BAB I

PENDAHULUAN

1. 1

Latar Belakang
Statistika dapat didefinisikan sebagai ilmu yang membahas tentang
pengambilan data, pengolahan data sampai kesimpulan yang diperoleh dari
perhitungan dan pengolahan data tadi, serta membuat keputusan yang dapat
diterima berdasarkan analisis. Dalam kehidupan sehari-hari, sering kita temui
permasalahan yang dapat diformulasikan ke dalam persamaan matematis.
Hubungannya dengan statistika yaitu statistika digunakan untuk menyatakan data
atau bilangan yang diperoleh dari data, misalnya rata-rata dari data tersebut.
Permasalahan yang umum dihadapi oleh peneliti atau insinyur adalah
menyangkut cara pengambilan keputusan berdasarkan data mengenai suatu sistem
ilmu. Dalam tiap kasus, peneliti membuat dugaan mengenai suatu sistem. Sebagai
tambahan tiap kasus harus melibatkan penggunaan data percobaan dan
pengambilan keputusan berdasarkan data tadi. Secara resmi dalam tiap kasus
dugaan mengenai dugaan dapat dirumuskan dalam bentuk hipotesis statistik.
Keunikan statistik yaitu kemampuannya untuk menghitung ketidakpastian
dengan tepat. Dengan kemampuan itu para ahli statistik dapat membuat suatu
pernyataan yang tegas, lengkap dengan jaminan ketidakpastian. Didalam statistik
ada tiga hal penting yang mendasar yaitu analisa data yang membahas tentang
pengumpulan, penyajian dan mengintisarikan data. Kedua adalah probabilitas
yaitu membahas tentang hukum peluang dan yang terakhir adalah kesimpulan
statistik yaitu tentang ilmu penarikan kesimpulan statistik dari data tertentu
berdasarkan pengetahuan tentang probabilitas.

1. 2

Tujuan Praktikum
Tujuan yang hendak dicapai dalam praktikum ini adalah:

1. Mengerti dan memahami beberapa teknik pengambilan data.

2. Mengerti dan memahami mengenai statistik deskriptif dan statistik induktif.

3. Mengerti dan memahami teknik pengolahan data secara parametrik dan non
parametrik.
4. Mampu menginterpretasikan hasil pengolahan data dengan menggunakan teknik
parametrik dan non parametrik.

1. 3

Pembatasan Masalah
Pada laporan ini masalah yang dibahas terbatas pada pengolahan data
statistik parametrik dan non parametrik, baik dependen maupun independen
dengan nilai k = 2 dan k > 2.
Data pertama adalah data parametrik dengan k = 2 yaitu data mengenai
Banyaknya Kyai dan Ustadz menurut Kabupaten/Kota di Jawa Tengah Tahun
2004. Untuk data parametrik k > 2 yaitu data mengenai Banyaknya Jema'ah Haji
yang Diberangkatkan ke Tanah Suci (Mekkah) menurut Kabupaten/Kota di Jawa
Tengah Tahun Anggaran 2001-2003
Sedangkan untuk data non parametrik ada 2 jenis yaitu dependen dan
independen. Data independen dengan k = 2 adalah data mengenai Data Pengaruh
Jenis Kelamin terhadap Media Aktualisasi Diri yang diperoleh melalui kuesioner
dengan sampel mahasiswa Teknik Industri 2007. Untuk data independen k > 2
adalah data mengenai Data Pengaruh Golongan Darah terhadap Jenis Materi yang
Disukai yang diperoleh juga melalui kuesioner dengan sampel mahasiswa Teknik
Industri 2007. Data non parametrik dependen k = 2 merupakan data mengenai
Status Guru-Guru SMK-SB, untuk yang k > 2 adalah data Pengaruh Negara
Produksi terhadap Jenis Film yang Disukai
Ruang lingkup pengolahan data pada laporan ini dibatasi dengan
pengolahan data menggunakan software Microsoft Excel, SPSS, dan MINITAB.

1. 4

Prosedur Praktikum

Identifikasi Masalah

Studi Keputusan

Penentuan Metode Pengambilan Data

Teknik
Pengambilan
Sampling

Pengambilan
Data Sekunder
Nonparametrik

Sampling acak
sederhana

Pengumpulan Data

Pengolahan Data (Deskriptif,

Parametrik ,dan Nonparametrik)

Interpretasi Data

Kesimpulan dan Saran

Gambar 1. 1 Flowchart Metodologi Praktikum

1. 5

Sistematika Penulisan
BAB I

PENDAHULUAN
Berisi latar belakang, tujuan praktikum, pembatasan masalah, metodologi
praktikum, dan sistematika penulisan.

BAB II

DASAR TEORI
Berisi dasar teori yang berhubungan dengan praktikum.

BAB III PENGOLAHAN DATA

Berisi pengolahan data parametrik independen, data non parametrik
independen, dan data non parametrik dependen dengan software Excel
dan SPSS.
BAB IV ANALISA
Berisi analisa terhadap hasil pengolahan data dengan teknik pengolahan
data parametrik dan non parametrik.
BAB V PENUTUP
Berisi kesimpulan dan saran.

BAB II
DASAR TEORI

2. 1

Definisi Statistika
Statistik adalah ilmu yang membahas tentang pengambilan dan pengolahan data
sampai kesimpulan.
Statistik secara garis besar dapat dibagi menjadi 2 yaitu :

2.1.1 Statistika Deskriptif

Merupakan teknik statistik di mana di sini dilakukan pengambilan data,
penyajian data tanpa adanya kesimpulan. Untuk keperluan praktikum ini, perlu
pemahaman tentang: cara-cara penyajian data (histogram, distribusi frekuensi).
Untuk lokasi atau ukuran kecenderungan (berbagai macam mean, berbagai
macam median, modus, akar mean kuadrat, persentil dan kuartil) dan ukuran
deviasi (simpangan kuartil, rentang, simpangan baku, mean absolut simpang,
variansi).
(Modul Praktikum Statistika Industri, hal 1)
2.1.2 Statistika Induktif
Teknik statistik mempunyai pengumpulan data, pengolahan serta
penganalisaan terhadap data yang diperoleh sehingga nantinya dapat diambil
suatu kesimpulan. Statistik induktif meliputi perumusan hipotesis statistik
(pernyataan tentang populasi), pemilihan uji yang sesuai, penentuan taraf yang
signifikan, analisa statistik. Statistik induktif meliputi 2 hal yaitu :
Teknik pengolahan data secara parametrik
Teknik pengolahan data secara non parametrik
(Modul Praktikum Statistika Industri hal 1)

2. 2

Tipe Data Statistika

Data adalah bentuk jamak dari datum yang memiliki pengertian sebagai
keterangan-keterangan tentang suatu hal, dapat berupa sesuatu yang diketahui
atau dianggap. Sehingga data dapat diartikan sebagai sesuatu yang diketahui atau
dianggap.

Statistik dalam prakteknya tidak bisa dilepaskan dari data yang berupa
angka, baik itu dalam statistik deskriptif yang menggambarkan data, maupun
statistik inferensi yang melakukan analisis terhadap data. Namun sebenarnya data
dalam statistik juga bisa mengandung data non angka atau data kualitatif.
1.

Data berdasarkan susunannya

Berdasarkan susunanya, data dibagi menjadi data acak atau tunggal dan data
berkelompok.
a. Data acak atau data tunggal
Adalah data yang belum tersusun atau dikelompokkan ke dalam kelaskelas interval.
b. Data berkelompok
Adalah data yang tersusun atau dikelompokkan ke dalam kelas-kelas
interval. Data kelompok disusun dalam bentuk distribusi frekuensi atau
tabel frekuensi.

2.

Data berdasarkan jenisnya

Berdasarkan sifatnya data dibagi menjadi :
a. Data kualitatif
Adalah data yang tidak berbentuk bilangan. Data kualitatif mempunyai
ciri tidak bisa dilakukan operasi matematika, seperti penambahan,
pengurangan, eprkalian dan pembagian. Yang termasuk data kulitatif
adalah data nominal dan data ordinal.
b. Data kuantitatif
Adalah data yang berbentuk bilangan. Jadi, berbagai operasi matematika
bisa dilakukan pada data kuantitatif. Yang termasuk data kuantitatif
adalah data interval dan data rasio.
(Singgih Santono, hal 3-6)

3.

Data berdasarkan waktu pengumpulan

Berdasarkan waktu pengumpulannya dibagi menjadi :
a. Data berkala
Adalah data yang terkumpul dari waktu ke waktu untuk memberikan
gambaran perkembangan suatu kegiatan.

b. Data cross section

Adalah data yang terkumpul pada suatu waktu tertentu untuk
memberikan gambaran perkembangan keadaan atau kegiatan pada waktu
itu.
(Diktat Statistika Industri. Hal 5)
4.

Data berdasarkan sumber pengambilannya

Berdasarkan sumber pengambilannya, data dibagi menjadi :
a. Data primer
Adalah data yang diperoleh atau dikumpulkan oleh orang yang
melakukan penelitian atau yang bersangkutan yang memerlukannya.
Data ini juga disebut data asli atau data baru.
b. Data sekunder
Adalah data yang diperoleh atau dikumpulkan oleh orang dari sumbersumber yang telah ada. Data itu biasanya diperoleh dari perpustakaan
atau dari laporan-laporan peneliti yang terdahulu. Data ini juga disebut
sebagai data tersedia.
(Dirgibson Siagian Sugiarto, hal.16)

5.

Data berdasarkan skala pengukuran

Skala pengukuran adalah peraturan penggunaan notasi bilangan dalam
pengukuran. Berdasarkan skala pengukuran , data dibagi menjadi :
a. Data nominal
Adalah data yang diberikan pada objek atau kategori

yang tidak

menggambarkan kedudukan objek atau kategori tersebut terhadap objek

atau kategori lainnya, tetapi hanya sekedar label atau kode saja. Data itu
hanya mengelompokkan objek atau kategori ke dalam kelompok tertentu.
Data ini mempunyai dua ciri, yaitu :
1. Kategori data bersifat saling lepas
2. Kategori data tidak disusun secara logis
Data bertipe nominal adalah data yang paling rendah dalam level
pengukuran data. Jika suatu pengukuran hanya menghasilkan satu dan
hanya satusatiunya kategori, data tersebut adalah data nominal (data

kategori). Contoh: Status Kewarganegaraan ( 1 untuk indonesia,2 untuk

Amerika,3 untuk China)
b. Data ordinal
Adalah data yang penomoran objek atau kategorinya disusun menurut
besarnya, yaitu dari tingkat terendah ke tingkat tertinggi atau sebaliknya
dengan jarak / rentang yang tidak harus sama. Data ini memiliki ciri
seperti pada ciri data nominal ditambah satu ciri lagi, yaitu kategori data
dapat disusun berdasarkan urutan logis dan sesuai dengan besarnya
karakteristik yang dimiliki.
Data ordinal seperti pada data nominal, adalah juga data kualitatif namun
dengan level yang lebih tinggi daripada data nominal. Jika pada data
nominal semua data kategori dianggap sama, maka pada data ordinal ada
tingkatan data. Contoh: Mengubah nilai ujian ke nilai prestasi, yaitu:
1.

Nilai A untuk nilai dari 80-100

2. Nilai B untuk nilai dari 65-79

3. Nilai C untuk nilai dari 55-64
4. Nilai D untuk nilai dari 45-54
5. Nilai E untuk nilai dari 0 - 44
c. Data interval
Adalah data dimana objek / kategori dapat diurutkan berdasarkan suatu
atribut yang memberikan informasi tentang interval antara tiap objek/
kategori sama. Besarnya interval dapat ditambah atau dikurangi. Data ini
memiliki ciri yang sama dengan ciri pada data ordinal ditambah satu ciri
lagi yaitu urutan kategori data mempunyai jarak yang sama.
Data interval menempati pengukuran data yang lebih tinggi dari data
ordinal, karena selain bisa bertingkat urutannya, juga urutan tersebut bisa
dikuantitatifkan. Data interval juga tidak memiliki nilai 0 absolut.
Contoh:
A

Interval A-C adalah 3-1=2 Interval C-D adalah 4-3=1

Pada kedua interval ini dapat dijumlahkan menjadi 2 + 1 = 3. Atau
interval antara A dan D adalah 4 1 = 3. Pada data ini yang dijumlahkan
bukanlah kuantitas atau besaran, melainkan interval dan tidak terdapat
nilai nol absolut .

d. Data rasio
Adalah data yang memiliki sifat-sifat data nominal, data ordinal, dan data
interval, dilengkapi dengan titik nol absolut dengan makna empiris.
Karena terdapat angka nol maka pada data ini dapat dibuat perkalian atau
pembagian. Angka pada data menunjukkan ukuran yang sebenarnya dari
objek/ kategori yang diukur. Data rasio adalah data dengan pengukuran
paling tinggi di antara jenis data lainnya. Contoh: membandingkan nilai
mata kuliah antara dua mahasiswa.
(Singgih Santono, hal 3-6)
6.

Data berdasarkan sifatnya

a. Data diskret
Data yang didapat dengan cara menghitung.
b. Data kontinu
Data yang dapat mempunyai nilai yang terletak dalam suatu interval
(Dergibson Siagian Sugiarto, hal 13)

7.

Data berdasarkan sumbernya

a. Data Internal
Data yang menggambarkan kegiatan atau keadaan di dalam suatu
organisasi.
b. Data Eksternal
Data yang menggambarkan kegiatan atau keadaan di luar suatu
organisasi.
(Dergibson Siagian Sugiarto, hal 18)

2. 3

Teknik Pengambilan Sampel

Telah diketahui bahwa statistik mencakup teknik pengambilan data untuk
pengumpulan data. Untuk ini maka praktikan harus mengerti beberapa teknik
pengambilan sampel (teknik sampel), dimana hal ini merupakan hal yang paling
mendasar dalam penggunaan teknik statistik karena apabila kita mengamati
sebuah populasi kita tidak dapat mengamati keseluruhan yang ada dalam populasi
tersebut, melainkan hanya pada populasi tertentu.
Teori penarikan sampel merupakan suatu ilmu tentang hubungan antara
populasi dengan sampel yang diambil dari populasi tersebut. Teori dapat
digunakan untuk menduga jumlah populasi yang tidak diketahui dan berguna juga
dalam menentukan apakah perbedaan-perbedaan yang nampak antara dua sampel
disebabkan oleh variasi secara kebetulan atau apakah memang perbedaan itu
cukup tidak terjadi secara kebetulan (significant).
Sampel ialah sebagian anggota populasi yang diambil dari dengan
menggunakan teknik tertentu yang disebut dengan teknik sampling. Teknik
sampling berguna agar:
1. Mereduksi anggota populasi menjadi anggota sampel yang mewakili
aggota populasinya, sehingga kesimpulan terhadap populasi dapat
dipertanggung jawabkan.
2. Lebih teliti menghitung yang sedikit daripada yang banyak.
3. Menghemat waktu tenaga, biaya,benda coba yang merusak.

Metode pengambilan sampel yang ideal mempunyai sifat-sifat sebagai berikut:

1. Mampu menghasilkan gambaran yang dapat dipercaya mengenai
keseluruhan populasi
2. Sederhana sehingga mudah dilaksanakan
3. Efisien, mampu memberikan keterangan sebanyak mungkin dengan
biaya yang rendah
4. Mampu memberikan gambaran tentang tingkat ketelitian penelitian.

Dalam teknik sampling perlu dipahami parameter-parameter yang dianggap

enentukan apakah sampel itu cukup representatif atau tidak, dimana ada 4
parameter yaitu :
1. Variabilitas populasi
2. Ukuran atau besar sampel
3. Teknik penentuan sample
4. Kecermatan memasukkan ciri-ciri populasi
Dari populasi ke sampel ini terdapat proses penarikan sampel (teknik Sampling)
yaitu :
a. Non Probability Sampling (Sampling Nonrandom)
Adalah cara pengambilan sample yang semua objek atau elemen populasinya
tidak memiliki kesempatan yang sama untuk dipilih sebagai sample. Hasil dari
sampling nonrandom memiliki sifat subjektif atau kurang objektif. Hal ini
diakarenakan pada waktu sample diambil dari populasi, probabilitasnya tidak
diikutsertakan, tetapi berdasarkan aspek pribadi seseorang.
Yang termasuk sampling nonrandom antara lain
1. Sampling Kuota
Adalah bentuk sampling nonrandom yang merincikan lebih dahulu segala
sesuatu yang berhubungan dengan pengambilan sampel. Dengan demikian
petugas hanya mengumpulkan data mengenai sesuatu yang telah dirinci.
Akan tetapi, pengambilan unit samplingnya ditentukan oleh si petugas.
2. Sampling pertimbangan
Adalah bentuk sampling nonrandom yang pengambilan sampelnya
ditentukan oleh peneliti berdasarkan pertimbangan atau kebijaksanaanya.
Cara sampling ini cocok untuk studi kasus.
3. Sampling Seadanya
Adalah bentuk sampling nonrandom yang pengambilan sampelnya
dilakukan seadanya atau berdasarkan kemudahannya mendapatkan data
yang diperlukan. Pada

b. Probabilty Sampling (Samplng Random)

Yaitu cara pengambilan sampel dengan semua objek atau elemen populasi
memiliki kesempatan yang sama untuk dipilih sebagai sampel. Hasil dari
sampling ini memiliki sifat yang objektif.
Yang termasuk Probability Sampling yaitu :
1.

Sampling random sederhana

Adalah sampling random yang sifatnya sederhana, tiap sampel yang
berukuran sama memiliki probabilitas sama untuk terpilih dari populasi.
Sampling random sederhana dilakukan apabila :
Elemen-elemen yang bersangkutan homogen
Hanya diketahui identitas-identitas dari satuan-satuan individu
(elemen) dalam populasi, sedangkan keterangan lain mengenai
populasi, seperti derajat keseragaman, pembagian dalam golongangolongan tidak diketahui, dan sebagainya.
Sampling random sederhana dapat dilakukan dengan menggunakan dua
metode, yaitu :
-

Metode undian
Adalah metode yang prosesnya dilakukan dengan menggunakan pola
pengundian dan hanya cocok untuk populasi yang kecil

Metode tabel random

Adalah metode yang prosesnya dilakukan dengan menggunakan tabel
bilangan random. Tabel bilangan random adalah tabel yang dibentuk
dari bilangan biasa yang diperoleh secara berturut-turut dengan
sebuah proses random serta disusun ke dalam suatu tabel.

2. Sampling Berlapis (sampling Stratified)

Adalah bentuk probability sampling

yang populasi atau elemen

populasinya dibagi dalam kelompok-kelompok yang disebut strata.

Sampling stratified dilakukan apabila :

Elemen-elemen populasi heterogen

Ada kriteria yang akan dipergunakan sebagai dasar untuk

menstratifikasi populasi ke dalam stratum-stratum

Ada data pendahuluan dari populasi mengenai kriteria yang akan

digunakan untuk stratifikasi

Dapat diketahui dengan tepat jumlah satuan-satuan individu dari

setiap stratum dalam populasi

3. Sampling Sistematis
Adalah bentuk sampling random yang mengambil elemen-elemen yang
diselidiki berdasarkan urutan tertentu dari populasi yang telah disusun
secara teratur. Sampling sistematis dilakukan apabila :

Identifikasi atau nama dari elemen-elemen dalam populasi itu

terdapat dalam suatu daftar, sehingga elemen-elemen tersebut dapat
diberi nomor urut.

Populasi memiliki pola beraturan, seperti blok-blok dalam kota atau

rumah-rumah pada suatu ruas jalan.

4. Sampling kelompok (Sampling Cluster)

Adalah bentuk sampling random yang populasinya dibagi menjadi
beberapa kelompok (cluster) dengan menggunakan aturan-aturan tertentu,
seperti batas-batas alam dan wilayah administrasi pemerintahan.
( Dirgibson Siagian Sugiarto, hal. 115 )

2. 4

Statistika Deskriptif
Statistika deskriptif merupakan teknik statistik dimana disini dilakukan

pengambilan data, penyajian data tanpa adanya kesimpulan.

2.4. 1 Mean, Median, Modus dan Ukuran Pemusatan lainnya
2.1.2.1 Mean
Nilai mean (rata-rata hitung) dari suatu himpunan N bilangan X1, X2, ..., XN
ditunjukkan oleh X dan dirumuskan sebagai berikut:
N

X X 2 ... X N
X 1

N
2.1.2.2 Median

X
j 1

................................. (2.1)

Median dari suatu himpunan bilangan yang disusun menurut urutan besarnya
merupakan pertengahan atau nilai tengah hitung dari pertengahan.
2.1.2.3 Modus
Modus suati himpunan bilangan adalah nilai yang terjadi dengan frekuensi
terbesar yaitu nilai yang paling umum. Modus mungkin tidak ada dan jika ada
boleh jadi tidak unik.
2.1.2.4 Kuartil, Desil, dan Persentil
Jika suatu himpunan data disusun menurut besarnya, nilai tengah yang
membagi atas dua bagian yang sama adalah median. Dengan memperluas
pemikiran tersebut, dapat dibayangkan nilai-nilai yang membagi himpunan
atas empat bagian yang sama dan dikenal dengan kuartil. Secara serupa, nilainilai yang membagi data atas sepuluh bagian yang sama disebut desil.
Sedangkan nilai-nilai yang membagi data atas seratus bagian dinamakan
persentil.
(Spiegel, Statistika hal 61-66)
2.4. 2 Simpangan baku dan Ukuran Sebaran Lain
1. Simpangan kuartil
Simpangan kuartil Q dari suatu himpunan didefinisikan oleh

Q3 Q1
..................................................... (2.2)
2

2. Rentang yang merupakan selisih antara bilangan terbesar dengan bilangan

terkecil dalam suatu himpunan.
Rentang = data terbesar data terkecil .............................. (2.3)
3. Simpangan baku
Simpangan baku adalah deviasi atau penyimpangan suatu data terhadap rataratanya. Dapat dirumuskan:

( x x)
N

.................................................. (2.4)

4. Variansi
Variansi suatu himpunan didefinisikan sebagai kuadrat simpangan baku (s2).
Bilamana diperlukan untuk membedakan simpangan baku populasi dari

simpangan baku sampel yang berasal dari populasi ini seringkali kita
menggunakan lambang S untuk simpangan baku sampel dan untuk
simpangan baku populasi. Jadi S2 mewakili variansi sampel dan 2 mewakili
variansi populasi.
(Spiegel, Statistika hal 92-94)
2.4. 3 Distribusi Frekuensi dan Histogram Frekuensi
Data mentah adalah data yang dikumpulkan yang belum diatur secara
numerik. Pada waktu meringkaskan sejumlah besar data mentah sering sangat
berguna mendistribusikan data dalam kelas atau kelompok dan menetapkan
banyaknya individu yang termasuk dalam setiap kelas yang disebut frekuensi
kelas. Suatu penyusunan tabulasi data memakai kelas bersama dengan frekuensi
kelas yang berhubungan disebut distribusi frekuensi atau tabel frekuensi.
Histogram merupakan gambaran secara grafik dari distribusi frekuensi.
Histogram atau histogram frekuensi ini terdiri dari himpunan siku empat yang
mempunyai :
Alas pada sumbu mendatar (sumbu-x) dengan pusat markah (titik tengah
kelas) dan panjang sama dengan ukuran selang kelas.
Luas sebanding terhadap frekuensi kelas.
Jika semua selang kelas mempunyai ukuran sama, tinggi segi empat
sebanding terhadap frekuensi kelas dan merupakan kebiasaan untuk
mengambil tinggi secara numerik sama dengan frekuensi kelas.
Dari suatu histogram, kita bisa mengetahui informasi mengenai data yang
kita teliti.
2.4. 4 Kemencengan
Skewness atau kemencengan adalah derajat ketaksimetrisan, atau
kejauhan dari simetri dari suatu distribusi. Berdasarkan kemencengannya, grafik
distribusi terbagi menjadi tiga, yaitu:
a. Negatively skewed distribution, yaitu kurva frekuensi suatu distribusi yang
mempunyai ekor yang lebih panjang ke kiri dari maksimum pusat daripada
yang ke kanan, distribusi ini disebut juga menceng ke kiri atau mempunyai
kemencengan negatif.

b. Positively skewed distribution, yaitu kurva frekuensi suatu distribusi yang

mempunyai ekor yang lebih panjang ke kanan dari maksimum pusat daripada
yang ke kiri, distribusi ini disebut juga menceng ke kanan atau mempunyai
kemencengan positif.
c. Symmetric distribution, yaitu kurva frekuensi suatu distribusi yang
mempunyai ekor yang sama panjang dari maksimum pusat.

