Buku Aplikasi Minitab Untuk Statistisi Pemula
Buku Aplikasi Minitab Untuk Statistisi Pemula
Kata Pengantar..................................................... 7
Pengenalan Minitab.............................................. 9
LA
Tampilan Minitab.................................................... 9
Input Data ke Dalam Minitab................................. 10
A
EM
Membuat Label Data Kategorik............................... 10
Melakukan Operasi Matematika Dalam Minitab..... 11
Membuat Variabel Baru Berdasarkan Kriteria G
IT
Tertentu............................................................ 12
B
Statistik Deskriptif............................................... 21
R
A
Statistik Inferensia................................................ 35
LA
Uji Komparasi...................................................... 37
A
1. Uji Varian/Ragam............................................. 37
EM
2. Uji Rata-rata/Mean Aritmatic
dan Uji Median................................................ 43
3. G
Uji Proporsi...................................................... 59
IT
B
Uji Korelasi........................................................... 65
N
1. Korelasi Pearson................................................ 65
PE
2. Korelasi Spearman............................................ 67
3. Korelasi Kendall................................................ 69
P
SI
4. Korelasi Mc Nemar........................................... 70
R
LA
Pengujian Kebaikan Model...................................... 82
A
Regresi Ordinal Logistik Pada Data Cross
EM
Section ................................................................. 85
Persamaan Regresi.................................................... 96
N
Pengujian GoF......................................................... 98
P
.
ARIMA Model .................................................... 115
LA
Biodata Penulis..................................................... 121
A
EM
G
IT
B
ER
N
PE
P
SI
R
A
APLIKASI MINITAB UNTUK STATISTISI PEMULA
Kata Pengantar
Puji dan syukur Penulis panjatkan kepada Tuhan Yang
Maha Esa, buku Aplikasi Minitab Untuk Statistisi Pemula dapat
diterbitkan. Buku ini merupakan pelengkap dari Buku Corat
Coret Catatan Statistisi Pemula. Buku ini berisikan langkah-
LA
langkah pengolahan statistika dengan aplikasi software Minitab
21. Adapun metode yang dibahas dalam buku ini adalah
A
model-model standar yang biasa digunakan peneliti mulai dari
EM
analisis deskriptif dan analisis inferensia. Analisis inferensia
mencakup penggunaan statistik untuk tujuan komparasi,
G
menguji arah dan kekuatan hubungan antar variabel serta
IT
pembentukan model sebab akibat.
B
Penulis
LA
A
EM
G
IT
B
ER
N
PE
P
SI
R
A
APLIKASI MINITAB UNTUK STATISTISI PEMULA
Pengenalan Minitab
Tampilan Minitab
Minitab merupakan salah satu aplikasi komputer yang
dirancang untuk melakukan pengolahan statistik. Awalnya
LA
Minitab dikembangkan di Pennsylvania State University oleh
periset Barbara F. Ryan, Thomas A. Ryan, Jr., dan Brian L.
A
Joiner pada tahun 1972. Versi terbaru Minitab saat ini adalah
EM
Minitab 21 (https://www.minitab.com/en-us/products/
minitab/). Minitab dapat diaplikasikan baik pada OS Windows
dan Mac. Berikut tampilan dari Minitab:
G
IT
B
ER
N
PE
P
SI
R
A
• Menu bar berisi menu untuk mengolah data berbasis Graphical User
Interface (GUI).
• Kolom Output menampilkan output dari model yang digunakan
• Kolom sheet menampilkan data yang digunakan
• Navigator menampilkan pengolahan data yang sedang dikerjakan
10 Pardomuan Robinson Sihombing | Ade Marsinta Arsani
LA
• File > Open (Ctrl+O)
• Selanjutnya pilih lokasi dan nama file
yang akan diinput
A
EM
G
IT
B
ER
ke Minitab dari file Excel. Awalnya, data yang ada dalam Excel
PE
di-copy (Ctrl+C) lalu buka Minitab. Pada cell pojok kiri atas data
view, klik kanan pilih paste with variabel names, sehingga data akan
P
LA
A
EM
• Klik Data G
• Pada recode values in the following column: pilih
IT
• Recode > variabel yang mau dibuat labelnya, misalnya gender
• (ABC) To Text • Pada Method: pilih recode individual code
B
LA
• Lalu klik OK
• Pada data spreadsheet akan
A
terlihat variabel baru
“tabungan”
EM
G
Membuat Variabel Baru Berdasarkan Kriteria
IT
Tertentu
B
LA
A
EM
• Klik Data • Pada recode value in the following columns
• Recode > masukkan pendapatan
• (123) To Numeric
G
• Pada method: pilih recoded range of values
• Pada baris 1 lower masukkan nilai 1 upper
IT
2 dan pada recorded value ketikkan angka
B
1,
• selanjutnya pada lower masukkan nilai
ER
angka 3.
• Klik OK
P
SI
LA
mengakalikan antar variable l tanpa dibuat zcore terlebih dahulu.
