1

STATlSTlKA :
Kegatan untuk :
mengumpukan data
menya|kan data
menganass data dengan metode tertentu
mengnterpretaskan has anass
KEGUNAAN
7
STATlSTlKA DESKRlPTlF :
Berkenaan dengan pengumpuan, pengoahan, dan penya|an sebagan
atau seuruh data (pengamatan) tanpa pengamban kesmpuan
STATlSTlKA lNFERENSl :
Seteah data dkumpukan, maka dakukan berbaga metode statstk untuk
menganass data, dan kemudan dakukan nterpretas serta damb kesmpuan.
Statstka nferens akan menghaskan generasas (|ka sampe representatf)
Meau fase
dan fase
1. Konsep Statistika
2
2. Statistika & Metode llmiah
METODE lLMlAH :
Adaah saah satu cara mencar kebenaran yang ba dtn|au
dar seg penerapannya, resko untuk keru pang kec.
LANGKAH-LANGKAH DALAM METODE lLMlAH :
1. Merumuskan masaah
2. Meakukan stud teratur
3. Membuat dugaan-dugaan, pertanyaan-pertanyaan atau
hpotess
4. Mengumpulkan dan mengolah data, menguji
hipotesis, atau menjawab pertanyaan
5. Mengamb kesmpuan
PERAN STATISTIKA
INSTRUMEN
SAMPEL
VARIABEL
SIFAT DATA
METODE ANALISIS
3
3. Data
DATA terbag atas DATA KUALITATIF dan DATA KUANTITATIF
DATA KUALlTATlF :
Data yang dnyatakan
daam bentuk bukan
angka.
Contoh : |ens peker|aan,
status marta, tngkat
kepuasan ker|a
DATA KUANTlTATlF :
Data yang dnyatakan
daam bentuk angka
Contoh : ama beker|a,
|umah ga|, usa, has
uangan
DATA
|ENIS
DATA
NOMINAL
ORDINAL
INTERVAL
RASIO
KUALITATIF KUANTITATIF
4
4. Data
DATA NOMlNAL :
Data berskaa nomna adaah data yang dperoeh dengan cara kategorsas atau
kasfkas.
ClRl : poss data setara
tdak bsa dakukan operas matematka (+, -, x, :)
CONTOH : |ens keamn, |ens peker|aan
DATA ORDlNAL :
Data berskaa ordna adaah data yang dpeoeh dengan cara kategorsas atau
kasfkas, tetap d antara data tersebut terdapat hubungan
ClRl : poss data tdak setara
tdak bsa dakukan operas matematka (+, -, x, :)
CONTOH : kepuasan ker|a, motvas
DATA lNTERVAL :
Data berskaa nterva adaah data yang dperoeh dengan cara pengukuran, d mana
|arak antara dua ttk skaa sudah dketahu.
ClRl : Tdak ada kategorsas
bsa dakukan operas matematka
CONTOH : temperatur yang dukur berdasarkan
0
C dan
0
F, sstem kaender
DATA RASlO :
Data berskaa raso adaah data yang dperoeh dengan cara pengukuran, d mana
|arak antara dua ttk skaa sudah dketahu dan mempunya ttk 0 absout.
ClRl : tdak ada kategorsas
bsa dakukan operas matematka
CONTOH : ga|, skor u|an, |umah buku


5
5. Pengolahan Data
PROSEDUR PENGOLAHAN DATA :
A. PARAMETER : Berdasarkan parameter yang ada statstk dbag
men|ad
Statstk PARAMETRlK : berhubungan dengan nferens statstk
yang membahas parameter-parameter popuas; |ens data
nterva atau raso; dstrbus data norma atau mendekat
norma.
Statstk NONPARAMETRlK : nferens statstk tdak membahas
parameter-parameter popuas; |ens data nomna atau ordna;
dstrbus data tdak dketahu atau tdak norma

