Lap Akhir - Desti Amalia Adinda - F1a021030

LAPORAN AKHIR PRATIKUM
METODE STATISTKA
Oleh:
Nama : Desti Amalia Adinda
NPM : F1A021030
Program Studi : Matematika
Fakultas : Matematika dan Ilmu Pengetahuan Alam
Dosen Pengampu : 1. Septri Damayanti, S.Si, M.Si
2. Ulfasari Rafflesia, S.Si, M.Si
Asisten Pratikum : 1. Dea Cahya Pramesti ( F1A019010 )
2. Rewan Jayadi ( F1A020010 )
3. Hermalia ( F1F020023 )
LABORATORIUM MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS BENGKULU
2021
LAPORAN AKHIR PRATIKUM
METODE STATISTKA
Oleh:
NPM : F1A021030
Dosen Pengampu : 1. Septri Damayanti, S.Si, M.Si
2. Ulfasari Rafflesia, S.Si, M.Si
Asisten Pratikum : 1. Dea Cahya Pramesti ( F1A019010 )
2. Rewan Jayadi ( F1A020010 )
3. Hermalia ( F1F020023 )
Hari, Tanggal : Selasa, 07 Desember 2021
2021
KATA PENGANTAR
Puji dan syukur penulis panjatkan ke hadirat Allah SWT atas segala rahmat dan
karunia-Nya yang telah diberikan sehingga penyusun bisa menyelesaikan laporan
praktikum Metode Statistika ini dengan baik dan lancar.
Laporan ini telah penulis susun dengan maksimal dan mendapatkan bantuan dari
berbagai pihak sehingga dapat memperlancar pembuatan laporan ini.
Penulis menyadari bahwa penulisan laporan ini masih banyak kekurangan, baik dari
segi susunan kata, kalimat maupun tatanan bahasa. Oleh karena itu, penulis
mengharapkan kritik dan saran yang membangun sehingga dapat memberikan manfaat
dan menambah wawasan bagi yang membutuhkannya.
Akhir kata penulis berharap agar laporan ini memberikan banyak manfaat dan
pembelajaran untuk pembaca.
Bengkulu, 07 Desember 2021
Penulis
ii
DAFTAR ISI
LAPORAN AKHIR PRATIKUM .................................................................................. i
KATA PENGANTAR ..................................................................................................... ii
DAFTAR ISI ................................................................................................................... iii
PERTEMUAN I “PENGENALAN PROGRAM SPSS” ............................................. 1
PERTEMUAN II “PENYAJIAN DATA (DIAGRAM)” ............................................. 2
PERTEMUAN III “UKURAN PEMUSATAN, PENYEBARAN, DAN UKURAN
LAIN DARI DATA” ....................................................................................................... 3
PERTEMUAN IV “FUNGSI SEBARAN DISKRIT” ................................................. 4
PERTEMUAN V “FUNGSI SEBARAN KONTINU” ................................................. 5
PERTEMUAN VI “PENDUGA TITIK DAN INTERVAL” ...................................... 6
PERTEMUAN VII “PENGUJIAN HIPOTESIS” ....................................................... 7
PERTEMUAN VIII “ANALISIS REGRESI” ............................................................. 8
KESIMPULAN ................................................................................................................ 9
DAFTAR PUSTAKA ..................................................................................................... iv
iii
PERTEMUAN I
PENGENALAN PROGRAM SPSS
1
LAPORAN PRAKTIKUM
PERTEMUAN I
METODE STATISTIKA
Oleh
Npm : F1A021030
Dosen Pengampu : 1. Septri Damayanti, S.Si. M.Si
2. Ulfasari Rafflesia, S.Si. M,Si
Asisten Praktikum : 1. Dea Cahya Pramesti (F1A019010)
2. Rewan Jayadi (F1A020010)
3. Hermalia (F1F020023)
2021
KATA PENGANTAR
Segala puja hanya bagi Allah SWT yang Maha Pengasih lagi Maha Penyayang.
Berkat limpahan karunia nikmatNya saya dapat menyelesaikan laporan hasil praktikum
yang bertajuk “Pengenalan Program SPSS” dengan lancar. Penyusunan laporan ini
dalam rangka memenuhi tugas Mata Kuliah Metode Statistika yang diampu oleh Ibu
Ulfasari Rafflesia, S.Si. M.Si dan Ibu Septri Damayanti, S.Si M.Si.
Dalam proses penyusunannya tak lepas dari bantuan, arahan dan masukan dari
berbagai pihak. Untuk itu saya ucapkan banyak terima kasih atas segala partisipasinya
dalam menyelesaikan laporan ini.
Meski demikian, penulis menyadari masih banyak sekali kekurangan dan
kekeliruan di dalam penulisan makalah ini, baik dari segi tanda baca, tata bahasa maupun
isi. Sehingga penulis secara terbuka menerima segala kritik dan saran positif dari
pembaca.
Demikian apa yang dapat saya sampaikan. Semoga laporan ini dapat bermanfaat
untuk masyarakat umumnya, dan untuk saya sendiri khususnya.
Bengkulu, 23 Oktober 2021
Penulis
ii

DAFTAR ISI
HALAMAN JUDUL ...................................................................................................... i

KATA PENGANTAR ................................................................................................... ii
DAFTAR ISI .................................................................................................................iii
DAFTAR GAMBAR .................................................................................................... iv
1.1 Pendahuluan ............................................................................................................ 1
a. Latar Belakang .......................................................................................................... 1
b. Rumusan Masalah .................................................................................................... 2
c. Tujuan ....................................................................................................................... 2
1.2 Landasan Teori ........................................................................................................ 3
1.3 Langkah Kerja dan Teladan .................................................................................. 5
a. Langkah Kerja .......................................................................................................... 5
b. Teladan ..................................................................................................................... 7
1.4 Hasil dan Pembahasan ............................................................................................ 8
a. Hasil .......................................................................................................................... 8
b. Pembahasan ............................................................................................................ 13
1.5 Kesimpulan dan Saran .......................................................................................... 15
a. Kesimpulan ............................................................................................................. 15
b. Saran ....................................................................................................................... 15
DAFTAR PUSTAKA .................................................................................................... v
iii

DAFTAR GAMBAR
Gambar 1. Tampilam aplikasi SPSS pada desktop ........................................................... 5
Gambar 2. Tampilan awal SPSS ....................................................................................... 5
Gambar 3. Tampilan variable view SPSS ......................................................................... 5
Gambar 4. Tampilan data .................................................................................................. 6
Gambar 5. Tampilan data pada view ................................................................................. 6
Gambar 6. Tampilan menu file .......................................................................................... 8
Gambar 7. Tampilan menu edit ......................................................................................... 8
Gambar 8. Tampilan menu view ....................................................................................... 9
Gambar 9. Tampilan menu data ........................................................................................ 9
Gambar 10. Tampilan menu transform ............................................................................. 9
Gambar 11. Tampilan menu analzye............................................................................... 10
Gambar 12. Tampilan menu graph ................................................................................. 10
Gambar 13. Tampilan menu utilities ............................................................................... 11
Gambar 14. Tampilan menu add-ons .............................................................................. 11
Gambar 15. Tampilan menu windows ............................................................................. 11
Gambar 16. Tampilan menu help .................................................................................... 12
Gambar 17. Tampilan tool bar ........................................................................................ 12
Gambar 18. Tampilan Pointer ......................................................................................... 12
iv


1.1 Pendahuluan
a. Latar Belakang
Di masa kini, manusia sudah terbiasa dengan alat-alat canggih dan tidak pernah
lepas dari kehebatan alat-alat tersebut, misalnya komputer atau laptop khususnya.
Komputer sangat berguna bagi semua orang karena banyak sumber informasi yang bisa
kita peroleh bukan hanya sebatas informasi tetapi juga untuk dapat mengolah data
terkhusus untuk program (software) SPSS.
SPSS merupakan salah satu dari sekian banyak software statistika yang telah dikenal
luas dikalangan pengggunanya. Software statistika lainnya adalah SAS, Minitab, stata,
microstat, R dan masih banyak lagi. SPSS sebagai sebuah tools mempunyai banyak
kelebihan, terutama untuk aplikasi dibidang ilmu sosial.
SPSS adalah sebuah program aplikasi yang memiliki kemampuan analisis statistik
cukup tinggi serta sistem manajemen data pada lingkungan grafis dengan menggunakan
menu-menu deskriptif dan kotak-kotak dialog yang sederhana sehingga mudah untuk
dipahami cara pengoperasiannya. Beberapa aktivitas dapat dilakukan dengan mudah
dengan menggunakan pointing dan clicking mouse.
SPSS banyak digunakan dalam berbagai riset pemasaran, pengendalian dan
perbaikan mutu (quality improvement), serta riset-riset sains. SPSS pertama kali muncul
dengan versi PC (bisa dipakai untuk komputer desktop) dengan nama SPSS/PC+ (versi
DOS). Tetapi, dengan mulai populernya sistem operasi windows. SPSS mulai
mengeluarkan versi windows (mulai dari versi 6.0 sampai versi terbaru sekarang).Pada
zaman sekarang ini, semua sudah serba modern sehingga semua kegiatan dituntut untuk
serba cepat, seperti pengolahan data dan yang lain yang sulit untuk dikerjakan secara
manual. Dan untuk memudahkan itu semua maka diciptakanlah komputer. Komputer
berasal dari bahasa yunani ‘Computare’ yang artinya menghitung. Komputer memang
memudahkan kita untuk mengolah data yang didasarkan pada operasi matematika
seperti operasi logika. Meskipun komputer merupakan buatan manusia, namun alat ini
sangat membantu pekerjaan manusia dalam pengolahan data karena mempunyai tiga
keunggulan, yaitu pada bidang kecepatan, ketepatan, dan keandalan.
Ternyata komputer saja tidak cukup untuk membantu manusia dalam memasukkan
data (data entry), mengedit data, transformasi data, analisis data yang dibutuhkan dalam
penelitian, dan permasalahan dalam membuat dan mendistribusikan informasi yang
berguna untuk pengambilan keputusan dalam suatu organisasi, agar tetap eksis dan
unggul dalam kompetisi yang ketat, yang dialami oleh mahasiswa dalam mata kuliah
Statistika. Maka dari itu dibuat suatu program aplikasi SPSS. Software ini dibuat oleh
tiga mahasiswa Stanford University yang dioperasikan pada komputer mainframe pada
tahun 1968. Dalam pengenalannya pada mahasiswa, diadakan praktikum SPSS
(Statistical Product and Service Solution) yang nantinya dapat digunakan mahasiswa
dalam menghitung dan menganalisis suatu data yang telah diperoleh sebelumnya.
b. Rumusan Masalah
Berdasarkan latar belakang di atas, masalah yang dapat disimpulkan adalah sebagai
berikut:
1. Apa itu program SPSS?
2. Apa sajakah program SPSS untuk konsep statistika dasar?
c. Tujuan
Adapun tujuan dari praktikum ini adalah:
1. Mengenal program SPSS
2. Mengenal program SPSS untuk konsep statistika dasar
1.2 Landasan Teori

Statistika mempunyai beberapa arti, diantaranya dalam arti sempit statistika dapat
dikatakan sebagai data ringkasan yang berbentuk angka atau kuantitatif. Sedangkan
definisi dalam arti luas merupakan ilmu yang mempelajari tentang berbagai cara
pengumpulan data, pengolahan data, penyajian data, analisis data dan cara pengambilan
kesimpulan secara umum yang berdasarkan hasil penelitian yang tidak menyeluruh
(Wibisono, 2005).
Program yang dapat digunakan dalam analisis statistika dasar salah satunya adalah
SPSS (Statistical Product and Service Solution). SPSS merupakan salah satu dari sekian
banyak software statistika yang telah dikenal luas dikalangan penggunaannya. Software
statistik lainnya adalah SAS, Minitab, Syastas, Microstat dan masih banyak lagi. SPSS
sebagai sebuah tools yang mempunyai banyak kelebihan, terutama untuk aplikasi
dibidang ilmu social (Fransiska, 2019).
SPSS pertama kali dikembangkan sekitar tahun 1968 oleh Norman H. Nie, C.
Hadlay dan Dale Bent dari Stanford University. Pada tahun 1984 dikeluarkan SPSS
untuk PC sedangkan untuk versi windows pada tahun 1992. SPSS awalnya merupakan
singkatan dari Statistical Package for the Social Science, sejalan dengan berkembangnya
SPSS itu sendiri sekarang SPSS mempunyai kepanjangan Statistical Product and
Service Solutions. SPSS merupakan suatu program komputer statistik yang mampu
mengolah/memproses data statistik secara cepat dan tepat, untuk mendapatkan berbagai
hasil/output yang dikehendaki para pengambil keputusan (Wijaya, 2009).
SPSS (Statistical Package for the Social Sciences) atau Paket Statistik untuk Ilmu
Sosial) versi pertama dirilis pada tahun 1968, diciptakan oleh Norman Nie, seorang
lulusan Fakultas Ilmu Politik dari Stanford University, yang sekarang menjadi Profesor
Peneliti Fakultas Ilmu Politik di Stanford dan Profesor Emeritus Ilmu Politik di
University of Chicago (Ghozali, 2006).
SPSS dapat membaca berbagai jenis data atau memasukkan data secara langsung
ke dalam SPSS Data Editor. Bagaimanapun struktur dari file data mentahnya, maka data
dalam Data Editor SPSS harus dibentuk dalam bentuk baris (cases) dan kolom
(variables). Case berisi informasi untuk satu unit analisis, sedangkan variable adalah
informasi yang dikumpulkan dari masing-masing kasus (Nugroho, 2012).
Semula SPSS hanya digunakan untuk ilmu social saja, tapi perkembangan
berikutnya digunakan untuk berbagai disiplin ilmu sehingga kepanjangannya berubah
menjadi “Statistical Product and Service Solution” (Nisfiannoor, 2009).
menu-menu deskriptif dan kotak dialog yang sederhana sehingga mudah untuk dipahami
cara pengoperasiannya. Beberapa aktivitas dapat dilakukan dengan mudah dengan
menggunakan pointing dan clicking mouse (Hartatik, 2011).
SPSS adalah sebuah program komputer yang digunakan untuk membuat analisis
statistika. SPSS dipublikasikan oleh SPSS Inc. SPSS (Statistical Package for the Social
Sciences atau Paket Statistik untuk Ilmu Sosial) versi pertama dirilis pada tahun 1968,
diciptakan oleh Norman Nie, seorang lulusan Fakultas Ilmu Politik dari Stanford
University, yang sekarang menjadi Profesor Peneliti Fakultas Ilmu Politik di Stanford
dan Profesor Emeritus Ilmu Politik di University of Chicago. Semula SPSS hanya
digunakan untuk ilmu sosial saja (Statistical Package For the Social Science), tapi
perkembangan berikutnya digunakan untuk berbagai disiplin ilmu sehingga
kepanjangannya berubah menjadi “Statistical Product and Service Solutions”
(Nazarudin, 2014).
SPSS merupakan salah satu dari sekian banyak software statistika yang telah dikenal
luas di kalangan penggunanya. Di samping masih banyak lagi software statistika lainnya
seperti Syastas, Microstat dan masih banyak lagi. SPSS sebagai sebuah tools
mempunyai banyak kelebihan, terutama untuk aplikasi di bidang ilmu sosial (Sarwono,
2013).
SPSS for Windows merupakan salah satu program olah data statistik yang paling
banyak diminati oleh para peneliti sebab SPSS for Windows relatif fleksibel dan dapat
digunakan untuk hampir semua bentuk dan tingkat penelitian (Ruhimat, 2008).
Program SPSS ini dapat digunakan dalam analisis statistika dasar. SPSS merupakan
salah satu dari sekian banyak software statistika yang telah dikenal luas di kalangan
penggunanya. Selain SPSS, software statistika lainnya adalah SAS, Minitab, Stata,
Microstat, R dan masih banyak lagi. SPSS sebagai sebuah tools yang mempunyai
banyak kelebihan, terutama untuk aplikasi di bidang ilmu sosial (Fransiska, 2019).
1.3 Langkah Kerja dan Teladan

a. Langkah Kerja
1. Buka aplikasi SPSS pada layar desktop
Gambar 1. Tampilan aplikasi SPSS pada desktop.
2. Lalu akan muncul tampilan awas SPSS seperti pada gambar 2 berikut
Gambar 2. Tampilan awal SPSS.
3. Ubah tampilan dari data view menjadi variable view
Gambar 3. Tampilan variable view SPSS.
4. Pada kolom nama baris ke 1 tuliskan tulisan data, maka akan muncul tampilan
seperti berikut
Gambar 4. Tampilan data.
5. Lalu kembali pada data view, dan nama kolom pertama yang mulanya var akan
berubah menjadi data
Gambar 5. Tampilan data pada view.
b. Teladan Penerapan
Teladan dari praktikum yang telah ditentukan adalah adalah sebagai berikut:
1. Tuliskan dan jelaskan menu-menu dan submenu pada program SPSS?
1.4 Hasil dan Pembahasan

a. Hasil
Menu yang terdapat pada SPSS adalah
1. File
Gambar 6. Tampilan menu file.
2. Edit
Gambar 7. Tampilan menu edit.
3. View
Gambar 8. Tampilan menu view.
4. Data
Gambar 9. Tampilan menu data.
5. Transform
Gambar 10. Tampilan menu transform.
6. Analyze
Gambar 11. Tampilan menu analyze.
7. Graph
Gambar 12. Tampilan menu graph.
10

8. Utilities
Gambar 13. Tampilan menu utilites 1.
9. Add-Ons
Gambar 14. Tampilan menu add-ons.
10. Windows
Gambar 15. Tampilan menu windows.
11

