12 Terapan Statistik Uji Hubungan Dengan SPSSPDF 1686095520

PROGRAM STUDI TEKNIK SIPIL FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS MUHAMMADIYAH SUKABUMI
BAB 12
TERAPAN STATISTIK UJI
HUBUNGAN DENGAN SPSS
➢ Koefisien Kontingensi (C)
➢ Koefisien Phi Pearson
➢ Korelasi Spearman
➢ Koefisien Korelasi Moment Product Pearson (r)
➢ Regresi Linear Sederhana
➢ Uji Regresi Sederhana dengan IBM SPSS
UNGGUL DALAM KEILMUAN DAN KEISLAMAN www.sipil.ummi.ac.idPage 1
KOEFISIEN KONTINGENSI
▪ Kegunaan Uji Z test untuk Uji Beda Proporsi
⁻ Menguji kuat lemah hubungan tabel 2 x 2 atau lebih
⁻ Mengetahui kemaknaan (signifikansi) hubungan tabel 2 x 2 atau lebih
▪ Persyaratan
⁻ Data berskala nominal atau ordinal
⁻ Sangat bagus untuk masing-masing kategori lebih dari dua
▪ Rumus C
UNGGUL DALAM KEILMUAN DAN KEISLAMAN Dosen Pengampu Statistik Probabilitas: Siti Muawanah Robial, M.Si Page 2
Contoh. 1
Suatu hasil tentang perumahan penduduk didapatkan data sebagai berikut:
Penyelesaian
a) Hipotesis :
H 0 : C = 0 ; tidak ada hubungan antara ventilasi dengan adanya kasus ISPA
H1: C  0 ; ada hubungan antara ventilasi dengan adanya kasus ISPA
b) Nilai signifikansi  = 10% = 0, 01
Contoh. 1 Penyelesaian
c) Rumus Statistik Uji:
d) Hitung statistik penguji
c) Rumus Statistik Uji:
Maka kategori hubungan LEMAH

e) Df = (r-1)(c-1)=(2-1)(3-1)
f) Nilai tabel,
X 2 ,  = 0,10; df = 2 = 4, 61
g) Daerah Penolakan
⁻ Menggunakan Gambar
⁻ Menggunakan Rumus
g) Kesimpulan: Tidak ada hubungan antara ventilasi dengan adanya kasus

ISPA, pada  = 10%
KOEFISIEN KONTINGENSI DENGAN SPSS
▪ Langkah pertama menginputkan data dari excel ke SPSS dan kemudian
mengklasifikasikan data dari setiap kategori tersebut
▪ Tampilan dari data view akan terlihat seperti berikut
▪ Langkah ketiga menginputkan variable frekuensi ke dalam data dengan klik
menu Data → Weight Cases
▪ Langkah selanjutnya adalah memulai analisis dengan klik Analyze →
Descriptive Statistic → Croostab
▪ Maka output yang dihasilkan memberikan 4 tabel yang berbeda dengan
informasi yang dapat dijadikan sebagai interpretasi hasil
▪ Interpretasi
o Pada tabel pertama menampilkan statistic deskriptif dengan jumlah
total data sebesar 124
o Pada tabel kedua ditampilkan data awal yang sesuai dengan data asli
o Pada tabel ketiga dalam chi square test memberikan nilai chi square
atau dalam analisis manual adalah 𝒙𝟐 yaitu sebesar 1,206 hasil ini sama
dengan yang diperoleh dalam analisis secara analitik atau manual,
selanjutnya terdapat nilai sig sebesar 0,547 > 0,05 (∝=5%) dengan
demikian H0 diterima
o Pada tabel terakhir menampilkan nilai koefisien kontingensi yaitu
sebesar 0,098 atau dapat dibulatkan menjadi 0,1
o Kesimpulannya Tidak terdapat hubungan antara ventilasi dengan
adanya kasus ISPA pada ∝=5%
KOEFISIEN PHI PEARSON
Contoh. 2
Suatu hasil tentang pengalam kerja dan produktivitas didapatkan data sebagai berikut:
Penyelesaian
a) Hipotesis :
H 0 :  = 0 ; tidak ada hubungan antara pengalaman kerja dengan produktivitas
H1:   0 ; ada hubungan antara pengalaman kerja dengan produktivitas
b) Nilai signifikansi  = 2,5% = 0, 025
c) Rumus Statistik Penguji
c) Rumus Statistik Penguji
g) Kategori hubungan sedang
e) Df = (r-1)(c-1)=(2-1)(2-1)=1
f) Nilai tabel, X pada distribusi Chi Square
X 2 = 5,96;  = 0, 025; df = 1 = 5, 024
g) Daerah Penolakan
g) Kesimpulan: terdapat hubungan yang bermakna antara pengalaman kerja