B. ]UMLAH VARlABEL : berdasarkan |umah varabe dbag men|ad
Anass UNlVARlAT : hanya ada 1 pengukuran (varabe) untuk
n sampe atau beberapa varabe tetap masng-masng varabe
danass sendr-sendr. Contoh : koreas motvas dengan
pencapaan akademk.
Anass MULTlVARlAT : dua atau ebh pengukuran (varabe)
untuk n sampe d mana anass antar varabe dakukan
bersamaan. Contoh : pengaruh motvas terhadap pencapaan
akademk yang dpengaruh oeh faktor atar beakang
6
6. Pengolahan Data
MULAI
|umah
Varabe
?
Anass
Unvarat
Anass
Mutvarat
|ens
Data
?
Statstk
Parametrk
Statstk
Non Parametrk
SATU DUA / LEBIH
INTERVAL
RASIO
NOMINAL
ORDINAL
7
7. Penyajian Data
TABEL
TabeI 1.1 Bidang Pekerjaan berdasarkan Latar BeIakang Pendidikan
Count
1 8 6 15
1 7 8
4 3 5 12
2 14 11 27
3 4 6 13
10 30 35 75
administrasi
personalia
produksi
marketing
keuangan
bidang
pekerjaan
Jumlah
SMU Akademi Sarjana
pendidikan
Jumlah
GRAFlK administrasi
personalia
produksi
marketing
keuangan
bidang pekerjaan
Pies show counts
8
8. Membuat Tabel
TABEL : memberkan nformas secara rnc. Terdr atas koom dan bars
TABEL
KOLOM
Koom pertama : LABEL
Koom kedua .. n : Frekuens atau abe
BARIS Berskan data berdasarkan koom
Asal Wilayah
Pendapat tentang sertifikasi
]umlah
Sanga
t
perlu
Perlu Tidak
tahu
Tidak
perlu
Sanga
t tdk
perlu
|awa Barat
|awa Tengah
|awa Tmur
NTT
Papua
]umlah
Tabel Tabulasi Silang


9
9. Membuat Grafik
GRAFlK : memberkan nformas dengan benar dan cepat, tetap
tdak rnc.
Syarat :
1. Pemhan sumbu (sumbu tegak dan sumbu datar), kecua grafk ngkaran
2. Penetapan skaa (skaa basa, skaa ogartma, skaa an)
3. Ukuran grafk (tdak terau besar, tngg, pendek)
S
u
m
b
u

t
e
g
a
k
1
2
3
4
1 2 3 4
Sumbu datar
0
Ttk
pangka
]enis Grafik :
Grafk Batang (Bar)
Grafk Gars (ne)
Grafk Lngkaran (Pe)
Grafk Interaks (Interactve)
10
bidang pekerjaan
keuangan marketing produksi personalia administrasi
C
o
u
n
t
30
20
10
0
bidang pekerjaan
keuangan marketing produksi personalia administrasi
J
u
m
la
h
30
20
10
0
keuangan
marketing
produksi
personalia
administrasi
prestasi kerja
sangat baik baik cukup baik jelek sangat jelek
M
e
a
n
g
a
ji p
e
rb
u
la
n
800000
700000
600000
500000
400000
300000
Jenis kelamin
laki-laki
w anita
10. ]enis Grafik
Grafik Batang (Bar) Grafik Garis (line)
Grafik lingkaran (pie)
Grafik lnteraksi (interactive)
11
11. Frekuensi
FREKUENSl : banyaknya data untuk satu
keompok/kasfkas
KELOMPOK FREKUENS
l
Keompok ke-
1
f1
Keompok ke-
2
f2
Keompok ke-
3
f3
Keompok ke-

f
Keompok ke-
k
fk
k
n = fi
i=1
Pendidikan Frekuensi
S1 62
S2 19
S3 9
90
k
n = fi = f
1
+ f
2
+ f
3
+... + f
i
+ .. +
f
k
i=1 12
DlSTRlBUSl FREKUENSl : mengeompokkan data nterva/raso dan
menghtung
banyaknya data daam satu
keompok/kasfkas
12. Distribusi Frekuensi
Membuat dstrbus frekuens :
1. Mencar sebaran (range) yakn sesh antara data pang
besar dengan data pang kec) 35 - 20 = 15
2. Menentukan banyak keas dengan rumus k = 1 + 3,3 log
n
7
1. Menentukan pan|ang keas dengan rumus
p = sebaran } banyak kelas 15/7 = 2
KELOMPOK USlA FREKUENSl
20 - 21 11
22 - 23 17
24 - 25 14
26 - 27 12
28 - 29 7
30 - 31 18
32 - 33 5
34 - 35 1
USlA FREKUENS
l
20 5
21 6
22 13
23 4
24 7
25 7
26 7
27 5
28 3
29 4
30 15
31 3
33 5
35 1


