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.

SPSS menggunakan tingkat kepercayaan 95% atau tingkat signifikansi 100% . maka abaikan saja bagian ini (tetap pada default dari SPSS. Sebagai default. . tampak di layar: Gambar 3.95% = 5% • Untuk Missing Values atau data yang hilang.1 Paired Variables yang telah terisi • Untuk kolom option atau pilihan yang lain. Oleh karena dalam kasus semua pasangan data komplit (tidak ada yang kosong). dengan mengkliknya.Bab 3 Statistik Inferensi Gambar 3.4 Kotak Dialog Options Pengisian: • Untuk Confidence Interval: atau tingkat kepercayaan. yaitu Exclude cases analysis by analysis).

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

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

Namun untuk kemudahan dan kepraktisan. obat penurun berat tersebut efektif dalam menurunkan berat badan. Dengan kata lain.3443 kg (bertanda positif berarti berat sebelum minum obat lebih besar dari sesudah minum obat) sampai upper/batas atas 3. • Perbedaan sebesar 2. Keputusan: Terlihat bahwa t hitung adalah 4.05.576 dengan probabilitas 0. Berdasarkan nilai probabilitas • • Jika probabilitas > 0.8357 kg tersebut cukup berarti untuk menyatakan bahwa obat tersebut efektif untuk menurunkan berat badan. penggunaan angka probabilitas lebih sering dipakai sebagai dasar pengambilan keputusan inferensi. . Jika probabilitas < 0.8357 kg. maka dapat disimpulkan obat tersebut efektif dalam upaya menurunkan berat badan.3900 kg – 79.Bab 3 Statistik Inferensi Oleh karena t hitung terletak pada daerah Ho ditolak.5900 kg tersebut mempunyai range antara lower/batas bawah sebesar 1.05. Angka ini berasal dari: Berat sebelum minum obat – Berat sesudah minum obat Atau 82. maka Ho ditolak. b.8000 kg = 2.5900 kg dengan range > 0 kg sampai 3.01. Pada prinsipnya pengambilan keputusan berdasar t hitung dan t tabel akan selalu menghasilkan kesimpulan yang sama dengan berdasar angka probabilitas. Oleh karena probabilitas < 0.5900 (lihat output SPSS). Keterangan: Dalam kasus ini dapat juga dinyatakan bahwa • Terdapat perbedaan Mean sebesar 2. maka Ho ditolak.5900 kg.05. maka Ho diterima. Dari uji t terbukti bahwa perbedaan 2.

37 79. No 1 2 3 4 5 6 7 8 9 10 Sebelum 80.15 79.76 80.95 91.57 89.39 .59 77.60 83.39 (lihat output SPSS sebelumnya).20 77.50 88.50 88. 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 75. Hanya di sini dipakai data Sebelum (berat badan sebelum minum obat).53 85.65 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 80.53 76. Sekelompok anak muda setelah ditimbang. Kasus: Kasus mempunyai data yang sama dengan data obat pelangsing.57 75.85 Sesudah 79.Bab 3 Statistik Inferensi 3. mempunyai rata-rata berat badan 90 kilogram. Dari kasus tersebut diketahui bahwa populasi rata-rata berat sebelum minum obat adalah 82.76 73.37 82.

yaitu 90 kg. langsung ke tahap selanjutnya. dan karena sampel sedikit. Klik pilihan tersebut.29 76. Pemasukan data ke SPSS Langkah-langkah pemasukan data sama dengan pembahasan terdahulu. pilih menu Analyze. 2. 1. maka tampak di layar: Gambar 3. Pengolahan data dengan SPSS Langkah-langkah: • • Dari menu utama SPSS. sesuai kasus pilih One Samples T test….Bab 3 Statistik Inferensi 11 12 83.72 76. atau jika sudah diinput.5 Kotak Dialog One Sample t Test Pengisian: .83 79. Di sini populasi diketahui berdistribusi normal. dipakai uji t untuk dua sampel yang berpasangan (paired). kemudian pilih submenu Compare-Means.83 Penyelesaian: Kasus di atas terdiri atas satu sampel yang akan dipakai dengan nilai populasi hipotesis. Dari serangkaian pilihan test untuk nonparametric.

