Está en la página 1de 114

ANALISIS STATISTIK

(TEORI DAN APLIKASI MENGGUNAKAN SPSS)

OLEH:
DIDIN ASTRIANI PRASETYOWATI, M.Stat

FAKULTAS ILMU KOMPUTER
UNIVERSITAS INDO GLOBAL MANDIRI
PALEMBANG
2016

Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS)

BAB I
KONSEP DASAR STATISTIKA

A. Pengertian Statistik Dan Statistika
a. Statistik
Kata statistik telah dipakai untuk menyatakan ukuran sebagai wakil dari
kumpulan data mengenai suatu hal. Contohnya, statistik penduduk, statistik
kelahiran, statistik pendidikan, statistik pertanian, statistik kesehatan dan
sebagainya.
Kumpulan angka-angka dari suatu penelitian sering disusun, diatur, atau
disajikan dalam bentuk daftar atau tabel. Sering pula daftar atau tabel tersebut
disertai dengan gambar-gambar yang biasa disebut diagram atau grafik supaya
lebih dapat menjelaskan lagi tentang persoalan yang sedang dipelajari. Jadi,
statistik menyatakan kumpulan data, bilangan maupun non-bilangan yang disusun
dalam tabel dan atau diagram, yang melukiskan atau menggambarkan suatu
persoalan.
b. Statistika
Statistika adalah Ilmu mengumpulkan, menata, menyajikan, menganalisis, dan
menginterprestasikan data menjadi informasi untuk membantu pengambilan
keputusan yang efektif.
Buku ”Statistical Theory in Research”, karangan Anderson and Bancof
mendefinisikan statistika adalah ilmu dan seni pengembangan dan penerapan
metode yang paling efektif untuk kemungkinan salah dalam kesimpulan dan
estimasi dapat diperkirakan dengan menggunakan penalaran induktif berdasarkan
metematika probabilitas. Statistika, sebagai cabang ilmu yang memberikan
berbagai macam teknik dan metode analisis, telah menyediakan berbagai metode
yang memiliki kegunaan yang berbeda-beda. Pengetahuan tentang kegunaan dari
berbagai teknik ini perlu dimiliki untuk menghindari penggunaan yang tidak
tepat.

Dua macam analisis mungkin memiliki kegunaan yang sama tapi

membutuhkan tipe data yang berbeda.

Didin Astriani Prasetyowati

Page 1

Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS)

Pada umumnya pengertian Statistika selalu dikaitkan pada ilmu yang
berhubungan dengan apa yang dikenal dengan data dan rumus-rumus yang rumit.
Dalam statistika tercakup dua pekerjaan penting, yaitu :
penyajian


 DATA menghasilkan INFORMASI

penafsiran 
Informasi : data yang telah diproses
Ilmu Statistika banyak sekali di gunakan dalam kehidupan sehari-hari kita,
baik dalam ilmu-ilmu alam (misalnya astronomi dan biologi) maupun ilmu-ilmu
sosial (termasuk sosiologi dan psikologi), maupun di bidang bisnis, ekonomi, dan
industri). Statistika juga di gunakan oleh untuk berbagai macam keperluan dan
tujuan dalam pemerintahan; sensus penduduk merupakan salah satu prosedur
yang paling dikenal. Aplikasi statistika lainnya yang sekarang popular adalah
prosedur jajak pendapat atau polling (misalnya dilakukan sebelum pemilihan
umum), serta jajak cepat (perhitungan cepat hasil pemilu) atau quick count.

B. Ruang Lingkup Statistika
Sebagai suatu bidang studi, statistika mempunyai empat bagian utama, yaitu :
1. Statistik Deskriptif
Statistik Deskriptif berhubungan dengan peringkasan seperangkat data dan
penyajiannya ke dalam bentuk yang dapat dipahami (lebih menekankan pada
teknik

pengumpulan,

pengolahan,

penyajian

dan

penganalisisan

data

kuantitatif secara deskriptif guna memberikan gambaran yang teratur mengenai
suatu persoalan). Perhitungan rata-rata dan distribusi frekuensi, angka indeks,
dan analisis time series merupakan pokok-pokok bahasan dalam statistik
deskriptif.
2. Probabilitas
Probabilitas adalah suatu angka yang mengukur frekuensi relatif dari suatu
kejadian dalam jangka panjang atau menunjukkan suatu tingkat kepercayaan.

Didin Astriani Prasetyowati

Page 2

tetapi juga teknik penarikan kesimpulan dan pembuatan keputusan yang dapat dipertanggungjawabkan). 4.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Pemakaian konsep-konsep probabilitas menjadi dasar/landasan dalam mempelajari teori keputusan secara statistik dan statistik inferensi. karakteristik yang berubah-ubah disebut variabel. Variabel Dalam statistika dan bidang ilmu lainnya. pengolahan. atau sesuatu yang dapat memberikan sekurang-kurangnya dua hasil pengukuran yang berbeda. Teori keputusan secara statistik Analisis keputusan secara statistik berhubungan dengan pengambilan keputusan bila alternatif-alternatif tindakan diketahui. akan tetapi hasil dari masing-masing tindakan berbeda-beda. Dan objek yang memiliki karakteristik yang diperhatikan disebut satuan pengamatan. Secara definisi dikatakan bahwa variabel adalah sesuatu yang dapat diklasifikasikan ke dalam sekurang-kurangnya dua klasifikasi yang berbeda. 3. 2. Analisis keputusan secara statistik akan memberikan jawaban yang paling baik dalam situasi yang tidak pasti atau penuh resiko. penyajian dan penganalisisan data saja. C. 3. Sampel Didin Astriani Prasetyowati Page 3 . Populasi Populasi adalah keseluruhan objek yang dibatasi oleh kriteria tertentu. Statistik Inferensi Statistik Inferensi adalah suatu pernyataan mengenai suatu populasi yang didasarkan pada informasi dari sampel random yang diambil dari populasi itu (tidak hanya menekankan pada teknik pengumpulan. 4. Karakteristik Karakteristik adalah ciri yang dimiliki suatu objek yang dapat membedakan objek tersebut dari objek lainnya. Istilah-istilah dalam statistika 1.

7. hipotesis dapat didefinisikan sebagai pernyataan mengenai keadaan populasi yang akan diuji kebenarannya berdasarkan data yang diperoleh dari sample penelitian. Secara teknis. 8. 9. σ untuk simpangan baku. Hipotesis Pengertian hipotesis menurut Arikunto (1995). Sensus Sensus adalah teknik pengumpulan data dimana setiap anggota yang ada dalam populasi dikenai penelitian. Statistik Statistik adalah perhitungan yang didasarkan pada data sampel atau merupakan ukuran dari sampel. hipotesis adalah alternatif dugaan jawaban yang dibuat oleh peneliti bagi problematika yang diajukan dalam penelitiannya. hipotesis merupakan pernyataan mengenai keadaan parameter yang akan diuji melalui statistik sampel. Contoh : x untuk rata-rata. Dugaan jawaban tersebut merupakan kebenaran yang sifatnya sementara. Secara statistik. Pada umumnya hipotesis dirumuskan dalam bentuk pernyataan yang menguraikan hubungan sebab-akibat antara variabel bebas dan tak bebas gejala yang diteliti. Didin Astriani Prasetyowati Page 4 . yang akan diuji kebenarannya dengan data yang dikumpulkan melalui penelitian. s untuk simpangan baku. 6.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Sampel adalah beberapa satuan pengamatan yang merupakan bagian dari populasi. Sampling Sampling adalah teknik pengumpulan data dimana hanya sebagian saja dari populasi yang diteliti (proses pengambilan sampel). Parameter Parameter adalah sebuah bilangan yang diperoleh melalui sebuah rumus tertentu dan merupakan ukuran dari sebuah populasi. Contoh : µ untuk rata-rata. 5.

Nazir (1988).Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Secara implisit. atau 0. Mensiagakan peneliti kepada kondisi fakta dan hubungan antar fakta. c. hipotesis yang menyatakan bahwa metode diskusi lebih baik daripada metode ceramah secara implicit mengandung prediksi bahwa kelas-kelas yang diajar terutama dengan metode diskusi akan lebih baik hasil belajarnya dari pada kelas-kelas yang diajar terutama dengan metode ceramah. Signifikan Dan Tingkat Kepercayaan Besarnya taraf signifikan biasanya sudah ditentukan sebelumnya.01. hipotesis yang menyatakan bahwa ada hubungan yang positif dan sistematis antara nilai ujian masuk dan prestasi belajar mengandung prediksi bahwa mahasiswa-mahasiswa yang mempinyai nilai ujian masuk tinggi juga akan mempunyai indeks prestasi belajar tinggi. Hipotesis lain yang bukan hipotesis nol disebut hipotesis alternatif. sedangkan untuk bidang yang berisiko tinggi akibat penarikan Didin Astriani Prasetyowati Page 5 . atau hipotesis yang menyatakan tidak adanya perbedaan antara kelompok yang satu dan lainnya. dan sebagainya. Untuk penelitian pendidikan. Menurut Moh.15. atau menyatakan adanya perbedaan dalam hal tertentu pada kelompok-kelompok yang berbeda. uji statistik biasanya mempunyai sasaran untuk menolak kebenaran hipotesis nol itu. yang kadangkala hilang begitu saja dari perhatian peneliti. 0. Sebagai panduan dalam pengujian serta penyesuaian dengan fakta dan antar fakta.005. Konsep penting mengenai hipotesis adalah hipo-Ho adalah hipotesis yang menyatakan tidak adanya saling hubungan antara 2 variabel atau lebih. kegunaan hipotesa adalah sebagai berikut: a. 0. 10. yaitu 0. d.001. biasanya digunakan taraf 0. 0.05. Didalam analisis statistik. hipotesis menyatakan prediksi. Hipotesis alternatif (HA) menyatakan adanya salinghubungan antara dua variable atau lebih.01 .05 atau 0. Misalnya. Sebagai alat yang sederhana dalam memfokuskan fakta yang tercerai-berai tanpa koordinasi ke dalam suatu kesatuan penting dan menyeluruh. b. Memberikan batasan serta memperkecil jangkauan penelitian dan kerja penelitian.

Cara ini biasa dkerjakan dengan menggunakan desain percobaan. hal itu sama saja dengan menyebut bahwa peneliti telah menolak hipotesis pada tingkat kepercayaan 95% . Pengujian Hipotesis Penarikan kesimpulan yang berakhir pada penerimaan atau penolakan hipotesis diawali oleh pengujian hipotesis. Mencocokkan dengan fakta. Derajat kebebasan juga sebagai patokan membaca tabel statistic berkenaan dengan batas rasio penolakan (kritis). Dengan kata lain. 12. Didin Astriani Prasetyowati Page 6 . hasil akhirnya adalah dua pilihan berupa diterima atau ditolaknya suatu hipotesis (H) didampingi pernyataan lain yang berlawanan. 11. Selayaknya.001. Artinya. Data tersebut kemudian kita nilai untuk mengetahui apakah hipotesa tersebut cocok dengan fakta tersebut atau tidak. apakah 95% . Jadi. sehingga diperoleh hipotesis (Ho) dan hipotesis alternative (H1). peluang terjandinya kemelesetan setiap 100 kali adalah 5 kali. Secara umum hipotesis dapat diuji dengan dua cara: a. Derajat Kebebasan Derajat kebebasan merupakan tingkat kebebasan untuk bervariasi sehingga tidak terjadi kekeliruan dalam penafsiran. maka diperlukan percobaan-percobaan untuk memperoleh data. apabila kesimpulan hasil penelitian diterapkan pada populasi sejumlah 100 orang. Rumus derajat kebebasan (dk) bergantung pada jenis statistik yang digunakan. 99% dan lain-lain. tingkat kepercayaan adalah ukuran keyakinan peneliti yang dinyatakan dalam persentase bahwa ia sanggup mengambil resiko bahwa sesuatu itu dapat terjadi. biasanya digunakan taraf 0.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) kesimpulannya. Seandainya peneliti menetapkan kesalahan 5%. sedangkan pada 5 orang sisanya terjadi penyimpangan.005 atau 0. yaitu pada batas saat suatu hasil perhitungan statistic dapat disebut signifikan. 95% tersebut dinamakan tingkat kepercayaan. Jadi. seperti bidang kesehatan. peneliti tersebut hanya sesuai untuk 95 orang.

Menentukan taraf kemaknaan atau nyata 3. antara lain: 1. untuk menerima atau menolak hipotesa. metode sejarah. Kumpulkan data melalui sampel peluang 4. 7. 2004 : 4 ) . Langkah . 2. Perhatikan apakah nilai hitung statistik uji jatuh di daerah penerimaan atau daerah penolakan. Gunakan statistik uji tepat 5.langkah dalam pengujian hipotesis secara umum ( Harun Al Rasyid . Hitung nilai statistik uji berdasarkan data yang dikumpulkan. Dengan mempelajari konsekuensi logis. Cara ini sering digunakan dalam menguji hipotesa pada penelitian dengan menggunakan metode noneksperimental seperti metode deskriptif. Nyatakan hipotesis statistik ( Ho dan H1 ) yang sesuai dengan penelitian yang diajukan. Tentukan titik kritis dan daerah kritis ( daerah penolakan ) Ho 6. Berikan kesimpulan statistik Didin Astriani Prasetyowati Page 7 . maka si peneliti meneliti suatu desain di mana logik dapat digunakan.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) b. dan sebagainya.

Dalam pokok bahasan Manajemen Pengetahuan. data berasal dari kata datum yang berarti fakta  Berdasarkan sudut pandang bisnis. Dia bisa muncul dalam berbagai bentuk. huruf. suara. Pengertian Data Data adalah sesuatu yang belum mempunyai arti bagi penerimanya dan masih memerlukan adanya suatu pengolahan. obyek. Pemilahan banyak data sesuai dengan persamaan atau perbedaan yang dikandungnya dinamakan klasifikasi. hal ini dinamakan deskripsi. Pernyataan ini adalah hasil pengukuran atau pengamatan suatu variabel yang bentuknya dapat berupa angka. kejadian ataupun suatu konsep. data bisnis adalah deskripsi organisasi tentang sesuatu (resources) dan kejadian (transactions) yang terjadi Didin Astriani Prasetyowati Page 8 . fakta dikumpulkan untuk menjadi data. atau citra. berasal dari bahasa Latin yang berarti "sesuatu yang diberikan". Dalam penggunaan sehari-hari data berarti suatu pernyataan yang diterima secara apa adanya. bahasa ataupun simbol-simbol lainnya yang bisa kita gunakan sebagai bahan untuk melihat lingkungan. data dicirikan sebagai sesuatu yang bersifat mentah dan tidak memiliki konteks.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) BAB II METODE PENGUMPULAN DATA A. Dia sekedar ada dan tidak memiliki signifikansi makna di luar keberadaannya itu. matematika. kata-kata. gambar. terlepas dari apakah dia bisa dimanfaatkan atau tidak. Data bisa berujut suatu keadaan. Menurut berbagai sumber lain. Dalam keilmuan (ilmiah). data dapat juga didefinisikan sebagai berikut:  Menurut kamus bahasa inggris-indonesia. angka. Data kemudian diolah sehingga dapat diutarakan secara jelas dan tepat sehingga dapat dimengerti oleh orang lain yang tidak langsung mengalaminya sendiri. Data merupakan bentuk jamak dari datum. Data adalah catatan atas kumpulan fakta.

Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS)  Pengertian yang lain menyebutkan bahwa data adalah deskripsi dari suatu kejadian yang kita hadapi. Misalnya data dengan melakukan wawancara. Penggajian merupakan informasi bagi pemilik perusahaan. Data Primer : data yang didapatkan atau dikumpulkan sendiri. akan menghasilkan rekapitulasi gaji yang harus dibayar oleh perusahaan. Dalam hal ini. Informasi juga bisa disebut sebagai hasil pengolahan ataupun pemrosesan data. formasi. data bisa dianggap sebagai obyek dan informasi adalah suatu subyek yang bermanfaat bagi penerimanya. Informasi merupakan hasil proses dari data yang ada. Contoh data providers : BPS. Data Sekunder: data yang didapatkan dari pihak lain. Jika gambaran penghasilan setiap karyawan kemudian dijumlahkan. 2. Data bisa merupakan jam kerja bagi karyawan perusahaan. observasi atau penelitian di lapangan atau laboratorium. Bank. Jika jam kerja setiap karyawan kemudian dikalikan dengan nilai per-jam. Misalnya dari data providers. dan bisa digunakan untuk menambah pengetahuan bagi yang menerimanya. ataupun suatu perubahan bentuk dari data yang memiliki nilai tertentu. data dibedakan menjadi : a. Informasi merupakan hasil pengolahan dari sebuah model. atau bisa diartikan sebagai data yang mempunyai arti. B. yaitu: 1. Data ini kemudian perlu diproses dan diubah menjadi informasi. maka akan dihasilkan suatu nilai tertentu. Intinya data itu adalah suatu fakta-fakta tertentu sehingga menghasilkan suatu kesimpulan dalam menarik suatu keputusan. Informasi akan membuka segala sesuatu yang belum diketahui. dll Menurut jenisnya. Jenis-Jenis Data Berdasarkan Sumber-nya data dibedakan menjadi 2 (dua). LIPI. Menurut cara mendapatkan data kuantitatif dibagi 2 yaitu : Didin Astriani Prasetyowati Page 9 . organisasi. Data Kuantitatif adalah data yang dapat dinyatakan dengan bilangan.

Banyaknya siswa SMKN 1 padang 600 orang. yaitu jenis variabel yang penggolongannya atau pengkategoriannya hanya berupa nama saja. Eko. . Bayu. 53 kg. dsb). kuning. dsb). Yang termasuk dalam variabel ini. Contoh : . merupakan variabel numerik karena 176 merupakan nilai hasil pengukuran yang sebenarnya. 50 kg. Variabel Kategorik. Tidak ada alasan tertentu kategori mana yang disebut di awal dan mana yang di akhir. misalnya: jenis kelamin (laki-laki. warna (merah. Misalnya tinggi badan 176 cm. Didin Astriani Prasetyowati Page 10 .Satu kilogram telur berisi 16 butir. b) Data Kontinu atau Data Ukuran atau Data Timbangan : data yang diperoleh dengan cara mengukur atau menimbang dengan alat ukur yang valid. variabel bisa dikelompokkan dalam dua kelompok. Berbeda dengan variabel kategorik yang hanya sebuah kode misalnya pendidikan diberi kode 1 untuk SD. tidak ada urutan yang memberikan makna tertentu. terdiri atas dua jenis lagi : a.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) a) Data Diskrit atau data Data Cacahan : data yang diperolah dengan cara mencacah atau menghitung satu per satu. ungu. Secara lengkap pembagian tipe variabel (sering juga disebut skala pengukuran) bisa dijelaskan sebagai berikut : 1.5 mm b. hijau. perempuan). Variabel Nominal. Data Kualitatif adalah data yang tidak dapat dinyatakan dengan bilangan (menyatakan mutu atau kualitas). nama orang (Andi. bukan hanya sebuah kode. Contoh : . Doni. yaitu numerik dan kategorik. . 2 untuk SMP dan seterusnya. Contoh : .Data jenis kelamin .Berat badan 3 orang siswa adalah 45 kg.Data kegemaran siswa Berdasarkan Skala Pengukuran: Berdasarkan nilai-nilainya. Cepi. Suatu variabel dikatakan numerik jika nilai dari variabel itu merupakan bilangan yang mencerminkan nilai yang sesungguhnya.Diameter tabung = 72.

Variabel Interval. yaitu jenis variabel yang pengkategoriannya bisa diurutkan berdasarkan kriteria tertentu yang bermakna. Urutan tersebut merupakan urutan pendidikan dari yang tingkat rendah sampai ke tingkat tinggi. Hal ini karena nilai 0 pada variabel ini bukan nilai nol mutlak. benda pertama seperempat panjangnya daripada benda kedua. SMA. Tahun (masehi). Hal ini terjadi karena nilai 0 pada variabel ini bersifat mutlak. netral. setuju. SMP.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) b. S3). dibagi lagi menjadi dua jenis: c. misalnya : pendidikan (SD. d. Misalnya: Suhu (dalam derajat celcius). Variabel Ordinal. yaitu variabel yang nilai-nilainya numerik dan bisa dirasiokan satu dengan lainnya. Variabel Numerik. peristiwa kedua memiliki tahun 20 kali dari tahun peristiwa pertama. Yang termasuk variabel ini adalah : Panjang benda (dalam cm). Yang termasuk dalam jenis variabel ini. tidak setuju. sangat setuju). maka benda kedua 4 kali lebih panjang dari yang pertama. Variabel Rasio. Didin Astriani Prasetyowati Page 11 . Diploma. merupakan variabel selang karena 0 pada variabel ini adalah kesepakatan orang yaitu suhu ketika air membeku pada tekanan 4 atm. 2. merupakan variabel rasio karena kalau panjangnya 0 berarti benda itu tidak ada. Jika ada sebuah benda bersuhu 5oC dan benda lain bersuhu 100oC. Atau sebaliknya. yaitu variabel yang nilai-nilainya numerik tapi tidak bisa dirasiokan satu dengan lainnya. S2. pernyataan sikap (sangat tidak setuju. Jika sebuah benda memiliki panjang 5 cm dan benda lain panjangnya 20 cm. tapi merupakan kesepakatan saja. Jika ada suatu peristiwa terjadi tahun 100 dan peristiwa lain terjadi tahun 2000. merupakan variabel selang karena tahun 0 adalah kesepakatan. tidak bisa dikatakan bahwa benda kedua suhunya 20 kali benda pertama. sedangkan pernyataan sikap menunjukkan sikap dari tingkat yang paling tidak setuju hingga sangat setuju. S1. tidak bisa dikatakan.

