SPSS

SPSS
SPSS (Statistical Package for the Social Science) pada awalnya merupakan program komputer statistik untuk ilmu-ilmu sosialdibuat pertama kali oleh tiga mahasiswa Stanford University yaitu Norman H. Nie; C Hadlai Hull dan Dale H Bent pada tahun
1968- yang dijalankan dengan komputer mainframe. Pada tahun 1984 versi PC SPSS muncul dengan nama SPSS/PC+ dan
pada tahun 1992 mengeluarkan SPSS versi Windows. Seiring dengan perkembangan pelayanan jenis user untuk proses
produksi, riset ilmu sains dan lainnya- SPSS telah berkembang tidak hanya Statistical Package for the Social Science tetapi
telah menjadi Statistical Product and Service Solution.
SPSS versi 12 (2004) untuk statistik berisi :
Descriptive Statistics: Crosstabulations, Frequencies, Descriptives, Explore, Descriptive Ration statistics
Bivariate Statistics: Means, t-test, ANOVA, Correlation - bivariate, partial, dan distance- non-parametric test
Prediction for numerical outcomes: linear regression
Prediction for indentifying group: factor analysis, two-step cluster analysis; K-mean cluster analysis, hierarchical
cluster analysis, discriminat
Semua proses perhitungan denga menggunakan SPSS mengikuti alur ditunjukkan Bagan 1. Data yang akan digunakan untuk
perhitungan dimasukkan (inputing) melalui menu DATA EDITOR yang secara otomotis muncul di layar monitor sesaat program
SPSS dijalankan. Setelah data dimasukkan, proses pengolahan data juga melalui DATA EDITOR dan hasilnya ditampilkan
dalam layar VIEWER. Hasil perhitungan tersebut dapat berupa teks, tabel maupun grafik.

Input Data:
Data Editor

Raw
data

PROSES DENGAN
DATA EDITOR

Output Data:
Viewer

Infor
masi

Bagan 1. Proses Perhitungan SPSS

1. MEMPERSIAPKAN DATA
Statistik merupakan ilmu yang berkaitan dengan kegiatan pengoleksian, pengorganisasian, presentasi, analisis, dan
interpretasi data numerik (kuantitatif) untuk membantu pembuatan keputusan lebih efektif (Douglas 2005). Pada
hakekatnya, statistik dibagi menjadi dua yaitu: statistik deskriptif dan statistik inferensi. Statistik deskriptif adalah statistik
yang berkiatan dengan metode mengorganisasikan, perangkuman dan presentasi data ke dalam suatu bentuk yang
informatif. Sedangkan inferensi terkait dengan kegitan pembuatan keputusan, estimasi, prediksi atau generalisasi
tentang populasi berdasarkan perhitungan sampel. Data harus dipersiapkan terlebih dahulu mengenai format, jenis dan
aturan-aturan tertentu. Variabel adalah sesuatu yang nilainya dapat bervariasi. Variabel dibedakan menjadi dua yaitu
variabel kuantitatif dan variabel kualitatif. Contoh variabel kuantitatif adalah suku bunga, pendapatan, penjualan dan lainlain. Contoh variabel kualitatif adalah agama, warna kulit, asal kelahiran. Kadang-kadang kita sering bisa
mengkuantifikasikan variabel kualitatif. Statistik terkait dengan variabel kuantitatif. Variabel kuantitatif dibagi menjadi dua
macam yaitu diskrit (menunjuk angka tertentu) dan kontinyu (menunjuk rentang yang jumlah angkanya tak terhingga).
Terdapat 4 tingkatan data, yaitu:
Nominal: data diklasifikasikan ke dalam kategori dan tidak dapat disusu dalam urutan tertentu. Sebagai contoh:
varibel jenis kelamin: pria=1; wanita=2. Pemberian nilai tersebut terserah individu.
Ordinal: data disusun ke dalam urutan tetapi perbedaan nilai data tidak dapat ditentukan atau tidak memiliki
arti. Contoh pembuatan ranking untuk minuman soft drink yang disukai.
Interval: data disusun dalam interval tertentu dan tidak terdapat nilai nol

SPSS

Rasio

D ATA
Q u a lita tiv e o r a ttr ib u te
( ty p e o f c a r o w n e d )

Q u a n tita tiv e o r n u m e r ic a l

d is c r e te
( n u m b e r o f c h ild r e n )

c o n tin u o u s
( tim e ta k e n fo r a n e x a m )

Bagan 2. Macam Data

Beberapa hal yang perlu diperhatikan ketika kita akan memasukan data (inputing):
- Struktur Data: - baris/case
- kolom/heading/variabel: numeric, comma, dot,
scientific, notation, date, dollar, custom
currency, string
- Format data: - fixed (tertentu)
- freefield (bebas)
- Missing Value = data yang hilang atau tidak lengkap

