TUGAS AKHIR

MATA KULIAH PRAKTIKUM STATISTIK DENGAN

SOFTWARE SPSS

DISUSUN OLEH :

ERIC PARMANTO

NIM : 17110011

DOSEN PEMBIMBING :

ATJEP SUDARJANTO, IR.MT.

PROGRAM STUDI TEKNIK SIPIL S-1

FAKULTAS TEKNIK SIPIL DAN PERENCANAAN

INSTITUT SAINS DAN TEKNOLOGI NASIONAL

JAKARTA
 2019

KATA PENGANTAR

Puji dan syukur dipersembahkan kepada Allah SWT atas segala rahmat dan berkah-Nya
sehingga penulis dapat menyelesaikan Tugas yang berjudul “ PRAKTIKUM STATISTIK
DENGAN SOFTWARE SPSS” yang merupakan salah satu syarat diajukan untuk menyelesaikan
tugas kuliah.

Penulis menyadari sepenuhnya bahwa banyak kendala yang dihadapi dalam

penyusunan tugas ini, namun berkat bantuan dari berbagai pihak, maka tugas ini dapat
terselesaikan. Oleh karena itu, dengan segala ketulusan penulis ingin menyampaikan terima kasih.

Penulis menyadari bahwa setiap karya buatan manusia tidak pernah luput dari kesalahan
dan kekurangan, oleh karena itu penulis mengharapkan kepada pembaca kiranya dapat
memberi sumbangan pemikiran demi kesempurnaan dan pembaharuan tugas ini.

Akhirnya semoga Allah SWT senantiasa melimpahkan karunia-Nya kepada kita dan
semoga tugas ini dapat memberikan manfaat, khususnya dalam bidang keteknik sipilan.

Jakarta ,Januari 2019

Penulis
 PENGENALAN SPSS

Untuk seorang mahasiswa pastilah sudah sangat kenal dan dekat dengan SPSS. Selain
mahasiswa, para peneliti, dosen, perusahaan, sampai dengan seorang ahli bisnis. Begitu
pentingnya program tersebut tidak lepas dengan sejarah panjangnya. Tidak banyak yang tahu
mengenai asal muasal program ini. Kebanyakan dari mereka lebih sering menggunakannya
daripada menemukan sejarahnya. Berikut ini adalah sekilas tentang penciptaan SPSS.

A. SEJARAH SPSS
SPSS adalah sebuah program aplikasi yang memiliki kemampuan analistis statistic
cukup tinggi serta system manajemen data pada lingkungan grafis dengan menggunakan
menu-menu deskriptif dan kotak-kotak dialog yang sederhana sehingga mudah untuk
dipahami cara pengoperasiannya. SPSS banyak digunakan dalam berbagai riset pemasaran,
pengendaluan dan perbaikan mutu (quality improvement), serta riset-riset sains. SPSS
pertama kali muncul dengan versi PC (bisa dipakai untuk computer desktop) dengan nama
SPSS/PC+(versi DOS).
Tetapi, dengan mulai populernya system operasi windows. SPSS mulai
mengeluarkan versi windows (mulai dari versi 6.0 sampai versi terbaru sekarang). Pada
awalnya SPSS dibuat untuk keperluan pengoahan data statistic untuk ilmu-ilmu social,
sehingga kepanjangan SPSS itu sendiri adalah Statistika Package for the Social Sciens.
Sekarang kemampuan SPSS diperluas untuk melayani berbagai jenis pengguna (user).
Seperti untuk proses produksi di pabrik, riset ilmu sains dan lainya. Dengan demikian,
sekarang kepanjangan dari SPSS Statistical Product and Service Solutions. SPSS dapat
membaca berbagai jenis data atau memasukkan data secara langsung kedalam SPSS Data
Editor.
Bagaimanapun struktur dari file data mentahnya, maka data dalam data editor SPSS
harus dibentuk dalam bentuk baris (cases) dan kolom (variables). Case berisi informasi
untuk satu unit analisis, sedangkan variable adalah informasi yang dikumpulkan dari
masing-masing kasus. Antara 2009 dan 2010 vendor utama untuk SPSS disebut PASW
(prediksi analisis perangkat lunak) statistic. Pada januari 2010, menjadi SPSS : sebuah
perusahaan IBM. Transfer lengkap dari bisnis IBM dilakukan dengan 1 oktober 2010. Pada
tanggal tersebut, SPSS : sebuah perusahaan IBM, tidak ada lagi. IBM SPSS sekarang
sepenuhnya diintregasikan kedalam IBM Corporation, dan merupakan salah satu merek di
bawah IBM Software Group Portofolio Bisnis Analytics, bersama dengan IBM Cognos.
Sejarah SPSS SPSS (awalnya paket statistic ilmu sosial) dirilis dalam versi pertama pada
tahun 1968 setelah dikembangkan oleh Nroman H. Nie dan C.Hadlai Hull. Norman Nie
kemudian sebuah ilmu politik pascasarjana di Stanford University, dan sekarang riset
 professor di departemen ilmu politik di Stanford dan professor emeritus ilmu politik di
university of Chicago.
SPSS adalah salah satu program yang paling banyak digunakan untuk analisis
statistic dalam ilmu sosial. Hal ini digunakan oleh peneliti pasar, peneliti kesehatan,
perusahaan survey, pemerintah, peneliti pendidikan, organisasi pemasaran dan lain-lain.
SPSS asli manual (Nie,Bent&Hull, 1970) telah digambarkan sebagai salah satu “buku
sosiologi yang paling berpengaruh”. Selain analisis statistic, manajemen data (kasus
seleksi, file yang membentuk kembali, membuat data turunan) dan data dokumentasi
(sebuah metadata kamus disimpan di datafile). Adalah fitur dari perangkat lunak dasar.
Statistic disertakan dalam perangkat lunak dasar : statistic deskriptif : tabulasi
silang, frekuensi, descriptive, informasi, statistic descriptive rasio. Bivariat statistic :
berarti, t-test, ANOVA, korelasi (bivariat, parsial, jarak), nonparametric tes. Prediksi untuk
hasil numerik : regresi linier prediksi untuk mengidentifikasi kelompok : analisis factor,
analisis klister (dua-langkah, K-berarti, hirarkis), diskriminan. Banyak fitur SPSS dapat
diakses melalui menu pull-down atau dapat deprogram dengan proprietary 4GL Bahasa
perintah sintaks.
Program dapat dijalankan secara interaktif atau tanpa pengawasan, menggunakan
fasilitas produksi job disediakan. Selain itu, suatu “makro” Bahasa dapat digunakan untuk
menulis Bahasa perintag subrutin dan phyton ekstensi programabilitas dapat mengakses
informasi dalam kamus data dan data dan dinamis membangun program perintah sintaks.
Perpanjangan programabilitas phyton, diperkenalkan pada SPSS 14, menggantikan kurang
fungsinoal SAX Basic “script” untuk sebagian besar tujuan, meskipun Saxbasic tetap
tersedia.

