Modul Prak - Biostatistik

1
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.
1. Klik Start 3. Klik SPSS for Windows

2. Klik Programs 4. Klik SPSS 12
Tampilan di atas merupakan pilihan-pilihan dari fasilitas

SPSS, pilihan:
1 tutorial untuk menggunakan SPSS
2 menentukan tipe data yang akan digunakan
3 membuka dan melanjutkan dengan menggunakan database
yang bukan berasal dari sistem SPSS
4 membuat database baru yang bersumber pada program lain
yang masih pada satu sistem
5 membuka file-file data yang pernah disimpan dan aktif
sebagai file ‫٭‬.tmp
6 membuka file dari output viewer yang masih aktif dalam
sistem SPSS atau menu file ‫٭‬.tmp
1.2 MEMBUAT FILE BARU
Klik Cancel muncul halaman kerja kosong
Contoh. Data hasil inventarisasi pohon hutan pada petak ukur ke-5
Diameter Tinggi Diameter Tinggi

Jenis Jenis
(Cm) (Cm) (Cm) (Cm)
1. Nyatoh 125 25 9. Sungkai 99 12
2. Bangkirai 132 28 10. Mahoni 92 30
3. Meranti 124 30 11. Mahang 116 24
4. Meranti 96 16 12. Duabangsa 97 22
5. Khamper 98 28 13. Meranti 96 23
6. Durian 75 21 14. Kayu Manis 95 20
7. Mahoni 86 22 15. Pinus 56 19
8. Kapur 84 19 16. Pinus 52 14
1.3 IDENTIFIKASI DATA PADA VARIABLE VIEW
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.
𝑻𝒚𝒑𝒆. Untuk menentukan tipe data pada kolom Type.
3
Gambar.Tabel Data Kategori Gambar. Tabel Data Kategori dengan Gambar. Tabel Data Numerik
Kode
Gambar. Tabel Data Gabungan Kategori-Numerik
𝑵𝒖𝒎𝒆𝒓𝒊𝒄. Merupakan tipe angka dengan tanda plus dan tanda minus di depan angka serta indikator
desimal. Panjang maksimalnya 40 karakter
𝑪𝒐𝒎𝒎𝒂. Harga yang valid termasuk angka, tanpa plus dan

tanda minus di depan angka. Tanda koma digunakan sebagai
pemisah ribuan
𝑫𝒐𝒕. Tipe ini sama dengan tipe comma, hanya saja pemisah
ribuan yang digunakan adalah tanda titik
Entri data tersebut pada lembar kerja SPSS.
Untuk memberi nama masing-masing variabel, klik
Variable View pada pojok kiri bawah
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
1.4 MEMBANGUN DATA

1. Variable View: tempat buat menetapkan variabel-variabel pengamatan
2. Data View: tempat input data hasil pengamatan
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
Gambar . Mengaktifkan SPSS 13.0 (any version)

3. Klik Open an existing data file. Jika sudah ada file data dalam format sav (format SPSS).
4. Klik Cancel ()  belum ada file data baru  SPSS Data Editor  aktif
Gambar. Kotak Dialog SPSS for Windows
1.5 BEKERJA PADA VARIABEL VIEW

Variable View memiliki 10 kolom: Name, Tipe, Width, Decimals, Label, Values, Missing, Coloumns,
Align, dan Measure
LATIHAN. Buat Tabel
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
Gambar. Mamasukkan Data pada Data View
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
memperoleh Gambar di atas Gambar. Penetapan Kode Missing Value pada

Kotak Diaog Value Labels
Gambar. Data Tabel dengan Missing Value

.
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
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
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
1.13 MEMODIFIKASI DATA DAN MENYISIPKAN DATA/CASE

a. Menyisipkan data/case pada kolom di antara data yang ada dapat dilakukan dengan mudah.
b. Variable View
c. Sisipkan case data dengan berat 80,00.
Gambar. Data berat Badan
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
1.14 MENYISIPKAN VARIABEL
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
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
Tujuan: penambahan variabel/kolom
1. Open File data berat badan (Gambar 1.35)

2. Klik Data  Merger File  Add Variables  kotak dialog Add Variables  inputan file data tinggi yang
akan digabungkan.
3. Pada kotak, klik ganda file data tinggi atau klik file data tersebut kemudian
4. Klik Open kotak dialog Add Variables from: Tanda * : variabel berasal dari file data aktif (berat badan);
Tanda + : berasal variabel dari file data yang akan digabung-kan (tinggi) ; Kotak Exclude Variables :
kumpulan variable pada file data ‘tinggi’ yang tidak dimasukkan ke file berat badan; Kotak New Working
Data File  gabungan variabel file data berat badan dan tinggi; Gunakan tanda panah kiri-kanan untuk
memodifikasi variabel yang akan dipakai pada file data
5. Klik OK  variabel pada file data berat badan ditambah variabel tinggi dari file data tinggi.
1.16 METODE CUT & PASTE

Untuk memperoleh hasil gabungan data dapat dilakukan dengan langkah :
 Buka file data berat badan2, data yang akan digabungkan
 Klik data drag (klik pada sel nama-baris 1 tekan terus dan seret hingga
sel berat – baris 5) area data sehingga terblok hitam
 Klik Edit  Copy
 Klik ikon Open File toolbar  buka file data berat badan
 Klik sel nama – baris 6 sehingga sel tersebut aktif
 Tempelkan data yang telah dicopy dengan klik Edit – Paste menu
Fasilitas Copy berguna unuk menyalin kode yang telah ditetapkan pada
kolom Values lingkungan kerja Variabel View. Dilakukan pengamatan
Gambar. Hasil Gabungan Data File Berat preferensi suatu produk dengan tampilan Variable View
dan Tinggi
8
Ingin ditambah satu variabel lagi, yaitu preferensi pengunjung setelah diberi penjelasan tentang produk
unggulan
1
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
1.17 MENGHAPUS DATA

Ada 2 kategori menghapus data (1) menghapus sel atau area data, dan (2) menghapus baris atau kolom data,
cara penghapusannya sama yaitu dengan mark & clear. Mark & clear adalah metode menandai sel, area, baris
atau kolom dan kemudian menghapus-nya.
LANGKAH-LANGKAH
a. Klik salah satu sel tertentu, satu baris, atau satu kolom
Klik sel nama baris 3 Klik baris 3 Klik kolom berat

Gambar. Penandaan pada Sel Baris atau Kolom Tertentu
b. Klik Edit  Clear
Gambar. Hasil Penghapusan Data atau Variabel
Sedangkan untuk menghapus area (beberapa sel), beberapa baris, atau beberapa kolom, penandaan
dilakukan dengan klik & drag. Kemudian baru dihapus dengan cara yang sama.
1.18 MODIFIKASI DATA LANJUTAN

TUJUAN. Mengelompokkan data sehingga menghasilkan informasi sangat penting untuk member
gambaran data. Metode Sort Cases, Select Cases, dan Agregat Data sangat membantu dalam
menghasilkan informasi tersebut.
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.
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
Gambar 1.41 Data Penjualan
Gambar 1.42 Kotak Dialog Sort Cases
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
2.1 PERAN TABEL DAN GRAFIK DALAM STATISTIK
No Vol penjual Wilayah

1 Tinggi Utara
2 Sedang Selatan
3 Tinggi Barat
4 Kurang Timur
Gambar. Tabel Data Kategori
No Vol penjual Wilayah

1 3 1
2 2 2
3 3 3
4 1 4
Gambar. Tabel Data Kategori dengan Kode
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
1. Klik Data  Select Cases pada toolbar

 kotak dialog Select Cases
2. Pilih If condition is satisfied dan tekan
tombol If  kotak dialog Select Cases:
If Pindahkan var Tkt Penjualan Sem
2 dengan menekan tombol panah 
tulisan tkjual2 pada kotak.
3. Lengkapi tulisan formula tkjual2
Gambar . Hasil Sort Cases
>40000000
Metode select cases mengelompokkan data dengan kriteria 4. Klik Continu  kotak Dialog Select
yang ditetapkan. Misal diperlukan informasi penjual dengan Cases
tingkat penjualan semester 2 > 40.000.000. 5. Klik OK  Hasil
 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.
2.3 METODE AGREGAT DATA

