“LATIHAN”
Oleh:
MUTYA FEBRIANI
(NIM: 2015302178)
Jawab:
Hipotesis
H0 : Tidak terdapat perbedaan kesukaan pembeli terhadap ketiga pilihan hadiah
H1 : Terdapat perbedaan kesukaan pembeli terhadap ketiga pilihan hadiah
2. Input data pada “Data View” ( kode 1 untuk T-shirt , kode 2 untuk anting-anting dan
kode
3 untuk Mug )
G
a
m
ba
r
1.
2
Gambar 2.7 tampilan dari data view.
7. Masukkan variabel “hadiah” pada Test Variable List. Pilih Get from data dan
All categories equal lalu OK. Klik OK akan muncul luaran
Test Statistics
Hadiah
Chi-Square 5.668a
Df 2
Asymp. Sig. .059
p-value = 0.059
p-value > α, maka tidak cukup bukti untuk menolak H0.
Kesimpulan bahwa tidak terdapat perbedaan kesukaan pembeli terhadap ketiga pilihan
hadiah.
B. Uji
Wilcoxon
3. Untuk menjalankan prosedur ini adalah dari menu kemudian pilih Analyze –
Nonparametric Test – 2 related samples kemudian akan muncul jendela seperti pada
gambar berikut:
Gambar 3.16 Tampilan Kotak dialog pada Two Related Samples Test
4. Selanjutnya pindahkan variabel sebelum dan sesudah pada kolom test pair(s) list,
sedangkan untuk test type pilihlah Wilcoxon
Hasil Analisis dengan SPSS
Interpretasi Hasil Analisis dengan SPSS
Dari luaran terlihat bahwa dari 15 pengamatan, ada 2 data mempunyai beda-
negative, 13 data bernilai positif dan tidak ada yang sama (ties). Dalam uji Wilcoxon,
yang dipakai adalah jumlah beda-beda yang paling kecil, karena khasus ini diambil
beda negative, yaitu 7 (lihat luaran pada kolom ‘sum of ranks’). Dari angka ini didapat
uji Wilcoxon (T) adalah 7.
Terlihat pada kolom asymp sig (2-tailed) untuk diuji 2 sisi adalah 0,002. Karena
kasus adalah uji satu sisi, maka probabilitasmenjadi 0,002/2 = 0,001. Disini
didapat probabilitas dibawah 0,05, maka H0 ditolak atau suplemen tersebut
memang mempunyai efek yang nyata untuk menaikkan berat badan.
C. Uji Mann-Whitney
Seorang guru kesenian di suatu sekolah dasar ingin meneliti bakat menyanyi yang dimiliki anak
didiknya apakah memang anak yang bersangkutan memang mempunyai bakat alam dan belajar
secara otodidak ataukah memang anak tersebut mengikuti les vokal. Untuk itu guru tersebut
melakukan tes vokal kepada beberapa muridnya.
Berikut adalah hasil tes vokal tersebut :
Tabel 4.3 Data Pengmatan
Siswa ke- Nilai Kelompok Siswa ke- Nilai Kelompok
1 60 Otodidak 9 90 Otodidak
2 75 Les 10 90 Les
3 80 Les 11 65 Les
4 55 Les 12 70 Otodidak
5 65 Les 13 70 Les
6 60 Otodidak 14 75 Otodidak
7 70 Otodidak 15 65 Les
8 85 Otodidak
Akan dicari apakah ada perbedaan yang signifikan nilai menyanyi anak yang belajar secara
otodidak dengan yang mengikuti les vokal.
Hipotesis untuk kasus di atas:
H0 : Kedua populasi identik (data nilai menyanyi siswa yang belajar secara otodidak dan ikut
les vokal) tidak berbeda secara signifikan.
