Laporan Pratikum SPSS Versi 16

LAPORAN PRATIKUM
SPSS
FACULTAS TEKNIK
JURUSAN TEKNIK INDUSTRI
UNIVERSIDADE DA PAZ
2012
KATA PENGANTAR
Puji syukur kami panjatkan kehadirat Tuhan Yang Maha Esa atas
Rahmat, Petunjuk serta Bimbingan-Nya, Akhirnya kami dapat menylesaikan
Laporan Praktek Stastik dengan mengunakan software SPSS versi 16.00 ini
hingga selesai.
Laporan praktek statistik dengan mengunakan software SPSS versi 16.00
ini bertujuan untuk membantu penulis agar mampu untuk melakukan suatu
analisis terhadap sebuah data.
Pada kesempatan ini juga tak lupa pula dengan rendah hati penulis
sampaikan limpah teimakasih yang sebesar-besarnykepada : Dosen,Eustaquio
Antonio Armindo Pedro Soares,ST. Selaku dosen Matakuliah Statistik
Laboratorium, yang telah berjuang serta berupaya semaksimal mungkin dalam
memberikan penjelasan-penjelasan serta langkah-langkah dalam menjalangkan
program komputer dengan mengunakan software SPSS versi 16.00.
Sungguh, penulis menyadari bahwa penulisan laporan praktek Statistik
dengan mengunakan program computer SPSS ini masih jauh dari yang
sempurna, maka dari itu, penulis akan sangat berlapang dada dan berbesar hati,
apa bila para pembaca berkenan memberikan saran maupun kritikan demi
memperbaiki dan menyempurnakan laporan ini.

DATAR ISI
Daftar Nama Kelompok ................................................................................................. i
Kata Pengantar.............................................................................................................. ii
Datar Isi ....................................................................................................................... iii
Daftar Tabel .................................................................................................................. v
Daftar Gambar ............................................................................................................. vii
BAB I PENDAHULUAN
1.1 Latar Belakang ........................................................................................................ 1
1.2 Batasan Masalah ..................................................................................................... 3
1.3 Tujuan dan Manfaat ................................................................................................ 3
1.4 Waktu dan Tempat .................................................................................................. 4
1.5 Sistematik ............................................................................................................... 5
BAB II TINJAUAN PUSTAKA
2.1 Defenisi Program Computer SPSS ......................................................................... 6
2.2 Operasi dasar Program SPSS . ................................................................................. 8
BAB III MATERI DAN METODE PRATIKUM
3.1 Langkah-langkah menginstal program computer SPSS .......................................... 12
3.2 Regresi Linear ...................................................................................................... 12

3.3 Regresi Linear Berganda ...................................................................................... 20
3.4 Korelasi Linear .................................................................................................... 27
3.5 Korelasi Linear Berganda ..................................................................................... 31
3.6 CHI-SQUARE ..................................................................................................... 35
a. Uji Kebaikan Suai ......................................................................................... 35
b. Uji Kebebasan Suai ....................................................................................... 35
c. Pengujian Beberapa Proporsi ......................................................................... 35
3.7 Anova 1 Arah ....................................................................................................... 40
3.8 Anova 2 Arah ....................................................................................................... 47
BAB IV PENUTUP
4.1 Kesimpulan ........................................................................................................... 53
4.2 Saran .................................................................................................................... 53
DAFTAR PUSTAKA ............................................................................................... 55

DAFTAR TABEL
1. Tabel 3.1 Data Jumlah kalori/hari dan berat badan mahasiswa .............................. 13
2. Tabel 3.1.1 Descriptive Statistics .......................................................................... 16
3. Tabel 3.1.2 Correlations ....................................................................................... 16
4. Tabel 3.1.3 Variables Entered/Removedb ............................................................. 16
5. Tabel 3.1.4 Model Summaryb ............................................................................... 17
6. Tabel 3.1.5 ANOVAb ........................................................................................... 17
7. Tabel 3.1.6 Coefficientsa ...................................................................................... 18
8. Tabel 3.1.7 Casewise Diagnosticsa ....................................................................... 18
9. Tabel 3.1.8 Residuals Statisticsa .......................................................................... 19
10. Tabel 3.2 Data peringkat kimia, nilai ujian & frekuensi membolos mahasiswa ..... 20
11. Tabel 3.2.1 Descriptive Statistics .......................................................................... 23
12. Tabel 3.2.2 Correlations ....................................................................................... 24
13. Tabel 3.2.3 Variables Entered/Removedb ............................................................. 24
14. Tabel 3.2.4 Model Summaryb ............................................................................... 24
15. Tabel 3.2.5 ANOVAb ........................................................................................... 25
16. Tabel 3.2.6 Coefficientsa ...................................................................................... 25
17. Tabel 3.2.7 Casewise Diagnosticsa ....................................................................... 26
18. Tabel 3.2.8 Residuals Statisticsa .......................................................................... 26

19. Tabel 3.3 Jumlah jam belajar dengan nilai yang diperoleh .................................... 27
20. Tabel 3.3.1 Correlations ...................................................................................... 30
21. Tabel 3.4 Jumlah bahan baku dengan jumlah produk jadi ..................................... 31
22. Tabel 3.4.1 Correlations ...................................................................................... 33
23. Tabel 3.5 Tabel jenis kelamin dengan umur pengunjung ...................................... 36
24. Tabel 3.5.1. Tabel jenis Kelamin .......................................................................... 38
25. Tabel 3.5.2 Tabel Umur ...................................................................................... 39
26. Tabel 3.5.3 Tabel jenis Test Statistics .................................................................. 39
27. Tabel 3.6 Lamanya Hilang Rasa Sakit .................................................................. 40
28. Tabel 3.6.1. Descriptives ...................................................................................... 43
29. Tabel 3.6.2 Test of Homogeneity of Variances .................................................... 44
30. Tabel 3.6.3 Tabel ANOVA................................................................................... 44
31. Tabel 3.6.4 Tabel Multiple Comparisons ............................................................. 44
32. Tabel 3.7 Daftar Nilai Akhir Mahasiswa .............................................................. 47
33. Tabel 3.7.1. Between-Subjects Factors ................................................................. 50
34. Tabel 3.7.2 Tests of Between-Subjects Effects ..................................................... 50
35. Tabel 3.7.3 Tabel Expected Mean Squaresa,b ........................................................ 51

DAFTAR GAMBAR
1. Gambar 3.1.1 Layar tampilan untuk SPSS versi 16.00 ........................................... 14
2. Gambar 3.1.2 Pengolahan data regresi linear sederhana ......................................... 15
3. Gambar 3.2.1 Layar tampilan untuk pengisian nama pada regresi berganda ............ 21
4. Gambar 3.2.2. Pengolahan data regresi linear berganda yang memiliki 2 variabel
bebas ..................................................................................................................... 23
5. Gambar 3.3.1 Layar tampilan untuk SPSS Versi 16.00 dengan pengisian nama .... 28
6. Gambar 3.3.2 Pengolahan data dengan mengunakan SPSS untuk korelasi sederhana
.............................................................................................................................. 30
7. Gambar 3.4.1 Layar tampilan untuk SPSS Versi 16.00 dengan pengisian nama ..... 31
8. Gambar 3.4.2 Pengolahan data dengan mengunakan SPSS untuk korelasi sederhana
.............................................................................................................................. 33
9. Gambar 3.5.1 Layar tampilan untuk pengisian nama pada Chi-Square .................. 37
10. Gambar 3.5.2 Pengolahan data dengan mengunakan SPSS untuk Chi-Square ........ 38
11. Gambar 3.6.1 Layar tampilan untuk pengisian nama pada Anova 1 Arah ............ 41
12. Gambar 3.6.2 Pengolahan data dengan mengunakan SPSS untuk Anova 1 Arah .. 43
13. Gambar 3.7.1 Layar tampilan untuk pengisian nama pada Anova 2 Arah ............. 48
14. Gambar 3.6.2 Pengolahan data dengan mengunakan SPSS untuk Anova 2 Arah .... 49
BAB I
PENDAHUL UAN
1.1 LatarBelakang
Dengan semakin berkembangnya teknologi, maka sekarang sudah banyak
berkembang software-software statistika yang digunakan untuk membantu pemecahan
permasalahan-permasalahan dalam bidang statistika. Dengan adanya berbagai macam
software statistik diharapkan dapat mempercepat melakukan analisis statistik yang
jumlah datanya banyak dan rumus-rumusnya rumit. Tetapi hal penting yang harus
diingat adalah peran dari software tersebut hanyalah sebagai alat bantu sehingga yang
paling berperan penting adalah penggunanya. Pengetahuan pengguna mengenai statistika
sangat berpengaruh terhadap analisis data yang dilakukan dan berakibat pada hasil
pengolahan data.
Dalam memilih dan menggunakan software untuk statistik tidaklah asal pilih.
Namun terdapat pertimbangan-petimbangan yang mendasar sebelum memilih dan
menggunakan software untuk statistik, diantaranya ialah seberapa mampukah kita dapat
berbuat dengan software tersebut. Program-program aplikasi yang kini sudah banyak
berkembang dan digunakan adalah SPSS (Statistical Service Product Solution)
SPSS sebagai sofware statistik pertama kali dibuat tahun 1968 oleh tiga
mahasiswa Stanford University, yakni Norman H. Nie, C. Hadlai Hull dan Dale H. Bent.
Saat itu software dioperasikan pada computer mainframe. Setelah penerbit terkenal
McGraw-Hill menerbitkan user manual SPSS, program tersebut menjadi populer. Pada
tahun 1984, SPSS pertama kali muncul dengan versi PC (bisa dipakai untuk komputer
desktop) dengan nama SPSS/PC+, dan sejalan dengan mulai populernya sistem operasi
Windows, SPSS pada tahun 1992 juga mengeluarkan versi Windows. Dan untuk
memantapkan posisinya sebagai salah satu market leader dalam business intelligence,
SPSS juga menjalin aliansi strategis dengan software house terkemuka dunia lainnya,
seperti Oracle Corp, Business Object, serta Ceres Integrated Solutions.
Hal ini membuat SPSS yang tadinya ditujukan bagi pengolahan data statistik
untuk ilmu sosial (SPSS saat itu adalah singkatan dari Statistical Package for the Social
Sciences), sekarang diperluas untuk melayani berbagai jenis user, seperti untuk proses
produksi di pabrik, riset ilmu-ilmu sains, dan lainnya. Dan kepanjangan dari SPSS
sekarang menjadi Statistical Product and Service Solutions. Pengguna software SPSS di
seluruh dunia juga sangat beragam, seperti HSBC Bank, ABN AMRO Bank, AC
Nielsen (biro riset pemasaran terbesar di dunia), American Airlines, British Telecom-
munications, Deutsche Telekom, Canon UK, Credit Suisse, Unilever, University of
Chicago, New York University, dan perusahaan besar lainnya. Saat ini SPSS tidak hanya
menangani permasalahan statistik saja, namun sudah meluas ke data mining
(mengeksplorasi data yang telah terkumpul) dan predictive analytic.

