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

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

Contoh : µ untuk rata-rata. yang akan diuji kebenarannya dengan data yang dikumpulkan melalui penelitian. Sensus Sensus adalah teknik pengumpulan data dimana setiap anggota yang ada dalam populasi dikenai penelitian. Secara statistik. σ untuk simpangan baku. Hipotesis Pengertian hipotesis menurut Arikunto (1995). Contoh : x untuk rata-rata. s untuk simpangan baku. 7. 8. Parameter Parameter adalah sebuah bilangan yang diperoleh melalui sebuah rumus tertentu dan merupakan ukuran dari sebuah populasi. Statistik Statistik adalah perhitungan yang didasarkan pada data sampel atau merupakan ukuran dari sampel. 9. hipotesis dapat didefinisikan sebagai pernyataan mengenai keadaan populasi yang akan diuji kebenarannya berdasarkan data yang diperoleh dari sample penelitian. 6. 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 . Sampling Sampling adalah teknik pengumpulan data dimana hanya sebagian saja dari populasi yang diteliti (proses pengambilan sampel). Secara teknis. Dugaan jawaban tersebut merupakan kebenaran yang sifatnya sementara. 5. 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.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Sampel adalah beberapa satuan pengamatan yang merupakan bagian dari populasi.

Didalam analisis statistik. sedangkan untuk bidang yang berisiko tinggi akibat penarikan Didin Astriani Prasetyowati Page 5 . kegunaan hipotesa adalah sebagai berikut: a. dan sebagainya. Mensiagakan peneliti kepada kondisi fakta dan hubungan antar fakta. d. Nazir (1988). atau menyatakan adanya perbedaan dalam hal tertentu pada kelompok-kelompok yang berbeda. c. 0. 10. yang kadangkala hilang begitu saja dari perhatian peneliti. Sebagai panduan dalam pengujian serta penyesuaian dengan fakta dan antar fakta. biasanya digunakan taraf 0. Hipotesis lain yang bukan hipotesis nol disebut hipotesis alternatif. uji statistik biasanya mempunyai sasaran untuk menolak kebenaran hipotesis nol itu.001. hipotesis menyatakan prediksi. atau 0.005. 0.05 atau 0. 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. Untuk penelitian pendidikan. 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. Sebagai alat yang sederhana dalam memfokuskan fakta yang tercerai-berai tanpa koordinasi ke dalam suatu kesatuan penting dan menyeluruh. b. atau hipotesis yang menyatakan tidak adanya perbedaan antara kelompok yang satu dan lainnya. Signifikan Dan Tingkat Kepercayaan Besarnya taraf signifikan biasanya sudah ditentukan sebelumnya.01. Misalnya.05. Konsep penting mengenai hipotesis adalah hipo-Ho adalah hipotesis yang menyatakan tidak adanya saling hubungan antara 2 variabel atau lebih.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Secara implisit.15. yaitu 0. 0. Memberikan batasan serta memperkecil jangkauan penelitian dan kerja penelitian. Menurut Moh.01 . Hipotesis alternatif (HA) menyatakan adanya salinghubungan antara dua variable atau lebih.

sehingga diperoleh hipotesis (Ho) dan hipotesis alternative (H1). Dengan kata lain. sedangkan pada 5 orang sisanya terjadi penyimpangan. 95% tersebut dinamakan tingkat kepercayaan. apabila kesimpulan hasil penelitian diterapkan pada populasi sejumlah 100 orang. Selayaknya. hasil akhirnya adalah dua pilihan berupa diterima atau ditolaknya suatu hipotesis (H) didampingi pernyataan lain yang berlawanan. 99% dan lain-lain. peluang terjandinya kemelesetan setiap 100 kali adalah 5 kali. maka diperlukan percobaan-percobaan untuk memperoleh data. Mencocokkan dengan fakta.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) kesimpulannya. seperti bidang kesehatan. hal itu sama saja dengan menyebut bahwa peneliti telah menolak hipotesis pada tingkat kepercayaan 95% . apakah 95% . yaitu pada batas saat suatu hasil perhitungan statistic dapat disebut signifikan. peneliti tersebut hanya sesuai untuk 95 orang. Derajat kebebasan juga sebagai patokan membaca tabel statistic berkenaan dengan batas rasio penolakan (kritis). Pengujian Hipotesis Penarikan kesimpulan yang berakhir pada penerimaan atau penolakan hipotesis diawali oleh pengujian hipotesis. Cara ini biasa dkerjakan dengan menggunakan desain percobaan. 11. Derajat Kebebasan Derajat kebebasan merupakan tingkat kebebasan untuk bervariasi sehingga tidak terjadi kekeliruan dalam penafsiran. tingkat kepercayaan adalah ukuran keyakinan peneliti yang dinyatakan dalam persentase bahwa ia sanggup mengambil resiko bahwa sesuatu itu dapat terjadi. Jadi. 12. Secara umum hipotesis dapat diuji dengan dua cara: a. Rumus derajat kebebasan (dk) bergantung pada jenis statistik yang digunakan. Artinya. Seandainya peneliti menetapkan kesalahan 5%. Data tersebut kemudian kita nilai untuk mengetahui apakah hipotesa tersebut cocok dengan fakta tersebut atau tidak.005 atau 0.001. Didin Astriani Prasetyowati Page 6 . Jadi. biasanya digunakan taraf 0.

