You are on page 1of 56

Bab 3 Statistik Inferensi

BAB 3 STATISTIK INFERENSI

SPSS menyediakan berbagai metode parametrik untuk melakukan inferensi terhadap data statistik. Oleh karena luasnya cakupan parametrik, maka inferensi dengan parametrik akan dibagi dalam beberapa menu pada SPSS yaitu menu COMPARE MEANS dan CORRELATE. Pembahasan pada COMPARE MEANS meliputi: a. MEANS Bagian ini membahas hal yang sama pada statistik deskriptif, dengan penyajian subgrup dan ditambah dengan uji linearitas. b. T TEST Bagian ini membahas uji t yang meliputi: Uji t satu sampel Uji t untuk dua sampel independen Uji t untuk dua sampel berpasangan

c. ANOVA Jika uji t digunakan untuk uji terhadap dua sampel, maka uji ANOVA membahas uji untuk lebih dari dua sampel.

3.1 PAIRED SAMPLE T TEST (UJI T UNTUK DUA SAMPEL YANG BERPASANGAN)
UJI t Kasus: Produsen obat pelangsing ingin mengetahui apakah obat yang diproduksinya benarbenar mempunyai efek terhadap penurunan berat badan konsumen. Untuk itu

Bab 3 Statistik Inferensi

sebuah sampel yang terdiri atas 12 orang masing-masing diukur berat badannya, dan kemudian setelah sebulan meminum obat tersebut, kembali diukur berat badannya. Berikut adalah hasilnya (angka dalam kilogram).

No 1 2 3 4 5 6 7 8 9 10 11 12

Sebelum 80.20 77.50 88.15 79.60 83.57 89.57 75.95 91.37 82.37 79.85 83.72 76.83

Sesudah 79.20 75.50 88.53 76.57 80.65 83.76 73.53 85.76 80.59 77.39 79.29 76.83

Penyelesaian: Kasus di atas terdiri atas dua sampel yang berhubungan atau berpasangan satu dengan yang lain, yaitu sampel sebelum makan obat dan sampel sesudah makan obat. Di sini populasi diketahui berdistribusi normal dan karena sampel sedikit, dipakai uji t untuk dua sampel yang berpasangan (paired).

Oleh karena akan menguji suatu kejadian yang hanya menghasilkan dua jenis output, maka digunakan uji binomial. 1. Pemasukan data ke SPSS Langkah-langkah: Buka lembar kerja baru.

Bab 3 Statistik Inferensi

Dari menu utama File, pilih menu New. Lalu klik Data. Sekarang SPSS siap membuat variabel baru yang diperlukan Menamai variabel dan properti yang diperlukan.

Langkah berikutnya adalah membuat nama untuk setiap variabel baru, jenis data, label data dan sebagainya. Untuk itu klik tab sheet Variable View yang ada di bagian kiri bawah. Tampilan variable View dapat juga diambil dari menu View lalu submenu Variable, atau langsung tekan CTRL+T. Tampak di layar:

Gambar 3.1 Kotak Dialog SPSS Data Editor

Tampak tampilan pemasukan variabel baru dengan urutan NAME, TYPE dan seterusnya. Pengisian: Variabel sebelum Oleh karena ini variabel pertama, tempatkan pointer pada baris 1. Name. Sesuai kasus, letakkan pointer di bawah kolom Name, lalu klik ganda sel tersebut, dan ketik sebelum. Type. Oleh karena variabel ini akan berisi data rasio, maka biarkan saja default numeric yang sudah ada. Width. Untuk keseragaman, ketik 8 (sesuai default). Decimals. Untuk keseragaman, ketik 2. Hal ini berarti berat konsumen dimungkinkan ditulis sampai dua angka di belakang koma. Label. Abaikan bagian ini.

Bab 3 Statistik Inferensi

Abaikan bagian yang lain. Kemudian tekan CTRL+T untuk kembali ke DATA VIEW. Variabel sesudah Oleh karena ini variabel kedua, tempatkan pointer pada baris 2. Name. Sesuai kasus, letakkan pointer di bawah kolom Name, lalu klik ganda sel tersebut, dan ketik sesudah. Type. Oleh karena variabel ini akan berisi data rasio, maka biarkan saja default numeric yang sudah ada. Width. Untuk keseragaman, ketik 8 (sesuai default). Decimals. Untuk keseragaman, ketik 2. Hal ini berarti berat konsumen dimungkinkan ditulis sampai dua angka di belakang koma. Label. Abaikan bagian ini.

Abaikan bagian yang lain. Kemudian tekan CTRL+T untuk kembali ke DATA VIEW.

2. Mengisi data Untuk mengisi data dari tampilan VARIABLE VIEW, tekan CTRL+T untuk berpindah editor ke DATA VIEW, hingga tampak dua nama variabel di dua kolom pertama SPSS. Untuk mengisi kolom Sebelum, letakkan pointer pada baris 1 kolom tersebut, lalu ketik menurun ke bawah sesuai data berat badan (12 data). Untuk mengisi kolom Sesudah, letakkan pointer pada baris 1 kolom tersebut, lalu ketik menurun ke bawah sesuai data berat badan (12 data). Jika pengisian benar, maka terlihat data seperti pada awal Kasus.

3. Pengolahan data dengan SPSS Langkah-langkah: Dari menu utama SPSS, pilih menu Analyze, kemudian pilih submenu Compare-Means.

Bab 3 Statistik Inferensi

Dari serangkaian pilihan test untuk nonparametric, sesuai kasus pilih PairedSamples T test. Klik pilihan tersebut, maka tampak di layar:

Gambar 3.2 Kotak Dialog Paired t Test

Pengisian: Paired Variable(s) atau Variabel yang akan diuji. Oleh karena di sini akan diuji data sebelum dan sesudah, maka klik variabel sebelum, kemudian klik sekali lagi pada variabel sesudah, maka terlihat pada kolom Current Selection di bawah, terdapat keterangan untuk variable 1 dan 2. Kemudian klik tanda > (yang sebelah atas), maka pada Paired variables terlihat tanda sebelum .. sesudah.

Bab 3 Statistik Inferensi

Gambar 3.1 Paired Variables yang telah terisi

Untuk kolom option atau pilihan yang lain, dengan mengkliknya, tampak di layar:

Gambar 3.4 Kotak Dialog Options

Pengisian: Untuk Confidence Interval: atau tingkat kepercayaan. Sebagai default, SPSS menggunakan tingkat kepercayaan 95% atau tingkat signifikansi 100% - 95% = 5% Untuk Missing Values atau data yang hilang. Oleh karena dalam kasus semua pasangan data komplit (tidak ada yang kosong), maka abaikan saja bagian ini (tetap pada default dari SPSS, yaitu Exclude cases analysis by analysis).

Bab 3 Statistik Inferensi

Tekan Continue jika pengisian dianggap selesai.

Tekan OK untuk mengakhiri pengisian prosedur analisis. Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS. Output SPSS

Analisis: Output Bagian Pertama (Group Statistics) Pada bagian pertama terlihat ringkasan statistik dari kedua sampel. Untuk berat badan sebelum minum obat, konsumen mempunyai berat rata-rata 82.3900. Sedangkan setelah minum obat, kilogram. konsumen mempunyai berat rata-rata 79.8000

