TUGAS PORTOFOLIO

MATA KULIAH BIOSTATISTIK (MENGGUNAKAN APLIKASI SPSS)

DISUSUN OLEH:

SESI PUTRI ARISANDI

NIM. 131711133014

PROGRAM STUDI S1 KEPERAWATAN

FAKULTAS KEPERAWATAN

UNIVERSITAS AIRLANGGA

SURABAYA

2020
1. TM 1 PENGENALAN SPPSS
1) Mengaktifkan SPSS
a. Cara 1. Klik dua kali icon SPSS pada desktop window.
b. Cara 2. Start - Program - SPSS
2) Membuat file data
Melalui data editor, langkah awal variabel didefinisikan dengan cara:
a) Aktifkan variabel view dengan - di pojok kiri bawah pada data editor.
b) Isikan nama variabel pada kolom name, nama variabel diawali dengan
huruf, boleh diikuti indek huruf atau angka atau simbol, tidak boleh
diakhiri dengan titik; maksimal 8 karakter,; tidak boleh ada spasi; harus
unik tidak boleh sama dengan yang lainnya.
c) Isikan Tipe variabel pada kotak dialog; exp. Nomeric, string, dolar dllnya;
dan untuk numerik ada desimal, isikan lebar kolom dan tempat
desimalnya.
d) Isilah lebar kolom pada Width, untuk menentukan digit atau karakter dari
datanya.
e) Isikan desimalnya, menunjuk jumlah angka desimal yang diinginkan.
f) Isikan label pada pada kotak dialog label, label ini memberi keterangan
variabel yang diamati.
g) Isikan value dan value label pada kotak dialog value label dan biasanya
untuk data sifatnya katagorikal.
h) Isikan missing value, digunakan apabila data yang akan diolah ada yang
hilang atau tidak ada.
i) Isikan pada kolom messure, tentang jenis skala pengukuran dari
variabelnya.
j) Langkah berikutnya, mengaktifkan data view, kemudian data diisikan
pada kolom variabel dan case/individu yang diamati dan diukur. Isi File
baru lengkap, maka dapat dilakukan penyimpanan file baru, file - save as -
tulis nama - tempatnya - ok.
2. TM 2 TRANSFORMASI DATA
1) Perintah Compute
Compute digunakan untuk menghitung value memodifikasi value – value dari
variabel yang sudah ada. Transform - Compute.
Berdasar kotak dialog ini :
 Kotak dialog memuat variabel target dan kotak numeric expression. Nama
variabel target bisa berupa variabel baru maupun nama variabel yang telah ada
pada file kerja anda. Bila mengisikan nama variabel baru, maka pada file kerja
akandihasilkan sebuah varibael baru, yakni variabel target tersebut. Dalam
keadaan default, variabel ini bertipe numerik tanpa label. Lewat penekanan
tombol bisa mengubah tipe string sekaligus memberi label. Akan tetapi bila yang
anda isikan dalam text box Target Variable adalah nama variabel yang telah ada
maka anda hanya memodifikasi value – value variabel tersebut.
Kotak Numeric Expression, digunakan untuk menyusun ekspresi yang akan
digunakan untuk transformasi variabel target, misalnya melakukan
penjumlamahan, perkalian, mengelogkan dan perintah yang lain seperti
penggunaan kalkulator.
2) Perintah Recode
Untuk memodifikasi value - value dari variabel - variabel yang di daftar menjadi
value - value dengan harga baru atau membuat variabel baru berdasar modifikasi
value – value dari variabel yang sudah ada. Bila ingin membentuk variabel baru
dari variabel yang nilainya sudah ada, maka lakukan sbb: Tranform – Recode -
info deferent variabel - masukkan variabel pada kotak input variable ke out put
variabel - ketik nama variabel beserta labelnya pada kotak Label dan Name -
tekan tombol change - tekan tombol Old and new value - isi value yang lama dan
dimodifikasikan pada value baru.
3) Ranking Data
Untuk menyususun ranking, skore normal, atau mengklasifikasikan case – case
kedalam grup – grup didasarkan pada harga-harga persentil, dari menu pilih:
Transfrom - Rank case - sehingga out put sbb: Transform - Rank cases - bila
ranking disusun dengan urutan assending dengan pertalian Mean maka variabel
dipindahkan ke kotak variabel - OK.
4) Metode Ranking
Klik tombol Rank type - pilih satu variabel untuk beberapa motode.
5) Pertalian Ranking
Untuk memilih pertalian ranking selain mean, klik Ties - ada 4 pilihan tersedia,
pilih salah satu, mean (rata-rata), low (ukuran terendah), high (ukuran tertinggi),
sequential (urutan ranking).
3. ANALISIS DATA DESKRIPTIF NUMERIK
KASUS:
Seorang peneliti ingin melihat rata-rata, simpangan deviasi, minimum, dan maksimum
dari penjualan minuman sari apel. Data didapatkan dengan melakukan survei terhadap 60
orang penjual minuman sari apel.
PEMBAHASAN:

Descriptive Statistics

N Minimum Maximum Mean Std. Deviation

Total Penjualan Minuman 60 215021 450853 333699,23 41888,828
Valid N (listwise) 60

Dari tabel di atas dapat dijelaskan bahwa rata-rata penjualan minuman minuman sari apel
adalah 333.699,2 buah setiap bulannya dengan standar deviasi 41.888, 82 buah dan
minuman penjualan 215.021 buah serta maksimum penjualan 450.853 buah.

Descriptive Statistics

N Skewness Kurtosis
Statistic Statistic Std. Error Statistic Std. Error
Total Penjualan Minuman 60 ,198 ,309 ,818 ,608
Valid N (listwise) 60

Dari tabel di atas dapat dijelaskan bahwa rata-rata penjulan mempunyai nilai skewness
sebesar 0,198 dan kurtosis sebesar 0,818. Bila nilai skewness dan kurtosis terletak pada
range antara -2 hingga 2, maka variabel data tersebut akan mengikuti distribusi normal.

4. TM 4 ANALISIS DATA DESKRIPTIF DATA KATEGORIK

KASUS:
Analisa data berikut dengan mengunakan analisis Distribusi Frequncy untuk mencari
jumlah dan prosentrase jawaban. Data survei Otoritas Jasa Keuangan (OJK) di Kota
Batu yang mengambil sampel di dua desa yaitu Desa Bumiaji dan Beji dengan
menanyakan “Apakah Bapak / Ibu mempunyai rekening Bank? Dengan jawaban Ya = 1
dan Tidak = 2”
 PEMBAHASAN:

Apakah Bapak / Ibu mempunyai rekening Bank?

Cumulative
Frequency Percent Valid Percent
Percent
26 65,0
Ya 65,0 65,0

Valid Tidak 14 35,0 35,0 100,0

Total 40 100,0 100,0

Dari tabel di atas dapat dijelakan bahwa dari pertanyaan apakah Bapak/Ibu mempunyai
rejening Bank yang menjawab “Ya” sebanyak 26 responden atau 65% dari total
responden 40 orang dan yang menjawab “Tidak” sebanyak 14 orang atau 35%.

5. TM 5 UJI NORMALITAS, KORELASI PEARSON & KORELASI SPEARMEN

KASUS (UJI NORMALITAS):
Uji normalitas terhadap variabel gaya kepemimpinan dan variabel kinerja pegawai.
PEMBAHASAN:

Test of Normality

Kolmogorov-Smirnov Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

Kinerja
.093 34 .200* .979 34 .747
Pegawai

Gaya
Kepemimpina .140 34 .091 .949 34 .115
n

* This is a lower bound of the true significance.

a. Lilliefors Significance Correction

Nilai Sig Kinerja Pegawai = 0.747

Nilai Sig Gaya Kepemimpinan = 0.115
Syarat Pengambilan Keputusan:
1) Jika nilai Sig > 0,05 (Nilai Sig lebih besar dari 0,05)
Maka data berdistribusi normal.
1) Jika nilai Sig < 0,05 (nilai Sig lebih kecil dari 0,05)
Maka data tidak berdistribusi normal.
1) Nilai Sig variabel Kinerja Pegawai = 0,747
2) 0,747 > 0,05 (Nilai Sig lebih besar dari 0,05)
Kesimpulan : Maka data variabel Kinerja Pegawai berdistribusi normal.