1.2 Batasan Masalah
Dari latar belakang diatas maka penulis dapat menjelaskan beberapa hal antara
lain:
Bagaimana cara menginstalasi software SPSS versi 16.00
Bagaimana cara pengolahan data dengan menggunakan analisis regresi
Bagaimana cara pengolahan data dengan menggunakan analisis korelasi
Bagaimana cara pengolahan data dengan menggunakan analisis chi-
square.
Bagaimana cara pengolahan data dengan menggunakan analisis anova 1
Arah.
Bagaimana cara pengolahan data dengan menggunakan analisis anova 2
arah.
1.3 Tujuan dan Manfaat
1.3.1 Tujuan
Dalam melakukan suatu kegiatan selalu memiliki tujuan tertentu, sehinga
dalam praktikum program computer SPSS ini juga memiliki tujuan tersendiri
yakni:
Untuk mengetahui cara menginstal suatu software ke dalam komputer
Untuk mengetahu pengolahan data dan melakukan suatu analisis
terhadap regresi.
terhadap korelasi.
terhadap Chi-Square.
terhadap Anova 1 Arah.
terhadap Anova 2 Arah.
1.3.2 Manfaat
Dalam pratikum program computer SPSS memiliki manfaat manfaat
antara lain ;
Membantu para siswa agar mengetahui bagaimana cara menginstal suatu
program komputer.
Membantu dan mempermudah para siswa dalam hal pengolahan data
khususnya Statistik untuk keperluannya.
Guna untuk pengaplikasian suatu pengetahuan di masa yang akan datan
karena adanya berbagai macam kemajuan ilmu pengetahuan dan
teknologi moderen.
1.4 Waktu, Tempat serta Fasilitas
1.4.1 Waktu
Dalam pratikum program SPSS ini juga dibagi dalam beberapa
kelompok. Setiap kelompok memiliki hari dan waktu yang berbeda.Untuk
kelompok I melakukan pratikum pada hari Selasa tanggal 31 07 2012 selama
dua jam yakni 09 : 00 11 : 00 HTL
1.4.2 Tempat
Tempat pratikum statistic dengan mengunakan software SPSS
untuk kelompok I dilakukan dalam ruangan laboratorium (kampus
UNPAZ).
1.4.3 Fasilitas
Fasilitas yang digunakan dalam melakukan pratikum SPSS adalah
Komputer dan modul pratikum (Diktat)
1.5 Sistematika Penulisan
Dalam sistematika penulisan terdiri dari 4 Bab antara lain :
BAB I PENDAHULUAN
Berisi tentang, Latar Belakang, Batasan Masalah, Tujuan dan Manfaat,
Waktu,Tempat serta fasilitas dan Sistematika penulisan
BAB II TINJAUANPUSTAKA
Berisi tentang, Defenisi program komputer SPSS, Operasi dasar program
SPSS
BAB III MATERI DAN METODE PRATIKUM
Dalam BAB ini penulis menguraikan tentang hasil pratikum dari,
Langkah-langkah penginstalan sofware SPSS, analisis data pada Regresi,
Korelasi, Chi Square, Anova 1 Arah dan Anova 2 Arah.
BAB IV PENUTUP
Dalam BAB ini menuliskan tentang Kesimpulan dan saran
DAFTAR PUSTAKA
BAB II
Tinjauan Pustaka
2.1 Defenisi Statistik SPSS
SPSS (Statistical Service Product Solution) sebagai sofware statistik pertama kali
dibuat tahun 1968 oleh tiga mahasiswa Stanford University, yakni Norman H. Nie, C.
Hadlai Hull dan Dale H. Bent. Saat itu software dioperasikan pada computer mainframe.
Setelah penerbit terkenal McGraw-Hill menerbitkan user manual SPSS, program
tersebut menjadi populer. Pada tahun 1984, SPSS pertama kali muncul dengan versi PC
(bisa dipakai untuk komputer desktop) dengan nama SPSS/PC+, dan sejalan dengan
mulai populernya sistem operasi Windows, SPSS pada tahun 1992 juga mengeluarkan
versi Windows. Dan untuk memantapkan posisinya sebagai salah satu market leader
dalam business intelligence, SPSS juga menjalin aliansi strategis dengan software house
terkemuka dunia lainnya, seperti Oracle Corp., Business Object, serta Ceres Integrated
Solutions.
Hal ini membuat SPSS yang tadinya ditujukan bagi pengolahan data statistik
untuk ilmu sosial (SPSS saat itu adalah singkatan dari Statistical Package for the Social
Sciences), sekarang diperluas untuk melayani berbagai jenis user, seperti untuk proses
produksi di pabrik, riset ilmu-ilmu sains, dan lainnya. Dan kepanjangan dari SPSS
sekarang menjadi Statistical Product and Service Solutions. Pengguna software SPSS di
seluruh dunia juga sangat beragam, seperti HSBC Bank, ABN AMRO Bank, AC
Nielsen (biro riset pemasaran terbesar di dunia), American Airlines, British Telecom-
munications, Deutsche Telekom, Canon UK, Credit Suisse, Unilever, University of
Chicago, New York University, dan perusahaan besar lainnya. Saat ini SPSS tidak hanya
menangani permasalahan statistik saja, namun sudah meluas ke data mining
(mengeksplorasi data yang telah terkumpul) dan predictive analytic.
2.1.1 Analisis Statistik dalam SPSS
Sebelum diberi nama Statistical Service Product Solutions, aplikasi ini bernama
Statistical Package for the Social Sciences yang dibuat pada tahun 1968 oleh Norman
Nie, seorang mahasiswa lulusan fakultas ilmu politik dari Stanford University.
Program SPSS bekerja dengan membandingkan suatu data kedalam suatu paket
hasil analisis. Sehingga dalam pengolahan lebih mudah dalam penggunaan serta
analisisnya dalam aplikasi permasalahan riset dan bisnis maupun bidang ilmu yang lain.
2.1.2 Keunggulan SPSS
Pada program aplikasi SPSS terdapat banyak fasilitas yang dapat menangani
berbagai persoalan statistika, memiliki tampilan user friendly, dan merupakan terobosan
baru berkaitan dengan perkembangan teknologi infromasi.
Beberapa keunggulan yang terdapat pada SPSS antara lain :

a. SPSS mampu mengakses data dari berbagai macam format data yang tersedia
seperti dBase, Lotus, Access, text file, spreadsheet, bahkan mengakses database
melalui ODBC (Open Data Base Connectivity) sehingga data yang sudah ada,
dalam berbagai macam format, bisa langsung dibaca SPSS untuk dianalisis.
b. SPSS memberi tampilan data yang lebih informatif, yaitu menampilkan data
sesuai nilainya (menampilkan label data dalam kata-kata) meskipun sebetulnya
kita sedang bekerja menggunakan angka-angka (kode data).
c. SPSS memberikan informasi lebih akurat dengan memperlakukan missing data
secara tepat, yaitu dengan memberi kode alasan mengapa terjadi missing data.
d. SPSS melakukan analisis yang sama untuk kelompok-kelompok pengamatan
yang berbeda secara sekaligus hanya dalam beberapa mouse click saja.
e. SPSS mampu merangkum data dalam format tabel multidimensi (crosstabs),
yaitu beberapa field ditabulasikan secara bersamaan.
f. Tabel multidimensi SPSS sifatnya interaktif. Kolom tabel bisa dirubah menjadi
baris tabel dan sebaliknya. Semua nilai dalam sel-sel tabel akan disesuaikan
secara otomatis.
2.2 Operasi Dasar Program SPSS
Untuk memulai program SPSS, maka kita dapat membuka melalui shortcut yang
terdapat pada tampilan desktop layar monitor atau bisa juga melalui tombol start dan
kemudian memilih program SPSS.