B. TAMPILAN SPSS

Pada sub bab ini akan dibahas tentang tampilan muka SPSS dan menjelaskan kolom
variable pada SPSS. Ketika kita mengaktifkan SPSS pertama kali maka akan tampak dua
jendela (window).
1. SPSS viewer merupakan jendela untuk menampilkan output atau hasil olahan yang
sudah dibuat.
2. SPSS data editor merupakan jendela untuk memasukkan data dan mengolah data.
Tampilannya mirip dengan spreadsheet pada MS excel. SPSS data viewer sendiri
terdiri dari dua tampilan yang terletak di pojok kiri bawah dan dapat diganti dengan
mengklik tulisan yang tercantum disana. Adapun tampilan tersebut yaitu :
a. Data View
Data view adalah tab sheet yang menampilkan nilai data yang sebenarnya atau
label nilai yang didefenisikan. Pada tab sheet inilah, kita mengentri data ke
SPSS. Diatasnya terdapat menu-menu file, edit. View, windows, dan help seperti
hal nua menu-menu pada aplikasi under windows lainnya. Menu-menu utama
SPSS adalah :
 Data, menu ini menapilkan sub menu untuk melakukan perubahan-
perubahan data, seperti mengurutkan data, memisahkan isi file dengan
kriteria tertentu, menggabungkan data, etc.
 Transform. Menu untuk transformasi data, seperti menghitung variable
data, mengubah data, merangking data, etc.
 Analyze. Menu yang menjadi pusat pengolahan data, seperti ,mengolah
statistic descriptive, regresi, korelasi, etc.
 Graphs. Menu untuk menampilkan data dan hasil pengolahan data dalam
bentuk grafik dan chart, seperti bar charts, histogram scatter diagram, etc.
 Utilities. Menu pelengkap dalam pengoperasian SPSS, seperti
menampilkan informasi variable, mendefinisikan dan menampilkan
variable data, dll.
 b. Variable view
Memperlihatkan nama variable, jenis data, (missal : numeric, string, date), lebar
cetak, dam berbagai karakteristik lain.

Seperti yang dapat kita lihat pada gambar diatas ada 10 kolom. Berikut fungsinya

 Name. kolom ini memberikan informasi tentang nama variable data. Nama variable data
yang kita tuliskan disini akan muncul pada data view.
 Type. Kolom ini memberikan jenis variable data yang digunakan, apakah numeric, string
(data berupa karakter, missal “nama), date, etc
 Label. Kolom ini menunjukkan tambahan informasi dengan memberi label pada variable
data yang kita inginkan.
 Value. Kolom ini memberikan label string yang diterapkan untuk nilai numeric tertentu,
biasanya untuk data yang bersifat nordinal dan interval.

 Missing. Kolom ini menunjukkan nilai yang menghilang (missing value) dalam
data (jika ada). Responded dapat menolak untuk menjawab pertanyaan tertentu,
mungkin tidak tahu jawabannya atau mungkin menjawab dalam bentuk lain. Jika
anda tidak mengidentifikasi data ini, analisis anda mungkin tidak memberikan
hasil yang akurat.
  Columns. Kolom ini menunjukkan lebar kolom. Baik jenis data numeric maupun
string
 Align. Kolom ini menunjukksn posisi data pada tiap cell.
 Measure. Kolom ini menunjukkan jenis ukuran yang digunakan.

C. MENU PADA SPSS

1. File : untuk operasi file dokumen SPSS yang telah dibuat, baik untuk perbaikan
pencetakan dan sebagainya. Ada 5 macam data yang digunakan dalam SPSS, yaitu :
- Data : dokumen SPSS berupa data
- Systax : dokumen berisi file systax SPSS
- Output : dokumen yang berisi hasil running out SPSS
- Script : dokumen yang berisi running out SPSS
- Database
 New : membuat lembar kerja baru SPSS
 Open : membuka dokumen SPSS yang telah ada
 Read text data : membuka dokumen dari file text (yang berekstensi txt), yang
bias dimasukkan/dikonversi dalam lembar data SPSS
 Save : menyimpan dokumen/hasil kerja yang telah dibuat
 Save as : menyimpan ulang dokumen dengan nama/tempat/type dokumen yang
berbeda
  Page setup : mengatur halaman kerja SPSS
 Print : mencetak hasil output/data/syntaq lembar SPSS
 Print preview : melihat contoh hasil cetakan yang nantinya diperoleh
 Recently used data : berisi list file data yang pernah dibuka sebelumnya
 Recently used file : berisi list file secara keseluruhan yang pernah dikerjakan

2. Edit
Untuk melakukan pengeditan pada operasi SPSS baik data, serta pengaturan/option
untuk konfigurasu SPSS secara keseluruhan.
 Undo : pembatalan perintah yang dilakukan sebeumnya
 Redo : perintah pembatalan perintah redo ysng dilakukan sebelumnya
 Cut : penghapusan sebuah sel/text/obyek, bisa dicopy untuk keperluan tertentu
dengan perintah menu paste
 Paste : menampilkan sebuah sel/text/obyek hasil dari perintah copy atau cut
 Paste after : mengulangi perintah paste sebelumnya
 Paste special : perintah paste special, yaitu bisa konversi kegambar , word, dll.
 Clear : menghapus sebuah sel/text/obyek
 Find : mencari suatu text
 Options : mengatur konfigurasi tampilan lembar SPSS secara umum

3. View
Untuk pengaturan tampilan layer kerja SPSS, serta mengetahui proses-proses
yang sedang terjadi pada operasi SPSS
 Status Bar : mengetahui proses yang sedang berlangsung
 Toolbar : mengatur tampilan toolbar
 Fonts : untuk mengatur jenis, ukuran font pada data editor SPSS
 Outline size : ukuran font lembar output SPSS
 Outline font : jenis font lembar output SPSS
 Gridlines : mengatur garis sel pada editor SPSS
 Value labels : mengatur tampilan pada editor untuk mengetahui value label
4. Data
Menu data digunakan untuk melakukan pemrosesan data
 Define dates : mendefinisikan sebuah waktu untuk variable yang meliputi jam,
tanggal, tahun, dan sebagainya
 Insert variable : menyisipkan kolom variable
 Case : menyisipkan baris
 Go to case : memindahkan cursor pada baris tertentu
 Case : mengurutkan nilai dari suatu kolom variable
 Transpose : operasi transpose pada sebuah kolom variable menjadi baris
 Merge files : menggabungkan beberapa file dokumen SPSS, yang dilakukan
dengan penggabungan kolom-kolom variabelnya
 Slit file : memecahkan file berdsarkan kolom variabelnya
 Select case : mengatur sebuah variable berdasarkan sebuah persyaratan tertentu

