P. 1
inferensi

inferensi

|Views: 221|Likes:
Published by Chrysia Dwijayati

More info:

Published by: Chrysia Dwijayati on Dec 05, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

11/09/2013

pdf

text

original

Sections

Bab 3 Statistik Inferensi

BAB 3 STATISTIK INFERENSI

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

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

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

Bab 3 Statistik Inferensi

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

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

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

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

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

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

Bab 3 Statistik Inferensi

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

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

Gambar 3.1 Kotak Dialog SPSS Data Editor

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

Bab 3 Statistik Inferensi

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

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

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

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

Bab 3 Statistik Inferensi

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

Gambar 3.2 Kotak Dialog Paired t Test

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

Sebagai default. SPSS menggunakan tingkat kepercayaan 95% atau tingkat signifikansi 100% . tampak di layar: Gambar 3.1 Paired Variables yang telah terisi • Untuk kolom option atau pilihan yang lain. .4 Kotak Dialog Options Pengisian: • Untuk Confidence Interval: atau tingkat kepercayaan. Oleh karena dalam kasus semua pasangan data komplit (tidak ada yang kosong). maka abaikan saja bagian ini (tetap pada default dari SPSS. yaitu Exclude cases analysis by analysis).95% = 5% • Untuk Missing Values atau data yang hilang.Bab 3 Statistik Inferensi Gambar 3. dengan mengkliknya.

kilogram. Sedangkan setelah minum obat. Output SPSS Analisis: Output Bagian Pertama (Group Statistics) Pada bagian pertama terlihat ringkasan statistik dari kedua sampel. Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS.3900. Tekan OK untuk mengakhiri pengisian prosedur analisis. konsumen mempunyai berat rata-rata 82.Bab 3 Statistik Inferensi Tekan Continue jika pengisian dianggap selesai. konsumen mempunyai berat rata-rata 79.8000 . Untuk berat badan sebelum minum obat.

Jadi dapat lebih besar atau lebih kecil. didapat angka 2. 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).05 (lihat nilai signifikansi output yang 0. T hitung dari output adalah 4.Bab 3 Statistik Inferensi Output Bagian Kedua (Paired Samples Correlations) Bagian kedua output adalah hasil korelasi antara kedua variabel. Pengambilan Keputusan Dasar Pengambilan Keputusan: a. Berdasarkan perbandingan t hitung dengan t tabel (dasar pengambilan keputusan sama dengan uji t). Jika Statistik Hitung (angka t output) > Statistik Tabel (tabel t). yang menghasilkan angka 0.924 dengan nilai probabilitas jauh di bawah 0.2010 . Dari tabel t. karenanya dipakai uji dua sisi. Output Bagian Ketiga (Paired Sample Test) Hipotesis. maka Ho diterima. Jika Statistik Hitung (angka t output) < Statistik Tabel (tabel t). Hal ini menyatakan bahwa korelasi antara berat sebelum dan sesudah minum obat adalah sangat erat dan benar-benar berhubungan secara nyata. Perlunya uji dua sisi dapat diketahui pula dari output SPSS yang menyebut adanya Two tailed test.000). maka Ho ditolak. Uji dilakukan dua sisi karena akan diketahui apakah rata-rata Sebelum sama dengan Sesudah ataukah tidak.576 Sedang statistik tabel dapat dihitung pada tabel t: • • • Tingkat signifikansi ( ) adalah 5% (lihat input data pada bagian OPTION yang memilih tingkat kepercayaan 95%. Df atau derajat kebebasan adalah n (jumlah data) – 1 atau 12 – 1 = 11.

