Modul Praktikum Statistik

MODUL PRAKTIKUM STATISTIKA
2017
Modul Praktikum
Statistika
TIM TAHUN PERTAMA BERSAMA

(TPB)
UNIVERSITAS MATARAM |
I. PENDAHULUAN
Pada era dimana komputer sudah merupakan komoditi umum, perkembangan

paket program statistika sangat pesat. Saat ini terdapat berbagai paket program statistika
yang digunakan seperti Minitab, Statistical Package for Social Sciences (SPSS), Statistical
Analysis System (SAS), Statgraph, Splus, Statistica, dan lain-lain. Dengan berkembangnya
berbagai paket program statistika kita tidak perlu menguasai semua paket program yang
ada, cukup dipilih salah satu paket program untuk dikuasai dengan baik dan disesuaikan
dengan kebutuhan pengguna.
Dalam materi praktikum ini, akan diulas penggunaan paket program SPPS
mengingat program tersebut sudah mampu menangani berbagai kasus dalam analisis data
dan sudah cukup banyak digunakan/dikenal. Selain SPSS, akan dibahas pula sedikit
tentang penggunaan Microsoft Excel untuk analisis data.
Paket program SPSS merupakan perangkat lunak yang dapat digunakan sebagai
media pengolahan data yang menyediakan berbagai jenis perintah yang memungkinkan
proses pemasukan data, manipulasi data, pembuatan grafik, peringkasan nilai-nilai
numerik, dan analisis statistika.
Perkembangan paket program SPSS cukup baik hingga saat ini release terakhir
yang keluar adalah IBM SPSS Statistics for window Release 23.
SPSS mempunyai dua layar primer yaitu Data Editor untuk pemasukan data, edit
dan manipulasi data, dan pengolahan data; serta Viewer yang merupakan layar untuk
menampilkan hasil.
Untuk memulai SPSS for window dapat dilakukan melalui langkah-langkah berikut:
- Pastikan bahwa komputer anda sudah tersedia paket program SPSS

- Klik START
- Kemudian klik icon IBM SPSS, dan akan muncul kotak dialog sebagai berikut
1
Pada kotak dialog tersebut dapat dipilih salah satu kegiatan/operasional yang ingin
dilakukan, kemudian klik OK. Apabila ingin memulai memasukkan data baru, maka
klik CANCEL atau tutup kotak dialog tersebut dengan klik tanda silang di ujung atas
kanan kotak dialog.
- Apabla dipilih klik CANCEL (proses memasukkan data baru) maka akan muncul
tampilan Data Editor seperti tampak pada gambar berikut. Layar data editor
merupakan layar utama dalam SPSS yang mempunyai dua fungsi utama, yaitu
input data yang akan diolah oleh SPSS dan proses data yang telah diinput dengan
prosedur statistik tertentu.
Baris Menu
2
Tampilan di atas merupakan layar data editor bagian Data View tempat
memasukkan data. Namun, sebelum data dimasukkan, perlu untuk mendefinisikan
variabel-variabel yang digunakan beserta sifat-sifatnya (Name, Type, Width, Decimals,
Label, Values, Missing, Column, Align, Measure). Mendefinisikan variabel dilakukan
pada layar data editor bagian Variable View dengan jalan klik tabs Variable View pada
bagian kiri bawah atau dengan menekan CTRL+T. Sedangkan untuk kembali ke Data
View, klik tabs Data View pada bagian kiri bawah. Adapun tampilan data editor bagian
Variable View adalah sebagai berikut
Pada baris Menu SPSS tersedia beberapa pilihan menu yang dapat Anda lakukan,
yaitu: File, Edit, View, Data, Transform, Analyze, Graphs, Utilities, Add-ons Window,
dan Help.
Dalam mengoperasikan SPSS Anda dapat menggunakan perintah-perintah dalam

SPSS yang dapat dilakukan dengan memanfaatkan menu yang telah disediakan.
Sebagai contoh, untuk membuat histogram dengan menggunakan menu dapat dilakukan
dengan langkah: klik menu Graphs – Legacy Dialogs - Histogram maka akan tampil
kotak dialog sebagai berikut:
3
Kemudian isi kotak dialog tersebut sesuai dengan pertanyaan-pertanyaan yang tersedia.
Pertanyaan yang tidak boleh dilewati adalah pertanyaan yang berkaitan dengan variabel
(peubah) yang ingin dianalisis. Hasilnya ditampilkan dalam layar Viewer berikut:
Untuk menyimpan data yang telah dimasukkan dengan SPSS digunakan menu File pada
layar Data Editor dan klik icon Save atau Save As. Sedangkan untuk menyimpan hasilnya
(outputnya) digunakan menu File pada layar Viewer dan klik icon Save atau Save As.
4
I. PENYAJIAN DATA
Penyajian data yang akan dibahas di sini meliputi penyajian data dengan tabel distribusi
frekuensi dan diagram. Diagram yang dapat digunakan antara lain adalah diagram batang, diagram
lingkaran, histogram dan poligon, serta diagram ogive.
Untuk membuat tabel distribusi frekuensi dilakukan dengan bantuan MS Excel, sedangkan
untuk membuat diagram dilakukan dengan bantuan SPSS menggunakan menu Graphs – Legacy
Dialogs atau Graphs – Chart Builder.
I. TABEL DISTRIBUSI FREKUENSI
Contoh Kasus:
Diketahui sekumpulan data nilai sebagai berikut
45 10 20 31 48 20 29 27 11 8
25 21 42 24 22 36 33 22 23 13
34 29 25 39 32 38 50 5
Buat tabel distribusi frekuensi dari data tersebut di atas
Untuk membuat tabel distribusi frekuensi dapat dilakukan dengan MS Excel dengan langkah
sebagai berikut:
1. Masukkan data pada data sheet MS.Excel
2. Tentukan banyaknya kelas dengan aturan Sturgess
𝑘 = 1 + 3.3 log 28 = 5.78 ≈ 6 𝑘𝑒𝑙𝑎𝑠
3. Tentukan panjang interval kelas
𝑑𝑎𝑡𝑎 𝑚𝑎𝑘𝑠. −𝑑𝑎𝑡𝑎 𝑚𝑖𝑛. 50 − 5
𝑝= = = 7.5 ≈ 8
𝑘 6
4. Tentukan ujung atas masing-masing kelas interval, yang kemudian dijadikan data BIN dan
dimasukkan pada data sheet MS. Excel. Sehingga data sheet akan tampak sebagai berikut
5
5. Pilih menu Data – Data Analysis hingga muncul kotak dialog berikut
6. Pilih Histogram, klik OK hingga muncul kotak dialog berikut
7. Input Range diisi dengan range variabel data, Bin Range diisi dengan range variabel bin,
dan Output Range diisi dengan range tempat tabel akan ditampilkan (misal diisi dengan
J2)
8. Klik OK dan akan muncul tabel berikut
6
Hasil tersebut menunjukkan bahwa kelas interval pertama terdiri dari 4 data, kelas interval
kedua terdiri dari dari 3 data, demikian seterusnya hingga kelas keenam terdiri dari 3 data.
Bila pada More menunjukkan frekuensi sebesar 0 (nol) berarti tidak ada data yang tidak
masuk dalam 6 kelas interval yang disusun. Selain itu kolom BIN menunjukkan ujung atas
masing-masing kelas interval.
II. DIAGRAM BATANG

Diagram batang biasanya digunakan untuk mengetahui sebaran frekuensi dari data yang
berbentuk kategori.
Contoh Kasus:
Diketahui hasil penjualan permen dengan 4 kategori warna sebagai berikut
Warna Jumlah
Merah 35
Kuning 25
Hijau 15
Biru 25
Buatlah diagram batang dari data tersebut!
Untuk membuat diagram batang dengan bantuan SPSS dapat dilakukan dengan langkah
sebagai berikut:
1. Pemasukan data
Definisikan variabel pada lembar Variable View.
Variabel WARNA
- Definisikan pada baris ke-1
- Kolom Name diisi dengan warna
- Kolom Type dipilih tipe data string
- Kolom Width diisi dengan 8 (untuk keseragaman)
- Kolom Decimal diisi dengan 0 (untuk keseragaman)
Variabel JUMLAH
- Definisikan pada baris ke-2
7
- Kolom Name diisi dengan jumlah

- Kolom Type dipilih tipe data numeric
- Kolom Width diisi dengan 8 (untuk keseragaman)
- Kolom Decimal diisi dengan 0 (untuk keseragaman)
Setelah variabel didefinisikan, buka lembar Data View, kemudian data warna permen
diinput pada kolom variabel Warna dan data jumlah permen diinput pada kolom variabel
Jumlah.
2. Membuat diagram batang

Menggunakan menu Graphs – Legacy Dialogs
Langkah-langkah yang dilakukan adalah sebagai berikut:
a. Pilih menu Graphs – Legacy Dialogs - Bar
b. Selanjutnya akan muncul kotak dialog sebagai berikut
Klik icon Simple dan Values of individual cases, selanjutnya klik tabs Define
c. Muncul kotak dialog berikut
8
Pengisian kotak dialog:

- Bars Represent diisi dengan variabel jumlah
- Category Labels dipilih Variable dan diisi dengan variabel warna
- Klik OK. Hasilnya muncul pada layar Viewer, sebagai berikut
Menggunakan menu Graphs – Chart Builder.

a. Pilih menu Graphs – Chart Builder
9
Klik OK, untuk mulai membuat diagram.

