BAB I

PENGENALAN SPSS

SPSS (Statistical Program for Social Science) dapat digunakan untuk

mengolah data statistika dalam bidang-bidang sosial. Namun SPSS memiliki
kekurangan dalam analisis untuk tujuan teknik. Apabila akan mengolah data-data
statistika untuk tujuan teknik, penulis menganjurkan pengguna menggunakan SPSS.

Memulai SPSS
Untuk memulai SPSS dapat digunakan dua cara yaitu :

1. Jika menggunakan shortcut klik dua kali pada shortcut

2. Menggunakan start menu program. Pilih menu Start > Program > SPSS for
Windows > SPSS for Win. Sehingga muncul tampilan seperti Gambar 1.1.

Gambar 1.1: Tampilan utama SPSS

Gambar 2.1 memperlihatkan dua jendela (windows) yaitu SPSS Data

Editor dan SPSS for Windows.

Menu Utama
Beberapa menu utama dalam SPSS:
a. File, berisi fasilitas pengelolaan atau manajemen data dan file.
b. Transform, digunakan untuk memanipulasi data.
c. Analyze, digunakan untuk menganalisis data.
d. Graph, digunakan untuk memvisualkan data
e. Utilities, digunakan berkaitan dengan utilitas dalam SPSS.
Analisis Statistika
Pemilihan File Data
Ada dua cara memasukkan data dalam SPSS yaitu secara langsung dan
mengambil data dari file.

1
a. Memasukkan Data Secara Langsung.
Memasukkan data secara langsung juga dapat dilakukan dengan dua cara
khususnya dalam pendefinisian nama variabel yaitu:
Cara 1 :
1. Ketikkan data secara langsung dalam satu kolom yang diinginkan
2. Pilih menu View > Variable untuk mengganti nama variabel.
Cara 2 :
1. Aktifkan Variable View.
2. Isikan nama variabel pada kolom Name.
3. Atur kolom Type sesuai kebutuhan dengan mengklik tombol di sebelah
kanan Type variable.
Keterangan lainya:
 Width; menentukan digit atau karakter data yang diinputkan.
 Decimal; menentukan jumlah angka decimal yang diinginkan (hanya
untuk type Numeric).
 Label; memberikan keterangan penjelas dari variabel.
 Values; memberikan penjelasan nilai-nilai individual dengan labelnya.
 Missing Values; digunakan apabila dalam data yang diolah terdapat
data yang hilang atau tidak ada. Misalkan pada kolom Missing Values
diisi tanda 0.00 untuk data yang tidak ada.
 Columns; untuk menentukan lebar kolom.
 Align; untuk mengatur tampilan (rata kiri, kanan atau center).
 Measure; menunjukkan jenis pengukuran data (tipe data skala,
nominal atau ordinal).
4. Klik OK untuk melanjutkan atau Cancel untuk membatalkan.

b. Mengambil Data Dari File

Berdasarkan format datanya, mengambil data dari file dapat dilakukan
dengan dua cara, yaitu:
a. Mengambil data dari format SPSS yang berekstensi sav.
Pilih menu File > Open, pilih tempat pengambilan data di Look in misalnya
dalam folder data, sehingga muncul tampilan seperti Gambar 1.2. Pada Files
Of types pilih SPSS (*.Sav) selanjutnya pilih data yang ingin dibuka dan klik
Open.

2
Gambar 1.2: Open File dengan Ekstensi *.Sav
b. Mengambil data di luar format SPSS, misalnya format Microsoft Excel, Lotus
123, ASCII, dan Database Relasional.
Pilih menu File > Open, pilih tempat pengambilan data di Look in misalnya
dalam folder data. Pada Files Of types pilih ekstensi yang diinginkan,
misalkan Microsot Excel yaitu *.xls. Selanjutnya pilih data yang ingin dibuka
dan klik Open. Tampilannya akan terlihat seperti pada Gambar 1.3.

Gambar 1.3: Open File dengan Ekstensi *.xls

Menjalankan Prosedur Statistika

Contoh 2.1:
Data volume sel per 100 cm3 darah 20 orang wanita adalah sebagai berikut :
35.2 38.5 41.1 43.3
35.3 39.2 41.8 43.5
36.5 39.8 42 44.0
37.0 40.0 43.1 44.9
37.7 40.6 42.6 45.9
Carilah pusat data dan penyebaran data.
Penyelesaian:
1. Masukkan data dalam satu kolom dengan nama variabel darah.
2. Pilih menu Analyze > Descriptive Statistics > Descriptive, maka akan
muncul Gambar 1.4.

3
Gambar 1.4: Kotak Dialog Descriptives
3. Klik dua kali variabel darah untuk memasukkan ke dalam kotak Variables.
4. Klik Options untuk mengatur analisis yang diinginkan seperti Gambar 1.5.

Gambar 1.5: Kotak Dialog Descriptives: Options

5. Klik Continue > OK sehingga muncul keluaran seperti pada Gambar 1.6.

Gambar 1.6: Keluaran Statistika Deskriptif

Pada Gambar 2.6 dapat dilihat bahwa dari 20 orang wanita volume sel
darah minimum adalah 35,20 per 100 cm3 darah dan maksimum adalah 45,90 per
100 cm3 darah dengan rataan 40,6 dan standar deviasi 3,167 per 100 cm3 darah.
Output Viewer pada Gambar 2.6 dapat disimpan dengan cara klik menu File
> Save (CTRL + S di keyboard), sehingga akan muncul kotak dialog Save As.
Isikan File name dengan Save as type *.spo dan klik Save.

4
 BAB II
PENYAJIAN DATA

Tujuan
Mahasiswa mampu menganalisa dan menyimpulkan setiap hasil keluaran
dari data yang diberikan dalam boxplot, histogram dan stem and leaf.

Dasar Teori
Data statistika tidak hanya cukup dikumpulkan dan diolah, tetapi juga
perlu disajikan dalam bentuk yang mudah dibaca dan dimengerti oleh pengambil
keputusan. Biasanya pemahaman itu akan lebih mudah apabila disajikan dalam
bentuk tabel atau grafik.
a. Tabel merupakan kumpulan angka-angka yang disusun menurut kategori-
kategori.
b. Grafik merupakan gambar-gambar data secara visual dari data yang biasanya
berasal dari tabel-tabel yang telah dibuat.

Penggunaan SPSS untuk Penyajian Data

Penggambaran data yang akan dilakukan adalah data dengan satu variabel
(univariat) seperti yang diberikan pada Contoh 2.1.
Contoh 2.1:
Data volume sel per 100 cm3 darah 50 orang wanita adalah sebagai berikut :
35.2 39.3 40.6 41.8 43.1
35.3 39.4 40.8 41.8 43.4
36.5 39.5 40.8 42 43.5
37.0 39.8 40.9 42.1 43.7
37.0 39.8 41.1 42.2 44.0
37.7 40.0 41.2 42.1 44.2
38.3 40.0 41.3 42.3 44.6
38.5 40.3 41.4 42.5 44.9
38.7 40.4 41.4 42.5 45.1
39.2 40.6 42.6 42.6 45.9

Buatlah histogram, boxplot dan stem and leaf dari data tersebut.

Penyelesaian :
 Pilih menu Analyze > Descriptive Statistics > Explore, muncul kotak dialog
Explore, masukkan kolom variabel yang ingin dibuat histogram dalam Graph
(X) pada Graph Variables (lihat Gambar 2.1).

