Modul Praktikum PDF
Modul Praktikum PDF
Modul Praktikum PDF
MODUL PRAKTIKUM -1
Pengenalan SPSS release 16.0
SPSS (Statistical Package for the Social Sciences) release 16.0 saat ini merupakan seri terakhir dari
SPSS sebelumnya. Dibandingkan dengan seri sebelumnya, yang terakhir ini memuat beberapa
penambahan fasilitas berupa fitur-fitur dan modul SPSS. Tambahan fitur tersebut antara lain :
Memulai SPSS
Jika file data belum ada, maka harus kita ketik file pada halaman SPSS Data Editor dengan prosedur
sebagai berikut :
1. Membuat nama variabel (Variable Name), panjang maksimal 8 karakter pada kolom Name. Jika
tidak diberi nama, SPSS akan menggunakan nama variabel VAR00001, VAR00002, dst.
2. Menentukan tipe variabel pada kolom Type, antara lain :Numeric, Date String dst.
3. Menentukan lebar data atau banyaknya angka/karakter data pada kolom Width
halaman 1 dari 48
Praktikum Statistika
Misalkan terdapat 5 responden yang memberi tanggapan melalui kuisioner tentang penggunaan
Personal Computer sebagai berikut:
Responden 1 : Responden 2 :
Kuesioner Penggunaan Personal Computer (PC) Kuesioner Penggunaan Personal Computer (PC)
1. Jenis 1. Jenis
1. Pria 2. Perempuan 1. Pria 2. Perempuan
Kelamin Kelamin
Tunjukkan tingkat persetujuan anda atas pernyataan berikut Tunjukkan tingkat persetujuan anda atas pernyataan berikut
Sangat Sangat
Tak Sangat Tak Sangat
tak Netral Setuju tak Netral Setuju
Setuju setuju Setuju setuju
setuju setuju
4. PC sangat 4. PC sangat
mudah 1. 2. 3. 4. 5. mudah 1. 2. 3. 4. 5.
digunakan digunakan
5. Saya suka 5. Saya suka
belajar belajar
1. 2. 3. 4. 5. 1. 2. 3. 4. 5.
software PC software PC
terbaru terbaru
halaman 2 dari 48
Praktikum Statistika
Responden 3 : Responden 4 :
Kuesioner Penggunaan Personal Computer (PC) Kuesioner Penggunaan Personal Computer (PC)
1. Jenis 1. Jenis
1. Pria 2. Perempuan 1. Pria 2. Perempuan
Kelamin Kelamin
Tunjukkan tingkat persetujuan anda atas pernyataan berikut Tunjukkan tingkat persetujuan anda atas pernyataan berikut
Sangat Sangat
Tak Sangat Tak Sangat
tak Netral Setuju tak Netral Setuju
Setuju setuju Setuju setuju
setuju setuju
4. PC sangat 4. PC sangat
mudah 1. 2. 3. 4. 5. mudah 1. 2. 3. 4. 5.
digunakan digunakan
5. Saya suka 5. Saya suka
belajar belajar
1. 2. 3. 4. 5. 1. 2. 3. 4. 5.
software PC software PC
terbaru terbaru
Responden 5 :
Kuesioner Penggunaan Personal Computer (PC)
Informasi Pribadi
Jawab pertanyaan berikut dengan memberi tanda check ()
1. Jenis
1. Pria 2. Perempuan
Kelamin
halaman 3 dari 48
Praktikum Statistika
Kelima kuesioner yang sudah diisi oleh masing-masing responden ditabulasi ke dalam tabel baru
sebagai berikut :
halaman 4 dari 48
Praktikum Statistika
• Klik kolom Values untuk membuka box Value Labels, lalu isikan Value :1, Value Label : ,
Nol Jam, lalu Klik Add. Demikian hingga Value : 6 dengan Value Label sesuai dengan
tabel data kuesioner. Lalu Klik OK
• Kilik kolom Measure, pilih Ordinal
10. Gunakan cara yang sama (No.9) untuk variabel PC Sangat Mudah Digunakan dan variabel Suka
Belajar soft Ware PC Baru
11. Simpan file dengan cara Klik File→Save lalu pilih folder penyimpanan file dengan nama file
contoh_kuesioner→save.
12. Input data hasil kuesioner pada halaman Data View, setelah selesai, lalu simpan ke dalam file
dengan cara Klik File → Save.
Value Labels dari data yang telah didefinisikan dalam Variable View dapat dilihat dengan cara Klik
View kemudian Klik Value Labels. Selanjutnya jika Klik View → Value Labels lagi, maka tampilan
Value label akan kembali berupa angka-angka kode.
Latihan
Inputlah data pada tabel berikut ke dalam Data Editor SPSS :
1. Daftar Jumlah murid suatu sekolah di daerah A Menurut tingkat sekolah dan jenis kelamin,
sebagai berikut :
Jenis
SD SLTP SLTA
Kelamin
Laki-laki 4.758 2.795 1.459
Perempuan 4.032 2.116 1.256
2. Diketahui data nilai ujian mata kuliah Statistika dari 80 orang mahasiswa sebagai berikut :
79 49 48 74 81 98 87 80
80 84 90 70 91 93 82 78
70 71 92 38 56 81 74 73
68 72 85 51 65 93 83 86
90 35 83 73 74 43 86 88
92 93 76 71 90 72 67 75
80 91 61 72 97 91 88 81
70 74 99 95 80 59 71 77
63 60 83 82 60 67 89 63
76 63 88 70 66 88 79 75
halaman 5 dari 48
Praktikum Statistika
MODUL PRAKTIKUM -2
I. Data Screening
Langkah pertama dalam analisis data adalah melakukan eksplorasi terhadap data dengan tujuan
untuk mengetahui apakah data yang dimasukkan sudah benar dan sesuai dengan data sebenarnya.
Untuk itu perlu dilakukan proses penyaringan data (data screening). Kesalahan yang mungkin
terjadi antara lain memasukkan data diluar kisaran (range) kode data atau diluar range nilai data
yang telah didefinisikan, atau memasukkan data yang sama lebih dari sekali. Sebagai contoh,
memasukkan angka 3 pada variabel jenis kelamin, padahal telah ditetapkan kode “1=pria,dan
2=perempuan” atau memasukkan angka 6 untuk IP yang mempunyai Range 0 – 4. Prosedur Data
Screening biasanya dilakukan dengan mengamati langsung setiap data yang sudah diinput lalu
membandingkannya dengan data sebelumnya. Namun hal ini sulit dilakukan terhadap data yang
banyak, sehingga lebih efektif dan akurat dengan menggunakan perintah SPSS melalui menu:
Frequencies.
Sebagai contoh, diketahui data prestasi belajar 13 orang mahasiswa yang terdiri dari laki-laki dan
wanita berkaitan dengan jumlah jam belajar di rumah, sebagai berikut :
1 32 3,6 1
2 16 3,5 2
3 21 2,8 1
4 23 3,7 2
5 8 3,5 2
6 4 3,7 2
7 10 2,5 1
8 15 2,3 2
9 31 3,0 2
10 40 3,9 1
11 5 3,1 2
12 28 2,7 1
13 15 2,3 2
halaman 6 dari 48
Praktikum Statistika
7. Masuk ke Data View, lalu input ke-13 data pada tabel diatas sesuai dengan kolomnya. Misalkan
terjadi kesalahan ketik pada variabel Jenis Kelamin pada Responden ke-4 dan ke-6, sehingga
berubah menjadi 3 dan 5, juga kesalahan IPK pada responden ke-5 dan ke-7 sehingga berubah
menjadi 7,0 dan 6,0.
8. Setelah selesai memasukkan seluruh data yang sengaja dibuat salah ketik, simpan data dalam
file, klik File →Save, beri nama contoh_spss.
9. Untuk Data Screening dengan perintah SPSS Frequencies: Klik Analyze → Descriptive Statistics
→ Frequencies.
10. Pindahkan semua variabel yang akan disaring ke kotak Variables (IPK dan JENIS KELAMIN) lalu
OK.
11. Hasil yang diperoleh adalah tabel distribusi frekuensi untuk variabel Jenis Kelamin dan Indeks
Prestasi kumulatif. Pada Variabel Jenis Kelamin terdapat nilai 3 da 5 yang frekuensinya masing-
masing adalah 1, padahal variabel ini hanya terdiri dari “1=pria” dan “2=Perempuan”. Kesalahan
ini harus dikoreksi. Demikian juga pada variabel Indeks Prestasi Kumulatif, terdapat nilai 6,0 dan
7,0. Karena Range dari IPK adalah 0 – 4, maka data ini harus dikoreksi juga. (Lihat Tabel output)
Cumulative
IPK Frequency Percent Valid Percent
Percent
Jenis Kelamin
Jenis Kelamin Frequency Percent Valid Percent Cumulative Percent
halaman 7 dari 48
Praktikum Statistika
MODUL 3
STATISTIKA DESKRIPTIF
Kegunaan : Menghitung nilai-nilai statistik dan menampilkan diagram grafik untuk mendeskripsikan
data dengan ringkas agar mudah dipahami ataupun diinterpretasikan. Nilai -nilai Statistik yang biasa
ditampilkan dalam Statistika Deskriptif, antara lain adalah :
Ukuran Lokasi Pusat Data (Ukuran Pemusatan) yang merupakan nilai pusat tipikal yang
menggambarkan keadaan data tersebut. Ukuran Pemusatan yang lazim dihitung adalah : Mean,
Median, Modus, Kuartil, Desil dan Persentil.
Ukuran Variabilitas Data adalah bentangan (spread) data yang sering juga disebut Ukuran
Penyebaran. Ukuran Variabilitas Data yang sering digunakan adalah Ragam (Variance), Simpangan
Baku (standard deviation), Range, dan Jangkauan Kuartil (inter quartile range).