KASUS (UJI KORELASI PEARSON):

Seorang mahasiswa bernama Andi melakukan penelitian dengan menggunakan alat ukur
skala. Andi ingin mengetahui apakah ada hubungan antara kecerdasan dengan prestasi
belajar pada siswa SMU Negeri 1 Yogyakarta, dengan ini Andi membuat 2 variabel yaitu
kecerdasan dan prestasi belajar. Tiap-tiap variabel dibuat beberapa butir pertanyaan
dengan menggunakan skala Likert, yaitu angka 1 = Sangat tidak setuju, 2 = Tidak setuju,
3 = Setuju dan 4 = Sangat Setuju. Setelah membagikan skala kepada 12 responden
didapatlah skor total item-item yaitu sebagai berikut:
Tabel Tabulasi Data

Subjek Kecerdasan Prestasi Belajar

1 33 58
2 32 52
3 21 48
4 34 49
5 34 52
6 35 57
7 32 55
8 21 50
9 21 48
10 35 54
11 36 56
12 21 47

PEMBASAHAN:
 Correlations

Kecerdasan Prestasi_Belajar

Kecerdasan Pearson Correlation 1 .759**

Sig. (2-tailed) .004

N 12 12

Prestasi_Belaja Pearson Correlation .759** 1

r Sig. (2-tailed) .004

N 12 12

**. Correlation is significant at the 0.01 level (2-tailed).

Dari hasil analisis korelasi sederhana (r) didapat korelasi antara kecerdasan dengan
prestasi belajar (r) adalah 0,759. Hal ini menunjukkan bahwa terjadi hubungan yang kuat
antara kecerdasan dengan prestasi belajar. Sedangkan arah hubungan adalah positif
karena nilai r positif, berarti semakin tinggi kecerdasan maka semakin meningkatkan
prestasi belajar.

KASUS (UJI KORELASI SPEARMEN)

Berikut disajikan data nilai fisika matematika dan nilai fisika kuantum mahasiswa Teknik
Industri Fakultas Teknik UPB.
Tabel Data Mahasiswa

Fisika Matematika Fisika Kuantum

45 57
35 43
50 62
40 53
31 44
28 40
58 69
60 73
68 79
75 83
Ujilah apakah ada korelasi yang positif antara kemampuan Fisika Matematika dengan
prestasi belajar Fisika Kuantum? (Gunakan taraf signifikansi 5%).
 PEMBAHASAN:

Correlations

Fisika_Matematik
a Fisika_Kuantum

Spearman's rho Fisika_Matematika Correlation

1.000 .988**
Coefficient

Sig. (2-tailed) . .000

N 10 10

Fisika_Kuantum Correlation
.988** 1.000
Coefficient

Sig. (2-tailed) .000 .

N 10 10

**. Correlation is significant at the 0.01 level (2-tailed).

Koefisien korelasi Spearman antara Nilai Fisika Matematika dengan nilai Fisika
Kuantum adalah 0,988, yang berarti kedua variabel tersebut berhubungan searah, yaitu
makin tinggi nilai FM maka nilai FK mahasiswa tersebut akan cenderung makin tinggi
pula dengan sifat hubungan yang sangat kuat. Untuk mengetahui hubungan antara nilai
FM dan nilai FK itu signifikan atau tidak, makaperlu dilakukan uji hipotesis sebagai
berikut:
1) H0 : Tidak ada hubungan (asosiasi) antara nilai FM dan FK
2) H1: Ada hubungan (asosiasi) antara nilai FM dan FK.
Tingkat kepercayaan yang digunakan adalah 95%. Artinya tingkat signifikansi yang
digunakan 5% atau alpha = 0,05. Daerah kritis: Ho ditolak jika nilai Sig. (2-tailed) <
0,05. Pada tabel Correlations nilai statistik uji r adalah 0,988 dan nilai Sig (2-tailed) =
0,000. Kesimpulan: Tampak bahwa nilai Sig. (2-tailed) < 0,05 atau Ho berada pada
daerah kritis (daerah penolkan Ho). Maka Ho ditolak. Jadi ada korelasi positif
kemampuan fisika matematika dengan prestasi fisika kuantum semakin tinggi
kemampuan fisika matematika semakin tinggi prestasi fisika kuantum.

