BAB I

PENDAHULUAN

1. 1 Latar Belakang
Statistika dapat didefinisikan sebagai ilmu yang membahas tentang
pengambilan data, pengolahan data sampai kesimpulan yang diperoleh dari
perhitungan dan pengolahan data tadi, serta membuat keputusan yang dapat
diterima berdasarkan analisis. Dalam kehidupan sehari-hari, sering kita temui
permasalahan yang dapat diformulasikan ke dalam persamaan matematis.
Hubungannya dengan statistika yaitu statistika digunakan untuk menyatakan data
atau bilangan yang diperoleh dari data, misalnya rata-rata dari data tersebut.
Permasalahan yang umum dihadapi oleh peneliti atau insinyur adalah
menyangkut cara pengambilan keputusan berdasarkan data mengenai suatu sistem
ilmu. Dalam tiap kasus, peneliti membuat dugaan mengenai suatu sistem. Sebagai
tambahan tiap kasus harus melibatkan penggunaan data percobaan dan
pengambilan keputusan berdasarkan data tadi. Secara resmi dalam tiap kasus
dugaan mengenai dugaan dapat dirumuskan dalam bentuk hipotesis statistik.
Keunikan statistik yaitu kemampuannya untuk menghitung ketidakpastian
dengan tepat. Dengan kemampuan itu para ahli statistik dapat membuat suatu
pernyataan yang tegas, lengkap dengan jaminan ketidakpastian. Didalam statistik
ada tiga hal penting yang mendasar yaitu analisa data yang membahas tentang
pengumpulan, penyajian dan mengintisarikan data. Kedua adalah probabilitas
yaitu membahas tentang hukum peluang dan yang terakhir adalah kesimpulan
statistik yaitu tentang ilmu penarikan kesimpulan statistik dari data tertentu
berdasarkan pengetahuan tentang probabilitas.

1. 2 Tujuan Praktikum
Tujuan yang hendak dicapai dalam praktikum ini adalah:
1. Mengerti dan memahami beberapa teknik pengambilan data.
2. Mengerti dan memahami mengenai statistik deskriptif dan statistik induktif.
3. Mengerti dan memahami teknik pengolahan data secara parametrik dan non
parametrik.
4. Mampu menginterpretasikan hasil pengolahan data dengan menggunakan teknik
parametrik dan non parametrik.

1. 3 Pembatasan Masalah
Pada laporan ini masalah yang dibahas terbatas pada pengolahan data
statistik parametrik dan non parametrik, baik dependen maupun independen
dengan nilai k = 2 dan k > 2.
Data pertama adalah data parametrik dengan k = 2 yaitu data mengenai
Banyaknya Kyai dan Ustadz menurut Kabupaten/Kota di Jawa Tengah Tahun
2004. Untuk data parametrik k > 2 yaitu data mengenai Banyaknya Jema'ah Haji
yang Diberangkatkan ke Tanah Suci (Mekkah) menurut Kabupaten/Kota di Jawa
Tengah Tahun Anggaran 2001-2003
Sedangkan untuk data non parametrik ada 2 jenis yaitu dependen dan
independen. Data independen dengan k = 2 adalah data mengenai Data Pengaruh
Jenis Kelamin terhadap Media Aktualisasi Diri yang diperoleh melalui kuesioner
dengan sampel mahasiswa Teknik Industri 2007. Untuk data independen k > 2
adalah data mengenai Data Pengaruh Golongan Darah terhadap Jenis Materi yang
Disukai yang diperoleh juga melalui kuesioner dengan sampel mahasiswa Teknik
Industri 2007. Data non parametrik dependen k = 2 merupakan data mengenai
Status Guru-Guru SMK-SB, untuk yang k > 2 adalah data Pengaruh Negara
Produksi terhadap Jenis Film yang Disukai
Ruang lingkup pengolahan data pada laporan ini dibatasi dengan
pengolahan data menggunakan software Microsoft Excel, SPSS, dan MINITAB.
1. 4 Prosedur Praktikum

Identifikasi Masalah

Studi Keputusan

Penentuan Metode Pengambilan Data

Teknik Pengambilan
Pengambilan Data Sekunder
Sampling Nonparametrik

Sampling acak
sederhana

Pengumpulan Data

Pengolahan Data (Deskriptif,

Parametrik ,dan Nonparametrik)

Interpretasi Data

Kesimpulan dan Saran

Gambar 1. 1 Flowchart Metodologi Praktikum

1. 5 Sistematika Penulisan
BAB I PENDAHULUAN
Berisi latar belakang, tujuan praktikum, pembatasan masalah, metodologi
praktikum, dan sistematika penulisan.
BAB II DASAR TEORI
Berisi dasar teori yang berhubungan dengan praktikum.
BAB III PENGOLAHAN DATA
Berisi pengolahan data parametrik independen, data non parametrik
independen, dan data non parametrik dependen dengan software Excel
dan SPSS.
BAB IV ANALISA
Berisi analisa terhadap hasil pengolahan data dengan teknik pengolahan
data parametrik dan non parametrik.
BAB V PENUTUP
Berisi kesimpulan dan saran.
 BAB II
DASAR TEORI

2. 1 Definisi Statistika
Statistik adalah ilmu yang membahas tentang pengambilan dan pengolahan data
sampai kesimpulan.
Statistik secara garis besar dapat dibagi menjadi 2 yaitu :
2.1.1 Statistika Deskriptif
Merupakan teknik statistik di mana di sini dilakukan pengambilan data,
penyajian data tanpa adanya kesimpulan. Untuk keperluan praktikum ini, perlu
pemahaman tentang: cara-cara penyajian data (histogram, distribusi frekuensi).
Untuk lokasi atau ukuran kecenderungan (berbagai macam mean, berbagai
macam median, modus, akar mean kuadrat, persentil dan kuartil) dan ukuran
deviasi (simpangan kuartil, rentang, simpangan baku, mean absolut simpang,
variansi).
(Modul Praktikum Statistika Industri, hal 1)
2.1.2 Statistika Induktif
Teknik statistik mempunyai pengumpulan data, pengolahan serta
penganalisaan terhadap data yang diperoleh sehingga nantinya dapat diambil
suatu kesimpulan. Statistik induktif meliputi perumusan hipotesis statistik
(pernyataan tentang populasi), pemilihan uji yang sesuai, penentuan taraf yang
signifikan, analisa statistik. Statistik induktif meliputi 2 hal yaitu :
 Teknik pengolahan data secara parametrik
 Teknik pengolahan data secara non parametrik
(Modul Praktikum Statistika Industri hal 1)

2. 2 Tipe Data Statistika

Data adalah bentuk jamak dari datum yang memiliki pengertian sebagai
keterangan-keterangan tentang suatu hal, dapat berupa sesuatu yang diketahui
atau dianggap. Sehingga data dapat diartikan sebagai sesuatu yang diketahui atau
dianggap.
 Statistik dalam prakteknya tidak bisa dilepaskan dari data yang berupa
angka, baik itu dalam statistik deskriptif yang menggambarkan data, maupun
statistik inferensi yang melakukan analisis terhadap data. Namun sebenarnya data
dalam statistik juga bisa mengandung data non angka atau data kualitatif.
1. Data berdasarkan susunannya
Berdasarkan susunanya, data dibagi menjadi data acak atau tunggal dan data
berkelompok.
a. Data acak atau data tunggal
Adalah data yang belum tersusun atau dikelompokkan ke dalam kelas-
kelas interval.
b. Data berkelompok
Adalah data yang tersusun atau dikelompokkan ke dalam kelas-kelas
interval. Data kelompok disusun dalam bentuk distribusi frekuensi atau
tabel frekuensi.
2. Data berdasarkan jenisnya
Berdasarkan sifatnya data dibagi menjadi :
a. Data kualitatif
Adalah data yang tidak berbentuk bilangan. Data kualitatif mempunyai
ciri tidak bisa dilakukan operasi matematika, seperti penambahan,
pengurangan, eprkalian dan pembagian. Yang termasuk data kulitatif
adalah data nominal dan data ordinal.
b. Data kuantitatif
Adalah data yang berbentuk bilangan. Jadi, berbagai operasi matematika
bisa dilakukan pada data kuantitatif. Yang termasuk data kuantitatif
adalah data interval dan data rasio.
(Singgih Santono, hal 3-6)
3. Data berdasarkan waktu pengumpulan
Berdasarkan waktu pengumpulannya dibagi menjadi :
a. Data berkala
Adalah data yang terkumpul dari waktu ke waktu untuk memberikan
gambaran perkembangan suatu kegiatan.
 b. Data cross section
Adalah data yang terkumpul pada suatu waktu tertentu untuk
memberikan gambaran perkembangan keadaan atau kegiatan pada waktu
itu.
(Diktat Statistika Industri. Hal 5)
4. Data berdasarkan sumber pengambilannya
Berdasarkan sumber pengambilannya, data dibagi menjadi :
a. Data primer
Adalah data yang diperoleh atau dikumpulkan oleh orang yang
melakukan penelitian atau yang bersangkutan yang memerlukannya.
Data ini juga disebut data asli atau data baru.
b. Data sekunder
Adalah data yang diperoleh atau dikumpulkan oleh orang dari sumber-
sumber yang telah ada. Data itu biasanya diperoleh dari perpustakaan
atau dari laporan-laporan peneliti yang terdahulu. Data ini juga disebut
sebagai data tersedia.
(Dirgibson Siagian Sugiarto, hal.16)
5. Data berdasarkan skala pengukuran
Skala pengukuran adalah peraturan penggunaan notasi bilangan dalam
pengukuran. Berdasarkan skala pengukuran , data dibagi menjadi :
a. Data nominal
Adalah data yang diberikan pada objek atau kategori yang tidak
menggambarkan kedudukan objek atau kategori tersebut terhadap objek
atau kategori lainnya, tetapi hanya sekedar label atau kode saja. Data itu
hanya mengelompokkan objek atau kategori ke dalam kelompok tertentu.
Data ini mempunyai dua ciri, yaitu :
1. Kategori data bersifat saling lepas
2. Kategori data tidak disusun secara logis
Data bertipe nominal adalah data yang paling ‘rendah’ dalam level
pengukuran data. Jika suatu pengukuran hanya menghasilkan satu dan
hanya satusatiunya kategori, data tersebut adalah data nominal (data
 kategori). Contoh: Status Kewarganegaraan ( 1 untuk indonesia,2 untuk
Amerika,3 untuk China)
b. Data ordinal
Adalah data yang penomoran objek atau kategorinya disusun menurut
besarnya, yaitu dari tingkat terendah ke tingkat tertinggi atau sebaliknya
dengan jarak / rentang yang tidak harus sama. Data ini memiliki ciri
seperti pada ciri data nominal ditambah satu ciri lagi, yaitu kategori data
dapat disusun berdasarkan urutan logis dan sesuai dengan besarnya
karakteristik yang dimiliki.
Data ordinal seperti pada data nominal, adalah juga data kualitatif namun
dengan level yang lebih ‘tinggi’ daripada data nominal. Jika pada data
nominal semua data kategori dianggap sama, maka pada data ordinal ada
tingkatan data. Contoh: Mengubah nilai ujian ke nilai prestasi, yaitu:
1. Nilai A untuk nilai dari 80-100
2. Nilai B untuk nilai dari 65-79
3. Nilai C untuk nilai dari 55-64
4. Nilai D untuk nilai dari 45-54
5. Nilai E untuk nilai dari 0 - 44
c. Data interval
Adalah data dimana objek / kategori dapat diurutkan berdasarkan suatu
atribut yang memberikan informasi tentang interval antara tiap objek/
kategori sama. Besarnya interval dapat ditambah atau dikurangi. Data ini
memiliki ciri yang sama dengan ciri pada data ordinal ditambah satu ciri
lagi yaitu urutan kategori data mempunyai jarak yang sama.
Data interval menempati pengukuran data yang lebih ‘tinggi’ dari data
ordinal, karena selain bisa bertingkat urutannya, juga urutan tersebut bisa
dikuantitatifkan. Data interval juga tidak memiliki nilai 0 absolut.

Contoh:

A B C D E
1 2 3 4 5
 Interval A-C adalah 3-1=2 Interval C-D adalah 4-3=1
Pada kedua interval ini dapat dijumlahkan menjadi 2 + 1 = 3. Atau
interval antara A dan D adalah 4 – 1 = 3. Pada data ini yang dijumlahkan
bukanlah kuantitas atau besaran, melainkan interval dan tidak terdapat
nilai nol absolut .

d. Data rasio
Adalah data yang memiliki sifat-sifat data nominal, data ordinal, dan data
interval, dilengkapi dengan titik nol absolut dengan makna empiris.
Karena terdapat angka nol maka pada data ini dapat dibuat perkalian atau
pembagian. Angka pada data menunjukkan ukuran yang sebenarnya dari
objek/ kategori yang diukur. Data rasio adalah data dengan pengukuran
paling ‘tinggi’ di antara jenis data lainnya. Contoh: membandingkan nilai
mata kuliah antara dua mahasiswa.

(Singgih Santono, hal 3-6)

6. Data berdasarkan sifatnya

a. Data diskret
Data yang didapat dengan cara menghitung.
b. Data kontinu
Data yang dapat mempunyai nilai yang terletak dalam suatu interval
(Dergibson Siagian Sugiarto, hal 13)
7. Data berdasarkan sumbernya
a. Data Internal
Data yang menggambarkan kegiatan atau keadaan di dalam suatu
organisasi.
b. Data Eksternal
Data yang menggambarkan kegiatan atau keadaan di luar suatu
organisasi.
(Dergibson Siagian Sugiarto, hal 18)
2. 3 Teknik Pengambilan Sampel
Telah diketahui bahwa statistik mencakup teknik pengambilan data untuk
pengumpulan data. Untuk ini maka praktikan harus mengerti beberapa teknik
pengambilan sampel (teknik sampel), dimana hal ini merupakan hal yang paling
mendasar dalam penggunaan teknik statistik karena apabila kita mengamati
sebuah populasi kita tidak dapat mengamati keseluruhan yang ada dalam populasi
tersebut, melainkan hanya pada populasi tertentu.
Teori penarikan sampel merupakan suatu ilmu tentang hubungan antara
populasi dengan sampel yang diambil dari populasi tersebut. Teori dapat
digunakan untuk menduga jumlah populasi yang tidak diketahui dan berguna juga
dalam menentukan apakah perbedaan-perbedaan yang nampak antara dua sampel
disebabkan oleh variasi secara kebetulan atau apakah memang perbedaan itu
cukup tidak terjadi secara kebetulan (significant).
Sampel ialah sebagian anggota populasi yang diambil dari dengan
menggunakan teknik tertentu yang disebut dengan teknik sampling. Teknik
sampling berguna agar:
1. Mereduksi anggota populasi menjadi anggota sampel yang mewakili
aggota populasinya, sehingga kesimpulan terhadap populasi dapat
dipertanggung jawabkan.
2. Lebih teliti menghitung yang sedikit daripada yang banyak.
3. Menghemat waktu tenaga, biaya,benda coba yang merusak.

Metode pengambilan sampel yang ideal mempunyai sifat-sifat sebagai berikut:

1. Mampu menghasilkan gambaran yang dapat dipercaya mengenai
keseluruhan populasi
2. Sederhana sehingga mudah dilaksanakan
3. Efisien, mampu memberikan keterangan sebanyak mungkin dengan
biaya yang rendah
4. Mampu memberikan gambaran tentang tingkat ketelitian penelitian.
Dalam teknik sampling perlu dipahami parameter-parameter yang dianggap
enentukan apakah sampel itu cukup representatif atau tidak, dimana ada 4
parameter yaitu :

1. Variabilitas populasi
2. Ukuran atau besar sampel
3. Teknik penentuan sample
4. Kecermatan memasukkan ciri-ciri populasi
Dari populasi ke sampel ini terdapat proses penarikan sampel (teknik Sampling)
yaitu :
a. Non Probability Sampling (Sampling Nonrandom)
Adalah cara pengambilan sample yang semua objek atau elemen populasinya
tidak memiliki kesempatan yang sama untuk dipilih sebagai sample. Hasil dari
sampling nonrandom memiliki sifat subjektif atau kurang objektif. Hal ini
diakarenakan pada waktu sample diambil dari populasi, probabilitasnya tidak
diikutsertakan, tetapi berdasarkan aspek pribadi seseorang.
Yang termasuk sampling nonrandom antara lain
1. Sampling Kuota
Adalah bentuk sampling nonrandom yang merincikan lebih dahulu segala
sesuatu yang berhubungan dengan pengambilan sampel. Dengan demikian
petugas hanya mengumpulkan data mengenai sesuatu yang telah dirinci.
Akan tetapi, pengambilan unit samplingnya ditentukan oleh si petugas.
2. Sampling pertimbangan
Adalah bentuk sampling nonrandom yang pengambilan sampelnya
ditentukan oleh peneliti berdasarkan pertimbangan atau kebijaksanaanya.
Cara sampling ini cocok untuk studi kasus.
3. Sampling Seadanya
Adalah bentuk sampling nonrandom yang pengambilan sampelnya
dilakukan seadanya atau berdasarkan kemudahannya mendapatkan data
yang diperlukan. Pada

b. Probabilty Sampling (Samplng Random)

Yaitu cara pengambilan sampel dengan semua objek atau elemen populasi
memiliki kesempatan yang sama untuk dipilih sebagai sampel. Hasil dari
sampling ini memiliki sifat yang objektif.
Yang termasuk Probability Sampling yaitu :
1. Sampling random sederhana
Adalah sampling random yang sifatnya sederhana, tiap sampel yang
berukuran sama memiliki probabilitas sama untuk terpilih dari populasi.
Sampling random sederhana dilakukan apabila :
 Elemen-elemen yang bersangkutan homogen
 Hanya diketahui identitas-identitas dari satuan-satuan individu
(elemen) dalam populasi, sedangkan keterangan lain mengenai
populasi, seperti derajat keseragaman, pembagian dalam golongan-
golongan tidak diketahui, dan sebagainya.
Sampling random sederhana dapat dilakukan dengan menggunakan dua
metode, yaitu :
- Metode undian
Adalah metode yang prosesnya dilakukan dengan menggunakan pola
pengundian dan hanya cocok untuk populasi yang kecil
- Metode tabel random
Adalah metode yang prosesnya dilakukan dengan menggunakan tabel
bilangan random. Tabel bilangan random adalah tabel yang dibentuk
dari bilangan biasa yang diperoleh secara berturut-turut dengan
sebuah proses random serta disusun ke dalam suatu tabel.
2. Sampling Berlapis (sampling Stratified)
Adalah bentuk probability sampling yang populasi atau elemen
populasinya dibagi dalam kelompok-kelompok yang disebut strata.
Sampling stratified dilakukan apabila :
 Elemen-elemen populasi heterogen
 Ada kriteria yang akan dipergunakan sebagai dasar untuk
menstratifikasi populasi ke dalam stratum-stratum
  Ada data pendahuluan dari populasi mengenai kriteria yang akan
digunakan untuk stratifikasi
 Dapat diketahui dengan tepat jumlah satuan-satuan individu dari
setiap stratum dalam populasi
3. Sampling Sistematis
Adalah bentuk sampling random yang mengambil elemen-elemen yang
diselidiki berdasarkan urutan tertentu dari populasi yang telah disusun
secara teratur. Sampling sistematis dilakukan apabila :
 Identifikasi atau nama dari elemen-elemen dalam populasi itu
terdapat dalam suatu daftar, sehingga elemen-elemen tersebut dapat
diberi nomor urut.
 Populasi memiliki pola beraturan, seperti blok-blok dalam kota atau
rumah-rumah pada suatu ruas jalan.
4. Sampling kelompok (Sampling Cluster)
Adalah bentuk sampling random yang populasinya dibagi menjadi
beberapa kelompok (cluster) dengan menggunakan aturan-aturan tertentu,
seperti batas-batas alam dan wilayah administrasi pemerintahan.
( Dirgibson Siagian Sugiarto, hal. 115 )

2. 4 Statistika Deskriptif
Statistika deskriptif merupakan teknik statistik dimana disini dilakukan
pengambilan data, penyajian data tanpa adanya kesimpulan.
2.4. 1 Mean, Median, Modus dan Ukuran Pemusatan lainnya
2.1.2.1 Mean
Nilai mean (rata-rata hitung) dari suatu himpunan N bilangan X1, X2, ..., XN
ditunjukkan oleh X dan dirumuskan sebagai berikut:
N

X  X 2  ...  X N
X
j 1
j

X  1  ................................. (2.1)
N N
2.1.2.2 Median
 Median dari suatu himpunan bilangan yang disusun menurut urutan besarnya
merupakan pertengahan atau nilai tengah hitung dari pertengahan.
2.1.2.3 Modus
Modus suati himpunan bilangan adalah nilai yang terjadi dengan frekuensi
terbesar yaitu nilai yang paling umum. Modus mungkin tidak ada dan jika ada
boleh jadi tidak unik.
2.1.2.4 Kuartil, Desil, dan Persentil
Jika suatu himpunan data disusun menurut besarnya, nilai tengah yang
membagi atas dua bagian yang sama adalah median. Dengan memperluas
pemikiran tersebut, dapat dibayangkan nilai-nilai yang membagi himpunan
atas empat bagian yang sama dan dikenal dengan kuartil. Secara serupa, nilai-
nilai yang membagi data atas sepuluh bagian yang sama disebut desil.
Sedangkan nilai-nilai yang membagi data atas seratus bagian dinamakan
persentil.
(Spiegel, Statistika hal 61-66)
2.4. 2 Simpangan baku dan Ukuran Sebaran Lain
1. Simpangan kuartil
Simpangan kuartil Q dari suatu himpunan didefinisikan oleh
Q3  Q1
Q ..................................................... (2.2)
2
2. Rentang yang merupakan selisih antara bilangan terbesar dengan bilangan
terkecil dalam suatu himpunan.
Rentang = data terbesar – data terkecil .............................. (2.3)
3. Simpangan baku
Simpangan baku adalah deviasi atau penyimpangan suatu data terhadap rata-
ratanya. Dapat dirumuskan:
2

S
 ( x  x) .................................................. (2.4)
N
4. Variansi
Variansi suatu himpunan didefinisikan sebagai kuadrat simpangan baku (s2).
Bilamana diperlukan untuk membedakan simpangan baku populasi dari
 simpangan baku sampel yang berasal dari populasi ini seringkali kita
menggunakan lambang S untuk simpangan baku sampel dan σ untuk
simpangan baku populasi. Jadi S2 mewakili variansi sampel dan σ2 mewakili
variansi populasi.
(Spiegel, Statistika hal 92-94)
2.4. 3 Distribusi Frekuensi dan Histogram Frekuensi
Data mentah adalah data yang dikumpulkan yang belum diatur secara
numerik. Pada waktu meringkaskan sejumlah besar data mentah sering sangat
berguna mendistribusikan data dalam kelas atau kelompok dan menetapkan
banyaknya individu yang termasuk dalam setiap kelas yang disebut frekuensi
kelas. Suatu penyusunan tabulasi data memakai kelas bersama dengan frekuensi
kelas yang berhubungan disebut distribusi frekuensi atau tabel frekuensi.
Histogram merupakan gambaran secara grafik dari distribusi frekuensi.
Histogram atau histogram frekuensi ini terdiri dari himpunan siku empat yang
mempunyai :
Alas pada sumbu mendatar (sumbu-x) dengan pusat markah (titik tengah
kelas) dan panjang sama dengan ukuran selang kelas.
Luas sebanding terhadap frekuensi kelas.
Jika semua selang kelas mempunyai ukuran sama, tinggi segi empat
sebanding terhadap frekuensi kelas dan merupakan kebiasaan untuk
mengambil tinggi secara numerik sama dengan frekuensi kelas.
Dari suatu histogram, kita bisa mengetahui informasi mengenai data yang
kita teliti.
2.4. 4 Kemencengan
Skewness atau kemencengan adalah derajat ketaksimetrisan, atau
kejauhan dari simetri dari suatu distribusi. Berdasarkan kemencengannya, grafik
distribusi terbagi menjadi tiga, yaitu:
a. Negatively skewed distribution, yaitu kurva frekuensi suatu distribusi yang
mempunyai ekor yang lebih panjang ke kiri dari maksimum pusat daripada
yang ke kanan, distribusi ini disebut juga menceng ke kiri atau mempunyai
kemencengan negatif.
 b. Positively skewed distribution, yaitu kurva frekuensi suatu distribusi yang
mempunyai ekor yang lebih panjang ke kanan dari maksimum pusat daripada
yang ke kiri, distribusi ini disebut juga menceng ke kanan atau mempunyai
kemencengan positif.
c. Symmetric distribution, yaitu kurva frekuensi suatu distribusi yang
mempunyai ekor yang sama panjang dari maksimum pusat.

