Bab 3 Statistik Inferensi

BAB 3 STATISTIK INFERENSI

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

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

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

Bab 3 Statistik Inferensi

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

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

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

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

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

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

Bab 3 Statistik Inferensi

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

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

Gambar 3.1 Kotak Dialog SPSS Data Editor

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

Bab 3 Statistik Inferensi

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

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

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

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

Bab 3 Statistik Inferensi

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

Gambar 3.2 Kotak Dialog Paired t Test

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

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

8000 . Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS. 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 79.3900.Bab 3 Statistik Inferensi Tekan Continue jika pengisian dianggap selesai. Sedangkan setelah minum obat. konsumen mempunyai berat rata-rata 82. Tekan OK untuk mengakhiri pengisian prosedur analisis. kilogram.

yang menghasilkan angka 0. Perlunya uji dua sisi dapat diketahui pula dari output SPSS yang menyebut adanya Two tailed test. Pengambilan Keputusan Dasar Pengambilan Keputusan: a. Berdasarkan perbandingan t hitung dengan t tabel (dasar pengambilan keputusan sama dengan uji t). karenanya dipakai uji dua sisi. Uji dilakukan dua sisi karena akan diketahui apakah rata-rata Sebelum sama dengan Sesudah ataukah tidak.Bab 3 Statistik Inferensi Output Bagian Kedua (Paired Samples Correlations) Bagian kedua output adalah hasil korelasi antara kedua variabel. 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. Hal ini menyatakan bahwa korelasi antara berat sebelum dan sesudah minum obat adalah sangat erat dan benar-benar berhubungan secara nyata. Dari tabel t. Jika Statistik Hitung (angka t output) < Statistik Tabel (tabel t).924 dengan nilai probabilitas jauh di bawah 0. Output Bagian Ketiga (Paired Sample Test) Hipotesis. Jika Statistik Hitung (angka t output) > Statistik Tabel (tabel t).576 Sedang statistik tabel dapat dihitung pada tabel t: • • • Tingkat signifikansi ( ) adalah 5% (lihat input data pada bagian OPTION yang memilih tingkat kepercayaan 95%. maka Ho ditolak. Df atau derajat kebebasan adalah n (jumlah data) – 1 atau 12 – 1 = 11.05 (lihat nilai signifikansi output yang 0. didapat angka 2.000). T hitung dari output adalah 4. maka Ho diterima.2010 .

8357 kg.05. Keterangan: Dalam kasus ini dapat juga dinyatakan bahwa • Terdapat perbedaan Mean sebesar 2. Dengan kata lain. Keputusan: Terlihat bahwa t hitung adalah 4.05. maka Ho ditolak.3900 kg – 79. • Perbedaan sebesar 2.5900 kg. Dari uji t terbukti bahwa perbedaan 2.5900 kg dengan range > 0 kg sampai 3.05.01. . maka Ho ditolak. maka Ho diterima. maka dapat disimpulkan obat tersebut efektif dalam upaya menurunkan berat badan.5900 kg tersebut mempunyai range antara lower/batas bawah sebesar 1. Angka ini berasal dari: Berat sebelum minum obat – Berat sesudah minum obat Atau 82.8357 kg tersebut cukup berarti untuk menyatakan bahwa obat tersebut efektif untuk menurunkan berat badan. obat penurun berat tersebut efektif dalam menurunkan berat badan. Berdasarkan nilai probabilitas • • Jika probabilitas > 0. penggunaan angka probabilitas lebih sering dipakai sebagai dasar pengambilan keputusan inferensi. Oleh karena probabilitas < 0.5900 (lihat output SPSS).576 dengan probabilitas 0.3443 kg (bertanda positif berarti berat sebelum minum obat lebih besar dari sesudah minum obat) sampai upper/batas atas 3.8000 kg = 2.Bab 3 Statistik Inferensi Oleh karena t hitung terletak pada daerah Ho ditolak. Pada prinsipnya pengambilan keputusan berdasar t hitung dan t tabel akan selalu menghasilkan kesimpulan yang sama dengan berdasar angka probabilitas. b. Namun untuk kemudahan dan kepraktisan. Jika probabilitas < 0.

