Anova

1. Perusahaan Siaumay sedang meneliti efek promosi di social media terhadap ketiga jenis
smartphone yang dijual di Indonesia. Smartphone tersebut adalah Mi3, Mi4, dan Mi
Note. Samsul sebagai direktur marketing mendapatkan data penjualan ketiga smartphone
seperti dibawah:
Mi3
29
35
33
35
33
29
33
33
37
31
Bantulah Samsul untuk menganalisa:

Mi4
39
44
33
33
42
39
39
37
44
33

Mi Note
27
29
23
29
31
27
23
25
29
23

a. Apakah data penjualan berdistribusi normal? (Bobot: 5%)

b. Apakah data penjualan memiliki kesamaan varian? (Bobot 10%)
c. Apakah terdapat perbedaan rata-rata tingkat penjualan antara smartphone Siaumay?
(Bobot 10%)
d. Apakah terdapat perbedaan rata-rata tingkat penjualan antara Mi3 dan Mi4 menurut
Bonferroni? (Bobot 10%)

Jawaban:
Tests of Normality
Smartphone
Kolmogorov-Smirnova
Shapiro-Wilk
Statistic
df
Sig.
Statistic
df
Sig.
Mi3
.231
10
.139
.924
10
.392
*
Penjualan Mi4
.191
10
.200
.882
10
.138
*
Mi Note
.192
10
.200
.887
10
.158
*. This is a lower bound of the true significance.

a. Lilliefors Significance Correction

a. Uji normalitas
Hipotesis
Ho: data berdistribusi normal
H1: data berdistribusi tidak normal
Dasar Pengambilan Keputusan
Sig >

Ho diterima

Sig <

Ho ditolak

Keputusan
Mi3

= 0.392 > 0.05 Ho diterima

Mi4

= 0.138 > 0.05 Ho diterima

Mi Note

= 0.158 > 0.05 Ho diterima

Kesimpulan
Data penjualan ketiga smartphone Siaumay berdistribusi normal.
Test of Homogeneity of Variances
Penjualan
Levene
df1
df2
Sig.
Statistic
1.880
b. Uji varians
Hipotesis
Ho: tidak ada perbedaan varians
H1: ada perbedaan varians

27

.172

Dasar Pengambilan Keputusan

Sig >

Ho diterima

Sig <

Ho ditolak

Keputusan
0.172 > 0.05 = Ho diterima
Kesimpulan
tidak ada perbedaan varians
ANOVA
Penjualan
Sum of

df

Mean Square

Sig.

Squares
Between
Groups
Within Groups
Total
F 5% = 3.35

685.267

342.633

304.100
989.367

27
29

11.263

30.421

c. Uji anova
Hipotesis
Ho: tidak ada perbedaan rata-rata penjualan 3 macam smartphone Siaumay
H1: ada perbedaan rata-rata penjualan 3 macam smartphone Siaumay
Dasar Pengambilan Keputusan
Uji sig
Sig >

Ho diterima

Sig <

Ho ditolak

.000

Uji F
F hitung > t tabel Ho ditolak
F hitung < t tabel Ho diterima
Keputusan
Uji sig
0.000 < 0.05 Ho ditolak
Uji F
30.421 > 3.35 Ho ditolak
Kesimpulan
ada perbedaan rata-rata penjualan 3 macam smartphone Siaumay.

Multiple Comparisons
Dependent Variable: Penjualan
(I)
(J) Smartphone
Mean
Std. Error
Smartphone
Difference (IJ)
Mi4
-5.50000*
Mi Note
6.20000*
Mi3
5.50000*
Tukey
Mi4
HSD
Mi Note
11.70000*
Mi3
-6.20000*
Mi Note
Mi4
-11.70000*
Mi4
-5.50000*
Mi3
Mi Note
6.20000*
Mi3
5.50000*
Bonferroni Mi4
Mi Note
11.70000*
Mi3
-6.20000*
Mi Note
Mi4
-11.70000*
*. The mean difference is significant at the 0.05 level.
Mi3

d. Uji anova (Bonferroni)

1.50086
1.50086
1.50086
1.50086
1.50086
1.50086
1.50086
1.50086
1.50086
1.50086
1.50086
1.50086

Sig.

.003
.001
.003
.000
.001
.000
.003
.001
.003
.000
.001
.000

95% Confidence Interval

Lower
Upper Boun
Bound
-9.2213
-1.778
2.4787
9.921
1.7787
9.221
7.9787
15.421
-9.9213
-2.478
-15.4213
-7.978
-9.3309
-1.669
2.3691
10.030
1.6691
9.330
7.8691
15.530
-10.0309
-2.369
-15.5309
-7.869

Hipotesis
Ho: tidak ada perbedaan rata-rata penjualan antara Mi3 dan Mi4 menurut Bonferroni
H1: ada perbedaan rata-rata penjualan antara Mi3 dan Mi4 menurut Bonferroni
Dasar Pengambilan Keputusan
Uji sig
Sig >