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

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

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

Cepi.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. Eko. ungu. Doni. terdiri atas dua jenis lagi : a. Contoh : . 53 kg. Bayu. bukan hanya sebuah kode. . tidak ada urutan yang memberikan makna tertentu. dsb). warna (merah. . 2 untuk SMP dan seterusnya. Yang termasuk dalam variabel ini.Banyaknya siswa SMKN 1 padang 600 orang.Berat badan 3 orang siswa adalah 45 kg. Secara lengkap pembagian tipe variabel (sering juga disebut skala pengukuran) bisa dijelaskan sebagai berikut : 1. Contoh : . b) Data Kontinu atau Data Ukuran atau Data Timbangan : data yang diperoleh dengan cara mengukur atau menimbang dengan alat ukur yang valid. Misalnya tinggi badan 176 cm. merupakan variabel numerik karena 176 merupakan nilai hasil pengukuran yang sebenarnya. Suatu variabel dikatakan numerik jika nilai dari variabel itu merupakan bilangan yang mencerminkan nilai yang sesungguhnya. perempuan). Data Kualitatif adalah data yang tidak dapat dinyatakan dengan bilangan (menyatakan mutu atau kualitas). hijau. Tidak ada alasan tertentu kategori mana yang disebut di awal dan mana yang di akhir.Diameter tabung = 72.Satu kilogram telur berisi 16 butir. Variabel Nominal. misalnya: jenis kelamin (laki-laki.5 mm b. yaitu numerik dan kategorik. Contoh : . yaitu jenis variabel yang penggolongannya atau pengkategoriannya hanya berupa nama saja.Data kegemaran siswa Berdasarkan Skala Pengukuran: Berdasarkan nilai-nilainya. Didin Astriani Prasetyowati Page 10 .Data jenis kelamin . kuning. 50 kg. nama orang (Andi. Berbeda dengan variabel kategorik yang hanya sebuah kode misalnya pendidikan diberi kode 1 untuk SD. dsb). variabel bisa dikelompokkan dalam dua kelompok. Variabel Kategorik.

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

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

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

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

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

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

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

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

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

Apakah dengan belajar akan terpenuhi kebutuhan anda dalam memenuhi syarat mencari kerja?(Ya/Tidak) 3. Skala Semantik defferensial disusun dalam suatu garis dimana jawaban sangat positif terletak dibagian kanan garis. tetapi bentuknya bukan pilihan ganda atau checklist tetapi tersusun dalam satu garis kontinum.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 3. Data yang diperoleh adalah data interval dan baisanya skala ini digunakan untuk mengukur sikap/karakteristik tertentu yang dipunyai oleh seseorang. 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. Didin Astriani Prasetyowati Page 20 . 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. NO PERTANYAAN INTERVAL JAWABAN 1. sedangkan jawaban sangat negatif terletak dibagian kiri garis atau sebaliknya. Apakah dengan belajar akan terpenuhi kebutuhan anda dalam mendapatkan gelar? (Ya/Tidak) 4. 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. Responden dapat memberi jawaban pada rentang jawaban yang positif sampai dengan negative. Apakah dengan belajar akan terpenuhi kebutuhan anda dalam mendapatkan ijazah? (Ya/Tidak) 5.