2. MEMULAI SPSS
Untuk memulai program SPSS: icon SPSS

Bagan 3. Memulai SPSS

Buka Windows
1. Klik grup icon SPSS
2. Klik SPSS
muncul logo SPSS, kemudian hilang dan muncul: Output Windows dan SPSS Editor yang siap dioperasikan. Istilah:
Penunjuk Sel, Nomor Case, Edit Line, Heading Kolom, Sel.
SPSS menyediakan beberapa Windows:
- Data Editor. Window ini terbuka secara otomatis ketika program SPSS dijalankan dan berfungsi untuk input data ke
SPSS.
Membersihkan data editor: klik File, New, Data
Membuka File (ekstensi .sav): klik File, Open, Data
- Viewer. Window ini merupakan media tampilan proses yang dilakukan SPSS. Dapat disimpan melalui perintah Save
SPSS Output (ekstensi .lst). Untuk membuka file output: klik File, Open, SPSS output

SPSS

-Syntax Editor. untuk menuliskan susunan perintah/program--teks editor

Dapat disimpan lewat perintah Save SPSS Syntax pada menu file. Untuk membuka file syntax (ekstensi .sps): klik
File, Open, Syntax
-Script Editor: digunakan untuk melakukan berbagai pengerjaan SPSS secara otomatis, seperti membuka dan menutup
file, mengekspor grafik menyesuaikan bentuk output.

Bagan 5. Window SPSS

3. MENANGANI FILE DATA
Buka SPSS: clik icon SPSS, maka akan ditampilkan di monitor sebagai berikut:
Bagan 6. Data Editor

masukkan data pada kolom pertama. Untuk memberikan nama Nilai tekan Variable View yang ada di kiri bawah kemudian
ketikkan nilai pada Name. Variable View ini digunakan untuk mengedit semua yang berkaitan dengan variabel. Kemudian
masukkan data berikut ini:

SPSS

Nama
susi
susan
memed
bambang
duri
nurul
ali
nika
gogon
bolot
handi
unik
kali
budi
santoso
bukoli
boy
sici
kutut
kile

Sex
Wanita
Wanita
laki-laki
laki-laki
Wanita
Wanita
laki-laki
Wanita
laki-laki
laki-laki
Wanita
Wanita
laki-laki
laki-laki
laki-laki
Wanita
laki-laki
Wanita
laki-laki
Wanita

Program
MSi
MEP
MSi
MEP
MM
MSi
MEP
MSi
MM
MM
MSi
MEP
MSi
MEP
MM
MEP
MM
MSi
MM
MSi

Stat
65
70
90
65
78
98
76
90
87
69
78
98
67
89
97
67
80
89
65
67

MKPK
80
98
89
87
78
78
76
97
91
98
75
78
65
76
60
69
78
87
68
98

Manaj
80
98
100
40
103
97
89
90
70
120
49
59
200
84
56
179
78
180
59
68

Wesel
250
450
150
200
340
500
400
230
590
430
120
210
340
560
430
700
230
450
650
230

Dapat memberikan nama variabel dan format (type, label, missing value dan format kolom). Type untuk menentukan type
variabel, jumlah angka dibelakang koma, lebar variabel. Labels untuk menentukan label variabel dan harga dari label
tersebut. Missing Value untuk mementukan harga-harga dari suatu variabel yang akan dideklarasikan sebagai missing
value. Format Kolom untuk menentukan jenis perataannya.

Bagan 7. Jenis Data

SPSS

KETRAMPILAN DASAR:
FILE
- Membuka file yang sudah ada: File/Open
- Menyimpan data: File/Save; File/Save As
- Mencetak data: File/Print
- Keluar dari SPSS: File/Exit

DATA
- Menghapus data:
- Mencopy data
- Menyisipkan data
- Mengurutkan data
- Seleksi kasus

- Menyimpan File Data:

>klik File, Save Data
>Beri Nama: pada kotak dialog Newdata:Save Data As
>Enter

......sav

-Menyunting Data:
Menghapus isi sel: >Klik sel, tekan Delete
Menghapus isi sel satu kolom (Variable): >Klik heading kolom , tekan Delete
Menghapus satu baris(case): >Klik baris, tekan Delete

SPSS

-Mengkopi Data
Mengkopi isi sel:>pilih sel, Ctrl-C, arahkan sel, Ctrl-V
Mengkopi satu kolom:>pilih Heading kolom, Ctrl-C, arahkan heading, Ctrl-V
Mengkopi baris (case):>pilih case,Ctrl-C, arahkan baris, Ctrl-V
- Menyisipkan Data:
Menyisipkan kolom:>pilih kolom yang akan disisipi, klik Data, Insert Variable
Menyisipkan baris:> pilih baris yang akan disisipi, klik Data, Insert Case
-Tranpose Data: yaitu merubah baris menjadi kolom dan kolom menjadi baris. Maka menghasilkan
data baru:
>buka file
>klik Data, Transpose >pindahkan satu atau beberapa variabel >Enter
-Pengurutan
>Data, Sort Cases >pindahkan variabel ke kotak, pilih ascending atau descending
- Agregate: untuk mengkombinasikan grup-grup dari case-case ke dalam case-case summari tunggal
- Split File: untuk memecah split file data ke dalam subgrup-subgrup sehingga nantinya dalam analisis
maupun dalam pembuatan chart didasarkan pada tiap-tiap subgrup tersebut (analisis terpisah)
- Seleksi Case: untuk memilih, menentukan case yang akan diikutsertakan dalam analisis selanjutnya
- Pembobotan: untuk memberikan pembobotan yang berbeda pada case-case tertentu.
4. TRANSFORMASI DATA
- Transformasi data
- hitung (compute)
- runtun waktu

- COMPUTE - untuk melakukan perhitungan terhadap value yang sudah ada. Kita dapat membuat variabel baru
berdasarkan atas variabel yang sudah ada.