Data latihan dapat diunduh pada shorturl.at/ilxMZ. Adapun
A
langkah dalam membuat nilai z score adalah:
EM
• Calc
• Standardize
G
IT
B
ER
LA
yang dapat digunakan adalah dengan membandingkan interval
nilai pada nilai minimum dikurangai 1.5*nilai interquartile range
A
atau nilai maksimum ditambah1.5*nilai interquartile range. Cara
EM
lain yang digunakan dengan uji Gubbs. Misalkan kita akan melihat
apakah ada nilai outlier pada data pendapatan. Data latihan dapat
diunduh pada shorturl.at/ilxMZ. G
IT
Klik Stat
B
Basic Statistics
ER
Outlier Test
Pada Variable:
Masukkan variabel
N
LA
uji 1 sample Kolmogorov Smirnov Anderson Darling dan Ryan-
Joner. Untuk data latihan dalam diunduh pada link: shorturl.at/
A
yDHLT
EM
G
IT
B
ER
N
PE
• Klik OK
A
Aplikasi Minitab Untuk Statistisi Pemula 17
LA
Karena nilai sign.prob
value=0.15 > alpha (0.05)
A
maka tidak tolak Ho dan
disimpulkan bahwa data
EM
berdistribusi normal
G
Mentransformasi Data Dengan Teknik Box Cox
IT
Misalkan kita memiliki data yang tidak berdistribusi normal
B
at/yDHLT.
SI
R
A
18 Pardomuan Robinson Sihombing | Ade Marsinta Arsani
LA
Tolak Ho jika sign prob.
value < alpha
A
Karena nilai sign.prob
value= 0.025 < alpha
EM
(0.05) maka tolak Ho dan
disimpulkan bahwa data
G
belum berdistribusi normal
IT
B
ER
N
PE
P
LA
miskin2021 menjadi:
A
EM
Membuat Lag Data G
IT
Dalam analisis time series terkadang dibutuhkan data periode
B
membuat lag data untuk data sales. Untuk data latihan dapat
PE
LA
shorturl.at/kGHV3
A
EM
G
IT
B
ER
N
PE
LA
deskriptif berfungsi untuk mendeskripsikan atau memberi
gambaran terhadap objek yang diteliti melalui data sampel
A
atau populasi. Gambaran dapat berupa ukuran pemusatan/
EM
tendency (rata-rata, median, modus, proporsi), ukuran letak/
posisi (kuartil, desil, persentil) maupun ukuran dispersi/
G
keragaman data (jangkauan/range, standar deviasi dan varian/
IT
ragam). Data yang digunakan dalam analisis deskriptif dapat
B
Selain itu juga dapat berupa data rasio yang tidak memiliki
SI
nilai nol mutlak seperti data berat, volume, luas dan lainnya.
R
• Stat
• Basic Statistics
• Display Descriptive
LA
Statistics
• Pada kotak Variable(s)
masukkan variabel
A
yang akan dicari nilai
EM
deskriptifnya
G
IT
B
ER
N
Statistics
PE
LA
pupil mata dan lainnya. Selain itu juga dapat berupa data ordinal
yang tidak hanya dapat membedakan tetapi juga dapat diurutkan/
A
diberi peringkat, hanya saja jarak antar kategori tidak selalu sama,
EM
misalnya tingkatan sekolah, tingkatan jabatan dan lainnya. Adapun
langkah pengujian, dengan menggunakan menu SPSS:
G • Stat
IT
• Tables
B
• Pada variables:
masukkan variable
dummy/kategori
• Pada display:
centang count dan
percent
• Klik OK
LA
A
EM
Tally
Recorded gender Count Percent
perempuan 5 50,00 G
IT
laki-laki 5 50,00
N= 10
B
ER
• Stat
• Basic Statistics
• Display Descriptive
Statistics
• Pada kotak Variable(s)
masukkan variabel
yang akan dicari nilai
deskriptifnya
LA
• By variables (optional):
masukkan variabel/
A
dummy kategorinya
• Klik OK
EM
G
IT
B
ER
Statistics
N
Recoded SE
PE
pengeluaran perempuan 5 1,600 0,377 0,843 1,100 1,150 1,300 2,200 3,100
laki-laki 5 1,660 0,624 1,396 0,400 0,450 1,200 3,100 3,600
R
A
26 Pardomuan Robinson Sihombing | Ade Marsinta Arsani
LA
• Masukkan variabel kategorik baik
A
pada rows dan columns. Dalam
hal ini variabel gender dan
EM
Pendidikan.
• Analyze
G
• Tables
• Cross Tabulation and Chi-
IT
Squares
B
ER
N
perempuan 0 2 3 5
0 20 30 50
laki-laki 4 1 0 5
LA
40 10 0 50
All 4 3 3 10
A
40 30 30 100
EM
5. Analisis Cluster
G
Analisis cluster (klaster/gerombol) adalah salah satu metode
IT
dalam analisis multivariat. Analisis ini terkadang dimasukan
B
LA
ipm, gini, kemiskinan, dan tpt. Dalam hal ini terlebih dahulu
dibuat nilai standar (Zscore) dari seluruh variabel.
A
Data untuk analisis cluster dapat di-download pada link:
EM
shorturl.at/fhlG5.
a. G
Adapun langkah analisis hirarki adalah dengan
IT
menggunakan menu Minitab
B
• Stat
ER
• Multivariate
• Cluster Observations
N
PE
P
SI
R
A
Aplikasi Minitab Untuk Statistisi Pemula 29
• Pada variables or
distance masukkan
nilai zcore masing-
masing varibel
• Pada linkage
method: masukkan
metode yang
diinginkan misal
LA
complete lengkage
• Lalu klik show
A
dendogram
• Klik OK
EM
Dari dendogram yang ada, kita G
IT
dapat menentukan sendiri mau
berapa kluster yang diinginkan,
B
• Stat
• Multivariate
• Cluster K-Means
LA
A
EM
G
IT
• Pada Variabels: masukkan nilai
zcore masing-masing varibel
B
• Klik OK
PE
P
SI
R
A
Aplikasi Minitab Untuk Statistisi Pemula 31
Berikut output-nya:
LA
A
Berdasarkan hasil 3 klaster yang Selanjutnya untuk final klaster center.
terbentuk, Kabupaten klunkung Nilai positif menunjukkan nilai di atas
EM
menjadi kaster tersendiri, rata-rata dan nilai negatif menunjukkan
nilai di bawah rata-rata. Pada cluster 3,
G
memiliki IPM di atas rata-rata sekaligus
tertinggi di banding dua klaster
IT
lainnya, sebaliknya klaster ini memiliki
nilai kemiskinan terendah.
