OLEH:
N NNAMA :……………………………………………………………………………
NNINIM :……………………………………………………………………………
grgrGRUP :……………………………………………………………………………
SILABUS
PRAKTIKUM STATISTIK DENGAN SPSS
I. MODUL PRAKTIKUM
Seluruh praktikan wajib membawa modul praktikum setiap kali mengikuti kegiatan praktikum
statistik. Bagi mahasiswa yang tidak membawa modul praktikum tidak diperbolehkan
mengikuti kegiatan praktikum statistik.
III. EVALUASI
a. NILAI AKHIR (100%) : 10%
Bonus Poin : 5%
STATISTIK DESKRIPTIF
Modus menggambarkan nilai yang paling sering muncul atau memiliki frekuensi
terbanyak. Jika ada data : 5, 5, 6, 7, 2, 6, 5, 4, 1, 5. Modusnya merupakan angka 5.
Median mengukur nilai tengah dengan membagi jumlah observasi secara seimbang
dari atas ke bawah atau merupakan persentil ke lima puluh. Jika ada urutan data : 4
5 6 6 6 6 7 8 8. Maka mediannya adalah 6.
3. Selain central tendency dan dispersion, ukuran lain yang dipakai adalah Skewness dan
Kurtosis untuk mengetahui keruncingan/kelandaian data. Skewness dihitung dan
dilaporkan sebagai angka yang mungkin positif, negatif, atau nol. Skewness nol
mengindikasikan distribusi simetrik. Skewness positif mengindikasikan distribusi yang
condong ke kanan. Skewness negatif mengindikasikan distribusi yang condong ke kiri.
Kurtosis adalah pengukuran keruncingan distribusi. Semakin besar kurtosis, semakin
keruncingan akan didistribusikan. Kurtosis dihitung dan dilaporkan baik sebagai absolut
maupun nilai relatif. Nilai absolut selalu angka positif.
4. Histogram
Histrogram adalah chart yang terdiri dari diagram batang dengan tinggi yang berbeda-
beda. Tinggi masing-masing batang mewakili nitai frekuensi dalam kelas yang diwakili
oleh diagram batang.
Latihan 1:
Menggunakan SPSS untuk menghitung Statistik Deskriptif dan Ukuran penyebaran.
Tujuan: Menghitung Mean, Modus, Standar Deviasi, Varian, Range, Minimum, Maximum,
standar estimasi dan rata-rata, Skewness dan kurtosis.
No. Nama Gender Berat Badan Nilai Statistik
1 Alfian laki-laki 56.20 65.00
2 Beny laki-laki 50.00 72.50
3 Ika Perempuan 45.00 58.65
4 Resti Perempuan 43.00 68.75
5 Sita Perempuan 46.00 62.50
6 Kusman laki-laki 54.00 57.50
7 Dedy laki-laki 58.00 58.00
8 Rika Perempuan 49.00 63.00
9 Hani Perempuan 52.00 65.00
10 Rena Perempuan 46.00 60.00
11 Gunawan laki-laki 57.50 72.00
12 Idhan laki-laki 62.00 75.00
13 Rama laki-laki 60.75 80.00
14 Fery laki-laki 58.75 82.50
15 Ana Perempuan 52.00 75.00
16 Dery laki-laki 60.00 76.00
17 David laki-laki 58.25 77.00
18 Tanto laki-laki 62.00 65.00
19 Yanita Perempuan 43.00 68.00
20 Indah Perempuan 46.00 69.50
21 Juhandi laki-laki 58.00 75.00
22 Sugeng laki-laki 55.00 65.00
23 Yanto laki-laki 55.80 66.00
24 Jony laki-laki 64.00 68.50
25 Kety Perempuan 48.00 72.50
26 Berta Perempuan 45.00 76.50
27 Tina Perempuan 43.00 77.75
28 Ani Perempuan 42.50 65.00
29 Erni Perempuan 48.75 80.00
30 Krisna laki-laki 56.50 79.00
31 Sulistyo laki-laki 60.00 73.00
32 Dody laki-laki 62.50 70.00
33 Gita Perempuan 53.50 69.00
34 Aryo Perempuan 57.65 64.00
35 Wulan Perempuan 48.75 65.00
36 Tuti Perempuan 49.00 75.00
37 Budi laki-laki 54.80 77.00
38 Irma Perempuan 42.50 79.00
39 Farida Perempuan 54.50 76.00
40 Dewi Perempuan 52.40 68.00
41 Yoana Perempuan 45.00 72.00
42 Mely Perempuan 46.80 64.00
43 Endang Perempuan 45.50 72.00
44 Keny laki-laki 65.20 74.00
45 Wendy laki-laki 58.00 72.00
46 Gatot laki-laki 56.00 78.00
47 Eka Perempuan 50.25 69.00
48 Tedy laki-laki 62.50 71.00
49 Ridho laki-laki 60.00 69.00
50 Fadly laki-laki 59.75 58.00
Langkah:
1. Input data pada SPSS.
Statistics
N.Statistika
N Valid 50
Missing 0
Mean 70.2230
Median 70.5000
Mode 65.00
Variance 41.591
Skewness -.225
Kurtosis -.739
Range 25.00
Minimum 57.50
Maximum 82.50
Percentiles 10 60.2500
25 65.0000
50 70.5000
75 75.2500
90 78.9000
KORELASI
Jenis Korelasi
A. Bivariate.
Mengukur hubungan dari hasil-hasil pengamatan populasi yang terdiri dari dua
varian.
Bivariate dibagi menjadi 2:
a.Koefisien korelasi bivariate/product moment Pearson.
Mengukur keeratan hubungan diantara hasil-hasil pengamatan populasi yang
mempunyai dua varian (bivariate) dengan syarat populasi asal sample mempunyai
dua varian dan berdistribusi normal.
b.Koefisien Spearman (rank-spearman) dan Kendall.
Mengukur keeratan hubungan antar peringkat-peringkat dibandingkan dengan
hasil pengamatan itu sendiri (seperti pada korelasi Pearson). Dapat digunakan
untuk menghitung koefisien korelasi pada data ordinal dan penggunaan asosiasi
pada statistik non parametrik.
B. Partial.
Mengukur hubungan linear antara 2 variabel dengan menghilangkan pengaruh dari
satu atau beberapa variabel tambahan (variabel kontrol).
Latihan Soal:
Contoh Korelasi Bivariat (Uji Korelasi Pearson, Kendalls tau-b dan Spearman):
Seorang Manajer Personalia ingin mengetahui apakah ada hubungan antara
prestasi kerja seorang dengan tingkat kecerdasaan (diukur dengan IQ) dan motivasi
kerja pekerja yang bersangkutan. Untuk itu, diambil 9 orang pekerja dan seorang
supervisor diminta memberi penilaian pada setiap pekerja tersebut tentang prestasi
kerja dan motivasi kerjanya.
Berikut adalah hasilnya:
Pekerja Prestasi IQ Motivasi
1 84 110 85
2 85 100 82
3 87 90 84
4 92 110 91
5 91 100 83
6 96 110 88
7 83 95 82
8 87 90 86
9 88 100 84
Prestasi kerja dan motivasi kerja dinilai dalam range 0 (jelek sekali) sampai 100
(baik sekali). Sedang IQ didapat dari tes kecerdasan saat pekerja melamar ke
perusahaan.
Langkah-langkah:
Membuat variabel: Pekerja, Prestasi, IQ, Motivasi
Mengisi data
Pengolahan data dengan SPSS
1. Analyze Correlate Bivariate
2. Variable: diisi Prestasi, IQ dan Motivasi
3. Correlation Coefficient: pilih Pearson atau Kendalls tau-b atau
Spearman (sesuaikan dengan kebutuhan).
4. Test of Significance: pilih Two-tailed
5. Options:
Statistics diabaikan saja
Missing Values: pilih Exclude cases pairwise
Tekan Continue
6. Ok
Output:
Correlations
Prestasi IQ Motivasi
N 9 9 9
N 9 9 9
N 9 9 9
Correlations
Prestasi IQ Motivasi
N 9 9 9
N 9 9 9
N 9 9 9
N 9 9 9
N 9 9 9
N 9 9 9
Analisis:
1. Pearson
Melihat korelasi antara IQ dengan prestasi : 0,459.
Hasil ini menjunjukkan lemahnya korelasi antara IQ dengan prestasi. Adanya hubungan
searah antara IQ dengan prestasi ditunjukkan koefisien korelasi yang positif.
Kesimpulan :
Semakin tinggi IQ yang dimiliki maka prestasinya akan semakin baik, namun masih
banyak faktor lain yang dapat mempengaruhi pencapaian prestasi.
Melihat korelasi antara IQ dengan motivasi : 0,549.
