Makalah Kelompok 4
Makalah Kelompok 4
KOMPUTER STATISTIK
UJI KOMPARASI
(PARAMETRIK)
DISUSUN OLEH :
KELOMPOK IV
BAUBAU
2020
i
KATA PENGANTAR
Makalah ini tidak akan berjalan dengan baik tanpa bantuan dari berbagai
pihak. Oleh sebab itu, pada kesempatan ini kami mengucapkan banyak
terimakasih kepada seluruh pihak yang telah membantu dan berbagai sumber yang
telah kami pakai sebagai data dan referensi pada makalah ini. Selain itu, kami
juga mengucapkan terimakasih kepada Dosen Azis, S.Pd.,M.Pd yang telah
membimbing kami dalam penyusunan tugas ini.
Kelompok 4
ii
DAFTAR ISI
HALAMAN JUDUL............................................................................................i
KATA PENGANTAR........................................................................................ii
DAFTAR ISI......................................................................................................iii
BAB I PENDAHULUAN....................................................................................1
A. LATAR BELAKANG.............................................................................1
B. RUMUSAN MASALAH.........................................................................1
BAB II PEMBAHASAN.....................................................................................2
B. ANOVA..................................................................................................12
1. ONE WAY (ANOVA)....................................................................13
2. TWO WAY (ANOVA)...................................................................18
A. KESIMPULAN.....................................................................................30
B. SARAN...................................................................................................30
DAFTAR PUSTAKA........................................................................................31
iii
BAB I
PENDAHULUAN
A. Latar Belakang
Uji “t” atau Tes “t” adalah salah satu test statistik yang di gunakan untuk
menguji kebenaran atau kepalsuan hipotesis nihil yang menyatakan bahwa
diantara dua buah mean sampel yang di ambil secara random dari populasi yang
sama, tidak terdapat perbedaan yang signifikan (Sudjiono, 2010:278).
B. Rumusan Masalah
1. Apa yang dimaksud dengan uji komparasi (parametrik)?
2. Bagaimana cara menganalisis uji t antar kelompok dan Analysis Of
Variance (ANOVA)?
1
BAB II
PEMBAHASAN
2
Asumsi Independent T-Test
Data dibawah ini menunjukkan bahwa ada dua kelompok yaitu 1 dan 2, dimana
tiap kelompok terdapat 10 responden.
kelompok Nilai
1 60
1 33
1 76
1 54
1 66
1 66
1 45
1 55
1 50
1 62
2 80
2 50
2 95
2 67
2 77
2 96
2 58
2 69
2 64
2 75
3
Klik tombol plots, setelah muncul jendela, centang Factor levels together, Stem-
and-left, histogram, Normality plots with tests and power estimation.
Kemudian klik continue.
4
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Tabel diatas menunjukkan hasil uji Shapiro Wilk dan Lilliefors. Nilai p value (sig)
lilliefors 0,200 pada kelompok 2 di mana > 0,05 maka berdasarkan pada uji
lilliefors, data tiap kelompok berdistribusi normal. P value uji Shapiro wilk pada
kelompok 1 sebesar 0,993 > 0,05 dan pada kelompok 2 sebesar 0,778 > 0,05.
Karena semua 0,05 maka kedua kelompok sama-sama berdistribusi nomal
berdasarkan uji Shapiro wilk.
Tabel di atas menunjukkan hasil uji homogenitas dengan metode Levene’s Test.
Nilai levene di tunjukkan pada baris nilai based on mean, yaitu 0,003 dengan p
value (sig) sebesar 0,961 di mana > 0,05 yang berarti terdapat kesamaan varians
antar kelompok atau yang berarti homogen.
