-
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
Name. Letakkan pointer pada baris 2 di bawah
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.
Label. Kosongkan label.
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
Value. Nilai berupa angka, ketik angka 2.
Value Labels. Keterangan untuk nilai, ketik
Laki-laki.
Klik Add, maka tertulis 2 = Laki-laki.
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. 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
memasukkan angka 2 yang secara otomatis diubah
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
di bagian kiri bawah.
-
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
membuka Variable Type pada kotak di kanan sel.
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.
Label. Kosongkan label.
Values. Abaikan bagian ini.
-
28
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 IPK
Name. Letakkan pointer pada baris 2 di bawah
kolom Name, klik ganda, ketik ipk.
Type. Variabel IPK merupakan data yang berupa
angka. Penentuan tipe data dilakukan dengan
membuka Variable Type pada kotak di kanan sel.
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.
Label. Kosongkan label.
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
Klik menu utama FILE, pilih submenu SAVE AS, beri nama
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
Berdasarkan perhitungan tersebut dapat dilihat bahwa
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
Berdasarkan perhitungan tersebut dapat dilihat bahwa
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
(IPK) mahasiswa sebanyak 25% di bawah 3,10.
-
36
c) Percentiles 50. Rata-rata Indeks Prestasi Kumulatif
(IPK) mahasiswa sebanyak 50% di bawah 3,30.
d) Percentiles 75. Rata-rata Indeks Prestasi Kumulatif
(IPK) mahasiswa sebanyak 75% di bawah 3,40.
e) Percentiles 90. Rata-rata Indeks Prestasi Kumulatif
(IPK) mahasiswa sebanyak 90% di bawah 3,50.
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)
sebesar 3,10 sebanyak 4 (15,4%) orang.
c. Mahasiswa dengan Indeks Prestasi Kumulatif (IPK)
sebesar 3,30 sebanyak 4 (15,4%) orang.
d. Mahasiswa dengan Indeks Prestasi Kumulatif (IPK)
sebesar 3,40 sebanyak 5 (19,2%) orang.
e. Mahasiswa dengan Indeks Prestasi Kumulatif (IPK)
sebesar 3,50 sebanyak 5 (19,2%) orang.
-
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
Membuka lembar kerja baru : klik menu utama FILE,
klik submenu NEW, klik DATA.
Mendefinisikan variabel : klik VARIABLE VIEW di bagian
kiri bawah.
Name. Letakkan pointer pada baris 1 di bawah kolom
Name, klik ganda, ketik nilai.
Type. Variabel NILAI merupakan data yang berupa
angka. Penentuan tipe data dilakukan dengan
membuka Variable Type pada kotak di kanan sel.
-
41
Klik Numeric.
Klik OK.
Width. Ketik 8. Hal ini berarti variabel NILAI dapat
ditulis maksimum 8 digit.
Decimal. Ketik 0. Hal ini berarti variabel NILAI tidak
dapat ditulis angka di belakang koma.
Label. Kosongkan label.
Abaikan bagian yang lain.
2. Pengisian Data
Klik tab sheet DATA VIEW di bagian kiri bawah.
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
Name. Letakkan pointer pada baris 1 di bawah
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
tidak dapat ditulis angka di belakang koma.
Label. Kosongkan label.
Abaikan bagian yang lain.
Variabel SESUDAH
Name. Letakkan pointer pada baris 2 di bawah
kolom Name, klik ganda, ketik sesudah.
Type. Variabel SESUDAH merupakan data yang
berupa angka. Penentuan tipe data dilakukan
dengan membuka Variable Type pada kotak di
kanan sel.
Klik OK.
Width. Ketik 8. Hal ini berarti variabel SESUDAH
dapat ditulis maksimum 8 digit.
Decimal. Ketik 0. Hal ini berarti variabel SESUDAH
tidak dapat ditulis angka di belakang koma.
-
51
Label. Kosongkan label.
Abaikan bagian yang lain.
2. Pengisian Data
i. Klik tab sheet DATA VIEW di bagian kiri bawah.
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
Klik menu utama FILE, pilih submenu SAVE AS, beri nama
file dengan paired samples t test.