dengan produktivitas pada  = 2,5%
KOEFISIEN PHI PEARSON DENGAN SPSS
Pada koefisien phi pearson cara kerjanya sama seperti analisis dalam menentukan
koefisien kontingensi, setelah diinput data maka frekuensi data di spesifikasikan dalam
data → weight selanjutnya dalam analisis dengan Klik Analyze → Deskriptive Statistic →
crosstabe dan selanjutnya diatur pemilihan koefisien dalam menu Statistics
Output yang dihasilkan diperoleh empat tabel seperti halnya pada penentuan koefisien
kontingensi
▪ Interpretasi
o Pada tabel pertama menampilkan statistic deskriptif dengan jumlah total
data sebesar 66
o Pada tabel kedua ditampilkan data awal yang sesuai dengan data asli
o Pada tabel ketiga dalam chi square test memberikan nilai chi square atau
dalam analisis manual adalah 𝒙𝟐 yaitu sebesar 7,279 hasil ini sama
dengan yang diperoleh dalam analisis secara analitik atau manual,
selanjutnya terdapat nilai sig sebesar 0,007 < 0,05 (∝=5%) dengan
demikian H0 ditolak dan H1 diterima
o Pada tabel terakhir menampilkan nilai koefisien kontingensi yaitu sebesar
0,332
o Kesimpulannya adalah terdapat hubungan yang bermakna antara
pengalaman kerja dengan produktivitas pada ∝=5%
KOEFISIEN KORELASI SPEARMAN (R)
▪ Kegunaan
⁻ Menguji signifikasi hubungan dua variable
⁻ Mengetahui kuat lemahnya hubungan
▪ Persyaratan
⁻ Data berskala ordina, interval atau rasio
▪ Rumus (rho)
Contoh. 3
Berdasarkan hasil penelitian hubungan tingkat pengetahuan kelompok masyarakat
dengan insiden diare didapatkan data sebagai berikut:
Selidikilah
dengan alpha =
5%, apakah ada
hubungan
negatif antara
tingkat
pengetahuan
masyarakat
dengan insiden
diare?
a ) Hipotesis :
H 0 : rho = 0 ; tidak ada hubungan antara pengetahuan dengan insiden daire
H1: rho  0 ; ada hubungan antara pengetahuan dengan insiden daire
b) Nilai signifikansi  = 5% = 0, 05
6 D 2
c) Rumus uji statistik; Rhoxy = 1 −
(
N N 2 −1 )
Contoh. 3 Penyelesaian d) Hitung statistik penguji
Kategori hubungan sangat kuat