65 83.76 80.76 73. 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).20 77.57 75. Dari kasus tersebut diketahui bahwa populasi rata-rata berat sebelum minum obat adalah 82.85 Sesudah 79.57 80. Kasus: Kasus mempunyai data yang sama dengan data obat pelangsing. No 1 2 3 4 5 6 7 8 9 10 Sebelum 80. Hanya di sini dipakai data Sebelum (berat badan sebelum minum obat). mempunyai rata-rata berat badan 90 kilogram.39 . Sekelompok anak muda setelah ditimbang.50 88.53 85.37 82.60 83.2 ONE SAMPLE T TEST (UJI T UNTUK SATU SAMPEL) UJI t Pengujian satu sampel pada prinsipnya ingin menguji apakah suatu nilai tertentu (yang diberikan sebagai pembanding) berbeda secara nyata ataukah tidak dengan rata-rata sebuah sampel.57 89.Bab 3 Statistik Inferensi 3.15 79.20 75.53 76.50 88.37 79.39 (lihat output SPSS sebelumnya).59 77.95 91.

dipakai uji t untuk dua sampel yang berpasangan (paired).83 Penyelesaian: Kasus di atas terdiri atas satu sampel yang akan dipakai dengan nilai populasi hipotesis. pilih menu Analyze. Pemasukan data ke SPSS Langkah-langkah pemasukan data sama dengan pembahasan terdahulu. 1. sesuai kasus pilih One Samples T test….29 76. Pengolahan data dengan SPSS Langkah-langkah: • • Dari menu utama SPSS.83 79.5 Kotak Dialog One Sample t Test Pengisian: . maka tampak di layar: Gambar 3. Dari serangkaian pilihan test untuk nonparametric. Klik pilihan tersebut. Di sini populasi diketahui berdistribusi normal.72 76. dan karena sampel sedikit. langsung ke tahap selanjutnya. atau jika sudah diinput. kemudian pilih submenu Compare-Means.Bab 3 Statistik Inferensi 11 12 83. 2. yaitu 90 kg.

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

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

karenanya dipakai uji dua sisi. Dengan kata lain. maka Ho ditolak.05.3824 kg. maka Ho diterima.6100 kg.3900 kg – 90. Dari tabel t.189 dengan probabilitas 0. maka dapat disimpulkan berat kelompok anak muda tersebut memang berbeda dengan berat rata-rata populasi sebelum minum obat. Jika probabilitas < 0. . Df atau derajat kebebasan adalah n (jumlah data) – 1 atau 12 – 1 = 11.2010 Oleh karena t hitung terletak pada daerah Ho ditolak. dapat diketahui pula dari output SPSS yang menyebut adanya Two tailed test.8376 kg (bertanda negatif berarti berat sebelum minum obat lebih kecil dari berat kelompok anak muda) sampai upper/batas atas -4. Keterangan: Dalam kasus ini dapat juga dinyatakan bahwa • Terdapat perbedaan Mean sebesar 82.05. Angka ini berasal dari: Berat sebelum minum obat – Berat Kelompok Anak Muda Atau 82.3900 (lihat output SPSS). maka Ho ditolak. • Perbedaan sebesar -7. berat kelompok anak muda tersebut memang berbeda dengan berat rata-rata populasi sebelum minum obat.6100 kg tersebut mempunyai range antara lower/batas bawah sebesar -10. b. Oleh karena probabilitas < 0.0000 kg = -7. Keputusan: Terlihat bahwa t hitung adalah -5. Uji dilakukan dua sisi karena akan diketahui apakah rata-rata Sebelum sama dengan Berat Anak Muda ataukah tidak.Bab 3 Statistik Inferensi • • • Tingkat signifikansi ( ) adalah 5% (lihat input data pada bagian OPTION yang memilih tingkat kepercayaan 95%.000.05. didapat angka 2. Jadi dapat lebih besar atau lebih kecil. Berdasarkan nilai probabilitas • • Jika probabilitas > 0.

