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.

. yaitu Exclude cases analysis by analysis). Oleh karena dalam kasus semua pasangan data komplit (tidak ada yang kosong). maka abaikan saja bagian ini (tetap pada default dari SPSS.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. tampak di layar: Gambar 3.4 Kotak Dialog Options Pengisian: • Untuk Confidence Interval: atau tingkat kepercayaan. dengan mengkliknya. Sebagai default. SPSS menggunakan tingkat kepercayaan 95% atau tingkat signifikansi 100% .

Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS. kilogram. Tekan OK untuk mengakhiri pengisian prosedur analisis.Bab 3 Statistik Inferensi Tekan Continue jika pengisian dianggap selesai. konsumen mempunyai berat rata-rata 79.3900.8000 . Untuk berat badan sebelum minum obat. Sedangkan setelah minum obat. Output SPSS Analisis: Output Bagian Pertama (Group Statistics) Pada bagian pertama terlihat ringkasan statistik dari kedua sampel. konsumen mempunyai berat rata-rata 82.

karenanya dipakai uji dua sisi. Uji dilakukan dua sisi karena akan diketahui apakah rata-rata Sebelum sama dengan Sesudah ataukah tidak. 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. Jika Statistik Hitung (angka t output) < Statistik Tabel (tabel t).2010 . yang menghasilkan angka 0. maka Ho diterima. T hitung dari output adalah 4. Pengambilan Keputusan Dasar Pengambilan Keputusan: a. maka Ho ditolak. 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.05 (lihat nilai signifikansi output yang 0.924 dengan nilai probabilitas jauh di bawah 0. Jadi dapat lebih besar atau lebih kecil.576 Sedang statistik tabel dapat dihitung pada tabel t: • • • Tingkat signifikansi ( ) adalah 5% (lihat input data pada bagian OPTION yang memilih tingkat kepercayaan 95%. Jika Statistik Hitung (angka t output) > Statistik Tabel (tabel t).000). Hal ini menyatakan bahwa korelasi antara berat sebelum dan sesudah minum obat adalah sangat erat dan benar-benar berhubungan secara nyata. Output Bagian Ketiga (Paired Sample Test) Hipotesis. Berdasarkan perbandingan t hitung dengan t tabel (dasar pengambilan keputusan sama dengan uji t). Dari tabel t. didapat angka 2.

8357 kg.Bab 3 Statistik Inferensi Oleh karena t hitung terletak pada daerah Ho ditolak.5900 (lihat output SPSS). Keputusan: Terlihat bahwa t hitung adalah 4.8357 kg tersebut cukup berarti untuk menyatakan bahwa obat tersebut efektif untuk menurunkan berat badan.01. obat penurun berat tersebut efektif dalam menurunkan berat badan. Angka ini berasal dari: Berat sebelum minum obat – Berat sesudah minum obat Atau 82. maka dapat disimpulkan obat tersebut efektif dalam upaya menurunkan berat badan. Pada prinsipnya pengambilan keputusan berdasar t hitung dan t tabel akan selalu menghasilkan kesimpulan yang sama dengan berdasar angka probabilitas.05. penggunaan angka probabilitas lebih sering dipakai sebagai dasar pengambilan keputusan inferensi.8000 kg = 2.5900 kg.05.5900 kg tersebut mempunyai range antara lower/batas bawah sebesar 1. Jika probabilitas < 0. b. Namun untuk kemudahan dan kepraktisan.3900 kg – 79.576 dengan probabilitas 0. maka Ho ditolak. Oleh karena probabilitas < 0.5900 kg dengan range > 0 kg sampai 3. Dari uji t terbukti bahwa perbedaan 2.3443 kg (bertanda positif berarti berat sebelum minum obat lebih besar dari sesudah minum obat) sampai upper/batas atas 3. Keterangan: Dalam kasus ini dapat juga dinyatakan bahwa • Terdapat perbedaan Mean sebesar 2. Dengan kata lain. . maka Ho diterima. maka Ho ditolak. Berdasarkan nilai probabilitas • • Jika probabilitas > 0.05. • Perbedaan sebesar 2.

Bab 3 Statistik Inferensi 3.50 88.2 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.39 (lihat output SPSS sebelumnya).37 82.57 89.95 91.50 88.20 77. Dari kasus tersebut diketahui bahwa populasi rata-rata berat sebelum minum obat adalah 82.53 76. No 1 2 3 4 5 6 7 8 9 10 Sebelum 80.20 75. Sekelompok anak muda setelah ditimbang.57 75.39 .37 79. Hanya di sini dipakai data Sebelum (berat badan sebelum minum obat).85 Sesudah 79.60 83. mempunyai rata-rata berat badan 90 kilogram.57 80. Kasus: Kasus mempunyai data yang sama dengan data obat pelangsing.53 85.15 79. 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).65 83.76 80.59 77.76 73.

