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.

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

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

Dari tabel t.000). yang menghasilkan angka 0. 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). 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%. didapat angka 2.Bab 3 Statistik Inferensi Output Bagian Kedua (Paired Samples Correlations) Bagian kedua output adalah hasil korelasi antara kedua variabel.05 (lihat nilai signifikansi output yang 0. 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. karenanya dipakai uji dua sisi. Df atau derajat kebebasan adalah n (jumlah data) – 1 atau 12 – 1 = 11. Uji dilakukan dua sisi karena akan diketahui apakah rata-rata Sebelum sama dengan Sesudah ataukah tidak. Hal ini menyatakan bahwa korelasi antara berat sebelum dan sesudah minum obat adalah sangat erat dan benar-benar berhubungan secara nyata.2010 . Perlunya uji dua sisi dapat diketahui pula dari output SPSS yang menyebut adanya Two tailed test. Berdasarkan perbandingan t hitung dengan t tabel (dasar pengambilan keputusan sama dengan uji t). Jadi dapat lebih besar atau lebih kecil. Pengambilan Keputusan Dasar Pengambilan Keputusan: a. maka Ho diterima. maka Ho ditolak. T hitung dari output adalah 4.

Oleh karena probabilitas < 0. Berdasarkan nilai probabilitas • • Jika probabilitas > 0. Dari uji t terbukti bahwa perbedaan 2.576 dengan probabilitas 0. Keputusan: Terlihat bahwa t hitung adalah 4. maka Ho diterima.5900 kg dengan range > 0 kg sampai 3. Namun untuk kemudahan dan kepraktisan.5900 (lihat output SPSS). maka dapat disimpulkan obat tersebut efektif dalam upaya menurunkan berat badan.Bab 3 Statistik Inferensi Oleh karena t hitung terletak pada daerah Ho ditolak.05.01. maka Ho ditolak. b.3443 kg (bertanda positif berarti berat sebelum minum obat lebih besar dari sesudah minum obat) sampai upper/batas atas 3. obat penurun berat tersebut efektif dalam menurunkan berat badan. Keterangan: Dalam kasus ini dapat juga dinyatakan bahwa • Terdapat perbedaan Mean sebesar 2. maka Ho ditolak. .05.3900 kg – 79.8357 kg tersebut cukup berarti untuk menyatakan bahwa obat tersebut efektif untuk menurunkan berat badan.5900 kg tersebut mempunyai range antara lower/batas bawah sebesar 1. Dengan kata lain. • Perbedaan sebesar 2. penggunaan angka probabilitas lebih sering dipakai sebagai dasar pengambilan keputusan inferensi.05. Jika probabilitas < 0. Pada prinsipnya pengambilan keputusan berdasar t hitung dan t tabel akan selalu menghasilkan kesimpulan yang sama dengan berdasar angka probabilitas.8000 kg = 2. Angka ini berasal dari: Berat sebelum minum obat – Berat sesudah minum obat Atau 82.5900 kg.8357 kg.

85 Sesudah 79.95 91. No 1 2 3 4 5 6 7 8 9 10 Sebelum 80.Bab 3 Statistik Inferensi 3.37 79.37 82.76 73.39 (lihat output SPSS sebelumnya).57 75. Hanya di sini dipakai data Sebelum (berat badan sebelum minum obat).60 83.50 88.57 89. 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).57 80.39 . mempunyai rata-rata berat badan 90 kilogram.59 77.53 76.20 77.2 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. Kasus: Kasus mempunyai data yang sama dengan data obat pelangsing.50 88. Dari kasus tersebut diketahui bahwa populasi rata-rata berat sebelum minum obat adalah 82.15 79.65 83.20 75.53 85. Sekelompok anak muda setelah ditimbang.76 80.