Nilai Stem-and-Leaf Plot for
kelompok= 1
Frequency Stem & Leaf
1.00 3 . 3
1.00 4 . 5
3.00 5 . 045
3.00 6 . 026
1.00 7 . 6
1.00 8 . 6
Stem width: 10.00
5
Each leaf: 1 case(s)
nilai Stem-and-Leaf Plot for
kelompok= 2
Frequency Stem & Leaf
2.00 5 . 08
3.00 6 . 479
2.00 7 . 57
1.00 8 . 0
2.00 9 . 56
Stem width: 10.00
Each leaf: 1 case(s)
Diagram di atas adalah diaram stem-leaf yang berfungsi untuk mendeteksi adanya
outlier. Ada outlier apabila terdapat nilai Extrem di atas dan di bawah stem-leaf.
Pada data tidak terdapat nilai extreme, maka terdapat outler. Deteksi outlier juga
bisa di nilai denga box-plot seperti berikut ini:
Pada menu SPSS, klik Analyze, compare means, independent samples T test.
Maka akan muncul jendela seperti berikut. Kemudian masukkan variabel terikat
yaitu nilai ke kotak test variable(s) dan masukka variabel bebas anda yaitu
kelompok ke kotak grouping variables.
6
Klik tombol define groups kemudian masukkan kode 1 dan 2
Group Statistics
Kelomp
ok N Mean Std. Deviation Std. Error Mean
Tabel di atas menunjukkan mean atau rerata tiap kelompok, yaitu pada
kelompok 1 nilainya 58,7 di mana lebih rendah dari kelompok 2 yaitu 73,1.
Apakah perbedaan ini memiliki makna? Lihat gambar berikut :
7
Independent Samples Test
95% Confidence
Std.
Interval of the
Mean Error
Difference
Sig. (2- Differenc Differenc
F Sig. t df tailed) e e Lower Upper
Nilai Equal -
variances .003 .961 -2.150 18 .045 14.4000 6.69909 -28.47426 -.32574
assumed 0
Equal -
variances not -2.150 17.989 .045 14.4000 6.69909 -28.47489 -.32511
assumed 0
Nilai hasil uji levene test untuk homogenitas sama dengan bahasan di atas
yaitu homogen. Karena homogen, maka gunakan baris pertama yaitu -2,150 pada
df 18. Df pada uji t adalah N-2, yaitu pada kasus ini 20 – 2 =18. Nilai t hitung ini
bandingkan dengan t table pada df 18 dan probabilitas 0,05.
Untuk menjawab hipotesis ada 2 cara:
1. Pada tabel t hitung dengan t tabel: Apabila t hitung positif, ada perbedaan
bermakna apabila t hitung > t tabel. Apabila t hitung negatif, ada perbedaan
bermakna apabila t hitung > t tabel.
2. Dengan melihat nilai sig (2 tailed) atau p value. Pada kasus dia atas nilai p
value sebesar 0,045 di mana < 0,05. Karena < 0,05 maka perbedaan
bermakna secara statistic atau signifikan pada probabilitas 0,05.
Besarnya pebedaan mean atau rerata kedua kelompok ditunjukkan pada kolom
mean Difference, yaitu -14,4. Karena bernilai negatif, maka berarti kelompok
pertama memiliki mean lebih rendah dari pada kelompok kedua.
8
membandingkan adakah perbedaan mean atau rata-rata dua kelompok yang
berpasangan. Berpasangan artinya adalah sumber data berasal dari subjek yang
sama.
Langkah-Langkah Uji T Paired Dengan SPPS
Contoh kasus :
Nilai uji siswa sebelum pemberian materi dan sesudah pemberian materi.
Sebelum Sesudah
55 55
46 46
45 45
55 50
66 66
55 55
76 76
54 54
55 55
65 65
55 55
55 55
55 55
67 67
55 55
45 45
55 55
65 65
55 55
66 66
Selanjutnya pada menu SPPS, klik pada menu yaitu Analyze, Compare Means,
Paired Sample T-test. Maka akan muncul jendela sebagai berikut :
9
Masukkan kedua variabel seperti contoh berikut caranya cukup select dua variabel
dikotak kiri kemudian klik tanda panah ke kanan.