5900 kg tersebut mempunyai range antara lower/batas bawah sebesar 1.8357 kg tersebut cukup berarti untuk menyatakan bahwa obat tersebut efektif untuk menurunkan berat badan.3443 kg (bertanda positif berarti berat sebelum minum obat lebih besar dari sesudah minum obat) sampai upper/batas atas 3.576 dengan probabilitas 0.Bab 3 Statistik Inferensi Oleh karena t hitung terletak pada daerah Ho ditolak. maka Ho ditolak. maka Ho diterima. Keterangan: Dalam kasus ini dapat juga dinyatakan bahwa • Terdapat perbedaan Mean sebesar 2. Keputusan: Terlihat bahwa t hitung adalah 4. Berdasarkan nilai probabilitas • • Jika probabilitas > 0.05. Angka ini berasal dari: Berat sebelum minum obat – Berat sesudah minum obat Atau 82.5900 kg dengan range > 0 kg sampai 3.5900 kg. obat penurun berat tersebut efektif dalam menurunkan berat badan. Oleh karena probabilitas < 0.8000 kg = 2. • Perbedaan sebesar 2. Dengan kata lain. b.3900 kg – 79. Pada prinsipnya pengambilan keputusan berdasar t hitung dan t tabel akan selalu menghasilkan kesimpulan yang sama dengan berdasar angka probabilitas.8357 kg. maka Ho ditolak. penggunaan angka probabilitas lebih sering dipakai sebagai dasar pengambilan keputusan inferensi.05.5900 (lihat output SPSS).05. Namun untuk kemudahan dan kepraktisan. Dari uji t terbukti bahwa perbedaan 2.01. maka dapat disimpulkan obat tersebut efektif dalam upaya menurunkan berat badan. . Jika probabilitas < 0.

Bab 3 Statistik Inferensi 3. mempunyai rata-rata berat badan 90 kilogram.50 88.76 73.60 83.76 80.50 88.37 82.53 85.15 79.37 79. Hanya di sini dipakai data Sebelum (berat badan sebelum minum obat).57 75.53 76. Dari kasus tersebut diketahui bahwa populasi rata-rata berat sebelum minum obat adalah 82.65 83.59 77. Sekelompok anak muda setelah ditimbang.57 89.39 (lihat output SPSS sebelumnya).20 77. Kasus: Kasus mempunyai data yang sama dengan data obat pelangsing.20 75.2 ONE SAMPLE T TEST (UJI T UNTUK SATU SAMPEL) UJI t Pengujian satu sampel pada prinsipnya ingin menguji apakah suatu nilai tertentu (yang diberikan sebagai pembanding) berbeda secara nyata ataukah tidak dengan rata-rata sebuah sampel.39 . No 1 2 3 4 5 6 7 8 9 10 Sebelum 80.57 80.95 91. 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).85 Sesudah 79.

langsung ke tahap selanjutnya. Di sini populasi diketahui berdistribusi normal.83 Penyelesaian: Kasus di atas terdiri atas satu sampel yang akan dipakai dengan nilai populasi hipotesis.29 76.83 79. 1. Pemasukan data ke SPSS Langkah-langkah pemasukan data sama dengan pembahasan terdahulu. Dari serangkaian pilihan test untuk nonparametric.Bab 3 Statistik Inferensi 11 12 83. 2. atau jika sudah diinput. dipakai uji t untuk dua sampel yang berpasangan (paired). pilih menu Analyze. sesuai kasus pilih One Samples T test…. yaitu 90 kg.72 76. Pengolahan data dengan SPSS Langkah-langkah: • • Dari menu utama SPSS. Klik pilihan tersebut. kemudian pilih submenu Compare-Means.5 Kotak Dialog One Sample t Test Pengisian: . maka tampak di layar: Gambar 3. dan karena sampel sedikit.

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

Jika Statistik Hitung (angka t output) < Statistik Tabel (tabel t). Hi = Berat kelompok anak muda berbeda dengan rata-rata berat populasi sebelum.189 Sedang statistik tabel dapat dihitung pada tabel t: .3900 kg. T hitung dari output adalah -5. Jika Statistik Hitung (angka t output) > Statistik Tabel (tabel t). 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. konsumen mempunyai berat rata-rata 82.Bab 3 Statistik Inferensi Analisis: Output Bagian Pertama (One-Sample Statistics) Pada bagian pertama terlihat ringkasan statistik dari variabel Sebelum Untuk berat badan sebelum minum obat. maka Ho ditolak. maka Ho diterima. Berdasarkan perbandingan t hitung dengan t tabel (dasar pengambilan keputusan sama dengan uji t).