Negatively skewed distribution

Positively skewed distribution

Symmetric

distribution
Gambar 2. 1 Distribusi Kemencengan (Skewness)

Untuk distribusi yang menceng, mean cenderung terletak pada sisi yang
sama dari modus sebagai ekor yang panjang. Jadi suatu ukuran tak simetri
diperlihatkan oleh selisih (mean-modus). Ini dapat dibuat tanpa ada pembagian
oleh suatu ukuran sembarang, sama seperti simpangan baku, sehingga kita
dapatkan definisi:

kemencengan

mean mod us
x mod us

............................(2.5)
simpangan baku
s

2.4. 5 Kurtosis
Kurtosis adalah derajat kepuncakan dari suatu distribusi, biasanya diambil
secara relatif terhadap suatu distribusi normal. Berdasarkan kurtosisnya, grafik
distribusi terbagi menjadi tiga, yaitu:
Leptokurtik, yaitu distribusi yang mempunyai puncak relatif tinggi.
Platikurtik, yaitu distribusi yang mempunyai puncak mendatar.
Mesokurtik, yaitu grafik yang berdistribusi normal yang puncaknya tidak
terlalu lancip atau berpuncak mendatar.

4
2

n(n 1)
xi x 3(n 1)

Derajat Kepuncakan =

(n 1)(n 2)(n 3)
s (n 2)(n 3)

Leptokurtik

Platikurtik

Mesokurtik

Gambar 2. 2 Jenis-jenis Distribusi Berdasarkan Kurtosis

Salah satu pengukuran kurtosis menggunakan momen keempat di sekitar

nilai mean yang dinyatakan dalam bentuk tanpa dimensi dan diberikan oleh:
Koefisien momen dari kurtosis = a 4

m4
m
42 ...................... (2.6)
4
s
m2
(Spiegel, Statistika hal 120)

Yang seringkali dinyatakan dengan b 2. Ada beberapa sumber yang

menuliskan bahwa untuk menentukan jenis kurva dapat ditentukan dari ukuran
kemencengannya:
Jika a4 = 3 atau saat kurtosis = 0, maka kurva berdistribusi normal
(Mesokurtik).
Jika a4 > 3 atau saat kurtosis > 0 (positif), maka kurva berdistribusi
Leptokurtik.
Jika a4 < 3 atau saat kurtosis < 0 (negatif), maka kurva berdistribusi
Platikurtik.
(Sudjana, Metode Statistika hal 120)
(Amitava, Fundamentals of Quality Control and Improvement)

2. 5

Statistik Parametrik

Kebanyakan cara pengujian hipotesis didasarkan pada anggapan bahwa sampel

acak diambil dari populasi normal. Kebanyakan uji tersebut masih dapat diandalkan bila
penyimpangannya dari kenormalan hanya sedikit, terutama sekali bila ukuran
sampelnya besar. Biasanya cara pengujian ini dinamakan metode parametrik.
(Walpole & Myers, Ilmu Peluang dan Statistika hal 691)
Statistik parametrik merupakan teknik statistik dimana dilakukan pengumpulan
data, pengolahan serta penganalisaan terhadap data yang diperolah sehingga nantinya
dapat diambil suatu kesimpulan. Ciriciri dari data parametrik adalah :
1. Data berdistribusi normal
2. Merupakan data interval atau data rasio
3. Jumlah data lebih dari sama dengan 30 (n 30)

2. 6

Uji Uji Statistik Parametrik

Pengolahan data secara parametrik ini merupakan pengolahan data dimana

anggapan kenormalan diberlakukan, tercakup di dalamnya adalah :

Uji Kebaikan-Suai
Uji Goodness of Fit digunakan untuk menentukan apakah suatu populasi
mempunyai suatu distribusi teoritis tertentu. Uji tersebut didasarkan atas baiknya
kesesuaian yang ada antara frekuensi terjadinya pengamatan pada sampel
teramati dan frekuensi

harapan

yang diperoleh dari distribusi yang

dihipotesiskan.
Uji goodness of fit adalah uji hipotesis statistik yang digunakan untuk
menaksir bentuk apakah observasi X1,X2,Xn adalah independen sampel dari
distribusi khusus dengan fungsi distribusi F. Uji goodness of fit dapat digunakan
untuk menguji serangkaian uji hipotesis nol
Terdapat tiga macam uji Goodness of Fit, yaitu Chi-square test,
Kolmogorov-Smirnov Test, dan Anderson Darlinguji
Uji Menyangkut Ratan dan Variansi
Uji menyangkut rataan ini berkaitan dengan distribusi t, uji ini dapat
menyangkut satu rataan atau variansi dan menyangkut dua variansi atau rataan.
Uji Menyangkut Proporsi

Uji ini banyak dipakai dalam berbagai bidang. Uji ini digunakan untuk
mengetahui proporsi suatu peristiwa dalam suatu populasi. Sebagai contoh,
seorang politisi tentunya tertarik untuk mengetahui berapa bagian dari pemilih
yang akan mendukungnya dalam pemilihan mendatang. Pengusaha pabrik
berkepentingan

mengetahui

proporsi

cacat

dalam

suatu

pengiriman

produksinya.
Uji Kebebasan
Merupakan uji untuk mengetahui keterkaitan antara dua atau lebih
variabel atau untuk mengetahui sifat ketergantungan (hubungan) suatu variabel
dengan variabel yang lain.
Galat I dan Galat II
Galat I adalah penolakan hipotesis nol padahal hipotesis itu benar.
Galat II adalah penerimaan hipotesis nol padahal hipotesis itu salah.
Uji Anova
Anova sering disebut sebagai analisis variansi. Sampel acak ukuran n
diambil masing-masing dari k populasi. Ke k populasi yang berbeda ini
diklasifikasikan menurut perlakuan atau grup yang berbeda. Dewasa ini istilah
perlakuan digunakan secara umum dengan arti klasifikasi, apakah itu kelompok,
adukan, penganalisis, pupuk yang

berbeda, atau berbagai daerah di suatu

negara. Pada Anova terdapat pengujian hipotesis nol bahwa rataan ke k populasi
sama lawan tandingan bahwa paling sedikit dua dari rataan ini tidak sama.
Uji yang akan dipakai didasarkan pada perbandingan dua taksiran bebas
dari kesamaan variansi populasi 2. Perlu dibandingkan ukuran variansi antara
perlakuan yang sesuai dengan variansi dalam perlakuan, agar dapat ditemukan
perbedaan yang berarti dalam pengamatan akibat pengaruh perlakuan.
Analisis variansi untuk klasifikasi eka arah dapat dilihat pada tabel di
bawah ini yang sama dengan tabel Anova.
Tabel 2. 1 Analisis Variansi Untuk Klasifikasi Eka Arah

Sumber

Jumlah

Derajat

Rataan

Variansi

Kuadrat

Kebebasan

Kuadrat

f Hitungan

Perlakuan

JKA

k-1

JKA
S1
k 1

Galat

JKG

k (n - 1)

S2

Total

JKT

nk - 1

JKT =

y
i 1

ij

j 1

S1
2
S2

JKA
k (n 1)

T 2 ..
nk

Ti
JKA =

j 1

T 2 ..
nk

JKG = JKT JKA

Uji-F
Pada pengujian kesamaan dua variansi populasi 12 dan 22, yang ingin
diuji adalah hipotesis nol Ho bahwa 12 = 22 lawan salah satu tandingan 12 <
22, 12 > 22, atau 12 22.
Untuk dua sampel acak berukuran masing-masing n1 dan n2 dari dua
populasi, nilai f untuk menguji 12 = 22 ialah nisbah :

s1

s2

........................................................ (2.7)

dengan s12 dan s22 variansi yang dihitung dari dua sampel. Jika kedua populasi
2

s
berdistribusi hampir normal dan hipotesis nol benar maka nisbah f 1 2 suatu
s2
nilai distribusi F dengan derajat kebebasan v1 = n1 1 dan v2 = n2 1. Dengan
demikian daerah kritis berukuran yang sesuai dengan tandingan eka pihak 12
< 22, 12 > 22 adalah masing-masing f > f1- (v1,v2) dan f > f (v1,v2). Untuk
tandingan dua pihak 12 22, daerah kritis adalah f < f1- (v1,v2) dan f > f/2

(v1,v2). Untuk mengambil keputusan disesuaikan dengan daerah kritis, bila nilai
peluang berada didaerah kritis maka ditolak dan begitupun sebaliknya.
Dalam pengambilan keputusan dapat dengan membandingkan nilai P
hasil perhitungan dengan . Jika P lebih besar daripada , maka Ho diterima
dan begitupun sebaliknya.
(Walpole & Myers, Ilmu Peluang dan Statistika hal 257-260)
Uji-T
Dalam uji menyangkut dua rataan keadaan yang lebih umum berlaku
ialah keadaan dengan variansi tidak diketahui. Bila si peneliti bersedia
menganggap bahwa kedua distribusi normal dan bahwa 1 = 2 = , maka uji tgabungan (sering disebut uji-t dua sampel) dapat digunakan. Uji statistik
tersebut berbentuk :
t

( x1 x 2 ) d 0
S p 1 / n1 1 / n 2

........................................... (2.8)

untuk
2

S2p

S1 ( n1 1) S 2 ( n2 1)
.................................. (2.9)
n1 n2 2

Distribusi-t digunakan diisi dan bila hipotesisnya dwipihak maka

hipotesis ditolak bila
t / 2 ,n1 n2 2 < t < t / 2 ,n1 n2 2

Sebagian mungkin telah diduga tandingan ekapihak menimbulkan daerah kritis

ekasisi. Sebagai contoh, untuk H1 : 1- 2 > do, tolak Ho : 1- 2 = do bila t >
t / 2 ,n1 n2 2 . Dapat juga dengan membandingkan nilai P perhitungan dengan taraf

keberartian. Jika P lebih besar maka Ho diterima, dan apabila sebaliknya maka
Ho ditolak.

Pengamatan Berpasangan
Perhitungan selang kepercayaan untuk 1 - 2 dalam hal ini didasarkan
pada peubah acak

D D
.............................................. (2.10)
Sd n

Hipotesisnya berbentuk, Ho : D = do
Uji statistik hasil perhitungan menjadi

d do
....................................................... (2.11)
Sd n

Daerah kritis untuk ekasisi t < -t atau t > t, sedangkan untuk dwisisi t < -t atau
t > t dengan menggunakan distribusi-t dengan derajat kebebasan n 1. Dalam
pengambilan keputusan juga dapat dengan membandingkan nilai P perhitungan
dengan taraf keberartian (). Jika P lebih kecil atau sama dengan , maka Ho
ditolak dan apabila sebaliknya maka Ho diterima.
(Walpole & Myers, Ilmu Peluang dan Statistika hal 252-257)

2. 7

Statistik Nonparametrik
Suatu pengujian populasi seringkali dihadapkan pada suatu uji yang harus

dilakukan tanpa kebergantungan asumsi-asumsi yang kaku karena bersifat khusus. Uji
statistik nonparametrik merupakan alternatif untuk memenuhi kebutuhan tersebut
dikarenakan menghasilkan kesahihan dan validitas meskipun hanya berdasar pada
asumsi-asumsi umum. Tipe utama prosedur statistik yang dimasukkan dalam
nonparametrik adalah prosedur-prosedur nonparanetrik murni dan prosedur-prosedur
bebas distribusi (distribution free procedures). Ciriciri dari data non parametrik adalah
:
1.

Data berdistribusi tidak normal

2.

Merupakan data nominal atau data ordinal

3.

Jumlah data kurang dari sama dengan 30 (n 30)

Keunggulan Statistik Non Parametrik :

Beberapa keuntungan dalam penggunaan statistik non parametrik adalah :
a. Kemungkinan keasalahan pada penggunaan adalah minimum karena asumsi
yang digunakan minim.
b. Perhitungan yang digunakan umumnya mudah meskipun secara manual.

c. Prosedur yang digunakan lebih mudah dipahami oleh semua pihak.

d. Prosedurnya dapat digunakan meskipun dengan skala pengukuran terendah.
Kekurangan statstik non parametrik :
Di samping memilki kelebihan-kelebihan tersebut di atas, penggunaan statistik
non parametrik juga mempunyai kelemahan di antaranya :
a. Meskipun perhitungannya sederhana tetapi pada umumnya menjemukan.
b. Beberapa kasus sebenarnya lebih tepat jika digunakan prosedur-prosedur
parametrik.
Sebagai ringkasan, bila uji parametrik dan non parametrik keduanya berlaku pada
himpunan data yang sama, gunakanlah selalu uji parametrik yang lebih efisien. Akan
tetapi bila diketahui bahwa anggapan kenormalan sering tak berlaku dan ternyata bahwa
yang dihadapi adalah pengukuran yang tidak kuantitatif maka digunakan uji yang non
parametrik.
(Walpole & Myers, Ilmu Peluang dan Statistika hal 691, 1995)

2. 8

Uji Uji Statistik Nonparametrik

Kebanyakan cara pengujian hipotesis pada uji parametrik adalah didasarkan pada

anggapan bahwa sampel acak diambil dari populasi normal. Padahal tidak semua data
yang digunakan pada pengujian-pengujian tersebut diatas berdistribusi normal. Untuk
mengatasi hal tersebut lalu digunakan uji non parametrik. Uji non parametrik adalah uji
yang mengabaikan asumsi dari kenormalan data populasi.
Yang tercakup didalam uji non parametrik adalah Pengujian KolmogorofSmimov, Uji Tanda, Uji Dwi Sampel Wilcoxon, Uji Runtun dan Uji Kruskal Walls.
(Modul Parktikum Statistika Industri hal 4, 2005)

2.8. 1 Pengolahan data nonparametrik k = 2

2.8.1. 1 Pengolahan data nonparametrik independen k =2
1. Uji Mann-Whitney
Uji digunakan untuk menguji ada tidaknya perbedaan yang significant
untuk 2 sampel yang independent. Uji Mann-Witney disebut juga uji U,
beraku untuk kasus dua sample independent dengan skor yang berskala

ordinal. Uji Mann- Whitney dipakai untuk menguji apakah dua kelompok
independent telahmditarikdari populasi yang sama. Uji ini merupakan
pengembangan dari uji Wilcoxon dengan dua sample berukuran tidak sam,
dan pemberian jenjang didasarkan pada skor gabungan. Uji Mann-hitney tidak
memerlukan anggapan tertentu mengenai populasi dari mana sampel
diambil(seperti uji-uji non-parametrik lainnya). Asumsi yang diperlukan
hanyalah bahwa nilai dari variable random dari dua kelompok yang
diperbandingkan adalah berditribusi kontinyu. Hipotesis nihil yang akan diuji
mengatakan bahwa dua sample independent diambil dari populasi yang
memiliki distribusi yang sama. Uji ini dapat digunakan untuk pengujian dua
sisi ataupun satu sisi. Uji tersebut merupakan alternatif lain dari uji
tparametrik, bila anggapan yang diperlukan bagi uji t tidak dijumpai.
(Djarwanto,Mengenal beberapa uji satistik,2001, Hal 237)

2. Uji Kolmogorov-Smirnov
Uji ini hampir sama dengan uji Mann-Whitney yaitu digunakan untuk
menguji ada tidaknya perbedaan yang significant untuk 2 sampel yang
independent. Uji Kolmogorof Smirnov juga dapat digunakan untuk
melakukan uji lokasi dan uji bentuk. Kedua uji tersebut berkontribusi pada
perbedaan nilai 2 kelompok. Dengan melakukan centering atau pemusatan
nilai data sample, setiap kelompok disekitar rata-ratanya akan menghilangkan
perbedaan dan memungkinkan melakukan perbandingan bentuk (uji bentuk)
antara kedua kelompok tersebut.
3. Uji Moses dan Uji Wald-Wolfowitz
Uji Moses merupakan teknik metode pengujian non parametrik untuk
menguji hipotesa bahwa variabel percobaan akan memberi efek pada
beberapa subjek di satu sisi dan subjek lainnya di sisi yang berlawanan.
Pengujian ini dibandinghkan dengan grup kendali. Tes ini membutuhkan data
ordinal. Tes ini berfokus pada rentang di grup kendali, dan mengukur berapa
banyak nilai ekstrim di grup percobaan mempengaruhi rentang saat
digabungkan dengan grup mkendali. Uji Moses lebih fokus kepada variasi
data dari dua sampel.

2.8.1. 2 Pengolahan data nonparamerik dependen k = 2

1. Uji Tanda (Sign)
Uji tanda digunakan untuk menguji hipotesis mengenai median populasi.
Dalam banyak kasus prosedur non parametrik, rataan digantikan oleh median
sebagai parameter lokasi yang relevan untuk diuji. Uji statistik yang sesuai untuk
uji tanda adalah peubah acak binomial X, yang menyatakan banyaknya tanda
tambah dalam terok acak. Bila hipotesis nol = o benar, maka peluang suatu
nilai terok dapat menghasilkan tanda tambah atau kurang sama dengan setengah.
Jadi, untuk menguji hipotesis nol bahwa = o kita sesungguhnya menguji
hipotesis nol bahwa banyaknya tanda tambah merupakan suatu nilai dari peubah
acak yang berdistribusi binomial dengan parameter p = . Nilai p baik untuk
tandingan ekapihak maupun dwipihak dapat dihitung dengan

menggunakan

distribusi binomial. Sebagai contoh dalam pengujian :

Ho : = o
H1 : o
Kita akan menolak Ho dan menerima H1 hanya jika proporsi yang bertanda
tambah cukup lebih kecil dari setengah. Jadi, bila nilai p hitungan
P = P ( X x, bila p = )
lebih kecil atau sama dengan suatu taraf keberartian yang ditetapkan
sebelumnya, maka kita menolak Ho dan menerima H1.
Untuk menguji hipotesa :
Ho : = o
H1 : o
Kita akan menolak Ho dan menerima H1 hanya jika proporsi yang bertanda
tambah cukup lebih besar dari setengah. Jadi, bila nilai p hitungan
P = P ( X x, bila p = )
lebih kecil dari suatu taraf keberartian yang ditetapkan sebelumnya, maka kita
menolak Ho dan menerima H1.
Untuk menguji hipotesa :

Ho : = o
H1 : o
Kita akan menolak Ho dan menerima H1 hanya jika proporsi yang bertanda
tambah cukup lebih kecil atau lebih besar dari setengah. Jadi, bila x < n/2 dan
nilai p hitungan
P =2P ( X x, bila p = )
Lebih kecil daripada atau sama dengan suatu taraf keberartian , atau bila x >
n/2 dan nilai p hitungan
P =2P ( X x, bila p = )
Lebih kecil atau sama dengan kita tolak Ho dan menerima H1. Apabila n 10
peluang binomial dengan p = dapat dihampiri dengan kurva normal.
(Walpole & Myers, Ilmu Peluang dan Statistika hal 692-693, 1995)

2. Uji Rang Tanda

Uji tanda hanya menggunakan tanda tambah dan kurang dari selisih
antara pengamatan dan o dalam kasus satu sampel, atau tanda tambah dari
selisih antara pasangan pengamatan dalam kasus sampel berpasangan tanpa
memperhatikan besarnya selisih tersebut. Suatu uji yang memanfaatkan baik
tanda maupun besarnya selisih telah diusulkan oleh Frank Wilcoxon (1945)
dan sekarang biasa disebut uji rang tanda Wilcoxon.
Uji rang tanda Wilcoxon berlaku untuk kasus distribusi kontinu
setangkup. Pertama-tama tiap nilai sampel dikurangi dengan o, buang semua
selisih yang sama dengan nol. Selisih yang tertinggal dirang tanpa
menghiraukan tandanya. Bila dua atau lebih selisih nilai mutlaknya sama,
masing-masing diberi rang sama dengan rata-rata rangnya. Bila hipotesis =
o benar maka jumlah rang dari selisih yang positif seharusnya hampir sama
dengan jumlah rang selisih negatif. Nyatakanlah masing-masing jumlah ini
dengan w+ dan w- dan yang terkecil dari keduanya dengan w. Bila hipotesis
Ho : = o dapat ditolak dan menerima tandingan o hanya bila w+ kecil

dan w- besar. Begitu pula o diterima apabila w+ besar dan w- kecil.

Untuk tandingan dwi pihak Ho ditolak bila w+ maupun w- cukup kecil.

Dua sampel dengan pengamatan berpasangan

Untuk menguji hipotesis nol bila teroknya berasal dari dua populasi
yang kontinu yang setangkup dengan 1 = 2 untuk kasus sampel
berpasangan, rang selisihnya tanpa memperhatikan tanda kemudian
diselesaikan seperti pada kasus satu sampel.

