DAFTAR ISI
MODUL 1. SEPUTAR SPSS 1
MODUL 2. GRAFIK & TABEL 9
MODUL 3. UJI T 16
MODUL 4. CHI SQUARE 21
MODUL 5. KORELASI 24
MODUL 6. REGRESI 28
MODUL 7. RANCANGAN PERCOBAAN 34
MODUL 8. REGRESI UNTUK 39
RANCANGAN PERCOBAAN
MODUL 9. VALIDITAS DAN RELIABILITAS 40
MODUL 10. STATISTIK NON-PARAMETRIK 44
MODUL 11. ANALISIS TIME SERIES 49
MODUL 12. PROBABILITAS 51
2
MODUL 1. SEPUTAR SPSS
1.1 MENGAKTIFKAN SPSS
Untuk menjalankan program SPSS, program tersebut harus sudah terinstal di komputer terlebih dahulu,
adapun langkah-langkahnya adalah sebagai berikut: simak apa yang terjadi di layar monitor. Tuliskan
pesan yang penting.
Contoh. Data hasil inventarisasi pohon hutan pada petak ukur ke-5
𝑵𝒂𝒎𝒆. Memberikan nama variabel. Penamaannya langsung dengan mengaktifkan kolom Name. Pada
contoh ini, variabel 00001 diberi nama jenis, variabel 00002 dengan diameter, dan variabel 00003 dengan
tinggi.
3
Gambar.Tabel Data Kategori Gambar. Tabel Data Kategori dengan Gambar. Tabel Data Numerik
Kode
𝑵𝒖𝒎𝒆𝒓𝒊𝒄. Merupakan tipe angka dengan tanda plus dan tanda minus di depan angka serta indikator
desimal. Panjang maksimalnya 40 karakter
Range plus one optional discrete missing value: data yang berupa
interval, yaitu nilai terrendah sampai nilai tertinggi yang akan dihilangkan
atau ditinggalkan.
Aligment. Merupakan pilihan untuk meletakkan data pada posisi rata kiri,
kanan, atau tengah.
Measure. Ada tiga macam data, yaitu:
Nominal. Data hasil hitung merupakan data diskrit.
Scale dan ordinal merupakan data kontinu, yaitu data ukur.
Untuk menyimpan data, tekan Ctrl+S, lalu berilah nama sesuai keinginan
4
LANGKAH-LANGKAH SPSS:
1. Klik Start SPSS for Window SPSS (any version) for Window
2. Kotak dialog SPSS for Windows (aktif) dan SPSS Data Editor
LANGKAH-LANGKAH SPSS:
a. Klik Variabel View
b. Klik Name, tuliskan Wilayah, Divisi, Penjualan03, dan Penjualan04
c. Klik Type: Wilayah , Divisi, Penjualan03, Penjualan04 Numeric.
d. Klik Width lebar kolom (default = 8)
e. Klik Decimal jumlah digit setelah koma
f. Klik Label penjelasan variable. Wilayah - Wilayah, Divisi - Divisi, Penjualan03 - Tingkat Penjualan
03, Penjualan04 - Tingkat penjualan
g. Klik Values. Masukkan kode angka pada data nominal atau ordinal.
h. Klik sel pada kolom Values dengan row Wilayah kotak dialog Values Label. Ketik 1 pada kotak
Value dan ketik utara pada Value Label, kemudian klik Add
Analog, beri kode untuk setiap wilayah. Setelah selesai, tekan tombol OK
a. Kolom Missing, memberi kode khusus.
b. Kolom Columns, tetap lebar kolom fungsi kolom Width
c. Kolom Align posisi data pada sel
d. Kolom Measure tipe data
e. Pasangan Name – Measure
Name Measure
Wilayah Nominal
Divisi Nominal
Penjualan03 Scale
Penjualan04 Scale
f. Klik drop down pada sel Measure daftar tipe data
5
1.6 BEKERJA PADA DATA VIEW 1.7 TABEL MISSING VALUE
Masukkan data pengamatan Langkah-langhak SPSS:
a. Klik Variable View
b. Klik Missing dan Penjualan03 kotak
dialog Missing Values
c. Pilih Discrete missing values ketik 000 :
ada penjualan tetapi belum ada pelaporan
penjualan
Langkah-langkah SPSS:
1. Klik OK
2. Tetapkan kode 000 : belum ada laporan pada
kolom Value baris Penjualan03
3. Klik sel kotak dialog Value Label, Gambar. Kotak Dialog Missing Values
4. Klik Add Klik OK
5. Klik Data View
6. Ketik 000 pada kolom Penjualan03 baris 2.
Tampilkan label kode missing value
7. Klik ikon Value Labels label kode missing
value
8. Klik ikon Value Labels pada toolbar untuk
1.8 MENYIMPAN DATA 1.9 MEMBUKA FILE DATA 1.10 MENGIMPOR FILE
Langkah-langkah SPSS: Langkah-langkah SPSS: DATA
1. Klik File Save Kotak a. Klik File Open Data Langkah-langkah SPSS:
Dialog Save Data As Kotak dialog Open File a. Format Excel (*.xls)
2. Tentukan penempatan forlder b. Cari folder file data pada daftar b. Format Access (*.dbf)
file data pada daftar drop drop down Look in.
down Save in. c. Klik Ganda file data pada kotak
atau klik file data klik Open
1.11 MENGIMPOR FILE DATA EXCEL
Langkah-langkah SPSS:
a. Klik File Open Data kotak dialog Open Fle
b. Cari folder data pada daftar drop down Look in
c. Klik File of type Kotak dialog Daftar Format File Data: Pilih format yang sesaui (*.xls)
d. Cari folder file data Excel pada daftar drop down Look in
e. Klik ganda file data pada kotak atau klik file data klik Open kotak dialog Opening Excel Data Source
f. Tanda check akan aktif secara default. Tanda check Read variable from the first row of data
g. Klik OK.
6
1.12 MENGIMPOR-TRANSFER FILE DATA ACCESS KE SPSS
LANGKAH-LANGKAH SPSS:
1. Klik File Open Database New Query pada menu sehingga Database Wizard akan muncul
2. Pilih MS Access Database
3. Klik Next kotak dialog ODBC Driver Login
4. Klik Browser kotak dialog Open File. Klik ganda file data Access kotak dialog ODBC Driver
Login dengan menyertakan alamat file data Access pada kotak Database
5. Klik OK kotak dialog Select Data Wizard
6. Pilih field dalam Available Tables yang akan di transfer ke SPSS dengan cara mendrag field tersebut
ke Retrieve Fields in This Order
7. Klik Finish. Lihat perbandingan hasil transfer
LANGKAH-LANGKAH SPSS:
i. Klik sel data berat 80,000; sel yang berada tepat di bawah data/case yang akan disisipkan
ii. Klik Data Insert Cases pada menu atau klik ikon Insert Cases pada toolbar sehingga sebuah baris
muncul tepat di atas sel aktif
iii. Inputkan data
Langkah-langkah SPSS:
a. Klik sel data tepat di samping kanan kolom
variable yang akan disisipkan (sel pada kolom
berat).
b. Klik Data Insert Variables pada menu atau
klik ikon.
c. Namai kolom baru dengan berpindah atau klik
Variable View ketik nama pada kolom
Name
d. Inputkan data dengan terlebih dulu berpindah
ke lembar kerja Data View Gambar. Menyisipkan Variabel pada SPSS.
7
1.15 MENGGABUNGKAN BEBERAPA FILE
Ada dua sisi tujuan menggabungkan dua file data
1. Penambahan data/case.
2. Penambahan variabel data.
Gambar. Tabel Data dari file berat badan yang akan digabungkan
LANGKAH-LANGKAH SPSS:
1. Buka file data berat badan, Tambahkan data berat badan2 ke berat badan
2. Klik Data Merger File Add Cases kotak dialog Add Cases
3. Input file data berat badan2
4. Pada kotak Klik ganda file data berat badan2 atau klik file tersebut kemudian klik Open kotak
dialog Add Cases from
5. Kotak Unpaired Variables (sisi kiri) merupakan variabel yang bukan pasang-an dari kedua file data. Pada
kotak Variables in New Working Data File (sisi kanan) merupakan daftar pasangan variabel dari kedua
data
6. Klik OK sehingga file data berat bertambah data nama dan berat dari file data berat2
LANGKAH-LANGKAH SPSS:
8
Ingin ditambah satu variabel lagi, yaitu preferensi pengunjung setelah diberi penjelasan tentang produk
unggulan
1
LANGKAH-LANGKAH SPSS:
i. Klik sel Values sel baris 3 aktif iv. Klik Edit Tempelkan hasil Copy-Paste
ii. Klik Edit Copy pada menu baru v. Namai Preferensi kolom Name baris 4
iii. Klik sel Values sel baris 4 aktif
LANGKAH-LANGKAH
a. Klik salah satu sel tertentu, satu baris, atau satu kolom
Sedangkan untuk menghapus area (beberapa sel), beberapa baris, atau beberapa kolom, penandaan
dilakukan dengan klik & drag. Kemudian baru dihapus dengan cara yang sama.