d) Df/Db/Dk → Df = N = 14
e) Nilai tabel, pada tabel Rho diperoleh uji satu sisi:
 = 5%; Df = 14; Nilai Rho Tabel = 0, 456
f) Daerah Penolakan
− 0,92  0, 456 ; maka H 0 ditolak, dan H1 diterima
g) Kesimpulan: semakin tinggi tingkat pengetahuan semakin rendah insiden
diare, pada  = 5%
KOEFISIEN KORELASI SPEARMAN (R) DENGAN SPSS
Tahap pertama sama seperti sebelumnya yaitu menginputkan data dari excel ke spss
dan mengkalsifikasikan Rerata Pengetahuan dan pada data view tampak seperti berikut
Tahap selanjutnya adalah analisis dengan memilih pada menu Analyze → Correlate →
Bivariate, kemudian masukkan Rerata pengetahuan dan Insiden Diare pada kotak
Variables
Bivariate, kemudian masukkan Rerata pengetahuan dan Insiden Diare pada kotak
Variables beri tanda ceklist pada Spearman, Two-Tailed dan Flag Significant correlations
Output yang dihasilkan adalah sebagai berikut
Interpretasi
o Dapat dilihat pada tabel tersebut nilai koefisien korelasi Spearman sebesar -
0,588 yang artinya hubungan antara kedua variable tersebut tergolong
cukup kuat dengan N jumlah data sebanyak 14
o Selanjutnya dapat dilihat nilai Sig sebesar 0,027 < 0,05 (∝=5%)
o Dengan demikian H0 ditolak artinya terdapat hubungan antara
pengetahuan masyarakat dengan tinggi rendahnya insiden Diare atau
semakin tinggi tingkat pengetahuan maka akan semakin rendah insiden
diare yang terjadi pada ∝=5%
KOEFISIEN KORELASI MOMENT PRODUCT
PEARSON (R)
▪ Kegunaan
⁻ Menguji signifikansi hubungan dua variable
⁻ Mengetahui kuat lemahnya hubungan
▪ Persyaratan → data berskala interval dan rasio dan Data Berdistribusi
Normal
▪ Rumus r
PEARSON (R)
Contoh. 4
Suatu penelitian yang mengkaitkan antara kualitas air (parameter pH) dengan jarak
sumber air dengan sumber pencemar, didapatkan data sebagai berikut :
Selidikilah dengan apha = 1%, apakah semakin jauh jarak sumber air dengan sumber
pencemar diikuti dengan semakin tinggi pH ?
PEARSON (R)
Contoh. 4
PEARSON (R)
PEARSON (R)
d) Df/Db/Dk → Df = N − 1 = 30 − 1 = 29
e) Nilai tabel, pada tabel r Moment Product Pearson:
Uji Satu Sisi →  = 1%; Df = 29; Nilai r tabel = 0, 416
f) Daerah Penolakan
0,929  0, 416 ; maka H 0 ditolak, dan H1 diterima
g) Kesimpulan: Semakin jauh jarak sumber air dengan sumber pencemar
diikuti dnegan semakin tinggi pH, pada  = 1%
PEARSON (R) DENGAN SPSS
Langkah pertama menginputkan data dari excel ke SPSS
Bivariate, kemudian masukkan data Jarak dan Ph pada kotak Variables
beri tanda ceklist pada Pearson, Two-Tailed dan Flag Significant correlations kemudian
klik Ok maka akan menampilkan hasil output sebagai berikut
Interpretasi
o Dapat dilihat pada tabel tersebut nilai koefisien korelasi Moment Product Pearson
sebesar 0,929 yang artinya hubungan antara kedua variable tersebut tergolong
sangat kuat dengan N jumlah data sebanyak 30
o Selanjutnya dapat dilihat nilai Sig sebesar 0,000 < 0,05 (∝=5%)
o Dengan demikian H0 ditolak artinya terdapat hubungan antara jarak sumber air
dengan sumber pencemar atau semakin jauh jarak sumber air dengan sumber
pencemar maka akan semakin baik kualitas air atau semakin tinggi Ph air pada
∝=5%
REGRESI
▪ Persamaan Regresi merupakan persamaan matematik yang
memungkinkan seorang peneliti meramalkan nilai-nilai suatu peubah
takbebas dari nilai-nilai satu atau lebih peubah bebas.
▪ Regresi bertujuan untuk menguji pengaruh antara variabel satu dengan
variable lain. Varibel yang dipengaruhi disebut variabel tergantung atau
dependen, sedangkan variabel yang mempengaruhi disebut variabel
bebas atau variabel independent.
▪ Sebagai contoh Hubungan antara IQ mahasiswa dengan IPKnya, dapat
dikatakan sebagai hubungan kausal, hubungan antara kepemimpinan
dengan kepuasan kerja pegawai dapat dikatakan sebagi hubungan yang
fungsional. Hubungan antara kupu-kupu yang datang dengan banyaknya
tamu di rumah bukan merupakan hubungan kausal maupun fungsional
REGRESI
▪ Peneliti dapat menggunakan analisis regresi bila ingin diketahui
bagaimana variabel dependent (tidak bebas) dapat diprediksikan melalui
variabel independent (variabel bebas/prediktor) secara individual.
Dampak dari penggunaan analisis regresi dapat digunakan untuk
memutuskan apakah naik dan menurunnya variabel dependent dapat
dilakukan dengan menaikkan dan menurunkan variabel independent.
▪ Saat ini istilah regresi diterapkan pada semua jenis peramalan. Dan tidak
harus berimplikasi suatu regresi mendekati nilai tengah dari populasi.
▪ Dalam hal ini akan dibicarakan masalah pendugaan atau peramalan nilai
peubah takbebas Y berdasarkan peubah bebas X yang telah diketahui
nilainya.
REGRESI LINEAR SEDERHANA
▪ Dalam regresi linier, nilai-nilai Y diperoleh dari beberapa populasi, setiap

