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

Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS. konsumen mempunyai berat rata-rata 79. Untuk berat badan sebelum minum obat. Sedangkan setelah minum obat.8000 . Tekan OK untuk mengakhiri pengisian prosedur analisis.3900. konsumen mempunyai berat rata-rata 82. Output SPSS Analisis: Output Bagian Pertama (Group Statistics) Pada bagian pertama terlihat ringkasan statistik dari kedua sampel.Bab 3 Statistik Inferensi Tekan Continue jika pengisian dianggap selesai. kilogram.

didapat angka 2. Hal ini menyatakan bahwa korelasi antara berat sebelum dan sesudah minum obat adalah sangat erat dan benar-benar berhubungan secara nyata.000). Output Bagian Ketiga (Paired Sample Test) Hipotesis.576 Sedang statistik tabel dapat dihitung pada tabel t: • • • Tingkat signifikansi ( ) adalah 5% (lihat input data pada bagian OPTION yang memilih tingkat kepercayaan 95%.05 (lihat nilai signifikansi output yang 0. karenanya dipakai uji dua sisi. Uji dilakukan dua sisi karena akan diketahui apakah rata-rata Sebelum sama dengan Sesudah ataukah tidak. Perlunya uji dua sisi dapat diketahui pula dari output SPSS yang menyebut adanya Two tailed test.Bab 3 Statistik Inferensi Output Bagian Kedua (Paired Samples Correlations) Bagian kedua output adalah hasil korelasi antara kedua variabel. maka Ho diterima.2010 . 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). yang menghasilkan angka 0. Jika Statistik Hitung (angka t output) < Statistik Tabel (tabel t). Jadi dapat lebih besar atau lebih kecil. T hitung dari output adalah 4. Berdasarkan perbandingan t hitung dengan t tabel (dasar pengambilan keputusan sama dengan uji t). maka Ho ditolak. Jika Statistik Hitung (angka t output) > Statistik Tabel (tabel t).924 dengan nilai probabilitas jauh di bawah 0. Pengambilan Keputusan Dasar Pengambilan Keputusan: a. Df atau derajat kebebasan adalah n (jumlah data) – 1 atau 12 – 1 = 11. Dari tabel t.

3443 kg (bertanda positif berarti berat sebelum minum obat lebih besar dari sesudah minum obat) sampai upper/batas atas 3. b. penggunaan angka probabilitas lebih sering dipakai sebagai dasar pengambilan keputusan inferensi. Berdasarkan nilai probabilitas • • Jika probabilitas > 0.05. maka Ho ditolak. Dengan kata lain. Dari uji t terbukti bahwa perbedaan 2.5900 kg dengan range > 0 kg sampai 3.05. maka dapat disimpulkan obat tersebut efektif dalam upaya menurunkan berat badan. maka Ho ditolak.Bab 3 Statistik Inferensi Oleh karena t hitung terletak pada daerah Ho ditolak.8000 kg = 2.01.8357 kg.05. Jika probabilitas < 0.5900 kg tersebut mempunyai range antara lower/batas bawah sebesar 1.3900 kg – 79. Angka ini berasal dari: Berat sebelum minum obat – Berat sesudah minum obat Atau 82.5900 (lihat output SPSS).576 dengan probabilitas 0. Oleh karena probabilitas < 0. Keputusan: Terlihat bahwa t hitung adalah 4. Keterangan: Dalam kasus ini dapat juga dinyatakan bahwa • Terdapat perbedaan Mean sebesar 2. 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. . obat penurun berat tersebut efektif dalam menurunkan berat badan.8357 kg tersebut cukup berarti untuk menyatakan bahwa obat tersebut efektif untuk menurunkan berat badan. • Perbedaan sebesar 2.5900 kg. maka Ho diterima.

mempunyai rata-rata berat badan 90 kilogram.Bab 3 Statistik Inferensi 3. 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). Sekelompok anak muda setelah ditimbang.57 80. Dari kasus tersebut diketahui bahwa populasi rata-rata berat sebelum minum obat adalah 82.60 83.37 82. No 1 2 3 4 5 6 7 8 9 10 Sebelum 80.76 73.39 .95 91.37 79.59 77.50 88.50 88. Kasus: Kasus mempunyai data yang sama dengan data obat pelangsing. Hanya di sini dipakai data Sebelum (berat badan sebelum minum obat).53 76.2 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.57 89.85 Sesudah 79.76 80.57 75.65 83.20 77.39 (lihat output SPSS sebelumnya).53 85.15 79.20 75.