9
1.19 METODE SHORT
TUJUAN. Mengelompokkan data dengan memilih variabel (numeric) dan mengurutkan baik secara urutan
terbesar terkecil (descending) maupun urutan terkecil ke terbesar (ascending)
LATIHAN. Urutkan variabel Tk Penjualan Sem 1 (tkjual) secara ascending sehingga diperoleh inform-asi
penjual tebaik.
LANGKAH-LANGKAH SPSS:
1. Klik Data sort Cases pada toolbar
Kotak dialog Sort Cases
2. Inputkan Tkt Penjualan Sem 1 ke
kotak Sort by tekan tombol
3. Klik OK sehingga diperoleh hasil
output
10
MODUL 2. GRAFIK & TABEL
TUJUAN.
1. Memahami peran Tabel dan Grafik dalam Ststistik
2. Memaparkan Data dalam Grafik Batang, Garis, Area dan Pie
3. Memaparkan Data dalam Grafik Batang 3 Dimensi
4. Basic Tables, Custom Tables, dan Multiple Response
5. OLAP Cubes
6. Grafik dalam Pengendalian Kualitas
LATIHAN.
1. Gambar di atas dengan melibatkan data kategori dengan kode
2. Klik ikon Value
3. Buat Tabel perubahan pada Gambar setelah klik ikon Value Labels
No Wilayah Divisi Penjualan03 Penjualan04 4. Buat Variable
1 utara bisnis makanan 250,00 274,50 View dan Data
2 selatan bisnis makanan 178,50 200,00 View untuk Tabel
berikt (sebelah kiri)
3 barat bisnis makanan 324,75 374,50
5. Buat Tabel Data
4 timur bisnis makanan 205,50 230,00
Gabungan
5 utara bisnis non makanan 125,00 175,95
Kategori-Numerik
6 selatan bisnis non makanan 195,78 205,85
7 barat bisnis non makanan 150,00 202,00
8 timur bisnis non makanan 185,00 210,00
Gambar. Tabel Data Gabungan Kategori-Numerik, Value Labels
11
2.2 METODE SELECT CASES
LANGKAH-LANGKAH SPSS:
Tabel bertambah satu variable/kolom dengan nama filter_$ terletak pada pojok kanan.
Kolom ini menginformasikan mana penjual yang memiliki tingkat penjualan semester 2 lebih 2 lebih
dari 40.000.000 dengan nilai Selected dan yang tidak mencapai dengan nilai Not Selected.
12
Tabel bertambah dua
kolom/variable tkjual_ mean
dan tkjual2_mean yang
merupakan nilai rata-rata dari
variable tkjual dan variable
tkjual2 berdasarkan
penggolongan variabel area dan
tkpendidikan
Sel tkjual_men untuk baris 1 dan
Gambar. Hasil Agregate Data
bernilai sama, yaitu 32000000
Nilai sama karena terletak pada
penggolongan yang sama, yaitu
area = DIY dengan tk pendidikan
= S1
2.5 COMPUTE
Tujuan. Membuat variable baru berbasis variabel lama dengan formula tertentu.
LATIHAN.
Dari data penjualan Gambar 1.50 ingin dibuat variable baru dengan nama insentif yang dibuat berbasis variable
tkjual dengan formula tertentu. Variabel insentif memiliki ketentuan-ketentuan sebagai berikut:
Formula insentif 0.2 x tkjual, Berhak memperoleh insentif tkjual > 35000000
LANGKAH-LANGKAH SPSS:
1. Klik Transform Compute pada menu Kotak dialog Compute Variable.
2. Pada kotak Target Variable, isi nama variable yang akan dibuat, insentif
3. Pada kotak Numeric Expression, tulis formula insentif, 0.2*tkjual
4. Klik If kotak dialog Compute Variable If Case untuk mendefinisikan prasyarat, tkjual > 35000000
5. Klik Continue kotak dialog Compute Variable
6. Klik OK output
2.6 COUNT
TUJUAN. Membuat variable baru yang menghitung seberapa banyak case yang sesuai dengan kriteria yang
telah ditetapkan.
13
LATIHAN.
Pada file data Gambar 1.50 dibuat variable baru, bestsal yang menghitung banyaknya sales perempuan dengan
kriteria Tkjual >= 29000000
LANGKAH-LANGKAH SPSS:
Klik Transform Count pada menu kotak dialog Count
2.8 FREKUENSI
14
2.9 CROSSTAB
LANGKAH-LANGKAH SPSS:
untuk melakukan analisis Crosstabs pada Multiple Response yang telah ditetapkan
a. Klik Analyze Multiple Response Crosstabs kotak dialog Multiple Response Crosstabs
b. Pada Multiple Response Set: Inputkan $puas kotak Row(s)
c. Inputkan sikap kotak Column(s); pekerjaan Layer(s)
d. Klik Define Range kotak Define Variable. Untuk menentukan nilai variable pada variable sikap.
e. Ketik 1 (Puas) pada kotak Minimum, ketik 2 (Tidak puas) pada kotak Maximum
f. Klik Continue; analog untuk pekerjaan Minimum = 1, dan Maximum = 2
g. Klik OK
LATIHAN. Paparkan variabel kontinu, yaitu tingkat penjualan yang dikategorikan berdasarkan variabel
area penjualan, tipe kendaraan, dan kategori harga.
LANGKAH-LANGKAH SPSS:
a. Buka file data yang akan dianalisis Analyze Multiple Response Crosstabs kotak dialog
Multiple Response Crosstabs
b. Klik Analyze Reports OLAPS Cubes kotak dialog OLAP Cubes
c. Inputkan Penjualan 01, 02, 03 kotak Summaries Variable(s)
d. Inputkan Area penjualan, Tipe kendaraan, Kategori harga kotak Grouping Variable(s)
e. Klik Statistic Klik Continue kotak OLAP CUBES Klik OK
Catatan. Pada penggolongan variabel kategori hanya diperlihatkan totalnya; dapat dilihat secara detail variabel Area penjualan,
dengan melakukan klik dua kali sehingga dafta drop-down muncul, dan pilih kategori yang diperlukan.
Analog untuk Tipe kendaraan dan Ktegori harga.
I. BAGAN PENGAWAS. Alat pengawas kualitas, yang mempunyai nilai guna sebagai berikut:
TUJUAN. (Bagan Pengawas)
1. Mengurangi variabilitas dan Meonitor kerjahitung total,
2. Menungkinkan proses koreksi untuk mencegah penolakan produk
3. Trend dan kondisi out of control terdeteksi secara tepat
Bagan pengawas memuat garis batas:
(1) Batas pengawas Atas/Upper Control Limit (UCL), (2) Rata-rata kualitas sampel, dan (3) Batas
Pengawas Bawah/Lower Control Limit (LCL.
Sampel yang berada dalam selang UCL – LCL disebut dala pengawasan, di luarnya disebut luar
pengawasan.
Golongan Pengukuran kualitas produk terdiri dari (1) pengukuran variabel, dilakukan jika ukuran
nyata/riil, dan (2) pengukuran atribut dengan kualifikasi khusus. Pada SPSS, badan pengawas untuk
data ukuran variable dibedakan dalam 2 kategori : (1) X-Bar, R, s, sampel dilakukan berulang dalam
suatu pengamatan atau selang waktu, (2) Individuals, Moving Range di mana sampel hanya
dilakukan sekali dalam pengamatan
15
Bagan pengawas data ukuran atribut dibedakan dalam 2 kategori: (1) p, np di mana kecacatan
dinyatakan dalam suatu ukuran bias digunakan/dipasarkan – tidak bias digunakan/dipasarkan; (2) c, u
di mana kecacatan dinyatakan dalam defect/kerusakan.
TUJUAN. Mengatasi kasus jika produk yang dihasilkan terbatas/sedikit, atau pengujian produk akan
menyebabkan kerusakan produk padahal biaya produk tersebut tinggi
LANGKAH-LANGKAH SPSS:
1. Buka file data
2. Klik Graphs Control Control Charts
3. Pilih Individuals, Moving Range. dan pada Data Organization, pilih Cases are units
4. Klik Define kotak dialog Moving Range
5. Inputkan sampel kotak dialog Process Measurementobserv kotak Subgroups Labelled by
6. pilih Individuals and moving range pada kotak Charts, tulis 2 pada kotak Span
16
7. Klik tombol Option kotak dialog
Subgroups Labelled by, pilih X-Bar, and
standard deviation kotak Charts
8. Klik Options kotak dialog X-Bar, R, s:
Options; tentukan level sigma = 3 sigma
9. Klik Continue kotak dialog X-Bar, R, s:
Cases Are Subgroups
Klik OK Output SPSS
Setelah data disimpan, akhiri SPSS dengan mengklik File, lalu Exit.
