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.

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

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

Bab 3 Statistik Inferensi Output Bagian Kedua (Paired Samples Correlations) Bagian kedua output adalah hasil korelasi antara kedua variabel. 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). T hitung dari output adalah 4. Dari tabel t. maka Ho diterima.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). Output Bagian Ketiga (Paired Sample Test) Hipotesis. Df atau derajat kebebasan adalah n (jumlah data) – 1 atau 12 – 1 = 11.000). Ho = Kedua rata-rata Populasi adalah identik (rata-rata populasi berat sebelum minum obat dan sesudah minum obat adalah sama/tidak berbeda secara nyata) Hi = Kedua rata-rata Populasi adalah tidak identik (rata-rata Populasi berat sebelum minum obat dan sesudah minum obat adalah tidak sama/berbeda secara nyata). Jadi dapat lebih besar atau lebih kecil. maka Ho ditolak.924 dengan nilai probabilitas jauh di bawah 0. Perlunya uji dua sisi dapat diketahui pula dari output SPSS yang menyebut adanya Two tailed test. karenanya dipakai uji dua sisi. didapat angka 2. Uji dilakukan dua sisi karena akan diketahui apakah rata-rata Sebelum sama dengan Sesudah ataukah tidak. yang menghasilkan angka 0.05 (lihat nilai signifikansi output yang 0.2010 . Hal ini menyatakan bahwa korelasi antara berat sebelum dan sesudah minum obat adalah sangat erat dan benar-benar berhubungan secara nyata.

Berdasarkan nilai probabilitas • • Jika probabilitas > 0. Angka ini berasal dari: Berat sebelum minum obat – Berat sesudah minum obat Atau 82. • Perbedaan sebesar 2. . Keterangan: Dalam kasus ini dapat juga dinyatakan bahwa • Terdapat perbedaan Mean sebesar 2.3900 kg – 79.05.5900 kg. Pada prinsipnya pengambilan keputusan berdasar t hitung dan t tabel akan selalu menghasilkan kesimpulan yang sama dengan berdasar angka probabilitas. Dengan kata lain.Bab 3 Statistik Inferensi Oleh karena t hitung terletak pada daerah Ho ditolak. Jika probabilitas < 0.05.576 dengan probabilitas 0. maka Ho ditolak.8357 kg.05. b.5900 kg tersebut mempunyai range antara lower/batas bawah sebesar 1. obat penurun berat tersebut efektif dalam menurunkan berat badan. maka Ho diterima. Oleh karena probabilitas < 0. maka Ho ditolak. Dari uji t terbukti bahwa perbedaan 2. Namun untuk kemudahan dan kepraktisan.3443 kg (bertanda positif berarti berat sebelum minum obat lebih besar dari sesudah minum obat) sampai upper/batas atas 3.8000 kg = 2.01. penggunaan angka probabilitas lebih sering dipakai sebagai dasar pengambilan keputusan inferensi. maka dapat disimpulkan obat tersebut efektif dalam upaya menurunkan berat badan. Keputusan: Terlihat bahwa t hitung adalah 4.5900 (lihat output SPSS).8357 kg tersebut cukup berarti untuk menyatakan bahwa obat tersebut efektif untuk menurunkan berat badan.5900 kg dengan range > 0 kg sampai 3.

50 88. No 1 2 3 4 5 6 7 8 9 10 Sebelum 80. mempunyai rata-rata berat badan 90 kilogram.39 .20 77.37 79.2 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 80. Sekelompok anak muda setelah ditimbang.37 82. 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).Bab 3 Statistik Inferensi 3.39 (lihat output SPSS sebelumnya). Kasus: Kasus mempunyai data yang sama dengan data obat pelangsing.20 75.53 85.15 79. Dari kasus tersebut diketahui bahwa populasi rata-rata berat sebelum minum obat adalah 82.57 75.76 80.95 91.60 83.65 83.50 88.59 77.53 76. Hanya di sini dipakai data Sebelum (berat badan sebelum minum obat).57 89.76 73.85 Sesudah 79.

