaimana besarnya pengaruh dari variabelindependent (daerah, sales, iklan di koran, iklan di radio, banyaknya outlet dan salesman)terhadap variabel dependen (sales).Data Variable View

Nama Variabel Tipe KeteranganDaerah Numerik Daerah penjualan roti dengan cakupan Jakarta,

Jawa Barat, Jawa Tengah dan Jawa TimurSales Numerik Tingkat penjualan roti semua rasa (dalam

unit/bulan)Iklan_ko Numerik Iklan di koran (Juta Rupiah/bulan)Iklan_ra Numerik Iklan di Radio (Juta Rupiah/bulan)Outlet Numerik Jumlah outlet perusahaan untuk setiap daerahSalesman Numerik Jumlah salesman untuksetiap daerah.

Data EditorNo. Daerah Sales Iklan_ko Iklan_ra Outlet Salesman1 Jakarta 1 300.12 26.23 12.23 7 42 Jakarta 2 312.25 25.12 12.88 8 33 Jakarta 3 362.02 29.80 15.26 8 24 Jakarta 4 400.25 34.55 14.23 9 1

Page 39: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

5 Jakarta 5 412.60 33.45 13.02 6 46 Jakarta 6 423.00 32.26 13.56 5 27 Jakarta 7 320.14 23.45 12.03 8 38 Jawa Barat 1 366.25 34.76 15.26 9 39 Jawa Barat 2 451.29 40.12 14.32 8 210 Jawa Barat 3 430.22 36.21 13.33 10 511 Jawa Barat 4 265.99 25.89 12.05 11 412 Jawa Barat 5 254.26 22.98 15.26 10 113 Jawa Barat 6 352.16 36.25 12.89 9 514 Jawa Barat 7 365.21 36.87 12.45 8 515 Jawa Tengah 1 295.15 22.41 13.44 5 216 Jawa Tengah 2 354.25 26.25 13.67 6 217 Jawa Tengah 3 415.25 36.99 19.25 8 518 Jawa Tengah 4 400.23 32.79 18.78 9 219 Jawa Tengah 5 423.22 33.98 16.59 7 220 Jawa Tengah 6 452.62 23.21 18.45 5 321 Jawa Tengah 7 512.33 44.98 13.45 8 522 Jawa Tengah 8 435.23 35.99 15.78 8 323 Jawa Tengah 9 302.21 25.00 16.35 9 224 Jawa Timur 1 330.92 23.25 19.58 8 525 Jawa Timur 2 254.25 24.86 13.87 6 626 Jawa Timur 3 265.21 26.23 15.87 5 527 Jawa Timur 4 215.36 20.98 13.23 7 428 Jawa Timur 5 235.26 24.88 15.69 9 329 Jawa Timur 6 222.32 25.87 18.97 8 630 Jawa Timur 7 323.45 28.94 18.29 9 5

Latihan:Manajer PT. Setia ingin mengetahui apakah kegiatan yang menunjang penjualan perusahaanselama ini (sebagai variabel bebas): Iklan di koran Iklan di radio Jumlah outlet penjualan Jumlah salesman yang ada

Benar-benar berpengaruh terhadap penjualan roti?

Langkah-langkah:1. Buka data Regresi2. Pilih menu Analyze kemudian submenu Regression, lalu pilih linearPengisian: Dependent atau variabel tergantung. Pilih variabel sales Independen(s) atau variabel bebas. Pilih variabel iklan_ko, iklan_ra, outlet dan salesman Case labels atau keterangan pada kasus. Pilih variabel daerah Method, pilih Enter Abaikan bagian yang lain