Scientific Notation. Harga valid sama dengan tipe numeric, namun merupakan tipe data yang
menggunakan lambang atau notasi ilmiah seperti log, alfa, dan lain-lain
Data. Tipe ini menampilkan data dalam format tanggal atau waktu
Dollar. Harga yang valid adalah tanda dollar ($), sebuah titik sebagai indikator desimal, dan beberapa tanda
koma pemisah ribuan
Custom Currency. Tipe ini digunakan untuk menampilkan dormat mata uang seperti Rp. 1000.-.
String. Harga yang valid adalah huruf, angka, dan karakter-karakter lain
Data pada variabel jenis bukan merupakan hasil pengukuran dan bertipe string, sedangkan variabel diameter dan
tinggi bertipe numeric
𝑾𝒊𝒅𝒕𝒉 (lebar kolom). Dalam keadaan default merupakan hasil pengukuran adalah 8. Lebar kolom dapat
diubah dengan mengetik langsung lebar kolom yang diinginkan
𝑫𝒆𝒄𝒊𝒎𝒂𝒍 (desimal), digunakan untuk menentukan jumlah desimal yang diinginkan
𝑳𝒂𝒃𝒆𝒍, digunakan untuk memberikan keterangan tambahan dari variabel-variabel yang ada
𝑽𝒂𝒍𝒖𝒆 (nilai) atau memberikan keterangan tambahan dari variabel-variabel yang ada, Value (nilai) atau
pengelompokan jalur atau klasifikasi. Nilai ini digunakan untuk variabel dummy atau didasarkan pada
kelompok, misalnya status pendidikan, jenis perlakuan, dan lain-lain
𝑴𝒊𝒔𝒔𝒊𝒏𝒈 (data hilang). Untuk data hilang terdapat tiga fasilitas, yaitu no missing value, dan range plus one
17
MODUL 3. UJI T
3.1. UJI T SATU SAMPEL (ONE SAMPLE T TEST)
TUJUAN. Uji t untuk sampel (one sample t test) digunakan untuk menguji apakah rata-rata satu sampel
berbeda nyata atau tidak dengan suatu nilai tertentu yang digunakan sebagai pembanding, misalnya apakah rata-
rata diameter tanaman jati berumur 2 bulan sama dengan 3 cm. Data yang bisa diuji adalah data yang
terdistribusi normal.
TUJUAN. Uji t ini digunakan untuk menguji apakah mean satu grup sampel berbeda dengan grup sampel
lainnya. Uji t terhadap dua sampel bebas artinya bahwa kedua grup tidak saling berhubungan, jadi misalnya
akan membandingkan perbedaan nilai matematika siswa putra dengan siswa putri maka akan digunakan uji t
sampel independen. Lain halnya jika kita membandingkan apakah ada perbedaan nilai matematika kelas 3
sebelum mendapatkan tambahan pelajaran (les) dengan setelah mendapatkan les. Ada dua grup sample, yaitu
grup pertama yang belum mendapatkan les dan grup kedua yang telah mendapatkan les, dengan kedua samel
tersebut berhubungan. Untuk kasus ini akan dibahas uji t terhadap dua sampel berpasangan.
Contoh 1. Pusat Penelitian ingin mengetahui apakah ada perbedaan hasil jagung varietas A dengan varietas B.
Data sampel yang diambil dari lapangan adalah sebagai berikut
18
INTERPRETASI OUTPUT SPSS:
A. T-Test F. Uji MEAN 2 Sampel: Hipotesis,
B. Group Statistics G. Pengambilan Keputusan
C. Independent Samples Test H. Membandingkan Thitung dengan Ttabel
D. Tabel Group Statistics I. Nilai Probabilitas
E. Pengujian Varian Dua Sampel J. Kesimpulan
Contoh 2. Seorang ahli botani meneliti apakah ada perbedaan tinggi juga diameter antara bunga edelweis
(Anaphalis sp)di Pulau X dengan di Pulau Y. Setelah di-lakukan pengukuran di berbagai daerah yang mewakili
Pulau X dan Pulau Y, di-dapatkan data sebagai berikut
TUJUAN. Mengamati Sampel berpasangan yaitu sebuah sampel dengan subjek yang sama namun mengalami
perlakuan yang berbeda, misalnya kelas 3 SMU sebelum mengikuti les matematika dan setelah mengikuti les
matematika
Contoh 1. DEPDIKNAS akan meneliti apakah lembaga bimbingan belajar nyata memperngaruhi prestasi
siswa. Untuk tujuan itu DEPDIKNAS melakukan pencatatab terhadap nilai matematika siswa kelas 3 SMU
sebelum mengikuti les, dan setelah mengikuti les. Hasilnya adalah sebagai berikut:
19
LANGKAH-LANGKAH SPSS: INTERPRETASI OUTPUT SPSS:
1. Entri data a. T-Test
2. Klik Analize | Compare Means | Paired- b. Paired Samples Statistics
Samples T test c. Paired Samples Correlations
3. Sorotlah variabel “sebelum” dan “sesudah” d. Paired Sample Test
bareng e. Hipotesis
4. Masukkan kedua variabel ke kolom Paired f. Pengambilan Keputusan
Variables g. Kesimpulan
5. Klik Options.
6. default, taraf kepercayaan95%
7. Klik Continue, lalu OK
Uji t dapat dilakukan secara 2 sisi atau 1 sisi. Uji 2 sisi artinya uji dilakukan baik dari sisi kanan maupun kiri,
sementara uji 1 sisi melakukan uji sisi kanan atau uji sisi kiri saja.
Semua contoh-contoh di atas adalah contoh untuk uji 2 sisi
a. Pada uji 2 sisi terdapat 2 daerah penolakan, yaitu penolakan sisi kiri jika t hitung < − ttabel dan
penolakan sisi kanan jika thitung > ttabel
b. Oleh karena uji dilakukan 2 sisi maka ketika mencari ttabel perlu diingat bahwa jika digunakan taraf
kepercayaan 95% maka ttabel yang dibaca adalah ttabel pada 1/2 α atau ½ (0,05), yaitu ttabel pada 0,025.
Contoh uji 2 sisi pada pengukuran semai jati. Pada pengukuran sebelumnya yang dilakukan di bedengan
pertama, dua, tiga, dan empat didapatkan rata-rata tinggi semai jati adalah 32 cm. Pengukur berasumsi bahwa
bedeng kelima mempunyai tinggi yang sama
Hipotesis: 𝑯𝟎 , 𝑯𝟏
Contoh. Dari hasil penelitian lima tahun terakhir, produktivitas rata-rata padi belum pernah mencapai 5 Kw/Ha
gabah kering giling. Pemerintah setempat menargetkan minimal hasil panen tahun ini 5Kw/Ha. Untuk
mengetahui apakah target tercapai atau tidak, pemerintah mengambil sampel hasil panen di 12 kecamatan
dengan hasil sebagai berikut:
20
No Bulan Kerusakan No Bulan Kerusakan
1 Jan-2018 55 11 Nop-2018 58
2 Feb-2018 50 12 Des-2018 56
3 Mar-2018 42 13 Jan-2019 47
4 Apr-2018 43 14 Feb-2019 42
5 Mei-2018 56 15 Mar-2019 43
6 Jun-2018 70 16 Apr-2019 50
7 Jul-2018 40 17 Mei-2019 57
8 Agust-2018 41 18 Jun-2019 54
9 Sep-2018 25 19 Jul-2019 55
10 Okt-2018 56
TUJUAN. Untuk melakukan Uji t dengan pemotongan digunakan untuk membedakan mean dua
kelompok dengan batasan nilai tertentu.
Contoh. Ingin diteliti apakah ada perbedaan volume getah tinggi antara pohon yang berdiameter lebih dari
18 cm dengan pohon yang berdiameter kurang dari 18 cm (cut point/ batas nilai adalah 18, jika terdapat
kombinasi data antara tinggi, diameter, dan volume hasil sadapan getah pinus sebagai berikut:
TUJUAN. One way anova digunakan untuk menguji apakah rata-rata dari ebberapa sampel berbeda atau tidak
21
Contoh 1.
Sumbawa Eropa Amerika
Penelitian dilakukan untuk mencari
kuda yang paling kuat, kuda 341 360 302
Sumbawa, Eropa atau Amerika. 323 300 304
Kekuatan (Kg)
356 296 286
Penelitian dengan mengambil 10
289 223 245
sampel dari masing-masing kuda.
343 250 235
Penelitian dilakukan dengan
335 296 216
memberikan beban pada kuda untuk 361 284 287
ditarik. 298 200 296
Hasil penelitian dapat disimak pada 300 208 264
tabel sebelah kanan 309 231 259
Contoh 2. Akan diteliti pertumbuhan 4 spesies akasia yang berbeda, yaitu spesies A, B, C, dan D. Hasil pengukuran
tinggi dari keempat spesies di persemaian adalah sebagai berikut:
22
MODUL 4. CHI SQUARE
TUJUAN. Chi square merupakan salah satu analisis statistik yang banyak digunakan dalam pengujian hipotesis. Chi
Square terutama digunakan untuk uji homogenitas, uji independendensi, dan uji keselarasan (goodness of fit).