Ho diterima

Sig <

Ho ditolak

Keputusan
Uji sig
0.003 < 0.05 Ho ditolak
Kesimpulan
ada perbedaan rata-rata penjualan antara Mi3 dan Mi4 menurut Bonferroni.
2. Saat musim hujan seperti ini, Tony dan Tono senang meneliti intensitas spektrum warna
pelangi sehabis hujan. Setiap hari setelah hujan mereka meneliti dengan seksama pelangi
yang muncul di depan rumahnya. Lalu setelah 12 hari 12 malam dunia selalu diguyur
hujan, kini langit menjadi sangat cerah dan mengentikan penelitian mereka. Berikut data
yang mereka dapat:
Hari
1
2
3
4
5
6
7
8

Merah
25
26
23
22
22
22
24
25

Kuning
27
25
28
24
20
22
25
27

Hijau
28
25
24
26
29
16
32
18

9
10
11
12

29
23
26
22

25
22
20
26

29
24
33
24

Bantulah Tony dan Tono untuk menganalisa:

a. Apakah data spektrum pelangi berdistribusi normal? (Bobot: 5%)
b. Apakah data spektrum pelangi memiliki kesamaan varian? (Bobot 10%)
c. Apakah terdapat perbedaan rata-rata intensitas spektrum ketiga warna pelangi? (Bobot
10%)
d. Apakah terdapat perbedaan rata-rata intensitas spektrum antara warna Merah dengan
Hijau menurut Tukey? (Bobot 10%)
Tests of Normality
Warna
Kolmogorov-Smirnova
Shapiro-Wilk
Statistic
df
Sig.
Statistic
df
Sig.
*
Merah
.189
12
.200
.872
12
.069
*
Intensitas Kuning
.193
12
.200
.923
12
.315
Hijau
.204
12
.178
.943
12
.543
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
a. Uji normalitas
Hipotesis
Ho: data berdistribusi normal
H1: data berdistribusi tidak normal
Dasar Pengambilan Keputusan
Sig >

Ho diterima

Sig <

Ho ditolak

Keputusan
Merah = 0.069 > 0.05 Ho diterima

= 0.315 > 0.05 Ho diterima

Kuning

Hijau = 0.543 > 0.05 Ho diterima

Kesimpulan
Data intensitas ketiga warna pelangi berdistribusi normal.
Test of Homogeneity of Variances
Intensitas
Levene
df1
df2
Sig.
Statistic
3.272

33

.051

b. Uji varians
Hipotesis
Ho: tidak ada perbedaan varians
H1: ada perbedaan varians
Dasar Pengambilan Keputusan
Sig >

Ho diterima

Sig <

Ho ditolak

Keputusan
0.051 > 0.05 = Ho diterima
Kesimpulan
tidak ada perbedaan varians
ANOVA
Intensitas
Sum of
Between Groups

Squares
18.167

df

Mean Square
2

9.083

Sig.
.721

.494

Within Groups
Total
F 5% = 3.28

415.833
434.000

33
35

12.601

c. Uji anova
Hipotesis
Ho: tidak ada perbedaan rata-rata intensitas ketiga warna pelangi
H1: ada perbedaan rata-rata intensitas ketiga warna pelangi
Dasar Pengambilan Keputusan
Uji sig
Sig >

Ho diterima

Sig <

Ho ditolak

Uji F
F hitung > t tabel Ho ditolak
F hitung < t tabel Ho diterima
Keputusan
Uji sig
0.494 > 0.05 Ho diterima
Uji F
0.721 < 3.28 Ho diterima
Kesimpulan
tidak ada perbedaan rata-rata intensitas ketiga warna pelangi.
Multiple Comparisons
Dependent Variable: Intensitas

(I)

(J)

Warna

Warna

Merah
Tukey HSD Kuning
Hijau
Merah
Bonferroni

Kuning
Hijau

Mean

Std. Error

Sig.

Difference (I-

Kuning
Hijau
Merah
Hijau
Merah
Kuning
Kuning
Hijau
Merah
Hijau
Merah
Kuning

J)
-.16667
-1.58333
.16667
-1.41667
1.58333
1.41667
-.16667
-1.58333
.16667
-1.41667
1.58333
1.41667

1.44920
1.44920
1.44920
1.44920
1.44920
1.44920
1.44920
1.44920
1.44920
1.44920
1.44920
1.44920

.993
.525
.993
.596
.525
.596
1.000
.847
1.000
1.000
.847
1.000

95% Confidence Interval

Lower Bound Upper Bound
-3.7227
-5.1394
-3.3894
-4.9727
-1.9727
-2.1394
-3.8218
-5.2385
-3.4885
-5.0718
-2.0718
-2.2385

d. Uji anova (Bonferroni)

Hipotesis
Ho: tidak ada perbedaan rata-rata intensitas spektrum antara warna Merah dengan Hijau
menurut Tukey
H1: ada perbedaan rata-rata intensitas spektrum antara warna Merah dengan Hijau
menurut Tukey
Dasar Pengambilan Keputusan
Uji sig
Sig >

Ho diterima

Sig <

Ho ditolak

Keputusan
Uji sig
0.525 > 0.05 Ho diterima

3.3894
1.9727
3.7227
2.1394
5.1394
4.9727
3.4885
2.0718
3.8218
2.2385
5.2385
5.0718

Kesimpulan
tidak ada perbedaan rata-rata intensitas spektrum antara warna Merah dengan Hijau
menurut Tukey.

