Modul 3 Statistika Teknik - FT - Teknik Sipil
Modul 3 Statistika Teknik - FT - Teknik Sipil
MODUL PERKULIAHAN
STATISTIKA
TEKNIK
Ukuran pemusatan data
(mean, median, modus)
Ukuran penyebaran data
(varians, standar deviasi)
Abstract Kompetensi
Mean, median dan modus berkaitan Mahasiswa mampu menjelaskan
dengan ukuran pemusatan data. pengertian mean, modus, skewness
Variance dan deviasi standard dan deviasi standard
menggambarkan penyimpangan data.
Skewness menjelaskan kedua-duanya,
yaitu mengenai pemusatan dan
penyimpangan data.
03
UKURAN PEMUSATAN DATA
Ukuran pemusatan data terdiri dari tiga bagian, yaitu mean, median, dan modus.
Rataan hitung seringkali disebut sebagai ukuran pemusatan atau rata-rata hitung.
Rataan hitung juga dikenal dengan istilah mean dan diberi lambang x .
Rataan dari sekumpulan data yang banyaknya n adalah jumlah data dibagi dengan
banyaknya data.
Contoh soal
Penyelesaian
Apabila data disajikan dalam tabel distribusi frekuensi maka rataan dirumuskan sebagai
berikut.
Berdasarkan data hasil UTS Matematika, enam mahasiswa mendapat nilai 8, tujuh
mahasiswa mendapat nilai 7, lima belas mahasiswa mendapat nilai 6, tujuh mahasiswa
mendapat nilai 5, dan lima mahasiswa mendapat nilai 4. Tentukan rata-rata nilai UTS
Matematika tersebut.
Penyelesaian
Rata-rata untuk data bergolong pada hakikatnya sama dengan menghitung ratarata data
pada distribusi frekuensi tunggal dengan mengambil titik tengah kelas sebagai xi. Perhatikan
contoh soal berikut ini.
Contoh soal
65 75 66 80 73 75 68 67 75 77
70 71 60 55 65 63 60 70 70 66
b. Median
Median adalah suatu nilai tengah yang telah diurutkan. Median dilambangkan Me. Untuk
menentukan nilai Median data tunggal dapat dilakukan dengan cara:
1. 2, 5, 4, 5, 6, 7, 5, 9, 8, 4, 6, 7, 8
Jika data yang tersedia merupakan data bergolong, artinya data itu dikelompokkan ke dalam
interval-interval kelas yang sama panjang. Untuk mengetahui nilai mediannya dapat
ditentukan dengan persamaan berikut ini.
Nilai Frekuensi
40 -49 4
50 - 59 5
60 – 69 14
70 – 79 10
80 – 89 4
90 - 99 3
c. Modus
Modus ialah nilai yang paling sering muncul atau nilai yang mempunyai frekuensi tertinggi.
Jika suatu data hanya mempunyai satu modus disebut unimodal dan bila memiliki dua
modus disebut bimodal, sedangkan jika memiliki modus lebih dari dua disebut multimodal.
Modus dilambangkan dengan Mo.
Modus dari data tunggal adalah data yang sering muncul atau data dengan frekuensi
tertinggi. Perhatikan contoh soal berikut ini.
Penyelesaian
b. Berdasarkan data pada tabel, nilai yang memiliki frekuensi tertinggi adalah 6. Jadi,
modusnya adalah 6.
Contoh soal
a. Rentangan (range)
b. Varians
c. Simpangan baku (standar deviasi)
d. Koefisien varians
a. Rentangan (Range)
Rentangan dapat di ketahui dengan mengurangi data tertinggi dengan data terendah.
Rentangan berfungsi untuk melihat perbedaan dari data yang ada.