Negatively skewed distribution Positively skewed distribution Symmetric

distribution
Gambar 2. 1 Distribusi Kemencengan (Skewness)

Untuk distribusi yang menceng, mean cenderung terletak pada sisi yang
sama dari modus sebagai ekor yang panjang. Jadi suatu ukuran tak simetri
diperlihatkan oleh selisih (mean-modus). Ini dapat dibuat tanpa ada pembagian
oleh suatu ukuran sembarang, sama seperti simpangan baku, sehingga kita
dapatkan definisi:
mean  mod us x  mod us
kemencengan   ............................(2.5)
simpangan baku s

2.4. 5 Kurtosis
Kurtosis adalah derajat kepuncakan dari suatu distribusi, biasanya diambil
secara relatif terhadap suatu distribusi normal. Berdasarkan kurtosisnya, grafik
distribusi terbagi menjadi tiga, yaitu:
 Leptokurtik, yaitu distribusi yang mempunyai puncak relatif tinggi.
 Platikurtik, yaitu distribusi yang mempunyai puncak mendatar.
 Mesokurtik, yaitu grafik yang berdistribusi normal yang puncaknya tidak
terlalu lancip atau berpuncak mendatar.
 4
 n(n  1)  xi  x    3(n  1)
2

Derajat Kepuncakan = 
 (n  1)(n  2)(n  3)
     
 s    (n  2)(n  3) 


Leptokurtik Platikurtik Mesokurtik

Gambar 2. 2 Jenis-jenis Distribusi Berdasarkan Kurtosis

Salah satu pengukuran kurtosis menggunakan momen keempat di sekitar

nilai mean yang dinyatakan dalam bentuk tanpa dimensi dan diberikan oleh:
m4 m
Koefisien momen dari kurtosis = a 4  4
 42 ...................... (2.6)
s m2
(Spiegel, Statistika hal 120)
Yang seringkali dinyatakan dengan b 2. Ada beberapa sumber yang
menuliskan bahwa untuk menentukan jenis kurva dapat ditentukan dari ukuran
kemencengannya:
 Jika a4 = 3 atau saat kurtosis = 0, maka kurva berdistribusi normal
(Mesokurtik).
 Jika a4 > 3 atau saat kurtosis > 0 (positif), maka kurva berdistribusi
Leptokurtik.
 Jika a4 < 3 atau saat kurtosis < 0 (negatif), maka kurva berdistribusi
Platikurtik.
(Sudjana, Metode Statistika hal 120)
(Amitava, Fundamentals of Quality Control and Improvement)

2. 5 Statistik Parametrik
 Kebanyakan cara pengujian hipotesis didasarkan pada anggapan bahwa sampel
acak diambil dari populasi normal. Kebanyakan uji tersebut masih dapat diandalkan bila
penyimpangannya dari kenormalan hanya sedikit, terutama sekali bila ukuran
sampelnya besar. Biasanya cara pengujian ini dinamakan metode parametrik.
(Walpole & Myers, Ilmu Peluang dan Statistika hal 691)
Statistik parametrik merupakan teknik statistik dimana dilakukan pengumpulan
data, pengolahan serta penganalisaan terhadap data yang diperolah sehingga nantinya
dapat diambil suatu kesimpulan. Ciri–ciri dari data parametrik adalah :
1. Data berdistribusi normal
2. Merupakan data interval atau data rasio
3. Jumlah data lebih dari sama dengan 30 (n ≥ 30)

2. 6 Uji – Uji Statistik Parametrik

Pengolahan data secara parametrik ini merupakan pengolahan data dimana
anggapan kenormalan diberlakukan, tercakup di dalamnya adalah :

 Uji Kebaikan-Suai
Uji Goodness of Fit digunakan untuk menentukan apakah suatu populasi
mempunyai suatu distribusi teoritis tertentu. Uji tersebut didasarkan atas baiknya
kesesuaian yang ada antara frekuensi terjadinya pengamatan pada sampel
teramati dan frekuensi harapan yang diperoleh dari distribusi yang
dihipotesiskan.
Uji goodness of fit adalah uji hipotesis statistik yang digunakan untuk
menaksir bentuk apakah observasi X1,X2,…Xn adalah independen sampel dari
distribusi khusus dengan fungsi distribusi F. Uji goodness of fit dapat digunakan
untuk menguji serangkaian uji hipotesis nol
Terdapat tiga macam uji Goodness of Fit, yaitu Chi-square test,
Kolmogorov-Smirnov Test, dan Anderson Darlinguji
 Uji Menyangkut Ratan dan Variansi
Uji menyangkut rataan ini berkaitan dengan distribusi t, uji ini dapat
menyangkut satu rataan atau variansi dan menyangkut dua variansi atau rataan.
 Uji Menyangkut Proporsi
 Uji ini banyak dipakai dalam berbagai bidang. Uji ini digunakan untuk
mengetahui proporsi suatu peristiwa dalam suatu populasi. Sebagai contoh,
seorang politisi tentunya tertarik untuk mengetahui berapa bagian dari pemilih
yang akan mendukungnya dalam pemilihan mendatang. Pengusaha pabrik
berkepentingan mengetahui proporsi cacat dalam suatu pengiriman
produksinya.

 Uji Kebebasan
Merupakan uji untuk mengetahui keterkaitan antara dua atau lebih
variabel atau untuk mengetahui sifat ketergantungan (hubungan) suatu variabel
dengan variabel yang lain.
 Galat I dan Galat II
Galat I adalah penolakan hipotesis nol padahal hipotesis itu benar.
Galat II adalah penerimaan hipotesis nol padahal hipotesis itu salah.
 Uji Anova
Anova sering disebut sebagai analisis variansi. Sampel acak ukuran n
diambil masing-masing dari k populasi. Ke k populasi yang berbeda ini
diklasifikasikan menurut perlakuan atau grup yang berbeda. Dewasa ini istilah
perlakuan digunakan secara umum dengan arti klasifikasi, apakah itu kelompok,
adukan, penganalisis, pupuk yang berbeda, atau berbagai daerah di suatu
negara. Pada Anova terdapat pengujian hipotesis nol bahwa rataan ke k populasi
sama lawan tandingan bahwa paling sedikit dua dari rataan ini tidak sama.
Uji yang akan dipakai didasarkan pada perbandingan dua taksiran bebas
dari kesamaan variansi populasi 2. Perlu dibandingkan ukuran variansi antara
perlakuan yang sesuai dengan variansi dalam perlakuan, agar dapat ditemukan
perbedaan yang berarti dalam pengamatan akibat pengaruh perlakuan.
Analisis variansi untuk klasifikasi eka arah dapat dilihat pada tabel di
bawah ini yang sama dengan tabel Anova.
Tabel 2. 1 Analisis Variansi Untuk Klasifikasi Eka Arah

Sumber Jumlah Derajat Rataan

f Hitungan
Variansi Kuadrat Kebebasan Kuadrat
 2
2 JKA S1
Perlakuan JKA k-1 S1  2
k 1 S2

JKA
Galat JKG k (n - 1) S2 
k (n  1)

Total JKT nk - 1

k n
2 T 2 ..
JKT =  y
i 1 j 1
ij 
nk

k
2
 Ti
j 1 T 2 ..
JKA = 
n nk

JKG = JKT – JKA

 Uji-F
Pada pengujian kesamaan dua variansi populasi 12 dan 22, yang ingin
diuji adalah hipotesis nol Ho bahwa 12 = 22 lawan salah satu tandingan 12 <
22, 12 > 22, atau 12  22.
Untuk dua sampel acak berukuran masing-masing n1 dan n2 dari dua
populasi, nilai f untuk menguji 12 = 22 ialah nisbah :
2
s1
f  2
........................................................ (2.7)
s2
dengan s12 dan s22 variansi yang dihitung dari dua sampel. Jika kedua populasi
2
s
berdistribusi hampir normal dan hipotesis nol benar maka nisbah f  1 2 suatu
s2
nilai distribusi – F dengan derajat kebebasan v1 = n1 – 1 dan v2 = n2 – 1. Dengan
demikian daerah kritis berukuran  yang sesuai dengan tandingan eka pihak 12
< 22, 12 > 22 adalah masing-masing f > f1- (v1,v2) dan f > f (v1,v2). Untuk
tandingan dua pihak 12  22, daerah kritis adalah f < f1- (v1,v2) dan f > f/2
 (v1,v2). Untuk mengambil keputusan disesuaikan dengan daerah kritis, bila nilai
peluang berada didaerah kritis maka ditolak dan begitupun sebaliknya.
Dalam pengambilan keputusan dapat dengan membandingkan nilai P
hasil perhitungan dengan . Jika P lebih besar daripada , maka Ho diterima
dan begitupun sebaliknya.
(Walpole & Myers, Ilmu Peluang dan Statistika hal 257-260)
 Uji-T
Dalam uji menyangkut dua rataan keadaan yang lebih umum berlaku
ialah keadaan dengan variansi tidak diketahui. Bila si peneliti bersedia
menganggap bahwa kedua distribusi normal dan bahwa 1 = 2 = , maka uji t-
gabungan (sering disebut uji-t dua sampel) dapat digunakan. Uji statistik
tersebut berbentuk :
( x1  x 2 )  d 0
t ........................................... (2.8)
S p 1 / n1  1 / n 2

untuk
2 2
S1 ( n1  1)  S 2 ( n2  1)
S2p  .................................. (2.9)
n1  n2  2
Distribusi-t digunakan diisi dan bila hipotesisnya dwipihak maka
hipotesis ditolak bila
 t / 2 ,n1  n2  2 < t < t / 2 ,n1 n2  2

Sebagian mungkin telah diduga tandingan ekapihak menimbulkan daerah kritis

ekasisi. Sebagai contoh, untuk H1 : 1- 2 > do, tolak Ho : 1- 2 = do bila t >
t / 2 ,n1 n2  2 . Dapat juga dengan membandingkan nilai P perhitungan dengan taraf

keberartian. Jika P lebih besar maka Ho diterima, dan apabila sebaliknya maka
Ho ditolak.

Pengamatan Berpasangan
Perhitungan selang kepercayaan untuk 1 -  2 dalam hal ini didasarkan
pada peubah acak
 D  D
T .............................................. (2.10)
Sd n

Hipotesisnya berbentuk, Ho : D = do
Uji statistik hasil perhitungan menjadi

d  do
t ....................................................... (2.11)
Sd n

Daerah kritis untuk ekasisi t < -t atau t > t, sedangkan untuk dwisisi t < -t atau
t > t dengan menggunakan distribusi-t dengan derajat kebebasan n – 1. Dalam
pengambilan keputusan juga dapat dengan membandingkan nilai P perhitungan
dengan taraf keberartian (). Jika P lebih kecil atau sama dengan , maka Ho
ditolak dan apabila sebaliknya maka Ho diterima.
(Walpole & Myers, Ilmu Peluang dan Statistika hal 252-257)

2. 7 Statistik Nonparametrik
Suatu pengujian populasi seringkali dihadapkan pada suatu uji yang harus
dilakukan tanpa kebergantungan asumsi-asumsi yang kaku karena bersifat khusus. Uji
statistik nonparametrik merupakan alternatif untuk memenuhi kebutuhan tersebut
dikarenakan menghasilkan kesahihan dan validitas meskipun hanya berdasar pada
asumsi-asumsi umum. Tipe utama prosedur statistik yang dimasukkan dalam
nonparametrik adalah prosedur-prosedur nonparanetrik murni dan prosedur-prosedur
bebas distribusi (distribution free procedures). Ciri–ciri dari data non parametrik adalah
:
1. Data berdistribusi tidak normal
2. Merupakan data nominal atau data ordinal
3. Jumlah data kurang dari sama dengan 30 (n ≤ 30)
Keunggulan Statistik Non Parametrik :
Beberapa keuntungan dalam penggunaan statistik non parametrik adalah :
a. Kemungkinan keasalahan pada penggunaan adalah minimum karena asumsi
yang digunakan minim.
b. Perhitungan yang digunakan umumnya mudah meskipun secara manual.
 c. Prosedur yang digunakan lebih mudah dipahami oleh semua pihak.
d. Prosedurnya dapat digunakan meskipun dengan skala pengukuran terendah.
Kekurangan statstik non parametrik :
Di samping memilki kelebihan-kelebihan tersebut di atas, penggunaan statistik
non parametrik juga mempunyai kelemahan di antaranya :
a. Meskipun perhitungannya sederhana tetapi pada umumnya menjemukan.
b. Beberapa kasus sebenarnya lebih tepat jika digunakan prosedur-prosedur
parametrik.
Sebagai ringkasan, bila uji parametrik dan non parametrik keduanya berlaku pada
himpunan data yang sama, gunakanlah selalu uji parametrik yang lebih efisien. Akan
tetapi bila diketahui bahwa anggapan kenormalan sering tak berlaku dan ternyata bahwa
yang dihadapi adalah pengukuran yang tidak kuantitatif maka digunakan uji yang non
parametrik.
(Walpole & Myers, Ilmu Peluang dan Statistika hal 691, 1995)

2. 8 Uji – Uji Statistik Nonparametrik

Kebanyakan cara pengujian hipotesis pada uji parametrik adalah didasarkan pada
anggapan bahwa sampel acak diambil dari populasi normal. Padahal tidak semua data
yang digunakan pada pengujian-pengujian tersebut diatas berdistribusi normal. Untuk
mengatasi hal tersebut lalu digunakan uji non parametrik. Uji non parametrik adalah uji
yang mengabaikan asumsi dari kenormalan data populasi.
Yang tercakup didalam uji non parametrik adalah Pengujian Kolmogorof-
Smimov, Uji Tanda, Uji Dwi Sampel Wilcoxon, Uji Runtun dan Uji Kruskal Walls.
(Modul Parktikum Statistika Industri hal 4, 2005)

2.8. 1 Pengolahan data nonparametrik k = 2

2.8.1. 1 Pengolahan data nonparametrik independen k =2
1. Uji Mann-Whitney
Uji digunakan untuk menguji ada tidaknya perbedaan yang significant
untuk 2 sampel yang independent. Uji Mann-Witney disebut juga uji U,
beraku untuk kasus dua sample independent dengan skor yang berskala
 ordinal. Uji Mann- Whitney dipakai untuk menguji apakah dua kelompok
independent telahmditarikdari populasi yang sama. Uji ini merupakan
pengembangan dari uji Wilcoxon dengan dua sample berukuran tidak sam,
dan pemberian jenjang didasarkan pada skor gabungan. Uji Mann-hitney tidak
memerlukan anggapan tertentu mengenai populasi dari mana sampel
diambil(seperti uji-uji non-parametrik lainnya). Asumsi yang diperlukan
hanyalah bahwa nilai dari variable random dari dua kelompok yang
diperbandingkan adalah berditribusi kontinyu. Hipotesis nihil yang akan diuji
mengatakan bahwa dua sample independent diambil dari populasi yang
memiliki distribusi yang sama. Uji ini dapat digunakan untuk pengujian dua
sisi ataupun satu sisi. Uji tersebut merupakan alternatif lain dari uji
tparametrik, bila anggapan yang diperlukan bagi uji t tidak dijumpai.
(Djarwanto,Mengenal beberapa uji satistik,2001, Hal 237)
2. Uji Kolmogorov-Smirnov
Uji ini hampir sama dengan uji Mann-Whitney yaitu digunakan untuk
menguji ada tidaknya perbedaan yang significant untuk 2 sampel yang
independent. Uji Kolmogorof Smirnov juga dapat digunakan untuk
melakukan uji lokasi dan uji bentuk. Kedua uji tersebut berkontribusi pada
perbedaan nilai 2 kelompok. Dengan melakukan centering atau pemusatan
nilai data sample, setiap kelompok disekitar rata-ratanya akan menghilangkan
perbedaan dan memungkinkan melakukan perbandingan bentuk (uji bentuk)
antara kedua kelompok tersebut.
3. Uji Moses dan Uji Wald-Wolfowitz
Uji Moses merupakan teknik metode pengujian non parametrik untuk
menguji hipotesa bahwa variabel percobaan akan memberi efek pada
beberapa subjek di satu sisi dan subjek lainnya di sisi yang berlawanan.
Pengujian ini dibandinghkan dengan grup kendali. Tes ini membutuhkan data
ordinal. Tes ini berfokus pada rentang di grup kendali, dan mengukur berapa
banyak nilai ekstrim di grup percobaan mempengaruhi rentang saat
digabungkan dengan grup mkendali. Uji Moses lebih fokus kepada variasi
data dari dua sampel.
2.8.1. 2 Pengolahan data nonparamerik dependen k = 2
1. Uji Tanda (Sign)
Uji tanda digunakan untuk menguji hipotesis mengenai median populasi.
Dalam banyak kasus prosedur non parametrik, rataan digantikan oleh median
sebagai parameter lokasi yang relevan untuk diuji. Uji statistik yang sesuai untuk
uji tanda adalah peubah acak binomial X, yang menyatakan banyaknya tanda
tambah dalam terok acak. Bila hipotesis nol  = o benar, maka peluang suatu
nilai terok dapat menghasilkan tanda tambah atau kurang sama dengan setengah.
Jadi, untuk menguji hipotesis nol bahwa  = o kita sesungguhnya menguji
hipotesis nol bahwa banyaknya tanda tambah merupakan suatu nilai dari peubah
acak yang berdistribusi binomial dengan parameter p = ½. Nilai p baik untuk
tandingan ekapihak maupun dwipihak dapat dihitung dengan menggunakan
distribusi binomial. Sebagai contoh dalam pengujian :
Ho :  =  o
H1 :   o
Kita akan menolak Ho dan menerima H1 hanya jika proporsi yang bertanda
tambah cukup lebih kecil dari setengah. Jadi, bila nilai p hitungan
P = P ( X  x, bila p = ½)
lebih kecil atau sama dengan suatu taraf keberartian  yang ditetapkan
sebelumnya, maka kita menolak Ho dan menerima H1.
Untuk menguji hipotesa :
Ho :  =  o
H1 :   o
Kita akan menolak Ho dan menerima H1 hanya jika proporsi yang bertanda
tambah cukup lebih besar dari setengah. Jadi, bila nilai p hitungan
P = P ( X  x, bila p = ½)
lebih kecil dari suatu taraf keberartian  yang ditetapkan sebelumnya, maka kita
menolak Ho dan menerima H1.
Untuk menguji hipotesa :
 Ho :  =  o
H1 :   o
Kita akan menolak Ho dan menerima H1 hanya jika proporsi yang bertanda
tambah cukup lebih kecil atau lebih besar dari setengah. Jadi, bila x < n/2 dan
nilai p hitungan
P =2P ( X  x, bila p = ½)
Lebih kecil daripada atau sama dengan suatu taraf keberartian , atau bila x >
n/2 dan nilai p hitungan
P =2P ( X  x, bila p = ½)
Lebih kecil atau sama dengan  kita tolak Ho dan menerima H1. Apabila n  10
peluang binomial dengan p = ½ dapat dihampiri dengan kurva normal.
(Walpole & Myers, Ilmu Peluang dan Statistika hal 692-693, 1995)

2. Uji Rang Tanda

Uji tanda hanya menggunakan tanda tambah dan kurang dari selisih
antara pengamatan dan o dalam kasus satu sampel, atau tanda tambah dari
selisih antara pasangan pengamatan dalam kasus sampel berpasangan tanpa
memperhatikan besarnya selisih tersebut. Suatu uji yang memanfaatkan baik
tanda maupun besarnya selisih telah diusulkan oleh Frank Wilcoxon (1945)
dan sekarang biasa disebut uji rang tanda Wilcoxon.
Uji rang tanda Wilcoxon berlaku untuk kasus distribusi kontinu
setangkup. Pertama-tama tiap nilai sampel dikurangi dengan o, buang semua
selisih yang sama dengan nol. Selisih yang tertinggal dirang tanpa
menghiraukan tandanya. Bila dua atau lebih selisih nilai mutlaknya sama,
masing-masing diberi rang sama dengan rata-rata rangnya. Bila hipotesis  =
o benar maka jumlah rang dari selisih yang positif seharusnya hampir sama
dengan jumlah rang selisih negatif. Nyatakanlah masing-masing jumlah ini
dengan w+ dan w- dan yang terkecil dari keduanya dengan w. Bila hipotesis
Ho :  = o dapat ditolak dan menerima tandingan   o hanya bila w+ kecil
 dan w- besar. Begitu pula   o diterima apabila w+ besar dan w- kecil.
Untuk tandingan dwi pihak Ho ditolak bila w+ maupun w- cukup kecil.

Dua sampel dengan pengamatan berpasangan

Untuk menguji hipotesis nol bila teroknya berasal dari dua populasi
yang kontinu yang setangkup dengan 1 = 2 untuk kasus sampel
berpasangan, rang selisihnya tanpa memperhatikan tanda kemudian
diselesaikan seperti pada kasus satu sampel.

