MODUL UAS STATISTIKA STANNITE

HAK CIPTA

Hak Cipta modul ini berada pada Bimbingan Belajar STANNITE. Barang siapa melakukan
pelanggaran hak cipta akan dijatuhi hukuman sesuai dengan Peraturan perundang-undangan
yang berlaku.

Sanksi Pelanggaran

Pasal 72 UU RI No. 19 tahun 2002 tentang Hak Cipta

(1) Barang siapa dengan sengaja dan tanpa hak mengumumkan atau memperbanyak suatu
ciptaan atau memberi izin untuk itu, dapat dipidana dengan pidana penjara masing-
masing paling singkat 1 (satu) bulan dan/atau denda paling sedikit Rp1.000.000,00
(satu juta rupiah), atau dipidana penjara paling lama 7 (tujuh) tahun dan/atau denda
paling banyak Rp5.000.000.000,00 (lima miliar rupiah).
(2) Barang siapa dengan sengaja menyiarkan, memamerkan, mengedarkan, atau menjual
kepada umum suatu ciptaan atau barang hasil pelanggaran hak cipta atau hak terkait,
dapat dipidana dengan penjara paling lama 5 (lima) tahun dan/atau denda paling
banyak Rp500.000.000,00 (lima ratus juta rupiah).

Catatan
MODUL UAS STATISTIKA STANNITE
ii

DAFTAR ISI

HAK CIPTA ............................................................................................................................... i

DAFTAR ISI ..............................................................................................................................ii

Minggu ke-9 ............................................................................................................................... 1

MELAKUKAN PENGUJIAN HIPOTESIS .............................................................................. 1

Uji Hipotesis ........................................................................................................................... 1

Uji Satu Arah:......................................................................................................................... 1

Uji Dua Arah: ......................................................................................................................... 2

a. Uji Hipotesis Satu Proporsi ......................................................................................... 2

b. Uji Hipotesis Satu Rata-Rata....................................................................................... 3

c. Uji Hipotesis Satu Varians .......................................................................................... 5

Minggu ke-10 ............................................................................................................................. 9

MENENTUKAN PERBEDAAN DUA SAMPEL .................................................................... 9

Pengujian Dua Sampel ........................................................................................................... 9

a. Dua Proporsi ................................................................................................................ 9

b. Dua Rata-Rata: untuk sampel saling independen ...................................................... 11

c. Dua Rata-Rata: untuk sampel dependen (uji data berpasangan) ............................... 14

Minggu ke-11&12 .................................................................................................................... 16

MENGHITUNG NILAI KORELASI DAN REGRESI .......................................................... 16

Korelasi dan Regresi Linier Sederhana ................................................................................ 16

a. Korelasi (Pearson dan Spearman) ............................................................................. 16

1. Rumus Korelasi Pearson ........................................................................................ 17

2. Korelasi Rank/ Peringkat (Spearman) ................................................................... 17

Catatan
MODUL UAS STATISTIKA STANNITE
iii

b. Regresi Linier Sederhana .......................................................................................... 18

Chi-square dan Analysis of Variance ................................................................................... 19

a. Goodness-of-fit.......................................................................................................... 19

b. Tabel Kontingensi ..................................................................................................... 21

Uji Statistik (perhitungan) : .................................................................................................. 25

a. Analysis of Variance (ANOVA) ............................................................................... 26

1. Metode dalam Kelompok (Within Method) .......................................................... 27

2. Metode Antar-kelompok (Between Method) ........................................................ 29

Minggu ke-15 ........................................................................................................................... 33

MENGGUNAKAN SOFTWARE STATISTIKA (SPSS) ...................................................... 33

SPSS ..................................................................................................................................... 33

a. Praktek Menghitung dan Membuat Kesimpulan Nilai Korelasi, Regresi, Chi Square
dan ANOVA dengan SPSS............................................................................................... 33

Catatan
MODUL UAS STATISTIKA STANNITE
1

Minggu ke-9
MELAKUKAN PENGUJIAN HIPOTESIS

Uji Hipotesis
Hipotesis Statistik :
- Pernyataan atau dugaan mengenai satu atau lebih populasi
- Pengujian hipotesis berhubungan dengan penerimaan atau penolakan suatu hipotesis
› Hipotesis Awal yang diharap akan ditolak disebut : Hipotesis Nol (H0)
› Penolakan H0 membawa kita pada penerimaan Hipotesis Alternatif (H1)
› Nilai Hipotesis Nol (H0) harus menyatakan dengan pasti nilai parameter.
› H0  ditulis dalam bentuk persamaan
› Sedangkan Nilai Hipotesis Alternatif (H1) dapat memiliki beberapa kemungkinan.
› H1  ditulis dalam bentuk pertidaksamaan (< ; > ; ≠)

Uji Satu Arah:

Pengujian H0 dan H1 dalam uji satu arah adalah sebagai berikut:
H0 : Persamaan menggunakan tanda =
H1 : Persamaan menggunakan tanda lebih besar (>) atau lebih kecil (<)
 Nilai  tidak dibagi dua, karena seluruh  diletakkan hanya di salah satu sisi selang,
misalkan:
H0 :µ = µ0  disebut wilayah kritis
H1 :µ < µ0  disebut wilayah kritis
Wilayah kritis : Z < -Z  atau t < -t (db; )

daerah terarsir = daerah penolakan hipotesis

daerah tak terarsir = daerah penerimaan

hipotesis

Catatan
MODUL UAS STATISTIKA STANNITE
2

Uji Dua Arah:

Pengujian H0 dan H1 dalam uji dua arah adalah sebagai berikut:
H0 : Persamaan menggunakan tanda =
H1 : Persamaan menggunakan tanda ≠
 Nilai  dibagi dua, karena  diletakkan di kedua sisi selang, misalkan:
H0 :µ = µ0  disebut wilayah kritis
H1 :µ ≠ µ0  disebut wilayah kritis
Wilayah kritis : Z < -Z /2 dan Z < Z /2 atau t < -t (db; /2) dan t < t (db; /2)

daerah terarsir  daerah penolakan hipotesis

daerah tak terarsir  daerah penerimaan hipotesis

a. Uji Hipotesis Satu Proporsi

𝑋
𝑍0 =
𝑋 − 𝑛𝑝0
= 𝑛 − 𝑝0
√𝑛𝑝0 (1 − 𝑝0 ) √𝑝0 (1 − 𝑝0 )
𝑛
Dimana 𝑝0 adalah proporsi berdasarkan hipotesis.

Prosedur pengujian hipotesis:

1. Rumuskan H0 dan H1
2. Tentukan taraf nyata (α)
3. Tentukan frekuensi yang diobservasi dari sampel
4. Hitung frekuensi yang diharapkan jika H0 benar melalui rumus

(𝑡𝑜𝑡𝑎𝑙 𝑏𝑎𝑟𝑖𝑠)(𝑡𝑜𝑡𝑎𝑙 𝑘𝑜𝑙𝑜𝑚)

𝑓𝑒 =
𝑡𝑜𝑡𝑎𝑙 𝑔𝑒𝑛𝑒𝑟𝑎𝑙

Catatan
MODUL UAS STATISTIKA STANNITE
3

5. Hitung nilai x2 dengan rumus

2
(𝑓0 − 𝑓𝑒 )2
𝑥 =∑
𝑓𝑐
6. Dengan menggunakan nilai α dan df yang sesuai, tentukan nilai kritis x 2 dari tabel
pada bagian lampiran
[𝑑𝑓 = (𝑟 − 1)(𝑐 − 1)]
7. Bandingkan x dari hasil perhitungan dengan nilai x2 dari tabel dan tentukan
2

kesimpulan statistiknya

Contoh Soal:
Seorang pejabat Bank Budidaya berpendapat bahwa petani peminjam kredit bimas
yang belum mengembalikan kreditnya kembali sebesar 70% dengan alternatif lebih kecil
dari itu. Untuk menguji pendapatnya itu kemudian diteliti sebanyak 225 orang petani
peminjam kredit bimas ternyata ada 150 orang yang belum mengembalikan kredit.
Dengan α = 10% ujilah pendapat tersebut.

Penyelesaian :
Ho : p = 0,07 ; n = 225 ; X = 150
H1 : p < 0,07 ; α = 10% ; Zα = 1,28 (dari tabel normal)

𝑋 − 𝑛𝑝0 150 − 225(0,70)

𝑍0 = = = −1,09
√𝑛𝑝0 (1 − 𝑝0 ) √225(0,70)(0,30)

𝛼 = 0,10 Karena Z0 = -1,09 > Za = -1,28

Maka H0 tidak ditolak (benar).

−𝑍0,10 (-1,28)

b. Uji Hipotesis Satu Rata-Rata

Langkah-langkah dalam pengujian hipotesis tentang satu rata-rata adalah sebagai berikut :

Catatan
MODUL UAS STATISTIKA STANNITE
4

1. Rumuskan hipotesis

I. H0 : µ ≤ µ 0
H1 : µ > µ 0

II. H0 : µ ≥ µ 0
H1 : µ < µ 0

Cara perumusan I dan II disebut pengujian satu arah. I dan II masing-masing

disebut pengujian satu arah atas dan satu arah bawah, oleh karena menggunakan
sebelah kanan (I) dan sebelah kiri (II) kurva normal.

2. Tentukan nilai a ( tingkat nyata )

Tingkat nyata adalah probabilitas untuk melakukan kesalahan jenis I dan cari
nilai Za dan Z a /2 dari tabel normal.