5. Transform
Menu transform dipergunakan untuk melakukan perubahan-perubahan atau
penambahan data
 Compute : operasi aritmatika dan logika
 Count : untuk mengetahui jumlah sebuah ukuran data tertentu pada suatu baris
tertentu
 Recode : untuk mengganti nilai pada kolom variable tertentu, sifatnya
menggantikan (into same variable ) atau merubah (into different variable) pada
variable baru
 Categorize variable : merubah angka rasional menjadi diskrit
 Rank case : mengurutkan nilai data sebuah variable
6. Analyse
Menu analyze digunakan untuk melakukan analisis data yang telah kita masukkan
ke dalam computer. Menu ini merupakan menu yang terpenting karena semua
pemrosesan dan analisis data dilakukan dengan menggunakan menu correlate,
mens, regression.
7. Graph
Menu graph digunakan untuk membuat grafik, diantaranya ialah bar, line, pie, dll
8. Utilities
Menu utilities dipergunakan untuk mengetahui informasi variable, informasi file,
dll
9. Ad- Ons
Menu ad-ons digunakan untuk memberikan perintah kepada SPSS jika ingin
menggunakan aplikasi tambahan, misalnya menggunakan alikasi amos, SPSS data
entry, text analysis, dsb
10. Windows
Menu windows digunakan untuk melakukan perpindahan (switch) dari satu file ke
file lainnya
11. Help
Menu help digunakan untuk membantu pengguna dalam memahami perintah-
perintah SPSS jika menemuai kesulitan
Bab I. Regresi Linear Sederhana

Analisis Regresi Linear Sederhana – Regresi Linear Sederhana adalah Metode

Statistik yang berfungsi untuk menguji sejauh mana hubungan sebab akibat antara Variabel Faktor
Penyebab (X) terhadap Variabel Akibatnya. Faktor Penyebab pada umumnya dilambangkan
dengan X atau disebut juga dengan Predictor sedangkan Variabel Akibat dilambangkan dengan Y
atau disebut juga dengan Response. Regresi Linear Sederhana atau sering disingkat dengan SLR
(Simple Linear Regression) juga merupakan salah satu Metode Statistik yang dipergunakan dalam
produksi untuk melakukan peramalan ataupun prediksi tentang karakteristik kualitas maupun
Kuantitas.

Contoh Penggunaan Analisis Regresi Linear Sederhana dalam Produksi antara lain :

1. Hubungan antara Lamanya Kerusakan Mesin dengan Kualitas Produk yang dihasilkan

2. Hubungan Jumlah Pekerja dengan Output yang diproduksi

3. Hubungan antara suhu ruangan dengan Cacat Produksi yang dihasilkan.

15.4

menentukan efek dari naik dan turunnya tahapan pada kurva debit tahap tertentu, pengukuran
berikut untuk tahapan jatuh dan naik diambil pada nilai konstan tingkat perubahan tahap (tabel 15-
7). instrumen yang digunakan untuk tahap jatuh adalah baru dan, oleh karena itu, dianggap salah,
sementara nilai-nilai untuk tahap naik diyakini bebas dari kesalahan.

Table 15.7

debit 350 770 1240 1640 1980 2430 3000 3430 4020 4370
terukur
untuk
tahap
jatuh di
m3/s, y
 debit 400 800 1300 1680 2010 2500 3050 3510 4050 4450
diukur
untuk
naik
panggung
di m3/s, x

Pertanyaan

a. menentukan garis regresi debit untuk tahap jatuh setelah debit untuk tahap naik.
b. menguji hipotesis bahwa kemiringan garis regresi adalah 1,00
c. jika kemiringan yang benar = 1,01, berapakah probabilitas menerima hipotesis dalam (b)?
d. memperkirakan debit untuk tahap jatuh ketika debit diukur untuk naik panggung adalah
2010 m3/s.
e. temukan batas kepercayaan 95% untuk satu nilai debit untuk tahap jatuh sesuai dengan
debit tahap naik tahun 2010 m3/s.
Langkah Langkah Analisa regresi linier sebagai berikut:

1. buka program spss

2. Inputlah data dari table 15.7 ke program spss

3. Klik variable view dibawah pojok kiri. Kemudia klik VAR00001 hapus lah dan ganti nama
menjadi DebitTurun (tidak bisa pakai spasi di karenakan sudah sistemnya). Dan klik lagi
VAR00002 ubahlah menjadi DebitNaik. Kemudian klik pada kolom Measure itu menjadi
Scale.
4. Klik Analyze (pada toolbar SPSS) > Regression > Linear.

5. Selanjutnya akan muncul table LINEAR REGRESSION. Kemudian pada kotak

Dependent, klik DebitNaik, dan klik lagi tanda panah samping kotak Dependent.
Kemudian klik lagi kotak Independent(s), klik DebitTurun, klik oke

6. Klik kotak Plots poda kotak Linear Regression. Kemudian klik *ZPRED, klik lagi tanda
panah di samping kotak X. selanjutnya klik *SRESID, klik lagi tanda panah di samping
kotak Y, klik continue
7. Klik kotak Statistic. Kemudian ceklis estimates, confidence interval buat jadi 95%, ceklis
model ftt, dan ceklis descriptives. Kemudia klick continue.

8. Klik oke pada kotak linear regression.

9. Dan akan muncul secara otomatis hasilnya.
 10. Export lah hasil tersebut export ke word. Klik File > export > klik file name > klik OK.

11. Kemudian buka file yang sudah di export, selanjutnya copilah kedalam file ke aplikasi
word (jika di butuhkan untuk menganilisa sesuatu).