. maka dapat disimpulkan berat kelompok anak muda tersebut memang berbeda dengan berat rata-rata populasi sebelum minum obat. berat kelompok anak muda tersebut memang berbeda dengan berat rata-rata populasi sebelum minum obat. Df atau derajat kebebasan adalah n (jumlah data) – 1 atau 12 – 1 = 11. Berdasarkan nilai probabilitas • • Jika probabilitas > 0.0000 kg = -7. didapat angka 2.3900 (lihat output SPSS).Bab 3 Statistik Inferensi • • • Tingkat signifikansi ( ) adalah 5% (lihat input data pada bagian OPTION yang memilih tingkat kepercayaan 95%.000. b.3824 kg. Keputusan: Terlihat bahwa t hitung adalah -5. Jika probabilitas < 0.6100 kg tersebut mempunyai range antara lower/batas bawah sebesar -10. dapat diketahui pula dari output SPSS yang menyebut adanya Two tailed test. maka Ho diterima.6100 kg.05.189 dengan probabilitas 0. Angka ini berasal dari: Berat sebelum minum obat – Berat Kelompok Anak Muda Atau 82. Jadi dapat lebih besar atau lebih kecil. maka Ho ditolak.8376 kg (bertanda negatif berarti berat sebelum minum obat lebih kecil dari berat kelompok anak muda) sampai upper/batas atas -4.05. maka Ho ditolak. karenanya dipakai uji dua sisi.2010 Oleh karena t hitung terletak pada daerah Ho ditolak. Keterangan: Dalam kasus ini dapat juga dinyatakan bahwa • Terdapat perbedaan Mean sebesar 82.3900 kg – 90.05. Oleh karena probabilitas < 0. Dengan kata lain. Uji dilakukan dua sisi karena akan diketahui apakah rata-rata Sebelum sama dengan Berat Anak Muda ataukah tidak. Dari tabel t. • Perbedaan sebesar -7.

6 43.9 170.8 67.5 158.7 167.7 157.7 48.7 58.8 49.9 165.3 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. Berikut adalah hasilnya (angka dalam centimeter untuk Tinggi dan kilogram untuk Berat).2 178.7 155.7 43.6 155.8 152.8 155.9 62.9 Gender Pria Pria Pria Pria Pria Pria Pria Pria Wanita Wanita Wanita Wanita Wanita Wanita Wanita Wanita .9 68.Bab 3 Statistik Inferensi 3.5 68.5 Berat 75.7 54.8 67. Untuk itu.5 159.7 156.4 154. No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Tinggi 188.7 49. 8 pria dan 8 wanita masingmasing diukur tinggi dan berat badannya.9 65.7 159.1 45.9 67.8 168.

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

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

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

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

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

95% = 5% • Untuk Missing Values atau data yang hilang. Sebagai default. yaitu Exclude cases analysis by analysis). Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS. SPSS menggunakan tingkat kepercayaan 95% atau tingkat signifikansi 100% . Tekan OK untuk mengakhiri pengisian prosedur analisis. Oleh karena dalam kasus semua pasangan data komplit (tidak ada yang kosong). tampak di layar: Gambar 3.Bab 3 Statistik Inferensi Gambar 3.12 Kotak Dialog Options Pengisian: • Untuk Confidence Interval: atau tingkat kepercayaan. maka abaikan saja bagian ini (tetap pada default dari SPSS. dengan mengkliknya. Output SPSS : . Tekan Continue jika pengisian dianggap selesai.11 Define Groups yang telah terisi • Untuk kolom option atau pilihan yang lain.

Sedangkan tinggi rata-rata pria adalah 169.175 kg. Untuk berat badan pria (tanda 1) mempunyai berat rata-rata 68.275 kg. Tinggi Badan . yaitu 49.Bab 3 Statistik Inferensi Independent Samples Test Analisis: Output Bagian Pertama (Group Statistics) Pada bagian pertama terlihat ringkasan statistik dari kedua sampel. yang jauh di atas ratarata berat badan wanita.038 cm.763 cm. Output Bagian Kedua (Independent Sample Test) a. yang juga lebih tinggi dari rata-rata wanita yang hanya 156.

