MODUL 1.pdf

1

Materi 1 TEORI DASAR STATISTIKA

STATISTIKA

1. Statistika

Statistika adalah ilmu yang mempelajari cara-cara

pengumpulan data, pengolahan atau penganalisaannya dan

penarikan kesimpulan berdasarkan kumpulan data dan

penganalisaan yang dilakukan.

Statistika secara garis besar dapat dibedakan menjadi 2

(dua) bagian sebagai berikut :

a. Statistika Deskriptif

Dari definisi deskriptif sendiri sudah jelas bermakna

menggambarkan. Jadi secara harfiah statistika Deskriptif

hanya sekedar memberikan gambaran tentang data, antara

lain berupa mean, median, modus, varian, range,

kemiringan dan kemencengan.

b. Statistika Induktif (Inferensial)

Tujuan adalah untuk menganalisis data lebih lanjut dari

sekedar memberikan gambaran secara umum. Sesuai makna

inferensi yaitu membuat suatu inferensi terhadap data,

antara lain : membuat perkiraan, peramalan, dan

diharapkan dapat mengambil suatu keputusan berdasarkan

data yang ada.

2

2. Elemen Statistik

Elemen yaitu sesuatu yang menjadi objek penelitian,

elemen juga disebut unit analysis, unit sampling, atau

kasus (cases).

Statistik dapat dibagi menjadi 2 (dua) elemen sebagai

berikut :

a. Populasi

Kumpulan yang lengkap dari seluruh elemen yang

sejenis akan tetapi dapat dibedakan karena

karakteristiknya.

Misal :

Seluruh karyawan PT. Jamu Air Mancur di

Surakarta

Karyawan Bagian Produksi PT. Jamu Air Mancur di

Surakarta

Karyawan wanita Bagian Produksi PT. Jamu Air

Mancur di Surakarta

b. Sampel

Sekumpulan data yang diambil atau diseleksi dari suatu

populasi.

Misal :

Dari populasi seluruh karyawan PT. Jamu Air

Mancur di Surakarta diambil sampel setiap bagian

sebanyak 20 orang

Dari populasi karyawan Bagian Produksi PT. Jamu

Air Mancur di Surakarta diambil sampel setiap

shift sebesar 20%

3

Dari populasi karyawan wanita Bagian Produksi

PT. Jamu Air Mancur di Surakarta diambil sampel

secara proporsional sebesar 20% berdasarkan

tingkat pendidikan.

3. Tipe Data Statistik

a. Data Kualitatif

Data kualitatif adalah data yang tidak berupa angka.

Data ini terdiri dari :

i) Data nominal

Tipe data ini termasuk dalam data kualitatif dan

merupakan data dengan level pengukuran paling

rendah. Tipe data ini jika ditemui angka hanya

dinyatakan sebagai suatu symbol saja dan tidak dapat

dioperasikan ke dalam bentuk persamaan matematika.

Misal :

Agama : islam = 1, kristen = 2,

hindu = 3

Jenis Kelamin, : perempuan = 0, laki laki

= 1

Suku : jawa = 1, minang = 2,

batak = 3

ii) Data ordinal

Tipe data ini masih tergolong dalam data kualitatif.

Secara umum masih memiliki 3irri yang sama denngan

Nominal. Angka dianggap sebagai symbol, hanya pada

tipe data ini, angka tersebut telah memiliki tingkatan

atau jenjang dan tidak dapat dioperasikan ke dalam

bentuk persamaan matematika.

4

Misal :

Pendapat pemilih : tidak setuju = 1, netral =

2, setuju = 3

Sikap konsumen : tidak suka = 1 , netral = 2,

suka = 3

Tingkat kedewasaan : rendah = 1, sedang = 2,

tinggi = 3

b. Data Kuantitatif

Data kuantitatif adalah data yang berupa angka. Data

ini terdiri dari :

i) Data interval

Tipe data ini tergolong dalam data kuantitatif. Angka

yang digunakan dalam data ini, selain memiliki atau

jenjang, dapat dioperasikan dalam bentuk persamaan

matematika. Angka nol yang digunakan tidak memiliki

arti sesungguhnya (no absolute), memiliki jarak data

yang sama.

Misal :

Suhu udara : Pegunungan Jaya Wijaya sebesar 0oC,

Tawang Mangu sebesar 15oC, Kota Surakarta

seebsar 30oC

Perhatian ! Suhu udara 0oC sama dengan 32oF

(nilai nol tidak mutlak)

ii) Data rasio

Tipe data ini masih tergolong dalam data kuantitatif.

Merupakan level pengkuran paling tinggi. Secara umum

memiliki ciri hampir sama dengan Interval. Hanya

5

perbedaannya adalah angka nol disini memiliki arti

yang sebenarnya (absolute).

Misal :

Jumlah produk cacat : minggu ke-1 sebesar 10

unit, minggu ke-2 sebesar 5 unit, minggu ke-3

sebesar nol unit.

Perhatian ! Nol unit sama dengan tidak ada

produk yang cacat (nilai nol mutlak).

6

Materi 2 PENGENALAN MENU SPSS

1. Memulai SPSS

a. Bila pada desktop Windows Anda harus sudah terdapat

icon SPSS, maka Anda klik icon SPSS 15 tersebut dua

kali.

Gambar 1 : Memulai SPSS dengan mengklik icon SPSS

pada desktop Windows

b. Anda juga bisa memulai SPSS dengan cara klik Start >

Program > SPSS 15.0 > SPSS 15.0

7

Gambar 2 : Cara memulai menjalankan SPSS dengan mengklik Start

> All Programs > SPSS for Windows

Setelah Anda klik SPSS 15.0 dan kemudian klik cancel, Anda akan

masuk ke dalam SPSS Data Editor sebagai berikut (Gambar 3 dan

Gambar 4).

8

Gambar 3 : Tampilan setelah Anda klik SPSS 15 for windows

2. SPSS Data Editor

Sebelum melakukan analisis data statistik Anda perlu

memasukkan data terlebih dahulu. Bila file data belum ada,

maka Anda harus mengetik file data pada lembar SPSS Data

Editor. Pada halaman SPSS Data Editor terdiri dari dua

lembar. Lembar pertama adalah Data View yaitu tempat

untuk memasukkan data. Sedangkan lembar kedua adalah

Variable View yaitu tempat memberi nama variabel dan

mendefinisikan karakteristik lain dari variabel tersebut.

Data Editor terdiri dari menu sebagai berikut :

1. FILE. Membuat file baru, membuka file tertentu, dsb

2. EDIT. Memperbaiki dan mengubah data

3. VIEW. Mengatur TOOLBAR

4. DATA. Membuat perubahan data secara menyeluruh

5. TRANSFORM. Membuat perubahan pada variabel tertentu

9

6. ANALYZE. Melakukan perhitungan statistik

7. GRAPHS. Membuat berbagai jenis grafik

8. UTILITIES. Menu tambahan

9. WINDOW. Melakukan perpindahan diantara menu yang

lain

10. HELP. Menyediakan bantuan informasi

Gambar 4 : Tampilan lembar Data View dari SPSS Data Editor

Gambar 5 : Tampilan lembar Variabel View dari Data Editor

10

Pada lembar Variabel View Anda dapat :

Name. Nama variabel yang secara otomatis ditulis dengan

huruf kecil.

Type. Tipe data sebagian besar berupa : Numeric untuk data

yang berupa angka, String untuk data yang berupa huruf,

atau Date untuk data times series (tidak dibahas dalam

modul ini).

Width. Jumlah isian data.

Decimals. Jumlah angka di belakang koma.

Label. Label adalah keterangan untuk nama variabel.

Values. Pengkodean data untuk data ordinal.

Missing. Berhubungan dengan data yang hilang atau data

yang tidak lengkap.

Column. Lebar kolom untuk isian data.

Align. Posisi data yang berupa : Left (rata kiri), Center (rata

tengah), atau Right (rata kanan).

Measure. Dilakukan untuk menentukan uji statistik yang

digunakan. Untuk tipe data String berupa : Nominal (untuk

data nominal) atau Ordinal (untuk data ordinal), sedangkan

untuk tipe data Numeric berupa : Scale (untuk data interval

dan data rasio).

11

3. Statistika Deskriptif

Submenu DESCRIPTIVE STATISTICS (statistik deskriptif)

merupakan bagian dari menu utama ANALIZE (analisis).

Pengukuran deskriptif pada dasarnya memaparkan secara

numerik ukuran tendensi sentral (pemusatan data), dispersi

(penyebaran suatu data), dan distribusi suatu data. Sub menu

DESCRIPTIVE STATISTICS ini antara lain berisi :

a. FREQUENCIES

Membahas : Mean, Median, Modus, Kuartil, Persentil,

Standart Deviasi, Varians, dsb.

b. CROSSTABS

Merupakan analisis dasar untuk hubungan antarvariabel

kategori ( nominal atau ordinal).

c. Dsb.

12

4. Statistika Inferensia

Submenu-submenu mengenai statistik induktif merupakan

bagian dari menu utama ANALIZE (analisis). Submenu-submenu

tersebut antara lain :

a. COMPARE MEANS

COMPARE MEANS (uji beda rata-rata) antara lain berisi :

a. ONE SAMPLE T TEST.

Membahas : Uji t Satu Sampel, ,

b. PAIRED SAMPLES T TEST

Membahas : Uji t Dua Sampel Berpasangan

c. INDEPENDENT SAMPLES T TEST

Membahas : Uji t Dua Sampel Bebas

d. ONE WAY ANOVA

Membahas : Uji Analisis Varians Satu Faktor

e. Dsb.

