SPSS

1. Uji Normalitas
2. Uji Korelasi
3. Uji Regresi
4. Uji Z
Pada dasarnya uji z adalah sama dengan uji t . Hnaya saja uji z ditujukan untuk jumlah data
yang relatif besar (> 10)

Langkah – langkah melakukan uji z adalah sebagai berikut

1. Masukkan data tersebut pada SPSS.
2. Klik menu Analyze > Compare Means > One-Sample T test…

3. Masukkan variabel berat_siswa pada kotak Test variable.

4. Pada kotak Test value masukkan angka 55 (nilai yang akan diuji).Klik OK untuk
melakukan perhitungan.
Pada jendela output akan muncul hasil perhitungan

Output 1

Output pertama memberikan informasi mengenai jumlah data yang diolah. Kolom N
menunjukkan banyaknya data yang diolah. Kolom Mean menunjukkan rata – rata dari nilai
data.dan kolom Std Deviation menunjukkan nilai standar deviasi.

Output 2

Pada output ke 2 ini memberikan nilai informasi untuk mengambil keputusan

Sebelum mengambil keputusan, pertam – tama kita membuat sebagai berikut :
Ho = berat rata – rata kelas 2 SMA adalah 55 kg
Hi = berat rata – rata kelas 2 SMA tidak sama dengan 55 kg
Syarat H0 diterima atau tidak berdasarkan nilai probabilitas sebagai berikut :
Apabila probabilitas > 0.05 maka H0 diterima
Apabila probabilitas < 0.05 maka H0 ditolak
Dari hasil di atas pada kolom Sig terlihat bahwa nilai probabilitas 0.019.
Maka H0 ditolak (0.019 < 0.05) . Dengan demikian keputusan yang diambil adalah
Jadi : berat rata – rata kelas 2 SMA tidak sama dengan 55 kg.
Apabila kita menggunakan tabel statistika, maka kita dapat menggunakan tabel t.
Sama dengan uji t, bedanya kasusnya banyak (lebih dari 30)
 5. Estimasi Interval
Estimasi Titik dan Interval
• Estimasi titik adalah estimasi atau dugaan yang memuat satu nilai saja. Contoh kasus:
Misalnya rata-rata pengeluaran perhari dari setiap keluarga adalah sebanyak Rp.
100.000,-. Hal ini berarti bahwa 𝑥̅ = 100.000,- adalah penduga atau estimator dari 𝜇.
• Estimasi interval adalah suatu estimasi yang dibatasi oleh dua nilai atau interval
(selang). Contoh kasus: Misalnya, rata-rata suhu di suatu kota antara 28°– 42° Kita
mengharapkan bahwa suhu sesungguhnya akan terletak di dalam interval tersebut.
• Rumus untuk estimasi sampel besar (𝑛 ≥ 30)
6. Uji t 1 sampel
Input data sebagai berikut.

Klik Analyze – Compare Means – One sample t test.

Masukkan variabel pada kolom test variable
Lalu input nilai Test Value yang diinginkan sebagai berikut.

Tekan Ok dan lihat output

Interpretasi, jika sig (2-tailed) < 0.05 maka 𝐻0 ditolak sehingga terdapat perbedaan yang bermakna
antara rata-rata sampel dengan rata-rata standart nasional
 7. Uji t 2 sampel independent
Input Variable View dan Data View seperti contoh berikut.

Klik Analyze – Compare Means – Independent Sample T test

Masukkan variabel Hasil Belajar ke kotak Test Variable dan variabel Kelompok ke kotak
Grouping Variable (Menyesuaikan data).

Klik Define Group lalu isi 1 pada Group 1 dan 2 pada Group 2 seperti berikut.

Klik Oke, cek output

Interpretasi, Jika nilai Sig (2-tailed) < 0.05 maka 𝐻0 ditolak. Yang artinya ada perbedaan
signikan antara rata-rata hasil belajar siswa pada kelompok A dengan kelompok B
 8. Uji t 2 sampel dependen
Isikan data pada variable view dan data view sebagai berikut.

Lalu klik Analyze – Compare Means – Paired Sample T-Test

Masukkan kedua variabel seperti gambar berikut.

Klik Option, tentukan derajat kepercayaan yang diinginkan

Klik Continue, OK, cek output.

• Interpretasi
 9. ANOVA 1 faktor
• Buka Tab Variable view, buat 2 variabel yang diinginkan
• Gunakan Value pada variabel yang nominal

• Buka Data View lalu isikan data sebagai berikut

• Pada menu, pilih Analyze, Compare Means, One-Way ANOVA, sampai muncul jendela
One-Way ANOVA seperti di bawah ini:
• Klik tombol Options, akan muncul jendela ini: Centang “Descriptive” dan
“Homogenity of variance test“

• Klik Continue
• Masih dijendela One Way ANOVA, klik tombol Post Hoc, sampai muncul jendela ini:
Centang Bonferroni dan Games-Howell serta biarkan significance level = 0,05.