Bab 3 Statistik Inferensi

Output Bagian Kedua (Paired Samples Correlations) Bagian kedua output adalah hasil korelasi antara kedua variabel, yang menghasilkan angka 0.924 dengan nilai probabilitas jauh di bawah 0.05 (lihat nilai signifikansi output yang 0.000). Hal ini menyatakan bahwa korelasi antara berat sebelum dan sesudah minum obat adalah sangat erat dan benar-benar berhubungan secara nyata. Output Bagian Ketiga (Paired Sample Test) Hipotesis. Ho = Kedua rata-rata Populasi adalah identik (rata-rata populasi berat sebelum minum obat dan sesudah minum obat adalah sama/tidak berbeda secara nyata) Hi = Kedua rata-rata Populasi adalah tidak identik (rata-rata Populasi berat sebelum minum obat dan sesudah minum obat adalah tidak sama/berbeda secara nyata). Pengambilan Keputusan Dasar Pengambilan Keputusan: a. Berdasarkan perbandingan t hitung dengan t tabel (dasar pengambilan keputusan sama dengan uji t). Jika Statistik Hitung (angka t output) > Statistik Tabel (tabel t), maka Ho ditolak. Jika Statistik Hitung (angka t output) < Statistik Tabel (tabel t), maka Ho diterima. T hitung dari output adalah 4.576 Sedang statistik tabel dapat dihitung pada tabel t: Tingkat signifikansi ( ) adalah 5% (lihat input data pada bagian OPTION yang memilih tingkat kepercayaan 95%. Df atau derajat kebebasan adalah n (jumlah data) 1 atau 12 1 = 11. Uji dilakukan dua sisi karena akan diketahui apakah rata-rata Sebelum sama dengan Sesudah ataukah tidak. Jadi dapat lebih besar atau lebih kecil, karenanya dipakai uji dua sisi. Perlunya uji dua sisi dapat diketahui pula dari output SPSS yang menyebut adanya Two tailed test. Dari tabel t, didapat angka 2.2010

Bab 3 Statistik Inferensi

Oleh karena t hitung terletak pada daerah Ho ditolak, maka dapat disimpulkan obat tersebut efektif dalam upaya menurunkan berat badan.

b. Berdasarkan nilai probabilitas Jika probabilitas > 0.05, maka Ho diterima. Jika probabilitas < 0.05, maka Ho ditolak.

Keputusan: Terlihat bahwa t hitung adalah 4.576 dengan probabilitas 0.01. Oleh karena probabilitas < 0.05, maka Ho ditolak. Dengan kata lain, obat penurun berat tersebut efektif dalam menurunkan berat badan.

Pada prinsipnya pengambilan keputusan berdasar t hitung dan t tabel akan selalu menghasilkan kesimpulan yang sama dengan berdasar angka probabilitas. Namun untuk kemudahan dan kepraktisan, penggunaan angka probabilitas lebih sering dipakai sebagai dasar pengambilan keputusan inferensi.

Keterangan: Dalam kasus ini dapat juga dinyatakan bahwa Terdapat perbedaan Mean sebesar 2.5900 (lihat output SPSS). Angka ini berasal dari: Berat sebelum minum obat Berat sesudah minum obat Atau 82.3900 kg 79.8000 kg = 2.5900 kg. Perbedaan sebesar 2.5900 kg tersebut mempunyai range antara lower/batas bawah sebesar 1.3443 kg (bertanda positif berarti berat sebelum minum obat lebih besar dari sesudah minum obat) sampai upper/batas atas 3.8357 kg.

Dari uji t terbukti bahwa perbedaan 2.5900 kg dengan range > 0 kg sampai 3.8357 kg tersebut cukup berarti untuk menyatakan bahwa obat tersebut efektif untuk menurunkan berat badan.

Bab 3 Statistik Inferensi

3.2 ONE SAMPLE T TEST (UJI T UNTUK SATU SAMPEL)


UJI t Pengujian satu sampel pada prinsipnya ingin menguji apakah suatu nilai tertentu (yang diberikan sebagai pembanding) berbeda secara nyata ataukah tidak dengan rata-rata sebuah sampel. Kasus: Kasus mempunyai data yang sama dengan data obat pelangsing. Hanya di sini dipakai data Sebelum (berat badan sebelum minum obat).

Dari kasus tersebut diketahui bahwa populasi rata-rata berat sebelum minum obat adalah 82.39 (lihat output SPSS sebelumnya). Sekelompok anak muda setelah ditimbang, mempunyai rata-rata berat badan 90 kilogram. Apakah kelompok anak muda ini mempunyai berat badan yang tidak sama secara signifikan dengan ratarata berat sampel sebelum minum obat?

Data sama persis dengan kasus sebelumnya (angka dalam kilogram).

No 1 2 3 4 5 6 7 8 9 10

Sebelum 80.20 77.50 88.15 79.60 83.57 89.57 75.95 91.37 82.37 79.85

Sesudah 79.20 75.50 88.53 76.57 80.65 83.76 73.53 85.76 80.59 77.39

Bab 3 Statistik Inferensi

11 12

83.72 76.83

79.29 76.83

Penyelesaian: Kasus di atas terdiri atas satu sampel yang akan dipakai dengan nilai populasi hipotesis, yaitu 90 kg. Di sini populasi diketahui berdistribusi normal, dan karena sampel sedikit, dipakai uji t untuk dua sampel yang berpasangan (paired).

1. Pemasukan data ke SPSS Langkah-langkah pemasukan data sama dengan pembahasan terdahulu, atau jika sudah diinput, langsung ke tahap selanjutnya. 2. Pengolahan data dengan SPSS Langkah-langkah: Dari menu utama SPSS, pilih menu Analyze, kemudian pilih submenu Compare-Means. Dari serangkaian pilihan test untuk nonparametric, sesuai kasus pilih One Samples T test. Klik pilihan tersebut, maka tampak di layar:

Gambar 3.5 Kotak Dialog One Sample t Test

Pengisian:

Bab 3 Statistik Inferensi

Test Variable(s) atau Variabel yang akan diuji. Oleh karena disini akan diuji data sebelum dan sesudah, maka klik variabel sebelum, kemudian klik tanda > (yang sebelah atas), maka pada Test variables terlihat tanda sebelum.

Gambar 3.6 Test Variable yang telah terisi

Klik kolom option atau pilihan yang lain. Pengisian: Untuk Confidence Interval: atau tingkat kepercayaan. Sebagai default, SPSS menggunakan tingkat kepercayaan 95% atau tingkat signifikansi 100% - 95% = 5% Untuk Missing Values atau data yang hilang. Oleh karena dalam kasus semua pasangan data komplit (tidak ada yang kosong), maka abaikan saja bagian ini (tetap pada default dari SPSS, yaitu Exclude cases analysis by analysis). Tekan Continue jika pengisian dianggap selesai.

Tekan OK untuk mengakhiri pengisian prosedur analisis. Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS. Output SPSS

Bab 3 Statistik Inferensi

Analisis: Output Bagian Pertama (One-Sample Statistics) Pada bagian pertama terlihat ringkasan statistik dari variabel Sebelum Untuk berat badan sebelum minum obat, konsumen mempunyai berat rata-rata 82.3900 kg. Output Bagian Kedua (One Sample Test) Hipotesis: Ho = Berat kelompok anak muda tidak berbeda dengan rata-rata berat populasi sebelum minum. Hi = Berat kelompok anak muda berbeda dengan rata-rata berat populasi sebelum. Pengambilan Keputusan Dasar Pengambilan Keputusan: a. Berdasarkan perbandingan t hitung dengan t tabel (dasar pengambilan keputusan sama dengan uji t). Jika Statistik Hitung (angka t output) > Statistik Tabel (tabel t), maka Ho ditolak. Jika Statistik Hitung (angka t output) < Statistik Tabel (tabel t), maka Ho diterima. T hitung dari output adalah -5.189 Sedang statistik tabel dapat dihitung pada tabel t:

Bab 3 Statistik Inferensi

Tingkat signifikansi ( ) adalah 5% (lihat input data pada bagian OPTION yang memilih tingkat kepercayaan 95%. Df atau derajat kebebasan adalah n (jumlah data) 1 atau 12 1 = 11. Uji dilakukan dua sisi karena akan diketahui apakah rata-rata Sebelum sama dengan Berat Anak Muda ataukah tidak. Jadi dapat lebih besar atau lebih kecil, karenanya dipakai uji dua sisi, dapat diketahui pula dari output SPSS yang menyebut adanya Two tailed test.

Dari tabel t, didapat angka 2.2010 Oleh karena t hitung terletak pada daerah Ho ditolak, maka dapat disimpulkan berat kelompok anak muda tersebut memang berbeda dengan berat rata-rata populasi sebelum minum obat.

b. Berdasarkan nilai probabilitas Jika probabilitas > 0.05, maka Ho diterima. Jika probabilitas < 0.05, maka Ho ditolak.