Tabel 2. 2 Uji Rang Tanda

Mengu Tandin Hitung
ji Ho gan H1
  o w+
 = o   o w-

  o w

1  2 w+
1 = 2 1  w-

2 w

1 
2

Uji rang tanda dapat pula digunakan untuk menguji hipotesis nol
bahwa 1 - 2 = b 0. Dalam kasus ini tidak perlu setangkup. Seperti pada uji
tanda tiap selisih kita kurangi dengan bo, rang tiap selisih tanpa
memperhatikan tandanya dan terapkan prosedur yang sama seperti
sebelumnya.
(Walpole & Myers, Ilmu Peluang dan Statistika hal 696-698, 1995)

2.8. 2 Pengolahan data nonparametric k > 2

2.8.2. 1 Pengolahan data nonparametrik independen k > 2
1. Uji Kruskal Wallis
Uji Kruskal-Wallis, sering pula disebut Uji H Kruskal Wallis, adalah
rampatan uji jumlah rang (dwi sampel Wilcoxon) untuk sejumlah sampel k > 2.
Uji ini digunakan untuk menguji hipotesis Ho bahwa k sampel bebas berasal dari
populasi yang sama. Diperkenalkan di tahun 1952 oleh W.H. Kruskal dan W.A.
Wallis, uji ini merupakan padanan cara non parametrik untuk menguji kesamaan
rataan dalam analisis variansi ekafaktor bila ingin mengehindari anggapan bahwa
sampel berasal dari populasi normal. Jika dari populasi yang sama, maka rata-rata
ke-k sampel tersebut tentu relatif sama atau tidak berbeda secara signifikan.
(Walpole & Myers, Ilmu Peluang dan Statistika hal 707, 1995)
2. Uji Median
Uji yang dilakukan untuk mengetahui apakah sampel berasal dari dua
populasi dengan median yang sama atau telah diambil dari populasi yang sama.
Langkah-langkah yang ditempuh dalam pengujiaan ini adalah:
1. Gabungkan kedua sample menjadi sebuah sample berukuran (n1 + n2)
dengan n1 = ukuran sample yang diambil dari populasi kesatu dan n2 =
ukuran sample yang diambil dari populasi kedua.
2. Tuliskan ke (n1 + n2) buah data dari sample gabungan ini menurut-urutan
besar nilainya.
3. Tentukan nilai median dari sample gabungan ini.
4. Dari setiap sample, tentukan banyaknya data muka median.
5. Bentuk sebuah daftar kontingensi 2 x 2 eperti di bawah ini dengan
menggunakan data yang telah disusun dalam daftar kontingensi tersebut,
untuk menguji hipotesis.
(Sudjana. 1996. Metode Statistika. Tarsito : Bandung, Hal 464)

2.8.2.2 Pengolahan data nonparametrik dependen k > 2

1. Uji Friedman
Uji yang dilakukan untuk mengetahui adanya perbedaan yang significant
dimana jumlah sampel lebih dari 2 yang dependent. Uji Friedman sebenarnya
 adalah analog dengan uji analisis varians dua arah pada uji parametric. Uji ini
dpat digunakan apabila penerapan analisis varians dua arah parametric tidak
dikehendaki dikarenakan pertimbangan tertentu, misalkan seorang peneliti
tidak ingin berasumsi bahwa sampel yang diperolehnya adalah berdistribusi
normal, dimana distribusi normal merupakan persyaratan sahihnya (valid) uji
dalam penggunaan uji parametric.
2. Uji Konkordansi Kendall’s
Uji konkordansi pada prinsipnya ingin mengetahui apakah ada
keselarasan dari sekelompok objek (orang) dalam menilai objek tertentu.
Keselarasan (konkordansi) diberi nama seperti halnya korelasi, yakni dari 0
sampai 1. jika 0 berarti responden sama sekali tidak selaras satu dengan yang
lain dalam menilai suatu atribut, dan jika 1 maka semua sangat selaras. Pada
umumnya, angka konkordasi diatas 0,5 bisa dianggap tingkat keselarasan
sudah cukup tinggi.
(Singgih Santoso, halaman 202 & 441)
2. 9 Pengolahan Data dengan MINITAB, Excel, dan SPSS
2.9. 1 Excel
 ANNOVA
Anova sering disebut sebagai analisis variansi. Terok acak ukuran n diambil
masing-masing dari k populasi. Ke k populasi yang berbeda ini diklasifikasikan
menurut perlakuan atau grup yang berbeda. Dewasa ini istilah perlakuan
digunakan secara umum dengan arti klasifikasi, apakah itu kelompok, adukan,
penganalisis, pupuk yang berbeda, atau berbagai daerah di suatu negara. Pada
ANOVA terdapat pengujian hipotesis nol bahwa rataan ke k populasi sama lawan
tandingan bahwa paling sedikit dua dari rataan ini tidak sama.
Uji yang akan dipakai didasarkan pada perbandingan dua taksiran bebas dari
kesamaan variansi populasi 2. Perlu dibandingkan ukuran variansi antara
perlakuan yang sesuai dengan variansi dalam perlakuan, agar dapat ditemukan
perbedaan yang berarti dalam pengamatan akibat pengaruh perlakuan.
Analisis variansi untuk klasifikasi eka arah dapat dilihat pada tabel di bawah
ini yang sama dengan tabel ANOVA.
 Tabel 2. 3 Ananlisis Variansi

Jumlah Derajat
Sumber Variansi Rataan Kuadrat f Hitungan
kuadrat Kebebasan
2
2 JKA S1
Perlakuan JKA k–1 S1  2
k 1 S2

JKA
Galat JKG k (n – 1) S2 
k (n  1)

Total JKT nk – 1

k n
T 2 ..
JKT =  yij2 
i 1 j 1 nk

k
2
T
i 1
i
T 2 ..
JKA = 
n nk

JKG = JKT-JKA

2.9. 2 SPSS
Untuk mengolah data tersebut kami menggunakan program SPSS
(Statistical Product and Service Solution). Program SPSS adalah program yang
bertujuan untuk memperkecil kesalahan penghitungan dalam pengolahan data.
Data yang diolah dalam SPSS harus memenuhi syarat-syarat yang meliputi
kecukupan data, kualitas data, dan memenuhi sifat-sifat keacakan. Setelah proses
pengumpulan dan pengolahan data dilakukan, maka analisa output SPSS data
dapat langsung diketahui.
2.9.3 MINITAB

Permasalahan – permasalahan statistika bukan suatu masalah rumit karena

seiring dengan perkembangan teknologi komputer, pekerjaan statistik sangat
terbantu dengan adanya program aplikasi komputer untuk statistik yang kini
sudah banyak dipasarkan. Komputer sangat membantu pekerjaan statistik,
terutama dalam melakukan perhitungan statistik yang menggunakan rumus
matematika yang rumit dan banyak data. Salah satu program statistik yang telah
diakui banyak orang adalah program MINITAB.

Program MINITAB merupakan program statistiks yang diakui cukup

andal oleh banyak kalangan, baik dunia kampus maupun industri. Keunggulan
MINITAB adalah selain menyediakan metode – metode statistik klasik seperti
analisis regresi, analisis faktor, analisis deskriminan, dan tabulasi silang.
MINITAB juga menyediakan pula metode – metode statistik untuk meningkatkan
dan memperbaiki kualitas seperti pengendalian kualitas statistik, desain
eksperimen, dan analisis realibilitas. MINITAB juga mampu memberi nilai
taksiran yang mendekati nilai sebenarnya.

Pada data parametrik independen k = 2 digunakan program MINITAB

dengan melakukan uji T dan uji F. Dimana membandingkan rata-rata dua sampel
dan membandingkan variansi dua sampel. Data non parametrik independen k = 2,
independen k > 2 dan dependen k > 2 juga menggunakan program MINITAB.
Untuk data non parametrik independen k = 2 menggunakan uji Kruskal Wallis,
data non parametrik dependen k > 2 menggunakan uji Friedman. Untuk data non
parametrik independen k = 2 menggunakan uji Mann Whitney.
 BAB III

PENGUMPULAN DATA

3. 1 Data Parametrik
3.1. 1 Statistik Parametrik Independen k=2
Badan Statistik Nasional mencatat Banyaknya Kyai dan Ustadz
Menurut Kabupaten/Kota di Jawa Tengah Tahun 2004. Datanya adalah sebagai
berikut:

Tabel 3. 1Data Pengamatan Parametrik Independen k = 2

Kabupaten/Kota Kyai Ustadz

01. Kab. Cilacap 442 963

02. Kab. Banyumas 209 397

03. Kab. Purbalingga 252 414

04. Kab. Banjarnegara 330 228

05. Kab. Kebumen 167 380

06. Kab. Purworejo 417 763

07. Kab. Wonosobo 422 654

08. Kab. Magelang 235 700

09. Kab. Boyolali 210 718

10. Kab. Klaten 97 196

11. Kab. Sukoharjo 58 615

12. Kab. Wonogiri 70 172

13. Kab. Karanganyar 114 242

14. Kab. Sragen 350 729

15. Kab. Grobogan 485 426

 16. Kab. Blora 156 527

17. Kab. Rembang 429 1.030

18. Kab. Pati 365 987

19. Kab. Kudus 496 588

20. Kab. Jepara 364 2.160

21. Kab. Demak 574 1.096

22. Kab. Semarang 285 715

23. Kab. Temanggung 365 571

24. Kab. Kendal 329 1.007

25. Kab. Batang 204 1.004

26. Kab. Pekalongan 226 553

27. Kab. Pemalang 187 465

28. Kab. Tegal 172 446

29. Kab. Brebes 487 1.094

30. Kota Magelang 13 14

3.1. 2 Statistik Parametrik Independen k>2

Badan Statistik Nasional mencatat Banyaknya Jema'ah Haji yang
Diberangkatkan ke Tanah Suci (Mekkah) Menurut
Kabupaten/Kota di Jawa Tengah Tahun Anggaran 2001-2003. Datanya adalah
sebagai berikut:

Tabel 3. 2 Data Pengamatan Parametrik Independen k > 2

Kabupaten Kota 2001 2002 2003

01. Kab. Cilacap 478 696 615

02. Kab. Banyumas 458 648 562

03. Kab. Purbalingga 178 238 202

04. Kab. Banjarnegara 300 368 346

05. Kab. Kebumen 623 852 685

06. Kab. Purworejo 305 314 314

07. Kab. Wonosobo 305 335 356

08. Kab. Magelang 299 524 567

09. Kab. Boyolali 405 486 427

10. Kab. Klaten 376 773 633

11. Kab. Sukoharjo 286 341 276

12. Kab. Wonogiri 122 101 109

13. Kab. Karanganyar 143 205 201

14. Kab. Sragen 388 385 400

15. Kab. Grobogan 361 560 499

16. Kab. Blora 307 304 314

17. Kab. Rembang 627 483 468

18. Kab. Pati 1.550 957 822

19. Kab. Kudus 1.482 1.059 928

20. Kab. Jepara 2.515 1.987 1.550

21. Kab. Demak 1.342 1.178 817

22. Kab. Semarang 186 374 313

23. Kab. Temanggung 270 394 274

24. Kab. Kendal 950 892 792

25. Kab. Batang 488 329 311

26. Kab. Pekalongan 933 582 510

 27. Kab. Pemalang 744 427 453

28. Kab. Tegal 675 928 830

29. Kab. Brebes 573 762 660

30. Kota Magelang 64 99 116

3. 2 Data Non Parametrik

3.2. 1 Statistik Non Parametrik Independen k=2
Untuk data non parametrik independen k=2 kami melakukan kuesioner
dengan sampel mahasiswa Teknik Industri angkatan 2007 untuk mengetahui
Pengaruh Jenis Kelamin terhadap Media Aktualisasi Diri. Dari kuesioner
tersebut didapat data sebagai berikut

Tabel 3. 3 Data Pengamatan Non Parametrik Independen k = 2

Sampel ke- laki-laki perempuan
1 2 1
2 1 1
3 4 1
4 1 1
5 5 1
6 2 1
7 1 1
8 1 2
9 1 1
10 2 2
11 1 1
12 1 2
13 1 1
14 1 1
15 1 1
 16 1 1
17 1 1
18 1 1
19 2 1
20 1 1
21 2 3
22 3 2
23 5 3
24 1 1
25 3 1

Ket:
1. Kamera HP
2. Kamera digital
3. Handycam
4. Webcam
5. Photobox

3.2. 2 Statistik Non Parametrik Independen k>2

Untuk data non parametrik independen k>2 kami melakukan kuesioner
dengan sampel mahasiswa Teknik Industri angkatan 2007 untuk mengetahui
Pengaruh Golongan Darah terhadap Jenis Materi yang Disukai. Dari kuesioner
tersebut didapat data sebagai berikut:

Tabel 3. 4 Data Pengamatan Non Parametrik Independen k >2

Sampel
ke- A B O
1 1 1 1
2 2 1 3
3 1 1 2
 4 3 1 2
5 3 1 2
6 2 3 3
7 2 2 2
8 1 3 1
9 3 1 3
10 3 1 1
11 1 1 1
12 1 3 2
13 1 1 1
14 2 2 1
15 2 3 3
16 3 2 3
17 3 1 1
18 1 2 3
19 2 1 3
20 1 2 2
21 2 3 3
22 1 3 2
23 1 2 1
24 2 3 1
25 1 2 2

Keterangan:
1. Hitungan
2. Hafalan
3. Keduanya

3.2. 3 Statistik Non Parametrik Dependen k=2

 Dari www.google/info_guru_guru2.php.htm diperoleh data mengenai
Daftar Status Guru-Guru SMK-SB. Datanya adalah sebagai berikut:

Tabel 3. 5 Data Asli Dependen k=2

Sampel status kawin

ke- laki-laki perempuan
1 tidak Kawin
2 tidak tidak
3 Kawin tidak
4 Kawin Kawin
5 Kawin Kawin
6 Kawin Kawin
7 tidak tidak
8 Kawin tidak
9 Kawin Kawin
10 Kawin tidak
11 Kawin Kawin
12 tidak Kawin
13 Kawin Kawin
14 Kawin tidak
15 tidak Kawin
16 Kawin Kawin
17 tidak Kawin
18 tidak Kawin
19 Kawin Kawin
20 tidak tidak
21 Kawin tidak
22 Kawin Kawin
23 Kawin tidak
24 Kawin Kawin
 25 tidak Kawin

3.2. 4 Statistik Non Parametrik Dependen k>2

Untuk data non parametrik dependen k>2 kami melakukan kuesioner
dengan sampel mahasiswa Teknik Industri angkatan 2007 untuk mengetahui
Pengaruh Negara Produksi terhadap Jenis Film yang Disukai. Dari kuesioner
tersebut didapat data sebagai berikut:

Tabel 3. 6 Data Non Parametrik Dependen k>2

No Nama indonesia barat asia
1 miftahul Hasan 4 1 1
2 Trisna N P 4 4 4
3 Farid 3 4 1
4 Irma N S 2 1 3
5 Reza Zamani 4 1 3
6 Mujiya U 3 4 3
7 Zaki 4 1 4
8 Awan 4 4 4
9 Nita T 2 1 3
10 Reny Stefanie 4 3 2
11 Dinda 3 3 3
12 Ucok 4 4 4
13 Yoyo 4 3 2
14 Intan Arthantia 4 1 3
15 Dita W.R 4 1 4
16 Hasniar T 4 1 3
17 Dimas H.A 2 1 2
18 Prafitrianti 2 2 1
 19 Devia 4 3 3
20 Anggie S 4 2 3
21 Rachman F. N 4 2 2
22 Radhit P 2 1 3
23 Rina A.K.N 2 1 1
24 Andik Sutrimo 4 4 4
25 M.Shofyan Adi 4 1 1

Keterangan:
1. Action
2. Horor
3. Drama
4. Komedi

BAB IV
PENGOLAHAN DATA

4. 1 Statistik Parametrik
4.1. 1 Statistik Parametrik Independen k = 2
Output Excel
 Deskriptif Statistic
Tabel 4. 1Ouput Statistic Descriptive Parametrik Independen k=2
kyai ustadz

Mean 283.6667 Mean 661.8

Standard Error 26.95016 Standard Error 74.65758463
Median 268.5 Median 601.5
Mode 365 Mode #N/A
Standard Deviation 147.6121 Standard Deviation 408.9164319
Sample Variance 21789.33 Sample Variance 167212.6483
Kurtosis -0.89775 Kurtosis 5.073799684
Skewness 0.053532 Skewness 1.611303503
 Range 561 Range 2146
Minimum 13 Minimum 14
Maximum 574 Maximum 2160
Sum 8510 Sum 19854
Count 30 Count 30

 Anova Single Factor

Tabel 4. 2 Output Anova Single Factor Parametrik Independen k=2
SUMMARY
Groups Count Sum Average Variance
kyai 30 8510 283.6666667 21789.33
ustadz 30 19854 661.8 167212.6

ANOVA
Source of Variation SS df MS F P-value F crit
1.31E-
Between Groups 2144772 1 2144772.267 22.69576 05 4.006873
Within Groups 5481057 58 94500.9908

Total 7625830 59

 T-Test: Paired two sample for means

Tabel 4. 3 Output T-test: Paired Two Sample For Means Parametrik Independen k=2
kyai ustadz
Mean 283.6667 661.8
Variance 21789.33 167212.6483
Observations 30 30
Pearson Correlation 0.540701
Hypothesized Mean Difference 0
df 29
t Stat -5.88806
P(T<=t) one-tail 1.08E-06
t Critical one-tail 1.699127
P(T<=t) two-tail 2.17E-06
t Critical two-tail 2.04523
 F-test: Two-sample for variances
Tabel 4. 4 Output F-Test Two Sample For Variances Parametrik Independen k=2
kyai ustadz
Mean 283.6667 661.8
Variance 21789.33 167212.6
Observations 30 30
df 29 29
F 0.130309
P(F<=f) one-
tail 2.11E-07
F Critical one-
tail 0.5374

Output SPSS
- Deskriptif Statistik
Frequencies
Tabel 4. 5 Deskriptif Statistik Parametrik Independen k=2

Statistics

kyai ustadz
N Valid 30 30
Missing 0 0
Mean 283,6667 661,8000
Median 268,5000 601,5000
Mode 365,00 14,00(a)
Std. Deviation 147,61210 408,91643
Variance 167212,64
21789,333
8
Skewness ,054 1,611
Std. Error of Skewness ,427 ,427
Kurtosis -,898 5,074
Std. Error of Kurtosis ,833 ,833
Range 561,00 2146,00
Minimum 13,00 14,00
Maximum 574,00 2160,00
 Percentiles 10 72,7000 199,2000
20 158,2000 383,4000
25 170,7500 409,7500
30 192,1000 432,0000
40 216,4000 537,4000
50 268,5000 601,5000
60 342,0000 709,0000
70 365,0000 752,8000
75 418,2500 969,0000
80 427,6000 1000,6000
90 486,8000 1087,6000
- a Multiple modes exist. The smallest value is shown

Tabel 4. 6 Deskriptif Statistik Parametrik Independen k=2 (kyai)

kyai

Cumulative
Frequency Percent Valid Percent Percent
Valid 13.00 1 3.3 3.3 3.3
58.00 1 3.3 3.3 6.7
70.00 1 3.3 3.3 10.0
97.00 1 3.3 3.3 13.3
114.00 1 3.3 3.3 16.7
156.00 1 3.3 3.3 20.0
167.00 1 3.3 3.3 23.3
172.00 1 3.3 3.3 26.7
187.00 1 3.3 3.3 30.0
204.00 1 3.3 3.3 33.3
209.00 1 3.3 3.3 36.7
210.00 1 3.3 3.3 40.0
226.00 1 3.3 3.3 43.3
235.00 1 3.3 3.3 46.7
252.00 1 3.3 3.3 50.0
285.00 1 3.3 3.3 53.3
329.00 1 3.3 3.3 56.7
330.00 1 3.3 3.3 60.0
350.00 1 3.3 3.3 63.3
364.00 1 3.3 3.3 66.7
365.00 2 6.7 6.7 73.3
417.00 1 3.3 3.3 76.7
 422.00 1 3.3 3.3 80.0
429.00 1 3.3 3.3 83.3
442.00 1 3.3 3.3 86.7
485.00 1 3.3 3.3 90.0
487.00 1 3.3 3.3 93.3
496.00 1 3.3 3.3 96.7
574.00 1 3.3 3.3 100.0
Total 30 100.0 100.0

Tabel 4. 7 Deskriptif Statistik Parametrik Independen k=2 (ustadz)

ustadz

Cumulative
Frequency Percent Valid Percent Percent
Valid 14.00 1 3.3 3.3 3.3
172.00 1 3.3 3.3 6.7
196.00 1 3.3 3.3 10.0
228.00 1 3.3 3.3 13.3
242.00 1 3.3 3.3 16.7
380.00 1 3.3 3.3 20.0
397.00 1 3.3 3.3 23.3
414.00 1 3.3 3.3 26.7
426.00 1 3.3 3.3 30.0
446.00 1 3.3 3.3 33.3
465.00 1 3.3 3.3 36.7
527.00 1 3.3 3.3 40.0
553.00 1 3.3 3.3 43.3
571.00 1 3.3 3.3 46.7
588.00 1 3.3 3.3 50.0
615.00 1 3.3 3.3 53.3
654.00 1 3.3 3.3 56.7
700.00 1 3.3 3.3 60.0
715.00 1 3.3 3.3 63.3
718.00 1 3.3 3.3 66.7
729.00 1 3.3 3.3 70.0
763.00 1 3.3 3.3 73.3
963.00 1 3.3 3.3 76.7
987.00 1 3.3 3.3 80.0
1004.00 1 3.3 3.3 83.3
1007.00 1 3.3 3.3 86.7
 1030.00 1 3.3 3.3 90.0
1094.00 1 3.3 3.3 93.3
1096.00 1 3.3 3.3 96.7
2160.00 1 3.3 3.3 100.0
Total 30 100.0 100.0

kyai

10

8
Frequency

Mean = 283.6667
Std. Dev. = 147.6121
0 N = 30
0.00 100.00 200.00 300.00 400.00 500.00 600.00
kyai

Gambar 4. 1 Histogram jumlah kyai 2004

 ustadz

10

8
Frequency

Mean = 661.80
Std. Dev. = 408.91643
0 N = 30
0.00 500.00 1000.00 1500.00 2000.00 2500.00
ustadz

Gambar 4. 2 Histogram jumlah ustadz 2004

-One Way Anova

Oneway
Tabel 4. 8 Output Anova Parametrik Independen k=2

ANOVA

jumlah
Sum of
Squares df Mean Square F Sig.
Between Groups 2144772,2
1 2144772,267 22,696 ,000
67
Within Groups 5481057,4
58 94500,991
67
Total 7625829,7
59
33
Output MINITAB
- Deskriptif Statistik
Descriptive Statistics: C1, C2, C3

Variable N Mean Median TrMean

StDev SE Mean
C1 30 15.50 15.50 15.50
8.80 1.61
C2 30 283.7 268.5 283.4
147.6 27.0
C3 30 661.8 601.5 631.2
408.9 74.7

Variable Minimum Maximum Q1 Q3

C1 1.00 30.00 7.75 23.25
C2 13.0 574.0 170.8 418.3
C3 14.0 2160.0 409.8 969.0

- Two-Sample T-Test
Two-Sample T-Test and CI: C2, C3

Two-sample T for C2 vs C3

N Mean StDev SE Mean

C2 30 284 148 27
C3 30 662 409 75

Difference = mu C2 - mu C3
Estimate for difference: -378.1
95% CI for difference: (-539.1, -217.2)
T-Test of difference = 0 (vs not =): T-Value = -4.76 P-Value =
0.000 DF = 36
 Boxplots of C2, C3

Gambar 4. 3 Box Plot dari Desember 1992 dan April 1993

- Perhitungan Manual Data Parametrik Independen k = 2

Perhitungan anova Manual
1. H0 = 1  2
2. H1 = Paling sedikit 2 rataan tidak sama
3.   0,05
4. Daerah Kritis : f hitung > f tabel
V1= k-1
= 2-1 = 1
V2= k (n-1)
= 2 (30-1) = 58
Karena f tabel dengan derajat kebebasan 1,58 tidak terdapat da tabel L6 maka
dilakukan interpolasi :
4,00  x 60  58

