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.

Sebagai default. dengan mengkliknya. Oleh karena dalam kasus semua pasangan data komplit (tidak ada yang kosong).1 Paired Variables yang telah terisi • Untuk kolom option atau pilihan yang lain.Bab 3 Statistik Inferensi Gambar 3.95% = 5% • Untuk Missing Values atau data yang hilang. SPSS menggunakan tingkat kepercayaan 95% atau tingkat signifikansi 100% . maka abaikan saja bagian ini (tetap pada default dari SPSS. .4 Kotak Dialog Options Pengisian: • Untuk Confidence Interval: atau tingkat kepercayaan. yaitu Exclude cases analysis by analysis). tampak di layar: Gambar 3.

8000 . Sedangkan setelah minum obat. Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS.Bab 3 Statistik Inferensi Tekan Continue jika pengisian dianggap selesai. Untuk berat badan sebelum minum obat. kilogram. Tekan OK untuk mengakhiri pengisian prosedur analisis. konsumen mempunyai berat rata-rata 79. Output SPSS Analisis: Output Bagian Pertama (Group Statistics) Pada bagian pertama terlihat ringkasan statistik dari kedua sampel. konsumen mempunyai berat rata-rata 82.3900.

05 (lihat nilai signifikansi output yang 0. Jadi dapat lebih besar atau lebih kecil. Hal ini menyatakan bahwa korelasi antara berat sebelum dan sesudah minum obat adalah sangat erat dan benar-benar berhubungan secara nyata. Jika Statistik Hitung (angka t output) < Statistik Tabel (tabel t).Bab 3 Statistik Inferensi Output Bagian Kedua (Paired Samples Correlations) Bagian kedua output adalah hasil korelasi antara kedua variabel. maka Ho diterima. Berdasarkan perbandingan t hitung dengan t tabel (dasar pengambilan keputusan sama dengan uji t). didapat angka 2. T hitung dari output adalah 4.924 dengan nilai probabilitas jauh di bawah 0. Pengambilan Keputusan Dasar Pengambilan Keputusan: a. Uji dilakukan dua sisi karena akan diketahui apakah rata-rata Sebelum sama dengan Sesudah ataukah tidak.000). 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). Df atau derajat kebebasan adalah n (jumlah data) – 1 atau 12 – 1 = 11.576 Sedang statistik tabel dapat dihitung pada tabel t: • • • Tingkat signifikansi ( ) adalah 5% (lihat input data pada bagian OPTION yang memilih tingkat kepercayaan 95%. karenanya dipakai uji dua sisi. Dari tabel t. maka Ho ditolak. yang menghasilkan angka 0. Perlunya uji dua sisi dapat diketahui pula dari output SPSS yang menyebut adanya Two tailed test.2010 . Output Bagian Ketiga (Paired Sample Test) Hipotesis. Jika Statistik Hitung (angka t output) > Statistik Tabel (tabel t).

8357 kg.Bab 3 Statistik Inferensi Oleh karena t hitung terletak pada daerah Ho ditolak.5900 (lihat output SPSS).576 dengan probabilitas 0. • Perbedaan sebesar 2. Pada prinsipnya pengambilan keputusan berdasar t hitung dan t tabel akan selalu menghasilkan kesimpulan yang sama dengan berdasar angka probabilitas. penggunaan angka probabilitas lebih sering dipakai sebagai dasar pengambilan keputusan inferensi. maka Ho ditolak. Oleh karena probabilitas < 0.8000 kg = 2.3443 kg (bertanda positif berarti berat sebelum minum obat lebih besar dari sesudah minum obat) sampai upper/batas atas 3.3900 kg – 79. Keterangan: Dalam kasus ini dapat juga dinyatakan bahwa • Terdapat perbedaan Mean sebesar 2.5900 kg.05. b. Namun untuk kemudahan dan kepraktisan. Berdasarkan nilai probabilitas • • Jika probabilitas > 0. . maka dapat disimpulkan obat tersebut efektif dalam upaya menurunkan berat badan.5900 kg tersebut mempunyai range antara lower/batas bawah sebesar 1.05.5900 kg dengan range > 0 kg sampai 3.05. Angka ini berasal dari: Berat sebelum minum obat – Berat sesudah minum obat Atau 82. maka Ho ditolak. obat penurun berat tersebut efektif dalam menurunkan berat badan. Keputusan: Terlihat bahwa t hitung adalah 4. Jika probabilitas < 0. Dengan kata lain.01. maka Ho diterima.8357 kg tersebut cukup berarti untuk menyatakan bahwa obat tersebut efektif untuk menurunkan berat badan. Dari uji t terbukti bahwa perbedaan 2.

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).53 85.20 77.39 .15 79. Dari kasus tersebut diketahui bahwa populasi rata-rata berat sebelum minum obat adalah 82.2 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. No 1 2 3 4 5 6 7 8 9 10 Sebelum 80.60 83. Kasus: Kasus mempunyai data yang sama dengan data obat pelangsing.59 77.50 88. Hanya di sini dipakai data Sebelum (berat badan sebelum minum obat).37 82.57 80.39 (lihat output SPSS sebelumnya).57 89.95 91.76 80.Bab 3 Statistik Inferensi 3.57 75.65 83. Sekelompok anak muda setelah ditimbang.85 Sesudah 79.20 75.76 73.37 79.53 76.50 88.

2. kemudian pilih submenu Compare-Means.83 79. Pemasukan data ke SPSS Langkah-langkah pemasukan data sama dengan pembahasan terdahulu. 1.Bab 3 Statistik Inferensi 11 12 83. Pengolahan data dengan SPSS Langkah-langkah: • • Dari menu utama SPSS. Klik pilihan tersebut. dipakai uji t untuk dua sampel yang berpasangan (paired). Dari serangkaian pilihan test untuk nonparametric. langsung ke tahap selanjutnya.83 Penyelesaian: Kasus di atas terdiri atas satu sampel yang akan dipakai dengan nilai populasi hipotesis. dan karena sampel sedikit. atau jika sudah diinput.72 76. sesuai kasus pilih One Samples T test….29 76. Di sini populasi diketahui berdistribusi normal.5 Kotak Dialog One Sample t Test Pengisian: . yaitu 90 kg. maka tampak di layar: Gambar 3. pilih menu Analyze.