dipakai uji t untuk dua sampel yang berpasangan (paired). kemudian pilih submenu Compare-Means.Bab 3 Statistik Inferensi 11 12 83.29 76. Pemasukan data ke SPSS Langkah-langkah pemasukan data sama dengan pembahasan terdahulu. maka tampak di layar: Gambar 3. 1. langsung ke tahap selanjutnya.5 Kotak Dialog One Sample t Test Pengisian: . yaitu 90 kg.72 76. 2. dan karena sampel sedikit. Pengolahan data dengan SPSS Langkah-langkah: • • Dari menu utama SPSS. Klik pilihan tersebut.83 Penyelesaian: Kasus di atas terdiri atas satu sampel yang akan dipakai dengan nilai populasi hipotesis. atau jika sudah diinput. pilih menu Analyze. Dari serangkaian pilihan test untuk nonparametric. Di sini populasi diketahui berdistribusi normal.83 79. sesuai kasus pilih One Samples T test….

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

Berdasarkan perbandingan t hitung dengan t tabel (dasar pengambilan keputusan sama dengan uji t). maka Ho ditolak. Pengambilan Keputusan Dasar Pengambilan Keputusan: a.3900 kg. Hi = Berat kelompok anak muda berbeda dengan rata-rata berat populasi sebelum. Output Bagian Kedua (One Sample Test) Hipotesis: Ho = Berat kelompok anak muda tidak berbeda dengan rata-rata berat populasi sebelum minum. Jika Statistik Hitung (angka t output) > Statistik Tabel (tabel t). Jika Statistik Hitung (angka t output) < Statistik Tabel (tabel t).189 Sedang statistik tabel dapat dihitung pada tabel t: . konsumen mempunyai berat rata-rata 82.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. T hitung dari output adalah -5. maka Ho diterima.

Bab 3 Statistik Inferensi • • • Tingkat signifikansi ( ) adalah 5% (lihat input data pada bagian OPTION yang memilih tingkat kepercayaan 95%.05. Keputusan: Terlihat bahwa t hitung adalah -5.2010 Oleh karena t hitung terletak pada daerah Ho ditolak. Dari tabel t. Df atau derajat kebebasan adalah n (jumlah data) – 1 atau 12 – 1 = 11.189 dengan probabilitas 0. maka Ho diterima.05. maka Ho ditolak. Uji dilakukan dua sisi karena akan diketahui apakah rata-rata Sebelum sama dengan Berat Anak Muda ataukah tidak. Oleh karena probabilitas < 0. karenanya dipakai uji dua sisi. didapat angka 2.8376 kg (bertanda negatif berarti berat sebelum minum obat lebih kecil dari berat kelompok anak muda) sampai upper/batas atas -4. dapat diketahui pula dari output SPSS yang menyebut adanya Two tailed test. maka Ho ditolak.3900 (lihat output SPSS).000. Berdasarkan nilai probabilitas • • Jika probabilitas > 0. maka dapat disimpulkan berat kelompok anak muda tersebut memang berbeda dengan berat rata-rata populasi sebelum minum obat. Jika probabilitas < 0. b. .6100 kg tersebut mempunyai range antara lower/batas bawah sebesar -10. Keterangan: Dalam kasus ini dapat juga dinyatakan bahwa • Terdapat perbedaan Mean sebesar 82.3824 kg. Dengan kata lain. Jadi dapat lebih besar atau lebih kecil.05.6100 kg.0000 kg = -7. • Perbedaan sebesar -7.3900 kg – 90. berat kelompok anak muda tersebut memang berbeda dengan berat rata-rata populasi sebelum minum obat. Angka ini berasal dari: Berat sebelum minum obat – Berat Kelompok Anak Muda Atau 82.

7 48.8 49.Bab 3 Statistik Inferensi 3.7 156.7 58.7 49.5 158. Untuk itu.6 43.5 Berat 75.5 159.9 62.9 67.8 67.8 155.7 159. 8 pria dan 8 wanita masingmasing diukur tinggi dan berat badannya.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.7 155.1 45.5 68.9 Gender Pria Pria Pria Pria Pria Pria Pria Pria Wanita Wanita Wanita Wanita Wanita Wanita Wanita Wanita . No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Tinggi 188.7 167.7 54. Berikut adalah hasilnya (angka dalam centimeter untuk Tinggi dan kilogram untuk Berat).8 152.7 157.9 170.6 155.9 165.8 168.9 68.8 67.9 65.7 43.4 154.2 178.