H1: Kedua populasi tidak identik atau berbeda dalam hal nilai (data nilai menyanyi siswa yang
belajar secara otodidak dan ikut les vokal memang berbeda)
Langkah-langkah Uji Mann-Whitney dengan SPSS
1. Definisikan variabel pada variabel view
• Test Variable list atau variabel yang akan diuji. Karena disini yang akan diuji
nilai tes vokal, maka klik variabel nilai, kemudian klik tanda . Sehingga
variabel nilai pindah ke Test Variable List.
• Grouping Variable atau variabel group. Karena variabel pengelompokkan siswa
ada pada variabel kelompok, maka klik variabel kelompok, kemudian klik tanda .
Sehingga variabel kelompok berpindah ke Grouping Variable.
• Klik pada Define Group…. Tampak di layar :
Untuk memudahkan dalam proses uji, maka silahkan masuk pada variabel view SPSS
kemudian masukan nilai 1 pada values dan Laki-laki pada Labels lalu add begitu pula
untuk perempuan masukan nilai 2 pada values dan Perempuan pada Labels
Pada menu utama SPSS (Data View) klik Analyze - Compare Means - Independent
Sampel T Test
Dalam contoh ini, masukan variabel Usia, Jam Kerja dan Masa Kerja kedalam
kolom Test Variable (s)
Masukan Jenis Kelamin ke kolom Grouping Variable
Untuk melihat apakah perbedaan tersebut memang nyata (signifikan) secara statistik maka
kita perlu melihat output bagian kedua (Independent sample t-test)
1. Menguji dahulu asumsi apakah variance populasi kedua sampel tersebut (laki-laki dan
perempuan) adalah sama (equal variance assumed) ataukah berbeda (equal variances not
assumed)
2. Setelah mengetahui apakah variance sama atau tidak, baru kemudian melihat nilai t-test
untuk menentukan apakah terdapat perbedaan nilai rata-rata secara nyata (signifikan) atau
tidak
3) Pengambilan Keputusan:
Jika probabilitas > 0,05, maka H0 tidak dapat ditolak jadi variance sama
Jika probabilitas < 0,05, maka H0 ditolak jadi variance berbeda
4) Hasil Analisis
Terlihat pada tabel kedua (independent samples test) pada variabel usia nilai F
hitung Levene test sebesar 0,730 memiliki probablitas (Sig.) lebih besar dari 0,05
(0,400>0,05) maka disimpulkan H0 tidak dapat ditolak. Dengan demikian analisis uji beda (t-
test) harus menggunakan asumsi equal variance assumed. Nilai t pada equal variance
assumed sebesar 1,888 dengan probabilitas signifikansi 0,069 (0,069>0,05) (two tail). Jadi
dapat disimpulkan bahwa rata-rata usia karyawan laki-laki dengan karyawan perempuan
adalah sama (tidak berbeda secara signifikan)
Terlihat pada tabel kedua (independent samples test) pada variabel masa kerja nilai F
hitung Levene test sebesar 0,807 memiliki probablitas (Sig.) lebih besar dari 0,05
(0,377>0,05) maka disimpulkan H0 tidak dapat ditolak. Dengan demikian analisis uji beda (t-
test) harus menggunakan asumsi equal variance assumed. Nilai t pada equal variance
assumed sebesar 3,559 dengan probabilitas signifikansi 0,001 (0,001<0,05) (two tail). Jadi
dapat disimpulkan bahwa rata-rata masa kerja karyawan laki-laki dengan karyawan
perempuan adalah tidak sama (berbeda secara signifikan)
Terlihat pada tabel kedua (independent samples test) pada variabel jam kerja nilai F
hitung Levene test sebesar 2,024 memiliki probablitas (Sig.) lebih besar dari 0,05
(0,166>0,05) maka disimpulkan H0 tidak dapat ditolak. Dengan demikian analisis uji beda (t-
test) harus menggunakan asumsi equal variance assumed. Nilai t pada equal variance
assumed sebesar 0,597 dengan probabilitas signifikansi 0,555 (0,555>0,05) (two tail). Jadi
dapat disimpulkan bahwa rata-rata masa kerja karyawan laki-laki dengan karyawan
perempuan adalah sama (tidak berbeda secara signifikan)