SPSS

- COUNT - untuk menghitung jumlah cacah value dari seluruh variabel yang didaftar yang memenuhi syarat value yang telah
didefinisikan, pada tiap-tiap case.
- RECODE dan AUTOMATIC RECODE untuk memodifikasi atau mengganti value-value dari variabel-variabelyang didaftar
menjadi value-value dengan harga baru.

- RANK CASES - untuk menyusun ranking, score normal, score rangking yang sejenis untuk semua case dari variabel
numerik yang didaftar
- CREATE TIMES SERIES - untuk membuat varibel time series.

SPSS

- REPLACE MISSING VALUE - untuk menghasilkan variabel baru berdasarkan variabel asal yang mengandung missing
value, dimana value valid dari variabel asal akan dicopykan ke variabel baru, sedangkan value yang berharga
missing diganti dengan harga rata-rata dari value valid atau diganti dengan salah satu dari beberapa fungsi
time series.

5. FASILITAS STATISTIK
Semua fasilitas statistik diberikan pada menu
Analyze
Statistik:
- deskriptif
- induktif/inferensi:
* parametrik
* non parametrik

DESCRIPTIVE STATISTICS
- FREQUENCIES - untuk membuat tabel frekuensi, yaitu
berisikan cacah harga semua case dari variabelvariabel yang didaftar, cacah persentase
terhadap semua case, cacah persentase valid
(tanpa nilai missing), dan persentase kumulatif.
- DESCRIPTIVES - digunakan untuk menampilkan deskripsi
stastik univariat dari variabel numerik yang
didaftar.
- CROSSTABS - untuk menampilkan tabulasi silang (tabel
kontingensi) yang menunjukan distribusi
bersama, deskripsi bivariatnya dan berbagai pengujian dari 2 variabel atau lebih, khususnya
variabel berbentuk katagori.

SPSS

COMPARE MEANS
Perintah ini digunakan untuk membandingkan rata-rata dari dua populasi atau lebih

Standar Pengujian:
1. Hipotesis: H0: ......................
H1: .......................
Kaitannya dengan uji satu sisi atau dua sisi
2. Level of significance, degree of freedom
Kaitannya dengan nilai kritis/tabel
3. Statistik hitung
4. Kesimpulan: dengan membandingkan statistik hitung dan nilai kritis jatuh di Ho
diterima atau ditolak
Langkah cepat (default komputer):
1. Hipotesis: H0: ......................
H1: .......................
Kaitannya dengan uji satu sisi atau dua sisi
2. Level of significance
3. Kesimpulan: sig > level of sig -- terima Ho

- MEANS - untuk menampilkan statisik mean, standar deviasi, count (cacah) dan statistik-statistik lainnya pada suatu
variabel numerik yang case-casenya dibagi-bagi dalam grup-grup dengan mengelompokan berdasar casecase variabel lain.
- INDEPENDENT - SAMPLES T TEST - digunakan untuk menguji apakah dua sampel yang tidak bertalian (independen)
berasal dari populasi yang mempunyai Mean (ekspektasi) yang sama.
- PAIRED -SAMPLE T TEST digunakan untuk menguji apakah dua sampel yang bertalian (dependen) atau sampel
berpasangan berasal dari populasi yang mempunyai Mean yang sama (ekspektasi) yang sama
-ONE-WAY ANOVA (analysis of Variance) adalah alat statistik yang digunakan untuk menguji dua populasi atau lebih apakah
mempunyai rata-rata yang bisa dianggap sama atau tidak.
Contoh:
1. MEANS - digunakan untuk menampilkan statistik Mean, Standar Deviasi, Count (cacah), dan statistik-statistik lainnya
pada suatu variabel numerik yang case-casenya dibagi-bagi dalam grup dengan pengelompokan case-case
variabel lain.
Dependent list - untuk variabel yang akan dianalisis statistiknya (variabel summari)
Independent list - untuk variabel-variabel dasar pengelompokan (variabel grup)
contoh:
statistics / compare means / means / dep.list:stat / indep.list: sex / OK