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

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

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

maka klik variabel gender. .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. Hal yang sama dilakukan juga untuk variabel berat. Oleh karena variabel pengelompokkan ada pada variabel gender. Oleh karena disini akan diuji data tinggi dan berat. Tampak di layar.Bab 3 Statistik Inferensi Gambar 3. maka klik variabel tinggi. kemudian klik tanda ‘>’ (yang sebelah atas). Gambar 3. maka variabel tinggi berpindah ke Test Variable(s).

Tampak di layar. Untuk Group 2.Bab 3 Statistik Inferensi kemudian klik tanda ‘>’ (yang sebelah bawah). Gambar 3. Tampak di layar. maka variabel gender berpindah ke Groping Variable. yang berarti Grup 2 berisi tanda 2 atau ‘wanita’. isi dengan 2. yang berarti Grup 1 berisi tanda 1 atau ‘pria’.10 Kotak Dialog Define Groups • • Untuk Group 1. isi dengan 1. Tampak di layar: . Gambar 3.9 Grouping Variable gender Pengisian grup: klik pada Define Group….

Oleh karena dalam kasus semua pasangan data komplit (tidak ada yang kosong).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. dengan mengkliknya. Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS.95% = 5% • Untuk Missing Values atau data yang hilang. Sebagai default. Output SPSS : . tampak di layar: Gambar 3. Tekan OK untuk mengakhiri pengisian prosedur analisis.Bab 3 Statistik Inferensi Gambar 3. SPSS menggunakan tingkat kepercayaan 95% atau tingkat signifikansi 100% . Tekan Continue jika pengisian dianggap selesai. maka abaikan saja bagian ini (tetap pada default dari SPSS.

yang juga lebih tinggi dari rata-rata wanita yang hanya 156. Tinggi Badan .275 kg.175 kg. Output Bagian Kedua (Independent Sample Test) a.763 cm. yaitu 49. Sedangkan tinggi rata-rata pria adalah 169.038 cm. Untuk berat badan pria (tanda 1) mempunyai berat rata-rata 68.Bab 3 Statistik Inferensi Independent Samples Test Analisis: Output Bagian Pertama (Group Statistics) Pada bagian pertama terlihat ringkasan statistik dari kedua sampel. yang jauh di atas ratarata berat badan wanita.

05.05. maka Ho diterima. atau kedua varians benar-benar berbeda. . 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. 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. Oleh karena probabilitas < 0. Jika probabilitas < 0.05. maka Ho diterima. Analisis dengan memakai t test untuk asumsi varians tidak sama.Bab 3 Statistik Inferensi Pertama. 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. maka Ho ditolak. analisis menggunakan F test.023. Hipotesis. • 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).05.05. maka Ho ditolak.540 dengan probabilitas 0. Jika probabilitas < 0. maka Ho ditolak.

maka Ho ditolak.602 atau kegagalan mengasumsikan kesamaan varians berakibat keefektifan ukuran sampel menjadi berkurang sekitar 40% lebih! b.874 dengan probabilitas 0.05. maka Ho diterima. Hipotesis.005. yaitu dari 14 menjadi 7.033 dengan probabilitas 0. Ho = Kedua varians Populasi adalah identik (varians populasi berat badan pria dan wanita adalah sama) Hi = Kedua varians Populasi adalah tidak identik (varians populasi berat badan pria dan wanita adalah berbeda) Pengambilan Keputusan • • Jika probabilitas > 0. Jika probabilitas < 0. Berat Badan Pertama.05.05. analisis menggunakan F test untuk menguji kesamaan varians kedua populasi.05. dalam artian Pria mempunyai rata-rata Tinggi Badan yang lebih dari wanita. Keputusan • Terlihat bahwa F hitung untuk Berat Badan dengan Equal variance assumed (diasumsi kedua varians adalah sama atau menggunakan pooled variance t test) adalah 1. maka Ho ditolak. . maka Ho diterima. Oleh karena probabilitas > 0. atau kedua rata-rata (mean) tinggi badan pria dan wanita benar-benar berbeda. Oleh karena probabilitas < 0. atau kedua varians sama.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. • Perhatikan bahwa perubahan dari penggunaan Equal variance assumed ke Equal variance not assumed mengakibatkan menurunnya degree of freedom (derajat kebebasan).

