Aplikasi Komputer Using SPSS 2018-2
Aplikasi Komputer Using SPSS 2018-2
Halaman 1 of 68
Halaman 2 of 68
Review:
Beberapa Konsep Dasar
Statistika
Oleh:
PENDAHULUAN [1]
Halaman 3 of 68
PENDAHULUAN [2]
PENDAHULUAN [3]
Halaman 4 of 68
PENDAHULUAN [4]
Halaman 5 of 68
VARIABEL DAN SKALA
PENGUKURANNYA [2]
Halaman 6 of 68
VARIABEL DAN SKALA
PENGUKURANNYA [4]
10
Halaman 7 of 68
POPULASI DAN SAMPEL [2]
11
populasi dirumuskan: xi / N
i 1
n
Sampel dirumuskan x xi / n
i 1
12
Halaman 8 of 68
UKURAN PEMUSATAN [2]
UKURAN PENYEBARAN
i 1
n
Sampel : s ( x x)
i 1
i
2
/(n 1)
14
Halaman 9 of 68
PENGUJIAN HIPOTESIS [1]
16
Halaman 10 of 68
PENGUJIAN HIPOTESIS [3]
17
Halaman 11 of 68
PENGUJIAN HIPOTESIS [5]
19
Daerah
No Ho Uji Statistik Ha
Kritis
x 0
Z < o Z Z
= o / n
1 > o Z Z
diketahui ≠ o Z Z /2
t t
= o x 0 < o
t t t
2 Tidak s/ n > o
≠ o t t / 2
diketahui
20
Halaman 12 of 68
PENGUJIAN HIPOTESIS [7]
Uji Rata-rata Dua sampel
Daerah
Ho Uji Statistik Ha Kritis
( x1 x1 ) d 0 1 - 2 < d0
Z Z Z
1 - 2 = d0 ( 12 / n 1 ) ( 2
2 / n2 )
1 - 2 > d0 Z Z
1 dan 2 diketahui 1 - 2 ≠ d0 Z Z /2
( x1 x1 ) d 0
1 - 2 = d0 t 1 - 2 < d0 t t
sp (1 / n 1 ) (1 / n 2 )
1 - 2 > d0 t t
tidak diketahui
1 - 2 ≠ d0
1 2
v n1 n 2 2
t t / 2
21
( n 1 1) s 12 ( n 2 1) s 22
s 2p
n1 n 2 2
1 - 2 = d0 t'
( x1 x1 ) d 0 1 - 2 < d0 t t
( s 12 / n 1 ) ( s 22 / n 2 )
1 - 2 > d0 t t
dan tidak diketahui
1 - 2 ≠ d0 t t
1 2
/2
22
Halaman 13 of 68
PENGUJIAN HIPOTESIS [9]
Uji Rata-rata Dua sampel
Daerah
Ho Uji Statistik Ha Kritis
( s 12 / n 1 s 22 / n 2 ) 2
v
( s 12 / n 1 ) 2 (s 2 / n2 )2
2
n1 1 n2 1
d d0
0 = d0 t 0 < d0 t t
sd0 n
v n 1 0 > d0 t t
Pengamatan berpasangan
0 ≠ d0 t t /2
23
24
Halaman 14 of 68
ANALISIS VARIANS [2]
i 1,2,..., p;
j 1,2,...ni
25
Tabel ANOVA
Sumber db JK KT Fhit
Keragaman
Perlakuan P-1 JKperl KTperl ....
Total np - 1 JKtot
26
Halaman 15 of 68
ANALISIS VARIANS [4]
Interpretasi:
Jika Fhit > Ftabel, maka tolak Ho, sebaliknya
terima Ho.
Ho : 1 2 ... p 0
H1 : palingsedikitsepasang ; i j , (i j )
27
Data kategori: bandingkan proporsi antar Data Kontinu: bandingkan rata-rata antar
kelompok kelompok
Halaman 16 of 68
Regresi Linear [1]
Suatu model yang menggambarkan hubungan
fungsional antara rata-rata populasi dengan salah
satu variabel, maka disebut model regresi
Bila model mempunyai hubungan fungsional dengan
hanya satu variabel bebas, maka disebut regresi
linear sederhana.
Model: yx x
29
Digunakan yi a bxi ei
Nilai a dan b sebagai penduga bagi dan β diperoleh berdasarkan
data sampel acak dengan metode Kuadrat Terkecil
30
Halaman 17 of 68
Korelasi [1]
Model regresi memberikan bagaimana bentuk
hubungan antara rata-rata variabel acak Y dengan
variabel X. Korelasi membicarakan keeratan
hubungan linear antara dua variabel X dan Y
Hubungan linear antara variabel X dan Y diukur
dengan “koefisien korelasi ” yang dirumuskan
sebagai
N
( xi x )( yi y )
i 1
N
2
N
2
( xi x ) ( yi y )
i 1 i 1
31
Korelasi [2]
Perlu dicatat bahwa adanya hubungan korelasi belum
tentu merupakan hubungan sebab akibat (cause and
effect). Tetapi, sebaliknya adanya hubungan sebab-
akibat, akan memperlihatkan hubungan korelasi
Halaman 18 of 68
BENTUK-BENTUK HUBUNGAN
33
34
Halaman 19 of 68
Halaman 20 of 68
Peranan Statistika Dalam Penelitian
(Oi Ei )
m 2
2
i 1 Ei
Oleh:
Dr. Yacob Ruru, M.Stats.
PENDAHULUAN [1]
Apa itu Statistika?
Dalam arti sempit, statistika dikenal
sebagai salah satu cabang ilmu
tentang pengumpulan, penyajian
dan analisis data
Namun sebenarnya cakupan
statistika jauh lebih luas lagi,
khususnya dalam penelitian.
2
Halaman 21 of 68
PENDAHULUAN [2]
Dalam penelitian, statistika sudah
berperan mulai pada tahap
perumusan masalah, perencanaan,
pengumpulan dan analisa data, serta
interpretasi dan penarikan kesimpulan
Selain dalam penelitian, statistika juga
banyak digunakan diberbagai bidang
ilmu untuk berbagai keperluan, mslnya
pada monitoring, evaluasi, dll.
3
PENDAHULUAN [3]
Apa itu penelitian?
Penelitian merupakan suatu proses
belajar yang terarah yang ditentukan
oleh tujuan dari penelitian tersebut.
Tujuan penelitian dapat dijabarkan
menjadi seperangkat pertanyaan yang
ingin dicari jawabannya melalui suatu
penelitian
4
Halaman 22 of 68
PENDAHULUAN [4]
Secara singkat, statistika berperan
dalam memberikan beberapa solusi
yang dapat membantu peneliti
memelihara upaya yang dilakukan
tetap berada pada jalur yang benar
Tanpa statistika, penelitian tetap dapat
dilakukan, namun dapat memberikan
kesimpulan yang salah.