8 168.5 159.7 54.8 155.9 Gender Pria Pria Pria Pria Pria Pria Pria Pria Wanita Wanita Wanita Wanita Wanita Wanita Wanita Wanita .5 Berat 75.8 49.7 155.3 INDEPENDENT SAMPLE T TEST (UJI T UNTUK DUA SAMPEL BEBAS) UJI t Kasus : Seorang peneliti ingin mengetahui apakah ada perbedaan antar Tinggi dan Berat badan seorang pria dan seorang wanita.9 65.1 45.5 158.7 48.9 165.7 43.7 157.8 152.9 62. 8 pria dan 8 wanita masingmasing diukur tinggi dan berat badannya.7 49.6 155. No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Tinggi 188.6 43.7 58.9 68.9 170.Bab 3 Statistik Inferensi 3.8 67.8 67.5 68. Berikut adalah hasilnya (angka dalam centimeter untuk Tinggi dan kilogram untuk Berat).7 156.9 67.4 154.7 159.2 178.7 167. Untuk itu.

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

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

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

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

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

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

275 kg. yaitu 49. Untuk berat badan pria (tanda 1) mempunyai berat rata-rata 68. yang jauh di atas ratarata berat badan wanita. Sedangkan tinggi rata-rata pria adalah 169. yang juga lebih tinggi dari rata-rata wanita yang hanya 156. Tinggi Badan .Bab 3 Statistik Inferensi Independent Samples Test Analisis: Output Bagian Pertama (Group Statistics) Pada bagian pertama terlihat ringkasan statistik dari kedua sampel. Output Bagian Kedua (Independent Sample Test) a.763 cm.175 kg.038 cm.

Hipotesis.05. Ho = Kedua varians Populasi adalah identik (varians populasi tinggi badan pria dan wanita adalah sama) Hi = Kedua varians Populasi adalah tidak identik (varians populasi tinggi badan pria dan wanita adalah berbeda) Pengambilan Keputusan • • Jika probabilitas > 0.023. 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 > 0.540 dengan probabilitas 0. Jika probabilitas < 0.05. maka Ho diterima. maka Ho ditolak.05.Bab 3 Statistik Inferensi Pertama.05. maka Ho ditolak. Oleh karena probabilitas < 0. • 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). maka Ho ditolak. maka Ho diterima. 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. Analisis dengan memakai t test untuk asumsi varians tidak sama. atau kedua varians benar-benar berbeda. analisis menggunakan F test. Jika probabilitas < 0. .05.

874 dengan probabilitas 0. maka Ho diterima. Oleh karena probabilitas < 0. Oleh karena probabilitas > 0. analisis menggunakan F test untuk menguji kesamaan varians kedua populasi. Jika probabilitas < 0. Ho = Kedua varians Populasi adalah identik (varians populasi berat badan pria dan wanita adalah sama) Hi = Kedua varians Populasi adalah tidak identik (varians populasi berat badan pria dan wanita adalah berbeda) Pengambilan Keputusan • • Jika probabilitas > 0. • Perhatikan bahwa perubahan dari penggunaan Equal variance assumed ke Equal variance not assumed mengakibatkan menurunnya degree of freedom (derajat kebebasan).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. atau kedua rata-rata (mean) tinggi badan pria dan wanita benar-benar berbeda.05.05. maka Ho ditolak. maka Ho ditolak. atau kedua varians sama. Berat Badan Pertama. yaitu dari 14 menjadi 7. dalam artian Pria mempunyai rata-rata Tinggi Badan yang lebih dari wanita.327. Hipotesis.033 dengan probabilitas 0.05. Keputusan • Terlihat bahwa F hitung untuk Berat Badan dengan Equal variance assumed (diasumsi kedua varians adalah sama atau menggunakan pooled variance t test) adalah 1.05.005. maka Ho diterima. .602 atau kegagalan mengasumsikan kesamaan varians berakibat keefektifan ukuran sampel menjadi berkurang sekitar 40% lebih! b.