13
13. Ukuran Tendensi Sentral
RATA-RATA : suatu bangan yang bertndak mewak sekumpuan bangan
RATA-RATA HlTUNG (RERATA) : |umah bangan dbag banyaknya
X
1
+ X
2
+ X
3
+ . + X
n
n
n
X
=1

n
X =
Ba terdapat sekumpuan bangan d mana masng-masng bangannya memk frekuens,
maka rata-rata htung men|ad :
X
1
f
1
+ X
2
f
2
+ X
3
f
3
+ . +
X
k
f
k
f
1
+ f
2
+ f
3
+ . + f
k
X =
k
X

=1


k
f

=1

Cara menghtung :
Bangan
(X

)
Frekuens
(f

)
X

70 3 210
63 5 315
85 2 170
]umlah 10 695
Maka : X =
695
10
= 69.5
14
14. Median
MEDlAN : na tengah dar sekumpuan data seteah durutkan yang fungsnya membantu
memper|eas kedudukan suatu data.
Contoh : dketahu rata-rata htung na uangan dar se|umah sswa adaah 6.55.
Pertanyaannya adaah apakah sswa yang memperoeh na 7
termasuk stmewa, bak, atau basa-basa sa|a ?
|ka na uangan tersebut adaah : 10 10 8 7 7 6 5 5 5 5 4,
maka rata-rata htung = 6.55, medan = 6
Kesmpuan : na 7 termasuk kategor bak sebab berada d atas rata-rata htung
dan medan (keompok 50% atas)
|ka na uangan tersebut adaah : 8 8 8 8 8 8 7 5 5 4 3,
maka rata-rata htung = 6.55, medan = 8
Kesmpuan : na 7 termasuk kategor kurang sebab berada d bawah
medan
(keompok 50% bawah)
|ka sekumpuan data banyak bangannya genap (tdak mempunya
bangan tengah)
Maka medannya adaah rerata dar dua bangan yang dtengahnya.
Contoh : 1 2 3 4 5 6 7 8 8 9 maka medan (5+6) : 2 = 5.5
15
15. Modus
MODUS : bangan yang pang banyak muncu dar sekumpuan bangan,
yang fungsnya untuk mehat kecenderungan dar sekumpuan bangan tersebut.
Contoh : na uangan 10 10 8 7 7 6 5 5 5 5 4
Maka : s = 6 ; k = 3 ; p =2
rata-rata htung = 6.55 ; medan = 6
modus = 5 ; keas modus = 5 - 7
Na Frekuens

10 2
8 1
7 2
6 1
5 4
4 1
|umah 11
Na Frekuens
8 - 10 3
5 - 7 7
2 - 4 1
|umah 11
Mo X Me
+ -
Kurva positif apaba rata-rata htung > modus / medan
Kurva negatif apaba rata-rata htung < modus / medan
16
16. Ukuran Penyebaran
Rentang (range) : sesh bangan terbesar dengan bangan terkec.
Sebaran merupakan ukuran penyebaran yang sangat kasar, sebab hanya bersangkutan
dengan bangan terbesar dan terkec.
A : 100 90 80 70 60 50 40 30 20 10
B : 100 100 100 100 100 10 10 10 10 10
C : 100 100 100 90 80 30 20 10 10 10
Contoh :
X = 55
r = 100 - 10 = 90
UKURAN YANG MENYATAKAN HOMOGENITAS / HETEROGENITAS :
1. RENTANG (Range)
2. DEVIASI RATA-RATA (Average Deviation)
3. VARIANS (Variance)
4. DEVIASI STANDAR (5tandard Deviation)
Rata-rata


17
17. Deviasi rata-rata
Deviasi Rata-rata :
penyebaran
Berdasarkan harga mutak
smpangan
bangan-bangan terhadap rata-
ratanya.
Nilai
X
X - X X - X
100 45 45
90 35 35
80 25 25
70 15 15
60 5 5
50 -5 5
40 -15 15
30 -25 25
20 -35 35
10 -45 45
|uma
h
0 250
Nilai
X
X - X X - X
100 45 45
100 45 45
100 45 45
90 35 35
80 25 25
30 -25 25
20 -35 35
10 -45 45
10 -45 45
10 -45 45
|uma
h
0 390
Keompok A Keompok B
DR = 250 = 25
10
DR = 390 = 39
10
Makn besar smpangan,
makn besar na devas rata-rata
DR =
n