72 76. pilih menu Analyze. kemudian pilih submenu Compare-Means. Pemasukan data ke SPSS Langkah-langkah pemasukan data sama dengan pembahasan terdahulu. dipakai uji t untuk dua sampel yang berpasangan (paired). Di sini populasi diketahui berdistribusi normal. sesuai kasus pilih One Samples T test…. dan karena sampel sedikit. Pengolahan data dengan SPSS Langkah-langkah: • • Dari menu utama SPSS. Dari serangkaian pilihan test untuk nonparametric. 2.83 Penyelesaian: Kasus di atas terdiri atas satu sampel yang akan dipakai dengan nilai populasi hipotesis.5 Kotak Dialog One Sample t Test Pengisian: .83 79.Bab 3 Statistik Inferensi 11 12 83.29 76. maka tampak di layar: Gambar 3. Klik pilihan tersebut. 1. atau jika sudah diinput. yaitu 90 kg. langsung ke tahap selanjutnya.

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

konsumen mempunyai berat rata-rata 82. Jika Statistik Hitung (angka t output) > Statistik Tabel (tabel t). Pengambilan Keputusan Dasar Pengambilan Keputusan: a. Jika Statistik Hitung (angka t output) < Statistik Tabel (tabel t). 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. maka Ho ditolak. Output Bagian Kedua (One Sample Test) Hipotesis: Ho = Berat kelompok anak muda tidak berbeda dengan rata-rata berat populasi sebelum minum. maka Ho diterima. T hitung dari output adalah -5.3900 kg.189 Sedang statistik tabel dapat dihitung pada tabel t: .

karenanya dipakai uji dua sisi. Df atau derajat kebebasan adalah n (jumlah data) – 1 atau 12 – 1 = 11.3900 kg – 90.05. Oleh karena probabilitas < 0. Uji dilakukan dua sisi karena akan diketahui apakah rata-rata Sebelum sama dengan Berat Anak Muda ataukah tidak.6100 kg.3824 kg. . dapat diketahui pula dari output SPSS yang menyebut adanya Two tailed test.6100 kg tersebut mempunyai range antara lower/batas bawah sebesar -10. didapat angka 2.189 dengan probabilitas 0.05. Jika probabilitas < 0. berat kelompok anak muda tersebut memang berbeda dengan berat rata-rata populasi sebelum minum obat.0000 kg = -7. maka Ho diterima. b.Bab 3 Statistik Inferensi • • • Tingkat signifikansi ( ) adalah 5% (lihat input data pada bagian OPTION yang memilih tingkat kepercayaan 95%. Dengan kata lain. Jadi dapat lebih besar atau lebih kecil.000. Dari tabel t.05. • Perbedaan sebesar -7. Berdasarkan nilai probabilitas • • Jika probabilitas > 0. Keterangan: Dalam kasus ini dapat juga dinyatakan bahwa • Terdapat perbedaan Mean sebesar 82. maka Ho ditolak. Angka ini berasal dari: Berat sebelum minum obat – Berat Kelompok Anak Muda Atau 82. maka Ho ditolak. maka dapat disimpulkan berat kelompok anak muda tersebut memang berbeda dengan berat rata-rata populasi sebelum minum obat. Keputusan: Terlihat bahwa t hitung adalah -5.8376 kg (bertanda negatif berarti berat sebelum minum obat lebih kecil dari berat kelompok anak muda) sampai upper/batas atas -4.2010 Oleh karena t hitung terletak pada daerah Ho ditolak.3900 (lihat output SPSS).

5 159.8 67.1 45.9 65.7 43.4 154.7 58. No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Tinggi 188. 8 pria dan 8 wanita masingmasing diukur tinggi dan berat badannya.6 43.7 167.7 156.Bab 3 Statistik Inferensi 3.5 68.9 68.9 Gender Pria Pria Pria Pria Pria Pria Pria Pria Wanita Wanita Wanita Wanita Wanita Wanita Wanita Wanita .5 158.8 152.9 170.8 49.7 159.7 48.7 155.7 49.7 54.8 168.8 67.8 155.2 178.9 67.3 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.5 Berat 75.9 165.9 62.7 157. Berikut adalah hasilnya (angka dalam centimeter untuk Tinggi dan kilogram untuk Berat). Untuk itu.6 155.