4,00  4,08 60  40

X = 4,008
5. Perhitungan
Tabel 4. 9 Perhitungan Anova Manual Parametrik Independen k=2
No y1 y2 jumlah jumlah 2
1 442 963 1405 1974025
2 209 397 606 367236
3 252 414 666 443556
4 330 228 558 311364
5 167 380 547 299209
6 417 763 1180 1392400
7 422 654 1076 1157776
8 235 700 935 874225
9 210 718 928 861184
10 97 196 293 85849
11 58 615 673 452929
12 70 172 242 58564
13 114 242 356 126736
14 350 729 1079 1164241
15 485 426 911 829921
16 156 527 683 466489
17 429 1.030 1459 2128681
18 365 987 1352 1827904
19 496 588 1084 1175056
20 364 2.160 2524 6370576
21 574 1.096 1670 2788900
22 285 715 1000 1000000
23 365 571 936 876096
24 329 1.007 1336 1784896
25 204 1.004 1208 1459264
26 226 553 779 606841
27 187 465 652 425104
28 172 446 618 381924
29 487 1.094 1581 2499561
30 13 14 27 729
28364
Total 8510 19854 34191236
 No Y1 kuadrat Y2 kuadrat jumlah
1 195364 927369 1122733
2 43681 157609 201290
3 63504 171396 234900
4 108900 51984 160884
5 27889 144400 172289
6 173889 582169 756058
7 178084 427716 605800
8 55225 490000 545225
9 44100 515524 559624
10 9409 38416 47825
11 3364 378225 381589
12 4900 29584 34484
13 12996 58564 71560
14 122500 531441 653941
15 235225 181476 416701
16 24336 277729 302065
17 184041 1060900 1244941
18 133225 974169 1107394
19 246016 345744 591760
20 132496 4665600 4798096
21 329476 1201216 1530692
22 81225 511225 592450
23 133225 326041 459266
24 108241 1014049 1122290
25 41616 1008016 1049632
26 51076 305809 356885
27 34969 216225 251194
28 29584 198916 228500
29 237169 1196836 1434005
30 169 196 365
21034438
total 3045894 17988544

T2
Faktor korelasi =
nk
 (28364)2
=
30  2
= 13408608

k n
2 T 2 ..
JKT   yij 
i 1 j 1 nk

(28364)2
= 21034438 
60
= 7625830
k
2
T
i 1
i .
T 2 ..
JKA  
n nk
72420100  3,94E  08 (28364)2
= 
30 60
= 2144772

JKG = JKT – JKA

= 7625830-2144772
= 5481057

JKA
S12 
k 1
2144772

2 1
= 2144772

JKG
S22 
k (n  1)
5481057

2(30  1)
 = 94500,99

s12 2144772
Fhitung =   22,69576
s22 94500,99

P = P[F[k-1,k(n-1)]>f]
=P[22,69576[2-1,k(30-1)]>4.008]
= 1.31x10-5

Tabel 4.10 Perhitungan Manual Uji Anova Data Parametrik dengan k=2 Independen
Sumber Derajat Rataan
Jml. Kuadrat F Hitungan Nilai P F Kritis
Variasi kebebasan Kuadrat
2
S1
2 JKA 2
S1  S2
JKA=2144772 k 1 -5
Perlakuan k-1=1 = 1.31x 10 4,008
= 2144772
22,69576

JKA
JKG=5481057 S2 
k (n  1)
Galat k(n-1) = 58
=94500,99

Total JKT=7625830 n(k-1) = 59

Keterangan tabel 4.7:

 JKT adalah jumlah kuadrat total, yaitu didapatkan angka 7625830. Dimana
derajat kebebasannya adalah 59
 JKA adalah jumlah kuadarat perlakuan, yaitu didapatkan angka 2144772.
 JKG adalah jumlah kuadrat galat, yaitu didapatkan angka 5481057. Dengan
derajat kebebasan 58.
 Didapatkan nilai F hitungan adalah 22,69576

6. Keputusan :
 Tolak Ho karena Fhitung > FCrit yaitu 22,69576 > 4,008.

7. Kesimpulan :
Bahwa selisih rata-rata jumlah kyai pada tahun 2004 dan jumlah ustadz pada tahun
2004 tidak sama sama secara signifikan

4.1. 2 Statistik Parametrik Independen k > 2

Output Excel
Deskriptif statistik
Tabel 4. 5 11 Ouput Statistic Descriptive Parametrik Independen k>2
2001 2002 2003

Mean 591.1 Mean 586.0333333 Mean 511.6667

Standard Error 96.59452 Standard Error 70.62350368 Standard Error 54.26415
Median 396.5 Median 484.5 Median 460.5
Mode 305 Mode #N/A Mode 314
Standard Deviation 529.07 Standard Deviation 386.8208606 Standard Deviation 297.217
Sample Variance 279915.1 Sample Variance 149630.3782 Sample Variance 88337.95
Kurtosis 5.221323 Kurtosis 4.72060158 Kurtosis 3.794255
Skewness 2.126618 Skewness 1.759399121 Skewness 1.492342
Range 2451 Range 1888 Range 1441
Minimum 64 Minimum 99 Minimum 109
Maximum 2515 Maximum 1987 Maximum 1550
Sum 17733 Sum 17581 Sum 15350
Count 30 Count 30 Count 30

Anova Single Factor

Tabel 4. 6 Output Anova Single Factor Parametrik Independen k>2
S UMMAR Y
G roups C ount S um Average Variance
2001 31 19734 636.5806452 334707.7183
2002 31 19583 631.7096774 209318.8796
2003 31 17353 559.7741935 157137.714
ANO VA
S ource of Variation SS df MS F P -value F crit
B etween G roups 114675.9 2 57337.96774 0.245326096 0.782971 3.097698035
W ithin G roups 21034929 90 233721.4373

T otal 21149605 92

Output SPSS
Frequenci
Tabel 4. 13 Deskriptif Statistik Parametrik Independen k>2

Statistics

tahun_2001 tahun_2002 yahun_2003

N Valid 30 30 30
Missing 0 0 0
Mean 591,1000 586,0333 511,6667
Median 396,5000 484,5000 460,5000
Mode 305,00 99,00(a) 314,00
Std. Deviation 529,06999 386,82086 297,21702
Variance 279915,059 149630,378 88337,954
Skewness 2,127 1,759 1,492
Std. Error of Skewness ,427 ,427 ,427
Kurtosis 5,221 4,721 3,794
Std. Error of Kurtosis ,833 ,833 ,833
Range 2451,00 1888,00 1441,00
Minimum 64,00 99,00 109,00
Maximum 2515,00 1987,00 1550,00
Percentiles 10 146,5000 208,3000 201,1000
20 273,2000 317,0000 283,0000
25 295,7500 333,5000 312,5000
30 301,5000 349,1000 314,0000
40 328,6000 388,6000 373,6000
50 396,5000 484,5000 460,5000
60 484,0000 573,2000 541,2000
70 625,8000 742,2000 627,6000
75 692,2500 792,7500 666,2500
80 895,2000 884,0000 770,6000
 90 1468,0000 1048,8000 829,2000

a Multiple modes exist. The smallest value is shown

Frequency Table
Tabel 4. 14 Deskriptif Statistik Parametrik Independen k>2 (2001)

Tahun_2001

Cumulative
Frequency Percent Valid Percent Percent
Valid 64.00 1 3.3 3.3 3.3
122.00 1 3.3 3.3 6.7
143.00 1 3.3 3.3 10.0
178.00 1 3.3 3.3 13.3
186.00 1 3.3 3.3 16.7
270.00 1 3.3 3.3 20.0
286.00 1 3.3 3.3 23.3
299.00 1 3.3 3.3 26.7
300.00 1 3.3 3.3 30.0
305.00 2 6.7 6.7 36.7
307.00 1 3.3 3.3 40.0
361.00 1 3.3 3.3 43.3
376.00 1 3.3 3.3 46.7
388.00 1 3.3 3.3 50.0
405.00 1 3.3 3.3 53.3
458.00 1 3.3 3.3 56.7
478.00 1 3.3 3.3 60.0
488.00 1 3.3 3.3 63.3
573.00 1 3.3 3.3 66.7
623.00 1 3.3 3.3 70.0
627.00 1 3.3 3.3 73.3
675.00 1 3.3 3.3 76.7
744.00 1 3.3 3.3 80.0
933.00 1 3.3 3.3 83.3
950.00 1 3.3 3.3 86.7
1342.00 1 3.3 3.3 90.0
1482.00 1 3.3 3.3 93.3
1550.00 1 3.3 3.3 96.7
2515.00 1 3.3 3.3 100.0
 Total 30 100.0 100.0

Tabel 4. 15 Deskriptif Statistik Parametrik Independen k>2 (2002)

Tahun_2002

Cumulative
Frequency Percent Valid Percent Percent
Valid 99.00 1 3.3 3.3 3.3
101.00 1 3.3 3.3 6.7
205.00 1 3.3 3.3 10.0
238.00 1 3.3 3.3 13.3
304.00 1 3.3 3.3 16.7
314.00 1 3.3 3.3 20.0
329.00 1 3.3 3.3 23.3
335.00 1 3.3 3.3 26.7
341.00 1 3.3 3.3 30.0
368.00 1 3.3 3.3 33.3
374.00 1 3.3 3.3 36.7
385.00 1 3.3 3.3 40.0
394.00 1 3.3 3.3 43.3
427.00 1 3.3 3.3 46.7
483.00 1 3.3 3.3 50.0
486.00 1 3.3 3.3 53.3
524.00 1 3.3 3.3 56.7
560.00 1 3.3 3.3 60.0
582.00 1 3.3 3.3 63.3
648.00 1 3.3 3.3 66.7
696.00 1 3.3 3.3 70.0
762.00 1 3.3 3.3 73.3
773.00 1 3.3 3.3 76.7
852.00 1 3.3 3.3 80.0
892.00 1 3.3 3.3 83.3
928.00 1 3.3 3.3 86.7
957.00 1 3.3 3.3 90.0
1059.00 1 3.3 3.3 93.3
1178.00 1 3.3 3.3 96.7
1987.00 1 3.3 3.3 100.0
Total 30 100.0 100.0

Tabel 4. 16 Deskriptif Statistik Parametrik Independen k>2 (2001)

 Tahun_2003

Cumulative
Frequency Percent Valid Percent Percent
Valid 109.00 1 3.3 3.3 3.3
116.00 1 3.3 3.3 6.7
201.00 1 3.3 3.3 10.0
202.00 1 3.3 3.3 13.3
274.00 1 3.3 3.3 16.7
276.00 1 3.3 3.3 20.0
311.00 1 3.3 3.3 23.3
313.00 1 3.3 3.3 26.7
314.00 2 6.7 6.7 33.3
346.00 1 3.3 3.3 36.7
356.00 1 3.3 3.3 40.0
400.00 1 3.3 3.3 43.3
427.00 1 3.3 3.3 46.7
453.00 1 3.3 3.3 50.0
468.00 1 3.3 3.3 53.3
499.00 1 3.3 3.3 56.7
510.00 1 3.3 3.3 60.0
562.00 1 3.3 3.3 63.3
567.00 1 3.3 3.3 66.7
615.00 1 3.3 3.3 70.0
633.00 1 3.3 3.3 73.3
660.00 1 3.3 3.3 76.7
685.00 1 3.3 3.3 80.0
792.00 1 3.3 3.3 83.3
817.00 1 3.3 3.3 86.7
822.00 1 3.3 3.3 90.0
830.00 1 3.3 3.3 93.3
928.00 1 3.3 3.3 96.7
1550.00 1 3.3 3.3 100.0
Total 30 100.0 100.0
 tahun_2001 tahun_2002

12
14

12 10

10 8

Frequency
Frequency

8
6

6
4

4
2

2 Mean = 586.0333
Std. Dev. = 386.82086
Mean = 591.10 0 N = 30
Std. Dev. = 529.06999
0.00 500.00 1000.00 1500.00 2000.00
0 N = 30
tahun_2002
0.00 500.00 1000.00 1500.00 2000.00 2500.00 3000.00
tahun_2001

(a) (b)

tahun_2003

10

8
Frequency

Mean = 511.6667
Std. Dev. = 297.21702
0 N = 30
0.00 500.00 1000.00 1500.00 2000.00
tahun_2003

(c)

Gambar 4.4 Histogram jemaah Haji tahun (a) 2001, (b) 2002, (c) 2003

4. 2 Statistik Non Parametrik

4.2. 1 Statistik Non Parametrik Independen k = 2
Output SPSS
Deskriptif Statistik and histogram with normal curve
 Tabel 4. 17 Deskriptif Statistik Pengaruh Jenis kelamin terhadap aktualisasi diri

Descriptive Statistics

Percentiles
N Mean Std. Deviation Minimum Maximum 25th 50th (Median) 75th
gadget 50 1,5600 1,01338 1,00 5,00 1,0000 1,0000 2,0000
jenis_kelamin 50 1,5000 ,50508 1,00 2,00 1,0000 1,5000 2,0000

Histogram

40

30
Frequency

20

10

Mean = 1.56
Std. Dev. = 1.01338
0 N = 50
0.00 1.00 2.00 3.00 4.00 5.00 6.00
gadget

Gambar 4.5 Histogram with normal curve gadget

- Mann-Whitney Test
Tabel 4.18 Output Mann-Whitney Test Pengaruh Jenis kelamin terhadap aktualisasi diri
Ranks
jenis_kelam
in N Mean Rank Sum of Ranks
gadget laki-laki 25 27,82 695,50
perempuan 25 23,18 579,50
Total 50

Test Statistics(a)
gadget
Mann-Whitney U 254,500
 Wilcoxon W 579,500
Z -1,365
Asymp. Sig. (2-tailed) ,172
a Grouping Variable: jenis_kelamin

- Moses Test
Tabel 4.18 Output Moses Test Pengaruh Jenis kelamin terhadap aktualisasi diri
Frequencies
jenis_kelamin N
gadget laki-laki
25
(Control)
perempuan
(Experimenta 25
l)
Total 50

Test Statistics(a,b)
gadget
Observed Control 33
Group Span Sig. (1-tailed) ,000
Trimmed Control 33
Group Span Sig. (1-tailed) ,000
Outliers Trimmed from each End
1

a Moses Test
b Grouping Variable: jenis_kelamin

- Two-Sample Kolmogorov-Smirnov Test

Tabel 4.19 Output Kolmogorov-Smirnov Test Pengaruh Jenis kelamin terhadap aktualisasi
diri
Frequencies
jenis_kelam
in N
gadget laki-laki 25
perempuan 25
Total 50
 Test Statistics(a)
gadget
Most Extreme Absolute ,160
Differences Positive ,000
Negative -,160
Kolmogorov-Smirnov Z ,566
Asymp. Sig. (2-tailed) ,906
a Grouping Variable: jenis_kelamin

4.2. 2 Statistik Non Parametrik Independen k > 2

Output SPSS
- Deskriptif Statistik , histogram with normal curve
Tabel 4.20 Deskriptif Statistik Pengaruh Golongan Darah Terhadap Cara Belajar
Descriptive Statistics
N Range Minimum Maximum Mean Std. Deviation Variance
Gol_darah 75 2,00 1,00 3,00 2,0000 ,82199 ,676
Cara_belajar 75 2,00 1,00 3,00 1,8667 ,82746 ,685
Valid N (listwise) 75

Histogram

40

30
Frequency

20

10

Mean = 1.8667
Std. Dev. = 0.82746
0 N = 75
0.50 1.00 1.50 2.00 2.50 3.00 3.50
Cara_belajar

Gambar 4.6 Histogram with normal curve Pengaruh Golongan darah terhadap Cara Belajar
- Kruskal-Wallis Test
Tabel 4.21 Output Kruskal Wallis Test Pengaruh Golongan Darah Terhadap Cara Belajar
Ranks
Gol_darah N Mean Rank
Cara_belajar A 25 36,40
B 25 37,28
O 25 40,32
Total 75

Test Statistics(a,b)
Cara_belajar
Chi-Square ,507
df 2
Asymp. Sig. ,776
a Kruskal Wallis Test
b Grouping Variable: Gol_darah

- Median Test
Tabel 4.22 Output Median Test Pengaruh Golongan Darah Terhadap Cara Belajar
Frequencies
Gol_darah
A B O
Cara_belajar > Median 6 7 8
<= Median 19 18 17

Test Statistics(b)
Cara_belajar
N 75
Median 2,0000
Chi-Square ,397(a)
df 2
Asymp. Sig. ,820
a 0 cells (,0%) have expected frequencies less than 5. The minimum expected cell frequency is 7,0.
b Grouping Variable: Gol_darah
 Output Minitab
- Kruskal-Wallis Test: C2 versus C1

Kruskal-Wallis Test on C2

C1 N Median Ave Rank Z

1 25 2,000 36,4 -0,45
2 25 2,000 37,3 -0,20
3 25 2,000 40,3 0,65
Overall 75 38,0

H = 0,45 DF = 2 P = 0,800
H = 0,51 DF = 2 P = 0,776 (adjusted for ties)

- Mood Median Test: C2 versus C1

Mood median test for C2

Chi-Square = 0,44 DF = 2 P = 0,803

Individual 95,0% CIs

C1 N< N>= Median Q3-Q1 ----------+---------+---------+------
1 11 14 2,00 1,50 (-------------------+
2 11 14 2,00 2,00 (-------------------+
3 9 16 2,00 2,00 (-------------------+---------------)
----------+---------+---------+------
1,50 2,00 2,50
Overall median = 2,00
4.2. 3 Statistik Non Parametrik Dependen k = 2
Output SPSS
Tabel 4.23 Deskriptif Statistik Pengaruh Jenis Kelamin terhadap Status perkawinan

Descriptive Statistics
N Mean Std. Deviation Minimum Maximum
jenis_kelamin 50 1,5000 ,50508 1,00 2,00
status 50 1,3600 ,48487 1,00 2,00

Histogram

25

20
Frequency

15

10

Mean = 565.9432
Std. Dev. = 413.58562
0 N = 88
0.00 500.00 1000.00 1500.00 2000.00 2500.00 3000.00
jumlah

Gambar 4.7 Histogram with normal curve Pengaruh jenis kelamin terhadap status perkawinan

- Sign Test
 Tabel 4.24 Output Sign Test Pengaruh Jenis Kelamin terhadap Status perkawinan

Frequencies
N
status - jenis_kelamin Negative
16
Differences(a)
Positive Differences(b) 9
Ties(c) 25
Total 50
a status < jenis_kelamin
b status > jenis_kelamin
c status = jenis_kelamin

Test Statistics(b)
status -
jenis_kelamin
Exact Sig. (2-tailed) ,230(a)
a Binomial distribution used.
b Sign Test

- Wilcoxon Signed Ranks Test

Tabel 4.25 Output Wilcoxon Signed Ranks Test Pengaruh Jenis Kelamin terhadap Status
perkawinan
Ranks
N Mean Rank Sum of Ranks
status - Negative Ranks 16(a) 13,00 208,00
jenis_kelamin Positive Ranks 9(b) 13,00 117,00
Ties 25(c)
Total 50
a status < jenis_kelamin
b status > jenis_kelamin
c status = jenis_kelamin

Test Statistics(b)
 status -
jenis_kelamin
Z -1,400(a)
Asymp. Sig. (2-tailed) ,162
a Based on positive ranks.
b Wilcoxon Signed Ranks Test

4.2. 4 Statistik Non Parametrik Dependen k > 2

Output SPSS
- Deskriptif Statistik and histogram with normal curve
Tabel 4.26 Deskriptif Statistik Pengaruh Negara Asal terhadap Jenis Film yang Disukai

Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
Negara 75 1,00 3,00 2,0000 ,82199
Jenis_film 75 1,00 4,00 2,7467 1,18656
Valid N (listwise) 75

Histogram

30

25

20
Frequency

15

10

Mean = 2.7467
Std. Dev. = 1.18656
0 N = 75
0.00 1.00 2.00 3.00 4.00 5.00
Jenis_film

Gambar 4.8 Histogram with normal curve Pengaruh Negara Asal Film dengan Jenis Film
- Friedman Test
Tabel 4.27 Output Friedman Test Pengaruh Negara Asal terhadap Jenis Film yang Disukai

Ranks
Mean Rank
Jenis_film 1,63
Negara 1,37

Test Statistics(a)
N 75
Chi-Square 6,452
df 1
Asymp. Sig. ,011
a Friedman Test

- Kendall's W Test
Tabel 4.28 Output Kendall’s W Test Pengaruh Negara Asal terhadap Jenis Film yang Disukai

Ranks
Mean Rank
Jenis_film 1,63
Negara 1,37

Test Statistics
N 75
Kendall's
,086
W(a)
Chi-Square 6,452
df 1
Asymp. Sig. ,011
a Kendall's Coefficient of Concordance

Output MINITAB
Uji Friedman
Friedman test for C3 by C2 blocked by C1

S = 10,50 DF = 2 P = 0,005
S = 15,00 DF = 2 P = 0,001 (adjusted for ties)
Est Sum of
C2 N Median Ranks
1 25 4,0000 62,5
2 25 3,0000 40,0
3 25 3,0000 47,5

Grand median = 3,3333

‘/
 BAB V
ANALISA DATA

5.1 ANALISA METODE SAMPLING DAN HASIL SAMPLING

Data yang diolah dalam praktikum ini ada 6 macam, yaitu :
1. Data parametrik independen k = 2
Data yang digunakan adalah data jumlah kyai dan ustadz di setiap
kabupaten di Jawa Tengah. Data ini diambil dari BPS Jawa Tengah.
Sampling yang digunakan adalah area sampling.
2. Data parametrik independen k > 2
Data yang digunakan adalah jumlah jama’ah haji yang diberangkatkan
dari beberapa kabupaten di Jawa Tengah pada tahun 2001, 2002 dan
2003. Data ini diambil dari Biro Pusat Statistik Jawa Tengah. Sampling
yang digunakan adalah area sampling.
3. Data nonparametrik independen k = 2
Data yang digunakan adalah data pengaruh jenis kelamin terhadap alat
aktualisasi yang digunakan. Data ini didapat dari kuesioner. Sampling
yang digunakan adalah sampling seadanya.
4. Data nonparametrik independen k > 2
Data yang digunakan data mengenai pengaruh golongan darah terhadap
jenis materi yang disukai. Data diambil dari kuesioner dimana
respondennya adalah mahasiswa Teknik Industri UNDIP. Sampling
yang digunakan adalah area sampling.
5. Data nonparametrik dependen k = 2
Data yang digunakan adalah data jenis kelamin dan status. Data didapat
dari: www.google/info_guru_guru2.php.html. Metode sampling yang
digunakan adalah sampling seadanya (convinience sampling)
6. Data nonparametrik dependen k > 2
Data yang digunakan adalah daftar pengaruh jenis film terhadap daerah
asal produksi film. Data ini didapat dari sampling langsung pada tanggal.
 Sampling yang digunakan adalah sampling seadanya (convinience
sampling)

5.2 Analisa Statistik Parametrik

5.2.1 Analisa Statistik Parametrik Independen k = 2
5.2.1.1 Output Excel
a. Statistik Deskriptif
Tabel 5.1 Statistik Deskriptif untuk Data Parametrik Independen k=2
kyai ustadz

Mean 283.6667 Mean 661.8

Standard Error 26.95016 Standard Error 74.65758463
Median 268.5 Median 601.5
Mode 365 Mode #N/A
Standard Deviation 147.6121 Standard Deviation 408.9164319
Sample Variance 21789.33 Sample Variance 167212.6483
Kurtosis -0.89775 Kurtosis 5.073799684
Skewness 0.053532 Skewness 1.611303503
Range 561 Range 2146
Minimum 13 Minimum 14
Maximum 574 Maximum 2160
Sum 8510 Sum 19854
Count 30 Count 30