Klik Continue, maka akan tampil jendela utama kembali seperti berikut :
10
Pada jendela silahkan klik tombol Ok. Maka akan muncul jendela output hasil uji
Paired T-Test dengan SPPS sebagai berikut :
N Correlation Sig.
11
Paired Samples Test
Sig. (2-
Paired Differences T df tailed)
Pair 1 sebelum -
.250 1.118 .250 -.273 .773 1.000 19 .330
sesudah
Correlation : Nilai kolerasi antara dua variabel tersebut : hasil 0,991 artinya
hubungan kuat dan positif.
Sig.: tingkat signifikansi hubungan : hasil 0,000 artinya signifikan pada level 0,01.
T = nilai T hitung : hasil 1,000 : harus di bandingkan dengan T tabel pada df 19.
Apabla T hitung > t tabel : signifikan.
Sig. (2-tailed) : nilai probabilitas/ p value uji T Paired = 0,330. Artinya : tidak ada
perbedaan antara sebelum dan sesudah perlakuan. Sebab : nilai p value > 0,05
(95% kepercayaan).
12
One Way ANOVA. Pada kasus satu variabel dependen metrik dan dua atau tiga
variabel independen kategorikal sering disebut Two ways ANOVA dan Three
Ways ANOVA.
13
perbedaan produktifitas karyawan antara hari-hari kerja tersebut, berikut
datanya.
Hari
Ke
Produktifivitas (Unit)
rj
a
Senin 29 27 30 25 26 23 30 25 23 27 24 30
Selas
19 16 15 17 20 5 23 9 20 24 15 13
a
Rabu 34 38 32 34 31 35 38 39 32 31 29 23
Kami
1) Mendefinisikan variabel
Langkah pertama adalah mentranformasi table ke dalam bentuk berikut:
Tabel 9.2 Tabel hasil Transformasi Untuk Entry pada SPSS
No. Hari Kerja Produktivitas No. Hari Kerja Produktivitas
1 1 29 25 3 34
2 1 27 26 3 38
3 1 30 27 3 32
4 1 25 28 3 34
5 1 26 29 3 31
6 1 23 30 3 35
7 1 30 31 3 38
8 1 25 32 3 39
9 1 23 33 3 32
10 1 27 34 3 31
11 1 24 35 3 29
12 1 30 36 3 23
13 2 19 37 4 36
14 2 16 38 4 39
15 2 15 39 4 33
16 2 17 40 4 37
17 2 20 41 4 32
18 2 5 42 4 36
19 2 23 43 4 39
20 2 9 44 4 38
21 2 20 45 4 33
22 2 24 46 4 32
23 2 15 47 4 30
Kini terdapat dua kolom penting, yaitu kolom hari kerja dan kolom
produktivitas. Langkah selanjutnya adalah pilih menu File, New, lalu klik kiri
data. Setelah itu klik sheet tab variabel View
14
a. Pendefinisian hari kerja, pada Name, ketikan Hari_krj, pada Width,
ketikan 8, dan pada Decimals, ketikan 0. Untuk Label, ketikan Hari
Kerja. Selanjutnya, Values digunakan untuk kode. Caranya, klik sel value
hingga muncul dilayar. Lihat pada gambar 1.1 dibawah. Isilah 1 pada
value, ketikan Senin pada value label, lalu klik Add, selanjutnya, isikan 2
pada value, ketikan Selasa pada value label, lalu klik Add. Isikan 3 pada
value, dan ketikan Rabu pada value label, lalu klik Add. Akhiri dengan
mengisi angka 4 pada value label. Klik Add, dengan demikian, pemberian
kode selesai. Untuk lebih jelasnya lihat Gambar 1.2
Gambar 1.1
Gambar 1.2
b. Pendefinisian produktifitas. Pada Name, ketikan produktivitas, pada
Width, ketikan 12 dan pada decimals, ketikan 0. Untuk Label ketikan
Produktivitas (unit). Tekan CTRL-T untuk melanjutkan proses entry
data pada Data View
2) Mengisi Data. Isikan data sesuai nama variabel. Untuk memunculkan
nama harinya cari menu View lalu Klik Value Labels
15
3) Pilih Analyze, Compare means, lalu pilih dan klik One Way ANOVA.