480 dengan probabilitas 0.05.000. 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. Oleh karena itu. maka Ho diterima. dalam artian Pria mempunyai rata-rata Berat Badan yang lebih dari wanita. Jika hipotesis diterima.05. Jika hipotesis ditolak. atau varians sama. Jika probabilitas < 0. maka terlihat otomatis pada output SPSS tidak ada angka untuk t test Equal variance not assumed. maka untuk membandingkan Means digunakan t test dengan asumsi varians tidak sama.Bab 3 Statistik Inferensi • Oleh karena tidak ada perbedaan yang nyata dari kedua varians. Analisis dengan memakai t test untuk asumsi varians sama. Keterangan: Ringkasan dari test di atas • • • Diuji dengan F test dahulu (Levene test) apakah hipotesis varians sama. maka Ho ditolak. Keputusan • Terlihat bahwa t hitung untuk Berat Badan dengan Equal variance assumed (diasumsi kedua varians sama atau menggunakan pooled variance test) adalah 8.05. . maka Ho ditolak. atau kedua rata-rata (mean) berat badan pria dan wanita benar-benar berbeda. 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). atau varians berbeda. ditolak ataukah tidak. Oleh karena probabilitas < 0.

Tinggi Badan Dari output terlihat baris ‘mean difference’ untuk Tinggi Badan adalah 13. serta diketahui ada perbedaan yang nyata antara Tinggi dan Berat badan pria dan wanita. dengan perbedaan rata-rata adalah 13. 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. Angka ini berasal dari: Rata-rata Tinggi Badan Pria – Rata-rata Tinggi Badan Wanita Atau 169. b.725 cm.Bab 3 Statistik Inferensi test dengan uji t untuk membandingkan means langsung dilakukan dengan Equal variance assumed.763 – 156.725 cm. dan diketahui penggunaan Equal variance assumed dan Equal variance not assumed.9707 Hal ini berarti perbedaan Tinggi Badan Pria dan Wanita berkisar antara 5.038 = 13.9707 cm. a.175 – 49.900 kg . maka sekarang lihat pada kolom ‘95% Confidence Interval of the Difference’ dan baris Equal Variance not assumed. langkah selanjutnya adalah mengetahui seberapa besar perbedaan tersebut.4793 cm sampai 21.900 kg.275 = 18.725 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 Berat Badan Pria – Rata-rata Berat Badan Wanita Atau 68.4793 cm Upper (perbedaan rata-rata bagian atas) adalah : 21. Berat Badan Dari output terlihat baris ‘mean difference’ untuk Berat Badan adalah 18.

dengan perbedaan rata-rata adalah 18. 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.900 kg. maka sekarang lihat pada kolom ‘95% Confidence Interval of the Difference’ dan baris Equal Variance assumed. • Pada baris tersebut didapat angka: Lower (perbedaan rata-rata bagian bawah) adalah : 14. 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.1196 kg sampai 23. yaitu suatu angka/data numerik yang berfungsi sebagai ‘batas’. akan dipakai lagi data kasus di atas.1196 kg Upper (perbedaan rata-rata bagian atas) adalah : 23.4 UJI T DENGAN PENGGUNAAN CUT POINT (TITIK POTONG) Jika pada kasus sebelumnya digunakan dasar pengujian pada gender (pria dan wanita). Untuk lebih jelasnya. yaitu Berat dan Tinggi Badan Pria dan Wanita. 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. maka sekarang gender tidak digunakan. 3. No Tinggi Berat Gender .6804 kg.6804 kg Hal ini berarti perbedaan Tinggi Badan Pria dan Wanita berkisar antara 14. namun digantikan oleh ‘cut point’ atau titik potong.Bab 3 Statistik Inferensi Dari F test pada bahasan sebelumnya didapat bahwa uji perbedaan rata-rata dilakukan dengan Equal variance assumed.

Pemasukan data ke SPSS Pemasukan data sama dengan pemasukan data pada kasus sebelumnya (Independent Sample T Test).9 65. dan karena sampel sedikit. pilih menu Analyze. 2.5 75.7 156.5 159.9 165. kemudian pilih submenu Compare-Means.5 68.8 155.9 170.Bab 3 Statistik Inferensi 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 188. dipakai uji t untuk dua sampel.8 49.7 157.9 68.7 58. Pengolahan data dengan SPSS Langkah-langkah: • Dari menu utama SPSS.7 159.1 45.5 158. Di sini populasi diketahui berdistribusi normal.8 67.9 62.9 67.4 154.6 155.7 167. yaitu sampel yang mempunyai berat badan di atas 50 kg dan sampel yang mempunyai berat badan di bawah 50 kg. 1.7 49.8 67.7 54. .7 155.7 48.8 168.7 43.8 152.2 178.9 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.6 43.