4. Pengolahan Data
i. Membuka file paired sample t test.
ii. Klik menu utama ANALYZE, klik submenu COMPARE
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.
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.
-
53
OUTPUT
ANALISIS DATA
1. Output Paired Samples Statistic
Berdasarkan Output Paired Samples Statistic untuk variabel
SEBELUM, dapat dilihat bahwa :
Rata-rata sebesar 160,40
Simpangan baku sebesar 9,72
Berdasarkan output Paired Samples Statistic untuk variabel
SESUDAH, dapat dilihat bahwa :
Rata-rata sebesar 164,00
Simpangan baku sebesar 11,29
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
H0 : Tidak terdapat perbedaan rata-rata yang
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 dan sesudah
memperoleh program pelatihan
ii. Level of Significant () dan Degree of Freedom (df)
Tingkat signifikansi () : 0,05/2
Derajat kebebasan (df) : 15 1
ttabel : 2,145
iii. 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.
iv. Kesimpulan
Oleh karena thitung (-2,553) < -ttabel (-2,145) atau
probabilitas kesalahan (0,023) < 0,05, maka H0 ditolak.
-
55
Dengan demikian, terdapat perbedaan rata-rata yang
signifikan antara penjualan wiraniaga sebelum
memperoleh program pelatihan dan sesudah
memperoleh program pelatihan, yaitu :
Mean Difference. Perbedaan rata-rata sebesar
3,60 merupakan selisih antara rata-rata
penjualan wiraniaga sebelum memperoleh
program pelatihan (160,40) dengan sesudah
memperoleh program pelatihan (164,00).
95% Confidence Interval of Means. Perbedaan
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
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 GAJI
Name. Letakkan pointer pada baris 1 di bawah
kolom Name, klik ganda, ketik gaji.
Type. Variabel GAJI merupakan data yang berupa
angka. Penentuan tipe data dilakukan dengan
membuka Variable Type pada kotak di kanan sel.
Klik Numeric.
Klik OK.
Width. Ketik 8. Hal ini berarti variabel GAJI dapat
ditulis maksimum 8 digit.
-
60
Decimal. Ketik 0. Hal ini berarti variabel GAJI tidak
dapat ditulis angka di belakang koma.
Label. Kosongkan label.
Abaikan bagian yang lain.
Variabel GENDER
Name. Letakkan pointer pada baris 2 di bawah
kolom Name, klik ganda, ketik gender.
Type. Variabel GENDER merupakan data yang
berupa huruf, maka klik string. Namun demikian,
oleh karena pemasukan data untuk Wanita dan
Pria 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.
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
hanya dapat ditulis maksimum 1 digit.
Decimal. Ketik 0. Hal ini berarti variabel GENDER
tidak dapat ditulis angka di belakang koma.
Label. Kosongkan label.
Values. Pengkodean data untuk Wanita dan Pria
dilakukan dengan membuka Value Labels. Klik
pada kotak di kanan sel.
Gender Wanita
Value. Nilai berupa angka, ketik angka 1.
Value Labels. Keterangan untuk nilai, ketik
Wanita.
Klik Add, maka tertulis 1 = Wanita.
Gender Pria
Value. Nilai berupa angka, ketik angka 2.
Value Labels. Keterangan untuk nilai, ketik
Pria.
Klik Add, maka tertulis 2 = Pria.
-
62
Missing. Oleh karena tidak ada data yang tidak
lengkap, maka abaikan bagian ini.
Column. Ketik 8. Hal ini berarti lebar kolom yang
diperlukan dalam pemasukan data adalah 8 digit.
Align. Oleh karena data berupa huruf, maka posisi
data adalah rata kiri. Klik Left pada kotak di kanan
sel.
Measure. Dengan adanya pengkodean data, maka
variabel GENDER merupakan data ordinal. Klik
Ordinal pada kotak di kanan sel.
2. Pengisian Data
i. Klik tab sheet DATA VIEW di bagian kiri bawah.
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
utama VIEW, klik submenu VALUE LABEL, maka
terlihat tanda di sebelah kiri submenu tersebut.