Keterangan Tabel :
 Tabel statistik deskriptif ini terdiri dari 2 variabel.
 Baris1 yaitu Mean adalah rata-rata dari seluruh data pengamatan. Untuk
kyai1 nilainya 283.6667 sedang untuk ustadz nilainya 661.8
 Baris 2 yaitu Standard Error digunakan untuk memperkirakan besarnya
rata-rata dari data pengamatan yang diperkirakan dari sebuah sampel.
Untuk kyai standart error-nya 26.95016sedang ustadz standart error-nya
74.65758463.
 Baris 3 yaitu Median adalah nilai tengah diperoleh dengan membagi dua
sama besar data yang telah diurutkan. Median untuk kyai dan ustadz
masing-masing adalah 268.5 dan 601.5.
  Baris 4 yaitu Mode adalah nilai / data yang sering muncul untuk kyai
adalah 365 dan untuk ustadz tidak ada modusnya karena frekuensi
munculnya sama.
 Baris 5 yaitu Standard Deviation atau standar deviasi digunakan untuk
menilai dispersi rata-rata dari sampel. Standar deviasi untuk kyai sebesar
147.6121dan ustadz sebesar 408.9164319
 Baris 6 yaitu Sample Variance adalah variansi dari sampel, untuk kyai
besarnya 21789.33 sedang untuk ustadz sebesar 167212.6483.
 Baris 7 yaitu Kurtosis, besarnya kurtosis untuk kyai adalah -0.89775dan
untuk ustadz adalah 5.073799684.
 Baris 8 yaitu Skewness, besarnya skewness dari kyai adalah 0.053532dan
untuk ustadz adalah 1.611303503.
 Baris 9 yaitu Range atau jangkauan. Didapat dengan mengurangkan data
maksimun dengan data minimum. Range untuk kyai adalah 561
sedangkan range untuk usstadz adalah 2146.
 Baris 10 yaitu Minimum adalah nilai minimum. Pada kyai sebesar 13 dan
pada ustadz sebesar 14.
 Baris 11 yaitu Maximum adalah nilai maksimum. Pada kyai sebesar 574
dan pada ustadz sebesar 2160.
 Baris 12 yaitu Sum adalah jumlah seluruh data pengamatan dikalikan
frekuensi untuk tiap variabel. kyai sebesar 8510 sedang ustadz sebesar
19854.
 Baris 13 yaitu Count merupakan jumlah pengamatan yang dilakukan yaitu
baik kyai maupun ustadz sama-sama 30.

b. Uji–ANOVA
Tabel 5.2 Anova Single Factor untuk Data Parametrik Independen k=2
SUMMARY
Groups Count Sum Average Variance
Kyai 30 8510 283.6666667 21789.33
Ustadz 30 19854 661.8 167212.6
 Keterangan Tabel :
• Dari tabel output Anova Single Factor, pada kolom groups terdapat dua
baris yaitu kyai dan ustadz, ini menunjukkan bahwa data yang digunakan
terdiri dari 2 variabel. kyai menunjukkkan bahwa data yang diambil yaitu
jumlah kyai dan ustadz menunjukkan bahwa data diambil yaitu jumlah
ustadz.
 Kolom ke 2 yaitu Count menunjukkan jumlah data pengamatan yaitu 30
untuk tiap variabelnya.
 Kolom 3 yaitu Sum menunjukkan jumlah seluruh data untuk tiap
variabelnya dikalikan frekuensi, variabel 1 jumlahnya 8510 sedang
variabel 2 jumlahnya 19854.
 Kolom 4 yaitu Average atau rata-rata dari keseluruhan data tiap variabel.
Nilai ini diperoleh dari Sum dibagi Count, variabel 1 nilainya
283.6666667 dan variabel 2 nilainya 661.8.
 Kolom 5 yaitu Variance menunjukkan variansi data, untuk variabel 1
nilainya 21789.33 dan untuk variabel 2 nilainya 167212.6.
Tabel 5.3 Uji Anova untuk Data Parametrik Independen k=2

ANOVA
P-
Source of Variation SS df MS F value F crit
1.31E-
Between Groups 2144772 1 2144772.267 22.69576 05 4.006873
Within Groups 5481057 58 94500.9908

Total 7625830 59

Keterangan Tabel :
 Pada tabel uji Anova terdapat 7 kolom dan 3 baris. Baris pertama adalah
between groups yang menunjukkan perlakuan sebagai Sources of
Variation, baris kedua adalah within groups yang menunjukkan galat
sebagai Sources of Variation serta baris ketiga adalah total dari baris
pertama dan kedua.
 Kolom 1 adalah Source of Variation yaitu sumber variasi yang terdiri dari
between groups yang menunjukkan perlakuan dan within groups yang
menunjukkan galat serta jumlah dari keduanya.
 Kolom 2 adalah SS (Sum of Square) atau jumlah kuadrat, untuk baris
pertama atau regresi mempunyai nilai SS sebesar 2144772 dan untuk baris
kedua atau sisa mempunyai SS sebesar 5481057 sedangkan totalnya
7625830.
 Kolom 3 yaitu df atau derajat kebebasan, untuk baris pertama nilainya k-
1=2-1=1 sedangkan baris kedua nilai nilainya 58 atau dapat dihitung
dengan k(n-1)=2(30-1)=58 dan baris total merupakan jumlah dari baris 1
dan 2 yaitu 1+58=59.
 Kolom 4 adalah MS (Mean Square) atau rataan kuadrat. Untuk baris
pertama (regresi) nilai MS-nya 2144772.267 sedang baris kedua (sisa)
94500.9908 atau dengan cara membagi JKregresi dengan dfregresi untuk MS
regresi, sedang MS sisa adalah JKsisa dibagi dfsisa.
 Kolom 5 yaitu Fhitung, didapat nilainya 22.69576 atau dengan membagi MS
regresi dengan MS sisa.
 Kolom 6 yaitu Pvalue atau probabilitas dan didapat nilai 1.31x 10-5. Dapat
digunakan untuk menentukan keputusan atas uji hipotesa yaitu dengan
membandingkan Pvalue dengan derajat keberartiannya.
 Kolom 7 adalah Fcritical atau Ftabel, didapat nilai 4.006873. Dapat pula
digunakan untuk menentukan keputusan atas uji hipotesa yang dilakukan,
dengan membandingkan Ftabel dan Fhitung.
Pengujian :
1. Ho : 1 - 2 = 0
2. H1 : 1 - 2 > 0.
3.  : 0,05
4. Daerah Kritis : Fhitung > Ftabel
P <  = P < 0 ,05
5. Perhitungan :
 (lihat tabel 5.3)
Fhitung = F = 22,69576
Ftabel = F crit = 4,006873
P = P-value = 1,31x 10-5
6. Keputusan :
Terima Ho , karena
- Berdasarkan nilai F, Fhitung > Ftabel = 22,69576>4,006873
- Berdasarkan nilai P (probabilitas), P < 0,05 = 1,31x 10 -5< 0,05
7. Kesimpulan: selisih rataan kyai dan ustadz tidak sama

c. t-Test
Tabel 5.3 Uji Mean dengan Distribusi t (t-Test) Untuk Parametrik Independen k=2
kyai ustadz
Mean 283.6667 661.8
Variance 21789.33 167212.6483
Observations 30 30
Pearson Correlation 0.540701
Hypothesized Mean Difference 0
Df 29
t Stat -5.88806
P(T<=t) one-tail 1.08E-06
t Critical one-tail 1.699127
P(T<=t) two-tail 2.17E-06
t Critical two-tail 2.04523

Keterangan Tabel :
 Dari tabel uji t terdapat 3 kolom. Ini berarti ada 2 variabel yaitu kyai
(Variable 1) dan ustadz (Variable 2).
 Baris 1 terdapat mean atau rata-rata dari data yang didapat. Variabel 1
mempunyai rata-rata 283.6667 dan variabel 2 mempunyai rata-rata 661.8
 Baris 2 yaitu variance atau variansi ditunjukkan untuk variabel 1 sebesar
21789.33 dan untuk variabel 2 sebesar 167212.6483
 Baris 3 yaitu observation atau jumlah sampel pengamatan yang diambil,
diperoleh nilai 30 berarti besarnya jumlah sampel pengamatan yaitu 30.
 Baris 4 terdapat Pearson Correlation atau biasa disebut dengan korelasi
atau hubungan antar variabel, dimana dari tabel di atas diketahui nilainya
0.540701 berarti hubungan antara kedua variabel tidak begitu dekat karena
nilai dari Pearson Correlation-nya tidak mendekati 1.
 Baris 5 menampilkan Hypothesized Mean Difference yaitu perbedaan nilai
rata-rata dari data yang dihipotesiskan, dari tabel diperoleh nilainya 0. Ini
berarti bahwa tidak terdapat perbedaan rataan dari kedua variabel tersebut
atau dengan kata lain identik.
 Baris 6 terdapat df atau derajat kebebasan yang besarnya adalah 29 yang
didapat dari jumlah data pengamatan dikurang dengan n-1= 30-1=29.
 Baris 7 menunjukkan t Stat atau nilai t berdasarkan perhitungan nilainya -
5.88806, bisa digunakan untuk uji hipotesa.
 Baris 8 yaitu P(T<=t) one-tail nilainya 1.08E-06 menunjukkan peluang
atau probabilitasnya yang bisa juga digunakan untuk uji hipotesa dengan
membandingkan antara nilai probabilitasnya dengan taraf keberartian,
untuk satu sisi menggunakan taraf keberartian 0,05 . Apabila nilai P ini
kurang dari nilai taraf keberartian maka keputusannya tolak H0 begitu pula
sebaliknya .
 Baris 9 yaitu t Critical one-tail atau nilai t yang didapat dari tabel t untuk
satu sisi besarnya 1.699127, untuk menentukan keputusan hipotesa maka
nilai ttabel ini dibandingkan dengan nilai thitung bila ternyata t berada di
daerah kritis ( thitung > ttabel ) maka keputusan yang diambil adalah tolak H0
begitu pula sebaliknya.
 Baris 10 adalah P(T<=t) two-tail nilainya 2.17E-06 menunjukkan peluang
atau probabilitasnya yang bisa juga digunakan untuk uji hipotesa dengan
membandingkan antara nilai probabilitasnya dengan taraf keberartian,
untuk dua sisi menggunakan taraf keberartian 0,05. Apabila nilai P ini
kurang dari nilai taraf keberartian maka keputusannya tolak H0 begitu pula
sebaliknya .
 Baris 11 adalah t Critical two-tail atau nilai t yang didapat dari tabel t
untuk dua sisi besarnya 2.04523, untuk menentukan keputusan hipotesa
 maka nilai ttabel ini dibandingkan dengan nilai thitung. Bila ternyata t berada
di daerah kritis ( thitung < -ttabel atau thitung > ttabel ) maka keputusan yang
diambil adalah tolak H0 begitu pula sebaliknya.
Pengujian eka sisi:
1. Ho : 1 - 2 = 0
2. H1 : 1 -  2 > 0
3.  : 0,05
4. Daerah Kritis : thitung > ttabel
P <  = P < 0,05
5. Perhitungan :
(lihat tabel 5.5)
thitung = t Stat = -5.88806
ttabel = t Critical one-tail = 1.699127
P = P(T<=t) one-tail = 1.08x 10 -6
6. Keputusan :
Terima Ho, karena
Berdasarkan nilai t, thitung < ttabel = -5.88806<1.699127
Tolak Ho, karena
Berdasarkan nilai P (probabilitas), P <   = 1.08x 10 -6< 0,05
7. Kesimpulan:
Berdasarkan keputusan di atas maka rataan ustadz dan kyai tidak sama
Pengujian dwi sisi:
1. Ho : 1 - 2 = 0
2. H1 : 1 -  2 > 0
3.  : 0,05
4. Daerah Kritis : thitung > ttabel
P <  = P < 0,05
5. Perhitungan :
(lihat tabel 5.5)
thitung = t Stat = -5.88806
 ttabel = t Critical two-tail = 2.04523
P = P(T<=t) two-tail = 2.17x10 -6
6. Keputusan :
Terima Ho, karena
Berdasarkan nilai t, thitung < ttabel = -5.88806< 2.04523
Tolak Ho, karena
Berdasarkan nilai P (probabilitas), P <   = 2.17x10-6< 0,05
7. Kesimpulan:
Berdasarkan keputusan di atas rataan kyai dan ustadz tidak sama

d. F-Test (ekasisi)
Tabel 5.4 Uji Variansi (F-Test) untu k Data Parametrik Independen k=2
kyai ustadz
Mean 283.6667 661.8
Variance 21789.33 167212.6
Observations 30 30
df 29 29
F 0.130309
P(F<=f) one-
tail 2.11E-07
F Critical one-
tail 0.5374

Keterangan Tabel :
 Dari tabel Uji-F terdiri dari 3 kolom, kolom 1 berisi keterangan, kolom 2
berisi data variabel 1 (jumlah ustadz), kolom 3 berisi data variabel 2
(jumlah kyai).
 Baris 1 terdapat Mean yaitu rata-rata dari data yang diambil untuk kedua
variabel, variabel 1 mempunyai rata-rata 283.6667 sedangkan untuk
variabel 2 mempunyai rata-rata 661.8.
 Baris 2 terdapat Variance atau variansi, variansi untuk variabel 1 sebesar
21789.33 dan variabel 2 sebesar 167212.6.

 Baris 3 menunjukkan Observations atau jumlah pengamatan sebesar 30

karena jumlah data yang diambil sebanyak 30.
 Baris 4 terdapat df atau derajat kebebasan yang menunjukkan angka 29
dimana angka ini didapat dari pengurangan jumlah sampel pengamatan
dengan n-1= 30-1=29.
 Baris 5 terdapat Fhitung sebesar 0.130309 bisa digunakan untuk uji hipotesa.
 Baris 6 ada P(F<=f) one-tail atau probabilitas untuk distribusi F satu sisi
yang nilainya 2.11x10-7. Dapat digunakan untuk uji hipotesa dengan
membandingkan antara nilai probabilitasnya dengan taraf keberartian,
menggunakan taraf keberartian 0,05 . Apabila nilai P ini kurang dari nilai
taraf keberartian maka keputusannya tolak H0 begitu pula sebaliknya .
 Baris 7 terdapat F Critical one-tail atau nilai Ftabel satu sisi yaitu 0.5374.
Untuk menentukan keputusan hipotesa maka nilai Ftabel ini dibandingkan
dengan nilai Fhitung bila ternyata F berada di daerah kritis (Fhitung > Ftabel)
maka keputusan yang diambil adalah tolak H0 begitu pula sebaliknya.
Pengujian:
1. Ho : 1 - 2 = 0
2. H1 : 1 -  2 > 0
3.  : 0,05
4. Daerah Kritis : fhitung > ftabel
P <  = P < 0,05
5. Perhitungan :
(lihat tabel 5.5)
thitung = F =0.130309
ttabel = f Critical one-tail = 0.5374
P = P(F<=f) one-tail = 2.11x10-7
6. Keputusan :
Tolak Ho, karena
Berdasarkan nilai t, thitung < ttabel =0.130309 < 0.5374
Berdasarkan nilai P (probabilitas), P <   = 2.11x10-7 < 0,05
7. Kesimpulan:
Berdasarkan keputusan di atas selisih variansi antara kyai dan ustadz tidak
sama
5.2.1.2 Output SPSS
Tabel 5.5 Output SPSS untuk Data Parametrik Independen k = 2
Statistics

kyai ustadz
N Valid 30 30
Missing 0 0
Mean 283.6667 661.8000
Std. Error of Mean 26.95016 74.65758
Median 268.5000 601.5000
Mode 365.00 14.00(a)
Std. Deviation 147.61210 408.91643
Variance 21789.333 167212.648
Skewness .054 1.611
Std. Error of Skewness .427 .427
Kurtosis -.898 5.074
Std. Error of Kurtosis .833 .833
Range 561.00 2146.00
Minimum 13.00 14.00
Maximum 574.00 2160.00
Sum 8510.00 19854.00
Percentiles 10 72.7000 199.2000
20 158.2000 383.4000
25 170.7500 409.7500
30 192.1000 432.0000
40 216.4000 537.4000
50 268.5000 601.5000
60 342.0000 709.0000
70 365.0000 752.8000
75 418.2500 969.0000
80 427.6000 1000.6000
90 486.8000 1087.6000
a Multiple modes exist. The smallest value is shown

Keterangan Tabel :

 N merupakan jumlah data yang valid/sah untuk diproses, jumlahnya

sebanyak 30 data dan data yang hilang adalah nol untuk masing masing,
jumlah ustadz dan kyai. Hal ini berarti semua data digunakan sepenuhnya
(data siap diproses).
 Mean atau rata-rata Jumlah kyai adalah 283.6667 dan rata-rata jumlah ustadz
adalah 661.8000.
 Error standard of mean menunjukkan seberapa besar mean data bervariasi
dari sampel ke sampel yang diambil dari distribusi yang sama. Dengan
standard eror of mean kita dapat memperkirakan besarnya populasi yang
dapat dilihat dari sampel yang digunakan. Error standard of mean
mempunyai tingkat kepercayaan 95% dengan k = 2 (angka 2 digunakan
karena tingkat kepercayaan 95%). Tingkat kepercayaan 95% berarti tingkat
kesalahan yang terjadi adalah sebesar 95%. Untuk menghitung Error
standard of mean dengan cara membagi standard deviation (standar deviasi)
dengan akar n. Error standard of mean untuk jumlah kyai adalah 26.95016

dan Error standard of mean untuk jumlsh ustadz adalah 74.65758.

 Median atau titik tengah data jika semua data diurutkan dan dibagi dua sama
besar. Angka median untuk jumlah kyai adalah 268.5000 menunjukkan bahwa
50 % jumlah kyai adalah. 268.5000 ke atas, dan 50 % adalah 268.5000 ke
bawah. Sedangkan median untuk jumlah ustadz adalah 601.5000

menunjukkan bahwa 50 % jumlah ustadz adalah 601.5000 ke atas, dan 50 %

adalah 601.5000 ke bawah.
 Mode (Modus) atau nilai yang sering muncul untuk data jumlah kyai adalah
365.00 dan untuk data jumlah ustadz adalah 14.00(a) (angka yang muncul pada
SPSS). Huruf a pada nilai modus output SPSS menunjukkan tidak terdapat
modus (frekuensi data seragam yaitu 1), maka yang ditampilkan adalah nilai
terkecil dari data tersebut.
 Standard deviation (standar deviasi) untuk data jumlah kyai adalah 147.61210
dan 408.91643 untuk data jumlah ustadz.
 Variance (variansi) merupakan kelipatan standar deviasi. Untuk data jumlah
kyai nilainya 21789.333 dan untuk data jumlah ustadz adalah 167212.648.
 Ukuran skewness (kemencengan) berdasarkan perhitungan menggunakan
SPSS adalah 0 .054 untuk data jumlah kyai dan 1.611 untuk data jumlah
ustadz.
 Ukuran kurtosis (keruncingan) berdasarkan perhitungan menggunakan SPSS
adalah -0.898 untuk data jumlah kyai dan 5.074 untuk data jumlah ustadz.
 Range adalah data maksimum dikurangi data minimum, yaitu 561.00 untuk
data jumlah kyai dan 2146.00 untuk data jumlah ustadz.
 Minimum adalah nilai minimum dari data. Untuk data besar jumlah kyai
nilainya 13 dan untuk data jumlah ustadz nilainya 14
 Maximum adalah nilai maksimum dari data. Untuk data jumlah kyai nilainya
574 dan untuk data jumlah ustadz nilainya 2160.
 Sum merupakan jumlah semua nilai dari data yaitu 8510.00 untuk data jumlah
kyai dan 19854.00 untuk data jumlah ustadz.
 Persentil atau angka persentil :
o Rata-rata jumlah 10% jumlah kyai di tiap kabupaten berada dibawah
72.7000, dan rata-rata jumlah 10% jumlah ustadz di tiap kabupaten berada
dibawah 199.2000.
o Rata-rata jumlah 20% jumlah kyai di tiap kabupaten berada di bawah
158.2000, dan rata-rata jumlah 20% jumlah ustadz di tiap kabupaten
berada dibawah 383.400.
o Rata-rata jumlah 25% jumlah kyai di tiap kabupaten berada di bawah
170.7500, dan rata-rata jumlah 25% jumlah ustadz di tiap kabupaten
berada dibawah 409.7500
o Rata-rata jumlah 30% jumlah kyai di tiap kabupaten berada di bawah
192.1000, dan rata-rata jumlah 30% jumlah ustadz di tiap kabupaten
berada dibawah 432.0000.
o Rata-rata jumlah 40% jumlah kyai di tiap kabupaten berada di bawah
216.4000, dan rata-rata jumlah 40% jumlah ustadz di tiap kabupaten
berada dibawah 537.4000.
o Rata-rata jumlah 50% jumlah kyai di tiap kabupaten berada di bawah
268.5000, dan rata-rata jumlah 50% jumlah ustadz di tiap kabupaten
berada dibawah 601.5000.
o Rata-rata jumlah 60% jumlah kyai di tiap kabupaten berada di bawah
342.0000, dan rata-rata jumlah 60% jumlah ustadz di tiap kabupaten
berada dibawah 709.0000.
 o Rata-rata jumlah 70% jumlah kyai di tiap kabupaten berada di bawah
365.0000, dan rata-rata jumlah 70% jumlah ustadz di tiap kabupaten
berada dibawah 752.8000.
o Rata-rata jumlah 75% jumlah kyai di tiap kabupaten berada di bawah
418.2500, dan rata-rata jumlah 75% jumlah ustadz di tiap kabupaten
berada dibawah 969.0000.
o Rata-rata jumlah 80% jumlah kyai di tiap kabupaten berada di bawah
427.6000, dan rata-rata jumlah 80% jumlah ustadz di tiap kabupaten
berada dibawah 1000.6000.
o Rata-rata jumlah 90% jumlah kyai di tiap kabupaten berada di bawah
486.8000, dan rata-rata jumlah 80% jumlah ustadz di tiap kabupaten
berada dibawah 1087.6000.

a. Analisa Histogram jumlah kyai

kyai

10

8
Frequency

Mean = 283.6667
Std. Dev. = 147.6121
0 N = 30
0.00 100.00 200.00 300.00 400.00 500.00 600.00
kyai

Gambar 5.1 Analisa Histogram jumlah kyai

Pada variabel jumlah kyai dengan jumlah data 8510 dan jumlah
pengamatan 30 maka didapat rata-rata 283.6667; median 268.5000; dan standar
deviasi 147.61210. Variansi dari grafik ini adalah sebesar 21789.333. Maka grafik
tersebut normal. Grafik tersebut cenderung meruncing hal ini disebabkan
variansinya kecil karena data randomnya mengumpul.
 b. Analisa Histogram jumlah ustadz

ustadz

10

8
Frequency

Mean = 661.80
Std. Dev. = 408.91643
0 N = 30
0.00 500.00 1000.00 1500.00 2000.00 2500.00
ustadz

Gambar 5.2 Analisa Histogram jumlah ustadz

Pada variabel jumlah penduduk perempuan dengan jumlah data 19854

dan jumlah pengamatan 30 maka didapat mean sebesar 661.8000 dan
mediannya sebesar 601.5000 serta standar deviasi 408.91643. Variansi dari
grafik ini adalah sebesar 167212.648. maka grafik tersebut normal , walaupun
grafik sedikit merata penyebaran datanya tetapi masih termasuk normal.