Contoh. Dalam suatu masyarakat akan diteliti apakah terdapat hubungan antara pendapatan terhadap pola belanja
bahan makanan yang dikonsumsi:
No Pendapatan Periilaku Belanja Tabulasi silang (crosstabbs) hasil observasi adalah sebagai
berikut:
1 Tinggi Supermarket
2 Tinggi Supermarket
Perilaku Belanja
3 Tinggi Supermarket Pendapatan
Supermarket Pasar Tradisional
4 Sedang Supermarket
Tinggi 3 0
5 Sedang Pasar Tradisional
Rendah 3 3
6 Sedang Supermarket
sedang 0 6
7 Sedang Pasar Tradisional
8 Sedang Supermarket
Jumlah baris (b) = 3
9 Sedang Pasar Tradisional Jumlah kolom (k) =2
10 Rendah Pasar Tradisional Hipotesis:
11 Rendah Pasar Tradisional H0 = tidak ada hubungan antara tingkat pendapatan
12 Rendah Pasar Tradisional dengan perilaku belanja
13 Rendah Pasar Tradisional
14 Rendah Pasar Tradisional Ha = terdapat hubungan antara tingkat pendapatan dengan
15 Rendah Pasar Tradisional perilaku belanja
Test Statistik B1 3
2. e12 = x K2 = x 9 = 1,8
Total T 15
B 6
011 = 3 012 = 0 3 (B1) 3. e21 = T2 x K1 = 15 x 6 = 2,4
021 = 3 022 = 3 6 (B2) B2 6
031 = 0 032 = 6 6 (B3) 4. e22 = T
x K2 = 15
x9 = 3,6
Total 6 (K1) 9 (K2) 15 (T) B1 6
5. e31 = T
x K1 = 15
x6 = 2,4
B1 6
Nilai Harapan (Expected Value): 6. e32 = T
x K2 = 15
x9 = 3,6
B1 3
1. e11 = x K1 = x 6 = 1,2
T 15
(3 − 1,2)2 (0 − 1,8)2 (3 − 2,4)2 (3 − 3,6)2 (0 − 2,4)2 (6 − 3,6)2
x2 = + + + + + = 8,75
1,2 1,8 2,4 3,6 2,4 3,6
Analisis Manual
23
X2 = 8,75 Keputusan. Oleh karena X2 hitung > X2 tabel maka H0
Chi Square tabel ditolak, artinya terdapat hubungan antara tingkat
Dicari pada α 0,05 pendapatan dengan perilaku belanja, atau dapat
df = (jumlah baris – 1) x ( jumlah kolom – 1) diartikan juga bahwa tingkat pendapatan seseorang
= (3-1) x (2-1) = 2 akan mempengaruhi perilaku belanjanya
X2 (0,05;2) = 5,991
LANGKAH-LANGKAH SPSS: INTERPRETASI OUTPUT SPSS:
1. Entri data a. Tabel Case Processing Summary
2. Klik Analyze | Descriptive Statistic | Crosstabs b. Tabel Pendapatan * Perilaku Belanja
3. Klik Statistics. Aktifkan Chi-square Crosstabulation
4. Klik Continue, lalu c. Tabel Chi-Square Test
5. OK d. Dasar pengambilan keputusan
e. Keputusan
TUJUAN.
Uji keselarasan (goodness of fit) digunakan untuk mebandingkan antara frekuensi observasi dengan
frakuensi harapan (expected frequences).
Semua pengujian yang menggunakan Chi Square Distribution termasuk dalam persoalan goodness of fit.
Goodness of fit melakukan pengujian apakah distribusi frekuensi hasil pengamatan (observasi) sesuai
dengan distribusi teori tertentu atau tidak.
Contoh 1.
Sebuah lembaga survei swasta hendak meneliti preferensi (kesukaan) konsumen terhadap jenis kayu
tertentu untuk kusen rumah mereka.
Lembaga survei tersebut telah melakukan surbei dengan hasil data sebagai berikut:
24
Contoh 2. Hendak diteliti apakah konsumen menyukai semua jenis beras DELANGGU, MENTHIK, ROJO
LELE, dan IR64 atau ada yang lebih disukai dari yang lain? Data survei adalah sebagai berikut:
25
MODUL 5. KORELASI
1. Korelasi dapat diartikan sebagai hubungan. Analisis Korelasi bertujuan untuk mengetahui pola dan keeratan
hubungan antara dua atau lebih variabel. Sebagai contoh, secara umum hubungan antara diameter pohon
dengan volume kayu adalah searah, artinya pohon yang berdiameter besar akan menghasilkan kayu dengan
volume lebih besar
2. Arah hubungan antara dua variabel dapat dibedakan menjadi
KOEFISIEN KORELASI.
a. Persoalan akan timbul jika kita berhadapan dengan pertanyaan apakah ada hubungan antara varia-bel-
variabel dari sekumpul-an data yang sedang kita selidiki.
b. Penyelidiakan untuk mengetahui hubungan di antara dua variabel biasa-nya diawali dengan usaha untuk
menemukan bentuk terdekat dari hubungan tersebut dengan cara menyajikannya dalam bentuk diagram
pancar (scatter plot).
c. Diagram ini menggambarkan titik-titik pada bidang X dan Y dimana setiap titik ditentukan oleh pasangan
nialai X dan Y
d. Koefisien korelasi sering dilambangkan dengan huruf (r).
e. Koefisien korelasi dinyatakan dengan bilangan, bergerak antara 0 sampai +1 atau 0 sampai -1.
f. Apabila korelasi mendekati +1 atau -1 berarti terdapat hubungan yang kuat, sebaliknya korelasi yang
mendekati nilai 0 bernilai lemah.
g. Apabila korelasi sama dengan 0, antara kedua variabel tidak terdapat hubungan sama sekali. Pada korelasi
+1 atau -1 terdapat hubungan yang sempurna antara kedua variabel.
h. Notasi positif (+) atau negatif (-) menunjukkan arah hubungan antara kedua variabel. Pada notasi positif (+),
hubungan antara kedua variabel searah, jadi jika satu variabel naik maka variabel yang lain juga naik. Pada
notasi negatif (-), kedua variabel berhubungan terbalik, artinya jika satu variabel naik maka variabel yang
lain justru t.
Korelasi Pearson atau disebut juga korelasi product moment merupakan analisis korelasi untuk statistik
parametrik, sedangkan untuk statistik non-parametrik sering digunakan analisis korelasi Kendall’s tau-b dan
Spearman.
26
Contoh:
Hendak dihitung korelasi antara diameter pohon dengan volume kayu.
Diameter yang diukur adalah diameter setinggi dada (130 cm), sedangkan volume pohon dihitung
dengan membagi pohon menjadi potongan-potongan kemudian dihitung dengan rumus Smalian.
Hasil pengukuran adalah sebagai berikut:
Contoh:
Ingin mengetahui seberapa kuat hubungan antara harga dengan pendapatan bulanan perusahaan mebel
27
Langkah-langkah SPSS: Interpretasi Output SPSS:
1. Entri Data a. Nonparametric Correlations: Correlations
2. Klik Analyze | Correlate | Bivariate b. Angka koefisien korelasi
3. Pindahkan variabel Harga dan Pendapatan ke c. Tanda **
kolom Variables. d. Graphic
4. Pada Correlation Coefficients, pilihlah Spearman.
5. Klik OK
Selain koefisien korelasi Spearman, terdapat metode analisis korelasi lain yang menguji keeratan
hubungan antara variabel X dan Y dimana X dan Y tidak terdistribusi normal atau tidak
diketahui distribusinya.
Metode ini disebut Kendall rank-correlation.
Korelasi Kendall Tau juga didasarkan atas ranking data.
2𝑆
Korelasi ini diberi simbol ( )dan dirumuskan sebagai berikut: τ = (𝑛−1) ; dimana S = selisih
𝑛
antara jumlah data yang lebih besar dengan jumlah data yang lebih kecil, dan n = jumlah data.
Contoh 1:
Untuk mengetahui hubungan prestasi kerja dengan tingkat kecerdasan (IQ) pegawai diadakan
penelitian dengan mengambil beberapa sampel. Berikut data-datanya.
Nilai Jumlah
IQ Ranking Jumlah lebih
Prestasi lebih besar
X Y kecil dari Y
Y dari Y
120 61 2 8 1
122 60 1 8 0
123 63 3 7 0
124 64 4 6 0
128 65 5 5 0
129 66 6 4 0
132 71 8 2 1
133 69 7 2 0
134 72 9 1 0
135 74 10 0 0
Jumlah 43 2
Contoh 2:
Berikut ini adalah data-data skor test sewaktu penerimaan pegawai, prestasi kerja, dan motivasi kerja
karyawan. Dari data-data tersebut akan dicari korelasinya.