6. TM 6 UJI CHI-SQUARE
KASUS:
Prof  D melakukan sebuah penelitian untuk mengetahui pengaruh dari les privat terhadap
tingkat kelulusan ujian siswa. Prof  D terlebih dahulu mengambil sampel dengan
menentukan yang ikut les dan tidak ikut les. Kemudian baru dilihat berapa yang lulus
dan tidak lulus. Data yang diperoleh disajikan dalam tabel berikut:

Hasil Ujian
Total
Ya Tidak
Les Privat Ya 25 10 35
Tidak 14 51 65
Total 39 61 100
Kemudian Prof D melakukan uji Chi-Square untuk melihat apakah terdapat hubungan
dari les privat dengan hasil ujian. Prof D menggunakan taraf signifikansi 5 %.
1) H0: Tidak terdapat hubungan antara les privat dengan hasil ujian atau les privat
dan hasil ujian saling bebas.
2) H1: Terdapat hubungan antara les privat dengan hasil ujian atau les privat dan
hasil ujian tidak saling bebas.
PEMBAHASAN:

Case Processing Summary

Cases

Valid Missing Total

N Percent N Percent N Percent

Les_Privat * Hasil_Ujian 100 100.0% 0 .0% 100 100.0%

Les_Privat * Hasil_Ujian Crosstabulation

Hasil_Ujian

Lulus Tidak Lulus Total

Les_Privat Ya Count 25 10 35

Expected Count 13.6 21.4 35.0

Residual 11.4 -11.4

Adjusted Residual 4.9 -4.9

Tidak Count 14 51 65

Expected Count 25.4 39.6 65.0

Residual -11.4 11.4

Adjusted Residual -4.9 4.9

Total Count 39 61 100

Expected Count 39.0 61.0 100.0

 Hasil Output untuk tabel Les_Privat*Hasil_Ujian Crosstabulation dapat di
interpretasikan:
Nilai Adjusted Residual yang cukup besar (dengan nilai absolut 4,9) menunjukan deviasi
atau perbedaan yang besar pada setiap sel dari nilai yang diharapkan. Terlihat bahwa
nilai Residual yang merupakan selisih antar nilai Observed denga Expected Frequency
menjauh dari nol. Jika hipotesis awal benar, maka kita mengharapkan nilai residualnya
akan menjadi nol atau mendekati nol.

Chi-Square Tests

Asymp. Sig. (2- Exact Sig. (2- Exact Sig. (1-

Value Df sided) sided) sided)

Pearson Chi-Square 23.802a 1 .000

Continuity Correctionb 21.751 1 .000

Likelihood Ratio 24.140 1 .000

Fisher's Exact Test .000 .000

Linear-by-Linear
23.564 1 .000
Association

N of Valid Casesb 100

a. 0 cells (,0%) have expected count less than 5. The minimum expected count is 13,65.

b. Computed only for a 2x2 table

Hasil Output untuk tabel Chi-Square Test dapat di interpretasikan:
Pada tabel ini tidak hanyan nilai Chi-Square saja yang ditampilkan tapi ada juga nilai
dari uji dengan menggunakan Likelihood Ratio dan Fisher’s Exact Test. Didapa nilai dari
Chi-Square adalah 23, 802 dan p-value<0,0001 sehingga dapat diambil tolak hipotesis
awal dan nyatakan terdapat hubungan yang signifikan antara les pirvat dengan hasil ujian
pada taraf signifikansi 5 %. Hasil ini juga sejalan dengan uji Likelihood Ratio dimana
nilainaya adalah 24,14 0 den p-value<0,001 karena nilai p-value<0,05 tolak hipotesis
awal juga.

7. TM 7 UJI MANN-WHITHNY U

KASUS (MANN-WHITHNY U):

Data set dapat diakses di link berikut:
https://onedrive.live.com/?cid=DDF01764903CCA0C&id=DDF01764903CCA0C
%21863&parId=DDF01764903CCA0C%21103&o=OneUp
PEMBAHASAN:

Perhatikan 2 histogram di atas, ternyata bentuk kemiringan dan lebarnya sama. Hal ini
menunjukkan bahwa bentuk dan penyebaran data sama. kemudian lihat puncak tertinggi
kedua histogram, ternyata tidak sama antara keduanya, yang berarti terdapat perbedaan
median. Maka asumsi pertama uji mann whitney u test telah terpenuhi, yaitu terdapat
kesamaan bentuk dan penyebaran data. Asumsi berikutnya yang akan diuji adalah
homogenitas varians.