=
1
|X - X|
n
Rata-rata
Rata-rata
18
18. Varians & Deviasi Standar
Varians : penyebaran berdasarkan
|umah kuadrat smpangan bangan-
bangan terhadap rata-ratanya ;
mehat ketdaksamaan sekeompok data
s
2
=
n

=1
(X - X)
2
n-1
Deviasi Standar : penyebaran
berdasarkan akar dar varans ;
menun|ukkan keragaman keompok data
s =

n

=1
(X - X)
2
n-1
Nilai
X
X -X (X-X)
2
100 45 2025
90 35 1225
80 25 625
70 15 225
60 5 25
50 -5 25
40 -15 225
30 -25 625
20 -35 1225
10 -45 2025
|uma
h
8250
Nilai
X
X -X (X -X)
2
100 45 2025
100 45 2025
100 45 2025
90 35 1225
80 25 625
30 -25 625
20 -35 1225
10 -45 2025
10 -45 2025
10 -45 2025
|uma
h
15850
Keompok A Keompok B
s =

8250
9
=
30.28
s =

15850
9
=
41.97
Kesimpulan :
Keompok A : rata-rata = 55 ; DR = 25 ; s = 30.28
Keompok B : rata-rata = 55 ; DR = 39 ; s = 41.97
Maka data keompok B ebh tersebar darpada keompok A
19
A behavioral science RM handout (after Dr. E. Lea
Witta Dept. of Educatona Research, Technoogy, and
Leadershp, Unversty of Centra Forda
20
19. Normalitas, Hipotesis, Pengujian
Distribusi Normal : kurva berbentuk be, smetrs, smetrs terhadap
sumbu yang
meau na rata-rata

+s +2s +3s -s +2s +3s
68%
95%
99%
Lakukan u| normatas
Raso Skewness & Kurtoss berada -2 sampa +2
Raso =
|ka tdak berdstrbus norma, akukan u| normatas non parametrk
(Wcoxon,
Mann-Whte, Tau Kenda)
Skewness = kemrngan
Kurtoss = keruncngan
na
Standard error


21
20. Normalitas, Hipotesis, Pengujian
HlPOTESlS TERARAH TlDAK TERARAH
Hpotess
Penetan
Sswa yang bea|ar bahasa
ebh serus darpada sswa
yang bea|ar IPS
Ada perbedaan keserusan
sswa antara yang bea|ar
bahasa dengan yang bea|ar IPS
Hipotesis
Nol
(Yang du|)
Sswa yang bea|ar bahasa
tdak menun|ukkan keebhan
keserusan darpada yang
bea|ar IPS
Ho : b < i
Ha : b i
Tdak terdapat perbedaan
keserusan bea|ar sswa antara
bahasa dan IPS
Ho : b = i
Ha : b l
Hipotesis : u| sgnfkans (keberartan) terhadap hpotess yang dbuat ;
berbentuk hpotess penetan dan hpotess statstk (H0) ;
hpotess bsa terarah, bsa |uga tdak terarah ;
akbat dar adanya Ho, maka akan ada Ha (hpotess aternatf) yakn
hpotess yang akan dterma seandanya Ho dtoak
22
Pengujian : ba Ho terarah, maka pengu|an sgnfkans satu
phak
ba Ho tdak terarah, maka pengu|an sgnfkans
dua phak
21. Normalitas, Hipotesis, Pengujian
Pengujian signifikansi satu arah (hpotess terarah):
Sswa yang bea|ar bahasa tdak menun|ukkan keebhan keserusan darpada
yang bea|ar IPS Ho : b < i
|ka Ho dtoak, maka Ha dterma ; daerah penoakan berada d sebeah kanan
Daerah penermaan hpotess Daerah
penoakan
hpotess
5%
Pengujian signifikansi dua arah (hpotess tdak terarah):
Tdak terdapat perbedaan keserusan bea|ar sswa antara bahasa dan IPS
Ho : b = i
|ka Ho dtoak, maka Ha dterma ; daerah penoakan bsa berada d sebeah kr atau kanan
Daerah penermaan hpotess Daerah
penoakan
hpotess
Daerah
penoakan
hpotess
2.5% 2.5%
23
22. Uji t
Uji t : mengu| apakah rata-rata suatu popuas sama dengan suatu harga tertentu atau
apakah rata-rata dua popuas sama/berbeda secara sgnfkan.
1. Uji t satu sampel
Mengu| apakah satu sampe sama/berbeda dengan
rata-rata popuasnya
htung rata-rata dan std. dev (s)
df = n - 1
tngkat sgnfkans ( = 0.025 atau 0.05)
pengu|an apakah menggunakan 1 ekor atau 2 ekor
dperoeh t htung ; au bandngkan dengan t tabe : |ka t htung > t tabe Ho dtoak
t =
( - )
s / n