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

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

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

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

1 (Daftar Baris Kolom) DATA HASIL PENJUALAN.979 2003 300.155 823. untuk keperluan laporan dan/atau analisis selanjutnya perlu diatur. Ada berbagai bentuk penyajian data yang dapat digunakan. yaitu secara umum dalam bentuk tabel dan grafik. Tabel Kontigensi (b x k) Digunakan untuk data yang terdiri atas 2 faktor atau 2 variabel. Penyajian Data Data yang telah dikumpulkan. disusun.115 711. Hal tersebut diperlukan teknik penyajian data.337 742. variabel yang satu terdiri dari b kategori dan yang lainnya terdiri atas k kategori.395 2002 275. MODAL DAN TENAGA KERJA PERUSAHAAN X PERIODE TAHUN 2001-2005 Penjualan Tahun (Milyar Rp) 2001 928. baik yang berasal dari populasi ataupun dari sampel. Didin Astriani Prasetyowati Page 28 .683 Tenaga Kerja (orang) 1170 1147 794 734 752 2. disajikan dalam bentuk yang jelas dan baik untuk memudahkan seseorang memahami data. teknik penyajian ini dimaksudkan untuk memperindah tampilan dari suatu laporan penelitian.562 Catatan : Data Rekaan Modal (Milyar Rp) 781. memiliki beberapa jenis : 1.886 690.803 2004 796. Teknik-teknik ini diperlukan untuk memberikan gambaran umum informasi yang terkandung data. Penyajian dalam bentuk tabel.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) BAB IV EKSPLORASI DATA A. Tabel Baris Kolom Contoh : Tabel 4. Di samping itu.005 2005 565.

Pesan visual yang diberikan oleh grafik selain lebih menarik untuk dilihat juga mempermudah seseorang dalam membandingkan. dan sumbu tegak untuk menyatakan nilai data.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Contoh : Tabel 4. 2. Contoh : Tabel 4. kumulatif. relative–kumulatif).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. Grafik yang banyak digunakan adalah : 1. Diagram Garis Didin Astriani Prasetyowati Page 29 . Digunakan untuk data kuantitatif yang dibuat menjadi beberapa kelompok. Tabel Distribusi Frekuensi (relative.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. dapat juga untuk data tahunan. Diagram Batang Sangat tepat digunakan untuk menyajikan data yang variabelnya berbentuk kategori. Dalam diagram batang dibutuhkan sumbu datar yang menyatakan kategori atau waktu.

misalnya : hasil produksi perusahaan tiap tahun. Diagram Lingkaran dan Diagram Pastel Digunakan untuk menggambarkan kategori data yang terlebih dahulu diubah ke dalam nilai derajat. 3. jumlah penduduk tiap tahun. Dalam diagram garis.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. dll. 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 .5 Gambar 4.2 (Diagram Garis) JUMLAH PERMINTAAN BARANG PT. 4.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Digunakan untuk menggambarkan keadaan yang berkesinambungan/kontinu. 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. yang dibuat dalam sistem sumbu koordinat dan gambarnya berupa kumpulan titik-titik yang terpencar. Beberapa contoh jenis grafik : Tabel 4. Diagram Titik atau Pencar Digunakan untuk menggambarkan kumpulan data kuantitatif yang terdiri dari 2 variabel.4 JUMLAH MAHASISWA POLTEK PG BERDASARKAN JURUSAN JURUSAN JUMLAH MAHASISWA AKE 500 MIF 400 TIK 350 ARS 200 MPRS 300 Tabel 4. sumbu datar menyatakan waktu dan sumbu tegak menyatakan nilai data tiap waktu.

kumpulan array data dikumpulkan ke dalam sejumlah kelas (kelompok) yang relatif sedikit. 20 3600 B. Dapat melihat jarak antara nilai terkecil dan terbesar dari kumpulan data tersebut. Didin Astriani Prasetyowati Page 31 . 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.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 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. diantaranya 1. Untuk mendapatkan distribusi frekuensi.6 Gambar 4. 45 B.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. 10 A. Dapat mengetahui di sekitar mana data terkonsentrasi. Dapat mengetahui distribusi data. 3. 2.7 HASIL PEMUNGUTAN SUARA 50 100 150 PENDAPATAN (JUTA RP) Gambar 4. Keuntungan dari pengurutan data mentah ke dalam urutan data yang sistematis. 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. sehingga distribusi frekuensi adalah suatu pengelompokkan data berdasarkan pada kemiripan ciri. 25 C.