83 79. pilih menu Analyze. dan karena sampel sedikit. yaitu 90 kg. Pengolahan data dengan SPSS Langkah-langkah: • • Dari menu utama SPSS.83 Penyelesaian: Kasus di atas terdiri atas satu sampel yang akan dipakai dengan nilai populasi hipotesis. Di sini populasi diketahui berdistribusi normal. maka tampak di layar: Gambar 3. Dari serangkaian pilihan test untuk nonparametric.29 76. dipakai uji t untuk dua sampel yang berpasangan (paired).Bab 3 Statistik Inferensi 11 12 83. langsung ke tahap selanjutnya. Klik pilihan tersebut. atau jika sudah diinput. kemudian pilih submenu Compare-Means.72 76. Pemasukan data ke SPSS Langkah-langkah pemasukan data sama dengan pembahasan terdahulu. 2. sesuai kasus pilih One Samples T test…. 1.5 Kotak Dialog One Sample t Test Pengisian: .

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

Berdasarkan perbandingan t hitung dengan t tabel (dasar pengambilan keputusan sama dengan uji t).3900 kg. Pengambilan Keputusan Dasar Pengambilan Keputusan: a. konsumen mempunyai berat rata-rata 82. maka Ho ditolak. Jika Statistik Hitung (angka t output) > Statistik Tabel (tabel t). Hi = Berat kelompok anak muda berbeda dengan rata-rata berat populasi sebelum. maka Ho diterima. Jika Statistik Hitung (angka t output) < Statistik Tabel (tabel t). 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.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.189 Sedang statistik tabel dapat dihitung pada tabel t: .

6100 kg.3900 (lihat output SPSS).3900 kg – 90. Berdasarkan nilai probabilitas • • Jika probabilitas > 0. maka Ho ditolak.000. Oleh karena probabilitas < 0. Keterangan: Dalam kasus ini dapat juga dinyatakan bahwa • Terdapat perbedaan Mean sebesar 82.05. Jika probabilitas < 0. didapat angka 2.8376 kg (bertanda negatif berarti berat sebelum minum obat lebih kecil dari berat kelompok anak muda) sampai upper/batas atas -4. Angka ini berasal dari: Berat sebelum minum obat – Berat Kelompok Anak Muda Atau 82. Keputusan: Terlihat bahwa t hitung adalah -5. b.0000 kg = -7.05.3824 kg. dapat diketahui pula dari output SPSS yang menyebut adanya Two tailed test. Dari tabel t. maka Ho diterima. karenanya dipakai uji dua sisi. maka Ho ditolak. . • Perbedaan sebesar -7. Uji dilakukan dua sisi karena akan diketahui apakah rata-rata Sebelum sama dengan Berat Anak Muda ataukah tidak. maka dapat disimpulkan berat kelompok anak muda tersebut memang berbeda dengan berat rata-rata populasi sebelum minum obat.2010 Oleh karena t hitung terletak pada daerah Ho ditolak.6100 kg tersebut mempunyai range antara lower/batas bawah sebesar -10.05. Df atau derajat kebebasan adalah n (jumlah data) – 1 atau 12 – 1 = 11. berat kelompok anak muda tersebut memang berbeda dengan berat rata-rata populasi sebelum minum obat. Jadi dapat lebih besar atau lebih kecil. Dengan kata lain.Bab 3 Statistik Inferensi • • • Tingkat signifikansi ( ) adalah 5% (lihat input data pada bagian OPTION yang memilih tingkat kepercayaan 95%.189 dengan probabilitas 0.

7 159.5 159.9 65.8 152.7 167.8 168. No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Tinggi 188.5 68.7 48.7 58.9 62.5 Berat 75.7 156. Untuk itu.5 158.8 155.8 67.2 178.9 165.7 43.7 157.1 45.7 54.6 155.Bab 3 Statistik Inferensi 3.9 170.7 49.4 154.8 67.6 43. 8 pria dan 8 wanita masingmasing diukur tinggi dan berat badannya. Berikut adalah hasilnya (angka dalam centimeter untuk Tinggi dan kilogram untuk Berat).9 68.9 67.9 Gender Pria Pria Pria Pria Pria Pria Pria Pria Wanita Wanita Wanita Wanita Wanita Wanita Wanita Wanita .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.7 155.8 49.