Kruskall Wallis
1. Setia Novanti adalah pemegang saham istimewa di perusahaan tambang PT Preefort.
Beliau memiliki hak untuk mengatur manajemen perusahaan karena kepemilikan saham
istimewa-nya. Saat ini, beliau ingin meninjau kinerja perusahaan nya dari performa
ketiga top-level-manager di PT Preefort yaitu Fahri, Fadli, dan Donald. Berikut hasil
kuisioner para karyawan atas kinerja mereka bertiga:
(Skala penilaian 1=Sangat Buruk hingga 6=Sangat Baik)
Fahri
4
4
5
4
4
5
5
4
3
3
3
4
4
5
3
4
4
4

Fadli
5
6
4
4
5
5
5
5
4
5
6
5
5
4
5
3
5
4

Donald
5
6
5
6
6
5
6
4
6
6
6
5
6
5
6
5
6
5

Bantulah Setia Novanti untuk menganalisa apakah terdapat perbedaan kinerja ketiga
general manager PT Preefort. (Bobot 25%)
Jawaban:
Tests of Normality
Nama
Kolmogorov-Smirnova
Shapiro-Wilk
Statistic
df
Sig.
Statistic
df
Sig.
Fahri
.278
18
.001
.808
18
.002
Kinerja
Fadli
.311
18
.000
.847
18
.008
Donald
.346
18
.000
.726
18
.000
a. Lilliefors Significance Correction
a. Uji normalitas
Hipotesis
Ho: data berdistribusi normal
H1: data berdistribusi tidak normal
Dasar Pengambilan Keputusan
Uji sig
Sig >

Ho diterima

Sig <

Ho ditolak

Keputusan
Fahri

= 0.002 < 0.05 Ho ditolak

Fadli

= 0.008 < 0.05 Ho ditolak

Donald = 0.000 < 0.05 Ho ditolak

Kesimpulan
Data kinerja ketiga general manager berdistribusi bebas.
Ranks
Nama

Kinerja

Fahri
Fadli
Donald
Total

Mean
18
18
18
54

Rank
15.28
27.08
40.14

Test Statisticsa,b
VAR0000
6
Chi-Square
24.891
df
2
Asymp. Sig.
.000
a. Kruskal Wallis Test
b. Grouping Variable:
Nama
X = 5.99
b. Uji Kruskall Wallis
Hipotesis
Ho: Tidak terdapat perbedaan yang signifikan antara kinerja ketiga general manager PT
Preefort
H1: Terdapat perbedaan yang signifikan antara kinerja ketiga general manager PT
Preefort
Dasar Pengambilan Keputusan
Uji Sig

Sig >

Ho diterima

Sig <

Ho ditolak

Uji Chi Square

X hitung > X tabel Ho ditolak
X hitung < X tabel Ho diterima
Keputusan
Uji sig
0.000 < 0.05 Ho ditolak
Uji Chi Square
24.891 > 5.99 Ho ditolak
Kesimpulan
Terdapat perbedaan yang signifikan antara kinerja ketiga general manager PT Preefort.

2. dr. Kun adalah seorang dokter spesialis wajah memiliki empat klinik praktik di Jakarta,
Bogor, Bekasi, dan Tangerang. Beliau ingin mengetahui apakah keempat klinik miliknya
memiliki kesamaan kepuasan pelanggan satu dengan yang lain. Beliau kemudian
meminta para asisten di setiap klinik untuk menyebarkan kuisioner kepuasan pelanggan.
Berikut hasil yang didapatnya:
(Skala penilaian 1-100)
Jakarta

Bogor

Bekasi

Tangeran

67
78
79
86
81

80
60
63
85
55

41
85
71
50
65

g
55
67
61
67
71

83
81
36
54
63
59
36
36
63
54
86
36
63
54
85
36
81
86
36
67
Bantulah dr. Kun untuk menganalisa perbedaan kepuasan pelanggannya dengan nilai
toleransi (

) sebesar 10%! (Bobot 25%)

Jawaban:
Tests of Normality
Klinik
Kolmogorov-Smirnova
Shapiro-Wilk
Statistic
df
Sig.
Statistic
df
Sig.
Jakarta
.251
10
.074
.833
10
.036
Bogor
.236
10
.123
.819
10
.025
Hasil
*
Bekasi
.197
10
.200
.835
10
.038
*
Tangerang
.210
10
.200
.831
10
.034
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
a. Uji normalitas
Hipotesis
Ho: data berdistribusi normal
H1: data berdistribusi tidak normal
Dasar Pengambilan Keputusan
Uji sig
Sig >

Ho diterima

Sig <

Ho ditolak

Keputusan

Jakarta

= 0.036 < 0.10 Ho ditolak

Bogor

= 0.025 < 0.10 Ho ditolak

Bekasi

= 0.038 < 0.10 Ho ditolak

Tangerang

= 0.034 < 0.10 Ho ditolak

Kesimpulan
Data kepuasan pelanggan keempat klinik dr. Kun berdistribusi bebas.