populasi itu ditentukan oleh nilai X tertentu. Keacakan Y diperlukan agar teori
peluang dapat diterapkan. Selain itu juga diasumsikan bahwa populasi-
populasi Y itu menyebar normal dengan ragam yang sama.
▪ Variabel Y itu disebut variabel tidak bebas, karena setiap niali Y bergantung
pada populasi yang diambil contohnya. Peubah X disebut variabel bebas atau
argument.
▪ Regresi linear sederhana memiliki satu variable dependen dan satu variable
independent. Model persamaan regresi linear sederhana sebagai berikut:
Y = a + bX
▪ Keterangan: a = intersep atau perpotongan dengan sumbu tegak
b = kemiringan atau gradiennya
x = variabel / peubah bebas / independent
y = variabel / peubah tak bebas / dependent
Nilai StatProb
▪ Sebagai contoh misalnya ingin meramalkan nilai Mahasiswa Skor Test (X)
(Y)
STatProb mahasiswa tingkat persiapan berdasarkan 1 65 85
2 50 74
skor tes intelegensia yang diberikan sebelum mulai
3 55 76
kuliah. 4 65 90
5 55 83
▪ Bila nilai dengan titik bagi a dan b telah diperoleh dari
6 70 87
data contoh, maka garis regresinya dapat digunakan 7 65 94
untuk meramalkan nilai y padanan suatu nilai x tertentu 8 70 98
9 55 81
▪ Tentu saja nilai ramalan y ini merupakan nilai dugaan 10 70 91
titik bagi y, sehingga kecil sekali kemungkinannya 11 50 76
12 55 74
persis sama. Walaupun berharap keduanya berdekatan.
Nilai StatProb (Y)

