STATISTIKA KOMPUTER SPSS

MODUL PRAKTIKUM

STATISTIKA KOMPUTER MATERI :

SPSS (STATISTICAL PRODUCT & SERVICE SOLUTION) Oleh : TIM Lab. Statistik / Lab. Komputer

FAKULTAS KEDOKTERAN UNIVERSITAS SYIAH KUALA DARUSSALAM, BANDA ACEH 2011

KATA PENGANTAR

Alhamdulillahi Rabbil ‘Alamin, puji dan syukur kami panjatkan kehadirat Allah SWT, atas berkah dan rahmat hidayah-Nya sehingga Modul Praktikum SPSS (Statistical Product & Service Solution) ini dapat diselesaikan. Modul praktikum ini berisikan berbagai cara pengolahan data dengan menggunakan perangkat lunak SPSS diantaranya statistika deskriptif, statistika inferensia dan analisis regresi. Terwujudnya modul ini tidak terlepas dari bantuan, dukungan dan bimbingan dari berbagai pihak dalam penulisan laporan ini. Dalam kesempatan ini tim penulis dengan sepenuh hati menyampaikan terima kasih kepada dosen-dosen pengasuh Perkuliahan Statistika atas sumbangan materi yang telah diberikan serta teman-teman lainnya yang telah banyak membantu dalam memberikan dorongan baik moril maupun sumbangan pikiran yang berguna bagi penulis. Demi kesempurnaan masa mendatang, kami selalu membuka diri untuk menerima saran dan kritikan dari semua pihak dan mudah-mudahan modul ini bermanfaat. Banda Aceh,

Nopember 2011

Tim Penyusun

2

DAFTAR ISI Halaman BAB I. LINGKUNGAN DAN MANAGEMEN SPSS 1.1 Pendahuluan........................................................................................... 1.2 SPSS Data Editor................................................................................... 1.2.1 Menu File................................................................................... 1.2.2 Menu Edit................................................................................... 1.2.3 Menu Data.................................................................................. 1.2.4 Menu Transform........................................................................ 1.2.5 Menu View.................................................................................

1 1 5 6 11 12 18 27

BAB II STATISTIKA DESKRIPTIF 2.1 Frequencies........................................................................................... 2.2 Descriptives........................................................................................... 2.3 Uji Kenormalan Data dan Kesamaan Ragam (Variance)...................... 2.4 Crosstab.................................................................................................

30 30 35 40 44

BAB III UJI T 3.1 Uji T untuk Dua Sampel yang Berpasangan.......................................... 3.2 Uji T untuk Satu Sampel........................................................................ 3.3 Uji T untuk Dua Contoh yang Saling Bebas...................................... 3.4 Uji T untuk Membedakan Dua Sampel yang Saling Bebas dengan Menggunakan Cut Point……………………………………………….

57 57 59 60 62

BAB IV ANALISIS RAGAM 4.1 Means..................................................................................................... 4.2 Analisa Ragam Klasifikasi Satu Arah (One Way Anova).....................

64 64 65

BAB V KORELASI DAN REGRESI 5.1 Korelasi Bivariate.................................................................................. 5.2 Uji Korelasi Spearmen dan Kendall………………………………….. 5.3 Korelasi Parsial……………………………………………………….. 5.4 Regresi………………………………………………………………... 5.4.1 Regresi Sederhana……………………………………………… 5.4.2 Regresi Berganda..........................................................................

71 71 73 74 76 76 82

DAFTAR PUSTAKA

84

3

BAB I LINGKUNGAN DAN MANAGEMEN SPSS

1.1 PENDAHULUAN Pada prinsipnya program komputer yang berhubungan dengan pengolahan data dibagi menjadi 3 bagian : 1. Membuat Program Sendiri Perhitungan statistika dapat dilakukan dengan program komputer yang dibuat sendiri misalnya dengan TURBO PASCAL, C++ dll. Meskipun hasilnya sangat memuaskan tetapi hal ini pada saat ini jarang dipakai orang, karena membutuhkan waktu dalam proses pembuatannya. 2. Program Statistika yang merupakan Pelengkap dari Program lain Program statistika yang dibuat tidak ditunjukkan secara khusus untuk tujuan penyelelesaian statistika, tapi merupakan tambahan dari program komputer lain. Contoh, pada Ms. Excel terdapat program untuk membuat garis persamaan regresi untuk menerangkan hubungan antara peubah bebas dengan peubah tak bebasnya. 3. Program Komputer Khusus untuk Statistika Program komputer ini ditujukan khusus untuk penyelesaian pengolahan data statistika, dengan dilengkapi fasilitas untuk penyajian grafik serta pembuatan laporan contoh : SAS, SPSS, MINITAB dll.

1. 2. 3. 4.

Pada saat sekarang SPSS dibagi menjadi 4 bagian besar, yaitu : SPSS BI atau Busines Intelegencia SPSS MR atau Market Riset SPSS Science SPSS Quality

Dalam SPSS BI mempunyai 4 bagian utama: 1. Data Collection, fasilitas pengumpulan data untuk diolah 2. Data Preparation, fasilitas persiapan data untuk pengolahan lebih lanjut 3. Data Data Analysis dan Data Mining, menyediakan berbagai fasilitas untuk menganalisis data 4. Data Deployment, mendistribusikan hasil pengolahan data Masing-masing bagian mempunyai program SPSS khusus dan pada modul ini akan dibahas mengenai data analysis dan data mining yang disebut SPSS BASE. SPSS BASE mencakup semua perhitungan statistika deskriptif dan inferensia, dilengkapi dengan cara penyajian grafik. Karena pada modul ini yang dibahas adalah SPSS BASE maka untuk seterusnya penyebutan SPSS maksudnya adalah SPSS BASE.

4

WINDOWS SPSS Pada SPSS ini terdapat 4 window yaitu: 1. Data Editor Window ini akan terbuka secara otomatis ketika spss dijalankan, window ini berfungsi untuk input data. Menu yang ada pada data editor adalah:  File Menu file berfungsi untuk menangani hal-hal yang berhubungan dengan file seperti: membuka file baru, menyimpan file, mencetak file dll.  Edit Menu edit berkaitan dengan operasi perbaikan ataupun perubahan nilai data.  View Fungsinya untuk mengatur toolbars dan menentukan huruf yang akan dipakai.  Data Menu data berfungsi untuk mengubah data secara keseluruhan seperti: mengurutkan data, menandai data berdasarkan kriteria tertentu, menggabungkan data dll.  Transform Digunakan untuk merubah variabel yang dipilih dengan berdasarkan criteria tertentu.  Analyze Menu analyze merupakan tahapan inti dari SPSS gunanya untuk menganalisis data statistika (uji nonparametrik, time series, regresi, analisis ragam, dll).  Graph Menu graph gunanya untuk menampilkan grafik untuk menunjang analisis data statistika.  Utilities Merupakan menu pendukung yang digunakan untuk: - Memberikan informasi mengenai isi variabel tertentu. - Mengatur penampilan menu-menu yang lain.  Window Menu window digunakan untuk perpindahan dari satu window ke window lainnya.  Help Menu help digunakan untuk memberikan bantuan berupa pemberian informasi yang diperlukan. 2. Window Output Viewer (Viewer) Apabila menu data editor untuk input data, maka window output viewer(VIEWER) adalah untuk menampilkan hasil proses analisis data. Menu pada viewer hamper sama dengan menu editor, pada window viewer ini ada tambahan menu yaitu:  Insert Berfungsi untuk menyisipkan judul, grafik, teks atau objek tertentu dari suatu aplikasi lain.

5



Format Berfungsi untuk merubah tata letak huruf output.

3. Menu Syntax Editor Menu syntax untuk digunakan perhitungan analisis statistika apabila alat yang ingin dipakai tidak tersedia pada menu SPSS. 4. Menu Script Editor Menu script digunakan untuk melakukan kegiatan SPSS secara otomatis, seperti: eksport CHART, penyesuaian bentuk output, dll. 1.2 SPSS DATA EDITOR Data editor mempunyai dua fungsi utama yaitu: 1. Input data yang akan diolah SPSS. 2. Proses data yang telah di input dengan proses statistika tertentu. Pada SPSS terdapat sepuluh menu utama yaitu: FILE, EDIT, VIEW, DATA TRANFORM, ANALYZE, GRAPHS, UTILITIES, WINDOWS, dan HELP. Berikut ini dibahas satu persatu di bagi menjadi beberapa modul. 1.2.1 MENU FILE 1. Membuat Variabel dan Mengisi data Pada SPSS ini terdapat kolom dan baris: ▪ Kolom, pada kolom ini ditandai nama var pada tiap kolomnya, berfungsi untuk diisi variabel tertentu misalkan tinggi badan, gender atau nama responden. ▪ Baris, ditandai 1, 2, dst dipakai untuk mengisi kasus (baris) seperti: budi, tinggi badan, dan gendernya. Contohnya apabila Saudara ingin membuat suatu data dengan variabel nama responden, jenis kelamin dan tinggi badan yang terdiri dari 10 orang responden terdapat dibawah. Tabel 1.1 Tabel Tinggi Badan Responden dengan Gender, Tinggi Badan dan Bidang Pekerjaan (nama file: tinggi_badan.sav) Nomor Nama Gender Tinggi Badan Bidang 1 Iman Perempuan 154 Marketing 2 Lani Perempuan 155 Riset 3 Marni Perempuan 150 Delivery 4 Ujang Pria 164 Produksi 5 Onet Perempuan 145 Administrasi 6 Bush Pria 170 Riset 7 Jaky Pria 171 Marketing 8 Gendut Pria 150 Delivery 9 Jose Pria 167 Produksi 10 Jimy Pria 179 Administrasi 6

a. Membuat variabel  Cara membuat variabel nama: – Klik Variabel View yang ada disebelah kiri bawah dari layar data editor, kemudian pada kolom Name ketik nama. – Pada Type karena nama merupakan karakter maka klik String, untuk keseragaman masukan jumlah karakter 10. – Width ditentukan berdasarkan banyaknya huruf maksimal yang ingin dimasukkan, Width biarkan menggunakan 10, karena tidak pakai desimal kolom Decimals diisi 0. – Pada kolom Label isi nama responden. – Karena nama responden dalah unik maka lewat saja kolom Values, serta karena tidak ada missing maka dibiarkan kolom Missing, untuk kolom Columns berfungsi menentukan lebar kolom pada data view isi 10. – Untuk keseragaman Align dipilih left (rata kiri), dan Measure diisi nominal. 

Cara mengisi variabel gender – Window Variabel View pada kolom name masukkan pada baris kedua gender. – Karena gender ini terdiri dari pria dan perempuan maka untuk menyingkat dalam pengetikan masing-masing dapat diganti dengan 0 dan 1, sehingga pilih pada kolom Type numerik, Width 10 dan Decimals 0. – Biarkan kolom Width berisi 1 dan isi kolom Decimal 0. pada Label untuk keseragaman isi jenis kelamin responden. – Karena 0 mewakili pria dan 1 mewakili perempuan gunakan kolom Value dengan cara klik pada kolomnya, maka akan muncul kotak dialog sebagai berikut:

Gambar 1.1 kotak dialog Value Label. –

–



Pada Value masukan 0, lalu klik pada ruang Value Label pria, selanjutnya klik Add. Masukan lagi pada ruang Value 1 dan pada ruang Value Label perempuan terus klik Add, akhiri dengan klik OK. Biarkan kolom Missing untuk keseragaman pada Columns isi 10, right (rata kanan) pada kolom Align, pada kolom Measure karena gender ditulis 0 dan 1 meskipun datanya nominal maka dianggap scala atau ordinal.

Cara mengisi variabel tinggi badan – Pada kolom Name baris ketiga isi tinggi, disebabkan tinggi badan adalah numerik pada kolom Type pilih numerik untuk keseragaman Width isi dengan 3 dan Decimals dengan 2.

7

– – –



Kolom Width dan Decimals otomatis berisi 3 dan 2, pada kolom Label isi tinggi badan responden. Karena tinggi badan adalah unik serta tidak ada missing maka abaikan kolom Value dan kolom Missing. Pada kolom Columns untuk keseragaman pakai default dari columns yaitu 8, pada kolom Align pilih right, karena data tinggi badan adalah berskala rasio maka pada kolom Measure pilih scala.

Cara membuat variabel bidang – Isi kolom Name dengan bidang. Type dengan numerik, Width dengan 15, Decimals dengan 0 dan Label dengan bidang pekerjaan. – Setelah muncul kotak dialog Value pada ruang Value masukan 1, ruang Value Label diisi riset lalu klik tombol Add, masukan 2 pada ruang Value dan Administrasi pada ruang Value Label, masukan 3 pada ruang Value dan Marketing pada Value Label, masukan 4 pada ruang Value dan produksi pada ruang Value Label dan masukan 5 pada Value dan delivery pada ruang Value Labels. – Abaikan kolom Missing, untuk keseragaman isi kolom Columns dengan 15, kolom Align dengan right dan kolom Measure dengan ordinal.

b. Cara mengisi data – Klik Data View yang ada pada layar sebelah kiri bawah, masukan nama responden pada variabel nama dari 1 sampai dengan 10, jangan lebih dari 10 huruf karena SPSS tidak akan menerima. – Sebelum mengisi kolom gender klik terlebih dahulu menu utama View lalu klik sub menu Value Labels. Setelah ini baru pada kolom gender isi nilai 0 untuk pria dan 1 untuk perempuan secara otomatis 0 akan berubah menjadi pria dan 1 menjadi perempuan. – Isi pada kolom tinggi, nilai dari masing-masing tinggi badan responden jika diisi lebih dari 2 desimal maka SPSS akan membulatkannya menjadi 2 desimal. – Untuk mengisi kolom bidang pastikan dahulu sub menu Value Labels pada menu utama View dalam keadaan aktif lalu isi 1 untuk riset, 2 untuk administrasi dst. Jika pengisian diatas benar maka akan menghasilkan data seperti pada Tabel diatas, simpan hasilnya dengan nama tinggi_badan.sav. 2. Menyimpan Data – Untuk penyimpanan data yang pertama klik menu File, pilih Save As, maka akan muncul kotak dialog Save as pada ruang File Name untuk keseragaman masukan tinggi badan, untuk Type Data pakai ekstensi sav. – Apabila tidak memerlukan nama baru dalam penyimpanan file, pada menu file langsung klik sub menu Save.

