The words you are searching are inside this book. To get more targeted content, please make full-text search by clicking here.
Discover the best professional documents and content resources in AnyFlip Document Base.
Search
Published by dhikamath.univet, 2021-10-12 12:11:09

handout PDS

handout PDS

PEMROSESAN DATA STATISTIK
DENGAN SOFTWARE SPSS

Andhika Ayu Wulandari, S.Si., M.Pd.

PENDIDIKAN MATEMATIKA
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS VETERAN BANGUN NUSANTARA SUKOHARJO

DAFTAR ISI

BAB 1 MENGENAL SPSS 1
BAB 2 Menu, Tipe Windows SPSS, Input Data Baru 1
Menyimpan Data 3
BAB 3 Membuka Data yang Pernah Disimpan 3
BAB 4 STATISTIK DESKRIPTIF
Frequencies 4
BAB 5 Descriptive 10
BAB 6 Explore 11
Crosstabs 19
UJI NORMALITAS
Explore 21
One Sample KS 32
STATISTIK PARAMETRIK
One Sample t-test 34
Independent Sample t-test 37
Paired Sample t-test 41
Analisis Variansi (Anova) 44
ANALISIS UNIVARIAT DAN MULTIVARIAT
Analisis Univariat 52
Analisis Multivariat 61
ANALISIS KORELASI DAN REGRESI
Analisis Korelasi 69
Analisis Regresi Linier Sederhana 72

MENGENAL SPSS 1

Banyak software pengolahan data statistik yang berkembang di Indonesia seperti
minitab, software R, SPSS, dll. SPSS (Statistical Product and Servicer Solutions)
sendiri paling banyak digunakan untuk pengolahan statistik (Enterprise, 2018).
Hal ini dikarenakan SPSS memiliki kemampuan menganalisis statistik dengan
akurat, memiliki tampilan yang mudah dipelajari, lengkap digunakan untuk
mengolah data. Perkembangan SPSS cukup pesat, dikenal publik sejak SPSS versi
7.00.

Menu yang ada pada SPSS adalah File, Edit, View, Data, Transform, Analize,
Graph, Utilities, Windows, dan Help. Pada menu Analyze akan menyediakan
banyak fitur untuk mengolah data statistik.

Tipe windows SPSS ada dua jenis yaitu
1. SPSS data editor : sejenis spreadsheet yang digunakan untuk mengisi data

(data view) dan pendefinisian variabel (variabel view)
2. Outpput viewer : tampilan hasil pengolahan data penelitian

Input data baru

Sebelum input data pada data view maka perlu didefinisikan variabel yang akan

mewakili data-data tersebut. Langkah-langkahnya adalah sebagai berikut:

1. Klik variabel view. Ada beberapa kolom yang harus diisi antara lain:

a. Name : diisi dengan singkatan variabel sesuasi dengan kebutuhan.

Diawali huruf dan maksimal 8 karakter.

b. Type : diisi sesuai dengan tipe data yang akan diinput. Pilih tipe data

yang sesuai dengan klik tiga titik pada pojok kanan kolom type. Terdapat

tipe data yang disediakan SPSS yaitu

Tabel 1.1 Tipe data dalam SPSS

Tipe Jenis data
numeric
comma berupa angka
berupa angka dengan tanda koma sebagai
dot pemisah bilangan ribuan
berupa angka dengan tanda titik sebagai
scientific pemisah bilangan ribuan
notation menggunakan simbol E untuk kelipatan 10
(misal 120000 = 1,20E+5)

1

date menampilkan data berupa tanggal atau waktu

custom currency data dengan format tanda mata uang

string berupa huruf dan karakter lainnya

c. Width : menentukan lebar kolom jika tipe data string. Jika tipe data
numerik maka kolom ini dapat diabaikan

d. Decimal : menentukan berapa digit angka di belakang koma/titik.
e. Label : memberi keterangan pada kolom Name. Maksimal 250

karakter.
f. Value : Jika data kuantitatif maka kolom ini sering diabaikan.

Digunakan untuk data yang didasarkan pada kategori atau
pengelompokan yang selanjutnya diangkakan. Misal akan mengisi data
jenis kelamin siswa maka langkah-langkahnya adalah sebagai berikut
Klik tiga titik di pojok kanan kolom value maka akan muncul kotak dialog
di bawah ini. Tuliskan 1 untuk “Laki-laki” kemudian klik Add. Ulangi
dengan ketik 2 untuk “Perempuan”

Gambar 1.1 Kotak dialog pada kolom Value

g. Missing : untuk menjelaskan yang hilang atau rusak. Sering diabaikan

dalam pemakaian SPSS. Ada 3 pilihan missing

Tabel 1.2 Pilihan pada kolom missing

Pilihan Keterangan
no missing values
discrete missing values tidak ada data yang dihilangkan
data mana saja yang akan dihilangkan
range plus data berupa interval yaitu nilai tertinggi dan nilai

terendah yang akan dihilangkan

h. Columns : mengatur lebar sempitnya kolom

2

i. Align : mengatur posisi data (left, center, right)

j. Measure : menentukan jenis data yang digunakan dalam penelitian

Tabel 1.3 Jenis data dan keterangannya

Jenis data Keterangan
scale
data numerik dan secara default akan muncul
ordinal misal : nilai matematika siswa
data string menunjukkan tingkatan
nominal misal : tingkat sekolah, tingkat pendapatan
data numerik dan string
misal : jenis kelamin

Jika semua kolom pada variable view sudah terisi maka kembali ke data view dan
ketik data sesuai dengan variabel yang telah didefinisikan.