5 84. nilai 69 disebut ujung atas kelas kedua.  Panjang Kelas Interval (p) Didin Astriani Prasetyowati Page 32 . - Nilai 59 disebut ujung atas kelas pertama..69.5 94....5 . - Dalam daftar distribusi frekuensi.. 60. data dibuat menjadi beberapa kelompok dalam interval-interval tertentu. - Urutan kelas interval 50 – 59 disebut kelas interval pertama.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 1.5 -99. 69.. dst.5 . . 79.59.79.5 Berdasarkan tabel 4. 90 – 99 disebut kelas interval kelima/terakhir.8 dapat dilihat bahwa :  Kelas Interval - Nilai Ujian 50 – 59.89. Urutan kelas interval disusun mulai dari data terkecil sampai dengan data terbesar atau sebaliknya.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 49.5 79.5 69. 70. Istilah-istilah Dalam Distribusi Frekuensi Tabel 4.5 64... 60 – 69 disebut kelas interval kedua. 90 disebut ujung bawah kelas kelima/terakhir.5 54.5 ... nilai 60 disebut ujung bawah kelas kedua. nilai 99 disebut ujung kelas kelima/terakhir. 80 dan 90) disebut ujung bawah kelas (UBK).5 59..5 89. - Perbedaan antara ujung bawah kelas dengan ujung atas kelas sebelumnya adalah satu jika data dicatat hingga satuan.dst disebut kelas interval. sepersepuluh jika data dicatat hingga satu desimal.5 .5 74.  Ujung Kelas Interval - Nilai-nilai di kiri kelas interval (50. seperseratus jika data dicatat hingga dua desimal. - Nilai-nilai di kanan kelas interval (59.. 60 – 69.. - Nilai 50 disebut ujung bawah kelas pertama. 89 dan 99) disebut ujung atas kelas (UAK).

..5 . Nilainya bergantung pada ketelitian data yang digunakan.5 .Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Selisih positif antara tiap dua ujung bawah kelas berurutan disebut panjang kelas interval. 89.5 disebut batas atas kelas(BAK). Nilainya juga bergantung pada ketelitian data yang digunakan....5 disebut titik tengah kelas - Titik tengah kelas/tanda kelas adalah suatu nilai yang diambil sebagai wakil dari kelas itu.. Dari tabel diperoleh panjang kelas interval = 60 – 50 = 70 – 60 =.5 . artinya jumlah mahasiswa yang nilai ujian statistiknya antara 50 – 59 ada 8 orang. 05.  Frekuensi (f) - Bilangan yang menunjukkan banyaknya data yang terdapat dalam setiap kelas interval disebut frekuensi.. 59. UBK  UAK BBK  BAK  2 2 - Titik Tengah Kelas  - Untuk kelas interval pertama. - Nilai batas bawah kelas berikutnya sama dengan nilai batas atas kelas sebelumnya... 99..5 .dst.5 ..  Batas Kelas Interval - Nilai 49.5.. Jika data dicatat hingga satuan batas atas kelas = ujung atas kelas + 0.5 . yakni rata-rata setiap kelas interval . - Nilai f = 8.. Titik Tengah Kelas  Didin Astriani Prasetyowati 50  59  54..  Titik Tengah Kelas (m) - Nilai 54.dst 2 Page 33 . Jika data dicatat hingga satuan batas bawah kelas = ujung bawah kelas – 0... 69. Jika data dicatat hingga satu desimal batas atas kelas = ujung atas kelas + 0.5 disebut batas bawah kelas (BBK)... Jika data dicatat hingga satu desimal batas bawah kelas = ujung bawah kelas – 0..dst... Jumlah seluruh frekuensi sama dengan jumlah seluruh data (N). 64.. - Nilai 59.= 90 – 80 =10. 94.. 05.5.5 .

yaitu nilai data terbesar dikurangi nilai data terkecil.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 2. Langkah-langkah Membuat Daftar Distribusi Frekuensi Berikut adalah langkah-langkah untuk membuat Daftar Distribusi Frekuensi : 1. akan tetapi selisihnya harus kurang dari panjang kelas interval yang telah didapat. Selanjutnya kelas interval pertama dihitung dengan cara menjumlahkan ujung bawah kelas dengan p dikurangi 1. Tentukan Rentang/Range. 6.10 Distribusi Frekuensi Kelas Interval Didin Astriani Prasetyowati Frekuensi Page 34 . Demikian seterusnya. Nilai f dihitung dengan menggunakan tabel penolong sebagai berikut. Tentukan nilai dari data terkecil.3 log n . 7. yaitu : Banyak Kelas = 1 + 3.9 Tabel Penolong Kelas Interval Tabulasi Frekuensi 8. Tentukan panjang kelas interval (p). Buat Tabel Distribusi Frekuensi Tabel 4. p rentang banyak kelas 5. Biasanya diambil data terkecil atau data yang lebih kecil dari data terkecil. data terbesar. dan banyak data. dengan n menyatakan banyak data 4. banyak kelas interval ini antara 5 sampai 15 kelas. Namun yang ideal. banyak kelas interval dapat dihitung dengan menggunakan aturan Sturges. 2. Tentukan banyak kelas interval yang diperlukan. Rentang = Data Terbesar – Data Terkecil 3. dipilih sesuai keperluan. Pada umumnya. Tentukan ujung bawah kelas interval pertama. Tabel 4.

