Modul STATLING 2021

MODUL PRAKTIKUM
STATISTIKA LINGKUNGAN
Disusun oleh
Tim Dosen & Tim Asisten
LABORATORIUM STATISTIKA
FAKULTAS SAINS TERAPAN
INSTITUT SAINS DAN TEKNOLOGI AKPRIND
YOGYAKARTA
2021
i
Praktikum Statistika Lingkungan
KATA PENGANTAR
Syukur alhamdulillah kami panjatkan kehadirat Allah SWT yang telah

memberikan rahmat-Nya, seiring dengan selesainya penyusunan modul Praktikum
Statistika Lingkungan. Modul ini sebagai latihan langsung atau praktek langsung
menggunakan software untuk mata kuliah Statistika Lingkungan.
Modul ini berisi tentang panduan penggunaan software SPSS dan microsoft
Excel untuk pengolahan data statistik. Dan materinya meliputi statistik Deskriptif, Uji
hipotesis, Regresi dan korelasi, serta ANOVA. Kelebihan dari modul ini adalah
dilengkapi dengan berbagai kasus seputar materi Probabilitas dan Statistika.
Kami berharap semoga modul Praktikum Statistika Lingkungan ini dapat

memberikan manfaat yang optimal bagi pembaca, terutama untuk pembaca yang ingin
mendalami mata kuliah Probabilitas dan Statistika serta penguasaan materinya
menggunakan Software SPSS.
Pada penyusunan modul ini mungkin masih banyak kekurangan, oleh karena
itu, kritik dan saran yang membangun sangat kami harapkan, demi kesempurnaan
modul ini
Akhir kata, kepada semua pihak yang telah membantu pelaksanaan penyusunan
modul sampai penerbitan modul ini kami ucapkan terimakasih.
Yogyakarta, Februari 2021
Penyusun
ii
DAFTAR ISI
KATA PENGANTAR............................................................................................. i
DAFTAR ISI............................................................................................................ii
BAB I Pengenalan Software Excel......................................................................... 1
BAB II Perhitungan Statistik Deskriptif Ms Excel.................................................. 7
BAB III Pengenalan Software SPSS.................................................................... 17
BAB IV Membuat Berbagai Tabel Statistika…………………………………… 23
BAB V Penyajian Data Dalam Bentuk Grafik…………………………………. 27
BAB VI Inferensi Statistik Satu Sampel Untuk Rata-Rata………………… 32
BAB VII Inferensi Statistik Rata-Rata Dua Populasi……………………..… 37
BAB VIII Inferensi Statistik Lebih Dari Dua Sample (One Way Anava)...... 45
BAB IX Analisa Regresi Dan Analisis Korelasi................................................ 50
iii
MODUL I
PENGENALAN SOFTWARE EXCEL
1. TUJUAN PERCOBAAN
Mahasiswa diharapkan dapat memahami teori yang diperoleh dalam kuliah, dan
menggunakan software Microsoft Excel dalam mendeskriptifkan data melalui
pemasukan data kemudian menyunting, menampilkan isi dari data tersebut.
2. POKOK BAHASAN
Perkembangan komputer semakin merambah pada seluruh aspek kehidupan
manusia. Bila pada awalnya komputer hanya digunakan di bidang keilmuan saja, kini
komputer juga dimanfaatkan untuk mendukung dan mempermudah dalam melakukan
pekerjaan. Terkait dengan hal ini untuk menyelesaikan persoalan-persoalan yang
berkaitan dengan permasalahan statistika, diataranya dapat digunakan aplikasi
Microsoft Excel , SPSS , Minitab dan sebagainya.
Pada materi ini sebagai pemula di perkenalkan MS EXCEL dan aplikasinya.
Microsoft Excel merupakan program aplikasi pada lembar kerja (spread sheet) yang
paling populer digunakan saat ini, dalam menghitung, memproyeksikan, menganalisa
dan mempresentasikan data. Versi terbaru MS office Excel 2007 merupakan
pengembangan dari Microsoft Excel versi sebelumnya yang dikonsentrasikan agar
program aplikasi spread sheet lebih mudah dipakai (user-friendly), lebih fleksibel, dapat
diintegrasikan dengan program aplikasi Microsoft Office lainya dan dapat
memanfaatkan fasilitas-fasilitas yang terdapat pada internet dan intranet secara lebih
optimal.
Program MS Excel adalah program pengolah data yang paling banyak dikenal di
Indonesia. Program ini dibuat oleh Microsoft. Banyak fitur program ini yang dapat
digunakan dalam melakukan operasi matematika, keuangan, statistik dan logika. Untuk
menjalankan program ini tidak dibutuhkan komputer yang berkemampuan tinggi, syarat
minimumnya adalah: prosesor Intel Pentium 486 (atau yang lebih tinggi), RAM sebesar
16 megabyte (atau yang lebih besar), Harddisk dengan kapasitas 400 mega (atau yang
lebih besar), VGA 62 megabyte (atau yang lebih tinggi), dan CD ROM.
1
1. Mengenal Dasar-dasar Statistika
Mengapa harus mempelajari Statistik? Ada beberapa alasan mengapa pemakaian
statistik begitu luas dalam kehidupan masyarakat, yaitu:
a. Karena adanya banyak informasi, berupa angka-angka ada dimana-mana antara
lain di koran, majalah, tabloid, TV serta dari kantor-kantor (misalnya di bank,
BPS, dll). Yang semua itu diperlukan pengetahuan bagaimana mengolahnya agar
informasi itu dapat digunakan sebagai pengambilan keputusan.
b. Dengan pengetahuan ilmu (teknik) statistik, dapat membantu kita dalam
mengambil keputusan lebih cepat tepat dan efektif.
Pada dasarnya kegunaan data adalah untuk membuat keputusan oleh para pembuat
keputusan (decision makers). Syarat data yang baik adalah: Objektif, sesuai dengan
keadaan yang sebenarnya, Representatif (mewakili), Mewakili objek yang diamati,
Kesalahan baku (standard error) kecil, Perkiraan baik (apabila kesalahan bakunya
kecil), dan Tepat waktu. Syarat ini amat penting apabila data dipergunakan untuk
melakukan pengendalian atau evaluasi agar sempat dilakukan penyesuaian
(koreksi).
Berdasarkan kegunaannya, statistik terbagi menjadi dua jenis yaitu statistik
deskriptif dan statistic induktif (inferensial). Statistik deskriptif adalah bidang
statistik yang berkaitan dengan metode (teknik) pengambilan, pengelompokan,
peringkasan dan penyajian data dalam cara yang informatif. Umumnya
menggunakan analisis deskriptif yang meliputi rata-rata, median, modus dan
variansi. Sedangkan statistik inferensial adalah teknik statistik yang berhubungan
dengan analisis data untuk penarikan kesimpulan atas data yang diperoleh.
Umumnya teknik-teknik yang dipakai meliputi uji hipotesis, analisis variansi, dan
teknik regresi dan korelasi.
Ada 4 skala pengukuran di bidang statistika yaitu:

a. Skala Nominal (klasifikasi) adalah pemberian skala pengukuran berupa
bilangan (lambang lain) untuk mengelompokan obyek pembicaraan. Misalnya:
dalam status pendidikan, skala 1 untuk sekolah dan skala 2 untuk tidak sekolah.
2
Dalam data agama, skala 1 untuk islam, skala 2 untuk katolik, skala 3 untuk
Kristen, skala 4 untuk budha, skala 5 hindu, dan skala 6 untuk lainya, dll.
b. Skala ordinal (ranking) adalah pemberian skala pengukuran untuk
mengelompokan obyek-obyek ke dalam kelas-kelas yang mempunyai hubungan
urutan satu dengan lainnya. Misalnya: anggota ABRI dapat dikelompkan
menurut urutan pangkatnya yaitu Mayor > Kapten > Letnan. Pemberian skala 3
untuk Mayor, saka 2 untuk Kapten dan skala 1 untuk Letnan. Contoh lainya
pada data survei berupa kuesioner tentang kebijakan baru apakah sangat setuju,
setuju, ragu-ragu, tidak setuju, sangat tidak setuju. Pemberian skala 5 untuk
sangat setuju, skala 4 untuk setuju, skala 3 untuk ragu-ragu, skala 2 untuk tidak
setuju, dan skala 1 untuk sangat tidak setuju.
c. Skala Interval adalah pemberian skala yang memiliki ciri skala ordinal tetapi
jarak dari masing-masing data bisa diukur (biasanya pakai alat ukur). Misalnya
dalam pengukuran waktu, selisih waktu antara pukul 6 sampai 9 adalah sama
dengan selisih waktu antara pukul 1 sampai 4.
d. Skala Rasio merupakan jenis skala tertinggi dimana skala ini memiliki ciri-ciri
skala interval ditambah memiliki nilai nol sebagai nilai yang mutlak. Skala rasio
ini mencerminkan nilai sebenarnya dari data. Pada skala ini kita dapat
melakukan operasi matematis. Misalnya gaji yang diterima per bulan,
merupakan skala rasio, jumlah gaji Rp 50.000; merupakan 2 kali dari gaji
sebesar Rp 25.000; dan jumlah gaji nol diartikan tidak ada gaji sama sekali.
Di bidang statistika, data dapat dikelompokkan antara lain, menurut sifat, sumber,
cara memperoleh dan waktu pengumpulan.
a. Menurut sifatnya: 1. Data Kualitatif yaitu data yang tidak berbentuk angka. 2.
Data Kuantitatif adalah data yang berbentuk angka.
b. Menurut sumbernya: 1. Data Eksternal: data bersumber dari luar suatu
organisasi atau kelompok. 2. Data Internal: data bersumber dari keadaan atau
kegiatan suatu organisasi atau kelompok.
c. Menurut cara memperolehnya: 1. Data Primer: data yang dikumpulkan dan
diolah sendiri oleh suatu organisasi. 2. Data Sekunder: data yang diperoleh
dalam bentuk jadi dan telah diolah oleh pihak lain.
3
d. Menurut waktu pengumpulannya: 1. Data Cross Section: data dikumpulkan
dalam suatu periode tertentu. 2. Data Berkala (times series): data dikumpulkan
dari waktu ke waktu.
Di bidang statistik dikenal dua cara pengumpulan data yaitu dengan cara sensus
dan cara sampling.
a. Cara Sensus adalah cara pengumpulan data dimana seluruh elemen populasi
diselidiki satu per satu. Data yang diperoleh sebagai hasil pengolahan sensus
disebut data yang sebenarnya (true value), atau sering disebut parameter.
b. Cara Sampling adalah cara pengumpulan data dimana yang diselidiki adalah
elemen sampel dari suatu populasi. Data yang diperoleh dari hasil sampling
merupakan data perkiraan (estimate value), atau sering disebut statistik.
Dalam pengambilan sampel, ada dua cara pemilihan yaitu dengan cara acak
(random) dan cara bukan acak (nonrandom).
a. Cara Acak: Suatu cara pemilihan sejumlah elemen dari populasi untuk menjadi
anggota sampel, dimana pemilihannya dilakukan sedemikian rupa sehingga
setiap elemen mendapat kesempatan yang sama (equal chance) untuk dipilih
menjadi anggota sampel. Cara ini dianggap obyektif karena netral. Samplingnya
disebut probability sampling, yaitu setiap elemen mempunyai probabilitas yang
sama untuk dipilih.
b. Cara Bukan Acak: Suatu cara pemilihan elemen-elemen dari populasi untuk
menjadi anggota sampel dimana setiap elemen tidak mendapat kesempatan yang
sama untuk dipilih. Cara ini bersifat subyektif dan samplingnya disebut
nonprobability sampling, artinya setiap elemen tidak mempunyai probabilitas
yang sama untuk dipilih.
Untuk mendapatkan data diperlukan berbagai Alat (atau device) untuk