Page 40: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

OK

ANALISIS:1. Model SummaryAngka R sebesar 0,869 menunjukkan bahwa korelasi/hubungan antara Sales dengan 4 variabelindependentnya adalah kuatAngka R Square atau koefisien Determinasi adalah 0,755, namun untuk jumlah variabelindependent lebih dari dua lebih baik digunakan Adjusted R square, adalah 0,716. Hal ini berarti71,6% variasi dari sales bisa dijelaskan oleh variasi dari keempat variabel independent.Sedangkan sisanya (100%-71.6%= 28.4%) dijelaskan oleh sebab-sebab lain. Standard error ofestimate (SEE) adalah 41.58 atau Rp.41.58 juta/bulan (satuan yang dipakai adalah variabeldependent/sales)2. AnovaDari uji ANOVA atau F test, didapat F hitung adalah 19,298 dengan tingkat signifikansi 0.000.Karena probabilitas (0.000) jauh lebih kecil dari 0.05, maka model regresi bisa dipakai untukmemprediksi sales. Atau bisa dikatakan, iklan di koran, iklan di radio, jumlah outlet dan jumlahsalesman secara bersama-sama berpengaruh terhadap sales.3. Koefisien Regresi Persamaan Regresi:

Sales= 100,123 + 10,913 iklan_ko + 4,966 iklan_ra – 13,275 outlet – 13,988 salesman Konstanta sebesar 64,639 menyatakan bahwa jika tidak ada iklan, outlet ataupun salesman

yang bertugas, sales adalah Rp.100.123 juta/bulan Koefisien regresi 10,913 menyatakan bahwa setiap penambahan Rp.1, biaya iklan di koran

akan meningkatkan sales sebesar Rp.10,913 Koefisien regresi 4,966 menyatakan bahwa setiap penambahan Rp.1, biaya iklan di radio

akan meningkatkan sales sebesar Rp. 4,966 Koefisien regresi -13,275 menyatakan bahwa setiap penambahan 1 unit outlet akan

mengurangi sales sebesar Rp.13,275 Koefisien regresi -13,998 menyatakan bahwa setiap penambahan 1 orang salesman akan

mengurangi sales sebesar Rp.13,988.

Hipotesis:Ho = Koefisien regresi tidak signifikanH1 = Koefisien regresi signifikan

Dasar Pengambilan Keputusan (berdasarkan probabilitas)Jika probabilitas > 0,05 maka Ho diterimaJika probabilitas < 0,05 maka Ho ditolak

Keputusan:Terlihat bahwa pada kolom Sig/significance: Variabel iklan_ko, outlet dan salesman mempunyai angka signifikansi dibawah 0,05, karena

itu, ketiga variabel independent tersebut memang mempengaruhi sales. Variabel iklan_ra dan konstanta mempunyai angka signifikansi di atas 0,05, karena itu, kedua

variabel tersebut tidak mempengaruhi sales. Dengan demikian, variabel iklan_ra dikeluarkan dari model regresi

Page 41: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

BAB IXCHI SQUARE TEST

Uji Chi Square (uji Chi-Kuadrat) yang seringkali bernotasi X2 digunakan untuk melakukanpengujian hipotesa terhadap proporsi relatif dari case yang dikelompokkan. Data yang sesuaidigunakan pada analisis chi square adalah data dalam bentuk frekwensi, tidak dalam bentukangka rasio atau skala.Contoh kasus untuk aplikasi uji chi square misalnya kita akan melakukan penelitian tentangminat masyarakat dalam memilih stasiun TV yang akan mereka tonton. Secara acak dilakukansurvey terhadap 100 pemirsa TV.

DATA-9Minat Masyarakat Menonton TV

Stasiun TV Klasifikasi/Kode Frekwensi/JumlahTVRI 1 8TPI 2 14RCTI 3 16SCTV 4 19ANTV 5 21INDOSIAR 6 22

JUMLAH 100

Buatlah value label:1= TVRI2= TPI3= RCTI4= SCTV5= ANTV

Pengisian Data:Name

Type Width

Decimals

Label Values Missing

Columns

Align

Measure

Minat

Numeric

8 0 Nonton TV

{1,TVRI..}

None 8 Right

Scale

Contoh Aplikasi 1:Untuk aplikasi ini anda gunakan file DATA-9, dengan langkah-langkah sbb:

1. Klik File DATA-92. Klik Analyze3. Klik Non-Parametric Test4. Klik Chi-Square5. Klik variabel “minat” dan masukkan pada kotak Test Variable List6. Klik Option, pada Statistics, pilih Descriptive7. Pada Missing Value tetap pilih default (Exclude test by test)8. Klik OK

Page 42: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

Analisis hasil olah data:1. Hipotesis

Ho: Masyarakat memiliki minat menonton yang sama terhadap 6 stasiun TVH1: Masyarakat memiliki minat yang berbeda terhadap 6 stasiun TV

2. KetentuanJika X2 hitung > X2 tabel α 0.05 dk (k-1, maka Ho: ditolakJika X2 hitung < X2 tabel α 0.05 dk (k-1, maka Ho: diterima

3. KesimpulanDiketahui harga X2 tabel dengan α 0.05 dengan dk= 6-1= 5 adalah 11,0705 sedang hargaX2 hitung yang diperoleh adalah 7,280. Jadi X2 hitung= 7,280 < X2 tabel α 0.05 dk 3=11,0705. Dengan demikian Ho diterima dan H1 ditolak. Dengan demikian, padadasarnya minat masyarakat dalam menonton keenam TV tersebut sama saja (tidakberbeda).

Latihan:Manajer Cabang PT. Selalu Maju di kota Palembang ingin mengetahui pendapat konsumen dikota tersebut mengenai rasa roti yang diproduksi PT. Selalu Maju, yaitu roti rasa kacang, durian,coklat, susu dan nanas. Apakah konsumen menyukai semua jenis roti tersebut, ataukah lebihmenyukai rasa roti yang satu dibanding yang lain.Untuk itu disebar angket kepada 200 responden yang sudah mengkonsumsi kelima roti tersebutdan kepada mereka ditanyakan rasa roti yang paling disukai. Ada tiga pertanyaan:

1. Seharusnya roti rasa Durian dan Coklat lebih disukai konsumen?2. Sesungguhnya semua rasa adalah sama di mata konsumen?3. Sesungguhnya rasa roti Durian dan Coklat tidak ada bedanya?

Apakah asumsi tersebut sesuai dengan hasil angket?Data Variabel ViewNama Variabel Tipe LabelRasa Numerik 1= Kacang

2= Durian3= Coklat4= Susu5= Nanas

Jumlah Numerik

No Rasa Jumlah1 1 432 2 603 3 574 4 145 5 26

Kedua data (rasa dan jumlah) untuk analisis chi square dilakukan proses weight cases(pembobotan). Maksudnya menghubungkan kode dengan jumlah. Misal kode 1 dihubungkandengan angka sebelah, yaitu 43. Hal ini berarti, jika diinput rasa kacang, otomatis SPSSmenganggap jumlahnya 43 buah, demikian untuk rasa lainnya.

Page 43: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

Langkah pembobotan: Buka dari menu Data, pilih submenuWeight Cases Dari kotak dialog yang tampak, pilih weighted cases by, lalu isi pada bagian Frequency

variable dengan variabel jumlah Tekan OK, maka penyebutan variabel roti akan mengacu ke variabel jumlah

Kasus PertamaKarena faktor yang berlainan, Manajer Cabang tersebut berpendapat seharusnya roti rasa Duriandan Coklat lebih disukai konsumen. Untuk itu ia berasumsi 70% konsumen akan menyukai rotiDurian dan Coklat secara seimbang, sedangkan 30% akan menyukai roti kacang, susu dan nanasjuga secara seimbang.Langkah-langkah:

1. Buka data Chi Square2. Dari menu utama SPSS, pilih menu Analyze, kemudian pilih submenu Nonparametric

Test, lalu pilih Chi SquarePengisian:Test variable list atau variabel yang akan diuji. Pilih RasaExpected values, digunakan karena asumsi dalam nilai tertentuPerhitungan:70% senang durian dan coklat berimbang berartiDurian : 35% x 200 = 70Coklat : 35% x 200 = 7030% senang kacang, susu dan nanas dengan berimbang, berarti:Kacang: 10% x 200 = 20Susu : 10% x 200 = 20Nanas : 10% x 200 = 20

Catatan:Pemasukan data harus berurutan sesuai urutan rasa pada file!Proses: Pada bagian Expected value, klik values Otomatis kotak dibawahnya aktif. Proses pemasukan data: Isi kolom values dengan 20 (untuk kacang sesuai urutan pada data) Otomatis tombol Add menjadi aktif. Klik tombol Add tersebut mana nilai 20 akan masuk

ke kotak bawah Isi kolom values dengan nilai 70 (untuk durian sesuai urutan rasa ke dua di data) Klik tombol Add tersebut, maka nilai 70 akan masuk Demikian seterusnya untuk nilai 70, 20, 20

Abaikan bagian lain dan tekan OK untuk proses data.

AnalisisHipotesis:Ho: Sampel berasal dari populasi yang mengikuti distribusi yang ditetapkan manajer cabang.

Atau pendapat manajer cabang tersebut benar, bahwa rasa durian dan coklat lebih disukaidibanding rasa yang lain.

Page 44: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

H1: Sampel berasal dari populasi yang tidak mengikuti distribusi yang ditetapkan manajercabang.

Atau pendapat manajer cabang tersebut salah, bahwa semua rasa disukai konsumen,tidak peduli berapa harganya.

Dasar Pengambilan Keputusana. Berdasarkan perbandingan Chi Square uji dan Tabel Jika Chi Square hitung < Chi Square Tabel, maka Ho diterima Jika Chi Square hitung > Chi Square Tabel, maka Ho ditolak

Chi Square tabel bisa dihitung pada tabel Chi Square, dengan: α = 5% Df= 4

Didapat Chi Square tabel adalah 9,487Karena Chi Square hitung > Chi Square tabel (33,893 > 9,4877), maka Ho ditolak

b. Berdasarkan ProbabilitasJika probabilitas > 0,05 maka Ho diterimaJika probabilitas < 0,05 maka Ho ditolak

Kesimpulan:Terlihat bahwa pada kolom Asymp.Sig/Asymptotic significance adalah 0,000 atau probabilitasdibawah 0,05, maka Ho ditolak.Dari kedua analisis di atas, bisa diambil keputusan yang sama, yaitu Ho ditolak atau distribusiternyata tidak sesuai anggapan manajer cabang. Karena ternyata rasa durian dan coklat tidaklebih istimewa dibanding rasa roti yang lain, dengan acuan distribusi roti seperti yangdiasumsikan manajer cabang.

Page 45: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

BAB XONE SAMPLE KOLMOGOROF-SMIRNOF TEST

One-Sample Kolmogorf-Smirnof Test (Uji Kolmogorof Smirnof untuk satu sample) bergunauntuk menguji apakah suatu sampel berasal dari suatu populasi dengan distribusi tertentu,terutama distribusi normal, uniform, dan poison.Contoh kasus untuk aplikasi ini, misalnya, Anda akan menguji apakah data nilai sebanyak 20orang mahasiswa berdistribusi normal. Nilai tersebut adalah sbb:

DATA-10Data Nilai Mahasiswa

No. Nilai Mahasiswa1 602 553 704 855 906 727 768 639 5710 9111 5112 6913 8914 9715 6216 7417 6918 9419 8120 77

Proses pembuatan data:1. Memasukkan dan mendefinisikan variabelName Type Width Decimals Label Values Missing Columns Align MeasureNilai Numeric 8 0 Nilai

MhsNone None 8 Right Scale

2. Pengisian data

Langkah Aplikasi Uji: Anda sedang aktif pada DATA-12 Klik Analyze Non-Parametrik test Klik One Sample K-S Masukan variabel “nilai” pada kotak Test Variable List