𝒏𝒏
𝟏𝟏
𝑺𝑺 = � �(𝒙𝒙𝒊𝒊 − 𝒙𝒙 )𝟐𝟐
𝒏𝒏 − 𝟏𝟏
𝒊𝒊=𝟏𝟏
• Varians (ragam)
𝒏𝒏
𝟐𝟐
𝟏𝟏
𝑺𝑺 = � (𝒙𝒙𝒊𝒊 − 𝒙𝒙 )𝟐𝟐
𝒏𝒏 − 𝟏𝟏
𝒊𝒊=𝟏𝟏
• Jangkauan : R = Nilai max – Nilai Min
halaman 8 dari 48
Praktikum Statistika
• Kemencengan (Skewnwss)
𝒏𝒏
𝒏𝒏 𝒙𝒙𝒊𝒊 – 𝒙𝒙 𝟐𝟐
𝑺𝑺𝑺𝑺 = �( )
(𝒏𝒏 − 𝟏𝟏)(𝒏𝒏 − 𝟐𝟐) 𝒔𝒔
𝒊𝒊=𝟏𝟏
• Kurtosis
𝒏𝒏 𝟒𝟒
𝒏𝒏(𝒏𝒏 − 𝟏𝟏) 𝒙𝒙𝒊𝒊 − 𝒙𝒙 𝟑𝟑(𝒏𝒏 − 𝟏𝟏)𝟐𝟐
𝑲𝑲 = �� � −
(𝒏𝒏 − 𝟏𝟏)(𝒏𝒏 − 𝟐𝟐)(𝒏𝒏 − 𝟑𝟑) 𝒔𝒔 (𝒏𝒏 − 𝟐𝟐)(𝒏𝒏 − 𝟑𝟑)
𝒊𝒊=𝟎𝟎
𝑨𝑨𝑨𝑨𝑨𝑨
𝑪𝑪𝑪𝑪𝑪𝑪 = × 𝟏𝟏𝟏𝟏𝟏𝟏%
𝒙𝒙
• Koefisien Variasi
𝑺𝑺
𝑪𝑪𝑪𝑪 = × 𝟏𝟏𝟏𝟏𝟏𝟏%
𝒙𝒙
Beberapa prosedur Statistika Deskriptif (Descriptive Statistics) yang tersedia dalam SPSS antara lain
adalah
• Frequencies
• Descriptives
• Explore
• Crosstabs
Penggunaan Statistika Deskriptif dapat dilihat pada contoh percobaan berikut :
Dari suatu kelas senam kebugaran yang diikuti oleh 92 orang peserta, diketahui data : tinggi Badan,
Berat Badan, Jenis Kelamin, Perokok/tak Perokok, Tingkat Aktifitas Sehari-hari, Detak Jantung/menit.
Setiap peserta disuruh melemparkan koin, jika muncul gambar maka peserta harus berlari di tempat
selama satu menit, tetapi jika yang muncul adalah bukan gambar, maka peserta tersebut tidak perlu
berlari di tempat. Setelah melakukan pelemparan koin dan aktifitas lanjutannya, detak
jantung/menit dari setiap peserta dicatat kembali dan diperoleh data sebagai berikut :
halaman 9 dari 48
Praktikum Statistika
1. 64 88 1 2 1 168 64 2
2. 58 70 1 2 1 183 66 2
3. 62 76 1 1 1 187 73 3
4. 66 78 1 1 1 185 86 1
5. 64 80 1 2 1 175 70 2
6. 74 84 1 2 1 185 75 1
7. 84 84 1 2 1 183 68 3
8. 68 72 1 2 1 188 86 2
9. 62 75 1 2 1 183 89 2
10. 76 118 1 2 1 180 63 2
11. 90 94 1 1 1 188 73 1
12. 80 96 1 2 1 183 70 2
13. 92 84 1 1 1 178 69 3
14. 68 76 1 2 1 170 66 2
15. 60 76 1 2 1 180 77 3
16. 62 58 1 2 1 183 79 3
17. 66 82 1 1 1 175 79 2
18. 70 72 1 1 1 185 77 3
19. 68 76 1 1 1 188 82 2
20. 72 80 1 2 1 168 61 3
21. 70 106 1 2 1 180 77 2
22. 74 76 1 2 1 178 71 2
23. 66 102 1 2 1 178 59 2
24. 70 94 1 1 1 191 84 2
25. 96 140 1 2 2 155 64 2
26. 62 100 1 2 2 168 54 2
27. 78 104 1 1 2 173 59 2
28. 82 100 1 2 2 173 63 2
29. 100 115 1 1 2 160 55 2
30. 68 112 1 2 2 178 57 2
31. 96 116 1 2 2 173 53 2
32. 78 118 1 2 2 175 66 2
33. 88 110 1 1 2 175 68 2
34. 62 98 1 1 2 159 51 2
35. 80 128 1 2 2 173 57 2
36. 62 62 2 2 1 188 86 1
37. 60 62 2 2 1 180 70 2
38. 72 74 2 1 1 175 77 2
39. 62 66 2 2 1 178 70 2
40. 76 76 2 2 1 183 98 2
halaman 10 dari 48
Praktikum Statistika
41. 68 66 2 1 1 170 68 2
42. 54 56 2 1 1 175 66 2
43. 74 70 2 2 1 185 70 3
44. 74 74 2 2 1 185 70 2
45. 68 68 2 2 1 180 68 3
46. 72 74 2 1 1 173 70 3
47. 68 64 2 2 1 177 68 3
48. 82 84 2 1 1 185 82 2
49. 64 62 2 2 1 191 73 3
50. 58 58 2 2 1 168 61 3
51. 54 50 2 2 1 175 73 2
52. 70 62 2 1 1 168 59 2
53. 62 68 2 1 1 185 70 2
54. 48 54 2 1 1 173 68 1
55. 76 76 2 2 1 188 67 3
56. 88 84 2 2 1 187 70 2
57. 70 70 2 2 1 178 68 2
58. 90 88 2 1 1 170 64 2
59. 78 76 2 2 1 183 82 3
60. 70 66 2 1 1 191 86 2
61. 90 90 2 2 1 173 66 1
62. 92 94 2 1 1 175 68 2
63. 60 70 2 1 1 182 74 2
64. 72 70 2 2 1 180 64 2
65. 68 68 2 2 1 183 64 3
66. 84 84 2 2 1 175 62 2
67. 74 76 2 2 1 170 56 2
68. 68 66 2 2 1 173 70 2
69. 84 84 2 2 2 168 59 2
70. 61 70 2 2 2 166 54 2
71. 64 60 2 2 2 168 59 3
72. 94 92 2 1 2 157 59 2
73. 60 66 2 2 2 157 54 2
74. 72 70 2 2 2 160 54 2
75. 58 56 2 2 2 170 57 2
76. 88 74 2 1 2 165 61 2
77. 66 72 2 2 2 168 57 2
78. 84 80 2 2 2 165 54 1
79. 62 66 2 2 2 165 55 3
80. 66 76 2 2 2 165 52 2
halaman 11 dari 48
Praktikum Statistika
81. 80 74 2 2 2 163 46 2
82. 78 78 2 2 2 170 52 2
83. 68 68 2 2 2 175 68 2
84. 72 68 2 2 2 173 50 2
85. 82 80 2 2 2 160 53 1
86. 76 76 2 1 2 157 49 3
87. 87 84 2 2 2 160 43 3
88. 90 92 2 1 2 163 57 1
89. 78 80 2 2 2 173 60 1
90. 68 68 2 2 2 157 50 2
91. 86 84 2 2 2 170 68 3
92. 76 76 2 2 2 157 49 2
Berdasarkan informasi dan tabel, dapat dilakukan input data ke dalam Data Editor sesuai dengan
langkah -langkah yang telah dipelajari pada Modul 1, yakni :
1. Aktifkan SPSS, lalu Klik Variable View pada layar Data Editor.
2. Input masing-masing nama variabel, beserta Type, Width, Decimals, Label, Value, Missing,
Column, Align dan Measure. Dalam hal ini terdapat 8 variabel yang akan diinput pada kolom
Name, dan terdapat 4 (empat) variabel yang memiliki Value Label.
3. Setelah proses input variabel selesai, simpan kedalam file dengan cara Klik File → ketik
nama file → Save.
4. Klik Data View, lalu input seluruh data yang ada pada tabel di atas.
Untuk acuan dalam menginput variabel, gunakan tampilan Variable View pada tabel berikut ini :
Name Type Width Deci Label Value Missin Colu Align Measure
mals g mn
detak1 Numeric 8 0 detak jantung 1 None None 8 Right Scale
detak2 Numeric 8 0 detak jantung 2 None None 8 Right Scale
lari Numeric 8 0 Lari {1, Berlari di None 8
Right Nominal
tempat}...
perokok Numeric 8 0 Merokok {1, None 8
Right Nominal
Merokok}...
sex Numeric 8 0 Jenis Kelamin {1, Pria}... None 8 Right Nominal
tinggi Numeric 8 0 TInggi Badan None None 8 Right Scale
berat Numeric 8 0 Berat Badan None None 8 Right Scale
aktivita Numeric 8 0 Aktivitas {1, Ringan}... None 8 Right Ordinal
halaman 12 dari 48
Praktikum Statistika
• Variabel data kontinu dengan ukuran Interval atau skala ratio dapat ditampilkan dalam
bentuk HISTOGRAM dan POLIGON.
• Variabel Data dengan ukuran Nominal atau Ordinal dapat digunakan Barchart
Untuk data yang di input diatas, dilakukan Analisa Data sebagai berikut :
Untuk menghitung Frekuensi data Pria dan Perempuan , maka langkahnya adalah:
1. Klik Analyze → Descriptive Statistics → Frequencies, maka akan tampil menu pilihan.
Selanjutnya pindahkan Variabel Jenis kelamin ke dalam kotak Variable(s)
2. Karena Jenis kelamin merupakan variabel dengan Skala Nominal maka grafik yang dipilih
adalah dalam bentuk Barchart, dengan prosedur klik Charts → Bar Charts → Continue.
Berdasarkan output dari kedua tahapan di atas, maka dapat diketahui bahwa :
Jumlah total responden adalah 92, yang terdiri dari 57 (62%) Pria, dan 35 (38%)
Perempuan.
Dari barchart juga dapat dilihat bahwa frekuensi Pria adalah 57 dan frekuensi Perempuan
adalah 35.
Untuk menampilkan Grafik Berat Badan dalam bentuk Histogram (karena variabel dengan skala
Rasio) digunakan langkah sbb :
klik Charts → Histograms → With Normal Curve. Akan tampil output dalam bentuk grafik
Histogram beserta pendekatan kurva normal.
halaman 13 dari 48
Praktikum Statistika
1. Klik Analyze → Descriptive Statistics → Descriptives. Pada layar akan tampil variabel-
variabel data yang dapat kita pilih untuk dihitung statistiknya.
2. Jika kita akan menghitung nilai statistik variabel data Tinggi Badan dan Berat Badan mtanda
chek pada daftar nilai statistik yang akan dihitung. Selanjutnya klik Continue → Ok.
Selanjutnya Nilai Statistik yang dihitung akan tampil sebagai output dalam bentuk tabel yang
selanjutnya dapat diinterpretasikan.
