SOFTWARE APPLICATIONS

terdapat 2 aplikasi software yang biasa digunakan dalam memproses dan menganalisis data, yaitu
berupa SPSS dan EXCEL yang memiliki program untuk menghitung Distribusi Frekuensi (Frequency
Distributions), melakukan Tabulasi Silang (Cross Tabulations), dan Menguji Hipotesis (Testing
Hypotheses).

SPSS WINDOWS
SPSS (Statistical Package for the Social Sciences) adalah perangkat lunak yang dirancang khusus untuk
melakukan analisis statistik dan pengolahan data. SPSS menyediakan berbagai fitur dan alat yang
memungkinkan pengguna untuk mengimpor, mengelola, menganalisis, dan melaporkan data dengan
mudah

LANGKAH-LANGKAH DALAM MENJALANKAN PROGRAM SPSS: (steps for running the SPSS
programs).
Menggunakan SPSS untuk mencari hasil frequencies : (contoh mencari frequencies dari data attitude
toward Tommy Hilfiger (see Table 11.1) and for plotting the histogram (see Figure 11.3))

- (Frequencies) :
Berikut adalah langkah-langkah menggunakan SPSS untuk menghitung frekuensi:

1. Buka program SPSS dan buka file data yang akan digunakan untuk menghitung frekuensi.
2. Setelah membuka file data, pergi ke menu "Analyze" di bagian atas layar.
3. Dalam menu "Analyze", pilih opsi "Descriptive Statistics" dan kemudian pilih "Frequencies".
4. Jendela "Frequencies" akan muncul. Pilih variabel yang ingin Anda hitung frekuensinya dan
pindahkan ke bagian "Variable(s)" menggunakan tombol panah.
5. Jika Anda ingin melihat statistik deskriptif tambahan seperti rata-rata, median, dll., Anda dapat
memilih opsi tersebut di bagian "Statistics".
6. Pada bagian "Charts", Anda dapat memilih untuk membuat grafik frekuensi yang akan
ditampilkan bersamaan dengan output frekuensi “Histogram”.
7. Setelah memilih opsi yang diinginkan, klik "OK" untuk menjalankan analisis frekuensi.
8. Output hasil analisis frekuensi akan muncul dalam jendela "Output Viewer". Anda akan melihat
tabel yang menunjukkan frekuensi, persentase, dan statistik lainnya untuk variabel yang dipilih.
9. Anda juga dapat mengekspor output frekuensi ke dalam format file yang berbeda, seperti file
Excel atau file teks, dengan memilih opsi "Export" di menu "File" di bagian atas layar.
Menggunakan SPSS untuk mencari hasil cross tabulations : (contoh menjalankan cross-tabulation dari
data gender and usage of Tommy Hilfiger clothing given in Table 11.4 and for calculating the chi-
square, contingency coefficient, and Cramer’s V.)

- (Cross Tabulations) :
Berikut adalah langkah-langkah menggunakan SPSS untuk menghitung tabulasi silang:

1. Buka program SPSS dan buka file data yang akan digunakan untuk menghitung tabulasi silang.
2. Setelah membuka file data, pergi ke menu "Analyze" di bagian atas layar.
3. Dalam menu "Analyze", pilih opsi "Descriptive Statistics" dan kemudian pilih "Crosstabs".
4. Jendela "Crosstabs" akan muncul. Pilih variabel yang akan dijadikan variabel baris (row variable)
dan pindahkan ke bagian "Rows" menggunakan tombol panah. Pilih variabel yang akan dijadikan
variabel kolom (column variable) dan pindahkan ke bagian "Columns".
5. Jika Anda ingin melihat persentase, frekuensi, atau statistik lainnya untuk tabulasi silang, Anda
dapat memilih opsi tersebut di bagian "Statistics".
6. Pada bagian "Cells", Anda dapat memilih opsi apa yang ingin ditampilkan di dalam sel-sel
tabulasi silang, seperti frekuensi, persentase baris, persentase kolom, atau persentase kolom
total.
7. Jika Anda ingin membuat grafik untuk tabulasi silang, Anda dapat memilih opsi "Charts" dan
memilih jenis grafik yang diinginkan.
8. Setelah memilih opsi yang diinginkan, klik "OK" untuk menjalankan analisis tabulasi silang.
9. Output hasil analisis tabulasi silang akan muncul dalam jendela "Output Viewer". Anda akan
melihat tabel yang menunjukkan tabulasi silang berdasarkan variabel baris dan kolom yang
dipilih.
10. Anda juga dapat mengekspor output tabulasi silang ke dalam format file yang berbeda, seperti
file Excel atau file teks, dengan memilih opsi "Export" di menu "File" di bagian atas layar.