maka tampilannya seperti pada layar
Gambar 1.3
6) Klik kanan Options, aktifkan descriptives dan homogeneity of variance
test
7) Klik kiri Continue, lalu tekan OK hingga muncul output hasil analisis data
pada windows yang berbeda.
a. Analisis dan Interpretasi Output Tabel Descriptives
16
b. Analisis dan Interpretasi Test of Homogeneity of Variances
8) Selanjutnya buka kembali file One Way, Klik Analyze, Compare Mean,
dan One Way ANOVA
17
baris pertama hasil uji Tukey HSD di atas, antara produktifitas karyawan hari
senin dan produktifitas hari karyawan hari selasa diketahui bahwa pada
kolom mean difference diperoleh perbedaan rata-rata 10,250. Angka tersebut
di peroleh dari mean produktifitas karyawan hari kerja senin – mean
produktifitas karyawan hari selasa , atau 26,58 – 16,33 unit.
Berdasarkan hasil analisis dan interpretasi atas uji Pos Hoc maupun
homogeneous subsets , dapat disimpulkan bahwa hasil pengujian hasil
pengujian Bonferoni dan Tukey adalah saling melengkapi terhadap uji
Homogeneous Subsets.
Contoh Kasus:
18
Analisisi kasus: Oleh karena ada dua faktor yaitu faktor hari kerja yang
membedakan empat kelompok sampel dan factor dominasi gender yang
membedakan dua kelompok sampel, maka di lakukan analisis dengan Two
Way ANOVA.
Menggunakan SPSS
Langkah-langkah Uji Two Way ANOVA menggunakan SPSS:
1) Buka file One Way. Klik Save As, dan beri nama Baru dengan Two Way
2) Oleh karena variabel Hari Kerja dan Produktifitas telah didefinisikan
dan telah lengkap terisi data, maka anda tinggal menambahkan
pendefinisian variabel gender Dominan 80%. Supaya seragam, definisian
Variabel Gender Dominan 80%. Caranya pada Name_ketikan Gen
Dominan, pada Width, ketikan 8, dan pada Decimals, ketikan 0. Untuk
Label, ketikan Gender Dominan 80%. Selanjutnya values digunakan
untuk kode, caranya klik sel value hingga muncul di layar. Isilah 1 pada
value dan ketikan Pria pada value label lalu klik Add. Selanjutnya isikan
2 pada value ketikan Wanita pada value label lalu klik Add. Dengan
demikian pemberian kode gender selesai.
3) Tekan CTRL-T untuk mela njutkan proses entry data pada Data View
19
4) Mengisi Data. Oleh karena Hari Kerja dan Produktivitas telah ada, maka
anda cukup mengisikan data Gender Dominan sesuai kode berurutan
kebawah daari kolom (no. 1 samapai no. 48) pada kolom Gen_Dominan
5) Kemudian pilih menu Analyze, General Linear Model, lalu pilih dan
klik Univariate
6) Pada Dependent Variabel, masukan variabel Produktivitas dengan cara
klik Produktivitas, lalu klik tombol di depan isian Dependent Variable.
Gambar 1.5
7) Pada Fixed Faccor, masukan Hari Kerja (Hari_krj) dan Gen Dominan
80 % (Gen_ Dominan) dengan menekan CTRL. Selanjutnya, klik sekali
20
Hari Kerja (Hari_krj), lalu klik Gen Dominan 80 % (Gen_ Dominan)
dengan tatap menekan CTRL. Klik tombol di depan isian Fixed Factor.