6 Test Variable yang telah terisi • Klik kolom option atau pilihan yang lain. Output SPSS . Tekan Continue jika pengisian dianggap selesai. kemudian klik tanda ‘>’ (yang sebelah atas). SPSS menggunakan tingkat kepercayaan 95% atau tingkat signifikansi 100% . Gambar 3. Tekan OK untuk mengakhiri pengisian prosedur analisis. maka klik variabel sebelum. maka pada Test variables terlihat tanda sebelum. yaitu Exclude cases analysis by analysis). Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS. Oleh karena disini akan diuji data sebelum dan sesudah. maka abaikan saja bagian ini (tetap pada default dari SPSS. Pengisian: • Untuk Confidence Interval: atau tingkat kepercayaan.Bab 3 Statistik Inferensi • Test Variable(s) atau Variabel yang akan diuji. Oleh karena dalam kasus semua pasangan data komplit (tidak ada yang kosong).95% = 5% • Untuk Missing Values atau data yang hilang. Sebagai default.

Jika Statistik Hitung (angka t output) > Statistik Tabel (tabel t). Jika Statistik Hitung (angka t output) < Statistik Tabel (tabel t). maka Ho ditolak.3900 kg. Output Bagian Kedua (One Sample Test) Hipotesis: Ho = Berat kelompok anak muda tidak berbeda dengan rata-rata berat populasi sebelum minum. T hitung dari output adalah -5.189 Sedang statistik tabel dapat dihitung pada tabel t: . maka Ho diterima. konsumen mempunyai berat rata-rata 82. Berdasarkan perbandingan t hitung dengan t tabel (dasar pengambilan keputusan sama dengan uji t).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. Hi = Berat kelompok anak muda berbeda dengan rata-rata berat populasi sebelum. Pengambilan Keputusan Dasar Pengambilan Keputusan: a.

b. Df atau derajat kebebasan adalah n (jumlah data) – 1 atau 12 – 1 = 11.8376 kg (bertanda negatif berarti berat sebelum minum obat lebih kecil dari berat kelompok anak muda) sampai upper/batas atas -4. Keterangan: Dalam kasus ini dapat juga dinyatakan bahwa • Terdapat perbedaan Mean sebesar 82.3824 kg. Jika probabilitas < 0.3900 (lihat output SPSS).Bab 3 Statistik Inferensi • • • Tingkat signifikansi ( ) adalah 5% (lihat input data pada bagian OPTION yang memilih tingkat kepercayaan 95%. karenanya dipakai uji dua sisi. Dari tabel t. Berdasarkan nilai probabilitas • • Jika probabilitas > 0.000. Jadi dapat lebih besar atau lebih kecil. Oleh karena probabilitas < 0. Uji dilakukan dua sisi karena akan diketahui apakah rata-rata Sebelum sama dengan Berat Anak Muda ataukah tidak.0000 kg = -7. Keputusan: Terlihat bahwa t hitung adalah -5.6100 kg tersebut mempunyai range antara lower/batas bawah sebesar -10.05. • Perbedaan sebesar -7.189 dengan probabilitas 0. berat kelompok anak muda tersebut memang berbeda dengan berat rata-rata populasi sebelum minum obat. .3900 kg – 90. Angka ini berasal dari: Berat sebelum minum obat – Berat Kelompok Anak Muda Atau 82. maka Ho ditolak. dapat diketahui pula dari output SPSS yang menyebut adanya Two tailed test.05.2010 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. didapat angka 2.6100 kg.05. Dengan kata lain. maka Ho diterima. maka Ho ditolak.

8 168. 8 pria dan 8 wanita masingmasing diukur tinggi dan berat badannya.Bab 3 Statistik Inferensi 3.8 67.5 158.8 155.7 43.9 68.1 45.2 178.9 65.8 49.8 67.7 48.7 156. Untuk itu.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.9 67.6 43.9 170.9 Gender Pria Pria Pria Pria Pria Pria Pria Pria Wanita Wanita Wanita Wanita Wanita Wanita Wanita Wanita . Berikut adalah hasilnya (angka dalam centimeter untuk Tinggi dan kilogram untuk Berat).7 58.4 154.9 62.5 159.7 157.5 68.7 159.7 155.5 Berat 75. No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Tinggi 188.7 167.6 155.7 49.9 165.7 54.8 152.

Pemasukan data ke SPSS Langkah-langkah: • Buka lembar kerja baru.5 centimeter dan Berat Badan 75. Di sini populasi diketahui berdistribusi normal dan karena sampel sedikit. dipakai uji t untuk dua sampel. Sekarang SPSS siap membuat variabel baru yang diperlukan • Menamai variabel dan properti yang diperlukan. Decimals. Penyelesaian : Kasus di atas terdiri atas dua sampel yang bebas satu dengan yang lain. Sesuai kasus. Abaikan bagian ini. 1. seorang pria dengan Tinggi Badan 188. jenis data. pilih menu New. letakkan pointer di bawah kolom Name. atau langsung tekan CTRL+T. lalu klik ganda sel tersebut. Oleh karena variable expense akan berisi data rasio. Lalu klik Data.Bab 3 Statistik Inferensi Pada baris 1. ketik 8 (sesuai default). Demikian untuk data yang lain. Hal ini berarti berarti tinggi badan dimungkinkan ditulis sampai dua angka di belakang koma. Label. . Untuk itu klik tab sheet Variable View yang ada di bagian kiri bawah. Untuk keseragaman. Pengisian: Variabel tinggi Oleh karena ini variabel pertama. ketik 1. maka biarkan saja default numeric yang sudah ada.8 kilogram. label data dan sebagainya. Tampilan variable View dapat juga diambil dari menu View lalu submenu Variable. Untuk keseragaman. dan ketik tinggi. • • • • • Name. Dari menu utama File. Langkah berikutnya adalah membuat nama untuk setiap variabel baru. Width. Type. yaitu sampel bergender pria tentu berbeda dengan sampel bergender wanita. tempatkan pointer pada baris 1.