Menyimpan Data

Untuk menyimpan data, ada 2 pilihan

1. Menyimpan seluruh data
Klik File  Save As  Ketik nama file pada kotak File Name  Save

2. Hanya menyimpan beberapa variabel yang dibutuhkan
Klik File  Save As  Variables  hilangkan tanda centang pada variabel
yang tidak disimpan  Continue  Save

Membuka Data yang Pernah Disimpan
Data SPSS yang tersimpan akan diberi ekstensi .sav. Untuk membuka data SPSS
yang telah tersimpan caranya adalah
Klik File  Open  Pilih file yang akan dibuka  Open

3

STATISTIK DESKRIPTIF 2

Statistik menjadi bagian penting dalam sebuah penelitian kuantitatif. Dalam
sebuah pengujian, statistik dibagi menjadi 2 yaitu statistik deskriptif dan statistik
inferensial/induktif.

Statistik deskriptif digunakan untuk menggambarkan berbagai karakteristik data
yang berasal dari suatu sampel. Hasil analisis dari statistik deskriptif antara lain
mean, median, modus, presentil, desil, kuartil maupun grafik yang
menggambarkan data.

Statistik Deskriptif meneliti sebuah variabel. Variabel adalah sesuatu yang
ditetapkan oleh peneliti untuk dianalisa sehingga mendapatkan informasi berupa
data. VAriabel yang telah diteliti itu diolah dengan statistik sehingga dapat ditarik
kesimpulan

Ada 4 macam cara pengolahan data statistik deskriptif dalam SPSS yaitu
menggunakan Frequencies, descriptive, explore, dan crosstabs.

MENGGUNAKAN FREQUENCIES

Digunakan untuk menyusun data yang jumlahnya relatif banyak ke dalam suatu
tabel frekuensi. Sehingga dapat memudahkan membaca data tersebut atau
digunakan untuk mengambil suatu kesimpulan secara deskripsi terhadap berbagai
data penelitian. Fungsi ini dilengkapi dengan statistik dan grafik.

Sebagai contoh, input data nilai dan tinggi badan dari 10 responden berikut

Tabel 2.1 Data nilai dan tinggi badan

Responden Jenis Kelamin Nilai Tinggi Badan (cm)

1 Perempuan 80 150
2 Perempuan 87 150
3 65 163
4 Laki-laki 79 170
5 Laki-laki 93 169
6 Laki-laki 84 173
7 Laki-laki 86 154
8 Perempuan 90 155
9 Perempuan 80 160
10 Perempuan 75 167
Laki-laki

4

Untuk menjalankan frequencies. Ikuti langkah berikut
1. Klik Analyze  Descriptive Statistics  Frequencies
2. Pindahkan nilai dan tinggi badan ke kolom Variable(s) dengan double click

variabel yang akan dipindah atau klik variabel kemudian klik icon anak panah
seperti pada kotak dialog berikut

Gambar 2.1 Kotak Dialog Frequencies

3. Klik Statistics

4. Beri tanda centang analisis yang diinginkan. Misal

a. Pada Central Tendency

 Mean : menghitung rata-rata dari masing-masing variabel

 Median : menunjukkan nilai tengah data

 Modus : menentukan nilai yang paling sering muncul dalam data

 Sum : menghitung jumlah data

b. Pada Percentile Values

 Quartiles : menunjukkan kuartil data

c. Pada Dispersion

 Std. deviation : menunjukkan penyebaran data dari rata-rata sampel

 Minimum : menentukan nilai terendah dari data

 Maximum : menentukan nilai tertinggi dari data

 S.E. Mean : standar error of mean, diukur sebagai standar deviasi

dibagi dengan akar dari jumalah data yang valid.

d. Pada Distribution

 Skewness : menentukan kemiringan distribusi data (jika positif

maka kurva miring ke kanan)

 Kurtosis : menentukan keruncingan distribusi data

5. Klik Continue

5

Gambar 2.2 Kotak dialog Frequencies: Statistics
6. Klik Charts
7. Pilih diagram yang ingin ditampilkan Bar charts (diagram batang), Pie charts

(Diagram lingkaran), atau Histograms (histogram). Beri tanda centang With
normal curve jika ingin melihat kurva normalitas data.
Pada contoh ini dipilih diagram lingkaran.
8. Pada Chart Values pilih opsi Frequencies (berdasarkan pengelompokkan)
atau Percentages (berdasarkan persentase).
Pada contoh ini dipilih frequencies.

Gambar 2.3 Kotak dialog Frequencies: Charts

6

9. Klik Format. Pilih Ascending Values agar data disusun dari urutan terkecil
hingga terbesar.

10. Klik continue

Gambar 2.4 Kotak dialog Frequencies: Format
11. Klik OK
12. Tunggu beberapa saat akan muncul tampilan output sebagai berikut

Frequencies

[DataSet2]

Statistics

Nilai Tinggi Badan

N Valid 10 10
Percentiles
Missing 0 0
Mean 81.90 161.10
Std. Error of Mean 2.549
Median 82.00 2.702
Mode 161.50
Std. Deviation 80
Skewness 8.062 150
Std. Error of Skewness -.817 8.543
Kurtosis -.050
Std. Error of Kurtosis .687
Minimum 1.056 .687
Maximum 1.334 -1.646
Sum 1.334
25 65
50 93 150
75 819 173
78.00 1611
82.00 153.00
87.75 161.50
169.25

7

Frequency Table

Nilai

Frequency Percent Valid Percent Cumulative
1 Percent
Valid 65 1 10.0 10.0 10.0
75 1 20.0
79 2 10.0 10.0 30.0
80 1 50.0
84 1 10.0 10.0 60.0
86 1 70.0
87 1 20.0 20.0 80.0
90 1 90.0
93 10.0 10.0 100.0
Total 10
10.0 10.0

10.0 10.0

10.0 10.0

10.0 10.0

100.0 100.0

Tinggi Badan

Frequency Percent Valid Percent Cumulative
2 Percent
Valid 150 1 20.0 20.0 20.0
154 1 30.0
155 1 10.0 10.0 40.0
160 1 50.0
163 1 10.0 10.0 60.0
167 1 70.0
169 1 10.0 10.0 80.0
170 1 90.0
173 10.0 10.0 100.0
Total 10
10.0 10.0