Ranks
Klinik

Hasil

Jakarta
Bogor
Bekasi
Tangerang
Total

Mean
10
10
10
10
40

Rank
27.30
21.70
18.40
14.60

Test Statisticsa,b
VAR0000
Chi-Square
df
Asymp.

9
6.402
3

.094
Sig.
a. Kruskal Wallis Test
b. Grouping Variable:
VAR00010
X=6.25
b. Uji Kruskall Wallis
Hipotesis
Ho: Tidak terdapat perbedaan yang signifikan kepuasan pelanggan di keempat klinik
milik dr. Kun

H1: Terdapat perbedaan yang signifikan kepuasan pelanggan di keempat klinik milik dr.
Kun
Dasar Pengambilan Keputusan
Uji Sig
Sig >

Ho diterima

Sig <

Ho ditolak

Uji Chi Square

X hitung > X tabel Ho ditolak
X hitung < X tabel Ho diterima
Keputusan
Uji sig
0.094 < 0.10 Ho ditolak
Uji Chi Square
6.402 > 6.25 Ho ditolak
Kesimpulan
Terdapat perbedaan yang signifikan kepuasan pelanggan di keempat klinik milik dr. Kun.

ChiSquare
Goodness of Fit Test

1. Isyana adalah pemilik salah satu Biro Jodoh terkemuka di Tangerang. Dia telah berhasil
menyatukan ribuan pasang pria dan wanita melalui jasa nya. Namun akhir-akhir ini
Isyana melihat tidak sedikit pasangan yang gagal bersatu. Isyana kemudian menganalisa
dari berbagai faktor, salah satunya melalui jenis bunga yang disediakan. Isyana ingin
menganalisa apakah jenis bunga yang disediakannya memiliki tingkat keberhasilan yang
merata atau tidak. Berikut data yang didapat:
Jenis Bunga
Anggrek
Rafflesia arnoldii
Mawar
Melati

Responden
350
220
420
250

Bantulah Isyana untuk menganalisa data tersebut! (Bobot )

Jawaban:
Tests of Normality
Kolmogorov-Smirnova
Shapiro-Wilk
Statistic
df
Sig.
Statistic
df
Sig.
Jenis Bunga
.224
1240
.000
.811
1240
.000
a. Lilliefors Significance Correction
a. Uji normalitas
Hipotesis
Ho: data berdistribusi normal
H1: data berdistribusi tidak normal
Dasar Pengambilan Keputusan
Uji sig
Sig >

Ho diterima

Sig <

Ho ditolak

Keputusan
0.000 < 0.05 Ho ditolak
Kesimpulan
Data jenis bunga Isyana berdistribusi bebas.

Jenis Bunga
Observed Expected
N
Anggrek
Rafflesia arnoldii
Mawar
Melati
Total

350
220
420
250
1240

N
310.0
310.0
310.0
310.0

Residual
40.0
-90.0
110.0
-60.0

Test Statistics
Jenis Bunga
Chi-Square
81.935a
df
3
Asymp. Sig.
.000
a. 0 cells (0.0%) have
expected frequencies less
than 5. The minimum
expected cell frequency is
310.0.
b. Uji Goodness of Fit
Hipotesis
Ho: Keempat jenis bunga mengalami tingkat keberhasilan yang tidak merata
H1: Keempat jenis bunga mengalami tingkat keberhasilan yang merata

Dasar Pengambilan Keputusan

Uji sig
Sig >

Ho diterima

Sig <

Ho ditolak

Keputusan
0.000 < 0.05 Ho ditolak
Kesimpulan
Keempat jenis bunga mengalami tingkat keberhasilan yang merata

2. Basuki Cahaya Utama atau biasa disebut Ahoy merupakan gubernur di provinsi Yacata.
Beliau ingin melakukan audit atas rusun (rumah susun) yang disediakan pemerintah telah
sesuai dengan rencana atau tidak. Ahoy kemudian meminta tim khusus untuk mendata
jumlah rusun di setiap bagian wilayah Yacata untuk kemudian dibandingkan dengan
penyebaran rusun sesuai rencana. Hasil yang didapat dari tim khusus adalah sebagai
berikut:
Wilayah
Yacata Utara
Yacata Pusat
Yacata Barat
Yacata Selatan

Hasil

Jumlah rusun yang

observasi
350
220
420
250

diharapkan
370
230
400
240

Bantulah Ahoy untuk meneliti apakah rusun yang ada telah merata sesuai rencana!