Sesuai kasus yang merinci gender. Klik tombol tersebut. yang berarti tidak ada desimal. lalu klik ganda sel tersebut. otomatis keterangan 2= “wanita” tampak sebagai kodifikasi gender kedua Oleh karena hanya ada dua gender yang dimasukkan. ketik 1. Tampak di layar. Untuk keseragaman. Values. maka biarkan saja default numeric yang sudah ada. ketik 1. Hal ini berarti gender hanya dapat dimasukkan sebanyak satu digit saja. Otomatis tombol Add aktif. Type. pengisian dianggap selesai dan klik OK untuk kembali. dan ketik berat. Variabel berat Oleh karena ini variabel kedua. • • • • • • Name. Width. . Value Label atau keterangan untuk angka 1 tersebut. Untuk keseragaman. maka ketik 0. Decimals. ketik 2. tempatkan pointer pada baris 2. Gambar Kotak Dialog Value Labels Pengisian: • • Value atau nilai berupa angka yang dimasukkan. otomatis keterangan 1= “pria” tampak sebagai kodifikasi gender pertama. Otomatis tombol Add aktif. Value Label. Sesuai kasus. Label. Pilihan ini untuk proses pemberian kode. klik ganda pada sel tersebut dan ketik gender konsumen. Untuk keseragaman. Untuk keseragaman. Klik kotak kecil di kanan sel. Oleh karena variable expense akan berisi data rasio. letakkan pointer di bawah kolom Name. ketik wanita. Klik tombol tersebut. Oleh karena tipe data adalah numeric dengan kode. ketik pria. Pengisian lanjutan: • • Value.Bab 3 Statistik Inferensi Abaikan bagian yang lain.

letakkan pointer pada baris 1 kolom tersebut. terlihat di baris pertama tertulis ‘pria’ yang telah mempunyai kode 1. maka terlihat data seperti pada awal kasus. Terlihat secara otomatis SPSS mengubahnya menjadi keterangan ‘pria’. sesuai kasus pilih Independent-Samples T test…. Klik pilihan tersebut. • Demikian untuk data selanjutnya. Maka pada baris pertama kolom kelompok. Pengolahan data dengan SPSS Langkah-langkah: • • Dari menu utama SPSS. maka tampak di layar: . Kegunaan pengaktifan View (melihat) Value Label terkait dengan prosedur berikut ini. karena SPSS akan menolaknya. • Pada data kasus. • Jika pengisian benar. Dari serangkaian pilihan test untuk nonparametric. arahkan pointer ke menu utama SPSS. pilih menu Analyze. Jangan memasukkan kalimat (huruf) dalam pengisian data yang bersifat numeric.Bab 3 Statistik Inferensi 2. Hal ini terjadi karena pengaktifan Value Label. ketik 1. Untuk mengisi kolom gender: Sebelum mulai mengisi data. lalu pilih menu View. Mengisi data • • • Untuk mengisi kolom tinggi. pemasukan data dengan menggunakan angka 1. kemudian pilih submenu Compare-Means. letakkan pointer pada baris 1 kolom tersebut. di sebelah kiri submenu 3. kemudian klik submenu Value Label (terlihat Value Label aktif dengan adanya tanda tersebut). lalu ketik menurun ke bawah sesuai data tinggi badan (16 data). 3 atau 4 sesuai keterangan yang dikehendaki. Untuk mengisi kolom berat. lalu ketik menurun ke bawah sesuai data berat badan (16 data). 2.

Tampak di layar.8 Test Variables yang telah terisi • Grouping Variable atau variabel grup. maka variabel tinggi berpindah ke Test Variable(s). maka klik variabel gender. maka klik variabel tinggi. .Bab 3 Statistik Inferensi Gambar 3. Oleh karena variabel pengelompokkan ada pada variabel gender. Hal yang sama dilakukan juga untuk variabel berat. kemudian klik tanda ‘>’ (yang sebelah atas). 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.

Gambar 3.9 Grouping Variable gender Pengisian grup: klik pada Define Group…. Tampak di layar. isi dengan 1. Untuk Group 2. Tampak di layar. Gambar 3.Bab 3 Statistik Inferensi kemudian klik tanda ‘>’ (yang sebelah bawah). maka variabel gender berpindah ke Groping Variable. yang berarti Grup 2 berisi tanda 2 atau ‘wanita’. isi dengan 2.10 Kotak Dialog Define Groups • • Untuk Group 1. yang berarti Grup 1 berisi tanda 1 atau ‘pria’. Tampak di layar: .

11 Define Groups yang telah terisi • Untuk kolom option atau pilihan yang lain. Sebagai default. dengan mengkliknya. yaitu Exclude cases analysis by analysis). Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS. Tekan OK untuk mengakhiri pengisian prosedur analisis. SPSS menggunakan tingkat kepercayaan 95% atau tingkat signifikansi 100% . maka abaikan saja bagian ini (tetap pada default dari SPSS.95% = 5% • Untuk Missing Values atau data yang hilang. Tekan Continue jika pengisian dianggap selesai. Output SPSS : . tampak di layar: Gambar 3. Oleh karena dalam kasus semua pasangan data komplit (tidak ada yang kosong).12 Kotak Dialog Options Pengisian: • Untuk Confidence Interval: atau tingkat kepercayaan.Bab 3 Statistik Inferensi Gambar 3.

763 cm. Sedangkan tinggi rata-rata pria adalah 169.Bab 3 Statistik Inferensi Independent Samples Test Analisis: Output Bagian Pertama (Group Statistics) Pada bagian pertama terlihat ringkasan statistik dari kedua sampel. yaitu 49.175 kg.275 kg. yang juga lebih tinggi dari rata-rata wanita yang hanya 156.038 cm. Output Bagian Kedua (Independent Sample Test) a. yang jauh di atas ratarata berat badan wanita. Tinggi Badan . Untuk berat badan pria (tanda 1) mempunyai berat rata-rata 68.

Jika probabilitas < 0. analisis menggunakan F test. Analisis dengan memakai t test untuk asumsi varians tidak sama. 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. maka Ho ditolak.05.540 dengan probabilitas 0.Bab 3 Statistik Inferensi Pertama.023.05.05. Oleh karena probabilitas < 0. 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 > 0.05.05. maka Ho diterima. 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. Jika probabilitas < 0. maka Ho ditolak. • 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). atau kedua varians benar-benar berbeda. maka Ho diterima. Hipotesis. .