8

3. Melihat Atribut/Ciri Data – Buka file tinggi_badan.sav. – Gunakan menu Utilities pilih sub menu File Info akan muncul dilayar.

Penjelasan: Peubah nama memiliki label nama responden, skala data nominal, lebar columns 10, alignment rata kiri(left). A10 menunjukkan type data string dengan panjang maksimal karakter 10. Pada peubah gender dimunculkan label 0 = pria, 1 =

9

perempuan, pada peubah tinggi terdapat F3.2 artinya tipe data numerik, dengan lebar 3 dan decimals 2. - Klik menu Utilities, pilih Variabel….. Maka muncul kotak dialog variabel:

Gambar 1.2 Kotak dialog Variable…. 4. Menyimpan Output Kadang-kadang Saudara perlu untuk menyimpan output yang telah terjadi, oleh karena itu akan ditampilkan contoh dengan menggunakan output diatas. – Pilihlah menu Save As pada menu utama File muncul kotak dialog.

Gambar 1.3 Kotak Dialog Save as –

Pada ruang File name masukan info 1. lalu akhiri proses dengan klik Save. Otomatis info1 tersimpan dengan spo.

5. Mencetak Data Klik menu file, pilih sub menu print akan muncul kotak dialog sbb:

Gambar 1.4 Kotak Dialog Print 10

Penjelasan: Ruang Name berisi jenis printer yang dipakai, pages from 1 to 1 artinya yang di print hanya halaman 1. 6. Keluar dari SPSS Pada menu utama File, klik menu Exit yang berada pada posisi paling bawah.

1.2.2 MENU EDIT Untuk contoh kasus digunakan file tinggi_badan.sav 1. Menghapus baris Misalkan Saudara ingin menghapus Lina yang perempuan dengan tinggi badan 155.00 bidang riset, maka letakkan kursor dan klik pada baris kedua, tampak baris kedua tersorot, lalu klik menu Cut. Klik Undo untuk kembali kekeadaan semula, pilih Redo apabila Undo dibatalkan. 2. Menghapus kolom Pindah ke window Variable View apabila ingin menghapus seluruh data gender, klik baris kedua, lalu pilih menu Clear. 3. Menghapus sel Apabila ingin menghapus nama Bush pada baris 6, klik sel Bush, kemudian klik Cut. 4. Mengganti sel Jose pada baris ke-9 ingin diganti Roby, maka klik sel Jose ketik Roby. 5. Mengkopi sel Apabila nama Mami ada dua dan yang satu ingin diletakkan pada baris 11, klik sel Mami pilih sub menu Copy, letakkan kursor pada baris 11, lalu klik sub manu Paste. 6. Mencari data Pilih sub menu Find, akan muncul dilayar kotak dialog Find. Misalkan ingin mencari kata riset pada peubah Bidang, simpan kursor pada baris pertama peubah bidang, pada ruang find what ketik riset,lalu pilih Find Next untuk memulai pencarian.

Gambar 1.5 Kotak dialog Find Data in Variable 11

1.2.3 MENU DATA Contoh kasus masih menggunakan file data tinggi_badan.sav. 1. Menyisipkan peubah Apabila saudara punya peubah baru dengan nama berat badan ingin disisipkan diantara peubah gender dan tinggi.  Pada window Variabel View letakkan kursor pada peubah tinggi, lalu pada menu utama Edit pilih menu Insert Variable.  Masukkan peubah dan atribut yang ingin dipakai. 2. Menyisipkan baris Apabila Saudara punya data responden baru namanya Rini, gender perempuan, tinggi badan 159 dan bidang pekerjaan marketing, Saudara ingin meletakkannya pada baris kedua.  Klik sel Rini lalu klik menu Insert Case.  Ketikan data Rini pada baris kedua yang telah kosong. 3. Menemukan baris tertentu Pada kenyataannya Saudara sering berhadapan dengan data yang sangat banyak misalkan data yang saudara punyai ada 1000.000 baris dan saudara ingin menemukan data pada baris 900.000 maka pilih menu Go To Case akan muncul kotak dialognya

Gambar 1.6 Kotak Dialog Go To Case Ketik 900.000 dan klik OK maka kursor akan pindah ke baris ke-900.000 4. Memisahkan nilai peubah Misalkan Saudara ingin mengelompokkan data berdasarkan nilai dari peubah gender, pilih menu Split File maka akan muncul kotak dialog.

Gambar 1.7 Kotak Dialog Split File 12

Karena akan memisahkan file dalam group, maka pilih Organize output by groups. Masukkan peubah jenis kelamin responden (gender) ke ruang Groups based on, dengan cara klik peubah jenis kelamin (gender), klik tanda >. Karena nilai peubah Gender masih selang-seling maka klik Sort the file by grouping variables. Akhirnya klik OK akan muncul hasil pada window data editor sbb: Tabel 1.2 Tabel Responden dengan Gender, Tinggi Badan dan Bidang Pekerjaan yang Diurut Berdasarkan Gender.

5. Memilih baris (kasus) dengan kriteria tertentu.  Klik menu Select Cases akan muncul kotak dialog select cases seperti pada gambar 1.8.  Apabila Saudara ingin memilih nama responden yang mempunyai tinggi badan lebih dari 160 maka, pada kotak dialog klik If Condition is satisfied, lalu klik If dan akan muncul kotak dialog seperti pada gambar 1.9.

Gambar 1.8 Kotak Dialog select cases

13

Gambar 1.9 Kotak Dialog select cases:If  

Masukkan tinggi >160 kedalam ruang select cases seperti terlihat pada gambar, klik Continue. Jika Saudara ingin menghapus nama responden yang tinggi badannya kurang dari 160maka pada Unselected Cases Are pilih Deleted. Hasilnya sbb:

 Tabel 1.3 Tabel Responden yang Memiliki Tinggi Badan Lebih Dari 160 (nama file: tinggi sekali.sav)

Simpan hasil diatas dengan nama tinggi_sekali.sav 6. Mengurutkan Data Untuk beberapa kegunaan seringkali Saudara harus mengurutkan data berdasarkan kriteria tertentu. Untuk contoh Saudara ingin mengurutkan data pada file tinggi badan dengan berdasarkan criteria nama responden, maka Saudara harus pilih menu Sort Cases maka muncul kotak sbb:

Gambar 1.10 Kotak Dialog Sort Cases

14

Untuk mengurutkan berdasarkan dari abjad terkecil pada Sort Order pilih Ascending seterusnya tekan OK. 7. Meringkas data secara Aggregate  Pilih menu Data dan klik sub menu Aggregate …,muncul kotak dialog dibawah:

Gambar 1.11 Kotak Dialog Aggregate 

Pada ruang Break variable (s) masukan peubah bidang pekerjaan pada ruang Aggregate variable(s) masukan tinggi responden, lalu klik Function terlihat kotak dialog seperti dibawah

Gambar 1.12 Kotak dialog Aggregate Data: Aggregate Function 

Untuk menghasilkan jumlah tinggi badan Sum of values di klik. Lalu klik Continue outputnya adalah : Tabel 1.4 Tabel output dari hasil meringkas secara aggregate

15

8. Menggabungkan file Penggabungan ini menurut fungsinya dibagi dua: a. Add Cases, ialah penggabungan file dengan peubah yang sama tapi kasusnya berbeda. b. Add Variables, penggabungan dengan kasus yang sama tapi peubahnya berbeda. Penjelasan: a. Add Cases  Letakkan pointer pada sembarang tempat di file tinggi badan.  Dari menu utama Data, kemudian klik pada Merge File dan pada pilihan pilihlah Add cases, akan tampak kotak dialog Add cases 

Gambar 1.13 Kotak dialog Add cases: Read file. 

Pada ruang File name isikan file program yang akan digabungkan, dalam hal ini file yang akan digabungkan adalah file tinggi_badan_1,setelah ditekan Open muncul kotak dialog Add Cases …

16

Gambar 1.14 Kotak dialog Add cases from … 

Karena peubah yang akan digabungkan kebetulan sama maka langsung klik OK. Hasilnya adalah suatu data yang terdiri dari 15 kasus. Simpan hasilnya dengan nama gabung_kasus.sav.

b. Add Variables Andaikan Saudara punya file data bernama berat.sav seperti dibawah dan karena nama responden adalah sama maka Saudara dapat menggabungkan dengan file tinggi badan. Tabel 1.5 Tabel Berat Badan Responden Nomor 1 2 3 4 5 6 7 8 9 10

Nama Lani Marni Ujang Onet Bush Jaky Gendut Jose Jimy Imas

Berat badan 60 51 67 49 66 65 51 68 70 54

Pendidikan Akademi Pasca Sarjana Pasca Sarjana Sarjana Sarjana Pasca Sarjana Akademi Pasca Sarjana Sarjana Sarjana

Data pada file tinggi badan dengan file berat badan mengandung peubah nama dengan urutan yang berbeda, oleh karena itu sebelum digabungkan secara kesamping maka kedua file data harus diurutkan terlebih dahulu berdasarkan nama responden. Misalkan hasil pengurutan file data tinggi badan di simpan pada nama tinggi _badan_1, dan file data berat badan disimpan dengan berat_badan_1.  Simpan kursor pada sembarang tempat pada file data tinggi _badan_1.  Klik menu utama Data, pilih Add Variables pada sub menu Merge File akan tampak kotak dialog seperti dibawah:

17

Gambar 1.15 Kotak dialog Add variables 

Pada ruang File Name masukkan file berat_badan_1, klik Open akan terlihat kotak dibawah:

1.2.4 MENU TRASFORM 1. Compute Perintah Compute dimaksudkan untuk menambah variabel baru dari peubah yang ada, misalkan apabila Saudara beranggapan bahwa orang dengan berat lebih dari 50 yang berpuasa akan turun berat badannya sebanyak 5% maka Saudara ingin membuat peubah baru dari file data berat yang bernama puasa Yang mana puasa = barat*0.95 untuk orang yang beratnya lebih dari 50. - Klik menu Compute yang ada pada menu utama Transform, akan keluar kotak seperti di bawah ini:

Gambar 1.17 Kotak Dialog Compute Variable -

Isi Target Variabel dengan nama puasa, serta Numerik Expresion dengan berat * 0.95, lalu klik If keluarlah kotak di bawah:

18

Gambar1.18 Kotak Dialog Compute Variabel: If Case -

Klik Include If case satisfies condition, lalu pada ruangan If cases masukkan berat>50 selanjutnya tekan Continue, seterusnya OK, hasilnya ada pada tabel di bawah. Simpan dengan nama data puasa.sav. Tabel 1.6 Tabel Penurunan Berat Badan Responden Akibat Melakukan Puasa No 1 2 3 4 5 6 7 8 9 10

Nama Lani Marji Ujang Onet Bush Jaky Gendut Jose Jimy Imas

Berat 60 51 67 49 66 65 51 68 70 54

Didik Akademi Pasca Sarjana Pasca Sarjana Sarjana Sarjana Pasca Sarjana Akademi Pasca Sarjana Sarjana Sarjana

Puasa 57 48.45 63.65 62.7 61.75 48.45 64.6 66.5 51.3

2. Count File data yang akan digunakan untuk contoh adalah tinggi_badan.sav,andaikan Saudara ingin menandai gender pria dan perempuan yang mempunyai tinggi badan di atas 154. - Klik menu Count yang ada pada menu utama Transform akan muncul kotak dialog Count, lalu untuk keseragaman pada ruang Target Variable isi ting_154, pada ruang Label Variable diisi badan pria dan wanita yang lebih dari 154 karena yang diklasifikasikan adalah gender maka pada Numeric Varable masukkan peubah Gender seperti terlihat pada kotak dialog gambar 1.19. - Selanjutnya tekan Defines values munculkan kotak dialog pada Gambar 1.20.

19

Gambar 1.19 Kotak Dialog Count Occurences of Value within Cases

Gambar 1.20 Kotak Dialog untuk Cases Values within Cases Values to Count Pada ruang Value isi 0 yaitu nilai peubah pria. - Klik Continue, selanjutnya klik if terlihat kotak dialog dibawah ini.