10.0 10.0

10.0 10.0

10.0 10.0

100.0 100.0

Pie Chart

8

9

Analisis dari output SPSS di atas adalah sebagai berikut
Tabel 2.2 Analisis Output SPSS

Keterangan Nilai Variabel

banyak data valid 10 Tinggi Badan (cm)
banyak data missing 0
81,90 10
rata-rata 2,549 0
standar error of means 82 161,10
80 2,702
median -0,817 161,50
modus 1,056 150
kemiringan 8,062 -0,050
keruncingan 65 -1,646
standar deviasi 93 8,543
minimum 819 150
maximum 78 173
jumlah data 82 1611
kuartil 1 87,75 153
kuartil 2 161,50
kuartil 3 169,25

MENGGUNAKAN DESCRIPTIVE
Dengan menggunakan data pada tabel 2.1. Ikuti langkah-langkah berikut untuk
menjalankan fungsi descriptive
1. Pilih menu Analyze  Descriptive Statistics  Descriptive
2. Pindahkan nilai dan tinggi badan ke kolom Variable(s)
3. Klik tombol Option
4. Beri tanda centang pada Mean, Sum, Standar Deviation, Variance, Range, S.E.

Mean, Minimum, Maximum, Kurtosis, Skewness dan Ascending means.

Gambar 2.5 Kotak dialog Descriptives: Options

10

5. Klik continue
6. Klik OK
7. Tunggu beberapa saat akan muncul tampilan output sebagai berikut

Descriptives

[DataSet2] Descriptive Statistics

Nilai N Range Minimum Maximum Sum Mean
Tinggi Badan
Valid N (listwise) Statistic Statistic Statistic Statistic Statistic Statistic Std. Error
28 65 93 819
10 23 81.90 2.549
10 150 173 1611 161.10 2.702
10

Descriptive Statistics

Std. Deviation Variance Skewness Kurtosis
Statistic Statistic Statistic Std. Error Statistic Std. Error

Nilai 8.062 64.989 -.817 .687 1.056 1.334
Tinggi Badan 8.543 72.989 -.050 .687 -1.646 1.334

Analisis dari output SPSS di atas adalah sebagai berikut

Tabel 2.3 Analisis Output SPSS

Keterangan Nilai Variabel

banyak data 10 Tinggi Badan (cm)
jangkauan 28
minimum 65 10
maximum 93 23
jumlah data 819 150
rata-rata 81,90 173
standar deviasi 8,062 1611
64,989 161,10
variansi -0,817 8,543
kemiringan 1,056 72,989
keruncingan 8,062 -0,050
standar deviasi -1,646
8,543

MENGGUNAKAN EXPLORE
Dengan menggunakan data pada tabel 2.1. Ikuti langkah-langkah berikut untuk
menjalankan fungsi explore
1. Pilih menu Analyze  Descriptive Statistics  Explore
2. Pindahkan nilai pada kolom Dependent List dan jenis kelamin ke Factor List

11

Gambar 2.6 Kotak dialog Explore
3. Pada Display klik Both.
4. Klik tombol Statistics
5. Beri tanda centang pada Descriptives dan isikan tingkat kepercayaan yang

diingankan (secara default 95%). Klik continue
6. Klik tombol Plots. Pilih plot yang diinginkan. Misalkan Histogram.
7. Beri tanda centang pada Normality plots with test jika ingin menguji apakah

sampel berdistribusi normal.
8. Beri tanda centang pada power estimation bila ingin menguji apakah variansi

populasi homogen (antara laki-laki dan perempuan)
(Untuk langkah no.6 dan 7 akan dibahas pada materi berikutnya)

Gambar 2.7 Kotak dialog Explore: Plots

12

9. Abaikan pilihan Options.
10. Klik OK
11. Tunggu beberapa saat akan muncul tampilan output sebagai berikut

Explore

Jenis Kelamin Case Processing Summary

Jenis Kelamin Cases
Nilai Laki-laki
Valid Missing Total
Perempuan
N Percent N Percent N Percent
5 100.0% 0 .0% 5 100.0%
5 100.0% 0 .0% 5 100.0%

13

Descriptives

Jenis Kelamin Statistic Std. Error
Nilai Laki-laki
Mean 79.20 4.652

95% Confidence Interval for Lower Bound 66.28

Mean

Upper Bound 92.12

5% Trimmed Mean 79.22

Median 79.00

Variance 108.200

Std. Deviation 10.402

Minimum 65

Maximum 93

Range 28

Interquartile Range 19

Perempuan Skewness -.074 .913
Kurtosis .303 2.000
Mean 84.60 1.990

95% Confidence Interval for Lower Bound 79.07

Mean

Upper Bound 90.13

5% Trimmed Mean 84.56

Median 86.00

Variance 19.800

Std. Deviation 4.450

Minimum 80

Maximum 90

Range 10

Interquartile Range 9

Skewness -.098 .913
Kurtosis -2.316 2.000

Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Jenis Kelamin Statistic df Sig. Statistic df Sig.
.200* .998 5 .999
Nilai Laki-laki .143 5 .200* .877 5 .298

Perempuan .249 5

a. Lilliefors Significance Correction
*. This is a lower bound of the true significance.

14

Test of Homogeneity of Variance

Levene Statistic df1 df2 Sig.