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

900 kg.9707 cm. serta diketahui ada perbedaan yang nyata antara Tinggi dan Berat badan pria dan wanita. langkah selanjutnya adalah mengetahui seberapa besar perbedaan tersebut.725 cm.9707 Hal ini berarti perbedaan Tinggi Badan Pria dan Wanita berkisar antara 5. a.Bab 3 Statistik Inferensi test dengan uji t untuk membandingkan means langsung dilakukan dengan Equal variance assumed. dengan perbedaan rata-rata adalah 13.725 cm Dari F test pada bahasan sebelumnya didapat bahwa uji perbedaan rata-rata dilakukan dengan Equal variance not assumed. dan diketahui penggunaan Equal variance assumed dan Equal variance not assumed.900 kg .725 cm.038 = 13. Berat Badan Dari output terlihat baris ‘mean difference’ untuk Berat Badan adalah 18.275 = 18. maka sekarang lihat pada kolom ‘95% Confidence Interval of the Difference’ dan baris Equal Variance not assumed. Angka ini berasal dari: Rata-rata Tinggi Badan Pria – Rata-rata Tinggi Badan Wanita Atau 169. 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 : 5.175 – 49. Tinggi Badan Dari output terlihat baris ‘mean difference’ untuk Tinggi Badan adalah 13.4793 cm sampai 21. Angka ini berasal dari: Rata-rata Berat Badan Pria – Rata-rata Berat Badan Wanita Atau 68. b.4793 cm Upper (perbedaan rata-rata bagian atas) adalah : 21.763 – 156.

Untuk lebih jelasnya.4 UJI T DENGAN PENGGUNAAN CUT POINT (TITIK POTONG) Jika pada kasus sebelumnya digunakan dasar pengujian pada gender (pria dan wanita). 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. dengan perbedaan rata-rata adalah 18. Dari dua grup tersebut.6804 kg Hal ini berarti perbedaan Tinggi Badan Pria dan Wanita berkisar antara 14.1196 kg Upper (perbedaan rata-rata bagian atas) adalah : 23.6804 kg. 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. Namun di sini data akan dibagi dua grup. No Tinggi Berat Gender . maka sekarang lihat pada kolom ‘95% Confidence Interval of the Difference’ dan baris Equal Variance assumed. yaitu suatu angka/data numerik yang berfungsi sebagai ‘batas’. • Pada baris tersebut didapat angka: Lower (perbedaan rata-rata bagian bawah) adalah : 14. 3. maka sekarang gender tidak digunakan. akan dipakai lagi data kasus di atas. Kasus : Seorang peneliti ingin mengetahui apakah ada perbedaan antara mereka yang berbobot lebih dari 50 kg mempunyai Rata-rata Tinggi Badan yang lebih (tinggi) dibandingkan mereka yang berbobot kurang dari 50 kg? Data sama dengan kasus pertama (angka dalam centimeter untuk Tinggi dan kilogram untuk Berat).1196 kg sampai 23.900 kg.Bab 3 Statistik Inferensi Dari F test pada bahasan sebelumnya didapat bahwa uji perbedaan rata-rata dilakukan dengan Equal variance assumed. namun digantikan oleh ‘cut point’ atau titik potong. yaitu Berat dan Tinggi Badan Pria dan Wanita.

5 158.5 68.2 178.9 67. kemudian pilih submenu Compare-Means. pilih menu Analyze.5 75.9 62.7 49.8 49.9 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. Pengolahan data dengan SPSS Langkah-langkah: • Dari menu utama SPSS.7 54.4 154. .9 65.5 159.7 157.9 170.9 165.7 167.6 43.7 159. 1.7 156.1 45.7 155. Pemasukan data ke SPSS Pemasukan data sama dengan pemasukan data pada kasus sebelumnya (Independent Sample T Test). dipakai uji t untuk dua sampel.7 58. yaitu sampel yang mempunyai berat badan di atas 50 kg dan sampel yang mempunyai berat badan di bawah 50 kg.7 48.8 67. dan karena sampel sedikit.9 68.8 168.8 152.7 43.Bab 3 Statistik Inferensi 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 188.8 155.6 155. Di sini populasi diketahui berdistribusi normal. 2.8 67.