Ulangi sama seperti Gambar 1.5 diatas.
8) Abaikan lainnya, lalu klik OK hingga muncul output. Simpan dengan
nama Two Way
9) Selesai
a. Output Interpretasi Tabel Between Subjects Factor dan Subjects
Effects
21
Ha = Keempat rata-rata populasi tidak sama
Dasar pengambilan keputusan berdasarkan probalitas:
Apabila p>0,05, maka H0 diterima atau keempat rata-
rata populasi sama.
Apabila p<0,05; maka H0 ditolak atau keempat rata-
rata populasi tidak sama.
Two Way ANOVA untuk sampel k berkorelasi dibedakan menjadi dua bagian
yaitu Two Way ANOVA tanpa interaksi dan Two Way ANOVA dengan interaksi.
Contoh Kasus:
Sebuah perusahaan “A” pada tahun 2011 yang bergerak dalam pembuatan
air minum kemasan ingin mengetahui pengaruh ukuran dan warna
kemasan air minum terhadap hasil penjualan. Untuk keperkuan tersebut
perusahaan mengambil sampel dari hasil penjualan. Untuk keperluan
tersebut perusahaan mengambil sampel dari hasil penjualan untuk ukuran
kemasan air minun yang berukuran: kecil, sedang dan besar. Data
penjualan selama sebulan ada pada tabel di bawah ini. Dengan taraf nyata
(α) = 5%
22
Penyelesaian:
23
3) Klik OK. Selanjutnya pada kolom measuare dari baris pertama klik skala
ordinal dan baris kedua dan ketiga klik skala nominal. Tampak seperti
gambar dibawah ini.
4) Pengisian data. Klik data view pada SPSS data editor:
a. Pada kolom penjualan masukan rata-rata penjualan untuk semua
ukuran dan warna kemasan minum
b. Pada kolom ukurann kemasan minum masukan angka sesuai dengan
identifikasi ukuran seperti pada gambar value label.
c. Pada kolom warna kemasan minum masukan angka sesuai dengan
indentifikasi warna, seperti pada gambar value label
5) Pengolahan data. Klik Analysis → General linear model →
24
2. Two Way ANOVA dengan interaksi adalah adalah pengujian hipotesis
komparatif (perbandingan) untuk k sampel (lebih dari dua sampel) yang
berkorelasi dengan dua factor yang berpengaruh, sedangkan interaksi kedua
factor di perhitungkan.
Contoh Kasus:
Seorang Dosen ingin melakukan pengujian terhadap perolehan hasil
belajar mahasiswa yang disebabkan oleh penggunaan waktu belajar
mahasiswa. Dalam pengujian ini sebagai variabel terikat (Y) adalah hasil
belajar. Sebagai variabel bebas pertama (X1) adalah lama waktu belajar
(dalam jam) yang dikelompokan menjadi empat yaitu: 2 jam, 3 jam, 4 jam,
dan 5 jam. Sebagai variabel bebas kedua (X2) yaitu kemampuan awal
mahasiswa yang dikelompokan menjadi tinggi, sedang, dan rendah. Jumlah
responden untuk masing-masing kelompok sebanyak 4 orang dan tingkat
kesalahan yang dipilih yaitu 5%, setelah diperoleh dilaksanakan tes kepada
seluruh responden data sebagai berikut:
Lama Belajar (jam)
1 2 3 4
79,3 85,5 84 83,3
83,8 87,2 86,8 84
Tinggi
82 87,5 83,1 82,8
82,5 87 87,8 82,5
80,3 84 83,3 85,5
81,8 86,8 83 85,2
Kemampuan Awal Sedang
80 83,1 82,8 84,5
82,5 87,8 81,5 83
70,3 84 73,3 75,5
71,8 76,8 73 75,2
Rendah
80 83,1 82,8 84,5
25
Uji Menggunakan SPSS
Pada value ketik 1, dan pada value label ketik tinggi, lalu klik Add
Pada value ketik 2, pada value label ketik sedang, lalu klik Add
Pada value ketik 3, pada value label ketik rendah, lalu klik Add
Seperti pada gambar dibawah ini.