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. maka Ho ditolak.05. .05. maka Ho diterima.033 dengan probabilitas 0. 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. maka Ho ditolak. dalam artian Pria mempunyai rata-rata Tinggi Badan yang lebih dari wanita.602 atau kegagalan mengasumsikan kesamaan varians berakibat keefektifan ukuran sampel menjadi berkurang sekitar 40% lebih! b.005. Berat Badan Pertama.05. analisis menggunakan F test untuk menguji kesamaan varians kedua populasi.05. Oleh karena probabilitas < 0. atau kedua rata-rata (mean) tinggi badan pria dan wanita benar-benar berbeda.874 dengan probabilitas 0.327. atau kedua varians sama. Hipotesis.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. • Perhatikan bahwa perubahan dari penggunaan Equal variance assumed ke Equal variance not assumed mengakibatkan menurunnya degree of freedom (derajat kebebasan). Jika probabilitas < 0. maka Ho diterima. yaitu dari 14 menjadi 7. Oleh karena probabilitas > 0.

Jika probabilitas < 0. atau varians berbeda. 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. ditolak ataukah tidak. maka terlihat otomatis pada output SPSS tidak ada angka untuk t test Equal variance not assumed.480 dengan probabilitas 0.05. Keterangan: Ringkasan dari test di atas • • • Diuji dengan F test dahulu (Levene test) apakah hipotesis varians sama. dalam artian Pria mempunyai rata-rata Berat Badan yang lebih dari wanita. Jika hipotesis diterima. maka Ho ditolak. Jika hipotesis ditolak.05. atau varians sama. Oleh karena itu. maka Ho ditolak. 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). maka untuk membandingkan Means digunakan t test dengan asumsi varians tidak sama.Bab 3 Statistik Inferensi • Oleh karena tidak ada perbedaan yang nyata dari kedua varians. Keputusan • Terlihat bahwa t hitung untuk Berat Badan dengan Equal variance assumed (diasumsi kedua varians sama atau menggunakan pooled variance test) adalah 8. atau kedua rata-rata (mean) berat badan pria dan wanita benar-benar berbeda. maka Ho diterima.05. Oleh karena probabilitas < 0. Analisis dengan memakai t test untuk asumsi varians sama. .000.

a.9707 Hal ini berarti perbedaan Tinggi Badan Pria dan Wanita berkisar antara 5. maka sekarang lihat pada kolom ‘95% Confidence Interval of the Difference’ dan baris Equal Variance not assumed. Angka ini berasal dari: Rata-rata Tinggi Badan Pria – Rata-rata Tinggi Badan Wanita Atau 169.038 = 13. Berat Badan Dari output terlihat baris ‘mean difference’ untuk Berat Badan adalah 18. • Pada baris tersebut didapat angka: Lower (perbedaan rata-rata bagian bawah) adalah : 5. Tinggi Badan Dari output terlihat baris ‘mean difference’ untuk Tinggi Badan adalah 13.725 cm Dari F test pada bahasan sebelumnya didapat bahwa uji perbedaan rata-rata dilakukan dengan Equal variance not assumed. langkah selanjutnya adalah mengetahui seberapa besar perbedaan tersebut. dan diketahui penggunaan Equal variance assumed dan Equal variance not assumed. dengan perbedaan rata-rata adalah 13.4793 cm Upper (perbedaan rata-rata bagian atas) adalah : 21. serta diketahui ada perbedaan yang nyata antara Tinggi dan Berat badan pria dan wanita. MEAN DIFFERENCE (PERBEDAAN RATA-RATA) TINGGI BADAN Setelah dilakukan uji dengan F test dan t test.900 kg.763 – 156. b.Bab 3 Statistik Inferensi test dengan uji t untuk membandingkan means langsung dilakukan dengan Equal variance assumed.175 – 49.275 = 18.4793 cm sampai 21. Angka ini berasal dari: Rata-rata Berat Badan Pria – Rata-rata Berat Badan Wanita Atau 68.900 kg .725 cm.725 cm.9707 cm.

namun digantikan oleh ‘cut point’ atau titik potong.6804 kg. maka sekarang lihat pada kolom ‘95% Confidence Interval of the Difference’ dan baris Equal Variance assumed.4 UJI T DENGAN PENGGUNAAN CUT POINT (TITIK POTONG) Jika pada kasus sebelumnya digunakan dasar pengujian pada gender (pria dan wanita). dengan perbedaan rata-rata adalah 18. 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).1196 kg Upper (perbedaan rata-rata bagian atas) adalah : 23. maka sekarang gender tidak digunakan.900 kg. Untuk lebih jelasnya. Namun di sini data akan dibagi dua grup.6804 kg Hal ini berarti perbedaan Tinggi Badan Pria dan Wanita berkisar antara 14. • Pada baris tersebut didapat angka: Lower (perbedaan rata-rata bagian bawah) adalah : 14. akan dipakai lagi data kasus di atas. 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. 3.Bab 3 Statistik Inferensi Dari F test pada bahasan sebelumnya didapat bahwa uji perbedaan rata-rata dilakukan dengan Equal variance assumed. yaitu suatu angka/data numerik yang berfungsi sebagai ‘batas’.1196 kg sampai 23. 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. No Tinggi Berat Gender . Dari dua grup tersebut. yaitu Berat dan Tinggi Badan Pria dan Wanita.

2 178.9 62.5 158.9 67.8 67.4 154.7 167. 2. Di sini populasi diketahui berdistribusi normal.8 168.9 170. Pemasukan data ke SPSS Pemasukan data sama dengan pemasukan data pada kasus sebelumnya (Independent Sample T Test).8 49. . dipakai uji t untuk dua sampel.7 49.7 156.6 43. kemudian pilih submenu Compare-Means.8 155.1 45.7 159.7 54.8 152.9 68.7 43.8 67. pilih menu Analyze. Pengolahan data dengan SPSS Langkah-langkah: • Dari menu utama SPSS.5 159.7 157. 1.9 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.9 65.Bab 3 Statistik Inferensi 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 188.9 165.5 68. dan karena sampel sedikit.7 58.6 155.7 48.7 155. yaitu sampel yang mempunyai berat badan di atas 50 kg dan sampel yang mempunyai berat badan di bawah 50 kg.5 75.

maka klik variabel tinggi. Oleh karena disini akan diuji data tinggi. maka tampak di layar: Gambar 3. maka variabel tinggi berpindah ke Test Variable(s).13 Kotak Dialog Independent Sample T Test Pengisian: • Test Variable(s) atau Variabel yang akan diuji. kemudian klik tanda ‘>’ (yang sebelah atas). sesuai kasus pilih Independent-Samples T test…. Tampak di layar: Gambar 3. Klik pilihan tersebut.14 Pemasukan tinggi pada Test Variable .Bab 3 Statistik Inferensi • Dari serangkaian pilihan test untuk nonparametric.