Page 46: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

Pilih Normal Klik Options, pilih Descriptive Klik Continue Klik OK

Analisis:Pada bagian pertama memuat informasi deskripsi mengenai data mahasiswa. Dimana jumlahcase (N)=20, Mean= 74,10, Std. Deviasi= 13,75, minimum= 51 dan maksimum=97.Pada bagian kedua berisi hasil uji One Sampel KS.Pengujian hasil one sampel KS:1. Hipotesis:

Ho : data nilai mahasiswa berdistribusi normalHi : data nilai mahasiswa tidak berdistribusi normal

2. Ketentuan:Jika probabilitas > 0,05, maka Ho: diterimaJika probabilitas < 0,05, maka Ho: ditolak

3. Keputusan:Dari hasil uji One Sampel KS diatas, tampak bahwa nilai Asym.Sig. adalah 0,967. Jadi,probabilitas (Sig.) 0,967 > 0,05. Dengan demikian, Ho: diterima dan Hi: ditolak. Dapatdisimpulkan bahwa distribusi nilai mahasiswa adalah normal.

Page 47: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

BAB XIITWO-INDEPENDENT-SAMPLE TEST

Two-Independent-Sample Test (Uji dua sampel independent) berguna untuk membandingkandistribusi variabel dua buah group yang independent. Uji dua sample independent inimenyediakan 4 pilihan, yakni: Mann-Whitney U, Kolmogorof-Smirnov Z, Moses Extreme danWold-Wolfowitz runs.Contoh kasus berikut ini adalah untuk mengetahui apakah nilai ekonomi makro yang diberikankepada mahasiswa Universitas Terbuka di wilayah DKI dan Sulsel ada bedanya (atau sama saja).Jumlah sampel untuk mahasiswa DKI sebanyak 15 mahasiswa, sedangkan Sulsel hanya 17mahasiswa. Datanya adalah sebagai berikut:

DATA-11Data Nilai Ekonomi Mahasiswa

NO Nilai MahasiswaUT DKI UT SULSEL

1 63 692 78 563 71 674 82 725 93 596 72 717 61 558 63 889 56 7910 82 4911 60 7612 76 5313 67 6614 74 7315 61 8016 8317 70

Proses pengisian data:1. Memasukkan dan mendefinisikan variabelName Type Widt

hDecimals

Label Values Missing

Columns

Align

Measure

Wilayah

Numeric

8 0 Pembagian wilayah

{1,DKI..}

None 8 Right

Scale

Nilai Numeric

8 0 NilaiMhs

None None 8 Right

Scale

Value label:1= DKI2= Sulsel

Page 48: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

2. Pengisian data

Langkah Aplikasi uji:Mengingat uji U Test merupakan uji jenjang, maka jika Anda akan menentukan jenjang darimasing-masing data nilai diatas, dapat Anda lakukan melalui transpormasi data dengan perintahRank Cases. Aktifkan DATA-11 Klik transform Klik rank cases Klik variabel nilai dan masukkan ke kotak variable(s) Klik variabel wilayah, masukkan ke kotak by Klik OK

Data nilai telah dirangking oleh menu Rank Cases. Selanjutnya mari kita melakukan uji TwoSample Independent Test. Langkahnya adalah sbb: Aktifkan DATA-11 Klik Analyze Klik Non-Parametrik Tests Klik 2-Independent Samples Klik variabel “nilai”, dan masukkan pada kotak Test Variable List Klik variabel “wilayah”, masukkan pada Grouping variable Klik Define Group, isikan angka 1 pada Group 1 dan angka 2 pada Group 2 Pada Test Type, klik Mann-Whitney U Klik Options, pilih Descriptive Klik continue Klik OK

Hasil analisis data:1. Hipotesis

Ho: Tingkat kepandaian (nilai) mahasiswa UT pada kedua wilayah adalah samaH1: Tingkat kepandaian (nilai) mahasiswa UT pada kedua wilayah tidak sama