Oleh karena probabilitas < 0. maka Ho ditolak.05. atau kedua varians benar-benar berbeda. 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. maka Ho ditolak. Analisis dengan memakai t test untuk asumsi varians tidak sama. • Perbedaan yang nyata dari kedua varians membuat penggunaan varians untuk membandingkan Rata-rata populasi dengan t test sebaiknya menggunakan dasar Equal variance not assumed (diasumsi kedua varians tidak sama). Ho = Kedua varians Populasi adalah identik (varians populasi tinggi badan pria dan wanita adalah sama) Hi = Kedua varians Populasi adalah tidak identik (varians populasi tinggi badan pria dan wanita adalah berbeda) Pengambilan Keputusan • • Jika probabilitas > 0.023. maka Ho diterima.540 dengan probabilitas 0. Jika probabilitas < 0.05.Bab 3 Statistik Inferensi Pertama. analisis menggunakan F test. maka Ho ditolak.05. .05. 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 > 0.05. Jika probabilitas < 0. Hipotesis.

033 dengan probabilitas 0. atau kedua rata-rata (mean) tinggi badan pria dan wanita benar-benar berbeda. .602 atau kegagalan mengasumsikan kesamaan varians berakibat keefektifan ukuran sampel menjadi berkurang sekitar 40% lebih! b.05.05. • Perhatikan bahwa perubahan dari penggunaan Equal variance assumed ke Equal variance not assumed mengakibatkan menurunnya degree of freedom (derajat kebebasan). maka Ho ditolak.05. yaitu dari 14 menjadi 7. Oleh karena probabilitas < 0.874 dengan probabilitas 0. Berat Badan Pertama. maka Ho diterima. dalam artian Pria mempunyai rata-rata Tinggi Badan yang lebih dari wanita. Hipotesis. maka Ho ditolak. maka Ho diterima. analisis menggunakan F test untuk menguji kesamaan varians kedua populasi.005.Bab 3 Statistik Inferensi Keputusan • Terlihat bahwa t hitung untuk Tinggi Badan dengan Equal variance not assumed (diasumsi kedua varians tidak sama atau menggunakan separate variance test) adalah 3. atau kedua varians sama. 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. 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. Oleh karena probabilitas > 0.327. Jika probabilitas < 0.

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

serta diketahui ada perbedaan yang nyata antara Tinggi dan Berat badan pria dan wanita.725 cm.900 kg . • Pada baris tersebut didapat angka: Lower (perbedaan rata-rata bagian bawah) adalah : 5. Angka ini berasal dari: Rata-rata Tinggi Badan Pria – Rata-rata Tinggi Badan Wanita Atau 169.275 = 18. b. dengan perbedaan rata-rata adalah 13. MEAN DIFFERENCE (PERBEDAAN RATA-RATA) TINGGI BADAN Setelah dilakukan uji dengan F test dan t test. maka sekarang lihat pada kolom ‘95% Confidence Interval of the Difference’ dan baris Equal Variance not assumed. langkah selanjutnya adalah mengetahui seberapa besar perbedaan tersebut.725 cm. dan diketahui penggunaan Equal variance assumed dan Equal variance not assumed. Berat Badan Dari output terlihat baris ‘mean difference’ untuk Berat Badan adalah 18.4793 cm sampai 21.763 – 156. Tinggi Badan Dari output terlihat baris ‘mean difference’ untuk Tinggi Badan adalah 13.Bab 3 Statistik Inferensi test dengan uji t untuk membandingkan means langsung dilakukan dengan Equal variance assumed.175 – 49. a.9707 Hal ini berarti perbedaan Tinggi Badan Pria dan Wanita berkisar antara 5. Angka ini berasal dari: Rata-rata Berat Badan Pria – Rata-rata Berat Badan Wanita Atau 68.038 = 13.9707 cm.4793 cm Upper (perbedaan rata-rata bagian atas) adalah : 21.725 cm Dari F test pada bahasan sebelumnya didapat bahwa uji perbedaan rata-rata dilakukan dengan Equal variance not assumed.900 kg.

