Analyze, memilih
Notes
Output Created
Comments
Input
28-Nov-2014 19:24:23
Active
DataSet0
Dataset
Filter
<none>
Weight
<none>
Split File
<none>
N of Rows in
Working
33
Data File
Missing Value Handling Definition of User-defined missing
Missing
missing.
Cases Used Statistics are based on
cases with no missing
values for any variable
used.
REGRESSION
Syntax
/MISSING LISTWISE
/STATISTICS COEFF
OUTS R ANOVA
/CRITERIA=PIN(.05)
POUT(.10)
/NOORIGIN
/DEPENDENT
Jumlah_Guru
/METHOD=ENTER
Jumlah_Sekolah.
Resources
Processor
00:00:00.016
Variables
Entered
Removed
Model
1
Jumlah_Sekola
Method
. Enter
ha
a. All requested variables entered.
b. Dependent Variable: Jumlah_Guru
Tabel 2.23 Model Summary
Model Summary
Adjusted R
Model
1
R Square
a
.908
Square
.824
.818
5511.955
a. Predictors: (Constant),
Jumlah_Sekolah
Tabel 2.24 ANOVAb
ANOVAb
Model
Sum of Squares
df
Mean Square
1Regression
4.405E9
4.405E9
Residual
9.418E8
31
3.038E7
Total
5.346E9
32
F
144.975
Sig.
.000a
Notes
Output Created
Comments
Input
Active Dataset
Filter
Weight
Split File
N of Rows in Working
Missing
Data File
Definition of Missing
Value
28-Nov-2014 20:40:52
DataSet0
<none>
<none>
<none>
33
User-defined missing values are
treated as missing.
Handling
Cases Used
Syntax
/VARIABLES=Jumlah_Sekolah
Jumlah_Guru
/PRINT=TWOTAIL NOSIG
/MISSING=PAIRWISE.
Resources Processor Time
Elapsed Time
00:00:00.031
00:00:00.032
Correlations
Jumlah_Seko
lah
Jumlah_Sekolah
Pearson Correlation
Jumlah_Guru
1
Sig. (2-tailed)
Jumlah_Guru
N
Pearson Correlation
Sig. (2-tailed)
.000
33
.908**
Interval Koefisien
Tingkat Hubungan
0,00-0,199
Sangat Rendah
0,20-0,399
Rendah
0,40-0,599
Sedang
0,60-0,799
Kuat
0,80-1,00
Sangat Kuat
Sumber : (Yohannes, 2011)
33
1
.000
N
33
Tabel 2.26 Correlations
**. Correlation is significant at the 0.01 level (2-tailed).
.908**
33
c. Analisis
1) Regresi
a) Berdsarkan hasil yang diperoleh dari tabel Coefficientsa diketahui
nilai a sebesar -4589.059 dan nilai b sebesar 36.884. Sehingga
persamaan regresi yaitu Y=a+bX
2. Frequencies
a. Langkah-Langkah
1) Data Poisson
a) Membuka program SPSS dan masukan data pada Data View.
Seperti gambar dibawah ini:
Jumlah_Kedatangan
sedangkan
mengganti
type
Gambar 2.21
Gambar 2.29
b. Output
1) Data Poisson
Notes
Output Created
Comments
Input
Active Dataset
Filter
Weight
Split File
N of Rows in Working
28-Nov-2014 22:07:52
DataSet0
<none>
<none>
<none>
Data File
96
Missing
Definition of Missing
Value
treated as missing.
Statistics are based on all cases with
Syntax
valid data.
FREQUENCIES
VARIABLES=Jumlah_Kedatangan
/PERCENTILES=0.05
/STATISTICS=STDDEV
VARIANCE RANGE MINIMUM
MAXIMUM SEMEAN MEAN
MEDIAN MODE SUM
SKEWNESS SESKEW KURTOSIS
SEKURT
/HISTOGRAM NORMAL
/ORDER=ANALYSIS.