11. Help
Gambar 16. Tampilan menu help.
12. Tool Bar
Gambar 17. Tampilan tool bar.

1. Pointer
Gambar 18.Tampilan pointer.
12

b. Pembahasan
Berikut ini adalah fungsi menu-menu dan submenu yang ada di program SPSS.
Menu bar berisi kumpulan perintah-perintah dasar untuk mengoprasikan SPSS, dapat
dilihat pada gambar 4. Menu File berfungsi untuk hal yang berkaitan dengan file seperti
membuka file, menyimpan file, menutup file, dan juga lainnya. Ada 5 macam data yang
digunakan dalam SPSS, yaitu data, systax, output, script, dan database. Adapun
submenu pada file adalah New (membuat lembar kerja baru SPSS), Open (membuka
dokumen SPSS yang telah ada), Read text data (membuka dokumen dari teks yang bisa
dimasukkan dalam lembar data SPSS), Save (menyimpan dokumen atau hasil kerja yang
telah dibuat), Save as (menyimpan ulang dokumen dengan nama atau tempat atau type
dokumen yang berbeda), Page setup (mengatur halaman kerja SPSS), Print (mencetak
hasil output atau data atau syntax lembar SPSS), Print preview (melihat contoh hasil
cetakan yang nanti diperoleh), Recently used data (berisi list file data yang pernah dibuka
sebelumnya), Recently used file (berisi list file secara keseluruhan yang pernah
dikerjakan), dapat dilihat pada gambar 5. Menu Edit berfungsi untuk melakukan
perubahan atau memperbaiki data, seperti menyalin data, menghapus atau yang lainnya,
dapat dilihat pada gambar 6. Adapun submenu pada edit adalah Undo (membatalkan
perintah yang dilakukan sebelumnya), Redo (perintah membatalkan perintah yang
dilakukan sebelumnya), Cut (menghapus sebuah sel atau teks atau objek), Find (mencari
suatu teks), dan Options (mengatur konfigurasi tampilan lembar SPSS secara umum).
Menu View berfungsi untuk melihat tampilan SPSS, dapat dilihat pada gambar 7.
Adapun submenu pada view adalah Status bar (mengetahui proses yang sedang
berlangsung), Toolbar (mengatur tampilan toolbar), Fonts (mengatur jenis dan ukuran
font pada data editor SPSS), Gridlines (mengatur garis sel pada editor SPSS), dan Value
labels (mengatur tampilan pada editor untuk mengetahui value label). Menu data
digunakan untuk melakukan pemrosesan data, dapat dilihat pada gambar 8. Adapun
submenu pada data adalah Define dates (mendefinisikan sebuah waktu untuk variabel
yang meliputi jam, tanggal, tahun, dan sebagainya), Insert variabel (menyisipkan kolom
variabel), Go to case (memindahkan kursor pada baris tertentu), Sort case (mengurutkan
nilai dari suatu kolom variabel), Transpose (operasi transpose pada sebuah kolom
variabel), Merge files (menggabungkan beberapa file dokumen SPSS), Split file
(memecahkan file berdasarkan kolom variabelnya), dan Select case (mengatur sebuah
13

variabel berdasarkan sebuah persyaratan tertentu). Menu Transform dipergunakan untuk

melakukan perubahan-perubahan atau penambahan data, dapat dilihat di gambar 9.
Adapun submenu pada transform adalah Compute (operasi aritmatika dan logika), Count
(mengetahui jumlah sebuah ukuran data tertentu pada suatu baris tertentu), Recode
(untuk mengganti nilai pada kolom variabel tertentu, sifatnya menggantikan atau
merubah pada variabel baru), Categorize variabel (merubah angka rasional menjadi
diskrit), dan Rank case (mengurutkan nilai data sebuah variabel). Menu Analyze
digunakan untuk melakukan analisis data yang telah kita masukkan ke dalam komputer.
Menu ini merupakan menu yang terpenting karena semua pemrosesan dan analisis data
dilakukan dengan menggunakan menu Correlate, Compare Means, Regression, dapat
dilihat pada gambar 10. Menu Graph digunakan untuk membuat grafik, di antaranya
ialah Bar, Line, Pie, dapat dilihat pada gambar 11. Menu Utilities dipergunakan untuk
mengetahui informasi variabel, informasi file, dapat dilihat pada gambar 12. Menu Add-
ons digunakan untuk memberikan perintah kepada SPSS jika ingin menggunakan
aplikasi tambahan, misalnya menggunakan aplikasi Amos, SPSS data entry, text
analysis, dapat dilihat pada gambar 13. Menu Windows digunakan untuk melakukan
perpindahan dari satu file ke file lainnya, dapat dilihat pada gambar 14. Menu Help
berfungsi menyediakan bantuan informasi mengenai program SPSS yang bisa diakses
dengan mudah dan jelas, dapat dilihat pada gambar 15. Menu Toolbar berisi kumpulan
perintah-perintah yang sering digunakan dalam bentuk gambar, dapat dilihat pada
gambar 16. Menu Pointer yaitu kursor yang menunjukkan posisi cell yang sedang
aktif/dipilih, dapat dilihat pada gambar 17.
14

1.5 Kesimpulan dan Saran

a. Kesimpulan
statistika. Sehingga mempermudah kita untuk pengumpulan data, pengolahan data,
penyajian data, analisis data dan cara pengambilan kesimpulan secara umum yang
berdasarkan hasil penelitian yang tidak menyeluruh. SPSS dapat mempermudah
penyajian dan interprestasi suatu data statistika. Penyajian data dengan SPSS dilengkapi
dengan histogram, pie chart, box plot, dan analisis dari data tersebut.
Sub menu yang terdapat pada SPSS adalah file, edit, view, data, transform, analyze,
graph, utilities, add-ons, windows, help, tool bar, pointer.
b. Saran
Semoga laporan ini dapat membantu menambah wawasan dan menjadi referensi
bagi pembaca terutama untuk kalangan mahasiswa yang ingin memperdalami SPSS.
Semoga kita dapat menambah ilmu dengan membaca laporan ini. Aamiin.
Bagi semua praktikan diharapkan untuk lebih aktif saat praktikum berlangsung, agar
bukan hanya asisten dosen saja yang aktif tapi praktikan diharapkan lebih aktif bertanya
maupun menjawab pertanyaan yang diajukan dan berani bertanya bila ada yang kurang
dimengerti.
15

DAFTAR PUSTAKA
Fransiska, Herlin. 2019. Modul Praktikum Metode Statistika. Rachmawati, Ramya dan
Septri Damayanti, ed. Bengkulu: Universitas Bengkulu.
Ghozali, Imam. 2006. Aplikasi Analisis Multivariate dengan Program SPSS. Semarang:
Badan Penerbit Universitas Diponogoro. Diakses pada tanggal 23 November
2020 pukul 19:00 WIB.
Hartatik. 2011. Modul Praktikum Statistika. Jakarta: Grasindo
Nazarudi, Yunazwin. 2014. Modul Pembelajaran SPSS. Semarang: Badan Penerbit
Erlangga. Diakses pada tanggal 23 November 2020 pukul 18:21 WIB.
Nisfiannoor, Muhammad. 2009. Pendekatan Statistika Modern Untuk Ilmu Social:
Salemba Humanika. Diakses pada tanggal 23 November 2020 pukul 21:00
WIB.
Nugroho, S. 2012. Dasar-dasar Metode Statistika Edisi ke-2. Jakarta: Grasindo.
Ruhimat, Mamat. 2008. Aplikasi SPSS for Windows. Yogyakarta: Badan Penerbit
Universitas Gadjah Mada. Diakses pada tanggal 23 November 2020 pukul 21:00
WIB.
Sarwono, Jonathan. 2013. Teori SPSS. Diakses pada tanggal 23 November 2020 pukul
21:21 WIB.
Wibisono, Yusuf. 2005. Metode Statistika. Yogyakarta:Badan Penerbit Universitas
Gadjah Mada. Diakses pada tanggal 23 November 2020 pukul 22:13 WIB.
Wijaya, Tony. 2009. Analisis dan Penelitian Menggunakan SPSS. Yogyakarta: Pene
erbit Universitas Atma Jaya. Diakses pada tanggal 23 November 2020 pukul
22:13 WIB.
v

PERTEMUAN II
PENYAJIAN DATA (DIARGAM)
2
LAPORAN PRAKTIKUM
PERTEMUAN II
METODE STATISTIKA
Oleh
NPM : F1A021030
2. Ulfasari Rafflesia, S.Si. M.Si
2021
KATA PENGANTAR
Puji dan syukur penulis hanturkan atas kehadirat Allah SWT yang Maha Esa. Dengan
ridho dan nikmat dari-Nya sehingga penulis dapat menyelesaikan penulisan makalah
tentang penyajian data (diagram) dalam mata kuliah metode statistika.
Adapun maksud dan tujuan dari penyusunan laporan ini selain untuk menyelesaikan
tugas yang diberikan oleh Dosen pengajar, juga untuk lebih memperluas pengetahuan
para mahasiswa khususnya bagi penulis.
Penulis telah berusaha untuk dapat menyusun laporan ini dengan baik, namun penulis
pun menyadari bahwa penulis memiliki akan adanya keterbatasan sebagai manusia biasa.
Oleh karena itu jika didapati adanya kesalahan-kesalahan baik dari segi teknik
penulisan, maupun dari isi, maka penulis memohon maaf dan kritik
serta saran dari dosen pengajar bahkan semua pembaca sangat diharapkan oleh saya untuk
dapat menyempurnakan laporan ini terlebih juga dalam pengetahuan kita bersama.
Harapan ini dapat bermanfaat bagi kita sekalian.
Bengkulu, 30 Oktober 2021
Penulis
ii
DAFTAR ISI
HALAMAN JUDUL ........................................................................................................ i
DAFTAR ISI ................................................................................................................... iii
DAFTAR GAMBAR ...................................................................................................... iv
DAFTAR TABEL ........................................................................................................... v
PENYAJIAN DATA (DIAGRAM)
2.1 Pendahuluan ............................................................................................................. 1
a. Latar Belakang ........................................................................................................... 1
b. Rumusan Masalah ...................................................................................................... 2
c. Tujuan ........................................................................................................................ 2
2.2 Landasan Teori ........................................................................................................ 3
2.3 Langkah Kerja dan Teladan Penerapan ............................................................... 6
a. Langkah Kerja ............................................................................................................ 6
b. Teladan Penerapan ................................................................................................... 11
2.4 Hasil dan Pembahasan........................................................................................... 12
a. Hasil ......................................................................................................................... 12
b. Pembahasan .............................................................................................................. 14
a. Kesimpulan .............................................................................................................. 15
b. Saran ........................................................................................................................ 15
DAFTAR PUSTAKA ..................................................................................................... vi
iii
DAFTAR GAMBAR
Gambar 1. Tampilan Utama pada SPSS ........................................................................... 6

Gambar 2. Tampilan Valuable View ................................................................................. 6
Gambar 3. Input Data ........................................................................................................ 7
Gambar 4. Tampilan Submenu Analyze ............................................................................ 7
Gambar 5. Kotak Dialog Explore ..................................................................................... 8
Gambar 6. Kotak Dialog Explore Plots ............................................................................ 8
Gambar 7. Tampilan submenu Analyze → Descriptive Statistics..................................... 9
Gambar 8. Kotak Dialog Frequencies ............................................................................. 9
Gambar 9. Kotak Dialog Frequencies Charts .................................................................. 9
Gambar 10. Kotak Dialog Frequencies dengan Chart Values Percentages ..................... 0
Gambar 11. Hasil Output Diagram Tangkai Daun.......................................................... 12
Gambar 12. Hasil Output Histogram .............................................................................. 12
Gambar 13. Hasil Output Diagram Lingkaran (persentages) ......................................... 13
iv
DAFTAR TABEL
Tabel 1. Data Berat Badan Siswa ................................................................................... 11

Tabel 2. Data Tinggi Badan Mahasiswa Matematika ..................................................... 11
v
PENYAJIAN DATA (DIAGRAM)
2.1 Pendahuluan
a. Latar belakang
Statistika dalam arti sempit berarti kumpulan data berupa angka, penyajian data
dalam table dan grafik, bilangan yang menunjukan karakteristik dari kumpulan data.
Statistika dalam arti luas yaitu metode yang digunakan dalam pengumpulan dan analisis
data yang berupa angka-angka sehingga dapat diperoleh informasi yang berguna.
Statistika adalah suatu metode yang menjelaskan tata cara pengumpulan, penyusunan,
penyajian, penganalisaan, dan penginterprestasian data menjadi informasi yang lebih
berguna.
Penyajian data-data statistika dapat dipermudah dengan menggunkan tabel, grafik,
poligon, diagram, dan sebagainya. Statistical Product and Service Solutions (SPSS)
membantu para statistikawan dalam menjawab permasalah tersebut. SPSS adalah salah
satu paket progam yang sangat populer dari sekian banyak paket program pengolahan
data statistik disamping SAS, Stata, dan minitab.
Kegiatan pengumpulan data di lapangan, akan menghasilkan angka-angka yang
disebut data kasar. Penyebutan dengan istilah data kasar menunjukkan bahwa data itu
belum diolah dengan teknik statistik tertentu. Jadi, data-data itu masih berwujud
sebagaimana data itu diperoleh yang biasanya berupa skor. Skor-skor tersebut dapat pula
disebut dengan istilah skor kasar, yang artinya sama dengan data kasar. Biasanya relatif
banyak dan tidak beraturan. Dalam pembuatan laporan penelitian, data tersebut yang
harus dilaporkan. Agar dapat memberikan gambaran yang bermakna, data-data itu
haruslah disajikan kedalam tampilan yang sistematis.
Kerap kali data yang disajikan dalam bentuk tabel sulit untuk dipahami. Lain halnya
jika data tersebut disajikan dalam bentuk diagram maka Anda akan dapat lebih cepat
memahami data itu. Diagram adalah gambar yang menyajikan data secara visual yang
biasanya berasal dari tabel yang telah dibuat. Meskipun demikian, diagram masih
memiliki kelemahan, yaitu pada umumnya diagram tidak dapat memberikan gambaran
yang lebih detail.
1
Untuk penyajian data diperlukan agar sebuah data dapat tersusun dengan teratur.
Banyak sekali cara untuk menyajikan sebuah data dapat dengan menggunakan tabel
diagram. Dengan menggunakan tabel dan diagram sebuah data mudah untuk dipahami
dan dimengerti oleh pembaca data. Ada beberapa model penyajian dalam bentuk tabel
diantaranya, yakni tabel baris-kolom, kontingensi, dan tabel distribusi frekuensi
begitupun dengan diagram ada beberapa model penyajian diantaranya dengan
menggunakan diagram batang, diagram garis, diagram lingkaran, dan histogram.
Diagram dibagi menjadi empat yaitu diagram batang, garis, lingkaran, dan histogram.
Diagram batang adalah diagaram yang biasanya digunakan untuk menggambarkan data
diskret (data cacahan). Diagram batang adalah bentuk penyajian data statistik dalam
bentuk batang yang dicatat dalam interval tertentu pada bidang cartesius. Diagram garis
adalah diagram yang biasanya digunakan untuk menggambarkan data tentang keadaan
yang berkesinambungan (sekumpulan data kontinu). Diagram lingkaran adalah diagram
yang digunakan untuk mengetahui perbandingan suatu data terhadap keseluruhan, suatu
data lebih tepat disajikan dalam bentuk diagram lingkaran. Diagram lingkaran adalah
bentuk penyajian data statistik dalam bentuk lingkaran yang dibagi menjadi beberapa
juring lingkaran. Histogram merupakan diagram frekuensi bertangga yang bentuknya
seperti diagram batang. Untuk pembuatan histogram, pada setiap interval kelas
diperlukan tepi-tepi kelas.
b. Rumusan Masalah
berikut:
1. Bagaimana cara membuat diagram tangkai daun dan histogram di SPSS?
2. Bagaimana cara membuat diagram batang dan diagram lingkran di SPSS?
c. Tujuan
Berdasarkan latar belakang di atas, tujuan dalam penulisan laporan ini adalah:
1. Mempelajari program SPSS untuk dapat membuat diagram baik diagram tangkai
daun dan histogram
2. Mempelajari program SPSS untuk dapat membuat diagram baik diagram batang dan
lingkaran
2
2.2 Landasan Teori
Program yang dapat digunakan dalam analisis statistika dasar salah satunya adalah
SPSS (Statistical Product and Service Solution). SPSS merupakan salah satu dari sekian
banyak software statistika yang telah dikenal luas dikalangan penggunaannya. Software
statistik lainnya dalah SAS, Minitab, Syastas, Microstat dan masih banyak lagi. SPSS
sebagai sebuah tools yang mempunyai banyak kelebihan, terutama untuk aplikasi
dibidang ilmu social (Fransiska, 2019).
Penyajian data merupakan salah satu kegiatan dalam pembuatan laporan hasil
penelitian yang telah dilakukan agar dapat dipahami dan dianalisis sesuai dengan tujuan
yang diinginkan. Data yang disajikan harus sederhana jelas agar mudah dibaca. Penyajian
data juga dimaksudkan agar para pengamat dapat dengan mudah memahami apa yang
kita sajikan untuk selanjutnya dilakukan penilaian atau perbandingan dan lain lain
(Saputri, 2006).
Penyajian Data kegiatan pengumpulan data di lapangan akan menghasilkan data
angka-angka yang disebut ‘data kasar’ (raw data) yang menunjukkan bahwa data tersebut
belum diolah dengan teknik statistik tertentu. Jadi data tersebut masih berwujud
sebagaimana data itu diperoleh yang bisanya berupa skor dan relative banyak tidak
beraturan. Dalam pembuatan laporan penelitian, data termasuk yang harus dilaporkan.
Agar dapat memberikan gambaran yang bermakna, data-data itu haruslah disajikan ke
dalam tampilan yang sistematis dan untuk keperluan penganalisisan biasanya data itu
disusun dalam sebuah tabel. Penyajian data ini bertujuan memudahkan pengolahan data
dan pembaca memahami data. Selain dapat disajikan ke dalam bentuk tabel sebagaimana
dikemukakan di atas, data-data angka juga dapat disajikan ke dalam bentuk grafik, atau
lengkapnya grafik frekuensi. Pembuatan grafik frekuensi pada hakikatnya merupakan
kelanjutan dari pembuatan tabel distribusi frekuensi karena pembuatan grafik itu haruslah
didasarkan pada tabel distribusi frekuensi. Dengan kata lain, pembuatan tabel distribusi
frekuensi harus tetap dilakukan baik kita bermaksud maupun tidak bermaksud membuat
grafik frekuensi. Penyajian data angka ke dalam grafik biasanya dipandang lebih menarik
karena data-data itu tersaji dalam bentuk visual. Gambar grafik frekuensi yang banyak
dipergunakan dalam metode statistik adalah histogram, polygon, kurva dan garis
(Nurgiyantoro, 2004).
3
Diagram adalah gambar yang menyajikan data secara visual yang biasanya berasal
dari tabel yang telah dibuat. Meskipun demikian, diagram masih memiliki kelemahan,
yaitu pada umumnya diagram tidak dapat memberikan gambaran yang lebih detail.
Diagram dibagi menjadi empat yaitu diagram batang, garis, lingkaran, dan
histogram. Berikut penjelasan terkait keempat diagram tersebut:
a. Grafik Histogram
Histogram merupakan diagram frekuensi bertangga yang bertunya seperti diagram
batang. Batang yang berdekatan harus berhimpit. Histogram merupakan grafik dari
distribusi frekuensi suatu variable. Tampilan histogram berupa petak-petak empat persegi
panjang. Sebagai sumbu horizontal boleh memakai tepi-tepi kelas, batas-batas kelas atau
nilai variabel yang diobservasi.sedang sumbu vertical menunjukkan frekuensi. Untuk
distribusi bergolong atau berkelompok yang menjadi absis adalah nilai tengah dari
masing-masing kelas
(Somantri, 2006).
b. Diagram Lingkaran
Untuk mengetahui perbandingan suatu data terhadap keseluuhan, suatu data lebih
tepat disajikan dalam bentuk diagram lingkaran. Diagram lingkaran adalah bentuk
penyajian data statstika dalam bentuk lingkaran yang dibagi menjadi beberapa juring
lingkaran. Cara lain untuk menyajikan data hasil penelitian adalah dengan diagram
lingkaran. Diagram lingkaran digunakan untuk membandingkan data dari berbagai
kelompok (Sugiyono, 2006).
c. Diagram Garis
Diagram garis biasanya digunakan untuk menggambarkan data tentang keadaan yang
berkesinambungan (sekumpulan data kontinu). Misalnya, jumlah penduduk setiap tahun,
perkembangan berat badan bayi setiap bulan, dan suhu badan pasien setiap jam. Seperti
halnya diagram batang, diagram garis pun memerlukan sistem sumbu datar (horizontal)
dan sumbu tegak (vertikal) yang saling berpotongan tegak lurus. Sumbu mendatar
biasanya menyatakan jenis data, misalnya waktu dan berat. Adapun sumbu tegaknya
menyatakan frekuensi data (Putri, 2013).
4
d. Diagram batang
Diagram batang biasanya digunakan untuk menggambarkan data diskrit (cacahan).
Diagram batang adalah bentuk penyajian data statistik dalam bentuk batang yang dicatat
dalam interval tertentu pada bidang cartesius (Saputri, 2006).
5
a. Langkah Kerja
1. Hal pertama yang dilakukan adalah kita klik “Start”.
2. Lalu, Pilih “All Program”.
3. Kemudian pilih folder “SPSS Inc”.
4. Lalu kemudian piih icon “SPSS 16.0” yang ada di dalam folder “SPSS Inc”.
Tampilan utama SPSS seperti berikut :
Gambar 1. Tampilan utama pada SPSS.