13

b. GENERAL LINEAR MODEL

GENERAL LINEAR MODEL antara lain berisi UNIVARIATE

yang membahas : Uji Analisis Varians Dua Faktor

c. CORRELATE

CORRELATE antara lain berisi BIVARIATE yang membahas :

a) Korelasi Product Moment Pearson dan b) Korelasi

Peringkat Spearman dan Kendall

d. dsb.

14

Materi 3

STATISTIKA DESKRIPTIF

1. Prosedur SPSS Frequencies

a. Frequencies Untuk Data Nominal

Analisis frequencies sangat berguna untuk memperoleh

ringkasan suatu variabel individual. Frekwensi untuk data

nominal dilakukan untuk : 1) memaparkan jumlah/frekuensi

dan proporsi dalam persen suatu variabel data nominal, 2)

membuat tampilan grafik.

CONTOH KASUS :

Program Studi D3 Manajemen Industri Fakultas Ekonomi

Universitas Sebelas Maret Surakarta ingin mengetahui besarnya

frekwensi dan membuat tampilan grafik data jenis kelamin

mahasiswa. Dari 26 mahasiswa diketahui data jenis kelamin

mahasiswa sebagai berikut :

No Mahasiswa

Nama Jenis Kelamin

1 Alan Laki-laki

2 Beni Laki-laki

3 Cica Perempuan

4 Desi Perempuan

5 Eni Perempuan

6 Fahmi Laki-laki

7 Ganang Laki-laki

8 Heru Laki-laki

9 Ikhsan Laki-laki

10 Johan Laki-laki

11 Kristina Perempuan

15

12 Leni Perempuan

13 Mona Perempuan

14 Norma Perempuan

15 Osa Laki-laki

16 Purnami Perempuan

17 Quan Xie Laki-laki

18 Reza Laki-laki

19 Sari Perempuan

20 Tanti Perempuan

21 Umi Perempuan

22 Vera Perempuan

23 Weni Perempuan

24 Xien Hua Laki-laki

25 Yeni Perempuan

26 Zulfikar Laki-laki

16

PENGOLAHAN DATA

1. Pemasukan Data

Membuka lembar kerja baru : klik menu utama FILE,

klik submenu NEW, klik DATA.

Mendefinisikan variabel : klik tab sheet VARIABLE VIEW

di bagian kiri bawah.

Variabel NAMA

Name. Letakkan pointer pada baris 1 di bawah

kolom Name, klik ganda, ketik nama.

Type. Variabel NAMA merupakan data yang berupa

huruf. Penentuan tipe data dilakukan dengan

membuka Variable Type pada kotak di kanan sel.

Klik String.

Klik OK.

17

Width. Ketik 12. Hal ini berarti variabel NAMA

dapat ditulis maksimum 12 karakter.

Decimal. Oleh karena variabel NAMA merupakan

data yang berupa huruf, maka secara otomatis

tidak dapat ditulis angka dibelakang koma.

Label. Kosongkan label.

Values. Abaikan bagian ini.

Missing. Oleh karena tidak ada data yang tidak

lengkap, maka abaikan bagian ini.

Column. Ketik 12. Hal ini berarti lebar kolom yang

diperlukan dalam pemasukan data adalah 12 digit.

Align. Oleh karena data berupa huruf, maka posisi

data adalah rata kiri. Klik Left pada kotak di kanan

sel.

Measure. Oleh karena variabel NAMA merupakan

data nominal. Klik Nominal pada kotak di kanan

sel.

Variabel GENDER


kolom Name, klik ganda, ketik gender.

Type. Variabel GENDER merupakan data yang

berupa huruf, maka klik string. Namun demikian,

oleh karena pemasukan data untuk Perempuan

dan Laki-laki dilakukan secara bergantian dan

berulang-ulang, maka untuk mempermudah dalam

pemasukan data dilakukan pengkodean data.

Dengan pengkodean data tersebut, maka variabel

GENDER merupakan data yang berupa angka.

18

Penentuan tipe data dilakukan dengan membuka

Variable Type pada kotak di kanan sel.

Klik Numeric.

Klik OK.

Width. Ketik 1. Hal ini berarti variabel GENDER

hanya dapat ditulis maksimum 1 digit.

Decimal. Ketik 0. Hal ini berarti variabel GENDER

tidak dapat ditulis angka di belakang koma.


Values. Pengkodean data untuk Perempuan dan

Laki-laki dilakukan dengan membuka Value

Labels pada kotak di kanan sel.

19

Gender Perempuan

Value. Nilai berupa angka, ketik angka 1.

Value Labels. Keterangan untuk nilai, ketik

Perempuan.

Klik Add, maka tertulis 1 = Perempuan.

Gender Pria



Laki-laki.

Klik Add, maka tertulis 2 = Laki-laki.







sel.

Measure. Dengan adanya pengkodean data, maka

variabel GENDER merupakan data ordinal. Klik

Ordinal pada kotak di kanan sel.

2. Pengisian Data

Klik tab sheet DATA VIEW di bagian kiri bawah.

Letakkan pointer pada baris 1 kolom nama, ketik ke

bawah sesuai dengan data nama mahasiswa tersebut.

Sebelum pengisian data variabel GENDER, klik menu

utama VIEW, klik submenu VALUE LABEL, maka

terlihat tanda di sebelah kiri submenu tersebut.

20

Kegunaan pengaktifan VALUE LABEL adalah sebagai

berikut :

Pemasukan data Perempuan dilakukan dengan

memasukkan angka 1 yang secara otomatis diubah

menjadi Perempuan.

Pemasukan data Laki-laki dilakukan dengan


menjadi Laki-laki.

Perhatian. Dengan adanya pengkodean data, maka pemasukan data yang berupa huruf akan ditolak.

Kemudian letakkan pointer pada baris 1 kolom gender,

ketik ke bawah sesuai dengan data jenis kelamin

mahasiswa tersebut.

3. Menyimpan Data

Klik menu utama FILE, pilih submenu SAVE AS, beri nama

file dengan frequencies_data nominal.

4. Pengolahan Data

Membuka file frequencies_data nominal.

Klik menu utama ANALYZE, klik submenu DESCRIPTIVE

STATISTICS, klik FREQUENCIES

21

Variabels. Klik variabel GENDER yang akan diamati,

klik tanda >, maka variabel GENDER akan

berpindah ke Variables.

Klik Display Frequency Tables untuk menampilkan

tabel frekwensi.

Charts. Dilakukan untuk membuat tampilan gafik.

Chart Types. Pilihan tampilan grafik, klik Pie

Chart.

22

Klik Continue.

Format. Format tampilan.

Order by. Penyusunan data dari kecil ke besar

(Ascending Values) atau dari besar ke kecil

(Descending Values). Dalam hal ini, penyusunan

data kecil ke besar, klik Ascending Values.

Klik Continue.

Klik OK.

OUTPUT

23

ANALISIS DATA

1. Output Statistics

Berdasarkan output Statistic dapat dilihat bahwa

terdapat 26 data dengan tingkat validitas sebesar 100%.

Hal ini berarti tidak ada data yang hilang.

2. Output Frequencies

Berdasarkan output Frequencies dapat dilihat bahwa :

1. Mahasiswa dengan jenis kelamin Perempuan sebanyak

14 (53,8%) orang.

2. Mahasiswa dengan jenis kelamin Laki-laki sebanyak 12

(46,2%) orang.

3. Output Chart

Berdasarkan output Chart dapat dilihat diagram lingkaran

yang menunjukkan proporsi mahasiswa jenis kelamin

Perempuan dan mahasiswa dengan jenis kelamin Laki-laki.

24

TUGAS

Magister Manajemen Universitas Sebelas Maret Surakarta ingin

mengetahui besarnya frekwensi dan membuat tampilan grafik

data asal mahasiswa. Dari 26 mahasiswa diketahui data asal

mahasiswa sebagai berikut :

No Mahasiswa

Nama Asal Mahasiswa

1 Arman Luar Kota

2 Bambang Luar Kota

3 Chairul Luar Propinsi

4 Dina Luar Kota

5 Erma Dalam Kota

6 Fiona Dalam Kota

7 Guntur Luar Kota

8 Husni Luar Propinsi

9 Indah Luar Kota

10 Jihan Dalam Kota

11 Khrisna Dalam Kota

12 Laksmi Luar Kota

13 Mahfudz Luar Propinsi

14 Nirmala Dalam Kota

15 Oka Luar Propinsi

16 Putri Luar Kota

17 Queen Dalam Kota

18 Rachmat Luar Kota

19 Sarah Dalam Kota

20 Thomas Dalam Kota

21 Umar Luar Kota

22 Vincent Dalam Kota

23 Woro Luar Kota

24 Xena Dalam Kota

25 Yahya Luar Propinsi

26 Zulva Dalam Kota

25

b. Frequencies Untuk Data Rasio

Frekwensi untuk data rasio dilakukan untuk : 1) mengetahui

besarnya frekwensi data, 2) mengetahui ukuran

kecenderungan terpusat (central tendency) data, seperti :

rata-rata (mean), nilai tengah (median), dan nilai yang

sering muncul (modus), 3) mengetahui penyebaran

(dispersion) data, seperti : simpangan baku (deviation

standart) dan varians (variance), 4) mengetahui bentuk

distribusi (distribution) data, seperti : skewness dan

kurtosis, 5) membuat tampilan grafik.