10
d. Untuk membuat diagram batang, dapat dipilih Bar pada Galery kemudian pilih
gambar tipe diagram batang yang akan dibuat (untuk kasus ini pilih diagram batang
yang Simple
Selain itu, diagram bisa juga dibuat per elemen dengan cara klik Basic Elements
sehingga muncul sebagai berikut
11
Pada Choose Axes pilih gambar dengan dua sumbu koordinat, dan pada Choose
Elements pilih gambar bar (batang).
Sehingga akan muncul kotak dialog berikut
Pengisian:
- Pada X-Axis diisikan variabel warna, pada Y-Axis diisikan variabel jumlah sehingga
muncul tampilan sebagai berikut
12
Pada Chart preview terlihat bahwa sumbu Y menunjukkan mean (rata-rata) dari
variabel jumlah, padahal yang dimaksud pada kasus adalah nilai (value) dari
variabel jumlah (nilai jumlah untuk masing masing kategori warna). Sehingga
perlu dilakukan edit diagram.
- Edit diagram dilakukan pada bagian Element Properties.
- Pada Statistics, Mean diganti dengan Value kemudian klik Apply, sehingga
tampak pada kotak dialog sebagai berikut
- Klik OK dan hasil pada layar Viewer adalah
13
- Agar tampilan pada sumbu X teurut sesuai tabel (merah, kuning, hijau, biru),
maka pada Element properties dapat diedit urutan sumbu X. Klik pada X-
Axis1(Bar1), pada Direction Ascending diganti dengan Descending, klik Apply
- Klik OK dan hasilnya adalah sebagai berikut
14
III. DIAGRAM LINGKARAN (PIE CHART)

Diagram ini biasanya digunakan untuk melihat keluasan bagian dari tiap kategori.
Contoh Kasus:
Diketahui hasil penjualan permen dengan 4 kategori warna sebagai berikut
Warna Jumlah
Merah 35
Kuning 25
Hijau 15
Biru 25
Buatlah pie chart dari data tersebut!

Untuk membuat pie chart dengan bantuan SPSS dapat dilakukan dengan langkah sebagai
berikut:
1. Pemasukan data
Dilakukan seperti pada pembuatan diagram batang
2. Membuat pie chart

Menggunakan menu Graphs – Legacy Dialogs
a. Pilih menu Graphs – Legacy Dialogs - Pie
Klik Values of individual cases, selanjutnya klik tabs Define
15
Pengisian kotak dialog:

- Slices Represent diisi dengan variabel jumlah
- Category Labels dipilih Variable dan diisi dengan variabel warna
- Klik OK. Hasilnya muncul pada layar Viewer, sebagai berikut
Menggunakan menu Graphs – Chart Builder.

e. Pilih menu Graphs – Chart Builder
16
f. Selanjutnya akan muncul kotak dialog sebagai berikut
Klik OK, untuk mulai membuat diagram.

g. Muncul kotak dialog berikut
17
h. Untuk membuat pie chart, dapat dipilih Pie/Polar pada Galery kemudian klik gambar
pie chart yang akan dibuat
Selain itu, diagram bisa juga dibuat per elemen dengan cara klik Basic Elements
sehingga muncul sebagai berikut
Pada Choose Elements pilih gambar lingkaran (pie).
18
Sehingga akan muncul kotak dialog berikut
Pengisian:
- Pada Slice by diisikan variabel warna, pada Angle Variable diisikan variabel
jumlah sehingga muncul tampilan sebagai berikut
Pada Chart preview terlihat bahwa sumbu Y menunjukkan sum (total jumlah)
dari variabel jumlah, padahal yang dimaksud pada kasus adalah nilai (value) dari
variabel jumlah (nilai jumlah untuk masing masing kategori warna). Sehingga
perlu dilakukan edit diagram.
- Edit diagram dilakukan pada bagian Element Properties.
19
- Pada Statistics, Sum diganti dengan Value kemudian klik Apply, sehingga tampak
pada kotak dialog sebagai berikut
- Klik OK dan hasil pada layar Viewer adalah
- Agar tampilan serah jarum jam teurut sesuai tabel (merah, kuning, hijau, biru),
maka pada Element properties dapat diedit urutan searah jarum jam. Klik pada
Group Color (Polar Interval1), pada Direction Ascending diganti dengan
Descending, klik Apply
20
- Klik OK dan hasilnya adalah sebagai berikut
IV. HISTOGRAM
Ketiga diagram tersebut biasanya digunakan untuk mengetahui pola sebaran data, simetris
atau ada kemencengan ke kiri ataupun ke kanan.
21
Contoh Kasus:
45 10 20 31 48 20 29 27 11 8
25 21 42 24 22 36 33 22 23 13
34 29 25 39 32 38 50 5
Buat histogram
Untuk membuat histogram dari sekelompok data dengan bantuan SPSS dapat dilakukan
dengan langkah sebagai berikut:
1. Pemasukan Data:
a. Definisikan variabel pada layar Variable View. Name diisi dengan DATA.
b. Masukkan data pada kolom variable DATA. Pengisian data dilakukan pada layar Data
View.
2. Membuat Histogram
Pembuatan histogram, stem & leaf, dan box-plot dengan bantuan SPSS dapat dilakukan
menggunakan beberapa menu berikut ini:
1. Analyze – Descriptive Statistics – Frequencies

Setelah dipilih menu tersebut akan muncul kotak dialog sebagai berikut
Pengisian:
 Variable(s) diisi dengan variable DATA dengan cara klik pada variable DATA,
kemudian klik tanda , maka variabel DATA akan masuk pada bagian
Variable(s).
 Statistics. bisa diabaikan.
 Charts. Klik pada bagian ini, akan muncul kotak dialog
22
Pada Chart Type, pilih Histograms. Bila ingin membandingkan histogram data
dengan kurva normal, bias diaktifkan With normal curve. Kemudian klik Continue.
 Format. Bisa diabaikan.
 Klik OK.
Hasilnya adalah sebagai berikut:
2. Analyze – Descriptive Statistics – Explore

Histogram, stem & leaf, dan box-plot dapat dibuat dengan menggunakan menu ini. Bila
dipilih menu tersebut, akan muncul kotak dialog
Pengisian:
 Dependent List. Diisi dengan variable DATA, dengan cara klik pada variable DATA,
kemudian klik tanda , maka variabel DATA akan masuk pada bagian Dependent
List.
23
 Display. Pilih Both, jika ingin mengeksplorasi dengan plot maupun statistics. Pilih
Statistics, jika ingin mengeksplorasi statistics saja. Atau pilih Plots, jika ingin
mengeksplorasi plot/diagram saja. Untuk keseragaman, dipilih Plots.
 Plots. Klik pada bagian ini dan akan terlihat kotak dialog berikut pada layar.
Pada bagian Boxplots dipilih Factor levels together atau Dependents together,
karena hanya satu variable yang dianalisa. Pada bagian Descriptive dipilih
Histogram. Kemudian klik Continue.
 Klik OK.
24
3. Graphs – Legacy Dialog

Untuk membuat histogram, menu selengkapnya yang digunakan adalah Graph –
Legacy Dialog – Histogram, sehingga muncul kotak dialog
25
Pengisian:
 Variable. Diisi dengan variable DATA.
 Pilih Display normal curve, bila ingin menampilkan kurva normal. Untuk
keseragaman, pilih bagian ini.
 Titles. Bisa diabaikan.
 Klik OK.
Hasilnya adalah
4. Graphs – Chart Builder

Stem and leaf tidak dapat dibuat dengan menu ini. Dengan menu ini kita lebih leluasa
mengatur tampilan dari diagram. Bila dipilih menu ini akan muncul kotak dialog berikut
26
Untuk membuat histogram, dilakukan langkah-langkah berikut

 Galery. Pilih Histogram, sehingga akan muncul seperti berikut
Pilih
 Pilih gambar histogram yang diinginkan, untuk kasus ini pilih sesuai petunjuk
tanda anak panah. Selanjutnya akan nampak sebagai berikut
27
 Isikan variable DATA pada kotak di sumbu X (horizontal) sesuai petunjuk anak
panah.
 Bila akan mengatur jumlah kelas interval, klik pada bagian Element Properties
untuk memunculkan kotak dialog berikut
 Selanjutnya, klik pada bagian Set Parameters dan akan muncul sebagai berikut
28
 Anchor First Bin. Untuk mengatur batas bawah dari kelas interval pertama.
Bila ingin mengatur sesuai keinginan, pilih Custom value for anchor dan
isikan nilai yang dikehendaki. Namun untuk keseragaman, pilih Automatic,
sesuai pengaturan SPSS.
 Bin Sizes. Untuk mengatur jumlah kelas interval. Bila ingin mengatur sesuai
keinginan, pilih Custom isikan nilai Number of interval atau Interval width
yang dikehendaki. Namun untuk keseragaman, pilih Automatic, sesuai
pengaturan SPSS.
 Klik Continue.
 Klik Apply.
 Klik OK.
29
LATIHAN:
1. Buat tabel diatribusi frekuensi dan histogram dari kelompok-kelompok data berikut:
a.
58.788 32.142 21.468 -4.413 75.907 68.188 42.798
39.761 40.673 64.858 103.343 62.128 64.137 29.932
38.421 91.733 80.964 48.997 68.803 34.643 60.746
66.263 23.339 78.142 23.239
b. 36 46 39 47 46 41 46 37 37 41 35
45 42 42 50 48 42 36 39 34 34 58
45 44 48 45 49 39 49 38 36 40 36
48 41 41 52 42 43 35 38 42 30 54
40 43 49 46 47 38 41 35 35 30
c. 43 61 17 86 42 88 78
94 57 56 57 60 57 82
25 76 92 46 67 45
53 50 54 24 70
2. Buat diagram batang dan pie-chart dari data berikut:

a. Data banyaknya mahasiswa di suatu fakultas yang menyukai beberapa jenis olahraga
Jenis Olah Raga Banyaknya Mahasiswa
Sepak Bola 50
Bulutangkis 35
Tenis 10
Bola Voly 20
Bola Basket 20
Bela Diri 15
b. Data sebaran jumlah penduduk di wilayah tertentu berdasarkan tingkat

pendidikannya
Jenis Olah Raga Banyaknya Mahasiswa
SD 10
SMP 35
SMA 50
Diploma 25
S1 45
S2 10
S3 5
30
c. Data jumlah penumpang pesawat per bulan