5
Halaman 23 of 68
KETERBATASAN STATISTIKA [2]
3. Statistika tidak dapat menggantikan
fungsi penalaran yang digunakan
dalam suatu bidang ilmu, atau
penelaahan khusus pada kasus-kasus
yang luar biasa.
4. Statistika tidak dapat menggantikan
fungsi pengukuran yang cermat, atau
pembuatan instrumen pengumpul data
dan teknik wawancara yang baik.
7
PENYALAH-GUNAAN STATISTIKA
1. Statistika digunakan untuk membenarkan
pendapat atau hipotesis tertentu, kalau
perlu dengan memanipulasi data/fakta yang
kurang mendukung hipotesis tersebut.
2. Statistika digunakan tanpa memperhatikan
persyaratan atau asumsi yang
mendasarinya, sehingga menghasilkan
kesimpulan yang keliru.
3. Statistika digunakan untuk mengelabui
konsumen
8
Halaman 24 of 68
PERANAN STATISTIKA DALAM
PERUMUSAN MASALAH
1. Perumusan masalah merupakan langkah
yang sangat penting dalam suatu penelitian
2. Beberapa bagian atau sebagian besar dari
masalah ini seringkali dapat diterjemahkan
dalam bahasa statistika dlm bentuk model.
3. Dalam penyusunan model statistika perlu
diperhatikan apakah penelitian yang
dihadapi bersifat deskriptif, sebab-akibat,
dan/atau prediktif.
9
Halaman 25 of 68
PERANAN STATISTIKA DALAM
PERENCANAAN PENELITIAN [2]
11
Halaman 26 of 68
PERANAN STATISTIKA DALAM
ANALISIS DATA [1]
Peranan statistika sangat menonjol dalam
tahap analisis data.
Pada dasarnya analsis statistika diarahkan
untuk menjawab seperangkat pertanyaan
yang telah diajukan sebelumnya
Berbagai teknik analisis telah tersedia,
tetapi pilihlah teknik yang Anda kuasai dan
yang memang sesuai dengan kebutuhan.
Hasil analisis dari teknik yang sederhana
biasanya lebih mudah ditafsirkan.
13
14
Halaman 27 of 68
PERANAN STATISTIKA DALAM
PENARIKAN KESIMPULAN
Penggunaan statistika yang benar
memungkinkan membuat generalisasi dari
kesimpulan yang dihasilkan.
Kesimpulan yang benar dari hasil analisis,
menolong peneliti dalam pengambilan
keputusan.
Dari lingkup populasi sasaran, rancangan
sampel/percobaan dan teknik analisis yang
digunakan akan dapat diketahui
keterbatasan hasil-hasil penelitian.
15
Halaman 28 of 68
Halaman 29 of 68
LAMPIRAN 1
UJI HIPOTESIS
Uji t untuk rata-rata satu sampel (One Sample T Test)
Uji hipotesis adalah bagian dari Statistika Inferensi yang digunakan untuk keperluan
pengambilan kesimpulan terhadap populasi berdasarkan informasi yang diperoleh dari sampel.
Pengujian satu sampel pada dasarnya ingin menguji apakah suatu nilai tertentu yang diberikan
sebagai pembanding berbeda secara nyata ataukah tidak dengan rata-rata sebuah sampel.
Contoh Kasus:
Suatu studi dilakukan terhadap 25 orang dari kota A yang telah meninggal karena usia lanjut
untuk mengetahui apakah usia harapan hidup masyarakat di kota tersebut berbeda dengan usia
harapan hidup secara nasional, yaitu 64 tahun. Data tentang umur ke-25 orang tersebut dicatat
pada saat meninggal dunia adalah seperti pada table berikut ini:
Prosedur Uji:
1. Tentukan hipotesis nol dan alternatifnya:
H0 : = 64 (rata-rata usia harapan hidup penduduk kota A sama dengan rata-
rata usia harapan hidup secara nasional)
H1 : ≠ 64 (rata-rata usia harapan hidup penduduk kota A tidak sama (berbeda
nyata) dengan rata-rata usia harapan hidup secara nasional)
Halaman 30 of 68
umur
1 76.65
2 83.24
3 63.12
4 67.61
5 74.23
6 64.53
7 84.19
8 65.27
9 63.93
10 73.27
11 67.29
12 58.35
13 72.92
14 85.55
15 63.76
16 67.33
17 59.00
18 69.29
19 75.26
20 73.32
21 83.76
22 70.31
23 65.52
24 68.96
25 65.78
Halaman 31 of 68
Output SPSS dan Analisisnya:
Berikut adalah output SPSS untuk uji t: One Saple T Test…
T-Test
One-Sample Statistics
Std. Error
N Mean Std. Deviation Mean
UMUR 25 70.4974 7.6732 1.5346
One-Sample Test
Test Value = 64
95% Confidence
Interval of the
Mean Difference
t df Sig. (2-tailed) Difference Lower Upper
UMUR 4.234 24 .000 6.4974 3.3301 9.6648
Halaman 32 of 68
BANDINGKAN HASILNYA DENGAN PROGRAM MINITAB 13.0
One-Sample T: umur
Test of mu = 64 vs mu not = 64
Variable 95,0% CI T P
umur ( 67,33; 73,67) 4,23 0,000
Histogram of umur
(with Ho and 95% t-confidence interval for the mean)
3
Frequency
0 _
Ho X
[ ]
60 70 80 90
umur
Halaman 33 of 68
LAMPIRAN 2
UJI HIPOTESIS
Uji t – untuk perbedaan rata-rata 2 sampel (Independent-Sample T Test)
Uji hipotesis untuk perbedaan 2 rata-rata populasi dapat dilakukan dengan asumsi bahwa
kedua sampEl berasal dari populasi yang berdistribusi normal. Disamping itu, individu-individu
dari kedua populasi adalah independent satu dengan lainnya. Pengujian dua sampEl pada
dasarnya ingin membandingkan perbedaan rata-rata dari kedua populasi.
Contoh Kasus:
Suatu penelitian dilakukan untuk menentukan apakah ada perbedaan kandungan besi antara
analisis kimia secar laboratorium dengan analisis pendar fluor sinar-x. Dua kelompok dengan
masing-masing lima sampel zat yang mengandung besi diuji. Berikut ini diberikan data yang
telah disandi yang menunjukkan analisis kandungan besi.
