PENGENALAN SPSS
Memulai SPSS
Untuk memulai SPSS dapat digunakan dua cara yaitu :
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.
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.
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.
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.
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
6
Klik OK sehingga muncul tampilan seperti dibawah ini
a. Histogram
b. Boxplot
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.
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!
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 n1 1
2 Median xn xn
1
2 2 2
Modus
(x ) i
2
(x i )2
2 i1
i 1
N N
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
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
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.
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.
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
15
15
Lalu klik OK. Lalu akan muncul seperti gambar 3.9
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
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
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 :
18
18
Gambar 4.2 Keluaran Peluang tepat 3 orang diterima
Keterangan:
Peluang tepat 3 orang diterima sebagai pegawai disuatu perusahaan adalah
0,0559.
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
20
20
Gambar 4.6 Memasukkan nilai
7. Klik OK, lalu akan tampak keluaran seperti gambar di bawah ini
Keterangan:
Peluang tepat 3 orang diterima sebagai pegawai disuatu perusahaan adalah
0.005586
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
7. Klik OK, lalu akan tampak keluaran seperti gambar di bawah ini
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 :
Keterangan:
Peluang tidak ada telepon yang masuk adalah 0.00248.
22
22
Gambar 4.13 Kotak Dialog Compute Variable
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?
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 ) / 22
2
22
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
= P ( z b ) - P( z a )
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 :
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%.
x z/ 2
n
Dengan adalah standar deviasi dan z / 2 menyatakan nilai z sehingga daerah di
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%
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.
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.
32
32
Daerah penolakan: Daerah penolakan:
t t ,n1 (atau t t ,n1 ) t t/ 2,n1 atau Pvalue <
atau Pvalue <
H0 : 0 H0 : 0
Ha : < 0 atau Ha : 0 Ha :
X 0 X0 0
Statistik uji: Z
s
n n
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
34
34
2. Klik Analyze > Compare Means > One-Sample T Test...Muncullah kotak
dialog One-Sample T Test seperti pada gambar di bawah ini
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,n1 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,n1 atau jika t bernilai negatif apabila t t/ 2,n1 .
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.
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
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:
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 ,n1n 2 2 ) t t/ 2,n n 2 atau Pvalue <
1 2
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
( d ) 2
d 2 n
dengan: s d
n 1
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.
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.
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).
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,n1 atau Pvalue <
42
42
H0 ditolak apabila t t/ 2,n1 atau jika t bernilai negatif apabila t t/ 2,n1 .
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,n1 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
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 bX 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
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
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)
2. Klik menu Analyze > Regression > Linier sehingga muncul Gambar 9.1
3.
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.
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:
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.
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.
52
52