00:00:00.390
00:00:00.453
Valid
Missing
96
0
Mean
16.45
Std. Error of Mean
.604
Median
16.00
Mode
13a
Std. Deviation
5.919
Variance
35.029
Skewness
.836
Std. Error of Skewness
.246
Kurtosis
.754
Std. Error of Kurtosis
.488
Range
30
Minimum
6
Maximum
36
Sum
1579
Percentiles 0.05
6.00
a. Multiple modes exist. The smallest value is shown
Jumlah_Kedatangan
Cumulative
Frequency
Percent
Valid Percent
Percent
Vali 6
2.1
2.1
2.1
2.1
2.1
4.2
4.2
4.2
8.3
10
7.3
7.3
15.6
11
5.2
5.2
20.8
12
6.2
6.2
27.1
13
8.3
8.3
35.4
14
5.2
5.2
40.6
15
8.3
8.3
49.0
16
7.3
7.3
56.2
17
6.2
6.2
62.5
18
6.2
6.2
68.8
19
7.3
7.3
76.0
20
3.1
3.1
79.2
21
4.2
4.2
83.3
22
1.0
1.0
84.4
23
3.1
3.1
87.5
24
1.0
1.0
88.5
25
3.1
3.1
91.7
26
2.1
2.1
93.8
27
1.0
1.0
94.8
28
1.0
1.0
95.8
29
1.0
1.0
96.9
30
1.0
1.0
97.9
33
1.0
1.0
99.0
36
1.0
1.0
100.0
96
100.0
100.0
Total
Gambar
2.36
Histogram Poisson
2) Data Eksponensial
Output Created
Comments
Input
Missing Value
28-Nov-2014 22:36:49
Active Dataset
Filter
Weight
Split File
N of Rows in Working
Data File
Definition of Missing
Handling
1549
User-defined missing
values are treated as
Cases Used
Syntax
DataSet0
<none>
<none>
<none>
missing.
Statistics are based on all
cases with valid data.
FREQUENCIES
VARIABLES=Interval_
Waktu
/PERCENTILES=0.05
/STATISTICS=STDDEV
VARIANCE RANGE
MINIMUM MAXIMUM
SEMEAN MEAN
MEDIAN MODE SUM
SKEWNESS SESKEW
KURTOSIS SEKURT
/HISTOGRAM
NORMAL
/ORDER=ANALYSIS.
Valid
Missing
Mean
Std. Error of Mean
Median
Mode
Std. Deviation
Variance
Skewness
Std. Error of Skewness
Kurtosis
Std. Error of Kurtosis
Range
Minimum
Maximum
Sum
Perce 0.05
ntiles
1549
0
18.3312
.50680
12.0000
1.00
1.99465E1
397.861
2.242
.062
7.227
.124
157.00
1.00
158.00
2.84E4
1.0000
Valid
Frequency
Percent
Valid Percent
Cumulative Percent
150
9.7
9.7
9.7
98
6.3
6.3
16.0
72
4.6
4.6
20.7
66
4.3
4.3
24.9
62
4.0
4.0
28.9
65
4.2
4.2
33.1
63
4.1
4.1
37.2
49
3.2
3.2
40.3
49
3.2
3.2
43.5
10
50
3.2
3.2
46.7
11
33
2.1
2.1
48.9
12
46
3.0
3.0
51.8
13
38
2.5
2.5
54.3
14
43
2.8
2.8
57.1
15
40
2.6
2.6
59.7
16
23
1.5
1.5
61.1
17
29
1.9
1.9
63.0
18
32
2.1
2.1
65.1
19
21
1.4
1.4
66.4
20
25
1.6
1.6
68.0
21
24
1.5
1.5
69.6
22
31
2.0
2.0
71.6
23
22
1.4
1.4
73.0
24
20
1.3
1.3
74.3
25
17
1.1
1.1
75.4
26
20
1.3
1.3
76.7
27
.6
.6
77.3
28
18
1.2
1.2
78.4
29
15
1.0
1.0
79.4
30
16
1.0
1.0
80.4
31
23
1.5
1.5
81.9
c. Analisis
1) Data Poisson
Dari data poisson yang telah dilakukan perhitungan dengan
SPSS, diperoleh data sebagai berikut: Rata-rata(Mean) memiliki nilai
sebesar 16.45, sedangkan standar error dari Mean sebesar 0,604,
Median memiliki nilai sebesar 16, standar deviasi dari data ini sebesar
5.919 memiliki nilai Varience sebesar 35.029, nilai Skewness sebesar
0,836, nilai Standar Error of Skewness sebesar 0,488, dengan nilai
kurtosis sebesar 0,754nilai range sebesar 30, memiliki nilai minimum
6, dan nilai maksimum 36 dengan percentil 0,05
2) Data Eksponensial
Dari data Eksponensial yang telah dilakukan perhitungan
dengan SPSS, diperoleh data sebagai berikut: Rata-rata(Mean)
memiliki nilai sebesar 18.3312, sedangkan standar error dari Mean
sebesar 0,50680, Median memiliki nilai sebesar 12, standar deviasi
dari data ini sebesar 1,99465E1 memiliki nilai Varience sebesar
397.861, nilai Skewness sebesar 2.242, nilai Standar
Error of
Pencahayaa
Pencahayaan
Pencahayaa
Pencahayaan
nA
4
5
5
5
nB
3
4
3
5
C
5
3
5
3
nD
6
3
4
6
E
3
3
5
6
b. Langkah-Langkah
1) Membuka program SPSS dan masukan data pada Data View. Seperti
gambar dibawah ini:
Gambar 2.40
Tampilan
Menu Data
view.