pilih menu Analyze. maka tampak di layar: Gambar 3. yaitu 90 kg.72 76.5 Kotak Dialog One Sample t Test Pengisian: . Dari serangkaian pilihan test untuk nonparametric. atau jika sudah diinput. sesuai kasus pilih One Samples T test…. 1. langsung ke tahap selanjutnya. Pengolahan data dengan SPSS Langkah-langkah: • • Dari menu utama SPSS. dan karena sampel sedikit. Klik pilihan tersebut. kemudian pilih submenu Compare-Means. 2.29 76.Bab 3 Statistik Inferensi 11 12 83.83 Penyelesaian: Kasus di atas terdiri atas satu sampel yang akan dipakai dengan nilai populasi hipotesis. Di sini populasi diketahui berdistribusi normal. dipakai uji t untuk dua sampel yang berpasangan (paired).83 79. Pemasukan data ke SPSS Langkah-langkah pemasukan data sama dengan pembahasan terdahulu.

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

3900 kg. T hitung dari output adalah -5. konsumen mempunyai berat rata-rata 82. maka Ho diterima. 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. Pengambilan Keputusan Dasar Pengambilan Keputusan: a.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. Jika Statistik Hitung (angka t output) > Statistik Tabel (tabel t).189 Sedang statistik tabel dapat dihitung pada tabel t: . Jika Statistik Hitung (angka t output) < Statistik Tabel (tabel t). Berdasarkan perbandingan t hitung dengan t tabel (dasar pengambilan keputusan sama dengan uji t). maka Ho ditolak.

05. karenanya dipakai uji dua sisi. . b. Berdasarkan nilai probabilitas • • Jika probabilitas > 0.8376 kg (bertanda negatif berarti berat sebelum minum obat lebih kecil dari berat kelompok anak muda) sampai upper/batas atas -4. maka Ho diterima. Jika probabilitas < 0.05. • Perbedaan sebesar -7. Keterangan: Dalam kasus ini dapat juga dinyatakan bahwa • Terdapat perbedaan Mean sebesar 82. maka Ho ditolak. berat kelompok anak muda tersebut memang berbeda dengan berat rata-rata populasi sebelum minum obat.3900 (lihat output SPSS). didapat angka 2.2010 Oleh karena t hitung terletak pada daerah Ho ditolak. Oleh karena probabilitas < 0. Uji dilakukan dua sisi karena akan diketahui apakah rata-rata Sebelum sama dengan Berat Anak Muda ataukah tidak.3824 kg. Jadi dapat lebih besar atau lebih kecil. dapat diketahui pula dari output SPSS yang menyebut adanya Two tailed test.189 dengan probabilitas 0.0000 kg = -7.Bab 3 Statistik Inferensi • • • Tingkat signifikansi ( ) adalah 5% (lihat input data pada bagian OPTION yang memilih tingkat kepercayaan 95%.6100 kg.05. maka dapat disimpulkan 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. Df atau derajat kebebasan adalah n (jumlah data) – 1 atau 12 – 1 = 11. Dari tabel t.3900 kg – 90. maka Ho ditolak.6100 kg tersebut mempunyai range antara lower/batas bawah sebesar -10.000. Keputusan: Terlihat bahwa t hitung adalah -5. Dengan kata lain.

Untuk itu.4 154.7 155.9 67. 8 pria dan 8 wanita masingmasing diukur tinggi dan berat badannya.7 157.7 156.9 165.2 178.5 158.3 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.7 167.7 58.Bab 3 Statistik Inferensi 3.6 43. Berikut adalah hasilnya (angka dalam centimeter untuk Tinggi dan kilogram untuk Berat).1 45.9 170.7 48.9 65.8 67.5 Berat 75.9 62.5 68.8 152.9 68.7 54.8 168.8 49.8 67.7 43. No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Tinggi 188.5 159.7 159.6 155.7 49.9 Gender Pria Pria Pria Pria Pria Pria Pria Pria Wanita Wanita Wanita Wanita Wanita Wanita Wanita Wanita .8 155.