Tabel 2. 2 Uji Rang Tanda

Mengu

Tandin

ji Ho

gan H1

= o

1 = 2

Hitung

w+

w-

1 2

w+

w-

2
1

Uji rang tanda dapat pula digunakan untuk menguji hipotesis nol
bahwa 1 - 2 = b 0. Dalam kasus ini tidak perlu setangkup. Seperti pada uji
tanda tiap selisih kita kurangi dengan bo, rang tiap selisih tanpa
memperhatikan tandanya dan terapkan prosedur yang sama seperti
sebelumnya.
(Walpole & Myers, Ilmu Peluang dan Statistika hal 696-698, 1995)

2.8. 2 Pengolahan data nonparametric k > 2

2.8.2. 1 Pengolahan data nonparametrik independen k > 2

1. Uji Kruskal Wallis
Uji Kruskal-Wallis, sering pula disebut Uji H Kruskal Wallis, adalah
rampatan uji jumlah rang (dwi sampel Wilcoxon) untuk sejumlah sampel k > 2.
Uji ini digunakan untuk menguji hipotesis Ho bahwa k sampel bebas berasal dari
populasi yang sama. Diperkenalkan di tahun 1952 oleh W.H. Kruskal dan W.A.
Wallis, uji ini merupakan padanan cara non parametrik untuk menguji kesamaan
rataan dalam analisis variansi ekafaktor bila ingin mengehindari anggapan bahwa
sampel berasal dari populasi normal. Jika dari populasi yang sama, maka rata-rata
ke-k sampel tersebut tentu relatif sama atau tidak berbeda secara signifikan.
(Walpole & Myers, Ilmu Peluang dan Statistika hal 707, 1995)
2. Uji Median
Uji yang dilakukan untuk mengetahui apakah sampel berasal dari dua
populasi dengan median yang sama atau telah diambil dari populasi yang sama.
Langkah-langkah yang ditempuh dalam pengujiaan ini adalah:
1. Gabungkan kedua sample menjadi sebuah sample berukuran (n1 + n2)
dengan n1 = ukuran sample yang diambil dari populasi kesatu dan n2 =
ukuran sample yang diambil dari populasi kedua.
2. Tuliskan ke (n1 + n2) buah data dari sample gabungan ini menurut-urutan
besar nilainya.
3. Tentukan nilai median dari sample gabungan ini.
4. Dari setiap sample, tentukan banyaknya data muka median.
5. Bentuk sebuah daftar kontingensi 2 x 2 eperti di bawah ini dengan
menggunakan data yang telah disusun dalam daftar kontingensi tersebut,
untuk menguji hipotesis.
(Sudjana. 1996. Metode Statistika. Tarsito : Bandung, Hal 464)

2.8.2.2 Pengolahan data nonparametrik dependen k > 2

1. Uji Friedman
Uji yang dilakukan untuk mengetahui adanya perbedaan yang significant
dimana jumlah sampel lebih dari 2 yang dependent. Uji Friedman sebenarnya

adalah analog dengan uji analisis varians dua arah pada uji parametric. Uji ini
dpat digunakan apabila penerapan analisis varians dua arah parametric tidak
dikehendaki dikarenakan pertimbangan tertentu, misalkan seorang peneliti
tidak ingin berasumsi bahwa sampel yang diperolehnya adalah berdistribusi
normal, dimana distribusi normal merupakan persyaratan sahihnya (valid) uji
dalam penggunaan uji parametric.
2. Uji Konkordansi Kendalls
Uji konkordansi pada prinsipnya ingin mengetahui apakah ada
keselarasan dari sekelompok objek (orang) dalam menilai objek tertentu.
Keselarasan (konkordansi) diberi nama seperti halnya korelasi, yakni dari 0
sampai 1. jika 0 berarti responden sama sekali tidak selaras satu dengan yang
lain dalam menilai suatu atribut, dan jika 1 maka semua sangat selaras. Pada
umumnya, angka konkordasi diatas 0,5 bisa dianggap tingkat keselarasan
sudah cukup tinggi.
(Singgih Santoso, halaman 202 & 441)
2. 9

Pengolahan Data dengan MINITAB, Excel, dan SPSS

2.9. 1 Excel

ANNOVA
Anova sering disebut sebagai analisis variansi. Terok acak ukuran n diambil

masing-masing dari k populasi. Ke k populasi yang berbeda ini diklasifikasikan

menurut perlakuan atau grup yang berbeda. Dewasa ini istilah perlakuan
digunakan secara umum dengan arti klasifikasi, apakah itu kelompok, adukan,
penganalisis, pupuk yang berbeda, atau berbagai daerah di suatu negara. Pada
ANOVA terdapat pengujian hipotesis nol bahwa rataan ke k populasi sama lawan
tandingan bahwa paling sedikit dua dari rataan ini tidak sama.
Uji yang akan dipakai didasarkan pada perbandingan dua taksiran bebas dari
kesamaan variansi populasi 2. Perlu dibandingkan ukuran variansi antara
perlakuan yang sesuai dengan variansi dalam perlakuan, agar dapat ditemukan
perbedaan yang berarti dalam pengamatan akibat pengaruh perlakuan.
Analisis variansi untuk klasifikasi eka arah dapat dilihat pada tabel di bawah
ini yang sama dengan tabel ANOVA.

Tabel 2. 3 Ananlisis Variansi

Jumlah

Derajat

kuadrat

Kebebasan

Perlakuan

JKA

k1

Galat

JKG

k (n 1)

Total

JKT

nk 1

Sumber Variansi

JKT =

yij2
i 1 j 1

Rataan Kuadrat
2

S1
S2

JKA
k 1

f Hitungan
2

S1
2
S2

JKA
k (n 1)

T 2 ..
nk

JKA =

i 1

T 2 ..
nk

JKG = JKT-JKA

2.9. 2 SPSS
Untuk mengolah data tersebut kami menggunakan program SPSS
(Statistical Product and Service Solution). Program SPSS adalah program yang
bertujuan untuk memperkecil kesalahan penghitungan dalam pengolahan data.
Data yang diolah dalam SPSS harus memenuhi syarat-syarat yang meliputi
kecukupan data, kualitas data, dan memenuhi sifat-sifat keacakan. Setelah proses
pengumpulan dan pengolahan data dilakukan, maka analisa output SPSS data
dapat langsung diketahui.
2.9.3 MINITAB
Permasalahan permasalahan statistika bukan suatu masalah rumit karena
seiring dengan perkembangan teknologi komputer, pekerjaan statistik sangat
terbantu dengan adanya program aplikasi komputer untuk statistik yang kini

sudah banyak dipasarkan. Komputer sangat membantu pekerjaan statistik,

terutama dalam melakukan perhitungan statistik yang menggunakan rumus
matematika yang rumit dan banyak data. Salah satu program statistik yang telah
diakui banyak orang adalah program MINITAB.
Program MINITAB merupakan program statistiks yang diakui cukup
andal oleh banyak kalangan, baik dunia kampus maupun industri. Keunggulan
MINITAB adalah selain menyediakan metode metode statistik klasik seperti
analisis regresi, analisis faktor, analisis deskriminan, dan tabulasi silang.
MINITAB juga menyediakan pula metode metode statistik untuk meningkatkan
dan memperbaiki kualitas seperti pengendalian kualitas statistik, desain
eksperimen, dan analisis realibilitas. MINITAB juga mampu memberi nilai
taksiran yang mendekati nilai sebenarnya.
Pada data parametrik independen k = 2 digunakan program MINITAB
dengan melakukan uji T dan uji F. Dimana membandingkan rata-rata dua sampel
dan membandingkan variansi dua sampel. Data non parametrik independen k = 2,
independen k > 2 dan dependen k > 2 juga menggunakan program MINITAB.
Untuk data non parametrik independen k = 2 menggunakan uji Kruskal Wallis,
data non parametrik dependen k > 2 menggunakan uji Friedman. Untuk data non
parametrik independen k = 2 menggunakan uji Mann Whitney.

BAB III
PENGUMPULAN DATA

3. 1

Data Parametrik

3.1. 1 Statistik Parametrik Independen k=2

Badan Statistik Nasional mencatat Banyaknya Kyai dan Ustadz
Menurut Kabupaten/Kota di Jawa Tengah Tahun 2004. Datanya adalah sebagai
berikut:
Tabel 3. 1Data Pengamatan Parametrik Independen k = 2
Kabupaten/Kota

Kyai

Ustadz

01. Kab. Cilacap

442

963

02. Kab. Banyumas

209

397

03. Kab. Purbalingga

252

414

04. Kab. Banjarnegara

330

228

05. Kab. Kebumen

167

380

06. Kab. Purworejo

417

763

07. Kab. Wonosobo

422

654

08. Kab. Magelang

235

700

09. Kab. Boyolali

210

718

10. Kab. Klaten

97

196

11. Kab. Sukoharjo

58

615

12. Kab. Wonogiri

70

172

13. Kab. Karanganyar

114

242

14. Kab. Sragen

350

729

15. Kab. Grobogan

485

426

16. Kab. Blora

156

527

17. Kab. Rembang

429

1.030

18. Kab. Pati

365

987

19. Kab. Kudus

496

588

20. Kab. Jepara

364

2.160

21. Kab. Demak

574

1.096

22. Kab. Semarang

285

715

23. Kab. Temanggung

365

571

24. Kab. Kendal

329

1.007

25. Kab. Batang

204

1.004

26. Kab. Pekalongan

226

553

27. Kab. Pemalang

187

465

28. Kab. Tegal

172

446

29. Kab. Brebes

487

1.094

13

14

30. Kota Magelang

3.1. 2 Statistik Parametrik Independen k>2

Badan Statistik Nasional mencatat Banyaknya Jema'ah Haji yang
Diberangkatkan

ke

Tanah

Suci

(Mekkah)

Menurut

Kabupaten/Kota di Jawa Tengah Tahun Anggaran 2001-2003. Datanya adalah

sebagai berikut:
Tabel 3. 2 Data Pengamatan Parametrik Independen k > 2
Kabupaten Kota

2001

2002

2003

01. Kab. Cilacap

478

696

615

02. Kab. Banyumas

458

648

562

03. Kab. Purbalingga

178

238

202

04. Kab. Banjarnegara

300

368

346

05. Kab. Kebumen

623

852

685

06. Kab. Purworejo

305

314

314

07. Kab. Wonosobo

305

335

356

08. Kab. Magelang

299

524

567

09. Kab. Boyolali

405

486

427

10. Kab. Klaten

376

773

633

11. Kab. Sukoharjo

286

341

276

12. Kab. Wonogiri

122

101

109

13. Kab. Karanganyar

143

205

201

14. Kab. Sragen

388

385

400

15. Kab. Grobogan

361

560

499

16. Kab. Blora

307

304

314

17. Kab. Rembang

627

483

468

18. Kab. Pati

1.550

957

822

19. Kab. Kudus

1.482

1.059

928

20. Kab. Jepara

2.515

1.987

1.550

21. Kab. Demak

1.342

1.178

817

22. Kab. Semarang

186

374

313

23. Kab. Temanggung

270

394

274

24. Kab. Kendal

950

892

792

25. Kab. Batang

488

329

311

26. Kab. Pekalongan

933

582

510

27. Kab. Pemalang

744

427

453

28. Kab. Tegal

675

928

830

29. Kab. Brebes

573

762

660

64

99

116

30. Kota Magelang

3. 2

Data Non Parametrik

3.2. 1 Statistik Non Parametrik Independen k=2

Untuk data non parametrik independen k=2 kami melakukan kuesioner
dengan sampel mahasiswa Teknik Industri angkatan 2007 untuk mengetahui
Pengaruh Jenis Kelamin terhadap Media Aktualisasi Diri. Dari kuesioner
tersebut didapat data sebagai berikut
Tabel 3. 3 Data Pengamatan Non Parametrik Independen k = 2

Sampel ke-

laki-laki

perempuan

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

Ket:
1. Kamera HP
2. Kamera digital
3. Handycam
4. Webcam
5. Photobox

3.2. 2 Statistik Non Parametrik Independen k>2

Untuk data non parametrik independen k>2 kami melakukan kuesioner
dengan sampel mahasiswa Teknik Industri angkatan 2007 untuk mengetahui
Pengaruh Golongan Darah terhadap Jenis Materi yang Disukai. Dari kuesioner
tersebut didapat data sebagai berikut:
Tabel 3. 4 Data Pengamatan Non Parametrik Independen k >2

Sampel
ke-

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

Keterangan:
1.

Hitungan

2.

Hafalan

3.

Keduanya

3.2. 3 Statistik Non Parametrik Dependen k=2

Dari www.google/info_guru_guru2.php.htm diperoleh data mengenai

Daftar Status Guru-Guru SMK-SB. Datanya adalah sebagai berikut:
Tabel 3. 5 Data Asli Dependen k=2

status kawin

Sampel
ke-

laki-laki

perempuan

1 tidak

Kawin

2 tidak

tidak

3 Kawin

tidak

4 Kawin

Kawin

5 Kawin

Kawin

6 Kawin

Kawin

7 tidak

tidak

8 Kawin

tidak

9 Kawin

Kawin

10 Kawin

tidak

11 Kawin

Kawin

12 tidak

Kawin

13 Kawin

Kawin

14 Kawin

tidak

15 tidak

Kawin

16 Kawin

Kawin

17 tidak

Kawin

18 tidak

Kawin

19 Kawin

Kawin

20 tidak

tidak

21 Kawin

tidak

22 Kawin

Kawin

23 Kawin

tidak

24 Kawin

Kawin

25 tidak

Kawin

3.2. 4 Statistik Non Parametrik Dependen k>2

Untuk data non parametrik dependen k>2 kami melakukan kuesioner
dengan sampel mahasiswa Teknik Industri angkatan 2007 untuk mengetahui
Pengaruh Negara Produksi terhadap Jenis Film yang Disukai. Dari kuesioner
tersebut didapat data sebagai berikut:
Tabel 3. 6 Data Non Parametrik Dependen k>2

No

Nama

indonesia

barat

asia

miftahul Hasan

Trisna N P

Farid

Irma N S

Reza Zamani

Mujiya U

Zaki

Awan

Nita T

10

Reny Stefanie

11

Dinda

12

Ucok

13

Yoyo

14

Intan Arthantia

15

Dita W.R

16

Hasniar T

17

Dimas H.A

18

Prafitrianti

19

Devia

20

Anggie S

21

Rachman F. N

22

Radhit P

23

Rina A.K.N

24

Andik Sutrimo

25

M.Shofyan Adi

Keterangan:
1. Action
2. Horor
3. Drama
4. Komedi

BAB IV
PENGOLAHAN DATA

4. 1

Statistik Parametrik

4.1. 1 Statistik Parametrik Independen k = 2

Output Excel

Deskriptif Statistic
Tabel 4. 1Ouput Statistic Descriptive Parametrik Independen k=2
kyai

ustadz

Mean

283.6667

Mean

Standard Error

26.95016

Standard Error

Median
Mode

268.5
365

Median
Mode

661.8
74.65758463
601.5
#N/A

Standard Deviation

147.6121

Standard Deviation

408.9164319

Sample Variance

21789.33

Sample Variance

167212.6483

Kurtosis

-0.89775

Kurtosis

5.073799684

Skewness

0.053532

Skewness

1.611303503

Range

561

Range

2146

Minimum

13

Minimum

14

Maximum

574

Maximum

2160

Sum

8510

Count

30

Sum

19854

Count

30

Anova Single Factor

Tabel 4. 2 Output Anova Single Factor Parametrik Independen k=2

SUMMARY
Groups

Count

Sum

Average

Variance

kyai

30

8510

283.6666667

21789.33

ustadz

30

19854

661.8

167212.6

ANOVA
Source of Variation

SS

df

MS

P-value

F crit

1.31EBetween Groups

2144772

2144772.267

Within Groups

5481057

58

94500.9908

Total

7625830

59

22.69576

05

T-Test: Paired two sample for means

Tabel 4. 3 Output T-test: Paired Two Sample For Means Parametrik Independen k=2
kyai

ustadz

Mean

283.6667

661.8

Variance

21789.33

167212.6483

30

30

Observations
Pearson Correlation
Hypothesized Mean Difference
df

0.540701
0
29

t Stat

-5.88806

P(T<=t) one-tail

1.08E-06

t Critical one-tail

1.699127

P(T<=t) two-tail

2.17E-06

t Critical two-tail

2.04523

4.006873

F-test: Two-sample for variances

Tabel 4. 4 Output F-Test Two Sample For Variances Parametrik Independen k=2
kyai

ustadz

Mean

283.6667

661.8

Variance

21789.33

167212.6

Observations

30

30

df

29

29

0.130309

P(F<=f) onetail

2.11E-07

F Critical onetail

0.5374

Output SPSS
-

Deskriptif Statistik

Frequencies
Tabel 4. 5 Deskriptif Statistik Parametrik Independen k=2

Statistics

kyai
N

Valid

ustadz
30

30

Mean

283,6667

661,8000

Median

268,5000

601,5000

365,00

14,00(a)

147,61210

408,91643

Missing

Mode
Std. Deviation
Variance

21789,333

167212,64
8

Skewness

,054

1,611

Std. Error of Skewness

,427

,427

-,898

5,074

Kurtosis
Std. Error of Kurtosis
Range

,833

,833

561,00

2146,00

Minimum

13,00

14,00

Maximum

574,00

2160,00

Percentiles

10

72,7000

199,2000

20

158,2000

383,4000

25

170,7500

409,7500

30

192,1000

432,0000

40

216,4000

537,4000

50

268,5000

601,5000

60

342,0000

709,0000

70

365,0000

752,8000

75

418,2500

969,0000

80

427,6000

1000,6000

90

486,8000

1087,6000

a Multiple modes exist. The smallest value is shown

Tabel 4. 6 Deskriptif Statistik Parametrik Independen k=2 (kyai)

kyai

Cumulative
Frequency
Valid

Percent

Valid Percent

Percent

13.00

3.3

3.3

3.3

58.00

3.3

3.3

6.7

70.00

3.3

3.3

10.0

97.00

3.3

3.3

13.3

114.00

3.3

3.3

16.7

156.00

3.3

3.3

20.0

167.00

3.3

3.3

23.3

172.00

3.3

3.3

26.7

187.00

3.3

3.3

30.0

204.00

3.3

3.3

33.3

209.00

3.3

3.3

36.7

210.00

3.3

3.3

40.0

226.00

3.3

3.3

43.3

235.00

3.3

3.3

46.7

252.00

3.3

3.3

50.0

285.00

3.3

3.3

53.3

329.00

3.3

3.3

56.7

330.00

3.3

3.3

60.0

350.00

3.3

3.3

63.3

364.00

3.3

3.3

66.7

365.00

6.7

6.7

73.3

417.00

3.3

3.3

76.7

422.00

3.3

3.3

80.0

429.00

3.3

3.3

83.3

442.00

3.3

3.3

86.7

485.00

3.3

3.3

90.0

487.00

3.3

3.3

93.3

496.00

3.3

3.3

96.7

574.00

3.3

3.3

100.0

30

100.0

100.0

Total

Tabel 4. 7 Deskriptif Statistik Parametrik Independen k=2 (ustadz)

ustadz

Cumulative
Frequency
Valid

Percent

Valid Percent

Percent

14.00

3.3

3.3

3.3

172.00

3.3

3.3

6.7

196.00

3.3

3.3

10.0

228.00

3.3

3.3

13.3

242.00

3.3

3.3

16.7

380.00

3.3

3.3

20.0

397.00

3.3

3.3

23.3

414.00

3.3

3.3

26.7

426.00

3.3

3.3

30.0

446.00

3.3

3.3

33.3

465.00

3.3

3.3

36.7

527.00

3.3

3.3

40.0

553.00

3.3

3.3

43.3

571.00

3.3

3.3

46.7

588.00

3.3

3.3

50.0

615.00

3.3

3.3

53.3

654.00

3.3

3.3

56.7

700.00

3.3

3.3

60.0

715.00

3.3

3.3

63.3

718.00

3.3

3.3

66.7

729.00

3.3

3.3

70.0

763.00

3.3

3.3

73.3

963.00

3.3

3.3

76.7

987.00

3.3

3.3

80.0

1004.00

3.3

3.3

83.3

1007.00

3.3

3.3

86.7

1030.00

3.3

3.3

90.0

1094.00

3.3

3.3

93.3

1096.00

3.3

3.3

96.7

2160.00

3.3

3.3

100.0

30

100.0

100.0

Total

kyai

10

Frequency

Mean = 283.6667
Std. Dev. = 147.6121
N = 30

0
0.00

100.00

200.00

300.00

400.00

500.00

600.00

kyai

Gambar 4. 1 Histogram jumlah kyai 2004

ustadz

10

Frequency

Mean = 661.80
Std. Dev. = 408.91643
N = 30

0
0.00

500.00

1000.00

1500.00

2000.00

2500.00

ustadz

Gambar 4. 2 Histogram jumlah ustadz 2004

-One Way Anova

Oneway
Tabel 4. 8 Output Anova Parametrik Independen k=2

ANOVA
jumlah
Sum of
Squares
Between Groups

2144772,2
67

Within Groups

5481057,4
67

Total

7625829,7
33

df

Mean Square
1

2144772,267

58

94500,991

59

F
22,696

Sig.
,000

Output MINITAB
-

Deskriptif Statistik
Descriptive Statistics: C1, C2, C3

Variable
StDev

Mean

Median

TrMean

30

15.50

15.50

15.50

30

283.7

268.5

283.4

30

661.8

601.5

631.2

SE Mean

C1
8.80

1.61

C2
147.6

27.0

C3
408.9

74.7

Variable

Minimum

Maximum

Q1

Q3

C1

1.00

30.00

7.75

23.25

C2

13.0

574.0

170.8

418.3

C3

14.0

2160.0

409.8

969.0

- Two-Sample T-Test
Two-Sample T-Test and CI: C2, C3

Two-sample T for C2 vs C3

Mean

StDev

SE Mean

C2

30

284

148

27

C3

30

662

409

75

Difference = mu C2 - mu C3
Estimate for difference:

-378.1

95% CI for difference: (-539.1, -217.2)

T-Test of difference = 0 (vs not =): T-Value = -4.76
0.000

DF = 36

P-Value =

Boxplots of C2, C3

Gambar 4. 3 Box Plot dari Desember 1992 dan April 1993

- Perhitungan Manual Data Parametrik Independen k = 2

Perhitungan anova Manual
1. H0 = 1 2
2. H1 = Paling sedikit 2 rataan tidak sama
3. 0,05
4. Daerah Kritis : f hitung > f tabel
V1= k-1
= 2-1 = 1
V2= k (n-1)
= 2 (30-1) = 58
Karena f tabel dengan derajat kebebasan 1,58 tidak terdapat da tabel L6 maka
dilakukan interpolasi :

4,00 x
60 58

4,00 4,08 60 40
X

= 4,008

5. Perhitungan
Tabel 4. 9 Perhitungan Anova Manual Parametrik Independen k=2

y1

No

y2

jumlah

jumlah 2

442

963

1405

1974025

209

397

606

367236

252

414

666

443556

330

228

558

311364

167

380

547

299209

417

763

1180

1392400

422

654

1076

1157776

235

700

935

874225

210

718

928

861184

10

97

196

293

85849

11

58

615

673

452929

12

70

172

242

58564

13

114

242

356

126736

14

350

729

1079

1164241

15

485

426

911

829921

16

156

527

683

466489

17

429

1.030

1459

2128681

18

365

987

1352

1827904

19

496

588

1084

1175056

20

364

2.160

2524

6370576

21

574

1.096

1670

2788900

22

285

715

1000

1000000

23

365

571

936

876096

24

329

1.007

1336

1784896

25

204

1.004

1208

1459264

26

226

553

779

606841

27

187

465

652

425104

28

172

446

618

381924

29

487

1.094

1581

2499561

30

13

14

27

729

28364
Total

8510

19854

34191236

No

Y1 kuadrat

Y2 kuadrat

jumlah

195364

927369

1122733

43681

157609

201290

63504

171396

234900

108900

51984

160884

27889

144400

172289

173889

582169

756058

178084

427716

605800

55225

490000

545225

44100

515524

559624

10

9409

38416

47825

11

3364

378225

381589

12

4900

29584

34484

13

12996

58564

71560

14

122500

531441

653941

15

235225

181476

416701

16

24336

277729

302065

17

184041

1060900

1244941

18

133225

974169

1107394

19

246016

345744

591760

20

132496

4665600

4798096

21

329476

1201216

1530692

22

81225

511225

592450

23

133225

326041

459266

24

108241

1014049

1122290

25

41616

1008016

1049632

26

51076

305809

356885

27

34969

216225

251194

28

29584

198916

228500

29

237169

1196836

1434005

30

169

196

365
21034438

total

Faktor korelasi

3045894

T2
nk

17988544

(28364)2
30 2

= 13408608

JKT yij
i 1 j 1

T 2 ..
nk

= 21034438

(28364)2
60

= 7625830
k

JKA

i 1

n
=

T 2 ..
nk

72420100 3,94E 08 (28364)2

30
60

= 2144772

JKG = JKT JKA

= 7625830-2144772
= 5481057

S12

JKA
k 1

2144772
2 1

= 2144772

S22

JKG
k (n 1)

5481057
2(30 1)

= 94500,99

Fhitung =

s12 2144772

22,69576
s22 94500,99

= P[F[k-1,k(n-1)]>f]
=P[22,69576[2-1,k(30-1)]>4.008]
= 1.31x10-5

Tabel 4.10 Perhitungan Manual Uji Anova Data Parametrik dengan k=2 Independen
Sumber
Variasi

Jml. Kuadrat

Derajat

Rataan

kebebasan

Kuadrat

F Hitungan

Nilai P

F Kritis

Perlakuan

JKA=2144772

S1
k-1=1

JKA
k 1

= 2144772

S1
2
S2
=

1.31x 10

-5

4,008

22,69576

S2

JKG=5481057
Galat

k(n-1) = 58

JKA
k (n 1)

=94500,99

Total

JKT=7625830 n(k-1) = 59

Keterangan tabel 4.7:

JKT adalah jumlah kuadrat total, yaitu didapatkan angka 7625830. Dimana
derajat kebebasannya adalah 59

JKA adalah jumlah kuadarat perlakuan, yaitu didapatkan angka 2144772.