Tujuan: mengelompokkan keseluruhan data dengan fungsi tertentu. Misalnya akan dibuat fungsi
ringkasan statistik (mean/nilai rata-rata) untuk variable Tkt Penjualan Sem 1 dan Sem 2 dengan
penggolongan berdasarkan variabel area penjualan dan tingkat pendidikan.
1. Klik Data  Agregat pada toolbar  kotak dialog Agregate Data
2. Inputkan variabel penggolongan pada kolom Break Variable(s) dan inputkan variabel yang akan
dibuat ringkasan statistiknya pada kolom Summaries of Variable(s).
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
2.4 TRANSFORMASI DATA

Tujuan. Membuat variabel baru dengan basis variabel yang ada untuk keperluan tertentu
Gambar. Data Penjualan (1)
Gambar. Data Penjualan (2)
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
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
Klik Transform  Count pada menu  kotak dialog Count
2.7 MULTIPLE RESPONSE

TUJUAN. Menjawab suatu pertanyaan yang memerlukan lebih dari satu jawaban terhadap kumpulan data
LATIHAN. Bagaimana tanggapan terhadap merek parfum yang dipakai
Gambar . Data Survai Kepuasan Merk Parfum (a)
b. Klik Analyze  Multiple Response

 Define Set  kotak Define
Multiple Response Sets
c. Inputkan pilihan1, pilihan2 dan
pilihan3  Variables in Set
d. Pilih Categories  Variables Coded
As. Karena jawaban lebih dari 2  masukkan
1 pada Range dan 5 pada Through (setiap
pilihan ada 5 macam merek)
e. Ketik parfum  kotak Name, dan
ketik Pilihan parfum  Label
f. Klik Add  $parfum  kotak
Mult.Response Sets
Gambar. Data Survai Kepuasan Merk Parfum (b) g. Klik Close. (setelah ditetapkan
LANGKAH-LANGKAH SPSS: multiple response sel-nya, lakukan
analisis. Ada dua analisis yaitu 1.
a. Buka file data yang dianalisis Frequencies dan 2. Crosstab)
2.8 FREKUENSI
a. Klik Analyze  Multiple Response  Frequencies  kotak dialog Multiple Response

Frequencies
b. Inputkan $puas  kotak Table(s) for
c. Klik OK
14
2.9 CROSSTAB
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
2.10 OLAP CUBES. 72

TUJUAN.
1. Menghitung total, mean dan statistik univariate
2. Meringkas variabel kontinu yang dikategorikan oleh lebih dari satu variabel kategorikal
LATIHAN. Paparkan variabel kontinu, yaitu tingkat penjualan yang dikategorikan berdasarkan variabel
area penjualan, tipe kendaraan, dan kategori harga.
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.
2.11 GRAFIS DALAM PENGENDALIAN KUALITAS
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.
II. BAGAN PENGAWAS – Ukuran Data Varibel

TUJUAN. (Bagan Pengawas)
Uji X-Bar, R, s menggunakan standard deviasi untuk menentukan simpangan UCL dan LCL terhadap
garis pusat bagan pengawas.
LATIHAN . Dilakukan pengendalian kualitas dengan melakukan 5 pengamatan produk (mengukur

tinggi produk mm) di mana masing-masing pengamatan terdiri dari 7 sampel
Gambar. Pengamatan Hasil Sampling
4. Klik Define  kotak Dialog X-

Bar, R, s: Cases Are Subgroups
5. Inputkan sampel1, sampel2,
sampel3, sampel4, sampel5 pada
kotak Samples; observ  kotak
dialog Subgroups Labelled by,
pilih X-Bar, and standard
deviation  kotak Charts
LANGKAH-LANGKAH SPSS: 6. Klik Options  kotak dialog X-
Bar, R, s: Options; tentukan level
1. Buka file data pada Gambar 2.32 sigma = 3 sigma
2. Klik Graphs  Control  Control Charts. 7. Klik Continue  kotak dialog X-
3. Pilih X-Bar, R, s dan pada Data Organization, pilih Bar, R, s: Cases Are Subgroups
Cases are subgroups 8. Klik OK  Output SPSS
III. X-BAR, R, S: BAGAN PENGAWAS RANGE

TUJUAN. Menetapkan simpangan UCL dan LCL dengan menggunakan range/jarak
IV. BAGAN PENGAWAS INDIVIDUALS; MOVING RANGE
TUJUAN. Mengatasi kasus jika produk yang dihasilkan terbatas/sedikit, atau pengujian produk akan
menyebabkan kerusakan produk padahal biaya produk tersebut tinggi
Gambar. Pengamatan Hasil Sampling
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
2.12 KELUAR DARI 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
√ 𝑵𝒐 𝒎𝒊𝒔𝒔𝒊𝒏𝒈 𝒗𝒂𝒍𝒖𝒆 berarti tidak ada data yang hilang

√ 𝑫𝒊𝒔𝒄𝒓𝒆𝒕𝒆 𝒎𝒊𝒔𝒔𝒊𝒏𝒈 𝒗𝒂𝒍𝒖𝒆 menyediakan data yang akan dihilangkan atau ditinggalkan
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.
Contoh. No Tinggi (cm) No Tinggi (cm)

 Pada pengukuran sebelumnya yang dilakukan di 1 29 9 25
bedengan pertama, dua, tiga, dan empat, didapatkan 2 30 10 26
rata-rata tinggi semai jati adalah 32 cm. 3 31 11 32
 Pengukur berasumsi bahwa bedeng kelima 4 36 12 36
mempunyai tinggi yang sama juga. 20 13 30
5
 Dari pengukuran pada bedeng kelima didapatkan
24 14 21
data sebagai berikut:
6
7 28 15 27
8 29
LANGKAH-LANGKAH SPSS: INTERPRETASI OUTPUT SPSS:

1. Entri data a. T-Test
2. Klik Analize | Compare Means | One Sample T test b. One-Sample Statistics, One-Sample Tes
3. Klik Option.... Untuk data hilang, pilih Exclude c. Tabel One-Sample Statistics; Table One-Sample
case analysis by analysis Test: Hipotesis, Pengambilan keputusan
4. Klik Continue, kemudian klik OK d. Kesimpulan
3.2 UJI T DUA SAMPEL INDEPENDEN (INDEPENDEN SAMPLE T TEST)
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
Varietas A LANGKAH-LANGKAH SPSS:

No Varietas B (ton/Ha)
(ton/Ha)
1 4,8 3,4 1. Masukkan dalam file baru
2 9,4 5,1 2. klik Values
3 5,5 3,3 3. Klik Analize | Compare Means | In-dependet
4 4,3 3,2 Sample T-Test....
4. variabel ke kolom Test Variable (s) dan
5 5,8 3,5
variabel ke kolom Grouping Variable
6 6,5 4,2 5. Klik Define Groups
7 4,7 3,5 6. Klik Options: default, taraf ke-percayaan
8 7,1 4,0 dipakai 95%.
9 8,1 5,2 7. Klik Continue, lalu OK
10 8,1 3,5
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
Tinggi Diameter Tinggi Diameter

No Asal No Asal
(cm) (cm) (cm) (cm)
1 100,20 0,70 Pulau X 6 75,00 0,90 Pulau Y
2 98,30 0,80 Pulau X 7 77,50 1,00 Pulau Y
3 86,60 0,60 Pulau X 8 68,30 1,20 Pulau Y
4 103,60 1,10 Pulau X 9 62,50 1,20 Pulau Y
5 162,10 1,30 Pulau X 10 63,30 0,90 Pulau Y

1. Masukkan dalam file baru a. T-Test,
2. Klik Analize | Compare Means | In- Group Statistics
dependent Sample T-Test.... b. Independent Samples Test
3. Klik Define Groups... c. Tabel Group Statistics,
4. Klik Continue Tabel In-dependent Sample Test
5. Klik OK d. Kesimpulan
3.3. UJI T DUA SAMPEL BERPASANGAN (PAIRED SAMPLE T TEST)
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:
No Responden Nilai matematika Nilai matematika

sebelum les setelah les
1 BADRUN 78 86
2 IWAN 77 88
3 JABRIK 65 84
4 JAMBUL 82 86
5 TIMBUL 88 89
6 SITI 86 90
7 NURY 79 77
8 UMY 77 77
9 DIAN 80 86
10 ALI 95 99
19
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
3.4. UJI T SATU SISI (1 TAILED)
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
3.4.1 Uji Dua Sisi (2 Tailed)
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:
Hasil Panen Hasil Panen