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

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

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

8 Test Variables yang telah terisi • Grouping Variable atau variabel grup. .7 Kotak Dialog Independent Sample T Test Pengisian: • Test Variable(s) atau Variabel yang akan diuji. maka variabel tinggi berpindah ke Test Variable(s). Oleh karena disini akan diuji data tinggi dan berat. kemudian klik tanda ‘>’ (yang sebelah atas). Oleh karena variabel pengelompokkan ada pada variabel gender. Hal yang sama dilakukan juga untuk variabel berat. maka klik variabel tinggi.Bab 3 Statistik Inferensi Gambar 3. Tampak di layar. maka klik variabel gender. Gambar 3.

9 Grouping Variable gender Pengisian grup: klik pada Define Group….Bab 3 Statistik Inferensi kemudian klik tanda ‘>’ (yang sebelah bawah). Gambar 3. isi dengan 1. Tampak di layar. yang berarti Grup 1 berisi tanda 1 atau ‘pria’. maka variabel gender berpindah ke Groping Variable. yang berarti Grup 2 berisi tanda 2 atau ‘wanita’. Tampak di layar.10 Kotak Dialog Define Groups • • Untuk Group 1. Tampak di layar: . isi dengan 2. Gambar 3. Untuk Group 2.

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

yaitu 49. yang jauh di atas ratarata berat badan wanita.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. Output Bagian Kedua (Independent Sample Test) a.275 kg.763 cm.175 kg. Sedangkan tinggi rata-rata pria adalah 169. yang juga lebih tinggi dari rata-rata wanita yang hanya 156.038 cm. Tinggi Badan .

023. Oleh karena probabilitas < 0. Analisis dengan memakai t test untuk asumsi varians tidak sama.Bab 3 Statistik Inferensi Pertama. maka Ho ditolak. Jika probabilitas < 0. 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). 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. maka Ho diterima. Hipotesis.05. 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 > 0.05.05.05.540 dengan probabilitas 0.05. maka Ho diterima. maka Ho ditolak. . 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. Jika probabilitas < 0. analisis menggunakan F test.

atau kedua varians sama. Oleh karena probabilitas < 0.05.05.602 atau kegagalan mengasumsikan kesamaan varians berakibat keefektifan ukuran sampel menjadi berkurang sekitar 40% lebih! b. Oleh karena 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. • 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. maka Ho ditolak.05. maka Ho diterima. Hipotesis. maka Ho diterima. dalam artian Pria mempunyai rata-rata Tinggi Badan yang lebih dari wanita. analisis menggunakan F test untuk menguji kesamaan varians kedua populasi.874 dengan probabilitas 0. Jika probabilitas < 0.005.033 dengan probabilitas 0. maka Ho ditolak. Berat Badan Pertama. atau kedua rata-rata (mean) tinggi badan pria dan wanita benar-benar berbeda.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. . Keputusan • Terlihat bahwa F hitung untuk Berat Badan dengan Equal variance assumed (diasumsi kedua varians adalah sama atau menggunakan pooled variance t test) adalah 1.327.05.

000. maka Ho ditolak. maka Ho ditolak. Jika hipotesis diterima. maka terlihat otomatis pada output SPSS tidak ada angka untuk t test Equal variance not assumed. ditolak ataukah tidak.Bab 3 Statistik Inferensi • Oleh karena tidak ada perbedaan yang nyata dari kedua varians. Jika hipotesis ditolak. 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. maka untuk membandingkan Means digunakan t test dengan asumsi varians tidak sama. Keterangan: Ringkasan dari test di atas • • • Diuji dengan F test dahulu (Levene test) apakah hipotesis varians sama. atau kedua rata-rata (mean) berat badan pria dan wanita benar-benar berbeda. Analisis dengan memakai t test untuk asumsi varians sama. maka Ho diterima. Oleh karena itu. 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). Keputusan • Terlihat bahwa t hitung untuk Berat Badan dengan Equal variance assumed (diasumsi kedua varians sama atau menggunakan pooled variance test) adalah 8.05.05. Jika probabilitas < 0. . atau varians sama. Oleh karena probabilitas < 0.05.480 dengan probabilitas 0. dalam artian Pria mempunyai rata-rata Berat Badan yang lebih dari wanita. atau varians berbeda.