Metode Pengumpulan Data Terdapat beberapa macam metode pengumpulan data diantaranya yaitu: a. Atau misalnya yang diukur adalah diameter ujung bolpoin pada suatu pemeriksaan pengendalian mutu produk (diukur dalam mm). disusun tabel-tabel dan dianalisa secara Didin Astriani Prasetyowati Page 12 . dan 1 mm s/d 2 mm dinyatakan memenuhi syarat. (catt : sebagian orang memberikan pengertian yang salah tentang variabel interval. dan > 5 juta. merupakan variabel rasio karena kalau beratnya 0 itu berarti bendanya tidak ada. namun jika variabel yang sama kemudian nilai-nilainya dikelompokkan menjadi misalnya : < 1 juta. 1 juta s/d 2 juta.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Berat (dalam kg). pada penelitian survai. dan ini adalah variabel nominal. Menurut Masri Singarimbum. Angket (Kuesioner) Angket adalah daftar pertanyaan yang diberikan kepada responden untuk menggali data sesuai dengan permasalahan penelitian. Pengetahuan tentang jenis variabel ini sangat perlu untuk diketahui karena menyangkut analisis yang digunakan dan ketajaman analisisnya. tidak sembarangan. Setiap analisis hanya bisa untuk jenis variabel tertentu. serta juga dapat dirasiokan. padahal yang demikian adalah ordinal). Jadi perlu diperhatikan benar analisis apa yang bisa untuk data kita. Pada akhirnya diameter bolpoin dinyatakan menjadi dua kategori : memenuhi syarat dan tidak memenuhi syarat. Kemudian dikategorikan seperti berikut : < 1 mm atau > 2 mm dinyatakan tidak memenuhi syarat. C. Variabel dalam skala pengukuran rasio ataupun selang bisa dinyatakan sebagai variabel dalam skala pengukuran ordinal maupun nominal. 2 juta s/d 5 juta. setelah dikategorikan terlebih dahulu. maka yang data tersebut menjadi variabel ordinal. Hasil kuesioner inilah yang akan diangkakan (kuantifikasi). Jika diukur dalam satuan rupiah maka itu merupakan variabel rasio. penggunaan angket merupakan hal yang paling pokok untuk pengumpulan data di lapangan. dengan mengatakan pembagian seperti di atas sebagai sampel dari variabel interval. Misalnya pendapatan per bulan sebuah keluarga.

.... 4) Menentukan jenis data yang akan dikumpulkan.. Hal yang perlu diperhatikan oleh peneliti dalam menyusun kuesioner. Contoh: Bagaimanakah pendapat anda tentang sistem pengisian KRS Online di Universitas Indo Global Mandiri?...... pertanyaan-pertanyaan yang disusun harus sesuai dengan hipotesa dan tujuan penelitian. sekaligus unit analisisnya...Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) statistik untuk menarik kesimpulan penelitian... sebelum kuesioner disusun memperhatikan prosedur sebagai berikut: 1) Merumuskan tujuan yang akan dicapai dengan kuesioner... dan (b) untuk memperoleh informasi dengan reliabel dan validitas yang tinggi. sehingga responden tinggal memilih saja. 3) Menjabarkan setiap variabel menjadi sub-sub variabel yang lebih spesifik dan tunggal... Didin Astriani Prasetyowati Page 13 ..... Tujuan pokok pembuatan kuesioner adalah (a) untuk memperoleh informasi yang relevan dengan masalah dan tujuan penelitian... 2) Mengidentifikasikan variabel yang akan dijadikan sasaran kuesioner. Contoh: Bagaimanakah pendapat anda tentang sistem pengisian KRS Online di Universitas Indo Global Mandiri? Sangat mudah Tidak Mudah Mudah Sangat Tidak Mudah Netral Menurut Suharsimi Arikunto. Jenis-jenis Kuesioner: 1.... Kuesioner terbuka Dalam kuesioner ini responden diberi kesempatan untuk menjawab sesuai dengan kalimatnya sendiri... Kuesioner tertutup Dalam kuesioner ini jawaban sudah disediakan oleh peneliti...... 2.

dan Didin Astriani Prasetyowati Page 14 . motivasi yang tinggi. yaitu tes yang digunakan untuk mengukur atau mengetahui bakat seseorang. yaitu alat yang digunakan untuk mengadakan pengukuran terhadap berbagai sikap seseorang. 5) Tes minat atau measures test yaitu tes yang digunakan untuk menggali minat seseorang terhadap sesuatu. kemampuan khusus. karena mampu menggali pemikiran atau pendapat secara detail. disiplin. dan sebagainya. kemampuan atau bakat yang dimiliki oleh indiIVdu atau kelompok. 6) Tes prestasi atau achievement test yaitu tes yang digunakan untuk mengukur pencapaian seseorang setelah mempelajari sesuatu. yaitu tes yang digunakan untuk mengungkap kepribadian seseorang. Dengan wawancara data yang diperoleh akan lebih mendalam. Ditinjau dari sasaran atau obyek yang akan dievaluasi. Oleh karena itu dalam pelaksanaan wawancara diperlukan ketrampilan dari seorang peneliti dalam berkomunikasi dengan responden. Wawancara Wawancara merupakan proses komunikasi yang sangat menentukan dalam proses penelitian. yang sering disebut dengan istilah kala sikap. Seorang peneliti harus memiliki ketrampilan dalam mewawancarai. Tes Tes adalah serentetan pertanyaan atau latihan serta alat lain yang digunakan untuk mengukur ketrampilan. c. 3) Tes intelegensi atau intellegence test. pengetahuan intelegensi. ada beberapa macam tes dan alat ukur yaitu: 1) Tes kepribadian atau personality test. kreatiIVtas.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) b. 4) Tes sikap atau attitude test. 2) Tes bakat atau abtitude test. yaitu tes yang digunakan untuk mengadakan estimasi atau perkiraan terhadap tingkat intelektual seseorang dengan cara memberikan berbagai tugas kepada orang yang akan diukur intelegensinya. seperti self–concept.

sehingga responden tidak merasa ada tekanan psikis dalam memberikan jawaban kepada peneliti. Berdasar hal tersebut. Informasi emic adalah informasi yang berkaitan dengan bagaimana pandangan responden terhadap dunia luar berdasar perspektifnya sendiri. antara lain: pengalaman.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) rasa aman. ada dua istilah yaitu informasi emic dan etic. sedangkan yang berdasar perspektif peneliti disebut informasi etic. yang perlu diketahui bahwa dalam penelitian kualitatif naturalistik. yaitu pedoman wawancara yang hanya memuat garis besar yang akan ditanyakan. Secara garis besar ada dua macam pedoman wawancara. wawancara biasanya wawancara dilaksanakan dalam bentuk ”semi structured”. Dimana interIVwer menanyakan serentetan pertanyaan yang sudah terstruktur. antara peneliti dengan orang yang diwawancarai. sering kita temukan dilapangan adanya perbedaan persepsi pandangan tentang hal-hal tertentu yang berkaitan dengan masalah penelitian. maka semua variabel yang ingin digali dalam penelitian akan dapat diperoleh secara lengkap dan mendalam. pendapat. yaitu pedoman wawancara yang disusun secara terperinci sehingga menyerupai chek-list. artinya tidak ragu dan takut dalam menyampaikan wawancara. Pewawancara hanya tinggal memberi tanda v (check). ada beberapa hal yang dapat ditanyakan dalam wawancara. Menurut Nasution. kemudian satu persatu diperdalam dalam menggali keterangan lebih lanjut. pengeinderaan dan latar belakang pendidikan. yaitu: 1) Pedoman wawancara tidak terstruktur. Dalam pelaksanaan penelitian dilapangan. Dalam hal ini perlu adanya kreatiIVtas pewawancara sangat diperlukan. perasaan. Didin Astriani Prasetyowati Page 15 . 2) Pedoman pewawancara terstruktur. Dengan model wawancara seperti ini. Dalam pelaksanaan wawancara. bahkan pedoman wawancara model ini sangat tergantung pada pewawancara. Seorang peneliti juga harus bersikap netral. pengetahuan.

Foto dibuat dengan maksud tertentu. diantaranya dokumen. maka perlu dilengkapi format atau blangko pengamatan sebagai instrumen. jadwal kegiatan. notula rapat. seperti jumlah guru. semangat dan situasi psikologis lainya. Observasi Agar observasi yang dilakukan oleh peneliti memperoleh hasil yang maksimal. e. peneliti bukan hanya sekedar mencatat. Dokumen terdiri bisa berupa buku harian. Banyak yang dapat kita amati di dunia sekitar kita dimanapun kita berada. Dengan menggunakan foto akan dapat mengungkap suatu situasi pada detik tertentu sehingga dapat memberikan informasi deskriptif yang berlaku saat itu. Foto juga dapat menggambarkan situasi sosial seperti kemiskinan daerah kumuh. laporan berkala. tetapi juga harus mengadakan pertimbangan kemudian mengadakan penilaian ke dalam suatu skala bertingkat. peraturan pemerintah. kemeriahan. bentuk lainnya adalah foto dan bahan statistik. rapor siswa. tenaga administrasi dalam suatu lembaga atau organisasi. surat-surat resmi dan lain sebagainya. Hasil pengamatan dari masing-masing indiIVdu akan Didin Astriani Prasetyowati Page 16 . adat istiadat. melalui observasi dan wawancara.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) d. dengan dokumen-dokumen kuantitatif ini analisa data akan lebih mendalam sesuai dengan kebutuhan penelitian. Selain foto. Sumber lain yang bukan dari manusia (non-human resources). anggaran dasar. misalnya untuk melukiskan kegembiraan atau kesedihan. Selain bentuk-bentuk dokumen tersebut diatas. foto dan bahan statistik. bahan statistik juga dapat dimanfaatkan sebagai dokumen yang mampu memberikan informasi kuantitatif. penderitaan dan berbagai fenomena sosial lainya. dokumen Data dalam penelitian kualitatif kebanyakan diperoleh dari sumber manusia atau human resources. murid. Dalam pelaksanaan observasi. Data ini sangat membantu sekali bagi peneliti dalam menganalisa data. Seorang peneliti harus melatih dirinya untuk melakukan pengamatan.

responden menentukan tingkat persetujuan mereka terhadap suatu pernyataan dengan memilih salah satu dari pilihan yang tersedia. d. terutama berkaitan dengan izin pelaksanaan penelitian. yaitu observasi partisipasi dan non partisipan. Observasi partisipasi dilakukan apabila peneliti ikut terlibat secara langsung.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) berbeda. antara lain: a. ada beberapa hal yang perlu diperhatikan dalam melakukan observasi. sehingga menjadi bagian dari kelompok yang diteliti. Harus ditentukan siapa-siapa sajakah yang dapat diobservasi. Sewaktu menanggapi pertanyaan dalam skala Likert. D. Nama skala ini diambil dari nama Rensis Likert. Skala Likert Skala Likert dalam kuesioner. Harus diketahui dengan jelas data apa yang harus dikumpulkan sehingga relevan dengan tujuan penelitian. Harus diketahui tentang cara-cara bagaimana mencatat hasil observasi. peneliti hanya sekedar sebagai pengamat. Menurut Nasution. adalah dan suatu skala psikometrik yang merupakan skala yang paling umum digunakan banyak digunakan dalam riset berupa survei. disinilah diperlukan sikap kepekaan calon peneliti tentang realitas diamati. Ada dua bentuk pertanyaan yang menggunakan Likert yaitu Didin Astriani Prasetyowati Page 17 . Boleh jadi menurut orang lain realitas yang kita amati. Harus diketahu dimana observasi dapat dilakukan. apakah hanya ditempattempat pada waktu tertentu atau terjadi diberbagai lokasi? b. sehingga benarbenar representatif? c. Harus diketahui bagaimana cara mengumpulkan data. Observasi dapat dilakukan dengan dua cara. Sedangkan observasi non partisipan adalah observasi yang dilakukan dimana peneliti tidak menyatu dengan yang diteliti. yang menerbitkan suatu laporan yang menjelaskan penggunaannya. e. tidak memiliki nilai dalam kegiatan penelitian. Skala yang Digunakan dalam Kuesioner 1. akan tetapi munurut kita hal tersebut adalah masalah yang perlu diteliti.

3. Bentuk jawaban skala Likert terdiri dari sangat setuju. kadang digunakan juga skala dengan tujuh atau sembilan tingkat. setuju. 2. 3.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) pertanyaan positif untuk mengukur minat positif . 4. 3. dan bentuk pertanyaan negatif untuk mengukur minat negatif. dan sangat tidak setuju. Didin Astriani Prasetyowati Page 18 . dan 1. tergantung dari isi pertanyaan dan isi dari item-item yang disusun. Kemudian item-item itu dicoba kepada sekelompok responden yang cukup representatif dari populasi yang ingin diteliti. 4. Pertanyaan positif diberi skor 5. Respons tersebut dikumpulkan dan jawaban yang memberikan indikasi menyenangi diberi skor tertinggi. relevant dengan masalah yang sedang diteliti. Suatu studi empiris menemukan bahwa beberapa karakteristik statistik hasil kuesioner dengan berbagai jumlah pilihan tersebut ternyata sangat mirip. ragu-ragu. tidak setuju. sedangkan bentuk pertanyaan negatif diberi skor 1. Peneliti mengumpulkan item-item yang cukup banyak. Yang penting adalah konsistensi dari arah sikap yang diperlihatkan. Responden di atas diminta untuk mengecek tiap item. dan terdiri dari item yang cukup jelas disukai dan tidak disukai. Biasanya disediakan lima pilihan skala dengan format seperti: 1) Sangat Tidak Setuju (STS) 2) Tidak Setuju (TS) 3) Netral atau Biasa (B) 4) Setuju (S) 5) Sangat setuju (SS) Penskalaan ini apabila dikaitkan dengan jenis data yang dihasilkan adalah data Ordinal. Prosedur dalam membuat skala Likert adalah sebagai berikut : 1. Selain pilihan dengan lima skala seperti contoh di atas. dan 5. 2. apakah ia menyenangi (+) atau tidak menyukainya (-). Tidak ada masalah untuk memberikan angka 5 untuk yang tertinggi dan skor 1 untuk yang terendah atau sebaliknya. 2. Demikian juga apakah jawaban “setuju” atau “tidak setuju” disebut yang disenangi.

Respon dianalisis untuk mengetahui item-item mana yang sangat nyata batasan antara skor tinggi dan skor rendah dalam skala total. tidak. Untuk syarat dalam mencari kerja Dalam bentuk pertanyaan : 1. benar. Skala ini dapat pula dibentuk dalam bentuk checklist atau pilihan ganda.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 4. Apakah dengan belajar akan terpenuhi kebutuhan anda dalam melanjutkan pendidikan?(Ya/Tidak) Didin Astriani Prasetyowati Page 19 . Misalnya. Benar Salah dan lain-lain. ya-tidak.Tidak. Untuk mencari ilmu 2. tidak pernah. 5. Dengan skala ini. pernah dan semacamnya diberi skor 1. Untuk melanjutkan pendidikan 3. akan diperoleh jawaban yang tegas yaitu Ya . responden pada upper 25% dan lower 25% dianalisis untuk melihat sampai berapa jauh tiap item dalam kelompok ini berbeda. Untuk mendapatkan gelar 4. Item-item yang tidak menunjukkan beda yang nyata. Untuk jawaban positif seperti setuju. Skala Gutman Skala Guttman yaitu skala yang menginginkan jawaban tegas seperti jawaban benar-salah. Skor 1 untuk skor tertinggi dan skor 0 untuk terendah. 2. Total skor dari masing-masing individu adalah penjumlahan dari skor masingmasing item dari individu tersebut. salah. Untuk mendapatkan ijazah 5. Apakah dengan belajar akan terpenuhi kebutuhan anda dalam mencari ilmu ? (Ya/Tidak) 2. apakah masuk dalam skortinggi atau rendah juga dibuang untuk mempertahankan konsistensi internal dari pertanyaan. sedangkan untuk jawaban negatif seperti tidak setuju. Contoh: Dimensi belajar dibagi menjadi 5 pernyataan (dari kebutuhan yang paling rendah dahulu) : 1. dan semacamnya diberi skor 0. pernah – tidak pernah.

Skala Semantik defferensial disusun dalam suatu garis dimana jawaban sangat positif terletak dibagian kanan garis. Bagaimana kualitas gambar 4 3 2 1 2 Bagaimana kualitas suara 4 3 2 1 3 Bagaimana tampilan produk 4 3 2 1 4 Bagaimana pelayanan purna jual 4 3 2 1 4. Apakah dengan belajar akan terpenuhi kebutuhan anda dalam mendapatkan ijazah? (Ya/Tidak) 5. Data yang diperoleh adalah data interval dan baisanya skala ini digunakan untuk mengukur sikap/karakteristik tertentu yang dipunyai oleh seseorang. tetapi bentuknya bukan pilihan ganda atau checklist tetapi tersusun dalam satu garis kontinum.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 3. Contoh : Seberapa baik televisi merek X? Berilah jawaban angka : 4 bila produk sangat baik 3 bila produk cukup baik 2 bila produk kurang baik 1 bila produk sangat tidak baik Atau Jawablah dengan melingkari interval jawaban. sedangkan jawaban sangat negatif terletak dibagian kiri garis atau sebaliknya. Didin Astriani Prasetyowati Page 20 . NO PERTANYAAN INTERVAL JAWABAN 1. Apakah dengan belajar akan terpenuhi kebutuhan anda dalam mendapatkan gelar? (Ya/Tidak) 4. Skala Semantik Defferensial Skala defferensial yaitu skala untuk mengukur sikap dan lainnya. Skala Rating Skala rating adalah data mentah yang diperoleh berupa angka kemudian ditafsirkan dalam pengertian kualitatif. Apakah dengan belajar akan terpenuhi kebutuhan anda dalam memenuhi syarat mencari kerja?(Ya/Tidak) 3. Responden dapat memberi jawaban pada rentang jawaban yang positif sampai dengan negative.

Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Contoh : Gaya Kepemimpinan Demokrasi Bertanggung jawab Memberi Kepercayaan Menghargai bawahan Keputusan diambil bersama Didin Astriani Prasetyowati 7 7 7 7 7 6 6 6 6 6 5 5 5 5 5 4 4 4 4 4 3 3 3 3 3 2 2 2 2 2 1 1 1 1 1 Otoriter Tidak bertanggung jawab Mendomi-nasi Tidak menghargai bawahan Keputusan diambil sendiri Page 21 .

Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS)

BAB III
PENGENALAN PAKET PROGRAM SPSS

A. Pengenalan SPSS
Pada era globalisasi seperti sekarang ini, komputer merupakan suatu kebutuhan.
Sejalan dengan pesatnya perkembangan komputer, perkembangan paket program
statistik juga sangat pesat. Dari yang “kuno” dan berbasis DOS seperti Microstat
sampai yang berbasis Windows seperti SPSS (Statistical Product and Service Solutions),
Minitab, SAS (Statisical Analysis System), Statistica, Statistix, S-Plus, dan lain-lain.
Dengan pesatnya perkembangan paket program statistik tentunya kita tidak perlu
menguasai semua program statistik yang ada. Pemilihan paket program statistik
hendaknya disesuaikan dengan kebutuhan dari masing-masing pengguna. Cukup
dengan menguasai satu program statistik maka semua permasalahan statistik dapat
diselesaikan baik dengan memanfaatkan progam yang sudah ada maupun
menggunakan makro yang tersedia pada masing-masing paket program statistik
tersebut.
Dalam buku ini hanya akan diulas tentang penggunaan paket program SPSS.
Program ini dipilih mengingat program ini sangat populer dan paling banyak
digunakan dalam berbagai bidang seperti riset pasar, pengendalian dan perbaikan
mutu, riset ilmu-ilmu sosial, riset ilmu-ilmu sains dan sebagainya. Sehingga SPSS yang
pada saat itu merupakan singkatan dari Statistical Package for the Social Sciences sekarang
diperluas menjadi Statistical Product and Service Solutions.
Sejalan dengan perkembangan yang pesat dan pelayanan yang beragam, mulai
tahun 1998 SPSS beroperasi dalam 4 operating units, yaitu:
1. SPSS BI atau Business Inteligence untuk pasar bisnis.
2. SPSS MR atau Market Research untuk riset pasar.
3. SPSS Science untuk riset sains.
4. SPSS Quality untuk peningkatan kualitas.

Didin Astriani Prasetyowati

Page 22

Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS)

B. Menjalankan SPSS
Untuk menjalankan program SPPS, pastikan bahwa komputer atau laptop anda
sudah terinstal aplikasi SPSS tersebut. Dalam buku ini, digunakan aplikasi IBM SPSS
Statistic 22 yang merupakan program SPSS versi ke 22 buatan IBM. Langkah-langkah
untuk memulainya adalah :
1. Kilk Start – All Programs – IBM SPSS Statistics – IBM SPSS Statistics 22
2. Akan muncul jendela muka seperti gambar dibawah ini :

Jika kita sudah memiliki data yang siap untuk di operasikan dengan SPSS, maka
pilih data yang akan diolah pada kotak dialog kemudian klik OK. Tetapi jika belum
ada data yang tersedia pada kotak dialog tersebut maka klik Cancel, maka Jendela
Kerja SPSS akan terbuka seperti gambar di bawah ini :

Untuk mengakhiri SPSS dapat dilakukan dengan klik File pada baris menu
kemudian klik Exit, atau klik icon X pada sudut kanan atas.