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

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

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

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

isi dengan 2. Gambar 3. Gambar 3.10 Kotak Dialog Define Groups • • Untuk Group 1.9 Grouping Variable gender Pengisian grup: klik pada Define Group…. yang berarti Grup 2 berisi tanda 2 atau ‘wanita’. Tampak di layar. Tampak di layar: . maka variabel gender berpindah ke Groping Variable. Untuk Group 2. yang berarti Grup 1 berisi tanda 1 atau ‘pria’.Bab 3 Statistik Inferensi kemudian klik tanda ‘>’ (yang sebelah bawah). Tampak di layar. isi dengan 1.

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

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

Keputusan • Terlihat bahwa F hitung untuk Tinggi Badan dengan Equal variance assumed (diasumsi kedua varians adalah sama atau menggunakan pooled variance t test) adalah 6.023. • 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. Analisis dengan memakai t test untuk asumsi varians tidak sama. 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. Oleh karena probabilitas < 0.05. 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. Jika probabilitas < 0.540 dengan probabilitas 0.Bab 3 Statistik Inferensi Pertama. Jika probabilitas < 0. maka Ho ditolak. atau kedua varians benar-benar berbeda. analisis menggunakan F test.05. Hipotesis. maka Ho ditolak. maka Ho diterima. maka Ho diterima.05. . maka Ho ditolak.

Hipotesis.05. yaitu dari 14 menjadi 7.602 atau kegagalan mengasumsikan kesamaan varians berakibat keefektifan ukuran sampel menjadi berkurang sekitar 40% lebih! b.Bab 3 Statistik Inferensi Keputusan • Terlihat bahwa t hitung untuk Tinggi Badan dengan Equal variance not assumed (diasumsi kedua varians tidak sama atau menggunakan separate variance test) adalah 3. • Perhatikan bahwa perubahan dari penggunaan Equal variance assumed ke Equal variance not assumed mengakibatkan menurunnya degree of freedom (derajat kebebasan). . Jika probabilitas < 0. maka Ho ditolak.005.033 dengan probabilitas 0. atau kedua rata-rata (mean) tinggi badan pria dan wanita benar-benar berbeda.05. Oleh karena probabilitas < 0. maka Ho diterima. maka Ho ditolak. dalam artian Pria mempunyai rata-rata Tinggi Badan yang lebih dari wanita. Oleh karena probabilitas > 0.05. 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. atau kedua varians sama.327.874 dengan probabilitas 0. analisis menggunakan F test untuk menguji kesamaan varians kedua populasi.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. maka Ho diterima. Berat Badan Pertama.

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

langkah selanjutnya adalah mengetahui seberapa besar perbedaan tersebut. a. b.725 cm Dari F test pada bahasan sebelumnya didapat bahwa uji perbedaan rata-rata dilakukan dengan Equal variance not assumed. dengan perbedaan rata-rata adalah 13.725 cm.175 – 49.4793 cm sampai 21.4793 cm Upper (perbedaan rata-rata bagian atas) adalah : 21. Angka ini berasal dari: Rata-rata Berat Badan Pria – Rata-rata Berat Badan Wanita Atau 68.763 – 156.725 cm. Angka ini berasal dari: Rata-rata Tinggi Badan Pria – Rata-rata Tinggi Badan Wanita Atau 169.038 = 13.9707 Hal ini berarti perbedaan Tinggi Badan Pria dan Wanita berkisar antara 5. dan diketahui penggunaan Equal variance assumed dan Equal variance not assumed. maka sekarang lihat pada kolom ‘95% Confidence Interval of the Difference’ dan baris Equal Variance not assumed. Tinggi Badan Dari output terlihat baris ‘mean difference’ untuk Tinggi Badan adalah 13.275 = 18. serta diketahui ada perbedaan yang nyata antara Tinggi dan Berat badan pria dan wanita.9707 cm. • Pada baris tersebut didapat angka: Lower (perbedaan rata-rata bagian bawah) adalah : 5. Berat Badan Dari output terlihat baris ‘mean difference’ untuk Berat Badan adalah 18.900 kg .Bab 3 Statistik Inferensi test dengan uji t untuk membandingkan means langsung dilakukan dengan Equal variance assumed.900 kg. MEAN DIFFERENCE (PERBEDAAN RATA-RATA) TINGGI BADAN Setelah dilakukan uji dengan F test dan t test.