Contoh :
Penet ngn mengetahu apakah guru yang beker|a seama 8 tahun
memang berbeda dbandngkan dengan guru annya.
Ho : p1 = p2
Dperoeh rata2 = 17.26 ; std. Dev = 7.6 ; df = 89 ; t htung = 11.55
Berdasarkan tabe df=89 dan = 0.05 dperoeh t tabe = 1.987
Kesmpuan : t htung > t tabe sehngga Ho dtoak
guru yang beker|a seama 8 tahun secara sgnfkan berbeda
dengan
guru annya

24
2. Uji t dua sampel bebas
Mengu| apakah rata-rata dua keompok yang tdak berhubungan sama/berbeda

23. Uji t
t =
(X - Y)
Sx-
y
D mana Sx-y
=
(x
2
+ y
2
) (1/n
x
+
1/n
y
)
(n
x
+ n
y
-
2)
Contoh :
Penet ngn mengetah apakah ada perbedaan penghasan (sebeum
sertfkas) antara guru yang uusan S1 dengan yang uusan S3
Ho : Pb = Pk
Dperoeh : rata2 x = 1951613 ; y = 2722222 ; t htung = - 7.369
Berdasarkan tabe df=69 dan = 0.025 dperoeh t tabe = 1.994
Kesmpuan : t htung > t tabe sehngga Ho dtoak
Rata-rata penghasan guru yang S1 berbeda secara sgnfkan
dengan
penghasan guru yang S3


25
24. Uji t
3. Uji t dua sampel berpasangan
Mengu| apakah rata-rata dua sampe yang berpasangan sama/berbeda
t =
D
s
D
D mana D = rata-rata sesh skor pasangan
s
D
=
d
2
N(N-1)
d
2
=
N
D
2
- ( D)
2
Contoh :
Seorang guru ngn mengetahu efektvtas mode pembea|aran dskus.
Seteah seesa pembea|aran pertama, a memberkan tes dan seteah seesa
pembea|aran kedua kemba a memberkan tes. Kedua has tes tersebut
dbandngkan dengan harapan adanya perbedaan rata-rata tes pertama
dengan kedua.
Ho : Nd = Nc
Dperoeh rata2d = 66.28 ; rata2c = 73.84 ; t htung = -8.904
Berdasarkan tabe df=163 dan = 0.05 dperoeh t tabe = 1.960
Kesmpuan : t htung > t tabe sehngga Ho dtoak
Terdapat perbedaan yang sgnfkan antara has tes pertama
dengan
has tes kedua, sehngga a menympukan mode dskus efektf
menngkatkan has bea|ar sswanya

26
25. Uji Keterkaitan
Korelasi : hubungan keterkatan antara dua atau ebh varabe.
Angka koefsen koreas ( r ) bergerak -1 r +1
NOL
tidak ada atau tdak menentunya hubungan dua
varabe
contoh : panda matematka dan |ago oah raga ;
panda matematka dan tdak bsa oah raga ; tdak
panda matematka dan tdak bsa oah raga
korelasi nol antara matematka dengan oah
raga
POSlTlF
makin besar na varabe 1
menyebabkan makin besar
pua na varabe 2
Contoh : makn banyak waktu
bea|ar, makn tngg skor
Uangan korelasi positif
antara waktu bea|ar
dengan na uangan
NEGATlF
makin besar na varabe 1
menyebabkan makin kecil
na varabe 2
contoh : makn banyak waktu
berman, makn kec skor
Uangan korelasi negatif
antara waktu berman
dengan na uangan
27
1. KORELASl PEARSON :
apakah d antara kedua varabe terdapat hubungan, dan |ka ada hubungan bagamana
arah hubungan dan berapa besar hubungan tersebut.
Dgunakan |ka data varabe kontinyu dan kuantitatif
26. Uji Keterkaitan
r=
NXY - ( X) ( Y)
N X
2
- ( X)
2
x N Y
2
- ( Y)
2
Contoh :
10 orang sswa yang memk waktu bea|ar berbeda dtes dengan tes IPS
Sswa : A B C D E F G H I |
Waktu (X) : 2 2 1 3 4 3 4 1 1 2
Tes (Y) : 6 6 4 8 8 7 9 5 4 6
Apakah ada koreas antara waktu bea|ar dengan has tes ?
XY = |umah perkaan X dan Y
X
2
= |umah kuadrat X
Y
2
= |umah kuadrat Y
N = banyak pasangan na
D mana :
Sswa X X
2
Y Y
2
XY
A
B
X X
2
Y Y
2
XY