JKG adalah jumlah kuadrat galat, yaitu didapatkan angka 5481057. Dengan
derajat kebebasan 58.

Didapatkan nilai F hitungan adalah 22,69576

6. Keputusan :

Tolak Ho karena Fhitung > FCrit yaitu 22,69576 > 4,008.

7. Kesimpulan :
Bahwa selisih rata-rata jumlah kyai pada tahun 2004 dan jumlah ustadz pada tahun
2004 tidak sama sama secara signifikan

4.1. 2 Statistik Parametrik Independen k > 2

Output Excel
Deskriptif statistik
Tabel 4. 5 11 Ouput Statistic Descriptive Parametrik Independen k>2

2001

Mean

2002

591.1 Mean

Standard Error
Median

96.59452

Standard Error

396.5 Median

Mode

305 Mode

Standard Deviation

529.07 Standard Deviation

Sample Variance

279915.1

Kurtosis

5.221323 Kurtosis

Skewness

2.126618 Skewness

Range

Sample Variance

2451 Range

2003

586.0333333

Mean

511.6667

70.62350368

Standard Error

54.26415

484.5 Median
#N/A

Mode

460.5
314

386.8208606

Standard Deviation

149630.3782

Sample Variance

88337.95

Kurtosis

3.794255

Skewness

1.492342

4.72060158
1.759399121

1888 Range

297.217

1441

Minimum

64 Minimum

99 Minimum

109

Maximum

2515 Maximum

1987 Maximum

1550

Sum
Count

17733 Sum
30 Count

17581 Sum
30 Count

Anova Single Factor

Tabel 4. 6 Output Anova Single Factor Parametrik Independen k>2

15350
30

S UMMAR Y
G roups
2001
2002
2003

C ount
31
31
31

ANO VA
S ource of Variation
B etween G roups
W ithin G roups

SS
114675.9
21034929

T otal

21149605

S um
19734
19583
17353

Average
636.5806452
631.7096774
559.7741935

2
90

MS
57337.96774
233721.4373

df

Variance
334707.7183
209318.8796
157137.714
F
P -value
0.245326096 0.782971

F crit
3.097698035

92

Output SPSS
Frequenci
Tabel 4. 13 Deskriptif Statistik Parametrik Independen k>2
Statistics

tahun_2001
N

Valid

tahun_2002

yahun_2003

30

30

30

Mean

591,1000

586,0333

511,6667

Median

396,5000

484,5000

460,5000

305,00

99,00(a)

314,00

Missing

Mode
Std. Deviation
Variance
Skewness
Std. Error of Skewness
Kurtosis
Std. Error of Kurtosis
Range

529,06999

386,82086

297,21702

279915,059

149630,378

88337,954

2,127

1,759

1,492

,427

,427

,427

5,221

4,721

3,794

,833

,833

,833

2451,00

1888,00

1441,00

Minimum

64,00

99,00

109,00

Maximum

2515,00

1987,00

1550,00

10

146,5000

208,3000

201,1000

20

273,2000

317,0000

283,0000

25

295,7500

333,5000

312,5000

30

301,5000

349,1000

314,0000

40

328,6000

388,6000

373,6000

50

396,5000

484,5000

460,5000

60

484,0000

573,2000

541,2000

70

625,8000

742,2000

627,6000

75

692,2500

792,7500

666,2500

80

895,2000

884,0000

770,6000

Percentiles

90

1468,0000

1048,8000

a Multiple modes exist. The smallest value is shown

Frequency Table
Tabel 4. 14 Deskriptif Statistik Parametrik Independen k>2 (2001)
Tahun_2001

Cumulative

Valid

Frequency

Percent

Valid Percent

Percent

64.00

3.3

3.3

3.3

122.00

3.3

3.3

6.7

143.00

3.3

3.3

10.0

178.00

3.3

3.3

13.3

186.00

3.3

3.3

16.7

270.00

3.3

3.3

20.0

286.00

3.3

3.3

23.3

299.00

3.3

3.3

26.7

300.00

3.3

3.3

30.0

305.00

6.7

6.7

36.7

307.00

3.3

3.3

40.0

361.00

3.3

3.3

43.3

376.00

3.3

3.3

46.7

388.00

3.3

3.3

50.0

405.00

3.3

3.3

53.3

458.00

3.3

3.3

56.7

478.00

3.3

3.3

60.0

488.00

3.3

3.3

63.3

573.00

3.3

3.3

66.7

623.00

3.3

3.3

70.0

627.00

3.3

3.3

73.3

675.00

3.3

3.3

76.7

744.00

3.3

3.3

80.0

933.00

3.3

3.3

83.3

950.00

3.3

3.3

86.7

1342.00

3.3

3.3

90.0

1482.00

3.3

3.3

93.3

1550.00

3.3

3.3

96.7

2515.00

3.3

3.3

100.0

829,2000

Total

30

100.0

100.0

Tabel 4. 15 Deskriptif Statistik Parametrik Independen k>2 (2002)

Tahun_2002

Cumulative

Valid

Frequency

Percent

Valid Percent

Percent

99.00

3.3

3.3

3.3

101.00

3.3

3.3

6.7

205.00

3.3

3.3

10.0

238.00

3.3

3.3

13.3

304.00

3.3

3.3

16.7

314.00

3.3

3.3

20.0

329.00

3.3

3.3

23.3

335.00

3.3

3.3

26.7

341.00

3.3

3.3

30.0

368.00

3.3

3.3

33.3

374.00

3.3

3.3

36.7

385.00

3.3

3.3

40.0

394.00

3.3

3.3

43.3

427.00

3.3

3.3

46.7

483.00

3.3

3.3

50.0

486.00

3.3

3.3

53.3

524.00

3.3

3.3

56.7

560.00

3.3

3.3

60.0

582.00

3.3

3.3

63.3

648.00

3.3

3.3

66.7

696.00

3.3

3.3

70.0

762.00

3.3

3.3

73.3

773.00

3.3

3.3

76.7

852.00

3.3

3.3

80.0

892.00

3.3

3.3

83.3

928.00

3.3

3.3

86.7

957.00

3.3

3.3

90.0

1059.00

3.3

3.3

93.3

1178.00

3.3

3.3

96.7
100.0

1987.00

3.3

3.3

Total

30

100.0

100.0

Tabel 4. 16 Deskriptif Statistik Parametrik Independen k>2 (2001)

Tahun_2003

Cumulative

Valid

Frequency

Percent

Valid Percent

Percent

109.00

3.3

3.3

3.3

116.00

3.3

3.3

6.7

201.00

3.3

3.3

10.0

202.00

3.3

3.3

13.3

274.00

3.3

3.3

16.7

276.00

3.3

3.3

20.0

311.00

3.3

3.3

23.3

313.00

3.3

3.3

26.7

314.00

6.7

6.7

33.3

346.00

3.3

3.3

36.7

356.00

3.3

3.3

40.0

400.00

3.3

3.3

43.3

427.00

3.3

3.3

46.7

453.00

3.3

3.3

50.0

468.00

3.3

3.3

53.3

499.00

3.3

3.3

56.7

510.00

3.3

3.3

60.0

562.00

3.3

3.3

63.3

567.00

3.3

3.3

66.7

615.00

3.3

3.3

70.0

633.00

3.3

3.3

73.3

660.00

3.3

3.3

76.7

685.00

3.3

3.3

80.0

792.00

3.3

3.3

83.3

817.00

3.3

3.3

86.7

822.00

3.3

3.3

90.0

830.00

3.3

3.3

93.3

928.00

3.3

3.3

96.7

1550.00

3.3

3.3

100.0

Total

30

100.0

100.0

tahun_2002

tahun_2001

12

12

10

10

Frequency

Frequency

14

6
4

4
2
Mean = 586.0333
Std. Dev. = 386.82086
N = 30

2
Mean = 591.10
Std. Dev. = 529.06999
N = 30

0
0.00

500.00

1000.00

1500.00

2000.00

2500.00

0
0.00

3000.00

500.00

1000.00

1500.00

2000.00

tahun_2002

tahun_2001

(a)

(b)

tahun_2003

10

Frequency

Mean = 511.6667
Std. Dev. = 297.21702
N = 30

0
0.00

500.00

1000.00

1500.00

2000.00

tahun_2003

(c)
Gambar 4.4 Histogram jemaah Haji tahun (a) 2001, (b) 2002, (c) 2003

4. 2 Statistik Non Parametrik

4.2. 1 Statistik Non Parametrik Independen k = 2
Output SPSS
Deskriptif Statistik and histogram with normal curve

Tabel 4. 17 Deskriptif Statistik Pengaruh Jenis kelamin terhadap aktualisasi diri

Descriptive Statistics

Percentiles
N

Mean

Std. Deviation

Minimum

Maximum

25th

50th (Median)

75th

gadget

50

1,5600

1,01338

1,00

5,00

1,0000

1,0000

2,0000

jenis_kelamin

50

1,5000

,50508

1,00

2,00

1,0000

1,5000

2,0000

Histogram

40

Frequency

30

20

10

Mean = 1.56
Std. Dev. = 1.01338
N = 50

0
0.00

1.00

2.00

3.00

4.00

5.00

6.00

gadget

Gambar 4.5 Histogram with normal curve gadget

Mann-Whitney Test
Tabel 4.18 Output Mann-Whitney Test Pengaruh Jenis kelamin terhadap aktualisasi diri

Ranks
jenis_kelam
in
gadget

Mean Rank

Sum of Ranks

laki-laki

25

27,82

695,50

perempuan

25

23,18

579,50

Total

50

Test Statistics(a)
gadget
Mann-Whitney U

254,500

Wilcoxon W

579,500

-1,365

Asymp. Sig. (2-tailed)

,172

a Grouping Variable: jenis_kelamin

- Moses Test
Tabel 4.18 Output Moses Test Pengaruh Jenis kelamin terhadap aktualisasi diri
Frequencies
jenis_kelamin
gadget

laki-laki

25

(Control)
perempuan
(Experimenta

25

l)
Total

50

Test Statistics(a,b)
gadget
Observed Control
Group Span

33
Sig. (1-tailed)

,000

Sig. (1-tailed)

,000

Trimmed Control
Group Span

33

Outliers Trimmed from each End

a Moses Test
b Grouping Variable: jenis_kelamin

Two-Sample Kolmogorov-Smirnov Test

Tabel 4.19 Output Kolmogorov-Smirnov Test Pengaruh Jenis kelamin terhadap aktualisasi
diri
Frequencies
jenis_kelam
in
gadget

laki-laki

25

perempuan

25

Total

50

Test Statistics(a)
gadget
Most Extreme

Absolute

,160

Differences

Positive

,000

Negative

-,160

Kolmogorov-Smirnov Z

,566

Asymp. Sig. (2-tailed)

,906

a Grouping Variable: jenis_kelamin

4.2. 2 Statistik Non Parametrik Independen k > 2

Output SPSS
-

Deskriptif Statistik , histogram with normal curve

Tabel 4.20 Deskriptif Statistik Pengaruh Golongan Darah Terhadap Cara Belajar
Descriptive Statistics
N

Range

Minimum

Maximum

Mean

Std. Deviation

Variance

Gol_darah

75

2,00

1,00

3,00

2,0000

,82199

,676

Cara_belajar

75

2,00

1,00

3,00

1,8667

,82746

,685

Valid N (listwise)

75

Histogram

40

Frequency

30

20

10

Mean = 1.8667
Std. Dev. = 0.82746
N = 75

0
0.50

1.00

1.50

2.00

2.50

3.00

3.50

Cara_belajar

Gambar 4.6 Histogram with normal curve Pengaruh Golongan darah terhadap Cara Belajar

Kruskal-Wallis Test
Tabel 4.21 Output Kruskal Wallis Test Pengaruh Golongan Darah Terhadap Cara Belajar
Ranks
Gol_darah
Cara_belajar

Mean Rank

25

36,40

25

37,28

25

40,32

Total

75

Test Statistics(a,b)
Cara_belajar
Chi-Square

,507

df

Asymp. Sig.

,776

a Kruskal Wallis Test

b Grouping Variable: Gol_darah

Median Test
Tabel 4.22 Output Median Test Pengaruh Golongan Darah Terhadap Cara Belajar
Frequencies
Gol_darah
A
Cara_belajar

> Median

<= Median

19

18

17

Test Statistics(b)
Cara_belajar
N

75

Median

2,0000

Chi-Square

,397(a)

df
Asymp. Sig.

2
,820

a 0 cells (,0%) have expected frequencies less than 5. The minimum expected cell frequency is 7,0.
b Grouping Variable: Gol_darah

Output Minitab
-

Kruskal-Wallis Test: C2 versus C1

Kruskal-Wallis Test on C2

C1

Median

Ave Rank

25

2,000

36,4

-0,45

25

2,000

37,3

-0,20

25

2,000

40,3

0,65

Overall

75

38,0

H = 0,45

DF = 2

P = 0,800

H = 0,51

DF = 2

P = 0,776 (adjusted for ties)

Mood Median Test: C2 versus C1

Mood median test for C2

Chi-Square = 0,44

DF = 2

P = 0,803

Individual 95,0% CIs

C1

N<

N>=

Median

Q3-Q1

----------+---------+---------+------

11

14

2,00

1,50

(-------------------+

11

14

2,00

2,00

(-------------------+

16

2,00

2,00

(-------------------+---------------)
----------+---------+---------+-----1,50

Overall median = 2,00

2,00

2,50

4.2. 3 Statistik Non Parametrik Dependen k = 2

Output SPSS
Tabel 4.23 Deskriptif Statistik Pengaruh Jenis Kelamin terhadap Status perkawinan
Descriptive Statistics
N

Mean

Std. Deviation

Minimum

Maximum

jenis_kelamin

50

1,5000

,50508

1,00

2,00

status

50

1,3600

,48487

1,00

2,00

Histogram

25

Frequency

20

15

10

Mean = 565.9432
Std. Dev. = 413.58562
N = 88

0
0.00

500.00

1000.00

1500.00

2000.00

2500.00

3000.00

jumlah

Gambar 4.7 Histogram with normal curve Pengaruh jenis kelamin terhadap status perkawinan

Sign Test

Tabel 4.24 Output Sign Test Pengaruh Jenis Kelamin terhadap Status perkawinan
Frequencies
N
status - jenis_kelamin

Negative

16

Differences(a)
Positive Differences(b)

Ties(c)

25

Total

50

a status < jenis_kelamin

b status > jenis_kelamin
c status = jenis_kelamin
Test Statistics(b)
status jenis_kelamin
Exact Sig. (2-tailed)

,230(a)

a Binomial distribution used.

b Sign Test

Wilcoxon Signed Ranks Test

Tabel 4.25 Output Wilcoxon Signed Ranks Test Pengaruh Jenis Kelamin terhadap Status
perkawinan
Ranks
N

Mean Rank

Sum of Ranks

status -

Negative Ranks

16(a)

13,00

208,00

jenis_kelamin

Positive Ranks

9(b)

13,00

117,00

Ties

25(c)

Total

50

a status < jenis_kelamin

b status > jenis_kelamin
c status = jenis_kelamin

Test Statistics(b)

status jenis_kelamin
Z

-1,400(a)

Asymp. Sig. (2-tailed)

,162

a Based on positive ranks.

b Wilcoxon Signed Ranks Test

4.2. 4 Statistik Non Parametrik Dependen k > 2

Output SPSS
- Deskriptif Statistik and histogram with normal curve
Tabel 4.26 Deskriptif Statistik Pengaruh Negara Asal terhadap Jenis Film yang Disukai
Descriptive Statistics
N

Minimum

Maximum

Mean

Std. Deviation

Negara

75

1,00

3,00

2,0000

,82199

Jenis_film

75

1,00

4,00

2,7467

1,18656

Valid N (listwise)

75

Histogram

30

25

Frequency

20

15

10

5
Mean = 2.7467
Std. Dev. = 1.18656
N = 75

0
0.00

1.00

2.00

3.00

4.00

5.00

Jenis_film

Gambar 4.8 Histogram with normal curve Pengaruh Negara Asal Film dengan Jenis Film

Friedman Test
Tabel 4.27 Output Friedman Test Pengaruh Negara Asal terhadap Jenis Film yang Disukai
Ranks
Mean Rank
Jenis_film

1,63

Negara

1,37

Test Statistics(a)
N

75

Chi-Square

6,452

df

Asymp. Sig.

,011

a Friedman Test

Kendall's W Test
Tabel 4.28 Output Kendalls W Test Pengaruh Negara Asal terhadap Jenis Film yang Disukai

Ranks
Mean Rank
Jenis_film

1,63

Negara

1,37

Test Statistics
N
Kendall's
W(a)
Chi-Square
df
Asymp. Sig.

75
,086
6,452
1
,011

a Kendall's Coefficient of Concordance

Output MINITAB
Uji Friedman

Friedman test for C3 by C2 blocked by C1

S = 10,50

DF = 2

P = 0,005

S = 15,00

DF = 2

P = 0,001 (adjusted for ties)

Est

C2

Sum of

Median

Ranks

25

4,0000

62,5

25

3,0000

40,0

25

3,0000

47,5

3,3333

Grand median
/

BAB V
ANALISA DATA

5.1 ANALISA METODE SAMPLING DAN HASIL SAMPLING

Data yang diolah dalam praktikum ini ada 6 macam, yaitu :
1. Data parametrik independen k = 2
Data yang digunakan adalah data jumlah kyai dan ustadz di setiap
kabupaten di Jawa Tengah. Data ini diambil dari BPS Jawa Tengah.
Sampling yang digunakan adalah area sampling.
2. Data parametrik independen k > 2
Data yang digunakan adalah jumlah jamaah haji yang diberangkatkan
dari beberapa kabupaten di Jawa Tengah pada tahun 2001, 2002 dan
2003. Data ini diambil dari Biro Pusat Statistik Jawa Tengah. Sampling
yang digunakan adalah area sampling.
3. Data nonparametrik independen k = 2
Data yang digunakan adalah data pengaruh jenis kelamin terhadap alat
aktualisasi yang digunakan. Data ini didapat dari kuesioner. Sampling
yang digunakan adalah sampling seadanya.
4. Data nonparametrik independen k > 2
Data yang digunakan data mengenai pengaruh golongan darah terhadap
jenis materi yang disukai. Data diambil dari kuesioner dimana
respondennya adalah mahasiswa Teknik Industri UNDIP.

Sampling

yang digunakan adalah area sampling.

5. Data nonparametrik dependen k = 2
Data yang digunakan adalah data jenis kelamin dan status. Data didapat
dari: www.google/info_guru_guru2.php.html. Metode

sampling yang

digunakan adalah sampling seadanya (convinience sampling)

6.

Data nonparametrik dependen k > 2

Data yang digunakan adalah daftar pengaruh jenis film terhadap daerah
asal produksi film. Data ini didapat dari sampling langsung pada tanggal.

Sampling yang digunakan adalah sampling seadanya (convinience

sampling)

5.2 Analisa Statistik Parametrik

5.2.1 Analisa Statistik Parametrik Independen k = 2
5.2.1.1 Output Excel
a. Statistik Deskriptif
Tabel 5.1 Statistik Deskriptif untuk Data Parametrik Independen k=2
kyai
Mean
Standard Error
Median
Mode
Standard Deviation
Sample Variance
Kurtosis
Skewness
Range
Minimum
Maximum
Sum
Count

ustadz
283.6667
26.95016
268.5
365
147.6121
21789.33
-0.89775
0.053532
561
13
574
8510
30

Mean
Standard Error
Median
Mode
Standard Deviation
Sample Variance
Kurtosis
Skewness
Range
Minimum
Maximum
Sum
Count

661.8
74.65758463
601.5
#N/A
408.9164319
167212.6483
5.073799684
1.611303503
2146
14
2160
19854
30

Keterangan Tabel :

Tabel statistik deskriptif ini terdiri dari 2 variabel.

Baris1 yaitu Mean adalah rata-rata dari seluruh data pengamatan. Untuk
kyai1 nilainya 283.6667 sedang untuk ustadz nilainya 661.8

Baris 2 yaitu Standard Error digunakan untuk memperkirakan besarnya

rata-rata dari data pengamatan yang diperkirakan dari sebuah sampel.
Untuk kyai standart error-nya 26.95016sedang ustadz standart error-nya
74.65758463.