28
Test Prestasi Motivasi 3. Klik Analyze | Correlate | Bivariate
78 77 75 4. Pindahkan variabel Test, Prestasi, dan
76 75 73 Motivasi ke kolom Variables
70 69 70 5. Pada Correlation Coefficients, pilihlah
79 81 80 Kendall’s tau-b
82 83 83 6. Aktifkan Flag significant correlations
85 89 91
7. Klik OK
86 92 93
Interpretasi Output SPSS:
80 83 81
a. Korelasi antara Test dengan Prestasi
80 86 74
b. Tanda **
72 71 82
c. Korelasi antara Test dengan Motivasi
69 70 59 d. Angka koefisien
e. Tanda **
Langkah-langkah SPSS: f. Korelasi antara Prestasi dengan Motivasi
1. Entri Data g. Angka koefisien korelasi
29
MODUL 6. REGRESI
TUJUAN. Untuk melakukan analisis keeratan hubungan sangat penting untuk dapat menentukan keputusan
yang tepat. Analisis korelasi digunakan untuk mengetahui apakah ada hubungan antara dua atau lebih variable,
sedangkan analisis regresi berguna untuk memprediksi seberapa jauh pengaruh satu atau beberapa variable
bebas (independen) terhadap variable bergantung (dependen).
Secara umum regresi linear sederhana antara variable bebas (X) dan variable bergantung (Y) mengikuti
persamaan : Y = a + bX
Di mana :
Y = merupakan variable bergantung (dependent variable)
X = sebagai variable bebas (independent variable)
a = sebagai konstanta regresi
b = adalah intersep atau kemiringan regresi
Contoh 1.
Ingin mengamati pengaruh harga jual produk madunya dengan volume penjualan. Untuk itu dilakukan
pengamatan di berbagai daerah penjualan. Data-data yang didapat adalah sebagai berikut.
TUJUAN. Membahas hubungan antara satu variabel dependen dengan beberapa variabel independen
30
Contoh 1:
a. Ingin meneliti sejauh mana pengaruh iklan dan pengendalian mutu dalam mempengaruhi pendapatan
perusahaan penjualan pupuk organic ORIZA.
b. Data pengeluaran tahunan untuk iklan dan pengendalian mutu serta penerimaan pendapatan perusahaan
adalah sebagai berikut.
Contoh 2:
Ingin diketahui berapa besar pengaruh jumlah produksi, harga jual produk, biaya iklan, dan biaya quality
control mempengaruhi pendapatan dari penjualan minyak goring merek SARI SAWIT.
Data-data yang diperoleh adalah sebagai berikut
Penerimaan Jumlah produksi Harga Jual per liter Biaya Iklan Biaya Quality
No. (milyar rupiah) (juta liter) (ribu rupiah) (juta rupiah) Control
(Y) (X1) (X2) (X3) (juta rupiah) (X4)
1 34 4,2 6,0 16 26
2 59 7,3 8,1 28 48
3 58 7,2 7,9 27 48
4 42 5,2 6,8 20 30
5 51 6,3 7,2 24 41
6 45 5,5 7,0 21 35
7 55 6,7 7,7 26 45
8 48 5,8 7,0 23 38
9 44 5,3 6,9 21 35
10 47 5,6 7,1 22 37
11 37 4,5 6,5 18 27
12 40 4,9 6,7 19 30
13 54 6,7 7,6 25 34
14 50 6,3 7,0 24 39
15 46 5,8 6,8 22 36
31
6.3 Regresi Linear Berganda dengan Variabel Boneka (Dummy Variable)
TUJUAN.
a. Jika ingin menangani variabel kategori maka diperlukan memberikan suatu angka-angka agar dapat
dianalisis.
b. Oleh karena angka tersebut bukan merupakan angka yang sebenarnya, maka disebut sebagai boneka
(dummy)
Contoh :
Ingin meneliti apakah jumlah keluarga, pendidikan, dan pendapatan berpengaruh terhadap belanja konsumsi
perbulan sebuah keluarga. Data survey adalah sebagai berikut:
Terdapat banyak pola hubungan antara variabel bebas (independen) dengan variabel bergantung (dependen).
Pola yang dipelajari adalah pola hubungan yang tidak linier atau garis tidak lurus.
Contoh:
Ingin dibuat model regresi untuk melihat hubungan antara harga jual benih padi merek tertentu dengan
jumlah penjualan. Adapun datanya adalah sebagi berikut,
32
Harga Jual Volume penjualan LANGKAH-LANGKAH SPSS:
(Rupiah) (karung) 1. Entri data
(X) (Y) 2. Klik Analyze Regression Curve Estimation
13000 10000 3. Pindahkan var.takbebas ke kol. Dependent(s) dan
20000 5000 var.bebas ke kol.Models
11000 19000 4. Klik OK
10000 17000
INTERPRETASI OUTPIT SPSS:
14000 12000
16000 6000 a. Model Summary
12000 15000 b. Anova
c. Persamaan Regresi
16000 8000
15000 12000
17000 6000
TUJUAN.
Persamaan-persamaan regresi non-linear (polynomial) akan lebih mudah diselesaikan dengan
mentransformasikan persamaan tersebut ke linear. Transformasi persamaan yang umum digunakan adalah
dengan menjadikan fungsi polynomial tersebut menjadi persamaan logaritmik.Pada bahasan kali ini disajikan
suatu fungsi produksi yang berbentuk persamaan polynomial, yaitu fungsi produksi Cobb-douglas.Dalam ilmu
ekonomi, fungsi produksi Cobb-douglas dikenal juga dengan power function.
Contoh:
Ingin diteliti besar pengaruh input-input produksi minyak kayu putih; diasumsikan bahwa pada
hubungan antara input dan output tersebut tidak linear sehingga dipakai pendekatan fungsi cob
douglas
Bh. Baku Bh. Pembantu Tenaga Kerja Sparepart Produksi 4. Cari LG10(num.expr) pada
(Ton) (Unit) (orang) (satuan) (Liter) kol.Function input ke
[X1] [X2] [X3] [X4] [Y] kol.Num.Expr
40 41 15 28 406 5. Sorot Bahan baku (x1) pada
35 32 12 22 250 kol.Type & Label, pindahkan
41 36 16 28 406 x1 dan mengisi tanda tanya
40 63 17 32 469 (?) pada LG10(?) di
44 41 19 35 467 kol.NumExpr Klik OK
43 36 15 35 422 6. Analog variabel lainnya
62 36 25 39 575 7. Klik Analize Regression
59 23 20 39 482 Linear
58 27 23 39 514 8. Isi ko. Dependent, dan
64 41 25 38 596 kol.independent(s).
46 32 28 27 481
42 14 16 25 330 INTERPRETASI
52 50 19 34 519 OUTPUT SPSS:
46 32 14 27 420 a. Tabel Variables
54 36 21 34 506 Entered/Removed.
54 36 22 17 459 b. Tabel Model Summary.
c. Tabel ANOVA.
LANGKAH-LANGKAH SPSS: d. Tabel Coefficients.
1. Entri data. e. Hipotesis.
2. Klik menu Transform Compute. f. Kaidah, dan Pengambilan
3. Pada kol.Target Variable, tulis logX1 . keputusan.
g. Kesimpulan.
33
6.6 Problema Regresi
Analisis regresi bukanlah analisis yang selalu mulus digunakan. Ada beberapa masalah serius yang dihadapi
dalam analisis regresi, yaitu heteroskedastisitas, Multikoliniearitas, dan otokorelasi
6.6.1 HETEROSKEDASTISITAS
Heteroskedastisitas terjadi karena perubahan situasi yang tidak tergambarkan dalam spesifikasi model regresi,
misalnya perubahan struktur ekonomi dan kebijakan pemerintah yang dapat mengakibatkan terjadinya
perubahan tingkat keakuratan data. Dengan kata lain heteroskedastisitas terjadi jika residual tidak memiliki
varian yang konstan. Gangguan heteroskedastisitas sering muncul dalam data cross section, tetapi juga bias
terjadi pada data runtut waktu (time series). Gangguan heteroskedastisitas dapat membawa kita dalam galat baku
yang bias dan menjadikan hasil uji statistic tidak tepat serta interval sehingga kepercayaan untuk estimasi
parameter juga kurang tepat. Kita dapat mengonversi regresi ke bentuk logaritma atau menjalankan regresi
dengan system kuadrat terkecil tertimbang (weighted least square) untuk menghilangkan gangguan
heteroskedastisitas
Contoh : Peneliti ingin mengetahui pengaruh lama perendaman benih sengon di dalam larutan “X” terhadap
prosentasi pertumbuhan semai. Data hasil penelitian terlihat seperti pada tabel di bawah ini
6.6.2 Multikoliniearitas
TUJUAN.
Contoh:
Ingin ditingkatkan pendapatan penjualan mesin pengupas kacang, untuk itu dilihat pengaruh iklan
melalui televise dan Koran terhadap pendapatan.
Berikut ini data mingguan yang dicatat perusahaan.