Maka output tampil dalam bentuk tabel yang berisi masing-masing jumlah laki-laki dan
perempuan yang merokok dan tidak merokok
klik Analyze → Descriptive Statistics → Explore. Kemudian pindahkan variabel data Berat
Badan (Berat) ke dalam kotak Dependent List. Selanjutnya Klik Statistics → check Descriptives
dan Percentiles → Continue → OK.
Output yang tampil adalah tabel yang memuat nilai statistik secara lengkap yang dapat
digunakan dalam menginterpretasi data.
halaman 14 dari 48
Praktikum Statistika
Dari data yang diinput di atas, dapat dihitung statistika deskriptif yaitu statistik rasio, misalnya rata-
rata rasio, simpangan baku rasio, varians rasio, nilai maksimum dan minimum rasio, koefisien
dispersi, koefisien variasi.
Misalkan akan dihitung statistik rasio antara Berat Badan dengan Tinggi Badan. Langkah
penyelesaiannya adalah :
klik Analyze → Descriptive Statistics → Ratio. Lalu pindahkan variabel Berat Badan ke
numerator (sebagai pembilang) dan variabel Tinggi Badan ke denominator(sebagai
penyebut). Kemudian klik Statistics → check pada kotak Ratio Statistics : Statistics
kemudian Continue → OK.
Output dari proses adalah berupa rata-rata perbandingan antara tinggi badan dan berat
badan, sebagaimana pada tabel berikut :
Mean .376
Median .378
Minimum .270
Maximum .534
Range .264
Dari tabel diketahui bahwa 𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹 − 𝒓𝒓𝒓𝒓𝒓𝒓𝒓𝒓 𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹 antara Berat Badan dengan Tinggi Badan
adalah 0,76. 𝑴𝑴𝑴𝑴𝑴𝑴𝑴𝑴𝑴𝑴𝑴𝑴 𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹 = 𝟎𝟎, 𝟑𝟑𝟑𝟑𝟑𝟑,𝑴𝑴𝑴𝑴𝑴𝑴𝑴𝑴𝑴𝑴𝑴𝑴𝑴𝑴 𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹 = 𝟎𝟎, 𝟐𝟐𝟐𝟐𝟐𝟐,
𝑴𝑴𝑴𝑴𝑴𝑴𝑴𝑴𝑴𝑴𝑴𝑴𝑴𝑴𝑴𝑴 𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹 = 𝟎𝟎, 𝟓𝟓𝟓𝟓𝟓𝟓, 𝑺𝑺𝑺𝑺𝑺𝑺𝑺𝑺𝑺𝑺𝑺𝑺𝑺𝑺𝑺𝑺𝑺𝑺 𝑩𝑩𝑩𝑩𝑩𝑩𝑩𝑩 𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹 = 𝟎𝟎, 𝟎𝟎𝟎𝟎𝟎𝟎 , dan seterusnya.
Ingat, bahwa rasio hanya dapat diterapkan untuk data dengan type
interval/scale.
halaman 15 dari 48
Praktikum Statistika
MODUL 4
Uji Normalitas Data
Dalam Statistika Inferensial, “kenormalan” atau Normalitas suatu kumpulan data adalah syarat yang
harus diketahui sebelum melakukan analisa yang lebih lanjut. Oleh karena itu, perlu dilakukan uji
Normalitas.
Uji Normalitas yang biasa digunakan adalah SHAPIRO – WILL dan LILIEFORS (KOLMOGOROV-
SMIRNOV), dimana kedua pengujian ini terdapat pada prosedur SPSS Explore. Dalam prosedur SPSS
Explore akan ditampilkan grafik Normal Probaqbility Plot dan Detrended Plot.
• Dalam Normal Probability Plot, setiap nilai data dipasangkan dengan nilai ekspektasi dari
distribusi normal. Jika sampel data berasal dari populasi yang berdistribusi Normal maka
titik titik nilai data akan terletak mendekati suatu garis lurus.
• Dalam Detrended Normal Plot akan digambarkan simpangan nilai data terhadap garis lurus.
Jika data berasal dari populasi yang berdistribusi normal, maka titik titik nilai data tidak akan
membentuk pola tertentu, tetapi akan tersebar disekitar garis datar yang melalui titik nol.
Pengujian Normalitas data dapat dilakukan dengan menggunakan rumus uji normalitas SHAPIRO –
WILL dan LILIEFORS (KOLMOGOROV-SMIRNOV) sebagai berikut :
Misalkan diketahui sekumpulan data yang sudah diurutkan dari terkecil hingga terbesar, yaitu :
(𝑗𝑗𝑗𝑗𝑗𝑗𝑗𝑗𝑗𝑗ℎ 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝒛𝒛𝒌𝒌 ≤ 𝑧𝑧 )
𝐷𝐷∗ = 𝑠𝑠𝑠𝑠𝑠𝑠 {|𝐹𝐹𝑛𝑛 (𝑧𝑧) − Φ(𝑧𝑧)|} , dimana 𝐹𝐹𝑛𝑛 (𝑧𝑧) =
𝑛𝑛
dan Φ(𝑧𝑧) adalah 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘 𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛 𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏
2. Rumus Uji Normalitas Shapiro – Wilk:
(∑𝑛𝑛𝑖𝑖=1 𝑎𝑎𝑖𝑖 𝑥𝑥𝑖𝑖 )2
𝑊𝑊 = 𝑛𝑛
∑𝑖𝑖−1(𝑥𝑥𝑖𝑖 − 𝑥𝑥̅ )2
dimana 𝑎𝑎𝑖𝑖 adalah konstanta yang dibangkitkan dari mean, varians dan covarians sampel data
berukuran 𝑛𝑛 dari distribusi normal.
halaman 16 dari 48
Praktikum Statistika
Ikut DRA 24 43 58 71 43 49 61 44 67 49 53 56 59 52 62 54 57 33 46 43 57 50
Tak ikut DRA 42 43 55 26 62 37 33 41 19 54 20 85 46 10 17 60 53 42 37 42 55 28 48 51
Ujilah Normalitas data kedua kelompok siswa tersebut dengan terlebih dahulu menginputnya
kedalam variable view dan data view lalu interpretasikan nilai statistik yang diperoleh.
Langkah penyelesaian :
1. Akan diselidiki apakah kedua kelompok siswa SD (ikut DRA dan Tak ikut DRA) berdistribusi
Normal dengan menguji hipotesis :
𝐻𝐻𝑜𝑜 : 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏 𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛
𝐻𝐻1 : 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑻𝑻𝑻𝑻𝑻𝑻𝑻𝑻𝑻𝑻 𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏 𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛
Gunakan ∝=0,05
2. Dalam contoh, banyaknya data dari masing-masing kelompok tidak sama, yakni 𝑛𝑛1 = 22 (jumlah
siswa ikut DRA) dan 𝑛𝑛2 = 24 (jumlah siswa tidak ikut DRA), sehingga kedua kelompok data
tidak dapat dibuat dalam dua variabel pada kolom variabel yang berbeda. Untuk mengatasi hal
ini, kedua kelompok siswa dapat diletakkan pada kolom variabel yang sama, yakni variabel Skor
DRP, dan kolom variabel lainnya yakni variabel Grup menyatakan Kelompok Siswa. Variabel
Grup diberi ValueLabel “ 1 = Treatment ” dan “ 2 = Kontrol “. Dengan demikian, grup = 1
menyatakan siswa yang ikut DRA, yang berperan sebagai Treatment, grup = 2 menyatakan siswa
yang tidak ikut DRA, yang berperan sebagai Kontrol
halaman 17 dari 48
Praktikum Statistika
Selain membandingkan P_value dan α, kesimpulan juga dapat diperoleh berdasarkan grafik Normal
Probaqbility Plot dan Detrended Normal Plot yang ditampilkan sebagai out-put.
− Pada grafik output NormalQ-Q Probability Plot dapat dilihat bahwa titik-titik nilai data dari
grup Treatment dan grup Kontrol membentuk pola garis lurus. Dengan demikian disimpulkan
bahwa kedua grup berasal dari populasi terdistribusi normal.
− Pada grafik output Detrended NormalQ-Q Plot dapat dilihat bahwa titik-titik nilai data dari
grup Treatment dan grup Kontrol berada dekat dengan garis lurus yang melalui 0. Dengan
demikian disimpulkan bahwa kedua grup berasal dari populasi terdistribusi normal.
Normalitas sebuah variabel dapat juga diuji dengan prosedur SPSS Explore tanpa dikelompokkan
menurut grup. Dalam hal ini, andaikan kita hanya ingin menguji normalitas data DRP secara
keseluruhan tanpa menyertakan Grup , sehingga normalitas data DRP dari kelompok Treatment dan
Kontrol dapat diketahui. Langkahnya adalah sebagai berikut :
klik Analyze → Descriptive Statistics → Explore lalu pindahkan Variabel yang akan diuji
kedalam kotak Dependent List, kemudian klik Plots kemudian chek list Normality Plots With
tests → Continue → OK. Diperoleh output pada tabel berikut :
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Untuk menginterpretasikan out-put, bandingkan P_value dan α=0,05, atau periksa grafik Normal
Probaqbility Plot dan Detrended Normal Plot sebagaimana diatas.
halaman 18 dari 48
Praktikum Statistika
MODUL -5
SAMPLING SEDERHANA
Dalam Statistika, Sampling merupakan sarana yang penting dalam menentukan karakteristik dari
suatu populasi. Biasanya kita tidak mengetahui parameter dari populasi (seperti rata-rata 𝝁𝝁,
simpangan baku 𝝈𝝈, dan yang lainnya), tetapi kita ingin menduganya secara realiable melalui
sampling, yaitu mengambil sampel secara acak dari suatu populasi tersebut.
No randomization, no generalization
Makna dari kaidah ini adalah bahwa hasil analisis data tidak dapat digeneralisasi tanpa teknik
sampling yang benar. Banyak kasus, contohnya skripsi mahasiswa dimana data yang dikumpulkan
tidak dapat digunakan karena prosedur sampling yang tidak benar (tidak acak).
Permasalahan yang sering dihadapi dalam penarikan suatu sampel adalah terjadinya penarikan
elemen sampel secara tidak adil, yakni tidak semua anggota populasi memiliki kesempatan yang
sama untuk terpilih menjadi elemen sampel. Hal ini sering dipertanyakan apakah sampel tersebut
dapat dinyatakan mewakili populasi dari mana sampel tersebut berasal. Keterwakilan tersebut dapat
diatasi dengan menggunakan prosedur SPSS, dimana proses penarikan dilakukan secara acak dan
adil.