dan banyak data. data terbesar. Kelas Interval = UBK + P – 1 = 50 + 7 -1 = 56 7. p rentang 33   6 . Tentukan panjang kelas interval (p). Buat Tabel Penolong Tabel 4.881 ≈ 5 (selalu bulatkan ke atas) 4.1: 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.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Contoh 4.3 log N = 1 + 3. Rentang = DB – DK = 83 – 50 = 33 3. UBK Pertama = 50 6.3 log 15 = 4. Tentukan ujung bawah kelas interval pertama. Data terkecil (DK) = 50 Data terbesar (DB) = 83 Banyak data (N) = 15 2. 6  7 ( selalu dibulatkan keatas ) banyak kelas 5 5. Tentukan rentang. Selanjutnya kelas interval pertama dihitung dengan cara menjumlahkan ujung bawah kelas dengan p dikurangi 1. Tentukan nilai dari data terkecil. Tentukan banyak kelas interval yang diperlukan.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 . yaitu nilai data terbesar dikurangi nilai data terkecil. Dengan menggunakan aturan Sturges : Banyak kelas = 1 + 3.

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. namun sisi-sisi batang yang berdekatan harus berimpitan. Polygon frekuensi diperoleh dengan menghubungkan titik-titik yang merupakan pasangan koordinat titik tengah dan frekuensi setiap kelas.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.  Poligon Frekuensi Polygon frekuensi adalah diagram garis dari suatu distribusi frekuensi. Penyajian Distribusi Frekuensi Dengan Grafik Pola data yang disajikan dalam diagram/grafik dapat lebih mudah ditangkap maknanya dibandingkan dengan memperhatikan tabel frekuensi. Untuk menggambarkan histogram digunakan sumbu mendatar yang menyatakan batas-batas kelas interval dan sumbu tegak menyatakan frekuensi absolut atau frekuensi relatif. Sehingga Daftar Distribusi Frekuensinya adalah Tabel 4. Dua bentuk penyajian grafik dari seperangkat data yang disajikan dalam daftar distribusi frekuensi adalah Histogram dan Poligon Frekuensi.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 8. Contoh 4. Didin Astriani Prasetyowati Page 36 .  Histogram Histogram adalah penyajian data distribusi frekuensi yang diubah menjadi diagram batang.2 (Berdasarkan Contoh 4.

jika data sudah tersimpan dalam program lain seperti (excel. Memanggil data dari program lain. Input (Memasukkan) Data Poses dalam input data pada program SPSS dapat dilakukan dengan berbagai cara. yaitu: a. dBase.5 – 84.5 - Titik Tengah Kelas (50+56)/2=53 60 67 74 81 - Gambar 4. Lotus.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Tabel 4. Langkahlangkahnya adalah seperti pada Gambar berikut: Didin Astriani Prasetyowati Page 37 .5 – 63.5 – 56.5 70.5 Histogram dan Poligon Pengeluaran Per Hari (Ribu Rupiah) Untuk 15 Keluarga EKPLORASI DATA MENGGUNAKAN SPSS 1.5 56.13 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. Systat. minitab. dan lain-lain).5 –70.5 – 77.5 77.5 63.

Langkah-langkahnya adalah: 1.00 68. 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. 3. variabel kedua adalah BERAT BADAN. dalam hal ini ada 4 variabel. klik sub menu Data) 2. Letakkan Didin Astriani Prasetyowati Page 38 .50 70. Untuk setiap variabel terdiri dari beberapa kolom sebagai berikut: a.80 45.00 62. Buka lembar kerja baru (klik menu utama File.I Misalkan kita punya data sebagai berikut: Nama Ahmad Budi Cindy Danny Early Fanny Gerhana Iwan Jovanka Katherine Berat badan 75. Memasukkan data langsung dalam windows (sel) SPSS pada Data Editor. kemudian menamai variabel yang diperlukan dan karakteristik variabel tersebut. maka akan dilakukan input nama variabel sebanyak 4 kali.00 45. Menampilkan tampilan VARIABLE VIEW untuk mempersiap-kan pemasukan nama dan properti variabel.80 65. KASUS 4. Buka lembar kerja baru 2. Setelah terlihat tampilan SPSS DATA EDITOR. variabel ketiga adalah GENDER dan variabel keempat PENDIDIKAN. misalkan variabel pertama adalah NAMA.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) b. Name merupakan tempat menuliskan nama variabel. Menamai variabel yang diperlukan.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: 1.50 45.00 50. 4.00 67. sorot menu New.

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

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

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

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

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

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

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. Matrix Menghasilkan grafik scaterrplot untuk seluruh pasangan variabel d. Didin Astriani Prasetyowati Page 45 . dimana warna atau simbol plot yang membedakannya c. Overlay Menghasilkan grafik scaterrplot ganda. b. 3-D Menghasilkan grafik scaterrplot yang menunjukkan distribusi bersama dari tiga variabel.