Tampak di layar: Gambar 3.15 Grouping Variable berat Pengisian grup: klik pada Define Group…. kemudian klik tanda ‘>’ (yang sebelah bawah).16 Penggunaan Cut point pada Define Groups . maka klik variabel berat. Gambar 3. Tampak di layar. Oleh karena variabel pengelompokkan ada pada variabel berat. Di sini akan dipakai Cut point. maka variabel berat berpindah ke Groping Variable.Bab 3 Statistik Inferensi • Grouping Variable atau variabel grup. maka klik pilihan Cut point. dan kemudian ketik 50 untuk menyatakan bahwa variable berat dibagi dengan batas/cut point adalah 50 (50 kilogram).

Untuk sampel dengan berat badan di atas 50 kg ada 10 orang (tidak perlu dirinci pria atau wanita).Bab 3 Statistik Inferensi OUTPUT SPSS Analisis Output Bagian Pertama (Group Statistics) Pada bagian pertama terlihat ringkasan statistik dari kedua sampel. Sedangkan untuk sampel dengan berat badan di bawah 50 kg ada 6 orang. yang mempunyai tinggi rata-rata 155. Hipotesis. yang mempunyai tinggi rata-rata 167.260 cm. Output Bagian Kedua (Independent Sample Test) a. Tinggi Badan Pertama.633. Ho = Kedua varians Populasi adalah identik (varians populasi berat di atas 50 kg dan berat di bawah 50 kg) . analisis menggunakan F test.

maka Ho ditolak.036. maka Ho ditolak. Keterangan: Berbeda dengan asumsi sebelumnya yang menggunakan varians.05. maka Ho diterima. Jika probabilitas < 0. Analisis dengan memakai t test untuk asumsi varians tidak sama. Keputusan . • 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). sekarang dipakai mean.05. Pengambilan Keputusan • • Jika probabilitas > 0. Hi = Kedua rata-rata Populasi adalah tidak identik (rata-rata populasi berat di atas 50 kg dan berat di bawah 50 kg).05. 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. Hipotesis Ho = Kedua rata-rata Populasi adalah identik (rata-rata populasi berat di atas 50 kg dan berat di bawah 50 kg). atau kedua varians benar-benar berbeda. Jika probabilitas < 0. maka Ho diterima.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 ditolak. Oleh karena probabilitas < 0.05.409 dengan probabilitas 0.

Pada baris tersebut. • Perhatikan bahwa perubahan dari penggunaan Equal variance assumed ke Equal variance not assumed mengakibatkan menurunnya degree of freedom (derajat kebebasan).627 Dari F test pada bahasan sebelumnya didapat bahwa uji perbedaan rata-rata dilakukan dengan Equal variancel not assumed. didapat angka: Lower (perbedaan rata-rata bagian bawah) adalah: 4.370 atau kegagalan mengasumsikan kesamaan varians berakibat keefektifan ukuran sampel menjadi berkurang sekitar [(14 – 10.627.0130 .05. maka Ho ditolak. Dari output terlihat pada baris ‘mean difference’ untuk Tinggi Badan adalah 11. atau ada perbedaan yang nyata di antara mereka yang berbobot lebih dari 50 kg dan mereka yang berbobot di bawah 50 kg. yaitu dari 14 menjadi 10.370)/14]* 100% = 26% MEAN DIFFERENCE (PERBEDAAN RATA-RATA) TINGGI BADAN Setelah dilakukan uji dengan F test dan t test.006. Oleh karena probabilitas < 0.490 dengan probabilitas 0.633 = 11. 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. langkah selanjutnya adalah mengetahui seberapa besar perbedaan tersebut.260 – 155. maka sekarang lihat pada kolom ‘95% Confidence Interval of the Difference) dan kolom Equal variancel not assumed. dan diketahui ada perbedaan yang nyata antara Tinggi sampel berbobot lebih dari 50 kg dengan sampel berbobot kurang dari 50 kg.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. Dengan kata lain.2403 Upper (perbedaan rata-rata bagian atas) adalah: 19. Angka ini berasal dari: (Rata-rata Tinggi Badan sampel > 50 kg) – (Rata-rata Tinggi Badan sampel < 50 kg) Atau 167.

2 178.4 154.8 Berat 75.7 49.9 65.7 43.9 165.7 58.6 43. 3.5 159.Bab 3 Statistik Inferensi Hal ini berarti perbedaan Tinggi Badan mereka yang berbobot lebih dari 50 kg dan kurang dari 50 kg berkisar antara 4.5 158. 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 188.7 167.7 155.9 68.2403 cm sampai 19.627 cm.6 155.8 67.0130 cm. Dalam hal ini tidak ada inferensi statistik atau uji terhadap suatu hipotesis.8 49.7 54.7 157.8 155. dengan perbedaan rata-rata adalah 11.9 62.7 156.5 68.8 168.1 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 . Kasus: Seorang peneliti menyajikan data Tinggi dan Berat badan pria dan wanita serta tempat tinggal mereka.9 67.8 67.9 170.5 MEANS Tujuan pembahasan ini adalah untuk mendapatkan serangkaian statistik deskriptif dari berbagai masukan data.

lalu klik ganda sel tersebut. Pilihan ini untuk proses pemberian kode. dan populasi diketahui berdistribusi normal. maka dipakai Means pada menu COMPARE MEANS untuk mengerjakannya. Values. ketik 0. Pemasukan data ke SPSS Langkah-langkah pemasukan sama dengan kasus uji dua sample independent. Type. otomatis keterangan 1= “desa” tampak sebagai kodifikasi tempat tinggal pertama. Sesuai kasus yang merinci tempat tinggal. letakkan pointer di bawah kolom Name. Variabel tinggal Oleh karena ini variabel pertama. Gambar Kotak Dialog Value Labels Pengisian: • • Value atau nilai berupa angka yang dimasukkan. Untuk keseragaman. • • • • • Name.7 48. ketik 1. . hanya di sini diberi tambahan tempat tinggal seseorang. Sesuai kasus. maka biarkan saja default numerik yang sudah ada. dan ketik tinggal. Oleh karena variable expense akan berisi data rasio. ketik 1. Untuk keseragaman.5 45. Klik tombol tersebut. serta sampel sedikit. hanya ditambah satu variabel tempat tinggal. Width. Untuk keseragaman. Penyelesaian: Oleh karena akan diketahui bagaimana statistik deskriptif dari data di atas.Bab 3 Statistik Inferensi 15 16 152.7 159. Value Label atau keterangan untuk angka 1 tersebut. Decimals. tempatkan pointer pada baris 1. Otomatis tombol Add aktif. ketik desa. Klik kotak kecil di kanan sel. 1.9 Wanita Wanita Desa Desa Kasus sama dengan kasus uji dua sample independen.