Hal ini berarti berarti tinggi badan dimungkinkan ditulis sampai dua angka di belakang koma. . Sekarang SPSS siap membuat variabel baru yang diperlukan • Menamai variabel dan properti yang diperlukan. Type. label data dan sebagainya. Dari menu utama File. Pengisian: Variabel tinggi Oleh karena ini variabel pertama. Demikian untuk data yang lain. maka biarkan saja default numeric yang sudah ada. 1. Untuk keseragaman. Label. Sesuai kasus. Lalu klik Data. Untuk itu klik tab sheet Variable View yang ada di bagian kiri bawah.8 kilogram. pilih menu New. dipakai uji t untuk dua sampel. dan ketik tinggi. atau langsung tekan CTRL+T. Pemasukan data ke SPSS Langkah-langkah: • Buka lembar kerja baru. ketik 8 (sesuai default). Langkah berikutnya adalah membuat nama untuk setiap variabel baru. Oleh karena variable expense akan berisi data rasio. Decimals. Penyelesaian : Kasus di atas terdiri atas dua sampel yang bebas satu dengan yang lain. yaitu sampel bergender pria tentu berbeda dengan sampel bergender wanita. • • • • • Name. jenis data. Width.Bab 3 Statistik Inferensi Pada baris 1. Di sini populasi diketahui berdistribusi normal dan karena sampel sedikit. tempatkan pointer pada baris 1.5 centimeter dan Berat Badan 75. Tampilan variable View dapat juga diambil dari menu View lalu submenu Variable. lalu klik ganda sel tersebut. letakkan pointer di bawah kolom Name. Abaikan bagian ini. seorang pria dengan Tinggi Badan 188. ketik 1. Untuk keseragaman.

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

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

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

Untuk Group 2. Tampak di layar. isi dengan 1. Tampak di layar.Bab 3 Statistik Inferensi kemudian klik tanda ‘>’ (yang sebelah bawah). yang berarti Grup 2 berisi tanda 2 atau ‘wanita’.10 Kotak Dialog Define Groups • • Untuk Group 1. isi dengan 2.9 Grouping Variable gender Pengisian grup: klik pada Define Group…. yang berarti Grup 1 berisi tanda 1 atau ‘pria’. Gambar 3. maka variabel gender berpindah ke Groping Variable. Gambar 3. Tampak di layar: .

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

Output Bagian Kedua (Independent Sample Test) a.763 cm. Sedangkan tinggi rata-rata pria adalah 169.175 kg. Tinggi Badan .Bab 3 Statistik Inferensi Independent Samples Test Analisis: Output Bagian Pertama (Group Statistics) Pada bagian pertama terlihat ringkasan statistik dari kedua sampel.275 kg. Untuk berat badan pria (tanda 1) mempunyai berat rata-rata 68. yaitu 49.038 cm. yang jauh di atas ratarata berat badan wanita. yang juga lebih tinggi dari rata-rata wanita yang hanya 156.

05. maka Ho diterima.023. maka Ho ditolak. maka Ho ditolak. maka Ho diterima. Oleh karena probabilitas < 0.05.540 dengan 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. 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. 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. Hipotesis.05. analisis menggunakan F test. atau kedua varians benar-benar berbeda. maka Ho ditolak.05.Bab 3 Statistik Inferensi Pertama.05. . Jika probabilitas < 0. Analisis dengan memakai t test untuk asumsi varians tidak sama. • 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). Jika probabilitas < 0.

05. maka Ho diterima. 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 diterima. maka Ho ditolak.05. Berat Badan Pertama.327.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. analisis menggunakan F test untuk menguji kesamaan varians kedua populasi.005. dalam artian Pria mempunyai rata-rata Tinggi Badan yang lebih dari wanita. .874 dengan probabilitas 0.05. yaitu dari 14 menjadi 7. Oleh karena probabilitas < 0. 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. Hipotesis. atau kedua rata-rata (mean) tinggi badan pria dan wanita benar-benar berbeda. Oleh karena probabilitas > 0. atau kedua varians sama. Jika probabilitas < 0. maka Ho ditolak.602 atau kegagalan mengasumsikan kesamaan varians berakibat keefektifan ukuran sampel menjadi berkurang sekitar 40% lebih! b.05. • Perhatikan bahwa perubahan dari penggunaan Equal variance assumed ke Equal variance not assumed mengakibatkan menurunnya degree of freedom (derajat kebebasan).033 dengan probabilitas 0.

Keputusan • Terlihat bahwa t hitung untuk Berat Badan dengan Equal variance assumed (diasumsi kedua varians sama atau menggunakan pooled variance test) adalah 8. ditolak ataukah tidak. maka Ho ditolak. Oleh karena probabilitas < 0. Analisis dengan memakai t test untuk asumsi varians sama. Jika probabilitas < 0. atau kedua rata-rata (mean) berat badan pria dan wanita benar-benar berbeda.Bab 3 Statistik Inferensi • Oleh karena tidak ada perbedaan yang nyata dari kedua varians. maka terlihat otomatis pada output SPSS tidak ada angka untuk t test Equal variance not assumed. atau varians sama.05. 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. maka Ho diterima.05. maka Ho ditolak. dalam artian Pria mempunyai rata-rata Berat Badan yang lebih dari wanita. 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. Keterangan: Ringkasan dari test di atas • • • Diuji dengan F test dahulu (Levene test) apakah hipotesis varians sama. Oleh karena itu. atau varians berbeda.05.000. Jika hipotesis ditolak. Jika hipotesis diterima. .480 dengan probabilitas 0.