Jawaban:
Tests of Normality

Kolmogorov-Smirnova
Shapiro-Wilk
Statistic
df
Sig.
Statistic
df
Sig.
Hasil Observasi
.224
1240
.000
.811
1240
.000
a. Lilliefors Significance Correction
a. Uji normalitas
Hipotesis
Ho: data berdistribusi normal
H1: data berdistribusi tidak normal
Dasar Pengambilan Keputusan
Uji sig
Sig >

Ho diterima

Sig <

Ho ditolak

Keputusan
0.000 < 0.05 Ho ditolak
Kesimpulan
Data jumlah rusun di Yacata berdistribusi bebas.

Utara
Pusat
Barat
Selatan
Total

Yacata
Observed N Expected N Residual
350
370.0
-20.0
220
230.0
-10.0
420
400.0
20.0
250
240.0
10.0
1240

Test Statistics

Yacata
Chi-Square
2.933a
df
3
Asymp. Sig.
.402
a. 0 cells (0.0%) have
expected frequencies
less than 5. The
minimum expected cell
frequency is 230.0.
X 5% 7.81
b. Uji Goodness of Fit
Hipotesis
Ho: Jumlah rusun di keempat wilayah Yacata tidak merata sesuai dengan rencana
H1: Jumlah rusun di keempat wilayah Yacata merata sesuai dengan rencana
Dasar Pengambilan Keputusan
Uji sig
Sig >

Ho diterima

Sig <

Ho ditolak

Uji Chi Square

X hitung > X tabel Ho ditolak
X hitung < X tabel Ho diterima
Keputusan
0.402 > 0.05 Ho diterima
2.933 < 7.81 Ho diterima

Kesimpulan
Jumlah rusun di keempat wilayah Yacata tidak merata sesuai dengan rencana

Independence Test
1. AEK merupakan restoran kekinian yang menyediakan berbagai jenis mie terkenal di
Jakarta Pusat. AEK ingin membuka cabang di wilayah lain di Jakarta. Namun
sebelumnya AEK ingin mengetahui apakah ada hubungan antara preferensi jenis mie
yang ditawarkan dengan geografi wilayah para pecinta mie. Bantulah AEK untuk
menganalisa data dibawah!

Wilayah
Utara
Selatan
Barat
Timur

Keriting
126
121
139
117

Jenis Mie
Udon

Lebar
29
37
25
27

Ramen
5
47
8
11

Jawaban:
Tests of Normality
Kolmogorov-Smirnova
Shapiro-Wilk
Statistic
df
Sig.
Statistic
df
Sig.
Rating
.360
743
.000
.756
743
.000
a. Lilliefors Significance Correction
Uji normalitas
Hipotesis
Ho: data berdistribusi normal
H1: data berdistribusi tidak normal
Dasar Pengambilan Keputusan

17
8
12
14

Uji sig
Sig >

Ho diterima

Sig <

Ho ditolak

Keputusan
0.000 < 0.05 Ho ditolak
Kesimpulan
Data rating berdistribusi bebas.

Utara
Selata
n
Wilayah
Barat

Timur

Total

Wilayah * Jenis_Mie Crosstabulation

Jenis_Mie
Keriting Lebar
Udon
Ramen
Count
126
29
5
17
Expected
119.8
28.1
16.9
12.1
Count
Count
121
37
47
8
Expected
144.2
33.8
20.4
14.6
Count
Count
139
25
8
12
Expected
124.6
29.2
17.6
12.6
Count
Count
117
27
11
14
Expected
114.4
26.8
16.1
11.6
Count
Count
503
118
71
51
Expected
503.0
118.0
71.0
51.0
Count

Chi-Square Tests

Total
177
177.0
213
213.0
184
184.0
169
169.0
743
743.0

Value
Pearson Chi-Square
Likelihood Ratio
Linear-by-Linear

df
a

62.320
58.134

Asymp. Sig.
9
9

(2-sided)
.000
.000

.695
1
.405
Association
N of Valid Cases
743
a. 0 cells (0.0%) have expected count less than 5. The
minimum expected count is 11.60.
X 5% 16.95
Uji Independence
Hipotesis
Ho: Tidak terdapat hubungan antara preferensi jenis mie dengan geografi wilayah
H1: terdapat hubungan antara preferensi jenis mie dengan geografi wilayah
Dasar Pengambilan Keputusan
Uji sig
Sig >

Ho diterima

Sig <

Ho ditolak

Uji Chi Square

X hitung > X tabel Ho ditolak
X hitung < X tabel Ho diterima
Keputusan
0.000 < 0.05 Ho ditolak
62.320 > 16.95 Ho ditolak

Kesimpulan
Terdapat hubungan antara preferensi jenis mie dengan geografi wilayah

2. Suseno selaku pengamat industri otomotif melihat adanya peristiwa yang unik. Beliau
sedang meneliti tingkat pembelian mobil para karyawan di berbagai perusahaan
multinasional di Jakarta. Beliau ingin melihat hubungan antara tingkat pembelian mobil
dengan jabatan para karyawan. Data sampel yang didapat adalah sebagai berikut:

Jumlah mobil
0
1
2 atau 3
Lebih dari 3

Jabatan
Manager
7
9
34
47

Analis
18
38
97
31

Staf
6
23
58
30

Bantulah Suseno untuk menganalisa:

a. Apakah data berdistribusi normal?
b. Apakah ada hubungan jabatan para karyawan dengan tingkat pembelian mobil!
Jawaban:
Tests of Normality
Kolmogorov-Smirnova
Shapiro-Wilk
Statistic
df
Sig.
Statistic
df
Sig.
Responden
.212
305
.000
.880
305
.000
a. Lilliefors Significance Correction
a. Uji normalitas
Hipotesis
Ho: data berdistribusi normal
H1: data berdistribusi tidak normal

Dasar Pengambilan Keputusan

Uji sig
Sig >

Ho diterima

Sig <

Ho ditolak

Keputusan
0.000 < 0.05 Ho ditolak
Kesimpulan
Data responden berdistribusi bebas.

Jumlah_
Mobil

Total

Jumlah_Mobil * Jabatan Crosstabulation

Jabatan
Manager
Analis
Count
7
8
Expected
0
8.4
7.0
Count
Count
24
10
Expected
1
35.2
29.1
Count
Count
60
35
Expected
2 atau 3
41.6
34.4
Count
Count
31
48
Lebih dari 3 Expected
36.8
30.5
Count
Count
122
101
Expected
122.0
101.0
Count

Total
Staf
6

21

5.6

21.0

54

88

23.7

88.0

104

28.0

104.0

13

92

24.7

92.0

82

305

82.0

305.0

Chi-Square Tests
Value
df
Pearson Chi-Square
Likelihood Ratio
Linear-by-Linear

93.037
90.730

Asymp. Sig.
6
6

(2-sided)
.000
.000

15.335
1
.000
Association
N of Valid Cases
305
a. 0 cells (0.0%) have expected count less than 5. The
minimum expected count is 5.65.
X 5% 12.59
b. Uji Independence
Hipotesis
Ho: Tidak terdapat hubungan antara jabatan karyawan dengan tingkat pembelian mobil
H1: terdapat hubungan antara jabatan karyawan dengan tingkat pembelian mobil
Dasar Pengambilan Keputusan
Uji sig
Sig >

Ho diterima

Sig <

Ho ditolak

Uji Chi Square

X hitung > X tabel Ho ditolak
X hitung < X tabel Ho diterima
Keputusan
0.000 < 0.05 Ho ditolak
93.037 > 12.59 Ho ditolak

Kesimpulan
terdapat hubungan antara jabatan karyawan dengan tingkat pembelian mobil

Mann Whitney
1. Nanban Ryori merupakan start-up bisnis makanan yang menyediakan berbagai jenis
makanan khas Jepang. Oki selaku chef selalu berinovasi untuk meningkatkan kepuasan
pelanggan. Oki kini sedang melakukan penelitian untuk memasuki pasar makanan di
kalangan mahasiswa. Ia mencoba menggunakan 3 macam penambah rasa yang berbeda
untuk mendapatkan tingkat kepuasan tertinggi di pasar makanan mahasiswa. Berikut
sampel data penilaian para responden:
Kikkom

Mici

Orega

an
807
808
813
817
816
817
811
812
802
818
818
815
815
808
803
819
806
819

n
796
795
796
816
796
799
817
814
812
791
801
791
803
816
798
820
810
791

no
807
774
817
798
821
824
812
787
806
771
779
809
770
818
773
816
816
804

816
818

804
819

793
811

Bantulah Oki untuk menganalisa:

a. Apakah data penilaian berdistribusi normal?
b. Apakah ada perbedaan signifikan dari penggunaan perasa Kikkoman dengan Micin?
c. Apakah ada perbedaan signifikan dari penggunaan perasa Micin dengan Oregano?
Jawaban:
Tests of Normality
Perasa
Kolmogorov-Smirnova
Shapiro-Wilk
Statistic
df
Sig.
Statistic
df
Sig.
Kikkoman
.200
20
.035
.892
20
.029
*
Penilaian Micin
.146
20
.200
.898
20
.038
Oregano
.180
20
.089
.887
20
.023
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
a. Uji normalitas
Hipotesis
Ho: data berdistribusi normal
H1: data berdistribusi tidak normal
Dasar Pengambilan Keputusan
Uji sig
Sig >

Ho diterima

Sig <

Ho ditolak

Keputusan
Kikkoman

= 0.029 < 0.05 Ho ditolak

Micin

= 0.038 < 0.05 Ho ditolak

= 0.023 < 0.05 Ho ditolak

Oregano
Kesimpulan

Data penilaian ketiga perasa berdistribusi bebas.

Perasa

Penilaian

Kikkoman
Micin
Total

Ranks
N
20
20
40

Mean

Sum of

Rank
25.35
15.65

Ranks
507.00
313.00

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

Penilaian
103.000
313.000
-2.628
.009

Sig.)]
a. Grouping Variable: Perasa
b. Not corrected for ties.