Nilai Based on Mean 1.688 1 8 .230

Based on Median 1.681 1 8 .231

Based on Median and with 1.681 1 5.510 .246
adjusted df

Based on trimmed mean 1.690 1 8 .230

Nilai
Histograms

15

Normal Q-Q Plots

16

Detrended Normal Q-Q Plots

17

18

Analisis dari output SPSS di atas adalah sebagai berikut
 Tabel Case Processing Summary

- Banyak mahasiswa laki-laki 5

- Banyak mahasiswa Perempuan 5

- Tidak ada data missing, semua data valid dan dapat diproses
 Tabel Descriptives

Tabel 2.4 Analisis Output SPSS

Keterangan Jenis Kelamin

rata-rata Laki-laki Perempuan
batas bawah
Mean 79,20 84,60
Lower Bound batas atas 66,28 79,07
Upper Bound 5% data terbesar 92,12 90,13
dan terkecil yang
5% Trimmed Mean 79,22 84,56
dibuang
Median median 79,00 86,00
Variance variansi 108,200 19,800
Std. Deviation standar deviasi 10,402 4,450
Minimum minimum
Maximum maximum 65 80
jangkauan 93 90
Range selisih Q1 dan Q3 28 10
Interquartile Range kemiringan 19 9
keruncingan -0,074 -0,098
Skewness 0,303 -2,316
Kurtosis

 Tabel Test of Normality
Abaikan akan kita bahas pada materi berikutnya

 Tabel of Homogeneity of Variance
Abaikan akan kita bahas pada materi berikutnya

MENGGUNAKAN CROSSTABS

Dengan menambahkan data pada tabel 2.1.

Tabel 2.5 Data 10 siswa

Responden Jenis Kelamin Nilai Tinggi Badan (cm) Agama

1 Perempuan 80 150 Islam
150 Islam
2 Perempuan 87 163 Kristen
170 Hindu
3 Laki-laki 65 169 Budha
173 Islam
4 Laki-laki 79 154 Hindu
155 Kristen
5 Laki-laki 93 160 Islam
167 Kristen
6 Laki-laki 84

7 Perempuan 86

8 Perempuan 90

9 Perempuan 80

10 Laki-laki 75

19

Ikuti langkah-langkah berikut untuk menjalankan fungsi crosstabs
1. Pilih menu Analyze  Descriptive Statistics  Crosstabs
2. Pindahkan jenis kelamin pada kolom Row(s) dan agama ke Column(s)

Gambar 2.8 Kotak dialog Crosstabs

3. Abaikan pilihan yang lain
4. Klik OK
5. Tunggu beberapa saat akan muncul tampilan output sebagai berikut

Crosstabs Case Processing Summary

Jenis Kelamin * Agama Cases

Valid Missing Total
N Percent
N Percent N Percent
10 100.0% 0 .0% 10 100.0%

20

Jenis Kelamin * Agama Crosstabulation

Count Agama
Jenis Kelamin
Laki-laki Islam Kristen Hindu Budha Total
Perempuan 1 2 1 1 5
Total 3 1 1 0 5
4 3 2 1
10

Analisis dari output SPSS di atas adalah sebagai berikut
 Tabel Case Processing Summary

- Tidak ada data missing, semua data valid dan dapat diproses
 Tabel Jenis Kelamin * Agama Crosstabulation

- Dari 5 laki-laki, 1 beragama Islam, 2 Kristen, 1 Hindu, dan 1 Budha.
- Dari 5 perempuan, 3 beragama Islam, 1 Kristen, 1 Hindu, dan tidak ada

yang beragama Budha.

21

UJI NORMALITAS 3

Secara umum, data yang baik dan layak digunakan dalam penelitian adalah data
yang memiliki distribusi normal. Uji normalitas bertujuan untuk menguji apakah
data berdistribusi normal. Hal ini perlu dilakukan untuk melihat apakah statistik
parametrik dapat dilakukan. Jika data berdistribusi normal, maka statistik
parametrik dapat dilakukan. Jika tidak, maka salah satu analisisnya adalah
menggunakan statistik non parametrik. Uji normalitas dapat dilakukan dengan
beberapa cara. Antara lain uji Lilliefors, Kolmogorov-Smirnov, kertas peluang
normal, dan chi-kuadrat (2).

Pada SPSS, normalitas data diuji dengan menggunakan Kolmogorov-Smirnov dan
Shapiro Wilk. Uji normalitas dilakukan dengan prosedur sebagai berikut
 H0 : Data berdistribusi normal

H1 : Data tidak berdistribusi normal
  : 5% (untuk penelitian bidang pendidikan, sosial, budaya,dsb)

 : 1% (untuk bidang kesehatan/bidang yang krusial dampaknya)
 Statistik uji = p = sig.
 Daerah kritik (DK) = Jika p <  maka H0 ditolak
 Keputusan : H0 ditolak atau diterima
 Kesimpulan

Sebagai contoh, input data sesuai Tabel 3.1 berikut

Tabel 3.1 Data tingkat kedatangan seseorang ke suatu

Rumah Makan selama 1 bulan

Responden Jenis Kelamin Usia Tingkat
Kedatangan
1 Laki-laki 35
2 Laki-laki 34 3
3 Perempuan 40 3
4 Laki-laki 46 2
5 Perempuan 54 1
6 Perempuan 31 0
7 Perempuan 38 4
8 Laki-laki 41 3
9 Perempuan 47 2
10 Laki-laki 47 0
1

22

11 Laki-laki 46 2
12 Laki-laki 46 3
13 Perempuan 36 4
14 Perempuan 41 3
15 Laki-laki 40 3

SPSS memberikan beberapa cara untuk menguji normalitas data
A. Menggunakan Explore