No Kecamatan No Kecamatan
(Kw/Ha) (Kw/Ha)
1 Sumber 2 7 Sumberrejo 1
2 Sridadi 3 8 Pada Suka 1
3 Suka Mandi 6 9 Suka sari 3
4 Banyuurip 5 10 Pasir Putih 4
5 Arjuna 1 11 Makmur Timur 1
6 Bagelen 2 12 Makmur Barat 1
LANGKAH-LANGKAH SPSS: INTERPRETASI OUTPUT:

1. Entri data a. Tabel One-Sample Statistics
2. Klik Analize |Compare means| One-Sample T test b. Tabel One-Sample Test
3. Klik Continue, lalu OK Kesimpulan
3.4.2 Uji Dua Sisi (2 Tailed)

Contoh. Manajemen perusahaan roti telah mencatat bahwa mean kerusakan pengepakan roti
adalah 100 kaleng/bulan. Dengan penerapan kendali mutu yang ketat manajemen ingin
menurunkan kerusakan tersebut hingga 50 kaleng/bulan. Berhasilkah? Data-datanya adalah
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
LANGKAH-LANGKAH SPSS: INTERPRETASI :

1. Entri data a. Tabel One-Sample Statistics
2. Klik Analize | Compare means | One-Sample T test b. Tabel One-Sample Test
3. Klik dan isi kolom Test Variable(s), lalu isi Test Value c. Kesimpulan
4. Klik OK
3.5. UJI T DENGAN PEMOTONGAN (CUT POINT T TEST)
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:
Volume LANGKAH-LANGKAH SPSS:

Tinggi Diameter
No Sadapan Asal 1. Masukkan Data Buka Kolom Values
(m) (cm)
(kg) 2. Klik Analize | Compare means |
1 16,5 20 0,60 Jember Independent Sample T-Test
2 17,0 21 0,50 Jember 3. Isi kol.Test Variable (s) dan
3 17,5 23 0,70 Jember kol.Grouping Variable
4 17,5 19 0,60 Jember 4. Aktifkan Cut point; Ketik angka 18,
16,0 17 0,60 Jember artinya menyatakan bahwa variabel
5
diameter dibagi dengan batas/cut point
6 17,0 16 0,50 Jember
18 cm
7 17,0 18 0,60 Jember
5. Klik Continue
8 15,5 12 0,30 Baturaden
6. Klik OK
9 15,0 13 0,35 Baturaden
10 15,5 15 0,40 Baturaden INTERPRETASI OUTPUT SPSS:
11 15,5 16 0,40 Baturaden a. Tabel Group Statistics
12 14,0 19 0,30 Baturaden b. Pengambilan keputusan
13 15,0 23 0,40 Baturaden c. Tabel Independent Sample Test
14 15,0 14 0,45 Baturaden d. Kesimpulan
3.6.ONE WAY ANOVA
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
LANGKAH-LANGKAH SPSS: 12. Signficance Level

1. Entri Data 13. Klik Continue, lalu
2. Klik Kolom Value 14. OK
3. Klik Analize | Compare Mean | One-Way ANOVA
4. Pindahkan Variabel Ke Kolom Dapendent List dan Ke INTERPRETASI OUTPUT SPSS:
Kolom Factor a. Tabel Descriptives
5. Klik Options b. Tabel Test Of Homogeneity Of Variances
6. Aktifkan Descriptive dan Homogeneity Of Variance c. Pengambilan Keputusan
Test d. Tabel ANOVA
7. Klik Continue, Lalu OK e. Kesimpulan
8. Klik Analaize | Compare Mean | One-Way ANOVA f. Tabel Multiple Comparisons
9. Post Hoc g. Kolom Mean Difference
10. Equal Variances Assumed h. Mean Perbedaan Kekuatan Kuda
11. Equel Variances Not Assumed i. Arti Tanda
j. Nilai Probabilitas
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:
SPESIES Tinggi (cm) SPESIES Tinggi (cm)

A B C D A B C D
63 81 120 90 66 92 108 95
48 86 129 92 58 88 109 82
46 64 118 93 40 84 126` 83
59 77 122 88 77 87 122 86
59 81 118 109 43 94 125 89

1. Entri data a. Tabel Descriptives
2. Klik kol.Value b. Tabel Test of homogeneity of variances
3. Klik Analize | Compare Mean | One-Way ANOVA c. Pengambilan keputusan
4. Klik Options d. Tabel ANOVA
5. Aktifkan Descriptive dan Homogeneity of variance e. Tabel Post Hoc Test,
test f. Multiple Comparisons,
6. Klik Continue, lalu OK g. Tukey HSD kolom Mean Difference,
7. Pos Hoc test h. Mean perbedaan diameter
8. Klik Analize | Compare Mean | One-Way ANOVA i. Test LSD
9. Post Hoc. j. Tanda * menyatakan bahwa perbedaan
10. Equel Variances Assumed. Test LSD tersebut signifikan
(Least Significant Different) dan Tukey. k. Tabel Homogemeous Subsets
11. Klik Continue, lalu OK
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).
Rumus Chi Square

𝟐
∑(𝐎𝐛𝐤 − 𝐞𝐛𝐤 )𝟐 .
𝐱 = Derajat bebas Chi Square = df α (k-1)(b-1)
𝐞𝐛𝐤 k= jumlah kolom observasi
di mana Obk = hasil observasi pada baris b kolom k b= jumlah baris observasi
ebk = nilai harapan (expected value) pada baris b kolom k
4.1. UJI INDEPENDENSI

TUJUAN.
 Uji ini digunakan untuk menguji ada atau tidaknya independensi antara variabel kuantitatif yang satu
dengan yang lainnya berdasarkan observasi yang ada.
 Misalnya seorang dokter ingin mengetahui apakah ada interdependensi (hubungan) antara beberapa
orang yang diberi vaksin tertentu maka dari hasil observasi yang dilakukan dapat dilihat apakah ada
hubungan antara mereka yang diberi vaksin dan yang tidak diberi vaksin tersebut efektif atau tidak
terhadap penyakit yang diderita
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
sedang 0 6
7 Sedang Pasar Tradisional
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
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
4.2 UJI KESELARASAN (GOODNESS OF FIT TEST)
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:
No Responden Kayu No Responden Kayu

1 Mahmud Jati 16 Chaerul Jati
2 Imam Jati 17 Basri Jati
3 Iwan Jati 18 Kabul Meranti
4 Mitro Mahoni 19 Amien Meranti
5 Jumadi Mahoni 20 Wiranto Jati
6 Sukemi Nangka 21 Susilo Jati
7 Mulyono Nangka 22 Bambang Nangka
8 Heru Jati 23 Yusuf Jati
9 Saiful Jati 24 Hamzah Mahoni
10 Sukardi Meranti 25 Siswo Jati
11 Paiman Nangka 26 Heri Jati
12 Widodo Meranti 27 Sarjono Jati
13 Bagyo Mahoni 28 Kurnia Damar
14 Santoso Jati 29 Mawardi Damar
15 Ngadiman Jati 30 Nyoto Damar
LANGKAH-LANGKAH SPSS: INTERPRETASI

1. Entri data OUTPUT SPSS:
2. Kolom Value a. Tabel KAYU
3. Klik Analyze | Nonparammetric Test | Chi Square b. Tabel Test Statistic
4. Klik OK c. Keputusan
d. Kesimpulan
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:
Beras Frekuensi 3. Klik Analyze | Nonparametric Test | Chi Square

4. Expected Value
DELANGGU 123 5. All categories equel.
MENTHIK 112 6. Klik OK
ROJO LELE 139 INTERPRETASI OUTPUT SPSS:
IR 64 126 a. Nonpar Tests, Chi-Square Test, Frequencies
LANGKAH-LANGKAH b. Tabel FREKWENSI
SPSS: c. Tabel Test Statistics
1. Entri data d. Keputusan
2. Klik Value kolom e. Kesimpulan
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
a. Direct correlation (positive correlation).

b. Perubahan pada satu variabel diikuti perubahan
variabel yang lain secara teratur dengan arah
gerak yang sama
i. Inverse correlation (negative correlation).

ii. Perubahan pada satu variabel diikuti perubah-an
variabel yang lain secara teratur dengan arah
gerak yang berlawanan.
Sedangkan Nihil correlation. Arah hubungan kedua

variabel yang tidak teratur.
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.
5.1 KORELASI PRODUCT MOMENT (PEARSON).
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:
Diameter dbh Volume Diameter dbh Volume