memperoleh keterangan dari objek atau elemen (yang biasa disebut alat pengumpul
data) antara lain:
a. Daftar pertanyaan (questionnaire)
b. Wawancara
4
c. Observasi atau pengamatan langsung
d. Melalui pos, telepon, atau alat komunikasi lainnya
Data mentah adalah hasil pencatatan langsung dari peristiwa/karakteristik
elemen yang dilakukan pada tahap pengumpulan data. Pengolahan data adalah suatu
proses untuk memperoleh data/angka berdasarkan kelompok data mentah.
Penyajian data selain berupa ringkasan (summary figures) angka-angka, juga
dapat berbentuk tabel dan grafik. Tabel: merupakan kumpulan angka-angka yang
disusun menurut kategori-kategori sehingga memudahkan untuk pembuatan analisis
data. Grafik: merupakan gambar-gambar yang menunjukkan secara visual data
berupa angka yang biasanya berasal dari tabel-tabel yang telah dibuat.
Ada berbagai bentuk tabel yang dikenal, yaitu:
a. Tabel satu arah (One way table): Tabel yang memuat keterangan mengenai satu
karakteristik saja. Contoh:
Data personalia: jumlah personalia menurut: a.) pendidikan, b.) masa kerja, c.)
umur, d.) golongan, dan lain sebagainya.
Data peralatan: jumlah kendaraan bermotor menurut: a.) merk, b.) jenis, c.)
umur, d.) harga, dan lain sebagainya.
b. Tabel dua arah (Two way table): Tabel yang menunjukkan hubungan dua hal
atau dua karakteristik. Contoh:
Data personalia: menurut masa kerja dan pendidikan, masa kerja dan golongan,
agama dan pendidikan, dan lain sebagainya.
Data peralatan, menurut umur dan merk, umur dan jenis, dan lain sebagainya.
c. Tabel tiga arah (Three way table): Tabel yang menunjukkan tiga hal atau tiga
karekteristik. Contoh:
Data personalia: menurut masa kerja, pendidikan dan golongan; masa kerja,
umur, dan golongan, dan lain sebagainya.
Data peralatan: menurut umur, merk dan jenis; jenis, merk dan unit kerja, dan
lain sebagainya.
Ada berbagai bentuk grafik yang biasa dikenal terdiri dari lima macam yaitu:
a. Grafik garis (Line chart):
 Grafik garis tunggal (single line chart): grafik yang terdiri dari satu garis
untuk menggambarkan perkembangan (trend) dari suatu karakteristik.
5
 Grafik garis berganda (multiple line chart): grafik yang terdiri dari beberapa
garis untuk menggambarkan perkembangan beberapa hal/kejadian
sekaligus.
 Grafik garis komponen berganda (multiple component line chart), serupa
dengan grafik garis berganda, tetapi garis yang teratas/terakhir
menggambarkan jumlah dari komponen-komponen, sedangkan garis lainnya
menggambarkan masing-masing komponen.
 Grafik garis persentase komponen berganda (multiple percentage
component line chart), sama seperti grafik garis berganda, kecuali bahwa
masing-masing nilai komponen dinyatakan dalam persentase, sehingga garis
teratas merupakan garis yang menunjukkan 100%.
 Grafik garis berimbang neto (net balanced line)
b. Grafik batangan / balok (Bar chart / Histogram)
 Grafik batangan tunggal (single bar chart)
 Grafik batangan berganda (multiple bar chart)
 Grafik batangan komponen berganda (multi component bar chart)
 Grafik batangan persentase komponen berganda (multiple percentage
component bar chart)
 Grafik batangan berimbang neto (net balanced bar chart)
c. Grafik lingkaran (Pie chart)
 Grafik lingkaran tunggal (single pie chart)
 Grafik lingkaran berganda (multi pie chart)
d. Grafik gambar (Pictogram): Yaitu grafik yang disajikan dalam bentuk gambar.
e. Grafik berupa peta (Cartogram): Yaitu grafik berupa peta. Suatu karakteristik
yang akan digambarkan, diberi tanda / ciri khusus (berupa gambar sederhana).
6
MODUL II
PERHITUNGAN STATISTIK DESKRIPTIF MS EXCEL
1. TUJUAN PERCOBAAN
menggunakan software Microsoft Excel dalam mendeskriptifkan data melalui
pemasukan data kemudian menyunting, menampilkan isi dari data tersebut.
2. POKOK BAHASAN
Teknologi komputer membantu di dalam melakukan analisis statistik yaitu
dengan perhitungan yang lebih akurat dibandingkan dengan perhitungan manual. Saat
ini banyak sekali program pengolahan data statistik yang telah beredar di pasaran, yaitu
SPSS, Minitab, Statsoft dan SAS. Selain itu banyak juga program pengolah data lain
yang dilengkapi dengan menu-menu untuk pengolah data statistk, misalnya MS Excel
dan Lotus.
Setelah MS Excel terinstal dalam komputer anda, berarti anda telah siap untuk
melakukan analis statistik menggunakan program ini.
Untuk mengaktifkan MS Excel langkahnya sbb:
 Klik Start >> Program >> Microsoft Office >> Microsoft Office Excel 2007
Seperti tampak pada gambar 2.1 dan hasilnya muncul tampilan pada gambar 3.2
Gambar 2.1. Cara memulai program MS Excel 2007
7
Gambar 2.2. Tampilan Jendela Kerja MS Excel 2007
Mengaktifkan Program Aplikasi MS Excel

Fasilitas yang diperlukan untuk melakukan analisis statistik adalah perintah Data
Analysis dalam menu data. Perintah ini merupakan perintah tambahan, yaitu perlu
menginstal (mengaktifkan) menu tersebut, caranya sbb:
 Klik Data >> Data Tools (klik kanan) >> Customize Quick Access Toolbar..
sehingga muncul kotak dialog gambar 2.3 bawah >> Pilih menu Add-Ins
sehingga muncul dialog gambar 2.3.
 Pastikan Manage terisi “Excel Add-Ins” kemudian klik Go sehingga muncul
dialog gambar 2.4.
 Pilih (aktifkan) Analysis ToolPak dan Analysis ToolPak-VBA >> OK sehingga
muncul menu Data Analyisis pada toolbar gambar 2.5.
8
Gambar 2.3 Kotak Dialog Excel Option
Gambar 2.4 Kotak Dialog Add-Ins
9
 Jika anda klik menu Data analysis, akan muncul tampilan dialog gambar 3.5
Gambar 2.5 Tampilan Jendela Aplikasi MS Excel dan Kotak dialog Data Analysis
Ada berbagai jenis analisis statistik pada kotak dialog gambar 2.5 yaitu:
 Anova: Single Faktor: untuk melakukan analisis Anova satu faktor (Oneway
Anova).
 Anova: Two-Faktor With Replication: untuk melakukan analisis Anova dua faktor
dengan pengulangan.
 Anova: Two-Faktor Without Replication: untuk melakukan analisis Anova dua
faktor tanpa pengulangan.
 Correlation: untuk melakukan analisis korelasi bivariat.
 Covariance: untuk melakukan analisis kovarian.
 Descriptive Statistics: untuk melakukan analisis statistik deskriptif
 Exponential Smoothing: untuk melakukan analisis regresi eksponensial.
 F-test Two Sample for Variance: untuk melakukan analisis uji varians dengan uji F
 Fourier Analysis: untuk melakukan analisis permasalahan dalam sistem linier dan
analisis data periodik dengan menggunakan transformasi Fast Fourier. Dapat juga
digunakan untuk trasformasi inverse.
 Histogram: untuk melakukan analisis dalam mencari distribusi frekuensi dari data
berbentuk grafik histogram.
 Moving Average: untuk melakukan analisis dalam membuat fungsi prediksi atau
regresi berdasarkan metode rata-rata bergerak.
10
 Random Number Generation: untuk melakukan analisis nilai random dengan
berbagai jenis distribusi.
 Rank and Percentile: untuk melakukan analisis dalam mencari ranking dari data dan
membuat kelompok data dalam persentil.
 Regression: untuk melakukan analisis regresi.
 Sampling: untuk melakukan analisis dalam mencari sampel dari sekelompok
populasi
 T-test Paired Two Sample for Means: untuk melakukan analisis dalam menguji
rata-rata dari dua pasangan sampel.
 T-test Two sample Assuming Equal Variance: untuk melakukan analisis pengujian
t dengan asumsi varians populasi sama.
 T-test Assuming Equal Variance: untuk melakukan analisis uji t pada sampel
dengan asumsi variansi populasi tidak sama.
 Z-test Two Sample for Mean: untuk melakukan analisis dalam menguji rata-rata
sampel menggunakan uji Z.
Statistik Deskriptif
Metode Statistik deskriptif adalah suatu cara/teknik statistik yang berhubungan
dengan penggambaran dan peringkasan data, sehingga data tersebut mudah dipahami.
Misalnya: ukuran-ukuran yang ada meliputi ukuran pemusatan di sekitar pusat data
(meliputi mean, median, modus), dan ukuran penyebaran (meliputi varians, deviasi
standart, range, mean absolute deviation (MAD), mean absolute percentage error
(MAPE)).
a. Ukuran Pemusatan
Ukuran ini berguna untuk mengetahui letak lokasi data dibandingkan
dengan pusat data. Pusat data adalah titik tengah data jika digambarkan pada
distribusi frekuensi.
 Mean (rata-rata): x1  x2  .....  xn n

x 
n
 1
n  xi ; dengan n = banyaknya data,
i1
i=1,2,3,…, n
 Median (nilai data yang ditengah, setelah diurutkan)
11
  n  1
data ke  2  ;n  ganjil
  
median  
 1 data ke  n   datake  n  1  ;n  genap
 2  2 2 
    
 Modus (data yang sering muncul= frekuensi tertinggi)
b. Ukuran Penyebaran
Ukuran penyebaran merupakan ukuran yang menunjukan penyebaran data dari
pusat data. Jika data disusun dalam garfik distribusi, ukuran ini menunjukan
penyebaran di sekitar pusat distribusi data. Penyebaran ini meliputi: varians, deviasi
standart, range, maximum dan minimum. Varians adalah kuadrat penyimpangan
data dari rata-rata. Deviasi standart adalah standart penyimpangan data dari rata-
rata, yang menunjukan besarnya variasi data di sekitar rata-rata. Range adalah
ukuran yang menunjukan lebar penyebaran data.
 Range = nilai Max – nilai Min
2
n  n 
n  x 2    xi 
i  
 Standard Deviasi: s
i 1  i 1  ; dengan n=banyak data, i= 1,2,3….n
n(n  1)
 Varians = kuadrat dari deviasi standart = s2
Beberapa fasilitas Statistika Deskriptive pada Excel

Statistik Perintah Excel
Rata-rata =AVERAGE(sel awal data:sel akhir data)
Median =MEDIAN(sel awal data:sel akhir data)
Modus =MODE(sel awal data:sel akhir data)
Maximum =MAX(sel awal data:sel akhir data)
Minimum =MIN(sel awal data:sel akhir data)
Standar Deviasi =STDEV(sel awal data:sel akhir data)
Variansi =VAR(sel awal data:sel akhir data)
Frekuensi =FREQUENCY(larik data, batas atas-batas atas dari
interval
Dll ......
12
Contoh:
Tabel 2.1 berikut merupakan data umur (tahun) dari 60 buah accu mobil yang
serupa jenisnya dan dicatat sampai persepuluh tahun terdekat.
Tabel 2.1 Umur accu Mobil

2,2 4,1 3,5 4,5 3,2 3,7 3,0 2,5 4,0 2,6
3,4 1,6 3,1 3,3 3,8 3,1 4,7 3,4 2,3 3,7
2,5 4,3 3,4 3,6 2,9 3,3 3,9 2,9 3,7 3,1
3,3 3,1 3,7 4,4 3,2 4,1 1,9 2,7 3.3 3,4
4,7 3,8 3,2 2,6 3,9 3,0 4,2 3.2 2,9 3,5
3,0 2,5 2,9 3,1 2,2 2,6 2.9 3,9 3,1 2,4
Menghitung ukuran pemusatan menggunakan aplikasi MS Excel, dengan

langkah-langkah sebagai berikut:
 Masukan data pada Excel, menurut struktur data kolom seperti Gambar 4.1
Baris rumus
Tempat hasilnya
Gambar 2.6 Jendela Kerja Excel 2007
a. Mengolah data dengan Excel dengan menuliskan pada baris rumus.