Rumus :
Contoh :
Kelas A : 90, 70, 50, 80, 50, 60, 70, 70, 85, 85
Kelas B : 95, 87, 76, 84, 75, 96, 85, 83, 73, 80
Langkah :
Kelas A : 50, 50, 60, 70, 70, 70, 80, 85, 85, 90
Simpangan rata-rata merupakan nilai rata-rata dari harga mutlak semua simpangan
terhadap rata-rata (mean) kelompoknya. Rumus untuk simpangan rata-rata :
a. Data tunggal
SR =
x− x
n
Contoh :
Kelas A : 50, 50, 60, 70, 70, 70, 76, 80, 85, 90
2022 Statistika Teknik
8 Retna Kristiana,ST,MM, MT
Biro Bahan Ajar eLearning dan MKCU
http://pbael.mercubuana.ac.id/
Nilai (X) Rata-Rata (X- x )
(x)
|x|
SR =
x− x
50 20 n
50 20 = 101
60 70 10 10
70 70 0 =10,1
70 70 0 Artinya rata-rata nilau UTS 10 orang
70 70 0 mahasiswa sebesar 70 dengan
simpangan 10,1
76 70 6
80 70 10
85 15
90 20
701 101
b. Data Berkelompok
SR =
f .(x − x )
i
f
SR = Simpangan rata-rata
f = frekuensi
x i
= titik tengah
x = rata-rata
|x|
x = 5435 = 77,64
70
SR =
f .(x − x ) = 385,24 = 5,5
i
f 70
Jadi, rata-rata nilai statistik 70 orang mahasiswa sebesar 77,64 dengan simpangan rata-rata
5,5
Simpangan baku ( standar deviasi) menunjukkan tingkat atau derajat variasi kelompok data
dari rata-ratanya. Standar deviasi ini digunakan untuk memperlihatkan seberapa besar
perbedaan data yang ada dibandingkan dari rata-rata data itu sendiri. Rumus untuk Standar
deviasi :
Data tunggal :
S=
x 2
n −1
S = Standar deviasi
n = Jumlah sampel
2022 Statistika Teknik
10 Retna Kristiana,ST,MM, MT
Biro Bahan Ajar eLearning dan MKCU
http://pbael.mercubuana.ac.id/
Contoh :
Kelas A : 50, 50, 60, 70, 70, 70, 76, 80, 85, 90
S=
x 2
|x|
n −1
50 -20 400
1661
50 -20 400 =
10 − 1
60 -10 100
1661
70 0 0 =
9
70 0 0
=
70 0 0
76 6 36
80 10 100
85 15 225
90 20 400
1. Dari hasil survai yang melihat bagaimana kepemimpinan 10 orang mahasiswa yang
aktif dalam organisasi intra kampus. Data berikut memperlihatkan nilai
kepemimpinan 10 orang responden tersebut.
No X X2 X - x ( x) x2
x =
x
n
805
x = = 80,5
10
Maka :
S=
x 2
n −1
1322
S=
10 − 1
1322
S=
9
S= 146,9
S = 12,12
Jadi dapat disimpulkan bahwa rata-rata nilai kepemimpinan mahasiswa yang aktif dalam
organisasi intra kampus adalah 80, 5 dengan standar deviasi (penyimpangan) 12,12.
2. Data Berkelompok :
S=
f .x 2
f −1
|x|
S=
f .x 2
f −1
3425
S=
69
S= 49,64
S = 7,045
d. Varians
Varian ini digunakan untuk menunjukkan tingkat homogenitas suatu data. Varians ini dapat
dihitung dengan berdasarkan kepada standar deviasi dan rata-rata data.
Contoh :
Koefisein varians adalah perbandingan antara Standar deviasi dengan harga mean (rata-
rata) yang dinyatakan dalam angka persentase (%). Guna dari koefisien Varians untuk
mengamati variasi atau sebaran data dari meannya. Semakin kecil koefien variannya
maka data semakin seragam (homogen), sebaliknya semakin besar koefisien varians
maka data semakin bervariasi (heterogen).
s
KV = x 100 %
x
KV = Koefisien varians
s = Standar deviasi
x = Rata-rata (mean)
Contoh :
Nilai 70 orang mahasiswa, standar deviasi = 7,045 dengan nilai rata-rata 77,64 maka
Koefisien Variansnya adalah :
s 7,045
KV = x 100 % = x100% = 9,07 %
x 77,64
Data-data statistik, yang bisa diperoleh hasil sensus, survei, jajak pendapat atau
pengamatan lainnya umumnya masih bersifat acak, “mentah” dan tidak terorganisir dengan
baik (raw data). Data-data tersebut harus diringkas dengan baik dan teratur, baik dalam
bentuk tabel atau presentasi grafis yang berguna sebagai dasar dalam proses pengambilan
keputusan (statistik inferensi).