5
 Gambar 2.1: Kotak Dialog Histogram

 Pilih Plot, centang Stem-and-leaf dan Histogram seperti pada gambar 2.2

Gambar 2.2: Kotak Dialog plots

6
 Klik OK sehingga muncul tampilan seperti dibawah ini
a. Histogram

Gambar 2.3: Histogram volume sel per 100 cm3

Kesimpulan :
Dari histogram frekuensi Gambar 2.3. dapat disimpulkan bahwa kurva
frekuensinya menjulur ke kiri dimana nilai mean paling kecil dibandingkan
dengan nilai median dan modus. Dan berarti bahwa data tidak berdistribusi
normal. Namun, untuk melihat kenormalan data dengan histogram belum bisa
dijadikan suatu keputusan yang valid untuk menyatakan bahwa data telah
mengikuti distribusi normal atau tidak. Agar lebih meyakinkan, perlu
dilakukan uji kenormalan data yang akan dipelajari dalam statistika lanjutan.

b. Boxplot

Gambar 2.4: Boxplot volume sel per 100 cm3

Kesimpulan :

Garis tengah pada bagian dalam box di atas menunjukakan letak median dari
data. Ujung garis yang paling kanan menunjukkan nilai maksimum sedangkan
ujung garis yang paling kiri menunjukkan nilai minimum. Batas paling kiri
dari box menunjukkan kuartil pertama (Q1), dan batas paling kanan dari box
menunjukkan kuartil ketiga (Q3). Garis perpanjangan dari Q1 ke nilai

7
 minimum dan Q3 ke nilai maksimum disebut whisker. Data dianggap simetri
jika median berada di tengah kotak dan panjang whisker sama. Boxplot pada
Gambar 2.3 mengindikasikan data tidak simetris karena median tidak terletak
di tengah kotak dan panjang whisker tidak sama.

c. Stem and Leaf

Keterangan:
Dari stem and leaf di atas dapat ditunjukkan bahwa data menyebar dari 35,2
sampai 45,9 tanpa ada outlier (pencilan). Data volume sel per 100 cm3 adalah
multimodus (mempunyai lebih dari satu modus), yaitu 37,0; 39,8; 40,0; 40,6;
40,8; 41,4; 41,8; 42,1; 42,5 dan 42,6 sebanyak dua kali kemunculan. Nilai
Kuartil kedua (median) adalah 41,8. Kurva frekuensinya menjulur ke kiri yang
berarti nilai mean paling kecil dibandingkan dengan nilai median dan modus.

Latihan 2.1
1. Moore Travel Agency, agen perjalanan berskala nasional, menawarkan tarif
khusus pelayaran ke Karibia bagi para warga negara berusia lanjut. Presiden
Moore Travel ingin informasi tambahan mengenai usia orang–orang yang
mengikuti pelayaran. Sebuah sampel acak berukuran 40 diambil dari mereka
yang mengikuti pelayaran tahun lalu, yang usianya seperti berikut ini.
77 18 63 84 38 54 50 59 54 56 36 26 50 34 44
41 58 58 53 51 62 43 52 53 63 62 62 65 61 52
60 60 45 66 83 71 63 58 61 71

8
Gambarkan hasil penyajian data dalam bentuk boxplot, histogram dan stem and
leaf serta interpretasikan hasilnya. Tentukan median dan modus dari data tersebut.
Apakah terdapat outliers pada data? Jelaskan!

2. Suatu survei mengenai banyaknya telepon yang diterima sampel pelanggan

Southern Phone Company pada minggu lalu, disajikan berikut ini.
52 43 30 38 30 42 12 46
39 37 34 46 32 18 41 5
a. Buatlah boxplot, histogram, dan stem and leaf dari data tersebut serta
interpretasikan hasilnya.
b. Berapakah median dan kuartil dari data tersebut?
c. Apakah terdapat outliers pada data? Jelaskan!

9
 BAB III
PARAMETER DAN STATISTIK

Tujuan
Mahasiswa mampu mengolah data dan menganalisa serta menyimpulkan
setiap keluaran dari statistika deskriptif.

Dasar Teori
Statistika deskriptif adalah penyajian data secara numerik. Statistika
deskriptif mencakup ukuran pemusatan (rataan, median atau modus), penyebaran
(variansi, standard deviasi dan standard error), pembuatan diagram, grafik dan tabel.
 Rata-rata
Rata-rata hitung populasi: Rata-rata hitung sampel:
n n

x i x i

 i 1
x  i 1

N n

 Median
Median adalah nilai tengah dari data setelah data diurutkan dari yang terkecil
( x 1 ) sampai yang terbesar ( x n ).
Untuk n ganjil: Untuk n genap:
Median  x n1 1 
2 Median  xn  xn 
1
2 2 2 

 Modus

Modus adalah nilai pengamatan yang paling sering muncul.

 Varians dan standar deviasi

Varians adalah rata-rata hitung deviasi kuadrat setiap pengamatan terhadap
rata-rata hitungnya.
Standar deviasi adalah akar kuadrat positif dari varians.
Varians populasi: Standar deviasi populasi:
n n

(x   ) i
2
 (x i   )2

2  i1
 i 1
N N

Varians sampel: Standar deviasi sampel:

n
n
10
10
  (x i  x)2
 (x i
 x) 2

i 1
s2 
n 1 s i1
n 1

11
11
 Kuartil
Kuartil adalah nilai yang membagi kelompok data menjadi 4 bagian yang
sama, yaitu kuartil pertama (Q1), kuartil kedua (Q2), dan kuartil ketiga (Q3).
Setelah data diurutkan dari yang terkecil x 1 sampai yang terbesar x , maka
n

i(n 1)
dapat dihitung Q 1 , Q 2 dan Q 3 dengan rumus: Q i  nilai ke , i  1,2,3
4

 Nilai Maksimum dan Minimum

Nilai maksimum adalah nilai terbesar dari kumpulan data. Sedangkan nilai
minimum adalah nilai terkecil dari kumpulan data.

Penggunaan SPSS untuk Parameter dan Statistik

Statistika deskriptif dengan SPSS dapat diselesaikan dengan menggunakan
menu Descriptive, Frequencies dan Explore.

a. Descriptive
Berbeda dengan menu Frequencies, menu Descriptive diberi fasilitas Z-
score untuk pengujian normalitas data.
Contoh 3.1 :
Ada 40 orang karyawan yang sedang diselidiki besarnya upah bulanan dalam
ribuan rupiah. Adapun hasilnya adalah sebagai berikut:
146 157 126 142 150 165 135 145
156 125 140 149 164 135 145 154
119 140 148 163 135 144 153 176
138 147 161 132 144 152 173 138
147 158 128 142 150 168 136 146

Tentukan ukuran pemusatan dan penyebaran data.

Penyelesaian:
Langkah-langkah menentukan nilai statistika deskriptif adalah sebagai berikut :
1. Masukkan data dalam satu kolom, misalnya dalam kolom var0001.
2. Namakan variabel dengan karyawan melalui menu View > Variable.
3. Pilih menu Analyze > Descriptive Statistics > Descriptives, maka akan
muncul Gambar 3.1.

12
12
 Gambar 3.1: Kotak Dialog Descriptive
4. Masukkan variabel karyawan ke dalam kotak Variables untuk dianalisis.
5. Klik Option untuk mengatur analisis yang diinginkan.

Gambar 3.2: Kotak Dialog Descriptive: Options

6. Tandai semua nilai yang ingin dicari, klik Continue > OK. Hasil yang
diperoleh seperti Gambar 3.3.

Gambar 3.3: Keluaran Statistik Deskriptif Upah Karyawan

Keterangan
Pada Gambar 3.3 dapat dilihat bahwa dari 40 orang karyawan, rata-rata besarnya
upah bulanan yang diperoleh adalah Rp 146.800,00 dengan standar deviasi
sebesar Rp 13.050,00. Adapun upah minimum dan maksimum yang diperoleh
masing-masing adalah Rp 119.000,00 dan Rp 176.000,00 dengan jangkauan Rp
57.000,00.

b. Frequencies
Contoh 3.2:
Gunakan Contoh 3.1 untuk menetentukan pusat dan penyebaran data
menggunakan menu Frequencies.

13
13
Penyelesaian:
Langkah-langkah menentukan pusat dan penyebaran data adalah sebagai berikut:
1. Dengan cara yang sama seperti pada Descriptives, pilih menu Analyze >
Descriptive Statistics > Frequencies.

Gambar 3.4: Kotak Dialog Frequencies

2. Klik Statistics sehingga muncul tampilan seperti Gambar 3.5.

Gambar 3.5: Kotak Dialog Frequencies: Charts

3. Klik Continue > OK sehingga akan muncul keluaran seperti Gambar 3.7.

Gambar 3.7: Keluaran Frequencies Upah Karyawan

14
14
c. Penggunaan Ms. Excel
Contoh 3.3 berikut adalah data yang dikelompokkan menjadi 3 kelompok
Kelompok 1 Kelompok 2 Kelompok 3
19.5 43.1 29.1
24.7 49.8 28.2
30.7 51.9 37
29.8 54.3 31.1
19.1 42.2 30.9
25.6 53.9 23.7
31.4 58.5 27.6
27.9 52.1 30.6
22.1 49.9 23.2
25.5 53.5 24.8
31.1 56.6 30
30.4 56.7 28.3
18.7 46.5 23
19.7 44.2 28.6
14.6 42.7 21.3
29.5 54.4 30.1
27.7 55.3 25.7
30.2 58.6 24.6
22.7 48.2 27.1
25.2 51 27.5

Penyelesaian
Pilih menu Data, lalu klik submenu Data Analysis. Pada kotak dialog Data
Analysis, ambil Descriptive Statistics. Lalu klik OK. Lalu akan muncul kotak
dialog Descriptive Statistics seperti pada gambar 3.8. Pada kotak Input Range, blok
data yang kita inginkan statistika deskriptifnya. Pada kota Output options, klik
pada New Worksheet Ply

Gambar 3.8 Kotak Dialog Descriptive Statistics

15
15
Lalu klik OK. Lalu akan muncul seperti gambar 3.9

Gambar 3.9 Keluaran Descriptive Statistics

Latihan 3.1
1. Menurut survei yang dilakukan sebuah lembaga penelitian dilaporkan bahwa
gaji seorang karyawan pada saat masuk untuk tingkat sarjana berkisar antara
Rp.500.000 ribu sampai Rp.800.000,- per bulan. Diambil sampel sebanyak 25
orang dan diperoleh data sebagai berikut (dalam ribuan rupiah).
700 600 725 500 770
750 525 690 770 780
800 575 680 700 650
785 800 580 695 650
650 750 550 750 700

Carilah pusat dan penyebaran data dengan menggunakan menu Descriptive,

Frequencies dan Explore. Interpretasikan setiap keluarannya.