Sampel Acak Sederhana dari 𝒏𝒏 observasi adalah suatu sampel yang dipilih sedemikian rupa
sehingga setiap sampel yang merupakan himpunan bagian yang berukuran 𝒏𝒏 dari populasi tersebut
mempunyai peluang yang sama untuk terpilih.
Penarikan sampel melalui prosedur SPSS juga dapat diterapkan untuk mengundi sekumpulan objek
dari sekumpulan objek yang lebih besar jumlahnya, misalnya untuk menarik pemenang arisan yang
diikuti oleh sekelompok orang, sehingga setiap peserta memiliki kesempatan yang sama untuk
menjadi pemenang.
Contoh :
Sebuah arisan yang diikuti oleh 26 orang ibu rumahtangga, akan menentukan 5(lima) orang nama
pemenang arisan dengan cara sampling sederhana agar adil sehingga tidak ada yang protes karena
masing-masing peserta memiliki peluang yang sama untuk terpilih.
halaman 19 dari 48
Praktikum Statistika
Prosedur SPSS untuk Sampling Sederhana dalam menentukan pemenang arisan di atas :
1. Definisikan Nomor dan Nama. Input variabel pertama Nomor pada kolom Name, batasi hanya
untuk bilangan bulat terdiri dari 2 digit tanpa angka di belakang koma dengan memilih Type
Numeric, Width = 2, Decimal = 0, Columns= 4, Measure = Scale. Variabel ke dua pada kolom
Name ketik Nama, Type String, Width= 35, (catatan: untuk Type: string, memilih Width=40,
berarti panjang nama maksimum 40 huruf/karakter). Columns = 8, Measure = Nominal.
2. Masuk ke lembar Data View, lalu Input data Nomor dan Nama peserta arisan.
3. Agar Sampel Acak Sederhana yang diperoleh dapat diulang oleh pengguna SPSS, maka tentukan
Random Number Seed dari SPSS dengan langkah : klik Transform → Random Number
Generators. Sehingga muncul tampilan Random Number Generators dari SPSS.
Tersedia dua pilihan Pembangkit Bilangan Acak (Random Number Generator), yaitu:
• Pembangkit bilangan acak seragam (uniform random generator)
• Pembangkit bilangan acak mersenne Twister
4. Untuk memilih pembangkit bilangan acak mana yang akan digunakan, Klik Set Active Generator
5. lalu pilih salah satu SPSS 12 Compatible atau Mersenne Twister. Untuk lebih memahami,
bandingkan tampilan dari menu pembangkit bilangan acak. (untuk proses selanjutnya, pilih SPSS
12 Compatible).
6. Untuk menentukan Random Number Seed, Pilih Set Starting Point, lalu klik Fixed Value, lalu
isikan sembarang bilangan, misalkan 1234567, kemudian klik OK.
Jika kita mengulang sampling sederhana dengan menggunakan Set Starting Point yang
sama, maka akan diperoleh Sampel Acak Sederhana yang selalu sama. Sebaliknya, bila
dilakukan Sampling Sederhana tanpa menggunakan Set Starting Point, maka setiap kali
diulang sampling, maka akan diperoleh sampel acak yang berbeda-beda.
halaman 20 dari 48
Praktikum Statistika
9. Klik Exactly lalu masukkan 5 pada kotak pertama, dan 26 di kotak kedua, kemudian klik tombol
Continue → OK
10. Dari hasil sampel acak ini, ditemukan variabel baru bernama filter_S, yang menunjukkan nomor
dan nama yang terpilih secara acak dengan nilai 1, dan 0 untuk menyatakan nomor dan nama
yang tidak terpilih. Dalam hal ini nama dan nomor yang terpilih sebanyak 5, sesuai dengan yang
diinginkan sebelumnya, yaitu :
11. Bila data cukup banyak, kita dapat mengurutkan semua data yang terpilih sehingga mudah
dilihat/dibaca, dengan langkah klik Data → Sort Cases.
12. Pindahkan variabel filter_S ke dalam kotak Sort by dan pilih Descending lalu klik OK
Setelah langkah ke-12, maka akan tampil nama-nama yang terpilih sebagai sampel acak sederhana,
yang sudah terurut dan mudah dibaca.
Sebagai latihan, coba gantikan bilangan sembarang dengan bilangan sembarang lainnya, lalu
perhatikan apakah terjadi pergantian sampel acak? Selain dalam arisan, pada permasalahan apa saja
metode ini cocok diterapkan dan jelaskan cara penerapannya.
halaman 21 dari 48
Praktikum Statistika
MODUL 6
Uji –t suatu sampel digunakan untuk menguji mean atau rata-rata 𝒙𝒙 � dari sampel tunggal terhadap
suatu parameter rata-rata 𝝁𝝁𝒐𝒐 dengan asumsi data berdistribusi normal .
Terdapat tiga bentuk hipotesis untuk uji-t dimana penggunaannya tergantung pada permasalahan
yang akan diuji, yaitu :
1. Bentuk uji hipotesis dua sisi (two – side atau two-tailed test) dengan Hipotesis :
𝐻𝐻𝑜𝑜 : 𝜇𝜇 = 𝜇𝜇𝑜𝑜
𝐻𝐻1 : 𝜇𝜇 ≠ 𝜇𝜇𝑜𝑜
2. Bentuk uji hipotesis satu sisi (one-siided atau one tailed test) untuk sisi atas(upper tailed) dengan
hipotesis :
𝐻𝐻𝑜𝑜 : 𝜇𝜇 ≤ 𝜇𝜇𝑜𝑜
𝐻𝐻1 : 𝜇𝜇 > 𝜇𝜇𝑜𝑜
3. Bentuk uji Hipotesis satu sisi (one – sided atau one tailed test) untuk sisi bawah (lower tailed)
dengan hipotesis
𝐻𝐻𝑜𝑜 : 𝜇𝜇 ≥ 𝜇𝜇𝑜𝑜
𝐻𝐻1 : 𝜇𝜇 < 𝜇𝜇𝑜𝑜
• Dalam pengujian Hipotesis, kriteria untuk menolak atau tidak menolak 𝐻𝐻𝑜𝑜
berdasarkan 𝑃𝑃_𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 adalah sebagai berikut :
Jika 𝑃𝑃_𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 < 𝛼𝛼 , maka 𝐻𝐻𝑜𝑜 ditolak
Jika 𝑃𝑃_𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 ≥ 𝛼𝛼 , maka 𝐻𝐻𝑜𝑜 tidak ditolak
• Dalam SPSS digunakan istilah significance yang disingkat 𝑺𝑺𝑺𝑺𝑺𝑺 untuk menyatakan
𝑃𝑃_𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉
1 𝑛𝑛 = 𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠
𝑠𝑠 = � �(𝑥𝑥𝑖𝑖 − 𝑥𝑥� )2
(𝑛𝑛 − 1) 𝒕𝒕∝� = 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 − 𝑡𝑡
𝟐𝟐
3. Rata-rata Kesalahan Baku (standard error
mean):
𝑠𝑠
√𝑛𝑛
4. Uji-t Satu Sampel :
���������
𝑥𝑥̅ − 𝜇𝜇0
𝑡𝑡 = 𝑠𝑠
� 𝑛𝑛
√
halaman 22 dari 48
Praktikum Statistika
Penggunaan Uji-t Satu Sampel dua sisi dapat diterapkan pada contoh berikut :
Sebuah perusahaan produsen Juice buah yang merancang produknya mengandung 40 𝑚𝑚𝑚𝑚/100𝑔𝑔
vitamin C akan memeriksa produknya apakah memenuhi standar yang ditentukan dengan cara
menguji 8 sampel acak. Diperoleh data kandungan vitamin C sebagai berikut :
26, 31, 23, 22, 11, 22, 14, dan 31
Apakah dari sampel diatas dapat disimpulkan bahwa kandungan vitamin C tidak terpenuhi (gunakan
∝ = 0,05) ?
Solusi :
Ukuran sampel 𝑛𝑛 = 8 dengan 𝜇𝜇𝑜𝑜 = 40, dan 𝛼𝛼 = 0,05
Dalam permasalahan ini akan diuji apakah kandungan vitamin C yang ditetapkan sudah dipenuhi
atau tidak, sesuai dengan standar yang ditentukan yaitu 𝟒𝟒𝟒𝟒 𝒎𝒎𝒎𝒎/𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏. Untuk itu akan digunakan
uji hipotesis dua sisi, dengan Hipotesis :
𝐻𝐻𝑜𝑜 : 𝜇𝜇 = 40
𝐻𝐻1 : 𝜇𝜇 ≠ 40
Prosedur SPSS One-Sample t-Test :
1. Pada Variable View definisikan variabel kandungan Vitamin C dengan vit_c dengan Label Kandu
ngan Vitamin C (𝒎𝒎𝒎𝒎/𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏)
2. Pada Data View input data sampel
3. Klik Analyze → Compare Means , kemudian Klik One-Sample T Test (perhatikan tampilan)
4. Klik Kandungan Vitamin C [𝒎𝒎𝒎𝒎/𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏] lalu pindahkan ke dalam Box Test Variable(s) kemudian
ubah nilai Test Value dari 0 menjadi 40 (nilai 𝜇𝜇𝑜𝑜 = 40 )
5. Kita dapat mengubah nilai confidence level (tingkat kepercayaan) dengan prosedur sebagai
berikut : Klik Options, lalu ubah nilai 95 sesuai dengan yang diinginkan dalam box Confidence
Interval lalu Klik Continue [catatan : interval kepercayaan 95% adalah merupakan kelaziman
untuk uji-t satu sampel ]
6. Klik OK, perhatikan nilai nilai yang muncul pada tabel output berikut :
One-Sample Statistics
One-Sample Test
Test Value = 40
halaman 23 dari 48
Praktikum Statistika
Interpretasi Hasil:
• 𝑼𝑼𝑼𝑼𝑼𝑼 − 𝒕𝒕 satu sampel ini menguji 𝐻𝐻𝑜𝑜 : 𝜇𝜇 = 40 terhadap 𝐻𝐻1 : 𝜇𝜇 ≠ 40. Nilai uji statistik 𝑡𝑡 yang
diperoleh adalah 𝑡𝑡 = −6,883 dengan derajat kebebasan :𝑛𝑛 − 1 = 7. Nilai 𝑃𝑃_𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 (untuk
2-tailed) = 0.000, sehingga 𝑃𝑃𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 < 𝛼𝛼 = 0.05 yang menunjukkan bahwa
𝐻𝐻𝑜𝑜 : 𝜇𝜇 = 40
Ditolak sangat kuat, sehingga dapat disimpulkan bahwa Kandungan Vitamin C tidak
memenuhi spesifikasi 40 𝑚𝑚𝑚𝑚/100𝑔𝑔
1
• SPSS menghitung 𝑥𝑥� = 22,5 dan simpangan baku 𝑠𝑠 = � ∑(𝑥𝑥𝑖𝑖 − 𝑥𝑥� )2 = 7,19126 dan
(𝑛𝑛−1)
𝑠𝑠
rata-rata kesalahan baku= = 2,5425.