Kegunaan pengaktifan VALUE LABEL adalah sebagai
berikut :
Pemasukan data Wanita dilakukan dengan
memasukkan angka 1 yang secara otomatis diubah
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
Klik menu utama FILE, pilih submenu SAVE AS, beri nama
file dengan independent samples t test.
4. Pengolahan Data
i. Membuka file independent sample t test.
ii. Klik menu utama ANALYZE, klik submenu COMPARE
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.
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.
-
65
OUTPUT
ANALISIS DATA
1. Output Group Statistic
Berdasarkan output Group Statistic untuk gender Wanita,
dapat
dilihat bahwa :
Rata-rata sebesar 988,57
Simpangan baku sebesar 619,37
Berdasarkan output Group Statistic untuk gender Pria, dapat
dilihat bahwa :
Rata-rata sebesar 1.035,00
Simpangan baku sebesar 558,26
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
Level of Significant () dan Degree of Freedom (df)
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
H0 : Tidak terdapat perbedaan rata-rata yang
signifikan antara gaji karyawan wanita dengan
gaji karyawan pria
H1 : Terdapat perbedaan rata-rata yang signifikan
antara gaji karyawan wanita dengan gaji
karyawan pria
Level of Significant () dan Degree of Freedom (df)
Tingkat signifikansi () : 0,05/2
Derajat kebebasan (df) : 30 2
ttabel : 2,048
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.
-
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 :
Mean Difference. Perbedaan rata-rata sebesar
46,43 merupakan selisih antara rata-rata gaji
karyawan wanita (988,57) dengan rata-rata
gaji karyawan pria (1.035,00).
95% Confidence Interval of Means. Perbedaan
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
apakah terdapat perbedaan rata-rata yang signifikan antara
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
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 JUAL
Name. Letakkan pointer pada baris 1 di bawah
kolom Name, klik ganda, ketik jual.
Type. Variabel JUAL merupakan data yang berupa
angka. Penentuan tipe data dilakukan dengan
membuka Variable Type pada kotak di kanan sel.
Klik Numeric.
Klik OK.
-
73
Width. Ketik 8. Hal ini berarti variabel JUAL dapat
ditulis maksimum 8 digit.
Decimal. Ketik 0. Hal ini berarti variabel JUAL
tidak dapat ditulis angka di belakang koma.
Label. Kosongkan label.
Abaikan bagian yang lain.
Variabel OUTLET
Name. Letakkan pointer pada baris 2 di bawah
kolom Name, klik ganda, ketik outlet.
Type. Variabel OUTLET merupakan data yang
berupa huruf, maka klik string. Namun demikian,
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
dengan membuka Variable Type pada kotak di
kanan sel.
Klik Numeric.
-
74
Klik OK.
Width. Ketik 1. Hal ini berarti variabel OUTLET
hanya dapat ditulis maksimum 1 digit.
Decimal. Ketik 0. Hal ini berarti variabel OUTLET
tidak dapat ditulis angka di belakang koma.
Label. Kosongkan label.
Values. Pengkodean data untuk Palur, Jebres,
Gladag, dan Kerten dilakukan dengan membuka
Value Labels. Klik pada kotak di kanan sel.
Outlet Palur
Value. Nilai berupa angka, ketik angka 1.
Value Labels. Keterangan untuk nilai, ketik
Palur.
Klik Add, maka tertulis 1 = Palur.
Outlet Jebres
Value. Nilai berupa angka, ketik angka 2.
Value Labels. Keterangan untuk nilai, ketik
Jebres.
-
75
Klik Add, maka tertulis 2 = Jebres.
Outlet Gladag
Value. Nilai berupa angka, ketik angka 3.
Value Labels. Keterangan untuk nilai, ketik
Gladag.
Klik Add, maka tertulis 1 = Gladag.
Outlet Kerten
Value. Nilai berupa angka, ketik angka 4.
Value Labels. Keterangan untuk nilai, ketik
Kerten.
Klik Add, maka tertulis 4 = Kerten.
Missing. Oleh karena tidak ada data yang tidak
lengkap, maka abaikan bagian ini.