Keputusan: Terlihat bahwa t hitung adalah -5.189 dengan probabilitas 0.000. Oleh karena probabilitas < 0.05, maka Ho ditolak. Dengan kata lain, berat kelompok anak muda tersebut memang berbeda dengan berat rata-rata populasi sebelum minum obat.

Keterangan: Dalam kasus ini dapat juga dinyatakan bahwa Terdapat perbedaan Mean sebesar 82.3900 (lihat output SPSS). Angka ini berasal dari: Berat sebelum minum obat Berat Kelompok Anak Muda Atau 82.3900 kg 90.0000 kg = -7.6100 kg. Perbedaan sebesar -7.6100 kg tersebut mempunyai range antara lower/batas bawah sebesar -10.8376 kg (bertanda negatif berarti berat sebelum minum obat lebih kecil dari berat kelompok anak muda) sampai upper/batas atas -4.3824 kg.

Bab 3 Statistik Inferensi

3.3

INDEPENDENT SAMPLE T TEST (UJI T UNTUK DUA SAMPEL

BEBAS)
UJI t Kasus : Seorang peneliti ingin mengetahui apakah ada perbedaan antar Tinggi dan Berat badan seorang pria dan seorang wanita. Untuk itu, 8 pria dan 8 wanita masingmasing diukur tinggi dan berat badannya. Berikut adalah hasilnya (angka dalam centimeter untuk Tinggi dan kilogram untuk Berat).

No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

Tinggi 188.5 158.7 167.9 165.5 159.9 170.8 168.2 178.6 155.7 155.8 155.4 154.7 156.7 157.8 152.7 159.5

Berat 75.8 67.9 68.9 65.8 67.9 67.5 68.9 62.7 49.7 43.6 43.8 49.7 54.7 58.1 45.7 48.9

Gender Pria Pria Pria Pria Pria Pria Pria Pria Wanita Wanita Wanita Wanita Wanita Wanita Wanita Wanita

Bab 3 Statistik Inferensi

Pada baris 1, seorang pria dengan Tinggi Badan 188.5 centimeter dan Berat Badan 75.8 kilogram. Demikian untuk data yang lain. Penyelesaian : Kasus di atas terdiri atas dua sampel yang bebas satu dengan yang lain, yaitu sampel bergender pria tentu berbeda dengan sampel bergender wanita. Di sini populasi diketahui berdistribusi normal dan karena sampel sedikit, dipakai uji t untuk dua sampel.

1. Pemasukan data ke SPSS Langkah-langkah: Buka lembar kerja baru.

Dari menu utama File, pilih menu New. Lalu klik Data. Sekarang SPSS siap membuat variabel baru yang diperlukan Menamai variabel dan properti yang diperlukan.

Langkah berikutnya adalah membuat nama untuk setiap variabel baru, jenis data, label data dan sebagainya. Untuk itu klik tab sheet Variable View yang ada di bagian kiri bawah. Tampilan variable View dapat juga diambil dari menu View lalu submenu Variable, atau langsung tekan CTRL+T. Pengisian: Variabel tinggi Oleh karena ini variabel pertama, tempatkan pointer pada baris 1. Name. Sesuai kasus, letakkan pointer di bawah kolom Name, lalu klik ganda sel tersebut, dan ketik tinggi. Type. Oleh karena variable expense akan berisi data rasio, maka biarkan saja default numeric yang sudah ada. Width. Untuk keseragaman, ketik 8 (sesuai default). Decimals. Untuk keseragaman, ketik 1. Hal ini berarti berarti tinggi badan dimungkinkan ditulis sampai dua angka di belakang koma. Label. Abaikan bagian ini.

Bab 3 Statistik Inferensi

Abaikan bagian yang lain.

Variabel berat Oleh karena ini variabel kedua, tempatkan pointer pada baris 2. Name. Sesuai kasus, letakkan pointer di bawah kolom Name, lalu klik ganda sel tersebut, dan ketik berat. Type. Oleh karena variable expense akan berisi data rasio, maka biarkan saja default numeric yang sudah ada. Width. Untuk keseragaman, ketik 1. Hal ini berarti gender hanya dapat dimasukkan sebanyak satu digit saja. Decimals. Oleh karena tipe data adalah numeric dengan kode, maka ketik 0, yang berarti tidak ada desimal. Label. Untuk keseragaman, klik ganda pada sel tersebut dan ketik gender konsumen. Values. Pilihan ini untuk proses pemberian kode.

Klik kotak kecil di kanan sel. Tampak di layar. Gambar Kotak Dialog Value Labels Pengisian: Value atau nilai berupa angka yang dimasukkan. Untuk keseragaman, ketik 1. Value Label atau keterangan untuk angka 1 tersebut. Sesuai kasus yang merinci gender, ketik pria. Otomatis tombol Add aktif. Klik tombol tersebut, otomatis keterangan 1= pria tampak sebagai kodifikasi gender pertama. Pengisian lanjutan: Value. Untuk keseragaman, ketik 2. Value Label, ketik wanita. Otomatis tombol Add aktif. Klik tombol tersebut, otomatis keterangan 2= wanita tampak sebagai kodifikasi gender kedua Oleh karena hanya ada dua gender yang dimasukkan, pengisian dianggap selesai dan klik OK untuk kembali.

Bab 3 Statistik Inferensi

2. Mengisi data Untuk mengisi kolom tinggi, letakkan pointer pada baris 1 kolom tersebut, lalu ketik menurun ke bawah sesuai data tinggi badan (16 data). Untuk mengisi kolom berat, letakkan pointer pada baris 1 kolom tersebut, lalu ketik menurun ke bawah sesuai data berat badan (16 data). Untuk mengisi kolom gender: Sebelum mulai mengisi data, arahkan pointer ke menu utama SPSS, lalu pilih menu View, kemudian klik submenu Value Label (terlihat Value Label aktif dengan adanya tanda tersebut). Kegunaan pengaktifan View (melihat) Value Label terkait dengan prosedur berikut ini. Pada data kasus, terlihat di baris pertama tertulis pria yang telah mempunyai kode 1. Maka pada baris pertama kolom kelompok, ketik 1. Terlihat secara otomatis SPSS mengubahnya menjadi keterangan pria. Hal ini terjadi karena pengaktifan Value Label. Demikian untuk data selanjutnya, pemasukan data dengan menggunakan angka 1, 2, 3 atau 4 sesuai keterangan yang dikehendaki. Jangan memasukkan kalimat (huruf) dalam pengisian data yang bersifat numeric, karena SPSS akan menolaknya. Jika pengisian benar, maka terlihat data seperti pada awal kasus. di sebelah kiri submenu

3. Pengolahan data dengan SPSS Langkah-langkah: Dari menu utama SPSS, pilih menu Analyze, kemudian pilih submenu Compare-Means. Dari serangkaian pilihan test untuk nonparametric, sesuai kasus pilih Independent-Samples T test. Klik pilihan tersebut, maka tampak di layar:

Bab 3 Statistik Inferensi

Gambar 3.7 Kotak Dialog Independent Sample T Test

Pengisian: Test Variable(s) atau Variabel yang akan diuji. Oleh karena disini akan diuji data tinggi dan berat, maka klik variabel tinggi, kemudian klik tanda > (yang sebelah atas), maka variabel tinggi berpindah ke Test Variable(s). Hal yang sama dilakukan juga untuk variabel berat. Tampak di layar.

Gambar 3.8 Test Variables yang telah terisi

Grouping

Variable

atau

variabel

grup.

Oleh

karena

variabel

pengelompokkan ada pada variabel gender,

maka klik variabel gender,

Bab 3 Statistik Inferensi

kemudian klik tanda > (yang sebelah bawah), maka variabel gender berpindah ke Groping Variable. Tampak di layar.

Gambar 3.9 Grouping Variable gender

Pengisian grup: klik pada Define Group. Tampak di layar.

Gambar 3.10 Kotak Dialog Define Groups

Untuk Group 1, isi dengan 1, yang berarti Grup 1 berisi tanda 1 atau pria. Untuk Group 2, isi dengan 2, yang berarti Grup 2 berisi tanda 2 atau wanita.