3. Hitung Z0 sebagai kriteria pengujian normal

̅− µ
𝑿 ̅− µ
𝑿
𝟎 𝟎
𝒁𝟎 = =
𝝈𝑿̅ 𝝈/√𝒏
Keterangan :
n = untuk populasi tidak normal banyaknya elemen sampel ( n > 30 ),
atau populasi normal, n berapa saja, tidak harus lebih besar dari 30
1
𝑋̅ = ∑ 𝑋𝑖
𝑛
𝝈𝑿̅ = kesalahan baku 𝑋̅ = 𝝈/√𝒏
µ𝟎 = nilai µ sesuai dengan H0
Z0 dan Z a masing-masing disebut nilai observasi dan nilai teoritis dari tabel
normal
4. Pengujian hipotesis dan aturan permainan ( kesimpulan )

I. H0 : µ ≤ µ𝟎 apabila 𝐙𝟎 ≥ 𝐙𝐚 , H0 ditolak
Ha : µ > µ𝟎 apabila 𝐙𝟎 < 𝐙𝐚 , H0 diterima
Catatan
MODUL UAS STATISTIKA STANNITE
5

II. H0 : µ ≥ µ𝟎 apabila 𝐙𝟎 ≤ 𝐙𝐚 , H0 ditolak

Ha : µ < µ𝟎 apabila 𝐙𝟎 > 𝐙𝐚 , H0 diterima

III. H0 : µ = µ𝟎 apabila 𝐙𝟎 ≥ 𝐙𝐚 atau 𝐙𝟎 ≥ -𝐙𝐚/𝟐, H0 ditolak

Ha : µ ≠ µ𝟎 apabila -𝐙𝐚/𝟐< 𝐙𝟎 < 𝐙𝐚/𝟐, H0 diterima

Fungsi kekuatan
Untuk menghitung fungsi kekuatan di dalam menguji H0, perhatikan uraian berikut:
H 0 : µ ≤ µ𝟎
H a : µ > µ𝟎

Berdasarkan hipotesis alternatif bahwa µ > µ𝟎, maka akan masuk akal kalau
kita menolak H0 apabila 𝑿 ̅ lebih besar dari µ . Daerah kritis akan diperoleh dengan
𝟎
memilih 𝑿 ̅ , katakan 𝑿
̅ 𝒂, sedemikian rupa sehingga probabilitas bahwa 𝑿 ̅>𝑿 ̅ 𝒂 akan
sebesar a, apabila H0 benar. Dengan perkataan lain, pemilihan 𝑿 ̅ 𝒂 harus sedemikian
rupa sehingga berlaku hubungan berikut :

̅ >𝑿
𝑷 (𝑿 ̅ 𝒂 /𝑯𝟎 ) = 𝒂

( Garis miring dibaca : dengan syarat atau kalau 𝑯𝟎 terjadi )

Dimana: a = tingkat nyata = probabilitas untuk melakukan jenis I.

c. Uji Hipotesis Satu Varians

Pengujian hipotesis mengenai variansi populasi atau simpangan baku berarti
kita ingin menguji hipotesis mengenai keseragaman suatu populasi ataupun barang
membandingkan keseragaman suatu populasi dengan populasi lainya. Statistik yang
cocok sebagai dasar keputusan adalah statistic chi square (χ 2) dan statistic F.
Pengujian hipotesis untuk varians satu populasi menggunakan Chi-aquare test
statistic.
Untuk populasi yang berdistribusi secara normal, rasio (n - 1)s2/s 2 mengikuti
sebuah distribusi probabilitas 2, dimana terdapat distribusi chi-square yang berbeda-
beda tergantung pada derajat kebebasan (n-1). Karena itu, statistik yang biasa
digunakan untuk menguji sebuah hipotesis yang berhubungan dengan nilai varians
populasi adalah
(n  1)s 2
2 
Catatan σ2
MODUL UAS STATISTIKA STANNITE
6

Tes yang didasarkan pada rumus di atas dapat merupakan uji satu sisi atau uji
dua sisi, meskipun sering kali hipotesis tentang varians populasi berkaitan dengan uji
satu sisi.
1. Rumuskan Hipotesis
- Dua arah

- Satu arah

atau
2. Menentukan derajat kepercayaan berdasarkan kesalahan tipe 1 (tingkat signifikansi)
3. Menentukan Statistik Uji

(n  1)s 2
 
2

Dimana: σ2
2 = variabel standardized chi-square
n = jumlah sampel
s2 = varians sampel
σ2 = varians yang dihipotesiskan

Contoh distribusi sampling dari (n - 1)s2/s 2

Catatan
MODUL UAS STATISTIKA STANNITE
7

4. Menentukan Daerah Kritis berdasarkan 

5. Menentukan kriteria penolakan berdasarkan kesalahan tipe 1

Hipotesis Alternatif Tolak H0 jika:
σ > σ0
2 2
2> 2(,df)
σ2 < σ02 2> 2(1-,df)
σ2 ≠ σ02 2> 2(/2,df) atau 2> 2(1-/2,df)

6. Membuat keputusan dan kesimpulan

Contoh soal
Sebuah meriam harus memiliki ketepatan menembak dengan variasi yang
minimum. Spesifikasi dari pabrik senjata menyebutkan bahwa standar deviasi dari
ketepatan menembak meriam jenis tersebut maksimum adalah 4 meter. Untuk

Catatan
MODUL UAS STATISTIKA STANNITE
8

menguji hal tersebut, diambil sampel sebanyak 16 meriam dan diperoleh hasil s2 = 24
meter. Ujilah standar deviasi dari spesifikasi tersebut! Gunakan  = 0.05

Catatan
MODUL UAS STATISTIKA STANNITE
9

Minggu ke-10
MENENTUKAN PERBEDAAN DUA SAMPEL

Pengujian Dua Sampel

a. Dua Proporsi
Pokok Bahasan (1) menguji dua proporsi populasi dan (2) menentukan
estimasi interval kepercayaan perbedaan antara dua proporsi populasi.
Statistik uji yang digunakan dalam uji proporsi dua populasi adalah
𝑝̂1 − 𝑝̂ 2
𝑧=
1 1
√𝑝̅ (1 − 𝑝̅ )( + )
𝑛1 𝑛 2
Dimana
𝑥1
𝑝̂ 1 =
𝑛1
𝑥2
𝑝̂ 2 =
𝑛2
𝑥1 + 𝑥2
𝑝̅ =
𝑛1 + 𝑛2
Keterangan
𝑝̂1 adalah proporsi pada sampel 1
𝑝̂ 2 adalah proporsi pada sampel 2
𝑝̅ adalah proporsi gabungan
𝑥1 adalah banyaknya sukses pada sampel 1
𝑥2 adalah banyaknya sukses pada sampel 2
𝑛1 adalah banyaknya sampel 1
𝑛2 adalah banyaknya sampel 2

Daerah Kritis
Daerah kritis adalah daerah yang digunakan untuk menolak atau tidak
menolak H0. Titik kritis untuk uji dua arah adalah -Z/2 dan Z/2 sedangkan untuk uji
satu arah adalah -Z untuk H0 : P1  P2 dan Z untuk H0 : P1  P2

Keputusan
Keputusan untuk uji dua arah adalah tolak H0 apabila z < -Z/2 atau z > Z/2.
Keputusan untuk uji satu arah adalah
1. Untuk H0 : P1  P2 dan H1 : P1 < P2 , tolak H0 apabila z < -Z
2. Untuk H0 : P1 P2 dan H1 : P1 > P2 , tolak H0 apabila z > Z
Catatan
MODUL UAS STATISTIKA STANNITE
10

Contoh Soal
Mahasiswa jurusan pertanian ditugaskan untuk menguji formula pupuk terbaru
untuk tanam cabe. Mereka mengelompokkan tanaman-tanaman cabe menjadi dua
kelompok. Kelompok tanaman cabe pertama diberi pupuk dan kelompok tanaman
cabe kedua tidak diberi pupuk. Dari 250 batang tanaman cabe yang diberi pupuk, mati
sebanyak 15 batang. Sedangkan dari 200 batang tanaman cabe yang tidak diberi
pupuk, juga mati sebanyak 15 batang. Dengan tingkat kepercayaan 95%, apakah
pemberian pupuk formula terbaru pada cabe akan menjadi lebih baik daripada tidak
diberi pupuk?
Penyelesaian
Diketahui:
x1 = 15 n1 = 250
x2 = 15 n2 = 200
1. Tentukan Hipotesis yang digunakan
Misal: P1 adalah proporsi mati cabe yang diiberi pupuk dan P2 adalah proporsi
cabe mati cabe yang tidak diberi pupuk, maka
H0 : P1  P2
H1 : P1< P2
2. Tingkat Kepercayaan
(1-) = 0,95, berarti nilai signifikansinya adalah 5% atau =0,05.
3. Statistik Uji
Pengujian tersebut menggunakan proporsi dua populasi.
𝑝̂1 − 𝑝̂ 2
𝑧=
1 1
√𝑝̅ (1 − 𝑝̅ )( + )
1 2𝑛 𝑛
dengan
𝑥 15
𝑝̂1 = 𝑛1 = 250 = 0,06
1
𝑥2 15
𝑝̂ 2 = 𝑛 = 200= 0,075
2
𝑥1 +𝑥2 15+15
𝑝̅ = 𝑛 = 250+200 = 0,0667
1 +𝑛2

0,06 − 0,075
𝑧=
√0,0667(1 − 0,0667)( 1 + 1 )
250 200
−0,015
𝑧=
2,6293
Catatan
MODUL UAS STATISTIKA STANNITE
11