SPSS

Options - untuk menampilkan statistik yang akan ditampilkan: mean, standar deviasi, varians, count, sum, tabel
ANOVA & Eta, test of linierity.
2. INDEPENDENT-SAMPLES T TEST - digunakan untuk menguji apakah dua sampel yang tidak bertalian (independen)
berasal dari populasi yang mempunyai Mean (ekspektasi) yang sama.
Test variabel(s) - untuk mendaftar satu atau beberapa variabel numerik yang akan diuji
Grouping Variable - untuk mendaftar variabel yang dijadikan variabel grup.
contoh:
statistics/compare means/indnt sample T test/dep.list:stat/indep.list:sex/ OK
Define groups - untuk mengelompokan variabel grup menjadi 2 kelompok independen .
Options - untuk menentukan besarnya interval confidency (selang kepercayaan), mengontrol keberadaan label
variabel dan keberadaan missing value
3. PAIRED-SAMPLE T TEST - digunakan untuk menguji apakah dua sampel yang bertalian (dependen) atau sampel
berpasangan berasal dari populasi yang mempunyai Mean (ekspektasi) yang sama. Contoh: nilai setelah tutorial
dan sebelum tutorial.
Paired variables - digunakan untuk mendaftar pasangan variabel yang akan diuji (dibandingkan) Meannya.
Options - untuk menentukan besarnya interval confidensi (selang kepercayaan) dan untuk mengontrol
keberadaan label variabel dan keberadaan missing value.
4. ONE-WAY ANOVA - ANOVA (Analysis of Variance) adalah alat statistik yang digunakan untuk menguji dua populasi atau
lebih apakah mempunyai rata-rata yang dianggap sama atau tidak.
Dependent list - untuk variabel yang akan dianalisis statistiknya (variabel summari)
Factor - untuk mendaftar sebuah variabel numerik sebagai variabel faktor. Variabel ini akan mengelompokan
value-value variabel yang akan diuji ke dalam bebrapa grup sampel independen. Tentu saja variabel ini
adalah variabel yang berbentuk katagori.
Define Range - untuk menentukan harga terendah dan harga tertinggi dari katagori variabel factor.
contoh:
statistics / compare means / one-way anova / dep.list:stat/ factor:program/ define range / OK
Contrasts - untuk menentukan contrast a priori yang akan diuji dengan t statistik.
Post Hoc - untuk menampilkan uji-uji post-hoc sebagai perbandingan berganda antar mean.
Option - untuk menampilkan statistik-statistik tambahan, manampilkan label dan menentukan pilihan control terhadap
keberadaan missing value.

CORRELATE
- BIVARIATE CORRELATIOAN (PEARSON CORR) - digunakan untuk
menghasilkan matrik korelasi product-moment Pearson dari
pasangan dua variabel
- PARTIAL CORRELATIONS - digunakan untuk menghitung koefisien
korelasi parsial yang mendiskripsikan hubungan antar dua
variabel dengan efek kontrol untuk varabel lain dengan hasil
yang ditampilkan dalam bentuk matriks
Contoh:
1. BIVARIATE CORRELATIOAN (PEARSON CORR) - digunakan untuk
menghasilkan matrik korelasi product-moment
Pearson dari pasangan dua variabel. Mengukur
kekuatan ketergantungan linier antara dua variabel .
Variables - untuk mendaftar pasangan variabel yang
akan dihitung korelasinya.
Correlation Coefficient: Pearson, Kendahlls tau-b (untuk non-parametrik), Spearman (non
parametrik)
Test of Significance: two tailed (uji dua ekor), One tailed (uji dua ekor)
Options - untuk menampilkan statistik univariat bagi setiap variabel yang didaftar yakni Mean,
Standar Deviasi, Deviasi Cross-product, dan Covarians dan untuk mengatur kebedaan missing Value
contoh:
statistics / correlate/ bivariate / Variables: stat,mkpk/ OK

10

SPSS

2. PARTIAL CORRELATIONS - digunakan untuk menghitung koefisien korelasi parsial yang mendiskripsikan hubungan
antar dua variabel dengan efek kontrol untuk varabel lain dengan hasil yang ditampilkan dalam bentuk
matriks
Variables - untuk mendaftar pasangan variabel yang akan dihitung korelasinya.
Controlling for - untuk mendaftar satu atau beberapa variabel yang akan dikontrol efeknya dari
korelasi variabel-variabel yang didaftar pada kotak variables
Test of Significance: two tailed (uji dua ekor), One tailed (uji dua ekor)
Options - untuk menampilkan statistik univariat bagi setiap variabel yang didaftar yakni Mean,
Standar Deviasi serta untuk menampilkan koefisien korelasi bivariate
REGRESSION
-

LINIER REGRESSION - digunakan untuk menguji hubungan antara sebuah variabel dependen dengan himpunan
variabel independen yang ditampilkan dalam bentuk persamaan regresi .

CURVE ESTIMATION - digunakan untuk menyusun beberapa type fungsi matematis dari data. Dapat menghasilkan
diagram (plot) , tabel ANOVA, dan variabel residual, harga taksiran, dan interval taksiran

NONPARAMETRIC
- CHI-SQUARE TEST - digunakan untuk untuk uji hipotesis mengenai
proporsi relatif dari sejumlah case yang dikelompokan dalam
beberapa grup yamg saling asing (mutually exclusive)
- BINOMIAL TEST - digunakan untuk uji hipotesis bahwa suatu variabel
berasal dari populasi binomial dengan probabilitas yang
ditentukan dari peristiwa yang terjadi untuk katagori pertama
dari dua katagori yang ditentukan.
- RUNS TEST - digunakan untuk menguji apakah dua harga dari variabel
ekonoi terjadi dalam barisan random
- ONE-SAMPLE KOLMOGOROV-SMIRNOV TEST - digunakan untuk
menguji apakah suatu sampel berasal dari populasi dengan
distribusi teoritis tertentu, khususnya distribusi normal, uniform,
dan Poison.
- TWO-INDEPENDENT-SAMPLE TESTS - digunakan untuk membandingkan
distribusi variabel diantara dua grup independen
- TWO-RELATED-SAMPLES - digunakan untuk membandingkan distribusi
dari dua variabel yang berhubungan .
- K-INDEPENDENT-SAMPLES TESTS - digunakan untuk membandingkan distribusi variabel di antara dua grup independen
atau lebih .
- K-RELATED-SAMPLES TESTS - digunakan untuk membandingkan distribusi variabel di antara dua grup independen atau
lebih.
6. ANALYSIS OF VARIANCE (ANOVA)