Sampel
Analisis
1 2 3 4 5
Sinar-X 2,0 2,0 2,3 2,1 2,4
Kimia 2,2 1,9 2,5 2,3 2,4
Bila dianggap populasinya normal, ujilah pada taraf keberartian 5% apakah kedua cara analsis
memberikan rata-rata hasil yang sama?
Prosedur Uji:
1. Tentukan hipotesis nol dan alternatifnya:
H0 : 1 = 2 (kedua cara analisis memberikan rata-rata kandungan besi sama)
H1 : 1 ≠ 2 (kedua cara analisis memberikan rata-rata kandungan besi berbeda)
2. Tentukan taraf signifikansi , yaitu sebesar 5%.
3. Karena varians populasi tidak diketahui, maka uji statistik yang digunakan adalah uji t.
Halaman 34 of 68
Pengolahan Data dengan SPSS
Langkah-langkahnya:
a. Buka lembat kerja/file dari data kasus diatas, atau kalau sudah terbuka ikuti
langkah berikut:
b. Dari baris menu pilih menu Analyze, kemudian pilih submenu Compare
Means.
c. Dari serangkaian pilihan test, sesuai kasus pilih Independent-Sample T Test…
d. Setelah kotak dialog box dari One Saple T Test terbuka, klik variable k_besi dan
klik tanda untuk memindahkannya ke kotak Test Variable(s).
e. Klik variable metode dan pindahkan ke kotak Grouping Variable, kemudia klik
Define Groups.. dan selanjutnya ketik 1 di kotak Group 1: dan 2 di kotak Group
2:
f. Karena taraf signifikansi yang dipilih adalah sebesar 5%, maka sebagai default,
SPSS akan menggunakan tingkat kepercayaan 95% (Confidence Interval), klik
options untuk mengeceknya,
g. Klik OK dan selanjutnya SPSS akan memprosesnya.
T-Test
Group Statistics
Std. Error
Metode Analisis N Mean Std. Deviation Mean
Kandungan Besi Sinar-X 5 21,40 1,52 ,68
Kimia 5 22,60 2,30 1,03
INTERPRETASI OUTPUT:
Halaman 35 of 68
Output Bagian Kedua (Independent Sample Test)
Pada bagian ini ada dua uji statistic, yaitu uji kesamaan varians yang diperlihatkan
pada kolom “Levene’s Test for Equality of Variances” (F=0,396; sig. =0,547) dan uji-t.
Karena hasil uji varians adalah sama, maka nilai t-hitung yang diambil adalah nilai yang
terletak pada baris pertama, yaitu t = -0,973 dengan sig.(2-tailed) = 0,369. Karena sig. >
=0,05, maka simpulkan, tidak perbedaan yang nyata kandungan besi antara metode
sinar-x dan metode kimia.
25
24
23
k_besi
22
21
20
19
1 2
metode
Halaman 36 of 68
LAMPIRAN 3
UJI HIPOTESIS
One Way ANOVA (Analysis of Variance)
Jika Uji t digunakan untuk pengujian dua sampel, maka uji F atau ANOVA digunakan
untuk pengujian dua atau lebih sampel. Asumsi-asumsi yang perlu diperhatikan pada pengujian
ANOVA adalah:
1. Sampel-sampel yang akan diuji haruslah berasal dari populasi-populasi yang berdistribusi
normal;
2. Sampel-sampel yang akan diuji adalah indpenden satu dengan yang lain.
Contoh Kasus:
Suatu studi dilakukan untuk membandingkan efektifitas suatu perlakuan yang diterapkan untuk
menolong seseorang untuk berhenti merokok. Satu kelompok perokok diberi perlakukan A,
kelompok kedua diberi perlakuan B, dan kelompok ketiga, kelompok C, tidak diberi perlakukan
(kelompok kontrol). Variabel dependen dari studi ini adalah banyaknya rokok yang dikonsumsi
selama masa perlakuan dijalankan. Ujilah perlakuan mana yang lebih efektif dalam mengurangi
konsumsi rokok.
Prosedur Uji:
1. Tentukan hipotesis nol dan alternatifnya:
H0 : 1 = 2 = 3 (rata-rata konsumsi rokok ketiga kelompok 1, 2, dan 3
adalah sama)
H1 : 1 ≠ 3 dan/atau 2 ≠ 3
2. Tentukan taraf signifikansi , yaitu sebesar 5%.
3. Jika hasil ANOVA menunjukkan ada perbedaan, lakukan uji lanjutan untuk mengetahui
apakah perlakuan A atau perlakuan B lebih efektif atau sebaliknya, gunakan Dunnet test.
Halaman 37 of 68
Analisis menggunakan SPSS
Pemasukan Data ke SPSS
Data yang ada diatas harus diubah formatnya jika akan digunakan dalam uji ANOVA
dengan SPSS sebagai berikut:
rokok kelompok
1 28 1
2 0 1
3 17 1
4 20 1
5 35 1
6 19 1
7 24 1
8 0 1
9 41 1
10 16 1
11 22 2
12 31 2
13 26 2
14 30 2
15 34 2
16 37 2
17 0 2
18 19 2
19 24 2
20 27 2
21 33 3
22 44 3
23 29 3
24 40 3
25 33 3
26 25 3
27 22 3
28 43 3
29 29 3
30 32 3
Halaman 38 of 68
d. Setelah kotak dialog box dari One-Way ANOVA terbuka, klik variable rokok
dan klik tanda untuk memindahkannya ke kotak Dependent List, dan variabel
kelompok dipindahkan ke kotak Factor;
e. Klik options, dan selanjutnya klik Descriptive dan Homogeneity-of-Variance
untuk menampilkan statistic deskriptifnya dan uji kesamaan varians;
f. Klik Post-Hoc, dan selanjutnya klik Dunnet untuk menampilkan uji keberartian
perbandingan (Dunnet digunakan karena ada kelompok kontrol);
g. Klik OK untuk memprosesnya.
Oneway
Descriptives
ROKOK
95% Confidence Interval for
Mean
N Mean Std. Deviation Std. Error Lower Bound Upper Bound Minimum Maximum
1 10 20.00 13.22 4.18 10.55 29.45 0 41
2 10 25.00 10.34 3.27 17.60 32.40 0 37
3 10 33.00 7.36 2.33 27.73 38.27 22 44
Total 30 26.00 11.57 2.11 21.68 30.32 0 44
ROKOK
Levene
Statistic df1 df2 Sig.
.858 2 27 .435
ANOVA
ROKOK
Sum of
Squares df Mean Square F Sig.