Contoh Kasus

Program Studi D3 Manajemen Industri ingin : 1) mengetahui

besarnya frekwensi data, 2) mengetahui ukuran kecenderungan

terpusat (central tendency), seperti : rata-rata (mean), nilai

tengah (median), dan nilai yang sering muncul (modus), 3)

mengetahui penyebaran (dispersion), seperti : simpangan baku

(deviation standart) dan varians (variance), 4) mengetahui

bentuk distribusi (distribution), seperti : skewness dan kurtosis,

5) membuat tampilan grafik data Indeks Prestasi Mahasiswa

(IPK) mahasiswa. Dari 25 mahasiswa diketahui data Indeks

Prestasi Kumulatif (IPK) mahasiswa sebagai berikut :

26

No Mahasiswa

Nama IPK

1 Alan 3,20

2 Beni 3,30

3 Cica 3,10

4 Desi 3,50

5 Eni 3,40

6 Fahmi 3,20

7 Ganang 3,20

8 Heru 3,50

9 Ikhsan 3,10

10 Johan 3,30

11 Kristina 3,00

12 Leni 3,50

13 Mona 3,40

14 Norma 3,10

15 Osa 3,40

16 Purnami 3,50

17 Quan Xie 3,40

18 Reza 3,20

19 Sari 3,00

20 Tanti 3,00

21 Umi 3,30

22 Vera 3,30

23 Weni 3,50

24 Xien Hua 3,00

25 Yeni 3,10

26 Zulfikar 3,40

Pengolahan Data

1. Pemasukan Data

a. Membuka lembar kerja baru : klik menu utama FILE, klik

submenu NEW, klik DATA.

b. Mendefinisikan variabel : klik tab sheet VARIABLE VIEW


27

Variabel NAMA

Name. Letakkan pointer pada baris 1 di bawah kolom

Name, klik ganda, ketik nama.

Type. Variabel NAMA merupakan data yang berupa

huruf. Penentuan tipe data dilakukan dengan


Klik String.

Klik OK.

Width. Ketik 12. Hal ini berarti variabel NAMA

dapat ditulis maksimum 12 karakter.

Decimal. Oleh karena variabel NAMA merupakan

data yang berupa huruf, maka secara otomatis

tidak dapat ditulis angka dibelakang koma.


Values. Abaikan bagian ini.

28







sel.

Measure. Oleh karena variabel NAMA merupakan

data nominal. Klik Nominal pada kotak di kanan

sel.

Variabel IPK


kolom Name, klik ganda, ketik ipk.

Type. Variabel IPK merupakan data yang berupa

angka. Penentuan tipe data dilakukan dengan


Klik Numeric.

Klik OK.

Width. Ketik 8. Hal ini berarti variabel IPK dapat

ditulis maksimum 8 digit.

29

Decimal. Ketik 2. Hal ini berarti variabel IPK dapat

ditulis maksimum 2 digit di belakang koma.


Abaikan bagian yang lain.

2. Pengisian Data

i. Klik tab sheet DATA VIEW di bagian kiri bawah.

ii. Letakkan pointer pada baris 1 kolom nama, ketik ke

bawah sesuai dengan data nama mahasiswa tersebut.

iii. Kemudian letakkan pointer pada baris 1 kolom ipk,

ketik ke bawah sesuai dengan data Indeks Prestasi

Kumulatif (IPK) mahasiswa tersebut.

3. Menyimpan Data


file dengan frequencies_data rasio.

4. Pengolahan Data

i. Membuka file frequencies_data rasio.

ii. Klik menu utama ANALYZE, klik submenu DESCRIPTIVE

STATISTICS, klik FREQUENCIES

30

Variabels. Klik variabel IPK yang akan diamati, klik

tanda >, maka variabel IPK akan berpindah ke

Variables.

Klik Display Frequency Tables untuk menampilkan

tabel frekwensi.

Statistics. Dilakukan untuk melakukan perhitungan

statistik.

Percentiles Values. Klik Quartiles untuk

mengetahui nilai kuartil. Klik Percentiles, ketik

10, klik Add, Kemudian ketik 90, klik Add. Hal

ini dilakukan untuk mengetahui nilai persentil

pada 10 dan 90.

Dispersion. Dilakukan untuk mengetahui

penyebaran data. Klik Std. Deviation,

Variance, Range, Minimum, Maximum, dan

S.E. Mean.

Central Tendency. Dilakukan untuk

mengetahui ukuran kecenderungan terpusat

data. Klik Mean, klik Median, klik Mode.

Distribution. Dilakukan untuk mengetahui

distribusi data. Klik Skewness, klik Kurtosis.

31

Charts. Dilakukan untuk membuat tampilan gafik.

Chart Types. Pilihan tampilan grafik, klik

Histogram, klik With Normal Curve.

Klik With Normal Curve untuk menampilkan

kurva normal.

Klik Continue.

Format. Format tampilan.

32

Order by. Penyusunan data dari kecil ke besar

(Ascending Values) atau dari besar ke kecil

(Descending Values). Dalam hal ini, penyusunan

data kecil ke besar, klik Ascending Values.

Klik Continue.

Klik OK

OUTPUT

33

ANALISIS DATA

1. Output Statistics

Berdasarkan output Statistic dapat dilihat bahwa :

a. N. Terdapat 26 data Indeks Prestasi (IPK) mahasiswa

dengan tingkat validitas sebesar 100%. Hal ini berarti

tidak ada data yang hilang.

b. Mean. Rata-rata Indeks Prestasi Kumulatif (IPK)

mahasiswa sebesar 3,2654.

34

c. S.E. of Mean. Standart Error of Mean sebesar 3,462E-02

digunakan untuk memperkirakan rata-rata populasi

berdasarkan rata-rata sampel.

Rata-rata populasi : Rata-rata sampel 2(S.E. Mean)

: 3,2654 2(3,462E-02)

: 3,19616 s/d 3,33464

d. Median. Median sebesar 3,30 merupakan nilai tengah

jika data diurutkan dan dibagi dua sama besar. Hal ini

berarti 50% Indeks Prestasi Kumulatif (IPK) mahasiswa

diatas 3,30 dan 50% Indeks Prestasi Kumulatif (IPK)

mahasiswa di bawah 3,30

e. Std. Deviation. Simpangan baku sebesar 0,1765

digunakan untuk memperkirakan penyebaran data

populasi berdasarkan rata-rata-rata sampel.

Penyebaran populasi : Rata-rata sampel 2(Std.

Deviation)

: 3,2654 2(0,1765)

:2,9034 s/d 3,6094

Berdasarkan perhitungan tersebut dapat dilihat bahwa

batas bawah (2,9034) mendekati nila minimum (3,00)

dan batas atas (3,6094) mendekati nilai maksimum

(3,50) maka penyebaran data adalah baik.

f. Variance. Varians sebesar 3,115E-02

g. Skewness. Skewness sebesar 0,134 digunakan untuk

mengetahui bentuk distribusi data.

Rasio Skewness : ssS.E.Skewne

Skewness

35

: 0,456

0,134-

:-0,29386


2 < Rasio Skewness (-0,29386) < 2, maka distribusi data

adalah normal.

h. Kurtosis. Kurtosis sebesar 1,316 digunakan untuk

mengetahui bentuk distribusi data.

Rasio Skewness : Kurtosis S.E.

Kurtosis

: 0,887

1,316-

:-0,48365


2 < Rasio Kurtosis (-48365) < 2, maka distribusi data

adalah normal.

i. Minimum. Indeks Prestasi Kumulatif (IPK) mahasiswa

terendah sebesar 3,00.

j. Maximum. Indeks Prestasi Kumulatif (IPK) mahasiswa

tertinggi sebesar 3,50.

k. Range. Range sebesar 0,50 merupakan jarak antara

nilai maksimum dengan nilai minimum.

l. Percentiles. Angka persentil.

a) Percentiles 10. Rata-rata Indeks Prestasi Kumulatif

(IPK) mahasiswa sebanyak 10% di bawah 3,00.

b) Percentiles 25. Rata-rata Indeks Prestasi Kumulatif


36

c) Percentiles 50. Rata-rata Indeks Prestasi Kumulatif


d) Percentiles 75. Rata-rata Indeks Prestasi Kumulatif


e) Percentiles 90. Rata-rata Indeks Prestasi Kumulatif


2. Output Frequencies

Berdasarkan output Frequencies dapat dilihat bahwa :

a. Mahasiswa dengan Indeks Prestasi Kumulatif (IPK)

sebesar 3,00 sebanyak 4 (15,4%) orang.

b. Mahasiswa dengan Indeks Prestasi Kumulatif (IPK)


c. Mahasiswa dengan Indeks Prestasi Kumulatif (IPK)


d. Mahasiswa dengan Indeks Prestasi Kumulatif (IPK)


e. Mahasiswa dengan Indeks Prestasi Kumulatif (IPK)


37

3. Output Chart

Berdasarkan output Chart dapat dilihat bahwa diagram

batang yang menunjukkan frekwensi data Indeks

Prestasi Kumulatif (IPK) mahasiswa mempunyai

kemiripan bentuk dengan kurva normal. Hal ini

menunjukkan bahwa bentuk distribusi data Indeks

Prestasi Kumulatif (IPK) mahasiswa mendekati

distribusi normal.

TUGAS

Magister Manajemen Universitas Sebelas Maret Surakarta ingin :

1) mengetahui besarnya frekwensi data, 2) mengetahui ukuran

kecenderungan terpusat (central tendency), seperti : rata-rata

(mean), nilai tengah (median), dan nilai yang sering muncul

(modus), 3) mengetahui penyebaran (dispersion), seperti :

38

simpangan baku (deviation standart) dan varians (variance), 4)

mengetahui bentuk distribusi (distribution), seperti : skewness

dan kurtosis, 5) membuat tampilan grafik data Skor Potensi

Akademik (TPA) mahasiswa. Dari 26 mahasiswa diketahui data

Skor Potensi Akademik (TPA) sebagai berikut :

No

Nama TPA

1 Arman 533

2 Bambang 529

3 Chairul 523

4 Dina 510

5 Erma 532

6 Fiona 525

7 Guntur 528

8 Husni 525

9 Indah 515

10 Jihan 526

11 Khrisna 518

12 Laksmi 520

13 Mahfudz 519

14 Nirmala 530

15 Oka 510

16 Putri 522

17 Queen 525

18 Rachmat 527

19 Sarah 509

20 Thomas 516

21 Umar 501

22 Vincent 503

23 Woro 530

24 Xena 505

25 Yahya 524

26 Zulva 511

39

MATERI 4 UJI t-STUDENT

A. Uji t Satu Sampel

Uji t satu sampel digunakan untuk menguji perbedaan rata

rata suatu variabel dengan suatu konstanta tertentu atau

nilai hipotesis dari sampel tunggal dengan asumsi data

berdistribusi normal.