𝑧 = −0,057
4. Daerah Kritis
-Z = -1,645 (lihat tabel Z)
5. Keputusan
z < -Z0,05 maka keputusannya adalah H0 ditolak.
Kesimpulan, pemberian pupuk formula terbaru pada cabe akan menjadi
lebih baik daripada tidak diberi pupuk.
b. Dua Rata-Rata: untuk sampel saling independen
Uji hipotesis dua rata-rata digunakan untuk mengetahui ada atau tidak adanya
perbedaan (kesamaan) rata antara dua buah data. Salah satu teknik analisis statistik
untuk menguji hipotesis dua rata-rata. Pengujian ini merupakan uji statistik
parametrik yang tentu saja harus memenuhi asumsi.
1. Data berdistribusi normal
2. Data diplih secara acak
3. Data yang digunakan merupakan dat numerik (skala & interval)
Jika asumsi diatas tidak bisa terpenuhi, maka caranya yaitu dengan mengganti
metode dari parametrik menjadi non-parametrik.
Hipotesis yang digunakan dalam Pengujian Perbedaan Rata‐rata Dua sampel
saling bebas ada 3 hampir sama dengan yang lainnya yaitu:
1. Hipotesis dua arah yaitu rata-rata antar kelompok sama
2. Hipotesis satu arah menganggap kelompok 1 lebih tinggi rata-ratanya
dibandingkan kelompok 2.
3. Hipotesis satu arah yang menganggap kelompok 1 lebih kecil rata-ratanya
dibandingkan kelompok 2.
Dalam Pengujian Perbedaan Rata‐rata Dua sampel saling bebas (Independent two
sample ) ada 4 jenis mencari statistik uji dari Pengujian Perbedaan Rata‐rata Dua
sampel saling bebas (Independent two sample):

Varians Populasi Diketahui

Cara ini dapat digunakan apabila kita mengetahui nilai varians populasi itu
sendiri. Sehingga cara ini mungkin jarang digunakan karena untuk mengetahui nilai
populasi. berikut cara mencari z-hitung:
(𝑥̅ 1 −𝑥̅ 2 )−(1−2 ) (𝑥̅ 1 −𝑥̅ 2 )−(1−2 )
𝑧= =
2 2 2 2
√ + √ +
𝑥1 𝑥2 𝑛1 𝑛2
apabila kita tidak mengetahui nilai populasi khususnya simpangan baku maka kita
bisa menggunakan uji-t. dalam uji t ini dibagi menjadi tiga bagian.
Catatan
MODUL UAS STATISTIKA STANNITE
12

Varians populasi tidak diketahui, Ukuran sampel sama dan Varians

diasumsikan sama
Cara ini dapat digunakan jika ukuran sampel (n) sama dan juga varians
homogen/sama. ini kadang diasumsikan untuk memecahkan masalah penelitian.
berikut uji t yang digunakan:
𝑥̅1 − 𝑥̅2
𝑡=
2
𝑠𝑥1 𝑥2 . √𝑛
dimana
1
𝑠𝑥1 𝑥2 = √ (𝑠𝑥21 + 𝑠𝑥22 )
2
𝑠𝑥1 𝑥2 disebut juga pool standar deviasi yang merupakan penggabungan dua standar
deviasi. pada t-hitung ini menggunakan degree of freedom dengan rumus 2n-2.
Varians Populasi tidak diketahui, Ukuran sampel berbeda dan varians
diasumsikan sama
Walaupun varians homogen tapi ukuran sampel yang digunakan berbeda maka
rumus di atas tidak dapat digunakan. sehingga perlu menggunakan t-hitung yang baru
sebagai berikut:
𝑥̅1 − 𝑥̅2
𝑡=
1 1
𝑠𝑥1 𝑥2 . √𝑛 + 𝑛
1 2
dimana
(𝑛1 − 1)𝑠𝑥21 + (𝑛2 − 1)𝑠𝑥22
𝑠𝑥1 𝑥2 = √
𝑛1 + 𝑛2 − 2
selain itu degree of freedom pun berubah. degree of freedom untuk kasus ini yaitu
n1+n2-2
Varians populasi tidak diketahui, ukuran sampel sama/berbeda, varians
diasumsikan berbeda
Tes ini juga disebut dengan welch's test dan hanya digunakan apabila varians
diasumsikan berbeda (baik ukuran sampel sama atau berbeda). berikut cara
menghitung t statistik:
𝑥̅1 − 𝑥̅2
𝑡=
𝑠𝑥̅1 −𝑥̅1

Catatan
MODUL UAS STATISTIKA STANNITE
13

dimana
𝑠12 𝑠22
𝑠𝑥̅1−𝑥̅1 = √ +
𝑛1 𝑛2
untuk menentukan degree of freedom menggunakan rumus sebagai berikut:

persamaan ini juga dikenal dengan Persamaan welch satterthwaite

Langkah-langkah Uji kesamaan Dua Rata-Rata
1) Uji atau asumsikan bahwa data dipilih secara acak
2) Uji atau asumsikan bahwa data berdistribusi normal
3) tentukan apakah variansnya homogen atau hetero?
4) Tulis H1 dan H0 dalam bentuk kalimat
5) Tulis H1 dan H0 dalam bentuk statistik
6) Cari t-hitung atau z-hitung dengan rumus tertentu
7) Tentukan taraf signifikan (α)
8) Cari t-tabel atau z-tabel dengan pengujian dua pihak dimana df yang tergantung
rumus.
9) Tentukan kriteria pengujian, yaitu:
Jika –ttabel ≤ thitung ≤ +ttabel, maka H0 diterima
10) Bandingkan t-hitung dengan t-tabel
11) Buatlah kesimpulannya
Contoh soal
Seorang pemilik kedai minuman mengadakan sebuah penelitian untuk
mengetahui selera pemilihan minuman dengan rasa jeruk yang lebih diminati
konsumennya. Sampel sebanyak 12 orang diambil dengan percobaan minuman
dengan jeruk yang diperas dengan tangan sendiri, dan 10 orang dengan percobaan
minuman jeruk yang diolah dari botol sirup dengan rasa jeruk. Sampel pertama
memberikan penilaian dengan nilai rata – rata 93 dengan simpangan baku 6 dan
sampel kedua dengan nilai rata – rata 60 dengan simpangan baku 7,5. Ujilah hipotesis
kedua percobaan jenis minuman , dengan alternatif keduanya tidak sama dengan taraf
nyata 10%.
Penyelesaian:
Disini permasalahannya yaitu ingin membandingkan selera konsumen jeruk yang
lebih dinikmati dengan tangan sendiri atau diolah dengan botol sirup. sehingga disini
menggunakan perbedaan rata-rata dua sampel. untuk sampel pertama (n1)=12 dan
untuk sampel kedua (n2)=10. sedangkan untuk simpangan baku berbeda yaitu untuk
sampel 1 = 6 dan untuk sampel 2 = 7,5. sehingga dapat disimpulkan menggunakan
Catatan
MODUL UAS STATISTIKA STANNITE
14

cara varians tidak diketahui dan diasumsikan berbeda karena menggunakan nilai
simpangan baku dari sampel.
c. Dua Rata-Rata: untuk sampel dependen (uji data berpasangan)
Uji t berpasangan tentu saja digunakan apabila dua kelompok tersebut saling
berhubungan.Dua sampel berpasangan artinya sampel dengan subjek yang sama
namun mengalami dua perlakuan atau pengukuran yang berbeda.
Kapan menggunakan Uji t sampel/kelompok dependen(berpasangan)?
1. uji komparasi antar dua nilai pengamatan berpasangan, misalnya: sebelum dan
sesudah
2. digunakan pada uji parametrik dimana syaratnya sebagai berikut:
• satu sampel (setiap elemen mempunyai 2 nilai pengamatan)
• merupakan data kuantitatif (rasio-interval)
• berasal dari populasi dgn distribusi normal (di populasi terdapat distribusi
difference = d yang berdistribusi normal dengan mean μd=0 dan variance =1)
Contoh Kasus uji t sampel/kelompok berpasangan:
o Apakah terdapat perbedaan berat badan (kg) antara sebelum puasa dan
sesudah puasa selama satu bulan?
o Apakah terdapat perubahan skor pengetahuan tentang gizi antara sebelum dan
sesudah penyuluhan gizi?
o Apakah terdapat perbedaan kadar kolesterol dalam darah (mg%) yg diperiksa
oleh dua alat yang berbeda?
Pada contoh no 1 dan 2 diatas terlihat bahwa yang diuji satu individu tapi dengan
dua perlakuan yang berbeda yaitu sebelum dan sesudah. pada contoh no3 juga
hampir sama yaitu menguji perbandingan kadar kolesterol dengan dua alat yang
berbeda.
Hipotesis dalam uji t dua sampel/kelompok:
1. Uji dua arah. pada hipotesis awal tidak terdapat perbedaan yang signifikan antara rata-
rata1 dan rata-rata2.sedangkan pada hipotesis alternatif sebaliknya yaitu terdapat
perbedaan rata-rata 1 dan rata-rata 2.
H0 : 1 = 2
H1 : 1 ≠ 2
2. Uji satu arah dimana pada hipotesis awal kelompok/sampel 1 memiliki rata-rata sama
dengan atau lebih besar dengan rata-rata kelompok 2. sedangakan hipotesis alternatif
rata-rata kelompok 1 lebih kecil dibandingkan dengan rata-rata kelompok 2.
H0 : 1  2
H1 : 1 < 2

Catatan
MODUL UAS STATISTIKA STANNITE
15

3. Uji satu arah ini kebalikan pada hipotesis kedua, dimana pada hipotesis awal
kelompok/sampel 1 memiliki rata-rata sama dengan atau lebih kecil dengan rata-rata
kelompok 2. sedangakan hipotesis alternatif rata-rata kelompok 1 lebih besar
dibandingkan dengan rata-rata kelompok 2.
H0 : 1  2
H1 : 1 > 2
Hipotesis awal ditolak, bila:
|t hitung| > t tabel
atau:
Hipotesis awal diterima, bila:
|t hitung| <= t tabel
Statistik Hitung

dimana

Keterangan
D = selisih x1 dan x2 (x1 – x2)
n = jumlah sampel
𝑋̅ = rata-rata
Sd = standar deviasi dari d
Langkah-langkah pengujian signifikansi (hipotesis) dalam pengujian perbedaan
dua rata-rata dua kelompok berpasangan
1. Tetapkan H0 dan H1
2. Tetapkan titik kritis (tingkat kepercayaan 95 %) atau (tingkat kepercayaan 99 %)
yang terdapat pada tabel “t”.
3. Tentukan daerah kritis, dengan db = n -1.
4. Tentukan t hitung dengan menggunakan rumus.
5. Lakukan uji signifikansi dengan membandingkan besarnya “ t” hitung dengan “t”
tabel.