EXCEL
Excel adalah perangkat lunak spreadsheet yang dapat membuat, mengelola, dan menganalisis data
secara efisien menggunakan fitur-fitur seperti sel-sel spreadsheet, rumus matematika dan fungsi,
pengaturan data, grafik, dan pengguna dapat melakukan perhitungan, visualisasi, dan analisis data
serta alat pengolahan data lainnya.

LANGKAH-LANGKAH DALAM MENJALANKAN PROGRAM EXCEL: (steps for running the EXCEL
programs).
Menggunakan EXCEL untuk mencari hasil frequencies : (contoh mencari frequencies dari data attitude
toward Tommy Hilfiger (see Table 11.1))
- (Frequencies) :
1. Di kolom E, masukkan kolom baru dengan label "BIN." Isi sel E2 hingga E8 dengan angka 1 hingga
7.
2. Pilih tab DATA.
3. Pada grup ANALYSIS, pilih DATA ANALYSIS.
4. Jendela DATA ANALYSIS akan muncul.
5. Pilih HISTOGRAM dari jendela DATA ANALYSIS.
6. Klik OK.
7. Jendela HISTOGRAM akan muncul di layar.
8. Jendela HISTOGRAM terbagi menjadi dua bagian:
a. INPUT
b. OUTPUT OPTIONS
9. Bagian INPUT meminta dua input.
a. Di bawah INPUT, klik dalam kotak INPUT RANGE dan pilih (sorot) semua empat puluh lima
baris (sel D2 hingga D46) di bawah ATTITUDE. " $D$2:$D$46 " harus muncul di kotak rentang
input.
b. Di kotak BIN RANGE, pilih (sorot) semua tujuh baris (sel E2 hingga E8) di bawah BIN. "
$E$2:$E$8 " harus muncul di kotak BIN RANGE.
10. Pada bagian OUTPUT OPTIONS jendela pop-up, pilih opsi berikut:
a. NEW WORKBOOK
b. CUMULATIVE PERCENTAGE
c. CHART OUTPUT
11. Klik OK.

Menggunakan EXCEL untuk mencari hasil cross tabulations : (contoh menjalankan cross-tabulation
dari data gender and usage of Tommy Hilfiger clothing given in Table 11.4.)

- (Cross Tabulations) :
1. Pilih INSERT (Alt + N).
2. Klik pada PIVOT TABLE. Jendela CREATE PIVOT TABLE akan muncul.
3. Pilih kolom A hingga D dan baris 1 hingga 46; " $A$1:$D$46 " harus muncul di kotak range.
4. Pilih NEW WORKSHEET dalam jendela CREATE PIVOT TABLE.
5. Klik OK.
6. Seret variabel ke tata letak di sebelah kiri dengan format berikut:
7. Klik kanan pada SUM OF CASENO di pojok kanan bawah. Pilih "VALUE FIELD SETTINGS."
8. Di bawah "SUMMARIZE VALUE FIELD BY," pilih COUNT.
9. Klik OK.

CHAPTER 12 (Data Analysis: Hypothesis Testing Related to Differences, Correlation, and Regression)

HYPOTHESES TESTING RELATED TO DIFFERENCES

(Pengujian Hipotesis Terkait Perbedaan)

Prosedur-prosedur ini terkait dengan memeriksa perbedaan dalam rata-rata (means) atau proporsi
(proportions).

Pertama, kita fokus pada prosedur pengujian hipotesis yang memeriksa perbedaan dalam rata-rata
(means). Prosedur-prosedur ini juga disebut uji parametrik karena mengasumsikan bahwa variabel-
variabel yang diminati bersifat metrik. (Uji parametrik merupakan : Prosedur pengujian hipotesis yang
mengasumsikan bahwa variabel-variabel yang diminati diukur setidaknya pada skala interval.)
Variabel metrik diukur pada skala interval atau rasio. CONTOHNYA : (misalnya, rata-rata rumah
tangga menghabiskan lebih dari $100 per bulan untuk layanan telepon seluler. Pengeluaran bulanan
untuk layanan telepon seluler diukur pada skala rasio.)

Uji parametrik yang paling populer adalah uji t (test of difference) yang dilakukan untuk memeriksa
hipotesis tentang rata-rata (means). Uji t dapat dilakukan pada rata-rata satu sampel atau dua sampel
pengamatan. Dalam kasus dua sampel, sampel-sampel tersebut dapat berupa independen atau
berpasangan.

Hipotesis terkait dengan perbedaan membandingkan dua variabel yang berbeda satu sama lain.
Lakukan uji t untuk memeriksa hipotesis tentang rata-rata satu sampel atau dua sampel pengamatan.
Dalam kasus dua sampel, sampel-sampel tersebut bisa independen atau berpasangan.