Between Groups 860.000 2 430.000 3.842 .034
Within Groups 3022.000 27 111.926
Total 3882.000 29
Halaman 39 of 68
Post Hoc Tests
Multiple Comparisons
Mean
Difference 95% Confidence Interval
(I) KELOMPOK (J) KELOMPOK (I-J) Std. Error Sig. Lower Bound Upper Bound
1 3 -13.00* 4.73 .020 -24.04 -1.96
2 3 -8.00 4.73 .178 -19.04 3.04
*. The mean difference is significant at the .05 level.
a. Dunnett t-tests treat one group as a control, and compare all other groups against it.
INTERPRETASI OUTPUT:
Halaman 40 of 68
ANALISIS MENGGUNAKAN MINITAB 13.0
45
40
35
30
25
rokok
20
15
10
kelompok
1
Halaman 41 of 68
LAMPIRAN 4
Analisis regresi adalah salah satu analisis statistik yang memanfaatkan hubungan antara
dua variable atau lebih. Dalam praktek, kerapkali kita ingin melihat ketergantungan suatu
variabel Y (yang biasanya disebut variabel dependen atau respons) pada satu atau lebih variabel
X1, X2, ..., Xk (yang biasa disebut variabel indpenden atau prediktor). Pada analisis regresi
sederhana, akan diamati hubungan/pengaruh satu variabel bebas X terhadap variabel tak bebas
Y. Model persamaan regressi populasinya adalah Y 0 1 X , dan persamaan ini akan
diestimasi dari data sampel dengan persamaan y b0 b1 x .
Contoh Kasus:
Judul Penelitian:
Pengaruh Curah Hujan terhadap Tingkat Polusi Udara di Kota A
Rumusan Masalah:
Apakah ada pengaruh curah hujan terhadap tingkat polusi udara di Kota A?
Tujuan Penelitian:
Untuk mengetahui apakah ada pengaruh curah hujan terhadap tingkat polusi udara di Kota A.
Analisis Data:
Analisis data menggunakan analisis regresi lnear sederhana (karena kedua variable berskala
interval/rasio).
Pengumpulan Data:
Data dikumpulkan dari hasil pengukuran yang dilakukan pada 9 titik secara random, kemudian
dirangkum dalam tabel berikut:
X, Curah Hujan Per Hari Y, Polusi Udara
No
(0,01 inchi) (microgram per m3)
1 4,3 128
2 4,5 121
3 5,9 116
4 5,6 118
5 6,1 114
6 5,2 118
7 3,8 132
8 2,1 141
9 7,5 108
Halaman 42 of 68
Prosedur Uji:
1. Tentukan hipotesis nol dan alternatifnya:
H0 : 1 = 0 (tidak ada pengaruh curah hujan terhadap tingkat polusi udara di Kota
A)
H1 : 1 ≠ 0 (ada pengaruh curah hujan terhadap tingkat polusi udara di Kota A)
2. Tentukan taraf signifikansi , yaitu sebesar 5%.
x y
1 4,3 128
2 4,5 121
3 5,9 116
4 5,6 118
5 6,1 114
6 5,2 118
7 3,8 132
8 2,1 141
9 7,5 108
Halaman 43 of 68
Output SPSS dan Analisisnya:
Berikut adalah output SPSS untuk Linear Regression…
Regression
b
Variables Entered/Removed
Variables Variables
Model Entered Removed Method
1 Curah a
. Enter
Hujan
a. All requested variables entered.
b. Dependent Variable: Polusi Udara
Model Summary
ANOVA b
Sum of
Model Squares df Mean Square F Sig.
1 Regression 788.071 1 788.071 147.166 .000 a
Residual 37.485 7 5.355
Total 825.556 8
a. Predictors: (Constant), Curah Hujan
b. Dependent Variable: Polusi Udara
a
Coefficients
Standardi
zed
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
1 (Constant) 153.761 2.747 55.975 .000
Curah Hujan -.640 .053 -.977 -12.131 .000
a. Dependent Variable: Polusi Udara
Halaman 44 of 68
INTERPRETASI OUTPUT:
Analysis of Variance
Source DF SS MS F P
Regression 1 788,07 788,07 147,17 0,000
Residual Error 7 37,48 5,35
Total 8 825,56
Halaman 45 of 68
LAMPIRAN 5
Analisis regresi adalah salah satu analisis statistik yang memanfaatkan hubungan antara
dua variable atau lebih. Dalam praktek, kerapkali kita ingin melihat ketergantungan suatu
variabel Y (yang biasanya disebut variabel dependen atau respons) pada satu atau lebih variabel
X1, X2, ..., Xk (yang biasa disebut variabel indpenden atau prediktor). Pada analisis regresi
sederhana, akan diamati hubungan/pengaruh satu variabel bebas X terhadap variabel tak bebas
Y. Model persamaan regressi populasinya adalah Y 0 1 X 2 X 2 ... n X n , dan
persamaan ini akan diestimasi dari data sampel dengan persamaan
y b0 b1 x b2 x 2 ... bn x n e .
Contoh Kasus:
Suatu penelitian dilakukan untuk mengetahui factor-faktor yang berpengaruh pada panjang bayi
(y). Diambil sample sebanyak 9 bayi, diukur panjangnya bersamaan dengan 4 variabel bebas
yang diduga sebagai faktor2 yang berpengaruh. Data selengkapnya dapat dilihat pada table
berikut:
Prosedur Uji:
1. Tentukan hipotesis nol dan alternatifnya:
H0 : 0 = 1 = 2 = 3 = 4 = 0 (tidak ada pengaruh keempat variabel bebas
terhadap panjang bayi)
H1 : j ≠ 0; (j = 0,1,2,3,4) (paling sedikit ada satu variabel bebas yang
berpengaruh tehrhapa panjang bayi)
2. Tentukan taraf signifikansi , yaitu sebesar 5%.
Halaman 46 of 68
Analisis Data menggunakan SPSS
Pemasukan Data ke SPSS
Data yang ada diatas dimasukkan ke dalam worksheet SPSS sebagai berikut:
No Y X1 X2 X3 X4
1 57,5 78 48,2 2,75 29,5
2 52,8 69 45,5 2,15 26,3
3 61,3 77 46,3 4,41 32,2
4 67,0 88 49,0 5,52 36,5
5 53,5 67 43,0 3,21 27,2
6 62,7 80 48.0 4,32 27,7
7 56,2 74 48,0 2,31 28,3
8 68,5 94 53,0 4,30 30,3
9 69,2 102 58,0 3,71 28,7
Model Summaryc
Halaman 47 of 68
ANOVAc
Sum of
Model Squares df Mean Square F Sig.