Angka ini berasal dari: Rata-rata Tinggi Badan Pria – Rata-rata Tinggi Badan Wanita Atau 169.725 cm.175 – 49.4793 cm sampai 21. maka sekarang lihat pada kolom ‘95% Confidence Interval of the Difference’ dan baris Equal Variance not assumed. b. MEAN DIFFERENCE (PERBEDAAN RATA-RATA) TINGGI BADAN Setelah dilakukan uji dengan F test dan t test. • Pada baris tersebut didapat angka: Lower (perbedaan rata-rata bagian bawah) adalah : 5.275 = 18.038 = 13. serta diketahui ada perbedaan yang nyata antara Tinggi dan Berat badan pria dan wanita.Bab 3 Statistik Inferensi test dengan uji t untuk membandingkan means langsung dilakukan dengan Equal variance assumed. langkah selanjutnya adalah mengetahui seberapa besar perbedaan tersebut.9707 cm.725 cm Dari F test pada bahasan sebelumnya didapat bahwa uji perbedaan rata-rata dilakukan dengan Equal variance not assumed.4793 cm Upper (perbedaan rata-rata bagian atas) adalah : 21.9707 Hal ini berarti perbedaan Tinggi Badan Pria dan Wanita berkisar antara 5. Berat Badan Dari output terlihat baris ‘mean difference’ untuk Berat Badan adalah 18.725 cm.900 kg.763 – 156. dan diketahui penggunaan Equal variance assumed dan Equal variance not assumed. Angka ini berasal dari: Rata-rata Berat Badan Pria – Rata-rata Berat Badan Wanita Atau 68. Tinggi Badan Dari output terlihat baris ‘mean difference’ untuk Tinggi Badan adalah 13.900 kg . dengan perbedaan rata-rata adalah 13. a.

6804 kg Hal ini berarti perbedaan Tinggi Badan Pria dan Wanita berkisar antara 14.900 kg. 3.1196 kg sampai 23. akan dipakai lagi data kasus di atas. namun digantikan oleh ‘cut point’ atau titik potong. No Tinggi Berat Gender .1196 kg Upper (perbedaan rata-rata bagian atas) adalah : 23. Untuk lebih jelasnya. 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. yaitu Berat dan Tinggi Badan Pria dan Wanita. yaitu suatu angka/data numerik yang berfungsi sebagai ‘batas’. 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.Bab 3 Statistik Inferensi Dari F test pada bahasan sebelumnya didapat bahwa uji perbedaan rata-rata dilakukan dengan Equal variance assumed. maka sekarang gender tidak digunakan. 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). Namun di sini data akan dibagi dua grup.6804 kg.4 UJI T DENGAN PENGGUNAAN CUT POINT (TITIK POTONG) Jika pada kasus sebelumnya digunakan dasar pengujian pada gender (pria dan wanita). • Pada baris tersebut didapat angka: Lower (perbedaan rata-rata bagian bawah) adalah : 14. maka sekarang lihat pada kolom ‘95% Confidence Interval of the Difference’ dan baris Equal Variance assumed. dengan perbedaan rata-rata adalah 18.

8 49.6 155.9 68.7 48.9 65.9 62.6 43.5 75.2 178.9 67.5 159.7 155.4 154.7 54.9 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. 1. dipakai uji t untuk dua sampel.Bab 3 Statistik Inferensi 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 188.9 165. kemudian pilih submenu Compare-Means.7 156.7 159.9 170. dan karena sampel sedikit.8 155.8 67.8 67.5 158.7 167. Pengolahan data dengan SPSS Langkah-langkah: • Dari menu utama SPSS.8 168. Di sini populasi diketahui berdistribusi normal.7 58.7 49.1 45. Pemasukan data ke SPSS Pemasukan data sama dengan pemasukan data pada kasus sebelumnya (Independent Sample T Test).7 157. yaitu sampel yang mempunyai berat badan di atas 50 kg dan sampel yang mempunyai berat badan di bawah 50 kg.5 68. . 2.8 152.7 43. pilih menu Analyze.

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

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

Tinggi Badan Pertama. Sedangkan untuk sampel dengan berat badan di bawah 50 kg ada 6 orang. analisis menggunakan F test.Bab 3 Statistik Inferensi OUTPUT SPSS Analisis Output Bagian Pertama (Group Statistics) Pada bagian pertama terlihat ringkasan statistik dari kedua sampel. Ho = Kedua varians Populasi adalah identik (varians populasi berat di atas 50 kg dan berat di bawah 50 kg) . yang mempunyai tinggi rata-rata 155.260 cm. Hipotesis. yang mempunyai tinggi rata-rata 167. Untuk sampel dengan berat badan di atas 50 kg ada 10 orang (tidak perlu dirinci pria atau wanita).633. Output Bagian Kedua (Independent Sample Test) a.