Didin Astriani Prasetyowati

Page 23

Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS)

C. Pengenalan Windows SPSS
Sebelum memulai bekerja dengan SPSS, maka terlebih dahulu kenalilah window
yang ada pada program SPSS, yang terdiri dari 4 window, yaitu Data Editor, Output
Viewer, Syntax Editor, dan Script Editor.
Menu-menu yang tersedia pada Data Editor adalah:
a. Menu File
Menu file ini berfungsi untuk menangani masalah yang berhubungan dengan file
data, seperti:
New [Data, Syntax, Output, Draft Output, Script] membuat file baru
Open [Data, Syntax, Output, Draft Output, Script] membuka file baru
Open Database [New Query, Edit Query, Run Query] mengimport data dari suatu
program lain, seperti Excel, SAS, Minitab, dan lainnya.
Read Text Data Membaca data text.
Save Menyimpan data yang sedang aktif ke dalam file SPSS.
Save As Menyimpan data yang sedang aktif ke dalam berbagai type data.
Display Data Info Membuka beberapa nama file yang sudah ada dalam bentuk
SPSS.
Print Mencetek data yang sedang aktif.
Print Preview Melihat data yang sedang aktif sebelum dicetak.
Stop Processor Menghentikan/membatalkan perintah yang sedang berjalan.
b. Menu Edit
Menu Edit ini berfungsi untuk menangani hal-hal yang berhubungan dengan
memperbaiki atau mengubah nilai data, seperti:
Undo Memanggil ulang perintah yang sudah berlalu.
Redo Memanggil kembali perintah yang sudah dibuat.
Cut Menghapus text atau data yang disorot.
Copy Menggandakan text atau data yang disorot ke Clipboard.
Paste Menempatkan text atau data yang dicopy ke Clipboard.
Clear Menghapus text atau data yang disorot.
Find Mencari data atau text yang diinginkan.

Didin Astriani Prasetyowati

Page 24

Value Label Mengaktifkan/ menampakkan nilai pada lebel. Split File Memisahkan isi file dengan kriteria tertentu. Weight Cases Memberi bobot pada suatu kasus tertentu. Didin Astriani Prasetyowati Page 25 . Insert Cases Menyisipkan kasus pada sel tertentu. seperti: Status Bar Mengaktifkan status bar. label. c. script. Select Cases Menyeleksi isi file dengan kriteria tertentu. Random Number Seed Digunakan untuk menciptakan sejumlah angka acak untuk keperluan tertentu.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Options Mengubah seting seperti output tabel. e. Sort Cases Mengurutkan data yang disorot. Font Mengatur ukuran dan bentuk huruf yang akan digunakan. Toolbars Mengatur penampilan toolbar yang ada pada SPSS. Menu Data Menu Data ini berfungsi untuk membuat perubahan data SPSS secara keseluruhan. Grid Lines Mengaktifkan garis-garis pada sel data. Go to Cases Menemukan sel tertentu. seperti: Define Dates Mengerjakan pengisian variabel yang berhu-bungan dengan deret waktu. Insert Variable Menyisipkan variabel. d. Aggregate Meringkas data secara agregat. Transpose Mentransformasi data dari baris menjadi kolom atau sebaliknya. Merger File Menggabung file yang sekarang ada dengan file baru. Menu View Menu View ini berfungsi untuk mengatur toolbar. Menu Transform Menu Transform ini berfungsi untuk membuat perubahan pada variabel yang telah dipilih dengan kriteria tertentu. seperti: Compute Menambah variabel baru yang berisi hasil perhitungan berdasarkan data dari variabel lama. dan lainnya.

g. File Info Memberi informasi tentang semua variabel yang ada pada data yang sedang aktif. Recode Memberi kode ulang ke suatu variabel berdasarkan kriteria tertentu baik dalam variabel yang sama maupun dalam variabel yang berbeda. seperti: Variables Memberi informasi tentang sebuah variabel yang disorot.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Count Menghitung data dengan kriteria tertentu. Categorize Variables Mengubah bilangan numerik yang kontinue menjadi bilangan diskrit atau kategorik. h. Didin Astriani Prasetyowati Page 26 . Define Set Mengubah atau menampilkan variabel-variabel yang dianggap perlu saja. sehingga akan dibahas dalam bab tersendiri. Menu Editor Menyediakan fasilitas untuk dapat menampilkan menu tambahan tersendiri diluar menu-menu standar yang sudah ada. Create Time Series Fungsi ini berhubungan dengan pembuatan variabel pada data Time Series. Use Set Mengubah atau menampilkan variabel-variabel yang dianggap perlu saja. Rank Cases Mengurutkan kasus dengan kriteria tertentu. Menu Utilities Menu Utilities atau menu tambahan yang medukung program SPSS. Automatic Recode Mengubah sebuah variabel numerik tanpa nilai menjadi sebuah variabel numerik dengan nilai secara otomatis. Menu ini adalah inti dari modul ini. seperti: Status Bar Mengaktifkan status bar. Menu Analyze Menu Analyze ini berfungsi untuk melakukan semua prosedur perhitungan statistika. Menu Graphs Menu Graphs ini berfungsi untuk membuat berbagai jenis grafik yang dikehendaki. Replace Missing Value Fungsi ini berhubungan dengan pengelolaan nilai missing pada data Time Series f.

dapat tiap topik yang khusus dengan cara mencari kata kunci lewat INDEX. Menu Window Menu Window ini berfungsi untuk berpindah di antara menu-menu yang lain yang ada dalam SPSS. j. Menu ini berisi antara lain:  TOPICS untuk melihat tiap topik mengenai cara kerja SPSS.  STATISTICS COACH untuk melihat tiap topik statistik yang diperlukan dan kaitannya dengan pengerjaan SPSS.  TUTORIAL untuk melihat tiap topik mengenai cara kerja SPSS. Menu Help Menu Help berfungsi untuk menyediakan bantuan informasi mengenai program SPSS yang dapat diakses secara mudah dan jelas.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) i. Didin Astriani Prasetyowati Page 27 .

teknik penyajian ini dimaksudkan untuk memperindah tampilan dari suatu laporan penelitian. yaitu secara umum dalam bentuk tabel dan grafik. Ada berbagai bentuk penyajian data yang dapat digunakan. Di samping itu.979 2003 300. Tabel Baris Kolom Contoh : Tabel 4.155 823.115 711. MODAL DAN TENAGA KERJA PERUSAHAAN X PERIODE TAHUN 2001-2005 Penjualan Tahun (Milyar Rp) 2001 928.395 2002 275.337 742. untuk keperluan laporan dan/atau analisis selanjutnya perlu diatur.683 Tenaga Kerja (orang) 1170 1147 794 734 752 2.886 690.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) BAB IV EKSPLORASI DATA A.562 Catatan : Data Rekaan Modal (Milyar Rp) 781. baik yang berasal dari populasi ataupun dari sampel. Penyajian Data Data yang telah dikumpulkan. Penyajian dalam bentuk tabel. disusun.005 2005 565.803 2004 796. variabel yang satu terdiri dari b kategori dan yang lainnya terdiri atas k kategori.1 (Daftar Baris Kolom) DATA HASIL PENJUALAN. Hal tersebut diperlukan teknik penyajian data. Didin Astriani Prasetyowati Page 28 . Teknik-teknik ini diperlukan untuk memberikan gambaran umum informasi yang terkandung data. memiliki beberapa jenis : 1. Tabel Kontigensi (b x k) Digunakan untuk data yang terdiri atas 2 faktor atau 2 variabel. disajikan dalam bentuk yang jelas dan baik untuk memudahkan seseorang memahami data.

relative–kumulatif). Digunakan untuk data kuantitatif yang dibuat menjadi beberapa kelompok. kumulatif. 2. Tabel Distribusi Frekuensi (relative. Contoh : Tabel 4. Diagram Batang Sangat tepat digunakan untuk menyajikan data yang variabelnya berbentuk kategori. dan sumbu tegak untuk menyatakan nilai data. dapat juga untuk data tahunan. Grafik yang banyak digunakan adalah : 1. Dalam diagram batang dibutuhkan sumbu datar yang menyatakan kategori atau waktu.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Contoh : Tabel 4. Pesan visual yang diberikan oleh grafik selain lebih menarik untuk dilihat juga mempermudah seseorang dalam membandingkan.2 (Daftar Kontingensi 3x2) JUMLAH PEGAWAI DI PERUSAHAAN Y MENURUT JENIS KELAMIN DAN JUMLAH JAM KERJA Jenis Kelamin Jumlah Jam Kerja Kurang dari 25 jam/minggu Pria Wanita 20 30 25 sampai 50 jam/minggu 70 60 Lebih dari 50 jam/minggu 90 50 Catatan : Data Rekaan 3.3 (Daftar Distribusi Frekuensi) NILAI UJIAN STATISTIK UNTUK 50 MAHASISWA Nilai Banyak 40 – 49 6 50 – 59 9 60 – 69 12 70 – 79 17 80 – 89 13 Jumlah 57 Catatan : Data Rekaan Sementara itu banyak orang yang berpendapat bahwa penyajian informasi menggunakan tabel yang berisi angka memiliki keefektifan yang kurang jika dibandingkan dengan grafik. Diagram Garis Didin Astriani Prasetyowati Page 29 .

3. Beberapa contoh jenis grafik : Tabel 4. 4. dll. Diagram Lingkaran dan Diagram Pastel Digunakan untuk menggambarkan kategori data yang terlebih dahulu diubah ke dalam nilai derajat.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Digunakan untuk menggambarkan keadaan yang berkesinambungan/kontinu. jumlah penduduk tiap tahun. Dalam diagram garis. sumbu datar menyatakan waktu dan sumbu tegak menyatakan nilai data tiap waktu. Diagram Titik atau Pencar Digunakan untuk menggambarkan kumpulan data kuantitatif yang terdiri dari 2 variabel. yang dibuat dalam sistem sumbu koordinat dan gambarnya berupa kumpulan titik-titik yang terpencar.2 (Diagram Garis) JUMLAH PERMINTAAN BARANG PT.1 (Diagram Batang) GRAFIK JUMLAH MAHASISWA POLTEK PG BERDASARKAN JURUSAN JUMLAH MAHASISWA (ORANG) 500 500 400 350 400 300 300 200 200 100 0 AKE MIF TIK ARS MPRS JURUSAN Gambar 4.5 Gambar 4. A PERIODE TAHUN 2004 – 2008 JUMLAH BARANG (UNIT) 160 150 140 125 120 100 100 80 80 60 50 40 20 0 2004 2005 2006 2007 2008 TAHUN Page 30 . misalnya : hasil produksi perusahaan tiap tahun. A PERIODE TAHUN 2004 – 2008 TAHUN JUMLAH BARANG 2004 50 2005 100 2006 80 2007 125 2008 150 Didin Astriani Prasetyowati GRAFIK PERMINTAAN BARANG PT.4 JUMLAH MAHASISWA POLTEK PG BERDASARKAN JURUSAN JURUSAN JUMLAH MAHASISWA AKE 500 MIF 400 TIK 350 ARS 200 MPRS 300 Tabel 4.

3 (Diagram Titik/Pencar) PENDAPATAN (X) & PENGELUARAN PENDUDUK (Y) DI DAERAH B X 30 50 65 80 90 100 110 120 125 130 Y 30 45 60 60 80 70 95 100 120 100 GRAFIK PENDAPATAN & PENGELUARAN PENDUDUK DAERAH B PENGELUARAN (JUTA RP) 120 80 40 0 Tabel 4. 45 B. 3. 2. diantaranya 1.4 (Diagram Lingkaran) DIAGRAM HASIL PEMUNGUTAN SUARA Kandidat Jml Suara Jml Suara (derajat) A 25 (25/100) x 3600 = 900 B 45 (45/100) x 3600 = 1620 C 20 (20/100) x 3600 = 720 Abstain 10 (10/100) x 3600 = 360 JUMLAH 100 Abstain. Dapat mengetahui distribusi data. Pembuatan tabel distribusi frekuensi dapat dimulai dengan menyusun data mentah ke dalam urutan yang sistematis (dari nilai terkecil ke nilai yang lebih besar atau sebaliknya) atau lebih sering disebut data terurut. 25 C.7 HASIL PEMUNGUTAN SUARA 50 100 150 PENDAPATAN (JUTA RP) Gambar 4.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Tabel 4.6 Gambar 4. sehingga distribusi frekuensi adalah suatu pengelompokkan data berdasarkan pada kemiripan ciri. Keuntungan dari pengurutan data mentah ke dalam urutan data yang sistematis. 20 3600 B. Untuk mendapatkan distribusi frekuensi. Distribusi Frekuensi Tujuan dari pembuatan tabel distribusi frekuensi adalah untuk mengatur data mentah (data yang belum dikelompokkan) ke dalam bentuk yang rapi tanpa mengurangi inti informasi yang ada. Dapat melihat jarak antara nilai terkecil dan terbesar dari kumpulan data tersebut. Dapat mengetahui di sekitar mana data terkonsentrasi. kumpulan array data dikumpulkan ke dalam sejumlah kelas (kelompok) yang relatif sedikit. 10 A. Didin Astriani Prasetyowati Page 31 .

.8 dapat dilihat bahwa :  Kelas Interval - Nilai Ujian 50 – 59.5 -99.5 .. seperseratus jika data dicatat hingga dua desimal.89. data dibuat menjadi beberapa kelompok dalam interval-interval tertentu.dst disebut kelas interval.5 64. 69..5 79. - Perbedaan antara ujung bawah kelas dengan ujung atas kelas sebelumnya adalah satu jika data dicatat hingga satuan.5 94.59. 60 – 69 disebut kelas interval kedua.5 .5 74. 90 disebut ujung bawah kelas kelima/terakhir. nilai 69 disebut ujung atas kelas kedua.5 59.  Panjang Kelas Interval (p) Didin Astriani Prasetyowati Page 32 .. - Urutan kelas interval 50 – 59 disebut kelas interval pertama. Istilah-istilah Dalam Distribusi Frekuensi Tabel 4. nilai 99 disebut ujung kelas kelima/terakhir. nilai 60 disebut ujung bawah kelas kedua. 79. - Nilai 59 disebut ujung atas kelas pertama. sepersepuluh jika data dicatat hingga satu desimal.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 1.. 70. - Nilai 50 disebut ujung bawah kelas pertama..5 84...5 . Urutan kelas interval disusun mulai dari data terkecil sampai dengan data terbesar atau sebaliknya.  Ujung Kelas Interval - Nilai-nilai di kiri kelas interval (50.69.8 Nilai Ujian Statistik Untuk 50 Mahasiswa Nilai Ujian Frekuensi (f) Batas Kelas Titik Tengah Kelas 50 – 59 60 – 69 70 – 79 80 – 89 90 – 99 Jumlah 8 10 13 10 9 50 49. 60 – 69.5 69. . - Dalam daftar distribusi frekuensi.5 89.79. dst..5 54. 80 dan 90) disebut ujung bawah kelas (UBK).5 Berdasarkan tabel 4. 90 – 99 disebut kelas interval kelima/terakhir. 89 dan 99) disebut ujung atas kelas (UAK).5 .... 60.. - Nilai-nilai di kanan kelas interval (59.

5 .5 . Jika data dicatat hingga satuan batas bawah kelas = ujung bawah kelas – 0.= 90 – 80 =10.5 disebut batas atas kelas(BAK).5 ..5 .. - Nilai 59.... Jika data dicatat hingga satuan batas atas kelas = ujung atas kelas + 0...dst 2 Page 33 . Jika data dicatat hingga satu desimal batas bawah kelas = ujung bawah kelas – 0. - Nilai f = 8.5 .. Nilainya juga bergantung pada ketelitian data yang digunakan. artinya jumlah mahasiswa yang nilai ujian statistiknya antara 50 – 59 ada 8 orang.... Nilainya bergantung pada ketelitian data yang digunakan. 99.. 59. Titik Tengah Kelas  Didin Astriani Prasetyowati 50  59  54. 05. UBK  UAK BBK  BAK  2 2 - Titik Tengah Kelas  - Untuk kelas interval pertama.  Titik Tengah Kelas (m) - Nilai 54.... 05.5. 64. yakni rata-rata setiap kelas interval ..Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Selisih positif antara tiap dua ujung bawah kelas berurutan disebut panjang kelas interval.. - Nilai batas bawah kelas berikutnya sama dengan nilai batas atas kelas sebelumnya... Jumlah seluruh frekuensi sama dengan jumlah seluruh data (N).5. Jika data dicatat hingga satu desimal batas atas kelas = ujung atas kelas + 0.. 94. 89. Dari tabel diperoleh panjang kelas interval = 60 – 50 = 70 – 60 =... 69.  Batas Kelas Interval - Nilai 49.5 disebut titik tengah kelas - Titik tengah kelas/tanda kelas adalah suatu nilai yang diambil sebagai wakil dari kelas itu.5 .dst.dst.  Frekuensi (f) - Bilangan yang menunjukkan banyaknya data yang terdapat dalam setiap kelas interval disebut frekuensi.5 disebut batas bawah kelas (BBK).5 ..

banyak kelas interval dapat dihitung dengan menggunakan aturan Sturges. yaitu : Banyak Kelas = 1 + 3. data terbesar. Nilai f dihitung dengan menggunakan tabel penolong sebagai berikut. dan banyak data. dengan n menyatakan banyak data 4. Namun yang ideal. Buat Tabel Distribusi Frekuensi Tabel 4. dipilih sesuai keperluan. p rentang banyak kelas 5. Demikian seterusnya.10 Distribusi Frekuensi Kelas Interval Didin Astriani Prasetyowati Frekuensi Page 34 . Tentukan nilai dari data terkecil. Pada umumnya. Rentang = Data Terbesar – Data Terkecil 3. Selanjutnya kelas interval pertama dihitung dengan cara menjumlahkan ujung bawah kelas dengan p dikurangi 1. Tentukan panjang kelas interval (p). 6. Tentukan ujung bawah kelas interval pertama. Tentukan Rentang/Range. Tentukan banyak kelas interval yang diperlukan. Langkah-langkah Membuat Daftar Distribusi Frekuensi Berikut adalah langkah-langkah untuk membuat Daftar Distribusi Frekuensi : 1.3 log n . 2. banyak kelas interval ini antara 5 sampai 15 kelas. yaitu nilai data terbesar dikurangi nilai data terkecil. Tabel 4. akan tetapi selisihnya harus kurang dari panjang kelas interval yang telah didapat.9 Tabel Penolong Kelas Interval Tabulasi Frekuensi 8.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 2. Biasanya diambil data terkecil atau data yang lebih kecil dari data terkecil. 7.

dan banyak data. Tentukan nilai dari data terkecil. UBK Pertama = 50 6. Rentang = DB – DK = 83 – 50 = 33 3.881 ≈ 5 (selalu bulatkan ke atas) 4. Tentukan banyak kelas interval yang diperlukan.1: Buatlah daftar distribusi frekuensi dari data pengeluaran per hari (ribu rupiah) untuk 15 keluarga di suatu daerah berikut ini : Data Pengeluaran Per Hari (Ribu Rupiah) Untuk 15 Keluarga 50 77 65 62 70 75 74 80 66 60 75 71 68 72 83 Catatan : Data Rekaan Jawab : 1. Tentukan rentang. 6  7 ( selalu dibulatkan keatas ) banyak kelas 5 5. p rentang 33   6 . data terbesar.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Contoh 4. Buat Tabel Penolong Tabel 4.3 log N = 1 + 3. Selanjutnya kelas interval pertama dihitung dengan cara menjumlahkan ujung bawah kelas dengan p dikurangi 1. Tentukan panjang kelas interval (p). yaitu nilai data terbesar dikurangi nilai data terkecil. Dengan menggunakan aturan Sturges : Banyak kelas = 1 + 3.3 log 15 = 4. Data terkecil (DK) = 50 Data terbesar (DB) = 83 Banyak data (N) = 15 2. Kelas Interval = UBK + P – 1 = 50 + 7 -1 = 56 7. Tentukan ujung bawah kelas interval pertama.11 Tabel Penolong Kelas ke1 2 3 4 Kelas Interval 50 – 56 57 – 63 64 – 70 71 – 77 Didin Astriani Prasetyowati Tabulasi I II IIII IIIII I Frekuensi 1 2 4 6 Page 35 .

Didin Astriani Prasetyowati Page 36 .1) Gambarkan histogram dan poligon dari data pengeluaran per hari (ribu rupiah) untuk 15 keluarga.12 Distribusi Frekuensi Pengeluaran Per Hari (Ribu Rupiah) Untuk 15 Keluarga Pengeluaran 50 – 56 57 – 63 64 – 70 71 – 77 Frekuensi 1 2 4 6 C. Untuk menggambarkan histogram digunakan sumbu mendatar yang menyatakan batas-batas kelas interval dan sumbu tegak menyatakan frekuensi absolut atau frekuensi relatif.  Poligon Frekuensi Polygon frekuensi adalah diagram garis dari suatu distribusi frekuensi. Dua bentuk penyajian grafik dari seperangkat data yang disajikan dalam daftar distribusi frekuensi adalah Histogram dan Poligon Frekuensi. Contoh 4. Sehingga Daftar Distribusi Frekuensinya adalah Tabel 4.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 8.  Histogram Histogram adalah penyajian data distribusi frekuensi yang diubah menjadi diagram batang.2 (Berdasarkan Contoh 4. Titik tengah kelas diperoleh dengan membagi dua jumlah antara batas bawah dan batas atas kelas. Jawab : Untuk menggambarkan histogram dan poligon maka diperlukan batas-batas kelas dan titik tengah kelas. Polygon frekuensi diperoleh dengan menghubungkan titik-titik yang merupakan pasangan koordinat titik tengah dan frekuensi setiap kelas. namun sisi-sisi batang yang berdekatan harus berimpitan. Penyajian Distribusi Frekuensi Dengan Grafik Pola data yang disajikan dalam diagram/grafik dapat lebih mudah ditangkap maknanya dibandingkan dengan memperhatikan tabel frekuensi.

dan lain-lain). Memanggil data dari program lain.5 – 84.5 - Titik Tengah Kelas (50+56)/2=53 60 67 74 81 - Gambar 4.5 70.5 – 63. Input (Memasukkan) Data Poses dalam input data pada program SPSS dapat dilakukan dengan berbagai cara. Langkahlangkahnya adalah seperti pada Gambar berikut: Didin Astriani Prasetyowati Page 37 .5 Histogram dan Poligon Pengeluaran Per Hari (Ribu Rupiah) Untuk 15 Keluarga EKPLORASI DATA MENGGUNAKAN SPSS 1. Systat.5 77. Lotus.5 – 56.5 –70.5 – 77.5 56.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Tabel 4. jika data sudah tersimpan dalam program lain seperti (excel.13 Perhitungan Batas Kelas Dan Titik Tengah Kelas Pengeluaran 50 – 56 57 – 63 64 – 70 71 – 77 78 – 84 Jumlah Frekuensi 1 2 4 6 2 15 Batas Kelas 49. minitab. yaitu: a. dBase.5 63.

Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) b. Buka lembar kerja baru 2. KASUS 4. sorot menu New. maka akan dilakukan input nama variabel sebanyak 4 kali. kemudian menamai variabel yang diperlukan dan karakteristik variabel tersebut.50 45. variabel kedua adalah BERAT BADAN. misalkan variabel pertama adalah NAMA. klik sub menu Data) 2. Letakkan Didin Astriani Prasetyowati Page 38 . Name merupakan tempat menuliskan nama variabel. Untuk setiap variabel terdiri dari beberapa kolom sebagai berikut: a.I Misalkan kita punya data sebagai berikut: Nama Ahmad Budi Cindy Danny Early Fanny Gerhana Iwan Jovanka Katherine Berat badan 75.00 50. Persiapkan nama dan karakteristik variabel dengan menampilkan VARIABEL VIEW (klik tab sheet Variable View yang ada di bagian kiri bawah atau tekan CTRL+T) 3.00 68.50 Gender Pria Pria Wanita Pria Wanita Wanita Pria Pria Wanita Wanita Pendidikan S1 SMA SMA S1 SD SMP SMA S1 S1 SMP Langkah-langkah memasukkan data secara langsung ke SPSS: 1. Setelah terlihat tampilan SPSS DATA EDITOR. Buka lembar kerja baru (klik menu utama File.00 67. Menampilkan tampilan VARIABLE VIEW untuk mempersiap-kan pemasukan nama dan properti variabel.00 62.80 45. Memasukkan data langsung dalam windows (sel) SPSS pada Data Editor. variabel ketiga adalah GENDER dan variabel keempat PENDIDIKAN. dalam hal ini ada 4 variabel.80 65.50 70. Langkah-langkahnya adalah: 1. 3.00 45. Menamai variabel yang diperlukan. 4.

Menunjukkan format isisn dalam sel. karena selain dapat diberi tipe string juga bisa diberi tipe numerik dengan skala datanya kategorik (nominal atau ordinal). f. dan Pendidikan (SD =1. maka tipe variabel ini adalah String. Date. d. dan BERAT BADAN memiliki tipe skala kontinue. Sedangkan berat seseorang berupa angka atau numerik maka tipenya dipilih Numerik. Didin Astriani Prasetyowati Page 39 . Values. seperti PRIA = 1. Columns. WANITA = 2. Width adalah untuk menentukan berapa jumlah maksimal angka/huruf yang dapat dimuat. Untuk mendeskripsikan nilai-nilai yang ada pada variabel tersebut. i. maka abaikan kolom Values. Scientific notation. Type merupakan tipe data dari variabel tersebut.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) pointer di bawah kolom Name. Manunjukkan lebar kolom yang diinginkan. Tipe data terdiri dari: Numeric. Bila angka merupakan bilangan bulat. atau center. seperti Jenis Kelamin (PRIA = 1. SMP =2. desimal diisi dengan angka NOL (0). Apakah rata kiri. (Nama variabel tidak boleh lebih dari 8 karakter dan semua huruf dianggap kapital) b. Untuk menjelaskan atau menerangkan nama variabel yang ditulis dalam Name. Missing. rata kanan. SMA = 3. h. c. Sementara untuk Gender dan Pendidikan merupakan variabel yang unik bila dibandingkan variabel NAMA yang berisi huruf. Untuk default ketik 8. Tidak ada data missing. Ketik Berat Badan dalam kg. Untuk keperluan praktik biarkan kolom width sesuai dengan default SPSS yaitu = 8. g. WANITA = 2) berskala nominal. maka abaikan bagian ini. S1 = 4) berskala Ordinal. Karena nama seseorang (variabel NAMA) adalah huruf. dan String. Variabel NAME memiliki tipe string. Custom currency. Label.. lalu ketik X1 atau nama variabel yang diinginkan. e. Comma. jika tipe datanya kategorik. Dot. Align. bukan angka. Desimal adalah untuk menentukan jumlah angka di belakang koma.

sav. Penyajian data dalam bentuk grafik ini dapat digunakan untuk melengkapi analisis data.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) j. misalnya kita beri nama “Berat”. Langkah berikutnya adalah menyimpan data. dengan pilihan scale jika datanya kontinue. ordinal jika skalanya ordinal dan nominal jika skala datanya nominal. Menunjukkan ukuran skala data pada kolom tersebut. Dalam statistika istilah yang digunakan untuk menyajikan dan menjelaskan kondisi data adalah ukuran pemusatan dan ukuran penyebaran. width dan desimalnya.  Beri nama file tersebut. seperti gambar berikut ini. tipe.  Dari menu File. Untuk tipe data file SPSS adalah sav. Langkah berikutnya adalah mengisikan data variabel yang telah didefinisikan nama. sehingga data tersebut akan disimpan dengan nama lengkap Berat. lalu pilih submenu Save As …. SPSS menyediakan menu untuk membuat berbagai macam grafik. Macam Didin Astriani Prasetyowati Page 40 . Dan tempatkan file tersebut di direktori yang kita kehendaki. Cara pengisian data persis seperti kita mengisi data pada program Excell. 2. Peringkasan dan Penyajian Data dalam bentuk Grafik Peringkasan data dilakukan untuk mengetahui karakteristik data yang ada serta menjelaskan kondisi data yang ada secara jelas dan mudah dipahami oleh kebanyakan orang (orang awam). Measure. 5. 6. yaitu baris-baris pada tiap-tiap kolom variabel tersebut.

Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) menu grafik yang disediakan oleh SPSS diantaranya adalah Bar (grafik batang). Histogram. Untuk menyajikan data dalam bentuk grafik Bar (Batang) maka klik menu Graph. Masing-masing grafik memiliki karakteristik-karakteristik tertentu yang sesuai dalam penggambaran data. Grafik yang berbasis garis. dll. Diagram ini bisa diterapkan pada tabel ringkasan maupun tabel frekuensi dan tabel kontigensi. Grafik yang berbasis lingkaran. Pilihan Didin Astriani Prasetyowati Page 41 . Scatter/Dot (sebaran/titik). Pilihan Simple digunakan untuk menggambarkan grafik dari variabel tunggal. Grafik yang berbasis batang. Clustered dan Stacked. yaitu Simple.1 Grafik jenis Bar (Batang) Diagram ini berupa batang-batang yang menggambarkan nilai dari masingmasing kategori. Grafik yang berbasis titik umumnya untuk menggambarkan pencaran/sebaran data. B. Pie (grafik lingkaran). umumnya untuk menggambarkan data yang bersifat proporsi. Line (grafik garis). Legancy Dialogs. umumnya (lebih sesuai) untuk menggambarkan perkembangan data. umumnya digunakan untuk menggambarkan perbandingan antar variabel/kategori. Bar seperti Gambar berikut: Sehingga akan muncul tampilan sebagai berikut: Terdapat tiga pilihan grafik batang.

Pengelompokan pada tipe grafik Clustered dilakukan secara horizontal. kita pilih N of cases. Kita pilih jenis grafik Simple (klik) dan tampilan data adalah Summaries for groups of cases. Sebagai latihan awal. Kemudian terdapat pilihan tampilan data untuk grafik (Data in Chart Are). Untuk latihan ini.N). diringkas berdasarkan pemisahan variabel (Summaries of separate variables) atau menampilkan data individual. Akan muncul output grafik sebagai berikut: Didin Astriani Prasetyowati Page 42 . yaitu diringkas berdasarkan kategori (Summaries for groups of cases). kita akan membuat grafik untuk variabel Pendidikan. Selanjutnya masukkan variabel Pendidikan ke dalam kotak Category Axis. akan muncul tampilan berikut: Tentukan terlebih dahulu ukuran yang akan ditampilkan oleh batang dari grafik kita (Bar Represent). sedangkan pada tipe Stacked secara vertikal.%). persentase frekuensi (% of cases). Kemudian klik Define. kumulatif persentase frekuensi (Cum. Ada beberapa pilihan yaitu ukuran frekuensi absolut (N of cases). kumulatif frekuensi (Cum. atau ukuran statistik lainnya (Other Statistics).Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Clustered dan Stacked digunakan untuk menggambarkan grafik dari variabel tunggal tetapi dikelompokkan berdasarkan kategori dari variabel lainnya. dan kemudian klik OK.

kasus atau variable b. kasus atau variable c. Drop-line Menghasilkan grafik garis vertikal yang menghubungkan tanda-tanda dalam kategori untuk masing-masing kategori. Line Charts sehingga akan muncul tampilan sbb : Tipe grafik Line yang tersedia adalah : a.3 Grafik jenis Pie (Lingkaran) Untuk menyajikan data dalam bentuk grafik Pie (Lingkaran) maka klik menu Graph . Pie Charts sehingga akan muncul tampilan sbb : Didin Astriani Prasetyowati Page 43 . Multiple Menghasilkan grafik garis ganda untuk masing-masing kategori. Untuk menyajikan data dalam bentuk grafik Line ( Garis ) maka klik menu Graph .2 Grafik jenis Line (Garis) Untuk menyajikan data dalam bentuk grafik Line ( Garis ) maka klik menu Graph --> Legacy dialogs --> Line Charts. Simple Menghasilkan grafik garis tunggal untuk masing-masing kategori. kasus atau variable B.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) B.

4 Grafik jenis Scatterplot Untuk menyajikan data dalam bentuk grafik Scatterplot maka klik menu Graph .Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Tipe grafik Pie yang tersedia adalah : a. Simple Menghasilkan grafik area yang tunggal untuk masing-masing kategori. b. kasus atau variable b. Summaries for groups of cases Grafik ini menyajikan data untuk tiap grup tertentu. c. Summaries of separate variable Grafik ini menyajikan data untuk tiap variable. kasus atau variable B. Bar Charts sehingga akan muncul tampilan sbb : Tipe grafik Area yang tersedia adalah : a. Stacked Menghasilkan grafik area ganda tunggal untuk masing-masing kategori. Value of individual cases Grafik ini menyajikan data untuk tiap kasus secara individual. Scatterplot Charts sehingga akan muncul tampilan sbb : Didin Astriani Prasetyowati Page 44 .3 Grafik jenis Area Untuk menyajikan data dalam bentuk grafik Area maka klik menu Graph . B.

3-D Menghasilkan grafik scaterrplot yang menunjukkan distribusi bersama dari tiga variabel. Overlay Menghasilkan grafik scaterrplot ganda. Didin Astriani Prasetyowati Page 45 .Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Tipe grafik Area yang tersedia adalah : a. Simple Menghasilkan grafik scaterrplot yang menunjukkan distribusi bersama dari dua variabel. b. Matrix Menghasilkan grafik scaterrplot untuk seluruh pasangan variabel d. dimana warna atau simbol plot yang membedakannya c.

Ukuran pemusatan merupakan penyederhanaan data untuk mempermudah peneliti membuat interprestasi dan mengambil suatu keputusan. 6. Median.1 Berapa rata-rata hitung dari data berikut : 2.  xn  x  n n dengan : (5. Modus.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) BAB V ANALISIS DESKRIPTIF A..1) x = rata-rata hitung n = banyak data Xn = data ke – n  x = jumlah seluruh nilai data Contoh 5. 9 ? Jawab : x  x  30  6 n 5 ☺ Rata-rata hitung dari data tersebut adalah 6 b. Ukuran Pemusatan Data Ukuran pemusatan merupakan suatu informasi yang memberikan penjelasan bahwa data memiliki satu (mungkin lebih) titik dimana data itu memusat atau terkumpul. 5. 1.. Untuk data kualitatif (data dengan tingkat pengukuran sekurang-kurangnya nominal) modus sering dipakai Didin Astriani Prasetyowati Page 46 . Secra rumus ditulis: X x1  x2  x3  . Ukuran Pemusatan Data Untuk Data Tunggal a. Rata-Rata Hitung (Mean) Rataan Hitung (mean) adalah jumlah semua nilai data yang diamati dibagi banyknya data yang diamati. 8.. Modus Modus merupakan ukuran yang digunakan untuk menyatakan fenomena yang paling banyak terjadi atau paling sering muncul. Ukuran-ukuran pemusatan yang sering digunakan antara lain: Rata-rata (average).

3. 6. modus diperoleh dengan jalan menentukan frekuensi terbesar di antara serangkaian data. 9.5 ? Jawab : modus =4 ☺ Modus dari data tersebut adalah 4 c.6. 5. setelah data disusun menurut nilainya dari kecil ke besar.9. 8. setelah data disusun menurut nilainya dari kecil ke besar.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) sebagai pengganti rata-rata. 12 Median = 6 Contoh 5. 16. 14. 8. Sedangkan untuk data kuantitatif.  Median Untuk data tunggal ditentukan sebagai berikut : - jika banyak data ganjil. 8. 9. 19 Median = (12+14)/2 = 13 Didin Astriani Prasetyowati Page 47 .4 Diberikan data 12. Contoh 5. 14. Contoh 5. Median  Median merupakan ukuran letak untuk variabel dengan skala ukur sekurangkurangnya ordinal.1.5. artinya 50% dari data nilainya paling tinggi 7 dan 50% lagi nilainya paling rendah 7. 19.5.9. maka median merupakan rata-rata hitung dua data tengah. Jawab : Data diurutkan menjadi : 2.3 Tentukan median dari data berikut 2.  Misalkan jika nilai median sama dengan 7. dan 12. Serangkaian data mungkin memiliki satu modus (unimodal). 4.  Median menentukan posisi tengah data setelah data diurutkan dari kecil ke besar. 5. - jika banyak data genap. Berapa mediannya? Jawab : Data diurutkan menjadi 7. 4. maka median merupakan data yang paling tengah. 6. dua modus (bimodal) atau lebih dari dua (multimodal).2 Berapa modus dari data berikut : 2. 9. 8. 7.3.6. 12. 14.5.3. 14. 9. 16.  Median dapat berlaku sebagai rata-rata untuk variabel dengan tingkat pengukuran ordinal.

0 382. d2 = frekuensi kelas modus dikurangi frekuensi kelas interval sesudahnya.5 292.5 58. yakni kelas interval dengan frekuensi terbesar.1 Perhitungan rata-rata hitung Pengeluaran (ribu Rp) 50 – 55 56 – 61 62 – 67 68 – 73 74 – 79 80 – 85 Jumlah Jawab : x Frekuensi (f) 1 5 6 10 5 3 30 Titik Tengah Kelas (m) (50+55)/2 = 52.0 705.5 76. Modus Untuk data yang dikelompokkan modus didefinisikan sebagai :  d  Mo  LMo  p 1   d1  d2  dengan : (5.9 n ☺ Rata-rata hitung pengeluaran per hari untuk 30 keluarga tersebut adalah Rp 68.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 2.5 70.5 82. Didin Astriani Prasetyowati Page 48 .5 Hitunglah rata-rata hitung untuk data pengeluaran per hari (ribu rupiah) untuk 30 keluarga dalam daftar distribusi frekuensi di bawah ini? Tabel 5. Ukuran Pemusatan Untuk Data Berkelompok Ringkasan data dalam suatu daftar distribusi frekuensi dinamakan data yang dikelompokkan. p = panjang kelas modus d1 = frekuensi kelas modus dikurangi frekuensi kelas interval sebelumnya.5 = 52.2) Contoh 5.5 2067  f  m = 2067/30 = 68. a.5 247.5 387. Rata-rata Hitung (Mean) x  f  m n f = frekuensi kelas interval m = titik tengah kelas interval n = banyak data/jumlah frekuensi dengan : (5.5 - fxm 1 x 52.3) Mo = Modus LMo = batas bawah kelas modus.5 64.900 b.

5 73.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Contoh 5. yakni kelas dimana median akan terletak.5+6(4/(4+5))=70.17 Mo  LMo  p  d1  d2  ☺ Pengeluaran per hari 30 keluarga tersebut mempunyai modus sebesar Rp 70. yaitu pada jumlah frekuensi 1 n .170 c.7 Untuk data pengeluaran per hari 30 keluarga.5 67.2 Perhitungan Modus Kelas ke1 2 3 4 5 6 Pengeluaran (ribu Rp) 50 – 55 56 – 61 62 – 67 68 – 73 74 – 79 80 – 85 Jumlah Jawab : Dari tabel di atas diperoleh : f 1 5 6 10 5 3 30 Batas Bawah Kelas 50 – 0.4 LMo = 67.5 = 49.5 61. hitunglah modusnya ! Tabel 5.5 p=6 d1 = 10-6=4 d2 = 10-5=5  d1    67. hitunglah mediannya ! Didin Astriani Prasetyowati Page 49 .6 Untuk data pengeluaran per hari 30 keluarga.5 55.5 79.4) median data kelompok batas bawah kelas median. n = banyak data/jumlah frekuensi F = jumlah frekuensi sebelum kelas median (frekuensi kumulatif) fMe = frekuensi kelas median Contoh 5.5 - Kelas modus = kelas ke. 2 p = panjang kelas median. Median Untuk data yang dikelompokkan median didefinisikan sebagai : Me  LMe dengan : Me = LMe = 1   nF   p 2  f Me      (5.

300 dan 50% lagi dengan pengeluaran per hari paling rendah Rp 69. Varian.8 Berapa simpangan rata-rata dari data berikut : 2. Kum (F) 1 6 12 22 27 30 - Jawab : Pada tabel di atas.5 73. sehingga n/2 = 15 .3 Perhitungan Median Kelas ke1 2 3 4 5 6 Pengeluaran (ribu Rp) 50 – 55 56 – 61 62 – 67 68 – 73 74 – 79 80 – 85 Jumlah f 1 5 6 10 5 3 30 BBK 49.5 55.4 LMe = 67. Ukuran Penyebaran Data Ukuran penyebaran merupakan suatu ukuran yang memberikan gambaran seberapa besar data menyebar dalam kumpulannya.5 - Frek.5) = jumlah harga mutlak data dikurangi rata-rata hitung n = banyak data Contoh 5. Simpangan Rata-rata SR  dengan :  xx  xx n (5. 9 ? Didin Astriani Prasetyowati Page 50 .5+6((15-12)/10)=69.3 Me  LMe  p 2  f Me      ☺ Artinya ada 50% keluarga dengan pengeluaran per hari paling tinggi Rp 69. Ukuran penyebaran yang sering digunakan antara lain: Simpangan Rata-rata. Simpangan Baku. Koefisien Variasi. Ukuran Penyebaran Untuk Data Tunggal a. 5. Kelas median = kelas ke. 6. jumlah frekuensi n = 30 . 8. 1.5 79. Dengan kata lain seberapa jauh data-data menyebar dari titik pemusatannya..5 p=6 fMe = 10 F = 12 (jumlah frekuensi sebelum kelas median) 1   nF    67.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Tabel 5.5 67.300.5 61. B.

hitunglah varians dan simpangan bakunya ! Jawab : Dari contoh 5.8) dengan : s = simpangan baku x = rata-rata hitung Didin Astriani Prasetyowati Page 51 .Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Jawab : x  x  30  6 = SR  n 5  xx n  26  56  66  86  96 5  10 2 5 ☺ Simpangan rata-rata untuk data tersebut adalah 2 b.6) n 1 → s s2 (5.7) Contoh 5.738. dan tinggi badan dalam cm).5 . 9. Sedangkan simpangan bakunya adalah 2. 8. Varians Dan Simpangan Baku  x  x   2 Varians → s Simpangan Baku 2 (5. apabila satuan pengukuran dari variabel-variabel yang diukur berbeda satu sama lain (misalnya berat badan dalam kg. Koefisien Variasi Koefisien variasi digunakan untuk membandingkan variasi data.738 ☺ Varians untuk data tersebut adalah 7.9 Diberikan data 2. 5.8 diperoleh x  6 s 2 s  x  x   2 n 1  2  6 2  5  6 2  6  6 2  8  6 2  9  6 2 5 1  30  7 . KV  s  100 % x (5.5 4 s 2  2 . c. 6.

8%.10 Data berikut menunjukan umur dan pendapatan 5 orang karyawan di sebuah perusahaan X : Tabel 5. 67  100 %  35 . Maka umur karyawan lebih seragam daripada pendapatan karyawan.95 4  Koefisien variasi → KV  s x100 %  4 . Didin Astriani Prasetyowati Page 52 .  Pendapatan Karyawan Rata-rata → x  x n  75  90  123  187  135 610   122 5 5 Simpangan Baku →s   x  x  n 1 2  75 1222  90 1222  .97%.  1351222 5 1  7628  43.)..  25  312  5 1 98  4. umur atau pendapatan karyawan? Jawab :  Umur Karyawan x Rata-rata → x  n  34  27  37  32  25 155   31 5 5 Simpangan Baku →s   x  x  2 n 1 34  312  27  312  .97 % x 31 ☺ Koefisien variasi umur karyawan adalah 15.67 4 Koefisien variasi → KV  s x100 %  43 . ☺ Ternyata KV umur lebih kecil daripada KV pendapatan (15.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Contoh 5.8%..4 Data Mengenai Umur & Pendapatan 5 Orang Karyawan Karyawan 1 2 3 4 5 34 27 37 32 25 Umur ( Tahun ) Pendapatan ( $ ) 75 90 123 187 135 Manakah yang lebih seragam.97%<35. 95  100 %  15 .8 % x 122 ☺ Koefisien variasi pendapatan karyawan adalah 35.