• Pada baris tersebut didapat angka: Lower (perbedaan rata-rata bagian bawah) adalah : 5.763 – 156.4793 cm sampai 21.725 cm Dari F test pada bahasan sebelumnya didapat bahwa uji perbedaan rata-rata dilakukan dengan Equal variance not assumed. Angka ini berasal dari: Rata-rata Tinggi Badan Pria – Rata-rata Tinggi Badan Wanita Atau 169.038 = 13. dan diketahui penggunaan Equal variance assumed dan Equal variance not assumed.275 = 18.725 cm.900 kg. Tinggi Badan Dari output terlihat baris ‘mean difference’ untuk Tinggi Badan adalah 13.175 – 49.900 kg . a.9707 Hal ini berarti perbedaan Tinggi Badan Pria dan Wanita berkisar antara 5. Angka ini berasal dari: Rata-rata Berat Badan Pria – Rata-rata Berat Badan Wanita Atau 68.9707 cm. b. Berat Badan Dari output terlihat baris ‘mean difference’ untuk Berat Badan adalah 18. 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. maka sekarang lihat pada kolom ‘95% Confidence Interval of the Difference’ dan baris Equal Variance not assumed. dengan perbedaan rata-rata adalah 13. MEAN DIFFERENCE (PERBEDAAN RATA-RATA) TINGGI BADAN Setelah dilakukan uji dengan F test dan t test.4793 cm Upper (perbedaan rata-rata bagian atas) adalah : 21. langkah selanjutnya adalah mengetahui seberapa besar perbedaan tersebut.725 cm.

namun digantikan oleh ‘cut point’ atau titik potong. dengan perbedaan rata-rata adalah 18. 3. Namun di sini data akan dibagi dua grup. akan dipakai lagi data kasus di atas.4 UJI T DENGAN PENGGUNAAN CUT POINT (TITIK POTONG) Jika pada kasus sebelumnya digunakan dasar pengujian pada gender (pria dan wanita).1196 kg Upper (perbedaan rata-rata bagian atas) adalah : 23.900 kg. Untuk lebih jelasnya. maka sekarang gender tidak digunakan. yaitu Berat dan Tinggi Badan Pria dan Wanita.6804 kg. Kasus : Seorang peneliti ingin mengetahui apakah ada perbedaan antara mereka yang berbobot lebih dari 50 kg mempunyai Rata-rata Tinggi Badan yang lebih (tinggi) dibandingkan mereka yang berbobot kurang dari 50 kg? Data sama dengan kasus pertama (angka dalam centimeter untuk Tinggi dan kilogram untuk Berat).Bab 3 Statistik Inferensi Dari F test pada bahasan sebelumnya didapat bahwa uji perbedaan rata-rata dilakukan dengan Equal variance assumed.1196 kg sampai 23. 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. yaitu suatu angka/data numerik yang berfungsi sebagai ‘batas’. • 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. No Tinggi Berat Gender .6804 kg Hal ini berarti perbedaan Tinggi Badan Pria dan Wanita berkisar antara 14. Dari dua grup tersebut. 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.

7 58.7 54.8 155. 2.9 68.9 165.9 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.7 49. 1.8 67.8 168. dipakai uji t untuk dua sampel. kemudian pilih submenu Compare-Means.1 45.4 154. pilih menu Analyze.9 62.7 156.9 67.7 155.7 48.5 158. Di sini populasi diketahui berdistribusi normal.8 152.5 68.8 49. Pengolahan data dengan SPSS Langkah-langkah: • Dari menu utama SPSS.7 167.9 65. dan karena sampel sedikit. yaitu sampel yang mempunyai berat badan di atas 50 kg dan sampel yang mempunyai berat badan di bawah 50 kg.6 43.8 67.Bab 3 Statistik Inferensi 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 188.5 75. .2 178.7 43.5 159. Pemasukan data ke SPSS Pemasukan data sama dengan pemasukan data pada kasus sebelumnya (Independent Sample T Test).7 159.7 157.9 170.6 155.