Penyajian tabel dan grafis yang digunakan dalam statistik deskriptif dapat berupa:
1. Distribusi frekuensi
2. Presentasi grafis seperti histogram, Pie chart dan sebagainya.
Selain tabel dan grafik, untuk mengetahui deskripsi data diperlukan ukuran yang lebih
eksak, yang biasa disebut summary statistics (ringkasan statistik).
Dua ukuran penting yang sering dipakai dalam pengambilan keputusan adalah:
Kali ini akan dibahas menu dari SPSS yang berhubungan dengan statistik deskriptif, yaitu
Summarize. Dalam menu ini terdapat beberapa submenu sebagai berikut:
A. Frequencies
Menu ini membahas beberapa penjabaran ukuran statistik deskriptif seperti Mean,
Median, Kuartil, Persentil, Standar Deviasi dan lainnya.
B. Descriptives
Menu ini berfungsi untuk mengetahui skor-z dari suatu distribusi data dan menguji
apakah data berdistribusi normal atau tidak.
C. Explore
Menu ini berfungsi untuk memeriksa lebih teliti sekelompok data. Alat utama yang
dibahas adalah Box-Plot dan Steam & Leaf Plot, selain beberapa uji tambahan untuk
menguji apakah data berasal dari distribusi normal.
D. Crosstabs
Menu ini dugunakan untuk menyajaikan deskripsi data dalam bentuk tabel silang
(crosstab), yang terdiri aatas baris dan kolom. Selain itu menu ini juga dilengkapi dengan
analisis hubungan di antara baris dan kolom, seperti independensi diantara mereka,
besar hubungannya dan lainnya.
E. Case Summaries
Menu ini digunakan untuk melihat lebih jauh isis statistik deskriptif yang meliputi subgrup
dari sebuah kasus, seperti grup “Pria” dan grup “Wanita”, bisa dibuat subgrup “Pria
Dewasa” dan “Pria Remaja”, kemudian “Wanita Dewasa” dan “Wanita Remaja”, serta
dibagi lagi menjadi yang tinggal di kota dan di desa, dan seterusnya.
Misalkan kita memiliki data tentang tinggi badan 25 orang mahasiswa (dalam centimeter)
yang diambil secara acak.
13 172.5 Pria
Yang pertama kita lakukan adalah ada memasukan data terebut ke dalam editor SPSS.
Pada bagian awal kita sudah mempelajari bagaimana membuat data baru dalam SPSS.
• Selanjutnya kita akan memasukan data yang kita punya dengan terlebih dahulu
menekan tombol Data View. Lalu ketiklah data yang ada, setelah itu simpan dengan
nama Deskriptif1.
3. Setelah data ada, lalu kita olah, yaitu ingin menampilkan deskripsi statistik dari data
tersebut yaitu mengenai Mean, Standar Deviasi, Skewness, dll. Selain itu kita ingin pula
menampilkan Chart dari data yang sesuai dengan sata kuantitatif, yaitu Histogram dan
Bar Chart. Langkah-langkahnya sebagai berikut:
a. Dari baris menu, pilih menu Analyze, lalu pilih submenu Descriptive Statistics, lalu
pilih lagi sumenu Frequencies (untuk menampilkan tabel frekuensi). Lalu akan
tampil gambar berikut ini.
b. Kolom Variables(s) harus diisi dengan jenis-jenis variabel apa yang ingin kita
analisis. Karena ingin dibuat frekuensi dari variabel Tinggi, maka klik variabel Tinggi,
kemudian klik tanda , maka variabel Tinggi akan berpindah ke kolom Vraible(s).
c. Klik pilihan Statistics, maka akan tampil di layar gambar berikut:
• Menu Charts berkenaan dengan jenis grafik yang ingin kita pilih. Dari Chart
Type, untuk keseragaman kita pilih Histogram. Lalu menu With normal curve-
nya akan hidup, maka kita klik juga With normal curve. Lalu klik Continue.