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

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

yang mempunyai tinggi rata-rata 155. 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. 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. Ho = Kedua varians Populasi adalah identik (varians populasi berat di atas 50 kg dan berat di bawah 50 kg) . Sedangkan untuk sampel dengan berat badan di bawah 50 kg ada 6 orang. Hipotesis. Tinggi Badan Pertama.260 cm. yang mempunyai tinggi rata-rata 167.

Jika probabilitas < 0. maka Ho diterima. Keputusan . • Perbedaan yang nyata dari kedua varians membuat penggunaan varians untuk membandingkan Rata-rata populasi dengan t test sebaiknya menggunakan dasar Equal variance not assumed (diasumsi kedua varians tidak sama).05. maka Ho ditolak.05. Keterangan: Berbeda dengan asumsi sebelumnya yang menggunakan varians.05. sekarang dipakai mean.05. maka Ho ditolak.05. Hi = Kedua rata-rata Populasi adalah tidak identik (rata-rata populasi berat di atas 50 kg dan berat di bawah 50 kg). atau kedua varians benar-benar berbeda. Jika probabilitas < 0. Hipotesis Ho = Kedua rata-rata Populasi adalah identik (rata-rata populasi berat di atas 50 kg dan berat di bawah 50 kg).409 dengan 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 5. Oleh karena 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. Analisis dengan memakai t test untuk asumsi varians tidak sama. Pengambilan Keputusan • • Jika probabilitas > 0.036. maka Ho ditolak.

633 = 11.370)/14]* 100% = 26% MEAN DIFFERENCE (PERBEDAAN RATA-RATA) TINGGI BADAN Setelah dilakukan uji dengan F test dan t test. atau ada perbedaan yang nyata di antara mereka yang berbobot lebih dari 50 kg dan mereka yang berbobot di bawah 50 kg. Angka ini berasal dari: (Rata-rata Tinggi Badan sampel > 50 kg) – (Rata-rata Tinggi Badan sampel < 50 kg) Atau 167.370 atau kegagalan mengasumsikan kesamaan varians berakibat keefektifan ukuran sampel menjadi berkurang sekitar [(14 – 10.490 dengan probabilitas 0. Pada baris tersebut.627 Dari F test pada bahasan sebelumnya didapat bahwa uji perbedaan rata-rata dilakukan dengan Equal variancel not assumed.05.006.260 – 155. Oleh karena 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. 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.0130 . Dari output terlihat pada baris ‘mean difference’ untuk Tinggi Badan adalah 11. maka sekarang lihat pada kolom ‘95% Confidence Interval of the Difference) dan kolom Equal variancel not assumed. didapat angka: Lower (perbedaan rata-rata bagian bawah) adalah: 4. langkah selanjutnya adalah mengetahui seberapa besar perbedaan tersebut.627. dan diketahui ada perbedaan yang nyata antara Tinggi sampel berbobot lebih dari 50 kg dengan sampel berbobot kurang dari 50 kg. • Perhatikan bahwa perubahan dari penggunaan Equal variance assumed ke Equal variance not assumed mengakibatkan menurunnya degree of freedom (derajat kebebasan). maka Ho ditolak. Dengan kata lain. yaitu dari 14 menjadi 10.2403 Upper (perbedaan rata-rata bagian atas) adalah: 19.