B
ER
• Stat
• Multivariate
SI
• Cluster Variables
R
A
32 Pardomuan Robinson Sihombing | Ade Marsinta Arsani
LA
• Klik OK
A
EM
Dari dendogram yang ada, kita
dapat menentukan sendiri mau
berapa kluster yang diinginkan, G
IT
misal ingin membuat 3
klaster maka kelompoknya
B
menjadi 1 klaster
N
PE
P
6. Analisis Correspondency
SI
LA
untuk mewakili hubungan antara baris dan kolom (data dan studi
kasus diambil dari manual Minitab). Data latihan dapat diunduh
A
pada link: shorturl.at/vxL06.
EM
G
IT
B
ER
N
PE
P
SI
masukkan RowNames
• Pada Column names,
masukkan ColNames.
34 Pardomuan Robinson Sihombing | Ade Marsinta Arsani
LA
A
• Klik Result • Klik Supp Data
EM
• Centang Row Profiles • Pada Supplementary Rows,
masukkan
• RowSupp1 RowSupp2.
G
• Pada row names,masukkan RSNames
• Klik Ok.
IT
B
Klik Graphs.
ER
LA
merupakan data yang bersifat acak/random dan diambil
dengan menggunakan teknik probability sampling.
A
EM
Ada tiga tujuan utama dalam statistik inferensia yaitu
analisis komparasi/perbandingan, analisis arah dan keeratan
G
hubungan antar variabel serta analisi model sebab akibat/
pengaruh. Baik untuk ketiga tujuan tersebut, analisis statistik
IT
inferensia dapat dibagai atas statistic parametrik dan statistic
B
nonparametrik.
ER
LA
nonparametrik untuk kasus analisis pembentukan model adalah
berdasarkan distribusi data yang digunakan, pola hubungan
A
yang terbentuk serta spesifikasi model yang digunakan. Jika data
EM
didasarkan pada asumsi distribusi tertentu (umumnya distribusi
normal dan keluarga eksponensial, pola hubungannya linier dan
G
spesifikasi modelnya finit (terbatas) maka digunakan statistik
IT
parametrik. Sebaliknya jika data tidak didasarkan pada asumsi
distribusi tertentu, pola hubungan yang tidak linier serta spesifikasi
B
LA
Pengujian terhadap satu populasi biasa dibandingkan dengan
suatu nilai sebagai acuan/standar. Pengujian terhadap dua
A
atau lebih populasi dapat dibagi lagi menjadi dua atau lebih
EM
populasi dependen/berpasangan dan dua populasi independen.
Populasi dependen didasarkan pada pengujian suatu populasi
G
terhadap suatu treatment atau kebijakan yang dilakukan.
IT
Pada umumnya adanya efek pre dan post atau before dan after.
B
1. Uji Varian/Ragam
SI
LA
dengan 0.04 (diasumsikan
berdistibusi normal)
A
EM
G
• Stat
• Basics Statistics
IT
• 1 Variance
B
ER
N
PE
P
SI
R
A
Aplikasi Minitab Untuk Statistisi Pemula 39
LA
A
EM
Pada minitab kita juga dapat
memasukkan data summary, jika kita
G
tidak diberikan raw datanya
IT
B
ER
LA
berdistribusi normal)
A
EM
• Stat
G • Basics Statistics
• 2 Variance
IT
B
ER
N
PE
P
SI
R
A
Aplikasi Minitab Untuk Statistisi Pemula 41
LA
arah, lalu klik OK
A
EM
G
IT
B
LA
atau berbeda (diasumsikan
berdistibusi normal)
A
EM
G
IT
B
ER
N
PE
LA
normal dapat menggunakan uji komparasi median dengan uji
Wilcoxon (Siegel, 1997). Jika data memenuhi asumsi distribusi
A
normal maka gunakan parametrik test, jika data tidak memenuhi
EM
asumsi distribusi normal dan jumlah data sedikit maka gunakan
uji nonparametric. Untuk data pengujian rata-rata dapat diunduh
pada link: shorturl.at/nF458. G
IT
B
• Stat
• Basic Statistics
A
• 1 sample t
44 Pardomuan Robinson Sihombing | Ade Marsinta Arsani
LA
A
EM
G
Pada minitab kita juga dapat
memasukkan data summary, jika kita
IT
tidak diberikan raw datanya
B
