MODUL PRAKTIKUM SPSS 2

PENGOLAHAN DATA LEBIH DARI DUA VARIABEL

Disusun untuk memenuhi salah satu tugas Statistika Terapan






















DI SUSUN OLEH:
Nama :Anis Khaerunnisa
NIM :2118120028





PROGRAM STUDI PENDIDIKAN MATEMATIKA
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS GALUH CIAMIS
2014
Pada modul ini akan dipelajari Daftar Pengolahan Data lebih dari Dua Variabel,
yang meliputi:
Uji banding data normal dan homogen one way
Uji banding data normal dan homogen two way
Uji banding data tidak normal atau tidak homogen one way
Uji banding data tidak normal atau tidak homogen two way
Uji korelasi data normal dan homogen
Uji regresi ganda data normal dan homogen (multiple regression)
Menggunakan pengujian hipotesis dan penarikan kesimpulan berdasarkan
sampel yang diteliti. Oleh karena itu, dalam modul ini akan dipelajari langkah-
langkah yang harus dilakukan menggunakan SPSS 16 untuk pengujian
hipotesis yang sering dilakukan dalam penelitian.
A. UJI BANDING DATA NORMAL DAN HOMOGEN ONE WAY
Apabila ada tiga kelompok sampel atau lebih, dan kita akan
membandingkan rerata ketiga kelompok tersebut, kita tidak dapat
menggunakan uji-t. Karena uji-t hanya untuk membandingkan dua kelompok
sampel tersebut. Sebagai penggantinya kita gunakan uji Anova. ANOVA
merupakan lanjutan dari uji-t independen dimana kita memiliki dua kelompok
percobaan atau lebih. ANOVA biasa digunakan untuk membandingkan mean
dari dua kelompok sampel independen (bebas). Uji ANOVA ini juga biasa
disebut sebagai One Way Analysis of Variance.
Contoh kasus:
Penelitian di olahraga tentang Studi banding tentang
keterampilanmemukul bola softball yang diakibatkan dari teknikpemberian
umpan dengan posisi kaki. Dipilih 4 sampel berbeda masing-masing 20
anggota. Diukur ketrampilan memukul bola dari posisi kaki tetap pukulan arah
bawah (A1), posisi kaki tetap pukulan arah atas (A2), posisi kaki melangkah
pukulan arah bawah (A3), dan posisi kaki melangkah pukulan arah atas (A4).
Keempat kelompok tersebut masih ada dalam satu variabel ketrampilan
memukul bola. Data skoring penelitian diberikan pada tabel di bawah ini.
A1 A2 B1 B2
13 15 13 15 18 20 11 15
11 12 14 18 17 18 14 15
14 15 16 16 17 18 11 14
11 17 16 13 19 20 9 15
13 12 16 18 15 15 11 16
9 12 11 16 14 16 13 15
14 15 9 12 14 17 11 12
12 14 9 11 14 18 14 14
16 12 12 14 13 17 17 14
10 11 12 9 16 15 11 11

Untuk melakukan uji banding empat sampel tersebut digunakan uji F.
Namun terlebih dahulu data harus melewati uji persyaratan. Uji persyaratan
analisis diperlukan guna mengetahui apakah analisis data untuk pengujian
hipotesis dapat dilanjutkan atau tidak. Analisis varian mempersyaratkan bahwa
data berasal dari populasi yang berdistribusi normal dan kelompok-kelompok
yang dibandingkan homogen. Oleh karena itu analisis varian mempersyaratkan
uji normalitas dan homogenitas data.
1. Uji Normalitas
Uji normalitas dilakukan untuk memperlihatkan bahwa data berasal
dari populasi yang berdistribusi normal. Adapun langkah-langkah menguji
normalitas menggunakan SPSS adalah sebagai berikut:
Input data contoh kasus di atas ke dalam SPSS, seperti gambar di
bawah ini.




Keempat data tersebut digabungkan dalam kolom baru.

















Pilih menu Analyze Descriptives Statistics Explore
Seperti tampak gambar berikut.










Setelah menu dipilih, tampak kotak dialog seperti gambar di bawah.