1 Regression 286,698 1 286,698 60,710 ,000a
Residual 33,057 7 4,722
Total 319,756 8
2 Regression 316,129 2 158,064 261,492 ,000b
Residual 3,627 6 ,604
Total 319,756 8
a. Predictors: (Constant), X1
b. Predictors: (Constant), X1, X3
c. Dependent Variable: Y
Coefficientsa
Standardi
zed
Unstandardized Coefficien
Coefficients ts Correlations
Model B Std. Error Beta t Sig. Zero-order Partial Part
1 (Constant) 19,128 5,420 3,529 ,010
X1 ,517 ,066 ,947 7,792 ,000 ,947 ,947 ,947
2 (Constant) 20,227 1,945 10,397 ,000
X1 ,412 ,028 ,755 14,687 ,000 ,947 ,986 ,639
X3 2,030 ,291 ,359 6,978 ,000 ,762 ,944 ,303
a. Dependent Variable: Y
Excluded Variablesc
Collinearit
y
Partial Statistics
Model Beta In t Sig. Correlation Tolerance
1 X2 -,898 a -4,004 ,007 -,853 9,319E-02
X3 ,359a 6,978 ,000 ,944 ,715
X4 ,225a 2,064 ,085 ,644 ,848
2 X2 ,520b 1,139 ,306 ,454 8,629E-03
X4 -,042 b -,558 ,601 -,242 ,383
a. Predictors in the Model: (Constant), X1
b. Predictors in the Model: (Constant), X1, X3
c. Dependent Variable: Y
INTERPRETASI OUTPUT:
Halaman 48 of 68
hubungannya dengan x1 dan x3 sebesar 98,5%, sedangkan sisanya sebesar 1,5% karena
factor lain.
Step 1 2
Constant 19,13 20,23
x1 0,517 0,412
T-Value 7,79 14,69
P-Value 0,000 0,000
x3 2,03
T-Value 6,98
P-Value 0,000
S 2,17 0,777
R-Sq 89,66 98,87
R-Sq(adj) 88,18 98,49
C-p 41,5 2,1
Halaman 49 of 68
LAMPIRAN 6:
ANALISIS KORELASI
Analisis (uji) korelasi adalah analisis statistik yang digunakan untuk menguji keeratan
hubungan antara dua variable x dan y. Kita mengenal uji korelasi produk momen dari Pearson
(Statistik Parametrik), dan uji korelasi peringkat dari Spearmen dan Kendall Tau, serta uji khi-
kuadrat untuk data nominal (Statistik Nonparametrik).
Uji korelasi Produk Momen dari Pearson dapat digunakan jika memenuhi asumsi normalitas
(kedua variable x dan y berasal dari populasi yang berdistribusi normal). Uji korelasi dari
Spearman dan Kendall Tau dapat digunakan jika asumsi normalitas tidak dipenuhi.
Contoh:
Data dikumpulkan dari hasil pengukuran yang dilakukan pada 9 titik secara random di Kota A,
kemudian dirangkum dalam tabel berikut:
X, Curah Hujan Per Hari Y, Polusi Udara
No
(0,01 inchi) (microgram per m3)
1 4,3 128
2 4,5 121
3 5,9 116
4 5,6 118
5 6,1 114
6 5,2 118
7 3,8 132
8 2,1 141
9 7,5 108
Prosedur Uji:
1. Tentukan hipotesis nol dan alternatifnya:
H0 : = 0 (ada hubungan yang berarti antara curah hujan dengan tingkat polusi
udara di Kota A)
H1 : ≠ 0 (tidak ada hubungan yang berarti antara curah hujan dengan tingkat
polusi udara di Kota A)
2. Tentukan taraf signifikansi , yaitu sebesar 5%.
x y
1 4,3 128
2 4,5 121
3 5,9 116
4 5,6 118
5 6,1 114
Halaman 50 of 68
6 5,2 118
7 3,8 132
8 2,1 141
9 7,5 108
Pengolahan Data dengan SPSS
1. Uji Normalitas
Sebelum menggunakan uji statistik produk momen dari Pearson (r), perlu
dilakukan pengujian asumsi nomrmalitas datanya, jika asumsi kenormalan tidak dipenuhi
Anda dapat menggunakan uji statistik nonparametrik (Spearmen atau Kendall Tau);
Langkah-langkah uji normalitas:
a. Buka lembat kerja/file dari data kasus diatas, atau kalau sudah terbuka ikuti
langkah berikut:
b. Dari baris menu pilih menu Analyze, kemudian pilih submenu Descriptive
Statistics;
c. Kemudian dari sub menu Descriptive Statistics, pilih Explore…;
d. Setelah kotak dialog box dari Explore terbuka, klik variable y dan klik tanda
untuk memindahkannya ke kotak Dependent List:, dan juga variabel x
dipindahkan ke kotak Dependent List:,
e. Kemudian klik Plots…, dan selanjutnya klik (untuk memberi tanda chek) pada
Normality plot with test,
f. Klik OK untuk memprosesnya.
Hasilnya:
Tests of Normality
a
Kolmogorov-Smirnov Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Curah Hujan .128 9 .200* .980 9 .958
Polusi Udara .201 9 .200* .945 9 .603
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
Interpretasi:
Uji hipotesis yang diuji adalah:
H0: Sampel data berasal dari populasi yang berdistribusi normal
H1: Sampel data tidak berasal dari populasi yang berdistribusi normal
Pada kedua uji statistik normalitas, baik Kolmogorov-Smirnov maupun Shapiro-
Wilk diperoleh p-value (sig.) > = 0,05 (taraf keberartian yang dipilih), maka
Hipotesis H0 tidak ditolak. Dengan demikian kedua variabel berasal dari populasi
yang berdistribusi normal.
2. Uji Korelasi
Setelah yakin kalau asumsi normalitas data dipenuhi, maka uji korelasi produk
momen Pearson dapat digunakan:
Langkah-langkah uji korelasi produk momen Perason:
1. Buka lembat kerja/file dari data kasus diatas, atau kalau sudah terbuka ikuti
langkah berikut:
Halaman 51 of 68
2. Dari baris menu pilih menu Analyze, kemudian pilih submenu Correlate;
3. Kemudian dari sub menu Correlate, pilih Bivariate;
4. Setelah kotak dialog box dari Bivariate Correlations terbuka, klik variable y dan
klik tanda untuk memindahkannya ke kotak Variabeles:, dan juga variabel x
dipindahkan ke kotak Variabeles:,
5. Kemudian klik (untuk memberi tanda chek) pada korelasi yang diinginkan, dalam
hal ini Pearson;
6. Klik OK untuk memprosesnya.
Hasilnya:
Correlations
Interpretasi:
Dari hasil Uji Korelasi diperoleh koefisien korelasi antara x dan y adalah r = -
0,977 dengan sig.(2-tailed) = 0,000. Hal ini menunjukkan bahwa ada hubungan yang
sangat berarti antara curah hujan dengan tingkat polusi udara. Hubungan ini bertanda
negatif, yang berarti jika curah hujan bertambah, maka tingkat polusi udara akan
berkurang.