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

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

yang mempunyai tinggi rata-rata 167.Bab 3 Statistik Inferensi OUTPUT SPSS Analisis Output Bagian Pertama (Group Statistics) Pada bagian pertama terlihat ringkasan statistik dari kedua sampel. Output Bagian Kedua (Independent Sample Test) a. yang mempunyai tinggi rata-rata 155.633. Untuk sampel dengan berat badan di atas 50 kg ada 10 orang (tidak perlu dirinci pria atau wanita). Tinggi Badan Pertama. Hipotesis. 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. analisis menggunakan F test.260 cm.

Hipotesis Ho = Kedua rata-rata Populasi adalah identik (rata-rata populasi berat di atas 50 kg dan berat di bawah 50 kg). maka Ho ditolak.05.036. sekarang dipakai mean. maka Ho diterima. Analisis dengan memakai t test untuk asumsi varians tidak sama.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. Jika probabilitas < 0. maka Ho ditolak. maka Ho diterima. Jika probabilitas < 0.05.05. atau kedua varians benar-benar berbeda. Hi = Kedua rata-rata Populasi adalah tidak identik (rata-rata populasi berat di atas 50 kg dan berat di bawah 50 kg). maka Ho ditolak. Keputusan .05. Pengambilan Keputusan • • Jika probabilitas > 0.409 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. • 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). Oleh karena probabilitas < 0.05. Keterangan: Berbeda dengan asumsi sebelumnya yang menggunakan varians.

maka Ho ditolak. maka sekarang lihat pada kolom ‘95% Confidence Interval of the Difference) dan kolom Equal variancel not assumed.633 = 11. atau ada perbedaan yang nyata di antara mereka yang berbobot lebih dari 50 kg dan mereka yang berbobot di bawah 50 kg.627. langkah selanjutnya adalah mengetahui seberapa besar perbedaan tersebut. Dengan kata lain.370 atau kegagalan mengasumsikan kesamaan varians berakibat keefektifan ukuran sampel menjadi berkurang sekitar [(14 – 10. dan diketahui ada perbedaan yang nyata antara Tinggi sampel berbobot lebih dari 50 kg dengan sampel berbobot kurang dari 50 kg. Pada baris tersebut.006.260 – 155.370)/14]* 100% = 26% MEAN DIFFERENCE (PERBEDAAN RATA-RATA) TINGGI BADAN Setelah dilakukan uji dengan F test dan t test. • Perhatikan bahwa perubahan dari penggunaan Equal variance assumed ke Equal variance not assumed mengakibatkan menurunnya degree of freedom (derajat kebebasan).2403 Upper (perbedaan rata-rata bagian atas) adalah: 19.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 3.627 Dari F test pada bahasan sebelumnya didapat bahwa uji perbedaan rata-rata dilakukan dengan Equal variancel not assumed. didapat angka: Lower (perbedaan rata-rata bagian bawah) adalah: 4.05.490 dengan probabilitas 0. Oleh karena probabilitas < 0.0130 . Angka ini berasal dari: (Rata-rata Tinggi Badan sampel > 50 kg) – (Rata-rata Tinggi Badan sampel < 50 kg) Atau 167. 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. yaitu dari 14 menjadi 10. Dari output terlihat pada baris ‘mean difference’ untuk Tinggi Badan adalah 11.