16
16
 BAB IV
DISTRIBUSI PELUANG DISKRET

Tujuan
Mahasiswa dapat mencari dan menganalisa distribusi Binomial dan
Poisson baik secara manual maupun komputer.

Dasar Teori
a. Distribusi Binomial
Distribusi peluang Binomial adalah peluang kejadian saling bebas dimana
terdapat peluang sukses dan peluang gagal. Variabel random X yang menyatakan
banyaknya sukses pada n kali percobaan Bernoulli yang diberikan dengan p(x):
 n  x n x
  p (1  p) untuk x  0,1,2,....
 x 
p( x)   

0 untuk x lainnya


Parameter dari distribusi Binomial adalah n dan p, dimana n adalah suatu

bilangan positif dan 0 p  1.
Untuk variabel X yang mengikuti distribusi Binomial berlaku rumus umum:
  E  X   np
2  EX  E  X 2  E  X  np 2  npq
  npq

b. Distribusi Poisson
Distribusi Poisson adalah distribusi peluang peubah acak X yang
menyatakan banyaknya sukses yang terjadi dalam selang waktu tertentu.
Distribusi Poisson dapat dikembangkan dengan 2 cara, dan keduanya
menunjukkan keadaan–keadaan dimana random ini dapat diharapkan untuk
menggambarkan hasil dari suatu percobaan random. Pengembangan pertama
meliputi definisi dari sebuah proses Poisson. Pengembangan kedua meliputi
distribusi Poisson menjadi sebuah bentuk terbatas dari distribusi Binomial.
Rumus untuk menyelesaikan distribusi Poisson adalah sebagai berikut:

 x e
pr x 
x!
dengan:  = rata–rata distribusi
x = 0, 1, 2, 3, … (menuju tak hingga)
e = konstanta 2,71828

17
17
Penggunaan SPSS dan Ms. Excel untuk Distribusi Peluang Diskret
a) Distribusi Binomial
Contoh 4.1:
Dari 38 calon pegawai yang mendaftarkan diri pada suatu perusahaan, peluang
seorang diterima adalah 0.25, maka hitung :
a. Peluang tepat 3 orang yang diterima
b. Peluang sebanyak–banyaknya 3 orang yang diterima

Penyelesaian:
SPSS
a. Untuk mencari peluang tepat 3 orang yang diterima
1. Pertama definisikan nama variabel di Variable View
2. Dari menu Tranform > Compute Variabel
3. Pada kotak dialog Compute Variable, di kotak Target Variable masukkan
nama nama variable yang udah didefinikan. Pada Function Group ambil
PDF & Noncentral PDF. Pada Functions and Special Variable, ambil
Pdf.Binom.
Dengan banyaknya data n = 38 dan besarnya peluang sukses p = 0.25
Kemudian isi bagian di bawah ini :

Gambar 4.1 Kotak Dialog Compute Variable

Yaitu untuk mencari besar peluang tepat 3 orang yang diterima.

4. Klik OK muncul hasil perhitungan sebagai berikut:

18
18
 Gambar 4.2 Keluaran Peluang tepat 3 orang diterima

Keterangan:
Peluang tepat 3 orang diterima sebagai pegawai disuatu perusahaan adalah
0,0559.

b. Untuk mencari peluang sebanyak–banyaknya 5 orang yang diterima

1. Pertama definisikan nama variabel di Variable View
2. Dari menu Tranform > Compute Variabel
3. Pada kotak dialog Compute Variable, di kotak Target Variable masukkan
nama nama variable yang udah didefinikan. Pada Function Group ambil
CDF & Noncentral CDF. Pada Functions and Special Variable, ambil
Cdf.Binom.
Dengan banyaknya data n = 38 dan besarnya peluang sukses p = 0.25
Kemudian isi bagian di bawah ini :

Gambar 4.3 Kotak Dialog Compute Variable

Yaitu untuk mencari besar peluang sebanyak-banyaknya 3 orang yang

diterima.
4. Klik OK muncul hasil perhitungan sebagai berikut:

19
19
 Gambar 4.4 Keluaran Peluang tepat 3 orang diterima

Keterangan:
Peluang sebanyak-banyaknya 3 orang diterima sebagai pegawai disuatu
perusahaan adalah 0,00723.

Ms. Excel
a. Peluang tepat 3 orang yang diterima
1. Ambil menu Formulas
2. Lalu klik Insert Function
3. Keluar kotak dialog Insert Function, pada kotak dialog Or select a
category, ambil Statisrical
4. Pada kotak Select a function, ambil BINOM.DIST., seperti gambar
dibawah ini

Gambar 4.5 Fungsi peluang binomial menggunakan Excel

5. Klik OK, keluar kotak dialog Function Arguments

6. Pada kotak Number_s, masukkan 3, pada kotak Trials, masukkan 38, pada
kotak Probability_s masukkan 0.25, dan pada kotak Cumulative masukkan
FALSE. Dapat dilihat pada gambar dibawah ini

20
20
 Gambar 4.6 Memasukkan nilai

7. Klik OK, lalu akan tampak keluaran seperti gambar di bawah ini

Gambar 4.7 Keluaran Peluang tepat 3 orang diterima

Keterangan:
Peluang tepat 3 orang diterima sebagai pegawai disuatu perusahaan adalah
0.005586

b. Peluang sebanyak-banyaknya 3 orang yang di terima

1. Ambil menu Formulas
2. Lalu klik Insert Function
3. Keluar kotak dialog Insert Function, pada kotak dialog Or select a
category, ambil Statisrical
4. Pada kotak Select a function, ambil BINOM.DIST., seperti gambar
dibawah ini

Gambar 4.8 Fungsi peluang binomial menggunakan Excel

20
20
 5. Klik OK, keluar kotak dialog Function Arguments
6. Pada kotak Number_s, masukkan 3, pada kotak Trials, masukkan 38, pada
kotak Probability_s masukkan 0.25, dan pada kotak Cumulative masukkan
TRUE. Dapat dilihat pada gambar dibawah ini

Gambar 4.9 Memasukkan nilai

7. Klik OK, lalu akan tampak keluaran seperti gambar di bawah ini

Gambar 4.10 Keluaran Peluang sebanyak-banyaknya 3 orang diterima

Keterangan:
Peluang sebanyak-banyaknya 3 orang diterima sebagai pegawai disuatu
perusahaan adalah 0,007227.

b) Distribusi Poisson
Contoh 4.2:
Suatu perusahaan swasta menyatakan bahwa mereka menerima rata-rata 6 telepon
masuk per hari. Hitunglah:
a. Peluang bahwa pada suatu hari tidak ada telepon yang masuk
b. Peluang telepon masuk paling banyak 6 kali
Penyelesaian :
a. Untuk menghitung peluang tidak ada telepon yang masuk
1. Pertama definisikan nama variabel di Variable View
2. Dari menu Tranform > Compute Variabel
3. Pada kotak dialog Compute Variable, di kotak Target Variable masukkan
nama nama variable yang udah didefinikan. Pada Function Group ambil

21
21
 PDF & Noncentral PDF. Pada Functions and Special Variable, ambil
Pdf.Poisson.
Dengan lambda = 6 , dan x = 0
Kemudian isi bagian di bawah ini :

Gambar 4.11 Kotak Dialog Compute Variable

4. Klik OK muncul hasil perhitungan sebagai berikut:

Gambar 4.12 Keluaran Peluang tidak ada telepon masuk

Keterangan:
Peluang tidak ada telepon yang masuk adalah 0.00248.

b. Untuk menghitung peluang paling banyak 6 telepon yang masuk

1. Pertama definisikan nama variabel di Variable View
2. Dari menu Tranform > Compute Variabel
3. Pada kotak dialog Compute Variable, di kotak Target Variable
masukkan nama nama variable yang udah didefinikan. Pada
Function Group ambil CDF & Noncentral CDF. Pada
Functions and Special Variable, ambil Cdf.Binom.
Dengan banyaknya data n = 38 dan besarnya peluang sukses p = 0.25
Kemudian isi bagian di bawah ini :

22
22
 Gambar 4.13 Kotak Dialog Compute Variable

Yaitu untuk mencari besar peluang sebanyak-banyaknya 3 orang yang

diterima.