Dalam SPSS, sebelum menginput data, definisikan terlebih dahulu data
(variabel) yang akan diinput. Setiap baris dalam tampilan pada SPSS digunakan untuk
mendefinisikan satu variabel (data) yang akan diinput. Bila file data yang akan dianalisis
belum ada maka kita dapat mengetikan file data pada lembar SPSS Data Editor.
Sesudah data dimasukkan, langkah selanjutnya adalah mengarahkan SPSS untuk
membuat analisis tertentu yang diperlukan. Untuk dapat menentukan analisis apa yang
tepat digunakan maka pengguna harus mengetahui jenis data yang akan diolah Setelah
data dimasukkan dan dianalisis maka akan tampil jendela baru yang akan memaparkan
hasil analisis. Hasil analisis tersebut bisa dicetak atau diedit atau disimpan .
2.2.1 Menu Utama
Beberapa menu utama yang penting dalam SPSS adalah sebagai berikut:
a. Data Editor
Window ini terbuka secara otomatis setiap kali program SPSS dijalankan,
dan berfungsi untuk input data SPSS menu yang ada pada data editor.
b. File
Menu file berfungsi untuk menangani hal-hal yang berhubungan dengan
file data seperti membuat file baru, membuka file tertentu, mengambil data dari
program lain, mencetakisi data editor danlainnya
c. Edit
Menu edit berfungsi untuk menangani hal-hal yang berhubungan dengan
memperbaiki atau mengubah nilai data (duplikasi data, menghilangkan data, edit
data danlainnya). Selainitu menu edit jugaberfungsiuntukmengubah setting pada
options ( seperti Output Label, script dan lainnya)
d. View
Menu Vie berfungsi juga untuk mengatur tollbar (statusbar, penampakan
value label dan lainnya)
e. Data
Menu data berfungsi untuk membuat perubahan data SPSS secara
keseluruhan, seperti mengurutkan data, menyeleksi data berdasarkan criteria
tertentu, menggabung data dansebagainya
f. Transform
Transform untuk mengubah perubahan pada variabel menu, transform
berfungsi juga telah dipilih dengan criteria tertentu
g. Analyse
Menu analyse menupakan menu inti SPSS, yang berfungsi untuk
melakukan semua prosedur perhitungan statistika, sepertiuji t uji F, regresi, time
seris dan lainnya
h. Graphs
Menu graphs berfungsi untuk membuat berbagai jenis grafik untuk
mendukun analisis statistika, seperti Pie, Line, Bar dan kombinasinya
i. Utilities
Menu utilities atau menu tambahan yang mendukung program SPSS
j. Menu Output Viewer

Jika menu editor berfungsi untuk memasukkan data yang siap diolah oleh
SPSS, kemudian melakukan pengolahan data yang dilakukanlewat menu
Analyze, maka hasil pengolahan data atau informasi ditampilkan lewat menu
SPSS VIEWER saja.
k. Menu Syntax Editor
Walaupun SPSS sudah menyediakan berbagai macam pengolahan data
statistika secara memadai, namun ada beberapa perintah atau pilihan yang hanya
dapat digunakan SPSS Command Language.
l. Menu Script Editor
Menu Script pada dasarnya digunakan untuk melakukan berbagai pengerjaan
SPSS secara otomatis, seperti membuka dan menutup File, Eksport chart,
penyesuaian bentuk Output dan lainnya.
2.2.2 Cara Kerja SPSS
Untuk dapat memahami cara kerja SPSS, berikut ini dikemukakan kaitan
antara cara kerja komputer dengan SPSS dalam mengolah data
a. Komputer
Komputer berfungsi mengolah data menjadi informasi yang berarti. Data
yang akan diolah dimasukkan sebagai input, kemudian dengan proses
pengolahan data oleh komputer, dihasilkan output yang berupa informasi untuk
kegunaan lebih lanjut.
b. Statistika
Statistika mempunyai fungsi hampir sama dengan komputer, yaitu
mengolah data dengan perhitungan statistika tertentu, menjadi informasi yang
berarti
c. SPSS
Proses pengolahan data pada SPSS mirip dengan proses pada komputer dan
statistika. Hanya di sini ada variasi dalam penyajian Input dan Output data.
BAB III
MATERI DAN METODE PRATIKUM
3.1 Cara instalasi program SPSS
Langkah langkah menginstal software SPSS versi 16.00 pada komputer
Siapkan soft ware spss lalu Double klik pada folder SPSS kemudian Pilih
setup spss-Double lalu Klik atau klik kanan pada setup tersebut (klik kanan
open)
Muncul kotak dialog instalasi spss,proteksi,next, muncul kotak, dialog, I
accept, next, muncul kotak dialog tentang info SPSS, next, muncul kotak dialog
registrasi SPSS, next, muncul kotak dialog peletakan folder ( systim c), next,
muncul kotak dialog instalasi software SPSS, instal, instalasi dimulai tunggu
beberapa saat LMM tekan next,OK
3.2 Regresi Linear Sederhana
Persamaan regresi linear adalah persamaan matematik yang
memungkinkan untuk meramalkan nilai-nilai suatu peubah tak bebas dari nilai-
nilai satu atau lebih peubah bebas.
Berikut ini data mengenai jumlah kalori/hari yang dikonsumsi oleh
mahasiswa dan berat badan mahasiswa yang bersangkutan.

Table 3.1 Data Jumlah kalori/hari dan berat badan mahasiswa
Nama Berat badan Jumlah kalori yang dikonsumsi
Ivan 89 530
Mely 48 300
Rosa 56 358
Setia 72 510
Mayone 54 302
Lady 42 300
Anita 60 387
Wanto 85 527
Heri 63 415
Danu 74 512
Pengolahan Data
Dalam pengujian data regresi dengan menggunakan software penunjang,
yaitu program SPSS. Pada pelaksanaan pratikum di laboratorium teknik industry
dasar digunakan program SPSS Ver. 16.00.

Dalam pengujian kasus regresi dengan menggunakan program SPSS Versi
16.00, penyelesaian untuk pemecahan suatu masalah sebagai berikut :
1) Memasukan data SPSS
Langkah-langkahnya :
a. Membuka lembar kerja baru
Klik Star All program Pilih SPSS Pilih SPSS Versi 16.00. maka akan
tampil seperti gambar dibawah ini.
Gambar 3.1.1 Layar tampilan untuk SPSS Versi 16.00
b. Manamai variable dan property yang diperlukan
Klik tab sheet variable view yang ada dibagian kiri bawah, setelah itu,
akan tampak dilayar kotak SPSS data editor dengan urutan name , tipe,
width dll.
Klik tab sheet Data view yang ada dibagian kiri bawah, setelah itu, akan
tampak dilayar kotak dengan nama yang telah diketik pada variabel view
untuk dilakukan pengisian data.