5 82.5 76.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 2.11) Contoh 5. Ukuran Penyebaran Untuk Data Berkelompok a. hitunglah simpangan rata-ratanya ! Tabel 5.5 Perhitungan Simpangan Rata-rata Pengeluaran (ribu Rp) F m 50 – 55 56 – 61 62 – 67 68 – 73 74 – 79 80 – 85 Jumlah 1 5 6 10 5 3 30 52.6 Catatan : berdasarkan perhitungan pada contoh 5.9) n titik tengah kelas f = frekuensi tiap kelas interval x = rata-rata hitung n = banyak data/jumlah frekuensi Contoh 5.5 diperoleh x  68.9 SR    f  m  x  =189.4 16 38 40.6 7.4 10.5 70.11 Untuk data pengeluaran per hari 30 keluarga (yang telah dikelompokan).6/30 = 6.10) (5.6 13. Simpangan Rata-rata SR  dengan : m =  f  m  x  (5. Varians dan Simpangan Baku Varians → Simpangan Baku s → s 2   f  m  x   n 1 s2 2  (5.4=16.5 58.8 189.32 n ☺ Simpangan rata-rata pengeluaran per hari 30 keluarga adalah Rp 6320 b.5-68.6 - 1X16.4 4.4 1.9 I = 16.5 - mx f  mx I 52.12 Hitunglah Varians dan Standar Deviasi untuk pengeluaran per hari 30 keluarga yang telah dikelompokan ! Didin Astriani Prasetyowati Page 53 .4 52 26.5 64.

41% d.96 1X268.16 68 – 73 10 70.6 184.6 57. besarnya koefisien variasinya adalah.900 dan standar deviasinya adalah Rp 7.13 Untuk contoh soal pengeluaran per hari 30 keluarga.4 268.868/68.36 116..80 80 – 85 3 82.16 540.76 288.9 29 61..5-68.96=268.5 13.14 Budi memperoleh nilai 83 pada UAS Statistik.868 ☺ Varians pengeluaran per hari 30 keluarga adalah Rp 61.5 -10. dimana rata-rata kelas dan simpangan bakunya masing-masing 75 dan 12.6 2.5 52.9  7 ...5 diperoleh x  68.12) Contoh 5.5 -4.4 108.41% x ☺ Koefisien variasi untuk data pengeluaran per hari 30 keluarga adalah 11.80 62 – 67 6 64. ? Jawab : KV  s  100 %  (7.868.2  61.9=-16. Nilai Baku (Skor z) z xx s (5. c. Sedangkan pada UAS Kalkulus Didin Astriani Prasetyowati Page 54 .88 30 1795..Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Tabel 5.60 74 – 79 5 76.5 1.96 56 – 61 5 58.4 19.6 Perhitungan Varians & Simpangan Baku 2 m x f m Pengeluaran m x2 f m  x (ribu Rp) 50 – 55 1 52.9) x 100%=11.96 554.5 7.20 Jumlah Jawab : Catatan : berdasarkan perhitungan pada contoh 5.9 Varians → s 2   f  m  x   n 1 Standar Deviasi → s  s2  2   1795. Koefisien Variasi Contoh 5.56 25.

Buka lembar kerja dan pastikan data sudah tersedia dengan kriteria yang sudah ditentukan. 2. persentil. Karena nilai baku statistik lebih tinggi dari nilai baku kalkulus. nilai tengah (median). Dengan memperhatikan data pada Kasus I. pilih menu Analyze. Didin Astriani Prasetyowati Page 55 . dan hanya 0.44 s 16 ☺ Artinya Budi mendapat 0. a. kuartil.67 simpangan baku di atas rata-rata nilai Statistik. Dalam mata kuliah mana Budi mencapai kedudukan yang lebih baik? Jawab : z  Untuk mata kuliah statistik →  Untuk mata kuliah Kalkulus → x  x 83  75   0. standar deviasi dan lainnya. Menu Frequencies Pada menu ini membahas beberapa ukuran statistika deskriptif seperti rata-rata (mean).67 s 12 z x  x 90  83   0. kemudian pilih submenu Descriptive Statistics. ANALISIS DESKRIPTIF MENGGUNAKAN SPSS Peringkasan data secara eksak dengan menyajikan ukuran pemusatan dan ukuran penyebaran disebut dengan ringkasan statistik (summary statistics). dapat dilakukan analisis deskriptif dari menu Frequencies dengan langkah-langkah sebagai berikut: 1. Dalam analisis deskriptif dengan menggunakan paket program SPSS ada beberapa pilihan dari menu Analyze dengan sub menu Descriptive Statistics yang dapat digunakan sesuai dengan kebutuhan.44 simpangan baku di atas rata-rata nilai Kalkulus. Dari menu utama SPSS.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) dimana rata-rata kelasnya 83 dan simpangan bakunya 16 ia memperoleh nilai 90. maka Budi memperoleh kedudukan yang lebih tinggi dalam mata kuliah statistik.

4. Didin Astriani Prasetyowati Page 56 . Setelah itu muncul kotak dialog seperti pada Gambar berikut. 6. Klik statistics…yang digunakan untuk memunculkan ukuran-ukuran statistik yang diperlukan. Sorot ke kanan Frequencies…kemudian klik pilihan tersebut. Misalkan ada dua variabel yang akan dilihat yaitu. Berat Badan dan Masa Kerja.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 3. Pilihlah variabel yang akan dijelaskan secara deskriptif dengan cara ‘blok variabel tersebut kemudian klik tanda sehingga variabel tersebut masuk kedalam kotak variable(s). 5. Sehingga muncul seperti pada Gambar berikut. Seperti pada Gambar berikut.

untuk keseragaman klik Quartiles dan Percentile(s). Kemudian klik Charts. Untuk keseragaman klik semua ukuran yang ada pada kotak tersebut. Kemudian klik continue untuk melanjutkan analisis selanjutnya. Pada Data Type atau jenis grafik. yaitu:  Percentiles Values atau nilai persentil. Setelah selesai. dapat dipilih sesuai dengan keinginan (diagram batang. 7.  Dispersion atau penyebaran data. Kemudian pada kotak ketik 10.  Distribution atau bentuk distribusi data. lalu tekan Add.  Central Tendency atau pengukuran pusat data. maka tampak seperti pada Gambar berikut. untuk keseragaman klik semua ukuran sebaran yang ada pada kotak tersebut. Hal ini untuk membuat persentil pada 10 dan 90. klik Format. Pada kotak dialog ini ada beberapa kategori. diagram lingkaran atau histogram).Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Pada kotak dialog ini ada beberapa kategori. Kemudian ketik 90 lalu tekan Add. yaitu: Didin Astriani Prasetyowati Page 57 . Sementara ini klik Histograms dengan klik With normal curve. Klik Skewness dan Kurtosis. 8. klik continue untuk melanjutkan analisis selanjutnya. maka tampak seperti pada Gambar berikut.

314 19.334 Range 30.00 75 68.58941 4. Deviation Variance Skewness Std. maka klik Compare variables. jika semua pengisian dan format yang diinginkan sudah selesai.911 Std.5100 13. Tekan OK. Error of Kurtosis 1. Untuk bagian ini abaikan karena data bukan kategorik.7250 12. Error of Skewness Kurtosis Sum Percentiles a.66489 1. jika data disusun dari kecil ke besar maka pilih Ascending values.00 Std.851 5. Setelah proses SPSS dijalankan.334 1. The smallest value is shown Didin Astriani Prasetyowati Page 58 .Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS)  Order by atau output data akan disusun seperti apa.00 a 13 11.  Multiple Varables atau variabel multipel.014 .00 17 Minimum 45. Multiple modes exist.60 Std.687 .600 -.7500 13.00 8 Maximum 75.5000 14. Jika ingin membandingkan antar variabel.10 136 25 45.00 25 595.00 Missing Mode 45. 10. Error of Mean 3. Output SPSS Frequencies Statistics BERAT N Valid MasaKerja 10 10 0 0 Mean 59.400 Median 63.25 50 63.687 -1. maka muncul window output dan diperoleh output deskriptif sebagai berikut. 9.427 134.253 2.7500 13. Kemudian klik continue untuk melanjutkan analisis.  Suppress tables with more then … categories.

00 75.0 10.0 100.0 10.0 20.00 70.0 100.0 10.0 10.0 10.0 10.0 80.0 10.0 100.0 20.0 10.0 Histogram Didin Astriani Prasetyowati Page 59 .0 10.0 10.0 10.00 1 10.0 50.0 100.0 50.00 65.0 10.0 50.0 90.0 MasaKerja Frequency Valid Percent Valid Percent Cumulative Percent 8 1 10.0 20.0 10.0 45.0 90.0 10.50 67.50 45.0 10.0 10.0 10.0 10.0 10.0 60.50 62.0 40.0 10.0 20.0 70.0 10 100.0 70.0 10.0 10.00 Total 1 1 1 1 1 1 1 1 1 10.0 10 13 14 25 Total 1 5 2 1 10.0 10.0 10.80 50.0 30.0 10 100.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Frequency Table BERAT Frequency Valid Percent Valid Percent Cumulative Percent 45.80 68.

yaitu 13 tahun. Disini akan dijelaskan untuk satu variabel saja.014 dan Std.334) adalah 4. Deviation menunjukkan simpangan bakunya sebesar 4.427 cm dan Variance merupakan kelipatan dari Std. Didin Astriani Prasetyowati Page 60 .  Median menunjukkan nilai tengah data setelah diurutkan adalah 13 tahun.  Pada output bagian pertama (Statistics)  N menunjukkan jumlah data (valid dan missing). Error of Skewness sebesar 0. yaitu: Variabel Masa Kerja. sedangkan data yang hilang (missing) adalah nol.  Sum menunjukkan jumlah data untuk variabel tinggi padi sebesar 136.6 cm.687) adalah –2. sedangkan yang lain mengikuti. karena nilai tersebut tidak berada pada interval –2 sampai 2. Error of Kurtosis sebesar 1.  Kurtosis sebesar 5.931.687 digunakan untuk melihat pola sebaran data. yaitu 19. maka distribusi sampel data Masa Kerja tidak berdistribusi normal. Error of Mean menunjukkan kesalahan baku untuk rata-rata sebesar 1.014/0.  Mean menunjukkan rata-rata Masa Kerja adalah 13.  Std. Dengan melihat ratio skewness (5.4 tahun. Dengan melihat ratio skewness (2. maka distribusi sampel data Masa Kerja tidak berdistribusi normal.431.6 tahun dan Std. Deviation.911/1.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Analisis dan Interpretasi.  Skewness sebesar 2. Nilai maksimum 25 cm dan nilai minimumnya 8 cm. karena nilai tersebut tidak berada pada interval –2 sampai 2. Pada hasil tersebut diperoleh data valid (sah untuk diproses) sebanyak 10.  Mode menunjukkan nilai yang paling sering muncul.  Range menunjukkan selisih antara data maksimum dengan minimum yaitu 17 cm.911 dan Std.334 digunakan untuk melihat pola sebaran data.

3.25 cm.8 cm. dan pada 75 persen adalah 14 cm. Didin Astriani Prasetyowati Page 61 . Dengan memperhatikan data pada kasus I. b. pada 50 persen adalah 13cm. Hal ini membuktikan bahwa distribusi tersebut belum dapat dikatakan normal atau mendekati normal. Sorot ke kanan Descriptive …kemudian klik pilihan tersebut. pada 25 persen adalah 12. Sehingga muncul kotak dialog seperti pada Gambar berikut. Menu Descriptive Pada menu ini berfungsi untuk mengetahui skor z dari suatu distribusi data dan menguji apakah data berdistribusi normal ataukah tidak. responden dengan Masa Kerja 10 cm ada satu orang atau (1/10 * 100%) = 10%. Untuk variabel Masa Kerja padi terlihat bahwa batang histogram tidak mempunyai kemiripan bentuk dengan kurva normal (berbentuk seperti lonceng). Pada baris kedua. 2. kemudian pilih submenu Descriptive Statistics. sehingga persen komulatifnya menjadi 10% + 10% = 20%. Namun ini hanya sebatas visual. pilih menu Analyze.  Pada output bagian kedua (Frequency Table) Menunjukkan kondisi data dalam bentuk tabel frekuensi. Demikian seterusnya hingga mencapai kumulatif 100%.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS)  Percentiles menunjukkan nilai data pada 10 persen adalah 91. Pada baris pertama sampel untuk ukuran Masa Kerja 8 cm ada satu orang (sampel) atau (1/10 * 100%) = 10%. Buka lembar kerja dan pastikan data sudah tersedia dengan kriteria yang sudah ditentukan.  Output bagian ketiga (Histogram) Pada bagian ini menggambarkan grafik data yang telah dibuat frekuensinya. dapat dilakukan analisis deskriptif dari menu Descriptive dengan langkah-langkah sebagai berikut: 1. untuk membuat kesimpulan yang akurat dapat dilakukan pengujian secara statistik. Dari menu utama SPSS.

pada menu Descriptives juga mensyaratkan tipe data dalam ukuran skala kontinu. Klik isian Save standardized values as variables untuk menyimpan nilai-nilai z pada data editor. atau minimal memiliki skala pengukuran interval. Misalkan ada satu variabel yang akan dilihat yaitu Masa Kerja. Seperti halnya pada menu Frequencies. Pada gambar tersebut terlihat ada tiga bagian isian. Didin Astriani Prasetyowati Page 62 . Kemudian klik Options sehingga muncul kotak dialog seperti pada Gambar berikut.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Pilihlah variabel yang akan dijelaskan secara deskriptif dengan cara ‘blok variabel tersebut kemudian klik tanda sehingga variabel tersebut masuk kedalam kotak variable(s). yaitu:  Dispersion menunjukkan nilai-nilai sebaran data yang dikehendaki. 4.

00 Maximum 29. menu ini juga Didin Astriani Prasetyowati Page 63 . dengan nilai minimum 1 tahun. c.9500 Std.615 tahun. karena pada menu Crosstab semuanya sudah bisa dijelaskan. Selain itu.61568 Analisis dan Interpretasi Pada output Description Statistics dapat diinter-pretasikan seperti pada menu Frequency di atas. Deviation 5. yaitu yang terdiri atas baris dan kolom. Nilai-nilai z ini menunjukkan tingkat simpangan data terhadap data normal (menunjukkan adanya pencilan data). Pada menu ini tidak akan dibahas lebih banyak. Menu Explore Menu ini berfungsi untuk memeriksa lebih teliti sekelompok data dengan alat utama yaitu Box-Plot dan Stem and Leaf Plot untuk menguji apakah data berasal dari distribusi normal.00 Mean 11. Untuk variabel Masa Kerja (tahun) ada 40 data yang valid. Menu Crosstab Menu ini berfungsi untuk menyajikan deskripsi data dalam bentuk tabel silang (crosstab). Kemudian tekan continue. Pada data editor terdapat variabel tambahan. 5. rata-rata 11.95 tahun dan Simpangan bakunya 5. lalu tekan OK. sehingga muncul output pada windows output seperti di bawah. Descriptives Descriptive Statistics N Minimum Masa Kerja 40 Valid N (listwise) 40 1. yaitu nilai z untuk variabel Masa Kerja. d.  Display Order menunjukkan tampilan yang diinginkan.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS)  Distribution menunjukkan pengujian data sampel apakah mengikuti distribusi normal atau tidak. nilai maksimum 29 tahun.

dan asal daerah. Jumlah anak Daerah Usia Pendidikan Pendapatan 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 Didin Astriani Prasetyowati 1 0 1 0 1 0 1 0 1 1 0 0 1 0 0 0 1 0 0 0 2 1 2 0 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 1 1 27 57 35 21 17 29 35 46 40 37 58 46 31 28 33 30 38 59 51 60 35 31 44 60 26 2 2 4 2 2 4 1 1 3 2 1 1 4 4 2 4 1 3 2 2 1 2 1 3 4 5000 126000 825000 65000 75000 300000 150000 300000 300000 350000 105000 120000 90000 105000 500000 300000 69500 180000 150000 400000 400000 160000 150000 150000 200000 Page 64 . Pada Menu Explore dan menu Crosstab dapat digunakan untuk mendeskripsikan data yan berskala nominal atau ordinal. Data Pendapatan Rumah Tangga pada Suatu Daerah No. pendidikan. Menu ini merupakan perluasan dari statistik deskriptif. usia.7. Tabel 5. peneliti tersebut juga mengamati profil (latar belakang) responden seperti jumlah anak.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) dilengkapi dengan analisis hubungan di antara baris dan kolom seperti independensi. Hasil pendataan diperoleh seperti pada tabel berikut. Selain pendapatan. Kasus 2: Seorang peneliti melakukan survey terhadap 25 kepala keluarga (KK) sebagai responden pada suatu daerah tentang pendapatan dalam satu bulan. korelasi dan lainnya.

pada analisis dengan menu crosstab dilakukan untuk menjelaskan data-data kategorik (skala nominal dan ordinal). pilih menu Analyze. kemudian pilih submenu Descriptive Statistics. 3. Agar penggunaan metode lebih optimal. Sehingga muncul kotak dialog seperti pada Gambar berikut. Didin Astriani Prasetyowati Page 65 . Buka lembar kerja dan pastikan data sudah tersedia dengan kriteria yang sudah ditentukan. 2. Sorot ke kanan Crosstab … kemudian klik pilihan tersebut.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Dengan memperhatikan data pada kasus 2. Hubungan antara Jumlah Anak dengan Pendidikan. Dari menu utama SPSS. dapat dilakukan analisis deskriptif dari menu Crosstab dengan langkah-langkah sebagai berikut: 1. Langkah-langkahnya setelah muncul kotak dialog seperti pada Gambar berikut adalah: 1) Pilih variabel yang akan ditempatkan pada baris dengan cara klik variabel tersebut (Jumlah Anak) kemudian klik tanda sehingga variabel tersebut berpindah pada kotak Row(s).

Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 2) Pilih variabel yang akan ditempatkan pada kolom dengan cara klik variabel tersebut (Pendidikan) kemudian klik tanda sehingga variabel tersebut berpindah pada kotak Column(s). Pilihan lain akan digunakan pada kasus yang relevan. Kemudian klik continue untuk melanjutkan proses. 4) Kemudian klik Cells…sehingga muncul kotak dialog seperti Didin Astriani Prasetyowati Page 66 . karena hanya akan melihat hubungan antara dua variabel yang memiliki skala kontinue dan skala ordinal (kategorik). Pada kotak dialog tersebut yang dipilih cukup chi-square. 3) Klik pilihan Statistics…. sehingga muncul kotak dialog seperti gambar di bawah.

Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Pada kotak dialog ini ada tiga bagian yang bisa dipilih sesuai keinginan peneliti. i. Pada kotak ini muncul isian Row Order. menunjukkan tampilan tentang sisaan dari hasil analisis Chi-square. ii. 5) Klik Format…sehingga muncul kotak dialog seperti pada Gambar berikut. Bagian kedua Percentages. iii. menunjukkan tampilan nilai-nilai pada kolom maupun baris dengan menyertakan persentase terhadap jumlah baris. Didin Astriani Prasetyowati Page 67 . terhadap jumlah kolom maupun terhadap jumlah total. menunjukkan tampilan yang dilakukan dengan Chi-square dapat berupa nilai-nilai observasi (Observed) dan atau nilainilai harapan (Expected). Pada kesempatan ini cukup diabaikan. jika isian pada menu ini sudah dianggap cukup dan SPSS akan melakukan proses sampai muncul window output yang hasilnya seperti di bawah. menunjukkan penempatan nilai-nilai variabel dalam baris apakah dari kecil ke besar (Ascending) ataukah dari besar ke kecil (Descending). 6) Klik OK. Kemudian klik Continue untuk melanjutkan proses. Bagian ketiga Residuals. Kemudian klik continue untuk melanjutkan proses. Untuk keseragaman pilihlah Observed saja. Bagian pertama Counts. Pada kesempatan ini pilihlah Ascending. Untuk keseragaman klik Row dan Column.

0% 10 100.0% Percent 25 100.3% tamat Akademik/PT 3 23.0% 3 12.6% 2 100.0% 8. The minimum expected count is .0% 6 24.0% 50.340 Total 13 100.823 Pearson Chi-Square Likelihood Ratio Linear-by-Linear Association N of Valid Cases df . (2-sided) .0% 0 Total N .439 . 12 cells (100.0% 33.1% 50.862a 5.0% 100.0% 3 30.0% 6 6 Asymp.0% 9 36.0% 100. Sig.0% 25 100.0% 44.0% 100.0% 2 100.443 1 .0% Chi-Square Tests Value 5.4% 66.4% tamat SMU 2 15.910 25 a.0% 100.24. 6 5 4 3 Pendidikan 2 tamat SD tamat SLTP Count 1 tamat SMU 0 tamat Akademik/PT 0 1 2 Jumlah Anak Didin Astriani Prasetyowati Page 68 .0% 40.0% 52.7% 1 10.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) OUTPUT SPSS Crosstabs Case Processing Summary Valid N Percent Jumlah Anak * Pendidikan 25 Cases Missing N Percent 100.0%) have expected count less than 5.0% 100.0% 28.6% 4 40.6% 7 28.0% 28.0% Jumlah Anak * Pendidikan Crosstabulation Pendidikan Jumlah Anak 0 tamat SD 3 23.5% 55.0% Count % within Jumlah Anak % within Pendidikan Count % within Jumlah Anak % within Pendidikan Count % within Jumlah Anak % within Pendidikan Count % within Jumlah Anak % within Pendidikan 1 2 Total tamat SLTP 5 38.9% 2 20.1% 42.