Column. Ketik 8. Hal ini berarti lebar kolom yang
diperlukan dalam pemasukan data adalah 8 digit.
Align. Oleh karena data berupa huruf, maka posisi
data adalah rata kiri. Klik Left pada kotak di kanan
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 jual, ketik ke
bawah sesuai dengan data penjualan per hari tersebut.
Sebelum pengisian data variabel OUTLET, klik menu
utama VIEW, klik submenu VALUE LABEL, maka
terlihat tanda di sebelah kiri submenu tersebut.
-
76
Kegunaan pengaktifan VALUE LABEL adalah sebagai
berikut :
Pemasukan data Palur dilakukan dengan
memasukkan angka 1 yang secara otomatis diubah
menjadi Palur.
Pemasukan data Jebres dilakukan dengan
memasukkan angka 2 yang secara otomatis diubah
menjadi Jebres.
Pemasukan data Gladag dilakukan dengan
memasukkan angka 3 yang secara otomatis diubah
menjadi Gladag.
Pemasukan data Kerten dilakukan dengan
memasukkan angka 4 yang secara otomatis diubah
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
Klik menu utama FILE, pilih submenu SAVE AS, beri nama
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.
Options. Pengisian pilihan yang lain.
-
78
Statistic. Perhitungan statistik yang akan
dilakukan adalah Descriptive dan Homogeneity
of variance.
Missing Values. Data yang hilang atau data
yang kosong tidak ada, maka klik Exclude cases
analysis by analysis.
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
Simpangan baku penjualan per hari sebesar 159,04
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
Simpangan baku penjualan per hari sebesar 74,48
Penjualan per hari minimum sebesar 1.200 dan maksimum
sebesar 1.400
Rata-rata penjualan per hari sebesar 1.320,29 tersebut
mempunyai jarak antara batas bawah sebesar 1.251,40 dan
batas atas sebesar 1.389,17
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
mempunyai jarak antara batas bawah sebesar 1.064,72 dan
batas atas sebesar 1.321,28
-
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)
Tingkat signifikansi () : 0,05
Tingkat kebebasan (df)
o Numerator : 4 1
-
82
o Denumerator : 32 - 4
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
probabilitas kesalahan (0,362) > 0,05, maka H0
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
H0 : Tidak terdapat perbedaan rata-rata yang
signifikan antara penjualan per hari di outlet
Palur, outlet Jebres, outlet Gladag, dan outlet
Kerten
H1 : Terdapat perbedaan rata-rata yang signifikan
antara penjualan per hari di outlet Palur, outlet
Jebres, outlet Gladag, dan outlet Kerten
a. Level of Significant () dan Degree of Freedom (df)
Tingkat signifikansi () : 0,05
Tingkat kebebasan (df)
o Numerator : 4 1
o Denumerator : 32 - 4
Ftabel : 2,950
b. Kriteria Pengujian
Jika Fhitung > Ftabel atau probabilitas kesalahan <
0,05, maka H0 ditolak.
Jika Fhitung ttabel atau probabilitas kesalahan
0,05, maka H0 diterima.
c. Kesimpulan
Oleh karena Fhitung (68,588) > Ftabel (2,950) atau
probabilitas kesalahan (0,000) < 0,05, maka H0 ditolak.
-
84
Dengan demikian, terdapat perbedaan rata-rata yang
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
Mean Difference. Perbedaan rata-rata sebesar 220,83
merupakan selisih antara rata-rata penjualan per hari
-
86
outlet Palur (1.541,11) dengan rata-rata penjualan per hari
outlet Gladag (1.320,29).
95% Confidence Interval of Means. Perbedaan rata-rata
sebesar 220,83 tersebut mempunyai jarak antara batas
bawah sebesar 42,54 sampai dengan batas atas sebesar
399,11
Tanda * pada Mean Different berarti terdapat perbedaan
rata-rata
yang signifikan antara penjualan per hari outlet Palur dan
outlet
Gladag.