2) Mengisi data
Hal yang diperlukan dalam pengisian variable name adalah tidak boleh ada
spasi dalam pengisiannya
3) Pengolahan data dengan SPSS
a. Pilih menu analyze, kemudian pilih submenu regression
b. Kemudian lakukan pengisian terhadap
Kolom dependent atau variable tergantung (Berat Badan)
Kolom independent atau variable bebas (Jumlah Kalor yang di
Konsumsi)
Kolom method, untuk keseragaman pilih default yang ada yaitu enter
Kolom options
Pilih stepping method criteria dengan uji F
Pilih include constant in equation
Pilih missing value yaitu exclude cases listwise.
Klik continue untuk melanjutkan
Kolom statistic
Pilih regression coefficient dengan klik estimate, descriptive dan
model fit
Pilih residual, klik pada casewise diagnitics dan pilih all cases
c. Tekan O.K.
Gambar 3.1.2. Pengolahan data regresi linear sederhanan
Dari langkah langkah diatas maka kita akan memperoleh hasil output yang terdapat
dalam bentuk tabel dibawah ini.
Regression
Tabel 3.1.1 Descriptive Statistics
Mean Std. Deviation N
Berat_Badan 64.30 15.456 10
Jumlah_Kalori_yang_di_Konsumsi 414.10 98.571 10

a. Rata-rata berat badan tiap mahasiswa sebesar 64,30 kg dengan standar
deviasi 15,456
b. Rata-rata jumlah kalori mahasiswa sebesar 414.10 kalori dengan standar
deviasi 98.57
Tabel 3.1.2 Correlations
Jumlah_Kalori_yang
Berat_Badan _di_Konsumsi
Pearson Berat_Badan 1.000 .950
Correlation Jumlah_Kalori_yang_di_Konsumsi .950 1.000
Sig. (1- Berat_Badan . .000
tailed) Jumlah_Kalori_yang_di_Konsumsi .000 .
N Berat_Badan 10 10
Jumlah_Kalori_yang_di_Konsumsi 10 10
Tabel 3.1.3 Variables Entered/Removedb
Model Variables Entered Variables Removed Method
1 Jumlah_Kalori_yang_di_Konsumsia . Enter
Model Variables Entered Variables Removed Method
1 Jumlah_Kalori_yang_di_Konsumsia . Enter
a. All requested variables entered.
b. Dependent Variable: Berat_Badan
Tabel 3.1.4 Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .950a .903 .891 5.114
a. Predictors: (Constant), Jumlah_Kalori_yang_di_Konsumsi
a. Besar hubungan antara berat badan dengan jumlah kalori tiap mahasiswa yang
dihitung dengan koefisien adalah 0.950. Hal ini menunjukkan hubungan yang
sangat erat (mendekatu + 1) diantara berat badan dengan jumlah kalori.

b. Angka R Square adalah 0.903. R Square dapat disebut koefisien determinasi,
yang dalam hal ini berarti 90.30% barat badan dapat dijelaskan oleh variable
jumlah kalori.
c. Standar error of estimate adalah 5.114
Tabel 3.1.5 ANOVA b
Sum of
Model Squares Df Mean Square F Sig.
1 Regression 1940.846 1 1940.846 74.201 .000a
Residual 209.254 8 26.157
Total 2150.100 9
a. Predictors: (Constant),
Jumlah_Kalori_yang_di_Konsumsi
a. Dari uji ANOVA, didapat F hitung adalah 74.201 dengan tingkat signifikansi
0.00000. Oleh karena probabilitas (0.000) jauh lebih kecil dari 0.05, maka model
regresi dapat dipakai untuk memprediksikan berat badan.
Tabel 3.1.6 Coefficients a

Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta T Sig.
1 (Constant) 2.608 7.342 .355 .732
Jumlah_Kalori_yang_Dik
.149 .017 .950 8.614 .000
onsumsi
a. Dependent Variable: Berat_Badan
Table diatas menggambarkan persamaan regresi :
Y = 2.608 + 0.149X
Tabel 3.1.7 Casewise Diagnostics a
Case
Number Std. Residual Berat_Badan Predicted Value Residual
1 1.453 89 81.57 7.433
2 .137 48 47.30 .698
3 .011 56 55.94 .058
4 -1.288 72 78.59 -6.587
5 1.251 54 47.60 6.400
6 -1.037 42 47.30 -5.302
7 -.051 60 60.26 -.263

8 .759 85 81.12 3.880
9 -.280 63 64.43 -1.434
10 -.955 74 78.88 -4.885
Tabel 3.1.8 Residuals Statistics a
Minimum Maximum Mean Std. Deviation N
Predicted Value 47.30 81.57 64.30 14.685 10
Residual -6.587 7.433 .000 4.822 10
Std. Predicted Value -1.158 1.176 .000 1.000 10
Std. Residual -1.288 1.453 .000 .943 10

3.3 Regresi Linear Berganda
Berbeda dengan regresi linear maka regresi berganda lebih kompleks
(suli) untuk mencari persamaan regresi. Dengan melambangkan nilai dugaannya
dengan b0, b1,.bn, maka didapat penulisan persamaan dalam bentuk.
Table 3.2 Data peringkat kimia, nilai ujian & frekuensi membolos mahasiswa
Siswa Peringkat Kimia Nilai Ujian Frekuensi Membolos
1 85 65 1
2 74 50 7
3 76 55 5
4 90 70 2
5 85 65 6
6 8 70 3
7 94 55 2
8 98 70 5
9 81 55 4
10 91 70 3
11 76 50 1
12 74 55 4
Pengolahan Data
Seperti pada pengolahan data dengan mengunakan regresi linear sederhana
bahwa dalam pengujian data regresi dengan menggunakan software penunjang, yaitu
program SPSS. Pada pelaksanaan pratikum di laboratorium teknik industry dasar
digunakan program SPSS versi 16.00.
Pada regresi berganda ini pengolahan data sama seperti pada regresi linear
namun yang membedakan antara regresi linear dengan berganda adalah pengisian
pada variabel bebas (independen). Seperti pada gambar dibawah ini 3.2.2.
Dalam pengujian kasus regresi dengan menggunakan program SPSS Versi
16.00, penyelesaian untuk pemecahan suatu masalah sebagai berikut :
untuk membuka lembar kerja baru langkah langkahnya sama seperti pada
regresi linear sederhanan. Yang berbeda hanya pada pengisian nama variabel
dimana ada 2 variabel bebas yang sama sama dimasukan ke kolom variabel
bebas
Gambar 3.2.1 Layar tampilan untuk SPSS Versi 16.00 dengan pengisian nama
untuk regresi berganda
width dll.
2) Mengisi data
Langkah-langkah pengolahan data sama seperti pada regresi linear antaralain :
a. Pilih menu analyze, kemudian pilih submenu regression
Kolom dependent atau variable tergantung
Kolom independent atau variable bebas
Kolom method, untuk keseragaman pilih default yang ada yaitu enter
Kolom options
Pilih stepping method criteria dengan uji F

Pilih include constant in equation
Pilih missing value yaitu exclude cases listwise.
Kolom statistic
Pilih regression coefficient dengan klik estimate, descriptive dan
model fit
Pilih residual, klik pada casewise diagnitics dan pilih all cases
c. Tekan Ok
Gambar 3.2.2. Pengolahan data regresi linear berganda yang memiliki 2 variabel bebas
Dari langkah langkah diatas maka kita akan memperoleh hasil output yang terdapat
dalam bentuk tabel dibawah ini.
Regression
Tabel 3.2.1 Descriptive Statistics
Mean Std. Deviation N
Peringkat_Kimia 84.25 8.137 12
Nilai_Ujian 60.83 8.211 12
Frekuensi_Membolos 3.58 1.929 12
a. Rata-rata peringkat kimia tiap mahasiswa sebesar 84,25 dengan standar deviasi
8,137
b. Rata-rata nilai ujian mahasiswa sebesar 60,83 kalori dengan standar deviasi 8,211
c. Rata-rata frekuensi membolos mahasiswa sebesar 3,58 kalori dengan standar
deviasi 1,92
Peringkat_Kim Frekuensi_Me
ia Nilai_Ujian mbolos
Pearson Correlation Peringkat_Kimia 1.000 .738 -.242
Nilai_Ujian .738 1.000 -.148
Frekuensi_Membolos -.242 -.148 1.000
Sig. (1-tailed) Peringkat_Kimia . .003 .224
Nilai_Ujian .003 . .323
Frekuensi_Membolos .224 .323 .