5. Pilih menu File → New → Data. Kemudian klik mouse pada sheet tab Variable
View. Isi tabel seperti berikut:
Gambar 2. Tampilan Vaiable View.
6
6. Kemudian klik mouse pada sheet tab Data View. Masukkan data seperti berikut:
Gambar 3. Input data.

7. Membuat diagram tangkai daun dan histogram
a. Pada layar utama SPSS piih menu Analyze → Descripive Statistics → Explore.
Gambar 4. Tampilan submenu Analyze.
7
b. Masukkan Variabel data pada kolom variable(s)
Gambar 5. Kotak Dialog Explore.

c. Pada dialog Display pilih Plots
d. Tekan tombol Plots, kemudian untuk membuat diagram tangkai daun dan histogram
maka pada kotak dialog Descriptipve dengan meng-√ pilihan-pilihan yang diinginkan.
Kemudian klik Continue.
Gambar 6. Kotak Dialog Explore Plots.

e. Tekan OK untuk mengakhiri pengisian prosedur analisis.
8. Membuat diagram batang dan lingkaran
a. Diagram batang dan lingkaran (frequencies)
8
1. Pada layar utama SPSS pilih menu Analyze → Descriptive Statistics →Frequencies
Gambar 7. Tampilan submenu Analyze → Descriptive Statistics.

2. Masukkan variabel data pada kolom Variable (s)
3. Tekan tombol Charts, Kemudian untuk membuat diagram maka pada kotak dialog
pilih Chart Type dengan mengklik pilihan yang diinginkan diteruskan dengan memilih
Chart Values yang diinginkan. Kemudian clik Continue.
Gambar 8. Kotak Dialog Frequencies.
Gambar 9. Kotak Dialog Frequencies Charts.
9
4. Tekan OK untuk mengakhiri pengisian prosedur analisis.
a. Diagram batang dan lingkaran (percentages)
1. Pada layar utama SPSS pilih menu Analyze → Descriptive Statistics →Percentages
2. Masukkan variabel data pada kolom Variable (s)
3. Tekan tombol Charts, Kemudian untuk membuat diagram maka pada kotak dialog
pilih Chart Type dengan mengklik pilihan yang diinginkan diteruskan dengan memilih
Chart Values yang diinginkan. Kemudian clik Continue.
Gambar 10. Kotak Dialog Frequencies dengan Chart Values Percentages.
10
1. Buatlah diagram tangkai daum dan histogram dari data berikut!
Tabel 1. Data Berat Badan Siswa
43 40 42 42 43 44 41 44 43 42 42 43
41 40 40 44 41 40 42 42 44 43 40 40
43 44 44 41 41 41 41 42 43 44 43 43
41 43 41 42 43 41 43 42 43 41 43 44
41 43 42 42 42 42 44 43 42 42 43 43
2. Buatlah diagram batang dan lingkaran dari (frekuencies dan percentage)

Tabel 2. Data Tinggi Badan Mahasiswa Matematika
150 153 172 157 153 158 147 160 161 150 156 153
164 170 153 160 146 158 153 160 160 150 170
11
a. Hasil
1. Diagram Tangkai daun dan Histogram
Gambar 11. Hasil Output Diagram Tangkai Daun.
Gambar 12. Hasil Output Histogram.
12
2. Diagram Lingkaran
Gambar 13. Hasil Output Diagram Lingkaran ( persentages).
13
b. Pembahasan
Berdasarkan hasil output dari data teladan penerapan bernomor 1 bahwa data Valid
N = 40 dengan Percent = 100% dan Missing N = 0 dengan Percent = 0.0%. Berdasarkan
hasil output data "Histogram" bahwa saya mendapatkan hasil bahwa Mean = 42.2,
Std.Dev = 1.219 dan N = 60. Frekuensi tertinggi dari histogram tersebut adalah N = 7.
Frekuensi terendah dari histogram tersebut adalah N = 1. Dan dari hasil output dari data
yang sama, didapatkan bahwa Stem width = 1 dan Each leaf = 1 case(s). Untuk lebih
jelasnya dapat dilihat pada Gambar 11 dan 12.
Berdasarkan hasil output "Data" Diagram Lingkaran (persentages) pada diagram
lingkaran, karena data yang berjumlah banyak maka juring-juring pada lingkaran yang
terbentuk rapat. Yang dapat diambil dari diagram lingkaran ini, salah satu frekuensi
tertingginya terjadi pada juring berwana ungu tua, dan salah satu frekuensi terendahnya
terjadi pada juring berwarna ungu muda,biru tua,hijau muda,kuning,merah,biru muda dan
hijau tua. Untuk data lebih jelasnya bisa dilihat pada gambar 13.
14
a. Kesimpulan
Untuk membuat diagram tangkai daun dan dan histogram pada layar pertama SPSS
kita pilih menu Analyze, Deskriptive, Statistics, Explore kemudian masukkan variable
data pada kolom variable(s), pada kotak dialog Display pilih Plots, lalu tekan tombol
Plots, kemudian untuk membuat diagram tangkai daun dan histogram maka pada kotak
dialog Deskriptive pilih pilihan yang diinginkan, kemudian klik continue lalu tekan ok
untuk mengakhiri pengisian prosedur analisis.
Sedangkan untuk membuat diagram batang dan lingkaran pada layar utama SPSS
pilih menu Analyze, Deskriptive, statistics, frequencies masukan variable data pada
kolom variable(s), lalu tekan tombol Charts, kemudian untuk membuat diagram maka
pada kotak dialog pilih Charts type dengan mengklik pilihan yang diinginkan diteruskan
dengan memilih Charts Values yang diinginkan, lalu klik continue terakhir tekan ok
untuk mengakhiri pengisian prosedur analisis.
b. Saran
Semoga laporan ini dapat membantu menambah wawasan dan menjadi referensi bagi
pembaca terutama untuk kalangan mahasiswa yang ingin memperdalami SPSS. Semoga
kita dapat menambah ilmu dengan membaca laporan ini.
Dalam laporan praktikum mata kuliah Metode Statistika ini, penulis menyarankan
agar setiap penulis yang lain termasuk penulis sendiri lebih teliti lagi dalam mengisi data
dalam membuat histogram, diagram tangkai daun, diagram batang, dan diagram
lingkaran.
15
DAFTAR PUSTAKA
Fransiska, Herlin. 2019. Modul Praktikum Metode Statistika. Rachmawati, Ramya
dan Septri Damayanti, ed. Bengkulu: Universitas Bengkulu.
Nurgiyantoro, Burhan dkk. 2004. Statistik Terapan untuk Penelitian Ilmu-ilmu
Sosial. Yogyakarta: Gajahmada University Press.
Putri 2013. Pengertian Diagram Macam Contoh. http:// www.artikelsiana.com/
2015/04/pengertian-diagram-macam-contoh.html. Diakses pada tanggal 30
Oktober 2021 Pukul 11:05 WIB.
Saputri, Yuniza. 2006. Penyajian Data dengan Tabel danGrafik. Jakarta: Grasindo.
Somantri. 2006. Kompetensi Matematika Program IPA SMA Kelas XI Semester
Pertama. Jakarta: Yudistira.
Sugiyono. 2006. Statistika untuk Penelitian. Bandung: CV Alfabeta.
vi
PERTEMUAN III
UKURAN PEMUSATAN, PENYEBARAN, DAN UKURAN LAIN

DARI DATA
3
LAPORAN PRAKTIKUM
PERTEMUAN III
METODE STATISTIKA
Oleh
NPM : F1A021030
FAKULTAS MATEMATIKA DAN ILMU PENGETHUAN ALAM
2021
KATA PENGANTAR
Puji dan syukur penulis haturkan atas kehadirat Allah SWT yang Maha Pengasih lagi
Maha Penyayang. Dengan ridho dan nikmat dari-Nya sehingga penulis dapat
menyelesaikan Laporan Praktikum Metode Statistika tentang “Ukuran Pemusatan,
Penyebaran dan Ukuran Lain Dari Data”.
Laporan ini telah penulis susun dengan maksimal dan mendapatkan bantuan dari
berbagai pihak sehingga dapat memperlancar pembuatan laporan ini,. Untuk itu penulis
menyampaikan banyak terimakasih kepada semua pihak yang telah berkontribusi dalam
pembuatan laporan ini.
Penulis menyadari bahwa laporan ini belumlah sempurna. Oleh karena itu, saran dan
kritik yang membangun dari rekan-rekan sangat dibutuhkan untuk penyempurnaan
laporan ini.
Bengkulu, 7 November 2021
Penulis
ii
DAFTAR ISI
HALAMAN JUDUL ........................................................................................................ i
DAFTAR ISI ................................................................................................................... iii
DAFTAR GAMBAR ...................................................................................................... iv
UKURAN PEMUSATAN, PENYEBARAN, DAN UKURAN LAIN DARI DATA
3.1 Pendahuluan ............................................................................................................. 1
a. Latar Belakang ........................................................................................................... 1
c. Tujuan ........................................................................................................................ 3
3.2 Landasan Teori ........................................................................................................ 4
a. Langkah Kerja ............................................................................................................ 6
b. Teladan Penerapan ................................................................................................... 11
3.4 Hasil dan Pembahasan........................................................................................... 12
a. Hasil ......................................................................................................................... 12
b. Pembahasan .............................................................................................................. 13
a. Kesimpulan .............................................................................................................. 14
b. Saran ........................................................................................................................ 14
DAFTAR PUSTAKA ...................................................................................................... v
iii
DAFTAR GAMBAR
Gambar 1. Logo Universitas Bengkulu.......................................................................... ...i
Gambar 2. Menu Star ..................................................................................................... ..6
Gambar 3. Pencarian program SPSS.............................................................................. ..6
Gambar 4. Program SPSS16.0 ....................................................................................... ..6
Gambar 5. Tampilan Awal Program SPSS 16.0 ............................................................ ..7
Gambar 6. Program SPSS .............................................................................................. ..7
Gambar 7. Tampilan Submenu File ............................................................................... ..7
Gambar 8. Tampilan Variabel View............................................................................... ..8
Gambar 9. Data View ..................................................................................................... ..8
Gambar 10. Menu Analyze Submenu Descriptive statistic ............................................ ..8
Gambar 11. Frequencues ............................................................................................... ..9
Gambar 12. Statistics ..................................................................................................... ..9
Gambar 13. Central Tendency ....................................................................................... ..9
Gambar 14. Dispersion .................................................................................................. 10
Gambar 15. Distribution ................................................................................................ 10
Gambar 16. Hasil output ................................................................................................ 10
Gambar 17. Histogram Nilai Ulangan ........................................................................... 11
Gambar 18. Hasil Teladan 1........................................................................................... 12
Gambar 19. Hasil Teladan 2........................................................................................... 12
iv
UKURAN PEMUSATAN, PENYEBARAN, DAN UKURAN LAIN
DARI DATA
3.1 Pendahuluan
a. Latar Belakang
Latar belakang pengetahuan kita tentang berbagai macam ukuran sangat diperlukan
agar kita dapat memperoleh gambaran lebih lengkap dalam memahami tentang data- data
yang telah terkumpul. Kita telah memahami dua macam ukuran, yaitu:
1. Ukuran gejala meliputi rata-rata hitung, rata-rata ukur, rata-rata harmonic dan modus.
2. Ukuran letak meliputi median, kuartil, desil dan persentil.
Di samping kedua ukuran yang telah kita pahami tersebut kita masih akan membahas
ukuran lain yaitu simpangan atau ukuran penyebaran. Ukuran terakhir ini
menggambarkan bagaimana terpencarnya sekumpulan data kuantitatif atau bilangan-
bilangan. Beberapa ukuran yang akan penulis bahas di dalam laporan ini adalah
simpangan rata-rata, deviasi standar, jangkauan kuartil dan jangkauan persentil.
Mempelajari ukuran pemusatan, penyebaran dan ukuran lain dari data mempunyai
banyak kegunaan, contohnya:
a. Untuk menentukan apakah suatu nilai rata-rata dapat mewakili suatu rangkaian data
atau tidak. Contoh data upah 5 (lima) karyawan berikut: Rp 15.000,- Rp 25.000,- Rp
30.000,- Rp 30.000,- Rp 100.000,- Nilai rata-rata atau meannya = Rp 50.000,-. Kita dapat
mengatakan bahwa nilai rata-ratanya kurang mewakili karena data tersebut memiliki
standar deviasi yang besar, dimana 4 dari 5 karyawan berada di bawah rata- rata.
b. Untuk perbandingan terhadap variabilitas data, misalnya data curah hujan, suhu
udara, dsb.
c. Membantu penggunaan ukuran statistik, misalnya dalam membandingkan ukuran
penyebaran sampel terhadap ukuran populasi.
Statistik berasal dari bahasa Latin yang artinya adalah “status” atau “negara”. Pada
mulanya statistik berhubungan dengan fakta dan angka yang dikumpulkan oleh
pemerintah untuk bermacam-macam tujuan. Statistik juga diturunkan dari kata bahasa
Inggris yaitu state atau pemerintah. Pengertian yang sangat sederhana tentang statistik
adalah sebagai suatu kumpulan data yang berbentuk angka dan tersusun rapi dalam suatu
tabel, grafik, gambar, dan lain-lain.
1
Misalnya tabel mengenai keadaan pegawai di kantor, grafik perkembangan jumlah
penduduk dari waktu ke waktu, dan lain sebagainya. Sedangkan pengertian yang lebih
luas mengenai statistik adalah merupakan kumpulan dari teknik mengumpulkan, analisis,
dan interpretasi data dalam bentuk angka. Statistik juga merupakan bilangan yang
menunjukkan sifat-sifat (karakteristik) data yang dikumpulkan tersebut.
Hal yang melatarbelakangi perlunya mempelajari Statistika Deskriptif adalah untuk
menginterpretasikan output/keluaran dari data untuk mendapatkan gambaran sehingga
data akan lebih mudah dibaca dan bermakna. Paket program SPSS merupakan salah satu
software yang sangat besar kontribusinya sebagai media pengolahan data statistik.
Software ini menyediakan berbagai jenis perintah yang memungkinkan proses
pemasukan data, manipulasi data, pembuatan grafik dan berbagai analisis statistik.
Ukuran pemusatan atau ukuran lokasi pusat adalah sembarang ukuran yang
menunjukkan pusat segugus data yang telah diururutkan dari yang terkecil sampai yang
terbesar atau sebaliknya dari yang terbesar sampai yang terkecil. Ukuran penyebaran data
diperlukan untuk mengetahui seberapa jauh suatu pengamatan menyebar dari rata-
ratanya.
Beberapa ukuran pemusatan dan penyebaran data antara lain, mean, median, modus,
variansi, deviasi standar dan range. Mean merupakan suatu ukuran pusat data bila data
itu diurutkan dari yang terkecil sampai yang terbesar atau sebaliknya. Median merupakan
sekelompok data yang telah diurutkan dari yang terkecil sampai yang terbesar adalah nilai
pengamatan yang tepat berada di tengah-tengah jika banyaknya pengamatan itu ganjil
atau rata-rata kedua nilai pengamatan yang di tengah jika banyaknya pengamatan genap.
Modus adalah nilai yang paling sering muncul atau yang mempunyai frekuensi paling
tinggi. Variansi adalah harga rata-rata hitung dari pangkat dua simpangan-simpangan
antara nilai-nilai pengamatan dengan harga rata-rata hitung dari kumpulan data tersebut.
Deviasi standar adalah suatu nilai yang diperoleh dengan cara menarik akar pangkat dua
dari variansi atau merupakan ukuran penyimpanan sejumlah data dari nilai rata-ratanya.
Range adalah selisih antara nilai terbesar dengan nilai terkecil pada suatu gugus data.
2
b. Rumusan Masalah
Berdasarkan latar belakang diatas, masalah yang dapat disimpulkan adalah sebagai
berikut:
1. Bagaimana cara menghitung ukuran pemusatan dan penyebaran data menggunakan
program SPSS ?
2. Bagaimana cara menghitung ukuran kemiringan dan kelancipan data menggunakan
program SPSS ?
c. Tujuan
Berdasarkan Rumusan Masalah diatas, tujuan yang dapat disimpulkan adalah sebagai
berikut:
1. Mengaplikasikan program SPSS untuk menghitung ukuran pemusatan dan
penyebaran data.
2. Mengaplikasikan program SPSS untuk menghitung ukuran kemiringan dan
kelancipan data.
3
3.2 Landasan Teori
Ukuran Pemusatan adalah nilai tunggal yang mewakili suatu kumpulan data dan
menunjukkan karakteristik dari data. Ukuran pemusatan menunjukkan pusat dari nilai
data (Agus, 2013).
Nilai ukuran pemusatan ini dibuat sedemikian sehingga cukup mewakili seluruh nilai
pada data yang bersangkutan ukuran pemusatan adalah sembarang ukuran yang
menunjukkan pusat segugus data, yang telah diurutkan dari yang terkecil sampai yang
terbesar atau sebaliknya dari yang terbesar sampai yang terkecil. Salah satu kegunaan
dari ukuran pemusatan data adalah untuk membandingkan dua (populasi) atau contoh,
karena sangat sulit untuk membandingkan masing-masing anggota dari masing-masing
anggota populasi atau masing-masing anggota data contoh. Nilai ukuran pemusatan ini
dibuat sedemikian sehingga cukup mewakili seluruh nilai pada data yang bersangkutan
(Defila, 2011).
Ukuran pemusatan merupakan ukuran yang dapat melihat bagaimana data tersebut
mengumpul, ukuran pemusatan data yaitu mencari sebuah nilai yang dapat mewakili dari
suatu rangkaian data.
Beberapa ukuran pemusatan dan penyebaran data, antara lain:
1) Mean
Mean (nilai rata-rata dari suatu gugus data) merupakan suatu ukuran pusat data bila
data itu diurutkan dari yang terkecil sampai yang terbesar atau sebaliknya. Mean
diperoleh dengan cara menjumlahkan semua nilai yang ada pada suatu gugus data yang
kemudian dibagi dengan banyaknya nilai tersebut.
2) Median
Median (nilai tengah dari data yang telah diurutkan) merupakan sekelompok data
yang telah diurutkan dari yang terkecil sampai yang terbesar adalah nilai pengamatan
yang tepat berada di tengah-tengah jika banyaknya pengamatan itu ganjil atau rata-rata
kedua nilai pengamatan yang di tengah jika banyaknya pengamatan genap.
3) Modus
Modus adalah nilai yang yang paling sering muncul atau yang mempunyai frekuensi
paling tinggi.
4
4) Variansi (Ragam)
Variansi adalah harga rata-rata hitung dari pangkat dua simpangan-simpangan antara
nilai-nilai pengamatan dengan harga rata-rata hitung dari kumpulan data tersebut.
Variansi merupakan ukuran dari pangkat dua simpangan.
5) Deviasi Standar
Deviasi Standar adalah suatu nilai yang diperoleh dengan cara menarik akar pangkat
dua dari varian atau merupakan ukuran penyimpangan sejumlah data dari nilai rata-
ratanya.
6) Range
Range adalah selisih antara nilai terbesar (nilai maksimum) dengan nilai terkecil
(nilai minimum) pada suatu gugus data.
(Fransiska, 2019).
Ukuran kemiringan adalah bentuk sebaran apabila di bandikan dengan ukuran
sebaran normal. Apabila kita lihat dari data yang kita miliki maka kita akan mendapatkan
satu sampai tiga bentuk yaitu simetris, miring kekanan, miring kekiri. Apabila data
simetris maka rata-rata, median dan modus akan berimpit letaknya, atau sama nilainya.
Untuk data yang miring maka nilai datanya akan selalu diantara modus dan rata-rata data
tersebut. Apabila data miring ke kanan maka modus < median < rata-rata, sedangakan
untuk data yang miring ke kiri maka rata-rata < median < modus (Faktoer, 2011).
Kelancipan adalah simpangan baku dari data yang bersangkutan, apabila nilai nilai s
= 3 maka data tersebut memiliki ukuran kelancipan sama dengan ukuran kelancipan
sebaran normal sedangkan apabila s > 3 maka data tersebut lebih lancip dari sebaran
normal. Baik ukuran kemiringan dan kelancipan data dapat digunakan untuk menguji
apakah data yang kita miliki menyebar menurut sebaran normal atau tidak (Santoso,
2009).
5
a. Langkah Kerja
1. Klik ‘start’ yang terdapat pada pojok kiri di deskop.
Gambar 2. Menu start.