Outlet Palur dengan Outlet Kerten
Mean Difference. Perbedaan rata-rata sebesar 958,78
merupakan selisih antara rata-rata penjualan per hari
outlet Palur (1.541,11) dengan rata-rata penjualan per hari
outlet Gladag (582,33).
95% Confidence Interval of Means. Perbedaan rata-rata
sebesar 958,78 tersebut mempunyai jarak antara batas
bawah sebesar 772,32 sampai dengan batas atas sebesar
1.145,23
Tanda * pada Mean Different berarti terdapat perbedaan
rata-rata
yang signifikan antara penjualan per hari outlet Palur dan
outlet
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
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 SKOR
Name. Letakkan pointer pada baris 1 di bawah
kolom Name, klik ganda, ketik skor.
Type. Variabel SKOR merupakan data yang berupa
angka. Penentuan tipe data dilakukan dengan
membuka Variable Type pada kotak di kanan sel.
Klik Numeric.
-
91
Klik OK.
Width. Ketik 8. Hal ini berarti variabel JUAL dapat
ditulis maksimum 8 digit.
Decimal. Ketik 0. Hal ini berarti variabel JUAL
tidak dapat ditulis angka di belakang koma.
Label. Kosongkan label.
Abaikan bagian yang lain.
Variabel JURUSAN
Name. Letakkan pointer pada baris 2 di bawah
kolom Name, klik ganda, ketik jurusan.
Type. Variabel JURUSAN merupakan data yang
berupa huruf, maka klik string. Namun demikian,
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
dengan membuka Variable Type pada kotak di
kanan sel.
-
92
Klik Numeric.
Klik OK.
Width. Ketik 1. Hal ini berarti variabel JURUSAN
hanya dapat ditulis maksimum 1 digit.
Decimal. Ketik 0. Hal ini berarti variabel JURUSAN
tidak dapat ditulis angka di belakang koma.
Label. Kosongkan label.
Values. Pengkodean data untuk Ilmu EKonomi,
Manajemen, dan Akuntansi dilakukan dengan
membuka Value Labels. Klik pada kotak di kanan
sel.
Jurusan Ilmu Ekonomi
Value. Nilai berupa angka, ketik angka 1.
Value Labels. Keterangan untuk nilai, ketik
Ilmu Ekonomi.
Klik Add, maka tertulis 1 = Ilmu Ekonomi.
Jurusan Manajemen
Value. Nilai berupa angka, ketik angka 2.
-
93
Value Labels. Keterangan untuk nilai, ketik
Manajemen.
Klik Add, maka tertulis 2 = Manajemen.
Jurusan Akuntansi
Value. Nilai berupa angka, ketik angka 3.
Value Labels. Keterangan untuk nilai, ketik
Akuntansi.
Klik Add, maka tertulis 1 = Akuntansi.
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. Dengan adanya pengkodean data, maka
variabel JURUSAN merupakan data ordinal. Klik
Ordinal pada kotak di kanan sel.
Variabel ASAL
Name. Letakkan pointer pada baris 2 di bawah
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
pemasukan data dilakukan pengkodean data.
-
94
Dengan pengkodean data tersebut, maka variabel
ASAL merupakan data numerik, maka klik numeric.
Width. Ketik 1. Hal ini berarti variabel ASAL hanya
dapat ditulis maksimum 1 digit.
Decimal. Ketik 0. Hal ini berarti variabel ASAL
tidak dapat ditulis angka di belakang koma.
Label. Kosongkan label.
Values. Pengkodean data untuk SMA IPA dan SMA
IPS dilakukan dengan membuka Value Labels. Klik
pada kotak di kanan sel.
Asal SMA IPA
Value. Nilai berupa angka, ketik angka 1.
Value Labels. Keterangan untuk nilai, ketik
SMA IPA.
Klik Add, maka tertulis 1 = SMA IPA.
Asal SMA IPS
Value. Nilai berupa angka, ketik angka 2.
-
95
Value Labels. Keterangan untuk nilai, ketik
SMA IPS.
Klik Add, maka tertulis 2 = SMA IPS.
Missing. Oleh karena tidak ada data yang tidak
lengkap, maka abaikan bagian ini.