CONTOH KASUS

Program Studi D3 Manajemen Industri Fakultas Ekonomi

Universitas Sebelas Maret Surakarta ingin menguji apakah

terdapat perbedaan rata-rata yang signifikan antara nilai

ujian masuk gelombang I dengan nilai ujian masuk

gelombang II. Rata-rata nilai ujian gelombang I adalah

sebesar 90. Dari 20 peserta diketahui nilai ujian gelombang

II sebagai berikut :

Mahasiswa Nilai Ujian

Gelombang II

1 76

2 76

3 77

4 77

5 78

6 79

7 79

8 80

9 82

10 82

11 88

12 82

40

13 92

14 92

15 96

16 92

17 84

18 85

19 88

20 84

PENGOLAHAN DATA

1. Pemasukan Data



Mendefinisikan variabel : klik VARIABLE VIEW di bagian

kiri bawah.


Name, klik ganda, ketik nilai.

Type. Variabel NILAI merupakan data yang berupa



41

Klik Numeric.

Klik OK.

Width. Ketik 8. Hal ini berarti variabel NILAI dapat


Decimal. Ketik 0. Hal ini berarti variabel NILAI tidak

dapat ditulis angka di belakang koma.



2. Pengisian Data


Letakkan pointer pada baris 1 kolom nilai, ketik ke

bawah sesuai dengan data nilai peserta ujian

gelombang II tersebut.

3. Menyimpan Data

Klik menu utama FILE, pilih submenu SAVE AS, beri

nama file dengan one sample t test.

4. Pengolahan Data

i. Membuka file one sample t test.

ii. Klik menu utama ANALYZE, klik submenu COMPARE

MEANS, klik ONE SAMPLE T TEST

42

Test Variabel. Klik variabel NILAI yang akan diuji,

klik tanda >, maka variabel NILAI akan berpindah

ke Test Variables.

Test Value. Ketik 90.

Options. Pengisian pilihan yang lain.

Confidence Interval. Tingkat kepercayaan

sebesar 95% atau tingkat signifikansi sebesar

5%.

Missing Values. Data yang hilang atau data

yang kosong tidak ada, maka klik Exclude cases

analysis by analysis.

Klik Continue.

Klik OK.

43

OUTPUT

ANALISIS DATA

1. Output One Sample Statistic

Berdasarkan output One Sample Statistic untuk variabel

NILAI, dapat dilihat bahwa :

Rata-rata sebesar 83,45

Simpangan baku sebesar 6,08

2. Output One Sample Test

Berdasarkan output One Sample Test untuk variabel NILAI,

dapat dilakukan analisis data sebagai berikut :

Hipotesis

H0 : Tidak terdapat perbedaan rata-rata yang

signifikan antara nilai ujian masuk gelombang I

dengan nilai peserta ujian masuk gelombang II

44

H1 : Terdapat perbedaan rata-rata yang

signifikan antara nilai ujian masuk gelombang I

dengan nilai peserta ujian masuk gelombang II

Level of Significant () dan Degree of Freedom (df)

Tingkat signifikansi () : 0,05/2

Derajat kebebasan (df) : 20 1

ttabel : 2,093

Kriteria Pengujian

Jika thitung < -ttabel atau thitung > ttabel atau probabilitas

kesalahan < 0,05, maka H0 ditolak.

Jika -ttabel thitung ttabel atau probabilitas

kesalahan 0,05, maka H0 diterima.

Kesimpulan

Oleh karena thitung (-4,816) < -ttabel (-2,093) atau

probabilitas kesalahan (0,000) < 0,05, maka H0 ditolak.

Dengan demikian, terdapat perbedaan rata-rata yang

signifikan antara nilai ujian masuk gelombang I dengan nilai

ujian masuk gelombang II, yaitu :

Mean Difference. Perbedaan rata-rata sebesar

6,55 yang merupakan selisih antara rata-rata nilai

ujian masuk gelombang II (83,45) dengan rata-rata

nilai ujian masuk gelombang I (90).

95% Confidence Interval of Means. Perbedaan

rata-rata sebesar 6,55 tersebut mempunyai jarak

antara batas bawah sebesar 9,40 sampai dengan

batas atas sebesar 3,70 (Tanda negatif berarti

rata-rata nilai ujian masuk gelombang II lebih kecil

45

dibandingkan dengan rata-rata nilai ujian masuk

gelombang I).

46

TUGAS

Distribusi rokok yang menjual rokok merek baru yang memiliki

banyak keunggulan. Setelah satu bulan berlalu pemilik

distributor rokok ingin mengetahui apakah rokok yang terjual

pada satu bulan sudah sesuai dengan target, yaitu 15 menit per

hari. Datanya sebagai berikut :

Hari Rokok

1 14

2 15

3 15

4 17

5 12

6 11

7 18

8 14

9 13

10 14

11 15

12 16

13 14

14 14

15 12

16 16

17 19

18 20

19 16

20 11

21 15

22 16

23 14

24 16

25 13

26 15

27 13

47

B. UJI T BERPASANGAN

Uji t dua sampel berpasangan dilakukan untuk menguji

apakah terdapat perbedaan rata-rata yang signifikan antara

dua sampel berpasangan. Dua sampel berpasangan

merupakan sebuah sampel dengan subyek yang sama namun

mendapat dua perlakuan yang berbeda. Pengukuran

pertama dilakukan sebelum diberi perlakuan tertentu dan

pengukuran kedua dilakukan sesudahnya. Dasar

pemikirannya adalah sederhana yaitu bahwa apabila suatu

perlakukan tidak memberikan pengaruh maka perbedaan

rata ratanya adalah nol. Dengan asumsi data berdistribusi

normal.

48

CONTOH KASUS

PT. Gramedia Pustaka Utama Jakarta ingin menguji apakah

terdapat perbedaan rata-rata yang signifikan antara penjualan

wiraniaga sebelum memperoleh program pelatihan dan sesudah

memperoleh program pelatihan. Dari 15 wiraniaga diketahui

penjualan wiraniaga sebagai berikut :

Wiraniaga Penjualan

Sebelum Pelatihan Sesudah Pelatihan

1 140 150

2 154 150

3 164 170

4 156 160

5 160 174

6 160 162

7 162 168

8 156 156

9 160 170

10 156 150

11 170 176

12 166 164

13 150 150

14 182 186

15 170 174

PENGOLAHAN DATA

1. Pemasukan Data

Membuka lembar kerja baru : klik menu utama FILE, klik

submenu NEW, klik DATA.

Mendefinisikan variabel : klik tab sheet VARIABLE VIEW di

bagian kiri bawah.

49

Variabel SEBELUM


kolom Name, klik ganda, ketik sebelum.

Type. Variabel SEBELUM merupakan data yang

berupa angka. Penentuan tipe data dilakukan

dengan membuka Variable Type pada kotak di

kanan sel.

50

Klik Numeric.

Klik OK.

Width. Ketik 8. Hal ini berarti variabel SEBELUM

dapat ditulis maksimum 8 digit.

Decimal. Ketik 0. Hal ini berarti variabel SEBELUM




Variabel SESUDAH


kolom Name, klik ganda, ketik sesudah.

Type. Variabel SESUDAH merupakan data yang

berupa angka. Penentuan tipe data dilakukan


kanan sel.

Klik OK.

Width. Ketik 8. Hal ini berarti variabel SESUDAH


Decimal. Ketik 0. Hal ini berarti variabel SESUDAH


51



2. Pengisian Data


ii. Letakkan pointer pada baris 1 kolom sebelum, ketik ke

bawah sesuai dengan data nilai peserta ujian

gelombang II tersebut.

iii. Kemudian letakkan pointer pada baris 1 kolom

sesudah, ketik ke bawah sesuai dengan data nilai

peserta ujian gelombang II tersebut.

3. Menyimpan Data


file dengan paired samples t test.

4. Pengolahan Data

i. Membuka file paired sample t test.


MEANS, klik PAIRED SAMPLES T TEST

Paired Variabels. Klik variabel SEBELUM, kemudian

klik variabel SESUDAH yang akan diuji, maka pada

Current Sections terdapat keterangan untuk

52

variabel 1 : sebelum dan variabel 2 : sesudah.

Kemudian klik tanda >, maka tertulis sebelum-

sesudah.

Options. pengisian pilihan yang lain.



5%.




Klik Continue.

Klik OK.

53

OUTPUT

ANALISIS DATA

1. Output Paired Samples Statistic

Berdasarkan Output Paired Samples Statistic untuk variabel

SEBELUM, dapat dilihat bahwa :



Berdasarkan output Paired Samples Statistic untuk variabel

SESUDAH, dapat dilihat bahwa :



2. Output Paired Samples Correlations

Berdasarkan output Paired Samples Correlations untuk

variabel SEBELUM dan variabel SESUDAH, dapat dilihat

bahwa :

Koefisien korelasi sebesar 0,875

Probabilitas kesalahan sebesar 0,000

54

Hal ini berarti bahwa terdapat hubungan yang signifikan

antara variabel SEBELUM dan variabel SESUDAH.