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

kemudian klik tanda ‘>’ (yang sebelah bawah). Di sini akan dipakai Cut point. dan kemudian ketik 50 untuk menyatakan bahwa variable berat dibagi dengan batas/cut point adalah 50 (50 kilogram). Tampak di layar. maka klik variabel berat. maka variabel berat berpindah ke Groping Variable.16 Penggunaan Cut point pada Define Groups . Tampak di layar: Gambar 3. Gambar 3.Bab 3 Statistik Inferensi • Grouping Variable atau variabel grup.15 Grouping Variable berat Pengisian grup: klik pada Define Group…. Oleh karena variabel pengelompokkan ada pada variabel berat. maka klik pilihan Cut point.

yang mempunyai tinggi rata-rata 155. Untuk sampel dengan berat badan di atas 50 kg ada 10 orang (tidak perlu dirinci pria atau wanita). analisis menggunakan F test. Hipotesis.633. Ho = Kedua varians Populasi adalah identik (varians populasi berat di atas 50 kg dan berat di bawah 50 kg) .Bab 3 Statistik Inferensi OUTPUT SPSS Analisis Output Bagian Pertama (Group Statistics) Pada bagian pertama terlihat ringkasan statistik dari kedua sampel.260 cm. Sedangkan untuk sampel dengan berat badan di bawah 50 kg ada 6 orang. Tinggi Badan Pertama. yang mempunyai tinggi rata-rata 167. Output Bagian Kedua (Independent Sample Test) a.

Jika probabilitas < 0. sekarang dipakai mean. Hipotesis Ho = Kedua rata-rata Populasi adalah identik (rata-rata populasi berat di atas 50 kg dan berat di bawah 50 kg). 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. Hi = Kedua rata-rata Populasi adalah tidak identik (rata-rata populasi berat di atas 50 kg dan berat di bawah 50 kg). Oleh karena probabilitas < 0.05. Pengambilan Keputusan • • Jika probabilitas > 0. Jika probabilitas < 0. maka Ho ditolak.05.409 dengan probabilitas 0.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. maka Ho diterima.05.05. Keterangan: Berbeda dengan asumsi sebelumnya yang menggunakan varians. 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).05. maka Ho ditolak. maka Ho diterima.036. Analisis dengan memakai t test untuk asumsi varians tidak sama. atau kedua varians benar-benar berbeda. Keputusan .

atau ada perbedaan yang nyata di antara mereka yang berbobot lebih dari 50 kg dan mereka yang berbobot di bawah 50 kg.2403 Upper (perbedaan rata-rata bagian atas) adalah: 19. langkah selanjutnya adalah mengetahui seberapa besar perbedaan tersebut.0130 . Oleh karena probabilitas < 0. maka Ho ditolak. Angka ini berasal dari: (Rata-rata Tinggi Badan sampel > 50 kg) – (Rata-rata Tinggi Badan sampel < 50 kg) Atau 167.627 Dari F test pada bahasan sebelumnya didapat bahwa uji perbedaan rata-rata dilakukan dengan Equal variancel not assumed. maka sekarang lihat pada kolom ‘95% Confidence Interval of the Difference) dan kolom Equal variancel not assumed.006. • Perhatikan bahwa perubahan dari penggunaan Equal variance assumed ke Equal variance not assumed mengakibatkan menurunnya degree of freedom (derajat kebebasan). Dari output terlihat pada baris ‘mean difference’ untuk Tinggi Badan adalah 11. dan diketahui ada perbedaan yang nyata antara Tinggi sampel berbobot lebih dari 50 kg dengan sampel berbobot kurang dari 50 kg.370)/14]* 100% = 26% MEAN DIFFERENCE (PERBEDAAN RATA-RATA) TINGGI BADAN Setelah dilakukan uji dengan F test dan t test.05.627. yaitu dari 14 menjadi 10. Dengan kata lain.370 atau kegagalan mengasumsikan kesamaan varians berakibat keefektifan ukuran sampel menjadi berkurang sekitar [(14 – 10.633 = 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. didapat angka: Lower (perbedaan rata-rata bagian bawah) adalah: 4. Pada baris tersebut.260 – 155.490 dengan probabilitas 0.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.

7 155.7 49.9 68.7 156.627 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 4.9 62. Kasus: Seorang peneliti menyajikan data Tinggi dan Berat badan pria dan wanita serta tempat tinggal mereka.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 .9 67. 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. Dalam hal ini tidak ada inferensi statistik atau uji terhadap suatu hipotesis.7 43.6 43.0130 cm.8 168.5 159.7 58.7 157.8 155.5 158.8 49.8 Berat 75.5 MEANS Tujuan pembahasan ini adalah untuk mendapatkan serangkaian statistik deskriptif dari berbagai masukan data.8 67.6 155.2403 cm sampai 19.9 165.9 65.7 167.2 178.4 154. 3.7 54. dengan perbedaan rata-rata adalah 11.8 67.5 68.9 170.