Descriptives

Metode Statistic Std. Error

Nilai 1 Mean 28.52 3.609

95% Confidence Interval for Lower Bound 21.07

Mean
Upper Bound 35.97

5% Trimmed Mean 26.54

Median 22.00

Variance 325.677

Std. Deviation 18.047

Minimum 12

Maximum 85

Range 73

Interquartile Range 18

Skewness 1.730 .464

 Kurtosis 3.002 .902

2 Mean 37.40 3.547

95% Confidence Interval for Lower Bound 30.08

Mean
Upper Bound 44.72

5% Trimmed Mean 35.50

Median 31.00

Variance 314.583

Std. Deviation 17.736

Minimum 21

Maximum 92

Range 71

Interquartile Range 18

Skewness 1.698 .464

Kurtosis 2.773 .902

Di atas adalah tabel deskriptive tiap metode atau kelompok. Dapat anda perhatikan
bahwa terdapat perbedaan mean. Perbedaan mean ini yang akan kita uji nantinya,
apakah bermakna secara statistik atau tidak.

Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Metode Statistic df Sig. Statistic df Sig.

Nilai 1 .201 25 .010 .805 25 .000

2 .201 25 .011 .807 25 .000

a. Lilliefors Significance Correction

Tabel di atas adalah hasil uji normalitas dengan SPSS menggunakan
metode Lilliefors dan Shapiro Wilk. Nilai Sig (p Value) kedua uji di atas < 0,05 yang
berarti data tidak berdistribusi normal. Ini benar sebab apabila data berdistribusi normal,
sebaiknya lebih memilih menggunakan uji Independen T Test dari pada Mann Whitney
U Test.
 Test of Homogeneity of Variance

Levene Statistic df1 df2 Sig.

Nilai Based on Mean .005 1 48 .942

Based on Median .002 1 48 .962

Based on Median and with

.002 1 47.984 .962
adjusted df

Based on trimmed mean .004 1 48 .953

Tabel di atas menunjukkan hasil uji homogenitas menggunakan metode Levene’s test.
Uji Levene lebih dianjurkan sebab uji tersebut dapat digunakan untuk
menguji homogenitas varians pada data yang tidak berdistribusi normal. Sedangkan
uji lainnya, yaitu uji Fisher F lebih diutamakan apabila data berdistribusi normal. Nilai
uji Levene’s Test ditunjukkan pada baris Nilai Based On Mean, yaitu dengan Sig (p
value) 0,942 > 0,05 yang berarti varians kedua kelompok sama atau yang disebut
homogen. Maka asumsi kedua yaitu homogenitas telah terpenuhi. Selanjutnya kita akan
menguji hipotesis yaitu uji Mann Whitney U Test.
Mann Whitney U Test
Ranks

Metode N Mean Rank Sum of Ranks

Nilai 1 25 20.40 510.00

2 25 30.60 765.00

Total 50
Tabel di atas menunjukkan Mean Rank atau rata-rata peringkat tiap kelompok.
Yaitu pada kelompok kesatu rerata peringkatnya 20,40 lebih rendah dari pada rerata
peringkat kedua, yaitu 30,60. Apakah perbedaan rerata peringkat kedua kelompok di atas
bermakna secara statistik atau yang disebut dengan Signifikan? Lihat di bawah ini:

Test Statisticsa

Nilai

Mann-Whitney U 185.000

Wilcoxon W 510.000

Z -2.477

Asymp. Sig. (2-tailed) .013

a. Grouping Variable: Metode

 Tabel di atas menunjukkan nilai U sebesar 185 dan nilai W sebesar 510. Apabila
dikonversikan ke nilai Z maka besarnya -2,477. Nilai Sig atau P Value sebesar 0,013 <
0,05.  Apabila nilai p value < batas kritis 0,05 maka terdapat perbedaan bermakna antara
dua kelompok atau yang berarti H1 diterima. Karena bentuk dan penyebaran sama, maka
hasil uji di atas juga dapat digunakan untuk menyimpulkan bahwa terdapat perbedaan
Median yang bermakna antara 2 kelompok. Apabila bentuk dan penyebaran kedua
kelompok tidak sama, maka uji mann Whitney hanya dapat digunakan untuk
menyimpulkan adanya perbedaan rerata atau Mean antara 2 kelompok.