Langkah selanjutnya:
Pilih gab sebagai Dependent List, abaikan yang lain
Klik tombol Plots
Pilih Normality Plots with Tests, seperti tampak pada gambar di
bawah ini, abaikan yang lain
Klik Continue lalu Ok













Akan ditunjukan output sebagai berikut


Hasil output pada gambar di atas menunjukan uji normalitas
gabungan keempat kelompok data. Pengujian dengan SPSS harus dipilih
salah satu, misalnya berdasarkan uji Kolmogorov-Smirnov. Hipotesis yang
diuji adalah:
Ho: data berdistribusi normal
H
1
: data berdistribusi tidak normal
Pada hasil output di atas diperoleh taraf signifikansi 0,054 > 0,05
maka Ho diterima, artinya data berasal dari populasi yang berdistribusi
normal.
2. Uji Homogenitas
Uji variansi atau homogenitas dapat dilakukan setelah ditambahkan
kode. Setelah tadi kita menggabungkan keempat kelompok data, selanjutnya
untuk membedakan antar kelompok masukan data satu lagi di sebelah
kanannya masing-masing berturut 1 untuk kelompok A1, 2 untuk kelompok
A2, 3 untuk kelompok B1, dan 4 untuk kelompok B2. Selanjutnya pada
variable view berilah nama variabel baru dengan kelas, pada kolom
decimals masing- masing diberi angka 0, pada value berilah label 1 untuk
A1, 2 untuk A2, 3 untuk B1, dan 4 untuk B2, selanjutnya kembali ke menu
data view seperti tampak pada gambar di bawah.




Tests of Normality
Kolmogorov-Smirnov
a
Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
gab .098 80 .054 .972 80 .072
a. Lilliefors Significance Correction














Langkah-langkah pengujian homogenitas menggunakan SPSS
Buka file yang akan dianalisis
Pilih menu Analyze Compare Means One Way Anova
Seperti tampak gambarberikut.











Setelah muncul kotak dialog, masukkan variabel gab ke kotak
Dependen List dan kelas ke kotak factor. Maka akan muncul seperti
gambar di bawah









Klik menu options homogenity of variance tests, abaikan yang lain
continue ok



Ditunjukan dengan output sebagai berikut
Test of Homogeneity of Variances
Gab
Levene
Statistic df1 df2 Sig.
1.629 3 76 .190

Pada hasil output di atas, nilai signifikansi yang diperoleh 0,19.
Adapun hipotesis yang diuji adalah:
Ho: variansi pada tiap kelompok sama (homogen)
H
1
: variansi pada tiap kelompok berbeda (tidak homogen)
Karena 0,19 > 0,05 maka Ho diterima artinya variansi pada tiap
kelompok adalah homogen.

3. Uji Banding
Langkah- langkah uji homogenitas dilakukan secara bersamaan
dengan uji banding menggunakan uji f. Adapun hasil output uji banding
ditunjukan dengan tabel bertuliskan Anova seperti gambar di bawah.



ANOVA
Gab

Sum of
Squares df Mean Square F Sig.
Between
Groups
173.650 3 57.883 10.935 .000
Within Groups 402.300 76 5.293
Total 575.950 79
Hipotesis uji banding
Ho: rataan data tiap kelompok sama
H1: salah satu rataan data kelompok berbeda
Signifikansi 0,00 < dari 0,005 artinya salah satu rataan kelompok
data berikut berbeda.
Kesimpulan:
Keterampilan memukul bola softball berdasarkan posisi kaki
memiliki rataan yang berbeda antar kelompok.
B. UJI BANDING ANALISIS DUA JALUR
Analisis dua jalur digunakan untuk menguji perbedaan mean dari tiga
kelompok sampel atau lebih dengan dua variabel independen dan satu variabel
dependen
Contoh kasus:
Penelitian pada bidang biologi tentang kekuatan tikus dalam memakan
suatu makanan (dalam gram) untuk waktu yang ditentukan. Dipilih 30 tikus
jantan dan 30 tikus betina yang homogen dalam umur dan berat. Masing-
masing 10 tikus diberi suntikan tiga jenis hormon nafsu makan pada
konsentrasi 5%, 10% dan 15%. Ingin diselidiki apakah ada perbedaan
kemampuan tikus menyelesaikan tugas makan pada pengelompokan berdasar
konsentrasi hormon dan berdasar jenis kelamin, selanjutnya pada
pengelompokan kedua hal tersebut (hormon dan jenis kelamin) apa terjadi
saling mempengaruhi.
Kelompok Hormon 1 Hormon 2 Hormon 3
Betina 6.8 8.0 7.3
Betina 6.4 8.0 7.5
Betina 7.5 7.8 8.0
Betina 6.8 7.6 7.7
Betina 6.8 9.6 6.9
Betina 6.8 8.4 8.2
Betina 6.8 8.0 7.4
Betina 8.5 9.2 5.7
Betina 5.6 8.8 7.8
Betina 6.4 8.0 7.9
Jantan 6.0 8.8 5.7
Jantan 5.8 7.6 7.3
Jantan 6.4 9.2 7.8
Jantan 6.0 7.6 7.9
Jantan 5.6 8.8 7.8
Jantan 6.4 8.0 7.9
Jantan 6.0 8.8 8.5
Jantan 7.6 7.6 7.2
Jantan 6.4 7.2 7.6
Jantan 6.0 7.3 7.9