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. Oleh karena probabilitas < 0. Jika probabilitas < 0. Pengambilan Keputusan • • Jika probabilitas > 0. Keterangan: Berbeda dengan asumsi sebelumnya yang menggunakan varians. maka Ho ditolak. 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). Keputusan . Hi = Kedua rata-rata Populasi adalah tidak identik (rata-rata populasi berat di atas 50 kg dan berat di bawah 50 kg).05.05.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.05. Jika probabilitas < 0.036.409 dengan probabilitas 0. sekarang dipakai mean.05. atau kedua varians benar-benar berbeda. Hipotesis Ho = Kedua rata-rata Populasi adalah identik (rata-rata populasi berat di atas 50 kg dan berat di bawah 50 kg). maka Ho diterima. maka Ho diterima. Analisis dengan memakai t test untuk asumsi varians tidak sama.

• Perhatikan bahwa perubahan dari penggunaan Equal variance assumed ke Equal variance not assumed mengakibatkan menurunnya degree of freedom (derajat kebebasan).633 = 11.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. Pada baris tersebut.370)/14]* 100% = 26% MEAN DIFFERENCE (PERBEDAAN RATA-RATA) TINGGI BADAN Setelah dilakukan uji dengan F test dan t test.627.490 dengan probabilitas 0. dan diketahui ada perbedaan yang nyata antara Tinggi sampel berbobot lebih dari 50 kg dengan sampel berbobot kurang dari 50 kg. 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.627 Dari F test pada bahasan sebelumnya didapat bahwa uji perbedaan rata-rata dilakukan dengan Equal variancel not assumed. Angka ini berasal dari: (Rata-rata Tinggi Badan sampel > 50 kg) – (Rata-rata Tinggi Badan sampel < 50 kg) Atau 167. yaitu dari 14 menjadi 10. Dari output terlihat pada baris ‘mean difference’ untuk Tinggi Badan adalah 11.006. langkah selanjutnya adalah mengetahui seberapa besar perbedaan tersebut. atau ada perbedaan yang nyata di antara mereka yang berbobot lebih dari 50 kg dan mereka yang berbobot di bawah 50 kg.05. didapat angka: Lower (perbedaan rata-rata bagian bawah) adalah: 4.0130 .370 atau kegagalan mengasumsikan kesamaan varians berakibat keefektifan ukuran sampel menjadi berkurang sekitar [(14 – 10. maka Ho ditolak. Oleh karena probabilitas < 0.2403 Upper (perbedaan rata-rata bagian atas) adalah: 19.260 – 155. Dengan kata lain. maka sekarang lihat pada kolom ‘95% Confidence Interval of the Difference) dan kolom Equal variancel not assumed.

Dalam hal ini tidak ada inferensi statistik atau uji terhadap suatu hipotesis.9 68.9 170.4 154.8 155.9 65.627 cm.7 49.9 165.6 43.5 68.7 58.8 67.7 54. 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 188.1 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 .0130 cm.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. Kasus: Seorang peneliti menyajikan data Tinggi dan Berat badan pria dan wanita serta tempat tinggal mereka.5 159.7 167.8 Berat 75.2 178.5 158.8 168. dengan perbedaan rata-rata adalah 11.9 67.7 43.6 155.7 156. 3.7 155.8 49.7 157.5 MEANS Tujuan pembahasan ini adalah untuk mendapatkan serangkaian statistik deskriptif dari berbagai masukan data.9 62.2403 cm sampai 19.8 67.

Variabel tinggal Oleh karena ini variabel pertama. ketik 0.7 159. lalu klik ganda sel tersebut. Klik tombol tersebut. Decimals. Untuk keseragaman. maka biarkan saja default numerik yang sudah ada. • • • • • Name.7 48. 1. Width. ketik 1. otomatis keterangan 1= “desa” tampak sebagai kodifikasi tempat tinggal pertama. Klik kotak kecil di kanan sel. dan ketik tinggal. dan populasi diketahui berdistribusi normal. maka dipakai Means pada menu COMPARE MEANS untuk mengerjakannya. Otomatis tombol Add aktif. Oleh karena variable expense akan berisi data rasio. ketik 1. tempatkan pointer pada baris 1. hanya ditambah satu variabel tempat tinggal. Untuk keseragaman. Penyelesaian: Oleh karena akan diketahui bagaimana statistik deskriptif dari data di atas. ketik desa.5 45. serta sampel sedikit. Sesuai kasus. Type. .9 Wanita Wanita Desa Desa Kasus sama dengan kasus uji dua sample independen. Pilihan ini untuk proses pemberian kode. Value Label atau keterangan untuk angka 1 tersebut. letakkan pointer di bawah kolom Name. Sesuai kasus yang merinci tempat tinggal. Pemasukan data ke SPSS Langkah-langkah pemasukan sama dengan kasus uji dua sample independent. Untuk keseragaman. Gambar Kotak Dialog Value Labels Pengisian: • • Value atau nilai berupa angka yang dimasukkan. hanya di sini diberi tambahan tempat tinggal seseorang. Values.Bab 3 Statistik Inferensi 15 16 152.