7 58.8 155.4 154. dengan perbedaan rata-rata adalah 11.5 MEANS Tujuan pembahasan ini adalah untuk mendapatkan serangkaian statistik deskriptif dari berbagai masukan data.7 155.8 49.2 178. 3.7 43.9 67.5 68.7 156.627 cm.8 168. Dalam hal ini tidak ada inferensi statistik atau uji terhadap suatu hipotesis.8 67.9 68.5 158.8 Berat 75.9 62.9 170.6 43.2403 cm sampai 19.7 157.7 167.6 155. 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 188.9 65.8 67.7 54.7 49. Kasus: Seorang peneliti menyajikan data Tinggi dan Berat badan pria dan wanita serta tempat tinggal mereka.0130 cm.9 165.1 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 .5 159.Bab 3 Statistik Inferensi Hal ini berarti perbedaan Tinggi Badan mereka yang berbobot lebih dari 50 kg dan kurang dari 50 kg berkisar antara 4.

hanya di sini diberi tambahan tempat tinggal seseorang. dan ketik tinggal. Otomatis tombol Add aktif. Width. Penyelesaian: Oleh karena akan diketahui bagaimana statistik deskriptif dari data di atas. Type. tempatkan pointer pada baris 1. lalu klik ganda sel tersebut. Pilihan ini untuk proses pemberian kode. Untuk keseragaman. Gambar Kotak Dialog Value Labels Pengisian: • • Value atau nilai berupa angka yang dimasukkan. Oleh karena variable expense akan berisi data rasio. ketik 0. letakkan pointer di bawah kolom Name. otomatis keterangan 1= “desa” tampak sebagai kodifikasi tempat tinggal pertama. ketik 1. Sesuai kasus. ketik 1.7 159.Bab 3 Statistik Inferensi 15 16 152. .7 48. ketik desa. 1.5 45. dan populasi diketahui berdistribusi normal. maka dipakai Means pada menu COMPARE MEANS untuk mengerjakannya.9 Wanita Wanita Desa Desa Kasus sama dengan kasus uji dua sample independen. serta sampel sedikit. Decimals. maka biarkan saja default numerik yang sudah ada. Klik tombol tersebut. • • • • • Name. Values. hanya ditambah satu variabel tempat tinggal. Untuk keseragaman. Sesuai kasus yang merinci tempat tinggal. Untuk keseragaman. Variabel tinggal Oleh karena ini variabel pertama. Value Label atau keterangan untuk angka 1 tersebut. Pemasukan data ke SPSS Langkah-langkah pemasukan sama dengan kasus uji dua sample independent. Klik kotak kecil di kanan sel.

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

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

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

Ouput SPSS Report GENDER pria TINGGAL desa Mean N Std.175 8 3.500 1 .0929 188.275 4 1. Deviation TINGGI 171. sehingga tidak dilakukan perubahan pada options.0012 68.567 3 6.8125 BERAT 66.800 1 .763 8 9.725 4 5.5704 169. Deviation kampung Mean N Std.6920 .Bab 3 Statistik Inferensi Untuk keseragaman akan dipakai default seperti gambar di atas.833 3 3. 67. Deviation kota Mean N Std. 163. Deviation Total Mean N Std.5796 75. Tekan Continue jika pengisian dianggap selesai Tekan OK untuk mengakhiri pengisian prosedur analisis. Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS.

5332 61.6178 166.275 8 5.400 3 1.600 2 . berarti keenam belas kasus telah diproses.2253 49.700 2 .1414 54.6678 kampung Mean N Std.657 7 7.100 3 2.767 6 9.0368 163.725 16 10. Deviation Total Mean N Std.6274 162.8541 48.900 16 9. Deviation kota Mean N Std. .Bab 3 Statistik Inferensi wanita desa Mean N Std.567 3 18.467 6 10. Deviation Total desa Mean N Std.2828 156.967 3 3.5924 54.400 3 18.037 8 2. Deviation 155. Oleh karena terdapat angka 100%. Deviation kota Mean N Std.9959 160.586 7 5.167 3 4.1099 57.1166 43.5716 156.4529 58.4078 155. Deviation Total Mean N Std. Deviation Analisis: Output bagian pertama menghitung apakah semua data telah diproses. Deviation kampung Mean N Std.