6804 kg. No Tinggi Berat Gender . 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. namun digantikan oleh ‘cut point’ atau titik potong. maka sekarang lihat pada kolom ‘95% Confidence Interval of the Difference’ dan baris Equal Variance assumed. dengan perbedaan rata-rata adalah 18. Untuk lebih jelasnya.1196 kg sampai 23.900 kg.6804 kg Hal ini berarti perbedaan Tinggi Badan Pria dan Wanita berkisar antara 14. akan dipakai lagi data kasus di atas.Bab 3 Statistik Inferensi Dari F test pada bahasan sebelumnya didapat bahwa uji perbedaan rata-rata dilakukan dengan Equal variance assumed. • Pada baris tersebut didapat angka: Lower (perbedaan rata-rata bagian bawah) adalah : 14. Kasus : Seorang peneliti ingin mengetahui apakah ada perbedaan antara mereka yang berbobot lebih dari 50 kg mempunyai Rata-rata Tinggi Badan yang lebih (tinggi) dibandingkan mereka yang berbobot kurang dari 50 kg? Data sama dengan kasus pertama (angka dalam centimeter untuk Tinggi dan kilogram untuk Berat). yaitu suatu angka/data numerik yang berfungsi sebagai ‘batas’. yaitu Berat dan Tinggi Badan Pria dan Wanita. maka sekarang gender tidak digunakan. Namun di sini data akan dibagi dua grup.4 UJI T DENGAN PENGGUNAAN CUT POINT (TITIK POTONG) Jika pada kasus sebelumnya digunakan dasar pengujian pada gender (pria dan wanita). 3.1196 kg Upper (perbedaan rata-rata bagian atas) adalah : 23. akan dilihat apakah mereka berbobot lebih dari 50 kg mempunyai rata-rata Tinggi Badan yang lebih (tinggi) dibandingkan mereka yang berbobot kurang dari 50 kg. Dari dua grup tersebut.

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.8 67. yaitu sampel yang mempunyai berat badan di atas 50 kg dan sampel yang mempunyai berat badan di bawah 50 kg. Pengolahan data dengan SPSS Langkah-langkah: • Dari menu utama SPSS. 1.Bab 3 Statistik Inferensi 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 188.9 68.7 43. Di sini populasi diketahui berdistribusi normal.4 154.8 49.8 67.2 178.6 155. .9 165. kemudian pilih submenu Compare-Means.7 157.7 54.8 152.5 158. dan karena sampel sedikit.1 45.7 156. dipakai uji t untuk dua sampel.9 62.7 48. 2.5 75. Pemasukan data ke SPSS Pemasukan data sama dengan pemasukan data pada kasus sebelumnya (Independent Sample T Test).7 167. pilih menu Analyze.5 68.9 170.8 155.7 49.5 159.7 155.6 43.9 65.7 58.8 168.9 67.7 159.

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

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

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

maka Ho ditolak.05. Keterangan: Berbeda dengan asumsi sebelumnya yang menggunakan varians. Keputusan • Terlihat bahwa F hitung untuk Tinggi Badan dengan Equal variance assumed (diasumsi kedua varians adalah sama atau menggunakan pooled variance t test) adalah 5. Hi = Kedua rata-rata Populasi adalah tidak identik (rata-rata populasi berat di atas 50 kg dan berat di bawah 50 kg).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. Keputusan . Jika probabilitas < 0. atau kedua varians benar-benar berbeda.05.05. maka Ho diterima. Pengambilan Keputusan • • Jika probabilitas > 0. maka Ho diterima. Analisis dengan memakai t test untuk asumsi varians tidak sama.036.409 dengan probabilitas 0. Oleh karena probabilitas < 0. Jika probabilitas < 0.05. • 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). sekarang dipakai mean. maka Ho ditolak.05. 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.