√𝑛𝑛
halaman 24 dari 48
Praktikum Statistika
One-Sample Statistics
One-Sample Test
Lower Upper
Interpretasi Hasil:
• Uji t Satu Sampel Satu Sisi Untuk Sisi Atas ini menguji 𝐻𝐻𝑜𝑜 : 𝜇𝜇 ≤ 100 terhadap
𝐻𝐻1 : 𝜇𝜇 > 100 , didapat 𝑡𝑡 =2,427 dengan derajat kebebasan 𝑛𝑛 − 1 = 9. 𝑷𝑷𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽 untuk two-
tailed = 0.038. karena yang dilakukan adalah uji hipotesis satu sisi 𝐻𝐻1 : 𝜇𝜇 > 100 maka nilai
0.038.
𝑷𝑷𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽 harus dibagi dua yaitu = 0,019. 𝑷𝑷𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽 = 0,019 < 𝛼𝛼 = 0,05, sehingga
2
𝐻𝐻𝑜𝑜 : 𝜇𝜇 ≤ 100
Ditolak, yang berarti bahwa mengkonsumsi rumput kikuyu akan meningkatkan memori.
halaman 25 dari 48
Praktikum Statistika
One-Sample Test
Interpretasi Hasil:
• Uji t Satu Sampel ini menguji 𝑯𝑯𝒐𝒐 : 𝝁𝝁 ≥ 𝟒𝟒𝟒𝟒𝟒𝟒𝟒𝟒𝟒𝟒 terhadap 𝑯𝑯𝟏𝟏 : 𝝁𝝁 < 42000 . Dari tabel hasil
perhitungan didapat nilai uji –t didapat 𝑡𝑡 = −2,346 dengan derajat kebebasan : 𝑛𝑛 − 1 = 9. Nilai
𝑷𝑷𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽 untuk 2-tailed = 0,044. Karena yang dilakukan adalah uji hipotesis satu sisi (one tailed
test) 𝐻𝐻1 : 𝜇𝜇 < 42000 maka nilai 𝑷𝑷𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽 = 0,044 harus dibagi 2, dengan demikian diperoleh
𝟎𝟎.𝟎𝟎𝟎𝟎𝟎𝟎
𝑷𝑷𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽 = = 𝟎𝟎. 𝟎𝟎𝟎𝟎𝟎𝟎. Nilai 𝑷𝑷𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽 = 𝟎𝟎. 𝟎𝟎𝟎𝟎𝟎𝟎 < 0.05,
𝟐𝟐
sehingga 𝐻𝐻𝑜𝑜 : 𝜇𝜇 ≥ 42000 ditolak. Jadi dapat disimpulkan bahwa daya tahan produk rata-rata
mencapai 42000 jam adalah tidak benar.
halaman 26 dari 48
Praktikum Statistika
MODUL 7
Korelasi adalah ukuran hubungan (relationship) antara dua variabel, terutama variabel kuantitatif.
Ukuran hubungan antara variabel kuantitatif biasanya disebut asosiasi.
Dalam SPSS tersedia beberapa macam ukuran korelasi dan asosiasi, yaitu :
• Untuk skala interval dan skala rasio dapat digunakan koefisien korelasi Pearson Product Moment
• Untuk skala ordinal digunakan korelasi perringkat (rank) Spearman, Goodman-Kruskal’ Gamma,
Kendal’s tau-b, Kendal’s tau-c dan Somer’s d
• Untuk skala nominal dapat digunakan koefisien Phi, Cramer’s V, Contingency coefficient, dan
Lambda.
• Untuk skala nominal dan interval tersedia koefisien Eta untuk mengukur hubungan variabel
berskala nominal dan berskala interval.
dimana : −1 ≤ 𝑟𝑟 ≤ 1 .
Untuk menguji apakah koefisien korelasi Pearson Product Moment yang didapat signifikan, maka
digunakan hipotesis :
𝐻𝐻0 : 𝜌𝜌 = 0
𝐻𝐻1 : 𝜌𝜌 ≠ 0
Dengan uji statistik :
𝑟𝑟√𝑛𝑛 − 2
𝑡𝑡 =
�(1 − 𝑟𝑟 2 )
Untuk menguji apakah koefisien korelasi Pearson Product Moment yang didapat signifikan terhadap
nilai acuan 𝜌𝜌0 ≠ 0, maka digunakan hipotesis :
𝐻𝐻0 : 𝜌𝜌 = 𝜌𝜌0
� 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝜌𝜌0 ≠ 0
𝐻𝐻1 : 𝜌𝜌 ≠ 𝜌𝜌0
halaman 27 dari 48
Praktikum Statistika
𝟔𝟔 ∑ 𝒅𝒅𝒊𝒊 𝟐𝟐
𝒓𝒓𝒔𝒔 = 𝟏𝟏 −
𝒏𝒏(𝒏𝒏𝟐𝟐 − 𝟏𝟏)
Dengan bantuan SPSS, Korelasi dan asosiasi dapat ditentukan melalui Menu:
Analyze → Descriptive Statistics → Crosstabs → Statistics atau dengan menu Analyze → Correlate
→ Bivariate.
Contoh penggunaan perhitungan Korelasi Pearson Product Moment dapat dilihat pada
pesoalan berikut :
Sebuah tim pengadaan buku text book perpustakaan sekolah mengamati hubungan antara jumlah
halaman dengan harga text book tersebut. Dari sampel acak yang terdiri dari 8 text book yang
berbeda didapat data sebagai berikut :
Text Book Text A Text B Text C Text D Text E Text F Text G Text H
Jumlah halaman 400 600 500 600 400 300 200 550
Harga text book (US $) 40 65 60 78 55 45 25 70
Tentukan korelasi Pearson Product Moment antara Jumlah Halaman Text Book dengan Harga Text
book dan tentukan apakah korelasi tersebut signifikan dengan ∝=0.01.
Penyelesaian :
halaman 28 dari 48
Praktikum Statistika
Untuk mengetahui apakah ada korelasi yang signifikan antara Jumlah Halaman Text Book dengan
Harga Text book melalui perhitungan Pearson Product Moment, maka ditetapkan Hipotesis :
𝑯𝑯𝒐𝒐 : 𝝆𝝆 = 𝟎𝟎
𝑯𝑯𝒐𝒐 : 𝝆𝝆 ≠ 𝟎𝟎
dimana ρ = Parameter korelasi Pearson Product Momen antara Jumlah Halaman Text book dan
harga text book.
1. Pada Variable View Input variabel pertama halaman dengan variable labels Jumlah halaman
dan variabel kedua harga_tx dengan variable labels harga text book.
2. Input data halaman dan harga_tx pada Data View.
3. Klik Analyze → Correlatie → Bivariate lalu perhatikan tampilan yang muncul.
4. Pada tampilan yang muncul padsa (3) pindahkan variabel Jumlah Halaman [halaman] dan
variabel Harga Text book[harga_tx] ke dalam box berjudul Variables lalu beri tan check listpada
Correlation Cofficients Pearson.
5. Klik OK lalu perhatikan tampilan output sebagai berikut :
Correlations
N 8 8
N 8 8
Koefisien korelasi ini digunakan untuk mengukur hubungan dua variabel yang berbentuk peringkat
atau kedua variabel berskala ordinal. Penggunaannya dapat dilihat melalui contoh berikut :
Dua panel, yang satu terdiri dari pria dan yang lainnya terdiri dari perempuan diminta untuk
memberi peringkat rasa yang paling disukai terhadap 8 jenis minuman ringan yang berbeda rasa.
Yang paling enak rasanya diberi peringkat 1, dan yang paling tidak enak diberi peringkat 8 dengan
tujuan untuk mengetahui apakah ada hubungan antara pria dan perempuan dalam hal rasa
minuman ringan tersebut. Diperoleh data sebagai berikut:
halaman 29 dari 48
Praktikum Statistika
Merk A 8 7
Merk B 6 5
Merk C 2 4
Merk D 1 2
Merk E 3 1
Merk F 4 3
Merk G 5 6
Merk H 7 8
Apakah ada hubungan antara peringkat rasa miniman ringan Panel pria dengan peringkat rasa
minuman ringan panel perempuan ? apakah hubungannya signifikan? Gunakan ∝=0,05
Penyelesaian:
Akan dihitung korelasi dari data berperingkat dengan Bentuk hipotesis:
𝐻𝐻𝑜𝑜 = 𝜌𝜌𝑠𝑠 = 0
𝐻𝐻𝑜𝑜 = 𝜌𝜌𝑠𝑠 ≠ 0
Dimana 𝜌𝜌𝑠𝑠 = parametaer dari korelasi peringkat Spearman.
Prosedur SPSS Korelasi Peringkat Spearman :
1. Pada pada Variable View Definisikan variabel panel_m dengan Variable labels Panel Pria dan
panel_f dengan Variable labels Panel Perempuan.
2. Pada Data View input data peringkat
3. Klik Analyze → Correlate → Bivariate
4. Pindahkan Panel Pria [panel_m] dan Panel Perempuan [panel_f] ke kotak Variables, lalu check
list pada Correlation Coefficients Spearman
5. Klik OK, perhatikan hasilnya pada tabel sebagai berikut :
Correlations
N 8 8
*
Panel Perempuan Correlation Coefficient .833 1.000
N 8 8
Pada tabel terlihat bahwa korelasi peringkat Spearman r=0,833. Karena P_value =0,010 lebih
kecil dari α=0,05, maka 𝐻𝐻𝑜𝑜 : 𝜌𝜌 = 0 ditolak.
Kesimpulan, bahwa ada hubungan antara pria dan perempuan dalam hal rasa minuman
yang disukai.
halaman 30 dari 48
Praktikum Statistika
MODUL 8
Analisis Regresi Sederhana (Simple Regression Analysis ) digunakan untuk memprediksi nilai suatu
variabel terikat (dependent) 𝒚𝒚 berdasarkan nilai variabel bebas (independent) 𝒙𝒙. Selain itu, dapat
juga digunakan untuk melihat pengaruh variabel independen 𝑥𝑥 terhadap variabel dependen 𝑦𝑦.