05 (5%). Menyimpan hasil Output. Artinya.439.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Hasil Analisis dan Interpretasi  Pada bagian pertama (Case Processing Summary).) sebesar 0. menunjukkan pengujian hipotesis dengan uji Chi-square (Chi-kuadrat). Sig.  Kesimpulan.  Pada bagian kedua (Jumlah Anak*Pendidikan Crosstabulation). Untuk menyimpan hasil output SPSS dapat dilakukan dengan cara yang sama seperti yang dilakukan di atas.9%. jika p-value < taraf nyata (). Sedangkan jika dibandingkan dengan responden yang berpendidikan tamat SD ada 42. klik Save As… Didin Astriani Prasetyowati Page 69 .  Pada bagian keempat (Bar chart). artinya responden yang tidak memiliki anak dan berpendidikan tamat SD ada 3 orang. maka H0 diterima. menunjukkan grafik parsial antara jumlah anak dengan tingkat pendidikan.439 > dari 0.862 dengan p-value (Asymp. Misalkan untuk sel pertama tertulis 3. Jika dilihat terhadap responden yang tidak memiliki anak ada 23. tidak ada hubungan antara jumlah anak dengan tingkat pendidikan seseorang.  Kriteria ujinya adalah tolak H0. yaitu:  Dari menu utama File. H1: ada hubungan antara jumlah anak dengan pendidikan seseorang  Statistik ujinya adalah uji Chi-kuadrat (Chi-Square Test) dengan nilai Chikuadrat hitung seperti pada output di atas untuk nilai Pearson Chi-Square yaitu sebesar 5. karena p-value sebesar 0.  Hipotesis yang akan diuji pada kasus ini adalah: H0: Tidak ada hubungan antara jumlah anak dengan pendidikan seseorang. menunjukkan tabel silang yang memuat hubungan diantara kedua variabel.1%.  Pada bagian ketiga (Chi-Square Test). menunjuk-kan banyaknya data (N) yang valid sebanyak 25 responden (100%) sedangkan data yang hilang (missing) tidak ada (0%).

kemudian ketik nama file. Latihan. Cobalah analisis hubungan antara daerah asal dengan tingkat pendidikan responnden dari kasus II dengan terlebih dahulu melakukan analisis deskripsi data terhadap masingmasing variabel !! Didin Astriani Prasetyowati Page 70 .Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS)  Setelah tampak kotak dialog. pilih direktori yang dikehendaki. lalu tekan save.

Dalam penelitian komparasional yang melakukan pembandingan antar dua variabel. Statistik uji t dan ANOVA digunakan sebagai statistik uji untuk perbandingan dua atau lebih kelompok sampel data. sedangkan ANOVA digunakan untuk uji perbandingan lebih dari dua kelompok sampel data maka digunakan analisis varians. Didin Astriani Prasetyowati Page 71 . Analisis perbandingan satu variabel bebas dikenal dengan Uji-T atau T-Test dan uji-Z. Uji ini digunakan untuk membandingkan rata-rata sampel independen ataupun sampel berpasangan dengan menghitung t student dan menampilkan probabilitas dua arah selisih dua rata-rata. Uji t digunakan untuk membandingkan dua sampel yang akan dibandingkan. Uji hipotesis dua rata-rata digunakan untuk mengetahui tingkat perbedaan antara kelompok (grup) yang satu dengan yang lainnya. ataukah perbedaan itu terjadi karena kebetulan saja (by change). Tujuan Uji-T atau Uji-Z adalah untuk mengetahui perbedaan variabel yang dihipotesiskan . Analisis statistik untuk uji perbandingan menggunakan statistik uji t dan analisis varians (ANOVA). yaitu apakah memang secara signifikan dua variabel yang diperbandingkan atau dicari perbedaannya itu memang berbeda. Rumus Uji-T dan Uji-Z.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) BAB VI COMPARE MEANS (UJI PERBANDINGAN) Compare Means dalam bahasa Indonesia disebut dengan uji perbandingan ratarata. Kelompok-kelompok tersebut disebut dengan sub populasi atau subgrup. yaitu : a) Apabila standar deviasi diketahui dan n > 30 menggunakan rumus Zhitung sebagai berikut : Z hitung  x  0  N Dimana. karena merupakan bagian dari suatu populasi.

6) Membandingkan t hitung dengan t tabel 7) Menarik kesimpulan Didin Astriani Prasetyowati Page 72 .Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Z hitung : harga yang dihitung dan menunjukkan nilai standar deviasi pada distribusi normal (tabel Z). x : rata-rata nilai yang diperoleh dari hasil pengumpulan data. x : rata-rata nilai yang diperoleh dari hasil pengumpulan data.01 atau 0. µo : rata-rata nilai yang dihipotesiskan SD : standar deviasi sampel yang telah diketahui n : jumlah sampel penelitian Langkah-langkah Uji-T : 1) Menentukan hipotesis penelitian 2) Menentukan hipotesis statistic 3) Mencari t hitung 4) Menentukan kriteria pengujian dan tentukan juga posisi pengujian pihak kiri . pihak kanan atau uji dua pihak . 5) Mencari ttabel dengan cara tentukan α (0.05) dan dk = n –1.  0 : rata-rata nilai yang dihipotesiskan σ : standar deviasi populasi yang telah diketahui N : jumlah populasi penelitian b) Apabila standar deviasi sampel tidak diketahui dan n ≤ 30 menggunakan rumus thitung sebagai berikut : t hitung  x  0 s n Di mana : t hitung : harga yang dihitung dan menunjukkan nilai standar deviasi pada distribusi t (tabel t).

2 = cukup baikdan 1 = kurang baik. ditindaklanjuti atau dibuktikan oleh Balitbang Dikti dengan suatu penelitian di berbagai kota di wilayah kopertis x.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Contoh 6. Dengan pernyataan tersebut. 3 = baik. Data diperoleh sebagai berikut : 59 59 60 60 58 60 58 60 60 60 58 50 50 60 58 59 59 59 50 50 60 60 60 60 58 58 59 60 60 60 60 60 60 60 60 59 59 59 59 58 50 50 60 60 60 60 60 60 60 60 59 60 60 60 60 50 60 60 60 60 Sebelum dilakukan perumusan hipotesis dihitung terlebih dahulu rata-rata nilai yang dihipotesiskan (µo). Jumlah pertanyaan angket penelitian 15 item dengan instrumen diberi skala nilai : 4 = sangat baik.1: Hasil rapat koordinasi pimpinan perguruan tinggi swasta di lingkungan kopertis wilayah x menduga bahwa : a) Kualitas mengajar dosen tahun 2009 paling tinggi 70% dari rata-rata nilai ideal. Nilai ideal= 15 x 4 x 61= 3660 Rata-rata nilai ideal= 3660 : 61 = 60 70% dari rata-rata nilai ideal= 70% x 60 = 42 (µo) = 42 Menentukan standar deviasi dan rata-rata hitung dengan rumus :  X   2 SD  X 2 n n 1 3565 61  3.14 61  1 208939   Didin Astriani Prasetyowati Page 73 . Adapun taraf signifkansi α= 0. c) Kualitas mengajar dosen tahun 2009 tidak sama dengan 70% dari rata-rata nilai ideal. Kemudian disebar kepada 61 dosen untuk mengisi angket yang isinya mengenai kualitas mengajar pada tahun 2009.05. b) Kualitas mengajar dosen tahun 2009 paling rendah 70% dari rata-rata nilai ideal.

671 < 41 maka Ho diterima dan Ha ditolak Didin Astriani Prasetyowati Page 74 . Ha: Kualitas mengajar dosen tahun 2009 paling tinggi 70% dari rata-rata nilai ideal. Dengan (α) = 0. 2) Menentukan hipotesis statistik Ho : µo= 42 Ha : µo< 42 3) Mencari t hitung 4) Menentukan kriteria pengujian Taraf signifikansi ( α ) = 0.05 dan derajat kebebasan (dk) = n –1 = 61 –1 = 60 sehingga diperoleh t tabel = 1.671 6) Membandingkan t-hitung dengan t-tabel Ternyata t tabel < t hitung atau 1.443 61 Diperoleh : SD = 3.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) X  X n  3565  58. Penyelesaian point (a) uji pihak kiri : 1) Menentukan hipotesis penelitian Ho: Kualitas mengajar dosen tahun 2009 sama dengan 70% dari rata-rata nilai ideal.443 1.14 dan rata-rata hitung = 58.05 Derajat kebebasan (dk) = n – 1 = 61 – 1 = 60 Kriteria pengujian pihak kiri : Jika t tabel ≤ t hitung maka Ho diterima dan Ha ditolak 5) Mencari t tabel dengan cara tentukan αdan dk = n –1.

671 Didin Astriani Prasetyowati Page 75 . 2.05 Derajat kebebasan (dk) = n – 1 = 61 – 1 = 60 Kriteria pengujian pihak kanan : Jika t-tabel ≥ t-hitung maka Ho diterima dan Ha ditolak 5) Mencari t-tabel dengan cara tentukan α dan dk = n –1.108 SD 3.05 dan derajat kebebasan (dk) = n –1 = 61 –1 = 60 sehingga diperoleh t-tabel= 1.443  42   41.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 7) Menarik kesimpulan Karena Ho diterima maka kesimpulan yang diperoleh adalah kualitas mengajar dosen tahun 2009 sama dengan 70% dari rata-rata nilai ideal. Ha : Kualitas mengajar dosen tahun 2009 paling rendah70% dari rata-rata nilai ideal. Penyelesaian point (b) uji pihak kanan : 1) Menentukan hipotesis penelitian Ho : Kualitas mengajar dosen tahun 2009 sama dengan70% dari rata-rata nilai ideal. Dengan ( α) = 0. 2) Menentukan hipotesis statistik Ho : µo= 42 Ha : µo>42 3) Mencari thitung t hitung  x   0 58.14 n 61 4) Menentukan kriteria pengujian Taraf signifikansi ( α ) = 0.

2) Menentukan hipotesis statistik Ho : µo= 42 Ha : μo≠42 3) Mencari thitung t hitung  x   0 58.05 Derajat kebebasan (dk) = n – 1 = 61 – 1 = 60 Kriteria pengujian pihak kanan : Jika t-tabel ≤ t-hitung maka Ho diterima dan Ha ditolak 5) Mencari t-tabel dengan cara tentukan α dan dk = n –1.108 SD 3.443  42   41. Ha : Kualitas mengajar dosen tahun 2009 tidak sama dengan 70% dari rata-rata nilai ideal. Penyelesaian point (c) uji dua pihak : 1) Menentukan hipotesis penelitian Ho : Kualitas mengajar dosen tahun 2009 sama dengan70% dari rata-rata nilai ideal. Dengan ( α) = 0.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 6) Membandingkan t-hitung dengan t-tabel Ternyata t-tabel < t-hitung atau 1.05 dan derajat kebebasan (dk) = n –1 = 61 –1 = 60 sehingga diperoleh t-tabel = 2.000 Didin Astriani Prasetyowati Page 76 .14 n 61 4) Menentukan kriteria pengujian Taraf signifikansi ( α ) = 0.671 < 41 maka Ho ditolak dan Ha diterima 7) Menarik kesimpulan Karena Ha diterima maka kesimpulan yang diperoleh adalah kualitas mengajar dosen tahun 2009 paling rendah 70% dari rata-rata nilai ideal.

Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS)

6) Membandingkan thitung denganttabel
Ternyata t-tabel < t-hitung atau –2 < 41,108 maka Ho ditolak dan Ha diterima.
7) Menarik kesimpulan
Karena Ha diterima maka kesimpulan yang diperoleh adalah kualitas mengajar
dosen tahun 2009 tidak sama dengan 70% dari rata-rata nilai ideal.

ANALISIS COMPARE MEAN MENGGUNAKAN SPSS
Terdapat 5 (lima) bagian utama untuk analisis perbandingan rata-rata pada
Compare means di SPSS yaitu :
1. Perbandingan Rata-rata (mean)
Perbandingan rata-rata digunakan untuk membandingkan nilai rata-rata
dan satandar deviasi antara 2 kelompok sampel/data.
2. One Sample t-test
One Sample t- test digunakan untuk membandingkan apakah terdapat
perbedaan atau kesamaan rata-rata dari kelompok sampel data dengan nilai ratarata tertentu.
3. Independent Sample t-test
Independen sample t-test digunakan untuk membandingkan 2 kelompok
sampel data dan kedua kelompok sampel tersebut bersifat independen/bebas.
4. Paired Sample t-test
Paired Sample t-test digunakan untuk membandingkan antara 2 kelompok
sampel dan kedua kelompok sampel ini saling berhubungan.
5. One Way ANOVA.

Didin Astriani Prasetyowati

Page 77

Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS)

One-Way Anova digunakan untuk membandingkan nilai rata-rata antara 2
atau lebih kelompok data. Dalam uji ini diperlukan asumsi distribusi normal dan
homogenitas varians antara kelompok sampel.

A. Prosedur Means
Prosedur dalam SPSS yang digunakan untuk menampilkan mean dari beberapa
subgrup adalah prosedur Means.
• 1 variabel numerik sebagai variabel dependent
• 1 variabel numerik atau string pendek sebagai variabel independent.
(Secara opsional bisa ditambahkan variabel-variabel hingga beberapa lapis dan
maksimal 5 lapis). Untuk menjalankan prosedur Means, dari menu pilih:
Analyze…Compare maens…Means…
Maka akan ditampilkan kotak dialog Means.

1. Pindahkan satu atau beberapa variabel numerik kekotak Dependendent List
2. Pindahkan satu atau beberapa variabel numerik atau string pendek ke kotak
Independent List
3. Klik OK untuk mendapatkan tabel default yang berisi mean dan cacah case.
Means subgrup dari tiap-tiap variabel dependen yang anda daftar akan
dihitung menurut masing-masing kategori dari variabel independen.

Didin Astriani Prasetyowati

Page 78

Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS)

Kasus 6.1
Manajer pemasaran MAJU MAKMUR ingin mengetahui rata-rata penjualan ROTI
DURIAN berdasarkan Tingkat Pendidikan Salesman. Adapun data penjualan dari
salesman tersebut adalah sebagai berikut :
Tabel 6.1. Data Pemasaran MAJU MAKMUR
No
1
2
3
4
5
6
7
8
9
10
11
12

Salesman Gender Kacang
1
1
250
1
2
234
1
2
220
1
1
245
1
1
281
1
2
220
2
2
256
2
2
238
2
2
210
2
1
310
2
1
287
2
1
254

Durian
300
320
324
315
400
420
398
375
364
325
410
425

Coklat
298
254
315
387
200
145
256
200
241
269
254
.

Susu
325
312
450
500
268
351
245
221
621
235
214
.

OUTPUT SPSS
Case Processing Summary
Cases
Excluded
N
Percent

Included
N
Percent
Penjualan Roti
Rasa Durian *
Tingkat Pendidikan

12

100.0%

0

.0%

Total
N

Percent
12

100.0%

Report
Penjualan Roti Rasa Durian
Tingkat Pendidikan
Sales-Sarjana
Sales-Akademik
Total

Didin Astriani Prasetyowati

Mean
346.50
382.83
364.67

N
6
6
12

Std. Deviation
50.254
36.074
45.820

Page 79

Benarkah pernyataan tersebut ? Adapun data karyawan sebagai berikut : Didin Astriani Prasetyowati Page 80 . Manajer dari perusahaan tersebut menganggap jam kerja Ryan berbeda dengan rekan-rekannya. a. Klik OK untuk mengakhiri prosedur ini Kasus 6. dengan asumsi: • Data berdistribusi Normal • Data sampel berjumlah sedikit (≤ 30 ) Untuk menjalankan prosedur ini dari menu pilih: Analyze…Compare Means…One Sampel T test… Maka akan ditampilkan kotak dialog One Sample T test.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) B. Pindah satu atau beberapa variabel numerik kekotak Test Variabel b. Spesifikasi minimum yang diperlukan dalam prosedur ini adalah: 1 variabel numerik yang akan diuji. Ketikkan nilai tertentu (yang diberikan sebagai pembanding) pada kotak Test Value c.5 jam.2 Seorang karyawan bernama Ryan memiliki jam kerja selama 7. Prosedur One Sample T-Test Prosedur One Sample T-test digunakan untuk menguji apakah suatu nilai tertentu (yang diberikan sebagai pembanding) berbeda secara nyata ataukah tidak dengan rata-rata sebuah sampel.

2= Perempuan. Gender Tingkat pendidikan Jam kerja Jam lembur No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Jenis Tingkat Jam Kelamin Pendidikan Jam Kerja Lembur Karyawan Karyawan Karyawan Karyawan 1 2 6 3 1 1 7 3 1 1 8 3 1 2 10 2 1 2 9 3 1 1 5 3 1 2 8 3 1 1 10 2 1 1 7 2 1 2 7 2 2 2 5 3 2 2 6 2 2 2 8 2 2 1 6 3 2 1 5 3 2 1 5 2 2 1 7 2 2 1 7 3 2 2 6 3 2 1 6 2 Definisi Variabel : Nama Value Label: Jenis Kelamin Karyawan:1= Laki-laki. Error Mean . Deviation 1.553 Std. 2= Akademik Output SPSS One-Sample Statistics N Jam Kerja Karyawan Didin Astriani Prasetyowati 20 Mean 6. Tingkat Pendidikan: 1= Sarjana.347 Page 81 .90 Std.2.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Tabel 6.

05 maka Ho ditolak Didin Astriani Prasetyowati Page 82 . Berdasarkan perbandingan t-hitung dengan t-tabel Uji dilakukan dua sisi karena akan diketahui apakah jumlah jam kerja Ryan sama dengan rata-rata jam kerja rekan-rekannya selama ini atau tidak.13 Analisis : ♦ Hipotesis Ho : Jumlah jam kerja Ryan tidak berbeda dengan rata-rata jam kerja rekan-rekannya (µ Ryan ≠ 7. Syarat : .5).1.5). b. dengan tingkat signifikasi (α) 5% dengan df (derajat kebebasan = n-1 = 20-1=19).600 95% Confidence Interval of the Difference Lower Upper -1. maka jumlah jam kerja Ryan memang tidak berbeda bila dibandingkan dengan jam kerja rata-rata (=7. t-hitung dari output diatas = .Jika probabilitas > 0. Hi : Jumlah jam kerja Ryan berbeda dengan rata-rata jam kerja rekan-rekannya (µ Ryan = 7. .Ho diterima : Jika thitung berada diantara nilai – t-tabel dan + t-tabel.05 maka Ho diterima . Jadi bisa lebih besar atau lebih kecil.Jika Probabilitas < 0.33 . Berdasarkan nilai probabilitas Syarat : . maka digunakan uji dua sisi.728 Dari tabel.728 df 19 Sig.09. Diperoleh t-tabel = ± 2. ♦ Pengambilan Keputusan a.5 Jam Kerja Karyawan t -1.100 Mean Difference -. Karena t-hitung berada di daerah penerimaan Ho.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) One-Sample Test Test Value = 7. (2-tailed) .Ho ditolak : Jika thitung tidak berada diantara nilai – t-tabel dan + t-tabel.5).

05 maka kesimpulannya sama yaitu jumlah jam kerja Ryan memang tidak berbeda bila dibandingkan dengan jam kerja rata-rata. dari menu pilih Statistics…Compare Means…Independent Sample T-test.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Karena output tampak nilai probabilitas 0. tiap variabel yang anda pindahkan masing-masing akan menghasilkan sebuah uji t 2. Pindahkan satu atau beberapa variabel numerik yang akan diuji ke kotak Test variabel (S). Pindahkan satu variabel numerik atau string pendek (variabel berbentuk kategori) yang akan membagi variabel-variabel yang akan diuji menjadi 2 grup kekotak Grouping variabel. Untuk menjalankan prosedur ini. Didin Astriani Prasetyowati Page 83 .. Prosedur Independent Sampel T-Test Prosedur Independent Sample T-test digunakan untuk menguji apakah dua sampel yang tidak berhubungan berasal dari populasi yang mempunyai mean sama atau yang tidak secara signifikan. • Satu variabel numerik atau string pendek sebagai variabel grup (variabel pembuat grup) • Value-value grup untuk variabel grup.. Maka akan ditampilakan kotak dialog Independent Sample T-test 1.100 > 0. Spesifikasi minimum yang diperlukan dalam prosedur ini adalah : • Satu atau beberapa variabel numerik yanga akan diuji. C.

3.892 -.453 . (2-tailed) Difference DifferenceLower Upper 18 .704 -2.825 16.641 Std. Manajer ingin mengetahui apakah ada perbedaan jam kerja berdasarkan tingkat pendidikan karyawannya? (data pada sub bab one sample t-test) Penyelesaian : Dengan mengikuti langkah-langkah diatas maka akan anda dapatkan output sebagai berikut: Output SPSS Group Statistics Jam Kerja Karyawan Tingkat Pendidikan Karyawan Sarjana Akademik N 11 9 Mean 6. Definisikan kategori dari grup.22 Std.512 . setelah itu klik tombol OK untuk mendapatkan uji t sampel independent secara default.586 .586 .557 t -. dimana ditampilkan probabilitas 2-ekor dari interval konvidensi 95%. Error Mean .916 Page 84 .064 . Kasus 6. Error Difference df Sig.416 -.088 .833 t-test for Equality of Means 95% Confidence Interval of the Mean Std. Deviation 1.547 Independent Samples Test Levene's Test for Equality of Variances F Jam Kerja Karyawan Equal variances .64 7. .359 assumed Equal variances not assumed Didin Astriani Prasetyowati Sig.421 -.710 -2.502 1.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 3.