(cm) (m3) (cm) (m3)
50 1,9 56 2,0
65 2,6 66 2,6
63 2,5 78 2,6
50 1,9 56 2,0
65 2,6 66 2,6
63 2,5 78 2,6
57 2,2 71 2,5
84 3,2 49 1,7
36 1,5 56 2,2
48 1,7 58 2,2
52 1,9 60 2,0
58 2,2 72 2,5

1. Entri Data a. Correlation
2. Klik Analyze | Correlation | Bivariate b. Hipotesis
3. Pindahkan variabel diameter dan volume ke c. Kaidah Keputusan
kolom Variables d. Kesimpulan
4. Pada Correlation Coefficients, pilihlah Pearson
5. Klik OK
5.2 KORELASI RANK SPEARMAN

 Ada kalanya ingin diukur kuatnya hubungan antara dua variabel tidak berdasarkan pasangan nilai data yang
sebenarnya, tetapi berdasarkan rankingnya.
 Hubungan tersebut dinamakan rank correlation coefficient.
 Analisis korelasi Spearman termasuk dalam statistik non-parametrik.
 Metode korelasi ini ditemukan Carl Spearman pada tahun 19
Contoh:
Ingin mengetahui seberapa kuat hubungan antara harga dengan pendapatan bulanan perusahaan mebel
Harga/unit Pendapatan Ranking Ranking

d d2
(x 000) X (x 000,000) Y X Y
700 680 1 2 1 1
750 670 2 1 -1 1
775 690 3 4 1 1
800 685 4 3 -1 1
900 700 5 5 0 0
1000 720 6 6 0 0
1200 725 7,5 7,5 0 0
1200 730 7,5 10 2,5 6,25
1250 725 9 7,5 -1,5 2,25
1500 729 10 9 -1 1
Jumlah: 13,5
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
5.3 KORELASI KENDALL TAU
 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

1. Entri Data a. Nonparametric Correlations: Correlations
2. Klik Analyze | Correlate | Bivariate b. Angka koefisien korelasi
3. Pindahkan variabel IQ dan Prestasi ke kolom c. Tanda **
Variables. d. Graphic
4. Pada Correlation Coefficients, pilihlah
Kendall’s tau-b
5. Aktifkan Flag significant correlations .
6. Klik OK.
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).
6.1 REGRESI LINEAR SEDERHANA
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.
Harga Jual per kemasan Volume penjualan

(Rp) (kemasan)
1300 10000
2000 6000
1100 20000
1000 17000
1400 12000
1600 5000
1200 15000
1600 10000
1500 12000
1700 5000

1. Entri data. a. Tabel Descriptive Statistics Tabel Correlation
2. klik Variabel View di pojok kiri bawah. b. Tabel Variables Entered/Removed
3. Klik Analize  Regression  Linear. c. Tabel Model Summary
4. Pindahkan variabel bebas ke kolom independent(s) d. Tabel Anova
dan variabel takbebas kolom Dependent. e. Tabel Coefficients.
5. Klik menu Statistics. f. Kolom Unstandardized Coefficients
6. Tandai Estimates, Confidence intervals, Model
fit,dan Descriptives.
7. Klik Continue.
8. Klik Options.
9. Pada Missing Values  Replace with mean.
10. Klik Continue  OK
6.2 Regresi Linear Berganda
TUJUAN. Membahas hubungan antara satu variabel dependen dengan beberapa variabel independen
Regresi linear berganda mempunyai bentuk umum:
Y = a + b1X1 + b2X2+ b3X3 + …….. + bnXn
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.
Iklan Quality Control Penerimaan 4. Gunakan metode Backward.

(juta rupiah) (juta rupiah) (juta rupiah) 5. Klik Options  Pilih prob.entri 0,05 dan
(X1) (X2) (Y) harga removal 0,1; exclude case listwise
6. Klik continue.
10 3 44 7. Klik Statistic
9 4 40 Aktifkan kotak Estimates dan model Fit
11 3 42 8. Klik Continue
12 3 46
11 4 48
12 5 52 INTERPRETASI OUTPUT SPSS:
13 6 54 a. Kolom Variables Entered/Removed Kolom
13 7 58 Model Summary
14 7 56 b. Kolom ANOVA
15 8 60 c. Kolom Coefficients
d. HIPOTESIS
LANGKAH-LANGKAH SPSS: e. Kaidah keputusan
1. Entri data f. Pengambilan keputusan
2. Klik Analyze  Regression  Linear g. Kesimpulan
3. Pindahkan var.takbebas ke kol.Dependent, var.bebas
ke kol.Independent(s).
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

1. Entri Data a. Kolom Variables entered/Removed
2. Klik Analyze  Regression  Linear b. Kolom Model Summary
3. Pindahkan var.takbebas ke kol.Dependent, var.bebas ke c. Kolom Anova
kol.Independent(s). d. Hipotesis
4. Pada kotak Method, pilih Backward. e. Kaidah dan pengambilan Keputusan
5. Klik OK f. Kesimpulan.
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:
Jumlah Pendapatan Belanja Konsumsi

Pendidikan
No Keluarga (juta) (ribu)
(X2)
(X1) (X3) (Y)
1 5 Sarjana 1,55 600

2 6 SMA 1,19 550
3 4 SMA 1,20 560
4 4 SMA 0,99 400
5 5 SMA 1,22 570
6 7 SMA 1,20 560
7 5 SMA 0,85 540
8 6 SD 1,20 560
9 4 SMA 0,99 440
10 6 SMA 1,20 560
11 4 SMA 0,99 440
12 4 SMA 0,99 440
13 6 SMA 1,20 560
14 4 SMA 0,99 440
15 3 SMA 0,99 440
16 4 SMA 0,99 440
17 4 SMA 0,99 440
18 8 SMA 1,20 560
19 6 SMP 0,90 560
20 7 SMA 1,20 560

1. Entri data a. Tabel Variables Entered/Removed,
2. Klik Analyze  Regression  Linear Model Summary, dan Anova
3. Pindahkan var.takbebas ke kol.Dependent, dan var.bebas ke b. Hipotesis
kol.Independent(s) c. Kaidah, Pengambilan keputusan
4. Klik OK d. Kesimpulan
6.4 Regresi Non Linier (Polynomial)
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
6.5 Transformasi Regresi
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
Perendaman (jam) Pertumbuhan (%) 2. Klik Analyze  Regression 

(X) (Y) Linear
3. Pindahkan var.takbebas ke
10 5,0 kol.Dependent dan
11 5,3 4. var.bebas ke kol.independent(s)
11 6,2 5. Klik Plot.
12 5,7 6. Masukkan *SRESID ke kolom Y
dan *ZPRED ke kolom X
13 7,3
7. Klik OK
13 7,5
15 6,9
16 9,2
INTERPRETASI OUTPUT
SPSS:
17 7,8
18 8,2 a. Persamaan regresi
b. Keputusan
20 11,4
c. Kesimpulan
1. Entri Data
6.6.2 Multikoliniearitas
TUJUAN.
 Multikoliniearitas adalah keadaan di mana variable-variabel independen dalam persamaan regresi

mempunyai korelasi (hubungan) yang erat satu sama lain.
 Parameter yang mudah dikenali dari adanya Multikoliniearitas: Multikoliniearitas menyebabkan
timbulnya masalah-masalah, yaitu:
 Multikoliniearitas terkadang dapat dihilangkan dengan cara:
 Metode terakhir dapat berarti penghilangan harga sebagai variabel penjelas yang kadang dapat
menimbulkan permasalahan baru yang lebih serius dibandingkan masalah Multikoliniearitas itu sendiri.
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:
Penjualan Pendapatan LANGKAH-LANGKAH SPSS:

Tahun
(X) (Y)
1. Entri Data
2005 10 5,3
2. Klik Analyze  Regression  Linear
2006 10,5 5,6
3. Pindahkan var.takbebas ke kol.Dependent dan var.bebas ke
2007 11 5,9 kol.Independent(s)
2008 12 6,3 4. Klik Statistics
2009 12,5 6,5 5. Aktifkan Durbin-Watson pada kotak Residual
2010 13 6,7 6. Klik Plot pola residual
2011 14 7,2 7. Masukkan *SRESID ke kol. Y dan *ZPRED ke kol.X
2012 15 7,7 8. Klik Continue
2013 16 8,1 9. Klik OK
2014 17 8,7
2015 17,5 9 INTERPRETASI OUTPUT SPSS:
2016 18 9,3 a. Persamaan Regresi
2017 19 9,9 b. Kesimpulan
2018 20 10,5 c. Grafik residual.
2019 20 10,5
35
MODUL 7. RANCANGAN PERCOBAAN
7.1 RANCANGAN ACAK LENGKAP (COMPLETE RANDOMIZED DESIGN/CRD)