ER
N
LA
berdistribusi normal)
A
EM
G
IT
B
ER
N
PE
LA
A
EM
• Stat
• Basic Statistics
• 2 sample t
G
IT
B
ER
N
gini2021
• Pada sample IDS pilih variabel kategorik
kode
P
LA
alpha (0.05) maka tidak tolak Ho dan
disimpulkan bahwa nilai gini kedua
A
wilayah sama
EM
Misalkan akan diteliti
apakah median nilai IPM G
IT
tahun 2021 dan TPT
2021 sama atau berbeda
B
ER
N
PE
P
SI
R
A
48 Pardomuan Robinson Sihombing | Ade Marsinta Arsani
LA
A
EM
• Stat G
• Pada Fist Sample: masukkan variables ipm2021
IT
• Nonparametrics • Pada Second Sample: masukkan variables tpt
• Mann-Whitney 2021
B
LA
A
EM
• Stat G
IT
• Basic Statistics
• Paired t
B
ER
N
PE
LA
bahwa nilai gini kedua periode
sama
A
EM
G
IT
B
LA
A
EM
• Stat • Pada first variable masukkan variable miskin
• Nonparametrics
• Pairwise Differences
2020
G
• Pada second variabel masukkkan variabel
IT
miskin 2021
B
LA
e. Uji rata-rata k populasi univariat /Analysis of Variance
(ANOVA) independen
A
Uji ANOVA digunakan untuk menguji apakah nilai rata-rata
EM
populasi untuk k populasi sama atau berbeda. Adapun asumsi
dalam ANOVA adalah data harus berdistribusi normal dan nilai
G
varian antar populasi yang homogen (Walpole, 2012). Jika data
IT
tidak berdistribusi normal dapat menggunakan alternatif uji
B
• Stat
• ANOVA
• One Way
LA
column for all factor level. Klik
comparisons
• Pilih Tukey
A
EM
G
IT
B
ER
N
LA
A
EM
Karena nilai sign.prob value=0.000 < alpha (0.05) maka tolak
Ho dan disimpulkan bahwa tingkat gini ketiga data dianggap ada
yang berbeda.
G
IT
B
Difference SE of Adjusted
Difference of Levels of Means Difference
PE
LA
satu atau semua data
tidak berdistribusi
A
normal)
EM
G
IT
B
ER
N
PE
• Klik OK
SI
R
LA
data tidak berdistribusi normal dapat menggunakan alternatif uji
nonparametric k populasi (Siegel, 1997).
A
Misalkan data pada penelitian ANOVA di atas akan diteliti
EM
apakah rata-rata nilai gini pada daerah Sumatera, Jawa-Bali dan
selain Sumatera-Jawa-Bali tahun 2021 sama atau berbeda (asumsi
G
data berdistribusi normal) tetapi juga dipengaruhi oleh tingkat
IT
IPM.
B
• Stat
ER
• ANOVA
• General Linier Model
N
LA
A
EM
Karena nilai sign.prob
value=0.5950 > alpha (0.05) G
IT
maka tidak tolak Ho dan
disimpulkan bahwa ipm tidak
B
of Variance (MANOVA)
SI
LA
A
EM
• Stat • Pada responses pilih gini2021 dan
• Anova
• General Movova
gini2020
G
• Pada Model masukkan variabel type
IT
• Klik OK
B
ER
3. Uji Proporsi
Pengujian proporsi digunakan untuk membandingkan apakah
proporsi suatu kategori sama terhadap nilai yang dihipotiskan
(untuk uji 1 populasi) maupun apakah proporsi suatu kategori sama
terhadap dua populasi yang berbeda. Uji proporsi menggunakan
ui z (Walpole, 2012). Untuk data uji proporsi dapat diunduh pada
LA
link: shorturl.at/duIW5
A
a. Uji Proporsi 1 Populasi
EM
Misalkan akan diteliti dari 20 responden
G
apakah proporsi laki-laki (kode=1) sama
dengan proporsi =0.5
IT
• Stat
B
• Basic Statistics
ER
• 1 Proportion
N
• Klik OK
R
A
60 Pardomuan Robinson Sihombing | Ade Marsinta Arsani
LA
Karena nilai sign.prob value=0.115 >
alpha (0.05) maka tidak tolak Ho dan
disimpulkan bahwa proporsi pria =0.5
A
EM
G
IT
b. Uji Proporsi 2 Populasi Independen
B
• Basic Statistics
• 2 Proportion
SI
R
A
Aplikasi Minitab Untuk Statistisi Pemula 61
LA
A
EM
G
• Klik OK
IT
B
number of trial
PE
LA
apakah sama.