120
100
80
NILAI STATPROB
60
40
20
0
0 20 40 60 80
SKOR TEST INTELEGENSI
▪ Dengan menggunakan garis regresi pada grafik di atas, maka kita meramalkan nilai
StatProb sebesar 88 bagi mahasiswa yang skor test intelegensinya 65. tetapi tentu sangat
kebetulan bila seorang mahasiswa dengan skor test intelegensi 65 memperoleh nilai
StatProb 88.
▪ Karena pada data asli dalam table menunjukkan bahwa 3 mahasiswa dengan skor test
inetelegensi 65 memperoleh nilai kimia 85, 90 dan 94.
▪ Oleh karena itu, kita harus menafsirkan nilai StatProb ramalan sebesar 88 sebagai suatu
nilai rata-rata atau nilai harapan bagi semua mahasiswa yang mengambil kuliah ini dan
skor test intelegensinya 65.
▪ Bagaimana memperoleh rumus untuk menentukan nilai dugaan titik bagi a dan b
berdasarkan data contoh. Untuk itu digunakan prosedur yang disebut metode kuadrat
terkecil.
▪ Untuk menentukan nilai a dan b sehingga jumlah kuadrat galat (JKG) minimum dapat
digunakan kalkulus diferensial. Tetapi itu tidak akan kita lakukan disini dan akan
mencantumkan nilai akhirnya saja.
▪ Maka diperoleh rumus untuk menentukan a dan b adalah sebagai berikut:
▪ Keterangan: a = y − bx
x = rata-rata dari variabel x n n n
y = rata-rata dari variabel y n xi yi −  xi  yi
n = banyaknya data b= i =1 i =1 i =1
2
i = urutan data ke 1, 2, 3, n n
  n
n xi −   xi  2
 = unsur penjumlahan i =1  i =1 
Nilai
Tentukan persamaan regresi untuk data berikut. Skor Test
Mahasiswa STATPROB
(X)
(Y)
▪ Pertama-tama buat perhitungan untuk masing-masing 1 65 85
X dan Y. 2 50 74
Nilai 3 55 76
Skor Test
Mahasiswa STATPROB X^2 Y^2 X*Y 4 65 90
(X)
(Y)
5 55 83
1 65 85 4225 7225 5525
6 70 87
2 50 74 2500 5476 3700
7 65 94
3 55 76 3025 5776 4180
8 70 98
4 65 90 4225 8100 5850
9 55 81
5 55 85 3025 7225 4675
10 70 91
6 70 87 4900 7569 6090
11 50 76
7 65 94 4225 8836 6110
12 55 74
8 70 98 4900 9604 6860
9 55 81 3025 6561 4455
10 70 91 4900 8281 6370
11 50 76 2500 5776 3800
12 55 74 3025 5476 4070
Jumlah 725 1011 44475 85905 61685
Tuliskan masing-masing rumus yang dibutuhkan untuk menghitung rumus a dan b.
n n n
x
i =1
i = 725, y
i =1
i = 1011, x y
i =1
i i = 61685,
2
n
 n
 n n
x
i =1
i
2
= 44475,   i  = 725 ,
x
 i =1 
2
x y
i =1
i
i =1
i = 725 1011,
725 1011
x= = 60, 417, y= = 84, 25
12 12
Kemudian hitung rumus a dan b
b=
(12 )( 61685 ) − ( 725 )(1011)
,
a = y − bx
(12 )( 44475 ) − ( 725 )
2
= 84, 25 − ( 0,897 )( 60, 417 )
= 0,897 = 30, 056
Maka dapat dibentuk ke dalam persamaan regresi sebagai berikut:
Y = a + bX
= 30, 056 + 0,897 x
Dengan mensubstitusikan sembarang dua nilai x ke dalam persamaan ini.