05 maka Ho diterima .Jika probabilitas > 0.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Analisis : Ada 2 tahapan analisis yaitu : a.Ho diterima : Jika F-hitung berada diantara nilai – F-tabel dan + F-tabel. Berdasarkan nilai probabilitas Syarat : .98 maka Ho diterima. Berdasarkan perbandingan F-hitung dengan F-tabel Syarat : . b. diambil suatu keputusan. • Hipotesis Ho : Kedua varians populasi adalah identik (varians populasi jam kerja pada karyawan sarjana dan akademik adalah sama) H1 : Kedua varians populasi adalah tidak identik (varians populasi jam kerja pada karyawan sarjana dan akademik adalah berbeda) • Pengambilan keputusan a.Ho ditolak : Jika F-hitung tidak berada diantara nilai – F-tabel dan + F-tabel. dan berdasarkan hasil analisis nomor a. b. Dengan T Test.05 maka Ho ditolak Karena probabilitas > 0. diuji apakah varians populasi kedua sampel sama ataukah berbeda. Mengetahui apakah varians populasi identik atau tidak. • Hipotesis Ho : Kedua rata-rata populasi adalah identik (rata-rata populasi jam kerja pada karyawan sarjana dan akademik adalah sama) Didin Astriani Prasetyowati Page 85 . Terlihat bahwa F-hitung dengan Equal Variance Assumed (diasumsikan kedua varian sama) adalah 0. Analisis dengan memakai t-test untuk asumsi varians sama. . Dengan Levene Test.05 maka Ho diterima yang artinya kedua varians adalah identik.Jika Probabilitas < 0.359 dan nilai F-tabel : 5.

.Jika probabilitas < 0. Pada output didapat nilai t-hitung sebesar -0.05 maka Ho ditolak Pada output tampak nilai probabilitas adalah 0.Jika probabilitas > 0. Prosedur Paired Sample T-Test Prosedur paired sampel t-test digunakan untuk menguji dua sampel yang berpasangan.Compare Mean. Atau tingkat pendidikan seorang karyawan ternyata tidak membuat jam kerja menjadi berbeda. Berdasarkan perbandingan t-hitung dengan t-tabel Syarat : . apakah mempunyai rata-rata yang secara nyata berbeda ataukah tidak.Paired-Samples T Test… Maka akan ditampilkan kotak dialog Paired Sample T-test. Karena nilai probabilitas jauh di atas 0.833). Uji dilakukan dua sisi sehingga didapatkan ttabel sebesar 2. Sedangkan t-tabel dapat dihitung pada tabel t dengan tingkat signifikansi (α) adalah 5% dan derajat kebebasan (df) adalah 19.Ho diterima : Jika thitung berada diantara nilai – t-tabel dan + t-tabel. Karena t-hitung terletak pada daerah Ho diterima (-0..05 maka Ho diterima dengan kesimpulan yang sama dengan cara perbandingan t-hitung dengan t-tabel.416. b.09. Berdasarkan nilai probabilitas Syarat : . D. Didin Astriani Prasetyowati Page 86 .05 maka Ho diterima . maka rata-rata populasi jam kerja pada karyawan sarjana dan akademik adalah sama. pilih menu Analyze.Ho ditolak : Jika thitung tidak berada diantara nilai – t-tabel dan + t-tabel.833. ... Untuk menjalankan prosedur ini dari menu utama SPSS.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) H1 : Kedua rata-rata populasi adalah tidak identik (rata-rata populasi jam kerja pada karyawan sarjana dan akademik adalah berbeda) • Pengambilan keputusan a.

Sebuah perusahaan ingin mengetahui apakah dengan penggantian mesin dapat meningkatkan jumlah produksi barang. Kasus 6. 2. sebagai pasangannya. sehingga akan ditampilkan sebagai variabel kedua pada kotak Current Selections. Dilakukan pengamatan dengan data sebagai berikut: Didin Astriani Prasetyowati Page 87 . Klik variabel lain. Klik salah satu variabel. Ulangi langkah-langkah diatas. 3. sehingga akan ditampilkan sebagai variabel pertama pada kotak Current Selections. Klik OK untuk mendapatkan uji default dari pasangan sampel dengan probabilitas 2 ekor dan interval konfidensi 95% untuk perbedaan rata-rata. b.4.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 1. Pindahkan satu atau beberapa pasang variabel sekaligus kekotak Paired Variabel. Untuk membuat pasangan variabel lagi. Untuk memindahkan pasangan lakukan langkah berikut : a.

88 17 33. Deviation Std.423 8.3. Error Mean 342. Barang Produksi dg mesin lama Produksi dg mesin baru Barang 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 Produksi dengan mesin lama 356 365 312 321 332 364 351 389 397 374 368 298 296 301 374 310 321 Produksi dengan mesin baru 298 299 305 368 345 375 301 299 300 369 398 301 325 346 293 355 371 Dari data tersebut ingin diketahui apakah pengubahan mesin dapat meningkatkan produksi barang ? Penyelesaian : Dengan mengikuti langkah-langkah di atas akan Anda dapatkan Output sebagai berikut : Output SPSS Paired Samples Statistics Mean Pair 1 Produksi dengan mesin lama Produksi dengan mesin baru Didin Astriani Prasetyowati N Std.234 8.106 332.546 Page 88 .24 17 35.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Tabel 6.

146 .844 Paired Samples Test Paired Differences Mean Pair 1 Std. H1 : Kedua rata-rata adalah tidak identik (rata-rata populasi produksi dengan mesin baru lebih besar dari prouksi dengan mesin lama).576 95% Confidence Interval of the Difference Lower Upper t -16. maka didapatkan t-tabel = ± 2.647 dengan mesin baru 51.080 . .Ho diterima : Jika t-hitung berada diantara nilai – t-tabel dan + t-tabel.608 37. (2-tailed) 16 . Berdasarkan Probabilitas Syarat : ♦ Jika probabilitas > 0.411 Analisis : • Hipotesis Ho : Kedua rata-rata adalah identik (rata-rata populasi produksi dengan mesin lama dan baru adalah sama). -. t-hitung dari output di atas = 0. Nilai t-tabel. Berdasarkan perbandingan t-hitung dengan t-tabel Syarat : .Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Paired Samples Correlations N Pair 1 Produksi dengan mesin lama & Produksi dengan mesin baru Correlation 17 Sig. Deviation Produksi dengan mesin lama .05 maka H0 diterima Didin Astriani Prasetyowati Page 89 .374 df Sig. Error Mean 12. • Pengambilan Keputusan a.983 Std. dengan tingkat signifikansi (α) 5 % dengan df (derajat kebebasan) = n-1 = 17 – 1= 16.Produksi 10. b.12 Karena t-hitung terletak diantara ± t-tabel maka H0 diterima yang artinya penggantian mesin produksi ternyata tidak mempengaruhi jumlah produksi barang.Ho ditolak : Jika t-hitung tidak berada diantara nilai – t-tabel dan + t-tabel.844.

 Definisi range dari variabel faktor.  Dalam populasi.05 maka H0 ditolak Karena nilai probabilitas 0. Anda dapat menguji kecenderungan antar kategori.  Sampel tidak berhubungan satu dengan yang lainnya. Untuk menjalankan program ini.  Satu variabel faktor numerik. anda bisa membuat stem-leaf plot atau histogram dari masingmasing grup dan menghitung variansnya. Spesifikasi minimum dari prosedur ini adalah:  Satu variabel dependent numerik. E. Didin Astriani Prasetyowati Page 90 . menentukan kontras dan menggunakan variasi dari uji range.05 maka H0 diterima. Anda juga bisa menggunakan uji statistik untuk memeriksa asumsi normalitas dan kesamaan varians. Asumsi yang diperlukan untuk Analisis Varians adalah:  Masing-masing grup merupakan sampel random yang berasal dari populasi normal.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) ♦ Jika probabilitas < 0. varians dari grup-grup tersebut sama.411 > 0. dengan kesimpulan yang sama dengan perbandingan di atas. Dari prosedure ini. Prosedur One-Way ANOVA digunakan untuk menghasilkan analisis varians satu jalur bagi sebuah variabel dependen dalam tingkat interval berdasarkan sebuah variabel faktor (independen). dari menu pilih: Analyze…Compare Means…One-Way ANOVA Maka akan ditampilkan kotak dialog One-Way ANOVA. Skala pengukuran dari variabel ini harus interval. Cara untuk memeriksa asumsi tersebut adalah menggunakan prosedur Explore. Prosedur One-Way ANOVA Analysis of Variance (disingkat ANOVA) merupakan alat statistik yang digunakan untuk menguji apakah rata-rata dari dua atau lebih populasi berbeda secara signifikan ataukah tidak dan menguji apakah dua atau lebih sampel mempunyai varians populasi yang sama atau tidak. Variabel ini diasumsikan mempunyai ukuran dalam skala interval.

probabilitas F. jumlah kuadrat dan rata-rata jumlah kuadrat untuk antar dan dalam grup (within groups). Simpati. Pindahkan sebuah variabel numerik ke kotak Dependent List. Mentari. Dari hasil penelitian diperoleh informasi sebagai berikut : Didin Astriani Prasetyowati Page 91 . Variabel yang cocok sebagai variabel faktor adalah yang berbentuk kategori. 4. Peneliti ingin mengetahui apakah ada perbedaan rata-rata dalam pemakaian beberapa sim card antara lain : IM3.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 1. Pindahkan sebuah variabel faktor (independen) ke kotak Factor. 2. Kasus 6. Flexi. 3. dan Axis pada beberapa daerah. AS. Tabel analisis varians akan dibuat untuk setiap variabel numerik yang anda pindahkan ke kotak ini. 3.5. Klik OK untuk mendapatkan hasil default dari tabel analisis varians satu jalur yang berisi rasio F. Pilih Options untuk mendapatkan deskripsi variabel.

Sehingga bentuk table akan berubah seperti Tabel 6.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Tabel 6.5. Data Pemakaian Sim Card Daerah 1 2 3 4 5 6 7 1 2 3 4 5 6 7 1 2 3 4 5 6 7 1 2 Jenis Sim Card 1 1 1 1 1 1 1 2 2 2 2 2 2 2 3 3 3 3 3 3 3 4 4 Didin Astriani Prasetyowati Jumlah Pemakaian 152 132 147 123 102 133 165 105 145 100 99 96 130 121 125 164 144 136 125 133 154 152 132 Page 92 . Tabel 6. maka bentuk table harus dimodifikasi karena dalam one way ANOVA hanya ada dua variable yang dapat dimasukkan.4. Data Pemakaian Sim Card Daerah 1 2 3 4 5 6 7 IM3 152 132 147 123 102 133 165 Mentari Simpati 105 125 145 164 100 144 99 136 96 125 130 133 121 154 AS 152 132 147 123 102 133 165 3 105 145 100 99 96 130 121 Flexi 125 164 144 136 125 133 154 Axis 105 145 100 99 96 130 121 Untuk menganalisis data di atas dengan menggunakan one way ANOVA.5.

Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 3 4 5 6 7 1 2 3 4 5 6 7 1 2 3 4 5 6 7 1 2 3 4 5 6 7 4 4 4 4 4 5 5 5 5 5 5 5 6 6 6 6 6 6 6 7 7 7 7 7 7 7 147 123 102 133 165 105 145 100 99 96 130 121 125 164 144 136 125 133 154 105 145 100 99 96 130 121 Definisi variable : Nama Value Label Jenis Sim Card: 1=IM3. 4= AS. 6= 3. 2=MENTARI. 7= AXIS Dengan mengikuti langkah-langkah di atas maka akan diperoleh output sebagai berikut: Output SPSS Didin Astriani Prasetyowati Page 93 . 3=SIMPATI. 5= FLEXI.

14 136.057 3.933 42 ANOVA Jumlah Pemakaian Sum of Squares Between Groups 7307.05 maka Ho ditolak Didin Astriani Prasetyowati Page 94 . a.000 df 6 42 48 Mean Square 1217.45 130.650 Sig. .301 df1 df2 6 Sig.076 Std.736 18.005 Analisis : Pertama yang harus dilakukan adalah menguji terlebih dahulu apakah grupgrup yang di uji berlaku tidaknya salah satu asumsi untuk Analisis Varians (lihat asumsi di atas).77 96.857 Total 21322.570 7.670 14.687 F 3. Error 7.66 133.857 333.51 153.819 7.15 155.71 140.45 130.71 140.570 7.29 113. .15 155.42 96. yaitu apakah ketujuh sampel tersebut mempunyai varians yang sama. Deviation 20.42 96.98 126.Jika probabilitas < 0.143 Within Groups 14014.71 127.011 95% Confidence Interval for Mean Lower Bound Upper Bound 117.98 121.29 113.77 117.819 7.05 maka Ho diterima .670 21.45 130.736 20.686 18.77 Minimum 102 96 125 102 96 125 96 96 Maximum 165 145 164 165 145 164 145 165 Test of Homogeneity of Variances Jumlah Pemakaian Levene Statistic .Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Descriptives Jumlah Pemakaian N IM3 Mentari Simpati AS Flexi 3 Axis Total 7 7 7 7 7 7 7 49 Mean 136.686 18.670 14.71 Std.14 113.057 5.51 153.Jika probabilitas > 0. Test Varians Populasi (Test of Homogenity of Variance) • Hipotesis Ho : Ketujuh varians populasi adalah identik H1 : Ketujuh varians populasi adalah tidak identik • Pengambilan Keputusan .057 5.98 126.

Berdasarkan Probabilitas .933. maka Ho diterima .Jika Fhitung < Ftabel maka Ho diterima Didapatkan Fhitung pada output diatas adalah 6.Jika Probabilitas > 0. Didin Astriani Prasetyowati Page 95 .Jika Fhitung > Ftabel maka Ho ditolak . maka Ho ditolak Terlihat dari hasil output probabilitas (lihat sig. Karena probabilitas > 0. b. dengan kesimpulan bahwa rata – rata ketujuh populasi berbeda atau rata – rata pemakaian dari ketujuh jenis sim card memang berbeda.005 < 0. b. Catatan : Jika varians berbeda analisis selanjutnya secara otomatis tidak dapat dilakukan.Jika Probabilitas < 0. sehingga salah satu asumsi Analisis Varianscterpenuhi.05.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Terlihat probabilitas output Livene Test adalah 0.05 maka Ho diterima atau ketujuh varians populasi adalah sama.650 Ftabel dengan tingkat signifikan (α) 5 % dan derajat kebebasan (df) Numerator 6 dan denumerator 42 adalah 2.05.) = 0. Berdasarkan Perbandingan F-hitung dengan F-tabel . karena asumsi tidak terpenuhi.32 maka Ho ditolak.05 maka Ho ditolak dengan kesimpulan sama dengan menggunakan perbandingan diatas. Analisis Varians • Hipotesis Ho : Ketujuh rata-rata populasi adalah identik H1 : Ketujuh rata-rata populasi adalah tidak identik (sekurang-kurangnya satu rata-rata tidak sama) • Pengambilan Keputusan a.

Yang jadi masalah adalah bagaimana pola hubungan yang ingin diungkapkan? Jika pola hubungan yang ingin diungkapkan adalah keeratan hubungan antara variabel satu dengan variabel yang lain maka analisis yang digunakan adalah Analisis Korelasi (Correlation Analysis). dan sebaliknya nilai r – (negatif) menunjukan korelasi negatif. Pola hubungan yang memperlihatkan eratnya hubungan antara satu variabel dengan variabel yang lain disebut dengan hubungan korelasi. Seorang peneliti ingin mengungkapkan hubungan antara variabel. Korelasi Linier Sederhana (r) dan Koefisien Determinasi (R=r2)  Koefisien Korelasi (r) merupakan ukuran hubungan linier/derajat keeratan antara variabel bebas (X) dan variabel takbebas (Y). artinya semakin besar nilai X maka akan semakin besar nilai Y. Jika pola hubungan yang akan diungkapkan adalah untuk membuat dugaan. maka analisis yang digunakan adalah Analisis Regresi (Regression Analysis).  Nilai r berkisar antara -1 sampai +1.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) BAB VII ANALISIS KORELASI Metode analisis korelasi dikembangkan untuk mempelajari pola dan mengukur hubungan keeratan secara statistik antara dua variabel atau lebih. B. jika sifatnya Confirmatory maka digunakan Lisrel (Linier structural relation) dan modelnya disebut Model Struktural (Structural Equation Model – SEM). Didin Astriani Prasetyowati Page 96 . artinya semakin besar nilai X maka semakin kecil nilai Y.  Nilai r + (positif) menunjukan korelasi positif. Dalam analisis korelasi akan diperoleh nilai koefesien korelasi yang menyatakan ukuran keeratan hubungan antara satu variabel dengan variabel lain. Jika pola hubungan yang mengungkapkan besarnya pengaruh suatu variabel baik itu yang langsung atau tidak langsung terhadap variabel lainnya yang sifatnya Exploratory maka dapat digunakan Analisis Jalur (Path Analysis).

X.1)  n 2  n 2   n 2  n 2   n  x i    xi    n  y i    y i    i 1    i1  i 1    i 1 Koefisien Determinasi → R = r2 (7.00 .0.1.0.Y.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS)  Jika nilai r mendekati +1 atau -1.21 .2) Contoh 7.  Jika nilai r = +1 atau r = -1 maka X dan Y memiliki korelasi linier sempurna.1.41 .40 : Hubungan yang kecil (tidak erat) 0. maka X dan Y memiliki korelasi linier yang tinggi.71 . Didin Astriani Prasetyowati Page 97 .  Jika nilai r = 0 maka X dan Y tidak memiliki relasi (hubungan) linier (dalam kasus r mendekati 0. anda dapat melanjutkan analisis ke regresi eksponensial). (juta Liter) PT BIMO perusahaan Minyak Goreng.  Koefisien Determinasi (R) merupakan ukuran proporsi keragaman (variansi) total nilai variabel takbebas (Y) yang dapat dijelaskan oleh nilai variabel bebas (X) melalui hubungan linier. n  n  n  n xi y i    xi   yi  i 1  i 1  i 1  Koefisien Korelasi → r  (7. (juta Rupiah) dan Volume Penjualan. C.00 : Hubungan yang sangat erat  Penetapan dan Interpretasi Koefisien Korelasi dan Koefisien Determinasi  Koefisien Korelasi Produk Momen-Pearson Penentuan koefisien korelasi untuk variabel dengan skala minimal interval. Berikut adalah data Biaya Promosi.0.20 : Hubungan yang sangat kecil dan bisa diabaikan (sangat tidak erat) 0.90 : Hubungan yang erat 0. Rentang Koefisien Korelasi 0.91 .0.70 : Hubungan yang cukup erat 0.

sehingga obyek-obyek yang diteliti dapat di-ranking dalam rangkaian terurut.9857 menunjukkan bahwa biaya promosi (variabel bebas X) dan volume penjualan (variabel takbebas Y) berkorelasi linier positif.  Koefisien Korelasi Rank Spearman : rs Koefisien Korelasi Rank Spearman digunakan untuk penentuan koefisien korelasi pada variabel dengan skala minimal ordinal.2) diperoleh koefisien determinasi : R = r2 = (0.9716 Nilai R = 0.84 persen dijelaskan oleh hal-hal lain.1. Hal tersebut mengindikasikan bahwa kedua variabel memiliki hubungan yang sangat erat.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Tabel T. yaitu 2.1) diperoleh koefisien korelasi : n  n  n  n  xi y i    xi    y i  i 1  i 1  i 1  r   n 2  n 2   n 2  n 2   n  xi    xi    n  y i    y i    i 1    i 1  i 1    i 1 5( 232)  ( 26)(40) 5(158)  26 5(346)  40  2 2  0.  Dengan menggunakan persamaan (7.9857)2 = 0. Jawab :  Dengan menggunakan persamaan (7. Biaya Promosi Dan Volume Penjualan PT. Didin Astriani Prasetyowati Page 98 .9716 menunjukkan bahwa keragaman nilai volume penjualan (variabel takbebas Y) dapat dijelaskan oleh nilai biaya promosi (variabel bebas X) sebesar 97. semakin besar biaya promosi maka semakin besar volume penjualannnya. BIMO Periode Tahun 2000 – 2004 Y2 Tahun X Y XY X² 2 00 0 2 5 10 4 25 2 00 1 4 6 24 16 36 2 00 2 5 8 40 25 64 2 00 3 7 10 70 49 100 2 00 4 8 11 n x n i  26 i 1 y 88 n i i 1  40 x y i i  232 i 1 64 n 2 i x 121  158 i 1 n y 2 i  346 i 1 Hitung koefisien korelasi (r) dan koefisien determinasi (R) dari contoh tersebut.16 persen dan sisanya.9857 Nilai r = 0.

2) diperoleh koefisien determinasi : R = r2 = (0. yaitu 33.6694 Nilai R = 0. Hitung besarnya koefisien korelasi rank spearman antara ukuran keotoriteran dan perjuangan status sosial dari 12 mahasiswa berikut ini : Mahasiswa Keotoriteran (X) 82 98 87 40 116 113 111 83 85 126 106 117 1 2 3 4 5 6 7 8 9 10 11 12 Skor Perjuangan Status Sosial (Y) 42 46 39 37 65 88 86 56 62 92 54 81 Ranking X 2 6 5 1 10 9 8 3 4 12 7 11 di Y 3 4 2 1 8 11 10 6 7 12 5 9 di -1 2 3 0 2 -2 -2 -3 -3 0 2 2 Jumlah 2 1 4 9 0 4 4 4 9 9 0 4 4 52 n 6 d i2 rs  1  i 1 3 n n 1 6(52)  0. Didin Astriani Prasetyowati Page 99 .8181 12 3  12 Nilai r = 0.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) n 6 d i2 rs  1  i 1 3 (8.06 persen dijelaskan oleh hal-hal lain.8181 menunjukkan bahwa keotoriteran dan perjuangan status sosial berkorelasi linier positif.6694 menunjukkan bahwa proporsi keragaman perjuangan status sosial dapat dijelaskan oleh keotoriteran sebesar 66. Hal ini mengindikasikan bahwa kedua variabel memiliki hubungan yang sangat erat.  Dengan menggunakan persamaan (5.3) n n Dengan : di = selisih ranking variabel X dan variable Y n = banyak data Contoh 7.2.94 persen dan sisanya.8181)2 = 0.