A
EM
G
IT
B
ER
N
PE
LA
bertujuan mengetahui variabel apa saja yang mampu
membedakan kategori dua atau lebih populasi. Selain itu
A
dalam analisis ini akan terbentuk persamaan diskriminan yang
EM
dapat memprediksi klasifikasi dari sampel yang ada maupun
sampel yang baru. Dalam hal ini variabel dependennya
G
berupa data kategorik sedangkan variabel independen berupa
IT
data numerik. Adapun syarat dalam analisis diskriminan
adalah variabel independent berdistribusi multivariat normal
B
LA
A
EM
• Stat • Pada group: masukkan kode
• Multivariat • Pada Predictorss: masukkan variabel
• Discriminant Analysis miskin2021, gini2021 dan ipm2021
• Klik OK
G
IT
B
persen
P
SI
R
b. Fungsi diskriminan
A
LA
sebaliknya penurunan nilai suatu variabel diikuti penurunan
variabel lainnya. Jika koefisien korelasi bertanda negative
A
artinya hubungannya berlawanan arah, di mana kenaikan
EM
nilai satu variabel juga diikuti penurunan variabel lainnya,
sebaliknya penurunan nilai suatu variabel diikuti kenaikan
G
variabel lainnya. Nilai korelasi berkisar antara -1 sampai 1. Nilai
IT
absolut korelasi 0-0.5 besaran korelasinya dianggap lemah,
B
1. Korelasi Pearson
SI
LA
A
EM
• Stat
G
• Basic
• Correlation
IT
B
ER
N
PE
P
SI
R
A
Aplikasi Minitab Untuk Statistisi Pemula 67
LA
A
EM
G
IT
Besarnya korelasi 0,165 (positif lemah),
B
2. Korelasi Spearman
PE
ipm tahun 2021 dan miskin tahun 2021 (asumsi salah sau atau
R
LA
A
• Stat
EM
• Basic
• Correlation
G
IT
B
ER
N
correlation
SI
R
A
3. Korelasi Kendall
Korelasi kendall adalah metode hubungan antar variabel
kualitatif/ordinal, di mana datanya tidak harus berdistribusi
normal (Siegel, 1997)
LA
hubungan displin dan kinerja yang
diukur dengan skala ordinal likert
(asumsi data tidak berdistribusi
A
normal)
EM
• Stat
• Tables
• Cross Tabulation and Chi Square
G
IT
• Pada raw data (categorical
B
variables)
ER
• Rows: displin
• Columns: kinerja
N
ordinal categories
• Klik OK
70 Pardomuan Robinson Sihombing | Ade Marsinta Arsani
LA
4. Korelasi Mc Nemar
A
EM
Korelasi Mn Nemar sama dengan korelasi Phi adalah metode
hubungan antar variabel berskala nominal dikothomus/binary
(Garson, 2013).
G
IT
Misalkan akan diteliti apakah
ada hubungan antara gender
B
dalam Minitab:
• Stat
PE
• Tables
• Cross Tabulation and Chi Square
P
SI
R
A
Aplikasi Minitab Untuk Statistisi Pemula 71
LA
A
EM
• Pada test for for 2x2 tables
G
• Pilih McNemar Test
• Klik OK
IT
B
ER
N
PE
5. Korelasi Cramer V
Korelasi Cramer V adalah metode hubungan antar variabel
berskala nominal yang berukuran mxm (Garson, 2013). Adapun
langkah dalam Minitab:
LA
hubungan antara kepemilikin TV (mnc,
bakery dan CT) dengan siaran acara
(sinetron, berita dan olah raga).
A
• Stat
EM
• Tables
• Cross Tabulation and Chi Square
G
IT
B
variables)
• Rows: stasiun TB
• Columns: siaran
N
LA
A
EM
Besarnya nilai koefisien korelasi 0.133 G
IT
(korelasi positif lemah
B
ER
LA
A
EM
• Pada other measures of association
G
• Pilih Goodman-Kuskal lamda dan tau
• Klik OK
IT
B
ER
N
PE
P
SI
R
A
LA
hubungan antara gender (perempuan
dan laki-laki) dengan jenis acara TV
(MNC, Bakery dan CT). Adapun
A
langkah dalam Minitab
EM
• Stat
• Tables
• Cross Tabulation and Chi Square
G
IT
B
ER
• Rows: siaran TV
PE
• Columns: gender
• Klik chi square
P
SI
R
A
76 Pardomuan Robinson Sihombing | Ade Marsinta Arsani
LA
A
EM
G
IT
B
ER
N
PE
P
SI
R
LA
Salah satu pemodelan sebab akibat yang sering digunakan
adalah model regresi. Jika data yang digunakan merupakan data
A
cross section (satu periode), dengan jumlah variabel independen
EM
lebih dari 1 dan data diasumsikan berdistibusi normal maka
model regresi dengan teknik estimasi ordinary least square
G
(OLS) tepat digunakan. Model regresi ini sering disebut model
regresi gaussian, yang memiliki asumsi klasik yaitu normalitas,
IT
multikol, heterokedastisitas dan linearitas (Gujarati, 2004).
B
• Stat
SI
• Regression
• Fit Regression
R
Model
A
78 Pardomuan Robinson Sihombing | Ade Marsinta Arsani
LA
• Pada graphs: pilih normal probability
of plot
A
EM
i. Uji multikolinearitas
G
Ho: tidak ada multikolinearitas yang tinggi antar variabel
IT
independen
H1: ada multikolinearitas yang tinggi antar variabel
B
independen
ER
α = 0.05
N
α = 0.05
Pengujian GoF
i. koefisien determinasi (adjusted r square)
LA
39.70 oleh variabel lain di luar
model
A
ii. uji parsial/ uji t
EM
Ho: model tidak fit/tidak ada
G
variabel yang berpengaruh
H1: model fit/minimal 1 variabel
IT
independen yang berpengaruh
B
α = 0.05
ER
α = 0.05
LA
variabel lain konstan
A
• Nilai koefisien gini positif artinya kenaikan gini akan
menaikkan persentase kemiskinan dengan asumsi variabel
EM
lain konstan.
G
IT
B
ER
N
PE
P
SI
R
A
APLIKASI MINITAB UNTUK STATISTISI PEMULA
Regresi Binary Logistik Pada
Data Cross Section
Jika seorang peneliti melakukan pemodelan sebab akibat
dengan variabel dependen berupa data kategorik dengan dua
LA
kriteria baik berupa data nominal maupun ordinal maka model
regresi yang tepat adalah model regresi binary (Gujarati, 2004).