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

T hitung dari output adalah -5. konsumen mempunyai berat rata-rata 82.189 Sedang statistik tabel dapat dihitung pada tabel t: . 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. Jika Statistik Hitung (angka t output) < Statistik Tabel (tabel t). maka Ho diterima. maka Ho ditolak. Pengambilan Keputusan Dasar Pengambilan Keputusan: a. Output Bagian Kedua (One Sample Test) Hipotesis: Ho = Berat kelompok anak muda tidak berbeda dengan rata-rata berat populasi sebelum minum.3900 kg. Berdasarkan perbandingan t hitung dengan t tabel (dasar pengambilan keputusan sama dengan uji t). Hi = Berat kelompok anak muda berbeda dengan rata-rata berat populasi sebelum.

. Df atau derajat kebebasan adalah n (jumlah data) – 1 atau 12 – 1 = 11.0000 kg = -7.05. Oleh karena probabilitas < 0.8376 kg (bertanda negatif berarti berat sebelum minum obat lebih kecil dari berat kelompok anak muda) sampai upper/batas atas -4. Jika probabilitas < 0. karenanya dipakai uji dua sisi. dapat diketahui pula dari output SPSS yang menyebut adanya Two tailed test.3824 kg. Dari tabel t. maka Ho ditolak.3900 kg – 90. 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 -10.000. Keterangan: Dalam kasus ini dapat juga dinyatakan bahwa • Terdapat perbedaan Mean sebesar 82.Bab 3 Statistik Inferensi • • • Tingkat signifikansi ( ) adalah 5% (lihat input data pada bagian OPTION yang memilih tingkat kepercayaan 95%.6100 kg. Uji dilakukan dua sisi karena akan diketahui apakah rata-rata Sebelum sama dengan Berat Anak Muda ataukah tidak. • Perbedaan sebesar -7.05. b.189 dengan probabilitas 0. Jadi dapat lebih besar atau lebih kecil. Berdasarkan nilai probabilitas • • Jika probabilitas > 0.05.3900 (lihat output SPSS). didapat angka 2. maka Ho diterima. Keputusan: Terlihat bahwa t hitung adalah -5. maka Ho ditolak. Dengan kata lain. Angka ini berasal dari: Berat sebelum minum obat – Berat Kelompok Anak Muda Atau 82. maka dapat disimpulkan berat kelompok anak muda tersebut memang berbeda dengan berat rata-rata populasi sebelum minum obat.2010 Oleh karena t hitung terletak pada daerah Ho ditolak.

No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Tinggi 188.9 67.3 INDEPENDENT SAMPLE T TEST (UJI T UNTUK DUA SAMPEL BEBAS) UJI t Kasus : Seorang peneliti ingin mengetahui apakah ada perbedaan antar Tinggi dan Berat badan seorang pria dan seorang wanita.9 Gender Pria Pria Pria Pria Pria Pria Pria Pria Wanita Wanita Wanita Wanita Wanita Wanita Wanita Wanita .5 159.8 152.7 156.9 170.8 67.7 159.7 54.4 154. Berikut adalah hasilnya (angka dalam centimeter untuk Tinggi dan kilogram untuk Berat).9 65.9 62.8 67.5 Berat 75. Untuk itu.5 158.7 167.6 155.9 68.8 155.7 49.7 155.9 165.7 43.1 45.2 178.8 168. 8 pria dan 8 wanita masingmasing diukur tinggi dan berat badannya.6 43.8 49.5 68.7 157.7 58.Bab 3 Statistik Inferensi 3.7 48.