• • • • • Name.9 Wanita Wanita Desa Desa Kasus sama dengan kasus uji dua sample independen. otomatis keterangan 1= “desa” tampak sebagai kodifikasi tempat tinggal pertama. hanya di sini diberi tambahan tempat tinggal seseorang. lalu klik ganda sel tersebut. Pemasukan data ke SPSS Langkah-langkah pemasukan sama dengan kasus uji dua sample independent. letakkan pointer di bawah kolom Name. ketik 1. Otomatis tombol Add aktif. ketik 1. Klik tombol tersebut. Untuk keseragaman.5 45. Pilihan ini untuk proses pemberian kode. Width. ketik desa. tempatkan pointer pada baris 1.7 48. Oleh karena variable expense akan berisi data rasio. ketik 0. Sesuai kasus yang merinci tempat tinggal. serta sampel sedikit. Values. Penyelesaian: Oleh karena akan diketahui bagaimana statistik deskriptif dari data di atas. Type. maka dipakai Means pada menu COMPARE MEANS untuk mengerjakannya. Variabel tinggal Oleh karena ini variabel pertama. dan ketik tinggal. 1. Klik kotak kecil di kanan sel. Gambar Kotak Dialog Value Labels Pengisian: • • Value atau nilai berupa angka yang dimasukkan. hanya ditambah satu variabel tempat tinggal. dan populasi diketahui berdistribusi normal. Sesuai kasus.7 159.Bab 3 Statistik Inferensi 15 16 152. Decimals. . Untuk keseragaman. Untuk keseragaman. Value Label atau keterangan untuk angka 1 tersebut. maka biarkan saja default numerik yang sudah ada.

Pengolahan data dengan SPSS Langkah-langkah: • • Dari menu utama SPSS. Value Label. pengisian dianggap selesai dan klik OK untuk kembali. maka tampak di layar: Gambar 3.17 Kotak Dialog Means . ketik kampung. kemudian pilih submenu Compare-Means. Klik pilihan tersebut. Dari serangkaian pilihan test untuk nonparametric. Untuk keseragaman. 2.Bab 3 Statistik Inferensi Pengisian lanjutan: • • • • • • Value. ketik 2. Untuk keseragaman. pilih menu Analyze. ketik 2. Oleh karena hanya ada tiga tempat tinggal yang dimasukkan. Value Label. sesuai kasus pilih Means. ketik kampung. ketik 3. Pengisian lanjutan: Value. Pengisian lanjutan: Value. ketik kota. Untuk keseragaman. Value Label.

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

20 Kotak Dialog Options . Gambar 3.Bab 3 Statistik Inferensi Gambar 3.19 Pemasukan variabel tinggal pada Independent List • Untuk kolom option atau pilihan yang lain. dengan mengkliknya tampak di layar.

Deviation TINGGI 171.5704 169.275 4 1.0012 68.833 3 3. sehingga tidak dilakukan perubahan pada options.5796 75. Tekan Continue jika pengisian dianggap selesai Tekan OK untuk mengakhiri pengisian prosedur analisis.725 4 5.0929 188.567 3 6.763 8 9. Deviation kampung Mean N Std.8125 BERAT 66.175 8 3.800 1 .500 1 .6920 . Ouput SPSS Report GENDER pria TINGGAL desa Mean N Std. Deviation Total Mean N Std. 67. Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS.Bab 3 Statistik Inferensi Untuk keseragaman akan dipakai default seperti gambar di atas. Deviation kota Mean N Std. 163.

725 16 10.275 8 5.5716 156. Oleh karena terdapat angka 100%.6274 162.6178 166.Bab 3 Statistik Inferensi wanita desa Mean N Std.467 6 10.900 16 9.767 6 9. Deviation kampung Mean N Std. Deviation 155.1099 57.2253 49. .400 3 18. Deviation Total Mean N Std. Deviation Analisis: Output bagian pertama menghitung apakah semua data telah diproses. berarti keenam belas kasus telah diproses.4078 155.400 3 1.037 8 2.0368 163.1414 54.967 3 3.5332 61.600 2 .5924 54.167 3 4.700 2 .100 3 2.9959 160.567 3 18.2828 156.586 7 5. Deviation kota Mean N Std. Deviation Total Mean N Std.8541 48. Deviation kota Mean N Std.1166 43. Deviation Total desa Mean N Std.4529 58.657 7 7.6678 kampung Mean N Std.