Variabel independen 𝑥𝑥 sering disebut sebagai prediktor, sedangkan variabel dependen 𝑦𝑦 serimg
disebut sebagai variabel respons.
∑𝒏𝒏𝒊𝒊=𝟏𝟏 𝒆𝒆𝒊𝒊 𝟐𝟐 = ∑𝒏𝒏𝒊𝒊=𝟏𝟏 (𝒚𝒚𝒊𝒊 − 𝒚𝒚�𝒊𝒊 )𝟐𝟐 = ∑𝒏𝒏𝒊𝒊=𝟏𝟏 (𝒚𝒚𝒊𝒊 − 𝒃𝒃𝟎𝟎 −𝒃𝒃𝒊𝒊 𝒙𝒙𝒊𝒊 )𝟐𝟐
Persamaan normal bagi model regresi linear sederhana adalah :
𝒏𝒏 𝒏𝒏
Dan � − 𝒃𝒃𝒙𝒙
𝒃𝒃𝟎𝟎 = 𝒚𝒚 �
Statistik Uji dalam pengujian hipotesis 𝐻𝐻0 ∶ 𝛽𝛽0 = 𝛼𝛼0
halaman 31 dari 48
Praktikum Statistika
Tentukan persamaan regressi untuk data di atas. Apakah koefisien regresi yang didapat
signifikan. Gunakan α = 0,05. (simple_reg_data.sav)
Solusi
Akan dicari koefisien regresi 𝑏𝑏0 dan 𝑏𝑏1 dari persamaan regressi linier sederhana 𝑦𝑦� = 𝑏𝑏0 + 𝑏𝑏1 𝑥𝑥 dan
melakukan uji hipotesa untuk mengetahui apakah koefisien regresi yang didapat adalah signifikan.
𝐻𝐻0 ∶ 𝛽𝛽0 = 0
𝐻𝐻0 ∶ 𝛽𝛽0 ≠ 0
Dan
𝐻𝐻0 ∶ 𝛽𝛽1 = 0
𝐻𝐻0 ∶ 𝛽𝛽1 ≠ 0
Dimana 𝛽𝛽0 dan 𝛽𝛽1 adalah parameter dari model regresi
𝒚𝒚𝒊𝒊 = 𝜷𝜷𝟎𝟎 + 𝜷𝜷𝟏𝟏 𝒙𝒙𝒊𝒊 + 𝜺𝜺𝒊𝒊
halaman 32 dari 48
Praktikum Statistika
Model Summary
ANOVAb
Total 2518.000 18
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
halaman 33 dari 48
Praktikum Statistika
Interpretasi Hasil
• Nilai 𝑅𝑅 2 (𝑅𝑅 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠) dari Tabel Summary menunjukkan bahwa 93,8% dari Variance “Jumlah
Permintaan Jeans” dapat dijelaskan oleh perubahan dalam variabel “Biaya Iklan”.
• Tabel ANOVA diatas, mengindikasikan bahwa regresi secara statistik sangat signifikan dengan
nilai 𝐹𝐹 = 259,266 untuk derajat kebebasan 𝑘𝑘 = 1 dan 𝑛𝑛 − 𝑘𝑘 − 1 = 19 − 1 − 1 = 17 dan
𝑃𝑃𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 = 0,000 yang jauh lebih kecil dari 𝛼𝛼 = 0,05
• Uji 𝐹𝐹 menguji secara serentak hipotesis 𝐻𝐻0 : 𝛽𝛽1 = 𝛽𝛽2 = 𝛽𝛽3 = ⋯ = 𝛽𝛽𝑘𝑘 = 0 terhadap
𝐻𝐻1 : 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝛽𝛽𝑖𝑖 , 𝑖𝑖 = 1,2,3, … , 𝑘𝑘 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑛𝑛𝑛𝑛𝑛𝑛. Tetapi karena pada regresi sederhana
hanya ada satu 𝛽𝛽𝑖𝑖 , maka hanya diuji 𝐻𝐻0 : 𝛽𝛽1 = 0 terhadap 𝐻𝐻1 : 𝛽𝛽1 ≠ 0. Dari tabel ANOVA dapat
dilihat bahwa 𝐻𝐻0 ditolak karena 𝑃𝑃𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 = 0,000 lebih kecil dari 𝛼𝛼 = 0,05.
• Persamaan regresi menggunakan metode kuadrat terkecil yang didapat: 𝑦𝑦� = 74,673 + 24,280𝑥𝑥
Dimana 𝑦𝑦� = 𝑗𝑗𝑗𝑗𝑗𝑗𝑗𝑗𝑗𝑗ℎ 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑗𝑗𝑗𝑗𝑗𝑗𝑗𝑗𝑗𝑗, dan 𝑥𝑥 = 𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏 𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖
• Uji signifikansi terhadap koefisien regresi, menggunakan uji statistik 𝑡𝑡 dengan 𝑡𝑡 = 16,102
dengan derajat kebebasan 𝑛𝑛 − 2 = 19 − 2 = 17 dan 𝑃𝑃𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 = 0,000. Ini membuktikan
penolakan 𝐻𝐻0 : 𝛽𝛽1 = 0 karena 𝑃𝑃𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 = 0,000 < 𝛼𝛼 = 0,05.
halaman 34 dari 48
Praktikum Statistika
MODUL 9
𝒚𝒚𝒊𝒊 = 𝜷𝜷𝟎𝟎 + 𝜷𝜷𝟏𝟏 𝒙𝒙𝟏𝟏𝟏𝟏 + 𝜷𝜷𝟐𝟐 𝒙𝒙𝟐𝟐𝟐𝟐 + 𝜷𝜷𝟑𝟑 𝒙𝒙𝟑𝟑𝟑𝟑 + … + 𝜷𝜷𝒌𝒌 𝒙𝒙𝒌𝒌𝒌𝒌 + 𝝃𝝃𝒊𝒊
𝜷𝜷𝟎𝟎 , 𝜷𝜷𝟏𝟏 , 𝜷𝜷𝟐𝟐 , … . . 𝜷𝜷𝒌𝒌 dapat diestimasi dengan metode Kuadrat Terkecil (Least Square Method)
berdasarkan persamaan :
�𝒊𝒊 = 𝒃𝒃𝟎𝟎 + 𝒃𝒃𝟏𝟏 𝒙𝒙𝟏𝟏𝟏𝟏 + 𝒃𝒃𝟐𝟐 𝒙𝒙𝟐𝟐𝟐𝟐 + 𝒃𝒃𝟑𝟑 𝒙𝒙𝟑𝟑𝟑𝟑 + … + 𝒃𝒃𝒌𝒌 𝒙𝒙𝒌𝒌𝒌𝒌
𝒚𝒚
Contoh :
Diketahui data Usia, Pendapatan, dan Pengalaman Kerja staf pada sebuah perusahaan manufaktur
sebagai berikut :
31 4 35400
37 4 41200
38 5 45000
39 2 40300
30 0 22000
28 3 28000
20 0 13000
23 1 22000
25 2 26000
28 4 27000
29 5 30000
halaman 35 dari 48
Praktikum Statistika
Permasalahan :
Perusahaan akan membuat Model Regresi Berganda untuk memprediksi Pendapatan berdasarkan
Usia dan Pengalaman Kerja. Tentukanlah Koefisien Persamaan Regresi lalu selidiki apakah Koefisien
Regresi tersebut signifikan. Jika seorang staf berusia 40 tahun dengan pengalaman kerja 4 tahun,
berapakah estimasi pendapatannya.
Solusi :
Karena terdapat dua variabel independen, yakni 𝒙𝒙𝟏𝟏 , dan 𝒙𝒙𝟐𝟐 dimana variabel dependen adalah 𝑦𝑦,
maka akan dicari koefisien 𝑏𝑏0 , 𝑏𝑏1 , dan 𝑏𝑏2 dengan bentuk umum persamaan regresi bedrganda
Prosedur SPSS :
1. Input variabel Usia, Pengalaman Kerja dan Pendapatan dengan nama Variabel Usia, Pengalam,
dan Income. Typenya masing-masing adalah Numeric, Decimal : 0 pada Variabel View
2. Input seluruh data-data pada tabel Data View
3. Klik Analyze→Regression→Linear , lalu perhatikan tampilannya.
4. Pindahkan variavel Income ke dalam box Dependent, selanjutnya pindahkan Usia dan
Pengalaman Kerja ke dalam box Independent(s)
5. Pada Method, pilih Enter lalu Klik tombol Statistics selanjutnya beri tanda check list pada
Estimates, Model fit, Colinearity Diagnostics dan Durbin – Watson.
Catatan :
• Colinearity Diagnostics berguna untuk mengetahui apakah variabel independen saling
berkorelasi (collinear)
• Durbin – Watson berguna untuk mengetahui apakah error 𝝃𝝃𝒊𝒊 bersifat independen atau
tidak
6. Klik Continue kemudian Klik Plots dan perhatikan tampilan pada layar, selanjutnya pilih Normal
Probability plot, lalu pindahkan standardized residual *ZRESID ke dalam kotak Y , dan
standardized predicted value *ZPRED ke dalam kotak X
Catatan :
Plot dari *ZRESID terhadap *ZPRED berguna untuk mengetahui kelinearan dari regresi dan
kesamaan varians
Setelah ke tujuh proses diatas, maka akan tampil out-put dalam beberapa tabel (perhatikan dengan
teliti), demikian juga grafik yang menunjukkan Normalitas data.
halaman 36 dari 48
Praktikum Statistika
b
Variables Entered/Removed
1 Pengalaman Kerja,
. Enter
a
usia
Model Summaryb
Durbin-
Model R R Square Adjusted R Square Std. Error of the Estimate Watson
Total 9.317E8 10
Coefficientsa
Collinearity Diagnosticsa
Variance Proportions
halaman 37 dari 48
Praktikum Statistika
Residuals Statisticsa
halaman 38 dari 48
Praktikum Statistika
Interpretasi hasil :
1. Nilai 𝑅𝑅2 (𝑅𝑅 𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆) pada Tabel Summary menyatakan bahwa 94,1% dari varians
income dapat dijelaskan oleh perubahan dalam variabel usia dan pengalaman kerja.
2. Nilai uji statistik Durbin-Watson = 1,497, jadi dapat diasumsikan bahwa variabel
independen tidak collinear.
3. Tabel ANOVA menunjukkan bahwa regresi berganda secara statistik sangat signifikan
dengan uji statistik 𝐹𝐹 = 64,105 dan derajat kebebasan 𝑘𝑘 = 2 dan 𝑛𝑛 − 𝑘𝑘 − 1 = 8.