Hasil ini menjunjukkan hubungan yang cukup kuat antara IQ dengan motivasi. Adanya
hubungan searah antara IQ dengan motivasi ditunjukkan koefisien korelasi yang positif.
Kesimpulan:
Semakin tinggi IQ yang dimiliki maka motivasinya akan semakin tinggi,namun masih
banyak faktor lain yang dapat mempengaruhi pencapaian prestasi.
Hipotesis:
Ho=Tidak ada hubungan (korelasi) antara 2 variabel/angka korelasi=0.
Hi=Ada hubungan antara 2 variabel atau angka korelasi ≠ 0
Pengambilan keputusan:
Probabilitas >0,05Ho diterima.
Probabilitas<0,05Ho ditolak.
Hipotesis:
Ho=Tidak ada hubungan (korelasi) antara 2 variabel/angka korelasi=0.
Hi=Ada hubungan antara 2 variabel atau angka korelasi ≠ 0
Pengambilan keputusan:
Probabilitas >0,05Ho diterima.
Probabilitas<0,05Ho ditolak.
Descriptive Statistics
Std.
Mean Deviation N
Correlations
N Sales 15 15 15
Promosi 15 15 15
Outlet 15 15 15
Variables Entered/Removed
Variables Variables
Model Entered Removed Method
1 Outlet, . Enter
Promosia
ANOVAb
Sum of
Model Squares Df Mean Square F Sig.
Total 23663.600 14
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Tujuan pengujian ini adalah ingin mengetahui apakah sebuah nilai tetentu yang diberikan sebagai
pembanding, berbeda secara nyata ataukah tidak dengan rat-rata sebuah sampel.
Asumsi yang digunakan pada pengujian ini:
Data bertipe kuantitatif /numerik, baik itu interval atau rasio.
Data berdistribusi normal.
Data sampel berjumlah sedikit (di bawah 30).
KASUS
Dari data ROTI_SALES, diketahui penjual bernama Ali mampu menjual ROTI KACANG
sebanyak 333 buah. Manajer penjualan menganggap penjualan Ali berbeda dengan
rekan-rekannya. Benarkah pernyataan Manajer itu?
Langkah-langkah:
a. Buka lembar file ROTI_SALES
b. Menu Analyze Compare Means One sample T test….
Pengisian :
Test Variable(s) atau variable yang akan diuji. Pilih kacang.
Test value, karena akan diuji 333 buah, maka ketik 333.
Untuk kolom option, dengan membuka pilihan tersebut.
Pengisian :
Untuk Confidence Interval: atau tingkat kepercayaan. Sebagai default, SPSS menggunakan
tingkat kepercayaan 95% atau tingkat signifikansi 100%-95%=5%.
Untuk Missing Values atau perlakuan terhadap data yang hilang (jika ada). Pilih Exclude
cases analysis by analysis).
Tekan Continue untuk kembali ke kontak dialog utama.
Kemudian tekan OK untuk proses data.
Input:
salesman Gender Kacang
1 0 250
1 1 234
1 1 220
1 0 245
1 1 281
1 0 220
2 1 256
2 1 238
2 1 210
2 1 310
2 0 287
2 0 254
Keteranga:
Salesman : 1 SMA Gender: 0 Pria
2 SLTP 1 Wanita
Output:
T-Test
One-Sample Statistics
One-Sample Test
Pengambilan keputusan:
Dasar pengambilan keputusan
a. Berdasar perbandingan t hitung dengan t tabel:
Jika Statistik Hitung (angka t (output) > Statistik Tabel (tabel t), maka H0 ditolak.
Jika Statistik Hitung (angka t output) < Statistik tabel (tabel t), maka H0 diterima.
Sedang statistik tabel bisa dihitung pada tabel t:
Tingkat signifikansi (α) adalah 5%
Df atau derajat kebebasan adalah n (jumlah data)-1 atau 12-1=11
Uji dilakukan DUA SISI karena akan diketahui apakah penjualan Ali sama dengan
Penjualan rata-rata selama ini ataukah tidak. Jadi, bisa lebih besar atau lebih kecil,
karenanya dipakai uji dua sisi.