.008b

b. Uji Mann Whitney (Kikkoman dengan Micin)

Hipotesis
Ho: Tidak terdapat perbedaan yang signifikan antara penilaian perasa Kikkoman dengan
Micin
H1: Terdapat perbedaan yang signifikan antara penilaian perasa Kikkoman dengan Micin
Dasar Pengambilan Keputusan
Sig >

Ho diterima

Sig <

Ho ditolak

Keputusan
0.009 < 0.05 Ho ditolak
Kesimpulan
Terdapat perbedaan yang signifikan antara penilaian perasa Kikkoman dengan Micin.

Perasa

Penilaian

Micin
Oregano
Total

Ranks
N
20
20
40

Mean

Sum of

Rank
20.90
20.10

Ranks
418.00
402.00

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

Penilaian
192.000
402.000
-.217
.829

Sig.)]
a. Grouping Variable: Perasa
b. Not corrected for ties.

.841b

c. Uji Mann Whitney (Micin dengan Oregano)

Hipotesis
Ho: Tidak terdapat perbedaan yang signifikan antara penilaian perasa Micin dengan
Oregano
H1: Terdapat perbedaan yang signifikan antara penilaian perasa Micin dengan Oregano

Dasar Pengambilan Keputusan

Sig >

Ho diterima

Sig <

Ho ditolak

Keputusan
0.829 > 0.05 Ho diterima
Kesimpulan
Tidak terdapat perbedaan yang signifikan antara penilaian perasa Micin dengan Oregano.

2. William seorang entrepreneur di bidang masakan Jepang sedang meneliti jumlah ketiga
jenis makanan yang terjual saat bazaar di Pekan Raya Jakarta. Berikut data jenis makanan
dan jumlah penjualannya.
Gyudon
95
96
95
96
99
96
100
99
96
96

Menchi Katsu
95
95
95
98
98
95
95
96
98
95

Bantulah William untuk menganalisa:

a. Apakah data penjualan berdistribusi normal?

Chicken Curry
87
99
97
96
96
96
95
95
100
95

b. Apakah ada perbedaan yang signifikan antara penjualan Gyudon dengan Mecnhi
Katsu?
Jawaban:
Tests of Normality
Jenis
Kolmogorov-Smirnova
Shapiro-Wilk
Statistic
df
Sig.
Statistic
df
Sig.
Gyudon
.370
10
.000
.787
10
.010
Penjualan Menchi Katsu
.360
10
.001
.670
10
.000
Chicken Curry
.331
10
.003
.802
10
.015
a. Lilliefors Significance Correction
a. Uji normalitas
Hipotesis
Ho: data berdistribusi normal
H1: data berdistribusi tidak normal
Dasar Pengambilan Keputusan
Uji sig
Sig >

Ho diterima

Sig <

Ho ditolak

Keputusan
Gyudon

= 0.010 < 0.05 Ho ditolak

Menchi Katsu = 0.000 < 0.05 Ho ditolak

Chicken Curry = 0.015 < 0.05 Ho ditolak
Kesimpulan
Data penjualan ketiga jenis makanan berdistribusi bebas.

Jenis
Gyudon
Penjualan Menchi Katsu
Total

Ranks
N

Mean

Sum of

Rank
12.35
8.65

Ranks
123.50
86.50

10
10
20

Test Statisticsa
VAR0000
Mann-Whitney U
Wilcoxon W
Z
Asymp. Sig. (2-tailed)
Exact Sig. [2*(1-tailed

1
31.500
86.500
-1.469
.142
.165b

Sig.)]
a. Grouping Variable: VAR00002
b. Not corrected for ties.
b. Uji Mann Whitney (Gyudon dengan Menchi Katsu)
Hipotesis

Ho: Tidak terdapat perbedaan yang signifikan antara penjualan Gyudon dengan Menchi
Katsu
H1: Terdapat perbedaan yang signifikan antara penjualan Gyudon dengan Menchi Katsu
Dasar Pengambilan Keputusan
Sig >

Ho diterima

Sig <

Ho ditolak

Keputusan

0.142 > 0.05 Ho diterima

Kesimpulan
Tidak terdapat perbedaan yang signifikan antara penjualan Gyudon dengan Menchi Katsu

Sign-Wilcoxon
1. Dokter Alvin yang merupakan dokter spesialis ibu dan anak sedang melakukan penelitian
mengenai berat badan pra dan pasca pubertas anak. Beliau ingin mengetahui apakah
pubertas menjadi faktor perubahan berat badan anak-anak. Dokter Alvin kemudian
meneliti beberapa sampel anak yang sering melakukan check-up. Berikut datanya:
Pra

Pasca

Pubert

Pubert

as
91
93
86
93
94
85
90
89
90
94
85
90
89
88

as
92
89
76
80
85
92
89
75
75
88
92
85
78
76

85
86
95
89
85
85

89
76
87
91
84
87

a. Apakah data berdistribusi normal?