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

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

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

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

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

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

763 cm. Tinggi Badan . yang juga lebih tinggi dari rata-rata wanita yang hanya 156. Output Bagian Kedua (Independent Sample Test) a.275 kg. Untuk berat badan pria (tanda 1) mempunyai berat rata-rata 68.038 cm. yang jauh di atas ratarata berat badan wanita.Bab 3 Statistik Inferensi Independent Samples Test Analisis: Output Bagian Pertama (Group Statistics) Pada bagian pertama terlihat ringkasan statistik dari kedua sampel. yaitu 49. Sedangkan tinggi rata-rata pria adalah 169.175 kg.

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. analisis menggunakan F test. maka Ho diterima. Jika probabilitas < 0. 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. atau kedua varians benar-benar berbeda.Bab 3 Statistik Inferensi Pertama. Oleh karena probabilitas < 0.05. Jika probabilitas < 0.540 dengan probabilitas 0. maka Ho ditolak. maka Ho ditolak.05.05. Analisis dengan memakai t test untuk asumsi varians tidak sama.05.05. maka Ho ditolak.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). . 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. Hipotesis.

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. . Oleh karena probabilitas > 0.05.005. Jika probabilitas < 0.033 dengan probabilitas 0. • Perhatikan bahwa perubahan dari penggunaan Equal variance assumed ke Equal variance not assumed mengakibatkan menurunnya degree of freedom (derajat kebebasan).874 dengan probabilitas 0.05. yaitu dari 14 menjadi 7. Oleh karena probabilitas < 0. Keputusan • Terlihat bahwa F hitung untuk Berat Badan dengan Equal variance assumed (diasumsi kedua varians adalah sama atau menggunakan pooled variance t test) adalah 1. dalam artian Pria mempunyai rata-rata Tinggi Badan yang lebih dari wanita. analisis menggunakan F test untuk menguji kesamaan varians kedua populasi. Berat Badan Pertama.327. maka Ho diterima. Ho = Kedua varians Populasi adalah identik (varians populasi berat badan pria dan wanita adalah sama) Hi = Kedua varians Populasi adalah tidak identik (varians populasi berat badan pria dan wanita adalah berbeda) Pengambilan Keputusan • • Jika probabilitas > 0.05. atau kedua rata-rata (mean) tinggi badan pria dan wanita benar-benar berbeda. Hipotesis. maka Ho ditolak. atau kedua varians sama.05.602 atau kegagalan mengasumsikan kesamaan varians berakibat keefektifan ukuran sampel menjadi berkurang sekitar 40% lebih! b. maka Ho diterima. maka Ho ditolak.

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

maka sekarang lihat pada kolom ‘95% Confidence Interval of the Difference’ dan baris Equal Variance not assumed. • Pada baris tersebut didapat angka: Lower (perbedaan rata-rata bagian bawah) adalah : 5.900 kg.900 kg .4793 cm sampai 21. Angka ini berasal dari: Rata-rata Berat Badan Pria – Rata-rata Berat Badan Wanita Atau 68. Tinggi Badan Dari output terlihat baris ‘mean difference’ untuk Tinggi Badan adalah 13. langkah selanjutnya adalah mengetahui seberapa besar perbedaan tersebut. Berat Badan Dari output terlihat baris ‘mean difference’ untuk Berat Badan adalah 18.4793 cm Upper (perbedaan rata-rata bagian atas) adalah : 21. dengan perbedaan rata-rata adalah 13. dan diketahui penggunaan Equal variance assumed dan Equal variance not assumed. b. MEAN DIFFERENCE (PERBEDAAN RATA-RATA) TINGGI BADAN Setelah dilakukan uji dengan F test dan t test. a.275 = 18.763 – 156.175 – 49. serta diketahui ada perbedaan yang nyata antara Tinggi dan Berat badan pria dan wanita.725 cm.725 cm Dari F test pada bahasan sebelumnya didapat bahwa uji perbedaan rata-rata dilakukan dengan Equal variance not assumed.038 = 13.725 cm.9707 cm. Angka ini berasal dari: Rata-rata Tinggi Badan Pria – Rata-rata Tinggi Badan Wanita Atau 169.9707 Hal ini berarti perbedaan Tinggi Badan Pria dan Wanita berkisar antara 5.Bab 3 Statistik Inferensi test dengan uji t untuk membandingkan means langsung dilakukan dengan Equal variance assumed.