Bulan Jumlah Penumpang
(dalam ribuan)
Januari 120
Februari 90
Maret 150
April 100
Mei 160
Juni 170
Juli 140
Agustus 120
September 100
Oktober 80
November 120
Desember 180
II. UKURAN PEMUSATAN DAN PENYEBARAAN
31
Ukuran pemusatan, lokasi, dan penyebaran merupakan bagian dari statistika deskriptif.
Ukuran pemusatan yang digunakan biasanya adalah mean, median, dan modus. Ukuran
lokasi meliputi nilai quartile, desil, dan persentil. Sedangkan ukuran penyebaran antara lain
meliputi simpangan baku (standard deviasi), varian, jangkauan (range).
Contoh Kasus:
45 10 20 31 48 20 29 27 11 8
25 21 42 24 22 36 33 22 23 13
34 29 25 39 32 38 50 5
Tentukan mean, median, modus, standar deviasi, varian, quartil satu dan tiga, persentil 15
dan 85, range, jarak antar quartile.
Untuk mendapatkan nilai-nilai statistic tersebut dengan bantuan SPSS dapat dilakukan
dengan cara:
1. Menggunakan menu Analyze – Descriptive Statistics – Frequencies
Bila dipilih menu ini, akan muncul kotak dialog sebagai berikut
Pengisian:
 Variable(s). Untuk kasus ini diisi dengan variable DATA.
 Klik bagian Statistics, akan muncul kotak dialog
32
o Percentile Values. Pilih Quartiles dan Percentile. Untuk Percentile(s),

ketikkan 15 kemudian klik Add. Ulangi lagi untuk persentil 85.
o Central Tendency. Pilih Mean, Median, dan Mode.
o Dispersion. Pilih Std.deviation, Variance, Range.
o Klik Continue.
 Klik OK.
2. Menggunakan menu Analyze – Descriptive Statistics – Descriptive

Dengan memilih menu ini, muncul kotak dialog
Pengisian:
 Variable(s). Diisi dengan variable DATA
 Klik bagian Options, akan muncul sebagai berikut
33
 Pilih Mean, Std.deviation, Variance, Range

 Klik Continue
 Klik OK.
Hasilnya adalah
3. Meggunakan menu Analyze – Descriptive Statistics – Explore

Dengan memilih menu ini, pada layar akan tampak sebagai berikut
Pengisian:
 Dependent List. Masukkan variable DATA.
 Display. Pilih Statistics
 Klik pada bagian Statistics, akan muncul kotak dialog
34
Pilih Descriptives dan Percentiles

 Klik Continue
 Klik OK.
Akan diperoleh hasil
LATIHAN:
1. Tentukan mean, median, modus, standar deviasi, varian, quartil satu dan tiga, persentil
15 dan 85, range, jarak antar quartile dari data pada nomor satu (1) bab 1.
35
III. ESTIMASI
Salah satu bagian statistika adalah statistika inferensial, dimana pada statistika inferensial
dikaji semua yang berkaitan dengan analisis data sebagai dasar penarikan kesimpulan tentang
keseluruhan data populasi. Statistika inferensial meliputi estimasi dan uji hipotesis.
Estimasi dibedakan menjadi estimasi titik dan estimasi selang, dimana estimasi titik akan
selalu berada dalam estimasi selangnya. Pada estimasi titik, nilai parameter diestimasi dengan satu
nilai tunggal (hanya sebuah nilai tertentu). Sebagai contoh parameter μ diestimasi dengan 𝑋̅ ,
parameter σ2 diestimasi dengan s2, dimana nilainya sangat tergantung pada nilai mean (rata-rata)
dari sampel-sampel yang diambil dari populasi tersebut. Hal tersebut merupakan salah satu sebab
sulitnya mendapatkan estimator yang baik, yang sesuai dengan nilai parameternya. Untuk itu perlu
dilakukan estimasi selang, dimana nilai parameter diestimasi akan terletak pada suatu interval
tertentu dengan tingkat kepercayaan/tingkat signifikansi tertentu. Hasil estimasi selang disebut
dengan selang kepercayaan (confidence interval) yang dinyatakan dalam bentuk peluang. Selang
kepercayaan merupakan sebuah peluang bahwa parameter populasi (θ) jatuh pada suatu tempat
dalam selang. Bentuk umum dari selang kepercayaan adalah
𝑃(𝑎 ≤ 𝜃 ≤ 𝑏) = 1 − 𝛼
dimana 𝑎 ∶ batas bawah selang
𝑏 ∶ batas atas selang
1 − 𝛼 ∶ tingkat kepercayaan
Tingkat kepercayaan 1 − 𝛼 merupakan besarnya peluang bahwa parameter populasi yang
tidak diketahui ada pada selang kepercayaan pada 100 percobaan. Misalnya tingkat kepercayaan
90%, 95%, 99%. Sementara 𝛼 merupakan peluang bahwa parameter tidak dalam selang pada 100
percobaan.
Ada beberapa faktor yang mempengaruhi lebar selang, yaitu variasi data yang diukur dari
simpangan baku populasi, ukuran sampel (n), dan tingkat kepercayaan 1 − 𝛼 .
Beberapa estimasi selang adalah sebagai berikut:
1. Estimasi Selang Kepercayaan Rata-rata/Mean (μ)
a. Simpangan baku populasi (σ) diketahui
Asumsi: populasi berdistribusi normal, jika tidak gunakan sampel berukuran besar
(𝑛 ≥ 30)
𝜎 𝜎
𝑃 (𝑋̅ − 𝑍𝛼⁄2 ≤ 𝜇 ≤ 𝑋̅ + 𝑍𝛼⁄2 ) = 1 − 𝛼
√𝑛 √𝑛
b. Simpangan baku populasi (σ) tidak diketahui, populasi terbatas
Asumsi: ukuran sampel kecil (𝑛 < 30) , menggunakan distribusi t dengan derajat bebas n-
1, simpangan baku populasi diestimasi dengan simpangan baku sampel.
𝑠 𝑠
𝑃 (𝑋̅ − 𝑡𝛼⁄2,(𝑛−1) ≤ 𝜇 ≤ 𝑋̅ + 𝑡𝛼⁄2,(𝑛−1) ) = 1 − 𝛼
√𝑛 √𝑛
Contoh:
Diketahui 10 data sampel sebagai berikut: 46.4, 46.1, 45.8, 47.0, 46.1, 45.9, 45.8, 46.9,
45.2, 46.0. Buat selang kepercayaan 95% untuk rata-ratanya, bila diasumsikan data
berdistribusi normal.
36
Penyelesaian:
Dengan menggunakan SPSS dapat dilakukan dengan langkah-langkah sebagai berikut:
- Definisikan variabel pada variable view, misalkan beri nama variabel “X”
- Isikan data variabel X pada data view
- Gunakan menu Analyze-Compare Means-One sample T test, maka akan muncul kotak
dialog
- Masukkan variabel X pada bagian Test Variable(s)

- Klik Options, kemudian isikan tingkat kepercayaannya (dalam hal ini 95%), klik continue
- Klik OK, maka akan muncul hasil sebagai berikut
2. Estimasi Selang Kepercayaan Beda Rata-rata (𝜇1 − 𝜇2 )

a. Simpangan baku populasi diketahui
Asumsi: berdistribusi normal
( X 1  X 2 )  ( 1   2 )
( X 1  X 2 ) ~ N ( 1   2 ,  12 / n1   22 / n2 )  Z  ~ N (0,1)

P ( X 1  X 2 )  z / 2 2
1
2
2
 2 / n  2 / n

 / n1   / n2  ( 1  2 )  ( X 1  X 2 )  z1 / 2 1 12 / 2n1 2 22 / n2  1  
b. Simpangan baku tidak diketahui

- Asumsi varian sama
Varian Tidak Diketahui dan  1   2
( X 1  X 2 )  ( 1  2 )
~ tn1  n2  2
s 2p / n1  s 2p / n2
Berdistribusi t dengan derajat bebas n1 + n2 – 2
Simpangan baku yang digunakan merupakan simpangan baku gabungan, yaitu
(n1  1) s12  (n2  1) s22
s 2p 
n1  n2  2
37
 
P ( X 1  X 2 )  t / 2, n1  n2  2 s p 1 / n1  1 / n2  ( 1  2 )  ( X 1  X 2 )  t / 2, n1  n2  2 s p 1 / n1  1 / n2  1  
- Asumsi varian berbeda

Varian Tidak Diketahui dan  1   2
( X 1  X 2 )  ( 1   2 )
~ t
s12 / n1  s22 / n2
Berdistribusi t dengan derajat bebas v, yaitu

( s12 / n1  s22 / n2 ) 2

( s12 / n1 ) 2 /(n1  1)  ( s22 / n2 ) 2 /(n2  1)

P ( X1  X 2 )  t / 2, s12 / n1  s22 / n2  ( 1  2 )  ( X1  X 2 )  t / 2, s12 / n1  s22 / n2  1   
Contoh:
2 jenis baja diambil masing-masing 7 dan 6 sampel, pengambilan dilakukan secara acak
kemudian diuji kekerasannya dan masing-masing memberikan hasil sebagai berikut:
Baja I : 157.8; 156.2; 161.9; 154.4; 153.6; 156.4; 153.2
Baja II: 164.2; 158.7; 163.1; 162.5; 159.8; 159.2
Buat selang kepercayaan 95% untuk beda kekerasan kedua jenis baja tersebut.
Penyelesaian:
Dengan menggunakan SPSS dapat diselesaikan dengan langkah sebagai berikut:
- Definisikan variabel pada variable view
Misal variabel “keras” untuk kekerasan baja dengan tipe data numeric. Selanjutnya
variabel “jenis” untuk pengelompokkan jenis bajanya, tipe datanya numeric, kemudian
klik pada bagian kolom Values, maka akan muncul kotak dialog
Pada value isikan “0”, dan pada label isikan “baja 1”, kemudian klik Add. Kemudian
ulangi lagi dengan mengisikan “1” pada value dan “baja 2” pada label, klik Add.
Kemudian klik OK.
- Isikan data kekerasan baja pada variabel “keras”, dan data jenis baja pada variabel
“jenis”. Pengisian data dilakukan pada bagian data view. Pengisian data jenis baja,
untuk baja 1 diisi dengan angka 0, baja 2 diisi dengan angka 1 (sesuai pengisian value
pada variable view)
38
- Gunakan menu Analyze-Compare Means- Independent Samples T Test, maka akan