Misalkan x=50 dan x=70 maka akan diperoleh nilai dari y adalah y=74,9
dan y=92,8
REGRESI LINEAR SEDERHANA DENGAN
IBM SPSS
1. Buka program SPSS, pada variable view, klik file -> open -> Data -> pilih file (dalam
file of type pilih format excel) -> open. Maka akan muncul gambar seperti di bawah ini.
2. Pada data view akan muncul gambar beriktu
IBM SPSS
3. Cara memulai analisis, klik analyze → Regression → Linear seperti gambar di hal
berikut lalu klik OK
IBM SPSS
4. Abaikan yang lain lalu klik OK, maka diperoleh output seperti berikut
IBM SPSS
4. Abaikan yang lain lalu klik OK, maka diperoleh output seperti berikut
IBM SPSS
5. Interpretasi
a. Perumusan masalah: apakah terdapat pengaruh antara test intelegensi dan
nilai kimia mahasiswa?
b. Hipotesis
– Ho: tidak ada pengaruh antara test intelegensi dengan nilai kimia
– H1: ada pengaruh antara test intelegensi dengan nilai kimia
c. Jika sig>0,05 maka Ho diterima dan jika sig<0,05 maka Ho ditolak
d. Berdasarkan hasil diperoleh bahwa nilai sig adalah 0,000 yang berarti <0,05
maka Ho ditolak
e. Jadi berada pada daerah Ho ditolak maka ada pengaruh antara test
intelegensi terhadap nilai kimia. Setelah mengetahui ada pengaruh antara
test intelegensi terhadap nilai kimia, besar pengaruhnya dapat dilihat dari
output B yaitu 0,897
IBM SPSS
5. Interpretasi
e. Maka persamaan regresinya menjadi y = 30,056 + 0,897 x jika test
intelegensi satu tingkat maka nilai kimia sebesar 0,897.
f. Nilai R square adalah 0,744 (adalah pengkuadratan dari koefisien
korelasi atau R (0,862 x 0,862 = 0,744).
g. R square dapat disebut koefisien determinasi yang dalam hal ini
74,4% nilai kimia dipengaruhi oleh test intelegensi sebesar 74,4%,
seelihnya dipengaruhi oleh factor lain.
TUGAS
▪ Berdasarkan tugas 11 maka dengan menggunakan aplikasi SPSS hitunglah
dengan rumus-rumus uji berikut
1. Koefisien Contingensi (C)
2. Koefisien phi pearson
3. Koefisien korelasi Spearman (rho)
4. Koefisien korelasi Product moment (r)
▪ Buatlah contoh kasus bidang Teknik Sipil yang dapat ditentukan dengan
rumus Regresi dan tentukan data baru dari persamaan Regresi yang
dihasilkan
▪ Masing-masing dari mahasiswa diharapkan memiliki contoh kasus dan data
yang berbeda
If we never try, we will
never know
Jika kita tidak pernah mencoba, maaka

kita tidak akan pernah tahu.

12 Terapan Statistik Uji Hubungan Dengan SPSSPDF 1686095520

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

12 Terapan Statistik Uji Hubungan Dengan SPSSPDF 1686095520

Diunggah oleh

Hak Cipta:

Format Tersedia

PROGRAM STUDI TEKNIK SIPIL FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS MUHAMMADIYAH SUKABUMI

Suatu hasil tentang perumahan penduduk didapatkan data sebagai berikut:

d) Hitung statistik penguji

c) Rumus Statistik Uji:

d) Hitung statistik penguji

Maka kategori hubungan LEMAH

g) Kesimpulan: Tidak ada hubungan antara ventilasi dengan adanya kasus

▪ Tampilan dari data view akan terlihat seperti berikut

c) Rumus Statistik Penguji

d) Hitung statistik penguji

c) Rumus Statistik Penguji

d) Hitung statistik penguji

g) Kategori hubungan sedang

g) Kesimpulan: terdapat hubungan yang bermakna antara pengalaman kerja

d) Hitung statistik penguji

Kategori hubungan sangat kuat

Output yang dihasilkan adalah sebagai berikut

▪ Dalam regresi linier, nilai-nilai Y diperoleh dari beberapa populasi, setiap

Nilai StatProb (Y)

▪ Maka diperoleh rumus untuk menentukan a dan b adalah sebagai berikut:

Maka dapat dibentuk ke dalam persamaan regresi sebagai berikut:

Dengan mensubstitusikan sembarang dua nilai x ke dalam persamaan ini.

2. Pada data view akan muncul gambar beriktu

Jika kita tidak pernah mencoba, maaka

Anda mungkin juga menyukai