𝑃𝑃 − 𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 = 0,000 < 𝛼𝛼 = 0,05
4. Uji hipotesis 𝐻𝐻0 : 𝛽𝛽1 = 𝛽𝛽2 = 0 terhadap 𝐻𝐻1 : 𝛽𝛽1 𝑑𝑑𝑑𝑑𝑑𝑑 𝛽𝛽2 dengan menggunakan uji 𝐹𝐹, tidak
semuanya nol. Karena 𝑃𝑃 − 𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 = 0,000 < 𝛼𝛼 = 0,05, maka disimpulkan bahwa
hipotesis 𝐻𝐻0 : 𝛽𝛽1 = 𝛽𝛽2 = 0 ditolak dengan signifikan. Oleh karena itu koefisien 𝛽𝛽1 𝑑𝑑𝑑𝑑𝑑𝑑 𝛽𝛽2
tidak semuanya nol.
5. Apakah setiap koefisien regresi signifikan, dapat digunakan 𝑢𝑢𝑢𝑢𝑢𝑢 − 𝑡𝑡 dengan hasil sebagai
berikut :
1. Variabel Usia : 𝐻𝐻0 : 𝛽𝛽1 = 0 terhadap 𝐻𝐻1 : 𝛽𝛽1 ≠ 0
Hasil 𝑢𝑢𝑢𝑢𝑢𝑢 − 𝑡𝑡 ∶ 𝑡𝑡 = 7,605 dengan 𝑑𝑑𝑑𝑑 = 𝑛𝑛 − 𝑘𝑘 − 1 = 8 dan 𝑃𝑃 − 𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 = 0,000 <
𝛼𝛼 = 0,05 . Ini menunjukkan bahwa 𝐻𝐻0 : 𝛽𝛽1 = 0 ditolak dengan kuat.
2. Variabel Pengalaman kerja : 𝐻𝐻0 : 𝛽𝛽2 = 0 terhadap 𝐻𝐻1 : 𝛽𝛽2 ≠ 0
Hasil 𝑢𝑢𝑢𝑢𝑢𝑢 − 𝑡𝑡 ∶ 𝑡𝑡 = 3,169 dengan 𝑑𝑑𝑑𝑑 = 𝑛𝑛 − 𝑘𝑘 − 1 = 8 dan 𝑃𝑃 − 𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 = 0,013 <
𝛼𝛼 = 0,05 . Ini menunjukkan bahwa 𝐻𝐻0 : 𝛽𝛽2 = 0 ditolak dengan kuat.
Dengan demikian dapat disimpulkan bahwa koefisien regresi tidak ada yang bernilai
nol.
6. Persamaan regresi linear berganda yang diperoleh dengan metode kuadrat terkecil
adalah :
𝑦𝑦� = −10360,5 + 1201,098 𝑥𝑥1 + 1663,516 𝑥𝑥2
dimana∶ 𝑦𝑦� = 𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖, 𝑥𝑥1 = 𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢, dan 𝑥𝑥2 = 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘.
7. Dari Normal Probability Plot dapat dilihat bahwa titik-titik data membentuk pola garis
lurus, yang mengindikasikan bahwa data berdidtribusi normal.
8. Scatterplot antara *ZRESID dan *ZPRED tidak membentuk suatu pola tertentu. Dengan
demikian disimpulkan bahwa 𝝃𝝃𝒊𝒊 memiliki varians konstan.
halaman 39 dari 48
Praktikum Statistika
Modul -10
Uji 𝒕𝒕 Berpasangan
Uji 𝑡𝑡 berpasangan (Paired – Samples 𝑡𝑡 Test) digunakan untuk membandingkan selisih dua rata-rata
(mean) dari dua sampel yang berpasangan dengan asumsi bahwa data terdistribusi normal.
Yang dimaksud dengan dua data berpasangan, contohnya adalah : berat badan sebelum dan
sesudah mengikuti program diet; nilai ujian Statistika sebelum dan sesudah mengikuti kursus
Statistika; Perbandingan harga laptop merek dan seri tertentu di dua kota yang berbeda; dan lain-
lain.
Terdapat tiga bentuk hipotesis dalam uji-𝑡𝑡 berpasangan, yang penggunaannya bergantung kepada
persoalan yang akan dipecahkan :
1. Bentuk uji hipotesis satu sisi (one- sided atau one-tailed test) untuk sisi bawah (lower tailed)
dengan hipotesis :
𝐻𝐻𝑜𝑜 : 𝜇𝜇1 ≥ 𝜇𝜇2 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝐻𝐻𝑜𝑜 : 𝜇𝜇𝑜𝑜 ≥ 0
𝐻𝐻1 : 𝜇𝜇1 < 𝜇𝜇2 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝐻𝐻1 : 𝜇𝜇𝑜𝑜 < 0
Dimana 𝜇𝜇𝑜𝑜 = 𝜇𝜇1 − 𝜇𝜇2
2. Bentuk uji hipotesis satu sisi (one- sided atau one-tailed test) untuk sisi atas (Upper tailed)
dengan hipotesis :
𝐻𝐻𝑜𝑜 : 𝜇𝜇1 ≤ 𝜇𝜇2 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝐻𝐻𝑜𝑜 : 𝜇𝜇𝑜𝑜 ≤ 0
𝐻𝐻1 : 𝜇𝜇1 > 𝜇𝜇2 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝐻𝐻1 : 𝜇𝜇𝑜𝑜 > 0
Dimana 𝜇𝜇𝑜𝑜 = 𝜇𝜇1 − 𝜇𝜇2
3. Bentuk uji hipotesis dua sisi (two – sided atau two – tailed test) dengan hipotesis :
𝐻𝐻𝑜𝑜 : 𝜇𝜇1 = 𝜇𝜇2 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝐻𝐻𝑜𝑜 : 𝜇𝜇𝑜𝑜 = 0
𝐻𝐻1 : 𝜇𝜇1 ≠ 𝜇𝜇2 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝐻𝐻1 : 𝜇𝜇𝑜𝑜 ≠ 0
Dimana 𝜇𝜇𝑜𝑜 = 𝜇𝜇1 − 𝜇𝜇2
Dalam hal ini, bebas untuk menentukan yang mana 𝝁𝝁𝟏𝟏 dan yang mana 𝝁𝝁𝟐𝟐
• Dalam pengujian Hipotesis, kriteria untuk menolak atau tidak menolak 𝐻𝐻𝑜𝑜 berdasarkan
𝑃𝑃 − 𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 adalah sebagai berikut :
Jika 𝑃𝑃 − 𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 < 𝛼𝛼, 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝐻𝐻𝑜𝑜 𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫
• Dalam Program SPSS digunakan istilah Significance (disingkat dengan Sig) untuk
menyatakan 𝑷𝑷 − 𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗
𝑑𝑑̅ − 𝑑𝑑0
𝑡𝑡 = 𝑠𝑠 , 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑑𝑑𝑖𝑖 = 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠ℎ 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑, 𝑑𝑑𝑖𝑖 = 𝑥𝑥𝑖𝑖 − 𝑦𝑦𝑖𝑖
𝑑𝑑
�
√𝑛𝑛
∑ 𝒅𝒅𝒊𝒊 𝟏𝟏
�=
𝒅𝒅 , 𝒔𝒔𝒅𝒅 = � � �𝟐𝟐
��𝒅𝒅𝒊𝒊 − 𝒅𝒅
𝒏𝒏 𝒏𝒏 − 𝟏𝟏
halaman 40 dari 48
Praktikum Statistika
Contoh penggunaan:
Suatu penelitian dilakukan terhadap 25 orang mahasiswa yang tidak kidal, yang dipilih secara acak
untuk mengetahui desain pegangan pintu. Terdapat dua macam desain pegangan pintu yang identik,
yang satu harus diputar ke kiri untuk membuka pintu, dan yang satu lagi harus diputar ke kanan
untuk membuka pintu. Ke 25 orang mahasiswa diminta membuka ke dua pintu yang identik
tersebut, dan diperoleh data waktu (dalam detik) yang diperlukan untuk membuka pintu dari jarak
tertentu yang sama, dengan menggunakan tangan kanan dan tangan kiri:
Lama waktu untuk membuka Lama waktu untuk membuka
Subyek pintu desain pegangan pintu pintu desain pegangan pintu
putar kanan (dalam detik) putar kiri (dalam detik)
1 113.0 137.0
2 105.0 105.0
3 130.0 133.0
4 101.0 108.0
5 138.0 115.0
6 118.0 170.0
7 87.0 103.0
8 116.0 145.0
9 75.0 78.0
10 96.0 107.0
11 122.0 84.0
12 103.0 148.0
13 116.0 147.0
14 107.0 87.0
15 118.0 166.0
16 103.0 146.0
17 111.0 123.0
18 104.0 135.0
19 111.0 112.0
20 89.0 93.0
21 78.0 76.0
22 100.0 116.0
23 89.0 78.0
24 85.0 101.0
25 88.0 123.0
Pertanyaan:
Apakah rata-rata waktu untuk membuka pintu dengan desain pegangan pintu putar kanan untuk
orang yang tidak kidal akan lebih cepat dibandingkan rata-rata waktu untuk membuka pintu dengan
desain pegangan pintu putar kiri ? (gunakan ∝=0,05)
Solusi :
Akan diuji apakah rata-rata waktu untuk membuka pintu dengan desain pegangan pintu putar kanan
untuk orang yang tidak kidal akan lebih cepat dibandingkan dengan rata-rata waktu untuk membuka
pintu dengan desain pegangan pintu putar kiri. Dalam hal ini, waktunya lebih kecil atau lebih
singkat (𝝁𝝁𝒌𝒌𝒌𝒌𝒌𝒌𝒌𝒌𝒌𝒌 < 𝝁𝝁𝒌𝒌𝒌𝒌𝒌𝒌𝒌𝒌 ) . subyek dalam penelitian ini adalah ke 25 orang mahasiswa yang harus
halaman 41 dari 48
Praktikum Statistika
1. Pada halaman Variable View definisikan variabel waktu untuk membuka pintu, yaitu kanan
dengan type Numerik , Label : waktu untuk membuka pintu desain putar kanan. Variabel
lainnya adalah kiri dengan type Numerik, Label : waktu untuk membuka pintu desain putar kiri.
2. Input data pada lembar Data View
3. Klik Analyze → Compare Means, kemudian Klik Paired- Samples 𝒕𝒕 Test. Perhatikan tampilan
yang muncul
4. Pindahkan kedua variabel ke dalam box berjudul Paired Variables.
5. Klik OK, selanjutnya akan tampil output sebagai hasil.
N Correlation Sig.