34
Iklan TV Iklan Koran Pendapatan Iklan TV Iklan Koran Pendapatan
(juta rupiah) (juta rupiah) (juta rupiah) (juta rupiah) (juta rupiah) (juta rupiah)
[X1] [X2] [Y] [X1] [X2] [Y]
26,23 12,23 300 25,89 12,05 266
25,12 12.88 312 23,45 12,03 320
29,80 15,26 362 22,98 15,26 254
36,21 13,33 430 33,45 13,02 413
34,55 14,26 400 32,79 18,78 400
34.76 15,26 366 44,98 13,45 512
40,12 14,32 451 26,25 13,67 354
32,26 13,56 423 33,98 16,59 423
36,25 12,89 352 36,99 19,25 415
22,41 13,44 354 23,21 18,45 452
36,87 12,45 295 4. Klik Analyze Regression Linear
LANGKAH-LANGKAH SPSS 5. Pindahkan var.takbebas ke kol.Dependent,
var.bebas ke kol.independent(s)
1. Klik Statistics…
6. Klik OK
Aktifkan Part and partial correlations dan
Colonearity diagnostics
2. Klik Continue INTERPRETASI OUTPUT SPSS:
3. Entri Data Persamaan Regresi
6.6.3 Otokorelasi
TUJUAN. Menangani masalah penggunaan metode kuadrat kecil ketika residual dalam persamaan regresi
mengandung otokorelasi positif yang disebabkan oleh kesalahan spesifikasi.
Contoh. Data hasil penjualan dan pendapatan perusahaan kertas adalah sebagai berikut:
35
MODUL 7. RANCANGAN PERCOBAAN
TUJUAN. Rancangan acak kelompok merupakan salah satu bentuk rancangan yang banyak digunakan dalam
berbagai percobaan ilmu-ilmu pertanian, perindustrian, dan lain-lain. Rancangan ini dicirikan oleh adanya
kelompok dalam jumlah yang sama dimana setiap kelompok diberikan perlakuan—perlakuan. Melalui
pengelompokkan-pengelompokkan, diharapkan galat perlakuan dapar dikurangi, jika pada rancangan acak
lengkap satuan percobaan yang digunakan harus homogen maka pada RAK ini tidak perlu homogen dan
ketidakhomogenan tersebut akan dikelompok-kelompokkan menjadi satuan-satuan yang mendekati
homogenitas. Dengan demikian, dapat dikatakan bahwa tujuan pengelompokkan adalan untuk menjadikan
keragaman dalam kelompok menjadi sekecul mungkin dan keragaman antarkelompok sebesar mungkin. Dalam
RaK, yang harus menjadi perhatian adalah bahwa pengelompokkan tersebut bukan merupkana variabel baru
seperti halnya perlakuan. Pembentukan kelompok bertujuan untuk mengurangi keragaman satuan percobaan
dalam setiap kelompok, atau dengan kata lain kita mengusahakan kehomogenan dalam satu kelompok. Tidak
boleh menguji hipotesis peranan kelompok atau blok terhadap hasil percobaan karena pembentukan kelompok
tidak dilakukan secara acak seperti penentuan perlakuan. Pembentukan kelompok didasarkan atas kriteria
tertentu.
36
Contoh 1. Sebuah uji silvikultur dilakukan untuk mengetahui pengaruh dosis pemupukan terhadap besarnya
diameter tanaman meranti dengan rancangan acak berkelompok. Pada pengamatan terhadap diameter tanaman
umur 2 bulan diperoleh rata-rata data sebagai berikut:
Contoh 2.
Dari beberapa bahan yang dibuat akan di tes bahan mana yang paling baik digunakan untuk penghematan
bahan bakar.
Dalam percobaan digunakan 5 jenis mobil dengan kinerja yang berbeda-beda sehingga digunakan
Rancangan Acak Kelompok.
Perlakuan yang diujicobakan ada 5, yaitu: K = Kontrol (premium murni), P = Premium + bahan P, Q =
Premium + bahan Q, R = Premium + bahan R, S = Premium + bahan S.
Hasil pengamatan bahan bakar (km/liter) adalah sebagai berikut:
37
7.3 RANCANGAN BUJUR SANGKAR LATIN
TUJUAN.
Memperlakukan setiap perlakuan hanya diberikan sekali untuk setiap baris dan sekali untuk setiap
kolom. Mengamati kemampuan pengelompokkan satuan percobaan berdasarkan kriteria melalui
pengelompokan baris dan kolom.
Rancangan bujursangkar Latin mensyaratkan bahwa jumlah ulangan harus sama dengan jumlah
perlakuan.
Contoh.
Ingin diteliti empat metode penyimpanan pascapanen (A, B, C, D) terhadap lama waktu pembusukan
(hari). Untuk itu digunakan empat alat (I, II, III, dan IV).
Sudah diketahui bahwa setiap alat yang digunakan akan menurun kemampuannya dari waktu ke waktu
dengan waktu penyimpanan terakhir mungkin lebih cepat busuk dibandingkan waktu penyimpanan
pertama.
Dengan demikian urutan penyimpanan juga harus diperhatikan. Atas dasar tersebut maka digunakan
Rancangan Bujur Sangkar Latin (RBL).
Data yang diperoleh terlihat seperti pada tabel
TUJUAN.
Membahas gabungan dari dua rancangan bujursangkar yang saling ortogonal
Mengendalikan tiga sumber keragaman arah.
Contoh.
Ingin diteliti lima metode penyimpanan buah jeruk (A, B, C, D, E) terhadap lama waktu pembusukan
(hari), untuk itu digunakan lima alat (I, II, III, IV, dan V). selain alat dan metode, pengelompokan juga
dilakukan atas dasar varietas jeruk yang disimpan, yaitu RAJA, RATU, SUPER, MANTAP, dan
EMAS.
Data-data percobaan adalah sebagai berikut
38
Urutan ALAT c. Hipotesis, Kaidah dan
Penyimpanan I II III IV V Pengambilan
keputusan, dan
1 Aα = 5 Bβ = 25 Cγ = 7 Dδ = 8 Eε = 20 Kesimpulan
2 Bγ = 7 Cδ = 18 Dε = 11 Eα = 8 Aβ = 25 d. Klik Post Hoc Klik
3 Cε = 5 Dα = 4 Eβ = 23 Aγ = 9 Bδ = 23 Analyze | General
4 Dβ = 4 Eγ = 10 Aδ = 12 Bε = 14 Cα = 5 Linear Model |
5 Eδ = 8 Aε = 10 Bα = 5 Cβ = 10 Dγ = 5 Unvariate
e. Klik Post Hoc ke
LANGKAH-LANGKAH SPSS:
kol.Post Hoc Test for
1. Entri data f. Pilih LSD test
2. Klik Analyze | General Linear Model | Unvariate g. Klik Continue
3. Isi kol.Dependent dan kol.Fixed Factor(s): h. Klik OK.
4. Klik Model i. Multiple
5. Pilih Custom isi kol.Factors & Covariates dan kol.Model. Comparisons,
6. Pada Build Term, pilih Main effects Mean Difference,
7. Klik Continue Tabel Post Hoc Test,
8. Klik OK. Homogeneous Subsets
TUJUAN.
Mengkaji rancangan yang faktor-faktornya ada dua atau lebih; atau suatu percobaan mengenai
sekumpulan perlakuan yang terdiri atas semua kombinasi yang mungkin dari taraf beberapa faktor,
sehingga
Hasil percobaan dapat diterapkan dalam suatu kondisi yang lebih luas karena kita mempelajari
kombinasi dari berbagai faktor.
Contoh.
Sebuah penelitian bertujuan untuk meneliti pengaruh pemupukan nitrogen terhadap pertumbuhan 3
spesies pinus (A, B, dan C).
Dosis yang digunakan yaitu control atau 0 kg/ha, 100 kg/ha, dan 150 kg/ha.
Mean pertumbuhan dari berbagai plot tersaji pada tabel di bawah ini:
39
Dosis Pemupukan 2. Dasar pengambilan keputusan Keputusan
3. Test of Between-Subjects Effects
Spesies 100
0 kg/ha 150 kg/ha 4. Tabel Post Hoc Test, Homogeneous Subsets
kg/ha
A A0 A100 A150 GRAFIK:
B B0 B100 B150 a. Klik Graphs | Interactive | Bar
C C0 C100 C150 b. Klik 3-D Effect
c. Klik OK
INTERPRETASI OUTPUT SPSS: d. Interactive Graph
1. Hipotesis
40
MODUL 8. REGRESI UNTUK RANCANGAN PERCOBAAN
TUJUAN.
Dalam percobaan pemupukan dengan dosis 10 kg/ha, 15 kg/ha, 20 kg/ha, dan 25 kg/ha, kadangkala yang kita
inginkan tidak hanya menentukan dosis yang paling baik, tetapi kita juga ingin meramalkan hasil jika sawah
dipupuk dengan dosis yang lain, misalnya 12 kg/ha. Pokok bahasan ini menerangkan peramalan dengan regresi.
Contoh.
Data hasil percobaan Lembaga Riset tentang pengaruh pupuk Nitrogen terhadap hasil panen padi yang diukur
dalam waktu tertentu adalah sebagai berikut
41
MODUL 9. VALIDITAS DAN RELIABILITAS
TUJUAN.