1. Pilih menu Analyze  Descriptive Statistics  Explore
2. Pindahkan “tingkat kedatangan” dan “usia” pada kolom Dependent List

dan “jenis kelamin” ke Factor List

Gambar 3.1 Kotak dialog Explore

Dengan menggunakan data pada tabel 3.1. Ikuti langkah-langkah berikut untuk
menjalankan fungsi explore
1. Pilih menu Analyze  Descriptive Statistics  Explore
2. Pindahkan nilai pada kolom Dependent List dan jenis kelamin ke Factor List
3. Pada Display klik Both.
4. Klik tombol Statistics
5. Beri tanda centang pada Descriptives dan isikan tingkat kepercayaan yang

diingankan (secara default 95%). Klik continue
6. Beri tanda centang pada Normality plots with test
7. Abaikan pilihan Options.
8. Klik OK
9. Tunggu beberapa saat akan muncul tampilan output sebagai berikut

23

Explore
Jenis Kelamin

Case Processing Summary

Cases

Valid Missing

Banyak Kedatangan Jenis Kelamin N Percent N
Usia Laki-laki 5 100.0% 0
Perempuan 5 100.0% 0
Laki-laki 5 100.0% 0
Perempuan 5 100.0% 0

Case Processing Summary

Cases

Missing Total

Banyak Kedatangan Jenis Kelamin Percent N Percent
Usia Laki-laki .0% 5 100.0%
Perempuan .0% 5 100.0%
Laki-laki .0% 5 100.0%
Perempuan .0% 5 100.0%

Descriptives

Banyak Jenis Kelamin Mean Statistic Std. Error
Kedatangan Laki-laki 2.00 .447

95% Confidence Lower Bound .76

Interval for Mean 3.24
Upper Bound

5% Trimmed Mean 2.00

Median 2.00

Variance 1.000

Std. Deviation 1.000

Minimum 1

Maximum 3

Range 2

Interquartile Range 2

Perempuan Skewness .000 .913
Kurtosis -3.000 2.000
Mean
1.80 .800

95% Confidence Lower Bound -.42

24

Usia Laki-laki Interval for Mean Upper Bound 4.02 .913
Perempuan 5% Trimmed Mean 1.78 2.000
Median 2.00 2.694
Variance 3.200
Std. Deviation 1.789 .913
Minimum 2.000
Maximum 0 3.937
Range 4
Interquartile Range 4 .913
Skewness 4
Kurtosis .052
Mean -2.324
40.60
95% Confidence Lower Bound 33.12
Interval for Mean 48.08
40.61
Upper Bound 41.00
5% Trimmed Mean 36.300
Median 6.025
Variance 34
Std. Deviation 47
Minimum 13
Maximum 12
Range -.083
Interquartile Range -2.869
Skewness 42.00
Kurtosis 31.07
Mean 52.93
95% Confidence Lower Bound 41.94
Interval for Mean 40.00
Upper Bound 77.500
5% Trimmed Mean 8.803
Median 31
Variance 54
Std. Deviation 23
Minimum 16
Maximum .275
Range
Interquartile Range
Skewness

25

Kurtosis -.451 2.000

Tests of Normality

Kolmogorov-Smirnova

Jenis Kelamin Statistic df
.241 5
Banyak Kedatangan Laki-laki .243 5
.224 5
Perempuan .190 5

Usia Laki-laki

Perempuan

a. Lilliefors Significance Correction

Tests of Normality Shapiro-Wilk

Kolmogorov-
Smirnova

Jenis Kelamin Sig. Statistic df Sig.
.821 5 .119
Banyak Kedatangan Laki-laki .200* .894 5 .377
.879 5 .303
Perempuan .200* .983 5 .951

Usia Laki-laki .200*

Perempuan .200*

a. Lilliefors Significance Correction
*. This is a lower bound of the true significance.

Banyak Kedatangan

Normal Q-Q Plots

26

Detrended Normal Q-Q Plots

27

Usia
Normal Q-Q Plots

28

Detrended Normal Q-Q Plots

29

Analisis output SPSS untuk uji normalitas dapat dianalisis secara deskriptif
maupun inferensial. Sebagai contoh akan dianalisis apakah data banyak
kedatangan untuk Laki-laki berdistribusi normal atau tidak
1. Deskriptif  lihat tabel Descriptives

a. koefisien variansi (CV)

CV  Koefisien Variansi  Standar Deviasi
Mean

Jika CV < 0,3 maka data berdistribusi normal

Pada contoh banyak kedatangan untuk laki-laki

CV  1  0,5
2

Maka dapat dikatakan bahwa data “banyak kedatangan untuk laki-laki”
tidak berdisribusi normal.
b. koefisien skewness (CS)

CS  Koefisien Skewness  Statistik Skewness
Standar Error

Jika -2 < CS < 2 maka data berdistribusi normal

30

Pada contoh banyak kedatangan untuk laki-laki
CS  0,000  0,000

0,913
Maka dapat dikatakan bahwa data “banyak kedatangan untuk laki-laki”
berdisribusi normal.
c. koefisien kurtosis (CK)
CK  Koefisien Kurtosis  Statistik Kurtosis

Standar Error

Jika -2 < CK < 2 maka data berdistribusi normal

Pada contoh banyak kedatangan untuk laki-laki
CK   3,000  1,500

2,000
Maka dapat dikatakan bahwa data “banyak kedatangan untuk laki-laki”
berdisribusi normal.
d. Normal Q-Q Plot
Garis diagonal pada grafik menggambarkan keadaan ideal dari data yang
mengikuti distribusi normal.

Jika data mendekati garis lurus diagonal maka
data berdistribusi normal

Dilihat dari grafik Normal Q-Q Plot of Banyak Kedatangan for JK= Laki-laki,
tidak ada satu titik pun yang jauh melenceng dari garis lurus. Sehingga
dapat dikatakan data berdistribusi normal.
e. Detrended Normal Q-Q Plot
Titik-titik data pada grafik menggambarkan selisih data dengan garis
diagonal pada grafik Normal Q-Q Plot.

Jika data mendekati garis lurus mendatar maka
data berdistribusi normal

Dilihat dari grafik Detrended Normal Q-Q Plot of Banyak Kedatangan for
JK= Laki-laki, data tidak jauh menyimpang dari garis lurus mendatar.
Sehingga dapat dikatakan data berdistribusi normal.