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

8 67. .8 152.8 155.5 158.Bab 3 Statistik Inferensi 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 188.2 178. dan karena sampel sedikit.7 58. pilih menu Analyze.5 75. Pemasukan data ke SPSS Pemasukan data sama dengan pemasukan data pada kasus sebelumnya (Independent Sample T Test).9 68.9 67.8 67.5 68. 2. dipakai uji t untuk dua sampel.9 165. Pengolahan data dengan SPSS Langkah-langkah: • Dari menu utama SPSS.7 156.7 167. kemudian pilih submenu Compare-Means.7 49.7 48. Di sini populasi diketahui berdistribusi normal.7 157.7 54.9 Pria Pria Pria Pria Pria Pria Pria Pria Wanita Wanita Wanita Wanita Wanita Wanita Wanita Wanita Penyelesaian: Kasus di atas terdiri atas dua sampel yang bebas satu dengan yang lain. 1.1 45.7 159.9 62.7 43.7 155. yaitu sampel yang mempunyai berat badan di atas 50 kg dan sampel yang mempunyai berat badan di bawah 50 kg.9 170.6 43.9 65.5 159.8 49.8 168.4 154.6 155.

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

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

633.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. Untuk sampel dengan berat badan di atas 50 kg ada 10 orang (tidak perlu dirinci pria atau wanita). analisis menggunakan F test. 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. yang mempunyai tinggi rata-rata 155. yang mempunyai tinggi rata-rata 167. Tinggi Badan Pertama.260 cm. Hipotesis.

05. maka Ho ditolak. Keputusan • Terlihat bahwa F hitung untuk Tinggi Badan dengan Equal variance assumed (diasumsi kedua varians adalah sama atau menggunakan pooled variance t test) adalah 5. sekarang dipakai mean. maka Ho diterima. Oleh karena probabilitas < 0. Hipotesis Ho = Kedua rata-rata Populasi adalah identik (rata-rata populasi berat di atas 50 kg dan berat di bawah 50 kg). Analisis dengan memakai t test untuk asumsi varians tidak sama. Jika probabilitas < 0. maka Ho ditolak. maka Ho diterima. maka Ho ditolak.036. Keputusan . Pengambilan Keputusan • • Jika probabilitas > 0.05.409 dengan probabilitas 0. Jika 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).05.Bab 3 Statistik Inferensi Hi = Kedua varians Populasi adalah tidak identik (varians populasi berat di atas 50 kg dan berat di bawah 50 kg) Pengambilan Keputusan • • Jika probabilitas > 0.05.05. Hi = Kedua rata-rata Populasi adalah tidak identik (rata-rata populasi berat di atas 50 kg dan berat di bawah 50 kg). Keterangan: Berbeda dengan asumsi sebelumnya yang menggunakan varians. atau kedua varians benar-benar berbeda.