Catatan
MODUL UAS STATISTIKA STANNITE
16

Minggu ke-11&12
MENGHITUNG NILAI KORELASI DAN REGRESI

Korelasi dan Regresi Linier Sederhana

Pentingnya Analisis Hubungan
▪ Setiap kegiatan ekonomi tidak bisa berdiri sendiri, melainkan akan berhubungan
dengan kegiatan lainnya
▪ Pada suatu kejadian pasti ada hal-hal yang menyebabkan terjadinya kejadian-kejadian
tersebut
▪ Hal ini disebut “korelasi”, yakni adanya hubungan antara satu kejadian dengan
kejadian lainnya
▪ Analisis Korelasi: Suatu teknik statistika yang digunakan untuk mengukur keeratan
hubungan atau korelasi antara dua variabel.
▪ Dalam perencanaan, selain penting untuk mengetahui data masa lalu dan sekarang,
juga memerlukan data hasil ramalan yang menggambarkan kemampuan di masa
datang
▪ Misal: untuk merencanakan impor padi pemerintah perlu data ramalan hasil produksi
padi
▪ Ramalan: perkiraan/taksiran mengenai terjadinya suatu aktivitas di masa depan
▪ Dibutuhkan 2 variabel:
1. Variabel bebas (independent variabel), X
2. Variabel tak bebas (dependent variabel), Y
Koefisien Korelasi dan Kegunaannya
▪ Hubungan 2 variabel:
1. Positif: bila X maka Y, bila X maka Y
2. Negatif: bila X maka Y, bila X maka Y
▪ Jika antara X dan Y berhubungan, maka diagram pencarnya teratur
▪ Jika antara X dan Y tidak berhubungan, maka diagram pencarnya tidak teatur

a. Korelasi (Pearson dan Spearman)

▪ Koefisien korelasi (r): untuk mengukur kuat/tidaknya hubungan antara X dan Y
▪ Nilai koefisien korelasi:
-1  r  1
▪ r = 1, hubungan X dan Y sangat kuat dan positif
▪ r = -1, hubungan X dan Y sangat kuat dan negatif
▪ r = 0, hubungan X dan Y sangat lemah atau tidak berhubungan

Catatan
MODUL UAS STATISTIKA STANNITE
17

1. Rumus Korelasi Pearson

- Data tidak berkelompok
𝑥𝑦
𝑟=
√𝑥 2 √𝑦 2
𝑥 = 𝑋 − 𝑋̅
𝑦 = 𝑌 − 𝑌̅
Atau
𝑛𝑋𝑌 − 𝑋𝑌
𝑟=
√𝑛𝑋 2 − (𝑋)2 √𝑛𝑌 2 − (𝑌)2
- Untuk mengetahui besarnya kontribusi X terhadap nlai Y, dapat dihitung dengan
menggunakan koefisien penentuan-KP
𝐾𝑃 = 𝑟 2
- Data berkelompok
𝑛𝑢𝑣𝑓 − 𝑢𝑓𝑣𝑓
𝑟=
√𝑛𝑢2 𝑓 − (𝑢𝑓)2 √𝑛𝑣 2𝑓 − (𝑣𝑓)2
2. Korelasi Rank/ Peringkat (Spearman)
▪ Digunakan untuk memberikan nilai/ peringkat terhadap dua hal yang sejenis
▪ Misal: Andi dan Toni sama-sama penggemar kopi. Mereka diminta memberikan
penilaian terhadap 10 merk kopi, dari yang paling digemari (rank 1) hingga yang
paling tidak digemari (rank 10)
No. Merk kopi Rank Adi Rank Toni
1 Torabika 9 8
2 Nescafe 5 3
3 Indocafe 10 9
4 Kapal Api 1 2
5 ABC Susu 8 7
6 Indocafe Cappucino 7 10
7 Nescafe Pas 3 4
8 Torabika Mocca 4 6
9 Nescafe Ice 2 1
10 Ali Coffee 6 5
- Rumus Rank (Rumus Spearman)
6𝑑 2
rrank = 1 − 𝑛(𝑛2 −1) d = selisih dari pasangan rank ke-i

Catatan
MODUL UAS STATISTIKA STANNITE
18

Rumus Spearman lebih sederhana dan mudah untuk digunakan dibanding Rumus
Pearson.
b. Regresi Linier Sederhana
- Teknik Ramalan dan Analisis Regresi
▪ Diagram pencar (scatter diagram)
- Diagram pancar menunjukkan titik-titik tertentu, diamana setiap titik merupakan
nilai dari variabel dependen dan independen
- 2 manfat diagram pencar:
1. Menunjukkan apakah terdapat hubungan yang bermanfaat antara 2 variabel
2. Menetapkan tipe persamaan dari hubungan tersebut
▪ Persamaan Regresi Linear
- Garis lurus pada diagram pencar merupakan garis regresi (garis perkiraan)
- Bentuk persamaan regresi:
Y = 𝑎 + 𝑏𝑋
a = intercept (nilai Y’ bila X=0)
b = slope (kemiringan garis regresi yang mengukur besarnya pengaruh
X terhadap Y jika X naik satu unit)
X = nilai dari variabel bebas Y = nilai dari variabel bebas
- 2 sifat gris regresi:
(Y-Y’) = 0
(Y-Y’)2 = nilai terkecil
- Garis regresi akan ditempatkan pada diagram sedemikian rupa sehingga
penyimpangan positif titik-titik pencar akan mengimbangi penyimpangan negatif
titik-titik pencar akan mengimbangi penyimpangan negatif titik-titik pencar,
sehingga penyimpangan titik-titik pencar terhadap garis regresi menjadi nol.
- Rumus regresi sederhana:
𝑌 ′ = 𝑎 + 𝑏𝑋
𝑎 = 𝑌̅ − 𝑏𝑋̅
𝑥𝑦
𝑏= 2
𝑥
𝑛𝑋𝑌 − 𝑋𝑌
𝑏=
𝑛𝑋 2 − (𝑋)2
- Penggunaan Persamaan Regresi dalam Peramalan
Contoh:
Manajer perusahaan akan mempekerjakan karyawan dengan tes kecerdasan
4,dan supervisor menginginkan karyawan yang memiliki produktivitas minimal 30
lusin. Sangat sulit untuk mengatakan dengan tepat berapa produksi
- Persamaan regresi Y’ =1.02 + 5.14X
Catatan
MODUL UAS STATISTIKA STANNITE
19

- Peramalan: Y’ = 1.02 + 5.14(4) = 21.58

- Means: diperkirakan tingkat produktivitas calon karyawan sebanyak 21.5 lusin
Minggu ke-13 &14
MENGHITUNG NILAI CHI SQUARE DAN ANALYSIS OF VARIANCE (ANOVA)

Chi-square dan Analysis of Variance

a. Goodness-of-fit
Uji Chi-Square atau qai-kuadrat digunakan untuk melihat ketergantungan antara variabel
bebas dan variabel tergantung berskala nominal atau ordinal. Prosedur uji chi-square
menabulasi satu atau variabel ke dalam kategori-kategori dan menghitung angka statistik chi-
square. Untuk satu variabel dikenal sebagai uji keselarasan atau goodness of fit test yang
berfungsi untuk membandingkan frekuensi yang diamati (fo) dengan frekuensi yang
diharapkan (fe). Jika terdiri dari 2 variabel dikenal sebagai uji independensi yang berfungsi
untuk hubungan dua variabel. Seperti sifatnya, prosedur uji chi-square dilkelompokan
kedalam statistik uji non-parametrik.
Semua variabel yang akan dianalisa harus bersifat numerik kategorikal atau nominal dan
dapat juga berskala ordinal. Prosedur ini didasarkan pada asumsi bahwa uji nonparametrik
tidak membutuhkan asumsi bentuk distribusi yang mendasarinya. Data diasumsikan berasal
dari sampel acak. Frekuensi yang diharapkan (fe) untuk masing-masing kategori harus
setidaknya : Tidak boleh lebih dari dua puluh (20%) dari kategori mempunyai frekuensi yang
diharapkan kurang dari 5.
Kapan Kita menggunakan Goodness of Fit Test?
Uji keselarasan atau goodness of fit test menentukan apakah sebuah populasi
mengikuti distribusi tertentu. Chi-Square Goodness of Fit dapat digunakan ketika bertemu
dengan kondisi sebagai berikut:
- Metode sampel yang digunakan adalah simple random sampling
- Variabel yang digunakan adalah kategorikal
- Nilai yang diharapkan pada sampel yang diobservasi minimal 5 dalam setiap level
variabel
1. Penetapan Hipotesis Awal dan Hipotesis Alternatif
H0 : frekuensi setiap kategori memenuhi suatu nilai/perbandingan.
H1 : Ada frekuensi suatu kategori yang tidak memenuhi nilai/perbandingan tersebut.
2. Penetapan Derajat Kebebasan (df)
Dalam uji kecocokan model derajad kebebasan (df) sama dengan jumlah kategori
dikurangi jumlah estimator yang didasarkan pada sampel dan dikurang 1. Yang dimaksud
estimator parameter adalah parameter yang diperkirakan nilainya, karena nilai parameter
tidak dapat secara tepat ditentukan berdasarkan data sampel yang tersedia. Jika dirumuskan
menjadi:
Catatan
MODUL UAS STATISTIKA STANNITE
20

df = k – m -1

dengan :
k : jumlah kategori data sampel
m : jumlah nilai-nilai parameter yang diestimasi
Contoh soal
Sebuah distributor alat penggilingan padi membagi pasar menjadi 4 wilayah (A, B, C
dan D). Ada informasi bahwa pendistribusian alat penggilingan merata pada setiap wilayah.
Untuk membuktikan pernyataan tersebut diambil 40 arsip sebagai sampel. Dari 40 arsip
tersebut diperoleh informasi yang tertuang dalam tabel. Gunakan tingkat signifikansi 5 persen
untuk menguji hipotesis yang menyatakan bahwa distribusi alat penggilingan di keempat
wilayah merata (sama)
Wilayah Total Baris
A B C D
Data berdasarkan hasil sampel (O) 6 12 14 8 40
Data yang diharapkan 10 10 10 10 40