2. Ketik SPSS pada “Pencarian”.
Gambar 3. Pencarian program SPSS.

3. Klik Program SPSS
Gambar 4. Program SPSS 16.0.
6
4. Klik “Ok” pada gambar dibawah.
Gambar 5. Tampilan awal Program SPSS.

5. Tampilan SPSS16.0
Gambar 6. Program SPSS.

6. Pemasukan data ke SPSS. Pilih menu File → New → Data
Gambar 7. Tampilan submenu File
7
7. Kemudian klik mouse pada sheet tab Variable View.
Gambar 8. Tampilan Variable view

8. Kemudian klik mouse pada sheet tab Data View. Masukkan data seperti berikut:
Gambar 9. Data view

9. Mencari nilai ukuran pemusatan dan penyebaran. Pilih menu analyze → desriptive
statistics→Frequencies
Gambar 10. Menu analyze submenu descriptive statistics
8
10. Masukkan variabel data pada kolom variable dan pada dialog display pilih statistics
Gambar 11. Frequencies

11. Maka akan muncul kotak dialog statistic seperti berikut
Gambar 12. Statistics

12. Kemudian untuk menghitung ukuran pemusatan maka beri centang pada kotak dialog
central tendency dengan meng-klik pilihan yang diinginkan.
Gambar 13. Central Tendency
9
13. Untuk menghitung ukuran penyebaran maka pada kotak dialog dispersion dengan
mengklik pilihan yang diinginkan.
Gambar 14. Dispersion

14. Untuk menghitung kelancipan dan kemiringan maka beri centang pada kotak dialog
distribution dengan mengklik pilihan yang diinginkan kemudian klik continue.
Gambar 15. Distribution

15. Tekan ok untuk mengkhiri pengisian prosedur analisis. Maka akan muncul data
ukuran pemusatan, penyebaran, kemiringan serta kelancipan.
Gambar 16. Hasil output
10
1. Histogram Nilai Ulangan Matematika
Gambar 17. Histogram Nilai Ulangan

Nilai Ulangan Matematika satu kelas disajikan dengan histogram seperti pada
gambar di atas, tentukan ukuran pemusatan, penyebaran, kemiringan, dan kelancipan.
2. Nilai Ulangan Statistika 15 siswa kelas XI IPA adalah 7, 8, 6, 4, 10, 5, 9, 7, 3, 8, 6,
5, 8, 9, dan 7. Tentukan ukuran pemusatan, penyebaran, kemiringan dan kelancipan.
11
a. Hasil
1. Hasil nomor 1
Gambar 18. Hasil Teladan 1.

2. Hasil nomor 2
Gambar 19. Hasil Teladan 2
12
b. Pembahasan
Pada teladan 1 diperoleh data N = 40, missing 0 dan juga diperoleh mean = 65.00,
median = 67.00, mode = 67, std. deviation = 7.408, variance = 54.872, skewness = -0.155,
std. error of skewness = 0.374, kurtosis = -0.844, std. error of kurtosis = 0.733 dan range
= 25. Untuk lebih detailnya bisa dilihat pada gambar 18 dan pada gambar 19.
Pada teladan 2 diperoleh data N = 15, missing 0 dan juga diperoleh mean = 6.80,
median = 7.00, mode = 7𝑎 , std. deviation = 1.971, variance = 3.886, skewness = -0.325,
std. error of skewness = 0.580, kurtosis = -0.496, std. error of kurtosis = 1.121 dan range
= 7. Untuk lebih detailnya bisa dilihat pada gambar 20 dan pada gambar 21.
13
a. Kesimpulan
Pada praktikum kali ini kita dapat mengaplikasikan program SPSS untuk mencari
ukuran pemusatan, penyebaran, kemiringan dan kelancipan data menggunakan menu
Analyse→desriptive statistics→Frequencies→option Statistics pada kotak dialog. Mean,
Median, Modus, Sum adalah kelompok central tendency yaitu ukuran pemusatan data.
Standart deviation, Variance, Range, Maximum, Minimum termasuk ukuran penyebaran
data atau dispersion.
Setelah diadakannya praktikum, kita dapat mengenal program SPSS dan
mengaplikasikannya untuk mencari ukuran pemusatan, ukuran penyebaran, kemiringan
serta kelancipan data. Kita dapat mengetahui bahwa ukuran pemusatan merupakan
ukuran yang dapat melihat bagaimana data mengumpul dan ukuran penyebaran untuk
mengetahui seberapa jauh nilai pengamatan menyebar dari nilai rata-ratanya. Sehingga
setelah dilakukannya praktikum ini, kita dapat menggunakan program SPSS dengan lebih
mudah dan efektif.
b. Saran
kita dapat menambah ilmu dengan membaca laporan ini.
14
DAFTAR PUSTAKA
Defila. 2011. Statistika deskriptif. http://files.defila.com/2011/10/2 1/statistika-
deskriftif/#more-2467.pdf. Diakses pada 7 November 2021 Pukul 12:54 WIB.
Fatkoer, M. 2011. Materi Metode Statistika Kuliah 1. Jakarta: Grasindo.
Hartatik. 2014. Ukuran Data dengan SPSS. http://lecturer.d3ti.mipa.uns.ac.id/
hartatik/files/2014/10/ukuran-data-dengan-SPSS1.pdf. Diakses 7 November
2021 pukul 12:46 WIB.
Sukoco, Agus. 2013. Modul 3 Statistik Deskriptif. http://agussukoco.dosen.narota-
ma.ac.id/files/2013/03/Modul-3-Statistik-Deskriptif-EDISI-2.pdf. Diakses pada
7 November 2021 pukul 12:53 WIB.
v
PERTEMUAN IV
FUNGSI SEBARAN DISKRIT
4
LAPORAN PRAKTIKUM
PERTEMUAN IV
METODE STATISTIKA
Oleh
NPM : F1A021030
2021
KATA PENGANTAR
ridho dan nikmat dari-Nya sehingga penulis dapat menyelesaikan penulisan laporan
tentang fungsi sebaran diskret dalam mata kuliah metode statistika.
tugas yang diberikan oleh Dosen, juga untuk lebih memperluas pengetahuan para
mahasiswa khususnya bagi penulis.
menyadari akan adanya keterbatasan sebagai manusia biasa.
serta saran dari dosen bahkan semua pembaca sangat diharapkan oleh penulis untuk dapat
menyempurnakan laporan ini terlebih juga dalam pengetahuan kita bersama. Harapan ini
dapat bermanfaat bagi kita sekalian.
Penulis
ii
DAFTAR ISI
HALAMAN JUDUL ........................................................................................................ i

DAFTAR ISI ................................................................................................................... iii
DAFTAR GAMBAR ...................................................................................................... iv
FUNGSI SEBARAN DISKRIT
4.1 Pendahuluan ............................................................................................................. 1
a. Latar Belakang ........................................................................................................... 1
c. Tujuan ........................................................................................................................ 1
4.2 Landasan Teori ........................................................................................................ 2
a. Langkah Kerja ............................................................................................................ 5
b. Teladan Penerapan ..................................................................................................... 6
4.4 Hasil dan Pembahasan............................................................................................. 7
a. Hasil ........................................................................................................................... 7
b. Pembahasan ................................................................................................................ 8
4.5 Kesimpulan dan Saran ............................................................................................ 9
a. Kesimpulan ................................................................................................................ 9
b. Saran .......................................................................................................................... 9
DAFTAR PUSTAKA ...................................................................................................... v
iii
DAFTAR GAMBAR
Gambar 1. Logo Universitas Bengkulu.......................................................................... ...i

Gambar 2. Tampilan Utama Pada Microsoft Excel ....................................................... ..4
Gambar 3. Formula Permutasi di Microsoft Excel ........................................................ ..4
Gambar 4. Formula Kombinasi di Microsoft Excel ....................................................... ..4
Gambar 5. Formula Hypergeomatrik di Microsoft Excel .............................................. ..5
Gambar 6. Formula Binomial di Microsoft Excel .......................................................... ..5
Gambar 7. Formula Possion di Microsoft Excel ........................................................... ..5
Gambar 8. Hasil Hypgeomdist Teladan 1 ...................................................................... ..7
Gambar 9. Hasil Binomdist Teladan 2............................................................................ ..7
iv
FUNGSI SEBARAN DISKRET
4.1 Pendahuluan
a. Latar belakang
Microsoft excel merupakan program aplikasi spreadsheet (lembar kerja elektronik)
canggih yang paling populer dan paling banyak digunakan saat ini. Microsoft excel akan
sangat membantu kita dalam hal menghitung, memproyeksikan, menganalisa, dan
mampu mempresentasikan data dalam bentuk tabel dengan berbagai jenis tabel yang
disediakannya, mulai dari bentuk bar, grafik, pie, line, dan banyak lagi. Excel 2000
merupakan pengembangan dari excel versi sebelumnya yang lebih ditingkatkan fungsinya
agar spreadsheet ini lebih familiar (mudah dipakai), lebih fleksibel, lebih mudah
diintegrasikan dengan program office lainnya dan yang tak kalah penting adalah
kemampuan untuk langsung berhubungan dengan internet. Walaupun demikian, excel
2000 ini akan selalu dikembangkan oleh pihak microsoft sehingga akhirnya kita betul-
betul dimanja oleh software ini.
Dalam makalah ini kami menjelaskan mengenai cara menggukan Microsoft Excel
khususnya dalam dunia pendidikan. Karena fungsi Microsoft Excel sangat berperan
penting dalam dunia pendidikan misalnya dalam mengentri data-data nilai siswa,
merangking hasil belajar siswa, pembayaran spp siswa, presentasi siswa dan lain-lain.
Dengan alasan tersebut, maka penulis menyusun makalah ini sebagai penunjang dalam
pembelajaran Microsoft Excel.
b. Rumusan Masalah
berikut:
1. Bagaimana cara memahami konsep peluang pada Microsoft Excel?
2. Bagaimana cara menghitung peluang pada kasus data yang memiliki sebaran diskrit
pada Microsoft Excel?
c. Tujuan
1. Mempelajari Microsoft Excel untuk mampu memahami konsep peluang
2. Mempelajari Microsoft Excel untuk mampu menghitung peluang pada kasus data
yang memiliki sebaran diskret.
1
4.2 Landasan Teori
Permutasi adalah banyaknya cara menyusun sebagian atau seluruh unsur-unsur
tersebut dengan memperhatikan urutan dan tanpa ada pengulangan unsur. Banyak
permutasi n unsur dengan setiap pengambilan r unsur (r ≤ n) dinotasikan
𝑛!
𝑃𝑟𝑛 =
(𝑛 − 𝑟)!
Kombinasi adalah banyaknya cara menyusun sebagian atau seluruh unsur-unsur
tersebut tanpa memperhatikan urutan. Banyak kombinasi n unsur dengan setiap
pengambilan r unsur (r ≤ n) dinotasikan
𝑛!
𝐶𝑟𝑛 =
𝑟! (𝑛 − 𝑟)!
(Zakaria, 2013).
Hipergeometrik adalah banyaknya sukses (x) dalam sampel acak ukuran n yang
diambil dari populasi sebanyak N yang mengandung jumlah sukses sebanyak k, ialah:
𝐶𝑥𝑘 𝐶𝑛−𝑥
𝑁−𝑘
𝐶𝑛𝑁
Binomial adalah distribusi probabilitas diskret dari percobaan yang dilakukan
sebanyak n kali dengan masing-masing percobaan mempunyai probabilitas p dan masing-
masing percobaan tidak saling mempengaruhi (independent).
(Puspita, 2014).
Poisson adalah percobaan yang menghasilkan peubah acak X yang bernilai numerik,
yaitu banyaknya sukses selama selang waktu tertentu atau dalam daerah tertentu.
Distribusi peluang peubah acak Poisson X, dinyatakan dengan
𝑒 −𝜇 𝜇 𝑥
𝑝(𝑥: 𝜇) =
𝑥!
µ menyatakan rata-rata banyaknya sukses yang terjadi dalam selang waktu atau
daerah tertentu tersebut dan e = 2,71828.
Geometrik adalah usaha yang paling bebas dan dilakukan berulang kali
menghasilkan sukses dengan peluang p dan gagal dengan peluang q = 1 - P, maka
distribusi peluang acak X, yaitu banyaknya usaha yang berakhir pada sukses pertama,
diberikan oleh
g(x;p) = pqx-1
(Suryadi, 2003).
2
Negatif binomial adalah sebaran diskret yang digunakan untuk menduga peluang
suatu keluaran tertentu akan terjadi pertama kali pada tindakan ke x dari suatu populasi
tak terhingga dimana peluang munculnya kejadian tersebut konstan (p).
Sebaran seragam sesuai dengan namanya adalah sebaran diskret yang memiliki
peluang sama atau seragam untuk tiap titik dimana x terdefinisi.
(Fransiska, 2019).
3
4.3 Langkah Kerja dan Teladan Penerapan
a. Langkah Kerja
1. Pertama-tama kita “Klik Start”.
2. Pilih “All Program”.
3. Kemudian pilih folder “Microsoft Office”. Lalu kemudian piih icon “Microsoft
Excel” yang ada di dalam folder “Microsoft Office”. Tampilan utama Microsoft Excel
seperti berikut:
Gambar 2. Tampilan utama pada Microsoft Excel.

4. Untuk mencari Permutasi di Microsoft Excel kita tuliskan dengan formula
PERMUT(number; numberr_chosen)
Gambar 3. Formula pemutasi di Microsoft Excel.

5. Untuk mencari Kombinasi di Microsoft Excel kita tuliskan dengan formula
=COMBIN(number;number_chosen
Gambar 4. Formula kombinasi di Microsoft Excel.
4
6. Untuk mencari Hypergeometrik di Microsoft Excel kita tuliskan dengan formula
=HYPGEODIST(sample_s; number_sample; population_s; number_pop)
Gambar 5. Formula hypergeometrik di Microsoft Excel.