5.2.1.3 Output Minitab

Two-Sample T-Test and CI: C1; C2

Two-sample T for C1 vs C2

N Mean StDev SE Mean

C1 60 1,500 0,504 0,065
C2 60 473 360 46

Difference = mu C1 - mu C2
Estimate for difference: -471,2
95% CI for difference: (-564,1; -378,4)
T-Test of difference = 0 (vs not =): T-Value = -10,15 P-Value = 0,000 DF =
59
 2 3 1
Gambar 5.3 Boxplot kyai dan ustadz
Output diatas merupakan tampilan data distribusi normal dalam bentuk box plot.
Dapat dilihat bahwa seluruh nilai terdistribusi baik, dan tidak terdapat ada nilai ekstrim.
Diagram boxplot diatas menunjukkan persentil 25, persentil 75 dan median dari
himpunan data. Median data ditunjukkan dengan titik merah. Output bloxplot diatas
menunjukkan keragaman yang lebih besar untuk laju pertumbuhan pada tahun 2005.
Dari bentuk boxplot diatas dapat dikatakan bahwa distribusi sampelnya normal, karena
masih berada pada batas toleransi.

Keterangan :
1. Nilai percentil ke -25
2. Median
3. Nilai percentil ke -75

Hipotesis
1. Ho : kyai= ustadz
2. H1 : kyai ≠ ustadz
 3. Daerah Kritis: t > t / 2

4. Keputusan
Terima Ho, karena

Berdasarkan t > t / 2 =0 > -10,15

5. Kesimpulan: rata-rata jumlah ustadz dan kyai tidak sama

Perhitungan Manual Data Parametrik Independen k = 2

Statistik Deskriprif
 Mean (Nilai Rata-Rata)
n

 fx
i 1
Mean ( x ) jumlah kyai =
n
8510
=
30
= 283.6667

 fx
i 1
Mean ( x ) jumlah ustadz =
n
19854
=
30
= 661.8
Analisa :
Dari perhitungan manual ini, hasil yang diperoleh sama dengan hasil dari
Excel maupun SPSS yaitu mean untuk jumlah kyai adalah 283.6667
sedangkan untuk jumlah ustadz adalah 661.8.
 Error standard of mean
Untuk menghitung error standard of mean dengan cara membagi standard
deviation (standar deviasi) dengan akar n. Error standard of mean untuk
  147.6121
jumlah kyai adalah = = 26.95016 dan Error standard of mean
n 30
 408.91643
untuk besar gaji tahu 1993 adalah = = 74.65758.
n 30
Analisa :
Dari perhitungan manual ini, hasil yang diperoleh sama dengan hasil dari
Excel maupun SPSS yaitu error standard of mean untuk jumlah kyai adalah
26.95016 sedangkan untuk jumlah ustadz adalah 74.65758.
 Median (Nilai Tengah)
Median terletak pada tengah suatu data. Karena jumlah data adalah 30, maka
median dapat dicari dengan membagi dua jumlah nilai ke-15 dan 16 dari data
yang sudah diurutkan.
~ kyai = x ( n 1) / 2

252  285
=
2
= 268.5
~ ustadz = x ( n 1) / 2

588  615
=
2
= 601.5
Analisa :
Dari perhitungan manual ini, hasil yang diperoleh sama dengan hasil dari
Excel maupun SPSS yaitu median untuk jumlah kyai adalah 268.5 sedangkan
untuk jumlah ustadz adalah 601.5.
 Mode/Modus (Nilai yang sering muncul)
Modus nilai yang sering muncul dari ke-30 data yang ada.untuk nilai yang
sering muncul dalam data jumlah kyai adalah 365 dan jumlah ustadz adalah
14a.
Analisa :
 Dari perhitungan manual ini, hasil yang diperoleh sama dengan hasil dari
Excel maupun SPSS yaitu mode/modus untuk jumlah kyai adalah 365 dan
jumlah ustadz adalah 14a.
 Standard Deviation/Standar Deviasi (Simpangan baku)
Standar deviasi jumlah kyai

 

i 1
n
x  x
i
2

n 1

= 147.61210

Standar deviasi jumlah ustadz



i 1
n
x  x
i
2

n 1

= 408.91643

Analisa :
Dari perhitungan manual ini, hasil yang diperoleh sama dengan hasil dari
Excel maupun SPSS yaitu Standard Deviation/Standar Deviasi untuk
jumlah kyai adalah 147.61210 sedangkan untuk jumlah ustadz adalah
408.91643.

 Variance/Varians (Simpangan rata-rata kuadrat)

Varians jumlah kyai

2 

n

i 1
x  x
i
2

n 1

= 21789.333

Varians jumlah ustadz

2 

n

i 1
x  x
i
2

n 1
 = 167212.648

Analisa :
Dari perhitungan manual ini, hasil yang diperoleh sama dengan hasil dari
Excel maupun SPSS yaitu Variance/Varians untuk jumlah kyai adalah
21789.333 sedangkan untuk jumlah ustadz adalah 167212.648.
 Kurtosis (tingkat kepuncakan dari sebuah distribusi)
Kurtosis jumlah kyai
4
  2
 n(n  1)  xi  x    3(n 1)
 4   (n 1)(n  2)(n  3)  f 
   (n  2)(n  3)


 
 30(31)  3( 29) 2
= (57,49646393)  
 ( 29)(28)( 27)  ( 28)(27)
= (0,04242)(57,49646393)  3,337
= -0.898

Kurtosis jumlah ustadz

4
  2
 n(n  1)  xi  x    3(n 1)
 4   (n 1)(n  2)(n  3)  f 
   (n  2)(n  3)


 
 30(31)  3( 29) 2
=  (197.6426214)  
 ( 29)(28)( 27)  ( 28)(27)
= (0,04242)(197.6426214)  3,337
= 5.074
Analisa :
Dari perhitungan manual ini, hasil yang diperoleh sama dengan hasil dari
Excel maupun SPSS yaitu koefisien kurtosis untuk besar jumlah kyai adalah -
0.898 sedangkan untuk jumlah ustadz adalah 5.047.
 Skewness (Tingkat kemencengan suatu data yang telah dihitung)
Skewness jumlah kyai
 3

n  xi x 
s K  (n  1)(n  2)  f  
  
30
= (1.4616)
(29)(28)
= 0 .054
Skewness jumlah ustadz
3

n  xi x 
s K  (n  1)(n  2)  f  
  
30
= (43.6044)
(29)(28)
= 1.611
Analisa :
Dari perhitungan manual ini, hasil yang diperoleh sama dengan hasil dari
Excel maupun SPSS yaitu koefisien skewness untuk jumlah kyai adalah 0.054
sedangkan untuk jumlah ustadz adalah 1.611.
 Maximum/Maksimum (Nilai tertinggi dari suatu data)
Nilai maksimum jumlah kyai = 574
Nilai maksimum jumlah ustadz = 2160
Hasil ini sama dengan nilai maksimum data yang didapat dari output Excel
maupun SPSS.
 Minimum/Minimum (Nilai terendah dari suatu data)
Nilai minimum jumlah kyai = 13
Nilai minimum jumlah ustadz = 14
Hasil ini sama dengan nilai minimum data yang didapat dari output Excel
maupun SPSS.
 Range (Jangkauan data)
Range jumlah kyai = maksimum - minimum
= 274 - 13
= 561
 Range jumlah ustadz = maksimum - minimum
= 2160 - 14
= 2146
Hasil ini sama dengan range/jangkauan data yang didapat dari output Excel
maupun SPSS.
 Sum (Jumlah data)
Jumlah kyai = 8510
Jumlah ustadz = 19854
Hasil ini sama dengan sum/jumlah data yang didapat dari output Excel
maupun SPSS.
 Count (Jumlah pengamatan)
Jumlah pengamatan kyai = 30
Jumlah pengamatan ustadz = 30
Hasil ini sama dengan count/jumlah pengamatan yang didapat dari output
Excel maupun SPSS.
 Percentile (fraktil yang membagi seperangkat data yang telah terurut menjadi
seratus bagian yang sama)
k n  1
Pk = nilai ke
100
dengan nilai n = 30
dari rumus diatas maka didapat
Percentile jumlah kyai

P 10
 nilai ke 3,1

= x 3
 0,1x 4  x3 

= 70 + 0,1(97-70)
= 72.7

P 20
 nilai ke 6,2

= x 6
 0,2x7  x6 

= 156 + 0,2(167-156)
= 158.2
P 25
 nilai ke 7,75

= x 7
 0,25x8  x7 

= 167 + 0,25(172-167)
= 168.25

P 30
 nilai ke 9,3

= x 9
 0,3x10  x9 

= 187 + 0,3(204-187)
= 192.1

P 40
 nilai ke 12,4

= x
12
 0,4x13  x
12

= 210+ 0,4(226-210)
= 216.4

P 50
 nilai ke 15,5

= x
15
 0,5x16  x15 

= 252 + 0,5(285-252)
= 268.5

P 60
 nilai ke 18,6

= x
18
 0,6x19  x
18

= 330 + 0,6(350-330)
= 342

P 70
 nilai ke 21,7

= x 21
 0,7 x 22  x21

= 365 + 0,7(365-365)
= 365

P 75
 nilai ke 23,25

= x 23
 0,75x24  x  23

= 417 + 0,75(422-417)
= 420.75

P 80
 nilai ke 24,8
 = x 24
 0,8x 25  x24 

= 422 + 0,8(429-422)
= 427.6

P 90
 nilai ke 27,9

= x 27
 0,9x 28  x27 

= 485 + 0,9(487-485)
= 486.8
Percentile jumlah ustadz
P10  nilai ke 3,1
= x 3
 0,1x 4  x3 

= 196 + 0,1(228-196)
= 199.2

P 20
 nilai ke 6,2

= x 6
 0,2x7  x6 

= 380 + 0,2(397-380)
= 383.3

P 25
 nilai ke 7,75

= x 7
 0,25x8  x7 

= 397 + 0,25(414-397)
= 401.25

P 30
 nilai ke 9,3

= x 9
 0,3x10  x9 

= 426 + 0,3(446-426)
= 432

P 40
 nilai ke 12,4

= x
12
 0,4x13  x
12

= 527+ 0,4(553-527)
= 537.4

P 50
 nilai ke 15,5

= x
15
 0,5x16  x15 
 = 588 + 0,5(615-588)
= 601.5

P 60
 nilai ke 18,6

= x
18
 0,6x19  x
18

= 700 + 0,6(715-700)
= 709

P 70
 nilai ke 21,7

= x 21
 0,7 x 22  x21

= 729 + 0,7(763-729)
= 752.8

P 75
 nilai ke 23,25

= x 23
 0,75x24  x  23

= 963 + 0,75(987-963)
= 981
P80  nilai ke 24,8
= x 24
 0,8x 25  x24 

= 987 + 0,8(1004-987)
= 1000.6

P 90
 nilai ke 27,9

= x 27
 0,9x 28  x27 

= 1030 + 0,9(1094-1030)
= 1087.6
Hasil ini sama dengan count/jumlah pengamatan yang didapat dari output
Excel maupun SPSS.

5.2.1.4 Perhitungan anova Manual

Perhitungan anova Manual
1. H0 = 1  2
2. H1 = Paling sedikit 2 rataan tidak sama
3.   0,05
4. Daerah Kritis : f hitung > f tabel
V1= k-1
= 2-1 = 1
V2= k (n-1)
= 2 (30-1) = 58
Karena f tabel dengan derajat kebebasan 1,58 tidak terdapat da tabel L6 maka
dilakukan interpolasi :
4,00  x 60  58

4,00  4,08 60  40

X = 4,008
5. Perhitungan
Tabel 5.6 Perhitungan Anova Manual
No Y1 Y2 jumlah jumlah 2
1
442 963 1405 1974025
2
209 397 606 367236
3
252 414 666 443556
4
330 228 558 311364
5
167 380 547 299209
6
417 763 1180 1392400
7
422 654 1076 1157776
8
235 700 935 874225
9
210 718 928 861184
10
97 196 293 85849
11
58 615 673 452929
12
70 172 242 58564
13
114 242 356 126736
14
350 729 1079 1164241
15
485 426 911 829921
16
156 527 683 466489
17
429 1.030 1459 2128681
18
365 987 1352 1827904
19
496 588 1084 1175056
20
364 2.160 2524 6370576
 21
574 1.096 1670 2788900
22
285 715 1000 1000000
23
365 571 936 876096
24
329 1.007 1336 1784896
25
204 1.004 1208 1459264
26
226 553 779 606841
27
187 465 652 425104
28
172 446 618 381924
29
487 1.094 1581 2499561
30
13 14 27 729
28364 34191236
Total
8510 19854

No Y1 kuadrat Y2 kuadrat jumlah

1
195364 927369 1122733
2
43681 157609 201290
3
63504 171396 234900
4
108900 51984 160884
5
27889 144400 172289
6
173889 582169 756058
7
178084 427716 605800
8
55225 490000 545225
9
44100 515524 559624
10
9409 38416 47825
11
3364 378225 381589
12
4900 29584 34484
13
12996 58564 71560
14
122500 531441 653941
15
235225 181476 416701
16
24336 277729 302065
17
184041 1060900 1244941
18
133225 974169 1107394
19
246016 345744 591760
20
132496 4665600 4798096
21
329476 1201216 1530692
22
81225 511225 592450
 23
133225 326041 459266
24
108241 1014049 1122290
25
41616 1008016 1049632
26
51076 305809 356885
27
34969 216225 251194
28
29584 198916 228500
29
237169 1196836 1434005
30
169 196 365
21034438
total
3045894 17988544

T2
Faktor korelasi =
nk
(28364)2
=
30  2
= 13408608

k n
2 T 2 ..
JKT   yij 
i 1 j 1 nk

(28364)2
= 21034438 
60
= 7625830
k
2
T
i 1
i .
T 2 ..
JKA  
n nk
72420100  3,94E  08 (28364)2
= 
30 60
= 2144772

JKG = JKT – JKA

= 7625830-2144772
= 5481057
 JKA
S12 
k 1
2144772

2 1
= 2144772

JKG
S22 
k (n  1)
5481057

2(30  1)
= 94500,99

s12 2144772
Fhitung =   22,69576
s22 94500,99

P = P[F[k-1,k(n-1)]>f]
=P[22,69576[2-1,k(30-1)]>4.008]
= 1.31x10-5

Tabel 5.7 Perhitungan Manual Uji Anova Data Parametrik dengan k=2 Independen
Sumber Derajat Rataan
Jml. Kuadrat F Hitungan Nilai P F Kritis
Variasi kebebasan Kuadrat
2
S1
2 JKA
S1  S2
2
JKA=2144772 k 1 -5
Perlakuan k-1=1 1.31x 10 4,008
= 2144772 =
22,69576

JKG=5481057 JKA
S2 
Galat k(n-1) = 58 k (n  1)
=94500,99
 Total JKT=7625830 n(k-1) = 59

Keterangan tabel 5.7:

 JKT adalah jumlah kuadrat total, yaitu didapatkan angka 7625830. Dimana
derajat kebebasannya adalah 59
 JKA adalah jumlah kuadarat perlakuan, yaitu didapatkan angka 2144772.
 JKG adalah jumlah kuadrat galat, yaitu didapatkan angka 5481057. Dengan
derajat kebebasan 58.
 Didapatkan nilai F hitungan adalah 22,69576
6. Keputusan :
Tolak Ho karena Fhitung > FCrit yaitu 22,69576 > 4,008.
7. Kesimpulan :
Bahwa selisih rata-rata jumlah kyai pada tahun 2004 dan jumlah ustadz pada tahun
2004 tidak sama sama secara signifikan

 Perbandingan excel dengan perhitungan manual

Tabel 5.8 Perbandingan excel dengan perhitungan manual kyai
Jumlak kyai
excel Perhitungan manual
Mean 283.6667 283.6667
Std. Error of Mean 26.95016 26.95016
Median 268.5000 268.5
Mode 365.00 365
Std. Deviation 147.61210 147.6121
Variance 21789.333 21789.33
Skewness .054 0.054
Std. Error of Skewness .427 .427
Kurtosis -.898 -0.898
Std. Error of Kurtosis .833 .833
Range 561.00 561
Minimum 13.00 13
Maximum 574.00 574
 Sum 8510.00 8510
Percentiles 10 72.7000 72.7
20 158.2000 158.2
25 170.7500 170.75
30 192.1000 192.1
40 216.4000 218.4
50 268.5000 268.5
60 342.0000 342
70 365.0000 365
75 418.2500 418.25
80 427.6000 427.6
90 486.8000 486.8

Tabel 5.9 Perbandingan excel dengan perhitungan manual ustadz

Jumlah ustadz
excel Perhitungan manual
Mean 661.8000 661.8
Std. Error of Mean 74.65758 74.65758
Median 601.5000 601.5
Mode 14.00(a) 14
Std. Deviation 408.91643 408.91643
Variance 167212.648 167212.648
Skewness 1.611 1.611
Std. Error of Skewness .427 .427
Kurtosis 5.074 5.074
Std. Error of Kurtosis .833 .833
Range 2146.00 2148
Minimum 14.00 14
Maximum 2160.00 2160
Sum 19854.00 19854
Percentiles 10 199.2000 199.2
20 383.4000 383.4
25 409.7500 409.75
30 432.0000 432
40 537.4000 537.4
50 601.5000 601.5
60 709.0000 709
70 752.8000 752.8
75 969.0000 969
80 1000.6000 1000.6
90 1087.6000 1087.6

5.2.2 Analisa Statistik Parametrik Independen k > 2

5.2.2.1 Output Excel
a. Statistik Deskriptif
Tabel 5.10 Statistika Deskriptif Parametrik k>2
Tahun_I Tahun_II Tahun_III
Mean 591.1 Mean 586.0333333 Mean 511.6667
Standard Error 96.59452 Standard Error 70.62350368 Standard Error 54.26415
Median 396.5 Median 484.5 Median 460.5
Mode 305 Mode #N/A Mode 314
Standard Deviation 529.07 Standard Deviation 386.8208606 Standard Deviation 297.217
Sample Variance 279915.1 Sample Variance 149630.3782 Sample Variance 88337.95
Kurtosis 5.221323 Kurtosis 4.72060158 Kurtosis 3.794255
Skewness 2.126618 Skewness 1.759399121 Skewness 1.492342
Range 2451 Range 1888 Range 1441
Minimum 64 Minimum 99 Minimum 109
Maximum 2515 Maximum 1987 Maximum 1550
Sum 17733 Sum 17581 Sum 15350
Count 30 Count 30 Count 30

Keterangan Tabel :
 Tabel Statistik Deskriptif ini terdiri dari 3 kolom karena terdiri dari 3
variabel yaitu jumlah jamaah haji tahun 2001(tahun I), tahun 2002(tahun II)
dan tahun 2003(tahun III).
 Baris1 yaitu Mean adalah rata-rata dari seluruh data pengamatan, untuk
column 1 nilainya 591.1 ,Column 2 nilainya 586.0333333 dan colomn 3
nilainya 511.6667.
 Baris 2 yaitu Standard Error digunakan untuk memperkirakan besarnya
rata-rata dari data pengamatan yang diperkirakan dari sebuah sampel.
Untuk Column 1 standart errornya 96.59452, column 2 standart errornya
70.62350368 dan column 3 nilainya 54.26415.
 Baris 3 yaitu Median adalah nilai tengah diperoleh dengan membagi dua
sama besar data yang telah diurutkan. Median untuk Column 1 adalah 396.5
dan column 2 adalah 484.5 dan untuk column 3 yaitu 460.5.
 Baris 4 yaitu Mode adalah nilai / data yang sering muncul. Pada kolom 1
modenya adalah 305 .Pada kolom 3 adalah 314.
 Baris 5 yaitu Standard Deviation atau standar deviasi digunakan untuk
menilai dispersi rata-rata dari sampel. Standar deviasi untuk kolom 1
sebesar 529.07; kolom 2 sebesar 386.8208606 dan kolom 3 sebesar
297.217.
 Baris 6 yaitu Sample Variance adalah variansi dari sampel, untuk Column 1
besarnya 279915.1 untuk kolom 2 sebesar 149630.3782 dan untuk kolom 3
yaitu 88337.95.
 Baris 7 yaitu Kurtosis adalah derajat kepuncakan dari suatu distribusi,
biasanya diambil secara relatif terhadap suatu distribusi normal, besarnya
kurtosis untuk Column 1 adalah 5.221323 untuk kolom 2 adalah
4.72060158 sedangkan untuk kolom 3 yaitu 3.794255.
 Baris 8 yaitu Skewness adalah derajat ketaksimetrisan, atau kejauhan dari
simetri dari suatu distribusi, besarnya skewness dari kolom 1 adalah
2.126618 untuk column 2 adalah 1.759399121 sedangkan untuk kolom 3
yaitu 1.492342.
 Baris 9 yaitu Range atau jangkauan didapat dengan mengurangkan data
maksimun dengan data minimum. Range untuk Column 1 adalah 2451;
untuk Column 2 adalah 1888 dan untuk column 3 yaitu 1441.
 Baris 10 yaitu Minimum adalah nilai minimum. Pada column 1 sebesar 64
dan pada column 2 sebesar 99 sedangkan untuk column 3 yaitu 109.
 Baris 11 yaitu Maximum adalah nilai maksimum pada Column 1 sebesar
2515 dan pada column 2 sebesar 1987 sedangkan nilai maksimum pada
column ke3 yaitu sebesar 1550.
 Baris 12 yaitu Sum adalah jumlah seluruh data pengamatan dikalikan
frekuensi untuk tiap variabel. Pada column 1 sebesar 17733 sedang Column
2 sebesar 17581 sedangkan nilai Sum pada column 3 yaitu sebesar 15350.
 Baris 13 yaitu Count merupakan jumlah pengamatan yang dilakukan yaitu
baik Column 1, 2 dan 3 sama-sama berjumlah 30 pengamatan.

b. Uji Anova
 Analisa Tabel
Tabel 5.11 Output Anova (a)

SUMMARY
Groups Count Sum Average Variance
tahun_I 30 17733 591.1 279915.1
tahun_II 30 17581 586.0333 149630.4
 tahun_III 30 15350 511.6667 88337.95

Keterangan tabel :
 Dari tabel Anova Single Factor pada kolom groups terdapat tiga baris yaitu
column 1, column 2, dan column 3, hal ini menunjukkan bahwa data yang
digunakan terdiri dari 3 variabel. Column 1 menunjukkkan bahwa data
yang diambil berasal dari kolom 1 yaitu jumlah jamaah haji menurut
kabupaten / kota di Jawa Tengah untuk tahun 2001, column 2
menunjukkkan bahwa data diambil dari kolom 2 yaitu jumlah jamaah haji
menurut kabupaten / kota di Jawa Tengah ntuk tahun 2002 dan column
ketiga menunjukkan bahwa data diambil dari kolom 3 yaitu jumlah jamaah
haji menurut kabupaten / kota di Jawa Tengah untuk tahun 2003.
 Kolom ke 2 yaitu Count menunjukkan jumlah data pengamatan yaitu 30
untuk tiap variabelnya.
 Kolom 3 yaitu Sum menunjukkan jumlah seluruh data untuk tiap
variabelnya dikalikan frekuensi, variabel 1 jumlahnya 17733 sedang
variabel 2 jumlahnya 17581 dan variabel 3 jumlahnya 15350.
 Kolom 4 yaitu Average atau rata-rata dari keseluruhan data tiap variabel.
Nilai ini diperoleh dari Sum dibagi Count, variabel 1 nilainya 591.1 ,
variabel 2 nilainya 586.0333 dan variabel 3 nilainya 511.6667.
 Kolom 5 yaitu Variance menunjukkan variansi data, untuk variabel 1
nilainya 279915.1, untuk variabel 2 nilainya 149630.4 dan variabel 3
nilainya 88337.95.
Tabel 5.11 Output Anova (b)

ANOVA
Source of Variation SS df MS F P-value F crit
Between Groups 118657.3 2 59328.63 0.343679 0.710115 3.101296
Within Groups 15018618 87 172627.8

Total 15137276 89

Keterangan able
 Pada tabel Anova terdapat 7 kolom dan 3 baris. Baris pertama adalah
between groups, baris kedua adalah within groups dan baris ketiga adalah
total dari baris pertama dan kedua.
 Kolom 1 adalah Source of Variation yaitu sumber variasi yang terdiri dari
between dan within groups serta jumlah dari keduanya.
 Kolom 2 adalah SS atau jumlah kuadrat, untuk baris pertama atau
Perlakuan mempunyai nilai SS sebesar 118657.3 dan untuk baris kedua atau
Galat mempunyai SS sebesar 15018618 sedangkan totalnya 15137276.
Untuk mencari jumlah kuadrat dari regresi dapat dihitung dengan rumus :
k
2
k n
T2 T i
T..2
JKT   y ij2  .. JKA  i 1

i 1 j 1 nk n nk

JKG  JKT  JKA

Dimana T adalah Total seluruh demand untuk tiga tahun (2001, 2002, dan
2003).
 Kolom 3 yaitu df atau derajat kebebasan, untuk baris pertama nilainya 2(k-
1 = 3-1 = 2) sedangkan baris kedua nilai nilainya 87 {k (n-1) = 3x29 = 78)
dan baris ketiga merupakan totalnya 89 (87+2) atau n(k-1)=89. K disini
berjumlah 3 yang menunjukkan ada 3 macam perlakuan.
 Kolom 4 adalah MS atau rataan kuadrat untuk baris pertama (Perlakuan)
nilai MS-nya 59328.63 sedangkan baris kedua (galat) 172627.8 atau dengan
cara membagi JKperlakuan dengan dfperlakuan untuk MS perlakuan, sedangkan
MS galat adalah JKgalat dibagi dfgalat.
 Kolom 5 yaitu Fhitung , untuk baris pertama didapat nilainya 0.343679 atau
dengan membagi MS perlakuan dengan MS galat.
 Kolom 6 yaitu Pvalue atau probabilitas dan nilai yang didapat untuk baris
pertama adalah 0.710115. Dapat digunakan untuk menentukan keputusan
atas uji hipotesa yaitu dengan membandingkan Pvalue dengan derajat
keberartiannya.
  Kolom 7 adalah Fcritical atau Ftabel hasil yang didapat untuk Perlakuan adalah
3.101296, dapat pula digunakan untuk menentukan keputusan atas uji
hipotesa yang dilakukan, dengan membandingkan Ftabel dan Fhitung. Besarnya
Fcrit dapat dilihat dari interpolasi pada able L.6 Walpole.