Hasil Dari Program SPSS

Variables Entered/Removeda

Variables
Model Variables Entered Removed Method
1 debit turunb . Enter

a. Dependent Variable: debit naik

b. All requested variables entered.
Model Summaryb
Adjusted R Std. Error of
Model R R Square Square the Estimate
1 1.000a 1.000 1.000 19.377
a. Predictors: (Constant), debit turun
b. Dependent Variable: debit naik
ANOVAa
Sum of
Model Squares df Mean Square F Sig.
1 Regression 17020846.174 1 17020846.174 45331.105 .000b
Residual 3003.826 8 375.478

Total 17023850.000 9
a. Dependent Variable: debit naik
b. Predictors: (Constant), debit turun

Coefficientsa
Standardize
d
Unstandardized Coefficient 95.0% Confidence
Coefficients s Interval for B
Lower Upper
Model B Std. Error Beta t Sig. Bound Bound
1 (Constan 38.645 12.568 3.075 .015 9.662 67.627
t)
debit 1.006 .005 1.000 212.91 .000 .995 1.017
turun 1
a. Dependent Variable: debit naik
Residuals Statisticsa
Minimu Maximu Std.
m m Mean Deviation N
Predicted Value 390.66 4433.77 2375.00 1375.211 10
Std. Predicted Value -1.443 1.497 .000 1.000 10
Standard Error of 6.148 11.448 8.461 1.973 10
Predicted Value
Adjusted Predicted 386.03 4425.07 2374.78 1375.363 10
Value
Residual -31.756 21.636 .000 18.269 10
Std. Residual -1.639 1.117 .000 .943 10
Stud. Residual -1.920 1.228 .005 1.068 10
Deleted Residual -43.570 26.156 .225 23.568 10
Stud. Deleted Residual -2.445 1.275 -.043 1.182 10
Mahal. Distance .006 2.241 .900 .833 10
Cook's Distance .008 .685 .153 .204 10
Centered Leverage .001 .249 .100 .093 10
Value
a. Dependent Variable: debit naik
Jawaban dari pertanyaan

a. menentukan garis regresi debit untuk tahap jatuh setelah debit untuk tahap naik.
Jawab : dengan menggunakan software SPSS

Coefficientsa
Standardize
Unstandardized d 95.0% Confidence
Coefficients Coefficients Interval for B
Lower Upper
Model B Std. Error Beta t Sig. Bound Bound
1 (Constant 38.645 12.568 3.075 .015 9.662 67.627
)
debit 1.006 .005 1.000 212.91 .000 .995 1.017
turun 1
a. Dependent Variable: debit naik
Persamaa garis dengan rumus y=a+bx, maka persamaan garisnya adalah y=38.645+1.006x

Note :untuk jawaban b dan c di gabung

b. menguji hipotesis bahwa kemiringan garis regresi adalah 1,00

jawab : dengan munggunakan software SPSS
c. jika kemiringan yang benar = 1,01, berapakah probabilitas menerima hipotesis dalam (b)?
jawab : dengan menggunakan SPSS

Coefficientsa
Standardize
Unstandardized d 95.0% Confidence
Coefficients Coefficients Interval for B
Lower Upper
Model B Std. Error Beta t Sig. Bound Bound
1 (Constant 38.645 12.568 3.075 .015 9.662 67.627
)
debit 1.006 .005 1.000 212.91 .000 .995 1.017
turun 1
a. Dependent Variable: debit naik

1. Kimiringan garis regresi yang benar adalah 1.006 atau 1.01(jika dibulatkan) dapat di
lihat pada tabel Coefficients.
2. berapakah probabilitas menerima hipotesis dalam(b) adalah 0.025, di dapat dari Ho =
0.05/2 = 0.025

d. memperkirakan debit untuk tahap jatuh ketika debit diukur untuk naik panggung adalah
2010 m3/s.
jawab : dengan menggunakan SPSS
Coefficientsa
Standardize
Unstandardized d 95.0% Confidence
Coefficients Coefficients Interval for B
Lower Upper
Model B Std. Error Beta t Sig. Bound Bound
1 (Constant 38.645 12.568 3.075 .015 9.662 67.627
)
debit 1.006 .005 1.000 212.91 .000 .995 1.017
turun 1
a. Dependent Variable: debit naik

Y=38.645+1.006x, dalam hal ini 1.006 menggabarkan bahwa setiap penurunan 1 m3/s pada
Debit terukur untuk tahap jatuh. maka pada Debit diukur untuk naik panggung
rataan akan naik sebesar 1.006 m3/s.
e. temukan batas kepercayaan 95% untuk satu nilai debit untuk tahap jatuh sesuai dengan
debit tahap naik tahun 2010 m3/s.
Jawab : dengan menggunakan SPSS

Coefficientsa
Standardize
Unstandardized d 95.0% Confidence
Coefficients Coefficients Interval for B
Lower Upper
Model B Std. Error Beta t Sig. Bound Bound
1 (Constant 38.645 12.568 3.075 .015 9.662 67.627
)
debit 1.006 .005 1.000 212.91 .000 .995 1.017
turun 1
a. Dependent Variable: debit naik

Batas kepercayaan 95% nya adalah:

- lowe bound (minimal) = 0.995
- upper bound (maximal) = 1.017
BAB II. Regresi Linear Berganda

Analisis regresi linear berganda sebenarnya sama dengan analisis regresi linear sederhana,
hanya variabel bebasnya lebih dari satu buah. Persamaan umumnya adalah:

Y = a + b1 X1 + b2 X2 + .... + bn Xn.

Dengan Y adalah variabel bebas, dan X adalah variabel-variabel bebas, a adalah konstanta
(intersept) dan b adalah koefisien regresi pada masing-masing variabel bebas.

Interpretasi terhadap persamaan juga relatif sama, sebagai ilustrasi, pengaruh antara motivasi (X1),
kompensasi (X2) dan kepemimpinan (X3) terhadap kepuasan kerja (Y) menghasilkan persamaan
sebagai berikut:

Y = 0,235 + 0,21 X1 + 0,32 X2 + 0,12 X3

1. Jika variabel motivasi meningkat dengan asumsi variabel kompensasi dan kepemimpinan
tetap, maka kepuasan kerja juga akan meningkat

2. Jika variabel kompensasi meningkat, dengan asumsi variabel motivasi dan kepemimpinan
tetap, maka kepuasan kerja juga akan meningkat.

3. Jika variabel kepemimpinan meningkat, dengan asumsi variabel motivasi dan kompensasi
tetap, maka kepuasan kerja juga akan meningkat.

17-1. Diyakini bahwa tingkat reaksi (Y) tertentu tergantung pada suhu bahan A(x1) suhu bahan
B(x2) kandungan bahan dan laju aliran (x3) hubungannya dengan bentuk Y=a +b1 x1 +b2 x2 +b3
x3.