3. Output Paired Samples Test

Berdasarkan output Paired Samples Test untuk variabel

SEBELUM dan variabel SESUDAH, dapat dilakukan analisis

data sebagai berikut :

i. Hipotesis


signifikan antara penjualan wiraniaga sebelum

memperoleh program pelatihan dan sesudah

memperoleh program pelatihan

H1 : Terdapat perbedaan rata-rata yang signifikan

antara penjualan wiraniaga sebelum


memperoleh program pelatihan

ii. Level of Significant () dan Degree of Freedom (df)



ttabel : 2,145

iii. Kriteria Pengujian

Jika thitung < -ttabel atau thitung > ttabel atau probabilitas

kesalahan < 0,05, maka H0 ditolak.



iv. Kesimpulan

Oleh karena thitung (-2,553) < -ttabel (-2,145) atau


55


signifikan antara penjualan wiraniaga sebelum


memperoleh program pelatihan, yaitu :


3,60 merupakan selisih antara rata-rata

penjualan wiraniaga sebelum memperoleh

program pelatihan (160,40) dengan sesudah

memperoleh program pelatihan (164,00).


rata-rata sebesar 3,60 tersebut mempunyai

jarak antara batas bawah sebesar 6,62 sampai

dengan batas atas sebesar 0,58 (Tanda negatif

berarti rata-rata penjualan wiraniaga sebelum

memperoleh program pelatihan lebih kecil

dibandingkan dengan sesudah memperoleh

program pelatihan).

56

TUGAS

Suatu penelitian dilakukan terhadap 25 mahasiswa (yang tidak

kidal) yang dipilih secara acak untuk menginvestigasi desain

pegangan pintu. Ada dua macam desain pegangan pintu yang

identik, yang satu harus diputar kekiri untuk membuka pintu

dan yang satu lagi harus diputar kekanan untuk membuka

pintu. Ke-25 mahasiswa tersebut diminta membuka pintu yang

menggunakan kedua desain pegangan pintu yang identik

tersebut. Data berikut merupakan waktu (dalam detik) yang

diperlukan untuk membuka pintu dari jarak tertentu yang sama

jauh dengan menggunakan tangan kanan dan tangan kiri dari ke

25 mahasiswa tersebut.

Mahasiswa

Lama waktu untuk membuka pintu

Desain pegangan pintu putar kanan

Desain pegangan pintu putar kiri

1 113 137

2 105 105

3 130 133

4 101 108

5 138 115

6 118 170

7 87 103

8 116 145

9 75 78

10 96 107

11 122 84

12 103 148

13 116 147

14 107 87

15 118 166

16 103 146

17 111 123

18 104 135

19 111 112

57

20 89 93

21 78 76

22 100 116

23 89 78

24 85 101

25 88 123

Apakah banyaknya waktu untuk membuka pintu dengan desain

pegangan pintu putar kanan untuk orang yang tidak kidal akan

lebih cepat dibandingkan banyaknya waktu untuk membuka

pintu dengan desain pegangan pintu putar kiri? ( alpha=0,05)

58

C. UJI T DUA SAMPEL INDEPENDEN

Uji t dua sampel bebas dilakukan untuk menguji apakah

terdapat perbedaan rata-rata yang signifikan antara dua

sampel bebas dengan asumsi data terdistribusi normal. Tes

ini juga digunakan untuk menguji pengaruh variabel

independen terhadap variabel dependen.

CONTOH KASUS

PT. SRITEX di Kabupaten Sukoharjo ingin menguji apakah

terdapat perbedaan rata-rata yang signifikan antara gaji

karyawan wanita dengan gaji karyawan pria. Dari 14 karyawan

wanita dan 16 karyawan pria diketahui gaji karyawan sebagai

berikut :

No Gaji (dalam ribuan)

Karyawan Wanita Karyawan Pria

1 2080 2200

2 1520 1240

3 760 1000

4 640 960

5 600 840

6 520 680

7 400 520

8 2240 360

9 1600 2240

10 1120 1640

11 720 1120

12 600 960

13 560 920

14 480 760

15 640

16 480

59

PENGOLAHAN DATA

1. Pemasukan Data





Variabel GAJI


kolom Name, klik ganda, ketik gaji.

Type. Variabel GAJI merupakan data yang berupa



Klik Numeric.

Klik OK.

Width. Ketik 8. Hal ini berarti variabel GAJI dapat


60

Decimal. Ketik 0. Hal ini berarti variabel GAJI tidak

dapat ditulis angka di belakang koma.



Variabel GENDER


kolom Name, klik ganda, ketik gender.

Type. Variabel GENDER merupakan data yang


oleh karena pemasukan data untuk Wanita dan

Pria dilakukan secara bergantian dan berulang-

ulang, maka untuk mempermudah dalam



GENDER merupakan data yang berupa angka.

Penentuan tipe data dilakukan dengan membuka

Variable Type pada kotak di kanan sel.

Klik Numeric.

Klik OK.

61

Width. Ketik 1. Hal ini berarti variabel GENDER


Decimal. Ketik 0. Hal ini berarti variabel GENDER



Values. Pengkodean data untuk Wanita dan Pria

dilakukan dengan membuka Value Labels. Klik

pada kotak di kanan sel.

Gender Wanita



Wanita.

Klik Add, maka tertulis 1 = Wanita.

Gender Pria



Pria.

Klik Add, maka tertulis 2 = Pria.

62







sel.




2. Pengisian Data


ii. Letakkan pointer pada baris 1 kolom gaji, ketik ke

bawah sesuai dengan data gaji karyawan tersebut.

iii. Sebelum pengisian data variabel GENDER, klik menu




berikut :

Pemasukan data Wanita dilakukan dengan


menjadi Wanita.

Pemasukan data Pria dilakukan dengan memasukkan

angka 2 yang secara otomatis diubah menjadi Pria.

Perhatian ! Dengan adanya pengkodean data, maka

pemasukan data yang berupa huruf akan ditolak.

63

iv. Kemudian letakkan pointer pada baris 1 kolom gender,

ketik ke bawah sesuai dengan data gender karyawan

tersebut.

3. Menyimpan Data


file dengan independent samples t test.

4. Pengolahan Data

i. Membuka file independent sample t test.


MEANS, klik INDEPENDENT SAMPLES T TEST

Test Variabels. Klik variabel GAJI yang akan diuji,

klik tanda >, maka variabel GAJI akan berpindah

ke Test Variables.

Grouping Variable. Pengelompokan berdasarkan

variabel GENDER. Klik variabel GENDER, klik tanda

>, maka variabel GENDER akan berpindah ke

Grouping Variable.

Define Groups. Dilakukan untuk pengisian

kelompok.

64

Group 1. Kelompok 1 adalah Wanita, maka

ketik angka 1.

Group 2. Kelompok 2 adalah Pria, maka ketik

angka 2.

Klik Continue.




5%.




Klik Continue.

Klik OK.

65

OUTPUT

ANALISIS DATA

1. Output Group Statistic

Berdasarkan output Group Statistic untuk gender Wanita, dapat

dilihat bahwa :



Berdasarkan output Group Statistic untuk gender Pria, dapat

dilihat bahwa :

Rata-rata sebesar 1.035,00


2. Output Independent Samples Test

Berdasarkan output Independent Samples Test dapat dilakukan

analisis data sebagai berikut :

66

Levenes Test (F Test)

Uji Levene (uji F) dilakukan untuk menguji apakah terdapat

perbedaan varians yang signifikan antara populasi gaji karyawan

pria dan gaji karyawan wanita.

Hipotesis

H0 : Tidak terdapat perbedaan varians yang signifikan

antara populasi gaji karyawan pria dan gaji

karyawan wanita

H1 : Terdapat perbedaan varians yang signifikan antara

populasi gaji karyawan pria dan gaji karyawan

wanita


Tingkat signifikansi () : 0,05

Tingkat kebebasan (df)

o Numerator : 2 1

o Denumerator : 30 - 2

Ftabel : 4,200

Kriteria Pengujian

Jika Fhitung > Ftabel atau probabilitas kesalahan < 0,05, maka

H0 ditolak.

Jika Fhitung ttabel atau probabilitas kesalahan 0,05, maka

H0 diterima.

Kesimpulan

Oleh karena Fhitung (0,707) < Ftabel (4,200) atau probabilitas

kesalahan (0,392) > 0,05, maka H0 diterima.

67

Dengan demikian, tidak terdapat perbedaan varians yang

signifikan antara populasi gaji karyawan pria dan gaji

karyawan wanita.

Berdasarkan hasil uji Levene tersebut, maka uji t untuk dua

sampel bebas menggunakan Equal variance assumed. Hal ini

berarti, diasumsikan bahwa varians populasi gaji karyawan

wanita sama dengan karyawan pria.

Independent Samples T Test

Uji t untuk dua sampel bebas dilakukan untuk menguji apakah

terdapat perbedaan rata-rata yang signifikan antara gaji karyawan

wanita dengan gaji karyawan pria.

Hipotesis


signifikan antara gaji karyawan wanita dengan

gaji karyawan pria


antara gaji karyawan wanita dengan gaji

karyawan pria




ttabel : 2,048

Kriteria Pengujian

Jika thitung < -ttabel atau thitung > ttabel atau

probabilitas kesalahan < 0,05, maka H0 ditolak.



68

Kesimpulan

Oleh karena thitung (-0,216) > -ttabel (-2,048) atau

probabilitas kesalahan (0,831) > 0,05, maka H0

diterima.