THE t DISTRIBUTION
Distribusi t (t distributions) adalah salah satu distribusi probabilitas yang digunakan dalam statistika
inferensial. Distribusi ini sering digunakan dalam pengujian hipotesis ketika sampel yang digunakan
relatif kecil dan deviasi standar populasi tidak diketahui.
Distribusi t (t distributions) memiliki bentuk mirip dengan distribusi normal, namun dengan sedikit
"arah" yang lebih luas. Bentuk distribusi t dipengaruhi oleh derajat kebebasan (degrees of freedom),
yang berkaitan dengan ukuran sampel. Semakin besar derajat kebebasan, semakin mendekati
distribusi normal.
Uji parametrik memberikan kesimpulan untuk membuat pernyataan tentang rata-rata populasi. Uji t
umum digunakan untuk tujuan ini (t Test : yaitu Uji hipotesis menggunakan distribusi t, yang
digunakan ketika mean (rata-rata) diketahui, deviasi standar tidak diketahui, dan diestimasi dari
sampel.) Statistik t (t Statistics : adalah statistik yang mengasumsikan variabel memiliki distribusi
simetris berbentuk lonceng; mean diketahui (atau diasumsikan diketahui); dan varians populasi
diestimasi dari sampel.) dihitung dengan mengasumsikan bahwa variabel tersebut terdistribusi secara
normal, mean diketahui, dan varians populasi diestimasi dari sampel. Kesalahan standar (Standard
Error : merupakan Standar deviasi dari mean atau proporsi.) (Standar deviasi adalah ukuran statistik
yang menggambarkan sejauh mana data tersebar di sekitar mean atau rata-rata. Secara matematis,
standar deviasi merupakan akar kuadrat dari varians. Standar deviasi digunakan untuk mengukur
tingkat dispersi atau variasi dalam sekumpulan data. Semakin besar nilai standar deviasi, semakin
besar variasi atau penyebaran data di sekitar mean. Sebaliknya, semakin kecil nilai standar deviasi,
semakin sedikit variasi atau penyebaran data di sekitar mean.)

Hypothesis Testing Based on the t Statistic :

1. Merumuskan hipotesis nol (H0) dan hipotesis alternatif (H1).

2. Memilih rumus yang tepat untuk statistik t.
3. Memilih tingkat signifikansi, α (alpha), untuk menguji H0. Biasanya, tingkat 0,05 dipilih.
4. Mengambil satu atau dua sampel dan menghitung rata-rata dan standar deviasi untuk setiap
sampel. Selanjutnya hitung statistik t dengan mengasumsikan H0 benar. Kemudian Menghitung
derajat kebebasan.
5. Memperkirakan probabilitas untuk mengamati nilai statistik uji yang lebih daripada nilai yang
sebenarnya diamati, dengan mengasumsikan bahwa hipotesis nol benar. Ini juga disebut nilai p
(p Value). Dalam SPSS dan Excel, probabilitas ini ditentukan secara otomatis oleh perangkat
lunak.
6. Membandingkan probabilitas yang dihitung pada Langkah 5 dengan tingkat signifikansi yang
dipilih pada Langkah 3. perlu di Perhatikan bahwa nilai p harus dibandingkan dengan α atau α/2.
Harus dibandingkan dengan α (alpha) untuk uji satu arah dan α/2 untuk uji dua arah.
7. Mengambil keputusan statistik untuk menolak atau tidak menolak hipotesis nol. Jika probabilitas
yang dihitung pada Langkah 5 (p Value) lebih kecil dari tingkat signifikansi yang sesuai (α atau
α/2) yang dinyatakan pada Langkah 6, menolak H0. Jika probabilitas lebih besar, tidak menolak
H0. Tidak menolak H0 tidak selalu berarti bahwa H0 benar. Ini hanya berarti bahwa keadaan
sebenarnya tidak signifikan berbeda dari yang diasumsikan oleh H0.
8. Mengungkapkan kesimpulan yang dicapai oleh uji t dalam hal masalah penelitian pemasaran.

One-Sample Test :

One sample test adalah jenis pengujian hipotesis statistik yang digunakan untuk membandingkan
rata-rata (means) atau proporsi (proportions) suatu sampel dengan nilai yang diketahui atau
diharapkan. Pada pengujian ini, hanya ada satu kelompok atau sampel yang diamati, dan
dibandingkan dengan nilai yang telah ditentukan sebelumnya. Tujuan dari one sample test adalah
untuk menentukan apakah nilai rata-rata atau proporsi sampel tersebut secara signifikan berbeda
atau tidak dari nilai yang diharapkan atau yang telah ditentukan sebelumnya.