X1 X2 X3 y
11 58 11 126
32 21 13 92
15 22 28 107
26 55 27 120
 9 41 21 103
31 18 20 84
12 56 20 113
29 40 27 110
13 57 30 104
10 21 12 83
33 40 19 85
31 58 29 104

Hasil tes seperti yang ditunjukkan pada tabel 17-5

Pertanyaan:

1. Tentukan konstanta hyperplane dalam ruang empat dimensi

2. Gunakan uji F untuk memeriksa signifikansi ini dari persamaan regresi. Menggunakan a =
5 persen

Langkah analisa mengunakan spss 21 sebagai berikut:

1. Buka progam SPSS 21

2. Klik pada variable view pada SPSS data editor
3. Pada name pertama ketik Y, pada label ketik TINGKAT REAKSI dan pada kolom measure
pilih scale. Pada kolom name baris kedua ketik X1,pada label ketik SUHU BADAN A ,
pada kolom measure pilih SCALE.pada kolom name baris ke tiga ketik X2,pada label ketik
SUHU BADAN B,pada kolom measure pilih SCALE.pada kolom name baris ke empat
ketik X3,pada label ketik KANDUNGAN DAN LAJU ALIRAN ,pada kolom measure
pilih SCALE.kolom decimal keempat baris pilih angka 0 untuk kolom lainya hiraukan (
isian default )
4. Ketik data view untuk membuka halaman data view
5. Isikan daa Y,X1,X2,X3 sesuai tabel
6. Selanjutnya klik analyze > regression > linierps

7. Kemudian muncul kotk dialog linier regression masukan TINKAT REAKSI ke kotak
dependent sedangan SUHU BADAN A,SUHU BADAN B,KANDUNGAN DAN LAJU
ALIRAN ke kotak independent (s).

8. Kemudian klik statistics

9. Kemudian muncul kotak dialog linier regression statistic beri tanda centangpada
collinearity diagnosis dan drbin-watson untuk.melakukan uji asumsi klasis
multikolinearitas dan autokolinearitas dan autokolerasi setelah itu klik continue
10. Kemudian pada kotak dialog linier reggression klik tombol plot untuk melakukan uji
asumsi klasik heteroskedastistas
11. Kemudianakan akan muncul kotak dialog linier regression: plot klik *SRESID(studen
residual) kemudian masukan ke kotak y, dan klik *ZPRED(standardized predictedd value)
kemuian masukan ke kotak x, setelah itu klik continue
 12. Kemudian klik OK,akan muncul beberapa output yaitu:

Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
1 KANDUNG . Enter
AN DAN
LAJU
ALIRAN,
SUHU
BADAN A,
SUHU
BADAN Bb
a. Dependent Variable: TINGKAT REAKSI
b. All requested variables entered.

Model Summaryb
Adjusted R Std. Error of Durbin-
Model R R Square Square the Estimate Watson
1 ,759a ,576 ,417 10,76802 1,172
a. Predictors: (Constant), KANDUNGAN DAN LAJU ALIRAN, SUHU
BADAN A, SUHU BADAN B
b. Dependent Variable: TINGKAT REAKSI
ANOVAa
Sum of
Model Squares df Mean Square F Sig.
1 Regression 1261,315 3 420,438 3,626 ,064b
Residual 927,602 8 115,950
Total 2188,917 11
a. Dependent Variable: TINGKAT REAKSI
b. Predictors: (Constant), KANDUNGAN DAN LAJU ALIRAN, SUHU BADAN
A, SUHU BADAN B

Coefficientsa
Standardiz
ed
Unstandardized Coefficien Collinearity
Coefficients ts Statistics
Std. Toleran
Model B Error Beta t Sig. ce VIF
1 (Constant) 77,066 14,587 5,283 ,001
SUHU BADAN A -,202 ,354 -,143 -,570 ,585 ,841 1,188
SUHU BADAN B ,610 ,232 ,667 2,632 ,030 ,825 1,212
KANDUNGAN ,281 ,504 ,136 ,557 ,593 ,887 1,127
DAN LAJU
ALIRAN
a. Dependent Variable: TINGKAT REAKSI
Collinearity Diagnosticsa
Variance Proportions
KANDUN
GAN DAN
Mode Dimensio Eigenval Condition (Constan SUHU SUHU LAJU
l n ue Index t) BADAN A BADAN B ALIRAN
1 1 3,709 1,000 ,00 ,01 ,01 ,01
2 ,197 4,336 ,00 ,43 ,21 ,00
3 ,061 7,823 ,00 ,25 ,38 ,84
4 ,033 10,530 ,99 ,31 ,40 ,15
a. Dependent Variable: TINGKAT REAKSI

Residuals Statisticsa
Maximu Std.
Minimum m Mean Deviation N
Predicted Value 87,0740 117,6363 102,5833 10,70817 12
Std. Predicted Value -1,448 1,406 ,000 1,000 12
Standard Error of 4,649 7,862 6,132 1,071 12
Predicted Value
Adjusted Predicted 83,6691 125,1158 101,7077 12,34837 12
Value
Residual -15,14716 12,68117 ,00000 9,18300 12
Std. Residual -1,407 1,178 ,000 ,853 12
Stud. Residual -1,662 1,724 ,030 1,104 12
Deleted Residual -21,14676 27,16174 ,87566 15,64097 12
Stud. Deleted Residual -1,921 2,033 ,028 1,229 12
Mahal. Distance 1,134 4,948 2,750 1,290 12
Cook's Distance ,002 ,848 ,206 ,273 12
Centered Leverage ,103 ,450 ,250 ,117 12
Value
a. Dependent Variable: TINGKAT REAKSI
Jawaban dari pertanyaan diatas:

1. Tentukan konstanta hyperplane dalam ruang empat dimensi

Jawab: dengan mengunakan software SPSS

Model Summaryb
Adjusted R Std. Error of Durbin-
Model R R Square Square the Estimate Watson
1 ,759a ,576 ,417 10,76802 1,172
a. Predictors: (Constant), KANDUNGAN DAN LAJU ALIRAN, SUHU
BADAN A, SUHU BADAN B
b. Dependent Variable: TINGKAT REAKSI

Berdasarkan output diatas diketahui R Square sebesar 0.576. hal ini berarti pengaruh variable
x1,x2, dan x3 terhadap variable y sebesar 57.6%

2. Gunakan uji F untuk memeriksa signifikansi ini dari persamaan regresi. Menggunakan a =
5 persen
Jawab; dengan menggunakan software SPSS

ANOVAa
Sum of
Model Squares df Mean Square F Sig.
1 Regression 1261,315 3 420,438 3,626 ,064b
Residual 927,602 8 115,950
Total 2188,917 11
a. Dependent Variable: TINGKAT REAKSI
b. Predictors: (Constant), KANDUNGAN DAN LAJU ALIRAN, SUHU BADAN
A, SUHU BADAN B
Berdasarkan output diatas diketahui nilai signifikansi sebesar 0.064 > 0.05 dan nilai F hitung 3.626
< 3.86 F tabel . dapat disimpulkan hubungan x1,x2,x3 kurang berpengaruh terhadap y