4. Klik OK muncul hasil perhitungan sebagai berikut:

Gambar 4.14 Keluaran Peluang tepat 3 orang diterima

Keterangan:
Peluang paling banyak 6 telepon yang masuk per hari di suatu perusahaan swasta
adalah 0.60630.

Latihan 7.1
1. Nona Bergen adalah pegawai bagian kredit pada Coast Bank and Trust.
Berdasarkan pengalamannya selama bertahun-tahun ia memperkirakan bahwa
peluang seorang pemohon akan tidak mampu melunasi cicilan pinjamannya
adalah 0,025. Bulan lalu ia memberikan 40 pinjaman.
a. Berapa peluang 3 kredit akan macet?
b. Berapa peluang tidak ada kredit yang macet?

23
23
 c. Berapa peluang paling banyak 3 kredit akan macet?

2. Rata-rata banyaknya partikel radioaktif yang melewati suatu hitungan selama

1 ms dalam suatu percobaan di laboratorium adalah 4.
a. Berapa peluang 6 partikel melewati perhitungan dalam ms tertentu
b. Berapa peluang tidak ada partikel yang melewati perhitungan dalam ms
tertentu
c. Berapa peluang sebanyak-banyaknya 6 partikel melewati perhitungan
dalam ms tertentu.

3. Dalam suatu penelitian, 90% rumah di Amerika Serikat memiliki televisi

berwarna. Diambil suatu sampel yang terdiri dari 9 rumah, berapa probabilitas:
a. Semua rumah tersebut memiliki TV berwarna
b. Tidak ada rumah yang memiliki TV berwarna
c. Paling sedikit 5 rumah memiliki TV berwarna
d. Paling banyak 5 rumah memiliki TV berwarna

4. Sebuah antrian terhadap lajur antrian pembayaran pasar swalayan Safeway

menunjukkan bahwa, selama periode tertentu jam sibuk, rata-rata hitung
jumlah pelanggan yang menunggu adalah 4. Berapa probabilitas selama
periode itu:
a. Tak seorang pun menunngu
b. Empat pelanggan menunggu
c. Empat pelanggan atau kurang sedang menunggu
d. Empat pelanggan atau lebih sedang menunggu

24
24
 BAB V
DISTRIBUSI PELUANG NORMAL

Tujuan
Mahasiswa mampu memahami beberapa sifat distribusi peluang kontinu,
yaitu distribusi normal melalui pengamatan terhadap distribusi normal dengan
memakai software.

Dasar Teori
Distribusi normal dipengaruhi oleh nilai  dan  . Bila x adalah peubah
acak normal dengan rata-rata  dan varians 2 , maka fungsi kepadatan peluang:
1
f ( x)  e  ( x  ) / 22
2

22
8.2.1 Sifat-sifat Distribusi Normal
1. Mempunyai dua parameter yaitu rata-rata  dan standar deviasi 
2. Titik tertinggi kurva berada pada rata-rata
3. Lebar kurva ditentukan oleh , makin kecil  bentuk kurva makin runcing
4. Bentuk kurva simetris (mean, median dan modus sama)
5. Total luas daerah di bawah kurva adalah satu.
8.2.2 Distribusi Normal Baku (Standar)
Distribusi normal baku adalah distribusi yang memiliki   0 dan   1 , dimana:
x 
z

z = banyaknya penyimpangan baku
x = nilai peubah acak
 = rata-rata distribusi normal
 = standar deviasi distribusi normal

Jika nilai z berada pada interval a dan b, maka peluangnya dapat

ditentukan sebesar:
P ( a  z  b ) = area di sebelah kiri b – area di sebelah kiri a

= P ( z  b ) - P( z  a )

8.3 Penggunaan SPSS untuk Distribusi Normal

Contoh 5.1:
Suatu mesin dispenser minuman ringan ditetapkan untuk mengeluarkan 7 ons
minuman ringan. Deviasi standarnya adalah 0,1 ons. Berapa probabilitas mesin
tersebut akan mengeluarkan minuman ringan paling banyak 7,25 ons per gelas

25
25
Penyelesaian:
Untuk menghitung peluang mesin tersebut akan mengeluarkan minuman ringan
paling banyak 7,25 ons per gelas
1. Pertama definisikan nama variabel di Variable View
2. Dari menu Tranform > Compute Variabel
3. Pada kotak dialog Compute Variable, di kotak Target Variable masukkan
nama nama variable yang udah didefinikan. Pada Function Group ambil
CDF & Noncentral CDF. Pada Functions and Special Variable, ambil
Pdf.Norm.
Dengan μ = 7 , dan σ = 0.1
Kemudian isi bagian di bawah ini :

Gambar 5.1 Kotak Dialog Compute Variable

5. Klik OK muncul hasil perhitungan sebagai berikut:

Gambar 7.1 Keluaran Peluang mesin tersebut akan mengeluarkan

minuman ringan paling banyak 7,25 ons per gelas

Keterangan:
Peluang mesin tersebut akan mengeluarkan minuman ringan paling banyak 7,25
ons per gelas adalah 0.99379

26
26
Latihan 5.1
Suatu studi baru-baru ini tentang upah per jam awak pemeliharaan pesawat sebuah
maskapai penerbangan besar menunjukkan bahwa rata-rata hitung upah per jam adalah
$16,50, dengan standar deviasi $3,50. Jika dipilih seorang awak pemeliharaan tersebut
secara acak, berapa probabilitas :
a. Anggota awak pemeliharaan berpenghasilan antara $16,50 dan $20,00 per jam?
b. Anggota awak pemeliharaan berpenghasilan lebih dari $20,00 per jam?
c. Anggota awak pemeliharaan berpenghasilan kurang dari $15,00 per jam?
Hitunglah secara manual dan menggunakan S-Plus

27
27
 BAB VI
PENDUGAAN SELANG

Tujuan
Mahasiswa mampu menganalisa dan menaksir selang kepercayaan yang
dapat dihasilkan dari sejumlah data serta menyimpulkan keadaan dari analisa data
yang diperoleh.

Dasar Teori
Selang dimana suatu parameter populasi diharapkan akan berada disebut
dengan selang kepercayaan (Confidence interval). Sebagai contoh, selang keyakinan
untuk rata-rata populasi adalah selang yang memiliki probabilitas besar
mengandung rata-rata hitung populasi  . Dua selang interval yang sering
digunakan adalah 95% dan 99%. Selang keyakinan yang lain boleh saja
digunakan seperti 80%, 90%, atau bahkan suatu nilai seperti 87,6%.

 Selang kepercayaan untuk  ;  diketahui

Bila x rataan sampel acak berukuran n dari suatu populasi dengan varians 2
yang diketahui, maka selang kepercayaan (1  )100 % untuk  adalah:


 x  z/ 2
n
Dengan  adalah standar deviasi dan z / 2 menyatakan nilai z sehingga daerah di

sebelah kanannya mempunyai luas  / 2 .

 Selang kepercayaan untuk  ;  tidak diketahui

Bila x dan s adalah rataan dan simpangan baku dari suatu sampel acak dari
suatu populasi dengan varians 2 yang tidak diketahui, maka selang kepercayaan

(1  )100 % untuk  adalah:

s
 x  t/ 2,n1
n
t / 2 menyatakan nilai dari distribusi t, dengan derajat bebas n  1 sehingga

daerah di sebelah kanannya mempunyai luas  / 2 .