Baris 3 yaitu Median adalah nilai tengah diperoleh dengan membagi dua
sama besar data yang telah diurutkan. Median untuk kyai dan ustadz
masing-masing adalah 268.5 dan 601.5.

Baris 4 yaitu Mode adalah nilai / data yang sering muncul untuk kyai
adalah 365 dan untuk ustadz tidak ada modusnya karena frekuensi
munculnya sama.

Baris 5 yaitu Standard Deviation atau standar deviasi digunakan untuk

menilai dispersi rata-rata dari sampel. Standar deviasi untuk kyai sebesar
147.6121dan ustadz sebesar 408.9164319

Baris 6 yaitu Sample Variance adalah variansi dari sampel, untuk kyai
besarnya 21789.33 sedang untuk ustadz sebesar 167212.6483.

Baris 7 yaitu Kurtosis, besarnya kurtosis untuk kyai adalah -0.89775dan

untuk ustadz adalah 5.073799684.

Baris 8 yaitu Skewness, besarnya skewness dari kyai adalah 0.053532dan

untuk ustadz adalah 1.611303503.

Baris 9 yaitu Range atau jangkauan. Didapat dengan mengurangkan data

maksimun dengan data minimum. Range untuk kyai adalah

561

sedangkan range untuk usstadz adalah 2146.

Baris 10 yaitu Minimum adalah nilai minimum. Pada kyai sebesar 13 dan
pada ustadz sebesar 14.

Baris 11 yaitu Maximum adalah nilai maksimum. Pada kyai sebesar 574
dan pada ustadz sebesar 2160.

Baris 12 yaitu Sum adalah jumlah seluruh data pengamatan dikalikan

frekuensi untuk tiap variabel. kyai sebesar 8510 sedang ustadz sebesar
19854.

Baris 13 yaitu Count merupakan jumlah pengamatan yang dilakukan yaitu

baik kyai maupun ustadz sama-sama 30.

b. UjiANOVA
Tabel 5.2 Anova Single Factor untuk Data Parametrik Independen k=2
SUMMARY
Groups
Kyai
Ustadz

Count
30
30

Sum
8510
19854

Average
283.6666667
661.8

Variance
21789.33
167212.6

Keterangan Tabel :
Dari tabel output Anova Single Factor, pada kolom groups terdapat dua
baris yaitu kyai dan ustadz, ini menunjukkan bahwa data yang digunakan
terdiri dari 2 variabel. kyai menunjukkkan bahwa data yang diambil yaitu
jumlah kyai dan ustadz menunjukkan bahwa data diambil yaitu jumlah
ustadz.

Kolom ke 2 yaitu Count menunjukkan jumlah data pengamatan yaitu 30

untuk tiap variabelnya.

Kolom 3 yaitu Sum menunjukkan jumlah seluruh data untuk tiap

variabelnya dikalikan frekuensi, variabel 1 jumlahnya 8510 sedang
variabel 2 jumlahnya 19854.

Kolom 4 yaitu Average atau rata-rata dari keseluruhan data tiap variabel.
Nilai ini diperoleh dari Sum dibagi Count, variabel 1 nilainya
283.6666667 dan variabel 2 nilainya 661.8.

Kolom 5 yaitu Variance menunjukkan variansi data, untuk variabel 1

nilainya 21789.33 dan untuk variabel 2 nilainya 167212.6.
Tabel 5.3 Uji Anova untuk Data Parametrik Independen k=2

ANOVA
Source of Variation

SS

df

MS

Between Groups
Within Groups

2144772
5481057

1
58

Total

7625830

59

2144772.267
94500.9908

F
22.69576

Pvalue
1.31E05

F crit
4.006873

Keterangan Tabel :

Pada tabel uji Anova terdapat 7 kolom dan 3 baris. Baris pertama adalah
between groups yang menunjukkan perlakuan sebagai Sources of
Variation, baris kedua adalah within groups yang menunjukkan galat
sebagai Sources of Variation serta baris ketiga adalah total dari baris
pertama dan kedua.

Kolom 1 adalah Source of Variation yaitu sumber variasi yang terdiri dari
between groups yang menunjukkan perlakuan dan within groups yang
menunjukkan galat serta jumlah dari keduanya.

Kolom 2 adalah SS (Sum of Square) atau jumlah kuadrat, untuk baris

pertama atau regresi mempunyai nilai SS sebesar 2144772 dan untuk baris
kedua atau sisa mempunyai SS sebesar 5481057 sedangkan totalnya
7625830.

Kolom 3 yaitu df atau derajat kebebasan, untuk baris pertama nilainya k1=2-1=1 sedangkan baris kedua nilai nilainya 58 atau dapat dihitung
dengan k(n-1)=2(30-1)=58 dan baris total merupakan jumlah dari baris 1
dan 2 yaitu 1+58=59.

Kolom 4 adalah MS (Mean Square) atau rataan kuadrat. Untuk baris

pertama (regresi) nilai MS-nya 2144772.267 sedang baris kedua (sisa)
94500.9908 atau dengan cara membagi JKregresi dengan dfregresi untuk MS
regresi, sedang MS sisa adalah JKsisa dibagi dfsisa.

Kolom 5 yaitu Fhitung, didapat nilainya 22.69576 atau dengan membagi MS

regresi dengan MS sisa.

Kolom 6 yaitu Pvalue atau probabilitas dan didapat nilai 1.31x 10-5. Dapat
digunakan untuk menentukan keputusan atas uji hipotesa yaitu dengan
membandingkan Pvalue dengan derajat keberartiannya.

Kolom 7 adalah Fcritical atau Ftabel, didapat nilai 4.006873. Dapat pula
digunakan untuk menentukan keputusan atas uji hipotesa yang dilakukan,
dengan membandingkan Ftabel dan Fhitung.

Pengujian :
1. Ho : 1 - 2 = 0
2. H1 : 1 - 2 > 0.
3. : 0,05
4. Daerah Kritis : Fhitung > Ftabel
P < = P < 0 ,05
5. Perhitungan :

(lihat tabel 5.3)

Fhitung = F = 22,69576
Ftabel

= F crit = 4,006873

P = P-value = 1,31x 10-5

6. Keputusan :
Terima Ho , karena
-

Berdasarkan nilai F, Fhitung > Ftabel = 22,69576>4,006873

- Berdasarkan nilai P (probabilitas), P < 0,05 = 1,31x 10 -5< 0,05

7. Kesimpulan: selisih rataan kyai dan ustadz tidak sama

c. t-Test
Tabel 5.3 Uji Mean dengan Distribusi t (t-Test) Untuk Parametrik Independen k=2
Mean
Variance
Observations
Pearson Correlation
Hypothesized Mean Difference
Df
t Stat
P(T<=t) one-tail
t Critical one-tail
P(T<=t) two-tail
t Critical two-tail

kyai
283.6667
21789.33
30
0.540701
0
29
-5.88806
1.08E-06
1.699127
2.17E-06
2.04523

ustadz
661.8
167212.6483
30

Keterangan Tabel :

Dari tabel uji t terdapat 3 kolom. Ini berarti ada 2 variabel yaitu kyai
(Variable 1) dan ustadz (Variable 2).

Baris 1 terdapat mean atau rata-rata dari data yang didapat. Variabel 1
mempunyai rata-rata 283.6667 dan variabel 2 mempunyai rata-rata 661.8

Baris 2 yaitu variance atau variansi ditunjukkan untuk variabel 1 sebesar

21789.33 dan untuk variabel 2 sebesar 167212.6483

Baris 3 yaitu observation atau jumlah sampel pengamatan yang diambil,

diperoleh nilai 30 berarti besarnya jumlah sampel pengamatan yaitu 30.

Baris 4 terdapat Pearson Correlation atau biasa disebut dengan korelasi

atau hubungan antar variabel, dimana dari tabel di atas diketahui nilainya
0.540701 berarti hubungan antara kedua variabel tidak begitu dekat karena
nilai dari Pearson Correlation-nya tidak mendekati 1.

Baris 5 menampilkan Hypothesized Mean Difference yaitu perbedaan nilai

rata-rata dari data yang dihipotesiskan, dari tabel diperoleh nilainya 0. Ini
berarti bahwa tidak terdapat perbedaan rataan dari kedua variabel tersebut
atau dengan kata lain identik.

Baris 6 terdapat df atau derajat kebebasan yang besarnya adalah 29 yang

didapat dari jumlah data pengamatan dikurang dengan n-1= 30-1=29.

Baris 7 menunjukkan t Stat atau nilai t berdasarkan perhitungan nilainya 5.88806, bisa digunakan untuk uji hipotesa.

Baris 8 yaitu P(T<=t) one-tail nilainya 1.08E-06 menunjukkan peluang

atau probabilitasnya yang bisa juga digunakan untuk uji hipotesa dengan
membandingkan antara nilai probabilitasnya dengan taraf keberartian,
untuk satu sisi menggunakan taraf keberartian 0,05 . Apabila nilai P ini
kurang dari nilai taraf keberartian maka keputusannya tolak H0 begitu pula
sebaliknya .

Baris 9 yaitu t Critical one-tail atau nilai t yang didapat dari tabel t untuk
satu sisi besarnya 1.699127, untuk menentukan keputusan hipotesa maka
nilai ttabel ini dibandingkan dengan nilai thitung bila ternyata t berada di
daerah kritis ( thitung > ttabel ) maka keputusan yang diambil adalah tolak H0
begitu pula sebaliknya.

Baris 10 adalah P(T<=t) two-tail nilainya 2.17E-06 menunjukkan peluang

atau probabilitasnya yang bisa juga digunakan untuk uji hipotesa dengan
membandingkan antara nilai probabilitasnya dengan taraf keberartian,
untuk dua sisi menggunakan taraf keberartian 0,05. Apabila nilai P ini
kurang dari nilai taraf keberartian maka keputusannya tolak H0 begitu pula
sebaliknya .

Baris 11 adalah t Critical two-tail atau nilai t yang didapat dari tabel t
untuk dua sisi besarnya 2.04523, untuk menentukan keputusan hipotesa

maka nilai ttabel ini dibandingkan dengan nilai thitung. Bila ternyata t berada
di daerah kritis ( thitung < -ttabel atau thitung > ttabel ) maka keputusan yang
diambil adalah tolak H0 begitu pula sebaliknya.
Pengujian eka sisi:
1. Ho : 1 - 2 = 0
2. H1 : 1 - 2 > 0
3. : 0,05
4. Daerah Kritis : thitung > ttabel
P < = P < 0,05
5. Perhitungan :
(lihat tabel 5.5)
thitung

= t Stat = -5.88806

ttabel

= t Critical one-tail = 1.699127

P = P(T<=t) one-tail = 1.08x 10 -6

6. Keputusan :
Terima Ho, karena
Berdasarkan nilai t, thitung < ttabel = -5.88806<1.699127
Tolak Ho, karena
Berdasarkan nilai P (probabilitas), P < = 1.08x 10 -6< 0,05
7. Kesimpulan:
Berdasarkan keputusan di atas maka rataan ustadz dan kyai tidak sama
Pengujian dwi sisi:
1. Ho : 1 - 2 = 0
2. H1 : 1 - 2 > 0
3. : 0,05
4. Daerah Kritis : thitung > ttabel
P < = P < 0,05
5. Perhitungan :
(lihat tabel 5.5)
thitung

= t Stat = -5.88806

ttabel

= t Critical two-tail = 2.04523

P = P(T<=t) two-tail = 2.17x10 -6

6. Keputusan :
Terima Ho, karena
Berdasarkan nilai t, thitung < ttabel = -5.88806< 2.04523
Tolak Ho, karena
Berdasarkan nilai P (probabilitas), P < = 2.17x10-6< 0,05
7. Kesimpulan:
Berdasarkan keputusan di atas rataan kyai dan ustadz tidak sama

d. F-Test (ekasisi)
Tabel 5.4 Uji Variansi (F-Test) untu k Data Parametrik Independen k=2
Mean
Variance
Observations
df
F
P(F<=f) onetail
F Critical onetail

kyai
283.6667
21789.33
30
29
0.130309

ustadz
661.8
167212.6
30
29

2.11E-07
0.5374

Keterangan Tabel :

Dari tabel Uji-F terdiri dari 3 kolom, kolom 1 berisi keterangan, kolom 2
berisi data variabel 1 (jumlah ustadz), kolom 3 berisi data variabel 2
(jumlah kyai).

Baris 1 terdapat Mean yaitu rata-rata dari data yang diambil untuk kedua
variabel, variabel 1 mempunyai rata-rata 283.6667 sedangkan untuk
variabel 2 mempunyai rata-rata 661.8.

Baris 2 terdapat Variance atau variansi, variansi untuk variabel 1 sebesar

21789.33 dan variabel 2 sebesar 167212.6.

Baris 3 menunjukkan Observations atau jumlah pengamatan sebesar 30

karena jumlah data yang diambil sebanyak 30.

Baris 4 terdapat df atau derajat kebebasan yang menunjukkan angka 29

dimana angka ini didapat dari pengurangan jumlah sampel pengamatan
dengan n-1= 30-1=29.

Baris 5 terdapat Fhitung sebesar 0.130309 bisa digunakan untuk uji hipotesa.

Baris 6 ada P(F<=f) one-tail atau probabilitas untuk distribusi F satu sisi
yang nilainya 2.11x10-7. Dapat digunakan untuk uji hipotesa dengan
membandingkan antara nilai probabilitasnya dengan taraf keberartian,
menggunakan taraf keberartian 0,05 . Apabila nilai P ini kurang dari nilai
taraf keberartian maka keputusannya tolak H0 begitu pula sebaliknya .

Baris 7 terdapat F Critical one-tail atau nilai Ftabel satu sisi yaitu 0.5374.
Untuk menentukan keputusan hipotesa maka nilai Ftabel ini dibandingkan
dengan nilai Fhitung bila ternyata F berada di daerah kritis (Fhitung > Ftabel)
maka keputusan yang diambil adalah tolak H0 begitu pula sebaliknya.

Pengujian:
1. Ho : 1 - 2 = 0
2. H1 : 1 - 2 > 0
3. : 0,05
4. Daerah Kritis : fhitung > ftabel
P < = P < 0,05
5. Perhitungan :
(lihat tabel 5.5)
thitung

= F =0.130309

ttabel

= f Critical one-tail = 0.5374

P = P(F<=f) one-tail = 2.11x10-7

6. Keputusan :
Tolak Ho, karena
Berdasarkan nilai t, thitung < ttabel =0.130309 < 0.5374
Berdasarkan nilai P (probabilitas), P < = 2.11x10-7 < 0,05
7. Kesimpulan:
Berdasarkan keputusan di atas selisih variansi antara kyai dan ustadz tidak
sama

5.2.1.2 Output SPSS

Tabel 5.5 Output SPSS untuk Data Parametrik Independen k = 2
Statistics
kyai
N

Valid
Missing

Mean
Std. Error of Mean
Median
Mode
Std. Deviation
Variance
Skewness
Std. Error of Skewness
Kurtosis

30

0
283.6667
26.95016
268.5000
365.00
147.61210
21789.333
.054

0
661.8000
74.65758
601.5000
14.00(a)
408.91643
167212.648
1.611

.427
-.898
.833
561.00
13.00
574.00
8510.00
72.7000

.427
5.074
.833
2146.00
14.00
2160.00
19854.00
199.2000

158.2000
170.7500
192.1000
216.4000
268.5000
342.0000
365.0000
418.2500

383.4000
409.7500
432.0000
537.4000
601.5000
709.0000
752.8000
969.0000

427.6000
486.8000

1000.6000
1087.6000

Std. Error of Kurtosis

Range
Minimum
Maximum
Sum
Percentiles

ustadz
30

10
20
25
30
40
50
60
70
75
80
90

a Multiple modes exist. The smallest value is shown

Keterangan Tabel :

N merupakan jumlah data yang valid/sah untuk diproses, jumlahnya

sebanyak 30 data dan data yang hilang adalah nol untuk masing masing,
jumlah ustadz dan kyai. Hal ini berarti semua data digunakan sepenuhnya
(data siap diproses).

Mean atau rata-rata Jumlah kyai adalah

adalah 661.8000.

283.6667

dan rata-rata jumlah ustadz

Error standard of mean menunjukkan seberapa besar mean data bervariasi

dari sampel ke sampel yang diambil dari distribusi yang sama. Dengan
standard eror of mean kita dapat memperkirakan besarnya populasi yang
dapat dilihat dari sampel yang digunakan. Error standard of mean
mempunyai tingkat kepercayaan 95% dengan k = 2 (angka 2 digunakan
karena tingkat kepercayaan 95%). Tingkat kepercayaan 95% berarti tingkat
kesalahan yang terjadi adalah sebesar 95%. Untuk menghitung Error
standard of mean dengan cara membagi standard deviation (standar deviasi)
dengan akar n. Error standard of mean untuk jumlah kyai adalah

26.95016

dan Error standard of mean untuk jumlsh ustadz adalah 74.65758.

Median atau titik tengah data jika semua data diurutkan dan dibagi dua sama
besar. Angka median untuk jumlah kyai adalah 268.5000 menunjukkan bahwa
50 % jumlah kyai adalah.
bawah.

Sedangkan

268.5000

median

ke atas, dan 50 % adalah

untuk

jumlah

menunjukkan bahwa 50 % jumlah ustadz adalah

ustadz
601.5000

268.5000

adalah

ke

601.5000

ke atas, dan 50 %

adalah 601.5000 ke bawah.

Mode (Modus) atau nilai yang sering muncul untuk data jumlah kyai adalah
365.00

dan untuk data jumlah ustadz adalah 14.00(a) (angka yang muncul pada

SPSS). Huruf a pada nilai modus output SPSS menunjukkan tidak terdapat
modus (frekuensi data seragam yaitu 1), maka yang ditampilkan adalah nilai
terkecil dari data tersebut.

Standard deviation (standar deviasi) untuk data jumlah kyai adalah 147.61210
dan 408.91643 untuk data jumlah ustadz.

Variance (variansi) merupakan kelipatan standar deviasi. Untuk data jumlah

kyai nilainya 21789.333 dan untuk data jumlah ustadz adalah 167212.648.

Ukuran skewness (kemencengan) berdasarkan perhitungan menggunakan

SPSS adalah 0 .054 untuk data jumlah kyai dan 1.611 untuk data jumlah
ustadz.

Ukuran kurtosis (keruncingan) berdasarkan perhitungan menggunakan SPSS

adalah -0.898 untuk data jumlah kyai dan 5.074 untuk data jumlah ustadz.

Range adalah data maksimum dikurangi data minimum, yaitu

561.00

untuk

data jumlah kyai dan 2146.00 untuk data jumlah ustadz.

Minimum adalah nilai minimum dari data. Untuk data besar jumlah kyai
nilainya 13 dan untuk data jumlah ustadz nilainya 14

Maximum adalah nilai maksimum dari data. Untuk data jumlah kyai nilainya
574 dan untuk data jumlah ustadz nilainya 2160.

Sum merupakan jumlah semua nilai dari data yaitu 8510.00 untuk data jumlah
kyai dan 19854.00 untuk data jumlah ustadz.

Persentil atau angka persentil :

o Rata-rata jumlah 10% jumlah kyai di tiap kabupaten berada dibawah
72.7000,

dan rata-rata jumlah 10% jumlah ustadz di tiap kabupaten berada

dibawah 199.2000.
o Rata-rata jumlah 20% jumlah kyai di tiap kabupaten berada di bawah
158.2000,

dan rata-rata jumlah 20% jumlah ustadz di tiap kabupaten

berada dibawah 383.400.

o Rata-rata jumlah 25% jumlah kyai di tiap kabupaten berada di bawah
170.7500,

dan rata-rata jumlah 25% jumlah ustadz di tiap kabupaten

berada dibawah 409.7500

o Rata-rata jumlah 30% jumlah kyai di tiap kabupaten berada di bawah
192.1000,

dan rata-rata jumlah 30% jumlah ustadz di tiap kabupaten

berada dibawah 432.0000.

o Rata-rata jumlah 40% jumlah kyai di tiap kabupaten berada di bawah
216.4000,

dan rata-rata jumlah 40% jumlah ustadz di tiap kabupaten

berada dibawah 537.4000.

o Rata-rata jumlah 50% jumlah kyai di tiap kabupaten berada di bawah
268.5000,

dan rata-rata jumlah 50% jumlah ustadz di tiap kabupaten

berada dibawah 601.5000.

o Rata-rata jumlah 60% jumlah kyai di tiap kabupaten berada di bawah
342.0000,

dan rata-rata jumlah 60% jumlah ustadz di tiap kabupaten

berada dibawah 709.0000.

o Rata-rata jumlah 70% jumlah kyai di tiap kabupaten berada di bawah

365.0000,

dan rata-rata jumlah 70% jumlah ustadz di tiap kabupaten

berada dibawah 752.8000.

o Rata-rata jumlah 75% jumlah kyai di tiap kabupaten berada di bawah
418.2500,

dan rata-rata jumlah 75% jumlah ustadz di tiap kabupaten

berada dibawah 969.0000.

o Rata-rata jumlah 80% jumlah kyai di tiap kabupaten berada di bawah
427.6000,

dan rata-rata jumlah 80% jumlah ustadz di tiap kabupaten

berada dibawah 1000.6000.

o Rata-rata jumlah 90% jumlah kyai di tiap kabupaten berada di bawah
486.8000,

dan rata-rata jumlah 80% jumlah ustadz di tiap kabupaten

berada dibawah 1087.6000.

a. Analisa Histogram jumlah kyai

kyai

10

Frequency

Mean = 283.6667
Std. Dev. = 147.6121
N = 30

0
0.00

100.00

200.00

300.00

400.00

500.00

600.00

kyai

Gambar 5.1 Analisa Histogram jumlah kyai

Pada variabel jumlah kyai dengan jumlah data 8510 dan jumlah
pengamatan 30 maka didapat rata-rata
deviasi

147.61210.

283.6667;

median

Variansi dari grafik ini adalah sebesar

268.5000;

dan standar

21789.333.