H0 H0
H0
dit d
d
eri i
-i - +2,20
m t
t 9 2 1
Karena t hitung terletak pada daerah H0 ditolak, maka penjualan Ali memang berbeda dengan
a o
o , penjualan
dibanding ,
rata-rata. 0
l
l 5 2
b. Berdasar nilai Probabilitas. a
a 8 0
Jika probabilitas > 0,05, maka H0 diterima k
k 2 1
Jika probabilitas< 0,05, maka H0 ditolak
0
Keputusan:
Pada output, tampak nilai probabilitas adalah 0,000. Karena probabilitas jauh di
bawah 0,05, maka H0 ditolak, dengan kesimpulan yang sama dengan cara perbandingan
t hitung dengan t test.
ANALISIS OF VARIANCE (ANOVA)
Pengertian
Uji ANOVA atau Uji Statistik F atau Uji Signifikansi Simultan pada dasarnya
menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model
mempunyai pengaruh secara bersama-sama terhadap variabel dependen/terikat.
Contoh Soal:
Permasalahan yang mungkin ditemukan adalah apakah rata-rata gaji dari 3 jenis
pekerjaan sarna atau berbeda.
2. Pilih Uji
Pilih ANOVA
Langkah:
a. Input data
b. Pilih menu Analyze-Compare Means-One-way ANOVA
c. Masukkan Gaji sebagai dependent variable
d. Masukkan Jenis Pekerjaan sebagai factor
e. Klik Option dan aktifkan Descriptive dan Homogenity of Variance test
f. Klik Continue
g. Klik Post Hoc aktifkan Bonferroni dan Tukey
h. Klik Continue kemudian OK
Input
Gender Pekerjaan Gaji (Dalam Juta) Pengalaman
Wanita Manajer 5.7 10
Pria Administrasi 4.02 9
Wanita Administrasi 2.15 7
Wanita Administrasi 2.19 8
Pria Administrasi 4.5 11
Pria Administrasi 3.21 9
Pria Administrasi 3.6 8
Wanita Administrasi 2.19 7
Wanita Administrasi 2.79 8
Wanita Administrasi 2.4 9
Wanita Administrasi 3.03 8
Pria Administrasi 2.84 8
Pria Administrasi 2.78 7
Wanita Administrasi 3.51 9
Pria Administrasi 2.73 8
Pria Administrasi 4.08 9
Pria Administrasi 4.6 8
Pria Manajer 1.04 7
Pria Administrasi 4.23 10
Wanita Administrasi 2.63 7
Wanita Administrasi 3.9 8
Pria Administrasi 2.18 7
Wanita Administrasi 2.4 6
Wanita Administrasi 1.7 5
Wanita Administrasi 2.12 7
Pria Administrasi 3.11 8
Pria Manajer 6.04 10
Pria Administrasi 3.26 8
Pria Manajer 1.35 5
Pria Administrasi 3.12 8
Pria Administrasi 3.62 7
Pria Manajer 1.11 6
Pria Administrasi 4.2 8
Pria Manajer 9.2 10
Pria Manajer 8.13 11
Wanita Administrasi 3.14 8
Pria Administrasi 2.91 7
Pria Administrasi 3.14 8
Pria Administrasi 3.6 8
Wanita Administrasi 1.92 5
Wanita Administrasi 2.36 7
Pria Administrasi 3.51 8
Pria Administrasi 2.33 7
Pria Administrasi 2.93 6
Pria T.Keamanan 3.08 8
Wanita Administrasi 2.24 7
Wanita Administrasi 3 8
Pria T.Keamanan 3.08 9
Pria Administrasi 3.48 9
Pria Manajer 6 10
Pria Administrasi 3.56 8
Pria Administrasi 4.52 8
Pria Manajer 7.38 9
Pria Administrasi 2.51 7
Pria Administrasi 2.7 6
Pria Administrasi 2.69 8
Pria Administrasi 3.39 9
Wanita Administrasi 2.64 7
Pria Administrasi 2.81 7
Pria Administrasi 3.09 9
Pria Administrasi 2.25 8
Pria Manajer 4.8 9
Pria Manajer 5.5 10
Pria Manajer 5.31 9
Pria Administrasi 2.19 8
Pria Manajer 7.81 9
Pria T.Keamanan 4.6 9
Pria Manajer 4.53 9
Pria Manajer 5.66 10
Pria Administrasi 4.11 9
Pria Manajer 8.25 11
Wanita Administrasi 5.4 10
Wanita Administrasi 2.64 7
Wanita Administrasi 3.39 8
Wanita Administrasi 2.42 8
Wanita Administrasi 2.93 8
Wanita Administrasi 2.76 7
Wanita Administrasi 2.3 6
Wanita Administrasi 3.48 7
Wanita Administrasi 5.1 8
Wanita Administrasi 2.43 8
Wanita Administrasi 2.48 7
Wanita Administrasi 2.3 6
Wanita Administrasi 2.51 8
Pria Administrasi 2.6 8
Pria Administrasi 3.17 9
Pria Administrasi 2.42 7
Pria Manajer 7.25 10
Pria Manajer 6.88 10
Wanita Administrasi 1.62 5
Wanita Administrasi 2.01 8
Wanita Administrasi 2.4 9
Wanita Administrasi 2.6 7
Wanita Administrasi 2.46 8
Wanita Administrasi 2.85 8
Pria T.Keamanan 3.08 9
Pria Administrasi 4.02 10
Pria T.Keamanan 3 8
Wanita Administrasi 2.21 7
Pria Manajer 7.83 10
Keterangan Keterangan
Pria 1 Administrasi 1
Wanita 2 Keamanan 2
Manajer 3
Output
Oneway
Descriptives
Gaji
Levene
Statistic df1 df2 Sig.
