Tutorial SPSS V.

16 –seti

Statistik Inferensi (Parametrik)

Pada statistik inferensi terdapat statistik parametrik dan non-parametrik. Statistik inferensi
digunakan untuk menguji parameter populasi melalui statistik, atau menguji ukuran populasi
melalui data sampel.
Sampel adalah bagian dari populasi. Jadi, jika populasi adalah seluruh Universitas di jakarta,
maka sampel bisa bagiannya seperti 75 universitas di Jakarta, 20 universitas di jakarta barat dan
utara, dan sebagainya.
Berikut pembagian analisis untuk statistik inferensi:

Catatan:
Uji t, z, F (Anova) pada dasarnya menguji apakah ada perbedaan pada rata-rata satu atau lebih populasi.

1
 Tutorial SPSS V.16 –seti

Beberapa Alat Analisis Statistik Inferensial untuk Melihat Hubungan Dua Variabel.
Alat Statistik untuk Korelasi Simbo
Jenis Data / Variabel
Dua Variabel l
Korelasi Pearson Produk
r Keduanya data kontinu
Momen(Pearson Product Moment)
Korelasi Spearman Rho r Keduanya data urutan (rank ordered)
Satu variable data kontinu, satu variabel data dikotomi
Biserial rbis buatan
Biserial Titik (Point-Biserial) rpbis Satu variable data kontinu, satu variabel data dikotomi murni
Tetrachoric rt Keduanya variabel /data dikotomi buatan
Koefisien Phi Ø Keduanya variabel /data dikotomi murni
Koefisien Kontingensi C Kedua variabel mempunyai dua atau lebih kategori
Korelasi Rasio, Eta h Keduanya data kontinu (untuk korelasi non-linier)

Beberapa Alat Analisis Statistik Inferensial untuk Melihat Hubungan Tiga atau Lebih Variabel.
Alat Statistik untuk
Korelasi Dua Variabel
Regresi Berganda
(Multiple Regression)
Analisis Varian Dua Jalur
(Two-way ANOVA)
Diskriminan Analisis
(Discriminant Analysis)
Korelasi Kanonikal
(Canonical Correlation)
Korelasi parsial
(Partial/part Correlation)
Analisis Faktor
(Factor Analysis)
Chi Kuadrat (Chi-Square)
Tujuan Penelitian/Tujuan Analisis
Untuk menggambarkan derajat korelasi antara beberapa variabel independen
dengan satu variabel dependen; dimana baik variabel independen maupun
dependen merupakan variabel dengan data kontinu.
Untuk melihat ada tidaknya pengaruh antara dua atau lebih variabel independen
dengan satu variabel dependen, dimana variabel-variabel independennya
merupakan data kategorikal, sedangkan variabel dependennya merupakan
data kontinu.
Untuk menggambarkan derajat korelasi antara beberapa variabel independen
dengan satu variabel dependen; dimana Variabel independennya merupakan
variabel dengan data kontinu, sedangkan variabel dependen merupakan
variabel dikotomi.
Untuk menggambarkan derajat korelasi antara beberapa variabel independent
dengan beberapa variabel dependent.
Untuk menggambarkan derajat korelasi antara dua buah variabel independen
setelah pengaruh variabel lainnya dikontrol (secara statistik)
Untuk menentukan apakah suatu set variabel bisa diringkas dan dikategorikan
menjadi sejumlah faktor yang lebih kecil (lebih sedikit)
Untuk menggambarkan derajat korelasi antara dua atau lebih variabel
independen; dimana variabelnya mempunyai data non-parametrik (frequency-
based data).

Jenis-Jenis Inferensi
Inferensi terhadap sebuah rata-rata populasi
– Sampel Besar
Dalam kasus dimana jumlah sampel yang diambil cukup besar atau varians populasi diketahui,
maka bisa dipakai rumus / uji Z. Yang dimaksud dengan sampel “besar”, sebenarnya tidak ada
ketentuan yang tepat batas besar kecilnya suatu sampel. Namun sebagai sebuah pedoman
jumlah sampel di atas 30 sudah bisa dianggap sebagai sampel yang besar, sedang dibawahnya
dianggap sampel.
kecil.
– Sampel Kecil
Jika sampel kecil (<30) dan varians populasi tidak ketahui, metode parametrik yang digunakan
adalah Uji t.

2
 Tutorial SPSS V.16 –seti

Inferensi Terhadap Dua rata-rata Populasi

– Sampel Besar
Metode yang digunakan adalah z test yang dimodifikasi
– Sampel Kecil
1. T test yang dimodifikasi
2. F test

Inferensi Terhadap Lebih dari Dua rata-rata Populasi

Untuk lebih dari 2 populasi, misal tiga jenis sampel, empat jenis sampel, dst, maka dipakai
analisis ANOVA, yang terdiri atas:
- ANOVA satu faktor
- ANOVA dua faktor dengan replacement
- ANOVA dua faktor tanpa replacement

Inferensi untuk mengetahui hubungan, antar variabel

 Hubungan antar dua variabel, menggunakan metode korelasi dan regresi sederhana.
 Hubungan antar lebih dari dua variabel ( tiga, empat, dst), menggunakan metode korelasi
dan regresi berganda.