Maka grafik

tersebut normal. Grafik tersebut cenderung meruncing hal ini disebabkan

variansinya kecil karena data randomnya mengumpul.

b. Analisa Histogram jumlah ustadz

ustadz

10

Frequency

Mean = 661.80
Std. Dev. = 408.91643
N = 30

0
0.00

500.00

1000.00

1500.00

2000.00

2500.00

ustadz

Gambar 5.2 Analisa Histogram jumlah ustadz

Pada variabel jumlah penduduk perempuan dengan jumlah data 19854

dan jumlah pengamatan 30 maka didapat mean sebesar 661.8000 dan
mediannya sebesar 601.5000 serta standar deviasi 408.91643. Variansi dari
grafik ini adalah sebesar 167212.648. maka grafik tersebut normal , walaupun
grafik sedikit merata penyebaran datanya tetapi masih termasuk normal.
5.2.1.3 Output Minitab
Two-Sample T-Test and CI: C1; C2

Two-sample T for C1 vs C2

C1
C2

N
60
60

Mean
1,500
473

StDev
0,504
360

SE Mean
0,065
46

Difference = mu C1 - mu C2
Estimate for difference: -471,2
95% CI for difference: (-564,1; -378,4)
T-Test of difference = 0 (vs not =): T-Value = -10,15
59

P-Value = 0,000

DF =

1
Gambar 5.3 Boxplot kyai dan ustadz

Output diatas merupakan tampilan data distribusi normal dalam bentuk box plot.
Dapat dilihat bahwa seluruh nilai terdistribusi baik, dan tidak terdapat ada nilai ekstrim.
Diagram boxplot diatas menunjukkan persentil 25, persentil 75 dan median dari
himpunan data. Median data ditunjukkan dengan titik merah. Output bloxplot diatas
menunjukkan keragaman yang lebih besar untuk laju pertumbuhan pada tahun 2005.
Dari bentuk boxplot diatas dapat dikatakan bahwa distribusi sampelnya normal, karena
masih berada pada batas toleransi.

Keterangan :
1. Nilai percentil ke -25
2. Median
3. Nilai percentil ke -75
Hipotesis
1. Ho : kyai= ustadz
2. H1 : kyai ustadz

3. Daerah Kritis:

t > t / 2

4. Keputusan
Terima Ho, karena
Berdasarkan t > t / 2 =0

> -10,15

5. Kesimpulan: rata-rata jumlah ustadz dan kyai tidak sama

Perhitungan Manual Data Parametrik Independen k = 2

Statistik Deskriprif
Mean (Nilai Rata-Rata)
n

fx
Mean ( x ) jumlah kyai

i 1

8510
30

= 283.6667

fx
Mean ( x ) jumlah ustadz

i 1

n
=

19854
30

= 661.8
Analisa :
Dari perhitungan manual ini, hasil yang diperoleh sama dengan hasil dari
Excel maupun SPSS yaitu mean untuk jumlah kyai

adalah 283.6667

sedangkan untuk jumlah ustadz adalah 661.8.

Error standard of mean

Untuk menghitung error standard of mean dengan cara membagi standard
deviation (standar deviasi) dengan akar n. Error standard of mean untuk


147.6121
=
= 26.95016 dan Error standard of mean
n
30

jumlah kyai adalah

untuk besar gaji tahu 1993 adalah

408.91643
=
= 74.65758.
n
30

Analisa :
Dari perhitungan manual ini, hasil yang diperoleh sama dengan hasil dari
Excel maupun SPSS yaitu error standard of mean untuk jumlah kyai adalah
26.95016 sedangkan untuk jumlah ustadz adalah 74.65758.

Median (Nilai Tengah)

Median terletak pada tengah suatu data. Karena jumlah data adalah 30, maka
median dapat dicari dengan membagi dua jumlah nilai ke-15 dan 16 dari data
yang sudah diurutkan.
~ kyai
=

( n 1) / 2

252 285
2

= 268.5

ustadz

( n 1) / 2

588 615
2

= 601.5
Analisa :
Dari perhitungan manual ini, hasil yang diperoleh sama dengan hasil dari
Excel maupun SPSS yaitu median untuk jumlah kyai adalah 268.5 sedangkan
untuk jumlah ustadz adalah 601.5.

Mode/Modus (Nilai yang sering muncul)

Modus nilai yang sering muncul dari ke-30 data yang ada.untuk nilai yang
sering muncul dalam data jumlah kyai adalah
14a.
Analisa :

365

dan jumlah ustadz adalah

Dari perhitungan manual ini, hasil yang diperoleh sama dengan hasil dari
Excel maupun SPSS yaitu mode/modus untuk jumlah kyai adalah 365 dan
jumlah ustadz adalah 14a.

Standard Deviation/Standar Deviasi (Simpangan baku)

Standar deviasi jumlah kyai

x x

i 1

i
n 1

147.61210

Standar deviasi jumlah ustadz

x x

i 1

i
n 1

408.91643

Analisa :
Dari perhitungan manual ini, hasil yang diperoleh sama dengan hasil dari
Excel maupun SPSS yaitu Standard Deviation/Standar Deviasi untuk
jumlah kyai adalah

147.61210

sedangkan untuk jumlah ustadz adalah

408.91643.

Variance/Varians (Simpangan rata-rata kuadrat)

Varians jumlah kyai
n

i 1

x x

i
n 1

21789.333

Varians jumlah ustadz

n

i 1

x x

i
n 1

167212.648

Analisa :
Dari perhitungan manual ini, hasil yang diperoleh sama dengan hasil dari
Excel maupun SPSS yaitu Variance/Varians untuk jumlah kyai adalah
21789.333 sedangkan

untuk jumlah ustadz adalah 167212.648.

Kurtosis (tingkat kepuncakan dari sebuah distribusi)

Kurtosis jumlah kyai

n(n 1)

4 (n 1)(n 2)(n 3) f

xi x 3(n 1)

(n 2)(n 3)
2

30(31)
3( 29) 2
=
(57,49646393)
( 29)(28)( 27)
( 28)(27)

= (0,04242)(57,49646393) 3,337
=

-0.898

Kurtosis jumlah ustadz

n(n 1)

4 (n 1)(n 2)(n 3) f

xi x 3(n 1)

(n 2)(n 3)
2

30(31)
3( 29) 2
=
(197.6426214)
( 29)(28)( 27)
( 28)(27)

= (0,04242)(197.6426214) 3,337
= 5.074
Analisa :
Dari perhitungan manual ini, hasil yang diperoleh sama dengan hasil dari
Excel maupun SPSS yaitu koefisien kurtosis untuk besar jumlah kyai adalah 0.898 sedangkan

untuk jumlah ustadz adalah 5.047.

Skewness (Tingkat kemencengan suatu data yang telah dihitung)

Skewness jumlah kyai


n
s K (n 1)(n 2) f

xi x

30
(1.4616)
(29)(28)

= 0 .054
Skewness jumlah ustadz

n
s K (n 1)(n 2) f

xi x

30
(43.6044)
(29)(28)

= 1.611
Analisa :
Dari perhitungan manual ini, hasil yang diperoleh sama dengan hasil dari
Excel maupun SPSS yaitu koefisien skewness untuk jumlah kyai adalah 0.054
sedangkan untuk jumlah ustadz adalah 1.611.

Maximum/Maksimum (Nilai tertinggi dari suatu data)

Nilai maksimum jumlah kyai = 574
Nilai maksimum jumlah ustadz = 2160
Hasil ini sama dengan nilai maksimum data yang didapat dari output Excel
maupun SPSS.

Minimum/Minimum (Nilai terendah dari suatu data)

Nilai minimum jumlah kyai

= 13

Nilai minimum jumlah ustadz

= 14

Hasil ini sama dengan nilai minimum data yang didapat dari output Excel
maupun SPSS.

Range (Jangkauan data)

Range jumlah kyai = maksimum - minimum
= 274 - 13
= 561

Range jumlah ustadz

= maksimum - minimum
= 2160 - 14
= 2146

Hasil ini sama dengan range/jangkauan data yang didapat dari output Excel
maupun SPSS.

Sum (Jumlah data)

Jumlah kyai

= 8510

Jumlah ustadz

= 19854

Hasil ini sama dengan sum/jumlah data yang didapat dari output Excel
maupun SPSS.

Count (Jumlah pengamatan)

Jumlah pengamatan kyai

= 30

Jumlah pengamatan ustadz

= 30

Hasil ini sama dengan count/jumlah pengamatan yang didapat dari output
Excel maupun SPSS.

Percentile (fraktil yang membagi seperangkat data yang telah terurut menjadi
seratus bagian yang sama)
Pk

= nilai ke

k n 1
100

dengan nilai n = 30
dari rumus diatas maka didapat
Percentile jumlah kyai

10

nilai ke 3,1
=

0,1x 4 x3

= 70 + 0,1(97-70)
= 72.7

20

nilai ke 6,2

0,2x7 x6

= 156 + 0,2(167-156)
= 158.2

25

nilai ke 7,75

0,25x8 x7

= 167 + 0,25(172-167)
= 168.25

30

nilai ke 9,3
=

0,3x10 x9

= 187 + 0,3(204-187)
= 192.1

40

nilai ke 12,4
=

12

0,4x13

x
12

= 210+ 0,4(226-210)
= 216.4

50

nilai ke 15,5

15

0,5x16 x15

= 252 + 0,5(285-252)
= 268.5

60

nilai ke 18,6

18

0,6x19

x
18

= 330 + 0,6(350-330)
= 342

70

nilai ke 21,7

21

0,7 x 22 x21

= 365 + 0,7(365-365)
= 365

75

nilai ke 23,25

23

0,75x24

x
23

= 417 + 0,75(422-417)
= 420.75

80

nilai ke 24,8

24

0,8x 25 x24

= 422 + 0,8(429-422)
= 427.6

90

nilai ke 27,9

27

0,9x 28 x27

= 485 + 0,9(487-485)
= 486.8
Percentile jumlah ustadz
P10 nilai ke 3,1
=

0,1x 4 x3

= 196 + 0,1(228-196)
= 199.2

20

nilai ke 6,2
=

0,2x7 x6

= 380 + 0,2(397-380)
= 383.3

25

nilai ke 7,75

0,25x8 x7

= 397 + 0,25(414-397)
= 401.25

30

nilai ke 9,3

0,3x10 x9

= 426 + 0,3(446-426)
= 432

40

nilai ke 12,4

12

0,4x13

x
12

= 527+ 0,4(553-527)
= 537.4

50

nilai ke 15,5

15

0,5x16 x15

= 588 + 0,5(615-588)
= 601.5

60

nilai ke 18,6

18

0,6x19

x
18

= 700 + 0,6(715-700)
= 709

70

nilai ke 21,7

21

0,7 x 22 x21

= 729 + 0,7(763-729)
= 752.8

75

nilai ke 23,25

23

0,75x24

x
23

= 963 + 0,75(987-963)
= 981
P80 nilai ke 24,8
=

24

0,8x 25 x24

= 987 + 0,8(1004-987)
= 1000.6

90

nilai ke 27,9

27

0,9x 28 x27

= 1030 + 0,9(1094-1030)
= 1087.6
Hasil ini sama dengan count/jumlah pengamatan yang didapat dari output
Excel maupun SPSS.

5.2.1.4 Perhitungan anova Manual

Perhitungan anova Manual
1. H0 = 1 2
2. H1 = Paling sedikit 2 rataan tidak sama
3. 0,05

4. Daerah Kritis : f hitung > f tabel

V1= k-1
= 2-1 = 1
V2= k (n-1)
= 2 (30-1) = 58
Karena f tabel dengan derajat kebebasan 1,58 tidak terdapat da tabel L6 maka
dilakukan interpolasi :

4,00 x
60 58

4,00 4,08 60 40
X

= 4,008

5. Perhitungan
Tabel 5.6 Perhitungan Anova Manual

Y1

No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

Y2

jumlah

jumlah 2

442

963

1405

1974025

209

397

606

367236

252

414

666

443556

330

228

558

311364

167

380

547

299209

417

763

1180

1392400

422

654

1076

1157776

235

700

935

874225

210

718

928

861184

97

196

293

85849

58

615

673

452929

70

172

242

58564

114

242

356

126736

350

729

1079

1164241

485

426

911

829921

156

527

683

466489

429

1.030

1459

2128681

365

987

1352

1827904

496

588

1084

1175056

364

2.160

2524

6370576

21
22
23
24
25
26
27
28
29
30
Total

No

574

1.096

1670

2788900

285

715

1000

1000000

365

571

936

876096

329

1.007

1336

1784896

204

1.004

1208

1459264

226

553

779

606841

187

465

652

425104

172

446

618

381924

487

1.094

1581

2499561

13

14

27
28364

729
34191236

8510

19854

Y1 kuadrat
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

Y2 kuadrat

jumlah

195364

927369

1122733

43681

157609

201290

63504

171396

234900

108900

51984

160884

27889

144400

172289

173889

582169

756058

178084

427716

605800

55225

490000

545225

44100

515524

559624

9409

38416

47825

3364

378225

381589

4900

29584

34484

12996

58564

71560

122500

531441

653941

235225

181476

416701

24336

277729

302065

184041

1060900

1244941

133225

974169

1107394

246016

345744

591760

132496

4665600

4798096

329476

1201216

1530692

81225

511225

592450

23
24
25
26
27
28
29
30
total

Faktor korelasi

133225

326041

459266

108241

1014049

1122290

41616

1008016

1049632

51076

305809

356885

34969

216225

251194

29584

198916

228500

237169

1196836

1434005

169

196

365
21034438

3045894

17988544

T2
nk

(28364)2
30 2

= 13408608

JKT yij
i 1 j 1

T 2 ..
nk

= 21034438

(28364)2
60

= 7625830
k

JKA

i 1

n
=

T 2 ..
nk

72420100 3,94E 08 (28364)2

30
60

= 2144772

JKG = JKT JKA

= 7625830-2144772
= 5481057

S12

JKA
k 1
2144772
2 1

= 2144772

S22

JKG
k (n 1)

5481057
2(30 1)

= 94500,99
Fhitung =

s12 2144772

22,69576
s22 94500,99

= P[F[k-1,k(n-1)]>f]
=P[22,69576[2-1,k(30-1)]>4.008]
= 1.31x10-5

Tabel 5.7 Perhitungan Manual Uji Anova Data Parametrik dengan k=2 Independen
Sumber
Variasi

Jml. Kuadrat

Derajat

Rataan

kebebasan

Kuadrat

F Hitungan

Nilai P

F Kritis

Perlakuan

JKA=2144772

k-1=1

JKA
2
S1
k 1
= 2144772

S1
2
S2
=
22,69576

JKG=5481057
Galat

S2
k(n-1) = 58

JKA
k (n 1)

=94500,99

1.31x 10

-5

4,008

Total

JKT=7625830 n(k-1) = 59

Keterangan tabel 5.7:

JKT adalah jumlah kuadrat total, yaitu didapatkan angka 7625830. Dimana
derajat kebebasannya adalah 59

JKA adalah jumlah kuadarat perlakuan, yaitu didapatkan angka 2144772.

JKG adalah jumlah kuadrat galat, yaitu didapatkan angka 5481057. Dengan
derajat kebebasan 58.

Didapatkan nilai F hitungan adalah 22,69576

6. Keputusan :
Tolak Ho karena Fhitung > FCrit yaitu 22,69576 > 4,008.
7. Kesimpulan :
Bahwa selisih rata-rata jumlah kyai pada tahun 2004 dan jumlah ustadz pada tahun
2004 tidak sama sama secara signifikan

Perbandingan excel dengan perhitungan manual

Tabel 5.8 Perbandingan excel dengan perhitungan manual kyai

Jumlak kyai
excel
Mean
Std. Error of Mean
Median
Mode
Std. Deviation
Variance
Skewness
Std. Error of Skewness
Kurtosis
Std. Error of Kurtosis
Range
Minimum
Maximum

283.6667
26.95016
268.5000
365.00
147.61210
21789.333
.054
.427
-.898
.833
561.00
13.00
574.00

Perhitungan manual
283.6667
26.95016
268.5
365
147.6121
21789.33
0.054
.427
-0.898
.833
561
13
574

Sum
Percentiles

8510.00
72.7000
158.2000
170.7500
192.1000
216.4000
268.5000
342.0000
365.0000
418.2500
427.6000
486.8000

10
20
25
30
40
50
60
70
75
80
90

8510
72.7
158.2
170.75
192.1
218.4
268.5
342
365
418.25
427.6
486.8

Tabel 5.9 Perbandingan excel dengan perhitungan manual ustadz

Jumlah ustadz
excel
Mean
Std. Error of Mean
Median
Mode
Std. Deviation
Variance
Skewness
Std. Error of Skewness
Kurtosis
Std. Error of Kurtosis
Range
Minimum
Maximum
Sum
Percentiles

10
20
25
30
40
50
60
70
75
80
90

661.8000
74.65758
601.5000
14.00(a)
408.91643
167212.648
1.611
.427
5.074
.833
2146.00
14.00
2160.00
19854.00
199.2000
383.4000
409.7500
432.0000
537.4000
601.5000
709.0000
752.8000
969.0000
1000.6000
1087.6000

Perhitungan manual
661.8
74.65758
601.5
14
408.91643
167212.648
1.611
.427
5.074
.833
2148
14
2160

19854
199.2
383.4
409.75
432
537.4
601.5
709
752.8
969
1000.6
1087.6

5.2.2 Analisa Statistik Parametrik Independen k > 2

5.2.2.1 Output Excel
a. Statistik Deskriptif
Tabel 5.10 Statistika Deskriptif Parametrik k>2

Tahun_I

Tahun_II

Tahun_III

Mean
Standard Error
Median
Mode
Standard Deviation
Sample Variance
Kurtosis
Skewness
Range
Minimum
Maximum
Sum
Count

591.1
96.59452
396.5
305
529.07
279915.1
5.221323
2.126618
2451
64
2515
17733
30

Mean
Standard Error
Median
Mode
Standard Deviation
Sample Variance
Kurtosis
Skewness
Range
Minimum
Maximum
Sum
Count

586.0333333
70.62350368
484.5
#N/A
386.8208606
149630.3782
4.72060158
1.759399121
1888
99
1987
17581
30

Mean
Standard Error
Median
Mode
Standard Deviation
Sample Variance
Kurtosis
Skewness
Range
Minimum
Maximum
Sum
Count

511.6667
54.26415
460.5
314
297.217
88337.95
3.794255
1.492342
1441
109
1550
15350
30

Keterangan Tabel :

Tabel Statistik Deskriptif ini terdiri dari 3 kolom karena terdiri dari 3
variabel yaitu jumlah jamaah haji tahun 2001(tahun I), tahun 2002(tahun II)
dan tahun 2003(tahun III).

Baris1 yaitu Mean adalah rata-rata dari seluruh data pengamatan, untuk
column 1 nilainya 591.1 ,Column 2 nilainya 586.0333333 dan colomn 3
nilainya 511.6667.

Baris 2 yaitu Standard Error digunakan untuk memperkirakan besarnya

rata-rata dari data pengamatan yang diperkirakan dari sebuah sampel.
Untuk Column 1 standart errornya 96.59452, column 2 standart errornya
70.62350368 dan column 3 nilainya 54.26415.

Baris 3 yaitu Median adalah nilai tengah diperoleh dengan membagi dua
sama besar data yang telah diurutkan. Median untuk Column 1 adalah 396.5
dan column 2 adalah 484.5 dan untuk column 3 yaitu 460.5.

Baris 4 yaitu Mode adalah nilai / data yang sering muncul. Pada kolom 1
modenya adalah 305 .Pada kolom 3 adalah 314.

Baris 5 yaitu Standard Deviation atau standar deviasi digunakan untuk

menilai dispersi rata-rata dari sampel. Standar deviasi untuk kolom 1
sebesar 529.07;
297.217.

kolom 2 sebesar 386.8208606 dan kolom 3 sebesar

Baris 6 yaitu Sample Variance adalah variansi dari sampel, untuk Column 1
besarnya 279915.1 untuk kolom 2 sebesar 149630.3782 dan untuk kolom 3
yaitu 88337.95.

Baris 7 yaitu Kurtosis adalah derajat kepuncakan dari suatu distribusi,

biasanya diambil secara relatif terhadap suatu distribusi normal, besarnya
kurtosis untuk Column 1 adalah

5.221323 untuk kolom 2 adalah

4.72060158 sedangkan untuk kolom 3 yaitu 3.794255.

Baris 8 yaitu Skewness adalah derajat ketaksimetrisan, atau kejauhan dari

simetri dari suatu distribusi, besarnya skewness dari kolom 1 adalah
2.126618 untuk column 2 adalah 1.759399121 sedangkan untuk kolom 3
yaitu 1.492342.

Baris 9 yaitu Range atau jangkauan didapat dengan mengurangkan data

maksimun dengan data minimum. Range untuk Column 1 adalah 2451;
untuk Column 2 adalah 1888 dan untuk column 3 yaitu 1441.

Baris 10 yaitu Minimum adalah nilai minimum. Pada column 1 sebesar 64

dan pada column 2 sebesar 99 sedangkan untuk column 3 yaitu 109.

Baris 11 yaitu Maximum adalah nilai maksimum pada Column 1 sebesar

2515 dan pada column 2 sebesar 1987 sedangkan nilai maksimum pada

column ke3 yaitu sebesar 1550.

Baris 12 yaitu Sum adalah jumlah seluruh data pengamatan dikalikan

frekuensi untuk tiap variabel. Pada column 1 sebesar 17733 sedang Column
2 sebesar 17581 sedangkan nilai Sum pada column 3 yaitu sebesar 15350.

Baris 13 yaitu Count merupakan jumlah pengamatan yang dilakukan yaitu

baik Column 1, 2 dan 3 sama-sama berjumlah 30 pengamatan.

b. Uji Anova
Analisa Tabel
Tabel 5.11 Output Anova (a)

SUMMARY
Groups
tahun_I
tahun_II

Count
30
30

Sum
17733
17581

Average
591.1
586.0333

Variance
279915.1
149630.4

tahun_III

30

15350

511.6667

88337.95

Keterangan tabel :

Dari tabel Anova Single Factor pada kolom groups terdapat tiga baris yaitu
column 1, column 2, dan column 3, hal ini menunjukkan bahwa data yang
digunakan terdiri dari 3 variabel. Column 1 menunjukkkan bahwa data
yang diambil berasal dari kolom 1 yaitu jumlah jamaah haji menurut
kabupaten / kota di Jawa Tengah untuk tahun 2001, column 2
menunjukkkan bahwa data diambil dari kolom 2 yaitu jumlah jamaah haji
menurut kabupaten / kota di Jawa Tengah ntuk tahun 2002 dan column
ketiga menunjukkan bahwa data diambil dari kolom 3 yaitu jumlah jamaah
haji menurut kabupaten / kota di Jawa Tengah untuk tahun 2003.

Kolom ke 2 yaitu Count menunjukkan jumlah data pengamatan yaitu 30

untuk tiap variabelnya.

Kolom 3 yaitu Sum menunjukkan jumlah seluruh data untuk tiap

variabelnya dikalikan frekuensi, variabel 1 jumlahnya 17733 sedang
variabel 2 jumlahnya 17581 dan variabel 3 jumlahnya 15350.

Kolom 4 yaitu Average atau rata-rata dari keseluruhan data tiap variabel.
Nilai ini diperoleh dari Sum dibagi Count, variabel 1 nilainya 591.1 ,
variabel 2 nilainya 586.0333 dan variabel 3 nilainya 511.6667.