Dari dua grup tersebut.6804 kg. akan dipakai lagi data kasus di atas.900 kg.4 UJI T DENGAN PENGGUNAAN CUT POINT (TITIK POTONG) Jika pada kasus sebelumnya digunakan dasar pengujian pada gender (pria dan wanita).6804 kg Hal ini berarti perbedaan Tinggi Badan Pria dan Wanita berkisar antara 14. 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. dengan perbedaan rata-rata adalah 18. yaitu suatu angka/data numerik yang berfungsi sebagai ‘batas’. namun digantikan oleh ‘cut point’ atau titik potong. maka sekarang gender tidak digunakan. • Pada baris tersebut didapat angka: Lower (perbedaan rata-rata bagian bawah) adalah : 14.1196 kg Upper (perbedaan rata-rata bagian atas) adalah : 23. 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). No Tinggi Berat Gender .Bab 3 Statistik Inferensi Dari F test pada bahasan sebelumnya didapat bahwa uji perbedaan rata-rata dilakukan dengan Equal variance assumed. akan dilihat apakah mereka berbobot lebih dari 50 kg mempunyai rata-rata Tinggi Badan yang lebih (tinggi) dibandingkan mereka yang berbobot kurang dari 50 kg. yaitu Berat dan Tinggi Badan Pria dan Wanita. Namun di sini data akan dibagi dua grup. Untuk lebih jelasnya. 3.1196 kg sampai 23.

2 178. pilih menu Analyze.7 48. dipakai uji t untuk dua sampel.7 159.9 170. kemudian pilih submenu Compare-Means.7 156.8 67.6 43.6 155.7 43.7 58. Pemasukan data ke SPSS Pemasukan data sama dengan pemasukan data pada kasus sebelumnya (Independent Sample T Test). Pengolahan data dengan SPSS Langkah-langkah: • Dari menu utama SPSS.8 152.7 167. 1.8 49.9 165.4 154.9 67. dan karena sampel sedikit. 2.8 168.5 68.8 155. Di sini populasi diketahui berdistribusi normal.5 158.7 157. yaitu sampel yang mempunyai berat badan di atas 50 kg dan sampel yang mempunyai berat badan di bawah 50 kg.5 159.9 62.5 75.9 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 45.7 54.7 155.7 49. .Bab 3 Statistik Inferensi 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 188.8 67.9 68.9 65.

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

Tampak di layar: Gambar 3. Di sini akan dipakai Cut point. maka klik variabel berat.15 Grouping Variable berat Pengisian grup: klik pada Define Group…. Gambar 3. maka variabel berat berpindah ke Groping Variable.16 Penggunaan Cut point pada Define Groups . 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. Oleh karena variabel pengelompokkan ada pada variabel berat. kemudian klik tanda ‘>’ (yang sebelah bawah). Tampak di layar. maka klik pilihan Cut point.

yang mempunyai tinggi rata-rata 155.633. Ho = Kedua varians Populasi adalah identik (varians populasi berat di atas 50 kg dan berat di bawah 50 kg) . yang mempunyai tinggi rata-rata 167. Tinggi Badan Pertama. analisis menggunakan F test. Output Bagian Kedua (Independent Sample Test) a. Sedangkan untuk sampel dengan berat badan di bawah 50 kg ada 6 orang.Bab 3 Statistik Inferensi OUTPUT SPSS Analisis Output Bagian Pertama (Group Statistics) Pada bagian pertama terlihat ringkasan statistik dari kedua sampel.260 cm. Hipotesis. Untuk sampel dengan berat badan di atas 50 kg ada 10 orang (tidak perlu dirinci pria atau wanita).