Untuk kasus ini kita bisa membayangkan dalam baris dan kolom. Untuk
konsentrasi hormon ada 3 kolom masing-masing kolom ada 20 tikus.
Sedangkan untuk jenis kelamin ada dua baris, kelompok baris pertama ada 30
tikus betina dan baris kedua 30 tikus jantan. Seperti gambar dibawah:


Setelah data di input, akan diuji asumsi terlebih dahulu agar data
tersebut valid untuk dibandingkan.
1. Uji Normalitas
Pilih menu Analyze deskriptif Statistics explore. Pada dependent
list masukkan data gab. Pada plot pilih normality plot with test,
selanjutnya continue

Selanjutnya ok, analisis outputnya adalah sebagai berikut:
Untuk menguji normalitas data, kita melihat output Test of Normality.

Adapun hipotesis yang diuji adalah:
Ho: data berasal dari populasi berdistribusi normal
H
1
: data berasal dari populasi tidak berdistribusi normal
Tests of Normality
Kolmogorov-Smirnov
a
Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
gab .108 60 .080 .968 60 .118
a. Lilliefors Significance Correction
Berdasarkan hasil output di atas, terlihat nilai signifikansinya 0.080
lebih besar dari 0,05, sehingga Ho diterima artinya populasi berdistribusi
normal.
2. Uji Homogenitas dan Uji Banding
Untuk uji kesamaan variansi, dilakukan bersamaan dengan uji anava
2 arah. Setelah asumsi terpenuhi, selanjutnya akan dilakukan anova dua arah
sebagai berikut:
Pilih menu Analyze General Linear Model Univariate. Akan
tampak gambar seperti di bawah













Kemudian masukan variable gab pada Dependent Variable, variable
kolom dan baris dimasukkan pada Fixed Faktor(s) seperti pada
tampilan dibawah ini :

Klik menu Options, masukan variabel OVERALL ke dalam kolom
Display Means for, selanjutnya klik menu Homogenity tests dan tekan
continue



Klik OK , akan tampil hasil outputnya

Levene's Test of Equality of Error Variances
a

Dependent Variable:gab
F df1 df2 Sig.
.376 5 54 .863
Tests the null hypothesis that the error variance of the
dependent variable is equal across groups.
a. Design: Intercept + kolom + baris + kolom * baris

Hipotesis yang diuji:
Ho: variansi data sama (homogen)
H
1
: variansi data berbeda (tidak homogen)
Dari output di atas diketahui bahwa nilai signifikansinya 0.863 yang
lebih besar dari 0.05 ( ). Dengan demikian, dapat disimpulkan bahwa
asumsi kesamaan variansi dapat diterima.
Analisis selanjutnya adalah tabel ANOVA

Tests of Between-Subjects Effects
Dependent Variable:gab
Source
Type III Sum
of Squares df Mean Square F Sig.
Corrected
Model
30.915
a
5 6.183 12.714 .000
Intercept 3298.933 1 3298.933 6.784E3 .000
kolom 28.609 2 14.304 29.414 .000
baris .938 1 .938 1.928 .171
kolom * baris 1.369 2 .684 1.408 .254
Error 26.261 54 .486
Total 3356.110 60
Corrected Total 57.176 59
a. R Squared = ,541 (Adjusted R Squared = ,498)
Dari output di atas dapat diuji hipotesis sebagai berikut :
Uji Interaksi kolom*baris
Ho: tidak terjadi interaksi antara kolom dan baris
H
1
: terjadi interaksi antara kolom dan baris (saling tergantung)
Oleh karena signifikansinya. = 0.254 > 0.05 = , maka Ho diterima
yang berarti tidak ada interaksi antara faktor hormon dan faktor jenis
kelamin, saling bebas satu sama lain tidak saling mempengaruhi.
Uji Kolom
Ho: rataan ketiga kolom adalah sama
H1: salah satu rataan berbeda
Karena nilai signifikansinya 0,00 < 0,05 maka Ho ditolak berarti rataan
salah satu sampel berbeda. Dengan demikian dapat disimpulkan bahwa
terdapat pengaruh pemberian tiga jenis hormon terhadap kekuatan tikus
dalam memakan suatu makanan.
Uji baris
Ho: rataan kedua baris adalah sama
H
1
: salah satu rataan berbeda
Nilai signifikansi yang diperoleh dari output di atas = 0,171 0,05, maka
Ho diterima. Maka dapat disimpulkan bahwa jenis kelamin tidak
mempengaruhi kekuatan tikus dalam memakan suatu makanan.
C. UJI BANDING DATA TIDAK NORMAL atau TIDAK HOMOGEN ONE
WAY
Contoh kasus
Dari hasil penelitian pembelajaran di tiga kelas dengan metode yang
berbeda pula. Ingin diketahui apakah ada perbedaan prestasi belajar yang
dihasilkan berdasar metode pembelajaran yang digunakan.
Data hasil penelitian diberikan sebagai berikut.
No. Kelompok Kelas A Kelas B Kelas C
1 Tinggi 68 80 73
2 Tinggi 64 80 75
3 Tinggi 60 78 80
4 Tinggi 68 76 77
5 Tinggi 68 96 69
6 Tinggi 68 84 82
7 Tinggi 68 80 74
8 Rendah 60 92 75
9 Rendah 56 88 78
10 Rendah 64 80 79
11 Rendah 60 88 75
12 Rendah 76 76 75
13 Rendah 64 76 78
14 Rendah 60 76 79
Ujilah secarabersama-sama perbandingan ketiga kelas tersebut.
Setelah data di input ke dalam SPSS, akan diuji asumsi terlebih dahulu
agar data tersebut valid untuk dibandingkan.
1. Uji Normalitas
Pilih menu Analyze deskriptif Statistics explore. Pada dependent
list masukkan data gab. Pada plot pilih normality plot with test,
selanjutnya continue