• Sekarang editor akan kembali ke tampilan editor Frequencies seperti awal,
selanjutnya kita akan memilih menu Format.
• Pada submenu Order by (data output akan disusun seperti apa ?) kita
seragamkan saja dengan memilih output akan disusun naik (dari data terkecil ke
data terbesar). Untuk itu pilih Ascending values. Selanjutnya klik OK. Maka
semua proses pengisian dan pengolahan data telah selesai, dan kita akan lihat
hasilnya (outputnya) pada editor Output.
• Frequencies
Statistics
Tinggi
N Valid 25
Missing 0
Mean 170.1200
Std. Error of Mean 1.20655
Median 170.2000
Std. Deviation 6.03276
Variance 36.394
Skewness .572
Std. Error of Skewness .464
Kurtosis 1.460
Std. Error of Kurtosis .902
Range 27.00
Minimum 159.60
Maximum 186.60
Percentiles 10 160.6200
25 167.2000
50 170.2000
75 172.5000
90 178.6200
• N atau jumlah data yang valid adalah 25 buah, sedangkan data yang hilang
(missing) adalah nol. Ini artinya semua data bisa diproses
• Mean atau rata-rata tinggi badan adalah 170,12 cm dengan standar error adalah
1,20655 cm. Penggunaan standar error of Mean adalah untuk memeriksa besar
rata-rata populasi yang diperkirakan dari sampel. Untuk itu, dengan standar error
of Mean tertentu dan pada tingkat kepercayaan 95% (SPSS sebagian besar
menggunakan angka ini sebagai stanadar), rata-rata populasi tinggi badan
menjadi:
Rata-rata Populasi = Rata-rata ± 2 standar error of Mean
= 170,12 ± (2 x 1,20655) cm
• Median atau titik tengah data jika semua data diurutkan dan dibagi 2 sama besar.
Angka median 170,20 cm menunjukkan bahwa 50% tinggi badan adalah 170,20
cm ke atas, dan 50%-nya 170,20 cm ke bawah.
• Standar Deviasi adalah 6,03276 cm dan variansinya adalah 36,394 cm.
Penggunaan standar deviasi adalah untuk menilai dispersi rata-rata dari sampel.
Untuk itu, dengan standar deviasi tertentu dan pada tingkat kepercayaan 95%,
rata-rata tinggi badan menjadi:
Rata-rata tingi badan = Rata-rata ± 2 x Standar Deviasi
= 170,12 ± (2 x 6,03276) cm
Ukuran Skewnes adalah 0,572 cm. Untuk penilaian, nilai tersebut diubah ke
angka rasio. Rasio kurtosis adalah = nilai kurtosis/standar error kurtosis =
0,572/0,902 = 0,63. Sebagai pedoman, bila rasio kurtosis berada antara -2
sampai dengan +2, maka distribusi data adalah normal.
Cumulative
Frequency Percent Valid Percent Percent
Valid 159.60 2 8.0 8.0 8.0
161.30 1 4.0 4.0 12.0
164.80 2 8.0 8.0 20.0
167.20 2 8.0 8.0 28.0
168.50 2 8.0 8.0 36.0
168.90 3 12.0 12.0 48.0
170.20 1 4.0 4.0 52.0
170.40 3 12.0 12.0 64.0
172.50 4 16.0 16.0 80.0
174.50 2 8.0 8.0 88.0
177.50 1 4.0 4.0 92.0
180.30 1 4.0 4.0 96.0
186.60 1 4.0 4.0 100.0
Total 25 100.0 100.0
Output ini merupakan gambaran tinggi badan responden dalam tabel frekuensi.
Histogram
10
8
Frequency
Mean = 170.12
Std. Dev. = 6.03276
0 N = 25
150.00 160.00 170.00 180.00 190.00
Tinggi
Terlihat grafik data berbentuk seperti lonceng, ini artinya distribusi data adalah
normal atau mendekati normal (pengujian secara statistik akan dibahas nanti)
• Kolom Variables(s) harus diisi dengan jenis-jenis variabel apa yang ingin kita
analisis. Karena ingin dibuat frekuensi dari variabel Gender, maka klik variabel
Gender, kemudia klik tanda , maka variabel Gender akan berpindah ke kolom
Vraible(s).