muncul kotak dialog
- Masukkan variabel “keras” pada bagian Test Variable(s), variabel “jenis” pada grouping
variable
- Klik define group, pada Group 1 isikan 0, dan pada Group 2 isikan 1. Klik Continue.
- Klik options dan isikan tingkat kepercayaannya (dalam hal ini 95%), klik continue, klik
OK. Maka akan muncul hasil sebagai berikut:
c. Data berpasangan
Dua kelompok data yg diukur dari individu yg sama atau percobaan yg perlakuannya
dipasang-pasangkan. Mengikuti distribusi t dengan derajat bebas n-1.
- Hitung d  x1  x2 untuk setiap data
- Hitung rata-rata dan varian dari d
- Susun selang kepercayaan
 s 
P d  t / 2, n 1 d  1  2   d  t / 2, n 1 d   1  
s
 n n
Contoh:
Ada 15 orang pasien diukur tekanan darahnya sebelum dan sesudah diberi obat “X” untuk
mengetahui apakah obat tersebut dapat menurunkan tekanan darah pemakainya. Buat
selang kepercayaan 95% untuk beda mean tekanan darah sebelum dan sesudah
pemberian obat.
Sebelum(A) 70 80 72 76 76 76 72 78 82 64 74 92 74 68 84
Sesudah(B) 68 72 62 70 58 66 68 52 64 72 74 60 74 72 74
39
d=A-B 2 8 10 6 18 10 4 26 18 -8 0 32 0 -4 10
Penyelesaian:
Dengan SPSS dapat diselesaikan dengan langkah sebagai berikut:
- Definisikan variabel pada variable view. Misalkan variabel “belum” dan “sudah”
- Isikan data untuk tiap variabel pada data view
- Gunakan menu Analyze-Compare Means-Paired Samples T Test, maka akan muncul
kotak dialog
- Masukkan variabel “belum” pada bagian paired variables kolom variable 1 dan variabel
“sudah pada bagian paired variables kolom variable 2.
- Klik options, isikan tingkat kepercayaannya (dalam hal ini 95%), klik continue.
- Klik OK, maka akan muncul hasil sebagai berikut:
40
LATIHAN:
1. 20 sampel rokok diambil untuk diuji kandungan nikotinnya dan diperoleh rata-rata
kandungan nikotin dari sampel tersebut sebesar 1.2 mg. Buat selang kepercayaan 99%
untuk rata-rata kandungan nikotin rokok jika varian populasi kandungan nikotin rokok
sebesar 0.04 mg!
2. Berikut ini adalah skor tes IQ dari suatu sampel acak yang terdiri dari 18 siswa suatu sekolah
a. Tentukan selang kepercayaan 95% untuk rata-rata skor IQ dari seluruh siswa yang ada
di sekolah tersebut!
b. Tentukan selang kepercayaan 95% untuk varian skor IQ dari seluruh siswa yang ada di
sekolah tersebut!
3. Survey menunjukkan terdapat 190 orang yang menonton program kontroversial tertentu
dari sampel sebanyak 250 orang pemirsa televisi di suatu daerah. Tentukan selang
kepercayaan 95% untuk proporsi populasi orang yang menonton program kontroversial
tertentu!
4. Berdasarkan soal nomor 3, apabila di daerah lain juga dilakukan survey yang sama
terhadap 400 orang dan ternyata terdapat 250 orang yang menonton program
kontroversial tertentu, buatlah selang kepercayaan 95% untuk beda proporsi populasi
orang yang menonton program kontroversial di kedua daerah tersebut!
5. Diambil sampel acak sebanyak 40 lampu jenis A dan 50 lampu jenis B untuk diuji lama
hidupnya. Dari sampel tersebut diketahui bahwa rata-rata lama hidup lampu jenis A adalah
418 jam dan rata-rata lama hidup lampu jenis B adalah 402 jam. Buat selang kepercayaan
94% untuk beda rata-rata kedua jenis lampu tersebut jika diketahui simpangan baku
populasi lampu A dan B adalah 26 dan 22!
6. Pengukuran kekuatan tekanan tangan kiri dan tangan kanan dari 10 orang tukang ketik
kidal dicatat sebagai berikut:
Orang
1 2 3 4 5 6 7 8 9 10
Tangan kiri 140 90 125 130 95 121 85 97 131 110
Tangan kanan 138 87 110 132 96 120 86 90 129 100
Buat selang kepercaaan 90% untuk beda rata-ratanya!
7. Suatu feeding test dilakukan pada 24 sapi perah untuk membandingkan dua jenis diet,
pertama adalah “dewatered alfalfa” dan yang lain adalah “field-wilted alfalfa”. Suatu
sampel terdiri dari 12 sapi perah dipilih secara acak dan diberi perlakuan diet “dewatered
41
alfalfa”; sedangkan 12 sapi perah lainnya diberi perlakuan diet “ field-wilted alfalfa”. Dari
pengamatan selama periode tiga minggu, rata-rata susu yang dihasilkan setiap harinya
untuk masing-masing sapi perah tercatat sebagai berikut:
Susu yg dihasilkan (dlm pound)
Field-wilted 44 44 56 46 47 38 58 53 49 35 46 30
alfalfa
Dewatered 35 47 55 29 40 39 32 41 42 57 51 39
alfalfa
a. Buat selang kepercayaan 95% untuk beda rata-ratanya!

b. Buat selang kepercayaan 95% untuk rasio dua variannya!
42
IV. UJI HIPOTESIS
Uji hipotesis merupakan salah satu bagian statistika inferensial yang membolehkan orang
untuk menguji suatu pernyataan tentang parameter populasi dengan menggunakan informasi yang
diperoleh dari studi sampel. Uji hipotesis bertujuan untuk menentukan apakah dugaan tentang
karakteristik populasi didukung oleh informasi yang diperoleh dari sampel.
Hipotesis merupakan dugaan sementara tentang pertanyaan penelititan dan pada
umumnya merupakan pernyataan tentang karakteristik populasi sehingga disebut juga hipotesis
statistik. Hipotesis diformulasikan dalam dua bentuk, yaitu hipotesis nol dan hipotesis alternative.
Hipotesis nol merupakan dugaan yang dirumuskan dengan harapan akan ditolak, bermakna
keberadaannya tidak ada (misal: tidak ada perbedaan, tidak ada pengaruh, tidak ada hubungan),
dan mengadung pernyataan kesamaan (=). Sedangkan hipotesis alternative merupakan
pernyataan operasional penelitian (harapan berdasarkan teori) yang didukung secara kuat oleh
data sampel, dan mengandung pernyataan ketaksamaan (<, >, ≠).
Dalam uji hipotesis terdapat dua tipe kesalahan. Kesalahan tipe I merupakan kesalahan
menolak hipotesis nol yang benar. Sementara kesalahan tipe II merupakan kesalahan menerima
hipotesis nol yang salah. Peluang maksimum melakukan kesalahan tipe I disebut dengan tingkat
signifikansi, dilambangkan dengan alpha (α).
Langkah-langkah dalam uji hipotesis adalah
1. Merumuskan hipotesis nol (H0) dan alternative (H1)
2. Menentukan tingkat signifikansi
3. Menentukan statistic uji
4. Menentukan p-value (besar peluang nilai yang lebih besar dari statistic uji) untuk
statistic uji
5. Membandingkan statistic uji dengan nilai table (nilai teoritis) masing-masing sebaran
statistic uji. Atau dengan membandingkan p-value dari statistic uji dengan tingkat
signifikansi.
6. Menentukan kriteria pengambilan keputusan.
7. Penarikan kesimpulan tentang populasi.
Macam-macam uji hipotesis:
1. Uji hipotesis satu rata-rata populasi

Merupakan pengujian rata-rata populasi dengan nilai pembanding tertentu.
Hipotesis:
Uji dua arah Uji satu arah kiri Uji satu ara kanan
H 0 :   0 H 0 :   0 H 0 :   0
H1 :    0 H1 :    0 H1 :    0
43
Statistik Uji:
- Untuk n ≥30
x  0
z hitung  Z =Z
 tabel 
n
- Untuk n < 30 dan simpangan baku populasi tidak diketahui

x  0 t =t
t hitung  tabel db=n-1
s
n
2. Uji hipotesis dua rata-rata populasi (beda rata-rata dua populasi)

Merupakan pengujian untuk membandingkan rata-rata dua populasi.
Merupakan pengujian rata-rata populasi dengan nilai pembanding tertentu.
Hipotesis:
Uji dua arah Uji satu arah kiri Uji satu arah kanan
H 0 : 1   2 H 0 : 1   2 H 0 : 1   2
H1 : 1   2 H1 : 1   2 H1 : 1   2
Statistik Uji:
- Untuk n ≥30
( X 1  X 2 )  ( 1   2 )
z hitung  Z =Z
 12 / n1   22 / n2 tabel 
- Untuk n < 30 dan simpangan baku populasi tidak diketahui