Ftabel = F(k;N-k)= F(3;9)= 3.86

Ftabel=; dapat dilihat ditabel persentase distribusi F untuk probabilitas 0.05

K= jumlah variable bebas

N= jumlah sampel
 DISTRIBUTION TABEL NILAI F0,05
DEGREES OF FREEDOM FOR NOMINATOR

1 2 3 4 5 6 7 8 9 10 12 15 20 24 30 40 60 120 ∞
1 161 200 216 225 230 234 237 239 241 242 244 246 248 249 250 251 252 253 254
2 18,5 19,0 19,2 19,2 19,3 19,3 19,4 19,4 19,4 19,4 19,4 19,4 19,4 19,5 19,5 19,5 19,5 19,5 19,5
3 10,1 9,55 9,28 9,12 9,01 8,94 8,89 8,85 8,81 8,79 8,74 8,70 8,66 8,64 8,62 8,59 8,57 8,55 8,53
4 7,71 6,94 6,59 6,39 6,26 6,16 6,09 6,04 6,00 5,96 5,91 5,86 5,80 5,77 5,75 5,72 5,69 5,66 5,63
5 6,61 5,79 5,41 5,19 5,05 4,95 4,88 4,82 4,77 4,74 4,68 4,62 4,56 4,53 4,50 4,46 4,43 4,40 4,37
6 5,99 5,14 4,76 4,53 4,39 4,28 4,21 4,15 4,10 4,06 4,00 3,94 3,87 3,84 3,81 3,77 3,74 3,70 3,67
7 5,59 4,74 4,35 4,12 3,97 3,87 3,79 3,73 3,68 3,64 3,57 3,51 3,44 3,41 3,38 3,34 3,30 3,27 3,23
8 5,32 4,46 4,07 3,84 4,69 3,58 3,50 3,44 3,39 3,35 3,28 3,22 3,15 3,12 3,08 3,04 3,01 2,97 2,93
9 5,12 4,26 3,86 3,63 3,48 3,37 3,29 3,23 3,18 3,14 3,07 3,01 2,94 2,90 2,86 2,83 2,79 2,75 2,71
10 4,96 4,10 3,71 3,48 3,33 3,22 3,14 3,07 3,02 2,98 2,91 2,85 2,77 2,74 2,70 2,66 2,62 2,58 2,54
tor

11 4,84 3,98 3,59 3,36 3,20 3,09 3,01 2,95 2,90 2,85 2,79 2,72 2,65 2,61 2,57 2,53 2,49 2,45 2,40
ina

12 4,75 3,89 3,49 3,26 3,11 3,00 2,91 2,85 2,80 2,75 2,69 2,62 2,54 2,51 2,47 2,43 2,38 2,34 2,30
om

13 4,67 3,81 3,41 3,13 3,03 2,92 2,83 2,77 2,71 2,67 2,60 2,53 2,46 2,42 2,38 2,34 2,30 2,25 2,21
o f f r e e d om f o r D e n

14 4,60 3,74 3,34 3,11 2,96 2,85 2,76 2,70 2,65 2,60 2,53 2,46 2,39 2,35 2,31 2,27 2,22 2,18 2,13
15 4,54 3,68 3,29 3,06 2,90 2,79 2,71 2,64 6,59 2,54 2,48 2,40 2,33 2,29 2,25 2,20 2,16 2,11 2,07
16 4,49 3,63 3,24 3,01 2,85 2,74 2,66 2,59 2,54 2,49 2,42 2,35 2,28 2,24 2,19 2,15 2,11 2,06 2,01
17 4,45 3,59 3,20 2,96 2,81 2,70 2,61 2,55 2,49 2,45 2,38 2,31 2,23 2,19 2,15 2,10 2,06 2,01 1,96
18 4,41 3,55 3,16 2,93 2,77 2,66 2,58 2,51 2,46 2,41 2,34 2,27 2,19 2,15 2,11 2,06 2,02 1,97 1,92

19 4,38 3,52 3,13 2,90 2,74 2,63 2,54 2,48 2,42 2,38 2,31 2,23 2,16 2,11 2,07 2,03 1,98 1,93 1,88
es

20 4,35 3,49 3,10 2,87 2,71 2,60 2,51 2,45 2,39 2,35 2,28 2,20 2,12 2,08 2,04 1,99 1,95 1,90 1,84
gre

21 4,32 3,47 3,07 2,84 2,68 2,57 2,49 2,42 2,37 2,32 2,25 2,18 2,10 2,05 2,01 1,96 1,92 1,87 1,81
De

22 4,30 3,44 3,05 2,82 2,66 2,55 2,46 2,40 2,34 2,30 2,23 2,15 2,07 2,03 1,98 1,94 1,89 1,84 1,78
23 4,28 3,42 3,03 2,80 2,64 2,53 2,44 2,37 2,32 2,27 2,20 2,13 2,05 2,01 1,96 1,91 1,86 1,81 1,76
24 4,26 3,40 3,01 2,78 2,62 2,51 2,42 2,36 2,30 2,25 2,18 2,11 2,03 1,98 1,94 1,89 1,84 1,79 1,73
25 4,24 3,39 2,99 2,76 2,60 2,49 2,40 2,34 2,28 2,24 2,16 2,09 2,01 1,96 1,92 1,87 1,82 1,77 1,71
30 4,17 3,32 2,92 2,69 2,53 2,42 2,33 2,27 2,21 2,16 2,09 2,01 1,93 1,89 1,84 1,79 1,74 1,68 1,62
40 4,08 3,23 2,84 2,61 2,45 2,34 2,25 2,18 2,12 2,08 2,00 1,92 1,84 1,79 1,74 1,69 1,64 1,58 1,51
50 4,08 3,18 2,79 2,56 2,40 2,29 2,20 2,13 2,07 2,02 1,95 1,87 1,78 1,74 1,69 1.63 1,56 1,50 1,41
60 4,00 3,15 2,76 2,53 2,37 2,25 2,17 2,10 2,04 1,99 1,92 1,84 1,75 1,70 1,65 1,59 1,53 1,47 1,39
100 3,94 3,09 2,70 2,46 2,30 2,19 2,10 2,03 1,97 1,92 1,85 1,80 1,68 1,63 1,57 1,51 1,46 1,40 1,28
120 3,92 3,07 2,68 2,45 2,29 2,18 2,09 2,02 1,96 1,91 1,83 1,75 1,66 1,61 1,55 1,50 1,43 1,35 1,22
∞ 3,84 3,00 2,60 2,37 2,21 2,10 2,01 1,94 1,88 1,83 1,75 1,67 1,57 1,52 1,46 1,39 1,32 1,22 1,00
Bab III. Analisis Variansi

Analisis variansi adalah suatu prosedur untuk uji perbedaan mean beberapa populasi. Konsep
analisis variansi didasarkan pada konsep distribusi F dan biasanya dapat diaplikasikan untuk
berbagai macam kasus maupun dalam analisis hubungan antara berbagai variable yang diamati.
Dalam perhitungan statistic, analisis variansi sangat dipengaruhi asumsi-asumsi yang digunakan
seperti kenormalan dan distribusi, homogenitas variansi dan kebebasan dari kesalahan.