05. Hi = Kedua rata-rata Populasi adalah tidak identik (rata-rata populasi berat di atas 50 kg dan berat di bawah 50 kg).05.05. Keputusan • Terlihat bahwa F hitung untuk Tinggi Badan dengan Equal variance assumed (diasumsi kedua varians adalah sama atau menggunakan pooled variance t test) adalah 5.409 dengan probabilitas 0.05. Oleh karena probabilitas < 0. Jika probabilitas < 0.05. maka Ho diterima. maka Ho ditolak. Pengambilan Keputusan • • Jika probabilitas > 0. Keterangan: Berbeda dengan asumsi sebelumnya yang menggunakan varians. 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. Jika probabilitas < 0.036. • 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 diterima. Analisis dengan memakai t test untuk asumsi varians tidak sama. atau kedua varians benar-benar berbeda. Keputusan . sekarang dipakai mean.Bab 3 Statistik Inferensi Hi = Kedua varians Populasi adalah tidak identik (varians populasi berat di atas 50 kg dan berat di bawah 50 kg) Pengambilan Keputusan • • Jika probabilitas > 0. maka Ho ditolak.

2403 Upper (perbedaan rata-rata bagian atas) adalah: 19. didapat angka: Lower (perbedaan rata-rata bagian bawah) adalah: 4.260 – 155. Dengan kata lain. 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. langkah selanjutnya adalah mengetahui seberapa besar perbedaan tersebut. Pada baris tersebut. • Perhatikan bahwa perubahan dari penggunaan Equal variance assumed ke Equal variance not assumed mengakibatkan menurunnya degree of freedom (derajat kebebasan). yaitu dari 14 menjadi 10. maka sekarang lihat pada kolom ‘95% Confidence Interval of the Difference) dan kolom Equal variancel not assumed. Dari output terlihat pada baris ‘mean difference’ untuk Tinggi Badan adalah 11. Angka ini berasal dari: (Rata-rata Tinggi Badan sampel > 50 kg) – (Rata-rata Tinggi Badan sampel < 50 kg) Atau 167. maka Ho ditolak.370 atau kegagalan mengasumsikan kesamaan varians berakibat keefektifan ukuran sampel menjadi berkurang sekitar [(14 – 10.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. Oleh karena probabilitas < 0.490 dengan probabilitas 0.006.633 = 11.0130 . dan diketahui ada perbedaan yang nyata antara Tinggi sampel berbobot lebih dari 50 kg dengan sampel berbobot kurang dari 50 kg.05. atau ada perbedaan yang nyata di antara mereka yang berbobot lebih dari 50 kg dan mereka yang berbobot di bawah 50 kg.627.370)/14]* 100% = 26% MEAN DIFFERENCE (PERBEDAAN RATA-RATA) TINGGI BADAN Setelah dilakukan uji dengan F test dan t test.

Kasus: Seorang peneliti menyajikan data Tinggi dan Berat badan pria dan wanita serta tempat tinggal mereka.627 cm. Dalam hal ini tidak ada inferensi statistik atau uji terhadap suatu hipotesis.5 158.8 168. 3.7 54.8 49.9 170.5 68. 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 188.0130 cm.7 156.9 68.7 167.9 165.8 155.2403 cm sampai 19.7 155.9 67.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 49.8 67.5 MEANS Tujuan pembahasan ini adalah untuk mendapatkan serangkaian statistik deskriptif dari berbagai masukan data.2 178.5 159.6 155. dengan perbedaan rata-rata adalah 11.1 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 .4 154.6 43.9 65.7 43.8 67.7 157.7 58.9 62.8 Berat 75.