Untuk keseragaman. pilih menu Analyze. Value Label. ketik kota. ketik kampung. ketik 2. ketik 2.17 Kotak Dialog Means . Pengisian lanjutan: Value. ketik kampung. maka tampak di layar: Gambar 3. Untuk keseragaman. ketik 3. Pengolahan data dengan SPSS Langkah-langkah: • • Dari menu utama SPSS. Dari serangkaian pilihan test untuk nonparametric. Pengisian lanjutan: Value. Value Label. Untuk keseragaman. Klik pilihan tersebut. pengisian dianggap selesai dan klik OK untuk kembali.Bab 3 Statistik Inferensi Pengisian lanjutan: • • • • • • Value. 2. Value Label. kemudian pilih submenu Compare-Means. sesuai kasus pilih Means. Oleh karena hanya ada tiga tempat tinggal yang dimasukkan.

lalu klik tanda ‘>’. Tampak di layar: . Di sini jenis data adalah non-numerik atau tidak mengandung angka. Di sini jenis data adalah numeric atau mengandung angka. Klik variabel tinggi. maka variabel gender berpindah ke Independent List.18 Dependent dan Independent List yang telah terisi • • Selanjutnya klik Next Kemudian klik variabel tinggal. maka variabel tinggal berpindah ke Independent List sebagai layer kedua. Oleh karena itu.Bab 3 Statistik Inferensi Pengisian: • Dependent List atau Variabel Tergantung (tidak bebas) yang akan dimasukkan. • Independent List atau daftar Variabel Bebas yang akan dimasukkan. Demikian juga untuk variabel berat. kemudian klik tanda ‘>’. kemudian klik tanda ‘>’. maka variabel tinggi berpindah ke test Variable(s). klik variabel gender. Tampak di layar: Gambar 3.

19 Pemasukan variabel tinggal pada Independent List • Untuk kolom option atau pilihan yang lain. Gambar 3.20 Kotak Dialog Options . dengan mengkliknya tampak di layar.Bab 3 Statistik Inferensi Gambar 3.

163.6920 . Ouput SPSS Report GENDER pria TINGGAL desa Mean N Std. Deviation TINGGI 171.175 8 3. Deviation kampung Mean N Std.5704 169. Deviation kota Mean N Std.275 4 1.Bab 3 Statistik Inferensi Untuk keseragaman akan dipakai default seperti gambar di atas.800 1 .8125 BERAT 66.0929 188.725 4 5. Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS.763 8 9.567 3 6.500 1 . Deviation Total Mean N Std.0012 68. Tekan Continue jika pengisian dianggap selesai Tekan OK untuk mengakhiri pengisian prosedur analisis. sehingga tidak dilakukan perubahan pada options. 67.5796 75.833 3 3.

600 2 .586 7 5.725 16 10.2253 49. Deviation kota Mean N Std.467 6 10.100 3 2. Deviation 155.767 6 9.0368 163.567 3 18. Deviation Total Mean N Std.700 2 .6274 162.037 8 2.900 16 9.1166 43. Oleh karena terdapat angka 100%.Bab 3 Statistik Inferensi wanita desa Mean N Std.2828 156. Deviation kampung Mean N Std. Deviation Analisis: Output bagian pertama menghitung apakah semua data telah diproses.167 3 4.400 3 1.967 3 3.1099 57.5716 156.400 3 18.4078 155.6178 166. Deviation kota Mean N Std.5332 61.5924 54.657 7 7.6678 kampung Mean N Std.4529 58. Deviation Total desa Mean N Std.275 8 5. berarti keenam belas kasus telah diproses. .1414 54.9959 160.8541 48. Deviation Total Mean N Std.

Lihat bagian total pada kolom berat. Sampel tidak berhubungan satu dengan yang lain. Berarti data dipecah menjadi Pria yang bertempat tinggal di desa. c. yaitu mengenai tinggi dan berat badan. Demikian untuk data selanjutnya. Rata-rata tinggi badan orang di kampung (166.900). kampuig dan kota.175 kg) lebih berat dari rata-rata berat badan wanita (49.567 cm) lebih tinggi dari rata-rata orang di desa (163.6 ONE WAY ANOVA Jika uji t digunakan untuk pengujian dua sampel. kampung dan kota. Sebagai contoh.Bab 3 Statistik Inferensi Bagian kedua terlihat. 3.767 cm) ataupun totlal (182. terlihat data-data numerik. maka uji F atau ANOVA digunakan untuk pengujian lebih dari dua sampel. b. Serta wanita yang bertempat tinggal di desa. Lihat bagian total paling bawah untuk kolom tinggi. Populasi-populasi yang akan diuji berdistribusi normal. Demikian analisis lainnya dapat dilakukan sesuai dengan kebutuhan informasi yang diperlukan. Sedang contoh analisis dapat dilakukan seperti: • • Rata-rata berat badan pria (68. Varians dari populasi-populasi tersebut adalah sama. yaitu Gender (kode 1 dan 2) serta tempat tinggal sebagai layer kedua. UJI ANOVA .567 cm dan berat badan 66. pada bagian baris ada dua layer.833 kg. pada baris pertama dapat diartikan ada tiga orang (N = 3) pria yang bertempat tinggal di desa mempunyai rata-rata tinggi badan 171. Pada bagian kolom.275 kg). Asumsi yang digunakan pada pengujian ANOVA: a.

dan berikut adalah hasilnya (angka dalam unit). manajer memerintahkan seorang supervisor untuk mengamati produktivitas kerja keempat kelompok tersebut. kelompok shift 3 berproduksi 43 unit.Bab 3 Statistik Inferensi Kasus: Sebuah pabrik selama ini mempekerjakan karyawannya dalam 4 shift (satu shift terdiri atas sekelompok pekerja yang berlainan). Demikian seterusnya. pada hari pertama kelompok shift 1 berproduksi 30 unit. kelompok shift 2 berproduksi 44 unit. Penyelesaian: . Manajer pabrik tersebut ingin mengetahui apakah ada perbedaan produktivitas yang nyata di antara 4 kelompok kerja shift yang ada selama ini. 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. dan kelompok shift 4 berproduksi 47 unit. Untuk itu.