006. yaitu dari 14 menjadi 10. • Perhatikan bahwa perubahan dari penggunaan Equal variance assumed ke Equal variance not assumed mengakibatkan menurunnya degree of freedom (derajat kebebasan). 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. dan diketahui ada perbedaan yang nyata antara Tinggi sampel berbobot lebih dari 50 kg dengan sampel berbobot kurang dari 50 kg. Dengan kata lain.627.370)/14]* 100% = 26% MEAN DIFFERENCE (PERBEDAAN RATA-RATA) TINGGI BADAN Setelah dilakukan uji dengan F test dan t test. Angka ini berasal dari: (Rata-rata Tinggi Badan sampel > 50 kg) – (Rata-rata Tinggi Badan sampel < 50 kg) Atau 167. langkah selanjutnya adalah mengetahui seberapa besar perbedaan tersebut.633 = 11.490 dengan probabilitas 0.260 – 155.0130 .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 3.370 atau kegagalan mengasumsikan kesamaan varians berakibat keefektifan ukuran sampel menjadi berkurang sekitar [(14 – 10. atau ada perbedaan yang nyata di antara mereka yang berbobot lebih dari 50 kg dan mereka yang berbobot di bawah 50 kg. didapat angka: Lower (perbedaan rata-rata bagian bawah) adalah: 4. Pada baris tersebut.2403 Upper (perbedaan rata-rata bagian atas) adalah: 19. maka Ho ditolak.627 Dari F test pada bahasan sebelumnya didapat bahwa uji perbedaan rata-rata dilakukan dengan Equal variancel not assumed.05. Dari output terlihat pada baris ‘mean difference’ untuk Tinggi Badan adalah 11. maka sekarang lihat pada kolom ‘95% Confidence Interval of the Difference) dan kolom Equal variancel not assumed.

8 67.7 167.4 154.5 159.7 157.7 54.9 62.8 Berat 75.9 65.7 58.7 49.2403 cm sampai 19. 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 188.1 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 .7 43.8 67.627 cm. dengan perbedaan rata-rata adalah 11.9 67.9 165.5 MEANS Tujuan pembahasan ini adalah untuk mendapatkan serangkaian statistik deskriptif dari berbagai masukan data.8 49.7 155.9 170.8 168.9 68.Bab 3 Statistik Inferensi Hal ini berarti perbedaan Tinggi Badan mereka yang berbobot lebih dari 50 kg dan kurang dari 50 kg berkisar antara 4.5 68.2 178. 3.6 43.0130 cm. Dalam hal ini tidak ada inferensi statistik atau uji terhadap suatu hipotesis.5 158.7 156. Kasus: Seorang peneliti menyajikan data Tinggi dan Berat badan pria dan wanita serta tempat tinggal mereka.6 155.8 155.

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

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

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

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

Deviation Total Mean N Std.567 3 6. Tekan Continue jika pengisian dianggap selesai Tekan OK untuk mengakhiri pengisian prosedur analisis. Deviation kampung Mean N Std.Bab 3 Statistik Inferensi Untuk keseragaman akan dipakai default seperti gambar di atas.275 4 1.0012 68.500 1 . sehingga tidak dilakukan perubahan pada options.763 8 9.5796 75.8125 BERAT 66. Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS.833 3 3. Ouput SPSS Report GENDER pria TINGGAL desa Mean N Std.175 8 3.6920 .5704 169. Deviation kota Mean N Std. 163.800 1 .725 4 5. Deviation TINGGI 171. 67.0929 188.

567 3 18.4078 155.657 7 7. Deviation Total Mean N Std.5332 61.100 3 2. Deviation kota Mean N Std.8541 48.1099 57. Deviation kampung Mean N Std.037 8 2.900 16 9.4529 58. Deviation kota Mean N Std.167 3 4.6178 166.600 2 . Deviation Total desa Mean N Std.6274 162.586 7 5. Deviation Analisis: Output bagian pertama menghitung apakah semua data telah diproses.400 3 1.400 3 18.2253 49.275 8 5.1414 54.5716 156. berarti keenam belas kasus telah diproses.Bab 3 Statistik Inferensi wanita desa Mean N Std.467 6 10.5924 54. Oleh karena terdapat angka 100%.700 2 .6678 kampung Mean N Std. .9959 160. Deviation Total Mean N Std.767 6 9.967 3 3. Deviation 155.0368 163.725 16 10.1166 43.2828 156.