2. Ketentuan:Dengan α 0.05 (pengujian dua sisi) maka:Ho diterima jika: -1.96 ≤ Zh ≤ +1,96Ho ditolak jika : Zh> + 1,96 atau Zh< - 1,96

3. KesimpulanDari hasil uji U Test diatas, didapat harga Z= -0,265. Dengan demikian Zh -0,265 < Z tabel(nilai kritis) α 0.05 = -1,96. Dengan demikian, Ho: diterima. Kesimpulannya, tidak terdapatperbedaan tingkat kemampuan (nilai ekonomi makro) antara mahasiswa UT wilayah DKIdan Sulsel, dengan resiko kekeliruan sebesar 5%.

Page 49: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

BAB XIITWO RELATED SAMPLES TEST

Uji two related samples test (uji dua sampel berhubungan) digunakan untuk melakukanpembandingan distribusi dari dua variabel yang berhubungan.Contoh kasus:Misalkan akan menguji adakah perbedaan kecepatan mengetik dari para juru ketik.

DATA-12Data Kecepatan Mengetik

NO Kecepatan Mengetik (dlm menit)Program WS Program Ms.Word

1 9 72 10 63 12 84 13 95 11 8.96 8 7.87 15 8.98 16 109 12 11.210 9 1211 8 1312 12.5 1213 13.6 10.414 14.3 9.715 10.1 8.616 9.7 717 12 818 13.7 919 14 9.720 15.2 1021 16 1122 12.6 1223 11 1324 10.3 825 9.8 9.426 13.5 1027 14 8.928 15 729 16 1130 11 12

Page 50: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

Proses pengisian data1. Memasukkan dan mendefinisikan variabelName Type Widt

hDecimals

Label Values

Missing

Columns

Align

Measure

WS Numeric

8 2 Mengetik WS

None None 8 Right

Scale

Ms.Word

Numeric

8 2 Mengetik MsWord

None None 8 Right

Scale

2. Pengisian data

Langkah analisis:Pengujian dengan pilihan type wilcoxon: Aktifkan DATA-12 Klik analyze Klik non-parametrik test Klik 2 ralated samples Klik dua variabel sekaligus dan pindahkan ke kotak test pair(s) list Pada test type, tetap pilih wilcoxon (default) Klik options, pilih descriptive Klik continue Klik OK

Maka hasilnya sbb:Analisis:1. Hipotesis:

Ho: Bahwa lama waktu mengetik dengan WS dan Ms.Word adalah sama sajaHi : Bahwa lama waktu mengetik dengan WS dan Ms.Word adalah tidak sama

2. KetentuanDengan α 0.05 (pengujian dua sisi):Maka, Ho diterima jika: -1,96 ≤ Zh ≤ +1,96

Ho ditolak jika: Zh> +1,96 atau Zh< -1,96

3. KeputusanDari hasil perhitungan diatas diperoleh nilai Z= -3,724. Jadi Z hitung berada diluar bataskritis penerimaan Ho. Dengan kata lain, Zh -3,724 < nilai kritis Z -1,96. Dengan demikianHo ditolak dan H1 diterima. Kesimpulannya, terdapat perbedaan waktu mengetik secarasignifikans antara menggunakan paket program WS dan Ms.Word.

Contoh Aplikasi 2:Pengujian dengan pilihan type sign:Pada contoh ini Anda hanya diminta untuk memilih (check box) Sign dan memastikan pilihanWilcoxon. Langkah kegiatannya adalah sbb:

Page 51: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

Aktifkan DATA-12 Klik Analyze Klik Non-Parametrik Test Klik 2 Related Samples Klik dua variabel sekaligus dan pindahkan ke kotak test pair(s) list Pada test type, pilih sign dan matikan pilihan wilcoxon. Klik options, pilih descriptive Klik continue OK

Analisis:1. Hipotesis:

Ho : Bahwa lama waktu mengetik dengan WS dan Ms.Word adalah sama sajaHi : Bahwa lama waktu mengetik dengan WS dan Ms.Word adalah tidak sama

2. KetentuanDengan 0.05 (pengujian dua sisi):Maka, Ho diterima jika: -1,96 Zh +1,96

Ho ditolak jika: Zh > +1,96 atau Zh < -1,963. Keputusan

Dari hasil perhitungan diatas diperoleh nilai Z= -3,834. Jadi Z hitung berada diluar bataskritis penerimaan Ho. Dengan kata lain, Ho ditolak dan Hi diterima. Kesimpulannya,terdapat perbedaan waktu mengetik secara signifikans antara menggunakan paket programWS dan Ms. Word.

Page 52: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

BAB XIIIK-INDEPENDENT-SAMPLES TESTS

K-Independent Samples Tests (uji k sample independent) digunakan untuk membandingkandistribusi dua atau lebih group independent dari suatu variabel.

Contoh aplikasi:Untuk memberikan contoh aplikasi uji K-sample independent, maka kita akan melihat hasil suatupenelitian yang dilakukan oleh suatu perusahaan obat diet terkemuka di Indonesia. Lembagapenelitian obat diet tersebut mencoba melakukan uji penurunan berat badan dengan beberapacara, yang dilakukan terhadap 25 wanita gemuk. Mereka mencoba melakukan 5 cara penurunanberat badan, antara lain dengan: 1. Jalan pagi, 2. Senam pernafasan, 3. Aerobik, 4. Yoga dan 5.Obat diet yang mereka ciptakan. Setelah satu bulan dilakukan terapi, maka dihitung penurunanberat badan mereka. Hasil pernghitungan penurunan berat badan tersebut adalah sbb:

DATA 13Data Penurunan Berat Badan

No Cara/Metode Penurunan Berat BadanJalan Pagi Senam Pernafasan Aerobik Obat Diet

1 2,10 2,60 2,50 3,60 3,502 2,30 3,10 2,60 3,70 3,203 3,20 2,70 2,70 4,10 4,504 3,10 3,70 1,50 5,00 2,905 3,50 3,90 1,90 3,60 3,10

Proses pemasukan data:1. Memasukkan dan mendefinisikan variabelName

Type Width

Decimals

Label Values

Missing

Columns

Align

Measure

Cara Numeric

8 0 Cara diet None None 8 Right

Scale

Berat Numeric

8 2 Penurunan Berat

None None 8 Right

Scale

2. Pengisian data

Langkah pengujian:1. Anda buat DATA-132. Klik Analyze3. Klik Non-Parametrik Test4. Klik K-Independen samples test5. Klik variabel “berat” dan masukkan ke kotak test variable list6. Klik variabel “cara” dan masukkan ke kotak grouping variable7. Klik define range, isikan ke kotak minimum dengan angka 1 dan kotak maksimum dengan

angka 58. Klik continue

Page 53: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

9. Klik kruskal-wallis H dan Median10. Klik option, pilih deskriptive11. Klik continue12. Klik OK

ANALISIS:Uji Kruskall-Wallis1. Hipotesis:

Ho: Tidak terdapat perbedaan rata-rata dari lima metode terhadap penurunan berat badanHi : Terdapat perbedaan rata-rata dari kelima metode terhadap penurunan berat badan

2. Ketentuan:Ho diterima jika X2 hitung ≤ X2 tabelHo ditolak jika X2 hitung > X2 tabel

3. Keputusan:Dari hasil perhitungan uji H (Kurskal-Wallis H) didapat harga 14,061. Sedang harga X2

tabel dengan tingkat kepercayaan (α) 0.05 dengan dk= k-1= 5-1= 4, didapat harga= 9,488.Karena X2 hitung 14,061 > X2 tabel α 0.05= 9,488, maka Ho ditolak.Dengan demikian dapat disimpulkan bahwa terdapat perbedaan penurunan berat badanmelalui kelima cara tersebut.