Kolom 5 yaitu Variance menunjukkan variansi data, untuk variabel 1

nilainya 279915.1, untuk variabel 2 nilainya 149630.4 dan variabel 3
nilainya 88337.95.
Tabel 5.11 Output Anova (b)

ANOVA
Source of Variation
Between Groups
Within Groups

SS
118657.3
15018618

Total

15137276

Keterangan able

df
2
87
89

MS
59328.63
172627.8

F
0.343679

P-value
0.710115

F crit
3.101296

Pada tabel Anova terdapat 7 kolom dan 3 baris. Baris pertama adalah
between groups, baris kedua adalah within groups dan baris ketiga adalah
total dari baris pertama dan kedua.

Kolom 1 adalah Source of Variation yaitu sumber variasi yang terdiri dari
between dan within groups serta jumlah dari keduanya.

Kolom 2 adalah SS atau jumlah kuadrat, untuk baris pertama atau

Perlakuan mempunyai nilai SS sebesar 118657.3 dan untuk baris kedua atau
Galat mempunyai SS sebesar 15018618 sedangkan totalnya 15137276.
Untuk mencari jumlah kuadrat dari regresi dapat dihitung dengan rumus :
k

T2
JKT y ij2 ..
nk
i 1 j 1
k

JKA

i 1

T..2
nk

JKG JKT JKA

Dimana T adalah Total seluruh demand untuk tiga tahun (2001, 2002, dan
2003).

Kolom 3 yaitu df atau derajat kebebasan, untuk baris pertama nilainya 2(k1 = 3-1 = 2) sedangkan baris kedua nilai nilainya 87 {k (n-1) = 3x29 = 78)
dan baris ketiga merupakan totalnya 89 (87+2) atau n(k-1)=89. K disini
berjumlah 3 yang menunjukkan ada 3 macam perlakuan.

Kolom 4 adalah MS atau rataan kuadrat untuk baris pertama (Perlakuan)

nilai MS-nya 59328.63 sedangkan baris kedua (galat) 172627.8 atau dengan
cara membagi JKperlakuan dengan dfperlakuan untuk MS perlakuan, sedangkan
MS galat adalah JKgalat dibagi dfgalat.

Kolom 5 yaitu Fhitung , untuk baris pertama didapat nilainya 0.343679 atau
dengan membagi MS perlakuan dengan MS galat.

Kolom 6 yaitu Pvalue atau probabilitas dan nilai yang didapat untuk baris
pertama adalah 0.710115. Dapat digunakan untuk menentukan keputusan
atas uji hipotesa yaitu dengan membandingkan Pvalue dengan derajat
keberartiannya.

Kolom 7 adalah Fcritical atau Ftabel hasil yang didapat untuk Perlakuan adalah
3.101296, dapat pula digunakan untuk menentukan keputusan atas uji

hipotesa yang dilakukan, dengan membandingkan Ftabel dan Fhitung. Besarnya

Fcrit dapat dilihat dari interpolasi pada

able L.6 Walpole.

Pengujian :
1. Ho : 1 = 2 = 3
2. H1 : ketiga rataan tidak semua sama
3. : 0,05
4. Daerah Kritis : Fhitung > Ftabel
P < = P < 0,05
5. Perhitungan :
(lihat tabel 5.10)
Fhitung = F = 0.343679
Ftabel = F crit = 3.101296
P = P-value = 0.710115
6. Keputusan :
Tolak H0 , karena
-

Berdasarkan nilai F, Fhitung > Ftabel = 0.343679 < 3.101296

Terima Ho, karena

- Berdasarkan nilai P (probabilitas), P > = 0.710115 > 0,05

7.

Kesimpulan:
Rata-rata jemaah haji tiap tahunnya tidak sama.

5.2.2.2 Output SPSS Parametrik Independen k > 2

Analisa Histogram

Tahun 2001

Tahun_I

14

12

Frequency

10

2
Mean = 591.10
Std. Dev. = 529.06999
N = 30

0
0.00

500.00

1000.00

1500.00

2000.00

2500.00

3000.00

Tahun_I

Gambar 5.4 Jumlah jemaah haji tahun 2001

Pada kolom 1 dengan jumlah 17733 dan jumlah pengamatan 30 maka

didapat rata-rata 591.1; median 396.5; standar deviasi 529.07; dan variansi sebesar
279915.1 . Dari grafik diatas terlihat bahwa batang histogram berbentuk kurva
normal. Hal ini dapat menunjukkan bahwa data mengenai jumlah jamaah haji
menurut kabupaten / kota di Jawa Tengah ini merupakan data berdistribusi normal
atau lebih condong mendekati kurva normal.

Tahun 2002
Tahun_II

12

10

Frequency

2
Mean = 586.0333
Std. Dev. = 386.82086
N = 30

0
0.00

500.00

1000.00

1500.00

2000.00

Tahun_II

Gambar 5.5 Jumlah jemaah haji tahun 2002

Pada kolom 1 dengan jumlah demand 17581 dan jumlah pengamatan 30

maka didapat rata-rata 586.0333333; median 484.5; standar deviasi 386.8208606;
dan variansi sebesar 149630.3782. Dari grafik diatas terlihat bahwa batang
histogram berbentuk kurva normal. Hal ini dapat menunjukkan bahwa data

mengenai jumlah jamaah haji menurut kabupaten / kota di Jawa Tengah ini
merupakan data berdistribusi normal atau lebih condong mendekati kurva normal.

Tahun 2003
Tahun_III

10

Frequency

Mean = 511.6667
Std. Dev. = 297.21702
N = 30

0
0.00

500.00

1000.00

1500.00

2000.00

Tahun_III

Gambar 5.6 Jumlah jemaah haji tahun 2003

Pada column 3 dengan jumlah demand 15350 dan jumlah pengamatan 30

maka didapat rata-rata 511.6667; median 460.5 ;standar deviasi 297.217; dan
variansi sebesar 88337.95. Dari grafik diatas terlihat bahwa batang histogram

memiliki kemiripan bentuk dengan kurva normal. Hal ini dapat menunjukkan
bahwa data mengenai jumlah jamaah haji menurut kabupaten / kota di Jawa
Tengah ini merupakan data berdistribusi normal atau lebih condong mendekati
kurva normal.

5.3 Analisa Statistik Non Parametrik

5.3.1

Analisa Statistik Non Parametrik Independen k = 2

5.3.1.1 Output SPSS
a. Statistik Deskriptif
Tabel 5.12 Deskriptif Statistik Pengaruh Jenis kelamin terhadap

aktualisasi diri
Descriptive Statistics

Percentiles
N
gadget
jenis_kelamin

50

Mean
1,5600

Std. Deviation
1,01338

Minimum
1,00

Maximum
5,00

25th
1,0000

50th (Median)
1,0000

75th
2,0000

50

1,5000

,50508

1,00

2,00

1,0000

1,5000

2,0000

Tabel 5.10 Statistik Deskriptif untuk Data Non Parametrik Independen k = 2

Keterangan Tabel :
- Pada kolom pertama menunjukkan variabel yang digunakan yaitu data
jenis kelamin dan gadget
- Kolom kedua menunjukkan banyaknya data untuk kedua keadaan tersebut
sejumlah masing-masing 50 data.
- Kolom ketiga menunjukkan nilai rata-rata. Untuk data gadget adalah
1,560 dan untuk data jenis kelamin 1,50
- Kolom keempat menunjukkan nilai standar deviasi. Untuk data gadget
adalah 1,01338, dan untuk data jenis kelamin adalah 0,50508.
- Kolom kelima menunjukkan nilai minimum. Untuk data gadget adalah 1,0
dan untuk data jenis kelamin adalah 5,0
- Kolom keenam menunjukkan nilai maksimum. Untuk data gadget adalah
5,0 dan untuk data jenis kelamin adalah 2,0.
- Kolom keenam menunjukkan persentil 25,50, dan 75.

Uji Mann-Whitney

Tabel 5.13 Output Mann-Whitney Test Pengaruh Jenis kelamin terhadap aktualisasi diri

Ranks
gadget

jenis_kelam
in
laki-laki
perempuan
Total

N
25
25

Mean Rank
27,82
23,18

Sum of Ranks
695,50
579,50

50

Keterangan Tabel :

Kolom N pada tabel ranks di atas adalah jumlah sampel per kelompok.
Dari tabel uji Mann-Whitney diatas terlihat bahwa untuk jumlah data (N)

laki-laki = 25, perempuan= 25. Jadi, jumlah total keseluruhan dari data =
50.

Mean rank yaitu rata-rata rank, untuk laki-laki nilainya 27,82 dan untuk
perempuan nilainya 23,18.

Sum of rank yaitu jumlah rank-nya, untuk laki-laki nilainya 695,50 dan
untuk perempuan nilainya 579,50
Test Statistics(a)
Test Statistics(a)

Mann-Whitney U
Wilcoxon W
Z

gadget
254,500
579,500

-1,365
,172
a Grouping Variable: jenis_kelamin

Asymp. Sig. (2-tailed)

Keterangan Tabel :
Tabel test statistic uji Mann-Whitney terdiri dari 4 baris.
Baris 1 yaitu Mann-Whitney U atau statistik hitung Mann-Whitney
nilainya adalah 254,500.
Baris 2 yaitu Wilcoxon W atau statistik hitung Wilcoxon nilainya adalah
579,500
Baris 3 yaitu Mann-Whitney Z atau nilai Z untuk melakukan uji MannWhitney nilainya -1,365
Baris 4 yaitu asymp. Sig. (2-tailed)/asymptotic significance atau peluang
untuk uji 2 sisi adalah ,172
Pengujian :
1. Ho : 1 = 2
2. H1 : 1 2
3.

: 0,05

4. Daerah kritis : P < = P < 0,05

5. Perhitungan :

(lihat tabel 5.14)

P = asymp. Sig. (2-tailed) = 0,172
6. Keputusan :
Terima Ho, karena berdasarkan nilai P (probabilitas), P > = 0,172
>0,05
7. Kesimpulan: rataan untuk jumlah gadget dan jenis kelamin penduduk
sama.

- Uji Moses
Tabel 4.14 Output Moses Test Pengaruh Jenis kelamin terhadap aktualisasi diri

Frequencies
Frequencies
jenis_kelamin
laki-laki
(Control)
perempuan
(Experimenta
l)
Total

gadget

N
25
25
50

Keterangan Tabel :

Tabel uji moses diatas terdiri dari 3 baris.

Dari kolom N pada tabel uji moses diatas terlihat bahwa untuk jumlah data
(N) laki-laki berjumlah 25, dan perempuan berjumlah 25. Jadi, jumlah
total keseluruhan dari data adalah 50.

Test Statistics(a,b)
Test Statistics(a,b)

Observed Control
Group Span

Sig. (1-tailed)

Trimmed Control
Group Span

Sig. (1-tailed)
Outliers Trimmed from each End
a Moses Test
b Grouping Variable: jenis_kelamin

gadget
33
,000
33
,000
1

Keterangan Tabel :
Tabel test statistic uji Moses diatas terdiri dari 5 baris.
Baris 1 yaitu Observed Control yaitu jumlah pengamatan awal, nilainya
adalah 33.
Baris 2 yaitu Group Span Sig. (1-tailed) yaitu probabilitas untuk uji satu
sisi sejumlah data pada baris 1, nilainya 0,000
Baris 3 yaitu Trimmed Control adalah jumlah data pengamatan yang
berada pada rentang grup kendali, yaitu jumlah pengamatan dikurangi
data-data ekstrim di grup percobaan.
Baris 4 yaitu Group Span Sig. (1-tailed) yaitu probabilitas untuk uji satu
sisi sejumlah data pada baris 3, nilainya ,000.
Baris 5 yaitu Outliers Trimmed from each End yaitu jumlah data yang
berada di luar rentang grup kendali dari tiap-tiap sisi.

Pengujian :
1. Ho : s1 - s2 = 0
2. H1 : s1 - s2
3.

: 0,05

4. Daerah kritis :

P < = P < 0,05

5. Perhitungan :
(lihat tabel 5.13)
P = Group Span Sig. (1-tailed) = 0,000
6. Keputusan :
Tolak Ho, karena berdasarkan nilai probabilitas, P < = 0,000 < 0,05
7. Kesimpulan: selisih antara standar deviasi untuk jumlah penduduk lakilaki dan perempuan tidak sama

Uji Kolmogorof Smirnov

Tabel 4.1 4 Output Kolmogorov-Smirnov Test Pengaruh Jenis kelamin terhadap aktualisasi diri
Frequencies

jenis_kelam
in
laki-laki

gadget

perempuan
Total

N
25
25
50

Test Statistics(a)

Keterangan Tabel :

Dari kolom N pada tabel uji kolmogorof-Smirnov diatas terlihat bahwa

untuk jumlah data (N) laki-laki = 25, perempuan= 25. Jadi, jumlah total
keseluruhan dari data = 50.

Test Statistics(a)
Most Extreme
Differences

Absolute
Positive
Negative

Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)

gadget
,160
,000
-,160
,566
,906

a Grouping Variable: jenis_kelamin

Keterangan Tabel :
Tabel test statistic uji kolmogorof-smirnov diatas terdiri dari 5 baris.
Baris 1 yaitu Most Extreme Absolute atau nilai-nilai absolut yang paling
ekstrim, nilainya 0,160.
Baris 2 yaitu Differences positive nilainya ,000 artinya nilai beda-beda
positifnya ,000.
Baris 3 yaitu Differences negative nilainya -0,160 artinya nilai beda-beda
negatifnya -,160.
Baris 4 yaitu Kolmogorov-Smirnov Z nilainya 0,566 artinya nilai Z untuk
uji kolmogorof-Smirnov adalah 0,566

 Baris 5 yaitu asymp. Sig. (2-tailed)/asymptotic significance atau peluang

untuk uji 2 sisi adalah 0,906

Pengujian :
1. Ho : 1 = 2
2. H1 : 1 2
3.

: 0,05

4. Daerah kritis : P < = P < 0,05

6. Perhitungan :
(lihat tabel 5.18)
P = asymp. Sig. (2-tailed) =0,906
7. Keputusan :
Tolak Ho, karena berdasarkan nilai P (probabilitas), P > = 0,906 >0,05
8. Kesimpulan: rataan untuk laki-laki dan perempuan sama.

5.3.1.2 Output Minitab

Mann-Whitney Test and CI: laki_laki; perempuan

laki_lak

N =

25

Median =

1,000

perempua

N =

25

Median =

1,000

Point estimate for ETA1-ETA2 is

0,000

95,2 Percent CI for ETA1-ETA2 is (-0,000;1,000)

W = 695,5
Test of ETA1 = ETA2

vs

ETA1 not = ETA2 is significant at

0,2646
The test is significant at 0,1759 (adjusted for ties)

Cannot reject at alpha = 0,05

Keterangan :
Output menunjukkan banyak data adalah 25.

 Median laki-laki adalah 1 dan perempuan adalah 1

Nilai taksirannya sebesar 0,000.
P-value Uji mann-Whitney adalah 0.1759
Pengujian :
1. Ho : Rataan jumlah gadget sama dengan rataan jumlah jenis kelamin.
2. H1 : Rataan jumlah gadget tidak sama dengan rataan jumlah jenis
kelamin
3.

: 0,05

4. Daerah penolakan: P-value <

5. Perhitungan :
(lihat tabel hasil uji minitab)
P-value = 0.1759 = The test is significant at 0.1759
6. Keputusan :
terima Ho, karena berdasarkan nilai P, P > = 0,1759 >0,05
7. Kesimpulan: rataan untuk jumlah gadget dan jenis kelamin sama.

5.3.2

Analisa Statistik Non Parametrik Independen k > 2

5.3.2.1 Output SPSS

a. Statistik Deskriptif
Tabel 5.15 Descriptive Statistics untuk Data Non Parametrik K > 2
Descriptive Statistics
N

Minimum

Maximum

Mean

Std. Deviation

Gol_darah

75

1,00

3,00

2,0000

,82199

Cara_belajar

75

1,00

3,00

1,8667

,82746

Keterangan Tabel :
- Pada kolom pertama menunjukkan variabel yang digunakan golongan
darah dan cara belajar

- Kolom kedua menunjukkan banyaknya data yaitu untuk kedua keadaan

tersebut adalah sama yaitu 75 data.
- Kolom ketiga menunjukkan nilai rata-rata. Untuk golongan darah adalah
2,000, sedangkan untuk cara belajar adalah 1,8667
- Kolom keempat menunjukkan nilai standar deviasi. Untuk golongan
darah adalah 0,82199, sedangkan untuk cara belajar adalah 0,82746
- Kolom kelima menunjukkan nilai minimum yaitu untuk golongan darah
adalah 1,00, sedangkan untuk cara belajar adalah 1,00.
- Kolom keenam menunjukkan nilai maksimum yaitu untuk golongan
darah adalah 3,00, sedangkan untuk cara belajar adalah 3,00.

b. Uji Kruskal - Wallis

Tabel 5.16 Output Kruskal Wallis Test Pengaruh Golongan Darah Terhadap Cara Belajar
Ranks

Cara_belajar

Gol_darah
A
B

O
Total

25

Mean Rank
36,40

25
25

37,28
40,32

75

Keterangan Tabel :
Tabel uji kruskal wallis terdiri dari 2 kolom yaitu N artinya jumlah data
dan Mean Ranks artinya beda nilai rata-rata.
Kolom 1 yaitu N berarti jumlah data terdiri dari golongan darah A, B, dan
O, dengan jumlah data masing-masing 25, dan totalnya 75.
Kolom 2 yaitu Mean Ranks atau beda nilai rata-rata untuk golongan darah
A = 36.40, golongan darah B = 37.26, dan golongan darah O = 40.32
Test Statistics(b)

N
Median
Chi-Square

Cara_belajar
75
2,0000
,397(a)

Df
Asymp. Sig.

,820
a 0 cells (,0%) have expected frequencies less than 5. The minimum expected cell frequency is 7,0.
b Grouping Variable: Gol_darah

Keterangan Tabel :
Tabel test statistics uji Kruskal-Wallis terdiri dari 3 baris.
Baris 1 yaitu Chi-Square atau statistik hitung Kruskal Wallis nilainya
0.397
Baris 2 yaitu df (degree of freedom) atau derajat kebebasan nilainya 2.
Baris 3 yaitu Asymp. Sig./asymptotic significance atau peluang nilainya
0.820.

Pengujian
1. Ho : 1 = 2 = 3
2. H1 : 1 2

: 0,05

3. Daerah Kritis : P < = P < 0,05

4. Perhitungan :
( lihat tabel 5.21)
P = Asymp. Sig = 0,820
5. Keputusan :
Terima Ho , karena berdasarkan nilai P (probabilitas), P > = 0,820 >
0,05
6. Kesimpulan: rataan cara belajar mahasiswa golongan darah A, B, dan O
adalah sama

c. Uji Median
Tabel 5.18 Output Median Test Pengaruh Golongan Darah Terhadap Cara Belajar
Frequencies
Gol_darah
A
Cara_belajar

> Median

<= Median

19

18

17

Keterangan Tabel :
Tabel uji median terdiri dari 3 kolom yaitu jumlah golongan darah A, B,
dan O
Kolom 1 yaitu jumlah sampel (cara belajar) > Median atau cara belajar
yang memiliki nilai lebih besar dari median. Untuk golongan darah A
adalah 6, golongan darah B adalah 7, dan golongan darah O adalah 8.
Kolom 2 yaitu jumlah sampel (cara belajar) <= Median atau jumlah cara
belajar memiliki nilai lebih kecil sama dengan median. Untuk golongan
darah A adalah 19, golongan darah B adalah 18, dan golongan darah O
adalah 17.
Test Statistics(b)

N
Median
Chi-Square
Df
Asymp. Sig.

Cara_belajar
75
2,0000
,397(a)
2
,820

a 0 cells (,0%) have expected frequencies less than 5. The minimum expected cell frequency is
7,0.
b Grouping Variable: Gol_darah

Keterangan Tabel :
Tabel test statistics uji median terdiri dari 4 baris.
Baris 1 yaitu N atau jumlah data, nilainya 75.
Baris 2 yaitu median atau nilai tengah, nilainya 2,0000.
Baris 3 yaitu chi-square atau statistik hitung untuk uji median, nilainya
0,397. Huruf a menunjukkan bahwa tidak ada data yang memiliki
frekuensi harapan kurang dari 5. frekuensi harapan minimum dari data
adalah 7,0.
Baris 4 yaitu df (degree of freedom) atau derajat kebebasan, nilainya k1= 3-1 = 2.
Baris 5 yaitu Asymp. Sig./asymptotic significance atau peluang nilainya
0,820.
Pengujian :

1. Ho :

~1 = ~2 = ~3

2. H1 :

Ketiga rataan tidak semua sama

3.

0,05

4. Daerah Kritis : P < = P < 0,05

5. Perhitungan :
( lihat tabel 5.23)
P = Asymp. Sig = 0,820
6. Keputusan :
Terima Ho , karena berdasarkan nilai P (probabilitas), P > = 0,820 >
0,05
7. Kesimpulan: rataan cara belajar mahasiswa golongan darah A, B, dan O
adalah sama

5.3.2.2 Output Minitab

-

Uji Kruskal Wallis

Kruskal-Wallis Test: jenis_materi versus golongan_darah

Kruskal-Wallis Test on jenis_ma
golongan
1
2
3
Overall
H = 0,45
H = 0,51

N
25
25
25
75
DF = 2
DF = 2

Median
2,000
2,000
2,000

Ave Rank
36,4
37,3
40,3
38,0

Z
-0,45
-0,20
0,65

P = 0,800
P = 0,776 (adjusted for ties)

Keterangan :
Output menunjukkan jumlah data, untuk golongan darah A(1)=25,
golongan darah B(2)=25, dan golongan darah O(3) =25.
Median untuk golongan darah A (1) adalah 2,000 , golongan darah B (2)
adalah 2,000, dan golongan darah O (3) adalah 2,000.
Rata-rata ranking untuk golongan darah A (1) adalah 36,4, golongan darah
B (2) adalah 37,3, dan golongan darah O (3) adalah 40,3.

 Statistik z untuk golongan darah A (1) adalah -0,45, golongan darah B (2)
adalah 0,20, dan golongan darah O (3) adalah 0,65.

Pengujian :
1. Ho :

1 = 2 = 3

2. H1 :

Ketiga rataan tidak semua sama

3.

: 0,05

4. Daerah penolakan: DF = k-1 = 3-1 = 2

H > 2
5. Perhitungan :
(lihat tabel hasil uji minitab)
H = 0,51 2 = 5,991
6. Keputusan :
Tolak Ho, karena berdasarkan nilai H, H < 2 = 0,51 < 5,991
7. Kesimpulan: rataan untuk cara belajar golongan darah A, B, dan O tidak
sama.
- Mood Median Test: jenis_materi versus golongan_darah

Mood median test for jenis_ma

Chi-Square = 0,44

golongan
1
2
3

N<
11
11
9

DF = 2

N>=
14
14
16

P = 0,803

Median
2,00
2,00
2,00

Q3-Q1
1,50
2,00
2,00

Individual 95,0% CIs

----------+---------+---------+-----(-------------------+
(-------------------+
(-------------------+---------------)
----------+---------+---------+-----1,50
2,00
2,50

Overall median = 2,00

Keterangan :
Output menunjukkan jumlah data, untuk golongan darah A(1)=25,
golongan darah B(2)=25, dan golongan darah O(3)=25.