A
Model regresi binary masuk ke dalam model Generalized
EM
Linear Model (GLM). Di dalam model GLM terdapat tiga
komponen utama yaitu komponen distribusi acak, yaitu y
G
berdistribusi keluarga eksponensial; komponen prediktor linier,
IT
yaitu ; dan fungsi link yaitu fungsi monoton dan diferensiabel
sehingga. Fungsi link dapat berupa fungsi logit, probit dan
B
• Stat
• Regression
• Binary Logistic Regression
• Fit Binary Logistic Model
LA
A
• Pada Respons: masukkan
EM
variabel dependen dalam hal ini
status
• Pada Continous predictor:
G
masukkan variabel independent
numerik jika ada
IT
• Pada Categorical predictor:
B
i. Uji Hosmer
SI
R
α = 0.05
LA
kelahiran sebesar 3,13 persen
sisanya variabel lain di luar
model.
A
EM
iii. uji simultan/ uji chi Square
G
IT
Ho: model tidak fit/ tidak ada
variabel yang berpengaruh
B
α = 0.05
PE
berpengaruh.
R
A
84 Pardomuan Robinson Sihombing | Ade Marsinta Arsani
α = 0.05
LA
Karena nilai sign.prob value t
A
=0.000 < alpha (0.05) maka tolak
Ho dan disimpulkan variabel
EM
independent berpengaruh
signifikan.
G
IT
v. persamaan regresi
B
ER
N
PE
LA
dari dua kriteria yang dapat diurutkan (ordinal) maka model
regresi yang tepat adalah model regresi ordinal (Gujarati,
A
2004). Model regresi ordinal juga masuk ke dalam model
EM
Generalized Linear Model (GLM). Fungsi link dapat berupa
fungsi logit, probit dan complementary log-log (Agresti, 2002).
G
Dalam model ordinal regression hal yang perlu diperhatikan
IT
adalah asumsi/asas pararel line/proportional odss, jika asumsi
ini tidak terpenuhi maka dapat menggunakan model penalized/
B
• Stat
R
• Regression
A
LA
A
EM
i. uji kesesuaian model/overdispersi
α = 0.05
ER
berpengaruh
α = 0.05
α = 0.05
LA
Karena nilai sign.prob value z
=0.000 < alpha (0.05) maka
A
tolak Ho dan disimpulkan
EM
variabel independen berpengaruh
signifikan
G
IT
B
ER
LA
A
EM
G
IT
B
ER
N
PE
P
SI
R
A
APLIKASI MINITAB UNTUK STATISTISI PEMULA
Regresi Multinomial
Logistik Pada Data Cross
Section
LA
Jika seorang peneliti melakukan pemodelan sebab akibat
dengan variabel dependen berupa data kategorik dengan lebih
A
dari dua kriteria yang tidak dapat diurutkan/dibandingkan
EM
(nominal) maka model regresi yang tepat adalah model regresi
multinomial (Agresti, 2002). Model regresi multinominal
G
juga masuk ke dalam model Generalized Linear Model
(GLM). Fungsi link dapat berupa fungsi logit, probit dan
IT
complementari log-log (Agresti, 2002). Misalkan akan
B
• Stat
• Regression
• Nomnal Logistic Regression
LA
A
EM
G
IT
B
ER
N
PE
P
SI
ini prog
A
α = 0.05
LA
(0.05) maka tidak tolak Ho dan disimpulkan
modelnya fit (sesuai)
A
ii. uji simultan/uji chi2
EM
Ho: tidak ada variabel yang berpengaruh
H1: minimal 1 variabel independen yang
berpengaruh G
IT
α = 0.05
B
ER
α = 0.05
LA
A
EM
Belum cukup bukti peningkatan nilai math dan science akan
G
meningkatkan perbedaan peluang antara program vocational
IT
dengan general.
B
ER
N
PE
P
SI
R
A
APLIKASI MINITAB UNTUK STATISTISI PEMULA
Regresi Poisson
Pada Data Cross Section
Jika seorang peneliti melakukan pemodelan sebab akibat
dengan variabel dependen berupa data cacahan/diskrit maka
LA
model regresi yang tepat adalah model regresi poisson (Agresti,
2002). Model regresi multinominal juga masuk ke dalam
A
model Generalized Linear Model (GLM). Fungsi link dapat
EM
berupa fungsi log (Agresti, 2002). Dalam pemodelan regresi
poisson, salah satu persyaratan adalah model harus memenuhi
G
asas equidispertion yang artinya nilai harapan/mean/expected
IT
value sama dengan nilai ragam/varian datanya. Jika asumsi ini
tidak terpenuhi, dikarenakan banyaknya nilai nol maka dapat
B
• Stat
• Regression
• Poisson Regression
• Fit Poisson Model
LA
A
EM
G
IT
B
ER
N
PE
P
SI
Berikut output-nya:
i. uji kesesuaian model/overdispersi
α = 0.05
LA
Karena nilai deviance/df=1.06
mendekati 1 maka tidak tolak Ho dan
A
disimpulkan modelnya fit (sesuai)
EM
ii. uji simultan/uji chi2
α = 0.05
ER
berpengaruh
A
α = 0.05
LA
model
A
EM
Persamaan Regresi
G
IT
B
LA
pengaruh suatu treatment dan sekaligus efek waktu terhadap
suatu variabel maka model regresi yang tepat digunakan adalah
A
model DID. Model DID dapat digunakan untuk mengetahui
EM
perubahan sutau variable karena efek waktu, efek kebijakan
atau interaksi efek keduanya (Card & Krueger, 1994). Dalam
G
model DID diperlukan dummy periode waktu (before and
IT
after) serta adanya individu/subjek yang dijadikan sebagai
control (tidak diberikan treatment). Selanjutnya dilakukam
B
• Stat
• Regression
• Fit Regression Model
98 Pardomuan Robinson Sihombing | Ade Marsinta Arsani
LA
time_tread
• Pada graphs: pilih normal
A
probability of plot
EM
i. Uji multikolinearitas
G
IT
Ho: tidak ada multikolinearitas yang tinggi antar
variabel independen
B
variabel independen
α = 0.05
N
PE
Pengujian GoF
A
α = 0.05
LA
Karena nilai sign.prob value F =0.001
A
< alpha (0.05) maka tolak Ho dan
disimpulkan modelnya fit/minimal 1
EM
variabel yang berpengaruh.