1   2 1   2
( X 1  X 2 )  ( 1   2 ) ( X 1  X 2 )  ( 1   2 )
t hitung  t hitung 
s / n1  s / n2
2
p
2
p s12 / n1  s22 / n2
(n1  1) s12  (n2  1) s22 t =t
s 2p  tabel db
n1  n2  2
t =t ( s12 / n1  s22 / n2 ) 2
tabel db db 
( s12 / n1 ) 2 /(n1  1)  ( s22 / n2 ) 2 /(n2  1)
db  n1  n2  2
Analisis dengan bantuan SPSS dapat dilakukan dengan langkah yang sama pada proses estimasi.
Pengambilan kesimpulan dilakukan dengan membandingkan nilai statistic uji (z, t, χ2, F) yang ada
dalam output SPSS dengan nilai table dari z, t, χ2, F untuk tingkat signifikansi tertentu. Atau dengan
44
membandingkan nilai Sig. (p-value) yang ada dalam output SPSS dengan tingkat signifikansi
tertentu.
LATIHAN:
1. 20 sampel rokok diambil untuk diuji kandungan nikotinnya dan diperoleh rata-rata
kandungan nikotin dari sampel tersebut sebesar 1.2 mg. Jika varian populasi kandungan
nikotin rokok sebesar 0.04 mg, ujilah dengan tingkat signifikansi 2% pernyataan bahwa
rata-rata kandungan nikotin suatu jenis rokok kurang dari 1 mg!
2. Berikut ini adalah skor tes IQ dari suatu sampel acak yang terdiri dari 18 siswa suatu sekolah
a. Ujilah pernyataan bahwa rata-rata skor IQ siswa tidak sama dengan 140, gunakan
tingkat signifikansi 5%!
b. Dengan menggunakan tingkat signifikansi 5%, lakukan pengujian untuk mengetahui
kebenaran pernyataan bahwa variannya lebih dari 10!
3. Survey menunjukkan terdapat 190 orang yang menonton program kontroversial tertentu
dari sampel sebanyak 250 orang pemirsa televisi di suatu daerah. Apakah benar jika
dikatakan bahwa proporsi orang yang menonton program kontroversial tertentu di suatu
daerah lebih dari 0.5? gunakan tingkat signifikansi 1%.
4. Berdasarkan soal nomor 3, apabila di daerah lain juga dilakukan survey yang sama
terhadap 400 orang dan ternyata terdapat 250 orang yang menonton program
kontroversial tertentu, ujilah pernyataan bahwa ada perbedaan proporsi orang yang
menonton program kontroversial tertentu di kedua daerah tersebut, gunakan tingkat
signifikansi 2%!
5. Diambil sampel acak sebanyak 40 lampu jenis A dan 50 lampu jenis B untuk diuji lama
hidupnya. Dari sampel tersebut diketahui bahwa rata-rata lama hidup lampu jenis A adalah
418 jam dan rata-rata lama hidup lampu jenis B adalah 402 jam. Dapatkan dikatakan bahwa
lampu jenis A lebih baik dari jenis B? Lakukan pengujian dengan tingkat signifikansi 2%!
45
6. Pengukuran kekuatan tekanan tangan kiri dan tangan kanan dari 10 orang tukang ketik
kidal dicatat sebagai berikut:
Orang
1 2 3 4 5 6 7 8 9 10
Tangan kiri 140 90 125 130 95 121 85 97 131 110
Tangan kanan 138 87 110 132 96 120 86 90 129 100
Lakukan pengujian untuk mengetahui kebenaran pernyataan bahwa tangan kiri lebih kuat
dari tangan kanan pada orang kidal! Gunakan tingkat signifikansi 5%
7. Suatu feeding test dilakukan pada 24 sapi perah untuk membandingkan dua jenis diet,
pertama adalah “dewatered alfalfa” dan yang lain adalah “field-wilted alfalfa”. Suatu
sampel terdiri dari 12 sapi perah dipilih secara acak dan diberi perlakuan diet “dewatered
alfalfa”; sedangkan 12 sapi perah lainnya diberi perlakuan diet “ field-wilted alfalfa”. Dari
pengamatan selama periode tiga minggu, rata-rata susu yang dihasilkan setiap harinya
untuk masing-masing sapi perah tercatat sebagai berikut:
Susu yg dihasilkan (dlm pound)
Field-wilted 44 44 56 46 47 38 58 53 49 35 46 30
alfalfa
Dewatered 35 47 55 29 40 39 32 41 42 57 51 39
alfalfa
a. Lakukan uji hipotesis dengan tingkat signifikansi 5% untuk mengetahui pengaruh jenis
diet terhadap susu yang dihasilkan!
b. Lakukan uji hipotesis dengan tingkat signifikansi 10% untuk mengetahui kesamaan
varian dari susu yang dihasilkan dua jenis diet tersebut!
46
V. ANALISIS REGRESI
Analisis regresi digunakan untuk menganalisa bentuk/model hubungan antara dua

variabel atau lebih, dimana pada model regresi tersebut terdapat satu variabel respon yang
merupakan variabel terikat (dependent variable) dan satu atau lebih variabel prediktor yang
merupakan variabel bebas (independent variable).
Analisis regresi terdiri dari analisis regresi linier, misal regresi model garis lurus, model
kuadratik, model polinomial dll, dan analisis regresi non linier, misal model regresi
eksponensial.
Analisis regresi (linier) dibedakan pula atas analisis regresi sederhana (bila hanya
ada satu variabel prediktor) dan analisis regresi berganda (bila terdapat lebih dari satu
variabel prediktor). Pada praktikum ini akan dibahas analisis regresi linier sederhana
(model regresi garis lurus) dan analisis regresi linier berganda dengan menggunakan paket
program SPSS.
A. ANALISIS REGRESI LINIER SEDERHANA

Contoh Kasus:
PT Cemerlang dalam beberapa bulan gencar mempromosikan sejumlah peralatan
elektronik dengan membuka outlet-outlet di berbagai daerah. Berikut adalah data
mengenai Penjualan dan Biaya promosi yang dikeluarkan di 15 daerah di Indonesia.
Daerah Sales (juta rupiah) Promosi (juta rupiah)
Jakarta 205 26
Tangerang 206 28
Bekasi 254 35
Bogor 246 31
Bandung 201 21
Semarang 291 49
Solo 234 30
Yogya 209 30
Surabaya 204 24
Purwokerto 216 31
Madiun 245 32
Tuban 286 47
Malang 312 54
Kudus 265 40
Pekalongan 322 42
Berdasarkan data tersebut akan dilakukan analisis regresi untuk mengetahui hubungan di
antara variabel Penjualan (SALES) dan Biaya Promosi (PROMOSI).
Penyelesaian dengan SPSS:
47
1. Pemasukkan Data
Data yang akan dimasukkan adalah data yang berkaitan dengan penjualan (variabel
SALES) dan biaya promosi (variabel PROMOSI).
a. Buat lembar kerja baru dengan menu File – New – Data

b. Mendefinisikan variabel (Name, Type, Width, dll) pada lembar Variabel View
(tekan CTRL+T). Dari contoh kasus, difenisikan variabel SALES dan PROMOSI.
Variabel SALES
 Name. Ketik SALES

 Type, Width, Decimals, dll, dapat dibiarkan sesuai default SPSS (untuk
keseragaman)
Variabel PROMOSI
 Name. Ketik PROMOSI

keseragaman)
c. Mengisikan data
Isikan data pada kolom variabel yang telah didefinisikan
2. Pengolahan Data
Untuk menganalisa pola hubungan antara penjualan dan biaya promosi dapat
dilakukan dengan bantuan SPSS menggunakan menu Analyze – Regression – Linear,
selanjutnya pada layar akan muncul kotak dialog berikut
48
Pengisian:
 Dependent. Diisi dengan variabel respon (dependen), dalam kasus ini adalah
variabel SALES.
 Independent(s). Diisi dengan variabel predictor, dalam kasus ini adalah variabel
PROMOSI.
 Selection Variable. Abaikan.
 Case Labels. Abaikan.
 WLS Weight. Abaikan.
 Statistics. Bagian ini berisi pilihan statistik yang berkaitan dengan koefisien regresi
dan residual yang akan dimunculkan pada lembar VIEWER (output). Klik di bagian
ini, maka akan muncul kotak dialog.
Untuk keseragaman pada bagian Regression Coefficient, pilih Estimate, Model

Fit, dan R squared change. Kemudian klik Continue.
 Plots. Bagian ini berisi pilihan plot residual yang akan dimunculkan pada lembar
VIEWER. Biasanya digunakan untuk pemeriksaan asumsi regresi yang berkaitan
dengan kenormalan distribusi residual, dan kesamaan varian residual. Untuk
sementara bagian ini dapat diabaikan.
 Save. Bagian ini berisi pilihan nilai-nilai yang ingin dimunculkan pada Data Editor
dimana nilai-nilai tersebut akan digunakan untuk analisa lebih lanjut. Untuk
sementara bagian ini juga dapat diabaikan.
 Options. Untuk kasus ini yang perlu ditentukan pada bagian ini adalah apakah
konstanta diikutkan dalam model. Untuk keseragaman pilih Include Constant in
equation. Kemudian klik Continue.
 Klik OK.
Hasil yang diperoleh adalah sebagai berikut:
49
Tabel 1
Menunjukkan variabel prediktor yang masuk ke dalam model (persamaan regresi)
Tabel 2
Menunjukkan kebaikan model berdasarkan koefisien determinasi (R Square). Pada table

tersebut nampak bahwa R Square = 0,839. Hal ini menunjukkan bahwa model yang
diperoleh merupakan model yang baik karena keragaman yang dapat dijelaskan oleh
model cukup besar, yaitu 83,9%.
Tabel 3
Menunjukkan hasil uji ketepatan model secara simultan dengan analisis varian, dengan
hipotesis:
H0 : βi = 0 (Model tidak tepat)
50
H1 : βi ≠ 0 (Model tepat)
Pada tabel tersebut diketahui bahwa F Hitung = 67,673 > dari F Tabel untuk α=5% serta
derajat bebas 1 dan 13, dengan peluang untuk F Hitung (Sig.) sebesar 0,00 dimana nilai
tersebut < α=5%. Berdasarkan hasil tersebut dapat disimpulkan bahwa H0 ditolak yang
berarti model dapat diterima.
Tabel 4
Menunjukkan hasil uji ketepatan model secara parsial dengan analisis varian, dengan
hipotesis:
H0 : βi = 0 (Model tidak tepat) i = 0, 1
Dari tabel tersebut diketahui bahwa koefisien β0 = 111,523 dengan Sig. =0,00 < α=5% dan
koefisien β1 = 3,891 dengan Sig. =0,00 < α=5%. Berdasarkan hasil tersebut dapat
disimpulkan bahwa H0 ditolak yang berarti model dapat diterima. Dan model persamaan
linier yang dihasilkan adalah
SALES = 111,523 + 3,891 PROMOSI
SOAL-SOAL LATIHAN:
1. Diketahui variabel prediktor X dan variabel respon Y dengan nilai-nilai sebagai berikut:
X 1 1 1 2 3 3 4 5 5
Y 9 7 8 10 15 12 19 24 21
Tentukan model persamaan liniernya dan lakukan uji ketepatan model yang dihasilkan
dengan tingkat signifikansi 5%.
2. Sebuah surat kabar menerbitkan harga jual mobil tertentu yang telah digunakan (Y)
menurut umur penggunaannya (X). Harga jual diukur dalam seribu dolar, dan umur
penggunaan diukur dalam tahun.
51
X 1 2 2 3 3 4 6 7 8 10
Y 9,45 8,40 8,60 6,80 6,50 5,60 4,75 3,89 2,70 1,47
Tentukan model regresi linier sederhana dari harga jual mobil dan umur
penggunaannya, dan ujilah dengan tingkat signifikansi 5% untuk mengetahui apakah
model yang didapatkan merupakan model yang tepat.
B. ANALISIS REGRESI LINIER BERGANDA