 Letakan pointer pada sel yang kosong untuk tempat hasilnya.
13
 Arahkan pointer pada baris rumus
 Tuliskan =average(b4:b63) >> OK dan hasilnya seperti pada gambar 2.6
 Dengan cara yang sama tulis rumus yang lainya
Gambar 2.7 Kotak Hasil Statistik Deskriptif
b. Mengolah data dengan Excel 2007 menggunakan fasilitas perintah Function

Caranya sbb:
 Letakan pointer pada sel yang kosong untuk tempat hasilnya.
 Klik Formula >> Insert Function, muncul dialog gambar 2.8 (bawah),
 Pilih Average >> OK muncul dialog 2.7 (atas)
 Isi Number 1 dengan b4:b63 >> OK, untuk mencari rata-rata usia aki
mobil
 Lakukan dengan cara yang sama untuk mencari median, modus, standar
deviasi, varian dan lainya
 Hasilnya sama dengan diatas
14
Gambar 2.8 Kotak dialog AVERAGE
c. Mengolah data dengan Excel 2007 menggunakan fasilitas perintah Data
Analysis. Caranya sbb:
 Klik Menu Data >> Data Analysis >> OK muncul dialog gambar 4.4
bawah
 Pilih Discriptive Statistics >> OK muncul dialog gambar 4.4 atas
 Isi Input Range kolom data: $b$4:$b$63; pilih Colom; Pilih Label in
First Row; isi Output Range (untuk menulis hasilnya) $e$4:$f$6; pilih
Summary statistics
 Klik OK sehingga hasilnya keluar seperti tabel 4.2 sbb:
Gambar 4.4 Kotak Dialog Data Analysis dan Kotak Dialog Descriptive
15
Tabel 4.2 Hasil analisis Descriptive Statistics data umur Accu
Mean 3,266666667
Standard Error 0,086835993
Median 3,2
Mode 3,1
Standard Deviation 0,672628708
Sample Variance 0,452429379
Kurtosis -0,09371391
Skewness 0,013456597
Range 3,1
Minimum 1,6
Maximum 4,7
Sum 196
Count 60
Largest(1) 4,7
Smallest(1) 1,6
Confidence Level (95,0%) 0,173758419
16
Tugas
1. Dalam sebuah penelitian untuk menurunkan kadar limbah yang mengandung
TSS dilakukan dengan ozonasi, berikut data hasil pengukuran kualitas air limbah
setiap bulan selama 4 tahun setelah dilakukan ozonasi. Hitunglah statistik
deskriptifnya :
Kandungan Kandungan Kandungan Kandungan
No No No No
TSS (mg/l) TSS (mg/l) TSS (mg/l) TSS (mg/l)
1 20,9 13 35,7 25 37,3 37 30
2 20,1 14 35 26 34 38 22,8
3 15 15 34,1 27 29,8 39 22,8
4 15 16 30 28 25,5 40 22,8
5 17,6 17 33,8 29 23,7 41 28,4
6 28,9 18 37,8 30 26,9 42 28,8
7 29 19 30 31 23,9 43 28,8
8 30,1 20 29,8 32 23,6 44 28,7
9 28,5 21 29,7 33 29 45 28,7
10 26,9 22 27,9 34 29 46 25,4
11 22,8 23 28,7 35 29 47 25,3
12 29,1 24 22,9 36 22,8 48 22,8
2. Terdapat 30 data uji laboratorium yang meneliti kandungan BOD

(mg/l) pada air buangan dari 30 rumah sakit di Jawa Tengah sebagai
berikut:
20 22 24 24 27 24 28 28 29 22
28 26 35 38 34 36 30 40 29 26
27 28 24 15 19 20 20 26 23 24
Hitung statistik deskriptifnya!
17
MODUL III
PENGENALAN SOFTWARE SPSS
1. TUJUAN PERCOBAAN
menggunakan software SPSS dalam mendeskriptifkan data melalui pemasukan data
kemudian menyunting, menampilkan isi dari data tersebut.
2. POKOK BAHASAN
SPSS singkatan dari Statistical Package for Sosial Science yaitu merupakan
paket statistik untuk ilmu-ilmu sosial. Akan tetapi SPSS banyak juga digunakan untuk
bidang-bidang lain yang membutuhkan statistika. SPSS mempunyai dua lembar kerja,
yaitu sheet yang pertama dengan nama variabel view dan sheet yang kedua variabel
view.
a. Tampilan Data VIEW dan Variabel View
Data view merupakan sheet yang menampilkan data hasil penelitian yang akan
diolah atau dianalisis dengan program SPSS 10.01 for Windows. Pada data view
ditampilkan kolom – kolom yang disertai nama-nama variabel.
variabel
Gambar.1.1
Data View
Variabel View
18
Pada variabel view ditampilkan nama variabel, tipe data, lebar kolom, penggunaan
desimal, label penamaan variabel, macam data hasil penelitian (nominal, scale,
ordinal), alignment atau peletakan data yang diinputkan.
Pemberian nama variabel harus memenuhi ketentuan berikut ini :

1. Nama variabel harus diawali dengan huruf dan karakter yang selanjutnya boleh
huruf, angka dan simbol @, #, atau $.
2. Nama variabel tidak boleh diakhiri dengan tanda titik.
3. Harus dihindari pemberian nama variabel yang diakhiri dengan garis bawah.
4. Panjang nama variabel tidak boleh lebih dari 8 karakter.
5. Spasi kosong an spesial karakter !, ? dan * tidak digunakan.
6. Nama variabel tidak boleh sama satu variabel dengan variabel lainnya.
7. Tidak membedakan huruf kecil dengan huruf kapital.
8. Tidak menggunakan kata-kata yang sudah ada pada sistem atau bahasa
pemrograman SPSS yaitu, ALL, AND, BY, EQ, GT, LT, NE, NOR, OR, TO,
AND.
Tipe data yang ada pada SPSS adalah

1. Numeric, merupakan tipe angka dengan tanda plus dan tanda minus di depan
angka serta indikator desimal. Lebar maksimal 40 karakter.
2. Comma, merupakan tipe yang termasuk angka, tanda plus dan tanda minus di
depan angka, indikator desimal serta pemisah ribuan.
3. Dot, tipe ini sama dengan tipe comma, yang membedakan hanyalah pemisah
ribuan, yang digunakan adalah titik.
4. Scientifik notation, merupakan tipe data yang menggunakan lambang atau
notasi ilmiah seperti log, alfa, dll.
5. Date, tipe ini menampilkan data dalam format tanggal atau waktu.
6. Dollar, tipe ini adalah tanda $ sebuah titik sebagai indikator desimal dan
beberapa tanda koma pemisah ribuan.
7. Custom curency, tipe ini digunakan untuk menampilakan format mata uang
seperti Rp. 65.000.
19
8. String, digunakan untuk karakter huruf dan karakter lainnya.
Label digunakan untuk memberikan keterangan dari variabel-variabel yang ada,
agar lebih informatif dan anda tidak lupa terhadap data yang didalamnya. Di samping
ada Variabel label juga ada value label untuk nilai – nilai variabel faktor berupa data
kategorik seperti contiohnya kelas. Untuk data numerik tidak perlu ada value label.
Colums Format, adalah lebar kolom untuk data ini, standarnya 8 character. Anda
bisa mengubahnya sendiri sesuai yang anda kehendaki.
Missing value, berisi beberapa pilihan menangani missing value.
1. Tanpa ada missing value.
2. Diskret missing value: digunakan untuk menyediakan data mana sajakah yang
akan dihilangkan atau ditinggalkan.
3. Range missing value: data yang berupa interval yaitu nilai terendah sampai nilai
tertinggi yang akan dihilangkan atau ditinggalkan.
Align, digunakan untuk menentukan data tersebut akan tampil secara rata kiri, rata
kanan, atau center.
Meassure, digunakan untuk menentukan macam data. Macam data ada tiga yaitu:
Nominal dimana data hasil menghitung yang merupakan data diskret, skala serta
ordinal untuk menentukan data kontinyu yaitu data hasil mengukur.
3. CONTOH PERCOBAAN
a) Memasukan Data
Terdapat data demografi atau kependudukan beberapa Negara, dalam tabel berikut:
Tabel 1.1
Negara Populasi Dens Urb Religion Life Expm Life Exfm
Afganistan 20500 25 18 1 44 45
Argentina 33900 12 86 2 75 68
Armenia 3700 126 68 4 75 68
Austaralia 17800 23 85 3 80 74
Azerbajian 8000 94 58 1 79 73
Bahrain 600 828 83 1 74 71
Keterangan :
Religion: 1. Islam 2. Kristen 3. Katolik 4. Hindu 5. Budha
20
Untuk memasukkan data tersebut ke SPSS caranya sebagai berikut:
1. Anda harus buat dulu nama variabel, untuk membuat nama pada variabel tekan
sheet variable view.
2. Isikan nama variabel sampai dengan tipe data, caranya:
- Kolom name ketikkan nama variabelnya, untuk baris pertama ketikkan
negara.
- Kolom tipe diisikan tipe data yang diproses sesuai dengan variabelnya. Klik
kolom type maka akan muncul: lihat Gambar.3.
Gambar 3
Kemudian klik type string dan isikan pada menu character 15.
- kolom Align pilih left yang berarti rata kiri.
3. Pada baris selanjutnya menyesuaikan data yang diinginkan.
4. Untuk nama variabel dens dan urb pada kolom label isikan density untuk dens
dan urbanisasi untuk urb. Hal ini berfungsi untuk memberikan keterangan yang
lengkap terutama outputnya.
5. Untuk nama variabel religion pada kolom values klik kemudian akan tampil sbb:
Gambar 1.3
21
Untuk mengisikan pada kolom value, masukkan angka 1 kemudian pada value
label ketikkan Islam, demikian seterusnya sampai selesai.
6. Bila semua variabel sudah dipesankan kemudian klik data view, anda lihat
kolom-kolom sudah terisi nama-nama variabel yang sudah dipesankan di sheet
variabel view. Selanjutnya dapat diisikan datanya sesuai tabel.
7. Untuk menyimpan file, klik menu File > save kemudian pada save in carilah
folder yang sesuai misalnya c:\ My documents\k-1 untuk menyimpan data anda.
Dan pada file name ketikkan nama file, misalnya m1C1 kemudian tekan save.
8. Untuk membuat File baru: klik File > New > data. Sedangkan untuk keluar dari
SPSS klik File > Exit.
b). Analisa Data Deskriptif

Analisa data yang paling sederhana yang dapat dilakukan adalah menampilkan
deskripsi numerik data anda menggunakan kuantitas seperti mean, standar deviasi,
median, min, max, dsb.
Langkah- langkah untuk analisis menggunakan descriptive:
- Pilih Analyze > Descriptive statistics > Descriptives. Sehingga terlihat:
Gambar 1.4
- Masukkan ke dalam kolom variable (s) nama-nama variabel yang akan dihitung
nilai statistiknya. Pemilihan dapat dengan mengklik dua kali variabel yang
diinginkan atau memindahkannya dengan cara mengklik tanda panah.
- Klik option untuk memilih statistik deskripsi yang akan dihitung nilainya,
misalnya: mean, median, maximum, minimum, dsb. Kemudian klik Continue
untuk melanjutkan.
22
- Klik Ok , sehingga SPSS akan menampilkan output yang anda inginkan.
4. TABEL OUTPUT STATISTIK DESKRIPTIF
Descriptive Statistics
N Minimum Maximum Sum Mean Std. Dev iation Variance

POPULASI 7 600 33900 91900 13128,57 11637,54 1,4E+08
Life expm 7 44 80 502 71,71 12,43 154,571
density 7 12 828 1194 170,57 293,07 85887,952
urbanisasi 7 18 86 452 64,57 24,33 591,952
agama 7 1 4 14 2,00 1,15 1,333
life exf m 7 45 74 466 66,57 9,88 97,619
Valid N (listwise) 7
Simpan output anda dengan memilih menu File > save… kemudian ketikkan nama
file output_m11 dan pastikan file anda disimpan di direktori sesuai kelompok anda.
Untuk memanggil output yang telah anda simpan pilh File > open > output
kemudian pilih output yang akan dibuka.
5. MEMINDAH OUTPUT KE MICROSOFT WORD (PENGOLAH KATA)