Gambar 1.21 Kotak Dialog Untuk Count Oscurencess If Cases -

Untuk mengakhiri proses tekan Continue dilanjutkan dengan klik OK. Akan keluar output berikut ini. Tabel 1.7 Tabel Tinggi Badan yang Lebih Dari 154 Nama Imas Dani Marni Ujang Onet Bush Jaky Gendut Jose Jimy

Gender perempuan perempuan perempuan pria perempuan pria pria pria pria pria

Tinggi 154 155 150 264 145 170 171 150 167 178

Bidang marketing riset delivery produksi administrasi riset marketing delivery produksi administrasi

Ting 154 0 1 1 1 1 1

20

3. Range Cases Range cases digunakan untuk mengurutkan nilai peubah berdasarkan peubah yang lainnya. Untuk contoh apabila saudara menghendaki supaya tinggi badan di urutkan berdasarkan gender. - Setelah klik Rank tampak kotak dialog dibawah ini:

Gambar 1.22 Kotak Dialog Rank Cases

-

Disebabkan yang akan di urutkan tinggi badan masukkan peubah tersebut pada ruang variabel dengan cara sorot dan klik >. Peubah Gender dimasukkan pada ruang by, hal ini karena tinggi badan di urutkan menurut jenis kelamin responden. Untuk keseragaman pada daerah Assign rank 1 to, seleksi Smallest Value supaya tinggi badan di urut dari yang terkecil sampai yang terbesar. Pada tombol Ties, pilih Mean seperti dibawah ini.( Ties bekerja apa bila ada responden yang memiliki tinggi badan yang sama, dengan memilih Means makan akan memunculkan rata – rata dari rank ).

Gambar 1.23 Kotak Dialog Rank:Ties -

Klik tombol Continue dan tutup dengan OK. Simpan hasilnya dengan nama tinggi.sav Tabel 1.8 Mengurutkan Peubah Tinggi Badan Berdasarkan Gender Nama Imas Lani Marni Ujang Onet Bush Jaky Gendut Jose Jimy

Gender perempuan perempuan perempuan pria perempuan pria pria pria pria pria

Tinggi 154 155 156 164 145 170 171 151 167 176

Bidang marketing riset delivery produksi administrasi riset marketing delivery produksi administrasi

rtinggi 3 4 2 2 1 4 5 1 3 6

21

4. Recode a. Kode ulang ditempatkan pada Variabel yang sama. Seandainya Saudara punya File data baru yang namanya umur_baterai.sav. yang terdiri dari 10 masing – masing 5 diproduksi oleh pabrik_A dan pabrik_B, dengan 2 peubah yaitu pabrik dan umur, datanya ada dibawah, dalam pengisian datanya memakai value ( 1 = pabrik_A, dan 2 = pabrik_B) Tabel 1.9 Tabel Data Umur Baterai ( file name_baterai.sav) No 1 2 3 4 5 6 7 8 9 10

Pabrik pabrik A pabrik A pabrik B pabrik B pabrik A pabrik B pabrik A pabrik A pabrik B pabrik B

Umur 20 36 42 43 38 16 35 30 17 25

Saudara ingin supaya data diatas diberi kode yang baru yaitu: 1 untuk baterai dari pabrik A dengan umur di bawah 25 jam. 2 untuk baterai dari pabrik B dengan umur di bawah 25 jam. 3 untuk baterai dari pabrik A dengan umur di bawah 24 jam ( A tahan lama ) 4 untuk baterai dari pabrik B dengan umur di bawah 24 jam ( B tahan lama ) maka untuk tujuan ini dapat digunakan fasilitas Recode -

Klik Into Same Variabel pada sub menu Recode akan ada kotak.

Gambar 1.24 Kotak Dialog Recode Into Same Variables Karena yang akan dirubah kodenya adalah pabrik, maka yang disimpan pada ruang Variabel adalah pabrik. - Tekan if muncul dilayar kotak dialog sebagai berikut:

22

Gambar 1.25 Kotak Dialog untuk Recode into Same Variable : If Cases -

Pilih Include if cases satisfies condition, pada ruangan ini masukkan umur >24 yang akan diberi kode yang baru. Klik Continue, selanjutnya pilihlah tanda New and old Value muncullah kotak.

Gambar 1.26 Kotak Dialog untuk Recode into Same Variable:Old and New Values -

-

Pada ruangan Old Value sisipkan angka 1 dan pada New Value sisipkan 3 yang menandakan umur baterai dari pabrik A yang lebih dari 24 jam di ganti kodenya menjadi 3. lalu tekan tombol Add setelah ada tanda 1->3, masukkan 2 pada ruang Old Value dan 4 pada ruang New Value artinya bahwa umur baterai yang lebih dari 24jam hasil produksi pabrik_B akan diganti kodekan oleh 4. Setelah saudara melihat 2->4 pada ruang Old-Name, tekan Continue. Akhiri proses ini pakai klik OK. Muncul output: Tabel 1.10 Tabel Memberi Kode Pada Peubah yang Sama No 1 2 3 4

pabrik pabrik A pabrik A 4 4

umur 20 16 42 43

23

5 6 7 8 9 10

3 pabrik B 3 3 pabrik B 4

38 16 35 30 17 25

SPSS belum mengganti nilai 3 dan 4 oleh karena itu, saudara klik view variabel yang ada pada pojok kiri bawah. -

Klik kolom Value muncul kotak

Gambar 1.27 Kotak Dialog Value Labels -

Isi ruang Value dengan 3 dan Value Label dengan A_tahan_lama lalu klik Add, isi lagi ruang Value dengan 4 dan ruang Value label dengan B_tahan_lama klik Add. Akhiri dengan OK. Simpan hasilnya dengan nama recode_1.sav.

b. Kode ulang ditempatkan pada variabel yang berbeda contoh kasus seperti diatas akan tetapi saudara ingin bahwa hasil Recode disimpan pada variabel yang berbeda. - Pada Sub menu Recode pilih Into Different variable, kotak dialognya terlihat.

-

Gambar 1.28 Kotak dialog untuk Recode Into Different Variable Didaerah Output Label ada ruang nama dan label, ini ditujukan untuk variabel baru yang ingin di buat untuk keseragaman isilah ruang nama dengan Pabrik_1 lebelnya adalah umur baterai mendetil. Untuk prasyaratnya ketik if muncul 24

Gambar 1.29 Kotak Dialog Recode Into Variabel: If Cases -

Pilih Include if case sitisfied condition, ketik syaratnya yaitu berat >24 lalu klik Continue. Pada kotak dialog terdapat New and Old variable pilihlah, maka muncul kotak dialog di bawah.

Gambar 1.30 Kotak dialog untuk Recode Into Different Variables: Old and New Values -

Pada daerah Old Value masukkan nilai 1 dan pada New Value masukkan nilai 3, klik Add. Terus masukkan pada Old value 2 dan pada New Value 4, lalu klik Add, lalu akhiri proses dengan memilih Continue dan OK. Hasilnya terlihat. Tabel 1.11 Tabel Memberi Kode Pada Peubah yang Berbeda pabrik pabrik A pabrik A pabrik B pabrik B pabrik A pabrik B pabrik A pabrik A pabrik B pabrik B

umur 20 16 42 43 38 16 35 30 17 25

pabrik 1 4 4 3 3 3 4

Kemudian saudara tinggal mengganti 3 dan 4 melalui window View Variable, pada kolom Value, simpan hasulnya pada Recode_2

25

5. Mengeluarkan Angka Acak - Klik perintah Compute, kursor tetap pada file data tinggi_badan.sav. Untuk keseragaman pada Target Variabel masukkan Acak sedangkan pada Numerik Ekpresion. Pilih UNIFORM[1]. - Lalu tombol Type dan Label tekan akan nampak kotak.

Gambar 1.31 Kotak Dialog untuk Compute Variables Type and Labels Pada Label masukkan Angka Acak klik Type numerik pada ruang Type. Lalu tekan tombol Continue dan OK. Simpan hasilnya dengan nama random.sav. 6. Mengubah type variabel Sub menu Categorize Variable dapat di pakai apabila saudara menginginkan perubahan nilai dari variabel diskrit menjadi variabel kontinue. - Klik Categorize Variable, lalu pada ruang Create Variable for masukkan peubah yang akan dilihat nilai diskretnya, dan pada ruang Number of categoric untuk keseragaman masukkan 4 yang artinya bahwa umur baterai akan dibagi 4 bagian, seperti pada kotak dialognya dibawah:

Gambar 1.32 Kotak Dialog Categorize Variable Keterangan hasil : Bagian pertama diberi tanda 1 yang umurnya dibawah nilai quartil kesatu. Bagian kedua diberi tanda 2 yang nilainya diantara nilai quartil 1 dan kuartil 2. Bagian ketiga diberi tanda 3 yang nilainya diantara nilai quartil 2 dan quartil 3. Bagian keempat diberi tanda 4 yang nilainya diatas quartil 3. Simpan hasilnya dengan nama kategoric.sav.

26

1.2.5 MENU VIEW 1. STATUS BAR Status bar ini letaknya di baris seblah bawah kata-kata yang sering muncul adalah SPSS processor is ready yang artinya SPSS siap. apabila view STATUS BAR ini tidak di aktifkan maka garis ini akan hilang. 2. TOOLBARS Menu ini berfungsi untuk menampilkan toolbars pada SPSS apabila Saudara sekarang bekerja pada Data Editor maka toolbarsyang muncul secara otomatis adalah Toolbars Data Editor, toolbars dapat dilihat pada kumpulan icon yang terdapat dibawah menu utama. Jika Saudara mengklik sub menu toolbars maka muncul kotak dialog Toolbars seperti dibawah ini.

Gambar 1.33 Kotak dialog Show Toolbars Keterangan: Document Type: menunjukan jenis toolbars yang sedang aktif (contoh apabila saudara sedang aktif di layar output maka document type menunjukan viewer). Toolbars: berfungsi untuk mengaktifkan (memunculkan) toolbars, andaikan saudara tidak mau mengaktifkan toolbars maka jangan diberi tanda . Show Tooltips : untuk memunculkan atau meniadakan label pada tiap icon yang ada pada toolbars. Cek() untuk memunculkan. Large Bottons: untuk memperbesar atau memperkecil ukuran icon. Cek () untuk memperbesar. New Toolbars : fasilitas untuk membuat Toolbars baru. Caranya: - Klik tombol ini maka tampak kotak dialog pada gambar 3.34. - pada Toolbars names masukkan nama toolbars yang ingin di buat,untuk kesamaan beri nama combro. - Display on the following windows,fungsinya untuk menentukan layar yang ingin di beri toolbars yang Saudara buat. Untuk kesamaan cek () Data Editor dan Viewer supaya Toolbars yang di buat muncul pada layar data Editor dan Output. - Klik Costumize tampak kotak dialognya pada gambar 3.35.

27

Gambar 1.34 kotak dialog untuk toolbars proporties

Gambar 1.35 kotak dialog untuk costumize toolbars -

-

Pada Items terlihat barisan icon, untuk kesamaan pilihlah icon New Data, New Sintax dan New Output. Dengan cara tempatkan cursor pada icon New Data lalu klik kiri (jangan di lepaskan) mouse bawa ke Costumizing Toolbars letakkan dengan cara melepaskan tekanan jari dari mouse (proses ini selanjutnya di sebut DRAG), proses yang sama di lakukan pada icon New Sintax dan New Output. Akhiri dengan OK. Maka toolbars yang Saudara buat tercantum pada layar Output dan data Editor.

COSTUMIZE : untuk merubah (menambah atau mengurangi) icon pada toolbars yang telah tersedia. Caranya: - Tekan tombol Costumize terlihat kotak dialog seperti pada gambar 1.36. - Untuk menambah icon,drag icon yang di perlukan pada ruang Items ke ruang Costumizing Toolbars: Data Editor ,letakkan pada tempat yang di sukai. - Untuk mengurangi icon yang telah ada, DRAG icon pada ruang Costumizing Toolbars: Data Editor ,lepaskan di ruang costumizing ini.

28

-

Gambar 1.36 kotak dialog Costumize Toolbars. Klik OK untuk memunculkan toolbars dengan fasilitas yang saudara kehendaki.