16.914 2 97 .000
ANOVA
Gaji
Sum of
Squares Df Mean Square F Sig.
Multiple Comparisons
Dependent Variable:Gaji
95% Confidence
Mean Interval
Gaji
Jenis 0.05
Pekerjaan N 1 2
T.Keamanan 5 3.3680
Manajer 19 5.7774
3. Output ANOVA: Hal ini dilakukan untuk menguji apakah ketiga sampel mempunyai
rata-rata gaji yang sama atau tidak.
a. Hipotesis
Ho= Ketiga rata-rata populasi gaji adalah identik
H1= Ketiga rata-rata populasi gaji tidak identik
Berdasarkan perbandingan F hitung dengan F tabe1
Jika statistik hitung (angka F output) >statistic tabel (tabel F) maka Ho
ditolak.
Jika Statistik hitung (angka F output) < Statsitik tabel (tabe1 F) maka Ho
diterima.
Hasil output F hitung sebesar 37.805 dengan tingkat signifikansi α5%
Numerator adalah (jumlah variable-1) atau 3-1 = 2 dan Denumerator adalah
(jumlah kasus-jumlah variabel) atau 100-3 = 97 maka nilai F tabel adalah = 3.09.
Karena F hitung terletak pada daerah penolakan Ho, maka dapat disimpulkan
bahwa rata-rata sampel gaji ketiga varians pegawai berbeda secara nyata.
4. OutputUji Post Hoc; setelah diketahui terdapat perbedaan besarnya gaji rata-rata
ketiga bidang kerja karyawan, maka akan dicari mana bidang pekerjaan yang berbeda
dan yang tidak berbeda. Hal ini akan dibuktikan dengan Uji Tukey dan Bonferroni.
Sebagai pedoman ada tidaknya perbedaan rata-rata besarnya gaji dari ketiga jenis
pekerjaan ditentukan oleh tanda BINTANG (*) yang terdapat pada kolom mean
difference. Jika tanda (*) terdapat pada means difference, maka perbedaan angka tersebut
signifikan, sebaliknya jika tidak terdapat tanda (*) maka angka tersebut tidak signifikan.
Dari output multiple comparison, pada kolom mean differencedengan Uji Tukey
maupun Bonferroni yang tidak memiliki tanda (*) yaitu antara (administrasi dengan
keamanan) artinya besarnya rata-rata gaji kedua bagian pekerjaan tersebut tidak memiliki
perbedaan. Sedangkan antara (manajer dengan administrasi dan manajer dengan
keamanan) mempunyai rata-rata gaji yang berbeda, karena kedua hasil uji tersebut
memiliki tanda (*).
Apakah keempat warna permen tersebut disukai oleh pembeli secara merata?
Jawab:
Uji yang sesuai adalah uji chi-square.
Hipotesis:
Ho: Keempat warna permen disukai oleh pembeli secara merata.
Ha: Setidaknya ada warna permen yang lebih disukai oleh pembeli daripada satu warna
permen yang lain.
Langkah:
1. Input data.
2. Klik dataWeight Cases Weight Cases byisikan variabel jumlah pada kotak
frequency variableOk.
3. Klik AnalyseNon parametric testChi-Square.
4. Masukkan variabel warna pada kotak test variable listOk.
Output:
Warna
Observed Expected
N N Residual
Test Statistics
Warna
Chi-Square 13.520a
Df 3
Asymp. Sig. .004