Output dapat disajikan dengan menarik agar orang lain dengan mudah
memahami hasil analisa anda. Buka file output yang akan dipindah, klik tabel yng
akan dipindah ke dalam Microsoft word, kemudian buka microsoft word dan di-
paste, atau melalui menu Edit > paste.
TUGAS
1. Berikut adalah data penggunaan air rumah tangga menurut sumber airnya,yaitu:
Air
Sumur Sumur tak Mata air Mata air tak Air Sungai
Sumber Air dalam Ledeng Pompa
terlindung terlindung terlindung terlindung Hujan/lainnya
kemasan
Kulon-progo 3,68 8,16 1,87 57,16 9,69 15,3 3,68 0,47
Bantul 11,4 3,22 7,95 70,29 6,32 0,83 0 0
Gunung Kidul 1,16 23,31 3,92 30,67 14,23 6,95 2,67 17,08
Sleman 30,49 2,01 2,37 60,4 3,26 1,48 0 0
Yogyakarta 42,36 9,06 20,07 27,76 0,75 0 0 0
Hitunglah deskriptif statistik dengan menggunakan SPSS dan intepretasikanlah
23
2. Data di bawah ini merupakan data perkiraan beban pencemaran limbah cair dan
perkiraan beban pencemaran limbah padat dihunian hotel. Hitunglah statistik
deskriptifnya menggunakan SPSS.
Tingkat
Jumlah Limbah BOD COD
No Penginapan Hunian
Kamar Padat (mg/l/bulan) (mg/l/bulan
(%)
1 Hyatt / Bintang 5 269 55 110 22,5 37,5
Sheraton Mustika /
2 241 28 3 7,1 19,8
Bintang 5
Royal Ambarukmo/
3 247 70 2 1 7
Bintang 5
4 Quality / Bintang 4 190 72 2 3,1 3,9
Jayakarta / Bintang
5 129 67 3,6 229 48,2
4
Jogjakarta Plaza /
6 157 59 0,04 382,3 104,6
Bintang 4
Sahid Raya /
7 111 80 2 0,4 0,6
Bintang 4
New Saphir /
8 312 40 2,5 0,2 0,3
Bintang 4
Cakra Kembang /
9 65 73 1 8,1 20
Bintang3
10 Abadi / Bintang 3 97 62 5 8,3 16,7
11 Brongto / Bintang 3 63 18 0,6 50,2 94
Grand Palace /
12 62 49 1 0,24 0,7
Bintang 3
24
MODUL IV
MEMBUAT BERBAGAI TABEL STATISTIKA
1. TUJUAN PERCOBAAN
Mahasiswa diharapkan terampil dalam membuat dan memahami tabel statistik
dengan menggunakan paket program SPSS.
2. POKOK BAHASAN
Jika dahulu tabel statistik disajikan lewat buku-buku (text book) statistik dan
mempunyai bentuk yang standar, maka sekarang tabel statistik dapat dibuat dengan
bantuan paket program, salah satunya adalah SPSS. Software statistik ini memang tidak
dilengkapi dengan kemampuan untuk membuat tabel statistik secara langsung, namun
tetap dimungkinkan membuat berbagai tabel statistik lewat menu Transform pada SPSS.
3. CONTOH PERCOBAAN
a. Membuat tabel distribusi_t
Untuk distribusi t karena untuk mendapatkan ttabel hanya perlu melihat derajat
bebas atau df dan alpha () maka dapat dilihat melalui fungsi IDF.T(INVERS
DISTRIBUTION FUNCTION) yang dapat dilihat di function. Fungsi lengkapnya
IDF.T (p,df), dimana p adalah kuartil atas dengan nilai (1-alpha) dan df adalah
derajat bebas. Grafik untuk distribusi t:
|
| =0.01
|
0 t tabel
Dengan kata lain akan dicari luas daerah yang diasir seperti tampak dalam gambar
diatas.
Langkah percobaan:
 Jalankan SPSS dan buka data editor baru yaitu menu File > New > Data.
 Buatlah variabel dengan nama df didata editor ini, kemudian isikan 1 sampai 20
(jika diinginkan nilai derajat bebas yang lain, tinggal diganti nilai df ini).
25
 Pilih menu Transform > Compute, maka akan terbuka window dialog
compute variabel, isikan pada target variabel nama variabel baru t0.01.
kemudian pada numerik expresion pilih dan isikan function IDF.T(1-0.01, df)
untuk =0.01. Kemudian abaikan yang lain dan klik OK. Maka pada layar data
sekarang dimiliki variabel t0.01 yang berisikan nilai tabel t untuk =0.01 dan
derajat bebas mulai dari 1 sampai 20. Sebagai contoh diperoleh t(10,0.01)=2,76.
 Untuk nilai alpha yang lain dapat dibuat sendiri. Misalnya ingin membuat tabel
untuk alpha =0,05, maka pada dialog window dialog variabel, isikan pada target
variabel nama variabel baru t0.05. kemudian pada numerik expression pilih dan
isikan function IDF.T(1-0.05,df). Lihat gambar dibawah:
gambar 3.1
Demikian pula untuk nilai alpha maupun df yang lainnya.
b. Membuat Tabel Distribusi F
Untuk membuat tabel F, diperlukan df1(numerator/pembilang) dan df2
(denominator/penyebut), sedangkan SPSS tidak dapat melakukan perhitungan dua
dimensi seperti excel, maka pembuatan tabel F dilakukan dengan df1 konstan.
0 F1
26
Langkah-langkah:
 Jalankan SPSS dan buka data editor baru: dengan menu File > New > data.
 Buatlah variabel dengan nama df2 didata editor ini, kemudian isikan nilai 1 sampai
20 (nantinya jika menginginkan nilai derajat bebas yang lain, tinggal ganti nilai df2
yang ini).
 Pilih menu Transform > Compute maka akan terbuka window dialog compute
variabel. Isikan pada target variabel nama variabel baru F0,01. Kemudian pada
Numeric Expression, pilih dan isikan function IDF.F. Misalnya kita akan mencari
tabel F dengan df1=3, df2=5 dengan =0.01. Jadi gunakan IDF.F(1-0.01,3,5).
Tekan OK untuk melihat hasilnya. Dapat dilihat F(0.01;3;5)= 12,06.
c. Membuat tabel CHI SQUARE

Suatu peubah acak X dikatakan berdistribusi chi square n2(0) dengan derajat
kebebasan n jika (untuk suatu bilangan bulat n>0):
1 ( n )1 ( x )
Fx (x)  n
x 2 e 2
2 2 ( n
2)
Biasanya grafik Chi square berbentuk
0 12
Cara membuat tabel Chi Square, misalnya dipakai =5%=0,05:
 Buka File baru, lalu buat variabel baru dengan nama df .
 Lalu isi variabel df dengan angka 1,2,… sampai 20.
 Dari menu utama SPSS buka File TRANSFORM, lalu sub menu Compute…..
 Target variabel sebagai nama variabel untuk tabel, ketikkan chi_5
 Numeric expression ketik IDF.CHISQ(0.95,df). Disini dipakai 95% (dari
100%-tingkat signifikansi). Sedang df adalah nama variabel yang dibuat
sebelumnya.
27
 Abaikan pilihan yang lain dan tekan OK untuk melihat hasilnya. SPSS akan
memproses pembuatan tabel Chi Square sebanyak 20 df untuk tingkat =5%,
dimana hasilnya akan ditampilkan pada variabel baru chi_5.
d. Membuat Tabel Distribusi NORMAL
Pembuatan tabel normal menggunakan excel, akan lebih sederhana dalam
membuat tabel Normal Standar Comulative. Sementara software statistik yang lain
kesulitan dalam membuat tabel ini, Excel dengan sederhana dapat membuat tabel
normal, dengan langkah-langkah sbb:
 Pada kolom A mulai cell A2 ketik nilai z. bisa dimulai angka 0 bergerak 0.1
sampai angka 4.
 Pada baris 1 mulai cell B1 isi dengan nilai z juga (untuk desimal nilai Z pada
kolom A) mulai dari 0,00 sampai dengan 0,09.
 Dari cell B2 ketikkan NORMSDIST($A2+B$1).
 Copy cell B2 dan pastekan kesemua cell untuk alokasi tabel.
Perintah diatas dapat dijelaskan bahwa untuk pengkopian kebaris maka kolom
akan tetap, yang bergerak adalah sell barisnya. sebagai berikut
Gambar 3.2
28
TUGAS
Kerjakan soal berikut :
1. Tabel distribusi t
a. t(24,0.02)
b. t(37,0.03)
c. t(49,0.04)
2. Tabel distribusi F
a. F(12, 15, 0.02)
b. F(27, 30, 0.03)
c. F(45, 48, 0.04)
3. Tabel distribusi χ2
a. χ2 (2, 0.05)
b. χ2 (20, 0.03)
c. χ2 (25, 0.04)
4. Tabel distribusi normal (Z)
a. P(Z ≤ 0,39); P(Z ≤ -0,49); P(Z ≤ -3,90)
b. P(-0,49 ≤ Z ≤ 4,90); P(-2,09 ≤ Z ≤ 3,09)
c. P(Z > 4,90); P(Z > -4,09); P(Z > 4,09)
29
MODUL V
PENYAJIAN DATA DALAM BENTUK GRAFIK
1. TUJUAN PERCOBAAN
Mahasiswa diharapkan terampil dalam menggunakan software SPSS untuk
menyajikan data dalam berbagai bentuk grafik.
2. POKOK BAHASAN
Beberapa macam grafik yang bisa dibuat dalam program SPSS, diantaranya
adalah:
a) Grafik Garis
Grafik berupa garis dibuat untuk menunjukkan perkembanngan suatu keadaan.
Perkembangan tersebut bisa naik bisa turun, hal ini akan nampak secara visual
melalui garis dalam grafik. Tampilan yang ditawarkan dalam bentuk simple,
multiple, drop_line. Klik menu graph > line sehingga akan tampil kotak dialog
berikut.
Gambar 2.1
Keterangan:
 Simple  untuk membuat grafik dengan satu garis.
 Multiple  untuk membuat grafik garis dengan beberapa garis.
 Drop-line  untuk grafik garis yang menujrun atau arah vertikal.
30
Tanpilan di Data in Chart Area adalah:
 Summaries for groups of case  kasus dianalisa dan dikelompokkan
dengan grafik pergroup.
 Summaries for separed of variabel  grafik yang akan ditampilkan terpisah
pervariabel.
 Value of individual case  untuk menganalisa secara nilai perkasus.
b) Grafik batang
Grafik batang (bar) merupakan cara lain untuk manampilkan data penelitian.
Grafik bentuk ini pada dasarnya digunakan untuk menampilkan data kualitatif.
Untuk menampilakn grafik batang terlebih dahulu buka data yang akan dibuat
grafiknya, kemudian klik menu Graph > Bar sehingga terlihat tampilan seperti
dibawah ini:
Gambar 2.2
Keterangan :
 Tawaran yang diberikan untuk membuat grafik batang dalam bentuk:
- simple : untuk membuat grafik batang biasa.
- bclusstered : untukl membuat grafik batang yang tersarang.
- stacked : untuk grafik batang seperti grafik batang biasa tetapi
tinggi rendah batang dibuat dengan penggolongan.
 Tampilan menu Data in Chart Area fungsinya sama dengan pada grafik
garis.
31
c) Grafik Histogram
Grafik Histogran hampir mirip dengan grafik bar. Grafik Histogram
merupakan grafik yang berbentuk batang-batang yang disusun berjajar. Digunakan
dalam tampilan pengujian normalitas dari suatu variabel. Perbedaan dengan grafik
batang bila grafik batang ada batas nyata antara batang satu dengan batang yang
lain, sadangkan pada Histogram tidak ada batas nyata dimana batang satu dengan
lainnya disusun berdekatan.
Untuk membuat Grafik Histogram caranya sama dengan menggunakan
grafik garis, yaitu buka data yang akan dibuat grafiknya, kemudian klik menu
Graph > Histogram kemudian muncul dialog:
Gambar 2.3
- Kemudian pada menu variable (s): masukkan variabel yang akan dibuat
grafiknya.
- Template: menyediakan fasilitas dimana alan menggunakan spesifikasi dari
suatu file, jika menggunakan dari suatu file maka klik file yang extensionnya
*.tmp.
- Klik Display normal curve untuk menampilkan histogram dengan grafik yang
membentuk kurva normal.
- Titles: berfungsi untuk memberi nama grafik yang dibuat pada analisis.
d. Grafik scatter plot