• Pilihan Charts…juga diklik, maka akan tampil gambar berikut ini.
• Menu Charts berkenaan dengan jenis grafik yang ingin kita pilih. Dari Chart
Type, untuk keseragaman kita pilih Pie Chart. Lalu klik Continue
Setelah itu menu Format diklik, maka akan tampil gambar berikut:
Output Gender
Statistics
Gender
N Valid 25
Missing 0
Gender
• Maka akan terlihat kotak pilihan Save standardized values as variables yang
telah diberi tanda akan digunakan pilihan tersebut. Hal ini berarti pilihan output
SPSS mengenai deskripsi data. Lalu klik OK.
• Maka outputnya sebagai berikut:
Descriptive Statistics
Maximu Std.
N Minimum m Mean Deviation
Tinggi 170.120
25 159.60 186.60 6.03276
0
Valid N
25
(listwise)
Jika dilihat pada Editor data SPSS selain variabel tinggi dan gender sekarang
muncul variabel baru, yaitu zTinggi seperti berikut
Jika suatu data berdistribusi normal, suatu nilai bisa distandardisasi dengan
nilai z, yaitu:
xi − x
z=
s
Sebagai contoh, lihat pada data pertama yaitu tinggi 170,20 cm, nilai z-nya
dihitung dengan rumus adalah sbb:
170.2 − 170.12
z= = 0,013 (sama dengan output SPSS)
6.03
Pada tabel-z, luas kurva untuk 47,5% didapat nilai kritis 1,96.
Dari nilai variabel zTinggi terlihat hanya ada satu data yang termasuk outlier,
yaitu 186.60 cm nilai zTinggi yang di luar 1,96, yaitu zTingginya 2.73175.
Karena dari 25 data hanya ada 1 data yang outlier, maka dapat dikatakan
distrubusi mendekati normal.
Sebagaimana pernah dibahas di kelas bahwa salah satu analisis data kualitatif yang
berskala nominal (kategori) adalah dengan Crosstab.
Manajer perusahaan yang memproduksi kopi susu dalam kemasan sachet merek
deCaFe ingin mengetahui bagaimana sikap konsumen terhadap produk perusahaan,
serta bagaimana profil mereka.
Untuk itu 25 orang konsumen yang pernah mencicipi produk deCaFe diminta mengisi
identitas dan sikap mereka terhadap produk deCaFe.
Dalam SPSS otomatis no urut konsumen sudah ada, sehingga ada 3 variabel saja.
Langkah penyelesaian:
• Row(s) atau variabel yang akan ditempatkan pada baris (row) –untuk keseragaman,
kita pilih Gender
• Column(s) atau variabel yang akan ditempatkan pada Kolom) –untuk keseragaman,
kita pilih Pekerjaan
• Klik pilihan Statistics…, akan tampak dilayar gambar berikut.
• Pilihan Count untuk menampilkan hitungan Chi-square, apakah perlu disertakan nilai
Expected (nilai yang diharapkan) selain nilai observed. Untuk keseragaman klik
hanya Observed
• Pilihan Percentage untuk menampilkan perhitungan angka pada baris dan kolom
dalam persen. Untuk kasus ini biarkan saja kolom tersebut (tidak ada yang dipilih).
Lalu klik Continue,
• Klik pilihan Format…, akan tampak editor berikut
• Row Order atau penempatan nama variabel dalam baris, apakah naik atau turun.
Pilih Ascending. Klik Continue.
• Pilihan Displayclustered bar charts dan Suppers tables biarkan kosong.
• Perhatikan variabel Pendidikan tidak dimasukkan, karena dalam proses ini kita
hanya memasukkan dua saja, tidak mesti semua, nanti kita akan gunakan variabel
pendidikan pada kasus yang lain.
• Klik OK, maka akan tampak output berikut.