N Peringkat_Kimia 12 12 12
Nilai_Ujian 12 12 12
Frekuensi_Membolos 12 12 12
Variables Variables
Model Entered Removed Method
1 Frekuensi_Me
mbolos, . Enter
Nilai_Ujiana
a. All requested variables entered.
b. Dependent Variable: Peringkat_Kimia
Tabel 3.2.4 Model Summaryb
Adjusted R Std. Error of
Model R R Square Square the Estimate
1 .750a .563 .466 5.948
a. Predictors: (Constant), Frekuensi_Membolos, Nilai_Ujian

a. Besar hubungan antara berat badan dengan jumlah kalori tiap mahasiswa yang
dihitung dengan koefisien adalah 0.750. Hal ini menunjukkan hubungan yang
sangat erat (mendekatu + 1) diantara berat badan dengan jumlah kalori.
b. Angka R Square adalah 0.563. R Square dapat disebut koefisien determinasi, yang
dalam hal ini berarti 56.30% barat badan dapat dijelaskan oleh variable jumlah
kalori. Standar error of estimate adalah 5.948
Tabel 3.2.5 ANOVA b
Model Sum of Squares Df Mean Square F Sig.
1 Regression 409.869 2 204.935 5.793 .024a
Residual 318.381 9 35.376
Total 728.250 11
a. Predictors: (Constant), Frekuensi_Membolos, Nilai_Ujian
c. Dari uji ANOVA, didapat F hitung adalah 74.201 dengan tingkat signifikansi
0.00000. Oleh karena probabilitas (0.000) jauh lebih kecil dari 0.05, maka model
regresi dapat dipakai untuk memprediksikan berat badan.
Tabel 3.2.6 Coefficients a

Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta T Sig.
1 (Constant) 43.009 14.429 2.981 .015
Nilai_Ujian .712 .221 .718 3.222 .010
Frekuensi_Membolos -.571 .940 -.135 -.607 .559
a. Dependent Variable: Peringkat_Kimia
a. Table selanjutnya menggambarkan persamaan regresi :
Y = 43,009 + 0.712X dan Y = 43,009 0,571X
Case
Numbe Peringkat_Kim Predicted
r Std. Residual ia Value Residual
1 -.620 85 88.69 -3.690
2 -.099 74 74.59 -.590
3 -.553 76 79.29 -3.290
4 -.282 90 91.68 -1.677
5 -.140 85 85.83 -.835
6 -.690 87 91.11 -4.106
7 2.185 94 81.00 12.997

8 1.351 98 89.96 8.036
9 .191 81 79.86 1.139
10 -.018 91 91.11 -.106
11 -.339 76 78.02 -2.017
12 -.985 74 79.86 -5.861
Case
Numbe Peringkat_Kim Predicted
r Std. Residual ia Value Residual
1 -.620 85 88.69 -3.690
2 -.099 74 74.59 -.590
3 -.553 76 79.29 -3.290
4 -.282 90 91.68 -1.677
5 -.140 85 85.83 -.835
6 -.690 87 91.11 -4.106
7 2.185 94 81.00 12.997
8 1.351 98 89.96 8.036
9 .191 81 79.86 1.139

10 -.018 91 91.11 -.106
11 -.339 76 78.02 -2.017
12 -.985 74 79.86 -5.861
3.4 Korelasi Linear Sederhana
Sampai saat ini dianggap bahwa peubah bebas X dikendalikan, jadi buka
suatu peubah acak. Sebetulnya dalam hal ini, X sering disebut peubah
matematika, yang dalam proses pengambilan terak tampa galat yang berarti.
Kita ingin memandang permasalahan mengukur hubungan antara kedua
peubah X dan Y. Dalam suatu kasus, bila X adalah umur suatu mobil bekas dan
Y nilai jual mobil tersebut, maka kita membayangkan nilai-nilai X yang kecil
berpadanan engan nilai-nilai Y yang besar. Analisis kolerasi mencoba mengukur
kekuatan hubungan antara dua peubah demikian melalui sebuah bilangan yang
disebut koefisien kolerasi.
Didefinisikan koefisien kolerasi linear sebagai hubungan linear antara
dua peubah acak X dan Y, dan melambangkan dengan r. Jadi, r mengukur sejauh
mana titik menggerombol sekitar sebuah garis lurus. Oleh karena itu dengan
membuat diagram pencar bagi n pengamatan [(Xi, Yi), I = 1,2., n] dan contoh
acak, dapat ditarik kesimpulan tertentu mengenai r. bila titik-titik menggerombol
mengikuti sebuah garis lurus dengan kemeringan negative, maka antara kedua
peubah itu terdapat kolerasi negative yang tinggi. Kolerasi antara kedua peubah
semakin menurun secara numerik dengan semakin memancarnya atau
menjauhnya titik-titik dan suatu garis lurus.
Ukuran kolerasi linear antara dua peubah yang paling banyak digunakan
adalah yang disebut koefisien kolerasi momen hasil kali pearson atau ringkasnya
koefisien contoh.
Tabel 3.3 Tabel jumlah jam belajar dengan nilai yang diperoleh
Jumlah Jam Belajar / Minggu (X) 10 15 12 20 16 22
Nilai yang diperoleh (Y) 98 81 84 74 80 80
Dalam pengujian kasus Korelasi linear sederhana dengan menggunakan
program SPSS Versi 16.00, penyelesaian untuk pemecahan suatu masalah adalah
sebagai berikut :

untuk membuka layar kerja baru pada program SPSS versi 16.00 sama
seperti pada proses pengunaan pada regresi diatas.
width dll.
2) Mengisi data
Langkah-langkah pengolahan data sama seperti pada regresi linear
antaralain :
a. Pilih menu analyze, kemudian pilih submenu corelate
Kolom variable dengan (Jumlah jam belajar) dan (Nilai yang
diperoleh)
Kolom correlation coefisient, pilih pearson
Kolom test of significante, pilih two-tailed
Kolom flag significante correlation, pilih two-tailed
Kolom options
Pilih statistic
b. Pilih missing values
c. Pilih exclude cases pairwise
d. Klik continue untuk melanjutkan
c. Tekan O.K.
Gambar 3.3.2 Gambar pengolahan data dengan mengunakan SPSS untuk korelasi sederhana
Dari proses pengolahan data diatas maka akan diperoleh hasil out-put seperti pada
table dibawah ini.
Correlations
Jumlah_Jam_B Nilai_yang_Di
elajar peroleh
Jumlah_Jam_Belajar Pearson Correlation 1 -.787
Sig. (2-tailed) .063
N 6 6
Nilai_yang_Diperoleh Pearson Correlation -.787 1

Jumlah_Jam_B Nilai_yang_Di
elajar peroleh
Jumlah_Jam_Belajar Pearson Correlation 1 -.787
N 6 6
Nilai_yang_Diperoleh Pearson Correlation -.787 1
N 6 6
**
Correlation is significant at the 0.01 level (2-tailed).
3.5 Korelasi Linear Berganda

Koefisien determinasi berganda contah diberikan oleh definisi
berikut. Definisi koefisien determinasi berganda untuk contoh acak.
Tabel 3.4 Tabel jumlah bahan baku dengan jumlah produk jadi
Bulan ke Jumlah bahan baku Jumlah produk jadi

1 20 7
2 30 7
3 25 6
4 36 9
5 42 10
Pengolahan Data
Dalam pengujian kasus Korelasi berganda sama seperti pada proses
pengolahan data dengan mengunakan korelasi linear sederhana, maka penyelesaian
untuk pemecahan suatu masalah adalah sebagai berikut :
Untuk membuka layar kerja baru sama seperti pada proses diatas

width dll.
2) Mengisi data
Hal yang diperlukan dalam pengisian variable name adalah tidak boleh
ada spasi dalam pengisiannya
Langkah-langkah pengolahan data sama seperti pada regresi linear
antaralain :
a. Pilih menu analyze, kemudian pilih submenu corelate
Kolom variable dengan (Jumlah jam belajar) dan (Nilai yang
diperoleh)
Kolom correlation coefisient, pilih pearson
Kolom test of significante, pilih two-tailed
Kolom flag significante correlation, pilih two-tailed
Kolom options
Pilih statistic
Pilih missing values
Pilih exclude cases pairwise
Tekan O.K.
Gambar 3.4.2 Gambar pengolahan data dengan mengunakan SPSS untuk korelasi sederhana
table dibawah ini.
Correlations
Jumlah_Bahan Jumlah_Produ
_Baku k_Jadi
Jumlah_Bahan_Baku Pearson Correlation 1 .884*
N 5 5
Jumlah_Produk_Jadi Pearson Correlation .884* 1
N 5 5
*. Correlation is significant at the 0.05 level (2-tailed).
Dari output SPSS maka kita dapat menganalisanya:
v Berkenan dengan besaran angka. Angka kolerasi berkisar pada 0 (tidak ada kolerasi
sama sekali) dan 1 (kolerasi sempurna). Sebenarnya tidak ada ketentuan yang tepat
mengenai apakah angka kolerasi tertentu menunjukkan tingkat kolerasi yang tinggi
atau lemah. Namun, dapat dijadikan pedoman sederhana, bahwa angka kolerasi
diatas 0.5 menunjukkan kolerasi yang cukup kuat, sedangka dibawah 0.5 kolerasi
lemah.
v Selain besar kolerasi, tanda kolerasi juga berpengaruh pada penafsiran hasil. Tanda
negative pada output menunjukkan adanya arah yang berlawanan, sedangkan tanda
positif menunjukkan arah yang sama.
Hipotesis
Ho = ada hubungan (kolerasi) antara bervariabel
H1 = tidak ada hubunga (kolerasi) antara dua variabel
3.6 CHI SQUARE
Sebaran chi-square (chi-kuadrat) adalah sebaran yang dimiliki oleh suatu
statistic bila ragam contoh acak berukuran n ditarik dari populasi normal dengan
ragam 2.
3.6.1 Uji Kebaikan Suai
Uji kebaikan suai adalah uji yang didasarkan pada seberapa baik
kesesuaian antara frekuensi yang teramati dalam data contoh dengan frekuensi
harapan yang didasarkan pada sebaran yang dihipotesiskan. Untuk menentukan
apakah suatu populasi mempunyai sebaran teoritik tertentu.
3.6.2 Uji Kebebasan Suai
Prosedur uji chi-kuadrat dapa pula digunakan untuk menguji hipotesis
kebebasan antara 2 peubah. Bila x2 = x2 tolak hipotesis o bahwa kedua
penggolongan itu bebas pada taraf nyata , bila selainnya terima Ho
3.6.3 Pengujian Beberapa Proporsi