Untuk mendapatkan kualitas hasil penelitian yang bermutu dan baik, sudah semestinya jika rangkaian
penelitian yang dilakukan harus baik juga. Perencanaan yang matang mutlak diperlukan, lalu alat-alat
yang digunakan juga harus dalam kondisi baik. Oleh karena itulah seringkali sebelum penelitian
dilakukan alat-alat yang digunakan ditera lebih dahulu. Tidak lain dan tidak bukan, supaya data-data
yang diperoleh valid dan reliabel.
Valid artinya data-data yang diperoleh dengan penggunaan alat (instrumen) dapat menjawab tujuan
penelitian. Reliabel artinya konsisten atau stabil, misalnya sebuah altimeter digunakan untuk mengukur
ketinggian tempat dan hari ini tempat X diukur mempunyai ketinggian 1.000 m. Jika dilakukan
pengukuran di tempat yang sama pada hari berikutnya, altimeter tersebut juga harus menunjukkan
ketinggian 1.000m.
Uji validitas dan reliabilitas dapat dilakukan dengan dua cara: Repetitive measurement (pengukuran
secara berulang), One Shot (sekali ukur).
Dengan sistem repetitive measurement, pengukuran objek dilakukan secara berulang. Prinsipnya adalah dengan
membandingkan hasil pengukuran pertama dengan hasil pengukuran kedua. Sistem ini sering disebut juga
sistem eksternal. Pengujian sistem ini dapat dilakukan dengan tes retest (stability), ekivalen, dan gabungan ke
duanya.
Contoh 1.
Untuk mengukur tinggi pohon pada kegiatan inventarisasi hutan, akan digunakan abney level. Sebelum
pelaksanaan inventarisasi, terlebih dahulu akan diuji apakah abney level tersebut valid dan reliabel. Untuk itu
diambil 24 sampel pohon yang akan diukur dua kali oleh orang yang berbeda. Hasil pengukuran adalah sebagai
berikut:
42
Contoh 2.
Berkaitan dengan wacana pembentukan Taman Nasional Batang Gadis, Pihak Departemen Kehutanan mencoba
untuk menjajagi presepsi masyarakat terhadap pembentukan TN Batang Gadis. Guna pengukuran presepsi
tersebut, digunakan instrumen berupa kuesioner yang mengacu pada skala Likert, yaitu:
1. Tidak setujuKurang setuju
2. Setuju
3. Sangat setuju
4. Sangat setuju sekali
43
No. Butir No. Total
responden 1 2 3 4 5 6 7 8 9 10 X2
15 3 4 3 3 3 3 3 3 3 3 31
16 3 4 3 3 4 3 4 4 4 2 34
17 4 4 3 3 4 4 4 4 4 4 38
18 3 4 3 4 3 4 4 3 3 3 34
19 4 4 3 2 4 4 3 4 2 2 32
20 4 4 4 4 4 4 4 4 4 4 40
TUJUAN.
Dengan sistem repetitive measurement, pengukuran objek dilakukan secara berulang. Prinsipnya adalah
dengan membandingkan hasil pengukuran pertama dengan hasil pengukuran kedua. Sistem ini sering
disebut juga sistem eksternal. Pengujian sistem ini dapat dilakukan dengan tes retest (stability),
ekivalen, dan gabungan ke duanya.
Sering disebut juga dengan pengujian internal consistency.dengan metode ini pengukuran cukup
dilakukan satu kali.
Contoh.
Diadakan survei tentang persepsi masyarakat terhadap usaha pelestarian kawasan hutan yang dilakukan
departemen.
Untuk tujuan tersebut dibuat kuesioner yang memuat 20 butir pertanyaan. Pertanyaan dibuat dalam
skala Likert, yaitu: 1: tidak peduli, 2: tidak serius, 3: serius, 4: sangat serius, dan 5: amat sangat serius
Sebelum kuesioner benar-benar disebarkan, terlebih dahulu akan diuji validitas dan reliabilitas
kuesioner tersebut. untuk itu diambil sampel dari 20 responden.
Data hasil pengukuran adalah sebagai berikut:
44
LANGKAH-LANGKAH SPSS: INTERPRETASI OUTPUT SPSS:
45
MODUL 10. STATISTIK NON-PARAMETRIK
TUJUAN.
Mempelajari Statistik Non-Parametrik, Tabel X2, Chi Squar, Binominal, Runs, One Sample Kolmogorov-
Smirnov, Two Independent Samples Test, K Independent Samples Test, Two Related Samples Test, K Related
Samples Test
LANGKAH-LANGKAH SPSS:
46
Untuk memberi boot pada data, dapat dilakukan dengan angkah sebagai berikut:.
1. Buka file data yang akan dianalisis
2. Klik Data Weight Cases kotak dialog Weight Cases
3. Pilih Weight cases by, inputkan variabel Penjualan kotak Frequency
Variable
4. Klik OK
Selanjutnya langkah kedua, analisis Chi Square:
Ada dua langkah melakukan 5. Klik Analyze Nonparametric Test Chi Square kotak Chi Square
analisis Chi Square. Test
Langkah pertama adalah 6. Inputkan Variabel Waralaba pada kotak Test Variable List,
memberi bobot data dan 7. pilih Get from data pada kotak Expected Range dan pilih All catogories
langkah kedua adalah equal pada kotak Expected Values
analisis Chi Square. 8. Klik OK Output SPSS Viewer
10.4 BINOMIAL
Analisis Binomial membandingkan proporsi case atau sampel pengamatan variabel dikotomi dengan
proporsi yang diharapkan berdasarkan distribus binomial dengan penetapan parameter probabilitas.
Secara default parameter probabilitas untuk kedua kelompok adalah 0,5. Namun demikian dapat mengubah
parameter probabilitas tersebut sesuai dengan kasus yang dihadapi.
Contoh.
Suatu penerbit majalah bulanan mengalami penurunan oplah. Penurunan tersebut disebabkan oleh banyaknya
pelanggan yang tidak meneruskan berlangganan. Perusahaan melakukan perkiraan bahwa pelanggan yang tidak
meneruskan berlangganan mencapai 25 %. Perusahaan memiliki tiga produk majalah yang membidik segmen
berbeda. berikut data sampel yang diambil random
10.5 RUNS
Analisis statistik mensyaratkan data sampel bersifat random. Bila data sample tidak random maka tidak dapat
mengambil suatu kesimpulan secara akurat pada populasi. Analisis Runs mengklasifikasikan setiap nilai variabel
“apakah berada di atas atau di bawah cut point/central tendency dan selanjutnya menguji keacakan”. Nilai cut
point secara default adalah median namun dapat diganti atau bahkan memakai nilai cut point lebih dari satu.
Contoh, Sebelum produk baru tersebut diluncurkan ke pasar, diadakan uji produk dengan mengambil 30 sampel
untuk menilai. Para peserta memberi ranking antara 0 (jelek) dan 10 (baik). Untuk menguji keacakan/
randomness sampel dilakukan uji Runs. Berikut langkah-langkah analisis Runs
47
1. Klik Analyze Nonparametric Test Runs kotak dialog Runs
2. Klik Continue
3. Klik OK Output SPSS Viewer
48
10.8 K INDEPENDENT SAMPLES TEST
a. K Independent Samples Test pada hakikatnya sama dengan uji ANOVA dengan kelonggaran seperti Two-
Independent-Samples Test, yaitu mampu digunakan untuk tipe data ordinal. Asumsi data terdistribusi normal
tidak diperlukan.
b. Test ini digunakan untuk menetapkan apakah nilai variabel tertentu berbeda pada dua atau lebih kelompok.
Terdapat dua uji popular, yaitu: uji Kruskal-Wallis H dan uji Median.
c. Contoh, sebuah perusahaan mengeluarkan produk baru dengan empat varian. Sebelum diluncurkan secara
massal, perusahaan mengadakan preferensi terhadap produk tersebut. Sekumpulan orang yang diambil acak
diberi kesempatan mencoba produk tersebut dan diminta memberi rating terhadap produk. Rating antara 1
(jelek) sampai 5 (baik). Berikut datanya
LATIHAN. Apakah memiliki perbedaan yang signifikan. Sampel diamati dari 15 toko dan berikut data
penjualannya
Uji Wilcoxon dan uji Sign dapat dilakukan dengan langkah-langkah spss:
49
Contoh. Untuk uji McNemar, dilakukan pengamatan terhadap perilaku pembeli dengan melakukan program
pemberian discount untuk produk-produk tertentu, diambil 15 sampel pelanggan secara acak. Berikut ini
datanya:
i. Uji K-Related-Samples adalah analisis varian pengukuran berulang. Uji ini tepat digunakan pada sampel
kecil dengan tipe data nominal dan ordinal.
ii. Ada dua uji K Related Samples, yaitu uji Friedman dan uji Crochran. Uji Friedman merupakan perluasan
uji Wilcoxon dengan melibatkan lebih dari dua variabel berhubungan. Sedangkan uji Cochran merupakan uji
McNemar, yaitu uji lebih dari dua variable berhubungan dikotomi. Disamping itu masih ada uji
Kendall’sW. Uji ini mirip dengan uji Friedman.