Column. Ketik 8. Hal ini berarti lebar kolom yang
diperlukan dalam pemasukan data adalah 8 digit.
Align. Oleh karena data berupa huruf, maka posisi
data adalah rata kiri. Klik Left pada kotak di kanan
sel.
Measure. Dengan adanya pengkodean data, maka
variabel ASAL merupakan data ordinal. Klik Ordinal
pada kotak di kanan sel.
-
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
utama VIEW, klik submenu VALUE LABEL, maka
terlihat tanda di sebelah kiri submenu tersebut.
Kegunaan pengaktifan VALUE LABEL adalah sebagai
berikut :
Pemasukan data Ilmu Ekonomi dilakukan dengan
memasukkan angka 1 yang secara otomatis diubah
menjadi Ilmu Ekonomi.
Pemasukan data Manajemen dilakukan dengan
memasukkan angka 2 yang secara otomatis diubah
menjadi Manajemen.
Pemasukan data Akuntansi dilakukan dengan
memasukkan angka 3 yang secara otomatis diubah
menjadi Akuntansi.
Perhatian ! Dengan adanya pengkodean data, maka pemasukan
data yang berupa huruf akan ditolak.
d. Kemudian letakkan pointer pada baris 1 kolom jurusan,
ketik ke bawah sesuai dengan data outlet tersebut.
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
memasukkan angka 1 yang secara otomatis diubah
menjadi SMA IPA.
Pemasukan data SMA IPS dilakukan dengan
memasukkan angka 2 yang secara otomatis diubah
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,
ketik ke bawah sesuai dengan data outlet tersebut.
3. Menyimpan Data
Klik menu utama FILE, pilih submenu SAVE AS, beri nama
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
Options. Pengisian pilihan yang lain.
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
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.
-
102
ANOVA VARIABEL JURUSAN
Hipotesis
H0 : Tidak terdapat perbedaan rata-rata yang
signifikan antara skor UMPTN mahasiswa Jurusan
Ilmu Ekonomi, Jurusan Manajemen, dan Jurusan
Akuntansi
H1 : Terdapat perbedaan rata-rata yang signifikan
antara skor UMPTN mahasiswa Jurusan Ilmu
Ekonomi, Jurusan Manajemen, dan Jurusan
Akuntansi
Level of Significant () dan Degree of Freedom (df)
Tingkat signifikansi () : 0,05
Tingkat kebebasan (df)
o Numerator : 3 1
o Denumerator : 18 - 3
Ftabel : 3,630
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 (14,038) > Ftabel (3,630) atau
probabilitas kesalahan (0,001) < 0,05, maka H0
ditolak.
Dengan demikian, terdapat perbedaan rata-rata yang
signifikan antara skor UMPTN mahasiswa Jurusan Ilmu
Ekonomi, Jurusan Manajemen, dan Jurusan Akuntansi.
-
103
ANOVA VARIABEL ASAL
Hipotesis
H0 : Tidak terdapat perbedaan rata-rata yang
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
Level of Significant () dan Degree of Freedom (df)
Tingkat signifikansi () : 0,05
Tingkat kebebasan (df)
o Numerator : 3 1
o Denumerator : 18 - 3
Ftabel : 3,630
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 (0,204) < Ftabel (3,630) atau
probabilitas kesalahan (0,660) > 0,05, maka H0
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)
Tingkat signifikansi () : 0,05
Tingkat kebebasan (df)
o Numerator : 3 1
o Denumerator : 18 - 3
Ftabel : 3,630
b. Kriteria Pengujian
Jika Fhitung > Ftabel atau probabilitas kesalahan <
0,05, maka H0 ditolak.
Jika Fhitung ttabel atau probabilitas kesalahan
0,05, maka H0 diterima.
c. Kesimpulan
Oleh karena Fhitung (0,055) < Ftabel (3,630) atau
probabilitas kesalahan (0,947) > 0,05, maka H0
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. Letakkan pointer pada baris 1 di bawah kolom
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)
Name. Letakkan pointer pada baris 1 di bawah
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
Klik menu utama FILE, pilih submenu SAVE AS, beri nama
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
-
113