28
28
 Penggunaan SPSS untuk Selang Kepercayaan
a. Selang Kepercayan untuk Sampel Tunggal (Sampel Kecil)
Contoh 6.1
Seorang manajer perusahaan ingin mengestimasi rata–rata waktu yang dibutuhkan
seorang operator sebuah mesin untuk menyelesaikan sebuah pekerjaan. Untuk itu
dipilih 12 orang operator secara acak.
4.3 5.5 4.4 6.4
5.1 4.6 5.8 4.7
7.9 5.1 3.8 4.1

Carilah suatu nilai penduga (estimasi) untuk selang kepercayaan (SK) 95%.
Penyelesaian:
1. Masukkan data dalam kolom yang telah diberi nama variable
2. Pilih menu Analyze > Compare Means > One-Sample T Test
3. Muncul kotak diolag One-Sample T Test seperti pada Gambar 9.1. Pada
bagian Options, pada bagian Convidence Interval Percentage isi 95%

Gambar 6.1 Kotak Dialog One-Sample T Test

4. Klik OK. Sehingga muncul hasil perhitungan estimasi selang kepercayan 95%
seperti berikut:
One-Sample Test
Test Value = 0
95% Confidence Interval of the
Difference
t df Sig. (2-tailed) Mean Difference Lower Upper
WaktuOperator 15.573 11 .000 5.1417 4.415 5.868

Kesimpulan:
Kita percaya bahwa 95 % rata–rata populasi waktu yang dibutuhkan seorang
operator untuk menyelesaikan pekerjaannya berada pada selang waktu 4.415
sampai 5.868.

b. Selang Kepercayan Untuk Sampel Tunggal (Sampel Besar)

Contoh 6.2:
Sebuah supermarket di Jakarta meneliti umur pengunjung selama seminggu. Hasil
pencatatan dari 50 pengunjung dalam seminggu adalah sebagai berikut:

29
29
 20 22 23 30 35
16 32 15 41 33
51 60 30 17 28
70 61 25 26 28
18 19 22 18 18
41 37 35 36 35
31 15 14 12 19
60 62 33 41 47
13 17 39 35 42
19 20 21 28 38

Carilah suatu nilai penduga (estimasi) untuk selang kepercayaan (SK) 90%.
Penyelesaian menggunakan Ms.Excel:
1. Masukkan data dalam kolom satu, misalnya pada kolom A
2. Cari rata-rata dan standar deviasi dari data dengan menggunakan sintaks
=AVERAGE(A2:A51)
=STDEV.S(A2:A51)

rata2 std.s
30.960 14.348

3. Lalu mencari besarnya selisih selang kepercayaan untuk sampel besar dengan
menggunakan sintaks
=CONFIDENCE.NORM(0.1,D3,50)
Maka akan didapat hasil sebagai berikut:

Confident
rata2 std.s
Interval
30.960 14.348 3.338

4. Lalu dicari nilai batas bawah dan batas atas untuk mendapat selang
kepercayaan dengan
Batas bawah = rata2 – Confident Interval
Batas atas = rata2 + Confident Interval
Sehingga, didapat selang kepercayaan untuk umur pengunjung adalah sebagai
berikut:
Confident
rata2 std.s Lower Upper lower<=miu<=upper
Interval
30.960 14.348 3.338 27.622 34.298 27.622<=μ<=34.264

30
30
 Kesimpulan:
Kita percaya bahwa 90 % rata–rata umur pengunjung supermarket dalam
waktu seminggu berada pada selang 27,622 sampai 34.264 tahun.

Latihan 6.1:
1. Diketahui data penelitian mengenai kandungan karbon monoksida (mg) dalam
rokok yang dihasilkan pada 25 merek rokok adalah sebagai berikut:
13.6 16.6 23.5 10.2 5.4 15.0 9.0 12.3 16.3 15.4
13.0 14.4 10.0 10.2 9.5 1.5 18.5 12.6 17.5 4.9
15.9 8.5 10.6 13.9 14.9
Hitunglah:
a. 90 % SK untuk rata-rata kandungan karbon monoksida tersebut dan
interprestasikan hasilnya.
b. 98 % SK untuk rata-rata kandungan karbon monoksida tersebut dan
interprestasikan hasilnya.
Lakukan perhitungan secara manual dan dengan SPSS.
2. Diketahui data perkiraan rata–rata susu per rumah tangga per bulan dari
penduduk suatu kota adalah sebagai berikut :
22 41 35 45 32 37 30 26 34 16 31
33 38 31 47 37 25 43 34 36 29 33
39 31 33 31 37 44 32 41 19 34 47
38 32 26 39 30 42 35
Hitunglah estimasi SK untuk rata-rata konsumsi susu berdasarkan data di atas
pada tingkat kepercayaan 90 % dan 99 %, kemudian interprestasikan hasilnya.
Perhitungan menggunakan SPSS dan secara manual.

31
31
 BAB VII
PENGUJIAN HIPOTESIS SAMPEL TUNGGAL

Tujuan
Mahasiswa mampu memahami pengujian hipotesis untuk satu parameter
populasi dengan menggunakan uji z dan uji t.

Dasar Teori
Hipotesis pada dasarnya adalah anggapan yang mungkin benar dan sering
digunakan sebagai dasar pembuatan keputusan atau pemecahan persoalan atau untuk
dasar penelitian yang lebih lanjut.
Pengujian hipotesis statistik adalah prosedur yang memungkinkan keputusan
dapat dibuat, yaitu keputusan untuk menolak atau tidak menolak hipotesis yang
sedang dipersoalkan. Hipotesis yang akan diuji diberi simbol H0 (hipotesis nol) dan
langsung disertai dengan Ha (hipotesis alternatif). Ha akan secara otomatis
diterima, apabila H0 ditolak.

Jenis Kesalahan (Type Of Error)

Ada dua jenis kesalahan yang terjadi dalam pengujian hipotesis.
1. Kesalahan jenis I (type I error).
Menolak hipotesis nol padahal hipotesis nol itu benar.
2. Kesalahan jenis II (type II error)
Menerima hipotesis nol padahal hipotesis nol itu salah.
Dalam statistika, uji hipotesis dilakukan untuk membandingkan rata-rata
suatu populasi. Salah satu metode uji hipotesis adalah uji t dan uji z. Uji t
menggunakan statistik t, sedangkan uji z menggunakan statistik z. Uji t digunakan
apabila jumlah sampel tidak cukup besar (n < 30) dan standar deviasi (  )
populasi tidak diketahui. Sebaliknya, statistik z digunakan apabila jumlah sampel
besar (n  30) dan standar deviasi (  ) populasi diketahui. Kedua statistik dapat
digunakan apabila data mengikuti atau mendekati distribusi normal dengan
parameter tertentu. Bila tidak memenuhi asumsi, maka kedua uji tidak bisa
digunakan.
Uji Rata-rata Populasi dengan Sampel Kecil
Uji 1 arah Uji 2 arah
Hipotesis: Hipotesis:
H0 :   0 H0 :    0
Ha :  <  0
atau Ha :   0 Ha :   0
X  0
Statistik uji: t 
s
n

32
32
 Daerah penolakan: Daerah penolakan:
t  t ,n1 (atau t  t ,n1 ) t  t/ 2,n1 atau Pvalue < 
atau Pvalue < 

Uji Rata-rata Populasi dengan Sampel Besar

Uji 1 arah Uji 2 arah
Hipotesis: Hipotesis:

H0 :   0 H0 :   0
Ha :  < 0 atau Ha :   0 Ha : 
X  0 X0  0
Statistik uji: Z   
s
n n

Daerah penolakan: Daerah penolakan:

z  z (atau z   z ) z  z/ 2 atau Pvalue < 

atau Pvalue < 

Rumusan Hipotesis
 H0 :    0
Untuk menguji apakah rata-rata sampel  sama dengan rata-rata  0
yang
diberikan
 H0 :    0

Untuk menguji apakah rata-rata sampel  lebih dari atau sama dengan rata-
rata 0 yang diberikan

 H0 :    0

untuk menguji apakah rata-rata sampel  kurang dari atau sama dengan rata-
rata 0 yang diberikan

Penggunaan SPSS untuk Pengujian Hipotesis Sampel Tunggal

a. Pengujian Hipotesis Sampel Tunggal untuk Sampel Kecil
Contoh 7.1
Sebuah asrama putri menyatakan bahwa menerima rata-rata 6 orang mahasiswi
selama 2 tahun terakhir. Uji pernyatan tersebut pada taraf   0.05 . Jika diketahui
data penerimaan mahasiswi selama 24 bulan terakhir adalah sebagai berikut:
7 5 7 6 5 3 8 4
8 8 3 4 7 7 5 6
6 4 5 8 4 6 7 5
33
33
Penyelesaian dengan menggunakan SPSS:
1. Masukkan data dalam kolom pertama dengan jumlah_siswi

34
34
2. Klik Analyze > Compare Means > One-Sample T Test...Muncullah kotak
dialog One-Sample T Test seperti pada gambar di bawah ini

Gambar 7.1 Kotak Dialog One-Sample T-Test

3. Masukkan Jumlah_Siswi ke kotak Test Variable(s). Masukkan nilai Test

Values 6. Pada bagian Options, bagian Confidence Interval Percentage
masukkan nilai 95% (1-). Klik Continue.