iii. Contoh, untuk uji Friedman dan Kendall: Dilakukan pengamatan terhadap lima varian kopi produk baru
yang rencananya akan diproduksi secara massal. Diundang 15 orang untuk memberi rating terhadap produk
tersebut. Rating antara 1 (tidak puas) sampai 10 (puas). Berikut data raiting produknya
Contoh Cochran, suatu perusahaan berencana menerapkan lima prosedur baru untuk mempercepat proses
produksi. Keberhasilan-kegagalan prosedur tersebut diukur berdasarkan pencapaian waktu tertentu. Perusahaan
mengambil 10 orang sampel untuk melaksanakan kelima prosedur tersebut. Berikut ini datanya
50
MODUL 11. ANALISIS TIME SERIES
Setelah ditetapkan model, lanjutkan dengan menetapkan parameter. Ada empat parameter
yang perlu penetapan, tergantung dari komponen trend dan sesionalitynya, yaitu:
a. General (Alpha) merupakan parameter yang mengontrol pembobotan relatif pada
pengamatan yang baru dilakukan. Jika Alpha bernilai 1 hanya pengamatan terbaru yang
digunakan secara eksklusif. Sebaliknya jika Alpha bernilai 0 pengamatan yang lalu
dihitung dengan bobot sepadan dengan yang terbaru.
b. Gamma merupakan parameter yang mengontrol pembobotan relatif pada pengamatan yang
baru dilakukan untuk mengestimasi kemunculan trend seri. Nilai Gamma berkisar dari 0
sampai 1. Nilai semakin besar menunjukkan pemberian bobot yang semakin besar pada
pengamatan terbaru. Parameter Gamma digunakan pada model yang memiliki komponen
trend linier atau eksponensial dengan memiliki komponen sesional.
c. Delta, merupakan parameter yang mengontrol pembobotan relatif pada pengamatan yang
baru Dilakukan untuk mengestimasi kemunculan sesional. Nilai Delta berkisar dari 0 sampai
1. Nilai semakin besar menunjukkan pemberian bobot yang semakin besar pada pengamatan
terbaru. Parameter Delta digunakan pada model yang memiliki komponen sesional.
d. Phi merupakan parameter yang mengontrol kecepatan trend setiap waktu, apakah besaran
naik atau turun. Nilai Phi berkisar 0 sampai mendekati 1. Semakin mendekati 1 menunjukkan
besaran kecepatan trend semakin menurun
Contoh, suatu perusahaan melakukan ferocasting penjualan. Perusahaan memiliki 50 data bulanan
dari bulan Januari 2001
Langkah pertama, mengurutkan data mulai Januari 2001:
Buka file data yang akan dianalisis.
Klik Data Define Dates kotak dialog Define
Dates.
Pilih Years month lakukan daftar dropdown Cases
Are. Informasi data awal (misal, Januari 2001) Inputkan
pada First Cases Is dengan menulis 2001 pada Years
dan 1 pada Month.
Klik OK. Lihat ada penambahan variabel pada Data
View. Variabel tersebut adalah YEAR, MONTH, dan
DATE
Langkah kedua, plot data grafik Sequence:
Klik Graphs Sequence kotak dialog.
Klik Time Line kotak dialog Sequence Charts:
time Axis Reference Lines.
Pindahkan variabel Date kotak reference Variable.
Klik Continue.
Klik OK
51
Langkah terakhir, melakukan analisis Exponential Smoothing. Kita mencoba tiga model yaitu: Simple,
Holt dan Winters untuk mendekati grafik tersebut. Langkah-langkah analisis:
52
MODUL 12. PROBABILITAS
TUJUAN.
Mempelajari tentang: (1) Probabilitas , (2) Distribusi Probabilitas Diskret: Binomial, Hipergeometrik,
Binomial Negatif, Geometri dan Poisson, (3) Distribusi Probabilitas Kontinu: Distribusi Normal
1. PROBABILITAS.
Dalam statistik, Probabilitas dinyatakan dalam suatu selang kepercayaan menggunakan
sekumpulan bilangan riel antara 0 sampai 1.
Semakin besar probabilitas maka selang kepercayaan mendekati 1 demikian sebaliknya.
LANGKAH-LANGKAH SPSS.
1. Klik Transform Compute kotak dialog Compute variable.
2. Pada function Group PDF & Noncentral PDF dan pada Function and Special
Variables Pdf.Binom.
3. Pindahkan fungsi tersebut dengan menekan panah atas kotak Numeric Expression.
Kotak tersebut akan tertulis PDF.BINOM(?,?,?).
4. Inputkan nilai q, n, dan p pada tanda tanya pertama, kedua dan ketiga. Variabel q adalah
banyaknya usaha yang dikategorikan sukses. Variabel n adalah banyaknya usaha dalam
suatu pengamatan. Variabel p adalah probabilitas sukses. PDF.BINOM(5,10,0.15).PDF
merupakan singkatan dari Probability Density Function yang artinya fungsi probabilitas
pada suatu titik tertentu.
5. Klik hasil pada kotak Target Variable.
6. Klik OK
LATIHAN. Interpretasikan dan analisis data output
B. DISTRIBUSI HIPERGEOMETRIK
Berbeda dengan distribusi binomial, yang mensyaratkan pengembalian setiap barang setelah
diamati, distribusi hipergeometrik tidak memerlukan kebebasan dan didasarkan pada
sampling tanpa pengembalian. Suatu percobaan hipergeometrik memiliki dua sifat berikut:
Sampel acak ukuran n diambil tanpa pengembalian dari N benda.
Sebanyak k benda dikategorikan sukses, sisanya N - k dikategorikan gagal.
LATIHAN.
Kotak berisi 15 suku cadang di mana terdapat 4 suku cadang yang tidak layak pakai. Bila
dilakukan sampling pada kotak tersebut, berapa Probabilitas mendapat 2 suku cadang yang
tidak layak pakai dalam sampling tersebut ?
53
Perhitungan dengan SPSS. Gunakan fungsi PDF.HYPER(q, total, sample, hits) pada
kotak dialog Compute Variabel. Variabel q identik dengan x pada formula distribusi
hypergeometrik, yang menjelaskan kejadian sukses pada waktu pengambilan sampel.
Variabel total identik dengan N yang menjelaskan keseluruhan ruang sampel. Variabel
sampel identik dengan n yang menjelaskan banyaknya sampel yang diambil. Variabel hits
identik dengan k yang menjelaskan banyaknya sukses dalam keseluruhan ruang sampel.
PDF.HYPER(2, 15, 5, 4) 0,329667
D. DISTRIBUSI GEOMETRI.
Distribusi Geometri merupakan hal khusus dari distribusi Binomial negatif dengan k = 1.
Dengan kata lain mencari Probabilitas sukses untuk pertama kali. Contoh, seorang
melantunkan dua uang logam sekaligus. Berapa Probabilitas muncul muka semua pada
kedua koin tersebut apabila dilakukan usaha pelemparan uang logam sebanyak 5 kali?.
LATIHAN. Perhitungan dengan SPSS. Gunakan fungsi PDF.GEOM(q,p) dimana variabel
q identik dengan variabel x, merupakan variabel jumlah usaha yang dilakukan.
PDF.GEOM(5, 0.25) => 0.07910
E. DISTRIBUSI POISSON.
Distribusi Poisson adalah distribusi melalui percobaan poisson yang memiliki sifat sebagai
berikut:
Banyaknya hasil yang terjadi dalam suatu selang waktu atau daerah tertentu tidak
terpengaruh oleh apa yang terjadi pada selang waktu atau daerah lain yang terpisah.
Probabilitas terjadinya suatu hasil dalam selang waktu yang amat pendek atau dalam
daerah yang kecil sebanding dengan penjang selang waktu atau besarnya.
Probabilitas terjadinya lebih dari satu hasil dalam selang waktu yang pendek atau daerah
sempit tersebut dapat diabaikan.
Distribusi Poisson menyatakan banyaknya sukses yang terjadi dalam suatu selang waktu
tertentu atau daerah tertentu dinyatakan dengan t.
Contoh, pada suatu persimpangan jalan, rata-rata terjadi kecelakaan sebanyak 5 kali dalam
seminggu. Berapa Probabilitas dalam satu minggu terjadi kecelakaan 7 kali
PERHITUNGAN DENGAN SPSS.
Gunakan fungsi PDF.POISSON(q, mean) dimana variabel q identik dengan variabel x,
merupakan variabel banyaknya kejadian tertentu. Variabel mean identik dengan variabel λt,
merupakan rata-rata kejadian tertentu.
PDF.POISSON(7,5) => 0.10444
54
Peubah acak normal X dapat ditransformasi menjadi peubah acak normal Z, dengan rata-
rata 0 dan varian 1.
Distribusi tersebut juga disebut distribusi normal baku.
Contoh, suatu perusahaan rata-rata memproduksi barang sejumlah 50 buah dengan standar
deviasi sebesar 10 buah. Berapa Probabilitas perusahaan tersebut untuk memproduksi tepat
55 buah
55