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 . yaitu kelompok shift 1 berbeda orang dan waktunya dengan kelompok shift yang lain.Bab 3 Statistik Inferensi Kasus di atas terdiri atas empat sampel yang bebas satu dengan yang lain. Di sini populasi diketahui berdistribusi normal. dan karena sampel lebih dari dua. 1. Demikian juga untuk waktu dan anggota kelompok shift yang lainnya saling berbeda. dipakai uji ANOVA. Pemasukan data ke SPSS Tabel pada kasus di atas harus diubah dalam format berikut ini.

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 .

• • • • Name. Sekarang SPSS siap membuat variable baru yang diperlukan. Langkah-langkah: • Buka lembar kerja baru. ketik 8 (sesuai default). lalu klik ganda sel tersebut. Width. tempatkan pointer pada baris 1.Bab 3 Statistik Inferensi 49 29 29 59 25 29 29 empat empat empat empat empat empat empat Terlihat hanya ada dua variabel. ketik 0. Decimals. Jumlah data tetap sama. Setiap kasus yang melibatkan perhitungan ANOVA satu faktor hanya memasukkan dua variabel saja. letakkan pointer di bawah kolom Name. Untuk keseragaman. Type. pilih menu New. Untuk keseragaman. maka biarkan saja default numeric yang sudah ada. dan ketik produk. Sesuai kasus. • Menamai Variabel dan properti yang diperlukan Klik tab sheet Variable View yang ada di bagian bawah. . Oleh karena variable ini akan berisi data rasio. Pengisian: Variabel produk Oleh karena ini variabel pertama. Lalu klik Data. yaitu dari susunan horizontal ke susunan vertikal (ke bawah). Dari menu utama File. yaitu variabel Produk yang mencatat produktivitas karyawan. hanya penempatannya yang berbeda. Tampilan variable View dapat juga diambil dari menu View lalu submenu VARIABLE. Tampak di layar.

Untuk keseragaman. ketik 1. Oleh karena secara default SPSS memberi tipe numerik. Pengisian: • • • • • • • • Value. ketik satu. Label. ketik 1. letakkan pointer pada baris 1 kolom tersebut. Pilihan ini untuk proses pemberian kode. kemudian klik submenu Value Label . maka abaikan saja bagian ini Width. tempatkan pointer pada baris 2. ketik empat. • • • • • • Name. Untuk keseragaman. Untuk keseragaman. ketik 2. Variabel shift Oleh karena ini variabel kedua. Mengisi data • • Untuk mengisi kolom produk. Value Label. Abaikan bagian ini. Value Label. Value Label. Untuk keseragaman. Untuk mengisi kolom shift: Sebelum mulai mengisi data. Tampak di layar. Klik kotak kecil di kanan sel. Pengisian lanjutan: Value. ketik dua. Ketik 0. Value Label. ketik 3. Klik ganda pada sel tersebut. lalu ketik menurun ke bawah sesuai data produktivitas karyawan (48 data). Untuk keseragaman. Decimals. Type. Pengisian lanjutan: Value. arahkan pointer ke menu utama SPSS. Abaikan bagian ini.Bab 3 Statistik Inferensi • Label. 2. lalu pilih menu View. Sesuai kasus yang memerinci profesi. Pengisian lanjutan: Value. Values. dan ketik shift. ketik tiga. ketik 4. Tipe data untuk shift adalah numerik.

• Demikian untuk data selanjutnya. 3 atau 4 sesuai keterangan yang dikehendaki. di sebelah kiri submenu Kegunaan pengaktifan View (melihat) Value Label terkait dengan prosedur berikut ini. Maka pada baris pertama kolom kelompok. Hal ini terjadi karena pengaktifan Value Label. Jangan memasukkan kalimat (huruf) dalam pengisian data yang bersifat numeric. • Pada data kasus. Pengolahan data dengan SPSS Langkah-langkah: • • • Buka lembar kerja/file ANOVA sesuai kasus di atas. Dari menu utama SPSS. maka tampak di layar: . pilih menu Analyze. • Jika pengisian benar. karena SPSS akan menolaknya. Klik pilihan tersebut. maka terlihat data seperti pada tabel di atas. kemudian pilih submenu Compare-Means. Dari serangkaian pilihan test untuk nonparametric. ketik 1. pemasukan data dengan menggunakan angka 1.Bab 3 Statistik Inferensi (terlihat Value Label aktif dengan adanya tanda tersebut). Terlihat secara otomatis SPSS mengubahnya menjadi keterangan ‘satu’. 3. 2. terlihat di baris pertama tertulis ‘satu’ yang telah mempunyai kode 1. sesuai kasus pilih OneWay ANOVA…. atau jika sudah terbuka ikuti prosedur berikut.

kemudian klik tanda ‘>’ (yang sebelah atas). maka klik variabel shift. Oleh karena variabel pengelompokkan ada pada variabel shift. maka variabel shift berpindah ke Factor. Tampak di layar: Gambar 3.22 Dependent List dan Factor yang telah terisi . maka variabel produk berpindah ke Dependent List.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. kemudian klik tanda ‘>’ (yang sebelah bawah). maka klik variabel produk. • Factor atau grup.

yaitu Exclude cases analysis by analysis).23 Kotak Dialog Options Pengisian: • Untuk Statistics atau perhitungan statistik yang akan dilakukan. Oleh karena dalam kasus semua pasangan data komplit (tidak ada yang kosong). klik kedua pilihan tersebut. dengan mengkliknya. tampak di layer: Gambar 3. maka abaikan saja bagian ini (tetap pada default dari SPSS. akan dipilih Descriptive dan Homogeneity-of-variance. • Untuk Missing Values atau data yang hilang.Bab 3 Statistik Inferensi • Untuk kolom option atau pilihan yang lain.Tampak di layar: . Untuk itu. Untuk keseragaman.

tampak di layar.25 Kotak Dialog Post-Hoc .Bab 3 Statistik Inferensi Gambar 3.24 Statistics dan Missing Values yang telah terisi Tekan Continue jika pengisian dianggap selesai. dengan mengkliknya. Gambar 3. • Untuk kolom Post-Hoc atau analisis lanjutan dari F test.