Statistic chi-kuadrat untuk uji kebebasan dapat diterapkan untuk menguji
apakah k populasi binom memiliki parameter yang sama. Uji ini merupakan
selisih antara dua proporsi menjadi selisi antara k proporsi. Jadi kita
berkepengtingan untuk menguji hipotesis Ho.
Lawan alternatifnya bahwa populasi proporsi itu tidak semuanya sama,
yang ekuavalendengan pengujian bahwa terjadinya keberhasilan atau kegagalan
tidak tergantung pada populasi yang diambil contohnya
Perlu diingat bahwa statistic yang kita gunakan sebagai dasar pengambilan,
hanya dihampiri chi-kuadrat, nilai chi kuadrat hitung bergantung pada frekuensi sel
sebaran chi yang continue menghampiri sebaran contoh bagi x2 dengan sangat baik,asal
V>1.
Bila frekuensi harapannya besar, nilai yang terkoreksi maupun yang tidak
terkoreksi hampir sama. Bila f harapan antara 5 dan 10 koreksi Yate harus ditetapkan.
Bila f<5 maka harus diterapkan uji pasti Fishe-Irwin. Untuk menghindari uji ini kita
harus mengambil contoh.
Tabel 3.5. Tabel jenis kelamin dengan umur pengunjung
Jenis Kelamin
Umur
Pria Wanita
< 30 4 3
30 atau > 3 2
Pengolahan Data
Dalam pengujian data chi-square dengan menggunakan software maka
diperlukan software pengunjang, yaitu program SPSS. Perlu diketahui bahwa dalam
proses pengolahan data untuk Chi-square sedikit berbeda dengan regresi dan korelasi
karena disini penulisan data mengunakan kode penunjang.
Oleh karena itu untuk pengujian kasus chi-square dengan menggunakan
program SPSSVersi 16.00, pada tabel diatas maka penyelesaian masalahnya adalah
sebagai berikut :
Untuk membuka layar kerja baru sama seperti pada proses diatas namun
penulisan mengunakan kode pada values
Gambar 3.5.1 Layar tampilan untuk pengisian nama pada Chi-Square

width dll.
2) Mengisi data
Hal yang diperlukan dalam pengisian variable name adalah tidak
boleh ada spasi dalam pengisiannya
Mengunakan kode kode dalam hal ini mengubah value untuk
mengunakan kode dengan:
1 untuk pria dan 2 untuk wanita
1 untuk < 30 dan 2 untuk 30 atau >
Langkah-langkah pengolahan data adalah sebagai berikut :
Pilih menu analyze, lalu pilih menu nonparametric test kemudian
pilih sub menu Chi-Square
Kemudian lakukan pengisian terhadap
Kolom test variable list
Kolom expected range, lalu pilih get from data
Kolom expected value, lalu pilih all categories equal

Setelah selesai kemudian tekan kontinuae lalu Tekan O.K.
Gambar 3.5.2 Gambar pengolahan data dengan mengunakan SPSS untuk Chi-Square
table dibawah ini.
Chi-Square Test Frequencies
Tabel 3.5.1 Jenis_Kelamin
Observed N Expected N Residual
Pria 7 6.0 1.0
Wanita 5 6.0 -1.0
Total 12
Tabel 3.5.2 Umur
Observed N Expected N Residual
< 30 7 6.0 1.0
30 atau > 5 6.0 -1.0
Total 12
Tabel 3.5.3 Test Statistics
Jenis_Kelamin Umur
Chi-Square .333a .333a
Df 1 1
Asymp. Sig. .564 .564
a. 0 cells (,0%) have expected
frequencies less than 5. The minimum
expected cell frequency is 6,0.
Pengambilan Keputusan
a. Berdasarkan perbandingan chi-square uji dan tabel

Jika chi-square hitung < chi-square tabel, maka Ho diterima
Jika chi-square hitung > chi-square tabel, maka Ho ditolak
Chi-square hitung pada output SPSS adalah 0.333
Oleh karena chi-square hitung < chi-square tabel maka Ho diterima
(0.333 < 6.33)
b. Berdasarkan probabilitas
Berdasarkan probabilitas > 0.05, maka Ho diterima
Berdasarkan probabilitas < 0.05, maka Ho ditolak
Keputusan :Terlihat bahwa pada kolom asiymp. Sig adalah 0,564 atau
probabilitas diatas 0.05 maka Ho diterima. Sehingga antara jenis kelamin dan
umur bersifat tidk independent
3.7 Anova 1 Arah
Analisis dengan (Analysis of Variance) atau yang lebih dikenal dengan istilah
ANOVA adalah suatu teknik untuk menguji kesamaan beberapa rata-rata secara
sekaligus. Uji yang dipergunakan dalam ANOVA adalah uji F karena dipakai untuk
pengujian lebih dan 2 sampel. Pengujian ANOVA 1 arah yaitu pengujian ANOVA yang
didasarkan pada pengamatan 1 kriteria. Setiap criteria dalam pengujian ANOVA
mempunyai level.
Tujuan dan pengujian ANOVA ini adalah untuk mengetahui apakah ada pengruh
dan berbagai criteria yang uji terhadap hasil yang diinginkan. Misalkan seorang manejer
produksi menguji apakah ada pengaruh kebisingan yang ditimbulkan oleh msin-mesin
prouksi di pabrik pada hasil perakitan sebuah komponen yang cukup kecil dan sebuah
sirkuit yang memerlukan konsentrasi yang tinggi dan seorang operator rakit.
Tabel 3.6 Lamanya Hilang Rasa Sakit
Tablet
A B C D E
5 9 3 2 7
4 7 5 3 6
8 8 2 4 9
6 6 3 1 4
5 9 7 4 7
Total 28 39 20 14 33 132
Nilai
Tengah
5.2 7.8 4.0 2.8 6.6 5.28
Pengolahan Data Dengan Software
Dalam pengujian kasus ANOVA 1 arah dengan menggunakan program SPSS
ver 16.00 penyelesaian untuk pemecahan suatu masalah juga mengunakan beberapa
kode untuk melakukan pengolahan data, oleh karena itu untuk pengujian kasus Anova 1
Arah dengan menggunakan program SPSSVersi 16.00, pada tabel diatas maka
penyelesaian masalahnya adalah sebagai berikut
penulisan mengunakan kode pada values seperti pada Chi-Square
Gambar 3.6.1 Layar tampilan untuk pengisian nama pada Anova 1 Arah
width dll.

2) Mengisi data
boleh ada spasi dalam pengisiannya
Mengunakan kode kode 1 untuk A, 2 untuk B, 3 untuk C, 4
untuk D, dan 5 untuk E.
a. Pilih menu analyze, lalu pilih menu compare Means kemudian
pilih sub menu One Way Anova
Kolom Dependent List
Kolom Factor
Kolom Option
Statistik
Pilih Descriptive dan Homogeneit y of variance
Missing Values
Pilih Exclude cases analysis by analysis
Setelah pengisian tekan Continue
Kolom Post-Hoc
Equal Variances Assumed
Pilih Bonferroni
Setelah pengisian, tekan Continue
c. Setelah selesai kemudian tekan kontinuae lalu Tekan O.K.
Gambar 3.6.2 Gambar pengolahan data dengan mengunakan SPSS untuk Anova 1 Arah
table dibawah ini.
Oneway
Tabel 3.6.1 Descriptives
Tablet
Std. 95% Confidence
N Mean Deviation Std. Error Interval for Mean Minimum Maximum