Merupakan analisis regresi linier untuk jumlah variabel prediktor lebih dari satu.
Contoh Kasus:
PT Cemerlang dalam beberapa bulan gencar mempromosikan sejumlah peralatan

elektronik dengan membuka outlet-outlet di berbagai daerah. Berikut adalah data
mengenai Penjualan, Biaya Promosi dan Luas Outlet yang dikeluarkan di 15 daerah di
Indonesia.
Daerah Sales Promosi Outlet

(juta rupiah) (juta rupiah) (m2)
Jakarta 205 26 159
Tangerang 206 28 164
Bekasi 254 35 198
Bogor 246 31 184
Bandung 201 21 150
Semarang 291 49 208
Solo 234 30 184
Yogya 209 30 154
Surabaya 204 24 149
Purwokerto 216 31 175
Madiun 245 32 192
Tuban 286 47 201
Malang 312 54 248
Kudus 265 40 166
Pekalongan 322 42 287
Berdasarkan data tersebut akan dilakukan analisis regresi untuk mengetahui hubungan di
antara variabel Penjualan (SALES) dengan Biaya Promosi (PROMOSI) dan Luas Outlet
(OUTLET).
52
Penyelesaian dengan SPSS:
3. Pemasukkan Data
Data yang akan dimasukkan adalah data yang berkaitan dengan penjualan (variabel
SALES), biaya promosi (variabel PROMOSI), dan luas outlet (variabel OUTLET).
a. Buat lembar kerja baru dengan menu File – New – Data

b. Mendefinisikan variabel (Name, Type, Width, dll) pada lembar Variabel View
(tekan CTRL+T). Dari contoh kasus, difenisikan variabel SALES, PROMOSI, dan
OUTLET.
Variabel SALES
 Name. Ketik SALES

keseragaman)
Variabel PROMOSI
 Name. Ketik PROMOSI

keseragaman)
Variabel OUTLET
 Name. Ketik OUTLET

keseragaman)
c. Mengisikan data
Isikan data pada kolom variabel yang telah didefinisikan
4. Pengolahan Data
Untuk menganalisa pola hubungan antara penjualan dan biaya promosi dapat
dilakukan dengan bantuan SPSS menggunakan menu Analyze – Regression – Linear,
selanjutnya pada layar akan muncul kotak dialog berikut
53
Pengisian:
 Dependent. Diisi dengan variabel respon (dependen), dalam kasus ini adalah
variabel SALES.
 Independent(s). Diisi dengan variabel predictor, dalam kasus ini adalah variabel
PROMOSI dan OUTLET.
Method menunjukkan pilihan cara yang dapat digunakan untuk
pemasukkan/pemilihan variabel yang ikut dalam model. Untuk kasus ini dapat
dipilih ENTER.
 Selection Variable. Abaikan.

 Case Labels. Abaikan.
 WLS Weight. Abaikan.
 Statistics. Bagian ini berisi pilihan statistik yang berkaitan dengan koefisien regresi
dan residual yang akan dimunculkan pada lembar VIEWER (output). Klik di bagian
ini, maka akan muncul kotak dialog.
Untuk keseragaman pada bagian Regression Coefficient, pilih Estimate, Model

Fit, dan R squared change. Kemudian klik Continue.
54
 Plots. Bagian ini berisi pilihan plot residual yang akan dimunculkan pada lembar
VIEWER. Biasanya digunakan untuk pemeriksaan asumsi regresi yang berkaitan
dengan kenormalan distribusi residual, dan kesamaan varian residual. Untuk
sementara bagian ini dapat diabaikan.
 Save. Bagian ini berisi pilihan nilai-nilai yang ingin dimunculkan pada Data Editor
dimana nilai-nilai tersebut akan digunakan untuk analisa lebih lanjut. Untuk
sementara bagian ini juga dapat diabaikan.
 Options. Untuk kasus ini yang perlu ditentukan pada bagian ini adalah apakah
konstanta diikutkan dalam model. Untuk keseragaman pilih Include Constant in
equation. Kemudian klik Continue.
 Klik OK.
Hasil yang diperoleh adalah sebagai berikut:
55
Tabel 1
Menunjukkan variabel prediktor yang masuk ke dalam model (persamaan regresi)
Tabel 2
Menunjukkan kebaikan model berdasarkan koefisien determinasi (R Square). Pada table

tersebut nampak bahwa R Square = 0,952. Hal ini menunjukkan bahwa model yang
diperoleh merupakan model yang baik karena keragaman yang dapat dijelaskan oleh
model cukup besar, yaitu 95,2%.
Tabel 3
Menunjukkan hasil uji ketepatan model secara simultan dengan analisis varian, dengan
hipotesis:
H0 : βi = 0 (Model tidak tepat)
Pada tabel tersebut diketahui bahwa F Hitung = 118,294 > dari F Tabel untuk α=5% serta
derajat bebas 2 dan 12, dengan peluang untuk F Hitung (Sig.) sebesar 0,00 dimana nilai
tersebut < α=5%. Berdasarkan hasil tersebut dapat disimpulkan bahwa H0 ditolak yang
berarti model dapat diterima.
Tabel 4
Menunjukkan hasil uji ketepatan model secara parsial dengan analisis varian, dengan
hipotesis:
H0 : βi = 0 (Model tidak tepat) i = 0, 1, 2
Dari tabel tersebut diketahui bahwa koefisien β0 = 64,639 dengan Sig. =0,00 < α=5%,
koefisien β1 = 2,342 dengan Sig. =0,00 < α=5%. dan koefisien β2 = 0,535 dengan Sig. =0,00
56
< α=5%. Berdasarkan hasil tersebut dapat disimpulkan bahwa H0 ditolak yang berarti
model dapat diterima. Dan model persamaan linier yang dihasilkan adalah
SALES = 64,639 + 2,342 PROMOSI + 0,535 OUTLET
SOAL-SOAL LATIHAN:
1. Diketahui data tekanan darah systolic (Y), berat badan yang diukur dengan satuan
pounds (X1), dan umur (X2) dari 13 orang laki-laki sebagai berikut:
Y 120 141 124 126 117 129 123 125 132 123 132 155 147
X1 152 183 171 165 158 161 149 158 170 153 164 190 185
X2 50 20 20 30 30 50 60 50 40 55 40 40 20
Berdasarkan data tersebut, lakukan analisis regresi untuk mengetahui pola hubungan
antara tekanan darah systolic dengan berat badan dan umur.
2. Listed below are the price quotations of used cars (Y, in thousand dollars) along with
their age (X1, in years) and ondometer mileage (X2, in thousand miles).
X1 1 2 2 3 3 4 6 7 8 10
X2 8,1 17,0 12,6 18,4 19,5 20,2 40,4 51,6 62,6 80,1
Y 9,45 8,40 8,60 6,80 6,50 5,60 4,75 3,89 2,70 1,47
Perform a multiple regression analysis of these data. In particular,
a. Determine the equation for predicting the price from age and mileage. Interpret the
meaning of the coefficients ˆ1 and ̂ 2 .
b. Give 95% confidence intervals for ˆ1 and ̂ 2 .
c. Obtain R 2 and interpret the result.
57
VI. UJI CHI-SQUARE
Uji Chi-Square termasuk salah satu alat uji dalam statistika yang sering digunakan
dalam praktek. Antara lain dapat digunakan dalam pengujian keselarasan (goodness of fit)
pada data multinomial dan pengujian keselarasan dengan distribusi teoritis tertentu. Prinsip
dasar pada uji Chi-Square adalah membandingkan antara frekuensi-frekuensi harapan
dengan frekuensi-frekuensi teramati.
Contoh Kasus:
Manajer Pemasaran PT ENAK yang menjual permen dengan empat macam warna ingin
mengetahui apakah konsumen menyukai kempat warna permen tersebut. Untuk itu dalam
waktu satu minggu diamati pembelian permen di suatu outlet dan berikut hasilnya.
Warna Jumlah
Merah 35
Hijau 28
Kuning 10
Putih 27
Angka di atas berarti dalam seminggu ada pembelian 100 permen dengan warna merah
sebanyak 35 buah, hijau 28 buah, kuning 10 buah dan putih 27 buah. Akan dilihat apakah
hasil pengamatan tersebut menunjukkan bahwa keempat warna disukai konsumen secara
merata? Dalam hal ini Manajer Pemasaran tersebut mengharapkan keempat warna
permen tersebut disukai secara merata, yang berarti mengikuti distribusi uniform/seragam.
Penyelesaian dengan SPSS
58
1. Buka lembar kerja baru dengan menu File – New – Data

2. Mendefinisikan variabel pada lembar Variable View
Variabel WARNA
 Name. Ketik warna.

 Type. Dibuat tipe data numeric agar dapat diolah dengan SPSS
 Width. Ketik 1.
 Decimals. Ketik 0.
 Label. Abaikan.
 Values. Dilakukan untuk proses pemberian kode. Klik kotak kecil di kanan
sel, pada layar akan muncul kotak dialog seperti berikut.
Pengisian:
 Value (diisi dengan angka), ketik 1.