31

2. Inferensi  lihat tabel Tests of Normality
Pada contoh banyak kedatangan untuk laki-laki
 H0 : Data berdistribusi normal
H1 : Data tidak berdistribusi normal
  : 5%
 Statistik uji :
p = 0,200 (Kolmogorov - Smirnov)
p = 0,119 (Shapiro - Wilk)
 Daerah kritik (DK) = Jika p <  maka H0 ditolak
 Keputusan : H0 diterima
 Kesimpulan : data berdistribusi normal

B. Menggunakan One Sample KS
Dengan menggunakan data pada tabel 3.1. Ikuti langkah-langkah berikut
untuk menjalankan fungsi one sample KS
1. Pilih menu Analyze  Nonparametric Test - 1 Sample K-S
2. Pindahkan “banyak kedatangan” pada kolom Test Variable List
3. Pada Test Distribution, beri tanda centang pada Normal
4. Klik OK

Gambar 3.2 Kotak dialog One-Sample Kolmogorov-Smirnov Test
5. Tunggu beberapa saat dan akan muncul output SPSS seperti berikut

32

NPar Tests

One-Sample Kolmogorov-Smirnov Test

Banyak
Kedatangan

N 10

Normal Parametersa,,b Mean 1.90
1.370
Std. Deviation
.189
Most Extreme Differences Absolute .144
-.189
Positive .597
.868
Negative

Kolmogorov-Smirnov Z

Asymp. Sig. (2-tailed)

a. Test distribution is Normal.

b. Calculated from data.

Analisis output SPSS di atas adalah
 H0 : Data berdistribusi normal

H1 : Data tidak berdistribusi normal
  : 5%
 Statistik uji :

p = 0,868 (Asymp. Sig. (2-tailed)
 Daerah kritik (DK) = Jika p <  maka H0 ditolak
 Keputusan : H0 diterima
 Kesimpulan : data berdistribusi normal

33

STATISTIK PARAMETRIK 4

Syarat untuk dapat melakukan statistik parametrik adalah data berdistribusi
normal. Oleh karena itu, sebelum melakukan statistik parametrik, seorang analis
data harus melakukan uji normalitas terlebih dahulu (pelajari BAB sebelumnya).
Uji perbedaan rata-rata dalam statistik parametrik ini. Beberapa pengujian yang
dilakukan adalah one sample t-test, independent sample t-test, paired sample t-
test, dan anova.

One Sample t-test

One sample t-test digunakan untuk menguji satu kelompok sampel menggunakan
uji-t. Dalam uji ini diperlukan suatu nilai hipotesis (rata-rata populasi) untuk
dibandingkan dengan rata-rata kelompok sampel (rata-rata sampel).

Sebagai contoh, seorang manager restoran ingin menguji apakah rata-rata
tingkat kedatangan pengunjung yang datang ke restoran mereka adalah 2 kali.
Lakukan langkah-langkah berikut

1. Input data sesuai Tabel 4.1 berikut

Tabel 4.1 Data tingkat kedatangan seseorang ke suatu

Rumah Makan selama 1 bulan

Responden Jenis Kelamin Usia Tingkat
Kedatangan
1 Laki-laki 35
2 Laki-laki 34 3
3 Perempuan 40 3
4 Laki-laki 46 2
5 Perempuan 54 1
6 Perempuan 31 0
7 Perempuan 38 4
8 Laki-laki 41 3
9 Perempuan 47 2
10 Laki-laki 47 0
11 Laki-laki 46 1
12 Laki-laki 46 2
13 Perempuan 36 3
14 Perempuan 41 4
15 Laki-laki 40 3
3

34

2. Pilih menu Analyze  Compare Means  One sample t-test

Gambar 4.1 Menu untuk One sample t-test
3. Masukkan variabel yang diuji dan nilai hipotesis (dugaan). Dalam hal ini

masukkan “Banyak Kedatangan (TK)” ke kolom test variable(s) dan nilai
hipotesis “2” ke kolom tes value.

Gambar 4.2 Kotak Dialog One Sample t-test

4. Klik Options. Masukkan tingkat kepercayaan yang diinginkan. Jika  = 5%
maka tingkat kepercayaan (confidence interval) tulis 95%.

Gambar 4.3 Kotak Dialog One Sample t-test: Options

35

5. Klik continue  OK
6. Tunggu beberapa saat maka akan muncul ouput sebagai berikut

T-Test One-Sample Statistics

Banyak Kedatangan N Mean Std. Deviation Std. Error Mean

15 2.27 1.280 .330

One-Sample Test
Test Value = 2

t df Sig. (2-tailed) Mean Difference
.807
Banyak Kedatangan 14 .433 .267

One-Sample Test

Test Value = 2

95% Confidence Interval of the
Difference

Banyak Kedatangan Lower Upper
-.44 .98

Pastikan bahwa variabel yang kita masukkan, test value dan confidence interval
benar. Uji perbedaan rata-rata tingkat kedatangan dilakukan dengan prosedur
sebagai berikut
 H0 :  = 2 (rata-rata tingkat kedatangan pengunjung 2 kali)

H1 :   2 (rata-rata tingkat kedatangan pengunjung tidak 2 kali)
  : 5%
 Statistik uji : p = sig. (2-tailed) = 0,433
 Daerah kritik (DK) = Jika p <  maka H0 ditolak
 Keputusan : karena p = 0,433 >  = 0,05 maka H0 diterima
 Kesimpulan : rata-rata tingkat kedatangan pengunjung

sebanyak 2 kali.

LATIHAN

Gunakan data yang sama pada tabel 4.1. Uji apakah rata-rata
usia pengunjung yang datang ke restoran tersebut 44 tahun?