Dengan demikian, tidak terdapat perbedaan rata-

rata yang signifikan antara gaji karyawan wanita

dengan gaji karyawan pria, yaitu :


46,43 merupakan selisih antara rata-rata gaji

karyawan wanita (988,57) dengan rata-rata

gaji karyawan pria (1.035,00).


rata-rata sebesar 46,43 tersebut mempunyai

jarak antara batas bawah sebesar 486,78

sampai dengan batas atas sebesar 393,93

(Tanda negatif berarti gaji karyawan wanita

lebih kecil dibandingkan dengan gaji karyawan

pria).

69

TUGAS

Suatu studi dilakukan oleh Departemen Kesahatan untuk

mengetahui apakah pelatihan menurunkan kadar kolesterol

selama 8 minggu akan mengurangi tingkat/kadar kolesterol

peserta. Untuk menguji hal ini diambil 15 peserta yang

mendapatkan treatment berupa pelatihan menurunkan kadar

kolesterol dan 18 peserta lain yang tidak mengikuti pelatihan

menurunkan kadar kolesterol sebagai kontrol.

Kadar Kolesterol

Treatment (peserta yang ikut pelatihan menurun

kadar kolesterol)

Kontrol (peserta yang tidak ikut pelatihan menurun

kadar kolesterol

129 151

131 132

154 196

172 195

120 188

126 198

175 187

155 168

122 115

150 165

159 137

156 208

176 133

175 217

126 191

193

140

146

Apakah dapat disimpulkan bahwa kadar kolesterol peserta yang

ikut pelatihan menurun kadar kolesterol lebih rendah

70

dibandingkan dengan peserta yang tidak ikut pelatihan

menurun kadar kolesterol? (alpha=0,05).

71

MATERI 5 ONE WAY ANOVA

Analisis varians satu faktor dilakukan untuk menguji apakah

terdapat perbedaan rata-rata yang signifikan antara lebih dari

dua sampel dimana varians populasi-populasi tersebut adalah

sama.

CONTOH KASUS

Perusahaan Roti dan Kue DIKA di Kota Surakarta ingin menguji


penjualan per hari di outlet Palur, outlet Jebres, outlet Gladag,

dan outlet Kerten. Dari keempat outlet tersebut diketahui

penjualan per hari sebagai berikut :

No

Penjualan per Hari (dalam ribuan)

Outlet Palur

Outlet Jebres

Outlet Gladag

Outlet Kerten

1 1440 1020 1340 600

2 1460 1380 1300 592

3 1450 1460 1200 620

4 1500 1040 1250 810

5 1600 1220 1400 472

6 1460 1200 1360 400

7 1620 1050 1392

8 1540 992

9 1800 1146

10 1062

72

PENGOLAHAN DATA

1. Pemasukan Data





Variabel JUAL


kolom Name, klik ganda, ketik jual.

Type. Variabel JUAL merupakan data yang berupa



Klik Numeric.

Klik OK.

73

Width. Ketik 8. Hal ini berarti variabel JUAL dapat


Decimal. Ketik 0. Hal ini berarti variabel JUAL




Variabel OUTLET


kolom Name, klik ganda, ketik outlet.

Type. Variabel OUTLET merupakan data yang


oleh karena pemasukan data untuk Palur,

Jebres, Gladag, dan Kerten dilakukan secara

bergantian dan berulang-ulang, maka untuk

mempermudah dalam pemasukan data dilakukan

pengkodean data. Dengan pengkodean data

tersebut, maka variabel OUTLET merupakan data

yang berupa angka. Penentuan tipe data dilakukan


kanan sel.

Klik Numeric.

74

Klik OK.

Width. Ketik 1. Hal ini berarti variabel OUTLET


Decimal. Ketik 0. Hal ini berarti variabel OUTLET



Values. Pengkodean data untuk Palur, Jebres,

Gladag, dan Kerten dilakukan dengan membuka

Value Labels. Klik pada kotak di kanan sel.

Outlet Palur



Palur.

Klik Add, maka tertulis 1 = Palur.

Outlet Jebres



Jebres.

75

Klik Add, maka tertulis 2 = Jebres.

Outlet Gladag



Gladag.

Klik Add, maka tertulis 1 = Gladag.

Outlet Kerten



Kerten.

Klik Add, maka tertulis 4 = Kerten.







sel.




2. Pengisian Data


Letakkan pointer pada baris 1 kolom jual, ketik ke

bawah sesuai dengan data penjualan per hari tersebut.

Sebelum pengisian data variabel OUTLET, klik menu



76


berikut :

Pemasukan data Palur dilakukan dengan


menjadi Palur.

Pemasukan data Jebres dilakukan dengan


menjadi Jebres.

Pemasukan data Gladag dilakukan dengan


menjadi Gladag.

Pemasukan data Kerten dilakukan dengan


menjadi Kerten.

Perhatian ! Dengan adanya pengkodean data, maka pemasukan

data yang berupa huruf akan ditolak.

Kemudian letakkan pointer pada baris 1 kolom outlet,

ketik ke bawah sesuai dengan data outlet tersebut.

3. Menyimpan Data


file dengan one way anova.

4. Pengolahan Data

Membuka file one way anova.

Klik menu utama ANALYZE, klik submenu COMPARE

MEANS, klik ONE WAY ANOVA

77

Dependent List. Klik variabel JUAL yang akan diuji,

klik tanda >, maka variabel JUAL akan berpindah

ke Dependent List.

Factor. Pengelompokan berdasarkan variabel

OUTLET. Klik variabel OUTLET, klik tanda >, maka

variabel OUTLET akan berpindah ke Factor.


78

Statistic. Perhitungan statistik yang akan

dilakukan adalah Descriptive dan Homogeneity

of variance.




Klik Continue.

Post Hoc. Digunakan untuk melakukan perhitungan

statistik lanjutan.

Equal Variances Assumed. Klik Tukey.

Significance Level. Tingkat signifikansi sebesar

5% atau tingkat kepercayaan sebesar 95%.

Klik Continue.

79

OUTPUT

ANALISIS DATA

1. Output Descriptives

Berdasarkan output Descriptives untuk outlet Palur, dapat

dilihat bahwa :

Rata-rata penjualan per hari sebesar 1.541,11

Simpangan baku penjualan per hari sebesar 117,31

Penjualan per hari minimum sebesar 1.440 dan maksimum

sebesar 1.800

Rata-rata penjualan per hari sebesar 1.541,11 tersebut

mempunyai jarak antara batas bawah sebesar 1450,94 dan batas

atas sebesar 1.631,28

Berdasarkan output Descriptives untuk outlet Jebres, dapat

dilihat bahwa :

Rata-rata penjualan per hari sebesar 1.157


Penjualan per hari minimum sebesar 992 dan maksimum

sebesar 1.460

80

Rata-rata penjualan per hari sebesar 1.157 tersebut

mempunyai jarak antara batas bawah sebesar 1.043,23 dan

batas atas sebesar 1.270,77

Berdasarkan output Descriptives untuk outlet Gladag, dapat

dilihat bahwa :

Rata-rata penjualan per hari sebesar 1.320,29


Penjualan per hari minimum sebesar 1.200 dan maksimum

sebesar 1.400

Rata-rata penjualan per hari sebesar 1.320,29 tersebut



Berdasarkan output Descriptives untuk outlet Kerten, dapat

dilihat bahwa :

Rata-rata penjualan per hari sebesar 582,33

Simpangan baku penjualan per hari sebesar 1.400,77

Penjualan per hari minimum sebesar 400 dan maksimum

sebesar 810

Rata-rata penjualan per hari sebesar 582,33 tersebut



81

2. Output Test of Homogeneity of Variances

Uji homogenitas varians dilakukan untuk menguji apakah

terdapat perbedaan varians yang signifikan antara populasi

penjualan per hari di outlet Palur, outlet Jebres, outlet

Gladag, dan outlet Kerten.

a. Hipotesis

H0 : Tidak terdapat perbedaan varians yang

signifikan antara populasi penjualan per hari di

outlet Palur, outlet Jebres, outlet Gladag, dan

outlet Kerten

H1 : Terdapat terdapat perbedaan varians yang

signifikan antara populasi penjualan per hari di

outlet Palur, outlet Jebres, outlet Gladag, dan

outlet Kerten

b. Level of Significant () dan Degree of Freedom (df)



o Numerator : 4 1

82


Ftabel : 2,950

c. Kriteria Pengujian

Jika Fhitung > Ftabel atau probabilitas kesalahan <

0,05, maka H0 ditolak.

Jika Fhitung ttabel atau probabilitas kesalahan

0,05, maka H0 diterima.

d. Kesimpulan

Oleh karena Fhitung (1,109) < Ftabel (2,950) atau


diterima.

Dengan demikian, tidak terdapat perbedaan varians

yang signifikan antara populasi penjualan per hari di

outlet Palur, outlet Jebres, outlet Gladag, dan outlet

Kerten.

83

3. Output ANOVA

Uji analisis varians satu faktor dilakukan untuk menguji

apakah terdapat perbedaan rata-rata yang signifikan

antara penjualan per hari di outlet Palur, outlet Jebres,

outlet Gladag, dan outlet Kerten.

Hipotesis


signifikan antara penjualan per hari di outlet

Palur, outlet Jebres, outlet Gladag, dan outlet

Kerten


antara penjualan per hari di outlet Palur, outlet

Jebres, outlet Gladag, dan outlet Kerten

a. Level of Significant () dan Degree of Freedom (df)



o Numerator : 4 1


Ftabel : 2,950

b. Kriteria Pengujian





c. Kesimpulan

Oleh karena Fhitung (68,588) > Ftabel (2,950) atau


84


signifikan antara penjualan per hari di outlet Palur,

outlet Jebres, outlet Gladag, dan outlet Kerten.