Grafik yang menunjukkan pengaruh dan hubungan dua buah variabel. Diagram
scatter merupakan diagram yang biasa ada pada analisa regresi terutama pada
32
program mikrostat. Langkah untuk membuat grafik scatter: klik menu Graph >
scatter… sehingga terlihat tampilan seperti dibawah:
Gambar 2.4
Keterangan:
 Simple : Scatter plot yang paling sederhana antara dua data (variabel) atau
pasangan (x,y). Anda tinggal memilih variabel mana untuk Y-
aksis dan X-aksis pada box ‟Define‟.
 Overlay : ini adalah scatter plot ganda. Jika kita punya minimal dua
pasangan data berpasangan (x,y) maka kita bisa membuat plot
pasangan – psangan data tersebut dengan memilih ini. Contohnya
anda punya pasangan data (x,y) dan (u,v) maka pada plot data
(x,y) diwakili tanda “+” dan data (u,v) diwakili tanda “kotak”.
 Matrix : matrik plot minimal untuk dua data. Jadi suatu variabel
ditampilkan dua kali terhadap variabel lawannya, yaitu sebagai
Y-aksis dan X-aksis.
 3-D : scatter plot dimensi. Scatter ini untuk 3 buah data (variabel).
 Define : setelah menetapkan pilihan terhadap scatter plot yang akan dibuat,
maka untuk memasukkan variabel yang akan diplot klik Define.
3. CONTOH PERCOBAAN
Akan dibuat Histogram yaitu grafik batang distribusi data yang
dikelompokkan menmurut interval-interval tertentu. Dalam percobaan kali ini
akan dibuat histogram ekpektasi hidup wanita. Data yang dianalisa berasal dari
paket program SPSS dengan nama file world95.sav.
Langkah – langkahnya:
 Buka file world95 dari SPSS.
33
 Pilih menu graphs > histogram. Kolom variable masukan variabel
lifeexpf
 Klik dialog Title. Isikan judul dari histogram, misalnya „Histogram
Harapan Hidup Wanita’.
 Kllik pada Display Normal curve.
 Klik OK untuk melihat hasilnya, dan copy ke MS World
hitogram harapan hidup w anita
40
30
20
10
St d. Dev = 10, 57
Mean = 70, 2
0 N = 109, 00
45,0 50,0 55,0 60,0 65,0 70,0 75,0 80,0
Average female life expectancy
Tampak pada outputnya ada iringan kurva normal. Hal ini bisa digunakan untuk
mengecek datanya terdistribusi normal apa tidak.
Masih dengan file yang sama, sekarang akan dilihat matrix scatter plot untuk 3
variabel yaitu lifeexpm (angka harapan hidup penduduk pria), lifeexf (angka
harapan hidup penduduk wanita), dan babymort (angka kematian bayi).
Langkah – langkahnya:
 Dari menu utama SPSS klik graphs > scatterplot..
 Pilih matrix kemudian klik Define dan masukkan variabel yang akan diplot
ke dalam kolom Matrix variable.
 Tekan OK untuk melihat hasilnya.
output sacatterplot
Average male life ex
Average female life
I nfant mortalit y (de
Terlihat semua pasangan kombinasi plot dua variabel disajikan dalam matrix.
Semuanya menunjukkan hubungan linier.
34
TUGAS
Buatlah grafik untuk menggambarkan data tentang penjualan mobil, data tersebut
tersedia dalam SPSS yaitu dengan nama car_sales.sav, dari data tersebut buatlah :
a. Grafik histogram, batang dan garis untuk variabel horse power (horsepow)
b. Grafik histogram, batang dan garis untuk variabel price
c. Kemudian buatlah grafik hubungan antara variabel horse power dengan price
Jelaskan secara lengkap untuk setiap grafik yang telah dibuat.
35
MODUL VI
INFERENSI STATISTIK SATU SAMPEL UNTUK RATA-RATA
1. TUJUAN PERCOBAAN
Mahasiswa diharapkan terampil dalam menggunakan paket program SPSS
untuk membantu perhitungan statistik dalam pengujian parameter rata-rata satu
populasi.
2. POKOK BAHASAN
Jika dalam statistik deskriptif dilakukan deskripsi pada data, maka pada
statistik inferensi data dilakukan berbagai analisis yang mengarah ke sebuah
pengambilan keputusan. Di teori statistika dalam menentukan H0 ditolak atau
diterima anda selalu membandingkan antara statistik hitung dengan statistik tabel.
Walaupun dalam output running kebanyakan paket statistik (SPSS, Minitab, Exell,
dll) tidak ada, bisa juga melihat statistik tabel melalui fasilitas compute dan
memanfaatkan function IDF (Invers Distribution Function) beberapa distribusi yang
anda kehendaki. Namun karena langkah ini tidak familier dalam paket statistik,
maka kita akan menggunakan nilai p_value (yaitu nilai terkecil  yang masih
menolak H0). kususnya di SPSS, nilai p-value ini dikenal dengan istilah signifikan
yang sering disingkat dengan sig. H0 ditolak jika nilai sig. <  yang diambil.
Dalam mengambil keputusan sering kali mengalami kesalahan atau kekeliruan,
dalam hal ini ada dua macam kekeliruan:
a) Kekeliruan tipe I (kekeliruan ): kekeliruan yang dilakukan setelah kita menolak
H0 , padahal H0 benar.
b) Kekeliruan tipe II (kekeliruan ): kekeliruan yang dilakukan setelah kita
menerima H0, padahal H0 salah.
A. Uji Mean Satu Populasi: Sampel besar, Distribusi data sembarang

Misalkan kita akan menguji mean atau rata-rata suatu sampel yang
berukuran besar, dan karena SPSS tidak menyediakan perhitungan untuk uji
mean dengan sampel besar maka dilakukan perhitungan secara manual dan tetap
36
menggunakan SPSS. Yang dihitung yaitu nilai Zhitung dengan persamaan
x
Z ; Dengan x = mean sampel,  = rata-rata populasi, s = standart
s
n
deviasi, dan n adalah ukuran sampelnya.
CONTOH PERCOBAAN:
Suatu perusahaan pembuat alat-alat olahraga, membuat tali pancing sintetik, menurut
pembuatnya rata-rata dapat menahan beban 8 kg dengan standart deviasi 0,5 kg. Untuk
menguji apakah pernyataan pembuatnya tersebut benar, maka dengan mengambil
sampel random sebanyak 50 tali mendapatkan rata-rata daya tahannya 7,8 kg. gunakan
taraf nyata  = 1%.
Penyelesaiannya:
Diketahui : n= 50 ; x = 7,8 ; s= 0,5 ;  = 8
Hipotesis yang diajukan : H0 :  = 8 vs H1 :  8
Dengan taraf nyata =1%, maka dengan melihat tabel Z0.05 = 2,575
x
Statistik uji : Z 
s
n
Dengan menggunakan SPSS, nilai-nilai statistik dapat dicari seperti mean, standar
deviasi, dan lainnya. Dengan diasumsikan mean dan standar deviasi sampelnya
diketahui. Kemudian akan kita hitung nilai Z-nya dengan menggunakan SPSS10.01.
Langkah-langkahnya:
a. Buatlah variabel baru dengan nama zhitung dengan tipe data numerik, isikan dengan
sembarang angka, misalnya 1. Kemudian pilih menu Transform > compute….
Pada target variabel,isikan zhitung.
Pada numeric expresion, isikan : (x - )/(s/sqrt(n)), dengan x, , s dan n sesuai yang
diketahui. Klik ok dan pilih yes jika ada pertanyaan Change Existing Variabels!
Maka akan ditampilkan nilai zhitungnya yaitu –2,828.
b. Untuk nilai ztabel dapat dilihat pada buku, namun apabila ingin dibuat dengan
komputer maka langkah-langkahnya adalah:
Pilih menu Transform > Compute…
Pada target variabel isikan Ztabel
37
Pada numeric ekspresion isikan IDF.Normal (1-/2,0,1)
- Pilih ok dan lihat hasilnya Ztabel = 2,575 .
- Daerah kritisnya :
H0 ditolak jika Zhitung < -Ztabel atau Zhitung >Ztabel
Daerah penolakan H0
-2,575 2,575
kesimpulan hipotesis:
karena nilai Zhitung terletak didaerah kritis maka H0 ditolak, yang berarti bahwa rata-
rata daya tahan pancing tidak sama dengan 8 kg.
B. Uji rata-rata sampel kecil, Populasi Normal

Uji rata-rata populasi normal dengan SPSS untuk sampel ukuran kecil (n<30),
yakni digunakan statistik uji t. Fasilitas ini telah tersedia dalam menu SPSS,
sehingga kita gunakan untuk menghitungnya.
3. CONTOH PERCOBAAN:
Suatu penelitian akan menganalisis apakah rata-rata IPK mahasiswa matematika
adalah 3.54. Diperoleh data IPK mahasiswa matematika adalah sebagai berikut:
No Nama IPK No Nama IPK
1 Etik 3.75 14 ridwan 3.56
2 yunita 3.7 15 fio 3.89
3 ninik 3.77 16 yusuf 3.66
4 arip 3.14 17 melisa 3.78
5 anto 3.42 18 ilham 3.24
6 kiki 3.62 19 dian 3.41
7 putri 3.33 20 agung 3.23
8 aan 3.51 21 tika 3.54
9 arman 3.43 22 santi 3.43
10 wahyu 3.45 23 jaka 3.25
11 via 3.54 24 anggi 3.78
12 candra 3.75 25 anjar 3.83
13 didin 3.54
38
Langkah-langkah uji hipotesanya adalah sebagai berikut:
1) Setelah menginputkan data, pilih menu Analyze >> compare Mean >> One
Sample T Test.
2) Masukkan variable IPK ke kotak Test Variable (s)
3) Kemudian pada kotak Test Value isikan angka dugaan rata-rata IPK yaitu 3.54.
4) Pada menu Options berisi pilihan untuk interval konfidensi, pilih 95%
(alpha=0,05)
5) Klik OK, maka akan diperoleh hasil outputnya adalah sebagai berikut :
Dari tabel di atas dapat diketahui banyaknya data IPK yang valid berjumlah 25
anak. Rata-rata IPK mahasiswa matematika adalah 3.5420 dengan standar deviasi
0.20901 dan standar eror rata-rata 0.04180.
Uji Hipotesis
 Rumusan Hipotesis
H0 : = 3.54 (rata-rata IPK mahasiswa matematika sama dengan 3.54)
H1 :  3.54 (rata-rata IPK mahasiswa matematika tidak sama dengan 3.54)
 Signifikansi =  = 5%
x- 
 statistik uji t = ~ t n-1
s
n
dari output One Sample Test diketahui bahwa nilai t hitungnya adalah 0.048
dan signifikansinya 0.962.
dengan df=24, α =0.05/2, maka didapatkan t tabelnya adalah t(0.025,24) = 1.71
 daerah kritis
 jika t tabel ≤ t hitung ≤ t tabel, maka H0 tidak ditolak
39
 jika t hitung < -t tabel atau t hitung > t tabel, maka H0 ditolak
berdasarkan signifikansi
 jika signifikansi > 0.05 maka H0 tidak ditolak
 jika signifikansi < 0.05 maka H0 ditolak
 kesimpulan
Karena nilai t hitung (0.048) ≤ t tabel (1.71) dan signifikansi 0.962 > 0.05
maka H0 tidak ditolak, artinya rata-rata IPK mahasiswa matematika adalah
3.54.
TUGAS
1. Seorang laboran menyatakan bahwa rata-rata setiap sampel yang diuji di
laboratorium dari sebanyak 250mg/l. Pihak penanggung jawab laboratorium
ingin menguji pernyataan laboran tersebut pada taraf uji 0,05. Untuk itu diambil
sampel secara acak sebanyak 100 sampel dan diperoleh rata-rata 249,5 mg/l
yang mengujikan hasil limbahnya dengan standart deviasi 2.
2. Pada PT. Darisa dilakukan pengecekan PH air di kolam penampung setiap hari,
guna mengetahui kestabilan PH air cadangan di perusahaan tersebut. Data yang
diperoleh dalam bulan maret adalah sebagai berikut ( α=5%) :
Hari PH Hari PH Hari PH
1 5,6 10 6,4 19 6,0
2 6,7 11 6,9 20 8,0
3 7,7 12 7,9 21 8,0
4 7,5 13 6,0 22 7,9
5 7,9 14 5,8 23 7,9
6 7,0 15 5,9 24 8,9
7 6,8 16 5,8 25 5,8
8 8,8 17 7,7 26 5,8
9 7,6 18 7,7 27 7,0
Apakah rata-rata PH air di PT Darisa sesuai baku mutu air sama dengan 7,0?
3. Diketahui data pencemar BOD air limbah di 16 rumah sakit D.I.Yogyakarta
setelah dilakukan uji laboratorium sebagai berikut (α=1%) :
Hitung apakah rata-rata BOD di 16 rumah sakit sesuai baku mutu = 30mg/l?
Nama BOD (mg/l) Nama BOD (mg/l)
A 25,78 H 29,87
B 22,67 I 28,90
C 23,80 J 27
D 20,70 K 27
E 20 L 25,47
F 25 M 30
G 23 N 31
40
MODUL VII
INFERENSI STATISTIK RATA-RATA DUA POPULASI
1. TUJUAN PERCOBAAN
Mahasiswa diharapkan dapat menganalisa dua populasi yang independent
kususnya menggunakan paket program SPSS.
2. POKOK BAHASAN
A. Dua Populasi Independent
SPSS hanya memiliki menu perhitungan statistika untuk uji mean/rata-rata dua
sampel normal independent menggunakan uji t (student_t). Jadi untuk uji rata-rata
sample independent 2 populasi tidak dapat digunakan uji z. Namun dari teori
statistika telah diketahui bahwa jika ukuran sampe besar, maka uji t akan mendekati
uji z, yakni bentuk distribusi student_t akan menjadi bentuk normal standar secara
asimtotik. Dengan menggunkan prinsip ini, maka untuk melakukan uji z (jika
ukuran sampel n besar), kita dapat mengambil nilai pendekatan dengan
menggunakan menu uji t pada SPSS (walaupun secara prinsip kita dapat melakukan
uji Z secara eksak dengan perhitungan manual menggunakan menu compute dari
SPSS).
Statistik hitung apabila diasumsikan kedua variansi tidak sama adalah:
(x1 - x 2 ) - ( 1 - 2 )
t
S12 S2
n1
 n2
2
Apabila variansinya sama, maka statistik hitungnya adalah:
(x1 - x 2 ) - ( 1 - 2 )
t
Sp 1
n1
 n1
2
CONTOH PERCOBAAN
Suatu penelitian akan menguji adanya perbedaan umur antara mempelai pria
dengan wanita. Ujilah apakah bisa dikatakan umur dari pasangan di bawah ini
sama, dengan tingkat kepercayaan 95%.
41
Data umur pria dan wanita
pria wanita
28.1 28.4
33 27.6
29.8 32.7
53.1 52
56.7 58.1
41.6 41.2
50.6 50.7
21.4 20.6
62 61.1
19.7 18.1
Langkah-langkahnya:
 Variabel yang diamati dalam data tersebut harus dirubah sehingga menjadi
sebuah kelompok yang sama. Karena SPSS akan menganalisa pervariabel,
bukan perkolom. Sehingga peamasukkan kedalam SPSS adalah sebagai
berikut:
Value : 1 = pria
2 = wanita
 Untuk menganalisa, klik Analyze >> compare means >> independent
samples T test
 Pada kolom Test Variable(s) isikan variabel umur, yaitu variabel yang akan
dianalisa
42
 Pada kolom Grouping Variable isikan jenis kelamin, secara otomatis define
groups akan aktif, klik define groups dan isikan 1 untuk Group 1 dan 2 untuk
Group 2.
 Pada options berisi tentang interval konfidensi yang dikehendaki, isikan dengan
95%. klik OK untuk melihat hasilnya.
Dari hasil output di atas diperoleh informasi banyaknya data “jenis kelamin”
pria berjumlah 10 orang dan wanita sebanyak 10 orang. Rata-rata umur pria
adalah 39.60 dan wanita sebesar 39.050. Standar deviasi umur pria adalah
15.2771 dan wanita sebesar 15 dengan standar error mean umur pria adalah
4.8311 dan wanita sebesar 4.9680.
Independent Samples Test
Levene's Test for