5 MEANS Tujuan pembahasan ini adalah untuk mendapatkan serangkaian statistik deskriptif dari berbagai masukan data.7 155.0130 cm.8 67.9 170.7 43.9 68.Bab 3 Statistik Inferensi Hal ini berarti perbedaan Tinggi Badan mereka yang berbobot lebih dari 50 kg dan kurang dari 50 kg berkisar antara 4.5 158.627 cm. Dalam hal ini tidak ada inferensi statistik atau uji terhadap suatu hipotesis. 3.5 159.7 54.6 155.8 49.9 65.7 167.9 62.8 168.4 154. Kasus: Seorang peneliti menyajikan data Tinggi dan Berat badan pria dan wanita serta tempat tinggal mereka.8 67.9 67.7 157.7 49. dengan perbedaan rata-rata adalah 11.2403 cm sampai 19.1 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 .2 178.7 156.6 43.9 165.5 68.8 Berat 75. Berikut adalah hasilnya (angka dalam centimeter untuk Tinggi dan kilogram untuk Berat) No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Tinggi 188.7 58.8 155.

Value Label atau keterangan untuk angka 1 tersebut. Untuk keseragaman.7 48. dan populasi diketahui berdistribusi normal. Width. ketik 1. letakkan pointer di bawah kolom Name. Variabel tinggal Oleh karena ini variabel pertama. maka biarkan saja default numerik yang sudah ada. Pilihan ini untuk proses pemberian kode. Klik kotak kecil di kanan sel. maka dipakai Means pada menu COMPARE MEANS untuk mengerjakannya. Decimals. Pemasukan data ke SPSS Langkah-langkah pemasukan sama dengan kasus uji dua sample independent. lalu klik ganda sel tersebut. ketik desa. ketik 0. Untuk keseragaman. Penyelesaian: Oleh karena akan diketahui bagaimana statistik deskriptif dari data di atas. otomatis keterangan 1= “desa” tampak sebagai kodifikasi tempat tinggal pertama. 1.5 45. • • • • • Name. Klik tombol tersebut. Sesuai kasus yang merinci tempat tinggal. Values. tempatkan pointer pada baris 1. Type. hanya ditambah satu variabel tempat tinggal.9 Wanita Wanita Desa Desa Kasus sama dengan kasus uji dua sample independen. serta sampel sedikit. .Bab 3 Statistik Inferensi 15 16 152.7 159. dan ketik tinggal. Untuk keseragaman. Oleh karena variable expense akan berisi data rasio. Otomatis tombol Add aktif. Sesuai kasus. Gambar Kotak Dialog Value Labels Pengisian: • • Value atau nilai berupa angka yang dimasukkan. hanya di sini diberi tambahan tempat tinggal seseorang. ketik 1.

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

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

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

Deviation TINGGI 171.763 8 9. sehingga tidak dilakukan perubahan pada options.6920 .175 8 3. Deviation kota Mean N Std.5704 169.8125 BERAT 66. Tekan Continue jika pengisian dianggap selesai Tekan OK untuk mengakhiri pengisian prosedur analisis.500 1 . 67.275 4 1. Deviation Total Mean N Std.833 3 3. Deviation kampung Mean N Std.800 1 .5796 75.Bab 3 Statistik Inferensi Untuk keseragaman akan dipakai default seperti gambar di atas.0012 68. Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS. 163.567 3 6. Ouput SPSS Report GENDER pria TINGGAL desa Mean N Std.0929 188.725 4 5.

1099 57.9959 160.275 8 5.657 7 7.6678 kampung Mean N Std.100 3 2.400 3 1. Deviation Total Mean N Std.400 3 18. Deviation Total Mean N Std. Deviation 155. Deviation kota Mean N Std.167 3 4.Bab 3 Statistik Inferensi wanita desa Mean N Std.900 16 9.567 3 18. Deviation kota Mean N Std.600 2 . berarti keenam belas kasus telah diproses. Deviation Analisis: Output bagian pertama menghitung apakah semua data telah diproses. Deviation kampung Mean N Std.6274 162.967 3 3.037 8 2.2828 156.725 16 10.6178 166.586 7 5.467 6 10.5716 156.5332 61. Deviation Total desa Mean N Std.4529 58.4078 155.700 2 . .2253 49.1166 43. Oleh karena terdapat angka 100%.5924 54.1414 54.8541 48.0368 163.767 6 9.