 Value Label (keterangan untuk value). Sesuai dengan kasus, ketik
merah.
Otomatis tombol Add aktif. Klik tombol tersebut, otomatis keterangan
1=”merah” tampak sebagai kode warna permen pertama. Hal tersebut
dilakukan berulang sampai kategori terakhir, bila sudah selesai, klik OK.
Variabel JUMLAH
Oleh karena ini variabel kedua, tempatkan pointer pada baris 2.
 Name. Ketik jumlah.

 Type. Gunakan tipe data numeric.
 Width. Untuk keseragaman ketik 8.
 Decimals. Untuk keseragaman ketik 0.
59
3. Memasukkan data
 Sebelum mengisi kolom warna, aktifkan Value Label pada menú View
 Isikan data berupa angka (1,2,3,4) sesuai yang telah didefinisikan pada
Value.
 Isikan juga data pada kolom jumlah sesuai data hasil amatan.
 Melakukan proses Weight Cases untuk menghubungkan dengan variabel
jumlah. Melalui menú Data – Weight Cases dan akan muncul kotak dialog
Oleh karena akan melakukan pembobotan pada kasus, maka klik pilihan
Weight cases by. Kemudian tampak pilihan Frequency Variable atau
variabel yang akan dihubungkan. Untuk itu pilih variabel jumlah dan klik
OK.
4. Mengolah data
Melalui menú Analyze – Nonparametric Tests – Chi-Square, pada layar akan
muncul kotak dialog berikut.
 Test Variable List diisi dengan warna.

 Expected Range, karena akan dihitung dari data kasus, maka pilih Get
from data.
60
 Expected Value, karena distribusinya uniform yang berarti frekuensi

harapannya semua sama, pilih All categories equal.
 Klik OK.
Hasilnya akan muncul pada layar Viewer sebagai berikut:
Pada hasil pertama nampak frekuensi amatan (Oi), frekuensi harapan (Ei), dan
selisih keduanya (Oi – Ei) dari masing-masing warna permen. Pada hasil ke dua nampak
nilai Chi-Square Hitung (=13,520), derajat bebas (=3), dan nilai peluang untuk Chi-Square
Hitung yang didapat (=0,004). Berdasarkan hasil tersebut, untuk pengujian hipótesis
H0 : Sampel diambil dari populasi berdistribusi uniform.
Atau keempat warna permen disukai konsumen secara merata.
H1 : Sampel bukan dari populasi berdistribusi uniform.
Atau setidaknya sebuah warna permen lebih disukai daripada setidaknya
61
sebuah warna yang lain.
dapat diambil keputusan sebagai berikut:
a. Berdasarkan perbandingan Chi-Square Hitung dengan Chi-Square Tabel

Dari hasil análisis diperoleh Chi-Square Hitung sebesar 13,520, sementara
diketahui bahwa nilai Chi-Square Tabel untuk α = 5% dengan derajat bebas 3
adalah sebesar 7,814. Karena Chi-Square Hitung > Chi-Square Tabel maka H0
ditolak.
b. Berdasarkan peluang
Dari hasil análisis diketahui nilai Asymp. Sig (Asymptotic Significance) adalah
0,004, dimana nilai tersebut lebih kecil dari α = 5%. Dengan demikian dapat
diputuskan untuk menolak H0.
Uji keselarasan dalam kasus di atas adalah penerapan untuk uji keselarasan
dengan distribusi uniform. Namun uji dapat diperluas dengan membandingkan dengan
distribusi teoritis lain. Di sini prosedur pengujian dan pemasukkan data sama, hanya
distribusi teoritis atau dalam output SPSS disebut ‘expected N’ yang berbeda dalam
pengisiannya.
Untuk input pola distribusi tertentu, dari pengisian Chi-Square di SPSS, pada pilihan
Expected Value, pilih option Values, lalu masukkan angka/nilai yang dikehendaki,
kemudian klik tombol Add yang otomatis aktif. Demikian pengisian dilakukan berulang-
ulang sesuai dengan jumlah data.
SOAL-SOAL LATIHAN:
1. Hasil survey Lembaga Pangan terhadap tingkat kesukaan konsumen pada dodol
nangka produk perusahaan “X” adalah 47% ‘sangat suka’, 40% ‘suka’, dan 13% ‘tidak
suka’. Untuk membuktikan kebenaran hasil survey, seorang mahasiswa Teknologi
Hasil Pertanian meminta pendapat 1600 orang konsumen dan diperoleh 707 orang
‘sangat suka’, 694 orang ‘suka’, 199 orang ‘tidak suka’.
2. Sebuah dadu dilempar sebanyak 120 kali, diperoleh hasil 16 kali muncul mata satu, 24
kali mata dua, 23 mata tiga, 15 mata empat, 17 mata lima, dan 25 mata enam.
Cukupkah bukti kita untuk mengatakan bahwa dadu tersebut cenderung setimbang
(peluang jatuhnya setiap mata dadu sama)?
62
3. The FBI compiles data on crime and crime rates and publishes the information in Crime
in the United States. A Violent crime in classified by the FBI as murder, forcible rape,
robbery, or aggravated assault.
Violent Crimes (Last Year)

Violent Crimes (1995)
Types of
Types of Relative Frequency
violent crime
violent crime frequency
Murder 9
Murder 0,012
Forcible rape 26
Forcible rape 0,054
Robbery 144
Robbery 0,323
Agg. assault 321
Agg. assault 0,611
500
1,000
Do the data provide sufficient evidence to conclude that last year’s distribution of violent
crimes has changed from the 1995 distribution?
63
VII. UJI INDEPENDENSI DAN HOMOGENITAS
Dalam hal ini uji independensi dan uji homogenitas dilakukan untuk tipe data
nominal (kategori), dimana pengujiannya didasarkan pada uji Chi-Square untuk data
dengan klasifikasi dua arah yang dapat ditampilkan dalam suatu tabel kontingensi atau
tabel silang (cross tabulation).
Contoh Kasus:
Diketahui data sampel profil konsumen produk kopi susu CAFE yang meliputi
PEKERJAAN, PENDIDIKAN dan GENDER.
No. Kerja Didik Gender No. Kerja Didik Gender
1 karyawan akademi pria 14 wiraswasta sarjana pria
2 petani sarjana pria 15 wiraswasta akademi wanita
3 wiraswasta sma wanita 16 karyawan sarjana pria
4 petani sma wanita 17 petani sma wanita
5 wiraswasta akademi wanita 18 karyawan akademi pria
6 karyawan sarjana pria 19 karyawan sma wanita
7 wiraswasta sma wanita 20 petani akademi pria
8 wiraswasta sma pria 21 wiraswasta sarjana wanita
9 petani akademi wanita 22 petani sarjana wanita
10 petani akademi wanita 23 petani sarjana pria
11 karyawan sarjana pria 24 karyawan sma pria
12 karyawan sarjana pria 25 karyawan sma pria
64
13 petani sma wanita
Dari data tersebut ingin diketahui apakah ada hubungan antara pekerjaan konsumen dan
gender konsumen, serta apakah ada hubungan antara pekerjaan konsumen dan tingkat
pendidikan konsumen?
Langkah-langkah penyelesaian dengan SPSS adalah sebagai berikut:
1. Pemasukan Data
a. Buka lembar kerja baru melalui menu File – New - Data.
b. Mendefinisikan variabel (Name,Type, Width, dll) pada lembar Variabel View
(tekan CTRL+T). Dari contoh kasus, didefinisikan variabel KERJA, DIDIK dan
GENDER.
Variabel KERJA
 Name. Ketik KERJA.

 Type. Gunakan tipe data numerik agar data dapat diolah.
 Width. Untuk keseragaman ketik 1.
 Decimals. Ketik 0 (tidak ada desimal) karena tipe data numerik dengan kode.
 Label. Abaikan
 Value. Dilakukan untuk proses pemberian kode. Klik kotak kecil di kanan sel,
tampak pada layar:
Pengisian:
 Value (diisi dengan angka), ketik 1.

 Value Label (keterangan untuk value). Sesuai dengan kasus, ketik
karyawan.
Otomatis tombol Add aktif. Klik tombol tersebut, otomatis keterangan
1=“karyawan” tampak sebagai kode jenis pekerjaan pertama. Hal tersebut
65
dilakukan berulang sampai kategori pekerjaan terakhir, bila sudah selesai,

klik OK.
Untuk variabel DIDIK dan variabel GENDER, langkah-langkah

mendefinisikannya sama dengan variabel KERJA.
c. Mengisi data
Sebelum mengisikan data pada kolom-kolom variabel yang telah didefinisikan,
aktifkan Value Label pada menu View. Selanjutnya isikan data berupa angka
(1,2,...) sesuai yang telah didefinisikan pada Value.
2. Pengolahan Data
Di sini akan dibahas dua hubungan, yaitu:
- Hubungan antara pekerjaan konsumen dan gender konsumen

- Hubungan antara pekerjaan konsumen dan tingkat pendidikan konsumen
Untuk menganalisa hubungan antara pekerjaan konsumen dan gender konsumen, pilih
menu Analyze – Descriptive – Statistics - Crosstabs sehingga pada layar akan tampak
kotak dialog sebagai berikut
Pengisian:
 Row(s). Diisi dengan variabel yang akan ditempatkan pada baris, dan untuk
keseragaman variabel GENDER ditempatkan pada baris.
66
 Column(s). Diisi dengan variabel yang akan ditempatkan pada kolom, dan untuk
keseragaman variabel KERJA ditempatkan dalam kolom.
 Klik kotak pilihan Statistics, tampak di layar kotak dialog
Karena akan dianalisa hubungan antara dua variabel yang didasarkan pada uji Chi-
Square, maka klik kotak Chi-Square, dilanjutkan dengan klik Continue.
 Klik pilihan Cells, tampak di layar kotak dialog
Pada pilihan Count, Percentage, dan Residual klik pada kotak pilihan yang akan
ditampilkan pada hasil. Untuk keseragaman, pada pilihan Count klik pada kotak
pilihan Observed, sedangkan pada pilihan Percentage dan Residual biarkan
kosong. Kemudian klik Continue.
 Klik pilihan Format, tampak di layar kotak dialog
67
Row Order menunjukkan urutan penempatan kategori variabel dalam baris apakah
Ascending/naik (dari kecil ke besar) atau Descending (dari besar ke kecil). Untuk
keseragaman pilih Ascending, klik Continue.
Setelah semua diisi, klik OK dan pada layar Viewer akan tampak hasil/output SPSS
sebagai berikut
Berdasarkan hasil tersebut, untuk pengujian hipotesis
H0 : Tidak ada hubungan antara pekerjaan konsumen dan gender konsumen
H1 : Ada hubungan antara pekerjaan konsumen dan gender konsumen
dapat diambil keputusan sebagai berikut:
a. Berdasarkan perbandingan Chi-Square Hitung dengan Chi-Square Tabel
68
Hasil analisis menunjukkan Chi-Square sebesar 7,702, sementara nilai Chi-Square