otomatis keterangan 1= “desa” tampak sebagai kodifikasi tempat tinggal pertama. Values. 1.7 159. Variabel tinggal Oleh karena ini variabel pertama. dan populasi diketahui berdistribusi normal. Klik kotak kecil di kanan sel. Klik tombol tersebut. ketik desa. maka dipakai Means pada menu COMPARE MEANS untuk mengerjakannya. Oleh karena variable expense akan berisi data rasio. lalu klik ganda sel tersebut. Type. Decimals. dan ketik tinggal. Sesuai kasus. Pemasukan data ke SPSS Langkah-langkah pemasukan sama dengan kasus uji dua sample independent. Penyelesaian: Oleh karena akan diketahui bagaimana statistik deskriptif dari data di atas.Bab 3 Statistik Inferensi 15 16 152.7 48. letakkan pointer di bawah kolom Name. Untuk keseragaman. maka biarkan saja default numerik yang sudah ada. hanya di sini diberi tambahan tempat tinggal seseorang. Sesuai kasus yang merinci tempat tinggal. Untuk keseragaman. Untuk keseragaman. Value Label atau keterangan untuk angka 1 tersebut.9 Wanita Wanita Desa Desa Kasus sama dengan kasus uji dua sample independen. Width. . Gambar Kotak Dialog Value Labels Pengisian: • • Value atau nilai berupa angka yang dimasukkan.5 45. Otomatis tombol Add aktif. tempatkan pointer pada baris 1. ketik 1. • • • • • Name. hanya ditambah satu variabel tempat tinggal. ketik 1. Pilihan ini untuk proses pemberian kode. serta sampel sedikit. ketik 0.

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

maka variabel gender berpindah ke Independent List. kemudian klik tanda ‘>’. Tampak di layar: . Tampak di layar: Gambar 3.18 Dependent dan Independent List yang telah terisi • • Selanjutnya klik Next Kemudian klik variabel tinggal.Bab 3 Statistik Inferensi Pengisian: • Dependent List atau Variabel Tergantung (tidak bebas) yang akan dimasukkan. lalu klik tanda ‘>’. • Independent List atau daftar Variabel Bebas yang akan dimasukkan. Oleh karena itu. Di sini jenis data adalah non-numerik atau tidak mengandung angka. Demikian juga untuk variabel berat. maka variabel tinggi berpindah ke test Variable(s). Di sini jenis data adalah numeric atau mengandung angka. klik variabel gender. Klik variabel tinggi. maka variabel tinggal berpindah ke Independent List sebagai layer kedua. kemudian klik tanda ‘>’.

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

800 1 .275 4 1. 67. Ouput SPSS Report GENDER pria TINGGAL desa Mean N Std.0012 68.5796 75. 163.567 3 6. Deviation Total Mean N Std. Deviation kota Mean N Std.8125 BERAT 66. Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS.725 4 5. Deviation TINGGI 171.833 3 3.6920 .5704 169.0929 188. Tekan Continue jika pengisian dianggap selesai Tekan OK untuk mengakhiri pengisian prosedur analisis.Bab 3 Statistik Inferensi Untuk keseragaman akan dipakai default seperti gambar di atas.763 8 9. sehingga tidak dilakukan perubahan pada options. Deviation kampung Mean N Std.500 1 .175 8 3.

2253 49. Deviation Analisis: Output bagian pertama menghitung apakah semua data telah diproses. Deviation kota Mean N Std.725 16 10.567 3 18.Bab 3 Statistik Inferensi wanita desa Mean N Std.1166 43.657 7 7.4529 58.900 16 9. Deviation Total Mean N Std.400 3 1. Deviation kampung Mean N Std.8541 48.1414 54.0368 163. berarti keenam belas kasus telah diproses.6678 kampung Mean N Std. Deviation Total desa Mean N Std.2828 156.5924 54.167 3 4.037 8 2.5716 156.5332 61.275 8 5. Deviation kota Mean N Std.6274 162.967 3 3.400 3 18.1099 57.600 2 .467 6 10.4078 155. Deviation Total Mean N Std.700 2 .767 6 9. Oleh karena terdapat angka 100%. Deviation 155.6178 166.100 3 2.586 7 5. .9959 160.