Gambar 7.2 Kotak Dialog One-Sample T-Test: Options

5. Klik OK sehingga muncul hasil perhitungan pengujian hipotesis untuk

  0,05.
One-Sample Test
Test Value = 6
95% Confidence Interval of the
Difference

t df Sig. (2-tailed) Mean Difference Lower Upper

Jumlah_Siswi -.768 23 .450 -.250 -.92 .42

Gambar 7.3 Keluaran uji sampel kecil

Hipotesis:
H0 : rata-rata penerimaan mahasiswi = 6
Ha : rata-rata penerimaan mahasiswi  6
Daerah penolakan:

35
35
 Uji 2 arah:
Tolak H0 apabila t  t/ 2,n1 atau Pvalue < 
Kesimpulan:
Dari keluaran di atas diperoleh nilai P = 0.45, sedangkan taraf nyata yang diuji
adalah 0.05. Karena P = 0.45 >  = 0.05 , maka terima H0. Jadi dapat
disimpulkan bahwa sebuah asrama putri menerima rata-rata 6 orang
mahasiswi selama 2 tahun terakhir.
Kesimpulan yang sama juga akan diperoleh jika menggunakan statistik uji t.
H0 ditolak apabila t  t/ 2,n1 atau jika t bernilai negatif apabila t  t/ 2,n1 .

Untuk kasus ini, = 0.05 dan n = 24 diperoleh nilai t0.025,23  2.069. Karena
t  t0.025,23(0.77  2.069) maka terima H0.

b. Pengujian Hipotesis Sampel Tunggal untuk Sampel Besar

Contoh 7.2
Seorang dosen mengatakan berat badan rata-rata mahasiswa di universitas 150
pon. Seorang mahasiswi ingin menguji kebenaran kata-kata dosennya itu dengan
tingkat kepercayaan 95%. Dia mengambil sampel acak 40 mahasiswa dan
beratnya:
128 138 135 164 165 150 144 132 157 144
125 149 145 152 140 154 156 153 119 148
136 163 147 176 147 135 142 150 145 173
135 142 138 126 140 161 146 168 198 146

Penyelesaian menggunakan Ms. Excel:

1. Masukkan data dalam kolom, misalnya pada kolom A1
2. Carilah nilai standar deviasi dengan menggunakan sintaks
= STDEV.S(A2:A41)
3. Lalu mencari nilai peluang dari dari uji-Z dengan menggunakan sintaks
= 2 * MIN(Z.TEST(array,x,sigma), 1 - Z.TEST(array,x,sigma))
=2 * MIN(Z.TEST(A2:A41,150, D1), 1 - Z.TEST(A2:A41,150, D1))
Hasil nya seperti pada gambar di bawah ini
Standar deviasi
15.274
sampel
z.test (p-value) 0.362

Hipotesis:
H0 : rata-rata berat badan mahasiswa = 150
Ha : rata-rata berat badan mahasiswa  150
Daerah penolakan:
Uji 2 arah: Tolak H0 apabila
36
36
z  z/ 2 atau Pvalue < 

37
37
 Kesimpulan:
Dari keluaran di atas diperoleh nilai P = 0.36, sedangkan taraf nyata yang diuji
adalah 0.05. Karena P = 0.36 >  = 0.05 , maka terima H0. Jadi pernyataan
dosen yang menyatakan berat badan rata-rata mahasiswa 150 pon adalah benar.
Kesimpulan yang sama juga akan diperoleh jika menggunakan statistik uji z.
H0 ditolak apabila z  z  / 2 atau jika z bernilai negatif apabila z   z  / 2 .

Untuk kasus ini,  = 0.05 maka diperoleh nilai z 0 .025   1 .96 . Karena

z   z 0 .025 (  0 .91   1 .96 ) maka terima H0.

Latihan 7.1

1. Ada pendapat yang menyatakan bahwa rata-rata upah karyawan perusahaan

sebesar Rp. 400 ribu dengan alternatif tidak sama dengan itu. Untuk menguji
pendapat itu, dilakukan penelitian terhadap 10 orang karyawan, dan diperoleh
jawaban bahwa upahnya sebagai berikut (dalam ribuan rupiah).
405 415 420 390 425 395 430 435 410 420
a. Dengan menggunakan   1 %, ujilah pendapat tersebut. Lakukan

perhitungan secara manual dan menggunakan SPSS

b. Berilah kesimpulan.
2. Ada pendapat yang menyatakan bahwa rata-rata kelahiran bayi di berbagai
daerah tingkat II di Jakarta selama periode 1955–1995 tidak lebih dari 33,5.
Untuk menguji pendapat ini, Biro Pusat Statistik Jakarta memilih secara acak
75 daerah.
32,5 34,8 32,8 39,8 32,4 27,8 33,1 35,8
34.2 18.5 40.6 32.9 34.2 37.3 27.3 29.8
20.7 31.2 32.4 27.8 35.1 25.7 37.4 39.7
44.3 32.0 18.2 40.7 34.5 37.6 28.6 33.8
42.0 43.2 35.8 32.5 30.0 36.0 36.2 33.1
36.5 31.6 31.6 15.8 39.0 27.2 29.7 42.8
33.1 43.1 43.1 43.1 35.0 34.5 33.3 27.6
30.6 29.6 13.0 36.1 30.1 41.7 43.7 37.5
41.2 38.7 20.6 42.9 38.5 37.6 36.8 38.8
30.2 32.2 33.4
a. Dengan tingkat kepercayaan 90%. Ujilah pendapat tersebut.
Lakukan perhitungan secara manual dan menggunakan SPSS
b. Berilah kesimpulan.

38
38
Latihan 7.2:
1. Ruang perawatan pasca bedah di rumah sakit St.Luke di Maumee, Ohio baru-
baru ini diperluas dengan harapan dapat menampung rata-rata lebih dari 25
penderita setiap hari. Sebuah sampel acak terdiri dari 15 hari mengungkapkan
jumlah penderita sebagai berikut:
24 19 25 22 29 30 21 26 35 27
24 17 23 28 25
Pada taraf nyata 0.04, dapatkah kita menarik kesimpulan bahwa rata-rata
hitung jumlah penderita per hari lebih dari 25?

39
39
 BAB VIII
PENGUJIAN HIPOTESIS DUA SAMPEL

Tujuan
Mahasiswa mampu memahami pengujian hipotesis untuk parameter
populasi berdasarkan dua buah sampel.

Dasar Teori
a. Uji Rata-rata Dua Sampel yang Saling Bebas untuk Sampel Kecil
Uji hipotesis dengan menggunakan uji t dapat dilakukan untuk
membandingkan dua rata-rata hitung sampel sehingga bisa ditentukan apakah
sampelnya diambil dari populasi-populasi normal dengan rata-rata yang sama.
Untuk melakukan uji ini diperlukan tiga asumsi:
1. Populasi harus berdistribusi normal atau mendekati distribusi normal.
2. Kedua populasi harus independen
3. Varians populasi adalah sama ( 12   22 ), tetapi tidak diketahui
Prosedur Pengujian Hipotesis:
Uji 1 arah Uji 2 arah
Hipotesis: Hipotesis:

H0 : ( 1  2 )  D 0 H0 : ( 1  2 )  D 0
Ha : atau Ha : Ha :
( 1  2 )  D 0 ( 1  2 )  D 0 ( 1  2 )  D 0

( x1 x 2)D0
Statistik uji: t 
s2  1 
p
  1 
 n1 n 2 
dimana:

x1 : Rata-rata hitung sampel pertama

x 2 : Rata-rata hitung sampel kedua
n1 : Jumlah sampel pertama
n2 : Jumlah sampel kedua
s 2p : Penduga gabungan varians populasi
(n  1)(s 2 )  (n  1)(s 2 )
dengan: s 2p  1 1 2 2
n1 n 2 2
dimana:

s 12 : varians sampel pertama

40
40
 s 22 : varians sampel kedua
n1  n 2  1 adalah derajat bebas.
Daerah penolakan: Daerah penolakan:

41
41
 t  t ,n1 n2 2 (atau t  t ,n1n 2 2 ) t  t/ 2,n n 2 atau Pvalue < 
1 2

atau Pvalue < 

b. Uji Dua Sampel Berpasangan untuk Sampel Kecil

Langkah-langkah untuk pengujian hipotesis dua sampel yang saling bebas
dan dua sampel yang berpasangan pada dasarnya adalah sama, perbedaannya
terletak pada nilai statistik uji t.
Uji 1 arah Uji 2 arah
Hipotesis: Hipotesis:

H0 : ( 1  2 )  D 0 H0 : ( 1  2 )  D 0
Ha : atau Ha : Ha :
( 1  2 )  D 0 ( 1  2 )  D 0 ( 1  2 )  D 0

d D0 d D0
Statistik uji: t  
d sd
n n

di mana : d : rata-rata selisih antar 2 sampel

s d : standar deviasi selisih 2 sampel

( d ) 2
d 2  n
dengan: s d 
n 1

Daerah penolakan: Daerah penolakan:

t  t ,n1 (atau t  t ,n1 ) t  t/ 2,n1 atau Pvalue < 
atau Pvalue < 

Penggunaan SPSS untuk Pengujian Hipotesis Dua Sampel

a. Uji t Dua Sampel yang Saling Bebas Menggunakan SPSS
Contoh 8.1 :
Manager Penjualan PT. Duta Makmur ingin mengetahui apakah ada perbedaan
prestasi penjualan roti rasa durian berdasarkan tingkat pendidikan salesman.
Pendidikan Sales Rasa Durian
Sarjana 300
Sarjana 320
Sarjana 324
Sarjana 315
Sarjana 400
Sarjana 420
Akademi 42 398
Akademi 42 375
Akademi 364
 Akademi 325
Akademi 410
Akademi 425
Penyelesaian :
1. Masukkan data dalam cell
2. Klik Variable View, masukkan variabel yang dibutuhkan seperti yang terlihat
pada Gambar 9.1.

Gambar 8.1 Variabel View untuk Data Penjualan

3. Klik Data, input data ke dalam jendela Editor, pada variabel Salesman
masukkan data sesuai kode berikut:
1 = salesman-sarjana
2 = salesman-akademi
Catatan: Perhitungan dalam SPSS selalu untuk tipe data numerik. Untuk itu,
variabel salesman harus dijadikan numerik.
4. Dari menu utama, pilih Analyze > Compare Means > Independent-Samples
T Test. Muncul kotak dialog Gambar 8.2.

Gambar 8.2 Kotak Dialog Independent Samples T Test

5. Masukkan variabel Durian pada Test Variable(s).
6. Grouping Variable, pengelompokan ada pada variabel Salesman, maka
masukkan variabel Salesman.
7. Klik pada Define Group, seperti Gambar 8.3.

Gambar 8.3 Kotak Dialog Define Groups

 Untuk Group 1 isi dengan 1, yang berarti berisi tanda 1 atau ”salesman-
sarjana”.

40
40
  Untuk Group 1 isi dengan 2, yang berarti grup berisi tanda 2 atau
“salesman-akademi”.
8. Setelah selesai, pilih Continue > OK maka keluarannya sebagai berikut:

Kesimpulan:
Dengan 0.05 untuk kasus di atas diketahui nilai t-tabel adalah -1.812. Karena pada
keluarannya diperoleh t-hitung = -1.439 > t-tabel = -1.812 maka terima H0. Jadi
dapat disimpulkan bahwa tidak terdapat perbedaan antara prestasi penjualan roti
durian dengan tingkat pendidikan salesman.
Catatan: Penarikan kesimpulan pengujian hipotesis dengan software SPSS
menggunakan statistik uji t, karena output SPSS tidak menampilkan P-value.

b. Uji t Dua Sampel yang Berpasangan Menggunakan SPSS

Contoh 8.2:
Produsen Obat diet ingin mengetahui apakah obat yang diproduksinya
mempunyai efek terhadap penurunan berat badan konsumen. Sebuah sampel yang
terdiri dari 10 orang masing-masing diukur berat badannya, kemudian setelah
sebulan meminum obat tersebut, kembali diukur berat badannya.Ujilah pada taraf
nyata sebesar 10% apakah obat diet tersebut berpengaruh terhadap penurunan
berat badan.
No Sebelum Sesudah No Sebelum Sesudah
1 76.85 76.22 6 88.15 82.53
2 77.95 77.89 7 92.54 92.56
3 78.65 79.02 8 96.25 92.33
4 79.25 80.21 9 84.56 85.12
5 82.65 82.65 10 88.25 84.56

Penyelesaian:
1. Masukkan data dalam cell.

41
41
2. Dari menu utama, pilih Analyze > Compare-means > Paired-Samples T test.
3. Pindahkan variabel sebelum dan sesudah ke kotak Paired variables dengan
mengklik dua kali pada variabel tersebut (lihat Gambar 8.4).

Gambar 8.4 Kotak Dialog Paired-Samples T Test

4. Klik OK, maka hasilnya sebagai berikut:

Hipotesis:
H0 :  sebelum   sesudah
=0
Ha : sebelum  sesudah 0

Hipotesis awal (H0) mengatakan bahwa rata-rata berat badan sebelum minum obat
sama dengan rata-rata berat badan sesudah minum obat. Sebaliknya, Hipotesis
alternatif mengatakan bahwa rata-rata berat badan sebelum minum obat tidak
sama dengan rata-rata berat badan sesudah minum obat
Daerah penolakan:
Uji 2 arah:
Tolak H0 apabila t  t/ 2,n1 atau Pvalue < 

42
42
H0 ditolak apabila t  t/ 2,n1 atau jika t bernilai negatif apabila t  t/ 2,n1 .
Kesimpulan:
Dari keluaran di atas diperoleh nilai statistik uji t = 1.646. Dengan taraf nyata
sebesar 10 % dan derajat bebas n  1  10  1  9 , diperoleh t/ 2,n1  t0.05,9  1.833.
Karena t  t0.05,9 (1.646 1.833) maka terima H0. Jadi dapat disimpulkan bahwa

tidak ada perbedaan antara berat badan konsumen sebelum dan sesudah meminum
obat diet. Yang berarti bahwa obat diet tersebut tidak mempunyai efek untuk
menurunkan berat badan.

Latihan 8.1:
1. Manajer penjualan PT. Duta Makmur ingin mengetahui apakah ada perbedaan
prestasi penjualan Roti Kacang berdasarkan Gender Salesman. Berikut
datanya:
Jumlah Roti Kacang yang
Gender terjual
Pria 234
Pria 220
Pria 281
Pria 256
Pria 238
Pria 210
Pria 310
Wanita 250
Wanita 245
Wanita 220
Wanita 287
Wanita 254
Ujilah data di atas menggunakan SPSS dengan level toleransi sebesar 5% dan
interpretasi hasilnya
2. Untuk menghadapi persaingan dengan perusahaan roti lain, roti produksi PT.
Duta Makmur yang selama ini dikemas secara sederhana akan diubah
kemasannya. Untuk itu pada 15 daerah penjualan yang berbeda, dilakukan
pengamatan dengan mencatat penjualan Roti dengan kemasan lama (kemasan
1), kemudian kemasan diganti dengan kemasan yang lebih atraktif (kemasan
2), dan kemudian dicatat tingkat penjualan roti dengan kemasan yang baru
pada 15 daerah yang sama.
daerah kemasan 1 kemasan 2 daerah kemasan 1 kemasan 2
1 23 26 9 24 22
2 30 26 10 26 25

43
43
 3 26 29 11 22 24
4 29 28 12 24 26
5 31 30 13 27 29
6 26 31 14 22 28
7 28 32 15 26 23
8 29 27

Dengan data yang ada, apakah pengubahan kemasan membuat rata-rata

penjualan roti menjadi berbeda. Uji pada taraf keberartian 1% serta
interpretasikan hasilnya.
Lakukan perhitungan secara manual dan menggunakan SPSS

Latihan 8.2
Sejumlah kecelakaan kecil mobil terjadi pada berbagai persimpangan jalan
berisiko tinggi di daerah Teton meskipun dipasang lampu-lampu lalu lintas. Pihak
DLLAJR berpendapat bahwa modifikasi dalam jenis lampu akan mengurangi
kecelakaan-kecelakaan ini. Pejabat kota setuju untuk melakukan suatu percobaan
yang diusulkan. Delapan persimpangan jalan dipilih secara acak, dan lampu-
lampu di persimpangan-persimpangan tersebut dimodifikasi. Uji dengan taraf
nyata 0,01. Jumlah kecelakkan yang tercatat selama enam bulan sebelum dan
sesudah modifikasi adalah:
Sebelum modifikasi : 5 7 6 4 8 9 8 10
Sesudah modifikasi : 3 7 7 0 4 6 8 2
Selesaikan secara manual dan menggunakan SPSS

44
44
 BAB IX
REGRESI LINIER SEDERHANA

Tujuan
Mahasiswa mampu menganalisa relasi antara dua variabel melalui metode
statistika sederhana yaitu scatter plot, regresi dan korelasi.