Pengujian :
1. Ho : 1 = 2 = 3
2. H1 : ketiga rataan tidak semua sama
3.  : 0,05
4. Daerah Kritis : Fhitung > Ftabel
P <  = P < 0,05
5. Perhitungan :
(lihat tabel 5.10)
Fhitung = F = 0.343679
Ftabel = F crit = 3.101296
P = P-value = 0.710115
6. Keputusan :
Tolak H0 , karena
- Berdasarkan nilai F, Fhitung > Ftabel = 0.343679 < 3.101296
Terima Ho, karena
- Berdasarkan nilai P (probabilitas), P >   = 0.710115 > 0,05
7. Kesimpulan:
Rata-rata jemaah haji tiap tahunnya tidak sama.

5.2.2.2 Output SPSS Parametrik Independen k > 2

 Analisa Histogram
 Tahun 2001
 Tahun_I

14

12

10

Frequency
8

2
Mean = 591.10
Std. Dev. = 529.06999
0 N = 30
0.00 500.00 1000.00 1500.00 2000.00 2500.00 3000.00
Tahun_I

Gambar 5.4 Jumlah jemaah haji tahun 2001

Pada kolom 1 dengan jumlah 17733 dan jumlah pengamatan 30 maka

didapat rata-rata 591.1; median 396.5; standar deviasi 529.07; dan variansi sebesar
279915.1 . Dari grafik diatas terlihat bahwa batang histogram berbentuk kurva
normal. Hal ini dapat menunjukkan bahwa data mengenai jumlah jamaah haji
menurut kabupaten / kota di Jawa Tengah ini merupakan data berdistribusi normal
atau lebih condong mendekati kurva normal.

 Tahun 2002

Tahun_II

12

10

8
Frequency

Mean = 586.0333
Std. Dev. = 386.82086
0 N = 30
0.00 500.00 1000.00 1500.00 2000.00
Tahun_II

Gambar 5.5 Jumlah jemaah haji tahun 2002

Pada kolom 1 dengan jumlah demand 17581 dan jumlah pengamatan 30

maka didapat rata-rata 586.0333333; median 484.5; standar deviasi 386.8208606;
dan variansi sebesar 149630.3782. Dari grafik diatas terlihat bahwa batang
histogram berbentuk kurva normal. Hal ini dapat menunjukkan bahwa data
 mengenai jumlah jamaah haji menurut kabupaten / kota di Jawa Tengah ini
merupakan data berdistribusi normal atau lebih condong mendekati kurva normal.
 Tahun 2003

Tahun_III

10

8
Frequency

Mean = 511.6667
Std. Dev. = 297.21702
0 N = 30
0.00 500.00 1000.00 1500.00 2000.00
Tahun_III

Gambar 5.6 Jumlah jemaah haji tahun 2003

Pada column 3 dengan jumlah demand 15350 dan jumlah pengamatan 30

maka didapat rata-rata 511.6667; median 460.5 ;standar deviasi 297.217; dan
variansi sebesar 88337.95. Dari grafik diatas terlihat bahwa batang histogram

memiliki kemiripan bentuk dengan kurva normal. Hal ini dapat menunjukkan
bahwa data mengenai jumlah jamaah haji menurut kabupaten / kota di Jawa
Tengah ini merupakan data berdistribusi normal atau lebih condong mendekati
kurva normal.

5.3 Analisa Statistik Non Parametrik

5.3.1 Analisa Statistik Non Parametrik Independen k = 2
5.3.1.1 Output SPSS
a. Statistik Deskriptif
Tabel 5.12 Deskriptif Statistik Pengaruh Jenis kelamin terhadap

aktualisasi diri
Descriptive Statistics
 Percentiles
N Mean Std. Deviation Minimum Maximum 25th 50th (Median) 75th
gadget 50 1,5600 1,01338 1,00 5,00 1,0000 1,0000 2,0000
jenis_kelamin 50 1,5000 ,50508 1,00 2,00 1,0000 1,5000 2,0000

Tabel 5.10 Statistik Deskriptif untuk Data Non Parametrik Independen k = 2

Keterangan Tabel :
- Pada kolom pertama menunjukkan variabel yang digunakan yaitu data
jenis kelamin dan gadget
- Kolom kedua menunjukkan banyaknya data untuk kedua keadaan tersebut
sejumlah masing-masing 50 data.
- Kolom ketiga menunjukkan nilai rata-rata. Untuk data gadget adalah
1,560 dan untuk data jenis kelamin 1,50
- Kolom keempat menunjukkan nilai standar deviasi. Untuk data gadget
adalah 1,01338, dan untuk data jenis kelamin adalah 0,50508.
- Kolom kelima menunjukkan nilai minimum. Untuk data gadget adalah 1,0
dan untuk data jenis kelamin adalah 5,0
- Kolom keenam menunjukkan nilai maksimum. Untuk data gadget adalah
5,0 dan untuk data jenis kelamin adalah 2,0.
- Kolom keenam menunjukkan persentil 25,50, dan 75.

- Uji Mann-Whitney
Tabel 5.13 Output Mann-Whitney Test Pengaruh Jenis kelamin terhadap aktualisasi diri
Ranks
jenis_kelam
in N Mean Rank Sum of Ranks
gadget laki-laki 25 27,82 695,50
perempuan 25 23,18 579,50
Total 50

Keterangan Tabel :
 Kolom N pada tabel ranks di atas adalah jumlah sampel per kelompok.
Dari tabel uji Mann-Whitney diatas terlihat bahwa untuk jumlah data (N)
 laki-laki = 25, perempuan= 25. Jadi, jumlah total keseluruhan dari data =
50.
 Mean rank yaitu rata-rata rank, untuk laki-laki nilainya 27,82 dan untuk
perempuan nilainya 23,18.
 Sum of rank yaitu jumlah rank-nya, untuk laki-laki nilainya 695,50 dan
untuk perempuan nilainya 579,50

Test Statistics(a)
Test Statistics(a)

gadget
Mann-Whitney U 254,500
Wilcoxon W 579,500
Z -1,365
Asymp. Sig. (2-tailed) ,172
a Grouping Variable: jenis_kelamin

Keterangan Tabel :
• Tabel test statistic uji Mann-Whitney terdiri dari 4 baris.
• Baris 1 yaitu Mann-Whitney U atau statistik hitung Mann-Whitney
nilainya adalah 254,500.
• Baris 2 yaitu Wilcoxon W atau statistik hitung Wilcoxon nilainya adalah
579,500
• Baris 3 yaitu Mann-Whitney Z atau nilai Z untuk melakukan uji Mann-
Whitney nilainya -1,365
• Baris 4 yaitu asymp. Sig. (2-tailed)/asymptotic significance atau peluang
untuk uji 2 sisi adalah ,172
Pengujian :
1. Ho : 1 = 2
2. H1 : 1   2
3.  : 0,05
4. Daerah kritis : P <  = P < 0,05
5. Perhitungan :
 (lihat tabel 5.14)
P = asymp. Sig. (2-tailed) = 0,172
6. Keputusan :
Terima Ho, karena berdasarkan nilai P (probabilitas), P >  = 0,172
>0,05
7. Kesimpulan: rataan untuk jumlah gadget dan jenis kelamin penduduk
sama.

- Uji Moses
Tabel 4.14 Output Moses Test Pengaruh Jenis kelamin terhadap aktualisasi diri
Frequencies
Frequencies

jenis_kelamin N
gadget laki-laki
25
(Control)
perempuan
(Experimenta 25
l)
Total 50

Keterangan Tabel :
 Tabel uji moses diatas terdiri dari 3 baris.
 Dari kolom N pada tabel uji moses diatas terlihat bahwa untuk jumlah data
(N) laki-laki berjumlah 25, dan perempuan berjumlah 25. Jadi, jumlah
total keseluruhan dari data adalah 50.

Test Statistics(a,b)
Test Statistics(a,b)

gadget
Observed Control 33
Group Span Sig. (1-tailed) ,000
Trimmed Control 33
Group Span Sig. (1-tailed) ,000
Outliers Trimmed from each End
1

a Moses Test
b Grouping Variable: jenis_kelamin
 Keterangan Tabel :
• Tabel test statistic uji Moses diatas terdiri dari 5 baris.
• Baris 1 yaitu Observed Control yaitu jumlah pengamatan awal, nilainya
adalah 33.
• Baris 2 yaitu Group Span Sig. (1-tailed) yaitu probabilitas untuk uji satu
sisi sejumlah data pada baris 1, nilainya 0,000
• Baris 3 yaitu Trimmed Control adalah jumlah data pengamatan yang
berada pada rentang grup kendali, yaitu jumlah pengamatan dikurangi
data-data ekstrim di grup percobaan.
• Baris 4 yaitu Group Span Sig. (1-tailed) yaitu probabilitas untuk uji satu
sisi sejumlah data pada baris 3, nilainya ,000.
• Baris 5 yaitu Outliers Trimmed from each End yaitu jumlah data yang
berada di luar rentang grup kendali dari tiap-tiap sisi.

Pengujian :
1. Ho : s1 - s2 = 0
2. H1 : s1 - s2  0
3.  : 0,05
4. Daerah kritis : P <  = P < 0,05
5. Perhitungan :
(lihat tabel 5.13)
P = Group Span Sig. (1-tailed) = 0,000
6. Keputusan :
Tolak Ho, karena berdasarkan nilai probabilitas, P <  = 0,000 < 0,05
7. Kesimpulan: selisih antara standar deviasi untuk jumlah penduduk laki-
laki dan perempuan tidak sama

- Uji Kolmogorof – Smirnov

Tabel 4.1 4 Output Kolmogorov-Smirnov Test Pengaruh Jenis kelamin terhadap aktualisasi diri
Frequencies
 jenis_kelam
in N
gadget laki-laki 25
perempuan 25
Total 50

Test Statistics(a)
Keterangan Tabel :
 Dari kolom N pada tabel uji kolmogorof-Smirnov diatas terlihat bahwa
untuk jumlah data (N) laki-laki = 25, perempuan= 25. Jadi, jumlah total
keseluruhan dari data = 50.

Test Statistics(a)
gadget
Most Extreme Absolute ,160
Differences Positive ,000
Negative -,160
Kolmogorov-Smirnov Z ,566
Asymp. Sig. (2-tailed) ,906
a Grouping Variable: jenis_kelamin

Keterangan Tabel :
• Tabel test statistic uji kolmogorof-smirnov diatas terdiri dari 5 baris.
• Baris 1 yaitu Most Extreme Absolute atau nilai-nilai absolut yang paling
ekstrim, nilainya 0,160.
• Baris 2 yaitu Differences positive nilainya ,000 artinya nilai beda-beda
positifnya ,000.
• Baris 3 yaitu Differences negative nilainya -0,160 artinya nilai beda-beda
negatifnya -,160.
• Baris 4 yaitu Kolmogorov-Smirnov Z nilainya 0,566 artinya nilai Z untuk
uji kolmogorof-Smirnov adalah 0,566
 • Baris 5 yaitu asymp. Sig. (2-tailed)/asymptotic significance atau peluang
untuk uji 2 sisi adalah 0,906

Pengujian :
1. Ho : 1 = 2
2. H1 : 1   2
3.  : 0,05
4. Daerah kritis : P <  = P < 0,05
6. Perhitungan :
(lihat tabel 5.18)
P = asymp. Sig. (2-tailed) =0,906
7. Keputusan :
Tolak Ho, karena berdasarkan nilai P (probabilitas), P >  = 0,906 >0,05
8. Kesimpulan: rataan untuk laki-laki dan perempuan sama.

5.3.1.2 Output Minitab

Mann-Whitney Test and CI: laki_laki; perempuan

laki_lak N = 25 Median = 1,000

perempua N = 25 Median = 1,000
Point estimate for ETA1-ETA2 is 0,000
95,2 Percent CI for ETA1-ETA2 is (-0,000;1,000)
W = 695,5
Test of ETA1 = ETA2 vs ETA1 not = ETA2 is significant at
0,2646
The test is significant at 0,1759 (adjusted for ties)

Cannot reject at alpha = 0,05

Keterangan :
• Output menunjukkan banyak data adalah 25.
 • Median laki-laki adalah 1 dan perempuan adalah 1
• Nilai taksirannya sebesar 0,000.
• P-value Uji mann-Whitney adalah 0.1759

Pengujian :
1. Ho : Rataan jumlah gadget sama dengan rataan jumlah jenis kelamin.
2. H1 : Rataan jumlah gadget tidak sama dengan rataan jumlah jenis
kelamin
3.  : 0,05
4. Daerah penolakan: P-value < 
5. Perhitungan :
(lihat tabel hasil uji minitab)
P-value = 0.1759 = The test is significant at 0.1759
6. Keputusan :
terima Ho, karena berdasarkan nilai P, P >  = 0,1759 >0,05
7. Kesimpulan: rataan untuk jumlah gadget dan jenis kelamin sama.

5.3.2 Analisa Statistik Non Parametrik Independen k > 2

5.3.2.1 Output SPSS
a. Statistik Deskriptif
Tabel 5.15 Descriptive Statistics untuk Data Non Parametrik K > 2

Descriptive Statistics

N Minimum Maximum Mean Std. Deviation

Gol_darah 75 1,00 3,00 2,0000 ,82199
Cara_belajar 75 1,00 3,00 1,8667 ,82746

Keterangan Tabel :
- Pada kolom pertama menunjukkan variabel yang digunakan golongan
darah dan cara belajar
 - Kolom kedua menunjukkan banyaknya data yaitu untuk kedua keadaan
tersebut adalah sama yaitu 75 data.
- Kolom ketiga menunjukkan nilai rata-rata. Untuk golongan darah adalah
2,000, sedangkan untuk cara belajar adalah 1,8667
- Kolom keempat menunjukkan nilai standar deviasi. Untuk golongan
darah adalah 0,82199, sedangkan untuk cara belajar adalah 0,82746
- Kolom kelima menunjukkan nilai minimum yaitu untuk golongan darah
adalah 1,00, sedangkan untuk cara belajar adalah 1,00.
- Kolom keenam menunjukkan nilai maksimum yaitu untuk golongan
darah adalah 3,00, sedangkan untuk cara belajar adalah 3,00.

b. Uji Kruskal - Wallis

Tabel 5.16 Output Kruskal Wallis Test Pengaruh Golongan Darah Terhadap Cara Belajar
Ranks

Gol_darah N Mean Rank

Cara_belajar A 25 36,40
B 25 37,28
O 25 40,32
Total 75

Keterangan Tabel :
• Tabel uji kruskal wallis terdiri dari 2 kolom yaitu N artinya jumlah data
dan Mean Ranks artinya beda nilai rata-rata.
• Kolom 1 yaitu N berarti jumlah data terdiri dari golongan darah A, B, dan
O, dengan jumlah data masing-masing 25, dan totalnya 75.
• Kolom 2 yaitu Mean Ranks atau beda nilai rata-rata untuk golongan darah
A = 36.40, golongan darah B = 37.26, dan golongan darah O = 40.32

Test Statistics(b)

Cara_belajar
N 75
Median 2,0000
Chi-Square ,397(a)
 Df 2
Asymp. Sig. ,820
a 0 cells (,0%) have expected frequencies less than 5. The minimum expected cell frequency is 7,0.
b Grouping Variable: Gol_darah

Keterangan Tabel :
• Tabel test statistics uji Kruskal-Wallis terdiri dari 3 baris.
• Baris 1 yaitu Chi-Square atau statistik hitung Kruskal Wallis nilainya
0.397
• Baris 2 yaitu df (degree of freedom) atau derajat kebebasan nilainya 2.
• Baris 3 yaitu Asymp. Sig./asymptotic significance atau peluang nilainya
0.820.

Pengujian
1. Ho : 1 = 2 = 3
2. H1 : 1   2 3  : 0,05
3. Daerah Kritis : P <  = P < 0,05
4. Perhitungan :
( lihat tabel 5.21)
P = Asymp. Sig = 0,820
5. Keputusan :
Terima Ho , karena berdasarkan nilai P (probabilitas), P > = 0,820 >
0,05
6. Kesimpulan: rataan cara belajar mahasiswa golongan darah A, B, dan O
adalah sama

c. Uji Median
Tabel 5.18 Output Median Test Pengaruh Golongan Darah Terhadap Cara Belajar
Frequencies

Gol_darah
A B O
Cara_belajar > Median 6 7 8
<= Median 19 18 17
 Keterangan Tabel :
• Tabel uji median terdiri dari 3 kolom yaitu jumlah golongan darah A, B,
dan O
• Kolom 1 yaitu jumlah sampel (cara belajar) > Median atau cara belajar
yang memiliki nilai lebih besar dari median. Untuk golongan darah A
adalah 6, golongan darah B adalah 7, dan golongan darah O adalah 8.
• Kolom 2 yaitu jumlah sampel (cara belajar) <= Median atau jumlah cara
belajar memiliki nilai lebih kecil sama dengan median. Untuk golongan
darah A adalah 19, golongan darah B adalah 18, dan golongan darah O
adalah 17.
Test Statistics(b)

Cara_belajar
N 75
Median 2,0000
Chi-Square ,397(a)
Df 2
Asymp. Sig. ,820
a 0 cells (,0%) have expected frequencies less than 5. The minimum expected cell frequency is
7,0.
b Grouping Variable: Gol_darah

Keterangan Tabel :
• Tabel test statistics uji median terdiri dari 4 baris.
• Baris 1 yaitu N atau jumlah data, nilainya 75.
• Baris 2 yaitu median atau nilai tengah, nilainya 2,0000.
• Baris 3 yaitu chi-square atau statistik hitung untuk uji median, nilainya
0,397. Huruf a menunjukkan bahwa tidak ada data yang memiliki
frekuensi harapan kurang dari 5. frekuensi harapan minimum dari data
adalah 7,0.
• Baris 4 yaitu df (degree of freedom) atau derajat kebebasan, nilainya k-
1= 3-1 = 2.
• Baris 5 yaitu Asymp. Sig./asymptotic significance atau peluang nilainya
0,820.
Pengujian :
 1. Ho : ~1 = ~2 = ~3
2. H1 : Ketiga rataan tidak semua sama
3.  : 0,05
4. Daerah Kritis : P <  = P < 0,05
5. Perhitungan :
( lihat tabel 5.23)
P = Asymp. Sig = 0,820
6. Keputusan :
Terima Ho , karena berdasarkan nilai P (probabilitas), P >  = 0,820 >
0,05
7. Kesimpulan: rataan cara belajar mahasiswa golongan darah A, B, dan O
adalah sama

5.3.2.2 Output Minitab

- Uji Kruskal Wallis

Kruskal-Wallis Test: jenis_materi versus golongan_darah

Kruskal-Wallis Test on jenis_ma

golongan N Median Ave Rank Z

1 25 2,000 36,4 -0,45
2 25 2,000 37,3 -0,20
3 25 2,000 40,3 0,65
Overall 75 38,0

H = 0,45 DF = 2 P = 0,800
H = 0,51 DF = 2 P = 0,776 (adjusted for ties)

Keterangan :
• Output menunjukkan jumlah data, untuk golongan darah A(1)=25,
golongan darah B(2)=25, dan golongan darah O(3) =25.
• Median untuk golongan darah A (1) adalah 2,000 , golongan darah B (2)
adalah 2,000, dan golongan darah O (3) adalah 2,000.
• Rata-rata ranking untuk golongan darah A (1) adalah 36,4, golongan darah
B (2) adalah 37,3, dan golongan darah O (3) adalah 40,3.
 • Statistik z untuk golongan darah A (1) adalah -0,45, golongan darah B (2)
adalah 0,20, dan golongan darah O (3) adalah 0,65.

Pengujian :
1. Ho : 1 = 2 = 3
2. H1 : Ketiga rataan tidak semua sama
3.  : 0,05
4. Daerah penolakan: DF = k-1 = 3-1 = 2
H >  2
5. Perhitungan :
(lihat tabel hasil uji minitab)
H = 0,51  2 = 5,991

6. Keputusan :
Tolak Ho, karena berdasarkan nilai H, H <  2  = 0,51 < 5,991

7. Kesimpulan: rataan untuk cara belajar golongan darah A, B, dan O tidak

sama.