ketik kampung. Value Label. Value Label. Value Label. Oleh karena hanya ada tiga tempat tinggal yang dimasukkan. ketik 2. Klik pilihan tersebut.17 Kotak Dialog Means .Bab 3 Statistik Inferensi Pengisian lanjutan: • • • • • • Value. ketik 3. ketik kota. sesuai kasus pilih Means. Dari serangkaian pilihan test untuk nonparametric. kemudian pilih submenu Compare-Means. pengisian dianggap selesai dan klik OK untuk kembali. Untuk keseragaman. Untuk keseragaman. Untuk keseragaman. 2. maka tampak di layar: Gambar 3. pilih menu Analyze. Pengisian lanjutan: Value. ketik kampung. Pengisian lanjutan: Value. Pengolahan data dengan SPSS Langkah-langkah: • • Dari menu utama SPSS. ketik 2.

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

Bab 3 Statistik Inferensi Gambar 3. dengan mengkliknya tampak di layar.19 Pemasukan variabel tinggal pada Independent List • Untuk kolom option atau pilihan yang lain.20 Kotak Dialog Options . Gambar 3.

0929 188. 163.5796 75.5704 169. sehingga tidak dilakukan perubahan pada options. 67. Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS.763 8 9.8125 BERAT 66.175 8 3.6920 .725 4 5.Bab 3 Statistik Inferensi Untuk keseragaman akan dipakai default seperti gambar di atas. Tekan Continue jika pengisian dianggap selesai Tekan OK untuk mengakhiri pengisian prosedur analisis. Deviation kota Mean N Std.0012 68.275 4 1.500 1 .567 3 6.833 3 3. Ouput SPSS Report GENDER pria TINGGAL desa Mean N Std. Deviation kampung Mean N Std.800 1 . Deviation TINGGI 171. Deviation Total Mean N Std.

berarti keenam belas kasus telah diproses.8541 48.1414 54. Deviation kota Mean N Std.467 6 10.725 16 10. Deviation 155.5332 61. Oleh karena terdapat angka 100%.5924 54. .2828 156.900 16 9.400 3 18.1166 43.275 8 5.2253 49.9959 160.6274 162. Deviation kampung Mean N Std.Bab 3 Statistik Inferensi wanita desa Mean N Std.6178 166.4078 155.657 7 7. Deviation Total Mean N Std. Deviation Total desa Mean N Std.167 3 4.4529 58.1099 57.100 3 2.767 6 9.6678 kampung Mean N Std.586 7 5. Deviation Analisis: Output bagian pertama menghitung apakah semua data telah diproses.5716 156.037 8 2.700 2 .0368 163.567 3 18. Deviation Total Mean N Std.600 2 .967 3 3. Deviation kota Mean N Std.400 3 1.

UJI ANOVA . kampuig dan kota. Serta wanita yang bertempat tinggal di desa. Demikian analisis lainnya dapat dilakukan sesuai dengan kebutuhan informasi yang diperlukan.175 kg) lebih berat dari rata-rata berat badan wanita (49. Sampel tidak berhubungan satu dengan yang lain. Populasi-populasi yang akan diuji berdistribusi normal.900). yaitu mengenai tinggi dan berat badan. pada bagian baris ada dua layer. c.567 cm dan berat badan 66.567 cm) lebih tinggi dari rata-rata orang di desa (163. Asumsi yang digunakan pada pengujian ANOVA: a.833 kg. kampung dan kota. Berarti data dipecah menjadi Pria yang bertempat tinggal di desa. Lihat bagian total paling bawah untuk kolom tinggi. Sedang contoh analisis dapat dilakukan seperti: • • Rata-rata berat badan pria (68.Bab 3 Statistik Inferensi Bagian kedua terlihat. Rata-rata tinggi badan orang di kampung (166.275 kg). 3.767 cm) ataupun totlal (182. Pada bagian kolom. Varians dari populasi-populasi tersebut adalah sama. Demikian untuk data selanjutnya. maka uji F atau ANOVA digunakan untuk pengujian lebih dari dua sampel. b. terlihat data-data numerik. yaitu Gender (kode 1 dan 2) serta tempat tinggal sebagai layer kedua. Lihat bagian total pada kolom berat.6 ONE WAY ANOVA Jika uji t digunakan untuk pengujian dua sampel. pada baris pertama dapat diartikan ada tiga orang (N = 3) pria yang bertempat tinggal di desa mempunyai rata-rata tinggi badan 171. Sebagai contoh.