Tampak di layar:

Bab 3 Statistik Inferensi

Gambar 3.11 Define Groups yang telah terisi

Untuk kolom option atau pilihan yang lain, dengan mengkliknya, tampak di layar:

Gambar 3.12 Kotak Dialog Options Pengisian: Untuk Confidence Interval: atau tingkat kepercayaan. Sebagai default, SPSS menggunakan tingkat kepercayaan 95% atau tingkat signifikansi 100% - 95% = 5% Untuk Missing Values atau data yang hilang. Oleh karena dalam kasus semua pasangan data komplit (tidak ada yang kosong), maka abaikan saja bagian ini (tetap pada default dari SPSS, yaitu Exclude cases analysis by analysis). Tekan Continue jika pengisian dianggap selesai.

Tekan OK untuk mengakhiri pengisian prosedur analisis. Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS. Output SPSS :

Bab 3 Statistik Inferensi

Independent Samples Test

Analisis: Output Bagian Pertama (Group Statistics) Pada bagian pertama terlihat ringkasan statistik dari kedua sampel. Untuk berat badan pria (tanda 1) mempunyai berat rata-rata 68.175 kg, yang jauh di atas ratarata berat badan wanita, yaitu 49.275 kg. Sedangkan tinggi rata-rata pria adalah 169.763 cm, yang juga lebih tinggi dari rata-rata wanita yang hanya 156.038 cm. Output Bagian Kedua (Independent Sample Test) a. Tinggi Badan

Bab 3 Statistik Inferensi

Pertama, analisis menggunakan F test. Hipotesis. Ho = Kedua varians Populasi adalah identik (varians populasi tinggi badan pria dan wanita adalah sama) Hi = Kedua varians Populasi adalah tidak identik (varians populasi tinggi badan pria dan wanita adalah berbeda) Pengambilan Keputusan Jika probabilitas > 0.05, maka Ho diterima. Jika probabilitas < 0.05, maka Ho ditolak.

Keputusan Terlihat bahwa F hitung untuk Tinggi Badan dengan Equal variance assumed (diasumsi kedua varians adalah sama atau menggunakan pooled variance t test) adalah 6.540 dengan probabilitas 0.023. Oleh karena probabilitas < 0.05, maka Ho ditolak, atau kedua varians benar-benar berbeda. Perbedaan yang nyata dari kedua varians membuat penggunaan varians untuk membandingkan Rata-rata populasi dengan t test sebaiknya menggunakan dasar Equal variance not assumed (diasumsi kedua varians tidak sama). Analisis dengan memakai t test untuk asumsi varians tidak sama. Hipotesis Ho = Kedua rata-rata Populasi adalah identik (rata-rata populasi tinggi badan pria dan wanita adalah sama) Hi = Kedua rata-rata Populasi adalah tidak identik (rata-rata populasi tinggi badan pria dan wanita adalah berbeda) Pengambilan Keputusan Jika probabilitas > 0.05, maka Ho diterima. Jika probabilitas < 0.05, maka Ho ditolak.

Bab 3 Statistik Inferensi

Keputusan Terlihat bahwa t hitung untuk Tinggi Badan dengan Equal variance not assumed (diasumsi kedua varians tidak sama atau menggunakan separate variance test) adalah 3.874 dengan probabilitas 0.005. Oleh karena probabilitas < 0.05, maka Ho ditolak, atau kedua rata-rata (mean) tinggi badan pria dan wanita benar-benar berbeda, dalam artian Pria mempunyai rata-rata Tinggi Badan yang lebih dari wanita.

Perhatikan bahwa perubahan dari penggunaan Equal variance assumed ke Equal variance not assumed mengakibatkan menurunnya degree of freedom (derajat kebebasan), yaitu dari 14 menjadi 7.602 atau kegagalan

mengasumsikan kesamaan varians berakibat keefektifan ukuran sampel menjadi berkurang sekitar 40% lebih!

b. Berat Badan Pertama, analisis menggunakan F test untuk menguji kesamaan varians kedua populasi. Hipotesis. Ho = Kedua varians Populasi adalah identik (varians populasi berat badan pria dan wanita adalah sama) Hi = Kedua varians Populasi adalah tidak identik (varians populasi berat badan pria dan wanita adalah berbeda) Pengambilan Keputusan Jika probabilitas > 0.05, maka Ho diterima. Jika probabilitas < 0.05, maka Ho ditolak.

Keputusan Terlihat bahwa F hitung untuk Berat Badan dengan Equal variance assumed (diasumsi kedua varians adalah sama atau menggunakan pooled variance t test) adalah 1.033 dengan probabilitas 0.327. Oleh karena probabilitas > 0.05, maka Ho diterima, atau kedua varians sama.

Bab 3 Statistik Inferensi

Oleh karena tidak ada perbedaan yang nyata dari kedua varians, membuat penggunaan varians untuk membandingkan Rata-rata populasi (atau test untuk Equality of Means) menggunakan t test dengan dasar Equal variance assumed (diasumsi kedua varians sama).

Analisis dengan memakai t test untuk asumsi varians sama. Hipotesis Ho = Kedua rata-rata Populasi adalah identik (rata-rata populasi berat badan pria dan wanita adalah sama) Hi = Kedua rata-rata Populasi adalah tidak identik (rata-rata populasi berat badan pria dan wanita adalah berbeda) Pengambilan Keputusan Jika probabilitas > 0.05, maka Ho diterima. Jika probabilitas < 0.05, maka Ho ditolak.

Keputusan Terlihat bahwa t hitung untuk Berat Badan dengan Equal variance assumed (diasumsi kedua varians sama atau menggunakan pooled variance test) adalah 8.480 dengan probabilitas 0.000. Oleh karena probabilitas < 0.05, maka Ho ditolak, atau kedua rata-rata (mean) berat badan pria dan wanita benar-benar berbeda, dalam artian Pria mempunyai rata-rata Berat Badan yang lebih dari wanita.

Keterangan: Ringkasan dari test di atas Diuji dengan F test dahulu (Levene test) apakah hipotesis varians sama, ditolak ataukah tidak. Jika hipotesis ditolak, atau varians berbeda, maka untuk membandingkan Means digunakan t test dengan asumsi varians tidak sama. Jika hipotesis diterima, atau varians sama, maka terlihat otomatis pada output SPSS tidak ada angka untuk t test Equal variance not assumed. Oleh karena itu,

Bab 3 Statistik Inferensi

test dengan uji t untuk membandingkan means langsung dilakukan dengan Equal variance assumed. MEAN DIFFERENCE (PERBEDAAN RATA-RATA) TINGGI BADAN Setelah dilakukan uji dengan F test dan t test, dan diketahui penggunaan Equal variance assumed dan Equal variance not assumed, serta diketahui ada perbedaan yang nyata antara Tinggi dan Berat badan pria dan wanita, langkah selanjutnya adalah mengetahui seberapa besar perbedaan tersebut. a. Tinggi Badan Dari output terlihat baris mean difference untuk Tinggi Badan adalah 13.725 cm. Angka ini berasal dari: Rata-rata Tinggi Badan Pria Rata-rata Tinggi Badan Wanita Atau 169.763 156.038 = 13.725 cm

Dari F test pada bahasan sebelumnya didapat bahwa uji perbedaan rata-rata dilakukan dengan Equal variance not assumed, maka sekarang lihat pada kolom 95% Confidence Interval of the Difference dan baris Equal Variance not assumed. Pada baris tersebut didapat angka:

Lower (perbedaan rata-rata bagian bawah) adalah : 5.4793 cm Upper (perbedaan rata-rata bagian atas) adalah : 21.9707 Hal ini berarti perbedaan Tinggi Badan Pria dan Wanita berkisar antara 5.4793 cm sampai 21.9707 cm, dengan perbedaan rata-rata adalah 13.725 cm. b. Berat Badan Dari output terlihat baris mean difference untuk Berat Badan adalah 18.900 kg. Angka ini berasal dari: Rata-rata Berat Badan Pria Rata-rata Berat Badan Wanita Atau 68.175 49.275 = 18.900 kg

Bab 3 Statistik Inferensi

Dari F test pada bahasan sebelumnya didapat bahwa uji perbedaan rata-rata dilakukan dengan Equal variance assumed, maka sekarang lihat pada kolom 95% Confidence Interval of the Difference dan baris Equal Variance assumed. Pada baris tersebut didapat angka:

Lower (perbedaan rata-rata bagian bawah) adalah : 14.1196 kg Upper (perbedaan rata-rata bagian atas) adalah : 23.6804 kg Hal ini berarti perbedaan Tinggi Badan Pria dan Wanita berkisar antara 14.1196 kg sampai 23.6804 kg, dengan perbedaan rata-rata adalah 18.900 kg.