pada baris pertama dapat diartikan ada tiga orang (N = 3) pria yang bertempat tinggal di desa mempunyai rata-rata tinggi badan 171.175 kg) lebih berat dari rata-rata berat badan wanita (49. Varians dari populasi-populasi tersebut adalah sama. pada bagian baris ada dua layer. terlihat data-data numerik. Demikian analisis lainnya dapat dilakukan sesuai dengan kebutuhan informasi yang diperlukan. Sampel tidak berhubungan satu dengan yang lain. Pada bagian kolom. Asumsi yang digunakan pada pengujian ANOVA: a. Demikian untuk data selanjutnya. Populasi-populasi yang akan diuji berdistribusi normal.567 cm dan berat badan 66. Lihat bagian total pada kolom berat. yaitu Gender (kode 1 dan 2) serta tempat tinggal sebagai layer kedua. kampung dan kota. Sebagai contoh.900). UJI ANOVA .Bab 3 Statistik Inferensi Bagian kedua terlihat. Sedang contoh analisis dapat dilakukan seperti: • • Rata-rata berat badan pria (68.833 kg.275 kg). Berarti data dipecah menjadi Pria yang bertempat tinggal di desa.767 cm) ataupun totlal (182. Lihat bagian total paling bawah untuk kolom tinggi. 3. maka uji F atau ANOVA digunakan untuk pengujian lebih dari dua sampel. Rata-rata tinggi badan orang di kampung (166. yaitu mengenai tinggi dan berat badan. c. Serta wanita yang bertempat tinggal di desa.567 cm) lebih tinggi dari rata-rata orang di desa (163. kampuig dan kota. b.6 ONE WAY ANOVA Jika uji t digunakan untuk pengujian dua sampel.

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

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

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

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

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

• Factor atau grup. maka klik variabel produk. maka variabel shift berpindah ke Factor. kemudian klik tanda ‘>’ (yang sebelah bawah).Bab 3 Statistik Inferensi Gambar 3. maka klik variabel shift. Oleh karena di sini akan diuji produktivitas karyawan.21 Kotak Dialog One Way ANOVA Pengisian: • Dependent List atau variabel dependen yang akan diuji. Tampak di layar: Gambar 3.22 Dependent List dan Factor yang telah terisi . kemudian klik tanda ‘>’ (yang sebelah atas). Oleh karena variabel pengelompokkan ada pada variabel shift. maka variabel produk berpindah ke Dependent List.

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

tampak di layar.Bab 3 Statistik Inferensi Gambar 3. dengan mengkliknya.25 Kotak Dialog Post-Hoc . • Untuk kolom Post-Hoc atau analisis lanjutan dari F test.24 Statistics dan Missing Values yang telah terisi Tekan Continue jika pengisian dianggap selesai. Gambar 3.

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

574 1.759 1.52 13.704 3.21 2.57 2.891 .64 6.704 3.09 3.891 .000 1.64 6.19 5.574 1.40 -7. Error Sig.704 3.000 1.94 8.336 .23 14.47 -6.47 16.704 3.73 -8.000 .87 -8.704 3.37 12.90 -16.668 .704 3.80 8. Interval Lower Bound Tukey HSD satu dua tiga empat dua satu tiga empat tiga satu dua empat empat satu dua tiga Bonferroni satu dua tiga empat dua satu tiga empat tiga satu dua empat empat satu dua tiga -4.21 2.80 -6.37 -11.12 -13.59 -12.704 3.704 3.29 -3.76 3.944 .704 3.704 3.704 3.000 1.26 -12.000 -14.704 3.668 .974 .64 3.44 11.09 -5.19 13.73 7.90 14.47 7.64 3.52 -3.000 1.62 8.704 3.64 -2.52 .704 3.40 7.29 1.07 -6.04 -11.704 3.80 16.974 .19 -3.704 3.57 2.704 3.704 3.26 11.54 6.76 -5.21 -1.704 3.704 3.64 3.64 -4.54 -8.57 -2.336 .759 .94 -7.704 3.000 1.80 Upper Bound 5.12 11.29 -3.19 -11.04 12.944 .62 -7.07 -6.07 4.704 3.87 6.Bab 3 Statistik Inferensi Multiple Comparisons 95% Confidence (I) SHIFT (J) SHIFT Mean Difference (I-J) Std.704 3.07 4.000 1.57 -2.704 .29 1.52 -12.47 -14.000 .59 12.64 -2.44 -13.21 -1.000 1.23 -16.