28
2. KORELASl SPEARMAN (rho) dan Kendall (tau) :
Dgunakan |ka data varabe ordinal (ber|en|ang atau perngkat). Dsebut |uga koreas
non parametrk
27. Uji Keterkaitan
r
p

=
1 -
6 d
2
N(N
2
- 1)
N = banyak pasangan
d = sesh perngkat
D mana :
Contoh :
10 orang sswa yang memk peraku (sangat bak, bak, cukup, kurang) dbandngkan
dengan tngkat kera|nannya (sangat ra|n, ra|n, basa, maas)
Sswa : A B C D E F G H I |
Peraku : 2 4 1 3 4 2 3 1 3 2
Kera|nan : 3 2 1 4 4 3 2 1 2 3
Apakah ada koreas antara peraku sswa dengan kera|nannya ?
Sswa A B C D
Peraku
Kera|na
n
d
d
2
d
2


29
28. Uji Chi-Square (X
2
)
Chi-Square (tes independensi) : mengu| apakah ada hubungan antara bars dengan
koom pada sebuah tabe kontngens. Data yang dgunakan adaah data kualitatif.
X
2
=
(O - E)
2
E
D mana
O = skor yang dobservas
E = skor yang dharapkan (expected)
Contoh :
Terdapat 20 sswa perempuan dan 10 sswa ak-ak yang fash berbahasa Inggrs, serta
10 sswa perempuan dan 30 sswa ak-ak yang tdak fash berbahasa Inggrs.
Apakah ada hubungan antara |ens keamn dengan kefashan berbahasa Inggrs ?
Ho = tdak ada hubungan antara bars dengan koom
H1 = ada hubungan antara bars dengan koom
L P
Fash
Tdak fash

a b
c d
O E (O-E) (O-E)
2
(O-E)
2
}E
a 20 (a+b)
(a+c)/N
b 10 (a+b)
(b+d)/N
c 10 (c+d)(a+c)/N
d 30 (c+d)
(b+d)/N
df = (koom - 1)(bars - 1)
|ka X
2
htung < X
2
tabe, maka Ho diterima
|ka X
2
htung > X
2
tabe, maka Ho ditolak
30
29. Uji Chi-Square (X
2
)
Chi-Square dengan menggunakan SPSS
KASUS : apakah ada hubungan penddkan dengan status marta responden
Ho = tdak ada hubungan antara bars dengan koom atau tdak ada hubungan penddkan
dengan status marta
H1 = ada hubungan penddkan dengan status marta
Dasar pengamban keputusan :
1. X
2
htung < X
2
tabe Ho diterima ; X
2
htung > X
2
tabe Ho ditolak
2. probabtas > 0.05 Ho diterima ; probabtas < 0.05 Ho ditolak
Has : tngkat sgnfkans = 5% ; df = 6 ; X
2
tabe = 9.431 ; X
2
htung = 12.592 ;
asymp. sg = 0.000 ; contngency coeff. = 0.526
Karena : X
2
htung < X
2
tabe maka Ho dterma
asymp. Sg > 0.05 maka Ho dterma
Artnya tdak ada perbedaan tngkat penddkan berdasarkan status martanya
dan ha n dperhatkan dengan kuatnya hubungan yang hanya 30.8%