Lower Upper
Bound Bound
A 5 5.60 1.517 .678 3.72 7.48 4 8
B 5 7.80 1.304 .583 6.18 9.42 6 9
C 5 4.00 2.000 .894 1.52 6.48 2 7
D 5 2.80 1.304 .583 1.18 4.42 1 4
E 5 6.60 1.817 .812 4.34 8.86 4 9
Total 25 5.36 2.343 .469 4.39 6.33 1 9
Tabel 3.6.2 Test of Homogeneity of Variances
Tablet
Levene Statistic df1 df2 Sig.
.400 4 20 .806
Tabel 3.6.3 ANOVA
Tablet
Sum of
Squares Df Mean Square F Sig.
Between Groups 79.760 4 19.940 7.669 .001
Within Groups 52.000 20 2.600
Total 131.760 24
Tabel 3.6.4 Multiple Comparisons
Tablet
Bonferroni
(I) (J) Mean 95% Confidence Interval
Lamany Lamany Difference (I-
a a J) Std. Error Sig. Lower Bound Upper Bound
A B -2.200 1.020 .433 -5.42 1.02
C 1.600 1.020 1.000 -1.62 4.82
D 2.800 1.020 .125 -.42 6.02
E -1.000 1.020 1.000 -4.22 2.22
B A 2.200 1.020 .433 -1.02 5.42
C 3.800* 1.020 .013 .58 7.02
D 5.000* 1.020 .001 1.78 8.22
E 1.200 1.020 1.000 -2.02 4.42

C A -1.600 1.020 1.000 -4.82 1.62
B -3.800* 1.020 .013 -7.02 -.58
D 1.200 1.020 1.000 -2.02 4.42
E -2.600 1.020 .191 -5.82 .62
D A -2.800 1.020 .125 -6.02 .42
B -5.000* 1.020 .001 -8.22 -1.78
C -1.200 1.020 1.000 -4.42 2.02
E -3.800* 1.020 .013 -7.02 -.58
E A 1.000 1.020 1.000 -2.22 4.22
B -1.200 1.020 1.000 -4.42 2.02
C 2.600 1.020 .191 -.62 5.82
D 3.800* 1.020 .013 .58 7.02
*. The mean difference is significant at the 0.05 level.
ANALISA
1. Descriptive
Pada bagian ini terlihat ringkasan statistic dan kelima sampel.
2. Test of homogeneity of variances
Test ini bertujuan untuk menguji berlaku tidaknya asumsi untuk ANOVA, yaitu
apakah kelima sampel mempunyai varians yang sama hipitesis :
H0 = kelima varians sampel adalah sama

H1 = kelima varians sampel adalah tidak sama
Keputusan :
Jika signifikan lebih besar dari 0.05 maka H0 maka diterima
Jika signifikan lebih kecil dari 0.05 maka H0 maka ditolak
Berdasarkan pada hasil yang diperoleh pada test of homogeneity of variances,
dimana dihasilkan bahwa tingkat signifikan yang dihasilkan lebih besar dari 0.05
maka dapat disimpulkan kelima varians sampel adalah sama.
3. Anova
Setelah kelima varians terbukti sama, baru dilakukan uji ANOVA, untuk
menguji apakah kelima sampel mempunyai rata-rata yang sama.
Hipotesis :
H0 = kelima rata-rata sampel adalah sama
H1 = kelima rata-rata sampel adalah tidak sama
Keputusan :
Jika f hitung lebih besar dari f tabel maka H0 ditolak
Jika f hitung lebih kecil dari f tabel maka H0 diterima
Jika signifikan lebih besar dari 0.05 maka H0 diterima
Jika signifikan lebih kecil dari 0.05 maka H0 ditolak
Berdasarkan pada hasil yang diperoleh pada uji ANOVA, dimana dihasilkan
bahwa tingkat signifikan yang dihasilkan lebih kecil dari 0.05 dan f hitung yang
dihasilkan (6,896) lebih besar dan f tabel (2.87) maka dapat disimpulkan bahwa
kelima rata-rata sampel adalah tidak sama.
4. Pos hoc test
Setelah diketahui bahwa ada perbedaan yang signifika diantara kelima kelompok
sampel, maka yang akan dibahas adalah kelompok mana saja yang berbeda dan
mana yang tidak berbeda ?
Perbedaan antara kelompok yang satu dengan yang lainnya dapat diketahui dan
ada tidaknya. Tanda bintang (*). Misalnya, pada hasil output diatas diketahui
bahwa B tidak memiliki perbedaan yang signifikan dengan A dan E tetapi
memiliki perbedaan yang signifikan dengan C dan D.
3.8 Anova 2 Arah
Analisis dengan (Analysis of Variance) atau yang lebih dikenal dengan
istilah ANOVA adalah suatu teknik untuk menguji kesamaan beberapa rata-rata
secara sekaligus. Uji yang dipergunakan dalam ANOVA adalah uji F karena
dipakai untuk pengujian lebih dan 2 sampel. Pengujian ANOVA 2 arah yaitu
pengujian ANOVA yang didasarkan pada pengamatan 2 kriteria. Setiap criteria
dalam pengujian ANOVA mempunyai level.
Tujuan dan pengujian ANOVA 2 arah ini adalah untuk mengetahui
apakah ada pengruh dan berbagai criteria yang uji terhadap hasil yang diinginkan.
Misalkan seorang manejer teknik menguji apakah ada pengaruh antara jenis
pelumas yang dipergunakan pada roda pendorong dengan kecepatan roda

pendorong terhadap hasil penganyaman sebuah karung plastic pada mesin
circular.
Tabel 3.7 Daftar Nilai Akhir Mahasiswa
Mata kuliah
Mhs Total
Kalkulus Ekonomi Fisika Agama
1 68 94 91 86 339
2 83 81 77 87 328
3 72 73 73 66 284
4 55 68 63 61 247
Total 287 316 304 300 1198
Pengolahan Data Dengan Software
Dalam pengujian kasus ANOVA 2 arah dengan menggunakan program SPSS
ver 16.00 penyelesaian untuk pemecahan suatu masalah juga mengunakan beberapa
kode untuk melakukan pengolahan data seperti pada Anova 1 arah, oleh karena itu
Untuk pengujian kasus Anova 2 Arah dengan menggunakan program SPSSVersi 16.00,
pada tabel diatas maka penyelesaian masalahnya adalah sebagai berikut .

penulisan mengunakan kode pada values seperti pada Anova 1 arah
Gambar 3.7.1 Layar tampilan untuk pengisian nama pada Anova 2 Arah
width dll.
2) Mengisi data
boleh ada spasi dalam pengisiannya.
Mengunakan kode kode dengan : 1 untuk Kalkulus, 2 untuk
Ekonomi, 3 untuk Fisika, dan 4 untuk Agama.

a. Pilih menu analyze, lalu pilih menu General Linear Model
kemudian pilih sub menu Univariate
Kolom Dependent Variable
Kolom Factor
Masukkan yang termasuk Fixed Factor (s)
Masukkan yang termasuk Random Factor (s)
Setelah pengisian, tekan Continue
c. Tekan O.K. untuk menampilkan hasil / out-put

Gambar 3.7.2 Gambar pengolahan data dengan mengunakan SPSS untuk Anova 2 ArahDari
proses pengolahan data diatas maka akan diperoleh hasil out-put seperti pada table
dibawah ini.
Tabel 3.7.1 Between-Subjects Factors
Value Label N
Mata_Kuliah 1 Kalkulos 4
2 Ekonomi 4
3 Fisika 4
4 Agama 4
Mahasiswa 1 4
2 4
3 4
4 4
Tabel 3.7.2 Tests of Between-Subjects Effects
Dependent Variable:Nilai
Type III Sum
Source of Squares df Mean Square F Sig.
Intercept Hypothe
89700.250 1 89700.250 200.485 .001
sis
Error 1342.250 3 447.417a
Mata_Kuliah Hypothe
188.750 3 62.917 1.449 .292
sis
Error 390.750 9 43.417b
Mahasiswa Hypothe
1342.250 3 447.417 10.305 .003
sis
Error 390.750 9 43.417b
Mata_Kuliah * Mahasiswa Hypothe

390.750 9 43.417 . .
sis
Error .000 0 .c
a. MS(Mahasiswa)
b. MS(Mata_Kuliah * Mahasiswa)
c. MS(Error)
Tabel 3.7.3 Expected Mean Squares a,b

Variance Component
Var(Mata_Kuli
Var(Mahasiswa ah *
Source ) Mahasiswa) Var(Error) Quadratic Term
Intercept Intercept,
4.000 1.000 1.000
Mata_Kuliah
Mata_Kuliah .000 1.000 1.000 Mata_Kuliah
Mahasiswa 4.000 1.000 1.000
Mata_Kuliah * Mahasiswa .000 1.000 1.000
Error .000 .000 1.000
a. For each source, the expected mean square equals the sum of the coefficients in the cells
times the variance components, plus a quadratic term involving effects in the Quadratic
Term cell.
b. Expected Mean Squares are based on the Type III Sums of Squares.
ANALISA :
Test of Between-Subjects Effects adalah tes ini bertujuan untuk menguji :
1. Uji ANOVA 1 Faktor
Uji ini berguna untuk melihat apakah ada perbedaan yang nyata antara hasil
diantara jenis pupuk dan varietas gandum.