Demikian untuk data selanjutnya. Demikian analisis lainnya dapat dilakukan sesuai dengan kebutuhan informasi yang diperlukan. Sebagai contoh. UJI ANOVA . pada baris pertama dapat diartikan ada tiga orang (N = 3) pria yang bertempat tinggal di desa mempunyai rata-rata tinggi badan 171. Berarti data dipecah menjadi Pria yang bertempat tinggal di desa.567 cm dan berat badan 66.Bab 3 Statistik Inferensi Bagian kedua terlihat. terlihat data-data numerik. Sampel tidak berhubungan satu dengan yang lain. Sedang contoh analisis dapat dilakukan seperti: • • Rata-rata berat badan pria (68. yaitu Gender (kode 1 dan 2) serta tempat tinggal sebagai layer kedua. yaitu mengenai tinggi dan berat badan.900). Lihat bagian total paling bawah untuk kolom tinggi. pada bagian baris ada dua layer. Serta wanita yang bertempat tinggal di desa.567 cm) lebih tinggi dari rata-rata orang di desa (163. Pada bagian kolom. Varians dari populasi-populasi tersebut adalah sama. c. kampuig dan kota. 3.833 kg. Asumsi yang digunakan pada pengujian ANOVA: a. kampung dan kota. Rata-rata tinggi badan orang di kampung (166. maka uji F atau ANOVA digunakan untuk pengujian lebih dari dua sampel.6 ONE WAY ANOVA Jika uji t digunakan untuk pengujian dua sampel. b. Lihat bagian total pada kolom berat.275 kg).175 kg) lebih berat dari rata-rata berat badan wanita (49. Populasi-populasi yang akan diuji berdistribusi normal.767 cm) ataupun totlal (182.

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

Pemasukan data ke SPSS Tabel pada kasus di atas harus diubah dalam format berikut ini. dan karena sampel lebih dari dua.Bab 3 Statistik Inferensi Kasus di atas terdiri atas empat sampel yang bebas satu dengan yang lain. Demikian juga untuk waktu dan anggota kelompok shift yang lainnya saling berbeda. Produk 30 35 29 45 57 28 43 39 25 53 44 41 49 35 44 50 35 45 33 37 Shift satu satu satu satu satu satu satu satu satu satu satu satu satu satu dua dua dua dua dua dua . 1. Di sini populasi diketahui berdistribusi normal. dipakai uji ANOVA. yaitu kelompok shift 1 berbeda orang dan waktunya dengan kelompok shift yang lain. jika akan digunakan dalam uji ANOVA dengan SPSS.

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 .

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

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

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

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

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

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.Bab 3 Statistik Inferensi Gambar 3. dengan mengkliknya. tampak di layar.

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

704 3.57 2.29 -3.19 -3.62 -7.704 3.64 3.76 3.19 13.704 .12 -13.64 3.52 -3.64 -2.04 -11.57 -2.704 3.87 -8.336 .37 12.574 1.07 -6.21 2.704 3.704 3.59 -12.80 16.000 -14.704 3.704 3.47 7.57 2.59 12.000 1.47 -6.44 11.26 11.26 -12.94 -7.80 8.704 3.704 3.668 .704 3.94 8.64 6.29 1.574 1.52 -12.80 Upper Bound 5.944 . Error Sig. 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 -4.62 8.29 1.44 -13.04 12.54 6.974 .57 -2.12 11.09 3.64 -2.704 3.90 -16.891 .668 .704 3.64 6.000 1.759 .64 -4.336 .Bab 3 Statistik Inferensi Multiple Comparisons 95% Confidence (I) SHIFT (J) SHIFT Mean Difference (I-J) Std.974 .90 14.40 7.29 -3.704 3.000 1.64 3.07 -6.47 -14.891 .76 -5.23 14.54 -8.000 1.52 .704 3.704 3.40 -7.704 3.21 2.21 -1.000 1.07 4.07 4.000 1.73 -8.000 1.000 .21 -1.19 5.944 .23 -16.704 3.704 3.09 -5.704 3.73 7.000 .704 3.52 13.704 3.704 3.759 1.47 16.80 -6.37 -11.704 3.87 6.19 -11.