Penyelesaian
1. Hipotesis
Sebelum memulai pembahasan langkah pertama yang harus diketahui adalah
permasalahan dan tujuan dari soal yang ingin dicapai oleh peneliti. Pertama Peneliti ingin
membuktikan bahwa pendistribusian sama rata. sehingga bisa memperkirakan hipotesis.
ini hipotesis yang digunakan dalam penelitian ini
Ho : distribusi alat penggilingan di keempat wilayah merata (sama)
H1 : distribusi alat penggilingan di keempat wilayah tidak merata (tidak sama)
2. Nilai Kritis
Kedua yang perlu diperhatikan yaitu nilai kritis. Maksud dari nilai kritis tersebut
adalah nilai batas dari penentu keputusan hipotesis mana yang di ambil. sehingga ini
sangat perlu dilakukan. Berdasarkan penjelasan di atas. Dalam kasus di atas tidak perlu
ada parameter yang diestimasi. oleh karena itu:
df = k – 1 = 4 – 0 – 1 = 3
k = jumlah kategori data sampel (A, B, C, dan D)
Selain itu tingkat signifikansi yang digunakan adalah 0,05(5%), sehingga nilai
kritisnya adalah:
X2(0,05;3) = 7,81
nilai 7,81 ini diperoleh dari tabel chi squared. untuk mengetahui nilai tersebut harus
punya tabel chi squared.

Catatan
MODUL UAS STATISTIKA STANNITE
21

3. Nilai Hitung
Nilai uji statistik X2 hitung diperoleh dengan cara sebagai berikut:

4. Kesimpulan
Setelah diperoleh nilai statistik hitung yaitu 4. kemudian kita bandingkan dengan nilai
kritis tadi yang sudah diperoleh sebelumnya yaitu 7,81. nilai statistik hitung lebih kecil
dari nilai kritis hitung maka keputusan tidak menolak H0, sehingga keputusan yang
diperoleh berdasarkan H0 yaitu distribusi alat penggilingan di keempat wilayah merata
(sama). Jika nilai statistik hitung lebih besar dari nilai kritis maka keputusannya
sebaliknya yaitu berdasarkan hasil Hipotesis alternatif (Ha).
b. Tabel Kontingensi
Tabel Kontingensi merupakan tabel yang digunakan untuk mengukur
hubungan (asosiasi) antara dua variabel kategorik dimana tabel tersebut merangkum
frekuensi bersama dari observasi pada setiap kategori variabel. Misalkan n sampel
diklasifikasikan secara silang berdasarkan dua atribut dalam suatu tabel berukuran I x
J, I merupakan kategori dari variabel X dan J merupakan kategori dari variabel Y. Sell
pada tabel mewakili kemungkinan IJ muncul.
Bentuk sederhana dari tabel kontongensi adalah tabel kontingesi 2 x 2 dengan format:
Variabel 2
Total
1 2
1 O11 O12 n1+
Variabel 1
2 O21 O22 n2+
Total n+1 n+2 N

Hipotesis yang diajukan adalah

H0 : Tidak ada hubungan antara variabel 1 dan variabel 2 atau variabel 1 dan variabel
2 saling bebas (independen)
H1: Ada hubungan antara variabel 1 dan variabel 2 atau variabel 1 dan variabel 2
saling berasosiasi
Catatan
MODUL UAS STATISTIKA STANNITE
22

Tolak hipotesis nol (H0) jika nilai statistik uji diatas lebih besar dari nilai kritis
distribusi chi-square dengan derajat bebas (2-1)(2-1)=1 pada tingkat signifikansi alpha
(α) tertentu yang berarti terdapat hubungan antara variabel 1 dengan variabel 2.

Catatan
MODUL UAS STATISTIKA STANNITE
23

Hipotesis nol (H0) ditolak jika nilai statistik uji diatas lebih besar dari nilai
kritis distribusi chi-square dengan derajat bebas (I-1)(J-1) pada tingkat signifikansi
alpha (α) tertentu yang berarti terdapat hubungan antara variabel 1 dengan variabel 2.
Contoh:
Pada liga bola basket professional selama 1980 – 1982, yaitu ketika Larry
Bird dari Boston Celtics melakukan lemparan bebas (pada basket lemparan bebas
adalah 2 kali lemparan). Catatan lemparan bebas Larry Birds adalah 5 kali dia gagal
memasukkan keduanya, 251 kali dia berhasil memasukkan keduanya, 34 kali dia
berhasil hanya pada lemparan pertama, dan 48 kali dia berhasil hanya pada lemparan
kedua. Apakah masuk akal bahwa lemparan bebas tersebut adalah independen?
Penyelesaian
Hal pertama yang harus dilakukan adalah mengidentifikasi bagaimana bentuk tabel
yang akan dibuat. Tabel Kontingensi untuk kasus di atas sebagai berikut:

Catatan
MODUL UAS STATISTIKA STANNITE
24

Karena yang ingin dilihat apakah masuk akal mengatakan bahwa lemparan bebas yang
dilakukan tersebut saling independen maka pengujian yang dilakukan adalah sebagai berikut:

Catatan
MODUL UAS STATISTIKA STANNITE
25

Uji Statistik (perhitungan) :

Terlebih dahulu hitung frekuensi harapan untuk masing-masing sel pada tabel kontingensi.

Uji dengan menggunakan Chi-Square seperti yang di atas hanya bisa digunakan jika
tidak lebih 20 % frekuensi harapan dari sel yang ada pada tabel kurang dari 5 dan tidak boleh
ada satupun dari sel memiliki frekuensi harapan kurang dari 1. Apabila persyaratan diatas
tidak bisa terpenuhi, maka kita dapat memperbesar nilai frekuensi harapannya dengan jalan
menggabungkan baris atau kolom yang saling berdampingan. Penggabungan yang dilakukan
harus secara wajar dan memiliki makna. Namun hal ini tidak dapat diterapkan untuk table
kontingensi 2×2, sebagai alternatifnya kita bisa menggunkan Uji Fisher yang memang
dikhususkan untuk jumlah sampel yang kecil.
Peniliti biasanya dapat menghindari masalah ini dengan merancang sebelumnya untuk
mengumpulkan sejumlah kasus yang cukup besar sehubungan dengan banyak klasifikasi
yang ingin digunakan dalam penelitiannya.

Catatan
MODUL UAS STATISTIKA STANNITE
26

a. Analysis of Variance (ANOVA)

Pengertian
Analisis of variance atau ANOVA merupakan salah satu teknik analisis
multivariate yang berfungsi untuk membedakan rerata lebih dari dua kelompok data
dengan cara membandingkan variansinya. Analisis varian termasuk dalam kategori
statistik parametric. Sebagai alat statistika parametric, maka untuk dapat
menggunakan rumus ANOVA harus terlebih dahulu perlu dilakukan uji asumsi
meliputi normalitas, heterokedastisitas dan random sampling.
ANOVA bisa dikatakan sebagai salah satu teknik penelitian statistic yang
sering digunakan oleh banyak peneliti karena memiliki dua karakteristik seperti:
✓ ANOVA akan membantu kita untuk menganalisis data dari hasil desain penelitian
eksperimental.
✓ ANOVA akan membantu kita untuk melihat hubungan sebab akibat. Hal inilah
yang membedakan t-test dengan ANOVA dengan correlation dan multi-regretion.
Dalam kedua tes statistic yang disebutkan terakhir, kita bisa menguku hubungan
sebab akibat pada variable independen dan dependen.
Anova dapat digolongkan kedalam beberapa kriteria, yaitu :
1. Klasifikasi satu arah (One Way ANOVA)
Anova klasifikasi satu arah merupakan ANOVA yang didasarkan pada pengamatan
satu kriteria atau satu faktor yang menimbulkan variasi.
2. Klasifikasi dua arah (Two Way ANOVA)
ANOVA klasifikasi dua arah merupakan ANOVA yang didasarkan pada pengamatan
dua kritenia atau dua faktor yang menimbulkan variasi.
Yang akan dibahas dalam modul ini adalah ANOVA klasifikasi satu arah.
Analisis Varians Satu-Arah (One-Way Analysis of Variance-ANOVA)
Prosedur analisis varians (Analysis of Variance—ANOVA) menggunakan
variabel numerik tunggal (single numerical variable) yang diukur dari sejumlah
sampel untuk menguji hipotesis nol dari populasi yang (diperkirakan) memiliki rata-
rata hitung (mean) sama. Variabel dimaksud harus berupa variabel kuantitatif.
Variabel ini terkadang dinamakan sebagai variabel terikat (dependent variable).
Hipotesis nol (H0) dalam uji ANOVA adalah bahwa semua (minimal 3)
populasi yang sedang dikaji memiliki rata-rata hitung (mean) sama. Ringkasnya,
hipotesis nol (H0) dan hipotesis alternatif (H1) dalam ANOVA adalah:
H0 : 1 = 2 = 3 = … = n
H1 : Tidak semua populasi memiliki rata-rata hitung (mean) sama.
Analisis varians (Analysis of Variance—ANOVA) adalah prosedur statistika untuk
mengkaji (mendeterminasi) apakah rata-rata hitung (mean) dari 3 (tiga) populasi atau
lebih, sama atau tidak.
Catatan
MODUL UAS STATISTIKA STANNITE
27