LATIHAN:
Suatu penelitian dilakukan untuk mengetahui apakah ada hubungan yang berarti antara
status gizi dengan tekanan darah tinggi. Untuk itu diambil sampel sebanyak 43 orang
yang berusia di atas 45 tahun, kemudian diukur status gizi dan tekanan darahnya. Data
tersebut diringkas pada tabel berikut:
No x y No x y
1 23.9 80 23 25.0 100
2 21.9 60 24 25.4 100
3 21.6 90 25 28.0 100
4 27.6 80 26 32.0 100
5 24.6 70 27 26.3 90
6 29.0 100 28 24.4 80
7 27.7 80 29 28.3 80
8 25.9 70 30 29.3 100
9 30.2 100 31 26.9 100
10 21.1 80 32 20.2 90
11 19.0 80 33 28.8 100
12 23.6 100 34 25.2 110
Halaman 52 of 68
13 22.0 100 35 28.7 80
14 37.0 100 36 21.3 60
15 30.0 100 37 22.3 70
16 27.7 100 38 25.5 100
17 21.5 100 39 24.9 80
18 27.8 100 40 33.6 100
19 30.9 70 41 21.8 60
20 28.9 100 42 24.4 60
21 23.2 70 43 26.9 100
22 23.4 100
Pertanyaan:
1. Ujilah asumsi normalitas data sampel;
2. Uji statistik manakah yang cocok untuk menguji hubungan kedua variabel tersebut?
3. Lakukanlah uji statistik yang anda sudah tetapkan, kemudian berikan interpretasinya.
4. Jika variabel x dan y dikategorikan menjadi: x = normal (0), jika x 25 dan gemuk (1)
jika x > 25, sedangkan y = normal (0) jika y 90 dan y = tinggi (1) jika y > 90. Untuk
mengetahui hubungan antara x dan y dengan jenis data tersebut, tentukan statistik apa
yang cocok dan lakukanlah analisisnya.
Halaman 53 of 68
LAMPIRAN 7:
UJI HIPOTESIS
Uji Data Dua Sampel Berhubungan (Paired)
Statistik NonParamaetrik – Uji Peringkat Bertanda Wilcoxon
Uji hipotesis untuk perbedaan 2 rata-rata populasi yang berpasangan dapat dilakukan
menggunakan uji – t. Dua sample berpasangan diartikan sebagai sebuah sample dengan subyek
yang sama, namun mengalami dua perlakuan atau pengukuran yang berbeda. Jika asumsi
kenormalan tidak dipenuhi, gunakan uji statistik nonparametric (Uji Peringkat Bertanda
Wilcoxon).
Contoh Kasus:
Suatu penelitian dilakukan terhadap sekelompok orang, untuk mengetahui apakah obat penurun
berat badan mempunyai efek dalam menurunkan berat badan atau tidak? Untuk itu, sebuah
sample yang terdiri dari 10 orang masing-masing diukur berat badannya sebelum dan sesudah
sebualan minum obat penurun berat badan. Datanya diringkas sebagai berikut:
Tabel 1. Berat Badan 10 orang sebelum dan sesudah minum obat penurun berat badan
No Sebelum Sesudah
1 76,85 76,22
2 77,95 77,89
3 78,65 79,02
4 79,25 80,21
5 82,65 82,65
6 88,15 82,53
7 92,54 92,56
8 96,25 92,33
9 84,56 85,12
10 88,25 84,56
Anggap sample tidak berdistribusi normal, maka gunakan Uji Peringkat Bertanda Wilcoxon
Ujilah apakah obat tersebut efektif atau tidak pada taraf signifikansi sebesar 5%. Berikan
interpretasi untuk setiap outputnya.
Prosedur Uji:
1. Tentukan hipotesis nol dan alternatifnya:
H0 : obat penurun berat badan tidak efektif
H1 : obat penurun berat badan efektif
2. Tentukan taraf signifikansi , yaitu sebesar 5%.
Halaman 54 of 68
Analisis menggunakan SPSS
Pemasukan Data ke SPSS
Langkah-langkah pemasukan data ke SPSS adalah sama dengan pembahasan terdahulu,
dengan ketentuan: variable sebelum ditempatkan pada kolom pertama, dan variable
sesudah pada kolom kedua.
NPar Tests
Wilcoxon Signed Ranks Test
Ranks
Halaman 55 of 68
LAMPIRAN 8:
UJI HIPOTESIS
Uji Data Tiga Sampel atau Lebih Tidak Berhubungan (Independent)
Statistik Nonparametrik – Uji Kruskal Wallis
Jika Uji t digunakan untuk pengujian dua sampel, maka uji F atau ANOVA digunakan
untuk pengujian dua atau lebih sampel. Asumsi-asumsi yang perlu diperhatikan pada pengujian
ANOVA adalah:
1. Sampel-sampel yang akan diuji haruslah berasal dari populasi-populasi yang berdistribusi
normal;
2. Varians sampel-sampel sama;
3. Sampel-sampel yang akan diuji adalah indpenden satu dengan yang lain.
Jika asumsi-asumsi di atas tidak dipenuhi, maka ANOVA tidak bisa digunakan. Sebagai gantinya
gunakan statistik nonparametrik (Uji Kruskal Wallis) untuk sampel-sampel yang independent,
dan Uji Friedman untuk sampel-sampel yang dependent.
Contoh Kasus:
Suatu studi dilakukan untuk membandingkan efektifitas suatu perlakuan yang diterapkan untuk
menolong seseorang untuk berhenti merokok. Satu kelompok perokok diberi perlakukan A,
kelompok kedua diberi perlakuan B, dan kelompok ketiga, diberi perlakuan C. Variabel
dependen dari studi ini adalah banyaknya rokok yang dikonsumsi selama masa perlakuan
dijalankan. Ujilah perlakuan mana yang lebih efektif dalam mengurangi konsumsi rokok.
Penyelesaian:
Dari kasus di atas ketiga kelompok saling independent. Anggap asumsi normalitas tidak
dipenuhi, maka gunakan Uji Kruskal Wallis.