A. Paired Sample t-Test( uji t untuk dua sampel yang berpasangan )

Tujuan
Untuk menguji dua sampel yang berpasangan, apakah mempunyai rata-rata yang secara nyata
berbeda atau tidak. Sampel berpasangan (paired sample) adalah sebuah sampel dengan subjek
yang sama namun mengalami dua perlakuan atau pengukuran yang berbeda.

Data: Data Jenis Kuantitatif dan berdistribusi normal

Contoh soal Paired Sample t-test

Produsen oli yang berasal dari Jerman ingin mengetahui apakah oli yang diproduksinya
mempunyai efek terhadap kecepatan maximum sepeda motor di Indonesia yang menggunakan oli
tersebut. Untuk itu sebuah sampel yang terdiri dari 10 sepeda motor dari berbagai merk, masing-
masing sepeda motor tersebut diukur kecepatan maximumnya sebelum dan sesudah
menggunakan oli tersebut. Berikut ini adalah hasilnya (dalam km/jam) dengan selang
kepercayaan 95%.

3
 Tutorial SPSS V.16 –seti

Langkah-langkah pengerjaan:
1. Pada Variable view, ketik variabel Sebelum dan Sesudah
2. Pada Data view, input data di atas
3. Uji normalisasi berdasarkan metode yang dijelaskan sebelumnya yang menghasilkan
berikut ini,

4. Setelah data diketahui normal, klik menu Analize – Compare Means – Paired Samples
T-Test, seperti tampilan dibawah ini. Pindahkan variable sebelum dan sesudah ke kolom
Paired-variables.

5. Pada menu Option, isi selang kepercayaan 95% (Jika dalam soal tidak diketahui selang
kepercayaannya, gunakan 95%)
6. Klik Ok untuk mendapatkan hasil sebagai berikut.

4
 Tutorial SPSS V.16 –seti

Jawab:
1. Tentukan Hipotesis
Ho Diterima: Tidak ada perbedaan rata-rata kecepatan sebelum dan sesudah menggunakan oli.
Ho Ditolak: Ada perbedaan rata-rata kecepatan sebelum dan sesudah menggunakan oli.
2. Dasar Pengambilan Keputusan Berdasarkan Sig
Jika Sig < 0,05, maka Ho Ditolak
Jika Sig > 0,05, maka Ho Diterima
Untuk uji dua sisi, setiap sisi dibagi 2 hingga menjadi
Jika Sig < 0,025, maka Ho Ditolak
Jika Sig > 0,025, maka Ho Diterima

Pada soal di atas ternyata Sig-nya mendapat 0,000 (dibagi 2) berarti: 0,000 < 0,025, maka
Ho Ditolak. Uji dilakukan dua sisi karena akan diketahui apakah rata-rata sebelum sama
dengan sesudah ataukah tidak. Jadi, bisa lebih besar atau lebih kecil, karenanya dipakai dua
sisi. Perlunya uji dua sisi bisa diketahui pula dari output SPSS yang menyebutkan adanya 2-
tailed.
3. Berdasarkan t hitung
t hitung > t tabel, maka Ho Ditolak
t hitung < t tabel, maka Ho Diterima
t hitung = -7,039 ( dalam t hitung tanda minus tidak dianggap)
Jika dibandingkan dengan t table = df, α/2 (9, 0.025)
t table = 2,26 < t hitung 7.039, maka Ho Ditolak
4. Kesimpulan
Dari hasil analisa diatas maka dapat diambil kesimpulan bahwa ada perbedaan yang signifikan
antara kecepatan maximum sebelum dan sesudah menggunakan oli yang baru.

5
 Tutorial SPSS V.16 –seti

B. One Sample t-Test

Tujuan
Menguji apakah suatu nilai tertentu (yang diberikan sebagai pembanding) berbeda secara nyata
ataukah tidak, dengan rata-rata sebuah sampel.

6
 Tutorial SPSS V.16 –seti

Data
Data bertipe kuantitatif, dengan asumsi:
 Data berdistribusi normal
 Data sampel berjumlah sedikit (<30)

Contoh soal One Sample T-Test

Perusahaan outsourcing IT sedang mengembangkan sebuah software baru yang berkaitan dengan
lamanya proses pengolahan data sebelum dan sesudah menggunakan system computer ini.
Sebelumnya perusahaan IT ini mengatakan bahwa dengan system tersebut, pengolahan data akan
diselesaikan dalam waktu maksimal 6 hari. Uji dilakukan pada 10 perusahaan yang menggunakan
system tersebut. Berikut data yang diperoleh dalam satuan hari.