TUJUAN. Rancangan acak lengkap ini digunakan untuk menyederhanakan rancangan percobaan standar
lainnya. Beberapa keuntungan menggunakan rancangan acak lengkap antara lain:
1. Denah perancangan percobaannya lebih muda
2. Analisis statistik terhadap objek percobaan sederhana
3. Fleksibel dalam jumlah penggunaan, perlakuan dan ulangan.
Contoh:
 Ingin diketahui pengaruh penggunaan hormon X pemacu pertumbuhan pohon mahoni.
 Larutan hormon X disuntikkan ke batang mahoni setiap 3 hari sekali
 Dosis yang digunakan adalah 10 gram/liter, 20 gram/liter, 30 gram/liter, dan 40 gram/liter.
 Setelah dua tahun, diameter mahoni tersebut diamati.
 Dosis manakah yang paling baik? Data-data penelitiannya adalah sebagai berikut:
Dosis Penyuntikan Dosis Penyuntikan
10 20 30 40 10 20 30 40
gr/L gr/L gr/L gr/L gr/L gr/L gr/L gr/L
43 61 100 70 46 72 88 75
28 66 109 72 38 68 89 62
26 44 98 73 20 64 106 63
39 57 102 68 57 67 102 66
39 61 98 89 23 74 105 69
LANGKAH-LANGKAH SPSS: INTERPRETASI OUTPUT DAN

ANALISIS DATA
1. Entri data ke SPSS data viewer
2. Klik Analyze | Compare Mean | One- Way ANOVA
a. Tabel Descriptives
3. Klik Post Hoc.
b. Tabel Test of homogeneity of variances
4. Pilih metode Benferroni dan Tukey,gunakan taraf
c. Analaisis: Hipotesis, Dasar
kepercayaan 95% (α=5%),
d. Pengambilan Keputusan
5. Klik Continue
e. Tabel Post Hoc Test
6. Klik Options
f. Multiple Comparisons digunakan bonferroni
7. Descriptibe dan Homogeneity od variance test
test atau Tukey test.
8. Klik Continue
g. Penafsiran yang sama dilakukan pada Tes
9. Klik OK Bonferroni
h. Arti tanda * Tabel Homogeneous Subsets
7.2 RANCANGAN ACAK KELOMPOK (RAK)
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:
Diameter (mm) 10. Pada kolom EqualVariances Assumed,

Blok Kontrol Dosis Dosis Dosis pilih Duncan
0 Kg 2 Kg 4 Kg 6 Kg 11. Klik Continue
12. Klik OK
I 119 153 150 130
II 150 152 140 143 Interpretasi Output dan
III 132 100 104 111 Analisis Data
LANGKAH-LANGKAH SPSS: a. Tabel Unvariate Anova,

b. Between-Subjects Factors
1. Entri data c. Tabel Unvariate Anova, Testof Between-
2. Kolom Value SubjectsEffects:
3. Klik Analyze | General Linear Model | Unvariate d. Hipotesis, Dasar pengambilan keputusan
4. Klik Model. e. Keputusan: Test ofBetween-Subjects
5. Pada kolom Specify Model, pilih Custom, Effects,
6. Pada Build Term(s), pilih menu Main effects f. Tabel Post Hoc Test,
7. Klik Continue g. Homogeneous Subsets
8. Klik menu Post Hoc. h. Kesimpulan
9. Isi kolom Post Hoc Test for.
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:
Jenis Mobil (Merk) 6 kolom Factor(s) - Post Hoc Test

Perlakuan 5 Klik Continue. Klik Post Hoc
A B C D E
pilih Duncan
1 11 10 7,5 8 9
Klik Continue
2 14 12 11 10 13
Klik OK
3 10 11 13 12 13
4 13 10 10 11 10
Interpretasi Output dan Analisis Data
5 14 12 11 10 12
a Tabel Unvariate Anova, Between-
Langkah-langkah RUN SPSS Subjects Factors
b Tabel Unvariate Anova, Test for
1 Entri data Between-Subjects Effects: Hipotesis,
2 Kolom Value Dasar Pengambilan Keputusan
3 Klik menu Model: c Keputusan
Pilih Custom d Tabel Post Hoc Test,
4 kolom Factors & Covariates - kolom e Homogeneous Subsets
5 Build Term(s), f Kesimpulan
pilih Main effects
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
Urutan Alat INTERPRETASI OUTPUT SPSS:

Penyimpanan I II III IV a. Tabel Unvariate Anova, Between-Subjects
1 C = 10 D = 14 A=7 B=8 Factors
b. Tabel Unvariate Anova, Test for Between-
2 B=7 C = 18 D = 11 A=8
Subjects Effects
3 A=5 B = 10 C = 11 D=9
c. Hipotesis
4 D = 10 A = 10 B = 12 C = 14 d. Tabel Post Hoc Test, Homogenous Subsets
GRAFIK:
1. Entri Data
2. Klik Analyze | General Linear Model | Unvariate
i. Klik Graphs | Bar….
3. Klik Model Pilih Custom  variable metode dan alat ii. Pada Bar Charts, pilih Simple, lalu klik
pada kolom Factors & Covariates  masuk ke kolom Define.
Model. iii. Pilih Others summary function, var.
4. Pada Build Term, pilih Main effects waktu ke kol.Variable dan metode ke
5. Klik Continue, Klik Post Hoc  variable metode dan kol.Category Axis
alat pada kol.Factor(s)  masuk ke kol.Post Hoc Test iv. Klik OK.
for, pilih Duncan test
6. Klik Continue, lalu Klik OK
7.4 RANCANGAN BUJUR SANGKAR GRAECO-LATIN
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
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

a. Tabel Unvariate Anova, Between-Subjects Factors
b. Unvariate Anova, Test of Between-Subjects Effects
7.5 Rancangan Percobaan Faktorial.
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:
Dosis Blok 3. Isi kol.Dependent Variable, dan kol.Fixed

Spesies Factor(s)
Pemupukan I II III
4. Klik Model dan isi variabel
0 50 40 47 5. Klik Post Hoc.
A 100 17 18 28 6. Isi kol.Post Hoc Test for, pilih Duncan
150 24 14 17 7. Klik Continue.
0 24 35 29 8. Klik OK
B 100 21 18 19
150 18 23 15
0 37 20 17 a. Tabel Unvariate Anova, Between-Subjects Factors.
C 100 43 25 20 b. Tabel Unvariate Anova, Test of Between-Subjects
150 39 19 21 Effects.
c. Hipotesis.
LANGKAH-LANGKAH SPSS: d. Kaidah dan Pengambilan Keputusan
1. Entri data e. Test of Between-Subjects Effects
2. Klik Analyze | General Linear Model | Unvariate.
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
Dosis Hasil panen (kuintal/ha) 4. Klik OK

5. Variables Entered
150 kg/ha 55 55 57 54 55 56 6. Variables Removed
175 kg/ha 60 61 60 60 60 60 7. Method (metode
200 kg/ha 65 64 68 67 66 62 8. R, Adjusted R square
9. Std. Error of the Estimation
225 kg/ha 70 72 68 68 77 77
10. Tabel Coefficients, Kolom 𝑡
250 kg/ha 77 78 79 80 82 82
a. Tabel Variables Entered/Removed
1. Entri data b. Tabel Model Summary
2. Klik Analyze | Regression | Linear
c. Keputusan.
3. Isi kol.ndependent(s) dan kol.Dependent
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).
9.1 Repetitive Measurement Method
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:
Pengukuran tinggi (M) Pengukuran tinggi (M)