Kemudian klik OK. 6. Pada bagian Correlation Coefficients pilih Pearson. kemudian pilih submenu Correlate. Hasil output dari analisis korelasi pearson adalah.1): 1.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) ANALISIS KORELASI MENGGUNAKAN APLIKASI SPSS Langkah langkah dalam analisis korelasi sederhana untuk melihat hubungan antara tingkat motivasi dengan kepuasan kerja adalah sebagai berikut (berdasarkan contoh 7. 2. pilih menu Analyze. 7. 5. karena datanya dalam skala interval. karena hipotesisnya menggunakan uji dua arah. Sehingga muncul kotak dialog seperti pada Gambar berikut. Buka lembar kerja dan pastikan data sudah tersedia dengan kriteria yang sudah ditentukan. 3. sehingga diperoleh output pada window output. Dari menu utama SPSS. Sorot ke kanan Bivariate … kemudian klik pilihan tersebut. Didin Astriani Prasetyowati Page 100 . Bagian Test of Significance pilih Two-tailed (dua arah). 4. Kemudian pilih variabel Promosi dan Penjualan sehingga masuk ke kotak Variables. Jika datanya ordinal maka pilihannya adalah Spearman. 8.

maka dengan taraf nyata sebesar 5% dapat dinyatakan bahwa ada hubungan yang nyata antara Biaya Promosi dan Volume Penjualan. 9.986** 1 . Karena pvalue < 5%.002 5 5 **. Dari hasil output di atas diperoleh nilai koefesien korelasi sebesar 0. (2-tailed) N . Didin Astriani Prasetyowati Page 101 .986** . Analisis dan Interpretasi. Hasil pengujian menunjukkan p-value (Sig.01 level (2tailed).986.) sebesar 0.002 5 5 . (2-tailed) N Penjualan Pearson Correlation Sig. Correlation is significant at the 0.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Correlations Promosi Penjualan Promosi Pearson Correlation 1 Sig.002.

X1 adalah variabel bebas ke-1 Didin Astriani Prasetyowati Page 102 . Xk) dengan satu variabel terikat (Y). Disebut regresi linier karena variabel bebasnya berpangkat satu. Pada analisis regresi ada beberapa persyaratan (asumsi) yang harus dipenuhi diantaranya adalah: Variabel X dan variabel Y memiliki skala pengukuran sekurangkurangnya interval. …. Terdapat 2 (dua) metode analisis regresi linier (Linear Regression Analysis). Membuat estimasi rata-rata dan nilai variabel tergantung dengan didasarkan pada nilai variabel bebas. Gujarati (2006) juga mendefinisikan analisis regresi sebagai kajian terhadap hubungan satu variabel yang disebut sebagai variabel yang diterangkan (the explained variabel) dengan satu atau dua variabel yang menerangkan (the explanatory). Disebut regresi sederhana jika melibatkan satu variabel bebas (X) dengan satu variabel terikat (Y). yaitu: analisis regresi linier sederhana dan analisis regresi linier berganda (multiple). Menguji hipotesis karakteristik dependensi 3. variabel independen atau variabel penjelas. X2. sedangkan disebut regresi berganda (multiple) jika melibatkan lebih dari satu variabel bebas (X1. ANALISIS REGRSEI LINIER Regresi linear adalah alat statistik yang dipergunakan untuk mengetahui pengaruh antara satu atau beberapa variabel terhadap satu buah variabel.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) BAB VIII. Variabel yang mempengaruhi sering disebut variabel bebas. Untuk meramalkan nilai rata-rata variabel bebas dengan didasarkan pada nilai variabel bebas diluar jangkaun sample. Tujuan menggunakan analisis regresi ialah 1. 2. Model umum persamaan regresi linier berganda adalah: Y   0  1 X 1   2 X 2     k X k   Dimana: Y adalah variabel terikat. sedangkan variabel yang dipengaruhi sering disebut dengan variabel terikat atau variabel dependen.

S-Plus dan lain-lain). k adalah koefesien regresi.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) X2 adalah variabel bebas ke-2 Xk adalah variabel bebas ke-k 0. Setelah koefesien regresi diperoleh langkah selanjutnya adalah melakukan pengujian terhadap koefesien-koefesien tersebut. ada variabel bebas yang berpengaruh terhadap variabel terikat. Untuk menghitung nilai-nilai koefesien regresi dapat dilakukan dengan Metode Kuadrat Terkecil (Least Square Method) atau dengan bantuan paket program statistik seperti (SPSS. Minitab. SAS.JKreg Didin Astriani Prasetyowati Page 103 . Tabel 5. H1: Sekurang-kurangnya ada sebuah i  0. Pengujian secara keseluruhan (simultan) dengan uj-F. Statistik uji yang akan digunakan adalah Uji-F dari distribusi F-Snedecor melalui daftar ANAVA. b. maka persamaan regresi tersebut dinamakan regresi linier berganda. Artinya. jika k>1. 2. a. maka model regresi tersebut dinamakan regresi linier sederhana. 1. Artinya. Ada dua tahap yang harus dilakukan dalam pengujian ini.  adalah gallat atau error Jika k=1.3 Daftar Analisis Ragam Sumber Derajat Jumlah Rata-rata Variasi Bebas (db) Kuadrat (JK) Kuadrat (RJK) Regresi k JKreg RJKreg Sisa n-k-1 JKsisa RJKsisa Total n-1 JKtot n JKreg =  1 Jml Uji-F F-hitung n  x11 y1     k  x ki yi i 1 i 1 n JKtot = y 2 i i 1 JKsisa = JKtot . semua variabel bebas tidak berpengaruh terhadap variabel terikat. Hipotesis pada pengujian ini adalah: H0:  0  1   2     k  0 . yaitu: 1.

tidak ada pengaruh variabel ke-i terhadap variabel terikat.k:n-k-1. Kriteria ujinya adalah tolak H0. jika F-hitung > F-tabel. Artinya. Koefisien Determinasi Koefisien determinasi berguna untuk mengetahui sumbangan dari masing-masing variabel bebas terhadap variabel tidak bebas. Jika H0 ditolak artinya ada pengaruh yang nyata antara variabel ke-i terhadap variabel terikat. i. dimana Cii adalah elemen pada baris ke-i dan kolom RJK sisa C ii ke-i dari matriks invers. Statistik uji yang akan digunakan adalah Uji-t dari distribusi t-Student dengan rumus: ti  i . Kriteria ujinya adalah tolak H0. H1: i  0. ii. Hipotesis pada pengujian ini adalah: H0: i = 0. Pengujian secara individual (Parsial) a.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) RJKreg = JKreg/k RJKsisa = JKsisa / (n-k-1) F-hitung = RJKreg / RJKsisa c.n-k-1. Artinya. Dalam penelitian ini dipergunakan rumus sebagai berikut : R2  1 JK sisa JK reg  JK tot JK tot dimana : R2 = koefisien determinasi JKsisa = jumlah kuadrat error JKtot = jumlah kuadrat total Didin Astriani Prasetyowati Page 104 . Jika H0 ditolak maka dilanjutkan dengan pengujian secara individual (parsial). ada pengaruh variabel ke-i terhadap variabel terikat. dimana t-tabel = t1-/2. jika p-value <  atau t-hitung > t-tabel. 2. dimana F-tabel = F1.

6. Sorot ke kanan Linear … kemudian klik pilihan tersebut. 2. 3. karena ada dua variabel bebas.1.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Kasus 8. 5. Seorang peneliti ingin melihat pengaruh kepemimpinan dan tingkat disiplin kerja terhadap kinerja pegawai. Survey telah dilakukan terhadap 36 responden sebagai sampel pada sebuah departeman di Palembang Sumatera Selatan. Didin Astriani Prasetyowati Page 105 . kemudian pilih submenu Regression. Sehingga muncul kotak dialog seperti pada Gambar berikut. Buka lembar kerja dan pastikan data sudah tersedia dengan kriteria yang sudah ditentukan. 4. Kemudian pilih variabel bebas kepemimpinan dan disiplin kerja sehingga masuk ke kotak Independent(s). pilih menu Analyze.  Untuk menganalisis data dan permasalahan di atas akan dilakukan dengan metode analisis regresi berganda. Kemudian pilih variabel kinerja pegawai sebagai variabel terikat sehingga masuk ke kotak Dependent.1. Setelah data dikonversi ke dalam skala interval diperoleh data seperti pada Tabel 8. Pada bagian lainnya diisi sesuai dengan kebutuhan yang ingin diungkapkan atau dikeluarkan. Langkah-langkah dalam analisis regresi berganda untuk melihat pengaruh kepemimpinan dan disiplin kerja terhadap kinerja pegawai adalah sebagai berikut: 1. Dari menu utama SPSS.

1291 2.0348 2.0460 2.8403 3.8497 3.2084 2.1225 2.6057 2.7521 2.5800 Didin Astriani Prasetyowati DISIPLIN KERJA (X2) 3.6341 3.0338 3.2002 3.3628 3.2491 1.9198 3.8312 1.5409 2.2134 3.6185 2.0101 2.7734 3.6643 2.0904 2.2967 2.1245 3.0348 2.1.0253 2.4066 2.2606 2.6357 2. 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 26 27 28 29 30 31 32 33 34 35 36 KEPEMIMPINAN (X1) 3.5347 1.1476 2.8152 3.6185 3.3280 2.0759 3.6408 2.0782 2.2910 Page 106 .9725 1.3290 2.1304 3.0692 3.6595 3.1304 1.3150 3.4340 2.5347 1.6452 2.5702 2.9472 3. Data Hasil Survey tentang Kinerja Pegawai No.9668 2.6674 2.9762 3.0252 KINERJA PEGAWAI (Y) 3.3707 2.2613 3.9619 2.3720 2.0371 3.9580 1.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Tabel 8.6579 2.8692 3.8735 3.0252 2.9081 3.9583 2.4066 2.1169 3.5894 2. Res.1471 2.8224 2.4164 3.2322 1.0513 3.5710 2.4606 3.5355 3.0723 2.0162 2.2835 3.4844 2.0168 3.0460 2.3994 2.3839 2.2851 3.2671 2.3978 2.8901 2.7572 2.9999 3.0360 2.3318 2.6185 2.2910 2.1046 2.3799 3.4965 2.3434 3.3050 2.3542 2.1145 2.5257 3.5800 3.2050 3.6443 2.

721 .721 .000 36 36 36 Kinerja Pegawai Kepemimpinan Disiplin Kerja Kinerja Pegawai Kepemimpinan Disiplin Kerja Kinerja Pegawai Kepemimpinan Disiplin Kerja Kepemim pinan . .106 F 22. . . All requested variables entered. Disiplin Kerja.510 8. Kepemimpinan b.000 .000 .602 1.755381 Std. Kepemimp a inan Variables Removed Method .000 .000 36 36 36 Disiplin Kerja . Dependent Variable: Kinerja Pegawai Didin Astriani Prasetyowati Page 107 . Predictors: (Constant).552 Std.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) OUTPUT SPSS Regression Descriptive Statistics Kinerja Pegawai Kepemimpinan Disiplin Kerja Mean 2.546883 2.578 Adjusted R Square . Deviation . b.000 .583 Sig. Predictors: (Constant). Disiplin Kerja. Enter a. 36 36 36 Variables Entered/Removedb Model 1 Variables Entered Disiplin Kerja.000 .602 .804 3. Error of the Estimate .000 .326134 a.898573 2. Dependent Variable: Kinerja Pegawai Model Summaryb Model 1 R .402 .000a a. Dependent Variable: Kinerja Pegawai ANOVAb Model 1 Regression Residual Total Sum of Squares 4.760a R Square .627 1.000 .314 df 2 33 35 Mean Square 2.481213 N 36 36 36 Correlations Pearson Correlation Sig. Kepemimpinan b. (1-tailed) N Kinerja Pegawai 1.627 .487384 .455659 .

545 .25 0.324 .Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Coefficientsa Model 1 Unstandardized Coefficients B Std.538 t .75 .948 Maximum 3. .558727 1. Hasil analisis dan interpretasi akan dijelaskan pada Bab IX. Residual Minimum 1.782 .546883 6.040 .151 . Dependent Variable: Kinerja Pegawai Charts Normal P-P Plot of Regression Standardized Residual Dependent Variable: Kinerja Pegawai 1.802 Sig.378 .911306 -.000 Std.000 .50 .278 2.00 Expected Cum Prob .370483 .135224 .105 .75 1.50 .91E-16 .303 .713 Mean 2.588 1.25 . Error . Dependent Variable: Kinerja Pegawai Residuals Statisticsa Predicted Value Residual Std. Didin Astriani Prasetyowati Page 108 .143 (Constant) Kepemimpinan Disiplin Kerja Standardi zed Coefficien ts Beta . Deviation .139 3. Predicted Value Std.716 -1.00 .316679 1.635324 -1.00 Observed Cum Prob 7.971 N 36 36 36 36 a.000 .00 0.001 a.

Sehingga muncul output hasil SPSS pada window MS Word. Buka Windows Output SPSS.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) BAB IX PENYAJIAN HASIL ANALISIS DAN PEMBAHASAN Salah satu hal yang paling penting dalam proses analisis data adalah cara penyajian dan interpretasi dari hasil pengolahan data. Output-output yang dikeluarkan dari program SPSS hanyalah berupa tabel dan angka. Klik (blok) bagian output SPSS yang akan dicopy. kemudian klik Copy objects seperti pada Gambar berikut. Buka window MS Word. Didin Astriani Prasetyowati Page 109 . MS Power Point atau yang lain untuk memberikan penjelasan dari hasil tersebut. tempatkan kursor yang akan dijadikan tempat ouput SPSS. 2. Buka menu utama Edit kemudian klik Paste. tanpa ada penjelasan atau interpretasi. 3. kemudian klik kiri bagian Copy objects. Langkah-langkah memindahkan output dari window SPSS ke window MS Word adalah: 1. Sehingga output yang diperoleh dari SPSS hendaknya dipindahkan kedalam program pengolah kata seperti MS Word. Buka menu utama Edit. atau setelah diblok tekan Ctrl+K. Atau dengan cara klik kanan pada mouse. 4. Atau setelah ditempatkan kursor kemudaian tekan Ctrl+V.

Statistik uji yang akan digunakan adalah uji-F untuk pengujian secara simultan dan uji-t untuk pengujian secara parsial.1 di atas dengan menggunakan metode analisis regresi berganda. artinya ada pengaruh variabel disiplin kerja terhadap kinerja pegawai. 2. artinya ada pengaruh variabel kepemimpinan terhadap variabel kinerja pegawai. Buatlah format atau sesuaikan dengan tampilan yang dikehendaki serta beri penjelasan dari output tersebut. Pengaruh Variabel Kepemimpinan (X1) dan Disiplin kerja (X2) terhadap Kinerja pegawai (Y) Analisis yang akan dilakukan adalah analisis regresi linier berganda dengan pengujian hipotesis baik secara simultan maupun secara parsial. 1. artinya tidak ada pengaruh variabel kepemimpinan dan disiplin kerja terhadap tingkat kinerja pegawai. artinya ada pengaruh variabel kepemimpinan dan disiplin kerja terhadap kinerja pegawai. H0: 1=0. Hipotesis yang akan di uji secara parsial adalah: a. artinya tidak ada pengaruh kepemimpinan terhadap variabel kinerja pegawai. Pengujian secara simultan dilakukan untuk melihat pengaruh kedua variabel bebas secara bersamasama terhadap variabel terikat dan secara parsial untuk melihat pengaruh masingmasing variabel bebas terhadap variabel terikat dengan hipotesis sebagai berikut.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 5. H1: Minimal ada satu   0. H0: 2=0.2=0. Hipotesis yang akan di uji secara simultan adalah: H0: 1. H1: 2 0. Didin Astriani Prasetyowati Page 110 . artinya tidak ada pengaruh variabel disiplin kerja terhadap kinerja pegawai. b. H1: 1 0. Berikut adalah contoh penyajian hasil analisis dan pembahasan pada kasus 8. 3. 6.

578 Adjusted R Square .326134 a.000a a.583 Sig. Kepemimpinan b. Predictors: (Constant).402 . Didin Astriani Prasetyowati Page 111 . atau jika p-value< dari . tolak H0. Nilai koefesien determinasi atau R2 (R Square)=0.)= 0. Disiplin Kerja. Artinya.8%.) < 5%.510 8. dengan tingkat kesalahan sebesar 5% dapat dinyatakan bahwa kepemimpinan dan disiplin kerja memiliki pengaruh nyata terhadap tingkat kinerja pegawai. Karena p-value (sig. jika F-hitung > F-tabel.0001. Output Analisis Ragam (Analysis of Varians) ANOVAb Model 1 Regression Residual Total Sum of Squares 4. Dependent Variable: Kinerja Pegawai Pada Tabel di atas (ANOVA). Kriteria ujinya. .106 F 22.314 df 2 33 35 Mean Square 2. dan tolak H0.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 4.552 Std. ada hubungan korelasi positif antara variabel kepemimpinan dan disiplin kerja dengan tingkat kinerja pegawai sebesar 76%. Artinya. Output Nilai Koefesien Determinasi Analisis Regresi Berganda Model Summary Model 1 R . Kepemimpinan Pada tabel di atas (Model Summary) diperoleh nilai R=0.760a R Square . atau jika p-value< dari . Predictors: (Constant). Dari hasil pengujian diperoleh nilai F-hitung sebesar 22. maka H0 ditolak.804 3.578 menunjukkan bahwa besarnya kontribusi pengaruh variabel kepemimpinan (X1) dan disiplin kerja (X2) terhadap kinerja pegawai (Y) sebesar 57. jika t-hitung > t-tabel. Disiplin Kerja.583 dengan p-value (sig.760. menunjukkan pengujian secara simultan untuk model regresi yang melibatkan variabel X1 dan X2 terhadap Y. Error of the Estimate .

)=0. Dari hasil analisis regresi linier berganda untuk melihat pengaruh variabel kepemimpinan dan disiplin kerja terhadap tingkat kinerja pegawai diperoleh model regresi sebagai berikut: Y = 0.545 X2 + . . Karena p-value < 5%. Kesimpulan: Dari hasil pengujian hipotesis yang telah dilakukan di atas dapat diperoleh kesimpulan dan intrepretasi sebagai berikut: 1.040. (R2=0. Error .105 . maka H0 ditolak. dan nilai t-hitung = 3.782 .802 atau p-value (Sig.139 3.578) 2.000 atau F-hitung= 22.143 t . a.324. Artinya. Artinya. Dependent Variable: Kinerja Pegawai Pada tabel di atas (Coefficients) menunjukkan pengujian secara parsial dengan uji-t.378 .583.139 atau p-value (Sig.324 . Artinya. Didin Astriani Prasetyowati Page 112 .278 2. dan nilai t-hitung = 2.040 .Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Output Nilai Koefesien Regresi Berganda Coefficientsa Model 1 (Constant) Kepemimpinan Disiplin Kerja Unstandardized Coefficients B Std.105 + 0. dengan tingkat kesalahan paling besar 5% dapat nyatakan bahwa disiplin kerja berpengaruh nyata terhadap tingkat kinerja pegawai.151 . b.545 . dengan tingkat kesalahan paling besar 5% dapat nyatakan bahwa kepemimpinan berpengaruh nyata terhadap tingkat kinerja pegawai. Hasil pengujian untuk variabel disiplin kerja diperoleh koefesien atau nilai B=0.545. Hasil uji secara simultan atau bersama-sama dengan tabel analisis ragam (ANOVA) diperoleh nilai p-value sebesar 0.324 X1 + 0.001.001 a. Karena p-value < 5%. maka H0 ditolak.802 Sig.)=0. Hasil pengujian untuk variabel kepemimpinan diperoleh koefesien atau nilai B=0.

Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) dengan taraf nyata sebesar 5%. 5. Kesimpulannya adalah ada pengaruh yang nyata antara kepemimpinan terhadap kinerja pegawai. Karena nilai t-hitung = 2. b. maka rata-rata tingkat kinerja pegawai sebesar 0. Nilai t-hitung= 3. yaitu kepemimpinan dan disiplin kerja terhadap variabel terikat.8%.001. maka tolak H0.139 atau p-value (Sig.545. Variabel Kepemimpinan. dapat dinyatakan bahwa kepemimpinan (X1) dan disiplin kerja (X2) berpengaruh nyata terhadap kinerja pegawai (Y). Nilai koefesien determinasi (R2) sebesar 0.)=0. maka peningkatan satu tingkat kepemimpinan akan menaikan tingkat kinerja pegawai sebesar 0. 6.)= 0.578 atau 57. maka H0 ditolak. Sedangkan sisanya (42.2%) dipengaruhi oleh faktor lain.324. Artinya. 4. Pada variabel Disiplin kerja diperoleh nilai 0. Variabel Disiplin kerja Kerja. Didin Astriani Prasetyowati Page 113 . jika variabel yang lain dianggap tetap. Pada kofesien konstanta (constant) diperoleh nilai 0.802 atau p-value (Sig. artinya p-value < 5%. Hasil pengujian secara parsial (inidvidu) dengan uji-t dapat dijelaskan sebagai berikut: a. Artinya.040. Kesimpulannya adalah ada pengaruh yang nyata antara disiplin kerja terhadap kinerja pegawai. yaitu kinerja pegawai sebesar 0.545.105. Pada variabel kepemimpinan diperoleh nilai 0. artinya jika variabel yang lain dianggap tidak ada.105.578 menunjukan bahwa kontribusi pengaruh kedua variabel bebas. jika variabel yang lain dianggap tetap. 7. artinya p-value<5%. 3. maka peningkatan satu tingkat disiplin kerja akan menaikan tingkat kinerja pegawai sebesar 0.324.