yaitu dari 14 menjadi 10.370)/14]* 100% = 26% MEAN DIFFERENCE (PERBEDAAN RATA-RATA) TINGGI BADAN Setelah dilakukan uji dengan F test dan t test.627 Dari F test pada bahasan sebelumnya didapat bahwa uji perbedaan rata-rata dilakukan dengan Equal variancel not assumed. Dengan kata lain. Angka ini berasal dari: (Rata-rata Tinggi Badan sampel > 50 kg) – (Rata-rata Tinggi Badan sampel < 50 kg) Atau 167.633 = 11. maka sekarang lihat pada kolom ‘95% Confidence Interval of the Difference) dan kolom Equal variancel not assumed. atau ada perbedaan yang nyata di antara mereka yang berbobot lebih dari 50 kg dan mereka yang berbobot di bawah 50 kg.05.490 dengan probabilitas 0. Oleh karena probabilitas < 0. 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.370 atau kegagalan mengasumsikan kesamaan varians berakibat keefektifan ukuran sampel menjadi berkurang sekitar [(14 – 10. Pada baris tersebut.2403 Upper (perbedaan rata-rata bagian atas) adalah: 19. Dari output terlihat pada baris ‘mean difference’ untuk Tinggi Badan adalah 11. maka Ho ditolak.260 – 155.627. dan diketahui ada perbedaan yang nyata antara Tinggi sampel berbobot lebih dari 50 kg dengan sampel berbobot kurang dari 50 kg.006. didapat angka: Lower (perbedaan rata-rata bagian bawah) adalah: 4.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. langkah selanjutnya adalah mengetahui seberapa besar perbedaan tersebut. • Perhatikan bahwa perubahan dari penggunaan Equal variance assumed ke Equal variance not assumed mengakibatkan menurunnya degree of freedom (derajat kebebasan).0130 .

5 159.9 62.6 43.7 156.8 168.8 67. Kasus: Seorang peneliti menyajikan data Tinggi dan Berat badan pria dan wanita serta tempat tinggal mereka. Dalam hal ini tidak ada inferensi statistik atau uji terhadap suatu hipotesis.8 155.8 Berat 75.5 158.7 43. dengan perbedaan rata-rata adalah 11.9 165.1 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 .8 67. 3.7 157.5 MEANS Tujuan pembahasan ini adalah untuk mendapatkan serangkaian statistik deskriptif dari berbagai masukan data.Bab 3 Statistik Inferensi Hal ini berarti perbedaan Tinggi Badan mereka yang berbobot lebih dari 50 kg dan kurang dari 50 kg berkisar antara 4.7 155.627 cm.9 68.7 54.5 68.6 155.8 49. 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 65.9 67.7 49.4 154.7 58.7 167.0130 cm.2403 cm sampai 19.9 170.2 178.

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

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

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

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

833 3 3.500 1 .0929 188.Bab 3 Statistik Inferensi Untuk keseragaman akan dipakai default seperti gambar di atas. Deviation Total Mean N Std. Ouput SPSS Report GENDER pria TINGGAL desa Mean N Std. sehingga tidak dilakukan perubahan pada options. Tekan Continue jika pengisian dianggap selesai Tekan OK untuk mengakhiri pengisian prosedur analisis. Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS.5704 169. Deviation kota Mean N Std.0012 68.8125 BERAT 66. Deviation kampung Mean N Std. Deviation TINGGI 171.567 3 6.175 8 3.725 4 5.800 1 .6920 . 67.5796 75.763 8 9.275 4 1. 163.

berarti keenam belas kasus telah diproses.657 7 7.2253 49.725 16 10. Oleh karena terdapat angka 100%.2828 156.100 3 2. Deviation kampung Mean N Std. Deviation Total Mean N Std.567 3 18.5924 54.4078 155.600 2 .5716 156.586 7 5. . Deviation 155.700 2 .037 8 2.275 8 5. Deviation Analisis: Output bagian pertama menghitung apakah semua data telah diproses.400 3 1.0368 163.6274 162.400 3 18.467 6 10. Deviation Total desa Mean N Std.967 3 3.1414 54.Bab 3 Statistik Inferensi wanita desa Mean N Std.167 3 4.5332 61.6178 166.1166 43.1099 57.9959 160.767 6 9. Deviation kota Mean N Std. Deviation kota Mean N Std.4529 58.6678 kampung Mean N Std.900 16 9. Deviation Total Mean N Std.8541 48.