8. TM 8 UJI WILCOXON SIGNED RANK TEST

KASUS (UJI WILCOXON SIGNED RANK TEST):
Seorang dokter ingin mengetahui pengaruh sebelum dan sesuah pemberian obat terhadap
kenaikan berat badan pasien (berat badan dalam satuan kg). Berikut data yang diperoleh:

No Sebelum Sesudah
1 60 62
2 56 60
3 70 70
4 68 67
5 65 66
6 54 57
7 55 54
8 66 68
9 76 77
10 78 77
11 45 45
12 56 57
13 65 68
14 64 65
15 67 66
16 72 74
17 71 75
18 74 76

Dari data di atas, pasien pertama berat badan sebelum minum obat 60 dan sesudah
minum obat 62, dan seterusnya untuk pasien yang lain. Disini datanya sedikit dan kita
anggap saja tidak diketahui distribusi dari data, oleh karenanya kita dapat menggunakan
uji non-parametrik terhadap dua sampel yang berpasangan dari data di atas. Pada kasus
ini kita tidak perlu melihat perbedaan berat badan, Karena perbedaan di hitung dengan
nilai (Y - X), dimana Y= Sesudah, sedangkan X= Sebelum. Tetapi kita fokus pada naik
atau turunnya berat badan secara signifikan setelah minum obat.  Sebelum dimasukkan
datanya kedalam program SPSS, kita buat terlebih dahulu hipotesisnya yaitu:
1) H0: Tidak terdapat kenaikan berat badan pasien yang bermakna antara sebelum
dan sesudah minum obat.
2) H1:  Terdapat kenaikan berat badan pasien yang bermakna antara sebelum dan
sesudah minum obat
PEMBAHASAN:

Wilcoxon Signed Ranks

Ranks

N Mean Rank Sum of Ranks

Sesudah_minum_obat - Negative Ranks 4a 4.50 18.00

Sebelum_minum_obat
Positive Ranks 12b 9.83 118.00

Ties 2c

Total 18

a. Sesudah_minum_obat < Sebelum_minum_obat

b. Sesudah_minum_obat > Sebelum_minum_obat

c. Sesudah_minum_obat = Sebelum_minum_obat
Pada tabel Ranks kita dapat mengetahui nilai selisih (nilai beda +/-). Misalnya pada data
baris pertama pada soal nilainya 60-62= -2, 56-60=-4 dan seterusnya. Setelah di hitung
nilai selisih kemudian di beri ranking dari nilai kecil sampai ke yang besar. Sehingga
di dapat pada kolom (N di tabel Ranks) diperoleh ranks negative ada 4 data dan
ranks positive ada 12 data (4+12=16), sedangkan Ties itu dikarenakan ada data yang
sama pada baris ke 9 dan 10 (nilai 77 pada soal). Jadi jumlah keseluruhan data adalah
4+12+2=18 data. Kemudian kita dapat mengetahui Mean Rank dan Sum of Rank
dari banyaknya data negative Ranks dan Positive Ranks.

Test Statisticsb

Sesudah_minum_obat - Sebelum_minum_obat

Z -2.628a

Asymp. Sig. (2-

.009
tailed)

a. Based on negative ranks.

b. Wilcoxon Signed Ranks Test

 Pada tabel Test Statistics di dapat nilai Z hitung adalah -2.628, sedangkan nilai Z
tabel diperoleh dari tabel Z dengan alpha 5% atau 0.05 nilainya sekitar -1.645 (tanda
negatif disesaikan saja tergantung output dari Z hitung). Sedangkan pada nilai Asymp.
Sig (2-tailed) diperoleh 0.09. Karena Z hitung > Z tabel yaitu -2.628 > -1.645 atau nilai
sig 0.009 < 0.05 sesuai dengan pengujian statistik yang kita gunakan maka H0 di tolak,
Jadi terimalah H1.Kesimpulan: Terdapat kenaikan berat badan pasien yang bermakna
antara sebelum dan sesudah minum obat.

9. TM 9 & 10 UJI KOLMOGOROV-SMIRNOV

KASUS (UJI KOLMOGOROV-SMIRNOV):
Diketahui pada Data View berikut (menggunakan tampilan value labels) berisi data nilai
ujian matematika dari 20 siswa suatu kelas.