Cases
gender *
25 100.0% 0 .0% 25 100.0%
Pekerjaan
Ada 25 data yang semuanya diproses (tidak ada data missing), sehingga tingkat validitasnya
100%.
kerja Total
1 2 3
gender 1 8 2 3 13
2 1 5 6 12
Total 9 7 9 25
Terlihat tabel silang yang memuat hubungan diantara kedua variabel. Misalnya, pada baris-1
kolom-1, terdapat angka 8. Hal ini berarti ada 8 orang pria (variabel gender) yang
mempunyai pekerjaan karyawan (varaibel Pekerjaan). Demikian pula untuk data yanag
lainnya.
Asymp.
Sig. (2-
Value Df sided)
Pearson Chi-
7.702(a) 2 .021
Square
Linear-by-Linear
5.342 1 .021
Association
N of Valid Cases 25
a 6 cells (100.0%) have expected count less than 5. The minimum expected
count is 3.36.
Uji Chi-square untuk mengamati ada tidaknya hubungan antara dua variabel (baris dan
kolom). Di dalam SPSS, selain alat uji Chi-Square juga dilengkapi dengan beberapa alat uji
yang sama tujuannya.
Hipotesis
Ho: Tidak ada hubungan antara baris dan kolom, atau antara pekerjaan konsumen dengan
gender konsumen tersebut.
Hi : Ada hubungan antara baris dan kolom, atau antara pekerjaan konsumen dengan gender
konsumen tersebut
Pengambilan Keputusan
Dasar pengambilan keputusan, yaitu: Berdasarkan perbandingan Chi-Quare Uji dan angka
dari Tabel
Chi-square Hitung dapat dilihat pada output bagian ketiga yaitu 7.702. Sedangkan Chi-
square Tabel, dapat dilihat pada Tabel Uji-Statistik untuk Chi-square. Dalam hal ini untuk
tingkat signifikansi () = 5% dan derajat kebebasan (dF) = 2 adalah 5,9915.
Kita juga bisa menguji hipotesis dengan membandingkan nilai Probabilitas yang nilainya
dapat dilihat pada bagian Asymp. Sig. (2-sided), yang dalam kasus ini sebesar 0.021. Jika
nilai Probabilitas > 0,05 maka Ho diterima. Tetapi bila nilai Probabilitas < 0,05 maka Ho
ditolak.
Dalam kasus ini 0.021 < 0,05 artinya Ho ditolak, atau ada hubungan antara baris dan kolom,
atau antara pekerjaan konsumen dengan gender konsumen tersebut.
Dari kedua analisis tersebut bisa diambil kesimpulan yang sama, yaitu Ho ditolak atau ada
hubungan antara pekerjaan seorang konsumen dengan gender konsumen tersebut. Dengan
kiata lain dapat saja dikatakan bahwa kebanyakan pria berprofesi karyawan sedangkan
kebanyakan wanita tidak banyak yang berprofesi karyawan, mungkin banyaknya
wiraswasta.
Pada kasus dimana, Ho ditolak atau disimpulkan bahwa ada hubungan antara pekerjaan
seorang konsumen dengan gender konsumen tersebut, maka dapat ditanyakan pula
seberapa besar atau seberapa kuat hubungan tersebut ? Hal ini akan kita bahas pada
contoh lain.
Sekarang, tugas Anda adalah berlatih untuk mencari hubungan antara variabel Pekerjaan
dengan Tingkat Pendidikan, Jika sudah memasukkan datanya dalam program SPSS simpan
pada drive D dengan nama Crosstab2.sav dan outputnya dengan Crosstab2out. Buatlah
analisis Anda dalam file word lalu simpan pula pada drive D.
Jika tadi kita contohkan bahwa berdasarkan analisis Crosstab ditemukan terdapat hubungan
antara dua variabel berskala nominal, yaitu antara gender dengan pekerjaan. Sekarang kita
akan cari tahu seberapa besar keeratan hubungan tersebut.
1. Symetric Measures, yaitu hubungan yang setara dan berdasarkan perhitungan Chi-
square
2. Directional Measures, yaitu hubungan yang tidak setara dan berdasarkan pada
proportional Reduction In Error (PRE)
Kedua cara perhitungan di atas dapat digunakan pada kasus hubungan antara Pekerjaan
dengan Gender.
Langkah-langkahnya:
4. Klik pilihan Correlations untuk mengetahui koefisien korelasi kedua variabel dengan cara
Symetric Measures.