Mean :
Mean pada uji satu sampel digunakan untuk memperoleh informasi tentang rata-rata populasi yang
diuji. Dalam konteks pengujian hipotesis, kita membandingkan mean sampel dengan nilai yang
dihipotesiskan untuk populasi (misalnya, mean populasi yang diketahui atau nilai-nilai yang telah
ditetapkan sebelumnya). Melalui perbandingan ini, kita dapat menentukan apakah ada perbedaan
signifikan antara mean sampel dan nilai yang dihipotesiskan.

Dalam proses uji satu sampel, kita menghitung mean sampel dari data yang kita miliki. Kemudian,
menggunakan teknik statistik yang tepat (misalnya, uji t satu sampel), kita membandingkan mean
sampel tersebut dengan nilai yang dihipotesiskan. Hasilnya memberikan informasi apakah mean
sampel secara signifikan berbeda atau tidak dari nilai yang dihipotesiskan.

Dalam interpretasi hasil uji satu sampel, jika mean sampel secara signifikan berbeda dari nilai yang
dihipotesiskan, maka kita dapat menolak hipotesis nol dan menyimpulkan bahwa terdapat perbedaan
yang signifikan antara sampel dan populasi yang dihipotesiskan. Namun, jika mean sampel tidak
secara signifikan berbeda dari nilai yang dihipotesiskan, maka kita tidak dapat menolak hipotesis nol
dan menyimpulkan bahwa tidak ada perbedaan yang signifikan antara sampel dan populasi yang
dihipotesiskan.

Contoh pada bab ini, hipotesis bahwa rata-rata penilaian dari pria untuk semua ulasan melebihi 5.0
akan diuji menggunakan uji t satu sampel.

(rata rata penilaian dari pria untuk semua ulasan = 5.0)

(rata rata penilaian dari pria untuk semua ulasan tidak = 5.0)
Uji t satu sampel ini dilakukan menggunakan program statistik. Hasilnya dijelaskan dalam Tabel 12.2.
Dapat dilihat dari Tabel 12.2 bahwa rata-rata preferensi dari sampel 1 sebelum masuk ke taman
adalah 5.5 dengan standar deviasi sebesar 1.08. Nilai t adalah 1.46. Dengan derajat kebebasan
sebanyak 9 (n - 1), probabilitas memperoleh nilai t yang lebih ekstrem (yaitu p Value) adalah 0.177,
yang lebih besar dari 0.025 untuk uji dua arah. Oleh karena itu, hipotesis nol tidak dapat ditolak.
Dengan kata lain, rata-rata preferensi dari sampel 1 sebelum masuk ke taman tidak berbeda dari 5.0.
Berdasarkan hasil tersebut, preferensi remaja tidak berubah sejak survei terakhir. Perlu diperhatikan
bahwa angka 5.5 tidak secara signifikan berbeda dengan 5.0. Hal ini disebabkan oleh standar deviasi
yang relatif besar dan ukuran sampel yang relatif kecil.

Proportions :
Proporsi pada uji satu sampel digunakan untuk memperoleh informasi tentang proporsi atau
persentase populasi yang diuji. Dalam konteks pengujian hipotesis, kita membandingkan proporsi
sampel dengan nilai yang dihipotesiskan untuk populasi (misalnya, proporsi populasi yang diketahui
atau nilai-nilai yang telah ditetapkan sebelumnya). Melalui perbandingan ini, kita dapat menentukan
apakah ada perbedaan signifikan antara proporsi sampel dan nilai yang dihipotesiskan.

Dalam proses uji satu sampel untuk proporsi, kita menghitung proporsi sampel dari data yang kita
miliki. Kemudian, menggunakan teknik statistik yang tepat (misalnya, uji z atau uji binomial satu
sampel), kita membandingkan proporsi sampel tersebut dengan nilai yang dihipotesiskan. Hasilnya
memberikan informasi apakah proporsi sampel secara signifikan berbeda atau tidak dari nilai yang
dihipotesiskan.

Dalam interpretasi hasil uji satu sampel untuk proporsi, jika proporsi sampel secara signifikan berbeda
dari nilai yang dihipotesiskan, maka kita dapat menolak hipotesis nol dan menyimpulkan bahwa
terdapat perbedaan yang signifikan antara sampel dan populasi yang dihipotesiskan dalam hal
proporsi. Namun, jika proporsi sampel tidak secara signifikan berbeda dari nilai yang dihipotesiskan,
maka kita tidak dapat menolak hipotesis nol dan menyimpulkan bahwa tidak ada perbedaan yang
signifikan antara sampel dan populasi yang dihipotesiskan dalam hal proporsi.