berpengaruh
H1: variabel independen ke-i berpengaruh
N
α = 0.05
PE
terhadap fte
A
100 Pardomuan Robinson Sihombing | Ade Marsinta Arsani
LA
A
EM
G
IT
B
ER
N
PE
P
SI
R
A
APLIKASI MINITAB UNTUK STATISTISI PEMULA
Uji Validitas dan Reabilitas
Untuk menguji apakah instrumen yang digunakan, dalam
hal ini angket memenuhi persyaratan validitas, pada dasarnya
digunakan korelasi Pearson. Cara analisisnya dengan cara
menghitung koefisien korelasi antara masing-masing nilai pada
LA
nomor pertanyaan dengan nilai total dari nomor pertanyaan
tersebut. Selanjutnya koefisien korelasi yang diperoleh r
A
masih harus diuji signifikansinya bisa menggunakan uji t atau
EM
membandingkannya dengan r tabel. Bila t hitung > dari t tabel
atau r hitung > dari r tabel, maka nomor pertanyaan tersebut
G
valid. Bila menggunakan program komputer, asalkan r yang
IT
diperoleh diikuti harga p < 0,05 berarti nomor pertanyaan itu
B
valid.
ER
teknik sekali ulur. Teknik sekali ukur terdiri atas teknik genap
gasal, belah tengah, belah Acak, Kuder Richardson, teknik
P
• Stat
• Basic
• Correlation
LA
A
EM
G
• Pada variables masukkan variabel yang
IT
akan diuji, dalam hal ini sdm1 sampai
sdm5 dan sdm_total
B
• Klik OK
ER
N
PE
P
SI
R
LA
.
A
• Stat • Pada Variables: masukkan variabel
EM
• Multivariate yang akan diuji, dalam hal ini sdm1
• Item Analysis sampai sdm5
G
• Klik OK
IT
B
ER
indiaktor valid.
PE
mengukur penelitian)
R
A
104 Pardomuan Robinson Sihombing | Ade Marsinta Arsani
LA
A
EM
G
IT
B
ER
N
PE
P
SI
R
A
APLIKASI MINITAB UNTUK STATISTISI PEMULA
Analisis Faktor
Analisis factor merupakan salah satu analisis multivariat.
Adapun analisis faktor bertujuan mereduksi sejumlah variabel
menjadi faktor-faktor, sehingga faktor yang terbentuk
merupakan kombinasi linier dari variabel yang terbentuk
LA
sehingga faktor yang terbentuk akan diberi label baru
berdasarkan kriteria variabel yang membentuknya (Johnson &
A
Wichern, 1998). Analisis faktor terkadang digunakan sebagai
EM
pengujian validitas suatu instrument, dalam hal ini diharapkan
indicator/pertanyaan yang digunanakan dalam 1 variabel laten
G
akan membentuk satu faktor. Metode ini dikenal dengan uji
IT
explanatory factor analysis (EFA). Selain itu analisis faktor
B
• Stat
P
• Multivariate
SI
• Factor Analysis
R
A
106 Pardomuan Robinson Sihombing | Ade Marsinta Arsani
LA
A
EM
G
IT
B
ER
N
Dari scree Plot terlihat bahwa saat 1 faktor loading di atas 0.7
sudah turun tajam Total variasi yang terjelaskan
sudah 69.4 persen.
P
SI
R
A
APLIKASI MINITAB UNTUK STATISTISI PEMULA
Analisis Komponen Utama
(AKU)
Analisis komponen utama merupakan adalah
teknik dalam analisis multivariat, yang digunakan untuk
LA
menyederhanakan suatu data, dengan cara mentransformasi
data secara linier sehingga terbentuk sistem koordinat baru
A
dengan varians maksimum. Analisis komponen utama juga
EM
sering digunakan untuk menghindari masalah multikolinearitas
antar peubah bebas dalam model regresi berganda. Misalkan
G
data pada analisis faktor di atas kita anggap adalah variabel
IT
independen yang mengalami multikolinearitas karena
korelasinya cukup tinggi, maka kita aplikasikan dengan analisis
B
• Stat
N
• Multivariate
PE
• Principal
Component
P
SI
R
A
108 Pardomuan Robinson Sihombing | Ade Marsinta Arsani
LA
A
EM
G
IT
B
ER
LA
single moving average, double moving average, single exponential
smoothing, double exponential smoothing, metode Winter, dan
A
dekomposisi data deret waktu (Wei, 1990).