pendidikan terakhir
Total S1 S2 S3
status
perkawinan
belum kawin 21 3 1 25
kawin 32 9 6 47
janda 5 3 2 10
duda 4 4 0 8
Total 62 19 9 90
Value df
Asymp. Sig.
(2-sided)
Pearson Chi-Square 9,431 6 ,151
Likelihood Ratio 9,541 6 ,145
Linear-by-Linear
Association
3,070 1 ,080
N of Valid Cases
90
Value Approx. Sig.
Nominal by Nominal Contingency Coefficient
,308 ,151
N of Valid Cases 90
31
Membuat tabel X
2
Pada Iile baru, buat variabel dengan nama dI
Isi variabel tersebut dengan angka berurutan
Buka menu transIorm ~ compute
Pada target variabel ketik chi5 (untuk 95)
Numeric expr gunakan Iungsi IDF.CHISQ (0.95,dI)
Tekan OK
32
30. Uji Anova
Anova : mengu| rata-rata satu keompok / ebh meau satu varabe dependen / ebh
berbeda secara sgnfkan atau tdak.
ONE WAY ANOVA
Satu varabe dependen (kuanttatf) dan satu keompok (kuatatf)
Contoh : apakah pandangan sswa tentang IPS (kuanttatf) berbeda
berdasarkan |en|ang penddkannya (kuatatf : SD, SLTP, SMU)
MULTlVARlAT ANOVA
Varabe dependen ebh dar satu tetap
keompok sama
Contoh : apakah rata-rata uangan dan
pandangan sswa terhadap IPS berbeda untuk
tap daerah
Satu varabe dependen tetap keompok
berbeda
Contoh : apakah rata-rata uangan berbeda
berdasar
kan kasfkas sekoah dan keompok
penetan
Varabe dependen ebh dar satu dan
keompok berbeda
Contoh : apakah rata-rata uangan dan
pandangan sswa terhadap IPS berbeda
berdasarkan kasfkas
Sekoah dan keompok penetan
UNlVARlAT ANOVA


33
31. Uji Anova
ONE WAY ANOVA
F =
R|K
a
R|K

|K
a

=

k
|=1
|
2
|
n
|
-
|
2
N
|k

=

k
|=1

n
|
=1
X
2
|
-
k
|=1
|
2
|
n
|
D mana :
| = |umah seuruh data
N = banyak data
k = banyak keompok
n
|
= banyak anggota keompok |
|
|
= |umah data daam keompok |
Contoh :
Apakah terdapat perbedaan pandangan terhadap IPS sswa SD, SLTP, SMU ?
Ho : 1 = 2 = 3 (tdak terdapat perbedaan skap)
X1 X2 X3
3 1 2
4 1 2
5 2 3
4 1 3
5 2 5
21 7 15
x 4.2 1.4 3

|k
a
=
21
2
+ 7
2
+ 15
2
5
-
43
2
15
= 19.73
|k

= 3
2
+ 4
2
+ 5
2
.-
21
2
+ 7
2
+ 15
2
5
= 10
R|K
a
=
|k
a
k-1
= 19.73/2 = 9.865
R|K

=
|k

N - k
= 10/15-3 = 0.833
F = 9.865 / 0.833
= 11.838
34
Sumber
adanya
perbedaan
]umlah
Kuadrat
(]K)
Derajat
Kebebasan
(df)
Rata-rata
]umlah
Kuadrat (R]K)
F
Antar
keompok
19.73 k - 1 = 2 9.865 11.838
Inter
keompok
10 N - k = 12 0.833
= 0.05 ; df = 2 dan 12 ; F tabe = 3.88 ; F htung = 11.838
F
htung
> F
tabe
, maka Ho dtoak
Terdapat perbedaan pandangan sswa SD, SLTP, SMU terhadap IPS
32. Uji Anova
Cara membaca tabe F :
1.Arah horsonta adaah numerator, df nya antar keompok
2.Arah vertka adaah denomnator, df nya nter keompok
3.Skor daam tap se bagan atas adaah untuk 95% dan bagan bawah untuk 99%
Contoh : kasus d atas,
df antar keompok 2 ; df nter keompok 12 ; dstrbus F 95%
Maka membaca tabenya adaah horsonta hat koom df 2, vertka hat bars 12
Lau hat angka pada se pertemuan 2 dan 12 bagan atas yakn 3.88
Maka F tabe adaah 3.88
35
Apakah ada perbedaan rata-rata penghasan sesudah sertfkas |ka dhat dar
asa wayah ?
Ho = rata-rata penghasan tdak berbeda dhat dar asa wayah
Ho : varans popuas
dentk
Probabtas > 0.05 Ho
dterma
N Mean Std. Deviation Std. Error
95% Confidence nterval for
Mean
Minimum Maximum Lower Bound Upper Bound
jabar
19
3094736,8
4
269719,369 61877,867 2964736,27 3224737,42 2400000 3700000
jateng
14
3057142,8
6
194992,251 52113,871 2944557,68 3169728,03 2600000 3400000
jatim
18
3194444,4
4
285888,136 67384,480 3052275,62 3336613,27 2800000 3800000
NTT
19
3152631,5
8
368734,203 84593,428 2974907,38 3330355,78 2100000 3700000
Papua
20
3325000,0
0
297135,447 66441,506 3185936,33 3464063,67 2700000 3800000
Total
90
3172222,2
2
301691,031 31801,027 3109034,26 3235410,19 2100000 3800000
Descriptives
penghasilan sesudah lulus sertifikasi
Levene
Statistic df1 df2 Sig.
1,263 4 85 ,291
Test of Homogeneity of Variances
penghasilan sesudah lulus sertifikasi
32. Uji Anova
ANOVA
penghasilan sesudah lulus sertifikasi