Halaman 56 of 68
Prosedur Uji:
1. Tentukan hipotesis nol dan alternatifnya:
H0 : Ketiga populasi identik (ketiga metode tidak berbeda secara nyata)
H1 : Minimal salah satu dari ketiga populasi identik (ketiga metode berbeda
secara nyata)
2. Tentukan taraf signifikansi , yaitu sebesar 5%.
rokok kelompok
1 28 1
2 0 1
3 17 1
4 20 1
5 35 1
6 19 1
7 24 1
8 0 1
9 41 1
10 16 1
11 22 2
12 31 2
13 26 2
14 30 2
15 34 2
16 37 2
17 0 2
18 19 2
19 24 2
20 27 2
21 33 3
22 44 3
23 29 3
24 40 3
25 33 3
26 25 3
27 22 3
28 43 3
29 29 3
30 32 3
Halaman 57 of 68
Pengolahan Data dengan SPSS
Langkah-langkahnya:
a. Buka lembat kerja/file dari data kasus diatas, atau kalau sudah terbuka ikuti
langkah berikut:
b. Dari baris menu pilih menu Analyze, kemudian pilih submenu Nonparametrik
Test.
c. Dari serangkaian pilihan test, sesuai kasus pilih K Independent Samples …
d. Setelah kotak dialog box dari Test for Several Independent Samples terbuka,
klik variable rokok dan klik tanda untuk memindahkannya ke kotak Test
Variable List, dan variabel kelompok dipindahkan ke kotak Grouping Variable;
e. Klik Define Group..., kemudian isi Minimum: 1 dan Maximum: 3
f. Untuk tipe uji (Test Type), karena yang akan diuji dengan Kruskal-Wallis, maka
klik pilihan Kruskal-Wallis H, sedang pilihan yang lain diabaikan saja;
g. Pilihan Options... diabaikan saja.
h. Klik OK untuk memprosesnya.
NPar Tests
Kruskal-Wallis Test
Ranks
Test Statisticsa,b
Diet Rokok
Chi-Square 6,769
df 2
Asymp. Sig. ,034
a. Kruskal Wallis Test
b. Grouping Variable: Kelompok
Kesimpulan:
Terlihat bahwa pada kolom Asymp. Sig. adalah 0,034. Nilai ini lebih kecil dari α = 0,05. Maka
H0 ditolak, dengan demikian dapat disimpulkan bahwa ada perbedaan yang nyata diantara ketiga
kelompok. Dengan kata lain, ketiga metode ada yang memberi efek yang berbeda. Dari Mean
Rank ketiga kelompok menunjukkan bahwa kelompok A memberi efek penurunan kosumsi
rokok yang lebih efektif.
Halaman 58 of 68
ANALISIS DENGAN MINITAB 13.0
H = 6,76 DF = 2 P = 0,034
H = 6,77 DF = 2 P = 0,034 (adjusted for ties)
Halaman 59 of 68
LAMPIRAN 9:
UJI HIPOTESIS
Uji Data Dua Sampel Tidak Berhubungan (Independent)
Statistik Nonparamaetrik – Uji Mann-Whitney
Uji hipotesis untuk perbedaan 2 rata-rata populasi dapat dilakukan menggunakan uji – t
dengan asumsi bahwa kedua sampel berasal dari populasi yang berdistribusi normal. Disamping
itu, individu-individu dari kedua populasi adalah independent satu dengan lainnya. Pengujian
dua sample pada dasarnya ingin membandingkan perbedaan rata-rata dari kedua populasi. Akan
tetapi jika asumsi kenormalan tidak dipenuhi, maka uji – t tidak cocok untuk digunakan, sebagai
gantinya uji statistic nonparametric (Uji Mann-Whitney) untuk dua sample yang tidak
berhubungan.
Contoh Kasus:
Suatu penelitian dilakukan terhadap dua kelompok mahasiswa yang tinggal di suatu asrama
terhadap sakit kepala yang mereka alami. Kelompok pertama yang terdiri dari 20 orang
mahasiswa diberi Aspirin, sedangkan 17 orang mahasiswa lainnya diberi Decolgen. Kedua
kelompok dicatat lamanya waktu sembuh (dalam menit) yang dibutuhkan setelah meminum obat
tersebut sebagai berikut:
Halaman 60 of 68
Ujilah apakah obat Aspirin dan Decolgen mempunyai efek sembuh yang sama atau berbeda?
Gunakan taraf signifikansi sebesar 5%. Berikan interpretasi untuk setiap outputnya.
Prosedur Uji:
1. Tentukan hipotesis nol dan alternatifnya:
H0 : daya sembuh obat Aspirin sama dengan obat Decolgen
H1 : daya sembuh obat Aspirin tidak sama dengan obat Decolgen
2. Tentukan taraf signifikansi , yaitu sebesar 5%.
3. Anggap distribusi sample tidak diketahui, maka gunakan uji statistik Mann-Whitney
Halaman 61 of 68
Output SPSS dan Analisisnya
NPar Tests
Mann-Whitney Test
Ranks
Test Statisticsb
WAKTU
Mann-Whitney U 77,000
Wilcoxon W 230,000
Z -2,837
Asymp. Sig. (2-tailed) ,005
Exact Sig. [2*(1-tailed a
,004
Sig.)]
a. Not corrected for ties.
b. Grouping Variable: Obat
Kesimpulan:
Terlihat pada kolom asymp. Sig. (2-tailed) untuk uji dua sisi adalah 0,001 (sig.=0,001 < α =
0,05), maka H0 ditolak, kedua jenis obat memberi efek sembuh yang tidak sama. Dengan
memperhatikan mean rank kedua jenis obat, diperoleh bahwa obat decolgen lebih efektif
dibandingkan dengan obat aspirin dalam penyembuhan.
Halaman 62 of 68
LAMPIRAN 10: UJI CHI-KUADRAT
Contoh Kasus
Suatu penelitian dilakukan untuk menentukan faktor-faktor apa saja yang berpengaruh secara
nyata pada kejadian penyakit malaria. Sampel sebanyak 80 orang diteliti dan diperoleh data
untuk variabel-variabel pada tabel 1.
Tabel 1.
Karakteristik Responden
No Variabel Kriteria n %
1 Kejadian Malaria Malaria 48 60,0
Tidak Malaria 32 40,0
2 Jenis Kelamin Laki-laki 25 31,2
Perempuan 55 68,8
3 Usia ≤ 18 tahun 68 85,0
> 18 tahun 12 15,0
4 Suku Papua 35 43,8
Non Papua 45 56,2
5 Konstruksi Rumah Permanen 51 63,8
Semi dan gubuk 29 36,2
6 Jarak tempat tinggal ≤ 500 m 48 60,0
dengan hutan > 500 m 32 40,0
7 Jarak tempat tinggal ≤ 500 m 42 52,5
dengan sumber air > 500 m 38 47,5
8 Tidur sendiri Ya 27 33,8
Tidak 53 66,2
9 Memelihara ternak Ya 44 55,0
Tidak 36 45,0
10 Memelihara binatang Ya 30 37,5
dalam rumah Tidak 50 62,5
Dilakukan analisis regresi logistik berganda untuk menentukan model terbaik yang
merupakan faktor penentu utama kejadian malaria. Untuk menyeleksi secara otomatis variabel
bebas yang berpengaruh secara nyata digunakan “Metode Backward Stepwise Likelihood Ratio”.