3. FONTS Caranya: - Pada menu utama View klik Font, maka pada latar terlihat kotak dialog sebagai berikut:

Gambar 1.37 Kotak Dialog Fonts Keterangan pada kotak dialg fonts: FONT: untuk memilih jenis huruf yang diinginkan. FONT STYLE : menangani keinginan Saudara mengenai model dari huruf. Regular : jenis huruf atau angka standar. Italic : huruf atau angka miring. Bold : huruf atau angka tebal. Bold Italic : huruf atau angka tebal dan miring. SIZE : menangani perubahan ukuran dari huruf atau angka. 4. GRIDS LINES Apabila View ini tidak diaktifkan maka pada layer Editor tidak akan tampak garis horizontal maupun vertical.Artinya layer Editor akan tampak polos. 5. VALUE LABELS Jika dalam pengisian Gender seperti pada permasalahan di bahasan sebelumnya.Kita mendeklarasikan dahulu dengan 0 untuk pria dan 1 untuk perempuan. Apabila view ini diaktifkan Saudara mengisi 0 otomatis akan diganti dengan pria, dan 1 otomatis digantikan dengan perempuan. 29

BAB II STATISTIK DESKRIPTIF

Statistika dapat dibedakan menjadi dua bagian, yaitu: 1. Statistika Deskriptif Yaitu statistika yang berusaha untuk menjelaskan dan menggambarkan karakteristik data, seperti mencari rata-rata, keragaman data dan lain-lain. 2. Statistika Inferensia Statistika yang berusaha untuk memperlihatkan, meramalkan karakteristik data dari data yang tersedia. Pada modul ini akan dibahas mengenai fasilitas yang terdapat dalam SPSS untuk menghitung data secara deskriptif. Menu Descriptive Statistics pada menu utama Analyze digunakan untuk berbagai keperluan statistika deskriptif, pada menu ini mempunyai berbagai sub menu yaitu: 1) Frequencies Frequencies membahas mengenai penjabaran ukuran statistika deskriptif seperti Mean, Median, Ragam, Kuartil, Persentil, dll. 2) Descriptives Descriptives antara lain berfungsi untuk mengetahui skor z dari suatu distribusi data dan untuk menguji apakah suatu data menyebar normal ataukah tidak. 3) Explore Explore berfungsi untuk memeriksa lebih teliti suatu data. Selain dari alat untuk menguji apakah suatu data menyebar normal ataukah tidak, sub menu ini juga terdapat fasilitas untuk membuat diagram Box-Plot dan diagram Batang Daun (Stem and leaf plot). 4) Crosstabs Crosstabs digunakan untuk menyajikan deskriptif data dalam bentuk tabel silang, yang terdiri atas baris dan kolom. Selain itu juga berisi untuk menguji hubungan antara baris dan kolom (hal ini juga termasuk statistika inferensia). 2.1 Frequencies Misalkan saudara mempunyai file data dengan nama turis.save (cara memasukkan data telah dibahas pada Modul 1), sebagai berikut: Tabel 2.1 Tabel Data Asal No

Nama

1 2 3 4 5 6 7

John Andrew Ibro Stefani William Cecep Marni

Bekal (x100.000) 120 500 2 300 200 5 7

Jenis Turis Asing Asing Domestik Asing Asing Domestik Domestik

30

8 9 10 11 12 13 14 15 16 17 18 19

George Euis Clinton Ety James Dewi Hilary Ratna Chelse Made Carolin Aji

450 10 600 8 325 12 275 11 425 15 475 12

Asing Domestik Asing Domestik Asing Domestik Asing Domestik Asing Domestik Asing Domestik

1. Tabel frekuensi dan statistik deskriptif untuk bekal Saudara ingin mencari rata-rata, ragam, median, dll dari data diatas disertai dengan diagram yang diperlukan. − Klik submenu Frequencies yang terdapat pada menu utama analyze dan menu Descriptive Statistics. Terlihat kotak dialog:

Gambar 2.1 Kotak dialog frequencies − Pada ruang Variable(s) masukkan peubah bekal, lalu klick tombol Statistics, muncul kotak dialog:

Gambar 2.2 Kotak dialog Frequencies : Statistics

31

− Pada ruang Percentile Value untuk keseragaman check (√) Quantiles, dan Percentiles lalu masukkan angka 10 tekan Add, kemudian masukkan 90 lalu klick Add. − Pada ruang dispersion untuk kesamaan check semuanya. − Pada ruang Central Tendency check Mean, Median, dan Mode, terakhir pada ruang Distribution check Skewness dan Kurtosis, akhiri dengan klick tombol Continue. − Klik Chart akan terlihat kotak dialog:

Gambar 2.3 Kotak dialog Frequencies: Chart − Untuk kesamaan pada ruang Chart Type klick Histograms dan pada ruang Chart Value untuk menghasilkan nilai diagram dalam bentuk persen klick Percentages. − Untuk mengurutkan nilai secara dari yang terkecil ke yang terbesar klik Ascending Values pada Format. Dan yang lainnya dibiarkan seperti yang terlihat pada gambar.

Gambar 2.4 Kotak dialog Frequencies: Format Akhiri dengan klick Continue dan OK, maka terlihat outputnya seperti dibawah ini.

32

33

2. Tabel frequensi dan statistika deskriptif untuk peubah jenis turis. - Pilihlah menu utama Analyze, lalu klick Descriptive statistics dan pilih Frequencies, terlihat kotak dialog dibawah:

Gambar 2.5 Kotak dialog Frequencies Sorot peubah jenis turis lalu klick tanda >. Tekan tombol Chart untuk menentukan jenis diagram yang akan dipakai, maka kuncul kotak dialog:

Gambar 2.6 Kotak dialog Frequencies: Chart -

Untuk memilih diagram lingkaran check Pie Chart, lalu supaya muncul nilai dalam bentuk frekuensi check Frequency pada ruang Chart Values. Lalu Continue, tekan tombol Format maka akan kelihatan kotak dialognya seperti dibawah ini

Gambar 2.7 Kotak dialog Frequencies: Format

34

-

-

Supaya peubah jenis turis ini diurut dari yang terbesar yaitu nilai asing (value 2) ditempatkan paling atas dan value 1 (domestik) ditempatkan paling bawah check Descending Values pada ruang Order by. Untuk melihat outputnya klik Continue dan akhiri dengan mengklik OK.

Frequencies Statistics Jenis turis N valid missing

19 0

Jenis Turis

valid

2 orang 1 domestik Total

frequency 10 9 19

percent 52.6 47.4 100.0

valid percent cumulative percent 52.6 52.6 47.4 100.0 100.0

2.2 Descriptives Dalam menampilkan statistika deskriptif bisa juga menggunakan sub menu Descriptives, untuk contoh saudara bisa menggunakan data turis seperti diatas, ikuti langkah-langkah berikut ini:  Pada menu utama Analyze klik Deskriptives Statistics, pilihlah Deskriptives maka terlihat kotak dialognya,

35

Gambar 2.8 Kotak dialog Descriptif. 

Sorotlah peubah bekal, lalu klik >. Tentu saja peubah Jenis turis tidak bisa digunakan untuk contoh karena nilainya adalah nominal.

Gambar 2.9 Kotak dialog Explor 

Klik tombol Statistics, terlihat kotak dialog sebagai berikut:

Gambar 2.10 Kotak dialog Explor :statistic   

Untuk keseragaman chek Descriptives gunakan selang kepercayaan 95% dengan memasukkan nilai ini kedalam Confidence Interval for Mean. Check juga M-estimators, Outlers dan Percentiles. Klik Continue dan seterusnya klik Plots, tampak dilayar:

36

Gambar 2.11 Kotak dialog Explor:Plot 

Pengisiannya sesuai dengan default yaitu untuk Boxplot pilih Factor level together, untuk Descriptive pilih Steam-and-leaf dan untuk Spread vs Level with test chek None Tekan Continue. Tekan OK. Explore Jenis turis Case Processing Summary Cases Valid

bekal dalam rupiah

Missing

Total

jenis turis domestik

N

Percent

N

Percent

N

Percent

9

100.0%

0

.0%

9

100.0%

asing

10

100.0%

0

.0%

10

100.0%

Descriptives bekal dalam rupiah

jenis turis domestik

Statistic Mean 95% Confidence Interval for Mean

9.11 Lower Bound

Std. Error 1.338

6.03

Upper Bound 12.20

5% Trimmed Mean

9.18

Median

10.00

Variance

16.111

Std. Deviation

4.014

Minimum

2

Maximum

15

Range

13

Interquartile Range

asing

6.00

Skewness

-.447

.717

Kurtosis

-.217

1.400

367.00

46.846

Mean 95% Confidence Interval for Mean

Lower Bound

261.03

Upper Bound 472.97

37

5% Trimmed Mean

367.78

Median

375.00 21945.55 6 148.140

Variance Std. Deviation Minimum

120

Maximum

600

Range

480

Interquartile Range

225.00

Skewness

-.165

.687

Kurtosis

-.691

1.334

M-Estimators

bekal dalam rupiah a b c d

Huber's MEstimator(a)

jenis turis domestik asing

Tukey's Biweight(b)

Hampel's MEstimator(c)

Andrews' Wave(d)

9.56

9.96

9.48

9.99

374.00

373.23

368.99

373.19

The weighting constant is 1.339. The weighting constant is 4.685. The weighting constants are 1.700, 3.400, and 8.500 The weighting constant is 1.340*pi.

Percentiles Percentiles Weighted Average(De finition 1)

bekal dalam rupiah

Tukey's Hinges

bekal dalam rupiah

jenis turis domestik asing

5

10

25

50

75

90

2.00 120.0 0

2.00 128.0 0

6.00 256.2 5 7.00 275.0 0

10.00 375.0 0 10.00 375.0 0

12.00 481.2 5 12.00 475.0 0

. 590.0 0

domestik asing

95 . .

Extreme Values(a) bekal dalam rupiah

jenis turis domestik

Case Number Highest

Lowest

asing

Highest

Lowest

Value

1

17

15

2

13

12

3

19

12

4 1 2

15 3 6

11 2 5

3

7

7

4

11

8

1 2 3

10 2 18

600 500 475

4

8

450

5

16

425

1

1

120

38

2

5

200

3

14

275

4

4

300

5

12 325 a The requested number of extreme values exceeds the number of data points. A smaller number of extremes is displayed.

bekal dalam rupiah Stem-and-Leaf Plots

bekal dalam rupiah Stem-and-Leaf Plot for JENIS= domestik Frequency 1.00 3.00 4.00 1.00

Stem & 0 0 1 1

. . . .

Leaf

2 578 0122 5

Stem width: 10 Each leaf: 1 case(s) bekal dalam rupiah Stem-and-Leaf Plot for JENIS= asing Frequency 1.00 2.00 2.00 3.00 1.00 1.00

Stem & 1 2 3 4 5 6

. . . . . .

Leaf

2 07 02 257 0 0

Stem width: Each leaf:

100 1 case(s)

700 600 500 400

bekal dalam rupiah

300 200 100 0 -100 N =

9

10

domestik

asing

jenis turis

39

2.3 Uji Kenormalan Data dan Kesamaan Ragam (Variance) Asumsi Kenormalan data dan kesamaan ragam banyak sekali digunakan terutama untuk pengujian parametric, untuk keperluan ini SPSS menyediakan fasilitasnya. Untuk contoh gunakan data Turis.sav. Andai Saudara ingin menguji kenormalan suatu data masing-masing untuk domestik dan asing. Andaikan pula saudara ingin menguji apakah data domestik dengan data asing mempunyai keragaman yang homogen atau tidak. Langkah-langkahnya dapat dilakukan seperti ini:  Klik sub menu Explore yang ada pada menu Descriptives Statistic dan menu utama Analyze. Pada layer akan muncul kotak dialog Explore:

Gambar 2.12 Kotak dialog Explor   

Karena yang akan diuji kenormalannya dan dicari kesamaan ragamnya adalah peubah bekal, dan berdasarkan jenis turis maka masukan peubah bekal pada ruang Dependent List, peubah jenis turis pada Factor List. Klik OK dan biarkan sesuai dengan Default dari SPSS, dan klik Continue. Klik Plots dilayar pasti tampil kotak:

Gambar 2.13 Kotak dialog Explore: Plots  

Untuk menguji kenormalan data chek Normalilty plots with test, kemudian chek power estimation yang terdapat diruang spread vs level with levene test. Pada ruang Descriptives recheck steam-and-leaf karena saudara tidak akan menampilkan diagram batang daun. Tekan Continue. Tekan OK

40

Explore jenis turis Case Processing Summary Cases Valid bekal dalam rupiah

jenis turis domestik asing

N

Missing

Percent

N

Total

Percent

N

Percent

9

100.0%

0

.0%

9

100.0%

10

100.0%

0

.0%

10

100.0%

Statistic 9.11 6.03

Std. Error 1.338

Descriptives bekal dalam rupiah

jenis turis domestik

asing

Mean 95% Confidence Interval for Mean

Lower Bound Upper Bound

12.20

5% Trimmed Mean Median Variance Std. Deviation Minimum Maximum Range Interquartile Range Skewness Kurtosis Mean 95% Confidence Lower Bound Interval for Mean Upper Bound

9.18 10.00 16.111 4.014 2 15 13 6.00 -.447 -.217 367.00 261.03

.717 1.400 46.846

472.97

5% Trimmed Mean Median Variance

367.78 375.00 21945.55 6 148.140 120 600 480 225.00 -.165 -.691

Std. Deviation Minimum Maximum Range Interquartile Range Skewness Kurtosis

.687 1.334

Tests of Normality Kolmogorov-Smirnov(a) bekal dalam rupiah

jenis turis domestik asing

Statistic

df

Sig.

Shapiro-Wilk Statistic

df

Sig.

.143

9

.200(*)

.973

9

.919

.152

10

.200(*)

.977

10

.950

* This is a lower bound of the true significance. a Lilliefors Significance Correction

41

Test of Homogeneity of Variance Levene Statistic

df1

df2

Sig.