7. Untuk mencari Binomial di Microsoft Excel kita tuliskan dengan formula
=BINOMDIST(number_s; trials; probality_s; cummulative)
Gambar 9. Formula binomial di Microsoft Excel.

8. Untuk mencari Poisson di Microsoft Excel kita tuliskan dengan formula
=POISSON(x;mean; cummulative)
Gambar 7. Formula poisson di Microsoft Excel.
5
1. Sebuah peralatan khusus dibuat untuk keperluan pesawat ruang angkasa. Mesin yang
menghasilkan alat tersebut memiliki laju kerusakan 8%. Jika 25 alat dibuat, berapakah
peluang untk mendapatkan kurang dari 2 alat tersebut cacat/rusak dari sebuah sampel
berukuran 8?
2. Bila peluang melakukan kesalahan pengetikan dalam sebuah halaman dari laporan
praktikum adalah 0,08 dan tindakan melakukan kesalahan dari satu halaman kehalaman
yang lain saling lebar, berapakah peluang membuat kesalahan sedikitnya 3 halaman dari
8 halaman laporan praktikum yang dibuat?
6
a. Hasil
1. Hasil nomor 1
Gambar 8. Hasil Hypgeomedist Teladan 1.

2. Hasil nomor 2
Gambar 8. Hasil Binomdist Teladan 2.
7
b. Pembahasan
Berdasarkan soal teladan nomor 1, soal ini memuat hipergeometrik.Di mana pada
MS.Excel soal hipergeometrik ini menggunakan rumus seperti berikut
=HYPGEOMDIST(sample_s;number_sample;population_s;number_pop).Diketahui
pada soal terdapat 25 alat yang dibuat ini sebagi number_pop.Untuk peluang
mendapatkan kurang dari 2 maka 0 dan 1 sebagai sample_s.Sebuah sample berukuran 8
sebagai population_s.Peluang mendapatkan kurang dari 2 sebagai number_sample.Hasil
dari teladan pada soal nomor 1 adalah 0,906666667.
Berdasarkan soal teladan nomor 2,soal ini memuat binomial.Di mana pada MS.Excel
soal binomial ini menggunakan rumus sebagai berikut
=BINOMDIST(number_s;trials;probability_s;cumulative.).Diketahui pada soal terdapat
sedikitnya 3 dari 8 halaman sebagai number _s.Terdapat 8 halaman sebagai trials.Peluang
melakukan kesalahan pengetikkan yaitu 0,08 sebagai probability_s.0 sebagai cumulative
karna false.Hasil dari teladan pada nomor 2 adalah 0,021100486.
8
a. Kesimpulan
Distribusi peluang diskret adalah suatu ruang contoh yang mengandung jumlah titik
contoh yang terhingga atau suatu barisan unsur yang tidak pernah berakhir tetapi yang
sama banyaknya dengan bilangan cacah. Fungsi sebaran diskret terdiri dari permutasi,
kombinasi, hypergeomtrik, binomial, poisson, geometrik, negative binomial, dan sebaran
seragam.
Fungsi-fungsi sebaran diskret tersebut dapat diselesaikan dengan mempelajari
Microsoft Excel dengan menggunakan formula yang ada.
b. Saran
kita dapat menambah ilmu dengan membaca laporan ini. Aamiin
9
DAFTAR PUSTAKA
Fransiska, Herlin. 2019. Modul Praktikum Metode Statistika. Rachmawati, Ramya dan Septri
Damayanti, ed. Bengkulu: Universitas Bengkulu.
Puspita, Debrina. Distribusi Probabilitas Diskrit. http://debrina.lecture.ub.ac.id/fil es /2
015/09/ 7-Distribusi-Diskrit-Geometrik-Hipergeometrik.pdf. Diakses pada tanggal 7
November 2021 Pada pukul 21:10 WIB.
Suryadi, Christine. 2003. Beberapa Distribusi Peluang Diskrit Lanjutan. http ://k ur
2003.if.itb.ac.id/file/CN%20IF2152%20Beberapa%20Distribusi%20Peluang %
20Diskrit%20Lanjutan%20.pdf. Diakses pada tanggal pada 7 November 2021 pada
pukul 20:58 WIB.
Zakaria, Rian. 2013. Modul Bab 1 Peluang. http://smabw.sch.id/files/MODUL% 201 %
20PELUANG.pdf. Diakses pada tanggal 7 November 2021 pada pukul 21:25 WIB.
v
PERTEMUAN V
FUNGSI SEBARAN KONTINU
5
LAPORAN PRAKTIKUM
PERTEMUAN V
METODE STATISTIKA
Oleh
NPM : F1A021030
2021
KATA PENGANTAR
tentang fungsi sebaran kontinu dalam mata kuliah metode statistika.
Oleh karna itu jika didapati adanya kesalahan kesalahan baik dari segi teknik
penulisan, maupun dari isi, maka penulis memohon maaf dan kritik, serta saran dari dosen
bahkan semua pembaca sangat diharapkan oleh penulis untuk dapat menyempurnakan
laporan ini terlebih juga dalam pengetahuan kita bersama. Harapan ini dapat bermanfaat
bagi kita sekalian.
Penulis
ii
DAFTAR ISI
HALAMAN JUDUL ........................................................................................................ i

DAFTAR ISI ................................................................................................................... iii
DAFTAR GAMBAR ...................................................................................................... iv
5.1 Pendahuluan ............................................................................................................. 1
a. Latar Belakang ........................................................................................................... 1
c. Tujuan ........................................................................................................................ 1
5.2 Landasan Teori ........................................................................................................ 2
5.3 Langkah Kerja dan Teladan .................................................................................. 4
a. Langkah Kerja ............................................................................................................ 4
b. Teladan ...................................................................................................................... 6
a. Hasil ........................................................................................................................... 7
b. Pembahasan ................................................................................................................ 9
a. Kesimpulan .............................................................................................................. 10
b. Saran ........................................................................................................................ 10
DAFTAR PUSTAKA ...................................................................................................... v
iii
DAFTAR GAMBAR
Gambar 1. Tampilan utama pada Microsoft Excel ............................................................ 4

Gambar 2. Formula sebaran normal di Microsoft Excel ................................................... 4
Gambar 3. Formula sebaran khi-kuadrat di Microsoft Excel ............................................ 4
Gambar 4. Formula sebaran student-t di Microsoft Excel ................................................. 5
Gambar 5. Formula sebaran F di Microsoft Excel............................................................ 5
Gambar 6. Hasil teladan 1 batas atas nilai E ..................................................................... 7
Gambar 7. Hasil teladan 1 batas bawah nilai A ................................................................ 7
Gambar 8. Hasil teladan 2a ............................................................................................... 8
Gambar 9. Hasil teladan 2b ............................................................................................... 8
iv
5.2 Pendahuluan
a. Latar belakang
Peluang banyak digunakan dibidang lain, selain bidang Matematika. Ahli fisika
menggunakan peluang untuk mempelajari macam-macam gas dan hukum panas dalam
teori atom. Ahli biologi mengaplikasi teknik peluang dalam ilmu genetika dan teori
seleksi alam. Dalam dunia bisnis teknik peluang digunakan untuk pengembalian
keputusan.
Peluang merupakan teori dasar stastistika, suatu disiplin ilmu yang mempelajari
pengumpulan, pengaturan, perhitungan, penggambaran dan penganalisisan data, serta
penarikan kesimpulan yang valid berdasarkan penganalisisan yang dilakukan dan
pembuatan keputusan yang rasional.
Bila kita mengingat kembali pengetahuan mengenai data yang dikelompokkan
menjadi bentuk tabel distribusi frekuensi. Kita telah mengetahui bahwa dengan tabel
distribusi frekuensi itu kita dapat membuat histogram, poligon, ogif dan menentukan
frekuensi kemiringan suatu distribusi data.
Perhatikan bahwa dari poligon kita dapat melukis suatu kurva yang halus dan
kontinu, yaitu grafik dari fungsi f(x). Dari kurva ini kita dapat menentukan bagaimana
kemiringan dari suatu distribusi data. Dari kemiringan tersebut, kita dapat mengetahui
bahwa ada tiga jenis kemiringan, yaitu miring ke kiri, simetri, dan miring ke kanan. Dan
dari jenis kemiringan tersebut, kita akan mengetahui jenis-jenis dan intepretasi dari
distribusi kontinu, yaitu distribusi normal, chi-kuadrat, distribusi F, dan distribusi t.
b. Rumusan masalah
berikut:
1. Bagaimana cara menghitung peluang pada kasus data yang memiliki sebaran data
kontinu?
c. Tujuan
1. Mempelajari Microsoft Excel untuk mampu menghitung peluang pada kasus data
yang memiliki sebaran kontinu.
1
5.2 Landasan Teori
Sebaran peluang kontinu adalah peubah acak yang dapat memperoleh semua nilai
pada skala kontinu. Ruang sampel kontinu adalah bila ruang sampel mengandung titik
sampel yang tak terhingga banyaknya. Syarat dari sebaran kontinu adalah apabila fungsi
f(x) adalah fungsi padat peluang peubah acak kontinu X yang didefinisikan di atas
himpunan semua bilangan riil R bila:
1. 𝐹(𝑥) ≥ 0 untuk semua 𝑥 ∈ 𝑅
2. ∫ _∞^∞▒〖𝑓(𝑥)𝑑𝑥 = 1〗
3. 𝑃(𝑎 < 𝑋 < 𝑏) = ∫ _∞^∞▒𝑓(𝑥)𝑑𝑥
(Munir, 2009).
Sebaran normal merupakan distribusi yang digunakan sebagai model bagi data riil
di berbagai bidang yang meliputi antara lain karakteristik fisik makhluk hidup (berat,
tinggi badan manusia, hewan, dll). Fungsi kepadatan probabilitas dari sebaran normal
standard variabel acak kontinu Z adalah:
𝑓_𝑁 (𝑧; 0,1) = 1/√2𝜋 𝑒^(−𝑧^2/2) , −∞ < 𝑧 < ∞
Sedangkan fungsi distribusi kumulatif dari sebaran normal standard ini dinyatakan
sebagai :
𝑓_𝑁 (𝑧; 0,1) = 𝑃(𝑍 ≤ 𝑧) = 𝛷(𝑧) = ∫ _(−∞)^𝑧▒〖1/√2𝜋 𝑒^(〖 − 𝑡〗^2/2) 𝑑𝑡〗
Sebaran normal variabel acak kontinu X dengan nilai-nilai parameter 𝜇𝑥 dan 𝜎𝑥
berapapun dapat diubah menjadi sebaran normal kumulatif standard jika variabel acak
standard Zx menurut hubungan :
𝑧_𝑥 = (𝑥 − 𝜇_𝑥)/𝜎_𝑥
Nilai 𝑧𝑥 dari variabel acak standard 𝑧𝑥 sering juga disebut sebagai skor z dari variabel
acak X.
(Adzaniah, 2013).
Sebaran Kai-kuadrat merupakan sebaran yang banyak digunakan dalam sejumlah
prosedur statistik inferensial. Sebaran Kai-kuadrat merupakan kasus khusus dari
distribusi gamma dengan faktor bentuk 𝛼 = 𝑣/2, dimana v adalah bilangan bulat positif
dan faktor skala 𝛽 = 2 (Anonim, 2011).
2
Sebaran t atau lengkapnya sebaran Student-t adalah sebaran kontinu yang diturunkan
dari rasio peubah acak yang menyebar menurut sebaran normal baku dengan akar pangkat
dua dari peubah acak yang menyebar menurut sebaran Kai-kuadrat dengan derajat bebas
v yang dibagi dengan v itu sendiri.Z~N (0,1) dan Y~𝜆_𝑣^2 maka
T= 𝑧/√(𝑌/𝑣)~𝑡_𝑣
Sebaran F adalah peubah acak yang diturunkan dari rasio sebaran kai-kuadrat yang
masing-masing dibagi dengan derajat bebasnya. Bila A~λ dan B~𝜆_𝑣2^2 maka
F=𝐴/𝑣1/𝐵/𝑣2 menyebar menurut sebaran F dengan derajat bebasnya v1 dan v2
(Fransiska, 2019).
3
a. Langkah Kerja
1. Pertama-tama kita “Klik Start”.
2. Pilih “All Program”.
3. Kemudian pilih folder “Microsoft Office”. Lalu kemudian piih icon “Microsoft Excel”
yang ada di dalam folder “Microsoft Office”. Tampilan utama Microsoft Excel seperti
berikut:
Gambar 1. Tampilan utama pada Microsoft Excel.

4. Untuk mencari sebaran Normal di Microsoft Excel tuliskan dengan formula
NORMSINV(probability)
Gambar 2. Formula sebaran normal di Microsoft Excel.

5. Untuk mencari sebaran Kai-kuadrat di Microsoft Excel kita tuliskan dengan formula
=CHIINV(probability;deg_freedom)
Gambar 3. Formula sebaran khi-kuadrat di Microsoft Excel.
4
6. Untuk mencari sebaran Student-t di Microsoft Excel kita tuliskan dengan formula
=TINV(probability;deg_freedom)
Gambar 4. Formula sebaran student-t di Microsoft Excel.

7. Untuk mencari sebaran F di Microsoft Excel kita tuliskan dengan formula
=FINV(probability;deg_freedom1;deg_freedom2)
Gambar 5. Formula sebaran F di Microsoft Excel.
5
1. Nilai akhir mata kuliah statiska untuk kelas Y menyebar normal dengan rataan 68,1
dan deviasi standar 7,2. Ditetapkan bahwa 10% nilai-nilai terbaik akan mendapatkan nilai
A dan 5% nilai-nilai terendah akan mendapatkan nilai E. Tentukan batas bawah nilai A
dan Batas atas nilai E?
2. Dapatkan nilai peluangnya:
2
a. P(𝑥30 ≥ 46,98)
2
b. P(𝑥14 ≥ 6,25)
6
1. Hasil
a. Hasil nomor 1
Gambar 6. Hasil teladan 1 batas atas nilai E.
Gambar 7. Hasil teladan 1 batas bawah nilai A.
7
b. Hasil nomor 2
Gambar 8. Hasil teladan 2a.
Gambar 9. Hasil teladan 2b.
8
b. Pembahasan
Pada teladan nomor 1 berdasarkan soal ini merupakan tipe soal sebaran normal, Pada
keadaan tersebut yang ingin dicari adalah batas bawah dari nilai A dan batas atas dari
nilai E. Nilai A itu sendiri adalah nilai yang 10% dari nilai terbaik atau memiliki oeluang
0,1. Batas bawah nilai sebuah dapat dicari menggunakan rumus =NORM.S.INV dengan
kemungkinannya adalah peluang komplement dari 0,1 yaitu 0,9. Keadaan ii karena yang
dicari merupakan batas bawah dari 10% nilai terbaik. Selain cara tersebut dapat juga
digunakan dengan menggunakan rumus tersebut dihasilkan bahwa batas bawah untuk
nilai A adalah sebesar 77,312717. Sedangkan nilai E adalah 5% dari nilai terendah atau
memiliki peluang 0,05. Batas atas nilai E dapat dicari menggunakan rumus
=NORM.S.INV dengan kemungkinan yang sebenarnya kerena yang dicari adalah batas
atas dari 5% nilai terendah. Dengan menggunakan rumus tersebut dihasilkan bahwa batas
atas nilai E adalah sebesar 56,25705.
Pada teladan nomor 2 soal ini merupakan tipe soal kai-kuadrat yang mana rumusnya
=CHIDIST(probability;deg_freedom), maka hasil dari soal nomor 2 a
=CHIDIST(46,98;30) maka didapatkan hail 0,024996. Dan pada soal teladan nomor 2 b
=CHIDIST(6,57;14) maka didapatkan hasil 0,950021.
9
a. Kesimpulan
sampel yang tak terhingga banyaknya. Macam-macam sebaran kontinu yaitu: sebaran
normal, sebaran khi-kuadrat, sebaran t atau Student-t, dan sebaran F. Sebaran peluang
kontinu tersebut dapat ditentukan dengan mempelajari Microsoft Excel dengan
menggunakan formula yang ada.
a. Saran
10
DAFTAR PUSTAKA
Adzaniah, Putri. 2013. Fungsi sebaran diskrit dan kontinu. http://statistic-matematika/F-
MIPA-MAtematika.uny.pdf. Diakses pada 14 November 2021 pukul 21: 46 WIB.
Anonim. 2011. Konsep Distribusi Peluang Kontinu. file://E:/kuliah/konsep-distribusi-
peluang-kontinu.pdf. Diakses pada 14 November 2021 Pukul 21:50 WIB.
Munir, Rinaldi. 2009. Beberapa Distribusi Peluang Kontinu. http://informatika.Stei.
itb.ac.id/~rinaldi.munir/Probstat/2010-2011/Beberapa%20Distribusi%20 Peluan
g%2 0Kontinu.pdf. Diakses pada 14 November 2021 pukul 22:00 WIB.
v
PERTEMUAN VI
PENDUGA TITIK DAN INTERVAL
6
LAPORAN PRAKTIKUM
PERTEMUAN VI
METODE STATISTIKA
Oleh
NPM : F1A021030
2021
KATA PENGANTAR
tentang pendugaan titik dan interval dalam mata kuliah metode statistika.
Oleh karna itu jika didapati adanya kesalahan kesalahan baik dari segi teknik
penulisan, maupun dari isi, maka penulis memohon maaf dan kritik, serta saran dari dosen
laporan ini terlebih juga dalam pengetahuan kita bersama. Harapan ini dapat bermanfaat
bagi kita sekalian.
Penulis
ii
DAFTAR ISI
HALAMAN JUDUL ....................................................................................................... i

DAFTAR ISI ................................................................................................................... iii
DAFTAR GAMBAR ...................................................................................................... iv
DAFTAR TABEL ........................................................................................................ v
6.1 Pendahuluan ............................................................................................................. 1
a. Latar Belakang ........................................................................................................... 1
b. Rumusan Masalah ..................................................................................................... 1
c. Tujuan ........................................................................................................................ 1
6.2 Landasan Teori ........................................................................................................ 2
a. Langkah Kerja ............................................................................................................ 4
b. Teladan Penerapan ..................................................................................................... 8
6.4 Hasil dan Pembahasan ............................................................................................ 9
a. Hasil ....................................................................................................................... 9
b. Pembahasan .............................................................................................................. 10
a. Kesimpulan .............................................................................................................. 11
b. Saran ........................................................................................................................ 11
DAFTAR PUSTAKA ..................................................................................................... vi
iii
DAFTAR GAMBAR
Gambar 1. Tampilan utama SPSS 16.0 ............................................................................. 4