dengan asumsi varians keempat sampel adalah sama. maka Ho diterima. Oleh karena probabilitas > 0. Hipotesis. Sebagai contoh adalah deskripsi dari kelompok kerja shift 1: • • • Rata-rata produktivitas adalah 40.05. yaitu apakah keempat sampel mempunyai varians yang sama. rata-rata produk ada pada range 37. maka Ho diterima. Keputusan • Terlihat bahwa Levene Test hitung adalah 2. Output Bagian Ketiga (ANOVA) .43 unit. Uji ANOVA ingin melihat apakah rata-rata keempat sampel berasal dari populasi yang sama. maka Ho ditolak.05 unit.80 unit sampai 43. Demikian untuk data yang lain. Output Bagian Kedua (Test of Homogeneity of variances) Analisis ini bertujuan untuk menguji berlaku tidaknya asumsi untuk ANOVA.05. Jika probabilitas < 0. Dengan tingkat kepercayaan 95% atau signifikansi 5%.05. Produk minimum adalah 25 unit dan maksimum adalah 64 unit.053.727 dengan nilai probabilitas 0. Ho = Keempat varians Populasi adalah identik Hi = Kedua varians Populasi adalah tidak identik Pengambilan Keputusan • • Jika probabilitas > 0. atau keempat varians adalah sama.Bab 3 Statistik Inferensi Analisis: Output Bagian Pertama (Group Statistics) Pada bagian pertama terlihat ringkasan statistik dari keempat sampel.

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

Angka ini berasal dari Mean Shift 1 – Mean Shift 2 atau 39. maka Ho diterima. Pada kolom 95% confidence interval. lihat baris pertama pada hasil uji Tukey-HSD yang menguji perbedaan antara shift 1 dan shift 2. masalah yang akah dibahas adalah mana saja kelompok shift yang berbeda dan mana yang tidak berbeda? Tukey test dan Bonferroni test Sebagai contoh. maka Ho diterima. maka Ho ditolak.50 unit – 43.390. Berdasarkan nilai Probabilitas Berdasarkan nilai probabilitas • • Jika probabilitas > 0.668. • • • Pada kolom Mean Difference atau perbedaan rata-rata diperoleh angka –4. atau tidak ada perbedaan yang nyata antara produktivitas shift 1 dan shift 2.05.Bab 3 Statistik Inferensi Terlihat bahwa F hitung adalah 1. Oleh karena probabilitas > 0.05.21. maka Ho ditolak. Hasil uji signifikansi dengan mudah dapat dilihat pada output dengan ada atau tidaknya tanda ‘*’ pada kolom ‘Mean Difference’. . Oleh karena probabilitas > 0. maka perbedaan tersebut nyata atau signifikan. atau perbedaan Ho ditolak.05. Dengan kata lain. rata-rata produksi keempat shift tersebut tidak berbeda secara nyata. Output Bagian Keempat (Post Hoc Test) Setelah diketahui tidak ada perbedaan yang signifikan di antara keempat kelompok shift. terlihat range perbedaan Mean tersebut berkisar antara –14. maka perbedaan tidak signifikan.71unit. Jika tanda * ada di angka Mean Difference atau perbedaan Rata-rata.05.62 unit. Jika tidak ada tanda *. Uji signifikansi perbedaan Mean antara shift 1 dan shift 2.04 sampai 5.024 dengan probabilitas 0. Jika probabilitas < 0. Keputusan: Terlihat bahwa nilai probabilitas adalah 0.

.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