Dalam uji ANOVA, bukti sampel diambil dari setiap populasi yang sedang
dikaji. Data-data yang diperoleh dari sampel tersebut digunakan untuk menghitung
statistik sampel. Distribusi sampling yang digunakan untuk mengambil keputusan
statistik, yakni menolak atau menerima hipotesis nol (H0), adalah DISTRIBUSI F (F
Distribution).
Dalam uji ini diasumsikan bahwa semua populasi yang sedang dikaji memiliki
keragaman atau varians (variance) sama tanpa mempertimbangkan apakah populasi-
populasi tersebut memiliki rata-rata hitung (mean) sama atau berbeda. Ada 2 (dua)
cara atau metode dalam mengestimasi nilai varians ini, yakni metode dalam kelompok
(within method) dan metode antar-kelompok (between method). Metode dalam
kelompok menghasilkan estimasi tentang varians yang sahih (valid) apakah hipotesis
nol salah atau benar. Sementara metode antar-kelompok menghasilkan estimasi
tentang varians yang sahih (valid) hanya jika hipotesis nol benar.
Metode dalam kelompok (within method) menghasilkan estimasi yang sahih (valid)
apakah hipotesis nol benar atau tidak. Metode antar-kelompok (between method)
menghasilkan estimate yang sahih (valid) jika hipotesis nol benar.
Langkah akhir dari uji ANOVA adalah menghitung rasio antara metode antar-
kelompok (between method) sebagai numerator (faktor yang dibagi) dan metode
dalam kelompok (within method) sebagai denominator (faktor pembagi). Jika
hipotesis nol benar (diterima), rasio di atas berisikan dua hasil estimasi yang terpisah
dari populasi yang memiliki varians sama dan, karenanya, berasal dari distribusi F.
Namun demikian, jika rata-rata hitung (mean) populasi yang dikaji tidak sama, hasil
estimasi dalam numerator akan mengembung sehingga rasionya akan menjadi sangat
besar. Jelas bahwa rasio demikian, dengan membandingkannya dengan distribusi F,
tidak berasal dari distribusi F, dan hipotesis nol akan ditolak. Uji hipotesis dalam
ANOVA adalah uji hipotesis bersisi-satu (one-tailed) di mana nilai statistik F yang
besar akan mengarah ke ditolaknya hipotesis nol, sementara nilai statistik F yang kecil
akan mengarah ke penerimaan hipotesis nol.

1. Metode dalam Kelompok (Within Method)

Terlepas dari benar atau tidaknya hipotesis nol, metode dalam kelompok
(within method) akan menghasilkan estimasi yang sahih (valid). Hal ini disebabkan
oleh variabilitas sampel dideterminasi dengan jalan membandingkan setiap butir data
dengan rata-rata hitung masing-masing. Nilai sampel yang diambil dari populasi A
dibandingkan dengan rata-rata sampel A. Demikian pula dengan masing-masing
populasi yang diobservasi. Persamaan (1) berikut digunakan untuk mengestimasi
keragaman atau varians (variance) dalam metode dalam kelompok
Catatan
MODUL UAS STATISTIKA STANNITE
28

dimana:
Sw2 : varians yang diestimasi menggunakan metode dalam kelompok;
Xij : butir data ke-i dalam kelompok j;
𝑋̅j : rata-rata (mean) kelompok j;
c : jumlah kelompok;
n : jumlah/ukuran sampel dalam setiap kelompok; dan
c(n-1) : derajat bebas (degree of freedom).
Tanda penjumlahan ganda () berarti bahwa ada 2 (dua) langkah
penjumlahan. Pertama menyelesaikan tanda jumlah sebelah kanan. Setelah itu,
menyelesaikan tanda penjumlahan sebelah kiri.
Contoh:

Langkah pertama menyelesaikan penjumlahan (Xi-𝑋̅j)2 untuk setiap kelompok

(j). Seperti berikut:

(Xi -𝑋̅1) 2 = (1 – 2)2 + (2 – 2)2 + (3 – 2)2 =2

(Xi -𝑋̅2) = (5-7) + (7-7) +(9-7)
2 2 2 2
=8
(Xi -𝑋̅3) = (9-12) + (12-12) +(15-12)
2 2 2 2
= 18
Selanjutnya menyelesaikan penjumlahan (Xij-𝑋̅j)2, seperti berikut:
(Xij-𝑋̅j) 2 = (Xi -𝑋̅1) 2 + (Xi -𝑋̅2) 2 +(Xi -𝑋̅3) 2
= 2 + 8 + 18 = 28
Setelah itu baru kita bisa menyelesaikan keseluruhan persamaan (1), seperti berikut.
28 28
Sw2 = 3(3−1) = 6
= 4,67

Catatan
MODUL UAS STATISTIKA STANNITE
29

2. Metode Antar-kelompok (Between Method)

Metode penghitungan varians yang kedua adalah metode antar-kelompok
(between method). Metode menghasilkan estimasi varians yang sahih jika hipotesis
nol benar. Persamaan yang digunakan dalam metode ini adalah sebagai berikut:

Dimana:
𝑆𝑋̅ 2 : varians yang diestimasi menggunakan metode antar-kelompok;
𝑋̅j : rata-rata (mean) kelompok j;
𝑥̅ : rata-rata keseluruhan (grand mean) yang digunakan sebagai  estimasi;
𝑐 : jumlah kelompok.
Varians dalam metode ini bisa juga dihitung dengan menggunakan persamaan berikut:

Jumlah/ukuran sampel (n) untuk setiap kelompok diasumsikan sama.

Contoh:

Catatan
MODUL UAS STATISTIKA STANNITE
30

Uji dan Tabel F Analisis Varians (Analysis of Variance—ANOVA F Test and Table)
Setelah menghitung nilai varians yang sebelumnya tidak diketahui dengan
menggunakan metode dalam kelompok (within method) dan metode antar-kelompok
(between method), selanjutnya kita membuat perbandingan atau rasio (ratio) antara
kedua nilai varians tersebut.

Jika hipotesis nol benar, numerator (pembilang) dan denumerator (penyebut)

dalam persamaan (1.5) di atas akan merupakan estimasi yang sahih (valid) bagi
varians dari populasi yang sedang dikaji. Rasio tersebut, dengan demikian, akan
sesuai (conform) dengan distribusi F.
Hasil dari pengujian analisis varians biasanya disajikan dalam bentuk tabel
yang biasa dinamakan TABEL ANOVA (ANOVA TABLE). Tabel ini terdiri atas
kolom-kolom yang berisikan sumber keragaman atau sumber varians (source of
variance), jumlah kuadrat (sums of squares—SS), derajat bebas analisis (degree of
freedom), nilai keragaman atau varians yang diestimasi (estimates of the variance),
dan nilai F untuk prosedur analisis keragaman/varians (F value for the analysis of
variance procedure), sebagaimana tampak pada dalam Tabel

Catatan
MODUL UAS STATISTIKA STANNITE
31

Contoh:
Seorang analis dari toko perkulakan BKM ingin mengetahui apakah ketiga
cabang tokonya yang tersebar di wilayah Kota Madya Depok memiliki rata-rata
pendapatan per transaksi penjualan yang sama. Enam (6) transaksi penjualan dari
masing-masing cabang dipilih secara acak sebagai sampel. Data tersebut disajikan
dalam tabel berikut.

Jumlah sampel untuk masing-masing cabang (n) adalah 6, sedangkan jumlah cabang
yang diteliti (c = columns) adalah 3.
Hipotesis nol untuk penelitian ini adalah bahwa semua cabang toko BKM memiliki
rata-rata pendapatan per transaksi penjualan sama. Hipotesis alternatifnya adalah
kebalikan dari hipotesis nol, yakni tidak semua cabang toko BKM memiliki rata-rata
pendapatan per transaksi penjualan sama.
H0: 1 = 2 = 3
H1: Tidak semua cabang toko memiliki rata-rata pendapatan per transaksi penjualan
sama.

Catatan
MODUL UAS STATISTIKA STANNITE
32

F tabel pada derajat bebas numerator 2 dan derajat bebas denominator 15 (LIHAT
TABEL DISTRIBUSI F) dengan tingkat signifikansi () 0,01 (1%) adalah 6,36. Karena
F-hitung (13,26) lebih besar daripada F-tabel (6,36), maka keputusan statistiknya
adalah terdapat cukup bukti sampel untuk menolak H0 dan menerima H1. Artinya,
tidak semua cabang Toko BKM memiliki rata-rata pendapatan per transaksi penjualan
yang sama.

Catatan
MODUL UAS STATISTIKA STANNITE
33

Minggu ke-15
MENGGUNAKAN SOFTWARE STATISTIKA (SPSS)

SPSS
SPSS adalah sebuah program aplikasi yang memiliki kemampuan analisis statistik
cukup tinggi serta sistem manajemen data pada lingkungan grafis dengan menggunakan
menu-menu deskriptif dan kotak-kotak dialog yang sederhana sehingga mudah untuk
dipahami cara pengoperasiannya.
SPSS merupakan software statistik yang paling populer, fasilitasnya sangat lengkap
dibandingkan dengan software lainnya, penggunaannya pun cukup mudah.
Langkah pertama yang harus dilakukan adalah dengan cara menginstal terlebih dahulu
software SPSS yang akan digunakan. Pada pembelajaran kali ini menggunakan Software
SPSS 12. Saat ini software SPSS telah mengalami berbagai penambahan fasilitas, versi
terkini yaitu SPSS 17. Cara mempelajarinya tidak jauh berbeda dengan SPSS versi lainnya.
a. Praktek Menghitung dan Membuat Kesimpulan Nilai Korelasi, Regresi, Chi
Square dan ANOVA dengan SPSS
Contoh Perhitungan Nilai Korelasi dengan SPSS
Langkah-langkah:

1. Buka SPSS

2. lakukan penyesuaian nama variabel dan jenis data seperti ini:

3. seperti gambar diatas, klik pada tab variable view dan lakukan pengaturan seperti ini:

Catatan
MODUL UAS STATISTIKA STANNITE
34

4. Selanjutnya klik tab data view dan masukkan data seperti ini (hanya contoh):

5. Setelah selesai memasukkan data, maka langkah analisisnya adalah klik menu analyze,
klik correlate, klik bivariate sehingga akan muncul seperti ini:

6. selanjutnya, masukkan variabel yang ada di kolom kiri ke kolom kanan, caranya bisa
dengan doubel klik pada variabel tersebut, dua-duanya pindahkan ke kolom variables.