3.4 UJI T DENGAN PENGGUNAAN CUT POINT (TITIK POTONG)


Jika pada kasus sebelumnya digunakan dasar pengujian pada gender (pria dan wanita), maka sekarang gender tidak digunakan, namun digantikan oleh cut point atau titik potong, yaitu suatu angka/data numerik yang berfungsi sebagai batas.

Untuk lebih jelasnya, akan dipakai lagi data kasus di atas, yaitu Berat dan Tinggi Badan Pria dan Wanita. Namun di sini data akan dibagi dua grup, yaitu mereka (tidak memperhatikan pria atau wanita) yang mempunyai Berat Badan di atas 50 kg dan mereka yang mempunyai berat badan di bawah 50 kg. Dari dua grup tersebut, akan dilihat apakah mereka berbobot lebih dari 50 kg mempunyai rata-rata Tinggi Badan yang lebih (tinggi) dibandingkan mereka yang berbobot kurang dari 50 kg. Kasus : Seorang peneliti ingin mengetahui apakah ada perbedaan antara mereka yang berbobot lebih dari 50 kg mempunyai Rata-rata Tinggi Badan yang lebih (tinggi) dibandingkan mereka yang berbobot kurang dari 50 kg? Data sama dengan kasus pertama (angka dalam centimeter untuk Tinggi dan kilogram untuk Berat).

No

Tinggi

Berat

Gender

Bab 3 Statistik Inferensi

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

188.5 158.7 167.9 165.5 159.9 170.8 168.2 178.6 155.7 155.8 155.4 154.7 156.7 157.8 152.7 159.5

75.8 67.9 68.9 65.8 67.9 67.5 68.9 62.7 49.7 43.6 43.8 49.7 54.7 58.1 45.7 48.9

Pria Pria Pria Pria Pria Pria Pria Pria Wanita Wanita Wanita Wanita Wanita Wanita Wanita Wanita

Penyelesaian: Kasus di atas terdiri atas dua sampel yang bebas satu dengan yang lain, yaitu sampel yang mempunyai berat badan di atas 50 kg dan sampel yang mempunyai berat badan di bawah 50 kg. Di sini populasi diketahui berdistribusi normal, dan karena sampel sedikit, dipakai uji t untuk dua sampel.

1. Pemasukan data ke SPSS Pemasukan data sama dengan pemasukan data pada kasus sebelumnya (Independent Sample T Test). 2. Pengolahan data dengan SPSS Langkah-langkah: Dari menu utama SPSS, pilih menu Analyze, kemudian pilih submenu Compare-Means.

Bab 3 Statistik Inferensi

Dari serangkaian pilihan test untuk nonparametric, sesuai kasus pilih Independent-Samples T test. Klik pilihan tersebut, maka tampak di layar:

Gambar 3.13 Kotak Dialog Independent Sample T Test

Pengisian: Test Variable(s) atau Variabel yang akan diuji. Oleh karena disini akan diuji data tinggi, maka klik variabel tinggi, kemudian klik tanda > (yang sebelah atas), maka variabel tinggi berpindah ke Test Variable(s). Tampak di layar:

Gambar 3.14 Pemasukan tinggi pada Test Variable

Bab 3 Statistik Inferensi

Grouping

Variable

atau

variabel

grup.

Oleh

karena

variabel

pengelompokkan ada pada variabel berat,

maka klik variabel berat,

kemudian klik tanda > (yang sebelah bawah), maka variabel berat berpindah ke Groping Variable. Tampak di layar.

Gambar 3.15 Grouping Variable berat

Pengisian grup: klik pada Define Group. Di sini akan dipakai Cut point, maka klik pilihan Cut point, dan kemudian ketik 50 untuk menyatakan bahwa variable berat dibagi dengan batas/cut point adalah 50 (50 kilogram). Tampak di layar:

Gambar 3.16 Penggunaan Cut point pada Define Groups

Bab 3 Statistik Inferensi

OUTPUT SPSS

Analisis Output Bagian Pertama (Group Statistics) Pada bagian pertama terlihat ringkasan statistik dari kedua sampel. Untuk sampel dengan berat badan di atas 50 kg ada 10 orang (tidak perlu dirinci pria atau wanita), yang mempunyai tinggi rata-rata 167.260 cm. Sedangkan untuk sampel dengan berat badan di bawah 50 kg ada 6 orang, yang mempunyai tinggi rata-rata 155.633. Output Bagian Kedua (Independent Sample Test) a. Tinggi Badan Pertama, analisis menggunakan F test. Hipotesis. Ho = Kedua varians Populasi adalah identik (varians populasi berat di atas 50 kg dan berat di bawah 50 kg)

Bab 3 Statistik Inferensi

Hi = Kedua varians Populasi adalah tidak identik (varians populasi berat di atas 50 kg dan berat di bawah 50 kg) Pengambilan Keputusan Jika probabilitas > 0.05, maka Ho diterima. Jika probabilitas < 0.05, maka Ho ditolak.

Keputusan Terlihat bahwa F hitung untuk Tinggi Badan dengan Equal variance assumed (diasumsi kedua varians adalah sama atau menggunakan pooled variance t test) adalah 5.409 dengan probabilitas 0.036. Oleh karena probabilitas < 0.05, maka Ho ditolak, atau kedua varians benar-benar berbeda. Perbedaan yang nyata dari kedua varians membuat penggunaan varians untuk membandingkan Rata-rata populasi dengan t test sebaiknya menggunakan dasar Equal variance not assumed (diasumsi kedua varians tidak sama).

Analisis dengan memakai t test untuk asumsi varians tidak sama. Hipotesis Ho = Kedua rata-rata Populasi adalah identik (rata-rata populasi berat di atas 50 kg dan berat di bawah 50 kg). Hi = Kedua rata-rata Populasi adalah tidak identik (rata-rata populasi berat di atas 50 kg dan berat di bawah 50 kg). Keterangan: Berbeda dengan asumsi sebelumnya yang menggunakan varians, sekarang dipakai mean.

Pengambilan Keputusan Jika probabilitas > 0.05, maka Ho diterima. Jika probabilitas < 0.05, maka Ho ditolak.

Keputusan

Bab 3 Statistik Inferensi

Terlihat bahwa t hitung untuk Tinggi Badan dengan Equal variance not assumed (diasumsi kedua varians tidak sama atau menggunakan separate variance test) adalah 3.490 dengan probabilitas 0.006. Oleh karena probabilitas < 0.05, maka Ho ditolak, atau ada perbedaan yang nyata di antara mereka yang berbobot lebih dari 50 kg dan mereka yang berbobot di bawah 50 kg. Dengan kata lain, di antara mereka yang berbobot lebih dari 50 kg mempunyai rata-rata Tinggi Badan yang lebih (tinggi) dibandingkan mereka yang berbobot kurang dari 50 kg.

Perhatikan bahwa perubahan dari penggunaan Equal variance assumed ke Equal variance not assumed mengakibatkan menurunnya degree of freedom (derajat kebebasan), yaitu dari 14 menjadi 10.370 atau kegagalan

mengasumsikan kesamaan varians berakibat keefektifan ukuran sampel menjadi berkurang sekitar [(14 10.370)/14]* 100% = 26% MEAN DIFFERENCE (PERBEDAAN RATA-RATA) TINGGI BADAN Setelah dilakukan uji dengan F test dan t test, dan diketahui ada perbedaan yang nyata antara Tinggi sampel berbobot lebih dari 50 kg dengan sampel berbobot kurang dari 50 kg, langkah selanjutnya adalah mengetahui seberapa besar perbedaan tersebut.