Nilai Gender
70 Laki-Laki
72 Perempuan
88 Laki-Laki
78 Laki-Laki
67 Laki-Laki
78 Laki-Laki
68 Laki-Laki
67 Perempuan
87 Perempuan
77 Perempuan
71 Perempuan
79 Perempuan
90 Perempuan
81 Laki-Laki
80 Perempuan
73 Laki-Laki
60 Perempuan
80 Laki-Laki
63 Perempuan
57 Laki-Laki
PEMBAHASAN:

Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

Nilai .117 20 .200* .975 20 .853

a. Lilliefors Significance Correction

 Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

Nilai .117 20 .200* .975 20 .853

*. This is a lower bound of the true significance.

Nilai signifikansi (p) pada uji kolmogorov-smirnov adalah 0.2 ( p > 0.05), sehingga
berdasarkan uji normalitas kolomogorov-smirnov data berdistribusi normal. Nilai
signifikansi (p) pada uji shapiro-wilk adalah 0.853 ( p > 0.05), sehingga berdasarkan uji
normalitas shapiro-wilk data berdistribusi normal.

10. TM 11 DAN 12 UJI PAIRED TEST & UJI INDEPENDET SAMPLE-TEST

KASUS (UJI PAIRED TEST):
Hipotesis yang diuji adalah apakah terdapat perbedaan tahun 2006 dan 2005 . Perumusan
hipotesisnya adalah:
1) H0 : µ = Tahun 2006 dan 2005 tidak berbeda
2) H1 : µ ≠ Tahun 2006 dan 2005 berbeda
PEMBAHASAN:

Paired Samples Test

Paired Differences t df Sig. (2-
tai
ed)
Mean Std. Std. 95% Confidence
Deviation Error Interval of the Dif
Mean erence
Lower Upper
tahun2006 - 7,58333 9,39495 2,71209 1,61406 13,55260 2,796 11 ,017
Pair 1
tahun2005
Uji statistik t = 2,796. Daerah keputusan dengan nilai kritis ±1,660. Nilai t-hitung ternyata
terletak pada daerah menolak H0. Ini menunjukkan bahwa terdapat cukup bukti untuk
menolak H0, sehingga dapat disimpulkan bahwa Tahun 2006 dan 2005 berbeda.

KASUS (INDEPENDET SAMPLE-TEST):

Seorang penelti ingin mengetahui apakah terdapat perbedaan frekuensi menggunakan
facebook untuk kelompok usia 15-20 tahun di Batu dan Malang. Diambil sampel 60
orang secara acak dan diminta keterangan tentang frekuensi menggunakan facebook
(dalam jam) selama seminggu.
Hipotesis yang diuji adalah apakah terdapat perbedaan menggunakan facebook untuk
kelompok usia 15-20 tahun di Batu dan Malang . Perumusan hipotesisnya adalah:
 1) H0 : µ = Tidak terdapat preferensi yang nyata antara rata-rata frekuensi
menggunakan facebook untuk kelompok usia 15-20 tahun di Batu dan Malang
2) H1 : µ ≠ Terdapat preferensi yang nyata antara rata-rata frekuensi menggunakan
facebook untuk kelompok usia 15-20 tahun di Batu dan Malang.
PEMBAHASAN:

Independent Samples Test

t-test for Equality of Means
T df Sig. Mean Std. Error 95% Confidence
(2-tailed) Difference Difference Interval of the
Difference
Lower Upper
Equal variances -3,125 58 ,003 -3,600 1,152 -5,906 -1,294
assumed
Frekuensi -3,125 56,836 ,003 -3,600 1,152 -5,907 -1,293
Equal variances
not assumed

Nilai t-hitung ternyata terletak pada daerah menolak H0. Ini menunjukkan bahwa terdapat
cukup bukti untuk menolak H0, sehingga dapat disimpulkan bahwa Terdapat preferensi
yang nyata antara rata-rata frekuensi menggunakan facebook untuk kelompok usia 15-
20 tahun di Batu dan Malang.

11. TM 13 UJI ANOVA

KASUS (UJI ANOVA):
Seorang manajer pemasaran perusahaan penjualan minuman ingin mengetahui apakah
terdapat perbedaan yang signifikan antara hasil penjualan minuman tiga daerah penjualan
selama tahun 2010. Analisis tersebut termasuk analisis varians satu arah karena hanya
memiliki satu faktor, yaitu daerah.
PEMBAHASAN:
1) Perumusan Hipotesis
Hipotesis yang diuji adalah apakah terdapat perbedaan hasil penjualan minuman
tiga daerah penjualan selama tahun 2010. Perumusan hipotesisnya adalah:
a. Ho: μ1=μ2=μ3 atau rata-rata penjualan minuman antara ketiga daerah
tidak berbeda.
b. H1: μ1≠μ2≠μ3 atau rata-rata penjualan minuman antara ketiga daerah
berbeda.
2) Menentukan taraf nyata. Taraf nyata 5%, terdapat 3 daerah penjualan dari N
(pengamatan) ada 36 (12 responden untuk 3 daerah penjualan). Maka nilai kritis
 F dengan kombinasi dari k-1=3-1=2 dan N-k=36-3=33 pada taraf nyata 5%
adalah 5,16.
3) Uji statistik F = 9,315