Paired Differences
halaman 42 dari 48
Praktikum Statistika
Interpretasi Hasil
3. Selisih rata-rata waktu antara membuka pintu desain putar kanan dan pintu desain putar kiri
adalah 104,12 − 117,44 = 13,320. Uji –𝑡𝑡 menguji 𝐻𝐻𝑜𝑜 : 𝜇𝜇𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘 ≥ 𝜇𝜇𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘 memberikan nilai
𝑡𝑡 = −2,904 dengan 𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷 𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾 = 𝑛𝑛 − 1 = 25 − 1 = 24. 𝑃𝑃 − 𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 = 0,008.
Karena kita melakukan uji hipotesis satu sisi 𝐻𝐻1 : 𝜇𝜇𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘 < 𝜇𝜇𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘 , maka 𝑃𝑃 − 𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 harus dibagi
dua, sehingga 𝑃𝑃 − 𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 = 0,004 < 𝛼𝛼 = 0,05, sebagai bukti kuat menolak 𝐻𝐻𝑜𝑜 : 𝜇𝜇𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘 ≥ 𝜇𝜇𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘
Dengan demikian disimpulkan bahwa “rata-rata waktu untuk membuka pintu dengan desain
pintu putar kanan untuk orang yang tidak kidal adalah lebih cepat dibandingkan dengan rata-
rata waktu untuk membuka pintu desain putar kiri”.
5. SPSS juga menghitung korelasi Pearson antara kedua variabel sebesar 𝑟𝑟 = 0,542 dan uji hipotesis
untuk mengetahui apakah korelasi tersebut signifikan dengan
𝑃𝑃 − 𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 = 0,005. Untuk 𝛼𝛼 = 0,05, maka 𝑃𝑃 − 𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 < 𝛼𝛼. Dengan demikian, korelasi Pearson
antara kedua variabel adalah signifikan
halaman 43 dari 48
Praktikum Statistika
Modul -11
Uji 𝒕𝒕 Berpasangan Satu Sisi Untuk Sisi Atas
Penggunaan 𝑈𝑈𝑈𝑈𝑈𝑈 − 𝑡𝑡 berpasangan (paired Sample t-test) satu sisi untuk sisi atas (upper tailed) dapat
dilihat dalam contoh permasalahan berikut :
Seorang manager pemasaran buku igin mengetahui perbedaan rata-rata harga jual text book pada
toko buku kampus dengan toko buku online. Untuk itu, manager pemasaran tersebut ,memilih
secara acak 12 text book dan membandingkan harga setiap buku antara kedua toko tersebut, dan
diperoleh data harga sebagai berikut :
Jika diasumsikan bahwa harga text book pada kedua toko adalah berdistribusi normal, apakah data
di atas menunjukkan bahwa harga text book di toko buku online rata-rata lebih murah dibandingkan
dengan harga di toko buku kampus ? (gunakan ∝=0,05).
Solusi :
Dalam contoh ini akan diuji bahwa rata-rata (mean) harga text book di toko buku kampus lebih
mahal dibandingkan dengan harga text book di toko buku online, yakni :
𝝁𝝁𝒌𝒌𝒌𝒌𝒌𝒌𝒌𝒌𝒌𝒌𝒌𝒌 > 𝝁𝝁𝒐𝒐𝒐𝒐𝒐𝒐𝒐𝒐𝒐𝒐𝒐𝒐
Objek penelitian dalam permasalahan ini adalah harga masing-masing ke 12 buku yang sama yang
dijual pada kedua toko buku. Dengan demikian, masalahnya adalah terkait dengan 𝑢𝑢𝑢𝑢𝑢𝑢 −
𝑡𝑡 𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 dengan hipotesis sebagai berikut :
halaman 44 dari 48
Praktikum Statistika
1. Pada halaman variable View, definisikan variabel harga text book di toko buku kampus dengan
nama kampus, dengan label harga textbook di kampus. Variabel ke dua adalah harga text book
di toko online dengan nama online, dengan label harga textbook online. Masing masing variabel
memiliki type : Numerik , width : 8, Decimals : 2, Measure : Scale.
2. Input data pada Data View sesuai tabel data harga text book di atas.
3. Klik Analyze → Compare Means, kemudian klik Paired-Samples t Test.
4. Pindahkan kedua variabel harga textbook di kampus pada kolom variable 1, dan variabel harga
textbook online pada kolom variable 2.
5. Klik OK, sehingga diperoleh output sebagai berikut :
N Correlation Sig.
Paired Differences
95% Confidence
Interval of the
Difference
Std. Std. Error Sig. (2-
di kampus -
1.55833 1.60409 .46306 .53914 2.57752 3.365 11 .006
harga textbook
online
halaman 45 dari 48
Praktikum Statistika
2. 𝑈𝑈𝑈𝑈𝑈𝑈 – 𝑡𝑡 untuk menguji 𝐻𝐻𝑜𝑜 : 𝜇𝜇𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘 ≤ 𝜇𝜇𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 memberikan nilai 𝑡𝑡 = 3,365 dengan derajat
kebebasan 𝑛𝑛 − 1 = 12 − 1 = 11.
3. Dari tabel Output SPSS diperoleh niali 𝑃𝑃 − 𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 (untuk uji dua sisi) = 0,006. Karena akan
dilakukan uji hipotesis satu sisi 𝐻𝐻1 : 𝜇𝜇𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘 > 𝜇𝜇𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 maka nilai 𝑃𝑃 − 𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 harus dibagi 2
0,006
yakni = 0,003. Dengan demikian 𝑃𝑃 − 𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 = 0,003 < 𝛼𝛼 = 0,05, yang menunjukkan
2
penolakan 𝐻𝐻𝑜𝑜 : 𝜇𝜇𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘 ≤ 𝜇𝜇𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 .
halaman 46 dari 48
Praktikum Statistika
Modul -12
Uji 𝒕𝒕 Berpasangan Dua Sisi
Penggunaan Uji-t Berpasangan (Paired Sample t-test) Dua Sisi dapat dilihat pada contoh
permasalahan berikut ini :
Kandungan mercury pada sampel ikan yang diambil dari dua lokasi yang berbeda di sungai Deli
yang diduga telah mengalami pencemaran limbah industri adalah sebagai berikut :
Persoalannya adalah “Apakah ada perbedaan yang signiofikan dalam tingkat pencemaran mercury
antara ke dua lokasi tersebut, dengan asumsi tingkat pencemaran berdistribusi normal ?” gunakan
∝= 𝟎𝟎, 𝟎𝟎𝟎𝟎.
Solusi .
Ukuran sampel 𝑛𝑛 = 7, dimana akan diuji bahwa rata-rata kandungan pencemaran mercurypada
kedua lokasi tidak sama (𝝁𝝁𝒍𝒍𝒍𝒍𝒍𝒍𝒍𝒍𝒍𝒍𝒍𝒍 𝑨𝑨 ≠ 𝝁𝝁𝒍𝒍𝒍𝒍𝒍𝒍𝒍𝒍𝒍𝒍𝒍𝒍 𝑩𝑩 ). Yang menjadi objek penelitian dalam masalah ini
adalah kandungan mercury pada kedua lokasi di sungai Deli. Jadi permasalahannya berkaitan dengan
Uji-t Berpasangan (Paired Sample t-test) Dua Sisi denngan hipotesis sebagai berikut :
1. Pada halaman variable View, definisikan variabel kandungan mercury di lokasi A dengan nama
lokasi_a, dengan label Lokasi A. Variabel ke dua adalah kandungan mercury di lokasi B dengan
nama lokasi-b, dengan label Lokasi B. Masing masing variabel memiliki type : Numerik , width :
8, Decimals : 2, Measure : Scale..
2. Input data pada Data View sesuai tabel data di atas.
3. Klik Analyze → Compare Means, kemudian klik Paired-Samples t Test.
4. Pindahkan kedua variabel lokasi_a pada kolom variable 1, dan variabel lokasi_b pada kolom
variable 2.
5. Klik OK, sehingga diperoleh output sebagai berikut :
halaman 47 dari 48
Praktikum Statistika
N Correlation Sig.
Paired Differences
of the Difference
Std. Std. Error Sig. (2-
Pair 1 Lokasi A -
-3.95714 3.72463 1.40778 -7.40185 -.51244 -2.811 6 .031
Lokasi B
2. 𝑈𝑈𝑈𝑈𝑈𝑈 – 𝑡𝑡 untuk menguji 𝐻𝐻𝑜𝑜 : 𝜇𝜇𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙 𝐴𝐴 = 𝜇𝜇𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙 𝐵𝐵 memberikan nilai 𝑡𝑡 = −2,811dengan derajat
kebebasan 𝑛𝑛 − 1 = 7 − 1 = 6.
3. Dari tabel Output SPSS diperoleh niali 𝑃𝑃 − 𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 (untuk uji dua sisi) = 0,031. Karena 𝑃𝑃 − 𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣
𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙ℎ 𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝛼𝛼 = 0,05, maka 𝐻𝐻𝑜𝑜 : 𝜇𝜇𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙 𝐴𝐴 = 𝜇𝜇𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙 𝐵𝐵 ditolak dengan kuat , dan
disimpulkan bahwa kandungan pencemaran mercury di lokasi A dan lokasi B tidak
sama.
4. Dari tabel Paired Sample Test diperoleh :
𝟐𝟐
� = ∑ 𝒅𝒅𝒊𝒊 = 𝑥𝑥� − 𝑦𝑦� = 27,4286 − 31,3857 = −3,9571
𝒅𝒅 dan 𝒔𝒔𝒅𝒅 = �
𝟏𝟏
�� =
∑�𝒅𝒅𝒊𝒊 − 𝒅𝒅
𝒏𝒏 𝒏𝒏−𝟏𝟏
𝟑𝟑, 𝟕𝟕𝟕𝟕𝟕𝟕𝟕𝟕𝟕𝟕dimana 𝑑𝑑𝑖𝑖 = 𝑥𝑥𝑖𝑖 − 𝑦𝑦𝑖𝑖 .
7. SPSS juga menghitung korelasi Pearson antara kedua variabel sebesar 𝑟𝑟 = 0,487dan uji hipotesis
untuk mengetahui apakah korelasi tersebut signifikan dengan 𝑃𝑃 − 𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 = 0,268. Untuk
𝛼𝛼 = 0,05, maka 𝑃𝑃 − 𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 > 𝛼𝛼. Dengan demikian, korelasi Pearson antara kedua variabel adalah
tidak signifikan.
halaman 48 dari 48