Dari output terlihat pada baris mean difference untuk Tinggi Badan adalah 11.627. Angka ini berasal dari: (Rata-rata Tinggi Badan sampel > 50 kg) (Rata-rata Tinggi Badan sampel < 50 kg) Atau 167.260 155.633 = 11.627

Dari F test pada bahasan sebelumnya didapat bahwa uji perbedaan rata-rata dilakukan dengan Equal variancel not assumed, maka sekarang lihat pada kolom 95% Confidence Interval of the Difference) dan kolom Equal variancel not assumed. Pada baris tersebut, didapat angka: Lower (perbedaan rata-rata bagian bawah) adalah: 4.2403 Upper (perbedaan rata-rata bagian atas) adalah: 19.0130

Bab 3 Statistik Inferensi

Hal ini berarti perbedaan Tinggi Badan mereka yang berbobot lebih dari 50 kg dan kurang dari 50 kg berkisar antara 4.2403 cm sampai 19.0130 cm, dengan perbedaan rata-rata adalah 11.627 cm.

3.5 MEANS
Tujuan pembahasan ini adalah untuk mendapatkan serangkaian statistik deskriptif dari berbagai masukan data. Dalam hal ini tidak ada inferensi statistik atau uji terhadap suatu hipotesis.

Kasus: Seorang peneliti menyajikan data Tinggi dan Berat badan pria dan wanita serta tempat tinggal mereka. Berikut adalah hasilnya (angka dalam centimeter untuk Tinggi dan kilogram untuk Berat) No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Tinggi 188.5 158.7 167.9 165.5 159.9 170.8 168.2 178.6 155.7 155.8 155.4 154.7 156.7 157.8 Berat 75.8 67.9 68.9 65.8 67.9 67.5 68.9 62.7 49.7 43.6 43.8 49.7 54.7 58.1 Gender Pria Pria Pria Pria Pria Pria Pria Pria Wanita Wanita Wanita Wanita Wanita Wanita Tinggal Kampung Kota Desa Kota Kota Kota Desa Desa Desa Kampung Kampung Kota Kota Kota

Bab 3 Statistik Inferensi

15 16

152.7 159.5

45.7 48.9

Wanita Wanita

Desa Desa

Kasus sama dengan kasus uji dua sample independen, hanya di sini diberi tambahan tempat tinggal seseorang. Penyelesaian: Oleh karena akan diketahui bagaimana statistik deskriptif dari data di atas, dan populasi diketahui berdistribusi normal, serta sampel sedikit, maka dipakai Means pada menu COMPARE MEANS untuk mengerjakannya. 1. Pemasukan data ke SPSS Langkah-langkah pemasukan sama dengan kasus uji dua sample independent, hanya ditambah satu variabel tempat tinggal. Variabel tinggal Oleh karena ini variabel pertama, tempatkan pointer pada baris 1. Name. Sesuai kasus, letakkan pointer di bawah kolom Name, lalu klik ganda sel tersebut, dan ketik tinggal. Type. Oleh karena variable expense akan berisi data rasio, maka biarkan saja default numerik yang sudah ada. Width. Untuk keseragaman, ketik 1. Decimals. Untuk keseragaman, ketik 0. Values. Pilihan ini untuk proses pemberian kode.

Klik kotak kecil di kanan sel. Gambar Kotak Dialog Value Labels Pengisian: Value atau nilai berupa angka yang dimasukkan. Untuk keseragaman, ketik 1. Value Label atau keterangan untuk angka 1 tersebut. Sesuai kasus yang merinci tempat tinggal, ketik desa. Otomatis tombol Add aktif. Klik tombol tersebut, otomatis keterangan 1= desa tampak sebagai kodifikasi tempat tinggal pertama.

Bab 3 Statistik Inferensi

Pengisian lanjutan: Value. Untuk keseragaman, ketik 2. Value Label, ketik kampung.

Pengisian lanjutan: Value. Untuk keseragaman, ketik 3. Value Label, ketik kota.

Pengisian lanjutan: Value. Untuk keseragaman, ketik 2. Value Label, ketik kampung.

Oleh karena hanya ada tiga tempat tinggal yang dimasukkan, pengisian dianggap selesai dan klik OK untuk kembali.

2. Pengolahan data dengan SPSS Langkah-langkah: Dari menu utama SPSS, pilih menu Analyze, kemudian pilih submenu Compare-Means. Dari serangkaian pilihan test untuk nonparametric, sesuai kasus pilih Means. Klik pilihan tersebut, maka tampak di layar:

Gambar 3.17 Kotak Dialog Means

Bab 3 Statistik Inferensi

Pengisian: Dependent List atau Variabel Tergantung (tidak bebas) yang akan dimasukkan. Di sini jenis data adalah numeric atau mengandung angka. Klik variabel tinggi, kemudian klik tanda >, maka variabel tinggi berpindah ke test Variable(s). Demikian juga untuk variabel berat. Independent List atau daftar Variabel Bebas yang akan dimasukkan. Di sini jenis data adalah non-numerik atau tidak mengandung angka. Oleh karena itu, klik variabel gender, kemudian klik tanda >, maka variabel gender berpindah ke Independent List. Tampak di layar:

Gambar 3.18 Dependent dan Independent List yang telah terisi

Selanjutnya klik Next Kemudian klik variabel tinggal, lalu klik tanda >, maka variabel tinggal berpindah ke Independent List sebagai layer kedua. Tampak di layar:

Bab 3 Statistik Inferensi

Gambar 3.19 Pemasukan variabel tinggal pada Independent List Untuk kolom option atau pilihan yang lain, dengan mengkliknya tampak di layar.

Gambar 3.20 Kotak Dialog Options

Bab 3 Statistik Inferensi

Untuk keseragaman akan dipakai default seperti gambar di atas, sehingga tidak dilakukan perubahan pada options. Tekan Continue jika pengisian dianggap selesai Tekan OK untuk mengakhiri pengisian prosedur analisis. Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS. Ouput SPSS

Report

GENDER pria

TINGGAL desa Mean N Std. Deviation kampung Mean N Std. Deviation kota Mean N Std. Deviation Total Mean N Std. Deviation

TINGGI 171.567 3 6.0929 188.500 1 . 163.725 4 5.5704 169.763 8 9.8125

BERAT 66.833 3 3.5796 75.800 1 . 67.275 4 1.0012 68.175 8 3.6920

Bab 3 Statistik Inferensi

wanita

desa

Mean N Std. Deviation

155.967 3 3.4078 155.600 2 .2828 156.400 3 1.5716 156.037 8 2.0368 163.767 6 9.6178 166.567 3 18.9959 160.586 7 5.6274 162.900 16 9.8541

48.100 3 2.1166 43.700 2 .1414 54.167 3 4.2253 49.275 8 5.1099 57.467 6 10.5924 54.400 3 18.5332 61.657 7 7.4529 58.725 16 10.6678

kampung

Mean N Std. Deviation

kota

Mean N Std. Deviation

Total

Mean N Std. Deviation

Total

desa

Mean N Std. Deviation

kampung

Mean N Std. Deviation

kota

Mean N Std. Deviation

Total

Mean N Std. Deviation

Analisis: Output bagian pertama menghitung apakah semua data telah diproses. Oleh karena terdapat angka 100%, berarti keenam belas kasus telah diproses.

Bab 3 Statistik Inferensi

Bagian kedua terlihat, pada bagian baris ada dua layer, yaitu Gender (kode 1 dan 2) serta tempat tinggal sebagai layer kedua. Berarti data dipecah menjadi Pria yang bertempat tinggal di desa, kampung dan kota. Serta wanita yang bertempat tinggal di desa, kampuig dan kota. Pada bagian kolom, terlihat data-data numerik, yaitu mengenai tinggi dan berat badan.

Sebagai contoh, pada baris pertama dapat diartikan ada tiga orang (N = 3) pria yang bertempat tinggal di desa mempunyai rata-rata tinggi badan 171.567 cm dan berat badan 66.833 kg. Demikian untuk data selanjutnya.