Based on Mean

24.981

1

17

.000

Based on Median

24.674

1

17

.000

Based on Median and with adjusted df

24.674

1

9.019

.001

Based on trimmed mean

24.981

1

17

.000

bekal dalam rupiah Normal Q-Q Plots Normal Q-Q Plot of bekal dalam rupiah For JENIS= domestik 1.5

1.0

.5

Expected Normal

0.0

-.5

-1.0 -1.5 0

2

4

6

8

10

12

14

16

Observed Value

Normal Q-Q Plot of bekal dalam rupiah For JENIS= asing 1.5

1.0

.5

Expected Normal

0.0

-.5

-1.0 -1.5 100

200

300

400

500

600

700

Observed Value

Detrended Normal Q-Q Plots Detrended Normal Q-Q Plot of bekal dalam rup For JENIS= domestik .4

.2

-.0

Dev from Normal

bekal dalam rupiah

-.2

-.4

-.6 0

2

4

6

8

10

12

14

16

Observed Value

42

Detrended Normal Q-Q Plot of bekal dalam rup For JENIS= asing .3 .2 .1

Dev from Normal

0.0 -.1 -.2 -.3 -.4 100

200

300

400

500

600

700

Observed Value

Spread vs. Level Plot of BEKAL By JENIS 6

5

4

Spread

3

2

1 2

3

4

5

6

Level * Plot of LN of Spread vs LN of Level Slope = 1.000 Pow er for transformation = .000

43

2.4 Crosstab Pada bagian ini akan dibahas mengenai kegunaan Crosstab untuk menguji hubungan ketergantungan antara peubah kategorik (peubah nominal). Untuk teladan seumpamanya saudara mempunyai file data asal.sav yang terdiri dari 25 responden, serta 3 peubah yaitu: pekerjaan, asal, dan keadaan badan. Datanya ditampilkan dibawah:

NO 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

Table 2.2 Tabel Data Asal Pekerjaan Asal PNS Jabotabek PNS Luar Jabotabek Petani Jabotabek Petani Jabotabek Wiraswasta Luar Jabotabek Jabotabek PNS Petani Luar Jabotabek PNS Jabotabek Petani Luar Jabotabek Luar Jabotabek PNS Wiraswasta Luar Jabotabek Petani Luar Jabotabek Luar Jabotabek PNS Wiraswasta Jabotabek PNS Jabotabek Petani Luar Jabotabek Luar Jabotabek Petani Jabotabek Petani Jabotabek Petani Wiraswasta Jabotabek Luar Jabotabek Wiraswasta Luar Jabotabek Wiraswasta Wiraswasta Luar Jabotabek Wiraswasta Jabotabek Wiraswasta Jabotabek

Badan Ideal Tidak Ideal Ideal Ideal Tidak Ideal Ideal Ideal Tidak Ideal Tidak Ideal Ideal Tidak Ideal Tidak Ideal Tidak Ideal Tidak Ideal Ideal Ideal Tidak Ideal Ideal Ideal Ideal Ideal Tidak Ideal Tidak Ideal Tidak Ideal Ideal

A. Crosstab untuk uji kesalingtergantungan Crosstab dapat dipakai untuk melihat hubungan antara dua peubah yang nilainya nominal dengan menggunakan antara lain Chi Square. HUBUNGAN ANTARA KERJA DENGAN ASAL Langkah-langkah yang dapat dilalui untuk mencari hubungan antara peubah kerja dengan peubah asal adalah : - buka file data asal sav (petunjuk memasukan data lihat pada modul 1) apabila saudara pada layer data, lanjutkan. 44

-

Klik menu utama Analyze, klik Descriptives Statistics, pilih Crosstab. Akan muncul di layar.

Gambar 2.14 kotak dialog crosstabs -

Sorot peubah Asal lalu tekan tanda > yang berada pada ruang rows(s) ini dimaksudkan untuk menjadikan peubah asal sebagai baris, seterusnya masukan peubah kerja ke ruang columns(s) untuk menjadikan peubah ini sebagai kolom.Untuk kesamaan check Chi-square (untuk melihat hubungan peubah dengan uji chi-square) sedangkan yang lainnya dibiarkan kosong. Tekan Continue.

Gambar 2.15 kotak dialog crosstabs : statistics -

Selanjutnya klik Cells maka di layer akan terlihat kotak dialog sel sebagai berikut:

Gambar 2.16 kotak dialog crosstabs:Cell Display. 45

-

-

Supaya sama pada ruang Counts check Observed, sedangkan pada kolum Percentages untuk mengeluarkan hasil persentase menurut baris, kolom dan total check Row, Column dan Total. Tekan Continue. Supaya pada baris diurutkan dari value yang terbesar ke yang terkecil maka pada kolom Row Order check Descending. Tekan Continue.

Gambar 2.17 kotak dialog crosstabs: Table Format -

Supaya hasilnya keluar tekan OK. Crosstabs

46

MELIHAT HUBUNGAN ANTARA PEUBAH ASAL DENGAN BADAN - Buka file data asal.sav, seandainyas saudara telah berada pada layarnya lanjutkan tahap berikutnya. - Klik menu utama Analyze. Klik Menu Descriptives Statictics. Klik Crosstab. Dilayar pasti muncul kotak dialog Crosstab pada Gambar 2.19. - Pada kotak dialog akan terlihat ada peubah pada ruang Row(s) dan ruang Column(s) bekas proses yang terdahulu, oleh karena itu untuk mengawali lagi klik Reset. - Untuk memasukan peubah Badan pada Row(s) sorot peubah Badan lalu klik > pada kolom Row(s). Masukan pada ruang column(s) peubah Asal.

Gambar 2.18 Kotak dialog Crosstabs -

Klik Statistics dilayar terlihat kotak dialog : Statistics sebagai berikut:

Gambar 2.19 Kotak dialog Crosstabs : Statistics 47

-

-

Untuk mengeluarkan uji chi-square dalam menerangkan hubungan ketergantungan dua peubah check Chi-square. Karena data peubah Asal dan peubah Badab adalah nominal maka klik pada kolom Nominal Contingency, phi and Cramer’s V, lambda dan Uncertianty Cooficient. Untuk mengeluarkan koefisien korelasinya klik Corelation yang ada pada baris paling atas. Tekan OK. Tekan Format maka muncul dilayar:

Gambar 2.20 Kotak dialog Crosstabs: Table Format -

Supaya pada baris diurut dari value yang kecil menuju yang besar dalam hal ini dari ideal menuju tidak ideal. Tekan OK untuk mengeluarkan hasil sebagai berikut.

B. Uji Ketergantungan dengan Multitabel Contoh untuk menguji hubungan kolom dengan baris yang telah dibahas diatas hanya melibatkan dua peubah saja, pada kenyataannya sering sekali Saudara akan menemui kasus untuk menguji dua peubah berdasarkan peubah tertentu, Misalkan pada file data asal.sav. Saudara ingin menguji hubungan antara peubah kerja dengan peubah badan, berdasarkan peubah asal, maka ikutilah langkah-langkah berikut ini: 48



Klik menu utama Analyze. Klik menu Descriptive Statistics. Dan klik Crosstab, dilayar akan terlihat kotak dialog Crosstab:

Gambar 2.21 Kotak dialog Crosstabs 



Tekan Reset untuk memulai pembuatan tabel silang (crosstab). Klik peubah Badan lalu tekan > yang terdapat pada kolom Row(s), dengan langkah yang mirip masukkan peubah kerja kedalam ruang Column(s), akhirnya masukkan peubah badan pada ruang Layer 1 of 1 (disini timbul layar 1 of 1 karena peubah yang tersisa hanya satu yaitu peubah asal). Klik Statistic akan tampil dilayar kotak dialog dari Statistics sebagai berikut:

Gambar 2.22 Kotak dialog Crosstabs: Statistics 

Karena saudara hanya akan menghitung hubungan peubah kerja dengan peubah badan menggunakan uji chi-square saja maka check Chisquare. Tekan Continue

Gambar 2.23 Kotak dialog Crosstabs: Cell Display

49

  

Pada kolom Counts check Observed dan Expected. Untuk kesamaan tampilkan nilai persentase berdasarkan baris dan kolom, maka check Row dan Column pada kolom Percentage. Tekan Continue. Tekan Format, lalu supaya peubah yang menjadi baris diurutkan dari value yang terbesar ke value yang terkecil pilihlah Descending. Klik Continue. Akhiri dengan klik OK.

50

C. Uji Keselarasan Kappa untuk dua peubah (RxR Tabel) Pada SPSS terdapat berbagai macam uji keserasian pada bagian ini hanya akan dibahas mengenai uji Kappa. Pada uji kappa ini diharuskan mempunyai bentuk tabel RxR antara dua peubah. Saudara dapat memakai file data asal.sav yaitu peubah asal dengan peubah kerja. Karena peubah kerja memiliki tiga peubah yang memiliki value 1, 2 dan 3, sedangkan peubah asal hanya memiliki value 1 dan 2. Karena uji keselarasan kappa mengharuskan dua peubah punya value yang sama maka value 3 pada peubah kerja bisa dinonaktifkan terlebih dahulu. Langkah-langkah menonaktifkan value 3 = wiraswasta  Klik menu Select Cases… yang terdapat pada menu utama Data, dilayar tampil kotak dialog Select Cases.

Gambar 2.24 Kotak dialog Select Cases 

Pada kolom Select check if condition satisfied, lalu klik if dilayar tampak kotak dialognya.

51

Gambar 2.25 Kotak dialog Select Cases: if 

Klik peubah Kerja lalu klik >, lalu pada tombol operasi klik ~=, lalu klik 3, untuk menghasilkan output klik Continue dan OK. Maka pada data editor akan terlihat disebelah paling kiri bahwa peubah nama di coret, dan tampak ada peubah baru filter_$ yang nilainya Selected dan nonselected. Yang nonselected maka datanya tidak aktif.

Uji Keselarasan Kappa  Untuk menguji keselarasan Kappa sekarang dapat dilakukan antara peubah Kerja dengan peubah asal,pertama klik Analyze, lalu klik Descriptives Statistics, selanjutna klik Crosstab, tampak kotak dialog dilayar seperti pada Gambar 2.27:

Gambar 2.26 Kotak Dialog Crosstab    

Supaya ruang Row(s) dan ruang Column(s) bersih kembali klik Reset. Klik peubah Kerja, tekan > yang terdapat pada kolom row(s). Klik peubah Asal, tekan > yang terdapat pada kolom Column(s). Klik Statistic lalu tampak dilayar,

52

Gambar 2.27 Kotak Dialog Crosstabs: Statistic  

Karena akan melakukan pengujian dengan uji Kappa maka check Kappa. Tekan Continue. Klik Cell muncul kotak dialognya pada layer,

Gambar 2.28 Kotak dialog Crosstabs: Cell Display  

Pada kotak dialog di atas klik Observed dan pada kolom Percentages klik Total untuk menampilkan persentase secara keseluruhan, yang lainnya dibiarkan jangan di klik. Akhirnya klik Continue. Klik Format akan muncul dilayar kotak dialog sebagai berikut:

Gambar 2.29 Kotak dialog Crosstabs: Table Format 

Pada Row Order check Ascending supaya peubah yang menjadi baris diurutkan menurut valuenya dari yang terkecil ke yang terbesar. Klik Continue. Klik OK.

53

PENGHAPUSAN VARIABEL TAMBAHAN (filter_$) Supaya peubah filter_$ yang ada dapat dihilang maka buka file asal.sav. Sorot kolom peubah tersebut dengan cara meletakkan kursor dan klik pada nama peubah filter_$ sehingga kolom tersebut semuanya tersorot, lalu tekan tombol keyboard Delete. Maka data akan seperti semula. D. Uji Korelasi Untuk Dua Variable yang Mempunyai Nilai Ordinal Pada bahasan sebelumnya telah dibahas mengenai pengujian korelasi dua peubah yang mempunyai nilai, pada bagian ini akan diberikan pembahasan mengenai korelasi dua peubah yang ordinal. Sebagaimana diketahui bahwa tahapan data di atas nominal adalah ordinal, contoh data ordinal adalah tingkat kesukaan responden 1=sangat tisak suka, 2=tidak suka, 3=biasa, 4=suka, dan 5=sangat suka. Untuk contoh Saudara dapat menggunakan file data suka.sav yang dibawah ini,

No. Responden 1. 2. 3. 4. 5.

Tabel 2.3 Tabel Suka.sav Kemasan Volume Suka Suka Sangat suka Suka Biasa Tidak suka Tidak suka Tidak suka Tidak suka Sangat tidak suka 54

6. 7. 8. 9.

Biasa Suka Sangat suka Biasa

Biasa Tidak suka Biasa Sangat tidak suka

Data diatas berisi dua peubah yaitu tingkat kesukaan responden terhadap volume. Untuk mencari korelasinya ikutilah langkah-langkah berikut ini;  Klik menu utama Analyze. Klik menu Descriptive Statistics. Klik Crosstab, terlihat kotak dialog dibawah:

Gambar 2.30 Kotak dialog Crosstabs 



Klik peubah kemasan, kemudian masukkan ke ruang Row(s) dengan cara klik >. Dan klik peubah volume lalu klik > pada kolom Column(s) untuk menjadikan peubah ini menjadi kolom dari tabel crosstab. Klik Statistics dilayar tampak kotak.

Gambar 2.31 Kotak dialog Crosstabs: Statistics 

Untuk menghitung korelasi dengan peubah ordinal check Correlation, pada kolom Ordinal check semuanya yaitu: Gamma, Sommer’d, Kendall’s tau-b dan Kendall’s tau-c.

55

 

Klik Continue untuk kembali ke kotak dialog Crosstab, lalu klik Cell untuk kesamaan pada kolom Count klik Observed. Selanjutnya klik Continue. Klik Format lalu setelah muncul kotak dialog format maka klik Descending supaya value peubah kemasan disusun dari yang value 5 ke value 1. Klik continue lalu OK.