Sum of
Squares df Mean Square F Sig.
Between Groups 782483291
562,238
4
19562082289
0,560
2,272 ,068
Within Groups 731807226
3993,310
85
86094967811,
687

Total 810055555
5555,550
89
F
htung
< F
tabe
maka Ho dterma
penghasan tdak berbeda
Berdasarkan asa wayah
One way anova
36
33. Uji Anova
MULTlVARlAT ANOVA dengan menggunakan SPSS
Kasus : apakah status marta mempunya pengaruh yang sgnfkan terhadap
dana dkeuarkan & usa
Varabe dependen adaah dana yang dkeuarkan & usa ;
Faktor (keompok) adaah status marta
Uji varians dilakukan 2 tahap :
1. Varans tap-tap varabe dependen ; Ho = varans popuas dentk
(sama)
aat anass : Lavene Test ; keputusan : probabtas > 0.05 maka Ho
dterma
2. Varans popuas secara keseuruhan ; Ho = matrks varans sama
aat anass : Box's M ; keputusan : probabtas > 0.05 maka Ho
dterma
U| Mutvarat ; Ho = rata-rata vektor sampe dentk (sama)
aat anass : Pillai Trace, Wilk Lambda, Hotelling Trace,
Roy's
keputusan : probabtas > 0.05 maka Ho dterma
Ho dterma
Varans tap varabe dentk Ho dterma
Varans popuas dentk
F df1 df2 Sig.
umur responden 8,811 3 86 ,000
dana yang dikeluarkan
untuk sertifikasi
,319 3 86 ,812
Levene's Test of EquaIity of Error
Variances(a)
Box's M 16,104
F 1,654
df1 9
df2 4738,050
Sig. ,094
Box's Test of EquaIity of Covariance Matrices(a)


37
34. Uji Anova
F
htung
> F
tabe
maka Ho toak rata2 vektor sampe tdak dentk
Prob < 0.05 Ho dtoak
Kesmpuan : status perkawnan mempunya pengaruh terhadap dana yang
dkeuarkan dan usa
Artnya :
Ada kemungknan responden yang sudah kawn atau pernah kawn
mengeuarkan dana yang berbeda dbandngkan dengan yang beum kawn
dan
kemungknan usa responden berpengaruh terhadap status perkawnan,
artnya makn tua usa responden kemungknan sudah menkah makn
besar
Perbedaan dapat dhat |ka dakukan pengu|an an|utan dengan post hoc
Effect Value F Hypothesis df Error df Sig.
ntercept Pillai's Trace ,972 1491,496(a) 2,000 85,000 ,000
Wilks' Lambda ,028 1491,496(a) 2,000 85,000 ,000
Hotelling's Trace 35,094 1491,496(a) 2,000 85,000 ,000
Roy's Largest
Root
35,094 1491,496(a) 2,000 85,000 ,000
marital Pillai's Trace ,506 9,707 6,000 172,000 ,000
Wilks' Lambda ,505 11,523(a) 6,000 170,000 ,000
Hotelling's Trace ,956 13,390 6,000 168,000 ,000
Roy's Largest
Root
,932 26,731(b) 3,000 86,000 ,000
MuItivariate Tests