11

SPSS

- Hubungan antar distribusi: Normal, Normal standar, 2, F

- Langkah Standar Pengujian:
= Penentuan hipotesa
= Level of significant =..% berkaitan dengan nilai kritis/tabel
= Statistik hitung
= Kesimpulan membandingkan statistik hitung dan nilai kritis
Perkembangan terakhir dengan p-value, sig. Dll
- ANOVA dapat dipergunakan untuk menguji perbedaan lebih dari dua rata-rata
- Asumsi dalam ANOVA:
= kenormalan distribusi
= homogenitas dari varians
= independensi dari penyimpangan
ONE-WAY ANOVA (contoh data: umy_spss.sav)
1. Varian antar sampel:
Sa

x x

/( k 1)

--> x

-->

2 Sa n

2. Varian dalam sampel:

2

Sw

S1 ...... S k
k

maka F statistik dirumuskan:

nS a
Sw

~ Fk, k(n-1)

ANOVA
post : keuntungan per hari_pmp

Between Groups
Within Groups
Total

Sum of
Squares
3.73E+12
1.07E+14
1.11E+14

df
2
241
243

Mean Square
1.865E+12
4.438E+11

F
4.203

Sig.
.016

Descriptive Statistics

TWO-WAY ANOVA (contoh data:

data_ukm.sav)

Dependent Variable: post : hasil penjualan saat ini_pmp

LOKASI
Botabek

Dapat digunakan untuk menguji rata-rata

ketika kita memiliki dua faktor.
Disain
Misal membedakan penjualan berdasarkan
pendidikan:
GLM/univariate/options/
descriptive statistics

Jabar

Yogyakarta

Total

pendidikan
sd
smp
smu
s1
lainnya
Total
sd
smp
smu
s1
lainnya
Total
sd
smp
smu
s1
lainnya
Total
sd
smp
smu
s1
lainnya
Total

Mean
821428.57
1626667
2432000
1287500
1141667
1698437
1133862
1511545
1328762
2091667
1363750
1373144
1015625
1467857
1202353
1590000
680000.00
1234516
1027661
1529532
1631524
1680000
1113684
1423242

Std. Deviation
988533.157
1694725.712
2258220.169
668798.674
458711.965
1801806.165
1282360.427
2192379.944
2235893.163
2927868.963
1272769.057
1992500.346
1131794.850
1581455.895
1106359.624
1856190.843
297069.016
1324557.059
1166244.793
1927951.344
2111192.254
2012160.400
887882.691
1795512.748

N
14
15
25
4
6
64
29
33
42
6
8
118
16
14
17
10
5
62
59
62
84
20
19
244

populasi

lokasi dan

12

SPSS

Uji Hipotesa
Apakah hubungan penjualan dan lokasi usaha sama untuk lulusan sekolah.
Efek utama (main effects) adalah efek dari masing-masing faktor, dalam kasus kita lokasi dan pendidikan secara individual
bagaimana efeknya terhadap penjualan
Interaksi faktor-faktor tersebut bersama-sama mempengaruhi.
Two-way ANOVA
Perbedaan dengan one-way ANOVA adalah kita dapat menguji tiga hipotesis sekaligus:
Efek utama dari lokasi
Efek utama dari lulusan
Tests of Between-Subjects Effects
Interaksi antara lokasi dan lulusan
Dependent Variable: post : hasil penjualan saat ini_pmp

Menghilangkan Efek
Interaksi
GLM/Model/Custom/

Source
Corrected Model
Intercept
LOKASI
PENDIDIK
LOKASI * PENDIDIK
Error
Total
Corrected Total

Type III Sum

of Squares
df
Mean Square
F
4.401E+13a
14
3.143E+12
.974
2.918E+14
1
2.918E+14
90.369
2.824E+12
2
1.412E+12
.437
1.791E+13
4
4.478E+12
1.387
2.020E+13
8
2.524E+12
.782
7.394E+14
229
3.229E+12
1.278E+15
244
7.834E+14
243
Tests of Between-Subjects
Effects

Sig.
.481
.000
.646
.239
.619

a. R Squared = .056 (Adjusted R Squared = -.002)

Dependent Variable: post : hasil penjualan saat ini_pmp

Source
Corrected Model
Intercept
LOKASI
PENDIDIK
Error
Total
Corrected Total

Type III Sum

of Squares
2.381E+13a
3.261E+14
7.094E+12
1.646E+13
7.596E+14
1.278E+15
7.834E+14

df
6
1
2
4
237
244
243

Mean Square
3.968E+12
3.261E+14
3.547E+12
4.115E+12
3.205E+12

F
1.238
101.755
1.107
1.284

Sig.
.287
.000
.332
.277

a. R Squared = .030 (Adjusted R Squared = .006)

7. REGRESI
1. LINIER REGRESSION - digunakan untuk menguji hubungan antara sebuah variabel dependen dengan himpunan
variabel independen yang ditampilkan dalam bentuk persamaan regresi .
Dependent - untuk sebuah variabel numerik yang akan dijadikan variabel dependen
Independent(s) - untuk mendaftar variabel-variabel numerik yang akan dijadikan variabel independent.