Sedang contoh analisis dapat dilakukan seperti: • • Rata-rata berat badan pria (68. Serta wanita yang bertempat tinggal di desa. terlihat data-data numerik. Asumsi yang digunakan pada pengujian ANOVA: a.900). Varians dari populasi-populasi tersebut adalah sama. Sebagai contoh. pada bagian baris ada dua layer. kampung dan kota. Demikian untuk data selanjutnya. Pada bagian kolom. UJI ANOVA . Rata-rata tinggi badan orang di kampung (166. Lihat bagian total pada kolom berat. yaitu mengenai tinggi dan berat badan. Lihat bagian total paling bawah untuk kolom tinggi.275 kg). Populasi-populasi yang akan diuji berdistribusi normal. Demikian analisis lainnya dapat dilakukan sesuai dengan kebutuhan informasi yang diperlukan. pada baris pertama dapat diartikan ada tiga orang (N = 3) pria yang bertempat tinggal di desa mempunyai rata-rata tinggi badan 171.567 cm) lebih tinggi dari rata-rata orang di desa (163. 3. Sampel tidak berhubungan satu dengan yang lain.567 cm dan berat badan 66.6 ONE WAY ANOVA Jika uji t digunakan untuk pengujian dua sampel. kampuig dan kota.767 cm) ataupun totlal (182. b.833 kg. yaitu Gender (kode 1 dan 2) serta tempat tinggal sebagai layer kedua. Berarti data dipecah menjadi Pria yang bertempat tinggal di desa.Bab 3 Statistik Inferensi Bagian kedua terlihat. c. maka uji F atau ANOVA digunakan untuk pengujian lebih dari dua sampel.175 kg) lebih berat dari rata-rata berat badan wanita (49.

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

1. dan karena sampel lebih dari dua. Di sini populasi diketahui berdistribusi normal. jika akan digunakan dalam uji ANOVA dengan SPSS. Pemasukan data ke SPSS Tabel pada kasus di atas harus diubah dalam format berikut ini. Demikian juga untuk waktu dan anggota kelompok shift yang lainnya saling berbeda. dipakai uji ANOVA. 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. Produk 30 35 29 45 57 28 43 39 25 53 44 41 49 35 44 50 35 45 33 37 Shift satu satu satu satu satu satu satu satu satu satu satu satu satu satu dua dua dua dua dua dua .

Bab 3 Statistik Inferensi 43 51 26 52 64 49 51 32 43 27 58 41 39 37 37 50 42 42 38 37 37 47 47 29 45 29 53 45 27 dua dua dua dua dua dua dua dua tiga tiga tiga tiga tiga tiga tiga tiga tiga tiga tiga tiga tiga tiga empat empat empat empat empat empat empat .

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

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

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

Oleh karena variabel pengelompokkan ada pada variabel shift.22 Dependent List dan Factor yang telah terisi . maka variabel shift berpindah ke Factor. kemudian klik tanda ‘>’ (yang sebelah atas).Bab 3 Statistik Inferensi Gambar 3. Oleh karena di sini akan diuji produktivitas karyawan. maka klik variabel shift. • Factor atau grup. Tampak di layar: Gambar 3.21 Kotak Dialog One Way ANOVA Pengisian: • Dependent List atau variabel dependen yang akan diuji. kemudian klik tanda ‘>’ (yang sebelah bawah). maka klik variabel produk. maka variabel produk berpindah ke Dependent List.

maka abaikan saja bagian ini (tetap pada default dari SPSS. klik kedua pilihan tersebut.Tampak di layar: . Untuk itu.Bab 3 Statistik Inferensi • Untuk kolom option atau pilihan yang lain. yaitu Exclude cases analysis by analysis). Untuk keseragaman.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). tampak di layer: Gambar 3. • Untuk Missing Values atau data yang hilang. dengan mengkliknya. akan dipilih Descriptive dan Homogeneity-of-variance.

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

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

40 7.759 .29 -3.Bab 3 Statistik Inferensi Multiple Comparisons 95% Confidence (I) SHIFT (J) SHIFT Mean Difference (I-J) Std.80 Upper Bound 5.704 3.19 -3.704 3.21 -1.19 5.26 -12.336 . 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 -4.47 16.59 -12.73 -8.704 3.64 3.52 13.000 .94 8.704 3.87 6.57 2.40 -7.336 .07 4.704 3.000 1.704 3.07 4.704 3.52 -12.704 3.07 -6.64 -2.90 -16.76 3.759 1.57 -2.47 7.04 -11.704 3.704 3.44 11.09 3.26 11.80 16.704 3.000 1.29 1.000 1.64 3.000 1.23 14.574 1.54 6.21 -1.64 3.76 -5.944 .37 -11.80 8.704 3.21 2.704 .57 2.000 -14.64 -2.37 12.73 7.000 1.04 12.59 12.94 -7.891 .21 2.52 .47 -6.64 6.974 .44 -13.09 -5.704 3.668 .000 1.704 3.19 13.29 -3.07 -6.944 .23 -16.704 3.704 3.62 8.704 3.974 .47 -14.891 .704 3.90 14.62 -7.52 -3.704 3.57 -2.000 1.704 3.12 11.12 -13.668 .574 1.000 .19 -11.54 -8.704 3.704 3.87 -8.64 6. Error Sig.80 -6.29 1.64 -4.704 3.