5. Selanjutnya klik Ok, dan pada baris kedua menu measure ganti menjadi
Ordinal dan untuk baris satu dan baris 3 ganti dengan Scale. Kemudian
kembali ke Data View. Selanjutnya
6. Pilih memu Analyze → General Liner Model → Univariate
7. Kemudian pindahkan hasil belajar (Y) kekotak Dependent Variable,
selanjutnya lama belajar (X1) dan kemampuan awal (X2) pindahkan ke
dibawa kotaK fixed factor (s)
26
8. Kemudia klik model dan masukan X1,X2 serta X1*X2 kekolom Model dan
typenya ganti menjadi All 2-way dan sum of square ganti menjadi type I.
9. Selanjutnya klik Ok. Setelah itu klik Post hoc. Kemudian pindahkan X 1 dan
X2 ke kolom post hoc tests for serta centang Bonferoni dan Tukey, lalu
tekan Ok
10. Selanjutnya klik plots. Masukan X1 ke horizontal axis selanjutkan
pindahkan X2 ke Separate Lines, lalu klik continue.
11. Dan terakhir tekan OK. Maka akan muncul Output Two Way ANOVA
dengan interaksi.
27
H0 Yang menyatakan tidak ada perbedaan hasil belajar siswa antara
lama belajar (2, 3, 4 dan 5 jam) dan antara tingkat kemampuan
awal siswa siswa secara gabungan (bersama –sama) ditolak
sehingga dapat dinyatakan bahwa ada perbedaan hasil belajar siswa
antar lama belajar (2, 3, 4, dan 5 jam)dan antar tingkat kemampuan
awal siswa secara gabungan (bersama –sama)
2. Lama Belajar
H0 yang menyatakan tidak ada perbedaan hasil belajar antara
siswa yang lama belajarnya 2, 3, 4, dan 5 jam di tolak sehingga
dapat di nyatakan bahwa ada perbedaan hasil belajar antara siswa
yang lama belajarnya 2, 3, 4, dan 5 jam
3. Kemampuan Awal
H0 yang menyatakan tidak ada perbedaan hasil belajar antara
siswa yang tingkat kemampuan awalnya tinggi, sedang, dan
rendah di tolak sehingga dapat dinyatakan bahwa ada
perbedaan hasil belajar antara siswa yang tingkat kemampuan
awalnya tinggi, sedang, rendah
4. Lama Belajar VS Kemampuan Awal
H0 yang menyatakan tidak terdapat interaksi yang signifikan
antara lama belajar dengan Tingkat Kemampuan Awal siswa
diterima sehingga dinyatakan tidak terdapat interaksi yang
signifikan antara Lama Belajar dengan Tingkat Kemampuan
Awal Siwa.
28
Lama Belajar
BAB III
29
PENUTUP
A. KESIMPULAN
Independent T-test adalah uji komparatif atau uji beda untuk mengetahui
adakah perbedaan mean atau rerata yang bermakna antara dua kelompok bebas
yang berskala data interval/rasio.
B. SARAN
Penulis menyadari bahwa makalah diatas banyak sekali terdapat kesalahan
dan jauh dari kesempurnaan. Kami selaku penulis makalah mengharapkan kritik
dan saran dari pembaca demi perbaikan makalah selanjutnya.
30
DAFTAR PUSTAKA
Rohman. Ghofar. 2019. ANOVA 2Way (2 arah) dan ANOVA Multi Arah.
https://www.academia.edu/9119907/ANOVA_2way_dan_n-Way. Diakses
pada tanggal 10 April 2020
31