yaitu mengenai tinggi dan berat badan. Varians dari populasi-populasi tersebut adalah sama. Demikian untuk data selanjutnya. Demikian analisis lainnya dapat dilakukan sesuai dengan kebutuhan informasi yang diperlukan. UJI ANOVA . kampuig dan kota. maka uji F atau ANOVA digunakan untuk pengujian lebih dari dua sampel. Serta wanita yang bertempat tinggal di desa. Populasi-populasi yang akan diuji berdistribusi normal. Lihat bagian total pada kolom berat. Sedang contoh analisis dapat dilakukan seperti: • • Rata-rata berat badan pria (68.Bab 3 Statistik Inferensi Bagian kedua terlihat. b.833 kg.275 kg). kampung dan kota.767 cm) ataupun totlal (182. Berarti data dipecah menjadi Pria yang bertempat tinggal di desa.900).567 cm dan berat badan 66. pada baris pertama dapat diartikan ada tiga orang (N = 3) pria yang bertempat tinggal di desa mempunyai rata-rata tinggi badan 171. Rata-rata tinggi badan orang di kampung (166. c.6 ONE WAY ANOVA Jika uji t digunakan untuk pengujian dua sampel. Asumsi yang digunakan pada pengujian ANOVA: a. Sebagai contoh. pada bagian baris ada dua layer. terlihat data-data numerik. yaitu Gender (kode 1 dan 2) serta tempat tinggal sebagai layer kedua.175 kg) lebih berat dari rata-rata berat badan wanita (49. Lihat bagian total paling bawah untuk kolom tinggi. 3. Sampel tidak berhubungan satu dengan yang lain. Pada bagian kolom.567 cm) lebih tinggi dari rata-rata orang di desa (163.

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

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

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

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

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

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

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

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

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

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

07 -6.704 3.891 .704 3.23 14.Bab 3 Statistik Inferensi Multiple Comparisons 95% Confidence (I) SHIFT (J) SHIFT Mean Difference (I-J) Std.07 -6.64 -4.26 -12.000 .09 -5.704 3.19 5.04 -11.94 -7.704 3.80 8.704 3.64 -2.000 1.37 12.73 7.000 1.21 -1.52 -3.000 .80 -6.29 -3.944 .000 -14.000 1.52 -12.29 1.891 .336 .26 11.64 -2.73 -8.336 .704 3.40 -7.59 -12.574 1.57 2.76 -5.64 3.759 .47 -14.000 1.668 .07 4.57 -2.76 3.29 -3.704 3.704 3.37 -11.04 12.974 .704 3.80 Upper Bound 5.704 .21 2.47 -6.704 3.704 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 -4.21 2.704 3.54 6.574 1.59 12.40 7.704 3.47 7.90 -16.19 13.668 .57 -2.704 3.759 1.000 1.23 -16.974 .62 8.704 3.57 2.94 8.19 -3.29 1.704 3.44 -13.704 3.000 1.87 -8.87 6.54 -8.80 16.09 3.62 -7.90 14.44 11. Error Sig.704 3.12 11.47 16.52 .704 3.21 -1.64 6.12 -13.07 4.64 6.944 .704 3.64 3.000 1.64 3.704 3.704 3.19 -11.52 13.704 3.

Oleh karena probabilitas > 0. Demikian untuk data yang lain. Hipotesis.05 unit.Bab 3 Statistik Inferensi Analisis: Output Bagian Pertama (Group Statistics) Pada bagian pertama terlihat ringkasan statistik dari keempat sampel. Jika probabilitas < 0.053. Produk minimum adalah 25 unit dan maksimum adalah 64 unit.43 unit. Output Bagian Kedua (Test of Homogeneity of variances) Analisis ini bertujuan untuk menguji berlaku tidaknya asumsi untuk ANOVA. yaitu apakah keempat sampel mempunyai varians yang sama. rata-rata produk ada pada range 37. maka Ho diterima. Ho = Keempat varians Populasi adalah identik Hi = Kedua varians Populasi adalah tidak identik Pengambilan Keputusan • • Jika probabilitas > 0.05.727 dengan nilai probabilitas 0.80 unit sampai 43. atau keempat varians adalah sama. maka Ho ditolak. Sebagai contoh adalah deskripsi dari kelompok kerja shift 1: • • • Rata-rata produktivitas adalah 40. maka Ho diterima. Keputusan • Terlihat bahwa Levene Test hitung adalah 2.05.05. Dengan tingkat kepercayaan 95% atau signifikansi 5%. dengan asumsi varians keempat sampel adalah sama. Uji ANOVA ingin melihat apakah rata-rata keempat sampel berasal dari populasi yang sama. Output Bagian Ketiga (ANOVA) .