Keputusan • Terlihat bahwa Levene Test hitung adalah 2.05 unit. Ho = Keempat varians Populasi adalah identik Hi = Kedua varians Populasi adalah tidak identik Pengambilan Keputusan • • Jika probabilitas > 0.05.05. Produk minimum adalah 25 unit dan maksimum adalah 64 unit. Output Bagian Ketiga (ANOVA) . Uji ANOVA ingin melihat apakah rata-rata keempat sampel berasal dari populasi yang sama.80 unit sampai 43. Jika probabilitas < 0.43 unit. Output Bagian Kedua (Test of Homogeneity of variances) Analisis ini bertujuan untuk menguji berlaku tidaknya asumsi untuk ANOVA.053. Hipotesis. atau keempat varians adalah sama. maka Ho diterima. Demikian untuk data yang lain. Oleh karena probabilitas > 0. maka Ho ditolak.Bab 3 Statistik Inferensi Analisis: Output Bagian Pertama (Group Statistics) Pada bagian pertama terlihat ringkasan statistik dari keempat sampel. dengan asumsi varians keempat sampel adalah sama.727 dengan nilai probabilitas 0. yaitu apakah keempat sampel mempunyai varians yang sama.05. rata-rata produk ada pada range 37. Sebagai contoh adalah deskripsi dari kelompok kerja shift 1: • • • Rata-rata produktivitas adalah 40. maka Ho diterima. Dengan tingkat kepercayaan 95% atau signifikansi 5%.

Jika Statistik Hitung (angka F output) < Statistik Tabel (tabel F). Jika probabilitas < 0. Jika Statistik Hitung (angka F output) > Statistik Tabel (tabel F). Denumerator adalah (jumlah kasus – jumlah variabel shift) atau 56 – 4 = 52 Dari tabel F didapat angka b. maka Ho diterima. 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. Keputusan: . Pengambilan Keputusan Dasar Pengambilan Keputusan: a. Numerator adalah (jumlah variabel shift – 1) atau 4 –1 = 3. Berdasarkan nilai probabilitas • • Jika probabilitas > 0.05. maka Ho ditolak.024 Sedang statistik tabel dapat dihitung pada tabel F: • • • • Tingkat signifikansi ( ) adalah 5% (lihat input data pada bagian OPTION yang memilih tingkat kepercayaan 95%. Berdasarkan perbandingan F hitung dengan F tabel (dasar pengambilan keputusan sama dengan uji F (ANOVA)). maka Ho ditolak. F hitung dari output adalah 1. baru dilakukan uji ANOVA (Analysis of Variance) untuk menguji apakah keempat sampel mempunyai rata-rata (Mean) yang sama. Analisis dengan memakai ANOVA Hipotesis. maka Ho diterima.Bab 3 Statistik Inferensi Setelah keempat varians terbukti sama.05.

05.05. Oleh karena probabilitas > 0. maka Ho ditolak.62 unit. maka perbedaan tidak signifikan. maka Ho diterima. Jika tidak ada tanda *. • • • Pada kolom Mean Difference atau perbedaan rata-rata diperoleh angka –4. .04 sampai 5. Hasil uji signifikansi dengan mudah dapat dilihat pada output dengan ada atau tidaknya tanda ‘*’ pada kolom ‘Mean Difference’. Oleh karena probabilitas > 0. maka Ho ditolak.Bab 3 Statistik Inferensi Terlihat bahwa F hitung adalah 1. masalah yang akah dibahas adalah mana saja kelompok shift yang berbeda dan mana yang tidak berbeda? Tukey test dan Bonferroni test Sebagai contoh.05. maka Ho diterima. Pada kolom 95% confidence interval.71unit. maka perbedaan tersebut nyata atau signifikan.21.390. atau tidak ada perbedaan yang nyata antara produktivitas shift 1 dan shift 2. terlihat range perbedaan Mean tersebut berkisar antara –14.05. Dengan kata lain.668.024 dengan probabilitas 0. Jika tanda * ada di angka Mean Difference atau perbedaan Rata-rata. Keputusan: Terlihat bahwa nilai probabilitas adalah 0. Jika probabilitas < 0. lihat baris pertama pada hasil uji Tukey-HSD yang menguji perbedaan antara shift 1 dan shift 2. rata-rata produksi keempat shift tersebut tidak berbeda secara nyata.50 unit – 43. Berdasarkan nilai Probabilitas Berdasarkan nilai probabilitas • • Jika probabilitas > 0. Uji signifikansi perbedaan Mean antara shift 1 dan shift 2. Output Bagian Keempat (Post Hoc Test) Setelah diketahui tidak ada perbedaan yang signifikan di antara keempat kelompok shift. Angka ini berasal dari Mean Shift 1 – Mean Shift 2 atau 39. atau perbedaan Ho ditolak.

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

Sign up to vote on this title
UsefulNot useful