Gambar 2. Menu File pada toolbar ................................................................................... 4
Gambar 3. Tampilan pada Variable View ......................................................................... 4
Gambar 4. Tampilan keseluruhan data View..................................................................... 5
Gambar 5. Tampilan menu Analyze .................................................................................. 5
Gambar 6. Tampilan pared sampels t-test ........................................................................ 5
Gambar 7. Tampilan paired samples t-test:options .......................................................... 6
Gambar 8. Tampilan hasil dari menghitung selang kepercayaan .................................... 6
Gambar 9. Tampilan menu Analyze .................................................................................. 6
Gambar 10. Tampilan one sampels t-test ......................................................................... 7
Gambar 11. Tampilan one samples t-test:options ............................................................. 7
Gambar 12. Tampilan hasil dari menghitung selang kepercayaan ................................... 7
Gambar 13. Hasil Teladan Penerapan Nomor 1................................................................ 9
Gambar 14. Hasil Teladan Penerapan Nomor 2................................................................ 9
iv
6.1 Pendahuluan
a. Latar belakang
Statistika dalam arti sempit berarti kumpulan data berupa angka, penyajian data
dalam table dan grafik, bilangan yang menunjukan karakteristik dari kumpulan data.
Statistika dalam arti luas yaitu metode yang digunakan dalam pengumpulan dan analisis
data yang berupa angka-angka sehingga dapat diperoleh informasi yang berguna.
Statistika adalah suatu metode yang menjelaskan tata cara pengumpulan, penyusunan,
penyajian, penganalisaan dan penginterprestasian data menjadi informasi yang lebih
berguna.
menu-menu deskriptif dan kotak-kotak dialog yang sederhana sehingga mudah untuk
dipahami cara pengoperasiannya. Beberapa aktivitas dapat dilakukan dengan mudah
dengan menggunakan pointing dan clicking mouse.
Penduga titik adalah menduga nilai tunggal parameter populasi. Pendugaan titik
parameter apabila terjadi atau tidak terjadinya peristiwa tidak saling mempengaruhi pada
kemungkinan kejadian lainnya. Pendugaan titik parameter adalah penduga tunggal
sebagai fungsi unsur populasi. Dalam prakteknya, penduga titik hanya memiliki satu nilai
tidak memberikan gambaran mengenai selisih atau jarak antara nilai estimasi tersebut
dengan nilai sebenarnya.
b. Rumusan masalah
berikut:
1. Bagaimana melakukan pendugaan titik dan pendugaan selang kepercayaan
diprogram SPSS?
c. Tujuan
Berdasarkan latar belakang di atas, tujuan dalam penulisan laporan ini adalah sebagai
berikut:
1. Mempelajari program SPSS untuk melakukan pendugaan titik dan pendugaan selang
kepercayaan.
1
6.2 Landasan Teori
Di dalam statistika inferensia, terdapat dua jenis pendugaan parameter, yaitu
pendugaan titik dan pendugaan selang (Restiana, 2017).
Pendugaan interval atau selang kepercayaan adalah apabila suatu populasi secara
berulang-ulang ditarik sample, maka bila rata-rata atribut yang diperoleh dari sampel
tersebut sejajar dengan nilai populasi yang sebenarnya. Lebih lanjut, nilai yang diperoleh
tersebut yang berasal sampel yang sudah ditarik didistribusikan secara normal dalam
bentuk nilai besar/nyata. Bentuk nilai tersebut akan menjadi nilai sampel yang lebih tinggi
atau lebih rendah jika dibandingkan dengan nilai populasinya. Dalam suatu distribusi
normal, sekitar 95% nilai sampel berada dalam dua simpangan baku dari nilai populasi
sebenarnya (Setiawan, 2005).
Penduga interval atau selang kepercayaan dua arah 100(1 − 𝛼 )% bagi 𝜎 2 adalah :
(𝑛 − 1)𝑠 2 (𝑛 − 1)𝑠 2
< 𝜎2 <
𝑋𝛼2 𝑋2 𝛼
2 ;𝑛−1 1− 2 ;𝑛−1
Jika nilai 𝜎 2 diketahui, Penduga interval atau selang kepercayaan dua arah 100(1 − 𝛼 )%
bagi µ adalah :
𝜎 𝜎
𝑥̅ − 𝑧1−𝛼 < 𝜇 < 𝑥̅ + 𝑧1−𝛼
2 √𝑛 2 √𝑛
Jika nilai 𝜎 2 tak diketahiu, tetapi ukuran sample (n ≥ 30), Penduga interval atau selang
kepercayaan dua arah 100(1 − 𝛼 )% bagi µ adalah :
𝑠 𝑠
𝑥̅ − 𝑧1−𝛼 < 𝜇 < 𝑥̅ + 𝑧1−𝛼
2 √𝑛 2 √𝑛
Jika nilai 𝜎 2 tak diketahiu, tetapi ukuran sample (n < 30), Penduga interval atau selang
kepercayaan dua arah 100(1 − 𝛼 )% bagi µ adalah :
𝑠 𝑠
𝑥̅ − 𝑡𝛼;𝑛−1 < 𝜇 < 𝑥̅ + 𝑡𝛼;𝑛−1
2 √𝑛 2 √𝑛
Penduga interval atau selang kepercayaan dua arah 100(1 − 𝛼 )% bagi 𝜋 adalah :
𝑝(1 − 𝑝) 𝑝(1 − 𝑝)
𝑝 − 𝑧1−𝛼 √ < 𝜋 < 𝑝 + 𝑧1−𝛼 √
2 𝑛 2 𝑛
2
Penduga interval 100(1 − 𝛼 )% bagi beda dua rata-rata populasi dengan asumsi bahwa
kedua ragam populasi 𝜎12 dan 𝜎22 diketahui adalah :
𝜎12 𝜎22
𝑥̅1 + 𝑥̅2 ± 𝑧1−𝛼 √ +
2 𝑛 𝑛
kedua ragam populasi 𝜎12 dan 𝜎22 tak diketahui, tetapi sama n1 + n2 < 30 :
(𝑛 − 1)𝑠12 + (𝑛2 − 1)𝑠22 𝑛1 + 𝑛2

𝑥̅1 + 𝑥̅2 ± 𝑡𝛼;𝑛1+𝑛2−2 √ +
2 𝑛1 + 𝑛2 − 2 𝑛1. 𝑛2
kedua ragam populasi 𝜎12 dan 𝜎22 tak diketahui, dan tidak sama sama n1 + n2 < 30 :
𝑠12 𝑠22
(𝑥̅1 + 𝑥̅ 2 ) ± 𝑡𝛼;𝑣 √ +
2 𝑛1 𝑛2
Penduga interval 100(1 − 𝛼 )% bagi beda dua rata-rata populasi yang saling tidak bebas,
n1 + n2 ≥ 30 :
𝑑̅ ± 𝑡𝛼;𝑛−1 𝑠𝑑̅
2
Penduga interval 100(1 − 𝛼 )% bagi beda dua rata-rata populasi yang saling tidak bebas,
n1 + n2 > 30 :
𝑑̅ ± 𝑧1−𝛼 𝑠𝑑̅
2
Penduga interval 100(1 − 𝛼 )% bagi beda dua proporsi populasi n1 + n2 > 30 :
1 1
(𝑝1 − 𝑝2) ± 𝑧1−𝛼 √𝑝(1 − 𝑝)( + )
2 𝑛1 𝑛2
Dimana p adalah proporsi gabungan kedua contoh populasi

(Fransiska, 2019).
3
a. Langkah Kerja
1. Membuka program SPSS
“Klik Start”, “All Program”,“SPSS Inc”.“SPSS 16.0”.
Gambar 1. Tampilan utama SPSS 16.0

2. Memasukkan data ke SPSS Pilih menu File → New → Data
Gambar 2. Menu File pada toolbar

3. Kemudian klik mouse pada sheet tab Variable View
Gambar 3. Tampilan pada Variable View
4
4. Masukan data ke data view
Gambar 4. Tampilan keseluruhan data View

5. Masukkan pasangan data, kemudian pilih options selang kepercayaan, Pada
layar utama SPSS pilih menu analyze, compare means, paired sampels t-test.
Gambar 5. Tampilan menu Analyze

6. Masukan pasangan data pilih options, letakkan selang kepercayaan, continue.
Gambar 6. Tampilan paired samples t-test
5
Gambar 7. Tampilan paired samples t-test:options
7. Tekan OK untuk mengakhiri pengisian prosedur analisis maka timbul tampilan seperti
dibawah ini
Gambar 8. Tampilan hasil dari menghitung selang kepercayaan

8. Untuk menghitung data satu variable, Pada layar utama SPSS pilih menu analyze,
compare means, one samples T-Test.
Gambar 9. Tampilan menu Analyze
6
9. Masukkan data ke Test Variable kemudian klik options pada confidence interval
percentage sesuai tingkat keyakinan, klik continue.
Gambar 10. Tampilan one sampels t-test
Gambar 11. Tampilan one samples t-test:options

10. Tekan OK untuk mengakhiri pengisian prosedur analisis maka akan tampilan seperti
dibawah ini
Gambar 12. Tampilan hasil dari menghitung selang kepercayaan
7
1. Suatu pabrik aki mobil menyatakan bahwa aki produksinya,secara rata-rata, akan
mencapai umur 3 tahun dengan ragam 1 tahun. Bila 5 aki diambil secara acak dari
produksi perusahaan tersebut dan mencapai umur 1,9; 2,4; 3,1; 3,3; dan 4,5; tahun, maka
berdasarkan data tersebut buatlah selang kepercayaan 95% bagi ragam produksi aki
perusahaan tersebut. Simpulkan pernyataan pabrik bahwa ragam 1 tahun dapat diterima
atau tidak. Asumsusikan bahwa populasi umur aki perusahaan tersebut menyebar normal.
2. Data berikut ini berupa volume, dalam desi liter. 10 kaleng buah manggis hasil
produksi sebuah perushaandi desa pantang mundur : 45,6 48,1 49,5 47,2 48,1 44,9 45,6
48,9 45,4 dan 42,0. Buat selang kepercayaan 95% bagi ragam volume kaleng buah
manggis hasil perusahaan di desa pantang mundur tersebut, bila diasumsikan volume
kaleng menyebar normal.
8
a. Hasil
1. Hasil Nomor 1
Gambar 13. Hasil Teladan Penerapan No. 1.
2. Hasil Nomor 2
Gambar 14. Hasil Teladan Penerapan No. 2.
9
b. Pembahasan
Pada hasil no 1 diketahui statistic deskriptif dengan banyak data “N”=5, rata-rata
=3,04, standar deviasi (𝜎) hasil tafsiran estimasi dari data umur aki adalah sebesar
0,98894, sehingga ragamnya adalah 0,45. Melalui uji distribusi t yang di tampilkan dalam
output di, ketahui hitung t=0,9, df=4, signifikan sebesarb 0,002. Dapat dilihat pula pada
output SPSS bahwa lower dan upper untuk selang kepercayaan 95% dari data tersebut
adalah 1,8121 dan 4,2679 sehingga perbedaaan estimasi ragam atau tafsiran ragam dari
data masuk dalam interval tersebut sehingga pernyataan bahwa data tersebut memiliki
ragam bernilai 1 dapat diterima.
Pada hasil no 2 diketahui statistic deskriptif dengan banyak data “N”=10, rata-rata
=46,5, standar deviasi (𝜎) hasil tafsiran estimasi dari data umur aki adalah sebesar
2,26080, sehingga ragamnya adalah 0,71. Melalui uji distribusi t yang di tampilkan dalam
output di, ketahui hitung t=65,08, df=9, signifikan sebesarb 0,000. Dapat dilihat pula pada
output SPSS bahwa lower dan upper untuk selang kepercayaan 95% dari data tersebut
adalah 44,9127 dan 48,1473 sehingga perbedaaan estimasi ragam atau tafsiran ragam dari
data masuk dalam interval tersebut sehingga pernyataan bahwa data tersebut memiliki
ragam bernilai 1 dapat diterima.
10
a. Kesimpulan
Taraf kepercayaan adalah derajat jaminan bahwa pernyataan secara statistik tertentu
adalah benar dibawah kondisi yang telah disebutkan. Taraf nyata merupakan derajat
ketidakpenentuan tentang pernyataan secara statistik pada kondisi yang sama untuk
menetukan taraf kepercayaan. Pendugaan titik yaitu parameter populasi yang biasanya
tidak diketahui nilainya. pendugaan titik, parameter yang tak diketahui hanya diduga
dengan satu nilai, sehingga kecil kemungkinannya untuk menduga parameter secara tepat.
b. Saran
11
DAFTAR PUSTAKA
Restiana, Desti. 2017. Pendugaan Selang Kepercayaan Pada Pendugaan Area Kecil.
http://digilib.unila.ac.id/25566/3/SKRIPSI%20TANPA%20BAB%20PEMBA
HASAN.pdf. Diakses pada 14 November 2021 Pukul 19:50 WIB.
Setiawan. 2008. Paired t-test. https;//ineddeni..com/2008/03/12/uji-t-berpasangan-
paired/. Diakses pada tanggal 14 Novsember 2021 Pukul 19:42 WIB.
v
PERTEMUAN VII
PENGUJIAN HIPOTESIS
7
LAPORAN PRAKTIKUM
PERTEMUAN VII
METODE STATISTIKA
Oleh
NPM : F1A021030
2021
KATA PENGANTAR
tentang pengujian hipotesis dalam mata kuliah metode statistika.
penulisan, maupun dari isi, maka penulis memohon maaf dan kritik serta saran dari dosen
laporan ini terlebih juga dalam pengetahuan kita bersama. Harapan semoga ini dapat
bermanfaat bagi kita sekalian.
Penulis
ii
DAFTAR ISI
HALAMAN JUDUL ....................................................................................................... i

DAFTAR ISI ................................................................................................................... iii
DAFTAR GAMBAR ...................................................................................................... iv
DAFTAR TABEL ........................................................................................................... v
PENGUJIAN HIPOTESIS
7.1 Pendahuluan ............................................................................................................. 1
a. Latar Belakang ........................................................................................................... 1
c. Tujuan ........................................................................................................................ 1
7.2 Landasan Teori ........................................................................................................ 2
7.3 Langkah Kerja dan Teladan ................................................................................... 3
a. Langkah Kerja ............................................................................................................ 3
b. Teladan penerapan ..................................................................................................... 6
a. Hasil ........................................................................................................................... 7
b. Pembahasan ................................................................................................................ 8
7.5 Kesimpulan dan Saran ............................................................................................ 9
a. Kesimpulan ................................................................................................................ 9
b. Saran .......................................................................................................................... 9
DAFTAR PUSTAKA ..................................................................................vi
iii
DAFTAR GAMBAR
Gambar 1. Program SPSS 16.0 ......................................................................................... 3

Gambar 2. Input data ......................................................................................................... 3
Gambar 3. Tampilan values Labels................................................................................... 4
Gambar 4. Tampilan independent sample t test ................................................................ 4
Gambar 5. Tampilan define group .................................................................................... 5
Gambar 6. Output data ...................................................................................................... 5
Gambar 7. Hasil dari teladan 1 ......................................................................................... 7
Gambar 8. Hasil Group Statistics teladan 2 ...................................................................... 7
iv
DAFTAR TABEL
Tabel 1. Data Sumbangan ................................................................................................. 6

Tabel 2. Konsumsi Bahan Bakar ....................................................................................... 6
v
PENGUJIAN HIPOTESIS
7.1 Pendahuluan
a. Latar belakang
SPSS adalah software khusus statistik yang beredar sekarang, SPSS adalah yang paling
populer dan paling banyak digunakan pemakai di seluruh dunia. SPSS banyak dipakai dalam
berbagai riset pasar, pengendalian dan perbaikan mutu (quality improvement) serta riset-riset
sains. Kepopuleran SPSS ini dijadikan sebagai alat untuk pengolahan data.
Uji Hipotesis merupakan hal yang penting ketika kita melakukan penelitian, bisa bilang
tahap ini menjadi penentu apakah penelitian yang telah kita lakukan berhasil atau sebaliknya.
Disini Gustinerz akan membagikan pengalaman Gustinerz saat menguji hipotesa penelitian
Gustinerz yang berjudul “Hubungan Perilaku Caring Perawat Dengan Kecemasan Akibat Stres
Hospitalisasi Pada Anak Usia Toddler”.
Hipotesis dibagi menjadi dua yakni hipotesisi Ho (tidak ada hubungan antara variabel
penelitian x dan y) dan Ha (ada hubungan antara variabel penelitian x dan y). Gustinerz
mengambil salah satunya yakni hipotesis Ha (Ada Hubungan Perilaku Caring Perawat dengan
Kecemasan Akibat Stres Hospitalisasi Pada Anak Usia Toddler). Dalam uji ini Gustinerz
menggunakan Analisis Chi-Square pada program SPSS.
b. Rumusan masalah
berikut:
1. Bagaimana cara menghitung pengujian hipotesis pada program SPSS?
c. Tujuan
Berdasarkan latar belakang di atas, tujuan dalam penulisan laporan ini adalah sebagai
berikut:
1. Mempelajari program SPSS untuk menghitung pengujian hipotesis.
1
7.2 Landasan Teori
Hipotesis statistik adalah suatu anggapan atau pertanyaan, yang mungkin benar atau salah,
mengenai satu poulasi atau lebih.
Hanya ada dua keputusan tentang hipotesis yang kita buat menolak atau menerimanya.
Menolak hipotesis artinya kita menyimpulkan bahwa hipotesis tersebut tidak benar. Menerima
hipotesis artinya tidak cukup informasi dari sampel untuk menyimpulkan bahwa hipotesis harus
kita tolak. Artinya, walaupun hipotesis diterima, tidak berarti bahwa hipotesis tersebut benar
(Munir, 2009).
Keputusan menolak atau menerima hipotesis nol mengandung suatu ketidak pastian
(kekeliruan), artinya keputusan itu bisa benar atau salah. Ketidakpastian tersebut menimbulkan
suatu galat atau kesalahan. Ada dua jenis galat:
1. Galat Tipe I: Menolak hipotesis nol pada hal hipotesis itu benar. Kita melakukan
kekeliruan dengan menolak H0 dan mempercayai H1 padahal sesungguhnya H0 yang benar.
2. Galat Tipe II: Menerima H0 padahal hipotesis salah, sehingga seharusnya H0 ditolak
(Ika, 2012).
Dalam melakukan uji hipotesis, ada banyak faktor yang menentukan, seperti apakah
sampel yang diambil berjumlah banyak atau sedikit; apakah standar deviasi populasi diketahui;
apakah varians populasi diketahui; metode parametrik apakah yang dipakai dan seterusnya
(Fransiska, 2019).
Langkah-langkah pengujian hipotesis:
1. Tentukan rumusan hipotesis, baik H0 maupun H1.
2. Tentukan tingkat signifikan α yang diinginkan.
3. Tentukan nilai kritis berdasarkan α di atas.
4. Tentukan statistik uji (𝑍ℎ ) yang cocok untuk menguji hipotesis nol. Z bisa berupa rataan,
proporsi peluang, dll.
5. Hitung nilai statistik uji (𝑍ℎ ) berdasarkan data dari populasi atau sampel.
6. Keputusan: tolak H0 bila 𝑍ℎ terletak pada daerah penolakan H0, sebaliknya terima
H0 bila 𝑍ℎ terletak di daerah penerimaan H0
(Afgani, 2013).
2
a. Langkah Kerja
1. Klik Start → All Programs → SPSS Inc SPSS → 16.0
Gambar 1. Program SPSS 16.0