7. pada bagian bawah yaitu pada correlatioan coefisien, pilih Pearson, kemudian untuk
test of significance pilih two tailed (ini kita lakukan karena kita belum tahu apakah
korelasinya positif atau negatif).

Catatan
MODUL UAS STATISTIKA STANNITE
35

8. beri tanda centang pada flag significant correlations supaya nanti jika ada korelasi
yang significant diberi tanda bintang, yaitu bintang 1 jika korelasi significant pada
taraf 0,05, dan bintang 2 jika signifikans pada taraf 0,01.

9. Selanjutnya klik tombol options sehingga muncul seperti ini:

10. lakukan pilihan seperti gambar diatas, kemudian klik continue, laluklik OK pada
jendela yang sebelumnya.

11. hasil outputnya seperti ini:

Catatan
MODUL UAS STATISTIKA STANNITE
36

12. Langkah analisis sudah selesai, mudahkan? iya, nah yang sulit sebenarnya untuk
orang awam yang tidak memahami statistika sebenarnya pada tahap berikut ini, yaitu
membaca/menginterpretasikan hasil output SPSS tersebut.

13. pada output pertama : descriptive statistics ini hanya merupakan informasi dari apa
yang dianalisis, pada kolom pertama ada tinggi badan dan kecepatan lari adalah
variabelnya, kolom kedua ada mean yaitu rata-rata, jadi rata-rata tinggi badan =
161,90 dan rata-rata kecepatan lari: 103,80. Rata-rata dihitung berdasarkan jumlah
total nilai data dibagi total N data. Dan seterusnya ini hanya informasi deskripsi saja.

14. pada output yang kedua yaitu correlations. Lihat teknik korelasi yang kita pakai
adalah pearson, kemudian dapat kita baca korelasi kedua variabel tersebut sebesar
0,847 dengan tanda bintang 2 (**). Ini berarti nilai koefisien korelasinya sebesar
0,847.

15. pada Sig.(2-tailed) sebesar 0,002. ini berarti jika kita menggunakan taraf signifikansi
5%, maka korelasi signifikan jika nilai Sig(2-tailed) lebih kecil dari 0,05. dan tidak
signifikan jika lebih dari 0,05. Dari hasil out put maka kesimpulannya ada korelasi
yang signifikan.

16. Dengan tanda bintang 2, lihat keterangan dibawahnya **.correlation is significant at

the 0.01 level. ini artinya korelasi ini signifikan pada level/taraf 1%. Jika korelasi
signifikan pada 1% maka sudah pasti juga signifikan pada 5%, tetapi jika signifikan
pada 5% belum tentu signifikan pada level 1%.

Dari contoh yang kita analisis diatas, maka kesimpulan yang kita ambil adalah
menerima H1 yaitu Ada hubungan yang signifikans antara tinggi badang dan kecepatan
berlari. Dengan demikian berarti kita juga menolak H0.

Catatan
MODUL UAS STATISTIKA STANNITE
37

Contoh Perhitungan Regresi dengan SPSS

Berikut ini contoh perhitungan regresi linier sederhana menggunakan software SPSS 19.
Dengan menggunakan data yang sama seperti pada perhitungan korelasi, proses mulai
dengan memilih menu Analyze, kemudian pilih Linear,

Pilih variabel Y sebagai variabel dependen (terikat) dan X1 sebagai variabel

independen (bebas) lalu klik tombol OK,

Catatan
MODUL UAS STATISTIKA STANNITE
38

Output SPSS akan menampilkan hasil berupa 4 buah tabel yaitu; 1.) tabel variabel
penelitian, 2.) ringkasan model (model summary), 3.) Tabel Anova, dan 4.) Tabel Koefisien.

Cara membaca output SPSS hasil uji regresi linier tersebut adalah :
• Tabel pertama menunjukkan variabel apa saja yang diproses, mana yang menjadi
variabel bebas dan variabel terikat.
• Tabel kedua menampilkan nilai R yang merupakan simbol dari nilai koefisien
korelasi. Pada contoh diatas nilai korelasi adalah 0,342. Nilai ini dapat
diinterpretasikan bahwa hubungan kedua variabel penelitian ada di kategori lemah.
Melalui tabel ini juga diperoleh nilai R Square atau koefisien determinasi (KD) yang
menunjukkan seberapa bagus model regresi yang dibentuk oleh interaksi variabel
bebas dan variabel terikat. Nilai KD yang diperoleh adalah 11,7% yang dapat
ditafsirkan bahwa variabel bebas X1 memiliki pengaruh kontribusi sebesar 11,7%
terhadap variabel Y dan 88,3% lainnya dipengaruhi oleh faktor-faktor lain diluar
variabel X1.

Catatan
MODUL UAS STATISTIKA STANNITE
39

• Tabel ketiga digunakan untuk menentukan taraf signifikansi atau linieritas dari
regresi. Kriterianya dapat ditentukan berdasarkan uji F atau uji nilai Signifikansi
(Sig.). Cara yang paling mudah dengan uji Sig., dengan ketentuan, jika Nilai Sig. <
0,05, maka model regresi adalah linier, dan berlaku sebaliknya. Berdasarkan tabel
ketiga, diperoleh nilai Sig. = 0,140 yang berarti > kriteria signifikan (0,05), dengan
demikian model persamaan regresi berdasarkan data penelitian adalah tidak signifikan
artinya, model regresi linier tidak memenuhi kriteria linieritas.
• Tabel keempat menginformasikan model persamaan regresi yang diperoleh dengan
koefisien konstanta dan koefisien variabel yang ada di kolom Unstandardized
Coefficients B. Berdasarkan tabel ini diperoleh model persamaan regresi : Y =38,256
+ 0,229 X1

Contoh Perhitungan Chi-Square dengan SPSS

Untuk melakukan uji Chi-Square kita dapat menggunakan Crosstab yang terda[at
pada program SPSS. Uji Chi-Square bertujuan untuk mengetahui hubungan antara variabel
yang terdapat pada baris dengan kolom. Jenis data yang digunakan untuk uji chi-square harus
berbentuk data frekuensi, bukan data yang berbentuk rasio ataupun skala.

Dasar Pengambilan Keputusan dalam Uji Chi-Square

Dasar pengambilan keputusan dalam uji chi-square dapat dilakukan dengan melihat
nilai output “Chi Square Test” hasil olah data dengan SPSS. Dalam pengambilan keputusan
kita dapat berpedoman pada dua hal, yakni membandingkan nilai Asymp. Sig dengan batas
kritis yaitu 0,05 atau dapat dengan cara membandingkan antara nilai chi-square hitung
dengan nilai chi-square tabel.
Melihat nilai Asymp. Sig:
1. Jika nilai Asymp. Sig <0,05, maka terdapat hubungan yang signifikan antara baris
dengan kolom.
2. Jika nilai Asymp. Sig >0,05, maka tidak ada hubungan yang signifikan antara baris
dengan kolom.
Melihat nilai Chi-Square:
1. Jika nilai chi-square hitung > chi suare tabel, maka terdapat hubungan antara baris
dengan kolom.
2. Jika nilai chi-square hitung < chi suare tabel, maka tidak terdapat hubungan antara
baris dengan kolom.
Catatan
MODUL UAS STATISTIKA STANNITE
40

Contoh penyelesaian kasus menggunakan SPSS

Seorang peneliti ingin mengetahui apakah terdapat “hubungan yang signifikan antara
jenis kelamin seseorang dengan tingkat pendidikan yang dicapai”. Data yang diuji adalah
sebagai berikut:

Keterangan data:
1. Jumlah sampel yang digunakan adalah 33 responden atau N=33
2. Pemberian kode pada variabel Jenis Kelamin: untuk Laki-laki=1, untuk perempuan=2
3. Pemberian kode pada variabel tingkat pendidikan: SLTA=1, Diploma=2, S1=3, dan
S2=4.
Hipotesis yang diajukan untuk penelitian ini adalah:
1. H0: tidak terdapat hubungan yang signifikan antara Jenis Kelamin dengan Tingkat
Pendidikan.
2. H1: terdapat hubungan yang signifikan antara Jenis Kelamin dengan Tingkat
Pendidikan.

Catatan
MODUL UAS STATISTIKA STANNITE
41

Langkah-Langkah:
1. Buka program SPSS, contoh ini menggunakan SPSS versi 21. Setelah terbuka, klik
Variable View. Pada bagian Name nomor 1 tuliskan Gender, untuk nomor 2 tuliskan
Pendidikan. Pada bagian Decimals ganti dengan 0, pada bagian Label tuliskan Jenis
Kelamin untuk nomor 1 dan Tingkat Pendidikan untuk nomor 2.

2. Selanjutnya, klik pada bagian Values untuk nomor 1, muncul kotak dialog dengan
nama Value Labels, di bagian Value ketikkan 1, kemudian di bagian Label tuliskan
Laki-laki atau klik Add. Kemudian di bagian Value ketikkan 2, pada bagian Label
tuliskan Perempuan lalu klik Add, dan klik Ok

Catatan
MODUL UAS STATISTIKA STANNITE
42

Lakukan yang sama untuk variabel nomor 2 yakni Tingkat Pendidikan, dengan
ketentuan 1=SLTA, 2=Diploma, 3=S1, dan 4=S2. Maka tampilan yang sudah benar
dalam menginput data adalah sebagai berikut.

3. Jika sudah berhasil pada tahap persiapan input data, langkah selanjutnya klik Data
View. Kemudian isikan kode data yang sudah ada seperti gambar pertama.