Rata-rata tinggi badan orang di kampung (166. UJI ANOVA .833 kg. kampung dan kota. Asumsi yang digunakan pada pengujian ANOVA: a. Sampel tidak berhubungan satu dengan yang lain. Lihat bagian total pada kolom berat. Populasi-populasi yang akan diuji berdistribusi normal. Sebagai contoh. Sedang contoh analisis dapat dilakukan seperti: • • Rata-rata berat badan pria (68.Bab 3 Statistik Inferensi Bagian kedua terlihat. maka uji F atau ANOVA digunakan untuk pengujian lebih dari dua sampel.567 cm) lebih tinggi dari rata-rata orang di desa (163. pada bagian baris ada dua layer. Demikian untuk data selanjutnya. kampuig dan kota. Varians dari populasi-populasi tersebut adalah sama. yaitu mengenai tinggi dan berat badan. c.275 kg). Berarti data dipecah menjadi Pria yang bertempat tinggal di desa.6 ONE WAY ANOVA Jika uji t digunakan untuk pengujian dua sampel.175 kg) lebih berat dari rata-rata berat badan wanita (49. Demikian analisis lainnya dapat dilakukan sesuai dengan kebutuhan informasi yang diperlukan. terlihat data-data numerik. 3. b. pada baris pertama dapat diartikan ada tiga orang (N = 3) pria yang bertempat tinggal di desa mempunyai rata-rata tinggi badan 171. Pada bagian kolom. yaitu Gender (kode 1 dan 2) serta tempat tinggal sebagai layer kedua. Serta wanita yang bertempat tinggal di desa. Lihat bagian total paling bawah untuk kolom tinggi.900).767 cm) ataupun totlal (182.567 cm dan berat badan 66.

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

jika akan digunakan dalam uji ANOVA dengan SPSS. 1. Di sini populasi diketahui berdistribusi normal. 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. yaitu kelompok shift 1 berbeda orang dan waktunya dengan kelompok shift yang lain.Bab 3 Statistik Inferensi Kasus di atas terdiri atas empat sampel yang bebas satu dengan yang lain. Demikian juga untuk waktu dan anggota kelompok shift yang lainnya saling berbeda. 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 .

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

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

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

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

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

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. tampak di layar. dengan mengkliknya.

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

336 .40 -7. Error Sig.52 13.26 -12.73 -8.87 6.64 6. Interval Lower Bound Tukey HSD satu dua tiga empat dua satu tiga empat tiga satu dua empat empat satu dua tiga Bonferroni satu dua tiga empat dua satu tiga empat tiga satu dua empat empat satu dua tiga -4.07 4.704 3.09 -5.44 -13.59 12.704 3.704 3.80 16.974 .57 -2.704 3.704 3.974 .704 .704 3.40 7.704 3.62 8.94 -7.704 3.000 1.07 4.704 3.47 -14.54 6.704 3.90 -16.000 1.704 3.64 3.944 .704 3.26 11.336 .574 1.52 -3.21 -1.000 1.76 3.52 .704 3.704 3.73 7.64 -4.891 .668 .12 11.29 -3.80 -6.21 2.64 3.54 -8.704 3.759 .62 -7.64 -2.704 3.47 7.668 .80 Upper Bound 5.64 6.37 -11.Bab 3 Statistik Inferensi Multiple Comparisons 95% Confidence (I) SHIFT (J) SHIFT Mean Difference (I-J) Std.23 14.000 -14.704 3.07 -6.12 -13.704 3.59 -12.29 1.000 .704 3.09 3.37 12.19 -3.574 1.19 -11.52 -12.57 2.76 -5.21 -1.704 3.000 1.759 1.29 1.44 11.57 -2.90 14.64 -2.000 1.87 -8.704 3.04 12.07 -6.704 3.04 -11.64 3.94 8.80 8.000 .47 -6.19 5.944 .891 .21 2.19 13.29 -3.57 2.47 16.23 -16.000 1.000 1.704 3.