5. Pada kolol Nominal (yang berarti khusus untuk data yang berskala Nomonal), klik semua
pilihan yaitu Contingency Coefficient, Phi and Cramer’s V, lambda dan Uncertainty
coefficient. Pilihaan ini untuk mengetahui koefisien korelasi dengan cara Directional
Measures. Lalu klik Continue. Kemudian Klik pilihan Cells…, akan tampak di layar
gambar sebelah kanan.
Cases
gender *
25 100.0% 0 .0% 25 100.0%
kerja
Ada 25 data yang semuanya diproses (tidak ada data missing), sehingga tingkat validitasnya
100%.
Count
kerja
1 2 3 Total
gende 1 8 2 3 13
r
2 1 5 6 12
Total 9 7 9 25
Tabel yang menggambarkan hubungan antara variabel, misalnya pada baris-2 kolom-1 ada
angka 1, artinya ada 1 orang konsumen wanita bekerka sebagai karyawan.
Symmetric Measures
Asymp.
Std. Approx. Approx.
Value Error(a) T(b) Sig.
Contingency
.485 .021
Coefficient
Interval by Pearson's R
.472 .167 2.566 .017(c)
Interval
Ordinal by Spearman
.472 .173 2.566 .017(c)
Ordinal Correlation
N of Valid Cases 25
Ada 3 besaran untuk menghitung korelasi antara variabel pekerjaan dengan gender, dan
ketiganya mempunyai angka signifikan atau nilai Probabilitas 0,021. Karena nilai
Probabilitas di bawah 5%, maka bisa dikatakan ada hubungan antara kedua variabel
tersebut (seperti telah terbukti sebelumnya).
Besaran korelasi (Phi dan Cramer) menghasilkan angka sama yaitu 0,555. Sedangkan
koefisien kontingensi menghasilkan angka 0,485 (lebih kecil). Dari ketiga besaran itu bisa
disimpulkan adanya hubungan yang cukup erat antara (disebut erat jika mendekati angka 1
dan tidak ada hubungan bila mendekati angka 0) antara variabel pekerjaan dengan variabel
jender.
Directional Measures
Asymp.
a b
Value Std. Error Approx. T Approx. Sig.
Nominal by Lambda Symmetric .393 .163 2.003 .045
Nominal gender Dependent .500 .236 1.572 .116
kerja Dependent .313 .137 2.041 .041
Goodman and gender Dependent .308 .165 .025 c
Kruskal tau kerja Dependent .160 .095 .021 c
Uncertainty Coefficient Symmetric .191 .114 1.673 .014 d
gender Dependent .246 .147 1.673 .014 d
kerja Dependent .156 .093 1.673 .014 d
a. Not assuming the null hypothesis.
b. Using the asymptotic standard error assuming the null hypothesis.
c. Based on chi-square approximation
d. Likelihood ratio chi-square probability.
Disini juga ada 3 ukuran untuk mengukur hubungan antara kedua variabel tersebut. Namun
di sini ada pembedaan, yaitu satu variabel sebagai dependen sedangkan yang lainnya
sebagai variabel independen.
• Symmetric atau kedua variabel setara (bebas), maka besar korelasinya adalah 0,393
atau cukup lemah (kurang dari 0,50). Angka signifikansinya adalah 0,045 atau di bawah
0,05 yang berarti kedua variabel memang berhubungan secara nyata.
• Jika ada perkataan Dependent, dipakai pedoman (berlaku untuk ketiga alat uji) berikut:
o Jika angka korelasi 0, maka pengetahuan akan variabel independen tidak
menolong dalam usaha memprediksi variabel dependen
o Jika angka korelasi = 1, maka pengetahuan akan variabel independen menolong
dalam usaha memprediksi variabel dependen
• Contoh analisis pada Lambda
o Gender Konsumen Dependen atau Gender sebagai variabel dependen
(tergantung), dimana Pekerjaan adalah variabel independennya. Karena angka
signifikansi 0,116 lebih besar daripada 0,05 (5%), maka variabel
Pada tingkat kepercayaan 95% atau ada dua standar deviasi, maka rentang korelasi
adalah: 0,313 ± (2 x 0,137) atau antara 0,039 sampai 0,587