Hipotesis :
H0 = keempat rata-rata sampel adalah sama
H1 = keempat rata-rata sampel adalah tidak sama
Keputusan :
Jika f hitung lebih besar dan f tabel maka H0 ditolak
Jika f hitung lebih kecil dan f tabel maka H0 diterima
Jika signifikan lebih kecil dari 0.05 maka H0 ditolak.
a. Perbedaan rata-rata hasil berdasarkan kelompok gandum
Berdasarkan pada hasil yang diperoleh, dimana dihasilkan bahwa tingkat
signifikan yang dihasilkan lebih kecil dan 0.05 dan f hitung yang dihasilkan
(9.22) lebih besar dan f tabel (4.76) maka tolak H0 dan dapat disimpulkan bahwa
keempat rata-rata sampel adalah tidak sama.
b. Perbedaan rata-rata hasil berdasarkan kelompok pupuk
Berdasarkan pada hasil yang diperoleh, dimana dihasilkan bahwa tingkat
signifikan yang dihasilkan lebih besar dari 0.05 dan f hitung yang dihasilkan
(1.56) lebih kecil dan f tabel (5.14) maka terima H0 dan dapat disimpulkan
bahwa keempat rata-rata sampel adalah sama.
c. Uji ANOVA Interaksi 2 Faktor

Uji ini berguna untuk melihat apakah ada interksi terhadap hasil diantara jenis
pupuk dan varietas gandum.
Hipotesis :
H0 = keempat rata-rata sampel adalah sama
H1 = keempat rata-rata sampel adalah tidak sama
Keputusan :
Jika f hitung lebih besar dan f tabel maka H0 ditolak
Jika f hitung lebih kecil dan f tabel maka H0 diterima
Jika signifikan lebih kecil dari 0.05 maka H0 ditolak
Berdasarkan pada hasil yang diperoleh, dihasilkan bahwa f hitung dan
signifikannya tidak ada maka tidak ada interaksi.

BAB IV
Penutup
4.1 Kesimpulan
Dari pembahasan setiap BAB diatas maka penulis dapat menimpulkan bahwa
Program SPSS bekerja dengan membandingkan suatu data kedalam suatu paket hasil
analisis. Sehingga dalam pengolahan lebih mudah dalam penggunaan serta analisisnya
dalam aplikasi permasalahan khusunya dalam perhitungan data statistik. Karena SPSS
mampu mengakses data dari berbagai macam format data yang tersedia, memberi
tampilan data yang lebih informative, memberikan informasi lebih akurat dengan
memperlakukan missing data secara tepat, melakukan analisis yang sama untuk
kelompok-kelompok pengamatan yang berbeda secara sekaligus hanya dalam beberapa
mouse click saja, mampu merangkum data dalam format tabel multidimensi (crosstabs),
selain itu Tabel multidimensi SPSS sifatnya interaktif. Kolom tabel bisa dirubah menjadi
baris tabel dan sebaliknya. Semua nilai dalam sel-sel tabel akan disesuaikan secara
otomatis.
4.2 Saran
Dari hasil pembahasan pada BAB sebelumnya maka ada beberapa saran yang
ingin penulis kemukakan yaitu sebagai berikut :
Y Dalam penulisan / memasukan data dalam program SPSS biasanya tidak
mengunakan spasi seperti pada penulisan dengan mengunakan program lain.

Y SPSS ini biasanya digunakan untuk mempercepat perhitungan data statistik yang
cukup banyak. Jadi diharapkan agar penulisan data harus sesui dengan perintah
perintah yang ada agar hasil / out put sesuai dengan yang diinginkan.
Y Disarankan juga kepada Pihak Universitas untuk menambah Fasilitas-Fasilitas
(komputer) agar lebih mempermudah dalam setiap praktek yaitu LAB BERSIH
INDUSTRI
DAFTAR PUSTAKA
Luis Martins, ST. MEDEA. 2010. Modul Pratikum Statistik II
Estaqui Antonio, ST. 2012. Latihan Pratikum SPSS
Jonathan Sarwono.2011. Buku Pintar IBM SPSS Statistik. Penerbit PT.Elex
Media Komputindo (http://www.elexmedia.co.id)
Keni, SE.MM. pelatihan Singkat pengolahan data dengan menggunakan program
SPSS for windows.

Laporan Pratikum SPSS Versi 16

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Laporan Pratikum SPSS Versi 16

Diunggah oleh

Hak Cipta:

Format Tersedia

LAPORAN PRATIKUM

JURUSAN TEKNIK INDUSTRI

Rahmat, Petunjuk serta Bimbingan-Nya, Akhirnya kami dapat menylesaikan

Laporan praktek statistik dengan mengunakan software SPSS versi 16.00

analisis terhadap sebuah data.

sampaikan limpah teimakasih yang sebesar-besarnykepada : Dosen,Eustaquio

Antonio Armindo Pedro Soares,ST. Selaku dosen Matakuliah Statistik

Laboratorium, yang telah berjuang serta berupaya semaksimal mungkin dalam

memberikan penjelasan-penjelasan serta langkah-langkah dalam menjalangkan

program komputer dengan mengunakan software SPSS versi 16.00.

Sungguh, penulis menyadari bahwa penulisan laporan praktek Statistik

memperbaiki dan menyempurnakan laporan ini.

Daftar Nama Kelompok ................................................................................................. i

Datar Isi ....................................................................................................................... iii

Daftar Tabel .................................................................................................................. v

Daftar Gambar ............................................................................................................. vii

1.1 Latar Belakang ........................................................................................................ 1

1.2 Batasan Masalah ..................................................................................................... 3

1.3 Tujuan dan Manfaat ................................................................................................ 3

1.4 Waktu dan Tempat .................................................................................................. 4

1.5 Sistematik ............................................................................................................... 5

BAB II TINJAUAN PUSTAKA

2.1 Defenisi Program Computer SPSS ......................................................................... 6

2.2 Operasi dasar Program SPSS . ................................................................................. 8

BAB III MATERI DAN METODE PRATIKUM

3.1 Langkah-langkah menginstal program computer SPSS .......................................... 12

3.2 Regresi Linear ...................................................................................................... 12

3.4 Korelasi Linear .................................................................................................... 27

3.5 Korelasi Linear Berganda ..................................................................................... 31

3.6 CHI-SQUARE ..................................................................................................... 35

a. Uji Kebaikan Suai ......................................................................................... 35

b. Uji Kebebasan Suai ....................................................................................... 35

c. Pengujian Beberapa Proporsi ......................................................................... 35

3.7 Anova 1 Arah ....................................................................................................... 40

3.8 Anova 2 Arah ....................................................................................................... 47

4.1 Kesimpulan ........................................................................................................... 53

4.2 Saran .................................................................................................................... 53

DAFTAR PUSTAKA ............................................................................................... 55

2. Tabel 3.1.1 Descriptive Statistics .......................................................................... 16

3. Tabel 3.1.2 Correlations ....................................................................................... 16

4. Tabel 3.1.3 Variables Entered/Removedb ............................................................. 16

5. Tabel 3.1.4 Model Summaryb ............................................................................... 17

6. Tabel 3.1.5 ANOVAb ........................................................................................... 17

7. Tabel 3.1.6 Coefficientsa ...................................................................................... 18

8. Tabel 3.1.7 Casewise Diagnosticsa ....................................................................... 18

9. Tabel 3.1.8 Residuals Statisticsa .......................................................................... 19

11. Tabel 3.2.1 Descriptive Statistics .......................................................................... 23

12. Tabel 3.2.2 Correlations ....................................................................................... 24

13. Tabel 3.2.3 Variables Entered/Removedb ............................................................. 24

14. Tabel 3.2.4 Model Summaryb ............................................................................... 24

15. Tabel 3.2.5 ANOVAb ........................................................................................... 25

16. Tabel 3.2.6 Coefficientsa ...................................................................................... 25

17. Tabel 3.2.7 Casewise Diagnosticsa ....................................................................... 26

18. Tabel 3.2.8 Residuals Statisticsa .......................................................................... 26

20. Tabel 3.3.1 Correlations ...................................................................................... 30

22. Tabel 3.4.1 Correlations ...................................................................................... 33

24. Tabel 3.5.1. Tabel jenis Kelamin .......................................................................... 38

25. Tabel 3.5.2 Tabel Umur ...................................................................................... 39

26. Tabel 3.5.3 Tabel jenis Test Statistics .................................................................. 39

27. Tabel 3.6 Lamanya Hilang Rasa Sakit .................................................................. 40

28. Tabel 3.6.1. Descriptives ...................................................................................... 43

29. Tabel 3.6.2 Test of Homogeneity of Variances .................................................... 44

30. Tabel 3.6.3 Tabel ANOVA................................................................................... 44

31. Tabel 3.6.4 Tabel Multiple Comparisons ............................................................. 44