Equality of Variances t-test for Equality of Means
95% Confidence Interval
Sig. (2- Mean Std. Error of the Difference
F Sig. t df tailed) Difference Difference Lower Upper
umur Equal variances

.017 .899 .079 18 .938 .5500 6.9297 -14.0087 15.1087
assumed
Equal variances
.079 17.986 .938 .5500 6.9297 -14.0095 15.1095
not assumed
Pengujian beda 2 rata-rata (Independent Sample T Test) digunakan untuk

menguji apakah ada perbedaan antara dua rata-rata dalam kasus ini adalah
digunakan untuk menguji perbedaan umur pria dengan wanita.
Sebelum dilakukan uji beda 2 rata-rata, perlu dilakukan uji F terlebih dahulu.
Jika varian sama, maka uji t menggunakan Equal Variance Assumed
(diasumsikan varian sama), jika varian berbeda, maka uji t menggunakan
Equal Variance Not Assumed (diasumsikan varian berbeda).
43
UJI F
 Hipotesis (penduga masalah)
Hipotesis awal: H0 : kelompok data umur pria dengan wanita memiliki varian
sama
Hipotesis lanjutan: H1 : kelompok data umur pria dengan wanita memiliki
varian tidak sama
 Signifikansi (peluang terjadinya kesalahan data)
α = 5% = 0.05
 Statistik uji
fhitung = 0.017
ftabel = 2.20
signifikansi = 0.899
 Daerah Kritis
H0 ditolak jika fhitung > ftabel
H0 ditolak jika nilai sign < α
 Kesimpulan
karena Fhitung(0.017) < Ftabel(2.20) dan signification(0.899) > α(0.05) maka H0
tidak ditolak. Artinya variansi1 = variansi2 sehingga variasi umur pria dengan
umur wanita adalah sama.
Independent Sample T Test

 Hipotesis (penduga masalah)
Hipotesis awal = H0 = µ1 = µ2 (tidak ada perbedaan antara umur pria dan
wanita)
Hipotesis lanjutan = H1 = µ1 ≠ µ2 (terdapat perbedaan antara umur pria
dan wanita)
 Signifikansi (peluang terjadinya kesalahan data)
α = 5% = 0.05
 Statistic uji
Dari output didapat nilai thitung (equal variance assumed) adalah 0.079 dan
nilai signifikansi adala 0.938.
dengan df=18, α =0.05/2, maka didapatkan t tabelnya adalah t(0.025,18) = 2.10
44
 Daerah Kritis
jika t tabel ≤ t hitung ≤ t tabel, maka H0 tidak ditolak
jika t hitung < -t tabel atau t hitung > t tabel, maka H0 ditolak
jika signifikansi > 0.05 maka H0 tidak ditolak
jika signifikansi < 0.05 maka H0 ditolak
 Kesimpulan
Karena nilai t hitung 0.079 ≤ t tabel (2.10) dan signifikansi 0.938 > 0.05
maka H0 tidak ditolak, artinya rata-rata dari umur mempelai pria dan wanita
yang menikah adalah sama.
B. Populasi Berpasangan
Sample berpasangan adalah sebuah sample dengan subjek yang sama namun
mengalami dua perlakukan atau pengukuran yang berbeda. SPSS meyediakan
fasilitas untuk menganalisanya dengan paired sample T test. Desain datanya
tidak seperti uji independent sample. Biarkan berada dalam dua variabel.
Kriteria penggunaan uji t paired, yaitu:
 Data dianggap dari populasi yang terdistribusi normal atau mendekati
normal.
 Kedua data adalah dependent atau berpasangan.
Dalam satu kelas yang sama diambil sampel sebanyak 20 mahasiswa yang
mengikuti tes TOEFL. Dalam tabel di bawah ini terdapat dua jenis nilai, yaitu
nilai pertama diambil sebelum pelatihan dan nilai kedua diambil setelah
mengikuti pelatihan.
No Sebelum Sesudah
1 470 485
2 380 390
3 460 470
4 565 570
5 465 475
45
6 375 385
7 475 485
8 480 490
9 480 480
10 390 390
11 480 480
12 470 480
13 385 385
14 460 480
15 575 575
16 490 490
17 570 580
18 550 550
19 485 495
20 475 485
Langkah-langkah percobaannya adalah :

 Setelah data diinputkan ke dalam software SPSS, klik Analyze >> Compare
Means >> Paired Sample T Test
 Setelah itu akan muncul tampilan kotak dialog sebagai berikut :
46
 Masukkan variabel nilai TOEFL “sebelum” dan nilai TOEFL “sesudah”
pelatihan ke kotak Paired variabel
 Klik OK
Hasil output dan analisis
Untuk data sebelum pelatihan, nilai rata-rata tes adalah 474.00, dengan jumlah
data sebanyak 20 dengan standar deviasi 59.859 sementara setelah pelatihan
rata-rata tes TOEFL setelah pelatihan besrnya adalah 481.00 dengan jumlah data
20 orang dengan standar deviasi sebesar 59.330.
Dari tabel output di atas diketahui bahwa nilai korelasi sebesar 0.995 dengan
signifikansi 0.000. Hal ini menunjukkan bahwa antara nilai tes sebelum dan
sesudah pelatihan memiliki hubungan yang sangat erat karena mendekati nilai 1.
Tabel di atas digunakan untuk mengetahui apakah ada perbedaan nilai tes
TOEFL antara sebelum dan setelah diadakan pelatihan.
47
Hipotesis awal = H0 = µ1 = µ2 (tidak ada perbedaan antara nilai tes TOEFL
sebelum pelatihan dan sesudah pelatihan)
Hipotesis lanjutan = H1 = µ1 ≠ µ2 (terdapat perbedaan antara nilai tes
TOEFL sebelum pelatihan dan sesudah pelatihan)
α = 5% = 0.05
 Statistic uji
Dari output didapat nilai thitung adalah -5.272 dan nilai signifikansi adalah
0.000.
dengan df=19, α =0.05/2, maka didapatkan t tabelnya adalah t(0.025,19) =
2.093
 Daerah Kritis
jika t tabel ≤ t hitung ≤ t tabel, maka H0 tidak ditolak
jika t hitung < -t tabel atau t hitung > t tabel, maka H0 ditolak
 Kesimpulan
Karena nilai t hitung (-5.272) ≤ -t tabel (-2.093) dan signifikansi 0.000 <
0.05 maka H0 ditolak, artinya antara sebelum dan sesudah pelatihan
terdapat perbedaan nilai TOEFL, sehingga dapat disimpulkan pula bahwa
pelatihan memiliki kontribusi yang besar dalam meningkatkan tes TOEFL.
TUGAS
1. Data hasil panen dua padi dengan anggapan data diambil dari populasi normal.
Ujilah apakah bisa dikatakan kedua kualitas padi di atas sama, dengan tingkat
kepercayaan 95%.
Padi A = 1
Padi B = 2
48
Padi A Padi B
3576 3077
3693 6142
3457 3043
3432 2166
3441 3860
4349 3573
4354 3765
4312 3324
4425 3767
2. Pada suatu industri tekstil dilakukan pengecekan kekeruhan air buangan limbah
selama 25 hari,dan diperoleh data hasil sebelum dan sesudah proses pengolahan
limbah menggunakan cara koagulasi-flokulasi sebagai berikut (α= 5 %):
No Sebelum proses koagulasi- Sesudah proses koagulasi-

flokulasi (NTU) flokulasi (NTU)
1 100 50
2 300 47
3 150 52
4 70 48
5 80 60
6 56 50
7 67 48
8 98 52
9 50 48
10 68 44
11 70 39
12 78 50
13 98 50
14 260 39
15 200 48
16 180 49
17 58 47
18 88 52
19 98 46
20 57 38
21 77 37
22 57 59
23 55 50
24 69 50
25 87 50
Apakah terdapat perbedaan kekeruhan air buangan antara sebelum proses koagulasi-
flokulasi dan sesudah proses koagulasi-flokulasi?
49
MODUL VIII
INFERENSI STATISTIK LEBIH DARI DUA SAMPLE
(ONE WAY ANAVA)
1. TUJUAN PRAKTIKUM
Mahsiswa diharapkan dapat menganalisa data populasi lebih dari dua populasi
independent menggunakan paket program SPSS, dapat membaca output yang dihasilkan
dari paket program.
2. POKOK BAHASAN
Dalam ANAVA (analisa variansi) dapat dilakukan dua uji, yaitu uji rata-rata dan
uji variansi (homogenitas). Dalam uji ANAVA sample bisa lebih dari 2 sample
sedangkan uji t maksimal 2 sample. Asumsi untuk uji anava yaitu:
 Populasi yang akan diuji berdistribusi Normal.
 Varians dari populasi-populasi tersebut adalah sama.
 Sample tidak berhubungan satu dengan yang lain.
Apabila varians populasi yang akan diuji ada yang tidak sama (melalui uji
homogenitas) maka hendaknya tidak dilanjutkan dengan uji rata-ratanya. Karena dalam
matematika statistika dibuktikan dengan sifat yang bias. Pembuktiannya dapat dijumpai
di berbagai buku matematika statistik. Untuk itu dalam penelitian yang sesungguhnya,
harus dilakukan transformasi data, atau jumlah sample diperbanyak. Untuk menguji
rata-rata digunakan statistik uji f, dengan persamaan:
MST
F hit = , dimana: MSE = Mean Square Error ; MST = mean square of
MSE
Treatment
H0 ditolak apabila: F  F ,df1,df2 dimana: df1 = k – 1 ; df2 = n1 – 1
atau signifikan < alpha yang digunakan.
3. CONTOH PERCOBAAN
Data berikut adalah hasil penjualan selama jamur di tiga pasar yang berbeda,
yaitu Pasar Johar, Pasar Beringharjo dan pasar Sukowati (dalam ribuan).
50
No Pasar Johar Pasar Beringharjo Pasar Sukowati
1 3000 2900 2900
2 3050 2950 2875
3 3100 3000 2875
4 3000 3150 2900
5 3150 2950 2950
6 3100 2950 2950
7 3150 2950 2850
8 3150 3050 2850
9 3100 3250 2800
10 3250 3150 2850
Langkah dengan menggunakan paket program SPSS:

 Buka satu file baru file >> new >>data
 Pesankan sebuah variabel dengan nama pasar bertipe numeric, kolom value isikan
1 = „Johar‟, 2 = „Beringharjo‟, 3 = „Sukowati‟.
 Pesankan juga sebuah variabel dengan nama omset bertipe numeric dan
desimalnya 0. Isikan datanya melalui data view, berbentuk:
51
 Untuk menganalisa, pilih menu Analyse >> compare means >> one way anova…
 Kolom Dependent List isikan variabel yang akan diuji perbedaannya, dalam kasus
ini adalah variabel omset.
 Kolom Factor berisi group yang akan diuji, dalam hal ini pilih pasar.
 Option berisi pilihan menampilkan Deskriptif data seperti mean, variansi, jumlah
data, dan juga tes Homogenitas varians.
 Post Hoc adalah analisa lanjutan dari F test, jika rata-rata omset penjualan ketiga
corak tersebut memang berbeda. Jika dalam analisa ANOVA ketiga corak tidak
berbeda dalam hal omset penjualnnya, maka bagian Post Hoc tidak relevan untuk
dianalisa. Sebagi percobaan klik Post Hoc dan pilih Bonferroni dan Tukey. Isikan
juga alpha yang sesuai.
 Abaikan pilihan yang lain, klik OK untuk melihat hasilnya.
Dari hasil output di atas dapat kita ketahui untuk data pasar Johar ada sepuluh data yang
valid. Begitu juga dengan kedua pasar lainnya juga memiliki 10 data penjualan yang
valid. Untuk rata-rata penjualan jamur di pasar Johar adalah 3105.00 dengan standar
deviasi 76.194, rata-rata penjualan di pasar Beringharjo sebesar 3030.00 dengan standar
deviasi 115.950, dan rata-rata penjualan di pasar Sukowati sebesar 2880.00 dengan
standar deviasi 46.845.
Asumsi dalam pengujian ANOVA adalah varian kelompok data adalah sama atau
homogeny. Criteria pengujian varian kelompok dikatakan sama jika signifikansinya >
0.05 dan sebaliknya jika signifikansi < 0.05 maka varian dikatakan tidak sama. Dari
52
output di atas dapat dilihat bahwa signifikansi < 0.05 (0.021 < 0.05). Jadi dapat
disimpulkan bahwa varian antara Pasar Johar, Pasar Beringharjo dan pasar Sukowati
adalah sama.
ANOVA adalah analisis untuk mengetahui apakah ada perbedaan besarnya penjualan
dari Pasar Johar, Pasar Beringharjo dan pasar Sukowati. Langkah pengujian ANOVA
adalah sebagai berikut :
 Hipotesis (penduga masalah)
Hipotesis awal : H0 : rata-rata penjualan di ketiga pasar adalah sama
Hipotesis lanjutan : H1 : rata-rata penjualan di ketiga pasar tidak sama
 Signifikansi (peluang terjadinya kesalahan data)
α = 5% = 0.05
 Statistic uji
fhitung = 18.361
ftabel dengan df1 = 2 dan df2=27 adalah 3.354
signifikansi = 0.000
 Daerah Kritis
jika fhitung > ftabel, maka H0 ditolak
jika fhitung ≤ ftabel, maka H0 tidak ditolak
 Kesimpulan
karena Fhitung(18.361) > Ftabel(3.354) dan signification(0.000) < α(0.05) maka H0
ditolak. Artinya rata-rata penjualan jamur di Pasar Johar, Pasar Beringharjo dan
pasar Sukowati adalah berbeda.
53
Setelah diketahui ada perbedaan rata-rata antara ketiga motif tersebut, kemudian
akan dicari mana saja yang berbeda dan mana saja yang tidak berbeda dengan
melihat tabel Multiple Comparisons (hasil dari Post Hoc tes).
Lihat ada tidaknya tanda „*‟ pada kolom „Mean Dofference‟. Jika ada tanda „*‟
maka perbedaan mean signifikan.
Tanda „*‟ terdapat di variabel Johar - Sukowati, Beringharjo – Sukowati,
menunjukkan adanya perbedaan omset penjualan di pasar tersebut. Sedangkan untuk
Pasar Johar – Beringharjo tidak ada perebedaan secara nyata.
Pada bagian ini justru akan dicari bagian mana saja yang mempunyai perbedaan
rata-rata yang tidak berbeda secara signifikan. Terlihat Beringharjo dengan Johar
dalam satu subset yang berarti tidak berbeda secara nyata.
54
TUGAS
Sebuah pabrik selama ini memperkerjakan karyawannya dalam 4 shift (satu shift
terdiri atas sekelompok pekerja yang berlainan). Manajer pabrik tersebut ingin
mengetahui apakah ada perbedaan produktifitas yang nyata di antara 4 kelompok
kerja shift yang ada selama ini terhadap hasil produksi (unit).
Hari Shift 1 Shift 2 Shift 3 Shift 4

1 58.0 46.0 50.0 50.0
2 55.0 43.0 54.0 55.0
3 67.0 43.0 53.0 54.0
4 68.0 42.0 52.0 57.0
5 66.0 44.0 50.0 54.0
6 56.0 46.0 44.0 53.0
7 54.0 43.0 34.0 55.0
8 57.0 47.0 37.0 52.0
9 75.0 47.0 35.0 49.0
10 7.0 0.0 64.0 43.0
11 73.0 56.0 64.0 45.0
12 65.0 55.0 35.0 58.0
55
MODUL IX
ANALISA REGRESI DAN ANALISIS KORELASI
1. TUJUAN PERCOBAAN
Mahasiswa diharapkan dapat menentukan persamaan garis regresi, menentukan
pengaruh variabel independent terhadap variabel dependent dan mampu membaca hasil
serta mengetahui besarnya keeratan hubungan yang signifikan antara dua variabel.
2. POKOK BAHASAN
Dalam beberapa masalah terdapat dua atau lebih variabel yang hubungannya
tidak dapat dipisahkan, dan hal ini diselidiki sifat hubungannya. Jika salah satu variabel
(tunggal) dikatakan variabel tak bebas (terikat), maka variabel lainnya bersifat bebas
(independent). Analisa regresi adalah sebuah teknik statistik untuk membuat model dan
menyelidiki hubungan antara dua atau lebih variabel yang dimaksud di atas. Model ini
untuk memprediksi variabel tersebut.
Pada umumnya, variabel tak bebas (dependent) dinyatakan dengan Y sebagai
variabel respon. Jika ada sebanyak k-variabel bebas (independent) misalnya
X1, X2, …, Xk maka k-variabel ini disebut variabel prediktor. Persamaan garis regresi
yang dibentuk adalah: Y =  + 1X1 +2 X2 + .....+k Xk +  , dikatakan sebagai
persamaan regresi linier ganda. Jika variabel prediktornya hanya satu maka
persamaannya menjadi Y =  +  X +  , disebut persamaan regresi linier
sederhana.
Dalam regresi linier, untuk setiap pasangan observasi (xi , yi ); i  1, 2,..., n akan
memenuhi persamaan yi  a  bxi  ei ; dimana ei adalah galat/eror atau kesalahan ukur.
Persamaan garis yang melalui titik–titik koordinat pada diagram pencar dinamakan
penduga garis linier atau regresi linier. Secara matematis dinyatakan dengan
persamaan: ŷ  a  bx , dengan :
 yi  x i -  x i  yi n  x i yi -  x i  y i
2
a= dan b=
n  xi - (  xi )
2 2
n  x i - (  x i )2
2
56
Dalam perkembangannya, sejalan dengan kemajuan di bidang komputer statistik,
analisis regresi telah menjadi sangat bervariasi:
 Regresi sederhana, untuk sebuah variabel dependent dan satu buah variabel
independent.
 Regresi berganda, untuk lebih dari satu variabel independent dan satu variabel
dependent.
 Regresi dengan Dummy variabel, yaitu jika data variabel independent ada yang
bertipe nominal.
 Regresi ordinal, untuk data variabel dependent yang berjenis ordinal.
 Log regresion, untuk data variabel dependent yang berjenis nominal.
 Regresi polinomial, yaitu model regresi yang tidak berbebntuk linier.
Analisa Regresi Linier Sederhana

Yang dimaksud dengan analisa Regresi Linier sederhana (univariat) adalah
analisis regresi linier dengan jumlah satu variabel independen x. Dalam membuat
regresi parametrik, langkah pertama yang paling ideal adalah membuat plotting data
antara variabel dependen y dan variabel independen x, hal ini dilakukan untuk melihat
kecenderungan pola data asli. Jika datanya mengikuti pola linier, maka pendekatan
modelnya adalah regresi linier.
Ada 4 pilihan yang digunakan pada menu method untuk menentukan model
regresi yang akan digunakan:
 Enter : metode analisis regresi untuk menganalisa secara biasa, yaitu semua
variabel independent dianalisa baik prediktor yang berpengaruh ataupun
tidak berpengaruh terhadap kriterium.
 Stepwise : bila analisis regresi dengan bertahap yaitu tujuan pokok mencari
variabel prediktor yang dominan.
 Remove : untuk mencari prediktor yang dominan dan bila yang tidak berpengaruh
dihapus.
 Backward :menganalisa semua prediktor kemudian dilanjutkan dengan menganalisa
prediktor yang berpengaruh.
57
CONTOH PERCOBAAN
Seorang Engineer ingin mempelajari Hubungan antara Suhu Ruangan dengan Jumlah
Cacat yang diakibatkannya, sehingga dapat memprediksi atau meramalkan jumlah cacat
produksi jika suhu ruangan tersebut tidak terkendali. Engineer tersebut kemudian
mengambil data selama 30 hari terhadap rata-rata (mean) suhu ruangan dan Jumlah
Cacat Produksi.
Berikut adalah data yang diperoleh:
Tanggal Rata-Rata Suhu Ruangan Jumlah Cacat
1 24 10
2 22 5
3 21 6
4 20 3
5 22 6
6 19 4
7 20 5
8 23 9
9 24 11
10 25 13
11 21 7
12 20 4
13 20 6
14 19 3
15 25 12
16 27 13
17 28 16
18 25 12
19 26 14
20 24 12
21 27 16
22 23 9
23 24 13
24 23 11
25 22 7
26 21 5
27 26 12
28 25 11
29 26 13
30 27 14
jumlah 699 282
Langkah Analisis Regresi Sederhana :
58
1. Setelah data di entry, pilih menu Analyze >> Regression >> Linear
2. Setelah itu akan muncul kotak dialog sabagai berikut :
3. Karena variable yang akan diprediksi adalah variable jumlah cacat, maka masukkan
variable jumlah cacat pada kotak DEPENDENT.
4. Independent (s) atau variable bebas, dalam hal ini variable bebas adalah suhu
ruangan, maka masukkan variable rata-rata suhu ruangna ke kotak independent.
5. Method pilih enter, yaitu prosedur pemilihan variable dimana semua variable dalam
blok dimasukkan dalam perhitungan “single step”.
6. Pilih menu options, maka akan muncul kotak dialog sebagai berikut:
 Untuk Stepping Method Criteria, digunakan uji F yang mengambil standar