SPESIES SPESIES
Orang I Orang II Orang I Orang II
Swetenia sp 17 15 Shorea sp 20 18
Psidium sp 11 11 Cinamomum sp 13 14
Delonix regia 12 11 Eucaliptus sp 13 12
Tectona grandis 10 11 Paraserianthes sp 11 10
Durio sp 11 11 Dalbergia latifolia 13 14
Manikara kauki 13 15 Mangifera indica 13 14
Gmelina arborea 11 14 Acacia crasicarpa 12 13
Pinus merkusii 15 16 Agathis sp 11 13
Pinus oocarpa 13 15 Ficus benjamina 19 20
Acacia mangium 16 17 Pinus merkusii 13 15
A auriculiformis 11 12 Gmelina arborea 18 17
Tectona grandis 12 10 Samanea saman 18 19
LANGKAH-LANGKAH SPSS: 8. Menu Missing Values
9. Kik Exclude cases pairwise
1. Entri data 10. Klik Continue
2. Klik Analyze | Correlate | Bivariate 11. Klik OK
3. Isi Kolom Variables.
4. Uji dua sisi INTERPRETASI OUTPUT
5. Flag significant correlations SPSS:
6. Klik Options a. Correlations
7. Statistics Mean and standard deviation rata dan standar deviasi b. Tabel Descriptive Statistics
c. Tabel Correlations.
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
Hasil Pengukuran Pertama LANGKAH-LANGKAH SPSS:

No. Butir No. Total
responden 1 2 3 4 5 6 7 8 9 10 X1 1. Entri data dengan format sebagai
berikut:
1 3 3 2 2 3 3 3 2 2 3 26 2. Klik Analyze | Correlate | Bivariate.
2 4 4 3 3 3 3 3 3 3 2 31 3. Isi kolom Variables.
3 4 4 3 3 4 3 3 3 4 4 35 4. Klik OK.
4 4 4 3 3 4 4 4 4 4 3 37
5 1 4 3 3 4 4 4 3 4 3 33 Output
6 3 3 3 3 4 4 3 4 3 2 32 Correlations
7 3 4 3 3 4 4 3 4 2 3 33
8 3 3 3 4 3 4 2 3 4 3 32 INTERPRETASI OUTPUT SPSS:
9 2 4 3 3 2 4 4 4 3 2 31
10 4 3 3 3 3 3 3 3 3 3 31 a. Tabel Descriptive Statistics
11 2 4 4 2 3 4 4 3 4 3 33 b. Tabel pertama merupakan deskripsi
12 2 3 3 4 4 4 2 4 4 3 33 dari masing-masing variabel.
c. Tabel Correlations
13 2 4 3 3 3 3 4 3 3 3 31
14 3 3 3 3 3 3 3 3 3 3 30
15 3 4 3 3 3 3 3 3 3 3 31
16 2 4 3 3 4 3 4 4 4 2 33
17 4 4 4 4 4 4 4 4 4 4 40
18 3 4 3 3 3 4 4 3 3 3 33
19 4 4 3 3 4 4 3 4 2 2 33
20 4 4 4 4 4 4 4 4 4 3 39
Hasil Pengukuran Kedua.

No. Butir No. Total
responden 1 2 3 4 5 6 7 8 9 10 X2
1 3 3 2 2 3 3 3 2 3 3 27
2 4 4 3 3 3 4 3 3 4 3 34
3 4 4 3 3 4 3 4 3 4 4 36
4 4 4 3 3 4 4 3 3 4 3 35
5 3 4 3 3 4 4 4 3 4 3 35
6 3 3 3 2 4 4 3 4 3 2 31
7 3 4 3 4 4 4 3 4 3 3 35
8 3 3 3 4 3 4 3 3 4 3 33
9 2 4 3 3 3 4 4 4 3 3 33
10 3 3 3 3 3 3 3 3 3 3 30
11 2 4 4 3 3 4 4 4 4 3 35
12 2 3 3 4 4 4 3 4 4 3 34
13 2 4 3 3 3 3 4 3 3 3 31
14 3 3 3 4 3 3 3 3 3 3 31
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
9.2 Repetitive Measurement Method
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:
No BUTIR / ITEM PERTANYAAN

Responden 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
1 5 4 3 3 3 4 3 3 4 3 3 3 3 3 4 3 3 4 3 3
2 3 3 3 3 4 3 4 4 3 3 3 3 3 4 3 3 4 3 4 4
3 4 4 3 3 3 4 4 4 2 4 4 4 4 4 4 4 2 4 4 3
4 4 4 3 3 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4
5 3 3 1 3 3 3 3 3 3 3 3 3 3 3 3 4 3 3 3 3
6 2 3 3 3 2 2 2 2 2 3 4 4 3 2 3 4 2 2 2 2
7 4 3 3 3 3 4 3 3 3 3 3 3 4 3 3 3 3 3 3 3
8 4 3 3 3 3 3 2 3 4 3 3 3 4 3 4 3 3 3 2 3
9 2 4 3 4 4 2 3 4 2 4 3 3 3 4 3 2 4 2 3 4
10 3 3 3 3 3 3 3 3 3 3 3 2 3 3 3 4 3 3 3 3
11 4 2 3 3 3 4 3 3 4 2 4 3 3 3 2 3 3 4 3 3
12 3 4 3 3 4 3 4 3 3 3 3 3 3 3 3 4 4 3 3 4
13 2 2 3 3 2 2 2 2 2 2 3 4 3 2 2 4 2 2 2 2
14 4 4 4 4 5 4 3 3 4 5 4 3 4 4 4 3 2 4 3 4
15 3 3 4 2 4 3 4 4 3 4 4 4 4 4 4 2 2 3 4 4
16 2 4 3 4 4 4 4 4 3 4 4 4 3 4 4 4 4 4 4 4
17 2 2 2 2 2 2 2 2 2 2 4 3 2 2 2 3 2 2 2 2
18 3 3 3 3 3 3 3 3 3 3 4 3 3 3 3 3 3 3 3 3
19 4 4 3 3 4 4 4 2 4 4 3 4 3 4 4 3 4 1 4 4
20 5 2 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4
44
1. Entri data. a. Reliability

2. Klik Analyze | Scale | Reliability b. Interpretasi:
3. Isi kol.Item.  Pada kelompok Item-total Statistics, Scale
4. Pada kotak model, pilih Alpha (Alpha mean if Item Deleted
Cronbach).  Scale Variance if Item Deleted.
5. Klik Statistics  Corrected Item-Total Correlation
6. Klik Item, Scale, dan Scale of deleted pada c. Pengambilan keputusan: Alpha if Item Deleted
bagian Descriptives. d. Interpretasi: Validitas, Reliabilitas, Cara
7. Klik Continue pengambilan keputusan, Kesimpulan
8. Klik OK
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
10.1 STATISTIK NON-PARAMETRIK

 Berbeda dengan statistik parametrik, yang memiliki asumsi sampel harus dipilih dari populasi yang dianggap
atau diketahui memiliki distribusi normal, hal tersebut tidak berlaku pada uji non-parametrik.
 Uji ini tidak pernah merumuskan kondisi maupun asumsi populasi dari mana sampel dipilih. Oleh karena itu
uji ini sering disebut statistik bebas distribusi.
 Uji non parametri lebih mudah dihitung dan dimegerti terutama karena datanya berupa urutan (order) atau
peringkat (rank). Namun uji ini kurang akurat dan efisien bila dibandingkan dengan metode parametrik.
10.2 TABEL X2.

Sebelum kita membahas uji non-parametrik, ada baiknya kita membahas tabel x2 terlebih dahulu karena dalam
uji hipotesis kita pasti melibatkan tabel tersebut. Berikut cara membangun tabel x2
1. Bangun data untuk kolom degree of freedom

2. Klik transform  Compute  kotak dialog Compute Variable
3. Tulis Chi  kotak Target Variable
4. Klik Idf. Chisq  drop down Funcions and Special Variables,.
5. Inputkan fungsi  pada kotak Numeric Expression dengan menekan panah atas
sehingga muncul tulisan IDF.CHISQ(?<?)
6. Ganti tanda tanya pertama dengan tingkat kepercayaan (0.95) dan ganti tanda tanya kedua
dengan variabel degree of freedom
7. Klik OK  Data View bertambah satu kolom  chi
10.3 CHI SQUARE

Chi-Square digunakan untuk menguji perbedaan antara frekuensi pengamatan dan frekuensi yang diharapkan.
Prosedur test Chi Square mentabulasi variabel ke dalam ketegori-kategori dan melakukan test hipotesis bahwa
frekuensi yang diamati tidak berbeda dengan nilai yang diharapkan. Contoh, sebuah perusahaan waralaba
memberikan hak penjualan produk dan jasanya pada 7 pengusahaan lokal. Diharapkan ketujuh waralaba tersebut
memiliki tingkat penjualan yang sama. Setelah setahun dilakukan pengamatan penjualan, berikut datanya
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
Ada tiga langkah penyelesaian, yaitu:

(1) memberi bobot variabel Jumlah,
(2) Melakukan pemisahan produk/variabel majalah, dan
(3) melakukan analisis binomial.
Prosedur pemisahaan produk dapat dilakukan sebagai berikut:
Buka file data yang akan dianalisis

1. Klik Data  Split File  kotak dialog Split File
2. Pilih Compare Groups, inputkan variabel Majalah  kotak Groups Based on
3. Klik OK
LANGKAH-LANGKAH SPSS: ANALISIS BINOMIAL
1. Klik Analyze  Nonparametris Test => Binomial kotak Binomial

2. Inputkan variabel Langganan  kotak Test Variable List
3. Pilih Get from data pada Define Dichotomy  Ketik 0,25 Test Proportion
4. Klik Options  kotak dialog Binomial Test: Options. Pilih Descriptive  Statistics dan Excluded cases
test-by-test  Missing Values
5. Klik Continue
6. Klik OK  Output SPSS Viewer
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
10.6. 1-SAMPLE K-S: ONE SAMPLE KOLMOGOROV-SMIRNOV

 Distribusi normal: memiliki fungsi densitas seperti lonceng terbalik yang simetris. Sekitar 68 % nilai dari
variasi normal jatuh pada 1 standar deviasi, 95% dalam 2 standar devisiasi, dan 99,7% dalam 3 standar
devisiasi.
 Distribusi Uniform: memiliki dua parameter, a dan b. Parameter a harus lebih kecil atau sama dibandingkan
parameter b. Variasi uniform memiliki nilai di antara kedua parameter tersebut dengan probabilitas yang
sama. Fungsi densitasnya adalah flat.
 Distribusi poisson: adalah distribusi peubah acak. Poisson X, yang menyatakan banyaknya sukses yang
terjadi dalam suatu selang waktu atau daerah tertentu.
 Distribusi eksponensial: memiliki satu parameter skala, dapat berupa kecepatan penurunan dan nilainya
harus positif. Distribusi eksponensial adalah distribusi khusus dari distribusi gamma. Kegunaan utama
distribusi ini pada life testing.
Contoh. Dilakukan pengamatan kecelakaan yang terjadi di lima daerah dalam 3 tahun ke belakang. Distribusi
apa yang sesuai dengan kecelakaan di lima wilayah tersebut? Berikut data kecelakaannya
3. Klik Options  kotak dialog Option.

4. Pilih Descriptive  Statistics
5. Klik Continue
6. Klik OK
Sebelum Anda melakukan analisis One Sample Kolmogorov-Smirnov:
LANGKAH- Berikut ini langkah-langkah untuk analisis One Sample Kolmogorov-Smirnov,
LANGKAH SPSS:
 Klik Analyze
1. Isi kotak Test Variable  Non-parametric Test
List  1-Sample K-S
2. Pilih Normal dan  kotak dialog One Sample Kolmogorov-Smirnov l
Poisson  Test
Distribution
10.7. TWO INDEPENDENT SAMPLES TEST

1) Two Independent Samples Test pada hakikatnya sama denan uji Independent-Sample T Test dengan
prasyarat yang lebih longgar. Kelonggaran tersebut meliputi mampu digunakan untuk tipe data ordinal dan
tidak memerlukan asumsi terdistribusi normal.
2) Test ini digunakan untuk menetapkan apakah nilai variabel tertentu berbeda di antara dua kelompok. Ada dua
uji popular pada test tersebut, yaitu: uji Mann-Whitney dan uji Kolmogorov-Smirnov.
LATIHAN. institusi pendidikan menyelenggarakan dua kelas: pagi dan sore, ingin dilihat hasil pendidikan yang
telah diberikan dengan melihat nilai ujian siswa dari kedua kelas. Apakah ada perbedaan atau tidak ?. Berikut
data sampel nilai siswa
2. Klik Analyze  Nonparametric Test  2 Independent Samples 
kotak dialog Two-Independent-Samples Test muncul
3. Isi kotak Test Variable List, dan kotak Grouping Variable
4. pilih uji Mann-Whitney U dan Kolmogorov-Smirnov Z  Test Type
5. Klik Define Groups  inputkan nilai variabel terikat  Group 1 dan
2.
6. Klik Continue
LANGKAH-LANGKAH 7. Klik OK  Output SPSS Viewer
SPSS: Analisis Two
Independent Samples Test
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
Sebelum anda melakukan analisis K-Independent Samples Test, beri bobot

terlebih dahulu pada variabel jumlah.
K-Independent Samples Test dapat dilakukan dengan langkah-langkah spss
sebagai berikut:
1 Buka file data yang akan dianalisis.
2 Klik Analyze  Nonparametric Test  K Indeendent Samples 
kotak dialog Test for Several Independent muncul.
3 Isi kotak.Test Variable list, dan kotak Grouping variable
4 Pilih uji Kruskal-Wallis H dan Median  Test Type.
5 Klik Define Range, isi kotak Minimum dan Maximum.
6 Klik Continue  kotak dialog Test for Several Independent Samples
7 Klik OK
 Output SPSS Viewer
10.9 TWO RELATED SAMPLES TEST

i. Two Related Samples Test pada hakikatnya sama dengan paired Samples T Test dengan prasyarat yang
lebh longgar. Analisis melibatkan dua pengukuran pada subjek yang sama terhadap suatu pengaruh atau
perlakuan tertentu.
ii. Pengukuran pertama dilakukan sebelum diberi perlakuan tertentu dan pengukuran kedua dilakukan
sesudahnya.
iii. Apabila suatu perlakuan tidak memberi pengaruh maka perbedaan rata-rata adalah nol. Analisis ini dapat
digunakan untuk tipe data nominal, ordinal, dan skala.
iv. Ada tiga Uji popular Two Related Samples Test, yaitu: Wilcoxon, Sign dan McNemar. Uji Wilcoxon
merupakan penyempurnaan uji Sign. Uji Sign menguji perbedaan pasangan pengamatan hanya sebatas tanda
positif dan negatif, tidak berdasar pada nilai perbedaan, sedangkan uji Wilcoxon memperhatikan besarnya
perbedaan tersebut. Uji McNemar menguji dua variabel berhubungan dikotomi yang bertipe data nominal
dan ordinal.
v. Contoh untuk uji Wilcoxon dan Sign. Dilakukan pengamatan pengaruh promosi terhadap penjualan suatu
produk, diamati jumlah penjualan produk sebelum dan sesudah promosi.
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:
1 Buka file data yang akan dianalisis.

2 Klik Analyze  Nonparametric Test  Two Dependent Samples.
kotak dialog Two Dependent samples.
3 Klik secara berurutan Blok variabel Tanpa promosi dan variabel Promosi;
4 Isi kotak.Test Pair(s) , aktif Test Type
5 Pilih uji Wilcoxon dan Sign.
6 Klik Option  kotak dialog Two
7 Klik OK  Dependent Samples: Option.
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:
Uji McNemar dapat dilakukan sebagai berikut:
1. Buka file data yang akan dianalisis.

2. Klik Analyze  Nonparametric Test  Two Dependent Samples
pada menu kotak dialog Two Related Samples muncul.
3. Blok variabel Tampa discount dan variabel Discount
4. Isi kotak.Test Pair(s) List
5. Pada Test Type, pilih uji McNemar.
6. Klik OK
10.10 K RELATED SAMPLES TEST
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
LANGKAH-LANGKAH ANALISIS FRIEDMAN DAN

KENDALL’S:
 Buka file data yang akan dianalisis.
 Klik Analyze => Nonparametric Test => K Dependent
Samples pada menu sehingga kotak dialog Test for Several
Related Samples akan muncul.
 Blok variabel Kopi1, kopi2, kopi3, kopi4 dan kopi5 pada kotak
sebelah kiri dan Inputkan ke kotak Test Variables. Pada Test
Type, pilih uji Friedman dan Kendall’s W.
 Klik OK
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
Klik statistics dan pilih Descriptive

Klik Continue
Klik OK
Analisis Cochran dapat dilakukan sebagai berikut:
1. Buka file data yang akan dianalisis.
2. Klik Analyze  Nonparametric Test  K Deendent
Samples pada menu sehingga kotak dialog Test for
Several Related Samples muncul.
3. Blok variabel prosedur1, prosedur2, prsedur3,
prosedur4 dan prosedur5 pada kotak sebelah kiri dan
4. Isi kotak Test Variables pada Test Type, pilih uji
. cochran
50
MODUL 11. ANALISIS TIME SERIES
TUJUAN. Mempelajari tentang Exponential Smooting