36

Independent Sample t-test

Independent sample t-test digunakan untuk menguji dua kelompok sampel yang
saling independent (bebas/tidak saling mempengaruhi) menggunakan uji-t.
Sebagai contoh, seorang manager restoran ingin menguji apakah rata-rata
tingkat kedatangan pengunjung laki-laki yang datang ke restoran mereka sama
dengan rata-rata tingkat kedatangan pengunjung wanita. Lakukan langkah-
langkah berikut
1. Input data sesuai Tabel 4.1 berikut
2. Pilih menu Analyze  Compare Means  Independent sample t-test

Gambar 4.4 Menu untuk Independent sample t-test
3. Masukkan variabel yang diuji dan variabel yang dikelompokkan. Dalam hal

ini masukkan “Banyak Kedatangan (TK)” ke kolom Test Variable(s) dan
kelompok sampel “Jenis Kelamin” ke kolom Grouping Variable(s).

37

Gambar 4.5 Kotak Dialog Independent Sample t-test
4. Klik Define Groups. Masukkan “1” ke Groups 1 dan “2” ke Groups 2. Angka

“1” dan “2” tergantung pada pengkodean laki-laki dan perempuan saat input
data. Klik continue.

Gambar 4.6 Kotak Dialog Define Groups
5. Lihat perubahan pada kolom Grouping Variable setelah klik continue.

SEBELUM

38

SESUDAH

Gambar 4.7 Perbedaan Kotak Dialog Independent Sample t-test
6. Klik Options. Masukkan tingkat kepercayaan yang diinginkan. Jika  = 5%

maka tingkat kepercayaan (confidence interval) tulis 95%.
7. Klik continue  OK

Tunggu beberapa saat maka akan muncul ouput sebagai berikut

T-Test

Group Statistics

Jenis Kelamin N Mean Std. Deviation Std. Error Mean
Laki-laki
Banyak Kedatangan Perempuan 8 2.25 .886 .313

7 2.29 1.704 .644

Independent Samples Test t-test for Equality of Means

Levene's Test for Equality of
Variances

Banyak Kedatangan Equal variances assumed F Sig. t df
3.990 .067 -.052 13
Equal variances not -.050
assumed 8.756

Independent Samples Test
t-test for Equality of Means

Sig. (2-tailed) Mean Difference Std. Error
Difference

39

Banyak Kedatangan Equal variances assumed .959 -.036 .687
.716
Equal variances not assumed .961 -.036

Independent Samples Test

t-test for Equality of Means

95% Confidence Interval of the
Difference

Banyak Kedatangan Equal variances assumed Lower Upper
Equal variances not assumed -1.521 1.449
-1.663 1.592

Uji perbedaan rata-rata tingkat kedatangan pengunjung laki-laki dan perempuan
dilakukan dengan prosedur sebagai berikut
 H0 : 1 = 2 (Tidak ada perbedaan rata-rata tingkat kedatangan pengunjung

laki-laki dan perempuan)
H1 : 1  2 (Ada perbedaan rata-rata tingkat kedatangan pengunjung laki-

laki dan perempuan)
  : 5%
 Statistik uji :

p = sig. (2-tailed) = 0,959 (jika homogenitas variansi dipenuhi)
p = sig. (2-tailed) = 0,961 (jika homogenitas variansi tidak dipenuhi)

Catatan
Untuk melihat apakah homogenitas variansi lihat kolom Levene's Test for
Equality of Variances
Jika p (sig.) < , maka homogenitas variansi dipenuhi.

Pada output di atas, diketahui p (sig.) = 0,067 (warna merah). Ini berarti
homogenitas variansi tidak dipenuhi. Oleh karena itu, kita pilih statistik uji p
= sig. (2-tailed) = 0,961.
 Daerah kritik (DK) = Jika p <  maka H0 ditolak
 Keputusan :
karena p = 0,0961 >  = 0,05 maka H0 diterima
 Kesimpulan : Tidak ada perbedaan rata-rata tingkat kedatangan pengunjung
laki-laki dan perempuan.

40

LATIHAN

Gunakan data yang sama pada tabel 4.1. Uji apakah ada
perbedaan usia pengunjung laki-laki dan perempuan?

Paired Sample t-test

Paired sample t-test digunakan untuk menguji sampel berpasangan (1 kelompok
sampel tetapi mempunyai dua data/ukuran) menggunakan uji-t. Misal data yang
dibandingkan dalam uji ini adalah data kemampuan siswa sebelum dan sesudah
diberi pelatihan. Paired sample t-test bertujuan untuk menguji apakah suatu
perlakuan yang diberikan terhadap sampel memberikan pengaruh. Pada
dasarnya jika perlakuan tidak memberikan pengaruh maka perbedaan rata-rata
kedua data sampel sama dengan nol.

Sebagai contoh, suatu penelitian dilakukan untuk melihat apakah terdapat
perbedaan penjualan sebelum dan sesudah pemasangan iklan. Lakukan langkah-
langkah berikut

7. Input data sesuai Tabel 4.2 berikut

Tabel 4.2 Data Penjualan Produk Sebelum dan Sesudah Pemasangan Iklan

Toko Penjualan (unit)

A Sebelum Iklan Sesudah Iklan
B
C 129 200
D
E 130 140
F
G 140 140
H
I 110 200
J
K 112 170
L
M 150 300
N
O 90 100

70 120

85 100

110 139

114 155

70 80

150 216

140 151

110 130

41

Perhatikan cara input data paired sample t-test (berbeda dengan
independent sample t-test yang ditulis dalam satu kolom)

Gambar 4.8 Input data dalam Paired Sample t-test
8. Pilih menu Analyze  Compare Means  Paired samples T-test

Gambar 4.9 Menu untuk Paired sample t-test
9. Masukkan variabel Penjualan sebelum iklan dan Penjualan sesudah iklan ke