b. Apakah terdapat perbedaan yang signifikan antara berat badan anak pra dan pasca
pubertas?
Jawaban:
Tests of Normality
Kolmogorov-Smirnova
Shapiro-Wilk
Statistic
df
Sig.
Statistic
df
Sig.
Pra_Puber
.167
20
.146
.902
20
.044
Pasca_Puber
.166
20
.152
.874
20
.014
a. Lilliefors Significance Correction
a. Uji normalitas
Hipotesis
Ho: data berdistribusi normal
H1: data berdistribusi tidak normal
Dasar Pengambilan Keputusan
Uji sig
Sig >

Ho diterima

Sig <

Ho ditolak

Keputusan
Pra Puber

= 0.044 < 0.05 Ho ditolak

Pasca Puber

= 0.014 < 0.05 Ho ditolak

Kesimpulan
Data penjualan ketiga jenis makanan berdistribusi bebas.

Ranks
N
Negative
Ranks
Positive Ranks
Pra_Puber
Ties
Total
a. Pasca_Puber < Pra_Puber
b. Pasca_Puber > Pra_Puber
c. Pasca_Puber = Pra_Puber
Pasca_Puber

Mean

Sum of

Rank

Ranks

14a

12.25

171.50

6b
0c
20

6.42

38.50

Test Statisticsa
Pasca_Puber
Z
Asymp. Sig. (2-

Pra_Puber
-2.484b

.013
tailed)
a. Wilcoxon Signed Ranks Test
b. Based on positive ranks.
b. Uji Sign-Wilcoxon
Hipotesis
Ho: Tidak terdapat perbedaan yang signifikan antara berat badan anak pra dan pasca
pubertas
H1: Terdapat perbedaan yang signifikan antara berat badan anak pra dan pasca pubertas
Dasar Pengambilan Keputusan

Sig >

Ho diterima

Sig <

Ho ditolak

Keputusan
0.013 < 0.05 Ho ditolak
Kesimpulan
Terdapat perbedaan yang signifikan antara berat badan anak pra dan pasca pubertas.
Jika dilihat pada tabel rank, nilai negative lebih banyak dari pada nilai positif, hal ini
mengindikasikan bahwa rata-rata terjadi penurunan pada berat badan anak pasca puber

2. Vutong merupakan guru di sekolah Muda Bahagia. Beliau sedang meneliti nilai murid di
kelasnya. Ia akan meneliti apakah ada peningkatan antara nilai sebelum dan sesudah dia
mengajar menggunakan teori buatannya sendiri. Berikut hasil nilai muridnya:
Sebelu

Sesuda

m
58
51
51
51
62
63
65
65
58
63
58

h
98
96
93
98
93
99
96
97
98
90
97

51
52
58
62
58
65
61
51
58

95
96
99
99
91
88
97
95
98

a. Apakah data berdistribusi normal?

b. Apakah terdapat perbedaan yang signifikan antara nilai murid sebelum dan sesudah
diajarkan teori buatan Vutong?

Jawaban:
Tests of Normality
Kolmogorov-Smirnova
Shapiro-Wilk
Statistic
df
Sig.
Statistic
df
Sig.
Sebelum
.196
20
.042
.865
20
.010
Sesudah
.194
20
.046
.878
20
.016
a. Lilliefors Significance Correction
a. Uji normalitas
Hipotesis
Ho: data berdistribusi normal
H1: data berdistribusi tidak normal
Dasar Pengambilan Keputusan
Uji sig
Sig >

Ho diterima

Sig <

Ho ditolak

Keputusan
Sebelum

= 0.010 < 0.05 Ho ditolak

Sesudah

= 0.016 < 0.05 Ho ditolak

Kesimpulan
Data nilai murid berdistribusi bebas.

Ranks
N
Negative
Ranks
Positive Ranks
Ties
Total

Sesudah - Sebelum

Mean

Sum of

Rank

Ranks

0a

.00

.00

20b
0c
20

10.50

210.00

a. Sesudah < Sebelum

b. Sesudah > Sebelum
c. Sesudah = Sebelum

Test Statisticsa
Sesudah Z
Asymp. Sig. (2-

Sebelum
-3.923b

.000
tailed)
a. Wilcoxon Signed Ranks Test
b. Based on negative ranks.

b. Uji Sign-Wilcoxon
Hipotesis
Ho: Tidak terdapat perbedaan yang signifikan antara nilai murid sebelum dan sesudah
diajarkan teori buatan Vutong

H1: Terdapat perbedaan yang signifikan antara nilai murid sebelum dan sesudah
diajarkan teori buatan Vutong
Dasar Pengambilan Keputusan
Sig >

Ho diterima

Sig <

Ho ditolak

Keputusan
0.000 < 0.05 Ho ditolak
Kesimpulan
Terdapat perbedaan yang signifikan antara nilai murid sebelum dan sesudah diajarkan
teori buatan Vutong.
Jika dilihat pada tabel rank, nilai positif lebih banyak dari pada nilai negatif, hal ini
mengindikasikan bahwa rata-rata terjadi peningkatan pada nilai murid sesudah diajarkan
teori buatan Vutong.