UJI MEDIANPengujian Hipotesis Median:1. Menentukan Hipotesis

Ho: Dua atau lebih sampel yang diambil berasal dari populasi yang memiliki median yangsamaH1: Median yang berasal dari satu populasi tertentu berbeda dari populasi yang lainnya.

2. KetentuanHo diterima jika X2 hitung ≤ X2 tabel danHo ditolak jika X2 hitung > X2 tabelDengan menggunakan tingkat kepercayaan (α) 0.05 dengan dk= k-1= 5-1= 4, maka dari X2

tabel didapat harga= 9,4883. Keputusan

Dari hasil perhitungan uji median di atas didapat harga X2 hitung 10.577. Karena X2 hitung10,557 > X2 tabel α 0.05= 9,488. Jadi Ho ditolak. Dengan demikian dapat disimpulkanbahwa sampel-sampel tersebut diperoleh dari populasi yang mempunyai median yangberbeda.

Page 54: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

BAB XIVK-RELATED-SAMPLES TEST

K-Related Samples Test (uji beberapa sample yang berhubungan) berguna untuk mengujidistribusi dari beberapa sample yang berhubungan. Pada pengujian ini disediakan 3 pilihanmetode, yakni: Test Friedman, Kendall’s W dan Cochran’s Q.Contoh kasus:Penelitian ini dilakukan pada mahasiswa yang sama didalam satu kelas. Jumlah mahasiswaterdapat 40 orang. Pada masing-masing 10 orang akan diberikan metode yang berbeda. Dengandemikian, terdapat 4 metode mengajar yang akan diujikan.

DATA 14Nilai Mahasiswa dari Berbagai Metode Mengajar

NO Metode MengajarCeramah Tanya-jawab Diskusi Tugas

1 45 71 81 782 52 61 72 803 56 59 73 794 63 63 68 695 72 72 64 766 64 65 58 907 56 59 66 758 61 63 75 869 48 58 76 7810 57 70 80 67

Proses pemasukan data:1. Memasukkan dan mendefinisikan variabel

Name Type Width Decimals Label Values Missing Columns Align Measureceramah Numeric 8 2 Metode

CeramahNone None 8 Right Scale

tanya Numeric 8 2 MetodeTanyajawab

None None 8 Right Scale

diskusi Numeric 8 2 MetodeDiskusi

None None 8 Right Scale

tugas Numeric 8 2 MetodeTugas

None None 8 Right Scale

2. Pengisian Data

CONTOH APLIKASI: Aktifkan DATA-14 Klik Analyze Klik Non-Parametrik Test Klik K-Related Samples Klik 4 variabel sekaligus, dan masukkan pada kotak test variabel

Page 55: Universitas riwijaya - si.ilkom.unsri.ac.idsi.ilkom.unsri.ac.id/wp-content/uploads/2018/11/Praktikum-Statistika-FIX.pdf · Masukkan variabel:”x1, x2, x3 dan x4 ke kotak variable(s)

Pada test type, pilih Friendman (default) Klik Statistics, pilih descriptive Klik continue Klik OK

ANALISIS:1. Hipotesis:

Ho: Tidak terdapat perbedaan penerapan 4 metode mengajar terhadap nilai siswaHi : Terdapat perbedaan penerapan 4 metode mengajar terhadap nilai siswa

2. KetentuanHo diterima jika X2 hitung ≤ X2 tabel dan Ho ditolak jika sebaliknya.

3. KesimpulanDari hasil perhitungan Friedman Test didapat harga Chi-Square (X2) sebesar 18,735. Sedangnilai X2 tabel α 0.05 (dk3)= 9,488.Karena X2 hitung 18,735 > X2 tabel α 0.05 (dk3)= 9,488, maka Ho ditolak. Dengan demikiandapat disimpulkan bahwa terdapat perbedaan pada keempat metode mengajar terhadap nilaimahasiswa.