• Klik Continue.
• Lalu Klik OK dan Lihatlah hasil!
• Selanjutnya untuk melihat apakah ada perbedaan pendapatan dari ketiga kelompok
pekerja tersebut. Kita lihat tabel ANOVA, dari tabel itu pada kolom Sig. diperoleh nilai
P (P-value) = 0,037. Dengan demikian pada taraf nyata = 0,05 kita menolak 𝐻𝑜 ,
sehingga kesimpulan yang didapatkan adalah ada perbedaan yang bermakna rata-
rata pendapatan berdasarkan ketiga kelompok pekerjaan tersebut.
10. ANOVA Repeated Measure
• Buka Variable View lalu isi data variabel yang diinginkan
• Klik Data View, masukkan data yang diinginkan sebagai berikut:

• Klik Analyze – General Linear Model – Repeated Measures maka akan muncul berikut:
(disini diisi 3 karena berat badan diukur dalam 3 waktu yang berbeda)

• Klik Add, pada bagian Measure Name: ketikkan Obat lalu klik Add, selanjutnya klik
Define
• Selanjutnya muncul kotak “Repeated Measures” pindahkan variabelnya ke kotak
Within-Subject Variables (Waktu), seperti pada gambar:
• Selanjutnya klik Plots, lalu pindahkan variabel Waktu ke kotak Horizontal kemudian
klik tombol Add, sehingga variabel Waktu berpindah di kotak Plots, lalu klik Continue
seperti pada gambar.

• Kembali ke kotak awal, lalu klik Save, pada bagian residual centang Standardized,
lalu klik Continue
• Kembali ke kotak awal, lalu klik Options, lalu masukkan variabel waktu ke kotak
Display Means for, kemudian aktifkan Compare main effects, pada bagian Confidence
interval adjustmen pilih Bonfferoni, lalu klik Continue, selanjutnya klik Ok.
• Output yang muncul adalah Output Uji Repeated Measures Anova
• Uji repeated measures bisa dilihat dari nilai Sphericity. Jika kurang dari nilai 𝛼 maka
𝐻0 ditolak
• Atau bisa juga dilihat dari nilai Greenhouse-Geisser. Jika kurang dari nilai 𝛼 maka 𝐻0
ditolak.
11. ANOVA 2 faktor
• Siapkan datanya, buat 3 variabel yang ingin ditentukan di variable view lalu input
datanya di data view sehingga hasilnya sebagai berikut:

• Setelah terisi, klik Analyze – General Linear Model – Univariate

• Masukkan Variabelnya sebagai berikut.
• Klik Plot, lalu masukkan variabel sesuai dengan faktor yang diinginkan, sebagai
berikut.

• Klik Add, maka akan sebagai berikut.

• Klik continue, lalu klik Post hoc, masukkan variabel ke kotak post hoc sebagai berikut,
lalu sesuaikan seperti gambar berikut.
• Klik Continue, Klik Options, maka akan muncul gender berikut, lalu masukkan ke
dalam kotak Display Means for, Seperti pada gambar.

• Klik Continue, oke dan lihat hasil

• Interpretasinya ada beberapa sebagai berikut.
12. Chi-Square 1 variabel dan 2 variabel
(sama)
• Tuliskan Variabel View sebagai berikut.

• Tulis pada data view sebagai berikut.

• Pilih Analyze – Descriptive Statistics – Crosstabs, berikutnya masukkan variabel

sumber air ke kotak Row dan diare ke kotak kolom (Sesuaikan dengan data yang
diperoleh).
• Klik Statistics ceklis bagian chi-square, lalu Continue
• Interpretasi, Tolak 𝐻0 jika Asymp. Sig. (2-sided) < 𝟎. 𝟎𝟓.
13. Mann Whitney U Test
• Isi variabel dan data view seperti biasa
• Setelah diisi, klik Analyze – Non Parametric test – 2 independent samples.
• Masukkan Nilai ke kotak Variabel dan Metode ke kotak Grouping Variabel
(Menyesuaikan). Seperti pada gambar.

• Klik tombol Grouping Variable dan masukkan angka 1 dan 2 (sesuai dengan kode
kategori pada variabel Metode). Klik Continue dan pada jendela utama tekan OK
• Interpretasi, Jika nilai Asymp. Sig (2-tailed)< 𝟎. 𝟎𝟓 maka 𝐻0 ditolak.
14. Wilcoxon T Test
• Isi Variabel dan Data View sesuai data yang diberikan. Contoh.

• Pilih Menu – Analyze – Nonparametrics Test - 2 Related Samples.

• Masukkan pretest ke kotak variabel 1 dan posttest ke kotak variabel 2 (menyesuaikan
dengan data yang dipunya). Lalu centang Wilcoxon. Seperti pada gambar.

• Klik Options dan centang Descriptive. Continue dan oke. Lalu lihat output.
• Interpretasi. Asymp Sig (2-tailed) < 𝟎. 𝟎𝟓 maka 𝐻0 ditolak
15. Kruskal-Wallis H Test
• Input Variable View dan Data View
• Menu – Analyze – Non Parametric Test – K Independent Samples.
• Masukkan perlakuan atau variabel bebas dalam kotak Grouping Variable dan
masukkan Nilai atau variabel terikat ke dalam kotak Test Variabel List. Pada Test
Type centang Kruskal Wallis H (Menyesuaikan data yang diperoleh)

• Tekan tombol Define Range kemudian masukkan rentang kategori variabel bebas.
Tuliskan banyaknya perlakuan misalkan 3 berarti minimum 1 dan maksimum 3.

• Tekan tombol Options dan selanjutnya centang descriptive kemudian klik continue
• Klik ok dan lihat output.
• Interpretasi nilai Asymp.sig < 𝟎. 𝟎𝟓 𝐻0 ditolak. Yang artinya ada pengaruh variabel
bebas terhadap variabel terikat.