Sampel tidak berhubungan satu dengan yang lain. kampuig dan kota. c. pada baris pertama dapat diartikan ada tiga orang (N = 3) pria yang bertempat tinggal di desa mempunyai rata-rata tinggi badan 171. Lihat bagian total paling bawah untuk kolom tinggi. terlihat data-data numerik.275 kg). yaitu Gender (kode 1 dan 2) serta tempat tinggal sebagai layer kedua. Asumsi yang digunakan pada pengujian ANOVA: a.Bab 3 Statistik Inferensi Bagian kedua terlihat.6 ONE WAY ANOVA Jika uji t digunakan untuk pengujian dua sampel. pada bagian baris ada dua layer.567 cm dan berat badan 66. UJI ANOVA .175 kg) lebih berat dari rata-rata berat badan wanita (49. Sebagai contoh. Pada bagian kolom. Berarti data dipecah menjadi Pria yang bertempat tinggal di desa. kampung dan kota. b. Rata-rata tinggi badan orang di kampung (166.567 cm) lebih tinggi dari rata-rata orang di desa (163. Lihat bagian total pada kolom berat. yaitu mengenai tinggi dan berat badan.900). Serta wanita yang bertempat tinggal di desa. 3. Populasi-populasi yang akan diuji berdistribusi normal. Demikian analisis lainnya dapat dilakukan sesuai dengan kebutuhan informasi yang diperlukan. Demikian untuk data selanjutnya.767 cm) ataupun totlal (182. Sedang contoh analisis dapat dilakukan seperti: • • Rata-rata berat badan pria (68.833 kg. maka uji F atau ANOVA digunakan untuk pengujian lebih dari dua sampel. Varians dari populasi-populasi tersebut adalah sama.

dan kelompok shift 4 berproduksi 47 unit. Untuk itu. Manajer pabrik tersebut ingin mengetahui apakah ada perbedaan produktivitas yang nyata di antara 4 kelompok kerja shift yang ada selama ini. kelompok shift 3 berproduksi 43 unit. kelompok shift 2 berproduksi 44 unit. dan berikut adalah hasilnya (angka dalam unit). Hari 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Shift 1 30 35 29 45 57 28 43 39 25 53 44 41 49 35 Shift 2 44 50 35 45 33 37 43 51 26 52 64 49 51 32 Shift 3 43 27 58 41 39 37 37 50 42 42 38 37 37 47 Shift 4 47 29 45 29 53 45 27 49 29 29 59 25 29 29 Pada baris 1.Bab 3 Statistik Inferensi Kasus: Sebuah pabrik selama ini mempekerjakan karyawannya dalam 4 shift (satu shift terdiri atas sekelompok pekerja yang berlainan). Penyelesaian: . Demikian seterusnya. manajer memerintahkan seorang supervisor untuk mengamati produktivitas kerja keempat kelompok tersebut. pada hari pertama kelompok shift 1 berproduksi 30 unit.

1. Demikian juga untuk waktu dan anggota kelompok shift yang lainnya saling berbeda. 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. dipakai uji ANOVA. 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. 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 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 .

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

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

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

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

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

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

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

704 3.47 -14.37 -11.52 -12.704 3.944 .57 -2.90 14.336 .704 3.52 13.000 1.000 1.80 Upper Bound 5.07 -6.759 1.04 -11.19 -3.37 12.891 .704 3.54 -8.704 3.04 12.76 3.574 1.47 16.704 3. Interval Lower Bound Tukey HSD satu dua tiga empat dua satu tiga empat tiga satu dua empat empat satu dua tiga Bonferroni satu dua tiga empat dua satu tiga empat tiga satu dua empat empat satu dua tiga -4.07 4.000 1.21 -1.47 7.704 3.12 -13.87 -8.19 5.704 3.000 1.704 3.54 6.64 -4.09 -5.26 11.000 -14.891 .21 -1.668 .47 -6.64 6.704 3.704 3.000 .23 -16.19 -11.704 3.19 13.80 -6.704 3.57 2.57 2.87 6.574 1.704 3.704 3.59 12.704 3.21 2.59 -12.44 -13.94 8.Bab 3 Statistik Inferensi Multiple Comparisons 95% Confidence (I) SHIFT (J) SHIFT Mean Difference (I-J) Std.29 -3.704 3.07 4.64 -2.704 3.64 -2.336 .64 3.57 -2.90 -16.80 16.07 -6.44 11.704 3.000 .23 14.64 3.62 -7.64 3.944 .704 3. Error Sig.974 .94 -7.40 -7.09 3.000 1.668 .76 -5.704 .52 -3.26 -12.29 -3.759 .73 -8.62 8.80 8.000 1.21 2.000 1.29 1.73 7.40 7.704 3.29 1.704 3.704 3.974 .64 6.12 11.52 .