Tekan Continue jika pengisian dianggap selesai. Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS. Output SPSS .Bab 3 Statistik Inferensi Pengisian: Untuk analisis lanjutan. untuk keseragaman klik pilihan Bonferroni dan Tukey. Kemudian tekan OK untuk mengakhiri pengisian prosedur analisis.

64 -2.000 1.704 .54 -8.09 -5.23 14.64 -2.19 13.57 2.704 3.73 7.974 .704 3.80 Upper Bound 5.90 14.000 .37 12.944 .000 1.87 -8.000 1.21 -1.62 -7.29 1.87 6.94 8.40 -7.23 -16.62 8.891 .80 -6.47 -6.704 3.57 -2.704 3.52 .944 .12 -13.704 3.04 12.64 3.29 -3.704 3.40 7.59 -12.574 1.704 3.44 -13.07 -6.73 -8.704 3.26 11.336 .52 13.44 11.000 1.336 .07 4.12 11.759 1.59 12.57 -2.21 2.80 8.07 -6.704 3.76 -5.04 -11.574 1.704 3.704 3.704 3.668 .64 6.668 .80 16.47 -14.704 3.54 6.94 -7.29 1.52 -12.76 3.000 1.90 -16.891 .000 1.21 2.19 5.21 -1.704 3. Error Sig.26 -12.704 3.704 3.704 3.19 -3.704 3.64 -4.759 .64 6.57 2.000 -14.974 .000 .704 3.704 3.52 -3.704 3.704 3.09 3. 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 -4.29 -3.64 3.47 16.37 -11.000 1.704 3.19 -11.47 7.07 4.Bab 3 Statistik Inferensi Multiple Comparisons 95% Confidence (I) SHIFT (J) SHIFT Mean Difference (I-J) Std.64 3.

Demikian untuk data yang lain. Oleh karena probabilitas > 0. dengan asumsi varians keempat sampel adalah sama.43 unit. Output Bagian Kedua (Test of Homogeneity of variances) Analisis ini bertujuan untuk menguji berlaku tidaknya asumsi untuk ANOVA.Bab 3 Statistik Inferensi Analisis: Output Bagian Pertama (Group Statistics) Pada bagian pertama terlihat ringkasan statistik dari keempat sampel. Output Bagian Ketiga (ANOVA) .05. yaitu apakah keempat sampel mempunyai varians yang sama.80 unit sampai 43. Ho = Keempat varians Populasi adalah identik Hi = Kedua varians Populasi adalah tidak identik Pengambilan Keputusan • • Jika probabilitas > 0.727 dengan nilai probabilitas 0.05. rata-rata produk ada pada range 37. Dengan tingkat kepercayaan 95% atau signifikansi 5%.053. Uji ANOVA ingin melihat apakah rata-rata keempat sampel berasal dari populasi yang sama. atau keempat varians adalah sama. maka Ho diterima. Hipotesis. maka Ho ditolak. maka Ho diterima. Jika probabilitas < 0.05. Keputusan • Terlihat bahwa Levene Test hitung adalah 2. Sebagai contoh adalah deskripsi dari kelompok kerja shift 1: • • • Rata-rata produktivitas adalah 40. Produk minimum adalah 25 unit dan maksimum adalah 64 unit.05 unit.

Jika Statistik Hitung (angka F output) < Statistik Tabel (tabel F). Analisis dengan memakai ANOVA Hipotesis. Denumerator adalah (jumlah kasus – jumlah variabel shift) atau 56 – 4 = 52 Dari tabel F didapat angka b.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. F hitung dari output adalah 1. maka Ho ditolak. maka Ho diterima.05.Bab 3 Statistik Inferensi Setelah keempat varians terbukti sama. Pengambilan Keputusan Dasar Pengambilan Keputusan: a. Jika Statistik Hitung (angka F output) > Statistik Tabel (tabel F). Berdasarkan perbandingan F hitung dengan F tabel (dasar pengambilan keputusan sama dengan uji F (ANOVA)). 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. maka Ho diterima.05. Berdasarkan nilai probabilitas • • Jika probabilitas > 0. Jika probabilitas < 0. Keputusan: . baru dilakukan uji ANOVA (Analysis of Variance) untuk menguji apakah keempat sampel mempunyai rata-rata (Mean) yang sama. maka Ho ditolak.

Bab 3 Statistik Inferensi Terlihat bahwa F hitung adalah 1.71unit.62 unit. Jika tanda * ada di angka Mean Difference atau perbedaan Rata-rata. maka Ho ditolak.21.05. rata-rata produksi keempat shift tersebut tidak berbeda secara nyata. Jika tidak ada tanda *.390. Pada kolom 95% confidence interval. Dengan kata lain. Jika probabilitas < 0.50 unit – 43. maka Ho diterima.05. Output Bagian Keempat (Post Hoc Test) Setelah diketahui tidak ada perbedaan yang signifikan di antara keempat kelompok shift.024 dengan probabilitas 0. Oleh karena probabilitas > 0. atau tidak ada perbedaan yang nyata antara produktivitas shift 1 dan shift 2. terlihat range perbedaan Mean tersebut berkisar antara –14. • • • Pada kolom Mean Difference atau perbedaan rata-rata diperoleh angka –4. Keputusan: Terlihat bahwa nilai probabilitas adalah 0.05. Oleh karena probabilitas > 0. . maka perbedaan tersebut nyata atau signifikan. maka Ho ditolak. Angka ini berasal dari Mean Shift 1 – Mean Shift 2 atau 39. Uji signifikansi perbedaan Mean antara shift 1 dan shift 2. atau perbedaan Ho ditolak. Hasil uji signifikansi dengan mudah dapat dilihat pada output dengan ada atau tidaknya tanda ‘*’ pada kolom ‘Mean Difference’. Berdasarkan nilai Probabilitas Berdasarkan nilai probabilitas • • Jika probabilitas > 0.668. maka perbedaan tidak signifikan.04 sampai 5.05. maka Ho diterima. 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.

. ini menandakan tidak ada perbedaan yang signifikan.Bab 3 Statistik Inferensi Dari baris pertama sampai terakhir tidak ada tanda ‘*’.

Sign up to vote on this title
UsefulNot useful