Catatan
MODUL UAS STATISTIKA STANNITE
43

4. Pilih menu Analyze, pilih Descriptive Statistics, lalu pilih Crosstabs

5. Muncul kotak dialog dengan nama Crosstabs, masukkan variabel jenis kelamin ke
kotak Row(s), masukkan variabel Tingkat Pendidikan ke kotak Column(s)

6. Langkah berikutnya klik Statistics, muncul kotak dialog dengan nama Crosstabs:
Statistics, berikan tanda centang (v) pada bagian Chi-square, lalu klik Continue, dan
terakhir klik Ok, maka akan muncul output SPSS.

Catatan
MODUL UAS STATISTIKA STANNITE
44

Output yang dihasilkan oleh SPSS

Output 1 (Case Processing Summary)

Output 2 (Jenis Kelamin*Tingkat Pendidikan Crosstabulation)

Output 3 (Chi-square Tests)

Penjelasan Output
Output 1 : terdapat 33 data yang semuanya diproses (tidak ada data yang hilang),
jadi tingkat kevalidannya 100%.
Output 2 : terllihat tabel silang yang memuat hubungan antara variabel Jenis
Kelamin dengan Tingkat Pendidikan. Contoh pada baris 1 kolom 1,
pada baris Count terdapat angka 3. Hal ini berarti ada 3 laki-laki
(variabel Jenis Kelamin 1) yang berpendidikan SLTA (variabel
Tingkat Pendidikan 1) dan seterusnya.

Catatan
MODUL UAS STATISTIKA STANNITE
45

Output 3 : pada bagian Pearson Chi-Square terlihat nilai Asymp. Sig sebesar
0,584. Karena nilai Asymp.Sig 0,585>0,05, maka dapat disimpulkan
bahwa H0 diterima, yang artinya tidak terdapat hubungan yang
signifikan antara Jenis Kelamin dengan Tingkat Pendidikan.

Contoh Perhitungan ANOVA Satu Faktor dengan SPSS

Contoh Kasus:
Seorang Peneliti ingin membandingkan penjualan handphone dengan merk Samsung,
Oppo, Vivo, dan Lenovo. Dimana oara pembeli handphone di toko-toko tertentu hanya
dihadapkan pada keempat merk tersebut, kemudian akan diteliti tentang:
1. Berapa rata-rata penjualan keempat handphone tersebut?
2. Apakah terdapat perbedaan rata-rata dalam penjualan keempat handphone tersebut?
3. Rata-rata penjualan handphone mana saja yang sama atau berbeda penjualannya?
Penelitian ini dilakukan selama 10 minggu, adapun data penelitian yang terkumpul adalah
sebagai berikut:

Sebelum kita melakukan analisis terhadap data di atas dengan program SPSS, maka
sebaiknya bentuk tabel terlebih dahulu dimodifikasi menjadi dua buah tabel. Karena, dalam
analisis dengan SPSS, hanya dapat memasukkan dua variabel saja.

Catatan
MODUL UAS STATISTIKA STANNITE
46

Catatan
MODUL UAS STATISTIKA STANNITE
47

Cara melakukan analisis ANOVA satu faktor dengan SPSS

1. Buka Program SPSS, lalu klik Variable View, kemudian untuk memasukkan nama dan
mendefinisikan variabel, maka:

Variabel pertama: Merk (X), isikan dengan:

Nama : ketikkan X
Type : pilih Numeric
Width : pilih 8
Decimals : pilih 0
Label : tuliskan Merk
Value : klik pada bagian none, maka akan muncul kotak dialoh “Value Labels” untuk
kotak Value isikan 1, kemudian pada kotak Label isikn Samsung, lalu klik
Add. Kemudian isikan lagi 2 untuk kotak Value dan isikan Oppo untuk kotak
Label, lalu klik Add.
Begitu seterusnya sampai keempat merk handphone terinput pada kotak Value Labels.

Missing : pilih None

Columns : pilih 8
Align : pilih Right
Measure : Pilih Scale
Role : pilih Input
Variabel kedua: Penjualan (Y), maka isikan dengan:
Name : ketikkan Y
Type : pilih Numeric

Catatan
MODUL UAS STATISTIKA STANNITE
48

Width : pilih 8
Decimals : pilih 0
Label : tuliskan Penjualan
Value : pilih None
Missing : pilih None
Columns : pilih 8
Align : pilih Right
Measure : pilih Scale
Role : pilih Input
Sehingga di layar akan tampak:

2. Jika semua nama variabel sudah ditulis dengan benar, selanjutnya klik Data View,
lalu input data variabel merk ke kotak X dan variabel Penjualan ke kotak Y

Catatan
MODUL UAS STATISTIKA STANNITE
49

3. Jika data sudah lengkap, maka klik menu Analyze – Compare Means – One-way
ANOVA

4. Maka akan muncul kotak dialog “One-way ANOVA”, selanjutnya pindahkan variabel
penjualan (Y) ke kolom Dependent List, lalu pindahkan variabel Merk (X) ke kolom
Factor.

5. Langkah berikutnya klik Post Hoc, maka muncul kotak dialog “One-Way ANOVA:
Post Hoc Multiple Comparisons”. Pilih Turkey, kemudian klik Continue

Catatan
MODUL UAS STATISTIKA STANNITE
50

6. Kemudian klik Options, maka muncul kotak dialog “One-Way ANOVA: Options”
berikan tanda centang pada Descriptive dan Homogenity of Variance test, lalu klik
Continue

7. Langkah terakhir adalah klik Ok, maka akan muncul Output SPSS yang kita butuhkan
dalam Analisis Anova Satu Faktor.
Interpretasi Output Analisis Data ANOVA Satu Faktor dengan SPSS
1. Melihat perbedaan rata-rata penjualan empat merk handphone

Berdasarkan output di atas, dapat dilihat perbedaan rata-rata penjualan dari

keempat merk handphone dengan rincian sebagai berikut:
a. Rata-rata penjualan handphone Samsung sebesar 45,30
b. Rata-rata penjualan handphone Oppo sebesar 41,10
c. Rata-rata penjualan handphone Vivo sebesar 39,00
d. Rata-rata penjualan handphone Lenovo sebesar 35,70
Dengan demikian, maka secara deskriptif dapat disimpulkan bahwa rata-rata
penjualan paling tinggi adalah handphone Samsung yakni sebesar 45,30.

Catatan
MODUL UAS STATISTIKA STANNITE
51

2. Menguji kesamaan varian (uji homogenitas)

Berdasarkan output di atas, diperoleh angka Levene Statistic sebesar 2,508

dengan signifikansi atau probabilitas (Sig) sebesar 0,074. Karena nilai signifikansi
0,074 lebih besar dari 0,05, maka dapat disimpulkan bahwa varian keempat kelompok
penjualan handphone adalah sama atau homogen.
3. Menguji apakah keempat sampel mempunyai rata-rata yang sama atau berbeda
(analisis ANOVA)

Dasar pengambilan keputusan dalam analisis anova:

a. Jika nilai signifikansi (Sig) > 0,05, maka rata-rata sama.
b. Jika nilai signifikansi (Sig) < 0,05, maka rata-rata berbeda.
Berdasarkan output ANOVA di atas, diketahui nilai Sig sebesar 0,009<0,05,
sehingga dapat disimpulkan bahwa rata-rata keempat penjualan merk handphone
tersebut berbeda secara signifikan.

Catatan
MODUL UAS STATISTIKA STANNITE
52

4. Mencari kelompok mana saja yang rata-rata penjualannya sama dan tidak sama (Test
Post-Hoc)

Pengujian Turkey HSD adalah pengujian perbandingan jamak untuk

menentukan apakah tiga rata-rata atau lebih berbeda secara signifikan dalam jumlah
analisis varian. Sebagai contoh, kita akan membandingkan rata-rata penjualan
handphone Samsung dengan Oppo. Angka perbedaan rata-rata untuk penjualan merk
tersebut adalah 4,200. Angka ini diperoleh dari nilai rata-rata (pada output deskriptif)
untuk penjualan Samsung (45,30) dikurangi dengan rata-rata penjualan Oppo (41,10).
Sementara itu, perbedaan rata-rata penjualan berkisar antara -3,06 (Lower Bound)
sampai dengan 11,46 (upper Bound) pada tingkat kepercayaan 95%. Untuk menguji
apakah terdapat perbedaan rata-rata kedua merk handphone tersebut, maka kita harus
melihat apakah nilai signifikansi hasil output SPSS lebih besar atau lebih kecil dari
0,05. Berdasarkan output diatas diketahui nilai Sig sebesar 0,415 > 0,05, maka dapat
disimpulkan bahwa penjualan handphone Samsung dan Oppo adalah sama dan
perbedaan rata-rata penjualan secara deskriptif antara kedua merk tersebut tidaklah
signifikan. Selanjutnya untuk membandingkan kelompok yang lainnya dilakukan
dengan cara yang sama sebagaimana cara di atas.

Catatan
MODUL UAS STATISTIKA STANNITE
53

5. Melihat kesamaan rata-rata penjualan keempat merk handphone

Untuk melihat kesamaan rata-rata, maka kita akan menggunakan output

Turkey HSD. Berikut interpretasi tabel di atas:
1. Pada subset 1 terdapat data penjualan Lenovo, Vivo dan Oppo. Artinya
penjualan ketiga merk handphone tersebut tidak mempunyai perbedaan
yang signifikan. Dengan kata lain, rata-rata penjualan Lenovo, Vivo, dan
Oppo adalah sama.
2. Pada subset 2 terdapat data penjualan Vivo, Oppo, dan Samsung. Artinya,
rata-rata penjualan ketiga merk handphone tidak mempunyai perbedaan
yang signifikan. Dengan kata lain, rata-rata penjualan Vivo, Oppo dan
samsung adalah sama.

Pembuatan Kesimpulan
Dalam riset eksperimen ini hanya rata-rata penjualan Samsung dengan Lenovo
saja yang berbeda, sedangkan rata-rata penjualan handphone merk lainnya adalah
sama. Dengan demikian, variabel merk hanya berpengaruh secara signifikan terhadap
perbedaan rata-rata penjualan handphone merk Samsung dan Lenovo.

Catatan