A.One Way Anova

One way anova digunakan untuk yang memiliki satu data dependent variable dan satu independent
variable. Independent variable pada one way anova berupa data berjenis nominal atau data
kelompok dengan minimal tiga kelompok atau lebih.

Untuk melakukan uji anova, harus dipenuhi beberapa asumsi, yaitu :

1. Sampel berasal dari kelompok yang independen

2. Varian antar kelompok harus homogen
3. Data masing-masing kelompok berdistribusi normal

Penyerapan air 24 jam (dalam persen berat kering) dari sampel beton yang diambil dari lima jenis
beton pracetak yang dibuat dengan agregat berbeda ditunjukkan pada tabel 6.1

Curb type a b c d e all

6.7 5.1 4.4 6.7 6.5
Absorption 5.8 4.7 4.9 7.2 5.8
x, percent 5.8 5.1 4.6 6.8 4.7
5.5 5.2 4.5 6.3 5.9
Σx 23.8 20.1 18.4 27.0 22.9 112.2

diperlukan untuk menentukan apakah ada perbedaan yang signifikan dalam nilai-nilai penyerapan
air dari curbs dari berbagai jenis. gunakan a = 1 persen
Langkah-langkah penggunaan SPSS 21 sebagai berikut :

1. Buka program SPSS 21

2. Klik variable view pada SPSS data editor

3. Pada kolom name baris pertama ketik sampel decimal pilih angka 0, pada label ketik sampel
pada values isikan 1 untuk sampel a, 2 untuk sampel b, 3 untuk sampel c, 4 untuk sampel d, 5
untuk sampel e. Untuk measure pilih nominal. Pada kolom name baris kedua ketik penyerapan air
pada label ketik penyerapanair pada measure pilih scale.

Kolom lain abaikan (pilih default)

Gambar 6.1 pengisian pada variable view

4. Klik data view untuk membuka halaman data view, kemudian isikan data seperti pada table 6.1

5. Selanjutnya klik analyze>compare means>one-way ANOVA

Gambar 6.2 memilih perintah analisis one way ANOVA

6. Muncul kotak dialog One Way ANOVA, kemudian masukkan peresapanair pada dependent list
dan sampel pada factor.

Gambar 6.3 Kotak dialog One Way ANOVA

7. Kemudian klik option, akan muncul kotak dialog One Way ANOVA: Option, centang
Descritive dan homogeneity of varian test, klik continue.
Gambar 6.4 Kotak dialog One Way ANOVA: Options

8. Setelah itu klik post hoc, akan muncul kotak dialog One Way ANOVA: Post Hoc Multiple
Comparisons, centang tukey, klik continue.

Gambar 6.5 dialog One Way ANOVA : pot hoc multiple comparisons

9.Klik Ok, akan muncul beberapa output sebagai berikut:

Tabel 6.2 Output SPSS statistic deskriptif nilai akhir kelima kelompok
Pada table 6.2 kita memperoleh informasi mengenai rata-rata, simpangan baku, nilai minimum dan
nilai maksimum peresapan air yang telah dikelompokkan dalam 5 kelompok. selain itu kita juga
memperoleh informasi tentang jumlah sampel dalam setiap kelompok sampel.

Tabel 6.3 output spss uji homogenitas

Pada table 6.3 homogeneity of varians menunjukkan bahwa kelompok yang kita bandingkan
adalah sama atau homogeneity. Hal itu dapat terlihat dari nilai sig>0,05. Maka uji One Way
ANOVA dapat dilanjutkan.

Tabel 6.4 Output SPSS hasil signifikasi uji

Perbedaan One Way ANOVA

Pada table 6.4 memaparkan kelima kelompok memiliki nilai rata-rata yang berbeda hal ini dapat
dilihat dari nilai sig<0,05

Tabel 6.5 Output SPSS Post Hoc Test

Cara membaca table 6.5 adalah kita harus membandingkan kolom I dan kolom J. Jika nilai
sig<0,05 maka ada perbedaan peresapan air yang signifikan, begitu juga kebalikan jika nilai
sig>0,05 maka tidak ada perbedaan peresapan air dalam sampel tersebut.
B. TWO Way ANOVA

Two Way ANOVA digunakan untuk menganalisis data yang memiliki 1 dependent
variable dan 2 independent variable. Independent variable pada Two Way ANOVA adalah data
yang berjenis nominal atau data yang mempunyai minimal 3 kelompok data atau lebih

Untuk contoh Two Way ANOVA kami berikan ilustrasi sebagai berikut:

Penyerapan air 24 jam (dalam persen berat kering) dari sampel beton yang diambil dari lima jenis
beton pracetak yang dibuat dengan agregat berbeda ditunjukkan pada tabel 18-9.

Curb type kontrol a b c d e all

5.00 6.7 5.1 4.4 6.7 6.5
Absorption 5.30 5.8 4.7 4.9 7.2 5.8
x, percent 5.90 5.8 5.1 4.6 6.8 4.7
5.00 5.5 5.2 4.5 6.3 5.9
Σx 23.8 20.1 18.4 27.0 22.9 112.2

diperlukan untuk menentukan apakah ada perbedaan yang signifikan dalam nilai-nilai penyerapan
air dari curbs dari berbagai jenis. gunakan a = 1 persen

Langkah-langkah analisis pada SPSS 21 sebagai berikut :

1.Buka program SPSS 21

2.Klik Variabel View pada SPSS data editor

3.Pada kolom name baris pertama ketik sampel, decimal pilih angka 0, pada label ketik sampel,
pada values isikan 1 untuk sampel a, 2 untuk sampel b, 3 untuk sampel c, 4 untuk sampel d, 5
untuk sampel e. Untuk measure pilih nominal. Pada kolom name baris kedua ketik control pada
label ketik control pada measure pilih nominal. Pada kolom name baris ketiga ketik peresapan air
pada label ketik peresapan air pada measure pilih scale. Kolom lain abaikan (pilih default)
Gambar 6.6 Pengisian pada variable view

4.Klik data view untuk membuka halaman data view, kemudian isikan data seperti pada table 6.6

5. Kemudian klik analyze > general linier model > univariate

Gambar 6.7 memilih perintah analisis uji Two Way ANOVA

6. Kemudian akan muncul kotak dialog univariate. Pindahkan peresapanair pada dependent
variable, lalu control dan sampel pada fixed factor(s).
Gambar 6.8 kotak dialog univariate

7. kemudian klik plot. Pindahkan kelompok yang memiliki kategori lebih banyak ke horizontal
axis dalam hal ini adalah control dan kategori yang lain ke separate line dalam hal ini adalah
sampel. Kemudian add, continue

Gambar 6.9 kotak dialog univariate :plot

8. pada kotak dialog klik post hoc

9. muncul kotak dialog : post hoc multiple comparasion for observed means. Pindahkan data
kelompok ke kotak post hoc test for, kemudian pada bagian equal varians asummed centang salah
satu, pada hal ini kami centang tukey.
Gambar 6.10 kotak dialog univariate : hoc multiple comparasion for observed means

10. kemudian klik continue

11. pada kotak dialog univariate: klik option

12. muncul kotak dialog univariate : option, pada bagian display centang descriptive statistic dan
homogeneity test, setelah itu klik continue.