Variable1 dan Variable2.
10. Klik Options. Masukkan tingkat kepercayaan yang diinginkan. Jika  = 5%

maka tingkat kepercayaan (confidence interval) tulis 95%.
11. Klik continue  OK

42

12. Tunggu beberapa saat maka akan muncul ouput sebagai berikut

Gambar 4.10 Kotak Dialog Paired Sample t-test

13. Klik continue  OK
14. Tunggu beberapa saat maka akan muncul ouput sebagai berikut

T-Test

Paired Samples Statistics

Mean N Std. Deviation Std. Error Mean
114.00
Pair 1 Penjualan sebelum iklan 156.07 15 26.412 6.819
Penjualan sesudah iklan
15 55.582 14.351

Paired Samples Correlations

Pair 1 Penjualan sebelum iklan & N Correlation Sig.
Penjualan sesudah iklan 15 .733 .002

Paired Samples Test
Paired Differences

Mean Std. Deviation Std. Error Mean

Pair 1 Penjualan sebelum iklan - -42.067 40.431 10.439
Penjualan sesudah iklan

Paired Samples Test

Paired Differences

95% Confidence Interval of the
Difference

Lower Upper

43

Paired Samples Test

Paired Differences

95% Confidence Interval of the
Difference

Lower Upper
-19.677
Pair 1 Penjualan sebelum iklan - -64.456
Penjualan sesudah iklan

Paired Samples Test

Pair 1 Penjualan sebelum iklan - t df Sig. (2-tailed)
Penjualan sesudah iklan -4.030 14 .001

Uji perbedaan rata-rata data penjualan sebelum da sesudah pemasangan iklan
dilakukan dengan prosedur sebagai berikut
 H0 : 1 = 2 (Tidak ada perbedaan rata-rata penjualan sebelum dan sesudah

pemasangan iklan)
H1 : 1  2 (Ada perbedaan rata-rata penjualan sebelum dan sesudah

pemasangan iklan)
  : 5%
 Statistik uji : p = sig. (2-tailed) = 0,001
 Daerah kritik (DK) = Jika p <  maka H0 ditolak
 Keputusan : karena p = 0,001 <  = 0,05 maka H0 ditolak
 Kesimpulan : Ada perbedaan rata-rata penjualan sebelum dan

sesudah pemasangan iklan. Dengan kata lain, pemasangan iklan
berpengaruh terhadap penjualan suatu toko.

Analisis Variansi (Anova)

Seperti halnya independent sample t-test, anova juga digunakan untuk menguji
rata-rata dari sampel. Perbedaannya adalah jika independent sample t-test yang
diuji adalah 2 kelompok sampel yang saling bebas, maka anova digunakan untuk
menguji lebih dari 2 kelompok sampel.

Sebagai contoh, Suatu percetakan mempekerjakan karyawannya dalam 3 shift.
Seorang manager ingin mengetahui apakah ada perbedaan produktivitas kerja
diantara 3 kelompok kerja shift yang ada selama ini. Untuk kepentingan ini,
seorang supervisor diminta untuk mencacat produktivitas kerja karyawan selama
15 hari dan diperoleh data sbb:

44

Tabel 4.3 Data Produktivitas Karyawan dalam 3 shift

shiftHari 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1 40 50 45 35 25 42 43 30 37 36 39 40 45 36 28
2 25 46 45 43 27 42 45 38 38 51 52 52 50 27 61
3 45 44 43 48 54 53 56 40 35 38 39 41 43 40 43

8. Input data sesuai Tabel 4.3 seperti gambar berikut

45

Gambar 4.11 Input data dalam Independent Sample T-test
Perhatikan pengisian data dalam Anova sama seperti dalam Independent
Sample T-test
9. Pilih menu Analyze  Compare Means  One way ANOVA

Gambar 4.12 Menu untuk One-Way ANOVA
10. Masukkan variabel terikat (variabel yang dipengaruhi oleh variabel yang lain)

dan variabel bebas (variabel yang tidak bergantung pada variabel yang lain).
Dalam hal ini masukkan “Produktivitas kerja pegawai” ke kolom Dependent
List dan “Shift” ke kolom Factor.

46

Gambar 4.13 Kotak Dialog One-Way ANOVA
11. Klik Post Hoc jika ingin melakukan uji lanjut (ini dilakukan jika dalam

pengujian ANOVA disimpulkan bahwa H0 ditolak). Pilih uji yang diinginkan
dan tingkat kesalahan yang ditentukan. Dalam hal ini dipilih uji Scheffe (jika
variansi homogen dipenuhi) dan Dunnett’s T3 (jika variansi homogen tidak
dipenuhi) dengan tingkat kesalahan () 5%. Klik continue.

Gambar 4.14 Kotak Dialog One-Way ANOVA: Post-Hoc
12. Klik Options jika ingin melihat data statistiknya. Misal dalam hal ini dipilih

descriptive dan Homogeneity of variance test (untuk menentukan
menggunakan Scheffe atau Dunnett’s T3 dalam Post Hoc)

47

Gambar 4.15 Kotak Dialog One-Way ANOVA: Options

13. Klik Continue OK
Tunggu beberapa saat maka akan muncul ouput sebagai berikut

Oneway

Descriptives

Produktivitas kerja pegawai

95% Confidence Interval for
Mean

N Mean Std. Deviation Std. Error Lower Bound Upper Bound

shift 1 15 38.07 6.777 1.750 34.31 41.82
shift 2 15 42.80 10.359 2.675 37.06 48.54
shift 3 15 44.13 1.585 40.73 47.53
Total 45 41.67 6.140 1.226 39.20 44.14
8.227

Descriptives
Produktivitas kerja pegawai

shift 1 Minimum Maximum
shift 2
shift 3 25 50
Total 25 61
35 56
25 61

48


Click to View FlipBook Version