2. Setelah program SPSS terbuka, kemudian, inputkan semua data.
Gambar 2. Input data
3
3. Lalu pada variable view untuk berat badan mahasiswa sedangkan untuk kelas silahkan
diatur pada bagian value ; kode 1 adalah kelas A sedangkan kode 2 adalah kelas B. Pada value
isikan 1 lalu pada label ketikkan kelas A selanjutnya klik add. Lanjut lagi pada value sekarang
isikan 2, lalu pada label ketikkan kelas B. Klik Add dan OK.
Gambar 3. Tampilan values labels

4. Klik Analyze → Compare Means → Independent Samples T Test. Pada kotak dialog test
variables isikan dengan berat badan mahasiswa sedangkan untuk grouping variable isikan
dengan kelas.
Gambar 4. Tampilan Independent sample t test
4
5. Lalu klik Define Groups, pada bagian Group 1 isikan dengan 1 sedangkan pada Group 2
isikan dengan 2. Terakhir klik Continue lalu OK.
Gambar 5. Tampilan define group

6. Kemudian muncul hasilnya data
Gambar 6. Output data
5
1. Tahun lalu karyawan dinas kebersihan kota menyumbang rata-rata $8 bagi korban bencana
alam. Ujilah hipotesis pada taraf nyata 1% bahwa sumbangan rata-rata tahun ini masih tetap $8.
Berikan interpretasinya.
Tabel 1.Data Sumbangan.
7 11 12 14 8 12 14 14 13 10 11
5 13 14 16 11 8 8 14 10 6 8
2. Sebuah perusahaan taksi ingin menentukan apakah penggunaan ban radial dibanding ban
biasa dapat menghemat bahan bakar atau tidak. Dua belas mobil dilengkapi dengan ban radial
dan kemudian dicoba pada suatu rute yang telah ditentukan lebih dahulu. Tanpa mengganti
pengemudinya, ban-ban mobil yang sama kemudian diganti dengan ban biasa dan dicoba
sekali lagi pada rute yang sama. Konsumsi bahan bakarnya, dalam kilometer per liter tercatat
sebagai berikut.
Tabel 2. Konsumsi Bahan Bakar
Mobil Kilometer per liter
Ban Radial Ban Biasa
1 9,2 9,1
2 9,7 9,9
3 11,6 11,2
4 12,0 11,9
5 11,7 11,8
6 9,5 9,4
7 10,7 10,7
8 11,0 10,8
9 12,4 11,9
10 9,9 9,7
11 11,1 11,0
12 10,2 9,9
Pada taraf nyata 0,025, dapatkah kita simpulkan bahwa mobil dengan ban radial lebih
hemat bahan bakar daripada mobil dengan ban biasa? Asumsikan kedua populasi itu menyebar
normal.
6
a. Hasil
1. Hasil Nomor 1
Gambar 7. Hasil teladan 1.

2. Hasil Nomor 2
Gambar 8. Hasil Group Statistics teladan 2
7
b. Pembahasan
Pada soal nomor 1 menunjukan 11 data sumbangan kebersihan tahun ini dan tahun lalu.
Pada tabel 7. Mean pada sumbangan tahun lalu yaitu 11,45 dengan standar deviasi 2,382 dan
standard eror mean ,718. Sedangkan mean pada sumbangan tahun ini yaitu 9,36 dengan standar
deviasi 3,264 dan untuk standard eror mean ,984. Pada gambar 8, terlihat bahwa mean dari
keduanya yaitu 2,091dengan standar deviasi 3,506 dan untuk standrd eror mean 1,057.
Pada soal nomor 2 menunjukkan 12 data bahan bakar ban radial dan 12 data bahan bakar
ban biasa. Pada tabel Group Statistics, mean dari bahan bakar ban radial yaitu 10,750 dengan
standar deviasi 1,0527 dan standard error mean 0,3039. Mean dari bahan bakar ban biasa yaitu
10,608 dengan standar deviasi 0,9940 dan standard error mean 0,2870. Untuk lebih jelasnya
dapat dilihat pada Gambar 7. Pada Independent Samples Test, terlihat bahwa nilai F signifikan
0,831 lebih besar dari 0,05 sehingga kita menerima hipotesis nol yakni varian sama. Pada
bagian T-Test for Equality of Means, hipotesis nol nya adalah nilai rata-rata bahan bakar ban
radial dan bahan bakar ban biasa adalah sama. Untuk lebih jelasnya dapat dilihat pada Gambar
8.
8
a. Kesimpulan
Hipotesis statistik adalah suatu anggapan atau pertanyaan, yang mungkin benar atau salah,
mengenai satu poulasi atau lebih. Hanya ada dua keputusan tentang hipotesis yang kita buat
menolak atau menerimanya. Keputusan menolak atau menerima hipotesis nol mengandung
suatu ketidak pastian (kekeliruan), artinya keputusan itu bisa benar atau salah. Ketidak pastian
tersebut menimbulkan suatu galat atau kesalahan. Ada dua jenis galat yaitu galat tipe 1 dan
galat tipe 2.
b. Saran
pembaca terutama untuk kalangan mahasiswa yang ingin memperdalami SPSS. Semoga kita
dapat menambah ilmu dengan membaca laporan ini. Aamiin
9
DAFTAR PUSTAKA
Afghani. 2013 Uji Hipotesis dan faktor faktor dari hipotesis.www.dspace,uc.ac.id.bits. Diakses
pada tanggal 19 November 2021 pukul 10.28 WIB
Fransiska, Herlin. 2019. Modul Praktikum Metode Statistika. Rachmawati, Ramya dan Septri
Damayanti, ed. Bengkulu: Universitas Bengkulu.
Ika. 2012. Hasil uji Hipotesis www. Valensprana..com/2010/06/berpikir kritis. Diakses pada
tanggal 19 November 2021 pukul 10.28 WIB
Munir. 2009, Menolak Hipotesis. www. Valensprana. com/2010/06/berpikir kritis. Diakses pada
19 November 2021 Pukul 19:50 WIB.
vi
PERTEMUAN VIII
ANALISIS REGRESI
8
LAPORAN PRAKTIKUM
PERTEMUAN VIII
METODE STATISTIKA
Oleh
NPM : F1A021030
FAKULTAS MATEMATIKA DAN ILMU PENGETHUAN ALAM
2021
KATA PENGANTAR
tentang analisis regresi dalam mata kuliah metode statistika.
serta saran dari dosen bahkan semua pembaca sangat diharapkan oleh penulis untuk dapat
menyempurnakan laporan ini terlebih juga dalam pengetahuan kita bersama. Harapan ini
dapat bermanfaat bagi kita sekalian.
Penulis
ii
DAFTAR ISI
HALAMAN JUDUL ....................................................................................................... i

DAFTAR ISI ................................................................................................................... iii
DAFTAR GAMBAR ...................................................................................................... iv
DAFTAR TABEL ........................................................................................................... v
ANALISIS REGRESI
8.1 Pendahuluan ............................................................................................................. 1
a. Latar Belakang ........................................................................................................... 1
c. Tujuan ........................................................................................................................ 1
8.2 Landasan Teori ....................................................................................................... 2
8.3 Langkah Kerja dan Teladan Penerapan .............................................................. 4
a. Langkah Kerja ............................................................................................................ 4
b. Teladan ....................................................................................................................... 7
a. Hasil ........................................................................................................................... 8
b. Pembahasan .............................................................................................................. 10
a. Kesimpulan .............................................................................................................. 11
b. Saran ........................................................................................................................ 11
DAFTAR PUSTAKA ..................................................................................vi
iii
DAFTAR GAMBAR
Gambar 1. Halaman SPSS ................................................................................................ 4

Gambar 2. Tampilan variable view ................................................................................... 4
Gambar 3. Tampilan data view.......................................................................................... 4
Gambar 4. Submenu regression ........................................................................................ 5
Gambar 5. Linear regression ............................................................................................ 5
Gambar 6. Pilihan linear regression ................................................................................. 6
Gambar 7. Descriptive Statistics hasil nomor 1 ................................................................ 8
Gambar 8. Correlations hasil nomor 1 ............................................................................. 8
Gambar 9. Variables Entered/Removed hasil nomor 1 ..................................................... 8
Gambar 10. Model Summary hasil nomor 1 ..................................................................... 8
Gambar 11. ANOVA hasil nomor 1 ................................................................................. 9
Gambar 12. Coefficients hasil nomor 1 ............................................................................. 9
Gambar 13. Collinearity Diagnostics hasil nomor 1 ........................................................ 9
iv
DAFTAR TABEL
Tabel 1. Data teladan penerapan nomor 1 ......................................................................... 7
v
ANALISIS REGRESI
8.1 Pendahuluan
a. Latar belakang
SPSS adalah software khusus statistik yang beredar sekarang, SPSS adalah yang
paling populer dan paling banyak digunakan pemakai di seluruh dunia. SPSS banyak
dipakai dalam berbagai riset pasar, pengendalian dan perbaikan mutu (quality
improvement) serta riset-riset sains.
Sepanjang sejarah umat manusia,orang melakukan penelitian tentang ada tidaknya
hubungan antara dua hal, fenomena, kejadian atau lainnya. Dan ada tidaknya pengaruh
antara satu kejadian dengan kejadian yang lainnya. Karena itu untuk mempermudah
dalam melakukan penghitungan suatu kejadian maka digunakan korelasi dan regresi
dalam ilmu statistika.
Korelasi merupakan teknik analisis yang termasuk dalam salah satu teknik
pengukuran asosiasi/hubungan (Measures of association). Teknik ini berguna untuk
mengukur kekuatan hubungan antara dua variabel (kadang lebih dari dua variabel)
dengan skala-skala tertentu.
Regresi merupakan salah satu analisis yang bertujuan untuk mengetahui pengaruh
suatu variabel terhadap variabel lain. Dalam analisis regresi, variabel yang mempengaruhi
disebut independent variabel (variable bebas) dan variabel yang dipengaruhi disebut
dependent variabel (variabel terikat).
b. Rumusan masalah
berikut:
1. Bagaimana cara membuat model regresi linear sederhana pada program SPSS?
2. Bagaimana cara membuat model regresi linear berganda pada program SPSS?
3. Bagaimana cara melakukan analisis korelasi pada program SPSS?
c. Tujuan
Berdasarkan latar belakang, tujuan dalam penulisan laporan ini adalah :
1. Mempelajari program SPSS umtuk membuat model regresi linear sederhana
2. Mengaplikasikan program SPSS untuk membuat model regresi linear berganda
3. Mempelajari program SPSS untuk melakukan analisis korelasi
1
8.2 Landasan Teori
Analisis regresi bertujuan untuk mengetahui bentuk hubungan matematis antara
sebuah atau beberapa variabel bebas (independen) dengan sebuah variabel tak bebas
(dependen). (Nina, 2012).
Kegunaan dari analisis regresi adalah untuk membuat ramalan tentang nilai dari
variabel bebas, jika setiap nilai dari variabel tak bebas diketahui (Avip, 2005).
Analisis regresi adalah metode statistika yang memanfaatkan hubungan antara dua
atau lebih peubah kuantitatif sehingga salah satu peubah dapat diramalkan dari peubah
lainnya. Peubah tersebut dibedakan menjadi dua yaitu peubah bebas (x) dan peubah tak
bebas (y).
Berdasarkan banyaknya peubah bebas yang mempengaruhi, regresi dibedakan
menjadi dua yaitu:
1. Regresi linear sederhana
Persamaan regresi linear sederhana adalah persamaan regresi dengan satu peubah tak
bebas (y) dan hanya satu peubah bebas (x). Dengan model linear:
Yί = β0 + β1Xί + εί , ί = 1, 2, ..., n
Dimana :
Yί : Pengamatan ke-i untuk peubah tak bebas Y
Xί : Pengamatan ke-i untuk peubah bebas X
β0 : Paramater regresi (Intersep)
β1 : Paramater regresi (Slope)
εί : Galat pengamatan ke-i, είbsί~N (0, σ2)
Dengan menggunakan data berpasangan {(Xί, Yί)} untuk i= 1, 2, ..., n. Akan diduga
paramater β0 dan β1 dengan menggunakan MKT diperoleh:
β0 = 𝑌̅ί – β1𝑋̅ί
∑𝑛 𝑛
ί=1 𝑌ί ∑ί=1 𝑋ί
∑𝑛
ί=1 𝑌ί 𝑋ί −
β1 = (∑𝑛 𝑋 )2
𝑛
( ί=1 ί −∑𝑛 2
ί=1 𝑋ί )
𝑛
2
2. Regresi linear berganda
Persamaan regresi berganda adalah persamaan regresi dengan satu peubah tak bebas
(Y) dan beberapa peubah bebas (X1, X2, ..., Xn). Model linear:
Yί = β0 + β1X1ί + β2X2ί + ... + βnXnί + εί
Jika dalam matriks

𝑌 = X𝛽 + 𝜀
Dimana:
𝑌 : Vektor pengamatan peubah tak bebas; ί = 1, 2, ..., n
X : Matriks pengamatan peubah bebas
𝛽 : Vektor paramater regresi yang akan diduga
𝜀 : Vektor galat pengamatan, είbsί~N (0, σ2)

Analisis korelasi bertujuan untuk mengukur kekuatan asosiasi (hubungan) linear
antara dua variabel. Analisis korelasi tidak membedakan antara variabel dependen dengan
variabel independen.
(Agus, 2004).
Pada analisa regresi, untuk observasi Y diasumsikan bahwa X adalah tetap konstan
dari sampel ke sampel. Interpretasi koefisien korelasi untuk mengukur kuatnya hubungan
antar variabel tergantung pada asumsi yang digunakan untuk X dan Y. Bila X dan Y
bervariasi maka koefisien korelasi akan mengukur “covariability (kesamaan variasi)”
antara X dan Y. Di dalam analisa regresi, koefisien korelasi digunakan untuk mengukur
“cocok/tepat (fitness)” garis regresi sebagai pendekatan data observasi. Besarnya
𝜎𝑥𝑦
koefisien korelasi dinyatakan sebagai ρ = 𝜎
𝑥 𝜎𝑦
Dalam prakteknya, tidak diketahui tetapi nilainya dapat diestimasi bersadar data
sampel. Bila r adalah penduga ρ dengan r dinyatakan sebagai:
∑𝑛
ί=1 𝑥ί 𝑦ί
r=
√∑𝑛 𝑛
ί=1 𝑥ί √∑ί=1 𝑦𝑖
(Fransiska, 2019).
3
a. Langkah Kerja
1. Pemasukan data ke SPSS. Pilih menu file → new → data
Gambar 1. Halaman SPSS

2. Kemudian klik mouse pada variable view dan isi tabel berikut seperti berikut:
Gambar 2. Tampilan variable view

3. Lalu ke data view dan masukkan data
Gambar 3. Tampilan data view
4
4. Pilih menu analyze → regression → linier
Gambar 4. Submenu regression

5. Masukkan variabel banyaknya pekerja pada kolom independent dan nilai tambah
pada kolom dependent
Gambar 5. Linear regression
5
6. Tekan tombol statistics, kemudian untuk menghitung dugaan parameter, selang
kepercayaan dan lain lain yang dibutuhkan maka pada kotak dialog regression
coefficienr dengan meng-klik pilihan-pilihan yang diinginkan.
Gambar 6. Pilihan linear regression