rata-rata produk ada pada range 37. Demikian untuk data yang lain. Produk minimum adalah 25 unit dan maksimum adalah 64 unit.727 dengan nilai probabilitas 0. Jika probabilitas < 0.05 unit. Output Bagian Kedua (Test of Homogeneity of variances) Analisis ini bertujuan untuk menguji berlaku tidaknya asumsi untuk ANOVA. Dengan tingkat kepercayaan 95% atau signifikansi 5%. maka Ho diterima.Bab 3 Statistik Inferensi Analisis: Output Bagian Pertama (Group Statistics) Pada bagian pertama terlihat ringkasan statistik dari keempat sampel.05. Oleh karena probabilitas > 0. maka Ho diterima. Output Bagian Ketiga (ANOVA) .05. Keputusan • Terlihat bahwa Levene Test hitung adalah 2. yaitu apakah keempat sampel mempunyai varians yang sama. Uji ANOVA ingin melihat apakah rata-rata keempat sampel berasal dari populasi yang sama.053.05.80 unit sampai 43.43 unit. Ho = Keempat varians Populasi adalah identik Hi = Kedua varians Populasi adalah tidak identik Pengambilan Keputusan • • Jika probabilitas > 0. atau keempat varians adalah sama. maka Ho ditolak. Hipotesis. Sebagai contoh adalah deskripsi dari kelompok kerja shift 1: • • • Rata-rata produktivitas adalah 40. dengan asumsi varians keempat sampel adalah sama.

Numerator adalah (jumlah variabel shift – 1) atau 4 –1 = 3. F hitung dari output adalah 1. Berdasarkan nilai probabilitas • • Jika probabilitas > 0. Pengambilan Keputusan Dasar Pengambilan Keputusan: a. Analisis dengan memakai ANOVA Hipotesis. 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. maka Ho ditolak.05.05.024 Sedang statistik tabel dapat dihitung pada tabel F: • • • • Tingkat signifikansi ( ) adalah 5% (lihat input data pada bagian OPTION yang memilih tingkat kepercayaan 95%. baru dilakukan uji ANOVA (Analysis of Variance) untuk menguji apakah keempat sampel mempunyai rata-rata (Mean) yang sama. Keputusan: . maka Ho diterima. Jika probabilitas < 0.Bab 3 Statistik Inferensi Setelah keempat varians terbukti sama. maka Ho ditolak. Berdasarkan perbandingan F hitung dengan F tabel (dasar pengambilan keputusan sama dengan uji F (ANOVA)). Jika Statistik Hitung (angka F output) < Statistik Tabel (tabel F). Denumerator adalah (jumlah kasus – jumlah variabel shift) atau 56 – 4 = 52 Dari tabel F didapat angka b. maka Ho diterima. Jika Statistik Hitung (angka F output) > Statistik Tabel (tabel F).

maka perbedaan tersebut nyata atau signifikan. Oleh karena probabilitas > 0.05.62 unit. • • • Pada kolom Mean Difference atau perbedaan rata-rata diperoleh angka –4. .Bab 3 Statistik Inferensi Terlihat bahwa F hitung adalah 1.05. maka Ho diterima. Angka ini berasal dari Mean Shift 1 – Mean Shift 2 atau 39. Dengan kata lain. atau perbedaan Ho ditolak.668. terlihat range perbedaan Mean tersebut berkisar antara –14.05. Jika probabilitas < 0. maka Ho ditolak.390. Uji signifikansi perbedaan Mean antara shift 1 dan shift 2. 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. lihat baris pertama pada hasil uji Tukey-HSD yang menguji perbedaan antara shift 1 dan shift 2.04 sampai 5. Hasil uji signifikansi dengan mudah dapat dilihat pada output dengan ada atau tidaknya tanda ‘*’ pada kolom ‘Mean Difference’. Oleh karena probabilitas > 0. Jika tanda * ada di angka Mean Difference atau perbedaan Rata-rata. Jika tidak ada tanda *.024 dengan probabilitas 0. maka Ho diterima. Keputusan: Terlihat bahwa nilai probabilitas adalah 0. Pada kolom 95% confidence interval. maka Ho ditolak. masalah yang akah dibahas adalah mana saja kelompok shift yang berbeda dan mana yang tidak berbeda? Tukey test dan Bonferroni test Sebagai contoh.21. Berdasarkan nilai Probabilitas Berdasarkan nilai probabilitas • • Jika probabilitas > 0. maka perbedaan tidak signifikan. atau tidak ada perbedaan yang nyata antara produktivitas shift 1 dan shift 2.50 unit – 43.71unit.05.

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

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->