13

SPSS

Method :- Enter , Remove (tidak berlaku untuk blok pertama), Stepwise (metode regresi reduksi bertahap),
Backward (akan mengeluarkan variabel idividu sesuai dengan kriteria options), Forward (menambah variabel
individu sesuai kriteria options)
WLS>> - untuk menghedaki ada variabel yang diboboti
Statistics - untuk menampilkan berbagai nilai statistik mengenai koefisien regresi, yaitu: taksiran, selang
kepercayaan, matriks covarians, DW, diagnosa colinearitas
Plot - untuk menampilkan diagram pencar (scater plot) residual, histogram. diagram outlier, dan diagram
probalitas normal.
Options - untuk menentukan kriteria yang akan digunakan dalam analisis yang menggunakan Stepwise,
Backward dan Forward,untuk menentukan ditampilkan atau dihilangkannya konstanta dalam persamaan regresi
yang dihasilkan, dan untuk mengontrol keberadan missing value.
2. CURVE ESTIMATIONS - digunakan untuk menyusun beberapa type fungsi matematis dari data, menghasilkan
diagram (plot) kurve estimasi pada Chart Carousel, menghasilkan tabel ANOVA, menghasilkan variabel baru
yang berisi residual, harga taksiran dan interval taksiran.
Dependents - untuk mendaftar satu atau beberapa variabel numerik yang akan dijadikan var. Dependent
(sumbu vertikal)
Independent - untuk mendaftar sebuah vaiabel numerik yang akan dijadikan variabel independent. Variabel
(untuk variabel yang dipilih), Time (untuk variabel independent: waktu)
Models - untuk menentukan model regresi untuk menyusun data (linier, Logarithic, Inverse, Quadratic, Cubic,
Compound, Power, S, Ggrowth, Exponential, Logistic)
Include constant in equations - ingin memasukan konstanta dalam persamaan.
Display ANOVA table - menampilkan tabel ANOVA
Plot model - menghasilkan diagram (plot) pada Cart Carousel
Save - untuk membuat variabel-variabel baru pada file kerja (SPSS Data editor), yaitu variabel-variabel yang
berisi harga taksiran, residual, interval taksiran, atau digunakan untuk menentukan pilihan yang berkenaan
dengan taksiran case.

Misal model kita:

Keuntungan = a + b modal awal + c omzet + ui

Coefficientsa

Model
1

(Constant)
post : hasil penjualan
saat ini_pmp
modal awal

Unstandardized
Coefficients
B
Std. Error
74638.217 54327.409

Standardized
Coefficients
Beta

t
1.374

Sig.
.171

.110

.023

.294

4.766

.000

1.221E-05

.001

.001

.012

.991

a. Dependent Variable: post : keuntungan per hari_pmp

PENYIMPANGAN KLASIK
1. Multicollinearity: hubungan antara variabel penjelas
- jika hubungan sempurna maka estimasi tidak bisa dicari
- jika hubungan tinggi tetapi tidak sempurna
Meskipun BLUE tetapi variance (2) besar sehingga semua uji jadi tidak valid.
14

SPSS

Deteksi: R2 tinggi tetapi banyak t yang tidak signifikan

Pengobatan: do nothing, do some rules of tumb
2. Heteroscedasticity: variance tidak konstan
E(u i ) 2 2
------> E(u i ) 2 2
Digunakan GLS (genralized least square) yang pada hakekanya kita merubah model sehingga error
termnya memenuhi varianse konstan dan kemudian mengaplikasikan OLS (ordinary least square). Contoh
dengan membagai model dengan i, sehingga:

u
1
E( i ) 2 2 E (u i ) 2 1

i
Adanya heteroskedastisitas menyebabkan varian
tidak minimum.
Deteksi: metode informal (sifat dari masalah,
metode grafik); metode formal:
- Uji Park
2
ln u i ln ln X i v i jika signifikan
maka ada hetero
- Uji Glejser
u X i v i

- dll: Spearmans rank, Goldfeld-Quandt test,

Bruesh-Pagan-Godfrey test, Whites genral
heteroscedasticity test
Pengobatan: jika i2 diketahui --> seperti diterangkan di atas
jika i2 tidak diketahui --> kita gunakan asumsi-asumsi:
2
E(u i ) 2 2 X i --> model dibagi dengan Xi
2
E(u i ) 2 2 X i --> model dibagi dengan akar Xi

dst
2. Autocorrelation: ui dan uj saling berkorelasi.
Adanya autokorelasi menyebabkan varian tidak minimum.
Deteksi: metode informal (metode grafik); metode DW

8. STATISTIK NON-PARAMETRIK
I. SATU SAMPEL
a. Binomial Untuk menguji sebuah sampel, apakah cirri tertentu dari sampel tersebut bisa dianggap
sama dengan ciri populasinya Contoh: Ho: = 54 ; H1: 54 menggunakan tanda + jika di atas dan
jika di bawah.
Obs Daya
Binomial Test
1
55.4
2
54.6
Observed
Exact Sig.
3
57.8
Category
N
Prop.
Test Prop.
(2-tailed)
4
58.9
DAYA Group 1 <= 54
3
.38
.50
.727
5
48.6
Group 2 > 54
5
.63
6
44.5
Total
8
1.00
7
49.7
8
57.2
15