7. Tekan continue dan OK untuk mengakhiri prosedur kerja.
6
1. Akan diteliti mengenai peranan motivasi (X) terhadap prestasi belajar (Y) pada
sekelompok mahasiswa yang terdiri dari 30 orang. Dari tiap-tiap mahasiswa yang di
teliti tersebut dicatat tentang dua karakteristik, yaitu motivasi (X) dan Prestasi
belajarnya (Y). Adapun datanya disajikan dalam tabel berikut:
Reps. X Y Reps. X Y Reps. X Y
1 34 32 11 33 31 21 37 33
2 38 36 12 32 31 22 36 32
3 34 31 13 42 36 23 37 34
4 40 38 14 40 37 24 39 35
5 30 29 15 42 35 25 40 36
6 40 35 16 42 38 26 33 32
7 40 33 17 41 37 27 34 32
8 34 30 18 32 30 28 36 34
9 35 32 19 34 30 29 37 32
10 39 36 20 36 30 30 38 34
7
1. Hasil Nomor 1
Gambar 7. Descriptive Statistics hasil no.1
Gambar 8. Correlations hasil no. 1
Gambar 9. Variables Entered/Removed hasil no. 1
Gambar 10. Model Summary hasil no. 1
8
Gambar 11. ANOVA hasil no. 1
Gambar 12. Coefficients hasil no. 1
Gambar 13. Collinearity Diagnostics hasil no. 1
9
b. Pembahasan
Dari soal teladan penerapan nomor 1 hasil output yang didapatkan pada descriptive
statistics bahwa rata-rata peranan motivasi adalah 36,79 dan rata-rata prestasi belajar
adalah 33,34. Rata-rata peranan motivasi lebih tinggi dibandingkan rata-rata prestasi
belajar. Nilai Std. Deviation untuk peranan motivasi yaitu 3,416 dan prestasi belajar yaitu
2,663. Pada tabel correlations didapatkan bahwa hubungan antara nilai peranan motivasi
X dan prestasi belajar Y adalah 0,876 berarti hubungan antar keduanya kuat. Untuk nilai
H0 nya diterima karena nilai Sig. (1-tailed) 0,00 < 0,01. Pada tabel variables
entered/removed didapatkan bahwa variabel masuknya adalah peranan motivasi dan
variabel keluarnya tidak ada. Pada tabel model summary kita dapatkan R bernilai 0.876
dan R Square adalah 0,767 itu berarti 76,7%. Menunjukkan bahwa persentase sumbangan
variabel independent terhadap variabel dependent dan sisanya 23,3% dipengaruhi oleh
dependent. Pada tabel anova kita ketahui bahwa nilai total sum of squaresnya 198,552,
dan df = 28 dan nilai F = 88,864. Kita lihat pada tabel coefficients bahwa nilai terendah
pada 95 % confidence interval for B untuk (contant) adalah 2,737 dan X adalah 0,534.
sedangkan untuk nilai tertinggi untuk (contant) adalah 13,717 dan X adalah 0,831. Dan
untuk hasil akhir pada tabel collinearity diagnostics nilai (contant) peranan motivasi dan
prestasi belajar variance proportions adalah sama, yaitu 0.00 dan 1.00.
10
a. Kesimpulan
bebas (y). Analisis regresi bertujuan untuk mengetahui bentuk hubungan matematis
antara sebuah atau beberapa variabel bebas (independent) dengan sebuah variabel tak
bebas (dependen).
Pada analisa regresi, untuk observasi Y diasumsikan bahwa X adalah tetap konstan
dari sampel ke sampel. Interpretasi koefisien korelasi untuk mengukur kuatnya hubungan
antar variabel tergantung pada asumsi yang digunakan untuk X dan Y. Bila X dan Y
bervariasi maka koefisien korelasi akan mengukur “covariability (kesamaan variasi)”
antara X dan Y. Di dalam analisa regresi, koefisien korelasi digunakan untuk mengukur
“cocok/tepat (fitness)” garis regresi sebagai pendekatan data observasi. Besarnya
𝜎𝑥𝑦
koefisien korelasi dinyatakan sebagai ρ = 𝜎
𝑥 𝜎𝑦
Korelasi merupakan teknik analisis yang termasuk dalam salah satu teknik
pengukuran asosiasi/hubungan (Measures of association). Teknik ini berguna untuk
mengukur kekuatan hubungan antara dua variabel (kadang lebih dari dua variabel)
dengan skala-skala tertentu.
b. Saran
11
DAFTAR PUSTAKA
Agus,. 2004. Analisis regresi. http://statistic-matematika/F-MIPA-MAtematika.uny.pdf.
Diakses pada 27 November 2021 pukul 21: 46 WIB.
Avip. 2005. Keggunaan dari analusis. file://E:/kuliah/konsep-distribusi-peluang-
kontinu.pdf. Diakses pada 27 November 2021 Pukul 21:50 WIB.
Nina. 2012. Tujuan anlasis regresi. http://informatika.Stei. itb.ac.id/~rinaldi.munir/
Probstat/2010-2011/Beberapa%20Distribusi%20 Peluan g%2 0Kontinu.pdf.
Diakses pada 27 November 2021 pukul 22:00 WIB.
vi
KESIMPULAN
statistika. Sehingga mempermudah kita untuk pengumpulan data, pengolahan data,
penyajian data, analisis data dan cara pengambilan kesimpulan secara umum yang
berdasarkan hasil penelitian yang tidak menyeluruh. SPSS dapat mempermudah
penyajian dan interprestasi suatu data statistika. Penyajian data dengan SPSS dilengkapi
dengan histogram, pie chart, box plot, dan analisis dari data tersebut. Sub menu yang
terdapat pada SPSS adalah file, edit, view, data, transform, analyze, graph, utilities, add-
ons, windows, help, tool bar, pointer.
Untuk membuat diagram tangkai daun dan dan histogram pada layar pertama SPSS
kita pilih menu Analyze, Deskriptive, Statistics, Explore kemudian masukkan variable
data pada kolom variable(s), pada kotak dialog Display pilih Plots, lalu tekan tombol
Plots, kemudian untuk membuat diagram tangkai daun dan histogram maka pada kotak
dialog Deskriptive pilih pilihan yang diinginkan, kemudian klik continue lalu tekan ok
untuk mengakhiri pengisian prosedur analisis. Sedangkan untuk membuat diagram batang
dan lingkaran pada layar utama SPSS pilih menu Analyze, Deskriptive, statistics,
frequencies masukan variable data pada kolom variable(s), lalu tekan tombol Charts,
kemudian untuk membuat diagram maka pada kotak dialog pilih Charts type dengan
mengklik pilihan yang diinginkan diteruskan dengan memilih Charts Values yang
diinginkan, lalu klik continue terakhir tekan ok untuk mengakhiri pengisian prosedur
analisis.
Pada praktikum kali ini kita dapat mengaplikasikan program SPSS untuk mencari
ukuran pemusatan, penyebaran, kemiringan dan kelancipan data menggunakan menu
Analyse→desriptive statistics→Frequencies→option Statistics pada kotak dialog. Mean,
Median, Modus, Sum adalah kelompok central tendency yaitu ukuran pemusatan data.
Standart deviation, Variance, Range, Maximum, Minimum termasuk ukuran penyebaran
data atau dispersion. Setelah diadakannya praktikum, kita dapat mengenal program SPSS
dan mengaplikasikannya untuk mencari ukuran pemusatan, ukuran penyebaran,
kemiringan serta kelancipan data. Kita dapat mengetahui bahwa ukuran pemusatan
merupakan ukuran yang dapat melihat bagaimana data mengumpul dan ukuran
penyebaran untuk mengetahui seberapa jauh nilai pengamatan menyebar dari nilai rata-
9
ratanya. Sehingga setelah dilakukannya praktikum ini, kita dapat menggunakan program
SPSS dengan lebih mudah dan efektif.
Distribusi peluang diskret adalah suatu ruang contoh yang mengandung jumlah titik
contoh yang terhingga atau suatu barisan unsur yang tidak pernah berakhir tetapi yang
sama banyaknya dengan bilangan cacah. Fungsi sebaran diskret terdiri dari permutasi,
kombinasi, hypergeomtrik, binomial, poisson, geometrik, negative binomial, dan sebaran
seragam. Fungsi-fungsi sebaran diskret tersebut dapat diselesaikan dengan mempelajari
Microsoft Excel dengan menggunakan formula yang ada.
sampel yang tak terhingga banyaknya. Macam-macam sebaran kontinu yaitu: sebaran
normal, sebaran khi-kuadrat, sebaran t atau Student-t, dan sebaran F. Sebaran peluang
kontinu tersebut dapat ditentukan dengan mempelajari Microsoft Excel dengan
menggunakan formula yang ada.
Taraf kepercayaan adalah derajat jaminan bahwa pernyataan secara statistik tertentu
adalah benar dibawah kondisi yang telah disebutkan. Taraf nyata merupakan derajat
ketidakpenentuan tentang pernyataan secara statistik pada kondisi yang sama untuk
menetukan taraf kepercayaan. Pendugaan titik yaitu parameter populasi yang biasanya
tidak diketahui nilainya. pendugaan titik, parameter yang tak diketahui hanya diduga
dengan satu nilai, sehingga kecil kemungkinannya untuk menduga parameter secara tepat.
Hipotesis statistik adalah suatu anggapan atau pertanyaan, yang mungkin benar atau
salah, mengenai satu poulasi atau lebih. Hanya ada dua keputusan tentang hipotesis yang
kita buat menolak atau menerimanya. Keputusan menolak atau menerima hipotesis nol
mengandung suatu ketidak pastian (kekeliruan), artinya keputusan itu bisa benar atau
salah. Ketidak pastian tersebut menimbulkan suatu galat atau kesalahan. Ada dua jenis
galat yaitu galat tipe 1 dan galat tipe 2.
bebas (y). Analisis regresi bertujuan untuk mengetahui bentuk hubungan matematis
antara sebuah atau beberapa variabel bebas (independent) dengan sebuah variabel tak
bebas (dependen). Pada analisa regresi, untuk observasi Y diasumsikan bahwa X adalah
10
tetap konstan dari sampel ke sampel. Interpretasi koefisien korelasi untuk mengukur
kuatnya hubungan antar variabel tergantung pada asumsi yang digunakan untuk X dan Y.
Bila X dan Y bervariasi maka koefisien korelasi akan mengukur “covariability (kesamaan
variasi)” antara X dan Y. Di dalam analisa regresi, koefisien korelasi digunakan untuk
mengukur “cocok/tepat (fitness)” garis regresi sebagai pendekatan data observasi.
𝜎𝑥𝑦
Besarnya koefisien korelasi dinyatakan sebagai ρ = . Korelasi merupakan teknik
𝜎𝑥 𝜎𝑦
analisis yang termasuk dalam salah satu teknik pengukuran asosiasi/hubungan (Measures
of association). Teknik ini berguna untuk mengukur kekuatan hubungan antara dua
variabel (kadang lebih dari dua variabel) dengan skala-skala tertentu.
11
DAFTAR PUSTAKA
Adzaniah, Putri. 2013. Fungsi sebaran diskrit dan kontinu. http://statistic-matematika/F-

MIPA-MAtematika.uny.pdf. Diakses pada 14 November 2021 pukul 21: 46 WIB.
Afghani. 2013 Uji Hipotesis dan faktor faktor dari hipotesis.www.dspace,uc.ac.id.bits.
Diakses pada tanggal 19 November 2021 pukul 10.28 WIB
Anonim. 2011. Konsep Distribusi Peluang Kontinu. file://E:/kuliah/konsep-distribusi-
peluang-kontinu.pdf. Diakses pada 14 November 2021 Pukul 21:50 WIB.
Avip, M. 2005. Materi kegunaan dari analisis. Jakarta: Grasindo. Diakses pada tanggal
27 Novembar 3031 pukul 09.58
Defila. 2011. Statistika deskriptif. http:/files.defila.com/2011/10/21/statistika-
deskriftif/more-2467.pdf. Diakses pada 7 November 2021 Pukul 12:54 WIB.
Erlangga. Diakses pada tanggal 23 November 2020 pukul 18:21 WIB.
Fatkoer, M. 2011. Materi Metode Statistika Kuliah 1. Jakarta: Grasindo.
Ghozali, Imam. 2006. Aplikasi Analisis Multivariate dengan Program SPSS. Semarang:
Badan Penerbit Universitas Diponogoro. Diakses pada tanggal 23 November 2020
pukul 19:00 WIB.
Hartatik. 2014. Ukuran Data dengan SPSS. http://lecturer.d3ti.mipa.uns.ac.id/
hartatik/files/2014/10/ukuran-data-dengan-SPSS1.pdf. Diakses 7 November 2021
pukul 12:46 WIB.
Ika. 2012. Hasil uji Hipotesis www. Valensprana..com/2010/06/berpikir kritis. Diakses
pada tanggal 19 November 2021 pukul 10.28 WIB
Munir, Rinaldi. 2009. Beberapa Distribusi Peluang Kontinu. http://informatika.Stei.
itb.ac.id/~rinaldi.munir/Probstat/2010-2011/Beberapa%20Distribusi%20 Peluan
g%2 0Kontinu.pdf. Diakses pada 14 November 2021 pukul 22:00 WIB.
Nazarudi, Yunazwin. 2014. Modul Pembelajaran SPSS. Semarang: Badan Penerbit
Nina. 2012. Tujuan Analisis Regresi. http://lecturer.d3ti.mipa.uns.ac.id/
hartatik/files/2014/10/ukuran-data-dengan-SPSS1.pdf. Diakses 27 November 2021
pukul 12:46 WIB.
iv
Nisfiannoor, Muhammad. 2009. Pendekatan Statistika Modern Untuk Ilmu Social:
Salemba Humanika. Diakses pada tanggal 23 November 2020 pukul 21:00 WIB.
Nugroho, S. 2012. Dasar-dasar Metode Statistika Edisi ke-2. Jakarta: Grasindo.
Nurgiyantoro, Burhan dkk. 2004. Statistik Terapan untuk Penelitian Ilmu-ilmu Sosial.
Yogyakarta: Gajahmada University Press.
Puspita, Debrina. Distribusi Probabilitas Diskrit. http://debrina.lecture.ub.ac.id/fil es /2
015/09/ 7-Distribusi-Diskrit-Geometrik-Hipergeometrik.pdf. Diakses pada tanggal
7 November 2021 Pada pukul 21:10 WIB.
Putri 2013. Pengertian Diagram Macam Contoh. http:// www.artikelsiana.com/
2015/04/pengertian-diagram-macam-contoh.html. Diakses pada tanggal 30 Oktober
2021 Pukul 11:05 WIB.
Restiana, Desti. 2017. Pendugaan Selang Kepercayaan Pada Pendugaan Area Kecil.
http://digilib.unila.ac.id/25566/3/SKRIPSI%20TANPA%20BAB%20PEMBAHASA
N.pdf. Diakses pada 14 November 2021 Pukul 19:50 WIB.
Ruhimat, Mamat. 2008. Aplikasi SPSS for Windows. Yogyakarta: Badan Penerbit
Universitas Gadjah Mada. Diakses pada tanggal 23 November 2020 pukul 21:00
WIB.
Saputri, Yuniza. 2006. Penyajian Data dengan Tabel danGrafik. Jakarta: Grasindo.
Sarwono, Jonathan. 2013. Teori SPSS. Diakses pada tanggal 23 November 2020 pukul
21:21 WIB.
Setiawan. 2008. Paired t-test. https;//ineddeni..com/2008/03/12/uji-t-berpasangan-
paired/. Diakses pada tanggal 14 Novsember 2021 Pukul 19:42 WIB.
Somantri. 2006. Kompetensi Matematika Program IPA SMA Kelas XI Semester Pertama.
Jakarta: Yudistira.
Sugiyono. 2006. Statistika untuk Penelitian. Bandung: CV Alfabeta.
Sukoco, Agus. 2013. Modul 3 Statistik Deskriptif. http://agussukoco.dosen.narota-
ma.ac.id/files/2013/03/Modul-3-Statistik-Deskriptif-EDISI-2.pdf. Diakses pada 7
November 2021 pukul 12:53 WIB.
Suryadi, Christine. 2003. Beberapa Distribusi Peluang Diskrit Lanjutan. http ://k ur
2003.if.itb.ac.id/file/CN%20IF2152%20Beberapa%20Distribusi%20Peluang %
20Diskrit%20Lanjutan%20.pdf. Diakses pada tanggal pada 7 November 2021 pada
pukul 20:58 WIB.
v
Wibisono, Yusuf. 2005. Metode Statistika. Yogyakarta:Badan Penerbit Universitas
Gadjah Mada. Diakses pada tanggal 23 November 2020 pukul 22:13 WIB.
Wijaya, Tony. 2009. Analisis dan Penelitian Menggunakan SPSS. Yogyakarta: Pene erbit
Universitas Atma Jaya. Diakses pada tanggal 23 November 2020 pukul 22:13 WIB.
Zakaria, Rian. 2013. Modul Bab 1 Peluang. http://smabw.sch.id/files/MODUL% 201 %
20PELUANG.pdf. Diakses pada tanggal 7 November 2021 pada pukul 21:25 WIB.
vi

Lap Akhir - Desti Amalia Adinda - F1a021030

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

Lap Akhir - Desti Amalia Adinda - F1a021030

Diunggah oleh

Hak Cipta:

Format Tersedia

LAPORAN AKHIR PRATIKUM

Nama : Desti Amalia Adinda

Program Studi : Matematika

Fakultas : Matematika dan Ilmu Pengetahuan Alam

Dosen Pengampu : 1. Septri Damayanti, S.Si, M.Si

2. Ulfasari Rafflesia, S.Si, M.Si

Asisten Pratikum : 1. Dea Cahya Pramesti ( F1A019010 )

2. Rewan Jayadi ( F1A020010 )

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

Nama : Desti Amalia Adinda

Dosen Pengampu : 1. Septri Damayanti, S.Si, M.Si

2. Ulfasari Rafflesia, S.Si, M.Si

Asisten Pratikum : 1. Dea Cahya Pramesti ( F1A019010 )

2. Rewan Jayadi ( F1A020010 )

Hari, Tanggal : Selasa, 07 Desember 2021

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

Bengkulu, 07 Desember 2021

PENGENALAN PROGRAM SPSS

Nama : Desti Amalia Adinda

Dosen Pengampu : 1. Septri Damayanti, S.Si. M.Si

2. Ulfasari Rafflesia, S.Si. M,Si

Asisten Praktikum : 1. Dea Cahya Pramesti (F1A019010)

2. Rewan Jayadi (F1A020010)

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

Bengkulu, 23 Oktober 2021

HALAMAN JUDUL ...................................................................................................... i

PENGENALAN PROGRAM SPSS

1.2 Landasan Teori

1.3 Langkah Kerja dan Teladan

Gambar 1. Tampilan aplikasi SPSS pada desktop.

Gambar 2. Tampilan awal SPSS.

3. Ubah tampilan dari data view menjadi variable view

Gambar 3. Tampilan variable view SPSS.

Gambar 4. Tampilan data.

Gambar 5. Tampilan data pada view.

1.4 Hasil dan Pembahasan

Gambar 6. Tampilan menu file.

Gambar 7. Tampilan menu edit.

Gambar 8. Tampilan menu view.

Gambar 9. Tampilan menu data.

Gambar 10. Tampilan menu transform.

Gambar 11. Tampilan menu analyze.

Gambar 12. Tampilan menu graph.

Gambar 13. Tampilan menu utilites 1.

Gambar 14. Tampilan menu add-ons.

Gambar 15. Tampilan menu windows.

Gambar 16. Tampilan menu help.

12. Tool Bar

Gambar 17. Tampilan tool bar.

Gambar 18.Tampilan pointer.

variabel berdasarkan sebuah persyaratan tertentu). Menu Transform dipergunakan untuk

1.5 Kesimpulan dan Saran

PENYAJIAN DATA (DIARGAM)

Nama : Desti Amalia Adinda

Dosen Pengampu : 1. Septri Damayanti, S.Si. M.Si

2. Ulfasari Rafflesia, S.Si. M.Si

Asisten Praktikum : 1. Dea Cahya Pramesti (F1A019010)

2. Rewan Jayadi (F1A020010)

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

Bengkulu, 30 Oktober 2021

Gambar 1. Tampilan Utama pada SPSS ........................................................................... 6

Tabel 1. Data Berat Badan Siswa ................................................................................... 11

Gambar 1. Tampilan utama pada SPSS.