Dasar Teori
a. Regresi Linear Sederhana
Suatu persamaan dikembangkan untuk menyatakan hubungan antara dua
variabel dan memperkirakan nilai variabel tak bebas Y berdasarkan variabel bebas
X. Suatu teknik yang digunakan untuk membangun suatu persamaan garis lurus
dan menemukan nilai perkiraannya disebut analisis regresi. Dan persamaan garis
lurus tersebut dinamakan persamaan regresi.
Bentuk umum dari persamaan regresi adalah:
Yˆ  a  bX
dimana:
Yˆ : nilai prediksi dari variabel Y berdasarkan nilai variabel X yang dipilih.
a : titik potong (intercept) Y. Merupakan nilai perkiraan bagi Y ketika X = 0.
atau a adalah nilai perkiraan bagi Y ketika garis regresi memotong sumbu
X 0
b : kemiringan garis, atau perubahan rata-rata Yˆ untuk setiap unit perubahan
pada variabel bebas X.
X : sembarang nilai variabel bebas yang dipilih.
Rumus untuk b dan a adalah:

b 
 X Y   X Y 
n i i i i Y  bX i i
a
n X    X 
2 2
i i
n n

b. Korelasi
Analisis korelasi adalah teknik statistika yang digunakan untuk mengukur
keeratan hubungan (korelasi) antara dua objek. Salah satu ukuran untuk menyatakan
keeratan hubungan adalah koefesien korelasi. Koefesien bernilai antara -1 sampai
1. Rumus untuk koefesien korelasi adalah:

r 
X Y X  Y 
n i i i i

[n( X )  ( X ) ][n( Y )  ( Y )
2 2 2 2
]
i i i i

Penggunaan SPSS untuk Regresi Linier Sederhana

Contoh 9.1 :

45
45
PT. Cemerlang dalam beberapa bulan gencar mempromosikan sejumlah peralatan
elektronik dengan membuka outlet-outlet di berbagai daerah. Berikut adalah data
mengenai penjualan dan biaya promosi yang dikeluarkan di 15 daerah di
Indonesia.
Sales (juta
Daerah Promosi (juta Rupiah)
Rupiah)
Jakarta 205 26
Tangerang 206 28
Bekasi 254 35
Bogor 246 31
Bandung 201 21
Semarang 291 49
Solo 234 30
Yogya 209 30
Surabaya 204 24
Purwokerto 216 31
Madiun 245 32
Tuban 286 47
Malang 312 54
Kudus 265 40
Pekalongan 322 42

a. Tentukan persamaan regresinya dan berilah kesimpulan.

b. Bentuk diagram pencarnya (Scatter Plot).
Penyelesaian :
1. Untuk membuat diagram pencar (scatter plot), pilih menu Graphs – Scatter.
Klik pilihan Define, masukkan variabel “Sales“ ke kotak Y axis dan
masukkan variabel “Promosi“ ke kotak X Axis. Selanjutnya klik OK. Untuk
menunjukkan garis regresinya, double klik pada gambar tersebut sehingga
muncul Chart Editor. Klik pada gambar dan isikan nilai intercept dan
slopenya. Klik OK

46
46
 320.00

300.00
Sales (Juta Rupiah)

280.00

260.00

240.00

220.00

200.00
20.00 40.00 60.00
Promosi (Juta Rupiah)

Gambar 9.1 Diagram Pencar

2. Klik menu Analyze > Regression > Linier sehingga muncul Gambar 9.1
3.

Gambar 9.2 Kotak Dialog Linier Regression

Pengisian Kotak Dialog :

o Dependent (variabel tak bebas) adalah variabel yang akan diprediksi.
Masukkan variabel sales pada kota Dependent.
o Independent(s) (variabel bebas). Masukkan variabel promosi dalam
kotak Independent(s).
o Case Labels (keterangan pada kasus). Karena kasus yang didasarkan pada
daerah-daerah maka masukkan variabel daerah pada kotak Case Labels.
o Method atau cara memasukkan seleksi variabel.
o Untuk melengkapi hasil analisis seperti jenis statistik, grafik (plot residual
dan sebagainya) dapat dilakukan melalui tombol Statistics dan Graphs.

47
47
 o Block; digunakan apabila akan menganalisis dan membuat model lebih
dari satu kali.
o Selection Variable; digunakan untuk memilih dasar model dengan aturan
tertentu yang diatur dalam rule.
Catatan: Untuk menyimpan peubah-peubah baru hasil analisis dapat
dilakukan melalui tombol Save.
4. Klik OK maka hasilnya sebagai berikut.

48
48
Gambar 9.2 Keluaran Regresi dengan SPSS
Keterangan:
Dari keluaran di atas dapat diketahui bahwa nilai intercept atau a = 111.253
dengan slope atau b = 3.891. Sehingga persamaan regresinya adalah:
Ý = a + bX
Ý = 111.253 + 3.891 (X)
Dengan koefesien korelasi R = 0.916, yang berarti ada hubungan yang erat antara
penjualan dengan biaya produksi. Dimana nilai determinasi R2 = 0,839
menyatakan bahwa 83.9 % keragaman data promosi produksi disebabkan oleh
banyaknya penjualan dan selebihnya dipengaruhi oleh faktor lain yang tidak
dimasukkan ke dalam model.
Hasil uji F dapat dilihat pada tabel ANOVA. Terlihat bahwa signifikansi
pengujian (Sig.) = 0,000. Dengan menggunakan  = 0,05 , karena nilai Sig <  ,
maka hipotesis nol ditolak. Hal ini berarti bahwa promosi berpengaruh terhadap
penjualan produksi tersebut.

Menampilkan Data dan Garis Regresi

Untuk menampilkan plot dari garis regresi dapat dilakukan dengan cara:
1. Pada langkah di atas jangan mengklik OK terlebih dahulu, tapi lanjutkan
dengan mengklik Save dan muncul kotak dialog seperti pada Gambar 12.3.

Gambar 12.3 Kotak Dialog Save

49
49
2. Tandai Unstandardized pada kotak Predicted Values, kemudian pilih
Continue.
3. Klik OK, kemudian pada data editor secara otomatis akan ditampilkan peubah
baru (Pre_1) yaitu data hasil prediksi berdasarkan model yang dipilih.
4. Pilih menu Graphs > Scatter > Simple > Define maka akan tampil kotak
dialog seperti pada Gambar 12.4:

Gambar 12.4 Kotak Dialog Simple Scatter Plot

5. Klik OK sehingga muncul tampilan scatter plot untuk regresi linear (lihat
Gambar 12.5).

Gambar 12.5 Plot Regresi Linear dengan SPSS

Latihan 9.1 :
1. Seorang Insinyur sedang berusaha menyelidiki hubungan antara suhu dengan
aktivitas Uranium di perusahaan tempatnya bekerja PT. Chernofillex, karena
itu dia melakukan pencatatan data selama beberapa hari di reaktor tempatnya
bekerja dengan cara mengutak-atik suhu reaksi dan mencatat aktivitas
Uranium dengan alat pengukur aktivitas radio aktif Geleger-mullesz dan didapat
hasil sebagai berikut :

50
50
 Suhu Aktivitas
50 45
60 65.5
70 70.4
80 85.3
90 97.5
100 110.6
110 122.5
120 135.3
130 147.5
140 160
150 172.5
160 185
170 197.5
a. Tentukan persamaan regresinya dan berilah kesimpulan.
b. Buatlah diagram pencar (scatter plot) antara aktivitas dan suhu.
c. Apakah ada hubungan yang signifikan antara suhu dan aktivitas Uranium.

51
51
 DAFTAR PUSTAKA

Anonim, 2005. S-Plus 7 Getting Started Guide for Windows. Insight Full
Corporation Seattle. Washington.

Hardle, 2000. X-plore Learning Guide. Springer. Berlin.

Mason, R. D., dan L. Douglas, 1999. Teknik Statistika untuk Bisnis dan Ekonomi
Jilid 1. Erlangga. Jakarta.

Nur, I., dan S. P. Astuti, 2006. Mengolah Data Statistik dengan Mudah
Menggunakan SPSS 14. Andi Offset. Yogyakarta.

Santoso, S., 2004. Buku Latihan SPSS Parametrik. Elex Media Komputindo.
Jakarta.

Supranto, J., 2000. Statistika Teori dan Aplikasi. Erlangga. Jakarta.

52
52