2) Kemudian melakukan pemformatan values pada data pencahayaan
yang cacat values-nya lalu menambahkan values dan label-nya (1
adalah Hari 1, 2 adalah Hari 2, 3 adalah Hari 3, 4 adalah Hari 4, 5
adalah Hari 5) kemudian menekan OK.
Gambar 2.41
Tampilan
Values Label.
3) Melakukan analisis One Way ANOVA dengan cara Analyze, kemudian
Compare Means, dan memilih One Way ANOVA.
Gambar 2.42 Memilih Analyze, Compare Means, dan memilih One Way ANOVA.
5) Kemudian dalam kotak dialog One Way ANOVA menekan Post Hoc
Comparisons, dan akan muncul kotak dialog seperti dibawah ini.
Selanjutnya pada bagian Equal Variences Assumed kita memilih
Bonferroni dan Tukey dan pada Signiificance Level masukan angka
0,05 kemudian menekan Continue.
Gambar 2.44 Tampilan Kotak Dialog One-Way ANOVA: Post Hoc Comparisons.
6) Selanjutnya pada kotak dialog
Option dan akan muncul tampilan seperti dibawah ini, kemudian pada
bagian Statistics memilih Descriptive dan Homogeneity Of Varience
Test, sedangkan pada bagian Missing Values Memilih Exclude Cases
Analysis By Analysis. Dan kemudian menekan Continue.
Tabel 2.35
Oneway Notes
Data ANOVA
Notes
Output Created
Comments
Input
Active Dataset
Filter
Weight
Split File
N of Rows in Working
Missing Value
29-Nov-2014 05:44:10
DataSet0
<none>
<none>
<none>
25
Data File
Definition of Missing
Cases Used
treated as missing.
Statistics for each analysis are based
Handling
Syntax
/STATISTICS DESCRIPTIVES
HOMOGENEITY
/MISSING ANALYSIS
/POSTHOC=TUKEY
BONFERRONI ALPHA(0.05).
Resources
Processor Time
00:00:00.016
Elapsed Time
00:00:00.015
Descriptives
95% Confidence Interval
Hari
for Mean
N
Mea
Std.
Std.
Deviation
Error
Upper
Lower Bound
Bound
Minimu Maximu
m
Hari 3
9 3.56
1.236
.412
2.61
4.51
Hari 4
5 2.40
1.517
.678
.52
4.28
Hari 5
8 2.25
1.389
.491
1.09
3.41
3 4.33
.577
.333
2.90
5.77
25 3.00
1.443
.289
2.40
3.60
Total
df1
1.247
df2
3
Sig.
21
.318
ANOVA
Hari
Sum of
Squares
Between
Groups
Within
Groups
Total
df Mean Square
14.411
4.804
35.589
21
1.695
50.000
24
Sig.
2.83
5
.063
Multiple Comparisons
Dependent
Variable:Hari
(I)
Penc (J)
ahay Pencahay
aan aan
Mean
Difference
Std.
Sig
Lower
Upper
(I-J)
Error
Bound
Bound
.