56

BAB III UJI T Uji T digunakan untuk menghitung kesamaan dua populasi dengan menggunakan data contoh yang ada. 3.1 Uji T untuk Dua Sampel yang Berpasangan Dua Sampel yang berpasangan artinya mengukur subjek yang sama akan tetapi subjek tersebut mengalami perlakuan yang berbeda. Contoh: Apabila Saudara mempunyai file data kambing.sav yang terdiri dari dua peubah yaitu sebelum(berat badan kambing sebelum diberi ransum dicampur bahan x) dan sesudah(berat kambing sesudah diberi ransum dicampur bahan x). Datanya ada dibawah Tabel 3.1 Tabel Berat Kambing Sebelum dan Sesudah Diberi Ransum yang Dicampur Bahan x NO Sebelum(kwintal) Sesudah(kwintal) 1 1 1.8 2 1.2 1.3 3 1.3 1.5 1.4 1.4 5 1.1 1.6 6 1.2 1.3 7 1.15 1.6 8 1.12 1.3 9 1.0 1.1 10 1.5 1.6 -

Buka pada data editor file kambing,sav(cara memasukkan data dapat lihat petunjuk pada Modul 1) Klik menu utama Analize lalu klik compare-Means setelah itu akan terlihat beberapa pilihan maka pilihlah Paired-Samples Test maka tampak dilayar kotak dialog Paired-Samples Test pada Gambar 3.1.

Gambar 3.1 Kotak dialog Paired-Samples Test

57

-

-

Selanjutnya sorot dua peubah dengan cara mengklik masing-masing dua peubah tersebut,lalu klik tanda > yang terdapat pada kolom Paired Variable maka otomatis dua peubah berpindah ke ruang Paired Variable. Klik Options muncul pada layar kotak dialognya seperti sebagai berikut,

Gambar 3.2 Kotak dialog Paired-Samples T Test Options -

Maka untuk menggunakan taraf nyata (α) 5% atau dengan kata lain selang kepercayaan adalah (1-α) x 100% = (1-0.05) x 100% = 95% pada ruang Confidence Interval masukkan nilai 95%.Karena tidak ada nilai Missing pilih pada kolom Missing Values defaultnya yaitu Exclude cases analysis by analysis.Akhirnya untuk mengeluarkan hasilnya klik Continue llalu klik OK maka akan keluar hasilnya sebagai berikut:

58

3.2 Uji T untuk Satu Sampel Pengantar Uji t satu sampel adalah pengujian yang dilakukan terhadap data untuk malihat apakah data tersebut rata-ratanya berbeda secara nyata dengan suatu nilai. Contoh kasus: Dari data kambing.sav saudara dapat mengambil peubah sesudah untuk dibandingkan apakah rata-ratanya bisa tidak berbeda nyata dengan 1.4. Langkah-langkah: - Klik menu utama Analyze,lalu pilih Compare-Means,kemudian klik One Sample T test,maka akan muncul kotak dialognya seperti dibawah ini:

Gambar 3.3 Kotak dialog One-Sample T test -

Pada Test Variable(s) isikan peubah sesudah,dan pada Test Value isikan 1.40,lalu tekan Options,akan terlihat kotak dialog:

Gambar 3.4 Kotak dialog One-Sample T test:Options -

Isikan nilai 95 pada Confidence Interval yang menandakan Saudara menguji data diatas dengan selang kepercayaan 95%. Klik Continue dan klik OK.Maka outputnya ada dibawah ini:

59

3.3 Uji T untuk Dua Contoh yang Saling Bebas Pengantar Uji ini dipakai untuk membandingkan suatu peubah dengan subjek peubah yang memiliki hubungan yang saling bebas Contoh kasus: Saudara mempunyai tiga peubah yaitu tinggi tanaman tomat,banyaknya buah dari pohon tomat dan pupuk,saudara menginginkan untuk membandingkan tinggi tanaman dan banyaknya buah yang diberi pupuk 0(value=N) dan diberi pupuk 1(value=K).Datanya terdapat dibawah ini (simpan dengan nama fila tomat.sav). Tabel 3.2 Tinggi dan Banyaknya Tomat yang Dihasilkan Setelah Diberi Pupuk NO Tinggi(cm) Banyaknya(cm) Pupuk 1 25 23 N 2 35 34 N 3 26 23 N 4 34 34 N 5 32 23 N 6 45 45 K 7 43 45 K 8 56 23 K 9 45 45 K 10 54 56 K Langkah-langkah: - Klik menu utama Analyze lalu klik Compare-Means. Lalu pilih Indenpendent Samples T test,maka terlihat pada layar kotak dialog seperti dibawah ini:

60

Gambar 3.5 Kotak dialog Independent-Samples T Test -

Pada Test Variable(s) masukan peubah tinggi dan buah,lalu pada Grouping Variable masukan peubah pupuk.Secara otomatis Define Group akan aktif lalu klik akan tampil pada layar kotak dialognya sebagai berikut:

Gambar 3.6 Kotak dialog Define Groups -

Pada Group 1 masukan nilai 0 pada Group 2 masukan nilai 1,lalu klik Continue. Pilihlah Options lalu pada kolom Confidence Interval biarlah berisi nilai defautnya yaitu 95 lalu klik Continue. Untuk mengeluarkan hasilnya klik OK.Maka muncul hasil seperti dibawah ini

61

3.4 Uji T untuk Membedakan Dua Sampel yang Saling Bebas dengan Menggunakan Cut Point Untuk contoh kasus Saudara dapat menggunakan data diatas tanpa menghiraukan lagi peubah pupuk.Misalkan saudara menginginkan suatu jawaban dari pertanyaan.Apakah ada perbedaan antara rata-rata banyaknya tomat yang dihasilkan oleh pohon tomat dengan tinggi 45 cm keatas dengan 45 cm kebawah.Untuk menjawab pertanyaan ini dapat menggunakan Cut Point nilai 45. Langkah-langkah: - Pada menu utama Analyze pilihlah Compare-Means. Lalu pilih IndependentSamples T test...,maka akan terlihat kotak dialognya seperti pada gambar 3.5. - Lalu pada Test Variable(s) peubah Banyak dan pada Grouping Variable masukan Tinggi sebagai kriteria peubah yang ingin dilihat perbedaannya,secara otomatis tombol Define Group menjadi aktif. - Klik Define Group maka akan muncul kotak dialognya sesperti pada Gambar 3.6.Kemudian check Cut Point dan isikan nilai 45.Klik Continue. - Kllik Options dan biarkan kolom Confidence Interval tetap pada defaultnya yaitu 95.Klik continue. - Untukmengeluarakan hasilnya klik OK.Maka terlihat hasil sebagai berikut:

62

63

BAB IV ANALISIS RAGAM 4.1 Means Means dibahas pada modul ini karena dalam outputnya sering kali diperlukan untuk melengkapi hasil yang dikeluarkan dari analisis ragam. Means ini ditunjukan untuk melihat deskriptif dari suatu data. Untuk ilustrasi saudara dapat memakai lagi tabel dari tomat. Save akan tetapi peubahnya ditambah dengan tempat (tempat pohon tomat ditanam) yang berisi lembang(value=1) cimahi (value=2) dan batujajar (value=3). Tabel 4.1 Data Tinggi dan Banyaknya Buah Tanaman Tomat Setelah Diberi Pupuk N atau K yang dilakukan diberbagai Tempat. No Tinggi (cm) Banyaknya (cm) Pupuk Tempat 1 25 23 N Lembang 2 35 34 N Cimahi 3 26 23 N Batujajar 4 34 34 N Cimahi 5 32 23 N Batujajar 6 45 45 K Lembang 7 43 45 K Cimahi 8 56 23 K Batujajar 9 45 45 K Cimahi 10 54 56 K Lembang Andaikan saja saudara ingin mencari rata-rata (mean), simpangan baku (Standar Deviation) dan persentase dari banyaknya tomat yang dihasilkan dengan berdasarkan pupuk dan tempat. Langkah-langkah:  Buka lembar kerja tomat.save, jika sudah terbuka file ini maka selanjutnya.  Dari menu utama Analyze pilih submenu Compare-Means.  Dari banyak test yang ada pilih Means maka akan terlihat kotak dialog Meansnya:

Gambar 4.1 Kotak dialog Means 

Pada Dependent List masukan peubah yang akan dilihat deskriptifnya yaitu banyak. Lalu pada Independent List masukan pupuk, secara otomatis tombol 64



Next akan menjadi aktif, lalu klik maka ruang Independent List menjadi kosong masukan peubah tempat. Klik Options maka tampil kotak dialognya sebagai berikut:

Gambar 4.2 Kotak dialog Means: Options. 

Masukkan pada Cell Statistic Mean atribut Standar Deviation dan Percent of Total N. Klik Continue dan untuk menampilkan hasilnya klik OK. Means Case Processing Summary

BANYAK * PUPUK * TEMPAT

Cases Included N 10

Percent 100.0%

Excluded N 0

Percent .0%

Total N 10

Percent 100.0%

Report BANYAK

PUPUK k

n

Total

TEMPAT lembang cimahi batujajar Total lembang cimahi batujajar Total lembang cimahi batujajar Total

Mean 50.5000 45.0000 23.0000 42.8000 23.0000 34.0000 23.0000 27.4000 41.3333 39.5000 23.0000 35.1000

Std. Deviation % of Total N 7.77817 20.0% .00000 20.0% . 10.0% 12.04990 50.0% . 10.0% .00000 20.0% .00000 20.0% 6.02495 50.0% 16.80278 30.0% 6.35085 40.0% .00000 30.0% 12.10555 100.0%

4.2 Analisa Ragam Klasifikasi Satu Arah (One Way Anova) Kasus 1. Saudara ingin membandingkan efektivitas waktu belajar, apakah pagi, siang, sore ataukah malam yang paling baik untuk kuliah. Maka diambillah skor nilai tiap mahasiswa yang mempunyai IQ sama, yang mewakili nilai mahasiswa yang belajar pada waktu yang ingin diuji. 65

Datanya terdapat dibawah ini (nama filenya adalah waktu.sav) Tabel 4.2 Skor Nilai Mahasiswa yang Belajar Pada Waktu Pagi Siang, Sore dan Malam No 1 2 3 4 5

Pagi 67 56 78 67 60

Siang 56 57 65 60 62

Sore 45 56 47 48

Malam 46 50 46 48

Untuk dapat diolah dengan menggunakan anova one-way maka data diatas diedit terlebih dahulu menjadi sebagai berikut: Nilai 67 56 78 67 60 56 57 65 60 62 45 56 47 48 46 50 46 48

Waktu pagi pagi pagi pagi pagi siang siang siang siang siang sore sore sore sore malam malam malam malam

Langkah-langkah:  Buka lembar kerja file waktu. Sav, kalau telah terbuka ikuti langkah berikut.  Dari menu utama SPSS pilih menu Analyze, lalu pilih sub menu CompareMeans.  Dari serangkaian uji yang ada pilihlah One-Way Anova maka akan muncul kotak dialognya dilayar.

66

 

Gambar 4.3 Kotak dialog One-Way ANOVA. Pada ruang Dependent List masukkan peubah nilai mahasiswa, dan pada ruang vektor masukkan peubah yang ingin dibandingkan yaitu waktu belajar. Klik Options maka muncul kotak dialog pada layar.

Gambar 4.4 Kotak dialog One-Way ANOVA: Options. 

Pada kolom Statistics untuk kesamaan check Descriptive dan Homogenityof Variance, sedangkan pada kolom Missing Values tetap pada defaultnya yaitu Exclude cases analysis by analysis, lalu klik Continue.

Gambar 4.5 Kotak dialog One-Way ANOVA: Post Hoc Multiple Comparisons.  

Pada kolom Equal Variance Assumed Saudara dapat memilih uji yang paling cocok, untuk kesamaan pilih bonferroni dan tukey, kemudian klik Continue. Untuk melihat hasilnya klik OK. Oneway Descriptives

nilai mahasiswa N

pagi siang sore malam Total

5 5 4 4 18

Mean

65.6000 60.0000 49.0000 47.5000 56.3333

Std. Deviation Std. Error

8.38451 3.67423 4.83046 1.91485 9.20358

3.74967 1.64317 2.41523 .95743 2.16930

95% Confidence Interval for Mean Lower Bound 55.1893 55.4378 41.3137 44.4530 51.7565

Minimum Maximum Upper Bound 76.0107 64.5622 56.6863 50.5470 60.9102

56.00 56.00 45.00 46.00 45.00

78.00 65.00 56.00 50.00 78.00

67

Test of Homogeneity of Variances nilai mahasiswa Levene df1 Statistic 1.796 3

df2

Sig.

14

.194

F

Sig.

3

Mean Square 341.267

11.479

.000

14

29.729

ANOVA nilai mahasiswa Sum of Squares Between 1023.800 Groups Within 416.200 Groups Total 1440.000

df

17

Post Hoc Tests Multiple Comparisons Dependent Variable: nilai mahasiswa

Tukey HSD

(I) waktu belajar pagi

siang

sore

malam

Bonferroni

pagi

siang

sore

malam

Mean Difference (IJ)

Std. Error

Sig.