Exponential Smoothing. Analisis Exponential Smoothing merupakan salah satu analisis time
series, rangkai waktu, merupakan metode forecasting dengan memberi nilai pembobot pada
serangkaian pengamatan sebelumnya untuk memprediksi nilai masa depan.
Ada empat model yang mengakomodasi asumsi mengenai trend dan sesionality, yaitu
1. Simpel, model ini mengasumsikan bahwa seri pengamatan tidak memiliki trend dan variasi
sesional
2. Holt, model ini mengasumsikan bahwa seri pengamatan memiliki trend linier namun tidak
memiliki variasi sesional
3. Winters, model ini mengasumsikan bahwa seri pengamatan memiliki trend linier dan variasi
sesional
4. Custom, model ini memungkinkan dilakukan penetapan komponen trend dan sesionality
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:

2. Klik Analyze  Time Series  Exponential Smoothing  kotak dialog Exponential
Smoothing
3. Isi kotak Variables
4. Pilih Simple pada Model
5. Klik Parameters  kotak dialog Exponential Smoothing:Parameters
6. Pilih Grid Search dengan nilai default (start = 0, stop = 1, dan By = 0,1) pada General (Alpha).
Check Display only 10 best models for grid search untuk menampilkan 10 model terbaik
7. Klik Continue
8. Klik OK
Output SPSS Viewer  10 model Simple terbaik
LATIHAN. Interpretasikan dan analisis data dari output
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.
2. DISTRIBUSI PROBABILITAS DISKRET

Distribusi Probabilitas diskret yang umum digunakan adalah distribusi Binomial, Hipergeometrik,
Binomial Negatif, Geometri dan Poisson
a. DISTRIBUSI BINOMIAL
Suatu pengamatan atau percobaan dilakukan dengan beberapa usaha. Setiap usaha
menghasilkan dua kemungkinan, behasil atau gagal. Setiap usaha harus memenuhi syarat
proses Bernoulli sebagai berikut:
 Percobaan terdiri dari n usaha yang berulang.
 Tiap usaha memberi hasil yang dapat dikelompokkan menjadi sukses atau gagal.
 Probabilitas sukses dinyatakan dengan p, tidak berubah dari usaha yang satu ke
berikutnya.
 Tiap usaha bebas dengan usaha lainnya.
LATIHAN. Pengujian kualitas terhadap beberapa produknya. Hasil uji menyatakan 15%
produk tidak layak. Apabila dilakukan lagi pengujian terhadap 10 ban, berapa Probabilitas
tepat 5 ban tidak layak.
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
C. DISTRIBUSI BINOMIAL NEGATIF.

Distribusi Binomial Negatif memiliki sifat yang sama dengan distribusi Binomial.
Pembedanya terletak pada usaha yang dilakukan sampai sejumlah sukses tertentu.
LATIHAN. Berapa Probabilitas dua uang logam dilempar sekaligus untuk mendapat semua
muka ketiga kalinya pada lemparan ketujuh.Perhitungan dengan SPSS:
Gunakan fungsi PDF.NEGBIN(q, threshold, p), dimana variabel q identik dengan variabel
x, merupakan variabel jumlah usaha yang dilakukan. Variabel threhold identik dengan k,
merupakan variabel jumlah sukses dalam suatu usaha tertentu. PDF.NEGBIN(7,3, 0.25) 
0.07416
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
3. DISTRIBUSI PROBABILITAS KONTINU.

Distribusi Probabilitas kontinu yang umum digunakan adalah distribusi normal
I. DISTRIBUSI NORMAL.
 Distribusi normal distribusinya berbentuk lonceng dengan rataan µ dan variansi 𝜎 2

 Kurva setiap distribusi kontinu dibuat sedemikian rupa sehingga luas dibawah kurva
diantara kedua ordinal x = x1 dan x = x2 sama dengan Probabilitas peubah acak X
mendapat nilai antara x = x1 dan x = x2.
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
Perhitungan dengan SPSS. Anda dapat menggunakan fungsi PDF.NORMAL(q, mean,

stddev) bila mencari Probabilitas pada suatu titik tertentu dimana variabel q identik dengan
variabel x. Variabel mean identik dengan variabel µ. Variabel sttdev identik dengan variabel.
PDF.NORMAL(55, 50, 10) => 0.03521.
55

Modul Prak - Biostatistik

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Modul Prak - Biostatistik

Diunggah oleh

Hak Cipta:

Format Tersedia

1

1. Klik Start 3. Klik SPSS for Windows

Tampilan di atas merupakan pilihan-pilihan dari fasilitas

1.2 MEMBUAT FILE BARU

Klik Cancel muncul halaman kerja kosong

Diameter Tinggi Diameter Tinggi

1.3 IDENTIFIKASI DATA PADA VARIABLE VIEW

𝑻𝒚𝒑𝒆. Untuk menentukan tipe data pada kolom Type.

Gambar. Tabel Data Gabungan Kategori-Numerik

𝑪𝒐𝒎𝒎𝒂. Harga yang valid termasuk angka, tanpa plus dan

1.4 MEMBANGUN DATA

Gambar . Mengaktifkan SPSS 13.0 (any version)

Gambar. Kotak Dialog SPSS for Windows

1.5 BEKERJA PADA VARIABEL VIEW

LATIHAN. Buat Tabel

Gambar. Mamasukkan Data pada Data View

memperoleh Gambar di atas Gambar. Penetapan Kode Missing Value pada

Gambar. Data Tabel dengan Missing Value

1.13 MEMODIFIKASI DATA DAN MENYISIPKAN DATA/CASE

c. Sisipkan case data dengan berat 80,00.

Gambar. Data berat Badan

1.14 MENYISIPKAN VARIABEL

Tujuan: penambahan variabel/kolom

1. Open File data berat badan (Gambar 1.35)

1.16 METODE CUT & PASTE

1.17 MENGHAPUS DATA

Klik sel nama baris 3 Klik baris 3 Klik kolom berat

b. Klik Edit  Clear

Gambar. Hasil Penghapusan Data atau Variabel

1.18 MODIFIKASI DATA LANJUTAN

Gambar 1.41 Data Penjualan

Gambar 1.42 Kotak Dialog Sort Cases

2.1 PERAN TABEL DAN GRAFIK DALAM STATISTIK

No Vol penjual Wilayah

No Vol penjual Wilayah

1. Klik Data  Select Cases pada toolbar

2.3 METODE AGREGAT DATA

2.4 TRANSFORMASI DATA

Gambar. Data Penjualan (1)

Gambar. Data Penjualan (2)

2.7 MULTIPLE RESPONSE

Gambar . Data Survai Kepuasan Merk Parfum (a)

b. Klik Analyze  Multiple Response

a. Klik Analyze  Multiple Response  Frequencies  kotak dialog Multiple Response

2.10 OLAP CUBES. 72

2.11 GRAFIS DALAM PENGENDALIAN KUALITAS

II. BAGAN PENGAWAS – Ukuran Data Varibel

LATIHAN . Dilakukan pengendalian kualitas dengan melakukan 5 pengamatan produk (mengukur

Gambar. Pengamatan Hasil Sampling

4. Klik Define  kotak Dialog X-

III. X-BAR, R, S: BAGAN PENGAWAS RANGE

IV. BAGAN PENGAWAS INDIVIDUALS; MOVING RANGE

Gambar. Pengamatan Hasil Sampling

2.12 KELUAR DARI SPSS

√ 𝑵𝒐 𝒎𝒊𝒔𝒔𝒊𝒏𝒈 𝒗𝒂𝒍𝒖𝒆 berarti tidak ada data yang hilang

Contoh. No Tinggi (cm) No Tinggi (cm)

LANGKAH-LANGKAH SPSS: INTERPRETASI OUTPUT SPSS:

3.2 UJI T DUA SAMPEL INDEPENDEN (INDEPENDEN SAMPLE T TEST)

Varietas A LANGKAH-LANGKAH SPSS:

Tinggi Diameter Tinggi Diameter

LANGKAH-LANGKAH SPSS: INTERPRETASI OUTPUT SPSS:

3.3. UJI T DUA SAMPEL BERPASANGAN (PAIRED SAMPLE T TEST)

No Responden Nilai matematika Nilai matematika

3.4. UJI T SATU SISI (1 TAILED)