85

4. Output Post Hoc Test

Uji Post Hoc dilakukan untuk mengetahui manakah terdapat

perbedaan rata-rata yang signifikan antara penjualan per

hari di :

Outlet Palur dengan outlet Jebres, outlet Gladag, dan

outlet Kerten

Outlet Jebres dengan outlet Palur, outlet Gladag, dan

outlet Kerten

Outlet Gladag dengan outlet Palur, outlet Jebres, dan

outlet Kerten

Outlet Kerten dengan outlet Palur, outlet Jebres, dan

outlet Gladag

Outlet Palur dengan Outlet Jebres

Mean Difference. Perbedaan rata-rata sebesar 384,11

merupakan selisih antara rata-rata penjualan per hari

outlet Palur (1.541,11) dengan rata-rata penjualan per hari

outlet Jebres (1.157).

95% Confidence Interval of Means. Perbedaan rata-rata

sebesar 384,11 tersebut mempunyai jarak antara batas

bawah sebesar 221,56 sampai dengan batas atas sebesar

546,66

Tanda * pada Mean Different berarti terdapat perbedaan rata-rata

yang signifikan antara penjualan per hari outlet Palur dan outlet

Jebres.

Outlet Palur dengan Outlet Gladag



86


outlet Gladag (1.320,29).




399,11



Gladag.

Outlet Palur dengan Outlet Kerten




outlet Gladag (582,33).




1.145,23



Gladag.

Dan seterusnya.

87

5. Output Homogeneous Subsets

Uji Homogeneous Subsets dilakukan untuk mengetahui manakah

tidak terdapat perbedaan rata-rata yang signifikan antara

penjualan per hari di outlet Palur, outlet Jebres, outlet Gladag,

dan outlet Kerten :

Subset 1. Terdapat outlet Kerten. Hal ini berarti terdapat

perbedaan yang signifikan antara penjualan per hari di

outlet Kerten dengan outlet Jebres, outlet Gladag, dan

outlet Palur.

Subset 2. Terdapat outlet Jebres dan outlet Gladag. Hal ini

berarti tidak terdapat perbedaan yang signifikan antara

penjualan di outlet Kerten dengan outlet Gladag.

Subset 3. Terdapat outlet Palur. Hal ini berarti terdapat

perbedaan yang signifikan antara penjualan per hari di

outlet Palur dengan outlet Kerten, outlet Jebres, dan

outlet Gladag.

Dan seterusnya.

88

TUGAS

Bagian Kemahasiswaan Fakultas Ekonomi Universitas Sebelas

Maret Surakarta ingin menguji apakah terdapat perbedaan rata-

rata yang signifikan antara tingkat kedewasaan mahasiswa

semester I, III, V, VII, dan IX. Dari kelima angkatan tersebut

diketahui tingkat kedewasaan mahasiswa sebagai berikut :

Mahasiswa Tingkat Kedewasaan

Smt. I Smt. III Smt. V Smt. VII Smt. IX

1 59 58 40 54 54

2 56 57 42 53 57

3 57 56 45 49 55

4 58 56 41 51 58

5 56 55 44 46 57

6 58 54 46 52 55

7 55 45 52

8 53 42 50

9 54 47

10 43

89

MATERI 6

TWO WAY ANOVA

Analisis varians dua faktor dilakukan untuk menguji apakah

terdapat perbedaan rata-rata yang signifikan antara lebih dari

dua sampel serta untuk menguji apakah terdapat interaksi yang

signifikan antara kelompok satu dengan kelompok lainnya,

dimana varians populasi-populasi tersebut adalah sama.

CONTOH KASUS

Fakultas Ekonomi Universitas Sebelas Maret Surakarta ingin

menguji apakah terdapat perbedaan rata-rata yang signifikan

antara skor UMPTN mahasiswa Jurusan Ilmu Ekonomi, Jurusan

Manajemen, dan Jurusan Akuntansi serta antara skor UMPTN

mahasiswa asal SMA IPA dan asal SMA IPS. Dari kedua kelompok

tersebut diketahui skor UMPTN sebagai berikut :

Asal SMA

Skor UMPTN

Jurusan Ilmu Ekonomi

Jurusan Manajemen

Jurusan Akuntansi

IPA

405 408 423

418 400 432

416 407 415

IPS

408 401 420

416 410 430

422 404 425

90

PENGOLAHAN DATA

1. Pemasukan Data





Variabel SKOR


kolom Name, klik ganda, ketik skor.

Type. Variabel SKOR merupakan data yang berupa



Klik Numeric.

91

Klik OK.

Width. Ketik 8. Hal ini berarti variabel JUAL dapat


Decimal. Ketik 0. Hal ini berarti variabel JUAL




Variabel JURUSAN


kolom Name, klik ganda, ketik jurusan.

Type. Variabel JURUSAN merupakan data yang


oleh karena pemasukan data untuk Ilmu Ekonomi,

Manajemen, dan Akuntansi dilakukan secara

bergantian dan berulang-ulang, maka untuk

mempermudah dalam pemasukan data dilakukan

pengkodean data. Dengan pengkodean data

tersebut, maka variabel JURUSAN merupakan data

yang berupa angka. Penentuan tipe data dilakukan


kanan sel.

92

Klik Numeric.

Klik OK.

Width. Ketik 1. Hal ini berarti variabel JURUSAN


Decimal. Ketik 0. Hal ini berarti variabel JURUSAN



Values. Pengkodean data untuk Ilmu EKonomi,

Manajemen, dan Akuntansi dilakukan dengan

membuka Value Labels. Klik pada kotak di kanan

sel.

Jurusan Ilmu Ekonomi



Ilmu Ekonomi.

Klik Add, maka tertulis 1 = Ilmu Ekonomi.

Jurusan Manajemen


93


Manajemen.

Klik Add, maka tertulis 2 = Manajemen.

Jurusan Akuntansi



Akuntansi.

Klik Add, maka tertulis 1 = Akuntansi.







sel.


variabel JURUSAN merupakan data ordinal. Klik


Variabel ASAL


kolom Name, klik ganda, ketik asal.

Type. Variabel ASAL merupakan data yang berupa

huruf, maka klik string. Namun demikian, oleh

karena pemasukan data untuk SMA IPA dan SMA

IPS dilakukan secara bergantian dan berulang-

ulang, maka untuk mempermudah dalam


94


ASAL merupakan data numerik, maka klik numeric.

Width. Ketik 1. Hal ini berarti variabel ASAL hanya


Decimal. Ketik 0. Hal ini berarti variabel ASAL



Values. Pengkodean data untuk SMA IPA dan SMA

IPS dilakukan dengan membuka Value Labels. Klik


Asal SMA IPA



SMA IPA.

Klik Add, maka tertulis 1 = SMA IPA.

Asal SMA IPS


95


SMA IPS.

Klik Add, maka tertulis 2 = SMA IPS.







sel.


variabel ASAL merupakan data ordinal. Klik Ordinal


96

2. Pengisian Data

a. Klik tab sheet DATA VIEW di bagian kiri bawah.

b. Letakkan pointer pada baris 1 kolom skor, ketik ke

bawah sesuai dengan data penjualan per hari tersebut.

c. Sebelum pengisian data variabel JURUSAN, klik menu




berikut :

Pemasukan data Ilmu Ekonomi dilakukan dengan


menjadi Ilmu Ekonomi.

Pemasukan data Manajemen dilakukan dengan


menjadi Manajemen.

Pemasukan data Akuntansi dilakukan dengan


menjadi Akuntansi.

Perhatian ! Dengan adanya pengkodean data, maka pemasukan

data yang berupa huruf akan ditolak.

d. Kemudian letakkan pointer pada baris 1 kolom jurusan,


Sebelum pengisian data variabel ASAL, klik menu utama

VIEW, klik submenu VALUE LABEL, maka terlihat tanda

di sebelah kiri submenu tersebut. Kegunaan

pengaktifan VALUE LABEL adalah sebagai berikut :

97

Pemasukan data SMA IPA dilakukan dengan


menjadi SMA IPA.

Pemasukan data SMA IPS dilakukan dengan


menjadi SMA IPS.

Perhatian ! Dengan adanya pengkodean data, maka pemasukan data yang berupa huruf akan ditolak.

e. Kemudian letakkan pointer pada baris 1 kolom asal,


3. Menyimpan Data


file dengan two way anova.

4. Pengolahan Data

a. Membuka file two way anova.

b. Klik menu utama ANALYZE, klik submenu GENERAL

LINEAR MODEL, klik UNIVARIATE

Dependent Variable. Klik variabel SKOR yang akan

diuji, klik tanda >, maka variabel SKOR akan

berpindah ke Dependent Variable.

Fixed Factor. Pengelompokan berdasarkan variabel

JURUSAN dan variabel ASAL. Klik variabel JURUSAN,

klik tanda >, maka variabel JURUSAN akan

berpindah ke Fixed Factor. Kemudian klik variabel

ASAL, klik tanda >, maka variabel ASAL akan

berpindah ke Fixed Factor.

98


Significance Level. Tingkat signifikansi sebesar

5% atau tingkat kepercayaan sebesar 95%.

Klik Continue.

99

Post Hoc. Abaikan bagian ini.

Klik OK.

100

OUTPUT

ANALISIS DATA

1. Output Between Subjects Factors

Berdasarkan output Between Subjects Factors, dapat

dilihat bahwa :

Variabel JURUSAN

Ilmu Ekonomi sebanyak 6 mahasiswa

Manajemen sebanyak 6 mahasiwa

Akuntansi sebanyak 6 mahsiswa

VARIABEL ASAL DIBAGI :

101

SMA IPA sebanyak 9 mahasiswa

SMA IPS sebanyak 9 mahasiswa

2. Output Test of Between Subjects Effects

Berdasarkan output Test of Beetween Subjects Effects dapat dilakukan analisis data sebagai berikut :

ANOVA Satu Faktor

Uji analisis varians satu faktor dilakukan untuk menguji


skor UMPTN mahasiswa Jurusan Ilmu Ekonomi, Jurusan

Manajemen, dan Jurusan Akuntansi serta antara skor UMPTN

mahasiswa asal SMA IPA dan asal SMA IPS.