95% Confidence Interval Lower Bound Upper Bound

(J) waktu belajar siang sore malam pagi sore malam pagi siang malam pagi siang sore siang sore malam pagi sore

5.6000 16.6000 18.1000 -5.6000 11.0000 12.5000 -16.6000 -11.0000 1.5000 -18.1000 -12.5000 -1.5000 5.6000 16.6000 18.1000 -5.6000 11.0000

3.44840 3.65758 3.65758 3.44840 3.65758 3.65758 3.65758 3.65758 3.85542 3.65758 3.65758 3.85542 3.44840 3.65758 3.65758 3.44840 3.65758

.398 .002 .001 .398 .042 .019 .002 .042 .979 .001 .019 .979 .760 .003 .001 .760 .056

-4.4230 5.9690 7.4690 -15.6230 .3690 1.8690 -27.2310 -21.6310 -9.7060 -28.7310 -23.1310 -12.7060 -4.9824 5.3757 6.8757 -16.1824 -.2243

15.6230 27.2310 28.7310 4.4230 21.6310 23.1310 -5.9690 -.3690 12.7060 -7.4690 -1.8690 9.7060 16.1824 27.8243 29.3243 4.9824 22.2243

malam pagi siang malam pagi

12.5000 -16.6000 -11.0000 1.5000 -18.1000

3.65758 3.65758 3.65758 3.85542 3.65758

.025 .003 .056 1.000 .001

1.2757 -27.8243 -22.2243 -10.3314 -29.3243

23.7243 -5.3757 .2243 13.3314 -6.8757

siang sore

-12.5000 -1.5000

3.65758 3.85542

.025 1.000

-23.7243 -13.3314

-1.2757 10.3314

* The mean difference is significant at the .05 level.

Homogeneous Subsets nilai mahasiswa N Tukey HSD

Waktu belajar malam sore siang pagi Sig.

4 4 5 5

Subset for alpha = .05 1 47.5000 49.0000

.976

2

60.0000 65.6000 .446

68

Means for groups in homogeneous subsets are displayed. a. Uses Harmonic Mean Sample Size = 4.444. b. The group sizes are unequal. The harmonic mean of the group sizes is used. Type I error levels are not guaranteed.

Kasus 2 Pada kasus diatas dianggap bahwa faktor yang mempengaruhi nilai adalah waktu kuliah. Andaikan ada dua faktor yang berpengaruh terhadap nilai maka tentu saja disina ingin dilihat pengaruh kedua faktor tersebut secara bersama-sama terhadap nilai yang diperoleh mahasiswa, pada data dibawah ini misalkan saja gender adalah faktor lainnya yang berpengaruh terhadap nilai (nama file nilai. Sav) maka itu dinamakan rancangan faktorial dengan rancangan dasar RAL. Tabel 4.3 Nilai Mahasiswa yang Waktu Belajarnya Pagi, Siang, Sore atau Malam dengan Gender Tertentu. No Pagi Gender Siang Gender Sore Gender Malam Gender 1 67 pria 56 wanita 45 pria 45 wanita 2 56 wanita 57 pria 56 wanita 50 pria 3 78 pria 65 wanita 47 pria 46 wanita 4 67 wanita 60 pria 48 wanita 48 pria 5 60 pria 62 wanita Langkah-langkah:  Untuk mengolah data diatas edit cara penulisan data diatas seperti dibawah ini. (cara memasukkan data dipelajari pada modul 1) nilai waktu gender 67 pagi pria 56 pagi wanita 78 pagi pria 67 pagi wanita 60 pagi pria 56 siang wanita 57 siang pria 65 siang wanita 60 siang pria 62 siang wanita 45 sore pria 56 sore wanita 47 sore pria 48 sore wanita 46 malam wanita 50 malam pria 46 malam wanita 48 malam pria

69



Klik pada menu utama Analyze, dari serangkaian submenu pilih submenu General-Linear Model, lalu pilih Univariate akan tampil pada layar kotak dialog berikut ini:

Gambar 4.6 Kotak dialog Univariat 

Pada Dependent Variable masukan peubah nilai mahasiswa dan pada Fixed Factor(s) masukan faktor Waktu belajar dan Faktor gender, lalu untuk menampilkan hasilnya klik OK. Univariate Analysis of Variance Between-Subjects Factors

waktu belajar

gender mahasiswa

1 2 3 4 0

Value Label pagi siang sore malam pria

N 5 5 4 4 9

1

wanita

9

Tests of Between-Subjects Effects Dependent Variable: nilai mahasiswa Source Type III Sum df of Squares Corrected 1132.333 7 Model Intercept 53361.485 1 WAKTU 934.052 3 GENDER .485 1 WAKTU * 107.433 3 GENDER Error 307.667 10 Total 58562.000 18 Corrected 1440.000 17 Total

Mean Square

F

Sig.

161.762

5.258

.010

53361.485 311.351 .485 35.811

1734.393 10.120 .016 1.164

.000 .002 .903 .371

30.767

a R Squared = .786 (Adjusted R Squared = .637)

70

BAB V KORELASI DAN REGRESI 5.1 Korelasi Bivariate Korelasi adalah hubungan antara dua peubah secara linier. Nilai korelasi terletak pada -1 dan +1, nilai korelasi mendekati -1 artinya bahwa ada hubungan antara dua peubah dan jenis hubungan tersebut adalah berbanding terbalik. Nilai korelasi mendekati 0 artinya tidak ada korelasi antara dua peubah sedangkan jika nilai korelasi mendekati 1 artinya terdapat hubungan yang saling tegak lurus antara dua peubah. Dibawah ini terdapat data dengan nama file : Ogah.sav peubah dibawah ini akan dilihat korelasinya. Tabel 1. Tabel banyaknya PakOgah, Motor, Angkot dan Mobil Pribadi pada Suatu Persimpangan Jalan No PakOgah Motor Angkot Pribadi (jam) (unit) (unit) (unit) 1 12 122 80 120 2 18 236 87 180 3 13 231 89 130 4 14 142 68 141 5 321 70 161 6 18 87 180 7 19 215 67 191 8 16 241 78 161 9 14 212 89 140 Langkah-langkah : - Buka file Ogah.sav pada lembar kerja - Pada menu utama pilih Analyze lalu dari sederetan sub menu pilih Correlate - Pilih Bivariate dengan mengkliknya, nampak dilayar kotak dialognya seperti sebagai berikut ini : -

Gambar 5.1 Kotak Dialog Bivariate Correalations 71

-

-

Masukkan semua peubah pada ruang Variables Pada ruang Correlation Coefisients check Pearson. Karena yang ingin dilihat uji dua arah maka pada kolom Test of Significant pilih Two-tailed. Supaya pada outputnya terdapat tanda *) untuk peubah yang berkorelasi pada taraf nyata 5% dan **) untuk peubah yang berkorelasi pada ataraf 1%, maka check Flag Significant Correlations. Klik Options maka terlihat pada layer kotak dialog Options.

Gambar 5.2 Kotak Dialog Bivariate Correalations : Options -

-

Untuk kesamaan kosongkan kolom Statistics, pada kolom Missing Values, pilih Exclude Cases Pairwise supaya hanya data yang berpasangan dengan data yang hilang saja yang tidak dipakai untuk melihat hasil korelasi. Klik Continue. Klik OK. Correlations Banyak pak Ogah PAKOGAHbany ak Pak Ogah

1

1.000**

.182

.674

.000

8

7

8

8

Pearson Correlation

.570

1

.007

.494

Sig. (2-t ailed)

.182

.987

.214

Sig. (2-t ailed)

7

8

8

8

Pearson Correlation

-.178

.007

1

-.208

Sig. (2-t ailed)

.674

.987

8

8

9

9

1.000**

.494

-.208

1

.000

.214

.592

8

8

9

N PRIBADIbanyak mobil p ribadi

Banyak Mobil Pribadi

-.178

N ANGKOTbanyak angkot

Banyak Angkot

.570

Pearson Correlation N

M OTOR banyak sep eda motor

Banyak Sep eda motor

Pearson Correlation Sig. (2-t ailed) N

.592

9

**. Correlat ion is significant at the 0.01 level (2-tailed).

72

5.2 Uji Korelasi Spearmen dan Kendall Berbeda dengan uji pearson diatas uji korelasi Spearmen dan Kendall digunakan untuk menguji data yang bentuk skalanya biasa berskala ordinal, untuk korelasi Tau-Kendall simbolnya adalah π sedangkan untuk korelasi spearman adalah r. Untuk teladan misalkan Saudara mempunyai data dengan nama file calon.sav, data tersebut merupakan cara untuk menyeleksi mahasiswa yang akan diterima oleh suatu perguruan tinggi swasta. Datanya mempunyai tiga peubah yaitu IQ (yang merupakan hasil dari test IQ calon mahasiswa), Psikotes dan nilai (nilai ujian materi calon mahasiswa), datanya terletak di bawah ini : Tabel 5. 2 Tabel IQ calon mahasiswa, Hasil psikotes dan Nilai ujian materi calon Mahasiswa pada suatu perguruan tinggi swasta No IQ Psikotes Nilai 1 110 90 80 2 115 95 85 3 90 90 86 4 105 93 90 5 106 95 80 6 120 100 100 7 111 85 63 8 115 93 92 9 110 90 54 10 115 75 86 11 105 80 90 12 120 100 100 13 105 90 89 14 100 89 76 15 95 70 83 Langkah-langkah : - Buka data pada calon.sav pada lembar kerja datasheet SPSS - Klik pada menu utama Analyse lalu pilih Correlate, lalu klik Bivariate….maka tampak dilayar kotak dialognya sebagai berikut :

73

-

Gambar 5.3 Kotak dialog Bivariate Correlations Pada kolom Variable masukan peubah IQ, psikotes dan nilai (cara memasukkan peubah telah dipelajari pada modul sebelumnya). Pada kolom Correlation Coefficients Check Kendall’s tau-b dan Spearmen. Untuk menggunakan uji dua arah pada kolom Test of Significance klik Twotailed. Supaya hasilnya diberi tanda *) untuk dua peubah yang berkorelasi pada taraf 0.05 dan **) untuk dua peubah yang berkorelasi pada taraf nyata 0,01 check Flag Significant Correlations. Kemudian klik Options akan muncul kotak dialognya.

Gambar 5.4 Kotak dialog Bivariate Correlations: Options -

Karena tidak ada data missing maka pada kolom Missing Values klik Exclude cases pairwise. Klik Continue dan untuk melihat hasilnya klik OK. Nonparametric Correlations

74

Correlations

Kendall's tau_b

IQhasi l tes t IQ PSIKOTES ps ikotes di PT

Correlation Coefficient Sig. (2-tailed) N Correlation Coefficient Sig. (2-tailed) N

Spearm an's rho

IQ has il tes t IQ 1.000 . 15 .415* .042

PSIKOTES ps ikotes di PT .415* .042 15 1.000 .

NILAI Nilai Uj ian .253 .209 15 .355 .077

15

15

15

NILAI Nilai Uj ian

Correlation Coefficient Sig. (2-tailed) N

.253 .209

.355 .077

1.000 .

IQhasi l tes t IQ

Correlation Coefficient Sig. (2-tailed) N Correlation Coefficient Sig. (2-tailed)

1.000 . 15 .529*

PSIKOTES ps ikotes di PT

N NILAI Nilai Uj ian

Correlation Coefficient Sig. (2-tailed) N

15

15 .529* .043 15 1.000

15 .344 .209 15 .442

.043

.

15

15

.099 15

.344 .209

.442 .099

1.000 .

15

15

15

*. Correlation is s ignificant at the 0.05 level (2-tailed).

5.3 Korelasi Parsial Korelasi parsial adalah menghitung dua hubungan peubah memperhatikan pengaruh dari adanya peubah lain yang dinamakan peubah kontrol. Misalkan untuk contoh penggunaan, Saudara dapat memakai data calon.sav diatas. Langkah-langkah : - Buka file data calon.sav pada lembar kerja datasheet SPSS. - Pada menu utama Analyze pilih Correlate dan klilk Partial…maka muncul kotak dialog pada Gambar 5.5. - Masukkan peubah psikotes dan peubah nilai yang akan dicari hubungannya ke kolom Variable. - Masukkan peubah IQ ke kolom Controlling for. - Karena ditentukan ini adalah uji dua arah maka pada kolom Test of Significance klik Two-tailed. - Check kotak Display actual significant level.

75

Gambar 5.5 Kotak dialog Partial Correlations -

Klik Options maka muncul kotak dialog Options sebagai berikut :

Gambar 5.6 Kotak dialog Partial Correlations : Options -

-

Supaya muncul hasil korelasi antara dua peubah tanpa dimasukkan peubah kontrolnya check pada kolom Statistics Zero-order correlations, selanjutnya pada kolom Missing Values untuk kesamaan klik Exclude cases listwise. Untuk mendapatkan hasilnya klik Continue dan kemudian klik OK. Correlations Control Variables -none-a

Ps ikotes Ps ikotes

Correlat ion

.447

.

.343

.095

0

13

13

Correlat ion

.263

1.000

.222

Significance (2-tailed)

.343

.

.427

13

0

13

Correlat ion

.447

.222

1.000

Significance (2-tailed)

.095

.427

.

13

13

0

1.000

.188

.

.519

df

df IQ

df IQ

Ps ikotes

Correlat ion Significance (2-tailed) df

Nilai

0

12

Correlat ion

.188

1.000

Significance (2-tailed)

.519

.

12

0

df IQ

IQ

.263

Significance (2-tailed) Nilai

Nilai

1.000

Correlat ion Significance (2-tailed) df

a. Cells contain zero-order (Pearson) correlations.