angka probabilitas sebesar 5%. Karena itu angka entry 0.05 atau 5%.
 Include Constant in equation biarkan tetap aktif
 Klik continue
7. Pilih menu statistics, maka muncul kotak dialog sebagai berikut :
59
Pilihan ini berkenaan dengan perhitungan statistik regresi yang akan digunakan.
Pengisian :
 Regression Coefisient atau perlakuan koefisien regresi, tetap aktifkan pilihan
estimate.
 Klik Descriptive pada kolom sebelah kanan, serta tetap aktifkan model fit.
 Klik continue
8. Pilih menu plot, fasilitas ini digunakan untuk menguji asumsi-asumsi pada regresi,
seperti normalitas, linieritas kesamaan varians, dan juga dapat digunakan untuk
mendeteksi ada tidaknya data yang tidak normal.
9. Direncanakan ada tiga plot sehubungan dengan pengujian asumsi pada analisis
regresi :
60
 Klik mouse pada pilihan SDRESID dan masukkan ke pilihan Y, lalu klik lagi
pada pilihan ZPRED dan masukkan ke x kemudian klik Next untuk plot kedua.
 Klik ZPRED masukkan ke pilihan Y, lalu klik lagi DEPENDENT dan masukkan
ke pilihan x kemudian klik Next. Plot pertama dan kedua digunakan untuk
menguji linieritas dan kesamaan varians.
 Untuk plot ketiga, pada pilihan Standardized Residual Plots, klik mouse pada
Normal Probability Plot klik Continue lalu tekan OK. Plot ini untuk menguji
normalitas.
Output dan analisis
Rata-rata jumlah cacat selama 30 hari adalah 9.40 dengan standar deviasi 3.988. Rata-
rata suhu ruangan adalah 23.30 dengan standar deviasi 2.628.
Besar hubungan antara variable jumlah cacat dengan suhu ruangan yang dihitung
dengan koefisien korelasi adalah 0.955. Hal ini menunjukkan bahwa suhu ruangan dan
jumlah cacat memiliki hubungan yang sangat erat dengan hubungan positif yang artinya
semakin besar suhu ruangan maka semakin besar pula jumlah cacat yang terjadi.
Tingkat signifikansi koefisien korelasi satu sisi dari output menghasilkan angka 0.000,
karena probabilitasnya lebih kecil dari 0.05 maka korelasi antara suhu ruangan dengan
jumlah cacat sangat nyata.
61
Tabel di atas menunjukkan variable yang dimasukkan adalah suhu ruangan dan tidak
ada variable yang dikeluarkan. Hal ini disebabkan metode yang dipakai adalah single
step (enter) dan bukan stepwise.
Angka R square adalah 0.913 adalah pengkuadratan dari koefisien korelasi. R square
bisa disebut koefisien determinasi, yang dalam hal ini berarti 91.3% dari jumlah
produksi yang cacat bisa dijelaskan oleh variable suhu ruangan, dan sisanya dijelaskan
oleh sebab lain. Semakin kecil R square, semakin lemah hubungan kedua variable.
Standard error of estimate adalah 1.198, pada analisis sebelumnya standard deviasi
jumlah cacat nilainya 3.988, karena lebih kecil dari standard deviasi jumlah cacat, maka
model regresi lebih bagus sebagai predictor atau peramal jumlah cacat daripada
menggunakan rata-rata.
Dari uji ANOVA atau F test, didapat F hitung 293.468 dengan tingkat signifikansi
0.000. Karena probabilitasnya 0.000 yang lebih kecil dari 0.05, maka bisa dikatakan
model regresi dapat digunakan sebagi alat prediksi jumlah cacat.
62
Tabel di atas menggambarkan mengenai persamaan regresi sebagai berikut :
Y = -24.381 + 1.450X
Y : jumlah cacat
X : suhu ruangan
Koefisien regresi sebesar 1.450 menyatakan bahwa setiap penambahan suhu 1 derajad
maka jumlah cacat akan meningkat sebesar 1.450, demikian sebaliknya.
Uji t untuk menguji signifikansi konstanta dan variable dependen.
Dalam contoh ini kita akan menguji koefisien regresi dari variabel suhu ruangan.
Hipotesis awal = H0 = koefisien regresi tidak signifikan
Hipotesis lanjutan = H1 = koefisien regresi signifikan
α = 5% = 0.05
 Statistic uji
Dari output didapat nilai thitung adalah 17.131 dan nilai signifikansi adala 0.000.
 Daerah Kritis
 Kesimpulan
Karena nilai signifikansi 0.000 < 0.025 maka H0 ditolak, artinya koefisien regresi
signifikan atau suhu ruangan benar-benar berpengaruh secara signifikan terhadap
banyaknya produksi yang cacat.
63
Pada tabel ini berjudul Residual Statistics, tabel ini membuat ringkasan yang berisi nilai
minimum, maksimum, mean dan standar deviasi dari nilai yang diprediksi.
Jika data berasal dari distribusi normal maka nilai-nilai sebaran data terletak di sekitar
garis lurus dan dari gambar di atas terlihat bahwa sebaran sebagian besar berada di garis
lurus. Maka bisa dikatakan bahwa persyaratan normalitas bisa terpenuhi.
64
Jika model layak dipakai untuk prediksi(fit), maka data akan berpencar di angka nol (0
dalam sumbu Y) dan tidak membentuk pola atau garis tertentu. Dari chart di atas
terlihat sebaran data ada di sekitar 0 serta tidak tampak adanya suatu pola tertentu dari
sebaran. Maka bisa dikatakan model memenuhi syarat untuk memprediksi penjualan.
Jika model memenuhi syarat, maka sebaran data akan berada mulai dari kiri bawah
lurus ke arah kanan atas. Terlihat sebaran data di atas membentuk arah seperti yang
disyaratkan. Oleh karena itu dapat dikatakan model regresi sudah layak digunakan.
65
Analisa Korelasi
Korelasi menyatakan ukuran keeratan hubungan linier antara dua variabel dependent
dan independent. Perbedaan antara regresi dan korelasi adalah :
 korelasi hanya menguji dua variabel secara kualitatif. Sedangkan regresi akan
dicari sebuah angka yang ditaksir secara kuantitatif.
 Analisa regresi akan menghasilkan sebuah persamaan regresi atau model regresi,
sedangkan korelasi hanya menghasilkan angka dan bukan sebuah model.
 Kedudukan pada korelasi adalah setara, sedangkan pada regresi kedudukan
tersebut tidak setara, dimana sebuah variabel adalah dependent dan yang lain
adalah independent.
Namun demikian analisa regresi dan korelasi dilakukan secara bersamaan, dimana
telah diketahui memang ada hubungan antara dua variabel atau lebih, maka akan
dilakukan analisa regresi untuk melihat hubungan tersebut secara lebih jauh.
Secara matematis kita dapat menghitung nilai korelasi dengan rumus:
n  x i yi   x i  yi Sx
r b ; 1  r -1
[ x i2  ( x i )2 ][n  yi2  ( yi ) 2 ] Sy
 Apabila r = 1, berarti hubungan kedua variabel tersebut adalah hubungan linier

sempurna.
 Apabila r = 0, berarti tidak ada hubungan sama sekali.
 Apabila r = -1, berarti hubungan kedua variabel tersebut adalah hubungan linier
terbalik sempurna, makin besar nilai x makin kecil nilai y.
Ada dua jenis korelasi:
a. Bivariate : korelasi ini disebut dengan korelasi saja, rumus statistiknya seperti
terlihat diatas.
b. Parsial : korelasi parsial adalah korelasi antara dua variabel pada beberapa
variabel dengan mengganggap variabel lainnya sebagai konstan.
66
CONTOH PERCOBAAN
Akan dihitung nilai korelasi untuk lifeexpm (rata-rata harapan hidup laki–laki)
dan lifeexpf (rata-rata harapan hidup wanita) yang ada didalam world95. Dengan
hipotesis yang diajukan :
H0 : tidak ada hubungan antara harapan hidup laki – laki dan wanita.
H1 : ada hubungan antara harapan hidup laki – laki dan wanita.
Uji dilakukan dua sisi karena hanya ingin mengetahui ada tidaknya korelasi.
Langkah percobaan :
1. Buka file world95 yang ada di SPSS
2. Pilih menu Analyze > correlate > bivariate…
Tampilannya :
Gambar 7.5
3. Pada kolom Variables isikan variabel yang akan diuji korelasinya, dalam kasus
ini pilih lifeexpf dan lifeexpf.
4. Test of significance pilih Two tailed yang berarti uji dua sisi.
5. Abaikan pilihan yang lain dan tekan OK untuk melihat hasilnya.
67
Output :
Correlati ons
Av erage Av erage
male lif e f emale lif e
expectancy expectancy
Av erage male Pearson Correlation 1,000 ,982**
lif e expectancy Sig. (2-tailed) , ,000
N 109 109
Av erage f emale Pearson Correlation ,982** 1,000
lif e expectancy Sig. (2-tailed) ,000 ,
N 109 109
**. Correlation is signif icant at the 0.01 lev el (2-t ailed).
Membaca output:
Output yang dihasilkan berbentuk matrik korelasi antara dua variabel. Korelasi
terhadap dirinya sendiri tentu saja akan sempurna dan bernilai 1. Untuk korelasi
antara lifeexpf dengan lifeexpm bernilai 0,982, artinya 98,2% kedua data tersebut
sangat berhubungan secara positip, yaitu untuk suatu nilai harapan hidup wanita
(lifeexpf) suatu negara yang lebih tinggi dari negara lain maka harapan hidup
laki – laki (lifeexpm) juga mempunyai kemungkinan lebih tinggi dari dari negara
lainnya sebesar 98,2%. Lebih jauh dapat dilihat bahwa koefficien korelate diatas
sangat signifikan dengan tanda „**‟.
Dasar pengambilan keputusan berdasarkan nilai probabilitas (sig.)
 Jika probabilitas (sig.)> alpha/2 =0,025, maka H0 diterima.
 Jika probabiloitas (sig)<alpha/2= 0,025, maka H0 dotolak.
Terlihat angka sig. untuk kedua variabel = 0,000 dan ini lebih kecil dari 0,05. Maka
H0 ditolak yang berarti ada hubungan yang signifikan (sangat erat) antara lifeexpf
dengan lifeexpm
68
TUGAS
Seorang Engineer ingin memgetahui toksisitas air limbah terhadap kematian ikan
yang dimasukkan dalam 30 aquarium selama 96 jam. Di setiap aquarium terdapat 10
ikan untuk dilakukan uji coba. Pengujian tersebut menunjukkan berapa jumlah ikan
yang mati dalam konsentrasi air limbah tertentu yang diberikan. Uji apakan ada
hubungan antara konsentrasi air limbah terhadap jumlah ikan yang mati dengan α =
5%
Konsentrasi Air Limbah Ikan yang mati
Aquarium
(%) (ekor)
1 20 5
2 25 6
3 35 4
4 40 6
5 25 4
6 20 4
7 33 5
8 25 4
9 50 9
10 45 7
11 40 8
12 20 3
13 50 10
14 35 5
15 25 4
16 40 6
17 25 4
18 47 8
19 35 5
20 20 3
21 33 6
22 35 7
23 50 9
24 45 5
25 35 6
26 47 7
27 33 5
28 20 3
29 50 7
30 25 2
69
DAFTAR PUSTAKA
Sembiring R.K (1995) , Analisis Regresi, PenerbitITB, Bandung.

Singgih S. (1998) , Aplikasi Excel dalam statistik Bisnis, Elek media Computindo,
Jakarta.
Singgih S dan Fandy T (2001), Riset Pemasaran Konsep dan Aplikasi Dengan SPSS,
Elex Media Computindo, Jakarta.
Noeryanti 2000 , Panduan Praktikum Statistik Dasar.
Paryono P. (1994) , Mengolah Data Statistik dengan SPSS/PC+, Andi Offset,
Yogyakarta.
Wahana K (2000) , Pendahuluan lengkap SPSS.
Walpole R.E dan Myers R.H (1986) , Ilmu Peluang dan Statistika Untuk Insinyur dan
Ilmuwan, Penerbit ITB, Bandung.
70

Modul STATLING 2021

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Modul STATLING 2021

Diunggah oleh

Hak Cipta:

Format Tersedia

MODUL PRAKTIKUM

Syukur alhamdulillah kami panjatkan kehadirat Allah SWT yang telah

Kami berharap semoga modul Praktikum Statistika Lingkungan ini dapat

Yogyakarta, Februari 2021

BAB I Pengenalan Software Excel......................................................................... 1

BAB II Perhitungan Statistik Deskriptif Ms Excel.................................................. 7

BAB III Pengenalan Software SPSS.................................................................... 17

BAB IV Membuat Berbagai Tabel Statistika…………………………………… 23

BAB V Penyajian Data Dalam Bentuk Grafik…………………………………. 27

BAB VI Inferensi Statistik Satu Sampel Untuk Rata-Rata………………… 32

BAB VII Inferensi Statistik Rata-Rata Dua Populasi……………………..… 37

BAB IX Analisa Regresi Dan Analisis Korelasi................................................ 50

Ada 4 skala pengukuran di bidang statistika yaitu:

Untuk mendapatkan data diperlukan berbagai Alat (atau device) untuk

Gambar 2.1. Cara memulai program MS Excel 2007

Mengaktifkan Program Aplikasi MS Excel

Gambar 2.4 Kotak Dialog Add-Ins

 Mean (rata-rata): x1  x2  .....  xn n

 Modus (data yang sering muncul= frekuensi tertinggi)

 Varians = kuadrat dari deviasi standart = s2

Beberapa fasilitas Statistika Deskriptive pada Excel

Tabel 2.1 Umur accu Mobil

Menghitung ukuran pemusatan menggunakan aplikasi MS Excel, dengan

Gambar 2.6 Jendela Kerja Excel 2007

a. Mengolah data dengan Excel dengan menuliskan pada baris rumus.

Gambar 2.7 Kotak Hasil Statistik Deskriptif

b. Mengolah data dengan Excel 2007 menggunakan fasilitas perintah Function

2. Terdapat 30 data uji laboratorium yang meneliti kandungan BOD

Hitung statistik deskriptifnya!

Pemberian nama variabel harus memenuhi ketentuan berikut ini :

Tipe data yang ada pada SPSS adalah

b). Analisa Data Deskriptif

4. TABEL OUTPUT STATISTIK DESKRIPTIF

N Minimum Maximum Sum Mean Std. Dev iation Variance

5. MEMINDAH OUTPUT KE MICROSOFT WORD (PENGOLAH KATA)

Hitunglah deskriptif statistik dengan menggunakan SPSS dan intepretasikanlah

c. Membuat tabel CHI SQUARE

Biasanya grafik Chi square berbentuk

d. Grafik scatter plot

Average female life expectancy

Average male life ex

Average female life

I nfant mortalit y (de

A. Uji Mean Satu Populasi: Sampel besar, Distribusi data sembarang

deviasi, dan n adalah ukuran sampelnya.

rata daya tahan pancing tidak sama dengan 8 kg.

B. Uji rata-rata sampel kecil, Populasi Normal

Levene's Test for

95% Confidence Interval

Sig. (2- Mean Std. Error of the Difference

F Sig. t df tailed) Difference Difference Lower Upper

umur Equal variances

Pengujian beda 2 rata-rata (Independent Sample T Test) digunakan untuk

Independent Sample T Test

Langkah-langkah percobaannya adalah :

No Sebelum proses koagulasi- Sesudah proses koagulasi-

atau signifikan < alpha yang digunakan.

Langkah dengan menggunakan paket program SPSS:

Hari Shift 1 Shift 2 Shift 3 Shift 4

Analisa Regresi Linier Sederhana

 Untuk Stepping Method Criteria, digunakan uji F yang mengambil standar

Output dan analisis

 Apabila r = 1, berarti hubungan kedua variabel tersebut adalah hubungan linier

Sembiring R.K (1995) , Analisis Regresi, PenerbitITB, Bandung.