maka Ho diterima. Numerator adalah (jumlah variabel shift – 1) atau 4 –1 = 3.05. maka Ho ditolak. 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. Pengambilan Keputusan Dasar Pengambilan Keputusan: a. Keputusan: . Berdasarkan nilai probabilitas • • Jika probabilitas > 0. baru dilakukan uji ANOVA (Analysis of Variance) untuk menguji apakah keempat sampel mempunyai rata-rata (Mean) yang sama. maka Ho ditolak.05. Denumerator adalah (jumlah kasus – jumlah variabel shift) atau 56 – 4 = 52 Dari tabel F didapat angka b. Jika Statistik Hitung (angka F output) > Statistik Tabel (tabel F).024 Sedang statistik tabel dapat dihitung pada tabel F: • • • • Tingkat signifikansi ( ) adalah 5% (lihat input data pada bagian OPTION yang memilih tingkat kepercayaan 95%. Analisis dengan memakai ANOVA Hipotesis. Berdasarkan perbandingan F hitung dengan F tabel (dasar pengambilan keputusan sama dengan uji F (ANOVA)).Bab 3 Statistik Inferensi Setelah keempat varians terbukti sama. F hitung dari output adalah 1. maka Ho diterima. Jika probabilitas < 0. Jika Statistik Hitung (angka F output) < Statistik Tabel (tabel F).

05.62 unit. lihat baris pertama pada hasil uji Tukey-HSD yang menguji perbedaan antara shift 1 dan shift 2.05. Pada kolom 95% confidence interval.668. • • • Pada kolom Mean Difference atau perbedaan rata-rata diperoleh angka –4. maka Ho ditolak. Output Bagian Keempat (Post Hoc Test) Setelah diketahui tidak ada perbedaan yang signifikan di antara keempat kelompok shift. atau tidak ada perbedaan yang nyata antara produktivitas shift 1 dan shift 2. Dengan kata lain. Berdasarkan nilai Probabilitas Berdasarkan nilai probabilitas • • Jika probabilitas > 0. .71unit. maka Ho diterima. Angka ini berasal dari Mean Shift 1 – Mean Shift 2 atau 39. terlihat range perbedaan Mean tersebut berkisar antara –14. maka perbedaan tersebut nyata atau signifikan.024 dengan probabilitas 0. atau perbedaan Ho ditolak.21. maka perbedaan tidak signifikan. Keputusan: Terlihat bahwa nilai probabilitas adalah 0. Jika tanda * ada di angka Mean Difference atau perbedaan Rata-rata.05. masalah yang akah dibahas adalah mana saja kelompok shift yang berbeda dan mana yang tidak berbeda? Tukey test dan Bonferroni test Sebagai contoh.50 unit – 43. rata-rata produksi keempat shift tersebut tidak berbeda secara nyata.05. Uji signifikansi perbedaan Mean antara shift 1 dan shift 2.04 sampai 5.390. Jika probabilitas < 0. Hasil uji signifikansi dengan mudah dapat dilihat pada output dengan ada atau tidaknya tanda ‘*’ pada kolom ‘Mean Difference’. Oleh karena probabilitas > 0. Oleh karena probabilitas > 0. maka Ho diterima. maka Ho ditolak. Jika tidak ada tanda *.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. .