102

ANOVA VARIABEL JURUSAN

Hipotesis


signifikan antara skor UMPTN mahasiswa Jurusan

Ilmu Ekonomi, Jurusan Manajemen, dan Jurusan

Akuntansi


antara skor UMPTN mahasiswa Jurusan Ilmu

Ekonomi, Jurusan Manajemen, dan Jurusan

Akuntansi




o Numerator : 3 1


Ftabel : 3,630

Kriteria Pengujian





Kesimpulan

Oleh karena Fhitung (14,038) > Ftabel (3,630) atau

probabilitas kesalahan (0,001) < 0,05, maka H0

ditolak.


signifikan antara skor UMPTN mahasiswa Jurusan Ilmu

Ekonomi, Jurusan Manajemen, dan Jurusan Akuntansi.

103

ANOVA VARIABEL ASAL

Hipotesis


signifikan antara skor UMPTN mahasiswa

asal SMA IPA dan asal SMA IPS

H1 : Terdapat perbedaan rata-rata yang

signifikan antara skor UMPTN mahasiswa

asal SMA IPA dan asal SMA IPS




o Numerator : 3 1


Ftabel : 3,630

Kriteria Pengujian





Kesimpulan



diterima.

Dengan demikian, tidak terdapat perbedaan rata-

rata yang signifikan antara skor UMPTN mahasiswa

asal SMA IPA dan asal SMA IPS.

104

ANOVA Dua Faktor

Uji analisis varians dua faktor dilakukan untuk menguji

apakah terdapat interaksi yang signifikan antara kelompok

Jurusan dengan kelompok Asal.

Hipotesis

H0 : Tidak terdapat interaksi yang signifikan antara

kelompok Jurusan dengan kelompok Asal

H1 : Terdapat interaksi yang signifikan antara

kelompok Jurusan dengan kelompok Asal

a. Level of Significant () dan Degree of Freedom (df)



o Numerator : 3 1


Ftabel : 3,630

b. Kriteria Pengujian





c. Kesimpulan



diterima.

DENGAN DEMIKIAN, TIDAK TERDAPAT INTERAKSI YANG

SIGNIFIKAN ANTARA KELOMPOK JURUSAN DENGAN KELOMPOK

ASAL.

105

TUGAS

Data berikut adalah data hasil kuis yang didapat oleh 5

mahasiswa untuk 4 matakuliah : matematika, statistika, bahasa

inggris dan bahasa indonesia.

Nama mahasiswa

Nilai Kuis

Matematika Statistika Bahasa Inggris

Bahasa Indonesia

Andy 75 70 78 77

74 72 79 79

72 73 76 80

Diah 79 85 82 80

77 87 80 83

78 88 81 81

Hendra 70 74 81 76

71 76 84 75

72 77 83 73

Sinta 55 54 53 54

54 53 50 50

53 56 52 53

Yanti 80 84 82 83

82 83 81 82

84 81 85 80

106

MATERI 8

KORELASI PEARSON

PENGANTAR

Korelasi pada dasarnya bertujuan untuk menemukan ada

atau tidaknya hubungan dan arah dari hubungan tersebut. pada

saat dua variabel memiliki nilai yang saling terkait, maka kedua

variabel tersebut dapat dikatakan saling berkorelasi. terdapat

berbagai jenis korelasi, dan keputusan untuk menentukan korelasi

apa yang dipakai didasarkan pada faktor-faktor berikut ini:

1. Skala pengukuran dari data

2. Sebaran dari data (kontinyu atau diskrit)

3. Karakteristik dari sebaran data (linier atau nonlinier)

Subbab ini membahas dua korelasi yaitu korelasi product

moment Pearson (r) untuk data berskala interval dan rasio. Penting

untuk diketahui bahwa penggunaan korelasi ini juga mengacu pada

konsep berikut:

1. Kedua data tersebut diamati pada individu yang sama atau

pada pasangan individu yang memenuhi ketentuan tertentu

dari peneliti.

2. Nilai dari korelasi ini bervariasi mulai dari -1 sampai dengan

+1. Apabila kedua terjadi, menunjukkan bahwa terjadi

korelasi sempurna antara kedua variabel, sedangkan

apabila korelasi bernilai 0, maka menunjukkan tidak

terdapat korelasi antara kedua variabel.

3. Korelasi positif dapat diartikan bahwa individu yang

memiliki skor tinggi pada variabel satu, memiliki skor yang

tinggi pula pada variabel kedua, begitu juga sebaliknya.

107

4. Korelasi negatif dapat diartikan bahwa individu yang

memiliki skor tinggi pada variabel satu, memiliki skor yang

rendah pada variabel kedua, sedangkan apabila individu

memiliki skor yang rendah pada variabel satu, memiliki skor

yang tinggi pada variabel kedua.

Contoh Kasus:

Seorang peneliti ingin menemukan ada atau tidaknya

hubungan antara GPA (Grade Point Average) dengan skor membaca

komprehensif dari 15 mahasiswa tahun pertama. Peneliti tersebut

mencatat kedua skor tersebut pada tabel berikut ini:

Mahasiswa Skor_Baca GPA

s1 38 2.1

s2 54 2.9

s3 43 3.0

s4 45 2.3

s5 50 2.6

s6 61 3.7

s7 57 3.2

s8 25 1.3

s9 36 1.8

s10 39 2.5

s11 48 3.4

s12 46 2.6

s13 44 2.4

s14 39 2.5

s15 48 3.3

Keterangan : s = mahasiswa

108

PENGOLAHAN DATA

1. Pemasukan Data

Membuka lembar kerja baru : Klik menu utama FILE, klik

submenu NEW, klik DATA

Mendefinisikan variabel : klik tab sheet VARIABLE VIEW di bagian kiri bawah

Variabel Read (Skor Membaca)


Name, klik dua kali, ketik Read

Type. Variabel Read (Skor Membaca) merupakan data yang

berupa angka. Penentuan tipe data dilakukan dengan

membuka Variabel Type pada kotak di kanan sel

Klik Numeric

Klik OK

Width. Ketik 8. Ini dimaksudkan bahwa variabel

Read dapat ditulis maksimum 8 digit

Decimal. Ketik 0. Ini dimaksudkan bahwa variabel

Read tidak memiliki nilai desimal

109

Label. Kosongkan label

Abaikan bagian lain

Variabel GPA (Grade Point Average)


kolom Name, klik dua kali, ketik GPA

Type. Variabel GPA (Grade Point Average)

merupakan data yang berupa angka. Penentuan tipe

data dilakukan dengan membuka Variabel Type

pada kotak di kanan sel

Klik Numeric

Klik OK

Width. Ketik 8. Ini dimaksudkan bahwa variabel

GPA (Grade Point Average) dapat ditulis maksimum

8 digit

Decimal. Ketik 0. Ini dimaksudkan bahwa variabel

GPA (Grade Point Average) tidak memiliki nilai

desimal

Label. Kosongkan label

110

1. Pengisian Data

Klik tab sheet DATA VIEW di bagian kiri bawah

Letakkan pointer pada baris 1 kolom Read, ketik ke

bawah sesuai dengan data Skor Membaca

Untuk data GPA (Grade Point Average) langkah

memasukkan data sama dengan data Skor Membaca,

tetapi dimasukkan pada kolom GPA

2. Menyimpan data


file dengan Korelasi Pearson.

3. Pengolahan Data

Membuka data Korelasi Pearson.

Klik menu ANALYZE, klik submenu CORRELATE BIVARIATE.

Pindahkan variabel Read dan variabel GPA ke box

Variables, dengan cara highlight kedua variabel tersebut

kemudian klik untuk memindahkan kedua variabel

tersebut ke box Variables.

111

Centang Pearson pada box Correlation Coefficients.

Abaikan bagian lain. Kemudian klik .

OUTPUT

CORRELATIONS

INTERPRETASI

Dari hasil analisis korelasi pearson dapat diketahui bahwa

terdapat hubungan positif antara read (skor membaca

komprehensif) dengan gpa (grade point average) karena nilai sig

sebesar 0,000 yang lebih kecil dari ( = 0,05). Nilai korelasi

pearson tersebut sebesar 0,867 dan positif, atau dapat diartikan

bahwa apabila skor membaca komprehensif dari mahasiswa tinggi,

maka nilai gpa juga tinggi.

Correlations

1 .867**.000

15 15.867** 1.000

15 15

Pearson CorrelationSig. (2-tailed)NPearson CorrelationSig. (2-tailed)N

Read

GPA

Read GPA

Correlation is significant at the 0.01 level(2-tailed).

**.

112

Tugas!

Seorang peneliti melakukan pengamatan dan mengetahui hubungan

antara tunjangan yang diterima karyawan dengan masa kerjanya

pada perusahaan A. Berikut adalah datanya:

Karyawan Tunjangan (Rp.) Lama Bekerja

(tahun)

1 300000 1

2 350000 1

3 350000 1.5

4 400000 2

5 400000 2.5

6 425000 3

7 450000 3

8 475000 4

9 450000 4.5

10 500000 5

11 450000 5

12 500000 5.5

13 500000 6

14 550000 6

15 525000 6.5

16 550000 7

17 600000 7

18 650000 7.5

19 600000 8

20 650000 8

MODUL 1.pdf

Documents