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

setelah data disusun menurut nilainya dari kecil ke besar. 8.6. 12 Median = 6 Contoh 5. Sedangkan untuk data kuantitatif. dua modus (bimodal) atau lebih dari dua (multimodal). 4. 9.  Median Untuk data tunggal ditentukan sebagai berikut : - jika banyak data ganjil. 7. Median  Median merupakan ukuran letak untuk variabel dengan skala ukur sekurangkurangnya ordinal.3 Tentukan median dari data berikut 2. 8. 6.4 Diberikan data 12.5. artinya 50% dari data nilainya paling tinggi 7 dan 50% lagi nilainya paling rendah 7. 9. modus diperoleh dengan jalan menentukan frekuensi terbesar di antara serangkaian data. Serangkaian data mungkin memiliki satu modus (unimodal). 6.6. Contoh 5.5 ? Jawab : modus =4 ☺ Modus dari data tersebut adalah 4 c.9. 19 Median = (12+14)/2 = 13 Didin Astriani Prasetyowati Page 47 . 8. 16.  Median dapat berlaku sebagai rata-rata untuk variabel dengan tingkat pengukuran ordinal. 12. - jika banyak data genap. 14. setelah data disusun menurut nilainya dari kecil ke besar. Jawab : Data diurutkan menjadi : 2. Berapa mediannya? Jawab : Data diurutkan menjadi 7. 5. 14.5.3. 9.1. dan 12. 4.5.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) sebagai pengganti rata-rata.  Median menentukan posisi tengah data setelah data diurutkan dari kecil ke besar. 19. maka median merupakan data yang paling tengah. 8. 9. Contoh 5.9. 14.  Misalkan jika nilai median sama dengan 7.2 Berapa modus dari data berikut : 2. 16.3.3. maka median merupakan rata-rata hitung dua data tengah. 5. 14.

5 76.9 n ☺ Rata-rata hitung pengeluaran per hari untuk 30 keluarga tersebut adalah Rp 68. Rata-rata Hitung (Mean) x  f  m n f = frekuensi kelas interval m = titik tengah kelas interval n = banyak data/jumlah frekuensi dengan : (5.5 387.3) Mo = Modus LMo = batas bawah kelas modus.5 = 52.5 58.0 705. p = panjang kelas modus d1 = frekuensi kelas modus dikurangi frekuensi kelas interval sebelumnya. Didin Astriani Prasetyowati Page 48 .5 - fxm 1 x 52.1 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. Ukuran Pemusatan Untuk Data Berkelompok Ringkasan data dalam suatu daftar distribusi frekuensi dinamakan data yang dikelompokkan. d2 = frekuensi kelas modus dikurangi frekuensi kelas interval sesudahnya. a.5 64.5 70.2) Contoh 5.0 382.5 2067  f  m = 2067/30 = 68.5 82.900 b.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 2.5 292. yakni kelas interval dengan frekuensi terbesar.5 247. Modus Untuk data yang dikelompokkan modus didefinisikan sebagai :  d  Mo  LMo  p 1   d1  d2  dengan : (5.5 Hitunglah rata-rata hitung untuk data pengeluaran per hari (ribu rupiah) untuk 30 keluarga dalam daftar distribusi frekuensi di bawah ini? Tabel 5.

4 LMo = 67.5 p=6 d1 = 10-6=4 d2 = 10-5=5  d1    67.5 55.6 Untuk data pengeluaran per hari 30 keluarga.4) median data kelompok batas bawah kelas median.17 Mo  LMo  p  d1  d2  ☺ Pengeluaran per hari 30 keluarga tersebut mempunyai modus sebesar Rp 70. 2 p = panjang kelas median.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 – 0.170 c. yakni kelas dimana median akan terletak.5 79.5 = 49.5 67. hitunglah mediannya ! Didin Astriani Prasetyowati Page 49 .7 Untuk data pengeluaran per hari 30 keluarga.5 - Kelas modus = kelas ke.5 61.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Contoh 5.5+6(4/(4+5))=70. Median Untuk data yang dikelompokkan median didefinisikan sebagai : Me  LMe dengan : Me = LMe = 1   nF   p 2  f Me      (5.5 73. hitunglah modusnya ! Tabel 5. n = banyak data/jumlah frekuensi F = jumlah frekuensi sebelum kelas median (frekuensi kumulatif) fMe = frekuensi kelas median Contoh 5. yaitu pada jumlah frekuensi 1 n .