Klik Ok, maka akan muncul tampilan output seperti di bawah ini

Hipotesis yang diuji:
Ho: data berasal dari populasi yang berdistribusi normal
H1: data berasal dari populasi yang tidak berdistribusi normal
Karena nilai signifikansinya 0,022 kurang dari 0,05 maka Ho ditolak
artinya, data berasal dari populasi yang tidak berdistribusi normal
2. Uji Homogenitas
Uji variansi atau homogenitas dapat dilakukan setelah ditambahkan
kode untuk membedakan antara Kelas A, B, dan C.
Langkah Pengujiannya:
Buka file yang akan dianalisis
Pilih menu Analyze Compare Means One Way Anova
Selanjutnya setelah muncul kotak dialog, masukan variabel gab
kedalam kolom Dependent List dan koding kedalam kolom factor
Pilih Options Homogenity tests continue








Tests of Normality
Kolmogorov-Smirnov
a
Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
gab .148 42 .022 .965 42 .223
a. Lilliefors Significance Correction

Klik Ok, selanjutnya perhatikan hasil output di bawah.








Hipotesis yang diuji:
Ho: variansi data sama (homogen)
H1: variansi data berbeda (tidak homogen)
Berdasarkan output di atas diperoleh nilai signifikansinya 0,053 lebih
besar dari 0,05 maka Ho diterima artinya variansi data sama.
Selanjutnya karena data tidak memenuhi uji prasyarat yaitu data berasal
dari populasi yang berdistribusi normal, maka kita akan melakukan uji non
parametrik. Karena data yang kita miliki lebih dari dua sampel, maka yang
digunakan adalah K-Independent Samples
Perhatikan gambar dibawah
Test of Homogeneity of Variances
gab
Levene
Statistic df1 df2 Sig.
3.175 2 39 .053

Setelah muncul kotak dialog, masukan variabel gab ke dalam kolom
test variable list dan koding dimasukan pada kolom grouping variable
dan isi nilai minimum dan maksimumnya pada define range. Dan untuk
tipenya kita pilih Kruskall-Wallis H.

Tekan Ok, hingga muncul tampilan output di bawah.

Test Statistics
a,b

gab
Chi-Square 28.694
df 2
Asymp.
Sig.
.000
a. Kruskal Wallis Test
b. Grouping Variable: koding
Hipotesis yang diuji adalah:
Ho: Rataan ketiga kelompok sama
H1: Rataan ketiga kelompok berbeda
Dilihat dari nilai signifikansi pada output di atas yaitu 0,0 lebih kecil
dari 0,05 sehingga Ho ditolak yang artinya rataan ketiga kelompok berbeda