Sedang contoh analisis dapat dilakukan seperti: Rata-rata berat badan pria (68.175 kg) lebih berat dari rata-rata berat badan wanita (49.275 kg). Lihat bagian total pada kolom berat. Rata-rata tinggi badan orang di kampung (166.567 cm) lebih tinggi dari rata-rata orang di desa (163.767 cm) ataupun totlal (182.900). Lihat bagian total paling bawah untuk kolom tinggi.

Demikian analisis lainnya dapat dilakukan sesuai dengan kebutuhan informasi yang diperlukan.

3.6 ONE WAY ANOVA


Jika uji t digunakan untuk pengujian dua sampel, maka uji F atau ANOVA digunakan untuk pengujian lebih dari dua sampel. Asumsi yang digunakan pada pengujian ANOVA: a. Populasi-populasi yang akan diuji berdistribusi normal. b. Varians dari populasi-populasi tersebut adalah sama. c. Sampel tidak berhubungan satu dengan yang lain.

UJI ANOVA

Bab 3 Statistik Inferensi

Kasus: Sebuah pabrik selama ini mempekerjakan karyawannya dalam 4 shift (satu shift terdiri atas sekelompok pekerja yang berlainan). Manajer pabrik tersebut ingin mengetahui apakah ada perbedaan produktivitas yang nyata di antara 4 kelompok kerja shift yang ada selama ini. Untuk itu, manajer memerintahkan seorang supervisor untuk mengamati produktivitas kerja keempat kelompok tersebut, dan berikut adalah hasilnya (angka dalam unit).

Hari 1 2 3 4 5 6 7 8 9 10 11 12 13 14

Shift 1 30 35 29 45 57 28 43 39 25 53 44 41 49 35

Shift 2 44 50 35 45 33 37 43 51 26 52 64 49 51 32

Shift 3 43 27 58 41 39 37 37 50 42 42 38 37 37 47

Shift 4 47 29 45 29 53 45 27 49 29 29 59 25 29 29

Pada baris 1, pada hari pertama kelompok shift 1 berproduksi 30 unit, kelompok shift 2 berproduksi 44 unit, kelompok shift 3 berproduksi 43 unit, dan kelompok shift 4 berproduksi 47 unit. Demikian seterusnya. Penyelesaian:

Bab 3 Statistik Inferensi

Kasus di atas terdiri atas empat sampel yang bebas satu dengan yang lain, yaitu kelompok shift 1 berbeda orang dan waktunya dengan kelompok shift yang lain. Demikian juga untuk waktu dan anggota kelompok shift yang lainnya saling berbeda. Di sini populasi diketahui berdistribusi normal, dan karena sampel lebih dari dua, dipakai uji ANOVA. 1. Pemasukan data ke SPSS Tabel pada kasus di atas harus diubah dalam format berikut ini, jika akan digunakan dalam uji ANOVA dengan SPSS.

Produk 30 35 29 45 57 28 43 39 25 53 44 41 49 35 44 50 35 45 33 37

Shift satu satu satu satu satu satu satu satu satu satu satu satu satu satu dua dua dua dua dua dua

Bab 3 Statistik Inferensi

43 51 26 52 64 49 51 32 43 27 58 41 39 37 37 50 42 42 38 37 37 47 47 29 45 29 53 45 27

dua dua dua dua dua dua dua dua tiga tiga tiga tiga tiga tiga tiga tiga tiga tiga tiga tiga tiga tiga empat empat empat empat empat empat empat

Bab 3 Statistik Inferensi

49 29 29 59 25 29 29

empat empat empat empat empat empat empat

Terlihat hanya ada dua variabel, yaitu variabel Produk yang mencatat produktivitas karyawan. Jumlah data tetap sama, hanya penempatannya yang berbeda, yaitu dari susunan horizontal ke susunan vertikal (ke bawah). Setiap kasus yang melibatkan perhitungan ANOVA satu faktor hanya memasukkan dua variabel saja.

Langkah-langkah: Buka lembar kerja baru. Dari menu utama File, pilih menu New. Lalu klik Data. Sekarang SPSS siap membuat variable baru yang diperlukan. Menamai Variabel dan properti yang diperlukan Klik tab sheet Variable View yang ada di bagian bawah. Tampilan variable View dapat juga diambil dari menu View lalu submenu VARIABLE. Tampak di layar.

Pengisian: Variabel produk Oleh karena ini variabel pertama, tempatkan pointer pada baris 1. Name. Sesuai kasus, letakkan pointer di bawah kolom Name, lalu klik ganda sel tersebut, dan ketik produk. Type. Oleh karena variable ini akan berisi data rasio, maka biarkan saja default numeric yang sudah ada. Width. Untuk keseragaman, ketik 8 (sesuai default). Decimals. Untuk keseragaman, ketik 0.

Bab 3 Statistik Inferensi

Label. Abaikan bagian ini.

Variabel shift Oleh karena ini variabel kedua, tempatkan pointer pada baris 2. Name. Klik ganda pada sel tersebut, dan ketik shift. Type. Tipe data untuk shift adalah numerik. Oleh karena secara default SPSS memberi tipe numerik, maka abaikan saja bagian ini Width. Untuk keseragaman, ketik 1. Decimals. Ketik 0. Label. Abaikan bagian ini. Values. Pilihan ini untuk proses pemberian kode. Klik kotak kecil di kanan sel. Tampak di layar. Pengisian: Value. Untuk keseragaman, ketik 1. Value Label. Sesuai kasus yang memerinci profesi, ketik satu.

Pengisian lanjutan: Value. Untuk keseragaman, ketik 2. Value Label, ketik dua.

Pengisian lanjutan: Value. Untuk keseragaman, ketik 3. Value Label, ketik tiga.

Pengisian lanjutan: Value. Untuk keseragaman, ketik 4. Value Label, ketik empat.

2. Mengisi data Untuk mengisi kolom produk, letakkan pointer pada baris 1 kolom tersebut, lalu ketik menurun ke bawah sesuai data produktivitas karyawan (48 data). Untuk mengisi kolom shift: Sebelum mulai mengisi data, arahkan pointer ke menu utama SPSS, lalu pilih menu View, kemudian klik submenu Value Label

Bab 3 Statistik Inferensi

(terlihat Value Label aktif dengan adanya tanda tersebut).

di sebelah kiri submenu

Kegunaan pengaktifan View (melihat) Value Label terkait dengan prosedur berikut ini. Pada data kasus, terlihat di baris pertama tertulis satu yang telah mempunyai kode 1. Maka pada baris pertama kolom kelompok, ketik 1. Terlihat secara otomatis SPSS mengubahnya menjadi keterangan satu. Hal ini terjadi karena pengaktifan Value Label. Demikian untuk data selanjutnya, pemasukan data dengan menggunakan angka 1, 2, 3 atau 4 sesuai keterangan yang dikehendaki. Jangan memasukkan kalimat (huruf) dalam pengisian data yang bersifat numeric, karena SPSS akan menolaknya. Jika pengisian benar, maka terlihat data seperti pada tabel di atas.

3. Pengolahan data dengan SPSS Langkah-langkah: Buka lembar kerja/file ANOVA sesuai kasus di atas, atau jika sudah terbuka ikuti prosedur berikut. Dari menu utama SPSS, pilih menu Analyze, kemudian pilih submenu Compare-Means. Dari serangkaian pilihan test untuk nonparametric, sesuai kasus pilih OneWay ANOVA. Klik pilihan tersebut, maka tampak di layar:

Bab 3 Statistik Inferensi

Gambar 3.21 Kotak Dialog One Way ANOVA Pengisian: Dependent List atau variabel dependen yang akan diuji. Oleh karena di sini akan diuji produktivitas karyawan, maka klik variabel produk, kemudian klik tanda > (yang sebelah atas), maka variabel produk berpindah ke Dependent List. Factor atau grup. Oleh karena variabel pengelompokkan ada pada variabel shift, maka klik variabel shift, kemudian klik tanda > (yang sebelah bawah), maka variabel shift berpindah ke Factor. Tampak di layar:

Gambar 3.22 Dependent List dan Factor yang telah terisi

Bab 3 Statistik Inferensi

Untuk kolom option atau pilihan yang lain, dengan mengkliknya, tampak di layer:

Gambar 3.23 Kotak Dialog Options Pengisian: Untuk Statistics atau perhitungan statistik yang akan dilakukan. Untuk keseragaman, akan dipilih Descriptive dan Homogeneity-of-variance. Untuk itu, klik kedua pilihan tersebut. Untuk Missing Values atau data yang hilang. Oleh karena dalam kasus semua pasangan data komplit (tidak ada yang kosong), maka abaikan saja bagian ini (tetap pada default dari SPSS, yaitu Exclude cases analysis by analysis).Tampak di layar:

Bab 3 Statistik Inferensi

Gambar 3.24 Statistics dan Missing Values yang telah terisi

Tekan Continue jika pengisian dianggap selesai. Untuk kolom Post-Hoc atau analisis lanjutan dari F test, dengan mengkliknya, tampak di layar.