Keputusan • Terlihat bahwa Levene Test hitung adalah 2. Jika probabilitas < 0. maka Ho ditolak.Bab 3 Statistik Inferensi Analisis: Output Bagian Pertama (Group Statistics) Pada bagian pertama terlihat ringkasan statistik dari keempat sampel. Hipotesis.43 unit.05.05. Demikian untuk data yang lain. Uji ANOVA ingin melihat apakah rata-rata keempat sampel berasal dari populasi yang sama. atau keempat varians adalah sama.05. maka Ho diterima. Sebagai contoh adalah deskripsi dari kelompok kerja shift 1: • • • Rata-rata produktivitas adalah 40. Output Bagian Ketiga (ANOVA) .727 dengan nilai probabilitas 0. yaitu apakah keempat sampel mempunyai varians yang sama.05 unit. rata-rata produk ada pada range 37. dengan asumsi varians keempat sampel adalah sama. Ho = Keempat varians Populasi adalah identik Hi = Kedua varians Populasi adalah tidak identik Pengambilan Keputusan • • Jika probabilitas > 0. Produk minimum adalah 25 unit dan maksimum adalah 64 unit.80 unit sampai 43. Dengan tingkat kepercayaan 95% atau signifikansi 5%. Oleh karena probabilitas > 0. maka Ho diterima. Output Bagian Kedua (Test of Homogeneity of variances) Analisis ini bertujuan untuk menguji berlaku tidaknya asumsi untuk ANOVA.053.

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

Jika probabilitas < 0.05.50 unit – 43. • • • Pada kolom Mean Difference atau perbedaan rata-rata diperoleh angka –4. Pada kolom 95% confidence interval. 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. maka perbedaan tersebut nyata atau signifikan. Jika tanda * ada di angka Mean Difference atau perbedaan Rata-rata. atau tidak ada perbedaan yang nyata antara produktivitas shift 1 dan shift 2. Jika tidak ada tanda *. .024 dengan probabilitas 0. Hasil uji signifikansi dengan mudah dapat dilihat pada output dengan ada atau tidaknya tanda ‘*’ pada kolom ‘Mean Difference’. Uji signifikansi perbedaan Mean antara shift 1 dan shift 2. Keputusan: Terlihat bahwa nilai probabilitas adalah 0. maka Ho diterima.05.21. Output Bagian Keempat (Post Hoc Test) Setelah diketahui tidak ada perbedaan yang signifikan di antara keempat kelompok shift. atau perbedaan Ho ditolak. Oleh karena probabilitas > 0. rata-rata produksi keempat shift tersebut tidak berbeda secara nyata.05. maka Ho ditolak.05.04 sampai 5. terlihat range perbedaan Mean tersebut berkisar antara –14. maka perbedaan tidak signifikan. Berdasarkan nilai Probabilitas Berdasarkan nilai probabilitas • • Jika probabilitas > 0.390. Angka ini berasal dari Mean Shift 1 – Mean Shift 2 atau 39.71unit.62 unit. maka Ho diterima. maka Ho ditolak. lihat baris pertama pada hasil uji Tukey-HSD yang menguji perbedaan antara shift 1 dan shift 2. Oleh karena probabilitas > 0.668.Bab 3 Statistik Inferensi Terlihat bahwa F hitung adalah 1.

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