13. Klik OK, akan muncul beberapa output sebagai berikut :

Tabel 6.7 Output SPSS peresapan air per kelompok

Pada table 6.7 memaparkan jumlah sampel pada masing-masing kelompok.

Tabel 6.8 output SPSS statistic deskriptif peresapan air berdasarkan yang telah dirinci per dua
kelompok

Pada table 6.8 memaparkan statistic deskriptif, nilai rata-rata, simpangan baku dan jumlah
peresapan air pada masing-masing kelompok.

Tabel 6.9 output SPSS hasil signifikasi uji Two Way ANOVA
 Pada table 6.9 terlihat angka signifikasi sampel 0.000 < 0.05 maka dapat diartikan bahwa
pada sampel merupakan efek utama yang signifikan terhadap peresapanair. Selanjutnya control
mempunyai signikansi sebesar 0.178 >0.05 maka dapat diartikan control tidak mempunyai efek
utama yang signifikan terhadap peresapanair.

Sampel*control memiliki signifikansi sebesar 0.231 > 0.05 artinya tidak ada interaksi yang
signifikan anatar sampel dan control terhadap peresapanair.

Tabel 6.10 Output SPSS hasil signifikansi ditinjau dari SAMPEL

Pada table 6.10 menyatakan perbedaan atau perbandingan peresapan air ditinjau dari SAMPEL,
cara membacanya dengan memperhatikan kolom I dan kolom J. Sebagai contoh sampel a dan
sampel b memiliki signifikansi 0.000 <0.05 menandakan bahwa ada perbedaan yang signifikan
anatara sampel 1 dan sampel 2. Dengan kata lain peresapan air pada sampel a dan sampel b
memiliki perbedaan yang signifikan atau jauh.
BAB IV. ANALISIS CHI SQUARE

Uji chi square atau sering diterjemahkan menjadi kai kuadrat dalam jenis statistic
nonparametric sehingga chi square test tidak memerlukan syarat data terdistribusi normal. Chi
square digunakan untuk menguji perbedaan antar frekuensi pengamatan dan frekuensi yang
diharapkan. Prosedur chi square mentabulasi variable ke dalam kategori-kategori dan melakukan
tes hipotesis bahwa frekuensi yang diamati tidak berbeda dengan nilai yang diharapkan.

Untuk analisis chi square yang dibahas disini adalah untuk menganalisis hubungan antara
variable baris dan kolom dengan skala data nominal atau ordinal dengan tidak diukur tingkatannya.

Soal tentang chi squared text

nilai signifikan pada tingkat 5 persen, dan karenanya laju pemuatan mempengaruhi bentuk zona
kegagalan pada tingkat signifikansi di atas.
12-2. lima mesin, A, B, C, D dan E secara eksperimental digunakan untuk membuat alat presisi.
Berikut ini adalah sejumlah alat yang dibuat oleh lima mesin dan nomor-nomor ditolak.

Tabel 1.1

mesin A B C D E Total
Nomor dibuat 20 18 16 24 22 100
Nomor ditolak 12 16 10 14 18 70

menguji hipotesis bahwa tidak ada perbedaan dalam kinerja mesin. gunakan tingkat signifikansi a
= 5 persen
Penyelesaian :

1. Buka program SPSS 21

2. Klik variable view pada SPSS data editor
3. Pada kolom name garis baris pertama ketik mesin, pada label ketik jenis nomor, pada
kolom value klik pada kotak kecil. Selanutnya, muncul kotak dialog value label : isikan
angka 1 pada value dan nomkr dituju pada value label kemudian kelik add, ulangi langkah
duatas untuk pengisian nomor ditolak, dapat dilihat pada gambar 1 setelah itu klik OK.

4. Pada kolom name baris kedua ketik nomor, pada label ketik nomor. Pada kolom value klik
pada kotak kecil. Selanjutnya pada kotak dialog value label klik pada kotak kecil.
Selanjutnya, pada kotak dialog value label isikan huruf A,B,C,D,E. dan isilah data sesuai
dengan table 1.1
5. Klik data view untuk membuka halaman data view
6. Isikan data nomor dibuat dan nomor ditolak seperti pada table
7. Selanjutnya klik analyse-descriptive statistics-crosstabs
8. Selanjutnya akan terbuka kotak dialog crosstabs. Masukkan data variable nomor dibuat ke
kotak row (s) dan variable nomor ditolak ke kotak column (s)

9. Klik tombol statistics, akan muncul kotak dialog crosstabs:statistics. Beri tanda centang
pada chi-square, kemudian klik tombol continue
 10. Klik Ok, akan muncul output sebagai berikut :

Table 1.2
Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
number made * number 5 83.3% 1 16.7% 6 100.0%
rejected

Pada table 1.2 memaparkan jumlah data yang akan dianalisi chi square. Data yang akan
dianalisis berjumlah 5 data dan ada 1 data yang hilang atau missing.
Tabel 1.3

number made * number rejected Crosstabulation

Count
number rejected Total
10 12 14 16 18
16 1 0 0 0 0 1
18 0 0 0 1 0 1
number made 20 0 1 0 0 0 1
22 0 0 0 0 1 1
24 0 0 1 0 0 1
Total 1 1 1 1 1 5

Pada table 1.3 memaparkan data pengelompokkan berdasarkan nomor ditolak dan nomor dibuat
Table 1.4
Chi-Square Tests
Value df Asymp. Sig.
(2-sided)
Pearson Chi-Square 20.000a 16 .220
Likelihood Ratio 16.094 16 .446
Linear-by-Linear 1.000 1 .317
Association
N of Valid Cases 5
a. 25 cells (100.0%) have expected count less than 5. The
minimum expected count is .20.

Kesimpulan table 1.4 dapat dibaca dengan melihat angka pada kolom asymp. Sig(2-sided) pada
baris pearson chi-square. Angka 220 merupakan besaran signifikansi hasil penilitian ini. Karena
0.200 > 0.05 maka dapat disimpulkan bahwa tidak ada hubungan yang signifikan antara nomor
dibuat dengan nomor ditolak.