Gambar 3.25 Kotak Dialog Post-Hoc

Bab 3 Statistik Inferensi

Pengisian: Untuk analisis lanjutan, untuk keseragaman klik pilihan Bonferroni dan Tukey.

Tekan Continue jika pengisian dianggap selesai. Kemudian tekan OK untuk mengakhiri pengisian prosedur analisis. Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS. Output SPSS

Bab 3 Statistik Inferensi

Multiple Comparisons
95% Confidence (I) SHIFT (J) SHIFT Mean Difference (I-J) Std. Error Sig. Interval Lower Bound Tukey HSD satu dua tiga empat dua satu tiga empat tiga satu dua empat empat satu dua tiga Bonferroni satu dua tiga empat dua satu tiga empat tiga satu dua empat empat satu dua tiga -4.21 -1.57 2.07 4.21 2.64 6.29 1.57 -2.64 3.64 -2.07 -6.29 -3.64 -4.21 -1.57 2.07 4.21 2.64 6.29 1.57 -2.64 3.64 -2.07 -6.29 -3.64 3.704 3.704 3.704 3.704 3.704 3.704 3.704 3.704 3.704 3.704 3.704 3.704 3.704 3.704 3.704 3.704 3.704 3.704 3.704 3.704 3.704 3.704 3.704 3.704 .668 .974 .944 .668 .891 .336 .974 .891 .759 .944 .336 .759 1.000 1.000 1.000 1.000 1.000 .574 1.000 1.000 1.000 1.000 .574 1.000 -14.04 -11.40 -7.76 -5.62 -7.19 -3.54 -8.26 -12.47 -6.19 -11.90 -16.12 -13.47 -14.37 -11.73 -8.09 -5.94 -7.52 -3.87 -8.59 -12.80 -6.52 -12.23 -16.44 -13.80 Upper Bound 5.62 8.26 11.90 14.04 12.47 16.12 11.40 7.19 13.47 7.76 3.54 6.19 5.94 8.59 12.23 14.37 12.80 16.44 11.73 7.52 13.80 8.09 3.87 6.52

Bab 3 Statistik Inferensi

Analisis: Output Bagian Pertama (Group Statistics) Pada bagian pertama terlihat ringkasan statistik dari keempat sampel. Sebagai contoh adalah deskripsi dari kelompok kerja shift 1: Rata-rata produktivitas adalah 40.43 unit. Produk minimum adalah 25 unit dan maksimum adalah 64 unit. Dengan tingkat kepercayaan 95% atau signifikansi 5%, rata-rata produk ada pada range 37.80 unit sampai 43.05 unit.

Demikian untuk data yang lain. Uji ANOVA ingin melihat apakah rata-rata keempat sampel berasal dari populasi yang sama, dengan asumsi varians keempat sampel adalah sama. Output Bagian Kedua (Test of Homogeneity of variances) Analisis ini bertujuan untuk menguji berlaku tidaknya asumsi untuk ANOVA, yaitu apakah keempat sampel mempunyai varians yang sama. Hipotesis. Ho = Keempat varians Populasi adalah identik Hi = Kedua varians Populasi adalah tidak identik Pengambilan Keputusan Jika probabilitas > 0.05, maka Ho diterima. Jika probabilitas < 0.05, maka Ho ditolak.

Keputusan Terlihat bahwa Levene Test hitung adalah 2.727 dengan nilai probabilitas 0.053. Oleh karena probabilitas > 0.05, maka Ho diterima, atau keempat varians adalah sama. Output Bagian Ketiga (ANOVA)

Bab 3 Statistik Inferensi

Setelah keempat varians terbukti sama, baru dilakukan uji ANOVA (Analysis of Variance) untuk menguji apakah keempat sampel mempunyai rata-rata (Mean) yang sama. Analisis dengan memakai ANOVA Hipotesis. Ho = Keempat rata-rata Populasi adalah identik Hi = Keemat rata-rata Populasi adalah tidak identik Keterangan: Berbeda dengan asumsi sebelumnya yang menggunakan varians sekarang dipakai mean. Pengambilan Keputusan Dasar Pengambilan Keputusan: a. Berdasarkan perbandingan F hitung dengan F tabel (dasar pengambilan keputusan sama dengan uji F (ANOVA)). Jika Statistik Hitung (angka F output) > Statistik Tabel (tabel F), maka Ho ditolak. Jika Statistik Hitung (angka F output) < Statistik Tabel (tabel F), maka Ho diterima. F hitung dari output adalah 1.024 Sedang statistik tabel dapat dihitung pada tabel F: Tingkat signifikansi ( ) adalah 5% (lihat input data pada bagian OPTION yang memilih tingkat kepercayaan 95%. Numerator adalah (jumlah variabel shift 1) atau 4 1 = 3. Denumerator adalah (jumlah kasus jumlah variabel shift) atau 56 4 = 52 Dari tabel F didapat angka

b. Berdasarkan nilai probabilitas Jika probabilitas > 0.05, maka Ho diterima. Jika probabilitas < 0.05, maka Ho ditolak.

Keputusan:

Bab 3 Statistik Inferensi

Terlihat bahwa F hitung adalah 1.024 dengan probabilitas 0.390. Oleh karena probabilitas > 0.05, maka Ho diterima. Dengan kata lain, rata-rata produksi keempat shift tersebut tidak berbeda secara nyata. Output Bagian Keempat (Post Hoc Test) Setelah diketahui tidak ada perbedaan yang signifikan di antara keempat kelompok shift, masalah yang akah dibahas adalah mana saja kelompok shift yang berbeda dan mana yang tidak berbeda? Tukey test dan Bonferroni test Sebagai contoh, lihat baris pertama pada hasil uji Tukey-HSD yang menguji perbedaan antara shift 1 dan shift 2. Pada kolom Mean Difference atau perbedaan rata-rata diperoleh angka 4.21. Angka ini berasal dari Mean Shift 1 Mean Shift 2 atau 39.50 unit 43.71unit. Pada kolom 95% confidence interval, terlihat range perbedaan Mean tersebut berkisar antara 14.04 sampai 5.62 unit. Uji signifikansi perbedaan Mean antara shift 1 dan shift 2.

Berdasarkan nilai Probabilitas Berdasarkan nilai probabilitas Jika probabilitas > 0.05, maka Ho diterima. Jika probabilitas < 0.05, maka Ho ditolak.

Keputusan: Terlihat bahwa nilai probabilitas adalah 0.668. Oleh karena probabilitas > 0.05, maka Ho ditolak, atau perbedaan Ho ditolak, atau tidak ada perbedaan yang nyata antara produktivitas shift 1 dan shift 2.

Hasil uji signifikansi dengan mudah dapat dilihat pada output dengan ada atau tidaknya tanda * pada kolom Mean Difference. Jika tanda * ada di angka Mean Difference atau perbedaan Rata-rata, maka perbedaan tersebut nyata atau signifikan. Jika tidak ada tanda *, maka perbedaan tidak signifikan.

Bab 3 Statistik Inferensi

Dari baris pertama sampai terakhir tidak ada tanda *, ini menandakan tidak ada perbedaan yang signifikan.

You might also like