- Mood Median Test: jenis_materi versus golongan_darah

Mood median test for jenis_ma

Chi-Square = 0,44 DF = 2 P = 0,803

Individual 95,0% CIs

golongan N< N>= Median Q3-Q1 ----------+---------+---------+------
1 11 14 2,00 1,50 (-------------------+
2 11 14 2,00 2,00 (-------------------+
3 9 16 2,00 2,00 (-------------------+---------------)
----------+---------+---------+------
1,50 2,00 2,50
Overall median = 2,00

Keterangan :
• Output menunjukkan jumlah data, untuk golongan darah A(1)=25,
golongan darah B(2)=25, dan golongan darah O(3)=25.
 • Median untuk golongan darah A (1)adalah 2,000 , golongan darah B
(2)adalah 2,000, dan golongan darah O (3) 2,000.
• Nilai kuartil atas – kuartil bawah (rentangan) dari golongan A(1) adalah
1,5 , golongan darah B(2) adalah 2,00 , O(3) adalah 2,00

Pengujian :
1. Ho : 1 = 2 = 3
2. H1 : Ketiga rataan tidak semua sama
3.  : 0,05
4. Daerah penolakan: DF = k-1 = 3-1 = 2
H >  2

5. Perhitungan :
(lihat tabel hasil uji minitab)
H = 0,44  2 = 5,991

6. Keputusan :
Terima Ho, karena berdasarkan nilai H, H <  2  = 0,44 < 5,991

7. Kesimpulan: rataan untuk cara belajar golongan darah A, B, dan O sama.

5.3.3 Analisa Statistik Non Parametrik Dependen k = 2

5.3.3.1 Output SPSS
a. Statistik Deskriptif
Tabel 5.19 Descriptive Statistics untuk Data Non Parametrik Dependen k = 2
Descriptive Statistics

N Mean Std. Deviation Minimum Maximum

jenis_kelamin 50 1,5000 ,50508 1,00 2,00
status 50 1,3600 ,48487 1,00 2,00

Keterangan Tabel :
- Pada kolom pertama menunjukkan variabel yang digunakan adalah jenis
kelamin dan status
 - Kolom kedua menunjukkan banyaknya data yaitu untuk kedua keadaan
tersebut adalah sama yaitu 50 data.
- Kolom ketiga menunjukkan nilai rata-rata. Untuk jenis kelamin adalah
1,5000, sedangkan untuk status adalah 1,3600
- Kolom keempat menunjukkan nilai standar deviasi. Untuk jenis kelamin
adalah 0,4899, sedangkan untuk perempuan adalah 0,48990
- Kolom kelima menunjukkan nilai minimum yaitu untuk jenis kelamin
adalah 1,00, sedangkan untuk status adalah 1,00.
- Kolom keenam menunjukkan nilai maksimum yaitu untuk Jenis kelamin
adalah 2,00, sedangkan untuk status adalah 2,00.

b. Uji Tanda
Tabel 5.20 Output Sign Test Pengaruh Jenis Kelamin terhadap Status perkawinan
Frequencies

N
status - jenis_kelamin Negative
16
Differences(a)
Positive Differences(b) 9
Ties(c) 25
Total 50
a status < jenis_kelamin
b status > jenis_kelamin
c status = jenis_kelamin

Keterangan Tabel :
 Tabel uji tanda data non parametrik terdiri dari 4 baris yaitu Negative
Differences, Positive Differences, Ties, dan Total.
 Baris 1 yaitu negative differencesa pada kolom N nilainya 16 artinya
mempunyai beda-beda negatif 16 dan a status<jenis kelamin
 Baris 2 yaitu positive differencesb pada kolom N nilainya 9 artinya
mempunyai beda-beda positif 9 dan b berarti status > jenis_kelamin
 Baris 3 yaitu Ties pada kolom N nilainya 13 artinya ada 2 data yang
sama.
 Baris 4 yaitu Total pada kolom N nilainya 50 artinya jumlah datanya 50.

Test Statistics(b)
 status -
jenis_kelamin
Exact Sig. (2-tailed) ,230(a)
a Binomial distribution used.
b Sign Test

Keterangan Tabel :
 Pada kolom test statistic terlihat bahwa pada kolom Exact. Sig. (2-tailed)
untuk uji 2 sisi = 0,230(a) berarti peluangnya 0,230 dan a berarti
menggunakan distribusi binomial.
Pengujian :
1. Ho : 1 = 2
2. H1 : 1   2
3.  : 0,05
4. Daerah Kritis : P <  = P < 0,05
5. Perhitungan :
(lihat tabel 5.28)
P = Exact. Sig. (2-tailed) = 0,230
6. Kesimpulan :
Terima Ho, karena berdasarkan nilai P (probabilitas), P >  = 0,23 >
0,05
7. Keputusan : rataan antara jenis kelamin dan status adalah sama

c. Uji Rank Tanda Wilcoxon

Tabel 5. 21 Output Wilcoxon Signed Ranks Test Pengaruh Jenis Kelamin terhadap Status perkawinan
Ranks

N Mean Rank Sum of Ranks

status - Negative Ranks 16(a) 13,00 208,00
jenis_kelamin Positive Ranks 9(b) 13,00 117,00
Ties 25(c)
Total 50
a status < jenis_kelamin
b status > jenis_kelamin
c status = jenis_kelamin
Keterangan Tabel :
 Tabel uji Wilcoxon Sign Ranks Test terdiri dari 4 kolom yaitu kolom 1:
keteraangan, kolom 2 : N adalah jumlah data, kolom 3 : Mean Rank
adalah rata-rata data, kolom 4 : Sum of Ranks adalah jumlah data.
 Tabel uji Wilcoxon Sign Ranks Test terdiri dari 4 baris yaitu Negative
Ranks, Positive Ranks, Ties, dan Total.
 Baris 1 yaitu negative ranks pada kolom N nilainya 16a artinya ada 16
data yang mempunyai beda-beda negatif, a artinya status < jenis_kelamin,

jadi ada 6 data yang status > jenis_kelamin. Pada kolom Mean Rank nilainya
13,00 artinya rata-rata data 13,00. Pada kolom Sum of Ranks nilainya
208,00 berarti jumlah beda-beda negatifnya 208,00
 Baris 2 yaitu positive ranks pada kolom N nilainya 9b artinya ada 9 data
yang mempunyai beda-beda positif, b artinya status > jenis_kelamin, jadi ada
9 data yang status > jenis_kelamin. Pada kolom Mean Rank nilainya 13,00
artinya rata-rata data 13,00. Pada kolom Sum of Ranks nilainya 117,00
berarti jumlah beda-beda positifnya 117,00
 Baris 3 yaitu Ties pada kolom N nilainya 25c artinya ada 25 data yang
sama, c artinya status = jenis_kelamin jadi ada 25 data dengan status =
jenis_kelamin.

 Baris 4 yaitu Total pada kolom N nilainya 50 artinya jumlah datanya 50.

Test Statistics(b)

status -
jenis_kelamin
Z -1,400(a)
Asymp. Sig. (2-tailed) ,162
a Based on positive ranks.
b Wilcoxon Signed Ranks Test

Keterangan Tabel :
 Pada tabel untuk test statistik terlihat bahwa untuk uji Wilcoxon nilai
Zoutput = -1,400 (a). Berarti nilai Z = -1,400 dan a artinya diambil dari
 beda-beda positif karena dalam uji Wilcoxon yang dipakai adalah jumlah
beda-beda yang paling kecil.
 Nilai asymp. Sig (2-tailed) 0,162 berarti peluangnya 0,162

Pengujian :
1. Ho : 1 = 2
2. H1 : 1   2
3.  = 0,05
4. Daerah Kritis : P <  = P < 0,05
5. Perhitungan :
(lihat tabel 5.26)
P = asymp. Sig (2-tailed) = 0,162
6. Keputusan:
Terima Ho , karena berdasarkan nilai P (probabilitas), P > =
0,162>0,05
7. Kesimpulan: kedua rataan tersebut sama

5.3.4 Analisa Statistik Non Parametrik Dependen k > 2

5.3.4.1 Output Spss
a. Statistik Deskriptif
Tabel 5.22 Statistik Deskriptif untuk Data Non Parametrik Dependen k > 2
Descriptive Statistics

N Mean Std. Deviation Minimum Maximum

Negara 75 2,0000 ,82199 1,00 3,00
Jenis_film 75 2,7467 1,18656 1,00 4,00

Keterangan Tabel :
- Pada kolom pertama menunjukkan variabel yang digunakan yaitu
pengaruh negara asal film dengan jenis film yang disukai
- Kolom kedua menunjukkan banyaknya data yaitu untuk semua variabel
tersebut maisng-masing sama yaitu 75 data.
 - Kolom ketiga menunjukkan nilai rata-rata. Untuk banyaknya penyuka film
barat 2,160, Untuk banyaknya penyuka film indonesia adalah 3,4000,
Untuk banyaknya penyuka film asia adalah 2,6800,
- Kolom keempat menunjukkan nilai standar deviasi. Untuk banyaknya
penyuka film barat adalah 1,28062, banyaknya penyuka film indonesia
adalah 0,86603 banyaknya penyuka film asia adalah 1,06927.
- Kolom kelima menunjukkan nilai maksimum. Untuk banyaknya penyuka
film barat adalah 4,00, banyaknya penyuka film indonesia adalah 4,00
banyaknya penyuka film asia adalah 4,00.
- Kolom keenam menunjukkan nilai minimum. Untuk banyaknya penyuka
film barat adalah 1,00, banyaknya penyuka film indonesia adalah
2,00banyaknya penyuka film asia adalah 1,00.

b. Uji Friedman

Tabel 5.23 Output Friedman Test Pengaruh Negara Asal terhadap Jenis Film yang Disukai
Ranks

Mean Rank
Negara 1,37
Jenis_film 1,63

Keterangan Tabel :
 Tabel uji Friedman untuk data yang diuji didapat mean ranks atau beda
rata-rata untuk masing-masing data:, negara=1,37,Untuk jenis film adalah
= 1,63.
Test Statistics(a)

N 75
Chi-Square 6,452
Df 1
Asymp. Sig. ,011
a Friedman Test

Keterangan Tabel :
  Dari tabel Test Statistic pada uji friedman terdiri dari 4 baris yaitu N, Chi-
Square, df, asymp. Sig.
 Baris 1 yaitu N nilainya = 75 berarti jumlah data pengamatan = 75.
 Baris 2 yaitu Chi-Square atau statistik hitung Friedman adalah 6,452.
 Baris 3 yaitu df atau derajat kebebasan nilainya = 1.
 Baris 4 yaitu Asymp. Sig. (Probabilitas) untuk uji Friedman = 0,011
berarti peluangnya 0,011

Pengujian :
1. Ho : 1 = 2 = 3 = 4
2. H1 : keempat rataan tidak semua sama
3.  : 0,05
4. Daerah Kritis :  2 >  2 =  2 > 5.991 (Tabel L.5)

P <  = P < 0,05

Derajat kebebasan : V = k – 1 = 3 – 1 = 2
5. Perhitungan :
(lihat tabel 5.31)
 2 = 6,452
P = Asymp. Sig. = 0,011
6. Keputusan :
Tolak Ho , karena
- Berdasarkan nilai  2 ,  2 >  2 = 11.130 > 5.991

- Berdasarkan nilai P (probabilitas), P <  = 0,011< 0,05

7. Kesimpulan: ketiga rataan tidak semua sama.

c. Uji Rank Kendall’s

Tabel 5.24 Output Kendall’s W Test Pengaruh Negara Asal terhadap Jenis Film yang Disukai

Ranks

Mean Rank
 Negara 1,37
Jenis_film 1,63

Keterangan Tabel :
 Tabel uji Rank Kendall’s untuk data yang diuji didapat mean ranks atau
beda rata-rata untuk masing-masing data:, negara = 1,37, Untuk jenis film
= 1,63.

Test Statistics

N 75
Kendall's
,086
W(a)
Chi-Square 6,452
Df 1
Asymp. Sig. ,011
a Kendall's Coefficient of Concordance

Keterangan Tabel :
 Dari tabel Test Statistics pada uji Rank Kendall’sW terdiri dari 4 baris
yaitu N, Kendall's Wa, df, Asymp. Sig.
 Baris 1 yaitu N nilainya = 75 berarti jumlah data pengamatan = 75.
 Baris 2 yaitu Kendall's Wa atau statistik hitung Kendall's adalah 0.086
 Baris 3 yaitu df (degree of freedom) atau derajat kebebasan nilainya = 1
 Baris 4 yaitu Asymp. Sig. (Probabilitas) untuk uji Kendall's = .011 berarti
peluangnya 0.011.

Pengujian :
1. Ho : 1 = 2 = 3 = 4
2. H1 : ketiga rataan tidak semua sama
3.  : 0,05
4. Daerah Kritis :  2 >  2 =  2 > 5.991 (Tabel L.5)

P <  = P < 0,05

Derajat kebebasan : V = k – 1 = 3 – 1 = 2
5. Perhitungan :
 (lihat tabel 5.31)
 2 = 6,452
P = Asymp. Sig. = 0,011
6. Keputusan :
Tolak Ho , karena
- Berdasarkan nilai  2 ,  2 >  2 = 6,452 > 5,991

- Berdasarkan nilai P (probabilitas), P <  = 0,011< 0,05

7. Kesimpulan: Ketiga rataan tidak semua sama.

5.3.4.2 Output Minitab

- Uji Friedman

Friedman Test: jenis_film versus Asal_Film; no

Friedman test for jenis_fi by Asal_Fil blocked by no

S = 10,50 DF = 2 P = 0,005
S = 15,00 DF = 2 P = 0,001 (adjusted for ties)

Est Sum of
Asal_Fil N Median Ranks
1 25 4,0000 62,5
2 25 3,0000 40,0
3 25 3,0000 47,5

Grand median = 3,3333

Keterangan :
• Tabel Friedman test dengan menggunakan minitab terdiri dari 3 baris.
• Baris 1 yaitu jumlah data untuk pelakuan pertama sebanyak 25, nilai
median 3 , nilai sum of rank adalah 62,5.
• Baris 2 yaitu jumlah data untuk perlakuan kedua sebanyak 25, nilai
median 2 , nilai sum of rank adalah 40,0.
• Baris 3 yaitu jumlah data untuk perlakuan ketiga sebanyak 25, nilai
median 2, nilai sum of rank adalah 47,5.
• S adalah nilai Std. Deviation nilainya 10,52.
• DF adalah degree of freedom atau derajat kebebasan nilainya 2.
• P adalah peluang nilainya 0,005.

Pengujian :
1. Ho : 1 = 2 = 3 = 4
2. H1 : keempat rataan tidak semua sama
3.  : 0,05
4. Daerah Penolakan: Fr >  2 = Fr > 5.991 (Tabel L.5)

P <  = P < 0,05

Derajat kebebasan : DF = k – 1 = 3 – 1 = 2
5. Perhitungan :
(lihat tabel hasil uji minitab)
Fr= S = 15,00
P = 0.005
6. Keputusan :
Tolak Ho , karena

- Berdasarkan nilai Fr, Fr >  2 = 15,00 > 5,991

- Berdasarkan nilai P (probabilitas), P <  = 0,005<0,05

7. Kesimpulan: Ketiga rataannya tidak sama
 LAPORAN PRAKTIKUM STATISTIKA INDUSTRI
MODUL 1: STATISTIKA PARAMETRIK DAN NON PARAMETRIK
KELOMPOK 20 REGULER

BAB VI
PENUTUP

6.1 Kesimpulan
Dari praktikum yang telah dilaksanakan maka dapat diambil beberapa

kesimpulan, antara lain :

1. Statistik merupakan ilmu yang membahas metode – metode ilmiah untuk

pengumpulan, pengorganisasian, penyimpulan, penyajian, dan analisa data
maupun menarik kesimpulan yang valid serta membuat keputusan yang
dapat diterima berdasarkan analisa. Statistik secara garis besar dibagi dua,
yaitu :
a. Statistik deskriptif yang hanya mencari, mengorganisasi, dan
menampilkan data tanpa menarik kesimpulan.
b. Statistik induktif
Statistik yang melingkupi mulai dari membahas pengumpulan,

pengorganisasian, analisa data, serta penyimpulan data dari hasil analisa.

2. Berdasarkan nilai kemencengan (skewness), grafik distribusi terbagi menjadi

tiga, yaitu :
a. Negatively skewed distribution, yaitu kurva frekuensi suatu
distribusiyang mempunyai ekor yang lebih panjang ke kiri dari
maksimum pusat daripada yang ke kanan, distribusi ini disebut juga
menceng ke kiri atau mempunyai kemencengan negatif.
b. Positively skewed distribution, yaitu kurva frekuensi suatu distribusi
yang mempunyai ekor yang lebih panjang ke kanan dari maksimum
pusat daripada yang ke kiri, distribusi ini disebut juga menceng ke kanan
atau mempunyai kemencengan positif.
c. Symmetric distribution, yaitu kurva frekuensi suatu distribusi yang
mempunyai ekor yang sama panjang dari maksimum pusat.

129
 LAPORAN PRAKTIKUM STATISTIKA INDUSTRI
MODUL 1: STATISTIKA PARAMETRIK DAN NON PARAMETRIK
KELOMPOK 20 REGULER

3. Ada 3 jenis distribusi menurut kurtosis, yaitu: leptokurtik (puncak relatif

tinggi) dengan nilai kurtosis lebih besar dari 3, platikurtik (puncak mendatar)
dengan nilai kurtosis lebih kecil dari 3, dan mesokurtik (puncaknya tidak
terlalu lancip atau berpuncak mendatar) dengan nilai kurtosis sama dengan
3.
4. Statistik parametrik adalah pengolahan data dimana anggapan kenormalan
diberlakukan. Sebagian besar cara pengujian hipotesis didasarkan pada
anggapan bahwa sampel acak diambil dari populasi normal. Namun
untungnya, kebanyakan uji - uji tersebut masih dapat diandalkan bila
penyimpangannya dari kenormalan hanya sedikit, terutama sekali bila
ukuran sampelnya besar. Biasanya cara pengujian ini dinamakan metode
parametrik. Data parametrik memiliki karakteristik sebagai berikut :
a. Sampel (data) diambil dari populasi yang mempunyai distribusi normal
b. Variabel (data) yang diuji haruslah data bertipe interval atau rasio
c. Jumlah data sebanyak > 30 data
5. Pengujian hipotesis atau aturan pengambilan keputusan kebanyakan
membutuhkan berbagai asumsi mengenai distribusi populasi dimana sampel
diambil. Suatu pengujian populasi seringkali dihadapkan pada suatu uji yang
harus dilakukan tanpa kebergantungan asumsi-asumsi yang kaku karena
bersifat khusus. Uji statistik nonparametrik merupakan alternatif untuk
memenuhi kebutuhan tersebut dikarenakan menghasilkan kesahihan dan
validitas meskipun hanya berdasar pada asumsi-asumsi umum. Data non-
parametrik memiliki karakteristik sebagai berikut :
a. Data yang tidak berdistribusi normal atau variansi tidak sama
b. Jumlah data terlalu sedikit < 30
c. Data bertipe nominal atau ordinal
6. Kaidah pengambilan keputusan ada dua cara, yaitu melalui daerah kritis dan
peluang hasil perhitungan. Ho ditolak jika berada di dalam daerah kritis dan
jika nilai P lebih kecil dari atau sama dengan taraf keberartian. Begitu juga
sebaliknya.

130
 LAPORAN PRAKTIKUM STATISTIKA INDUSTRI
MODUL 1: STATISTIKA PARAMETRIK DAN NON PARAMETRIK
KELOMPOK 20 REGULER

7. Hasil uji dari praktikum :

a. Uji Parametrik
Tabel 6. 1 Hasil Keputusan dari Uji Parametrik

Jenis Uji Keterangan Uji Keputusan

Fhitung > Ftabel =
k = 2, parametrik, Fhitung > FCrit, Tolak Ho
Uji ANOVA ekasisi 22,69576>4,006873
independen
P < 0,05 = 1,31x 10-5<0,05 P < Tolak Ho
0.130309 < 0.5374 Fhitung < Ftabel , Terima Ho
k = 2, parametrik,
F-Test ekasisi
independen -7
2.11x10 < 0,05 P < Tolak Ho
-5.88806<1.699127 thitung < ttabel , Terima Ho
ekasisi
t-Test k = 2, parametrik, P <   = 1.08x 10 -6< 0,05 P < Tolak Ho
independen -5.88806< 2.04523 thitung < ttabel, Terima Ho
dwisisi -6
2.17x10 < 0,05 P < Tolak Ho

k > 2, parametrik, 0.343679 < 3.101296 Fhitung < Ftabel , Tolak Ho

Uji ANOVA ekasisi
independen 0.710115 > 0,05 P > Terima Ho
b. Uji Non-Parametrik
Tabel 6. 2 Hasil Keputusan dari Uji Non Parametrik

Jenis Uji Keterangan Uji Keputusan

k = 2, non 0,172 >0,05
Uji Mann-Whitney parametrik, dwisisi P > Terima Ho
independen
k = 2, non 0,000 < 0,05
Uji Moses parametrik, ekasisi P < Tolak Ho
independen
k = 2, non 0,906 > 0,05
Uji Kolmogorof-
parametrik, dwisisi P > Terima Ho
Smirnov
independen
k > 2, non 0,820 > 0,05
Uji Kruskal Wallis parametrik, ekasisi P > Terima Ho
independen
k > 2, non 0,820 > 0,05
Uji Median parametrik, ekasisi P > Terima
independen
Uji Rank Tanda k = 2, non 0,162>0,05
dwisisi P > Terima Ho
Wilcoxon parametrik,

131
 LAPORAN PRAKTIKUM STATISTIKA INDUSTRI
MODUL 1: STATISTIKA PARAMETRIK DAN NON PARAMETRIK
KELOMPOK 20 REGULER

dependen
k = 2, non 0,23 > 0,05
Uji Tanda parametrik, dwisisi P > Terima Ho
dependen
11.130 > 5.991
k > 2, non ekasisi  2 >  2 , Tolak Ho
Uji Friedman parametrik,
dependen
0,011< 0,05 P < Tolak Ho
k > 2, non 6,452 > 5,991  2 >  2 , Tolak Ho
Uji Rank Kendall’s parametrik, ekasisi
dependen 0,011< 0,05 P < Tolak Ho

6.2 Saran
1. Praktikum kurang efektif karena dilakukan secara massal, sebaiknya praktikum

dilakukan perkelompok atau beberapa kelompok saja.

2. Praktikum sebaiknya dilakukan tepat pada waktunya sehingga tidak banyak
menyita waktu.
3. Pada saat praktikum lebih baik jika dilakukan penerapan software secara
langsung.
4. Sebelum melaksanakan praktikum, sebaiknya praktikan sudah mengenal atau
sedikit mengetahui software SPSS dan Minitab yang akan digunakan, baik
mengenai fungsi maupun cara penggunaan.
5. Dalam melaksanakan praktikum, sebaiknya praktikan mencoba sendiri dalam
mengoperasikan software SPSS dan Minitab sehingga praktikan dapat langsung
mengerti dalam memasukkan data praktikum pada sofware SPSS dan Minitab.

132