5. 4 Regresi 5. 4. 1 Regresi Sederhana Regresi digunakan untuk melihat hubungan antara peubah bebas dengan peubah tak bebasnya, hubungan tersebut terjadi dalam bentuk persamaan. Sebagai contoh dibawah ini terdapat data dengan nama file : mobil.sav yang terdiri dari dua peubah yaitu : Daerah penjualan mobil (Daerah), banyaknya mobil yang terjual (Jual), biaya iklan yang dikeluarkan (iklan) dan banyaknya mobil yang disebarkan (distribusi). Datanya terdapat di bawah ini : 76

Tabel 5. 3 Tabel Daerah Penjualan Mobil, Banyaknya Mobil yang Terjual, Biaya Iklan yang Dikeluarkan dan Banyaknya Mobil yang Distribusikan ke tiap Daerah. No Daerah Jual Iklan Distribusi 1 Bandung 1200 4500 2000 2 Jakarta 1300 8000 2300 3 Bogor 1000 1000 2000 4 Semarang 700 2000 1000 5 Surabaya 1000 5000 2500 6 Pati 500 300 1500 7 Magelang 700 800 1500 8 Jember 600 900 1000 9 Solo 800 1000 1200 10 Jogja 900 1000 1300 11 Cirebon 700 700 1500 12 Kuningan 750 900 1600 13 Madiun 400 800 1000 14 Tuban 500 600 1400 Untuk teladan regresi linier sederhana ini, Saudara dapat membuat persamaan regresi untuk melihat hubungan peubah bebas iklan dengan peubah tak bebasnya yaitu jual. Langkah-langkah : - Buka data yang ada pada file mobil.sav lalu ikuti langkah berikut ini. - Dari menu utama Analyse pilih Regression. - Dari serangkaian analisis yang ada pilihlah Linier…maka akan terlihat kotak dialog dibawah ini :

Gambar 5.7 Kotak dialog linier Regression -

Pada kolom dependent masukan peubah jual, pada kolom Independent masukkan peubah iklan dan pada Case Labels masukkan peubah daerah. Lalu klik Option maka akan muncul kotak dialog sebagai berikut :

-

77

Gambar 5.8Kotak dialog Linier regression: Options -

-

Gunakan default dari kotak Options ini yaitu untuk ruang Entry gunakan 0.05, untuk Removal yaitu 0.01, Check Include contstant in equation untuk memasukkan intersep ke dalam persamaan regresi dan kolom Missing Values pilih Exclude cases listwise. Lalu pilih Continue. Pada kotak dialog Linier pilih Statistic maka muncul kotak dialognya pada layer sebagai berikut :

Gambar 5.9 Kotak dialog Linier regression: Statistics -

-

Pada kolom Regression Coefficient check Estimates untuk mengeluarkan koefisien regresi. Disamping kanannya pilih Model fit dan Descriptives, sedangkan pada kolom Residual pilih Casewise diagnostics lalu pilih All cases. Klik Continue. Klik Plots pada kotak dialog Linier maka muncul kotak dialog Plots sebagai berikut pada layer :

78

Gambar 5.10Kotak dialog Linier regression: Plots -

Untuk membuat plot antara SDRESD dan ZPRED maka masukkan peubah SDRESID ke dalam ruang Y dan ZPRED masukkan ke dalam ruang X. Untuk membuat plot antara nilai ZPRED dengan DEPENDENT masukkan peubah ZPRED ke dalam ruang Y dan DEPENDENT ke dalam ruang X. Pada Kolom Standardized residual plots pilih check Normal probability plot. Klik Continue, lalu klik OK maka hasilnya keluar di bawah ini ;

Regression Descri ptive Statistics Me an

Std. Dev iatio n

N

ban yakn ya m obil yang terjua l

78 9.285 7

26 4.704 89

14

bia ya ik lan y ang dikelua rkan

19 64.28 57

22 54.43 397

14

Co rrelation s

Pe arson Correlatio n

JUAL ba nyaknya yang terjua l IKL AN b iaya iklan

Sig . (1-t ailed )

JUAL ba nyaknya yang terjua l IKL AN b iaya iklan

N

JUALba nyakn ya yan g terjual

IKL AN bia ya iklan

1.0 00

.80 3

.80 3

1.0 00

.

.00 0

.00 0

.

JUAL ba nyaknya yang terjua l

14

14

IKL AN b iaya iklan

14

14

79

Variabl es Entered/Removed b

Mo del

Va riable s Ent ered

1

bia ya ik lan a

Va riable s Re move d

Me thod En ter

.

a. All requested v ariabl es entered. b. Dep enden t Vari able: banyaknya m obil yang terjual (jual)

Model Summaryb

Ch ange Statistics Mo del

R

1

.80 3a

R Square

Adjusted R Square

Std. Erro r of the Estimate

R Square Change

F Change

df1

df2

Sig. F Ch ange

.64 5

.61 5

16 4.197 05

.64 5

21 .786

1

12

.00 1

a. Predictors: (Constant ), biaya iklan yang dikeluarkan (iklan) b. Dependent Vari able: banyaknya m obil yang t erjual (jual)

ANOVA b Mo del 1

Sum of Square s

df

Me an Square

Regression

587 364. 787

1

587 364. 787

Residual

323 528. 070

12

269 60.6 72

T o tal

910 892. 857

13

F

Sig.

21. 786

.00 1a

a. Predictors : (Co nstant ), biay a iklan yang dikel uarkan (iklan) b. Dep enden t Vari able: b anyak nya m obil y ang terjual (jual)

Coeffic ientsa

Un standardiz ed Co effic ients Mo del 1

B (Co nsta nt) bia ya ik lan y ang dik eluar kan ( iklan )

Std. Erro r

60 4.082

59 .162

.09 4

.02 0

Sta ndardized Co efficients Be ta

t

.80 3

Sig.

10 .211

.00 0

4.6 68

.00 1

a. Dep enden t Variable: banyaknya m obil yang terjual (jual )

80

Casewi se Diagnostic as

dae rah p enjua lan mo bil (daerah )

Ca se Number

St d. Residual

ban yakn ya mo bil ya ng t er jual ( jual)

Pre dict e d Val ue

1.0 45

12 00.00

10 28.36 67

Re sidual

1

Ba ndung

17 1.633 28

2

Jak art a

-.3 55

13 00.00

13 58.36 59

-58 .365 86

3

Bo gor

1.8 37

10 00.00

69 8.367 6

30 1.632 41

4

Sem aran g

-.5 64

70 0.00

79 2.653 1

-92 .653 05

5

Sur abaya

-.4 60

10 00.00

10 75.50 95

-75 .509 45

6

Pa t i

-.8 06

50 0.00

63 2.367 8

-13 2.36 776

7

Ma gelan g

.12 5

70 0.00

67 9.510 5

20 .4895 1

8

Jem ber

-.5 42

60 0.00

68 8.939 0

-88 .939 04

9

Sol o

.61 9

80 0.00

69 8.367 6

10 1.632 41

10

Jogja

1.2 28

90 0.00

69 8.367 6

20 1.632 41

11

Cir ebon

.18 2

70 0.00

67 0.081 9

29 .9180 5

12

Kuninga n

.37 2

75 0.00

68 8.939 0

61 .0609 6

13

Ma diun

-1. 702

40 0.00

67 9.510 5

-27 9.51 049

14

T uban

-.9 78

50 0.00

66 0.653 4

-16 0.65 340

a. Dep enden t Vari able: banyak nya m obil yang t erjual (jual)

Residuals S tati sticsa Minimum Pre dicte d Value

Ma ximum

Me an

Std. Dev iatio n

N

63 2.367 7

13 58.36 58

78 9.285 7

21 2.560 36

14

-.7 38

2.6 77

.00 0

1.0 00

14

43 .889

12 9.580

58 .253

22 .210

14

64 9.289 8

14 54.73 17

79 5.910 4

23 2.039 75

14

-27 9.51 050

30 1.632 42

.00 000

15 7.755 43

14

Std. Residual

-1. 702

1.8 37

.00 0

.96 1

14

Stud. Re sidual

-1. 786

1.9 21

-.0 15

1.0 20

14

-30 7.81 229

32 9.833 80

-6. 6247 2

17 9.596 19

14

-1. 996

2.2 10

-.0 03

1.0 93

14

Ma hal. D istan ce

.00 0

7.1 68

.92 9

1.8 62

14

Co ok's D istan ce

.00 1

.27 7

.07 3

.08 3

14

Ce ntere d Lev erage Value

.00 0

.55 1

.07 1

.14 3

14

Std. Pre dicted Value Sta ndard Erro r of Pre dicte d Value Adjusted Predicted Value Re sidual

De leted Residual Stud. De leted Residual

a. Dep enden t Vari able: banyaknya m obil yang terjual (jual)

81

82

5. 4. 2 Regresi Berganda Pada kenyataannya untuk melihat hubungan antara peubah bebas dengan peubah tak bebasnya sering kali melibatkan peubah tak bebas lebih dari satu. Pada regresi hubungan seperti ini di sebut regresi berganda. Untuk contoh kasus di ambil data mobil.sav. Andaikan saja Saudara ingin melihat hubungan antara banyaknya penjualan dengan banyaknya biaya iklan dan distribusi barang maka langkahlangkahnya adalah sebagai berikut : - Buka datasheet untuk data mobil.sav, jika sudah terbuka ikuti langkah-langkah sebagai berikut. - Pada menu utama Analyze pilih Regression lalu klik Linier, maka muncul kotak dialog berikut ini :

Gambar 5.11 Kotak dialog Linier Regression -

-

-

-

Pada ruang Dependent masukkan peubah penjual, pada ruang Independent masukkan peubah iklan dan distribusi. Lalu pada ruang Case Labels untuk melihat hubungan berdasarkan daerah masukan peubah daerah Klik Options maka akan muncul kotak Options maka biarkan pada defaultnya. Lalu klik Continue. Klik Statistics maka akan terlihat kotak dialognya seperti pada gambar 5.9, pada ruang Regression Coefficient check Estimates dan pada bagian sebelah kanannya check Model fit untuk melihat coeficient regresi dan Descriptives. Untuk kolom Residual dikosongkan saja. Klik Continue. Klik Plots maka akan muncul kotak dialognya seperti pada gambar 5.10, karena kita tidak direncanakan untuk membuat tabelnya maka kosongkan saja. Dan langsung Continue. Untuk melihat hasilnya klik OK Variabl es Entere d/Re moved b

Mo del

Va riable s Ent ered

1

DI ST RI B distribusi, IK LAN biaya a iklan

Va riable s Re move d

.

Me thod

En ter

a. All requested v ariabl es entered. b. Dep enden t Vari able: banyaknya m obil yang terjual (jual)

83

Correlations ban yakn ya yan g ter jual Pe arson Corr elatio n

N

distribusi

1.0 00

.80 3

.76 5

IKLAN biaya iklan

.80 3

1.0 00

.72 9

DI ST RI Distr ibusi

.76 5

.72 9

1.0 00

.

.00 0

.00 1

JUAL ba nyak nya y ang terjua l

JUAL ba nyak nya y ang terjua l

Sig. (1-t ailed)

bia ya ik lan

IKLAN biaya iklan

.00 0

.

.00 2

DI ST RI Distr ibusi

.00 1

.00 2

.

JUAL ba nyak nya y ang terjua l

14

14

14

IKLAN biaya iklan

14

14

14

DI ST RI Distr ibusi

14

14

14

Model S ummary b

Mo del

R

R Square

.84 5a

1

Ch ange Statistics

Adjusted R Square

Std. Erro r of the Estim ate

R Square Chan ge

F Change

.66 2

153 .998 23

.71 4

13.705

.71 4

df1

df2 2

Sig. F Ch ange

11

.00 1

a. Predictors: (Constant ), banyaknya mobil yang disebarkan (distribusi), biaya iklan yang dikeluarkan (iklan) b. Dependent Vari able: banyaknya m obil yang t erjual (jual)

ANOVA b Mo del 1

Sum of Square s

df

Me an Square

Regression

650 022. 868

2

325 011. 434

Residual

260 869. 989

11

237 15.4 54

T o tal

910 892. 857

13

F

Sig.

13. 705

.00 1a

a. Predictors : (Co nstant ), bany aknya mob il yang diseb arkan (distribusi), biaya iklan yang dikelu arkan (iklan ) b. Dep enden t Vari able: b anyak nya m obil y ang terjual (jual)

Coefficientsa

Un standardize d Co efficients B

Mo del 1

(Co nstan t)

Std. Erro r

339 .323

172 .076

bia ya iklan ya ng dik eluark an (iklan)

.06 1

.02 8

ban yakn ya m obil y ang dise bark an (distribusi)

.21 1

.13 0

Sta ndardized Co efficients Bet a

Sig.

t 1.9 72

.07 4

.52 3

2.2 19

.04 8

.38 3

1.6 25

.13 2

a. Dependent Vari able: banyaknya m obil yang terjual (jual)

84

DAFTAR PUSTAKA Mason, R. D., dan L. Douglas, 1999. Teknik Statistika untuk Bisnis dan Ekonomi Jilid 1. Erlangga. Jakarta. Nur, I., dan S. P. Astuti, 2006. Mengolah Data Statistik dengan Mudah Menggunakan Minitab 14. Andi Offset. Yogyakarta. Santoso, S., 2004. Buku Latihan SPSS Parametrik. Elex Media Komputindo. Jakarta. Supranto, J., 2000. Statistika Teori dan Aplikasi. Erlangga. Jakarta. Walpole, R. E., dan R. H. Myers, 1995. Ilmu Peluang dan Statistika untuk Insinyur dan Ilmuwan Edisi Ke-4. ITB. Bandung

85