D. UJI BANDING DATA TIDAK NORMAL ATAU TIDAK HOMOGEN
TWO WAY
Contoh kasus
Suatu penelitian dilakukan untuk menguji pengaruh kombinasi
perlakuan 3 tingkat kadar air dan 3 tingkat kadar yeast pada axial
pengembangan roti. Pengujian setiap kombinasi perlakuan dilakukan dengan 5
ulangan. Hasilnya sbb:
Kadar air Ulangan Yeast 5% Yeast 10% Yeast 15%
10% 1
2
3
4
5
22
25
24
23
23
44
45
47
46
45
47
46
47
48
45
20% 1
2
3
33
32
34
35
34
37
35
34
36
4
5
35
33
36
35
33
35
30% 1
2
3
4
5
54
55
57
56
58
57
55
54
55
56
64
63
65
61
60
Ujilah data tersebut dengan analisis dua jalur apa yang dapat anda
simpulkan.
1. Uji Normalitas
Untuk menguji normalitas data dengan SPSS, lakukan langkah - langkah
berikut ini.
Entry data atau buka file data yang akan dianalisis
Pilih menu Analyze Descriptives Statistics Explore
Menu SPSS akan tampak seperti gambar berikut.


Masukan variabel data ke dalam kolom Dependent List klik tombol
Plots ceklis normality plots with tests

Pilih Continue Ok, muncul hasil output


Tests of Normality
Kolmogorov-Smirnov
a
Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
data .154 45 .009 .943 45 .028
a. Lilliefors Significance Correction


Hipotesis yang diuji adalah:
Ho: data berasal dari populasi berdistribusi normal
H
1
: data berasal dari populasi tidak berdistribusi normal
Karena nilai signifikansinya 0,009 kurang dari 0,05 maka Ho ditolak artinya
data berasal dari populasi yang tidak berdistribusi normal.
2. Uji Homogenitas
Adapun langkah-langkah pengujian kehomogenan menggunakan SPSS
adalah sebagai berikut:
Entry data atau buka file data yang akan dianalisis
Pilih menu Analyze General Linear Model Univariate.
Kemudian masukan variable data pada Dependent Variable, variable
kolom dan baris dimasukkan pada Fixed Faktor(s) seperti pada
tampilan dibawah ini



Klik menu Options, masukan variabel OVERALL ke dalam kolom
Display Means for, selanjutnya klik menu Homogenity tests dan tekan
continue

Klik Ok, akan tampil hasil output seperti di bawah ini
Levene's Test of Equality of Error Variances
a

Dependent Variable:data
F df1 df2 Sig.
.894 8 36 .532
Tests the null hypothesis that the error variance of
the dependent variable is equal across groups.
a. Design: Intercept + kolom + baris + kolom * baris
Hipotesis yang diuji:
Ho: variansi data sama (homogen)
H
1
: variansi data berbeda (tidak homogen)
Dari output di atas diketahui bahwa nilai signifikansinya 0.532 yang
lebih besar dari 0.05 ( ). Dengan demikian, dapat disimpulkan bahwa
asumsi kesamaan variansi dapat diterima.
Analisis selanjutnya adalah tabel ANOVA

Tests of Between-Subjects Effects
Dependent Variable:data
Source
Type III Sum
of Squares df Mean Square F Sig.
Corrected
Model
6632.711
a
8 829.089 469.296 .000
Intercept 85717.689 1 85717.689 4.852E4 .000
kolom 870.178 2 435.089 246.277 .000
baris 4756.844 2 2378.422 1.346E3 .000
kolom * baris 1005.689 4 251.422 142.314 .000
Error 63.600 36 1.767
Total 92414.000 45
Corrected Total 6696.311 44
a. R Squared = ,991 (Adjusted R Squared = ,988)
Dari output di atas dapat diuji hipotesis sebagai berikut :
Uji Interaksi kolom*baris
Ho: tidak terjadi interaksi antara kolom dan baris
H
1
: terjadi interaksi antara kolom dan baris (saling tergantung)
Oleh karena signifikansinya. = 0.00 < 0.05 = , maka Ho ditolak yang
berarti terjadi interaksi antara prestasi belajar siswa dengan metode
pembelajaran yang digunakan. Keduanya sama-sama saling
mempengaruhi.
Uji Kolom
Ho: rataan ketiga kolom adalah sama
H1: salah satu rataan berbeda
Karena nilai signifikansinya 0,00 < 0,05 maka Ho ditolak berarti rataan
salah satu sampel berbeda. Dengan demikian dapat disimpulkan bahwa
terdapat pengaruh penggunaan metode pembelajaran terhadap hasil
belajar siswa.
Uji baris
Ho: rataan kedua baris adalah sama
H
1
: salah satu rataan berbeda
Nilai signifikansi yang diperoleh dari output di atas = 0,00 < 0,05, maka
Ho ditolak. Maka dapat disimpulkan bahwa tinggi rendahnya
kemampuan/prestasi belajar siswa mempengaruhi hasil belajar siswa