EM
Metode moving average digunakan untuk data yang
G
polanya konstan/stasioner, dan memberikan bobot yang sama
dalam analisisnya. Metode exponential digunakan untuk data
IT
yang mengandung tren. Metode winter biasanya digunakan
B
itu penulis juga dapat membuat analisis trend dari data yang
PE
a. Moving Average
LA
A
EM
• Stat G
• Pada Variable masukkan sales
IT
• Time Series • Pada MA length Misal kita pilih rata-rata
B
• Moving Average 3
• Klik time masukkan variabel waktu
ER
msialkan t
N
PE
P
SI
R
A
APLIKASI MINITAB UNTUK STATISTISI PEMULA
b. Single Exp Smoothing
LA
A
EM
G
IT
• Stat • Pada Variable masukkan sales
B
msialkan t
PE
P
SI
R
A
112 Pardomuan Robinson Sihombing | Ade Marsinta Arsani
c. Winter Method
LA
A
EM
G
IT
B
ER
N
msialkan t
SI
R
A
Aplikasi Minitab Untuk Statistisi Pemula 113
d. Trend Analysis
LA
A
EM
G
IT
B
msialkan t
PE
P
SI
R
A
114 Pardomuan Robinson Sihombing | Ade Marsinta Arsani
LA
A
EM
G
IT
B
ER
N
PE
P
SI
R
A
APLIKASI MINITAB UNTUK STATISTISI PEMULA
ARIMA Model
Pemodelan dengan satu variabel data deret waktu adalah
metode Autoregressive Integrated Moving Average (ARIMA)
dan Generalized Autoregressive Conditional Heteroscedastic
(Garch). Dalam pemodelan data time series, syarat awal
LA
menggunakan model ARIMA adalah datanya harus sudah
stasioner baik dalam rata-rata maupun dalam varian/ragam
A
(Wei, 1990). Hal ini dikarenakan agar tidak menghasilkan
EM
model yang superious/lancung/palsu atau model yang memiliki
error yang nilainya besar. Untuk data latihan ARIMA dapat
diunduh pada link: shorturl.at/ewxO8 G
IT
B
ER
N
PE
P
SI
LA
diffence 1
A
AR(1), ARIMA (1,0,1) MA(1), ARIMA (0,0,1)
EM
G
IT
B
ER
N
LA
and Time Series Models. :. pp.. New York: Cambridge
A
University Press.
EM
Breiman, L. (1973). Statistics: with a view towards applications.
Boston: Houghton Mifflin.
G
Brown, M. B., & Forsythe, A. B. (1974). Robust test for the
equality of variances. Journal of the American Statistical
IT
Association, 69, 364-367.
B
LA
Primer on Partial Least Squares Structural Equation Modeling
(PLS-SEM) Second. Los Angeles: SAGE.
A
Hassler, U., & Wolters, J. (2006). Autoregressive Distributed Lag
EM
Models and Cointegration. Allgemeines Statistisches Archiv,
90, 59-74.
G
Ji, Y.-b., & Lee, C. (2010). Data Envelopment Analysis in Stata.
IT
The Stata Journal, 10(2), 1-13.
B
from https://sites.google.com/site/econometricsacademy/
econometrics-models/time-series-arima-models
P
Sons.
Siegel, S. (1997). Statistik Nonparametrik Untuk Ilmu-ilmu Sosial.
Jakarta: Gramedia.
Sugiyono. (2017). Metode Penelitian Kuantitatif, Kualitatif, dan
R&D. Bandung: Alfabeta, CV.
Aplikasi Minitab Untuk Statistisi Pemula 119
LA
Methods. USA: Addison-Wesley Publishing Co.
Welch, B. L. (1947). The generalization of `student’s’ problem
A
when several different population variances are involved.
EM
Biometrika, 34, 28-35.
G
IT
B
ER
N
PE
P
SI
R
A
120 Pardomuan Robinson Sihombing | Ade Marsinta Arsani
LA
A
EM
G
IT
B
ER
N
PE
P
SI
R
A
APLIKASI MINITAB UNTUK STATISTISI PEMULA
Biodata Penulis
Pardomuan Robinson Sihombing,
SST, M.Stat, C.PS adalah Statistisi
Muda di Badan Pusat Statistik (BPS)
RI sejak tahun 2013. Menyelesaikan
LA
Pedidikan Diploma IV Statistika
Ekonomi pada tahun 2012 di Sekolah
A
Tinggi Ilmu Statistik (STIS) Jakarta,
EM
dan Magister Statistika Terapan pada
tahun 2020 di Universitas Padjadjaran
G
(Unpad) Bandung. Saat ini Penulis
IT
sedang menempuh Pendidikan Doktoral Statistika dan Sains
B
Akun Link
HP/WA 081271095616
Google Scholar https://scholar.google.com/citations?user=
TKeogYQAAAAJ&hl=en
Research Gate Pardomuan-Sihombing
122 Pardomuan Robinson Sihombing | Ade Marsinta Arsani
Orchid https://orcid.org/0000-0002-1597-9077
Publon publons.com/researcher/4219441/
pardomuan-robinson-sihombing/
Research ID http://ResearchID.co/rid14715
Sinta ID 6754387/https://sinta.ristekbrin.go.id/
authors/detail?id=6754387&view=overview
LA
Scopus ID 57223216987/https://www.scopus.com/
authid/detail.uri?authorId=57223216987
A
Academica https://independent.academia.edu/
EM
pardomuansihombing
G
IT
Ade Marsinta Arsani, SST, MPMA, ME
B