Demikian seterusnya. kelompok shift 2 berproduksi 44 unit. dan berikut adalah hasilnya (angka dalam unit). pada hari pertama kelompok shift 1 berproduksi 30 unit. manajer memerintahkan seorang supervisor untuk mengamati produktivitas kerja keempat kelompok tersebut. dan kelompok shift 4 berproduksi 47 unit. kelompok shift 3 berproduksi 43 unit. Penyelesaian: . 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.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.

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. 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 . dan karena sampel lebih dari dua.Bab 3 Statistik Inferensi Kasus di atas terdiri atas empat sampel yang bebas satu dengan yang lain. Pemasukan data ke SPSS Tabel pada kasus di atas harus diubah dalam format berikut ini. 1. jika akan digunakan dalam uji ANOVA dengan SPSS. Di sini populasi diketahui berdistribusi normal. dipakai uji ANOVA.

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 .

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

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

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

Bab 3 Statistik Inferensi Gambar 3. maka variabel produk berpindah ke Dependent List. • Factor atau grup.22 Dependent List dan Factor yang telah terisi . kemudian klik tanda ‘>’ (yang sebelah atas). Oleh karena variabel pengelompokkan ada pada variabel shift. maka variabel shift berpindah ke Factor. Tampak di layar: Gambar 3. Oleh karena di sini akan diuji produktivitas karyawan. kemudian klik tanda ‘>’ (yang sebelah bawah). maka klik variabel produk.21 Kotak Dialog One Way ANOVA Pengisian: • Dependent List atau variabel dependen yang akan diuji. maka klik variabel shift.

klik kedua pilihan tersebut. Oleh karena dalam kasus semua pasangan data komplit (tidak ada yang kosong). tampak di layer: Gambar 3.23 Kotak Dialog Options Pengisian: • Untuk Statistics atau perhitungan statistik yang akan dilakukan. Untuk itu.Tampak di layar: . dengan mengkliknya. Untuk keseragaman. maka abaikan saja bagian ini (tetap pada default dari SPSS. • Untuk Missing Values atau data yang hilang. akan dipilih Descriptive dan Homogeneity-of-variance. yaitu Exclude cases analysis by analysis).Bab 3 Statistik Inferensi • Untuk kolom option atau pilihan yang lain.

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

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

40 -7.891 .704 3.704 3.64 3.52 -3.37 -11.21 2.336 .64 3.87 -8.80 Upper Bound 5.704 3.52 13.47 -14.54 -8.29 1.19 -11.000 1.974 .76 -5.668 .07 4.704 3.704 3.09 -5.891 .54 6.44 -13.07 -6.07 4.44 11.704 3.704 3.704 3.57 2.04 12.000 1.759 .09 3.704 3.704 3.000 .94 -7.87 6.000 1.52 -12.26 -12.64 6.944 .704 3.57 2.73 -8. Error Sig.52 .704 3.19 -3.62 8.704 3.94 8.704 3.21 2.000 1.29 1.000 1.47 16.19 5.704 3.47 -6.704 3.574 1.47 7.668 .704 3.62 -7.23 -16.704 3.90 14.73 7.Bab 3 Statistik Inferensi Multiple Comparisons 95% Confidence (I) SHIFT (J) SHIFT Mean Difference (I-J) Std.40 7.21 -1.76 3.64 3.64 6.80 8.19 13. 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 -4.000 1.704 3.64 -4.704 3.704 .974 .57 -2.574 1.57 -2.80 16.04 -11.37 12.000 1.704 3.000 .29 -3.59 -12.944 .12 -13.704 3.336 .07 -6.64 -2.12 11.26 11.704 3.90 -16.23 14.80 -6.000 -14.64 -2.21 -1.29 -3.759 1.59 12.