 Median untuk golongan darah A (1)adalah 2,000 , golongan darah B

(2)adalah 2,000, dan golongan darah O (3) 2,000.
Nilai kuartil atas kuartil bawah (rentangan) dari golongan A(1) adalah
1,5 , golongan darah B(2) adalah 2,00 , O(3) adalah 2,00

Pengujian :
1.

Ho : 1 = 2 = 3

2.

H1 : Ketiga rataan tidak semua sama

3.

4.

Daerah penolakan: DF = k-1 = 3-1 = 2

: 0,05

H > 2
5.

Perhitungan :
(lihat tabel hasil uji minitab)
H = 0,44 2 = 5,991

6.

Keputusan :
Terima Ho, karena berdasarkan nilai H, H < 2 = 0,44 < 5,991

7.

Kesimpulan: rataan untuk cara belajar golongan darah A, B, dan O sama.

5.3.3

Analisa Statistik Non Parametrik Dependen k = 2

5.3.3.1 Output SPSS

a. Statistik Deskriptif
Tabel 5.19 Descriptive Statistics untuk Data Non Parametrik Dependen k = 2
Descriptive Statistics
N
jenis_kelamin
status

50
50

Mean
1,5000
1,3600

Std. Deviation
,50508
,48487

Minimum
1,00
1,00

Maximum
2,00
2,00

Keterangan Tabel :
- Pada kolom pertama menunjukkan variabel yang digunakan adalah jenis
kelamin dan status

- Kolom kedua menunjukkan banyaknya data yaitu untuk kedua keadaan

tersebut adalah sama yaitu 50 data.
- Kolom ketiga menunjukkan nilai rata-rata. Untuk jenis kelamin adalah
1,5000, sedangkan untuk status adalah 1,3600
- Kolom keempat menunjukkan nilai standar deviasi. Untuk jenis kelamin
adalah 0,4899, sedangkan untuk perempuan adalah 0,48990
- Kolom kelima menunjukkan nilai minimum yaitu untuk jenis kelamin
adalah 1,00, sedangkan untuk status adalah 1,00.
- Kolom keenam menunjukkan nilai maksimum yaitu untuk Jenis kelamin
adalah 2,00, sedangkan untuk status adalah 2,00.

b.

Uji Tanda

Tabel 5.20 Output Sign Test Pengaruh Jenis Kelamin terhadap Status perkawinan
Frequencies
N
status - jenis_kelamin

Negative
Differences(a)
Positive Differences(b)
Ties(c)
Total

16
9
25
50

a status < jenis_kelamin

b status > jenis_kelamin
c status = jenis_kelamin

Keterangan Tabel :
Tabel uji tanda data non parametrik terdiri dari 4 baris yaitu Negative
Differences, Positive Differences, Ties, dan Total.

Baris 1 yaitu negative differencesa pada kolom N nilainya 16 artinya

mempunyai beda-beda negatif 16 dan a status<jenis kelamin

Baris 2 yaitu positive differencesb pada kolom N nilainya 9 artinya

mempunyai beda-beda positif 9 dan b berarti status > jenis_kelamin

Baris 3 yaitu Ties pada kolom N nilainya 13 artinya ada 2 data yang
sama.

Baris 4 yaitu Total pada kolom N nilainya 50 artinya jumlah datanya 50.
Test Statistics(b)

Exact Sig. (2-tailed)

status jenis_kelamin
,230(a)

a Binomial distribution used.

b Sign Test

Keterangan Tabel :

Pada kolom test statistic terlihat bahwa pada kolom Exact. Sig. (2-tailed)
untuk uji 2 sisi = 0,230(a) berarti peluangnya 0,230 dan a berarti
menggunakan distribusi binomial.

Pengujian :
1. Ho

: 1 = 2

2. H1

: 1 2

3.

: 0,05

4. Daerah Kritis : P < = P < 0,05

5. Perhitungan :
(lihat tabel 5.28)
P = Exact. Sig. (2-tailed) = 0,230
6. Kesimpulan :
Terima Ho, karena berdasarkan nilai P (probabilitas), P > = 0,23 >
0,05
7. Keputusan : rataan antara jenis kelamin dan status adalah sama

c. Uji Rank Tanda Wilcoxon

Tabel 5. 21 Output Wilcoxon Signed Ranks Test Pengaruh Jenis Kelamin terhadap Status perkawinan
Ranks

status jenis_kelamin

Negative Ranks
Positive Ranks
Ties
Total

a status < jenis_kelamin

b status > jenis_kelamin
c status = jenis_kelamin

N
16(a)

Mean Rank
13,00

Sum of Ranks
208,00

9(b)

13,00

117,00

25(c)
50

Keterangan Tabel :

Tabel uji Wilcoxon Sign Ranks Test terdiri dari 4 kolom yaitu kolom 1:
keteraangan, kolom 2 : N adalah jumlah data, kolom 3 : Mean Rank
adalah rata-rata data, kolom 4 : Sum of Ranks adalah jumlah data.

Tabel uji Wilcoxon Sign Ranks Test terdiri dari 4 baris yaitu Negative
Ranks, Positive Ranks, Ties, dan Total.

Baris 1 yaitu negative ranks pada kolom N nilainya 16a artinya ada 16
data yang mempunyai beda-beda negatif, a artinya

status < jenis_kelamin,

jadi ada 6 data yang status > jenis_kelamin. Pada kolom Mean Rank nilainya
13,00 artinya rata-rata data 13,00. Pada kolom Sum of Ranks nilainya
208,00 berarti jumlah beda-beda negatifnya 208,00

Baris 2 yaitu positive ranks pada kolom N nilainya 9b artinya ada 9 data
yang mempunyai beda-beda positif, b artinya status > jenis_kelamin, jadi ada
9 data yang

status > jenis_kelamin.

Pada kolom Mean Rank nilainya 13,00

artinya rata-rata data 13,00. Pada kolom Sum of Ranks nilainya 117,00
berarti jumlah beda-beda positifnya 117,00

Baris 3 yaitu Ties pada kolom N nilainya 25c artinya ada 25 data yang
sama, c artinya

status = jenis_kelamin

jadi ada 25 data dengan

status =

jenis_kelamin.

Baris 4 yaitu Total pada kolom N nilainya 50 artinya jumlah datanya 50.
Test Statistics(b)

Z
Asymp. Sig. (2-tailed)

status jenis_kelamin
-1,400(a)
,162

a Based on positive ranks.

b Wilcoxon Signed Ranks Test

Keterangan Tabel :

Pada tabel untuk test statistik terlihat bahwa untuk uji Wilcoxon nilai
Zoutput = -1,400 (a). Berarti nilai Z = -1,400 dan a artinya diambil dari

beda-beda positif karena dalam uji Wilcoxon yang dipakai adalah jumlah
beda-beda yang paling kecil.

Nilai asymp. Sig (2-tailed) 0,162 berarti peluangnya 0,162

Pengujian :
1. Ho : 1 = 2
2. H1 : 1 2
3.

= 0,05

4. Daerah Kritis : P < = P < 0,05

5. Perhitungan :
(lihat tabel 5.26)
P = asymp. Sig (2-tailed) = 0,162
6. Keputusan:
Terima Ho , karena berdasarkan nilai P (probabilitas), P > =
0,162>0,05
7. Kesimpulan: kedua rataan tersebut sama

5.3.4

Analisa Statistik Non Parametrik Dependen k > 2

5.3.4.1 Output Spss

a. Statistik Deskriptif
Tabel 5.22 Statistik Deskriptif untuk Data Non Parametrik Dependen k > 2
Descriptive Statistics
N
Negara
Jenis_film

75
75

Mean
2,0000
2,7467

Std. Deviation
,82199
1,18656

Minimum
1,00
1,00

Maximum
3,00
4,00

Keterangan Tabel :
- Pada kolom pertama menunjukkan variabel yang digunakan yaitu
pengaruh negara asal film dengan jenis film yang disukai
- Kolom kedua menunjukkan banyaknya data yaitu untuk semua variabel
tersebut maisng-masing sama yaitu 75 data.

- Kolom ketiga menunjukkan nilai rata-rata. Untuk banyaknya penyuka film

barat 2,160, Untuk banyaknya penyuka film indonesia adalah 3,4000,
Untuk banyaknya penyuka film asia adalah 2,6800,
- Kolom keempat menunjukkan nilai standar deviasi. Untuk banyaknya
penyuka film barat adalah 1,28062, banyaknya penyuka film indonesia
adalah 0,86603 banyaknya penyuka film asia adalah 1,06927.
- Kolom kelima menunjukkan nilai maksimum. Untuk banyaknya penyuka
film barat adalah 4,00, banyaknya penyuka film indonesia adalah 4,00
banyaknya penyuka film asia adalah 4,00.
- Kolom keenam menunjukkan nilai minimum. Untuk banyaknya penyuka
film barat adalah 1,00, banyaknya penyuka film indonesia adalah
2,00banyaknya penyuka film asia adalah 1,00.

b. Uji Friedman
Tabel 5.23 Output Friedman Test Pengaruh Negara Asal terhadap Jenis Film yang Disukai
Ranks

Negara
Jenis_film

Mean Rank
1,37
1,63

Keterangan Tabel :

Tabel uji Friedman untuk data yang diuji didapat mean ranks atau beda
rata-rata untuk masing-masing data:, negara=1,37,Untuk jenis film adalah
= 1,63.
Test Statistics(a)
N
Chi-Square
Df

75
6,452

Asymp. Sig.

,011

a Friedman Test

Keterangan Tabel :

Dari tabel Test Statistic pada uji friedman terdiri dari 4 baris yaitu N, ChiSquare, df, asymp. Sig.

Baris 1 yaitu N nilainya = 75 berarti jumlah data pengamatan = 75.

Baris 2 yaitu Chi-Square atau statistik hitung Friedman adalah 6,452.

Baris 3 yaitu df atau derajat kebebasan nilainya = 1.

Baris 4 yaitu Asymp. Sig. (Probabilitas) untuk uji Friedman = 0,011

berarti peluangnya 0,011

Pengujian :
1. Ho : 1 = 2 = 3 = 4
2. H1 : keempat rataan tidak semua sama
3.

: 0,05

4. Daerah Kritis : 2 > 2 = 2 > 5.991

(Tabel L.5)

P < = P < 0,05

Derajat kebebasan : V = k 1 = 3 1 = 2
5. Perhitungan :
(lihat tabel 5.31)

2 = 6,452
P = Asymp. Sig. = 0,011
6. Keputusan :
Tolak Ho , karena
-

Berdasarkan nilai 2 , 2 > 2 = 11.130 > 5.991

- Berdasarkan nilai P (probabilitas), P < = 0,011< 0,05

7. Kesimpulan: ketiga rataan tidak semua sama.

c. Uji Rank Kendalls

Tabel 5.24 Output Kendalls W Test Pengaruh Negara Asal terhadap Jenis Film yang Disukai
Ranks
Mean Rank

Negara

1,37
1,63

Jenis_film

Keterangan Tabel :

Tabel uji Rank Kendalls untuk data yang diuji didapat mean ranks atau
beda rata-rata untuk masing-masing data:, negara = 1,37, Untuk jenis film
= 1,63.
Test Statistics
N
Kendall's
W(a)
Chi-Square
Df
Asymp. Sig.

75
,086
6,452
1
,011

a Kendall's Coefficient of Concordance

Keterangan Tabel :

Dari tabel Test Statistics pada uji Rank KendallsW terdiri dari 4 baris
yaitu N, Kendall's Wa, df, Asymp. Sig.

Baris 1 yaitu N nilainya = 75 berarti jumlah data pengamatan = 75.

Baris 2 yaitu Kendall's Wa atau statistik hitung Kendall's adalah 0.086

Baris 3 yaitu df (degree of freedom) atau derajat kebebasan nilainya = 1

Baris 4 yaitu Asymp. Sig. (Probabilitas) untuk uji Kendall's = .011 berarti
peluangnya 0.011.

Pengujian :
1. Ho : 1 = 2 = 3 = 4
2. H1 : ketiga rataan tidak semua sama
3.

: 0,05

4. Daerah Kritis : 2 > 2 = 2 > 5.991

P < = P < 0,05
Derajat kebebasan : V = k 1 = 3 1 = 2
5. Perhitungan :

(Tabel L.5)

(lihat tabel 5.31)

2 = 6,452
P = Asymp. Sig. = 0,011
6. Keputusan :
Tolak Ho , karena
-

Berdasarkan nilai 2 , 2 > 2 = 6,452 > 5,991

- Berdasarkan nilai P (probabilitas), P < = 0,011< 0,05

7. Kesimpulan: Ketiga rataan tidak semua sama.

5.3.4.2 Output Minitab

- Uji Friedman
Friedman Test: jenis_film versus Asal_Film; no

Friedman test for jenis_fi by Asal_Fil blocked by no

S = 10,50
S = 15,00

DF = 2
DF = 2

Asal_Fil
1
2
3

P = 0,005
P = 0,001 (adjusted for ties)

N
25
25
25

Est
Median
4,0000
3,0000
3,0000

3,3333

Grand median

Sum of
Ranks
62,5
40,0
47,5

Keterangan :
Tabel Friedman test dengan menggunakan minitab terdiri dari 3 baris.
Baris 1 yaitu jumlah data untuk pelakuan pertama sebanyak 25, nilai
median 3 , nilai sum of rank adalah 62,5.
Baris 2 yaitu jumlah data untuk perlakuan kedua sebanyak 25, nilai
median 2 , nilai sum of rank adalah 40,0.
Baris 3 yaitu jumlah data untuk perlakuan ketiga sebanyak 25, nilai
median 2, nilai sum of rank adalah 47,5.
S adalah nilai Std. Deviation nilainya 10,52.
DF adalah degree of freedom atau derajat kebebasan nilainya 2.

 P adalah peluang nilainya 0,005.

Pengujian :
1. Ho : 1 = 2 = 3 = 4
2. H1 : keempat rataan tidak semua sama
3.

: 0,05

4. Daerah Penolakan:

Fr > 2 = Fr > 5.991

(Tabel L.5)

P < = P < 0,05

Derajat kebebasan : DF = k 1 = 3 1 = 2
5. Perhitungan :
(lihat tabel hasil uji minitab)
Fr= S = 15,00
P = 0.005
6. Keputusan :
Tolak Ho , karena
-

Berdasarkan nilai Fr, Fr > 2 = 15,00 > 5,991

- Berdasarkan nilai P (probabilitas), P < = 0,005<0,05

7. Kesimpulan: Ketiga rataannya tidak sama

LAPORAN PRAKTIKUM STATISTIKA INDUSTRI

MODUL 1: STATISTIKA PARAMETRIK DAN NON PARAMETRIK
KELOMPOK 20 REGULER

BAB VI
PENUTUP
6.1 Kesimpulan
Dari praktikum yang telah dilaksanakan maka dapat diambil beberapa
kesimpulan, antara lain :
1. Statistik merupakan ilmu yang membahas metode metode ilmiah untuk
pengumpulan, pengorganisasian, penyimpulan, penyajian, dan analisa data
maupun menarik kesimpulan yang valid serta membuat keputusan yang
dapat diterima berdasarkan analisa. Statistik secara garis besar dibagi dua,
yaitu :
a. Statistik

deskriptif

yang

hanya

mencari,

mengorganisasi,

dan

menampilkan data tanpa menarik kesimpulan.

b. Statistik induktif
Statistik yang melingkupi mulai dari membahas pengumpulan,
pengorganisasian, analisa data, serta penyimpulan data dari hasil analisa.
2. Berdasarkan nilai kemencengan (skewness), grafik distribusi terbagi menjadi
tiga, yaitu :
a. Negatively

skewed

distribution,

yaitu

kurva

frekuensi

suatu

distribusiyang mempunyai ekor yang lebih panjang ke kiri dari

maksimum pusat daripada yang ke kanan, distribusi ini disebut juga
menceng ke kiri atau mempunyai kemencengan negatif.
b. Positively skewed distribution, yaitu kurva frekuensi suatu distribusi
yang mempunyai ekor yang lebih panjang ke kanan dari maksimum
pusat daripada yang ke kiri, distribusi ini disebut juga menceng ke kanan
atau mempunyai kemencengan positif.
c.

Symmetric distribution, yaitu kurva frekuensi suatu distribusi yang

mempunyai ekor yang sama panjang dari maksimum pusat.

129

LAPORAN PRAKTIKUM STATISTIKA INDUSTRI

MODUL 1: STATISTIKA PARAMETRIK DAN NON PARAMETRIK
KELOMPOK 20 REGULER

3. Ada 3 jenis distribusi menurut kurtosis, yaitu: leptokurtik (puncak relatif

tinggi) dengan nilai kurtosis lebih besar dari 3, platikurtik (puncak mendatar)
dengan nilai kurtosis lebih kecil dari 3, dan mesokurtik (puncaknya tidak
terlalu lancip atau berpuncak mendatar) dengan nilai kurtosis sama dengan
3.
4. Statistik parametrik adalah pengolahan data dimana anggapan kenormalan
diberlakukan. Sebagian besar cara pengujian hipotesis didasarkan pada
anggapan bahwa sampel acak diambil dari populasi normal. Namun
untungnya, kebanyakan uji - uji tersebut masih dapat diandalkan bila
penyimpangannya dari kenormalan hanya sedikit, terutama sekali bila
ukuran sampelnya besar. Biasanya cara pengujian ini dinamakan metode
parametrik. Data parametrik memiliki karakteristik sebagai berikut :
a. Sampel (data) diambil dari populasi yang mempunyai distribusi normal
b. Variabel (data) yang diuji haruslah data bertipe interval atau rasio
c. Jumlah data sebanyak > 30 data
5. Pengujian hipotesis atau aturan pengambilan keputusan kebanyakan
membutuhkan berbagai asumsi mengenai distribusi populasi dimana sampel
diambil. Suatu pengujian populasi seringkali dihadapkan pada suatu uji yang
harus dilakukan tanpa kebergantungan asumsi-asumsi yang kaku karena
bersifat khusus. Uji statistik nonparametrik merupakan alternatif untuk
memenuhi kebutuhan tersebut dikarenakan menghasilkan kesahihan dan
validitas meskipun hanya berdasar pada asumsi-asumsi umum. Data nonparametrik memiliki karakteristik sebagai berikut :
a. Data yang tidak berdistribusi normal atau variansi tidak sama
b. Jumlah data terlalu sedikit < 30
c. Data bertipe nominal atau ordinal
6. Kaidah pengambilan keputusan ada dua cara, yaitu melalui daerah kritis dan
peluang hasil perhitungan. Ho ditolak jika berada di dalam daerah kritis dan
jika nilai P lebih kecil dari atau sama dengan taraf keberartian. Begitu juga
sebaliknya.

130

LAPORAN PRAKTIKUM STATISTIKA INDUSTRI

MODUL 1: STATISTIKA PARAMETRIK DAN NON PARAMETRIK
KELOMPOK 20 REGULER

7. Hasil uji dari praktikum :

a. Uji Parametrik
Tabel 6. 1 Hasil Keputusan dari Uji Parametrik

Jenis Uji

Keterangan

Uji ANOVA

k = 2, parametrik,
independen

ekasisi

k = 2, parametrik,
independen

ekasisi

F-Test

Uji

ekasisi
t-Test

k = 2, parametrik,
independen

Keputusan
Fhitung > Ftabel =
22,69576>4,006873

Fhitung > FCrit, Tolak Ho

P < 0,05 = 1,31x 10-5<0,05

P < Tolak Ho

0.130309 < 0.5374

Fhitung < Ftabel , Terima Ho

2.11x10 < 0,05

-7

P < Tolak Ho

-5.88806<1.699127

thitung < ttabel , Terima Ho

P < = 1.08x 10 -6< 0,05

P < Tolak Ho

-5.88806< 2.04523

thitung < ttabel, Terima Ho

dwisisi

Uji ANOVA

k > 2, parametrik,
independen

-6

2.17x10 < 0,05

ekasisi

P < Tolak Ho

0.343679 < 3.101296

Fhitung < Ftabel , Tolak Ho

0.710115 > 0,05

P > Terima Ho

b. Uji Non-Parametrik
Tabel 6. 2 Hasil Keputusan dari Uji Non Parametrik

Jenis Uji

Keterangan

Uji

Uji Mann-Whitney

k = 2, non
parametrik,
independen

Uji Moses

k = 2, non
parametrik,
independen

ekasisi

Uji KolmogorofSmirnov

k = 2, non
parametrik,
independen

dwisisi

Uji Kruskal Wallis

k > 2, non
parametrik,
independen

ekasisi

Uji Median

k > 2, non
parametrik,
independen

ekasisi

Uji Rank Tanda

Wilcoxon

k = 2, non
parametrik,

dwisisi

Keputusan
0,172 >0,05

dwisisi

P > Terima Ho
0,000 < 0,05
P < Tolak Ho
0,906 > 0,05
P > Terima Ho
0,820 > 0,05
P > Terima Ho
0,820 > 0,05
P > Terima
0,162>0,05

P > Terima Ho

131

LAPORAN PRAKTIKUM STATISTIKA INDUSTRI

MODUL 1: STATISTIKA PARAMETRIK DAN NON PARAMETRIK
KELOMPOK 20 REGULER

dependen
Uji Tanda

k = 2, non
parametrik,
dependen

Uji Friedman

k > 2, non
parametrik,
dependen

Uji Rank Kendalls

k > 2, non
parametrik,
dependen

0,23 > 0,05

dwisisi

ekasisi

P > Terima Ho
11.130 > 5.991

2 > 2 , Tolak Ho

0,011< 0,05

P < Tolak Ho

6,452 > 5,991

2 > 2 , Tolak Ho

0,011< 0,05

P < Tolak Ho

ekasisi

6.2 Saran
1. Praktikum kurang efektif karena dilakukan secara massal, sebaiknya praktikum

dilakukan perkelompok atau beberapa kelompok saja.

2. Praktikum sebaiknya dilakukan tepat pada waktunya sehingga tidak banyak
menyita waktu.
3. Pada saat praktikum lebih baik jika dilakukan penerapan software secara
langsung.
4. Sebelum melaksanakan praktikum, sebaiknya praktikan sudah mengenal atau
sedikit mengetahui software SPSS dan Minitab yang akan digunakan, baik
mengenai fungsi maupun cara penggunaan.
5. Dalam melaksanakan praktikum, sebaiknya praktikan mencoba sendiri dalam
mengoperasikan software SPSS dan Minitab sehingga praktikan dapat langsung
mengerti dalam memasukkan data praktikum pada sofware SPSS dan Minitab.

132