1.156
.726 40
-.87
3.18
-.46
3.07
-3.20
1.64
-3.18
.87
-1.92
2.22
-4.58
.72
-3.07
.46
-2.22
1.92
5
Hari 5
.
1.306
.633 19
7
.
-.778
.868 80
7
Hari Hari 3
4
.
-1.156
.726 40
5
Hari 5
.
.150
.742 99
7
.
-1.933
.951 20
8
Hari Hari 3
5
.
-1.306
.633 19
7
Hari 4
.
-.150
.742 99
2.25
Hari 4
2.40
Hari 3
3.56
4.33
Sig.
.076
d. Analisis
1) Hasil dari Test Homogeneity Of Varience menunjukan bahwa P-Value
sebesar 0,318 dengan dF1 sebesar 3 dan dF2 sebesar 21. Apabila nilai
P-Value lebih besar dari 0,05 maka H0 diterima atau data bersifat
Homogeneity. Pada pengolahan data diatas nila P-Value > 0,05
sehingga H0 diterima.
2) Berdasarkan hasil Post Hoc Test, menunjukan bahwa semua jumlah
unit produk cacat pada Bagian Departemen Produksi memiliki
pengaruh yang sama terhadap pencahayaan yang berbeda ditunjukan
pada hasil tabel berikut:
Pencahayaa Pencahayaa Pencahayaa Pencahayaa Pencahayaa
nA
Diterima
Diterima
Diterima
Diterima
nB
Diterima
Diterima
Diterima
Diterima
nC
Diterima
Diterima
Diterima
Diterima
nD
Diterima
Diterima
Diterima
Diterima
nE
Diterima
Diterima
Diterima
Diterima
LAMPIRAN
Notes
Output Created
Comments
Input
28-Nov-2014 19:24:23
Active Dataset
Filter
Weight
Split File
N of Rows in Working
Data File
Missing Value Handling Definition of Missing
Cases Used
DataSet0
<none>
<none>
<none>
33
User-defined missing values are
treated as missing.
Statistics are based on cases with no
missing values for any variable
used.
REGRESSION
Syntax
/MISSING LISTWISE
/STATISTICS COEFF OUTS R
ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT Jumlah_Guru
/METHOD=ENTER
Jumlah_Sekolah.
Resources
Processor Time
00:00:00.016
Elapsed Time
00:00:00.017
Memory Required
1348 bytes
Additional Memory
Required for Residual
Plots
0 bytes
Variables Entered/Removedb
Model
1
Variables
Variables
Entered
Removed
Jumlah_Sekola
Method
. Enter
ha
a. All requested variables entered.
b. Dependent Variable: Jumlah_Guru
Model Summary
Adjusted R
Model
R Square
.908a
Square
.824
5511.955
Sum of Squares
df
Mean Square
Regression
4.405E9
4.405E9
Residual
9.418E8
31
3.038E7
Total
5.346E9
32
Sig.
144.975
.000a
Model
1
Unstandardized
Standardized
Coefficients
Coefficients
B
(Constant)
Jumlah_Sekolah
Std. Error
Beta
Sig.
-4589.059
1422.021
-3.227
.003
36.884
3.063
.908 12.041
.000
28-Nov-2014 20:40:52
Active Dataset
Filter
Weight
Split File
N of Rows in Working
Data File
Missing Value Handling Definition of Missing
Cases Used
DataSet0
<none>
<none>
<none>
33
User-defined missing values are
treated as missing.
Statistics for each pair of variables
are based on all the cases with valid
data for that pair.
CORRELATIONS
Syntax
/VARIABLES=Jumlah_Sekolah
Jumlah_Guru
/PRINT=TWOTAIL NOSIG
/MISSING=PAIRWISE.
Resources
Processor Time
00:00:00.031
Elapsed Time
00:00:00.032
Correlations
Jumlah_Sekola
h
Jumlah_Sekolah
Jumlah_Guru
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Jumlah_Guru
Sig. (2-tailed)
N
.000
33
.908**
33
LEMBAR ASISTENSI
:7
33
1
.000
Kelompok
.908**
33
Nama
Shift
: IV
Asisten
: RAHMATTULLAH
No.
Tanggal
Keterangan
(D600130056)
(D600130106)
Paraf