Hasil analisis menunjukkan bahwa dari ke sembilan variabel bebas yang dimasukkan
dalam model, hanya empat variabel yang memberikan kontribusi yang nyata. Keempat variabel
tersebut adalah: (1) konstruksi rumah (OR = 10,38 dengan p = 0,004), menunjukkan bahwa
orang yang tinggal di rumah dengan konstruksi buruk beresiko terkena penyakit malaria 10,38
kali dibandingkan dengan orang yang tinggal di rumah dengan konstruksi yang baik, (2) jarak
Halaman 64 of 68
tempat tinggal dengan hutan (OR = 11,88 dengan p = 0,000), menunjukkan bahwa orang yang
tinggal dekat hutan mempunyai kecendrungan terkena malaria 12 kali dibandingkan dengan
orang yang tinggal cukup jauh dari hutan, (3) jarak tempat tinggal dengan sumber air tergenang
(OR = 7,03 dengan p = 0,003), menunjukkan bahwa orang yang tinggal dekat sumber air
tergenang akan beresiko terkena malaria 7 kali dibandingkan dengan orang yang tinggal cukup
jauh dari sumber air tergenang, dan (4) memelihara ternak (OR = 6,08 dengan p = 0,008),
menunjukkan bahwa orang yang tinggal di rumah yang memelihara hewan ternak disekitarnya
mempunyai kecendrungan terkena malaria 6 kali dibandingkan dengan orang yang tinggal di
rumah yang tidak ada hewan ternaknya. Dari keempat faktor tersebut yang paling dominant
pengaruhnya adalah variabel jarak tempat tinggal dengan hutan (lihat Tabel 2).. Keempat
variabel bebas tersebut memberi kontribusi sebesar 56,2% (Nagelkerte R-square = 0,562),
sedangkan sisanya sebesar 43,8% ditentukan oleh faktor lain.
Uji kecocokan model dilakukan menggunakan uji likelihood ratio. Uji tersebut
berdistribusi chi-square dengan derajat bebas 6 dengan hasil uji adalah 2 = 3,83 dengan p =
0,699. Hal ini menunjukkan bahwa model regresi logistik berganda sudah cocok untuk
digunakan untuk analisis. Hasil selengakapnya dapat dilihat pada tabel 2 berikut:
Tabel 2.
Estimasi parameter (β), taraf signifikansi (p) dan Odds Rasio (OR)
model terbaik dari analisis regresi logistik berganda
95%CI utk OR
Variabel Bebas (X) β p OR
Bawah Atas
Konstruksi Rumah (x4) 2,34 0,004 10,38 2,09 51,68
Jarak Tempat Tinggal
2,48 0,000 11,48 3,10 45,49
dengan Hutan (x5)
Jarak Tempat Tinggal dengan
1,95 0,003 7,03 1,92 25,72
Sumber Air (x6)
Memelihara ternak (x8) 1,80 0,008 6,08 1,59 23,31
Konstanta -3,56 0,000 0,028 - -
prob( y 1)
Model: ln 3,56 2,34 * X 4 2,48 * X 5 1,95 * X 6 1,80 * X 8
prob( y 0)
Model ini menunjukkan bahwa ada pengaruh variabel-variabel x4, x5, x6 dan x8 secara bersama-
sama terhadap y.
Halaman 65 of 68
Hasil Analisis Regresi Logistik Berganda dengan metode Backward Stepwise Likelihood Ratio
menggunakan SPSS
Chi-square df Sig.
Step 1 Step 47,085 9 ,000
Block 47,085 9 ,000
Model 47,085 9 ,000
Step 2a Step -,019 1 ,891
Block 47,066 8 ,000
Model 47,066 8 ,000
Step 3a Step -,185 1 ,667
Block 46,882 7 ,000
Model 46,882 7 ,000
Step 4a Step -,868 1 ,352
Block 46,014 6 ,000
Model 46,014 6 ,000
Step 5a Step -1,209 1 ,272
Block 44,805 5 ,000
Model 44,805 5 ,000
Step 6a Step -1,778 1 ,182
Block 43,027 4 ,000
Model 43,027 4 ,000
a. A negative Chi-squares value indicates that the
Chi-squares value has decreased from the
previous step.
Halaman 66 of 68
Variables in the Equation
Halaman 67 of 68
Tabel 1. Beberapa Jenis Uji Statistik dan Kegunaannya
Skala Variabel
No Tujuan Model (Uji Statistik) Ket.
Y X
1 Uji Perbandingan Numerik - 1. Uji-t satu sampel Statistika
Numerik Kategorik 2. Uji-t dua sampel Parametrik
independen
Numerik Kategorik 3. Uji-t berpasangan
Numerik Kategorik 4. ANOVA
Numerik Kategorik 5. ANCOVA
Numerik/ - 1. Uji Tanda Statistika
ordinal Nonparametrik
Numerik/ - 2. Uji Peringkat Bertanda (bebas asumsi)
ordinal Wilcoxon
Numerik Kategorik 3. Uji Mann-Whitney
Numerik Kategorik 4. Uji Kruskall-Wallis
Kategorik - 5. Uji Proporsi
Kategorik Kategorik 6. Uji Beda Proporsi
2 Uji Hubungan Numerik Numerik 1. Analisis Korelasi Statistika
Numerik Numerik/ 2. Regresi Linear Parametrik
Kategorik
Kategorik Numerik/ 3. Regresi Logistik
Kategorik
Numerik Kategorik 4. ANOVA
Numerik/ Numerik/ 1. Korelasi Peringkat Statistika
ordinal ordinal Spearmen Nonparametrik
Kategorik Kategorik 2. Chi-Kuadrat (bebas asumsi)
Kategorik Kategorik 3. Mc Nemar
3 Uji Ramalan Numeri/ Numerik/ Segala bentuk Statistika
Kategorik Kategorik analisis regresi Parametrik
Numerik - Time Series Analisis
Catatan:
1. Skala Interval atau Rasio termasuk Numerik
2. Skala Nominal atau Ordinal termasuk Kategorik
Halaman 68 of 68