43 unit. yaitu apakah keempat sampel mempunyai varians yang sama. Jika probabilitas < 0. rata-rata produk ada pada range 37. Output Bagian Kedua (Test of Homogeneity of variances) Analisis ini bertujuan untuk menguji berlaku tidaknya asumsi untuk ANOVA.727 dengan nilai probabilitas 0. Produk minimum adalah 25 unit dan maksimum adalah 64 unit.05. Keputusan • Terlihat bahwa Levene Test hitung adalah 2. maka Ho ditolak. maka Ho diterima.053. maka Ho diterima. Uji ANOVA ingin melihat apakah rata-rata keempat sampel berasal dari populasi yang sama.05. Oleh karena probabilitas > 0. Demikian untuk data yang lain. Dengan tingkat kepercayaan 95% atau signifikansi 5%.05. dengan asumsi varians keempat sampel adalah sama. Ho = Keempat varians Populasi adalah identik Hi = Kedua varians Populasi adalah tidak identik Pengambilan Keputusan • • Jika probabilitas > 0. Output Bagian Ketiga (ANOVA) . Sebagai contoh adalah deskripsi dari kelompok kerja shift 1: • • • Rata-rata produktivitas adalah 40. atau keempat varians adalah sama.80 unit sampai 43.05 unit. Hipotesis.Bab 3 Statistik Inferensi Analisis: Output Bagian Pertama (Group Statistics) Pada bagian pertama terlihat ringkasan statistik dari keempat sampel.

Jika Statistik Hitung (angka F output) < Statistik Tabel (tabel F). Pengambilan Keputusan Dasar Pengambilan Keputusan: a. maka Ho ditolak. Jika Statistik Hitung (angka F output) > Statistik Tabel (tabel F). Keputusan: .024 Sedang statistik tabel dapat dihitung pada tabel F: • • • • Tingkat signifikansi ( ) adalah 5% (lihat input data pada bagian OPTION yang memilih tingkat kepercayaan 95%.Bab 3 Statistik Inferensi Setelah keempat varians terbukti 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.05. Numerator adalah (jumlah variabel shift – 1) atau 4 –1 = 3. F hitung dari output adalah 1. Berdasarkan perbandingan F hitung dengan F tabel (dasar pengambilan keputusan sama dengan uji F (ANOVA)). maka Ho ditolak.05. baru dilakukan uji ANOVA (Analysis of Variance) untuk menguji apakah keempat sampel mempunyai rata-rata (Mean) yang sama. Berdasarkan nilai probabilitas • • Jika probabilitas > 0. maka Ho diterima. maka Ho diterima. Jika probabilitas < 0. Denumerator adalah (jumlah kasus – jumlah variabel shift) atau 56 – 4 = 52 Dari tabel F didapat angka b.

Hasil uji signifikansi dengan mudah dapat dilihat pada output dengan ada atau tidaknya tanda ‘*’ pada kolom ‘Mean Difference’. maka perbedaan tersebut nyata atau signifikan. maka Ho ditolak.50 unit – 43.05.62 unit. atau tidak ada perbedaan yang nyata antara produktivitas shift 1 dan shift 2. maka perbedaan tidak signifikan.390. Keputusan: Terlihat bahwa nilai probabilitas adalah 0. Berdasarkan nilai Probabilitas Berdasarkan nilai probabilitas • • Jika probabilitas > 0. Output Bagian Keempat (Post Hoc Test) Setelah diketahui tidak ada perbedaan yang signifikan di antara keempat kelompok shift. rata-rata produksi keempat shift tersebut tidak berbeda secara nyata.05. . terlihat range perbedaan Mean tersebut berkisar antara –14. Angka ini berasal dari Mean Shift 1 – Mean Shift 2 atau 39.71unit.05. • • • Pada kolom Mean Difference atau perbedaan rata-rata diperoleh angka –4.Bab 3 Statistik Inferensi Terlihat bahwa F hitung adalah 1.05.668. maka Ho ditolak. Jika tidak ada tanda *. Jika tanda * ada di angka Mean Difference atau perbedaan Rata-rata. maka Ho diterima. maka Ho diterima. Oleh karena probabilitas > 0. lihat baris pertama pada hasil uji Tukey-HSD yang menguji perbedaan antara shift 1 dan shift 2. Dengan kata lain. Uji signifikansi perbedaan Mean antara shift 1 dan shift 2.04 sampai 5.024 dengan probabilitas 0. Oleh karena probabilitas > 0. Pada kolom 95% confidence interval. Jika probabilitas < 0. masalah yang akah dibahas adalah mana saja kelompok shift yang berbeda dan mana yang tidak berbeda? Tukey test dan Bonferroni test Sebagai contoh.21. atau perbedaan Ho ditolak.

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