5 61.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Tabel 5..5 p=6 fMe = 10 F = 12 (jumlah frekuensi sebelum kelas median) 1   nF    67. Ukuran penyebaran yang sering digunakan antara lain: Simpangan Rata-rata.5 79. Koefisien Variasi.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+6((15-12)/10)=69. Ukuran Penyebaran Untuk Data Tunggal a. sehingga n/2 = 15 . 6.5 - Frek. Dengan kata lain seberapa jauh data-data menyebar dari titik pemusatannya. Simpangan Rata-rata SR  dengan :  xx  xx n (5. 8. B. 1.300 dan 50% lagi dengan pengeluaran per hari paling rendah Rp 69.5 67.5) = jumlah harga mutlak data dikurangi rata-rata hitung n = banyak data Contoh 5. 5.300. Varian. Kum (F) 1 6 12 22 27 30 - Jawab : Pada tabel di atas. Kelas median = kelas ke. Ukuran Penyebaran Data Ukuran penyebaran merupakan suatu ukuran yang memberikan gambaran seberapa besar data menyebar dalam kumpulannya.3 Me  LMe  p 2  f Me      ☺ Artinya ada 50% keluarga dengan pengeluaran per hari paling tinggi Rp 69. 9 ? Didin Astriani Prasetyowati Page 50 .5 73.4 LMe = 67. Simpangan Baku. jumlah frekuensi n = 30 .5 55.8 Berapa simpangan rata-rata dari data berikut : 2.

Varians Dan Simpangan Baku  x  x   2 Varians → s Simpangan Baku 2 (5.7) Contoh 5.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. Koefisien Variasi Koefisien variasi digunakan untuk membandingkan variasi data. 9. dan tinggi badan dalam cm).9 Diberikan data 2. 6. hitunglah varians dan simpangan bakunya ! Jawab : Dari contoh 5.738 ☺ Varians untuk data tersebut adalah 7. 5. KV  s  100 % x (5.8) dengan : s = simpangan baku x = rata-rata hitung Didin Astriani Prasetyowati Page 51 . apabila satuan pengukuran dari variabel-variabel yang diukur berbeda satu sama lain (misalnya berat badan dalam kg. c.5 . 8.5 4 s 2  2 .738.6) n 1 → s s2 (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 . Sedangkan simpangan bakunya adalah 2.

☺ Ternyata KV umur lebih kecil daripada KV pendapatan (15.97%<35.10 Data berikut menunjukan umur dan pendapatan 5 orang karyawan di sebuah perusahaan X : Tabel 5. 95  100 %  15 .  1351222 5 1  7628  43.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Contoh 5.8%.67 4 Koefisien variasi → KV  s x100 %  43 .95 4  Koefisien variasi → KV  s x100 %  4 . 67  100 %  35 .). 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  .  25  312  5 1 98  4.4 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. Maka umur karyawan lebih seragam daripada pendapatan karyawan..8%. Didin Astriani Prasetyowati Page 52 .97%.97 % x 31 ☺ Koefisien variasi umur karyawan adalah 15.  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  ..8 % x 122 ☺ Koefisien variasi pendapatan karyawan adalah 35.

8 189.9 I = 16.4=16.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 2.6 Catatan : berdasarkan perhitungan pada contoh 5.4 52 26.9 SR    f  m  x  =189.5 diperoleh x  68.5 58. Varians dan Simpangan Baku Varians → Simpangan Baku s → s 2   f  m  x   n 1 s2 2  (5.6/30 = 6.5-68.5 76.4 16 38 40.9) n titik tengah kelas f = frekuensi tiap kelas interval x = rata-rata hitung n = banyak data/jumlah frekuensi Contoh 5. Ukuran Penyebaran Untuk Data Berkelompok a. hitunglah simpangan rata-ratanya ! Tabel 5. Simpangan Rata-rata SR  dengan : m =  f  m  x  (5.11 Untuk data pengeluaran per hari 30 keluarga (yang telah dikelompokan).6 7.10) (5.11) Contoh 5.5 64.4 1.5 - mx f  mx I 52.4 10.4 4.32 n ☺ Simpangan rata-rata pengeluaran per hari 30 keluarga adalah Rp 6320 b.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 52.5 82.6 - 1X16.6 13.5 70.12 Hitunglah Varians dan Standar Deviasi untuk pengeluaran per hari 30 keluarga yang telah dikelompokan ! Didin Astriani Prasetyowati Page 53 .