Tabel untuk =5% dengan derajat bebas = 2 adalah sebesar 5,9915. Karena Chi-
Square Hitung > Chi-Square Tabel maka H0 ditolak.
b. Berdasarkan peluang
Hasil analisis menunjukkan nilai Asymp.Sig/Asymtotic Significance adalah 0,021,
dimana nilai tersebut lebih kecil dari =5%, sehingga dapat diputuskan untuk menolak
H0.
Untuk menganalisa hubungan antara pekerjaan konsumen dan tingkat pendidikan

konsumen dilakukan langkah-langkah yang sama dengan analisa di atas.
SOAL-SOAL LATIHAN:
1. Berdasarkan data di atas lakukan uji independensi untuk mengetahui apakah ada
hubungan antara pekerjaan konsumen dan tingkat pendidikan konsumen.
2. Untuk membandingkan efektifitas dua macam diet (A dan B), diambil sampel sebanyak
80 bayi untuk diberi diet A dan 70 bayi diberi diet B. Pada jangka waktu tertentu
kesehatan tiap bayi diamati dan dikelompokkan dalam tiga kategori, yaitu ”baik”,
”sedang”, dan ”buruk”. Diperoleh data seperti pada tabel berikut:
69
DIET SEHAT DIET SEHAT DIET SEHAT DIET SEHAT DIET SEHAT
A baik B baik B baik A baik A sedang
A baik B buruk B buruk A baik A buruk
A sedang B sedang B sedang A baik A baik
A sedang B sedang B sedang A buruk A baik
A buruk B sedang B sedang A sedang A baik
A buruk B buruk B buruk A sedang A sedang
A sedang B buruk B baik A sedang A sedang
A sedang B buruk B buruk A sedang A buruk
A buruk B sedang B buruk A baik A baik
A buruk B sedang B sedang A baik A baik
B baik A buruk B sedang B sedang B baik
B baik A baik B baik B sedang B baik
B sedang A baik B baik B sedang B buruk
B sedang A baik B buruk B sedang B sedang
B sedang A buruk B buruk B sedang B sedang
B sedang A sedang B sedang B baik B buruk
B buruk A sedang B sedang B baik B sedang
B buruk A buruk B buruk B sedang B sedang
B baik A baik B sedang B sedang B baik
B baik A baik B sedang B buruk B baik
A sedang B buruk A baik A sedang A baik
A sedang B buruk A baik A sedang A buruk
A buruk B buruk A baik A buruk A buruk
A baik B baik A baik A baik A baik
A baik B baik A baik A baik A baik
A baik B sedang A baik A baik A sedang
A buruk B sedang A buruk A buruk A sedang
A buruk B sedang A sedang A buruk A baik
A baik B sedang A sedang A sedang A baik
A sedang B buruk A baik A sedang A baik
Dari data tersebut akan diuji apakah ada perbedaan kualitas kedua diet tersebut.
3. Untuk mengetahui apakah ada hubungan antara latar belakang akademis dan jurusan
yang dipilih dalam suatu program MBA, suatu sampel acak dari adta mahasiswa MBA
tahun lalu dikumpulkan dan diperoleh data sebagai berikut:
70
AKADEMIS JURUSAN AKADEMIS JURUSAN AKADEMIS JURUSAN AKADEMIS JURUSAN

BA Accounting BBA Finance BA Marketing BBA Accounting
BA Accounting Other Accounting BA Marketing BBA Marketing
BA Accounting Other Accounting BA Finance BBA Marketing
BA Accounting B Eng Accounting BA Finance BBA Marketing
BA Finance B Eng Accounting BA Accounting Other Accounting
BA Finance B Eng Finance BA Accounting Other Accounting
BA Marketing B Eng Finance BA Accounting Other Marketing
BA Marketing B Eng Marketing BA Accounting Other Marketing
BA Marketing BA Accounting BA Accounting BBA Marketing
B Eng Accounting BA Accounting B Eng Accounting BBA Accounting
B Eng Accounting BA Accounting B Eng Accounting BBA Accounting
B Eng Finance BA Accounting B Eng Finance BBA Finance
B Eng Finance BA Accounting B Eng Finance BBA Finance
B Eng Marketing BA Accounting B Eng Marketing BBA Marketing
BBA Accounting BA Finance Other Marketing BBA Marketing
BBA Accounting BA Finance Other Marketing BBA Marketing
B Eng Finance BA Marketing B Eng Marketing BBA Marketing
B Eng Finance BA Marketing B Eng Marketing BBA Marketing
BA Finance Other Accounting BA Accounting B Eng Accounting
BA Finance Other Accounting BA Accounting B Eng Accounting
BA Marketing Other Finance BA Accounting B Eng Finance
BA Marketing Other Finance BA Accounting B Eng Finance
BA Marketing Other Marketing BA Accounting B Eng Marketing
BA Accounting BBA Accounting BA Finance Other Marketing
BA Accounting BBA Accounting BA Finance BBA Accounting
BA Accounting BBA Finance BA Marketing BBA Marketing
BA Accounting B Eng Finance BA Marketing BBA Marketing
B Eng Finance B Eng Finance Other Accounting BBA Marketing
B Eng Finance BA Finance Other Accounting Other Accounting
B Eng Finance BA Finance Other Finance Other Accounting
B Eng Finance BA Finance Other Finance
B Eng Marketing BA Marketing Other Marketing
BBA Accounting BA Marketing Other Marketing
BBA Accounting BA Accounting BBA Finance
BBA Finance BA Accounting BBA Finance
BBA Finance BA Accounting BBA Finance
BBA Marketing BA Accounting BBA Marketing
BBA Marketing BA Accounting BBA Marketing
71

Modul Praktikum Statistik

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

Modul Praktikum Statistik

Diunggah oleh

Hak Cipta:

Format Tersedia

MODUL PRAKTIKUM STATISTIKA

TIM TAHUN PERTAMA BERSAMA

Pada era dimana komputer sudah merupakan komoditi umum, perkembangan

- Pastikan bahwa komputer anda sudah tersedia paket program SPSS

Dalam mengoperasikan SPSS Anda dapat menggunakan perintah-perintah dalam

I. TABEL DISTRIBUSI FREKUENSI

6. Pilih Histogram, klik OK hingga muncul kotak dialog berikut

II. DIAGRAM BATANG

Buatlah diagram batang dari data tersebut!

- Kolom Name diisi dengan jumlah

2. Membuat diagram batang

b. Selanjutnya akan muncul kotak dialog sebagai berikut

c. Muncul kotak dialog berikut

Pengisian kotak dialog:

Menggunakan menu Graphs – Chart Builder.

b. Selanjutnya akan muncul kotak dialog sebagai berikut

Klik OK, untuk mulai membuat diagram.

Sehingga akan muncul kotak dialog berikut

- Klik OK dan hasil pada layar Viewer adalah

- Klik OK dan hasilnya adalah sebagai berikut

III. DIAGRAM LINGKARAN (PIE CHART)

Buatlah pie chart dari data tersebut!

2. Membuat pie chart

b. Selanjutnya akan muncul kotak dialog sebagai berikut

Klik Values of individual cases, selanjutnya klik tabs Define

c. Muncul kotak dialog berikut

Pengisian kotak dialog:

Menggunakan menu Graphs – Chart Builder.

f. Selanjutnya akan muncul kotak dialog sebagai berikut

Klik OK, untuk mulai membuat diagram.

Pada Choose Elements pilih gambar lingkaran (pie).

Sehingga akan muncul kotak dialog berikut

- Klik OK dan hasil pada layar Viewer adalah

- Klik OK dan hasilnya adalah sebagai berikut

1. Analyze – Descriptive Statistics – Frequencies

2. Analyze – Descriptive Statistics – Explore

Hasilnya adalah sebagai berikut:

3. Graphs – Legacy Dialog

4. Graphs – Chart Builder

Untuk membuat histogram, dilakukan langkah-langkah berikut

2. Buat diagram batang dan pie-chart dari data berikut:

b. Data sebaran jumlah penduduk di wilayah tertentu berdasarkan tingkat

c. Data jumlah penumpang pesawat per bulan

II. UKURAN PEMUSATAN DAN PENYEBARAAN

o Percentile Values. Pilih Quartiles dan Percentile. Untuk Percentile(s),

2. Menggunakan menu Analyze – Descriptive Statistics – Descriptive

 Pilih Mean, Std.deviation, Variance, Range

3. Meggunakan menu Analyze – Descriptive Statistics – Explore

Pilih Descriptives dan Percentiles

- Masukkan variabel X pada bagian Test Variable(s)

2. Estimasi Selang Kepercayaan Beda Rata-rata (𝜇1 − 𝜇2 )

b. Simpangan baku tidak diketahui

- Asumsi varian berbeda

Berdistribusi t dengan derajat bebas v, yaitu

- Gunakan menu Analyze-Compare Means- Independent Samples T Test, maka akan

Tangan kiri 140 90 125 130 95 121 85 97 131 110

Tangan kanan 138 87 110 132 96 120 86 90 129 100

Buat selang kepercaaan 90% untuk beda rata-ratanya!

Susu yg dihasilkan (dlm pound)

a. Buat selang kepercayaan 95% untuk beda rata-ratanya!

IV. UJI HIPOTESIS

Macam-macam uji hipotesis:

1. Uji hipotesis satu rata-rata populasi

- Untuk n < 30 dan simpangan baku populasi tidak diketahui