43 unit. rata-rata produk ada pada range 37. Uji ANOVA ingin melihat apakah rata-rata keempat sampel berasal dari populasi yang sama. Ho = Keempat varians Populasi adalah identik Hi = Kedua varians Populasi adalah tidak identik Pengambilan Keputusan • • Jika probabilitas > 0. maka Ho diterima.05. Output Bagian Kedua (Test of Homogeneity of variances) Analisis ini bertujuan untuk menguji berlaku tidaknya asumsi untuk ANOVA. Oleh karena probabilitas > 0.053.05 unit. Demikian untuk data yang lain. dengan asumsi varians keempat sampel adalah sama. maka Ho diterima.80 unit sampai 43. maka Ho ditolak. Sebagai contoh adalah deskripsi dari kelompok kerja shift 1: • • • Rata-rata produktivitas adalah 40.727 dengan nilai probabilitas 0. Jika probabilitas < 0. Hipotesis. Dengan tingkat kepercayaan 95% atau signifikansi 5%. yaitu apakah keempat sampel mempunyai varians yang sama.Bab 3 Statistik Inferensi Analisis: Output Bagian Pertama (Group Statistics) Pada bagian pertama terlihat ringkasan statistik dari keempat sampel. Output Bagian Ketiga (ANOVA) .05. atau keempat varians adalah sama.05. Keputusan • Terlihat bahwa Levene Test hitung adalah 2. Produk minimum adalah 25 unit dan maksimum adalah 64 unit.

Jika Statistik Hitung (angka F output) > Statistik Tabel (tabel F). 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. Analisis dengan memakai ANOVA Hipotesis. F hitung dari output adalah 1. maka Ho diterima. Denumerator adalah (jumlah kasus – jumlah variabel shift) atau 56 – 4 = 52 Dari tabel F didapat angka b.Bab 3 Statistik Inferensi Setelah keempat varians terbukti sama.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 nilai probabilitas • • Jika probabilitas > 0. Jika Statistik Hitung (angka F output) < Statistik Tabel (tabel F). Berdasarkan perbandingan F hitung dengan F tabel (dasar pengambilan keputusan sama dengan uji F (ANOVA)).05.05. maka Ho ditolak. Jika probabilitas < 0. maka Ho diterima. Keputusan: . Pengambilan Keputusan Dasar Pengambilan Keputusan: a. baru dilakukan uji ANOVA (Analysis of Variance) untuk menguji apakah keempat sampel mempunyai rata-rata (Mean) yang sama. maka Ho ditolak. Numerator adalah (jumlah variabel shift – 1) atau 4 –1 = 3.

• • • Pada kolom Mean Difference atau perbedaan rata-rata diperoleh angka –4.024 dengan probabilitas 0.05. lihat baris pertama pada hasil uji Tukey-HSD yang menguji perbedaan antara shift 1 dan shift 2. maka Ho ditolak. rata-rata produksi keempat shift tersebut tidak berbeda secara nyata. Dengan kata lain. masalah yang akah dibahas adalah mana saja kelompok shift yang berbeda dan mana yang tidak berbeda? Tukey test dan Bonferroni test Sebagai contoh.05. atau perbedaan Ho ditolak.05. 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 39.62 unit. Jika tanda * ada di angka Mean Difference atau perbedaan Rata-rata.Bab 3 Statistik Inferensi Terlihat bahwa F hitung adalah 1.390. Keputusan: Terlihat bahwa nilai probabilitas adalah 0. terlihat range perbedaan Mean tersebut berkisar antara –14.04 sampai 5.668. maka Ho ditolak.21. Jika tidak ada tanda *. Oleh karena probabilitas > 0. maka Ho diterima.71unit.05. Uji signifikansi perbedaan Mean antara shift 1 dan shift 2. Pada kolom 95% confidence interval. maka Ho diterima. maka perbedaan tidak signifikan. maka perbedaan tersebut nyata atau signifikan. Hasil uji signifikansi dengan mudah dapat dilihat pada output dengan ada atau tidaknya tanda ‘*’ pada kolom ‘Mean Difference’. Oleh karena probabilitas > 0. Berdasarkan nilai Probabilitas Berdasarkan nilai probabilitas • • Jika probabilitas > 0. Jika probabilitas < 0.50 unit – 43. atau tidak ada perbedaan yang nyata antara produktivitas shift 1 dan shift 2.

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

Sign up to vote on this title
UsefulNot useful