Langkah Penyelesaian:
1. Sesuai data waktu yang telah kita inputkan terdahulu, kita menguji apakah data
berdistribusi normal atau tidak. Jika sudah berdistribusi normal, lanjut ke tahap berikutnya.

2. Pilih menu Analyze, kemudian pilih submenu Compare Means, pilih One Sample T
Test
3. Pada kotak dialog One-Sample T Test, pindahkan variabel Waktu ke sebelah kanan.
Pada kolom test.
4. Value, diisi 5 (sesuai dengan soal)

7
 Tutorial SPSS V.16 –seti

5. Klik Ok untuk melihat output

Jawab:
1. Tentukan Hipotesis
Ho Diterima: Tidak ada perbedaan waktu penggunaan system computer dengan rata-rata
waktu manual
Ho Ditolak: Ada perbedaan waktu penggunaan system computer dengan rata-rata waktu
manual
2. Dasar Pengambilan Keputusan Berdasarkan Sig
Jika Sig < 0,05, maka Ho Ditolak
Jika Sig > 0,05, maka Ho Diterima
Untuk uji dua sisi, setiap sisi dibagi 2 hingga menjadi
Jika Sig < 0,025, maka Ho Ditolak
Jika Sig > 0,025, maka Ho Diterima
Pada soal diatas ternyata Sig-nya mendapat 0,037 (dibagi 2) berarti: 0,0185 < 0,025, maka Ho
Ditolak.
3. Berdasarkan t hitung
t hitung > t table, maka Ho Ditolak
t hitung < t table, maka Ho Diterima
t hitung = -2,449 ( dalam t hitung tanda minus tidak dianggap)
Jika dibandingkan dengan t table = df, α/2 (9, 0.025)
t table = 2,26 < t hitung 2.449, maka Ho Ditolak
4. Kesimpulan

8
 Tutorial SPSS V.16 –seti

Dari hasil analisa diatas maka dapat diambil kesimpulan bahwa ada perbedaan waktu
penggunaan system computer dengan rata-rata waktu manual.

C. Independent Sample t-Test

Tujuan
Membandingkan rata-rata dari dua grup yang tidak berhubungan satu dengan yang lain, apakah
kedua grup tersebut mempunyai rata-rata yang sama atau tidak secara signifikan.

Data
Data kuantitatif, dengan asumsi data berdistribusi normal dan jumlah sampel sedikit (<30).
Dalam hal ini independent sample t-test berbeda dengan uji berpasangan, dimana justru satu
kasus diobservasi lebih dari sekali, dalam uji ini satu kasus hanya didata sekali saja.

Contoh.
Sejumlah tes dilakukan untuk mengetahui berapa kecepatan terhubungnya computer ke sebuah
ISP (Internet Service Provider). Berikut data-data kecepatan (dalam Detik) dari dua merk ISP.
Apakah Kedua merk ini memiliki perbedaan kecepatan yang signifikan?

Langkah penyelesaian:
1. input variabel merk dan kecepatan pada variable view. Gunakan value label untuk
menamai variabel merk.
2. Uji apakah data berdistribusi normal atau tidak

9
 Tutorial SPSS V.16 –seti

3. Pada menu Analize- pilih Compare means – Independent sample T-Test. Masukkan
variable kecepatan di kolom Test variables dan merk di grouping variable.

4. pada define groups, isi seperti dibawah ini

5. Klik continue dan pada option tetap menggunakan selang kepercayaan 95%

6. Klik continue kemudian Ok untuk melihat output

10
 Tutorial SPSS V.16 –seti

Jawaban:
1. Pertama dilakukan pengujian apakah ada kesamaan varians pada data kedua merk.
Pengujian asumsi kesamaan varian dilakukan lewat uji F atau signifikansi.
Hipotesis:
Ho: Tidak ada perbedaan varian antara merk A dan B
H1: Ada perbedaan varian antara merk A dan B
Pengambilan keputusan
Jika Sig < 0,05, maka Ho Ditolak
Jika Sig > 0,05, maka Ho Diterima
Keputusan: Sig = 0.380 > 0.05, maka Ho diterima. Maka kedua merk memiliki varian yang
sama.
2. Setelah diketahui variannya sama (equal variances assumed), maka kita menguji apakah
rata-rata kecepatan merk A dan B adalah berbeda secara signifikan?
Hipotesis:
Ho: Tidak ada perbedaan rata-rata kecepatan antara Merk A dan B
H1: Ada perbedaan rata-rata kecepatan antara Merk A dan B
Pengambilan keputusan
Jika Sig < 0,05, maka Ho Ditolak
Jika Sig > 0,05, maka Ho Diterima
Karena dilakukan uji 2 sisi maka Sig : 2, jadi pengambilan keputusannya menjadi
Jika Sig < 0,025, maka Ho Ditolak
Jika Sig > 0,025, maka Ho Diterima
Keputusan: Sig = 0.610 (dibagi 2) = 0.35 > 0.05, maka Ho diterima.
Jadi, Tidak ada perbedaan rata-rata kecepatan antara Merk A dan B

11