Ragu
-ragu

Ragu
-ragu
Ho diterima
tidak ada auto

SPSS

b. Runs Test Untuk menguji apakah sampel yang mewakili populasi telah diambil secara acak/random
Contoh: Ho: hasil acak
0

dL

1
2
3
4
5
6
7
8
9
10

du

bagus
bagus
bagus
bagus
bagus
bagus
jelek
bagus
bagus
jelek

11
12
13
14
15
16
17
18
19
20

4-du

4-dL

bagus
bagus
bagus
bagus
jelek
bagus
bagus
bagus
bagus
bagus

Runs Test
HASIL
Test Valuea
Cases < Test Value
Cases >= Test Value
Total Cases
Number of Runs
Z
Asymp. Sig. (2-tailed)

1
3
17
20
7
.381
.703

a. Median

c. Uji Normalitas Kolmogorov Smirnov Untuk menguji apakah distribusi sampel adalah normal atau
tidak normal
Obs Daya
One-Sample Kolmogorov-Smirnov Test
1
55.4
DAYA
2
54.6
N
8
3
57.8
Normal Parameters a,b
Mean
53.338
4
58.9
Std. Deviation
5.1464
Most
Extreme
Absolute
.222
5
48.6
Differences
Positive
.140
6
44.5
Negative
-.222
7
49.7
Kolmogorov-Smirnov Z
.628
8
57.2
Asymp. Sig. (2-tailed)

.826

a. Test distribution is Normal.

b. Calculated from data.

c. Chi-square Untuk menguji homogenitas, indepensi, goodness of fit. Contoh: Konsumen sama-sama
menyukai tiga warna: putih, hijau dan kuning yang ditunjukkan oleh jumlah responden yang sama
(proporsi akan sama). Ho: p1=p2=p3=1/3
susi
anddikai
bila
anton
juni
marlina
badu
cica
cuki
kena
andi
reno

putih
hijau
kuning
kuning
hijau
kuning
kuning
kuning
putih
putih
hijau
hijau

WARNA
putih
hijau
kuning
Total

Observed N
3
4
5
12

Expected N
4.0
4.0
4.0

Residual
-1.0
.0
1.0

Test Statistics
Chi-Square a
df
Asymp. Sig.

WARNA
.500
2
.779

a. 3 cells (100.0%) have expected frequencies less

than 5. The minimum expected cell frequency is 4.0.

II. DUA SAMPEL

16

SPSS

A. DUA SAMPEL YANG INDEPENDEN

a. Mann-Whitney Untuk menguji apakah dua sampel berasal dari populasi yang sama Contoh: apakah terdapat perbedaan
sikap konsumen roti sirkaya kota dan desa
Ttgl Sikap
kota
sangat suka
kota
suka
kota
suka
kota
cukup suka
kota
sangat suka
kota
suka
kota
tidak suka
kota
sangat suka
kota
suka
kota
cukup suka

Test Statisticsb

Ttgl Sikap
desa
suka
desa
tidak suka
desa
tidak suka
desa
cukup suka
desa
tidak suka
desa
suka
desa
tidak suka
desa
sangat suka
desa
suka
desa
cukup suka

Mann-Whitney U
Wilcoxon W
Z
Asymp. Sig. (2-tailed)
Exact Sig. [2*(1-tailed
Sig.)]

TEMPAT
kota
desa
Total

N
10
10
20

Mean Rank
8.45
12.55

b. Grouping Variable: TEMPAT

Sum of Ranks
84.50
125.50

PENGELUA

TEMPAT
kota
desa
Total

b. Kolmogorov-Smirnov Untuk menguji apakah dua

sampel sama. Contoh: apakah rata-rata pengeluaran
penduduk kota sama dengan penduduk desa

Ttgl
kota
kota
kota
kota
kota
kota
kota
kota
kota
kota

Frequencies
N
10
10
20

.123

a. Not corrected for ties.

Ranks
SIKAP

SIKAP
29.500
84.500
-1.609
.108

Pengeluaran
200
400
680
470
254
678
356
725
354
543

Ttgl
desa
desa
desa
desa
desa
desa
desa
desa
desa
desa

Pengeluaran
234
345
234
546
356
235
423
345
234
123

Test Statisticsa
Most Extreme
Differences

PENGELUA
.500
.000
-.500
1.118
.164

Absolute
Positive
Negative

Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)
a. Grouping Variable: TEMPAT

c. Moses Untuk menguji apakah dua sampel sama memiliki variasi yang sama atau tidak. Contoh:
apakah variasi pengeluaran penduduk kota sama dengan penduduk desa? H0: s1=s2
Test Statisticsa,b

Frequencies
PENGELUA

TEMPAT
kota (Control)
desa (Experimental)
Total

N
10
10
20

Observed Control
Group Span

Sig. (1-tailed)

Trimmed Control
Group Span

Sig. (1-tailed)
Outliers Trimmed from each End

PENGELUA
19
.763
13
.325
1

a. Moses Test
b. Grouping Variable: TEMPAT

17

SPSS

d. Wald-Wolfowitz Untuk menguji apakah dua sampel sama. Contoh: apakah rata-rata pengeluaran penduduk kota sama
dengan penduduk desa
Test Statisticsb,c