ANOVA
penjualan
Sum of df Mean F Sig.
Squares Square
Between 12393,500 2 6196,750 9,315 ,001
Groups
Within 21952,500 33 665,227
Groups
Total 34346,000 35

4) Menentukan daerah keputusan dengan nilai kritis 5,16

5) Mengambil keputusan. Nilai uji F terletak pada daerah menolak H 0 , F hitung > F
tabel. Ini menunjukkan bahwa terdapat cukup bukti rata-rata penjualan minuman
antara ketiga daerah berbeda, hipotesis nol ditolak dan hipotesis alternatif
diterima. Kesimpulannya adalah rata-rata penjualan minuman antara ketiga
daerah berbeda.
12. TM 14 UJI KRUSKALL WALLIS
KASUS (UJI KRUSKALL WALLIS):
Penelitian ingin mengetahui apakah pemberian musik selama belajar dapat meningkatkan
konsentrasi belajar. Ada tiga jenis musik yang ingin diteliti, yakni musik pop, rock, dan
klasik. Tiga kelompok digunakan dalam penelitian ini, masing-masing kelompok diberi
satu jenis musik. Kemudian konsentrasi belajar ketiga kelompok diukur dan
dibandingkan. Jika ada perbedaan konsentrasi belajar antar kelompok maka dapat
disimpulkan jenis musik berpengaruh terhadap konsentrasi belajar. Jenis musik tersebut
kemudian dibandingkan.
PEMBAHASAN:
 Descriptive Statistics

N Mean Std. Deviation Minimum Maximum

Konsentrasi 14 28.7143 3.77091 23.00 35.00

Musik 14 2.0714 .82874 1.00 3.00

Kruskall Wallis
Ranks

Musik N Mean Rank

Konsentrasi Pop 4 5.50

Rock 5 6.50

Klasik 5 10.10

Total 14

Test Statisticsa,b

Konsentrasi

Chi-Square 3.246

df 2

Asymp. Sig. .197

a. Kruskal Wallis Test

b. Grouping Variable: Musik

Seperti sudah dijelaskan sebelumnya, Kruskal-wallis mengubah data interval menjadi

bentuk ordinal atau dalam bentuk rangking. Dengan demikian data akan diurutkan
terlebih dahulu. Data dengan nilai besar akan mendapat skor rangking besar. Dari output
terlihat bahwa mean rangking kelompok musik pop memiliki mean rangking 5,50;
kelompok musik rock memiliki mean rangking 6,50; dan kelompok musik klasik
memiliki mean rangking 10,10. Sekilas terlihat ada perbedaan, namun kita tidak bisa
menyimpulkan langsung dari sini, karena bisa jadi perbedaan ini hanya karena sampling
eror saja, oleh karena itu kita harus lihat pada uji signifikansi analisis statistik.
Output utama dari analisis Kruskal-Wallis adalah pada tabel kedua. Untuk menguji
hipotesis, kita bisa lihat pada nilai chi-square dan asymp sig. Dari hasil analisis
didapatkan nilai chi-square sebesar 3,24 dengan p>0,05. Patokan untuk menilai uji
statistik adalah sebagai berikut.
1) Jika sig: p > 0,05 maka tidak ada perbedaan
 2)  Jika sig: p < 0,05 maka ada perbedaan pada taraf sig 5%
3) Jika sig: p < 0,01 maka ada perbedaan pada taraf sig 1%
Dengan demikian dapat disimpulkan bahwa tidak terdapat perbedaan yang signifikan
konsentrasi antara kelompok musik pop, rock, dan klasik (chi-square=3,24; p>0,05).
Dengan demikian dapat disimpulkan bahwa pemberian musik tidak berpengaruh
terhadap konsentrasi belajar.