Frequencies
PENGELUA

TEMPAT
kota
desa
Total

N
10
10
20

PENGELUA

Minimum Possible
Maximum Possible

Number
of Runs
12a
12a

Z
.689
.689

Exact Sig.
(1-tailed)
.758
.758

a. There are 1 inter-group ties involving 2 cases.

b. Wald-Wolfowitz Test
c. Grouping Variable: TEMPAT

B. DUA SAMPEL YANG DEPENDEN

a. Wilcoxon Untuk menguji apakah dua sampel berpasangan memiliki ratarata yang sama. Contoh: penjualan salesman
sebelum dan sesudah pelatihan adalah sama
Sales Sebelum Sesudah
Ranks
1
56
45
2
47
67
N
Mean Rank Sum of Ranks
3
87
56
SESUDAH - SEBELUM Negative Ranks
3a
8.50
25.50
4
78
87
b
Positive
Ranks
7
4.21
29.50
5
97
99
c
Ties
0
6
80
83
10
7
45
55 Total
8 a. SESUDAH
34 < SEBELUM
38
9
67
74
b.
10 SESUDAH
76 > SEBELUM
56
c. SESUDAH = SEBELUM

Test Statisticsb

Z
Asymp. Sig. (2-tailed)

SESUDAH SEBELUM
-.204a
.838

a. Based on negative ranks.

b. Wilcoxon Signed Ranks Test

b. Sign Untuk menguji apakah dua sampel berpasangan memiliki ratarata yang sama. Contoh: penjualan salesman sebelum
dan sesudah pelatihan adalah sama
Frequencies

Test Statisticsb

Exact Sig. (2-tailed)

SESUDAH SEBELUM
.344a

a. Binomial distribution used.

b. Sign Test

N
SESUDAH - SEBELUM Negative Differences a
Positive Differences b
Ties c
Total

3
7
0
10

a. SESUDAH < SEBELUM

b. SESUDAH > SEBELUM
c. SESUDAH = SEBELUM

c. NcNemar jika data yang digunakan adalah nominal

(dikotomi) misal: ya, tidak. Contoh: sikap calon konsumen sebelum dan sesudah presentasi.
SEBELUM & SESUDAH
SESUDAH
SEBELUM
1
2

2
3
4

1
2

18

SPSS

Nama Sblm
Ssd
amdi
suka
budi
tidak suka
ciko
tidak suka
duni
tidak suka
feni
tidak suka
epi
suka
kuma suka
tina
tidak suka
yuki
suka
runi
tidak suka

suka
suka
suka
suka
tidak suka
tidak suka
suka
suka
suka
tidak suka

Test Statisticsb
SEBELUM &
SESUDAH
N
10
Exact Sig. (2-tailed)
.375a
a. Binomial distribution used.
b. McNemar Test

c.
yang digunakan adalah multinominal: misal suka, sedang, sangat suka
cara: Descriptive statistics cross tab

multinominal jika data

III. N-SAMPEL
A. N SAMPEL INDEPENDEN
a. Kruskal-Wallis untuk menguji perbedaan rata-rata lebih dari dua sampel
Ho: 1= 2= 3
Ranks
PENGELUA

TEMPAT
kota
desa
isolasi
Total

Mean Rank
21.90
15.45
9.15

10
10
10
30

Test Statisticsa,b
Chi-Square
df
Asymp. Sig.

PENGELUA
10.521
2
.005

a. Kruskal Wallis Test

b. Grouping Variable: TEMPAT

b. Median & Jocnkhere-Terpstra untuk menguji perbedaan median lebih dari dua sampel
Ho: Md1= Md2= Md3
Frequencies

kota
PENGELUA

> Median
<= Median

8
2

TEMPAT
desa
5
5

isolasi
2
8

Frequencies

kota
PENGELUA

> Median
<= Median

8
2

TEMPAT
desa
5
5

isolasi
2
8

19

SPSS

B. N SAMPEL DEPENDEN
a. Friedman untuk menguji perbedaan rata-rata lebih dari dua sampel
Ho: 1= 2= 3
Misal data produktivitas (roti yang dihasilkan jika pada waktu bekerja diberi perlakuan: lampu,
televisi, radio
Ranks
LAMPU
TELEVISI
RADIO

Mean Rank
2.00
1.83
2.17

Test Statisticsa
N
Chi-Square
df
Asymp. Sig.

6
.364
2
.834

a. Friedman Test

b. Korkondasi Kendall untuk menguji keselarasan dari sekelompok obyek (orang) dalam menilai
obyek tertentu. Ho: preferensi konsumen sama terhadap lima rasa roti perbedaan rata-rata
lebih dari dua sampel data pengurutan
Contoh:
Konsumen
Coklat
Nanas
Kacang
Durian
Susu
Dede
5
4
3
2
1
Andi
3
4
2
1
5
c. Cochran data nominal/dikotomi
Konsumen
Coklat
Nanas
Dede
Tidak Suka
Suka
Andi
Suka
Tidak Suka

Kacang
Tidak Suka
Tidak Suka

Durian
Suka
Suka

Susu
Suka
Suka

---terimakasih---

20