. besarnya koefisien variasinya adalah.868/68.16 68 – 73 10 70.76 288.5 -4.14 Budi memperoleh nilai 83 pada UAS Statistik.12) Contoh 5.88 30 1795.16 540.36 116.5 1.80 62 – 67 6 64.9) x 100%=11.41% d.4 268.5 13.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Tabel 5.6 57.9=-16.5 -10.6 Perhitungan Varians & Simpangan Baku 2 m x f m Pengeluaran m x2 f m  x (ribu Rp) 50 – 55 1 52.. dimana rata-rata kelas dan simpangan bakunya masing-masing 75 dan 12.4 19. Sedangkan pada UAS Kalkulus Didin Astriani Prasetyowati Page 54 .6 184. Nilai Baku (Skor z) z xx s (5. c.9 29 61.5 diperoleh x  68.13 Untuk contoh soal pengeluaran per hari 30 keluarga.96 554.96 56 – 61 5 58.868 ☺ Varians pengeluaran per hari 30 keluarga adalah Rp 61.60 74 – 79 5 76.20 Jumlah Jawab : Catatan : berdasarkan perhitungan pada contoh 5.96 1X268.2  61.5-68.9  7 ..5 52.868.96=268.56 25.900 dan standar deviasinya adalah Rp 7.41% x ☺ Koefisien variasi untuk data pengeluaran per hari 30 keluarga adalah 11.5 7. ? Jawab : KV  s  100 %  (7. Koefisien Variasi Contoh 5...80 80 – 85 3 82.9 Varians → s 2   f  m  x   n 1 Standar Deviasi → s  s2  2   1795.6 2.4 108.

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

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

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

maka klik Compare variables. Untuk bagian ini abaikan karena data bukan kategorik.600 -.66489 1. jika data disusun dari kecil ke besar maka pilih Ascending values.911 Std. Setelah proses SPSS dijalankan. The smallest value is shown Didin Astriani Prasetyowati Page 58 .00 Missing Mode 45.60 Std.00 25 595. Error of Skewness Kurtosis Sum Percentiles a. Error of Kurtosis 1.334 Range 30. Deviation Variance Skewness Std. Error of Mean 3.253 2. maka muncul window output dan diperoleh output deskriptif sebagai berikut.25 50 63.00 75 68.  Suppress tables with more then … categories. Output SPSS Frequencies Statistics BERAT N Valid MasaKerja 10 10 0 0 Mean 59.7250 12.00 a 13 11.687 -1. 9.00 Std.5100 13.7500 13.427 134.334 1.400 Median 63. 10.687 .851 5.014 .Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS)  Order by atau output data akan disusun seperti apa. Multiple modes exist.5000 14.10 136 25 45. Jika ingin membandingkan antar variabel.7500 13. jika semua pengisian dan format yang diinginkan sudah selesai.  Multiple Varables atau variabel multipel.00 8 Maximum 75.58941 4.314 19.00 17 Minimum 45. Tekan OK. Kemudian klik continue untuk melanjutkan analisis.

80 50.0 90.0 10.0 10.0 10.0 10.0 10.00 1 10.0 10.0 80.0 10.00 Total 1 1 1 1 1 1 1 1 1 10.0 10.0 10.0 10 13 14 25 Total 1 5 2 1 10.0 10.50 67.0 100.0 50.0 100.0 20.80 68.0 10 100.0 10.50 45.0 50.0 90.0 10.0 MasaKerja Frequency Valid Percent Valid Percent Cumulative Percent 8 1 10.0 10.0 30.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Frequency Table BERAT Frequency Valid Percent Valid Percent Cumulative Percent 45.0 10.0 10.00 65.0 70.0 10.0 45.0 20.0 Histogram Didin Astriani Prasetyowati Page 59 .0 10.00 70.0 10 100.0 50.0 10.0 60.0 10.00 75.0 100.0 70.0 10.0 10.0 10.50 62.0 10.0 10.0 100.0 20.0 40.0 20.

Error of Skewness sebesar 0.687 digunakan untuk melihat pola sebaran data.014 dan Std. Pada hasil tersebut diperoleh data valid (sah untuk diproses) sebanyak 10.6 tahun dan Std. karena nilai tersebut tidak berada pada interval –2 sampai 2. Dengan melihat ratio skewness (2. Dengan melihat ratio skewness (5. sedangkan data yang hilang (missing) adalah nol. Error of Mean menunjukkan kesalahan baku untuk rata-rata sebesar 1. Deviation menunjukkan simpangan bakunya sebesar 4.931. Didin Astriani Prasetyowati Page 60 . Nilai maksimum 25 cm dan nilai minimumnya 8 cm.  Std. maka distribusi sampel data Masa Kerja tidak berdistribusi normal. sedangkan yang lain mengikuti. maka distribusi sampel data Masa Kerja tidak berdistribusi normal.  Pada output bagian pertama (Statistics)  N menunjukkan jumlah data (valid dan missing).  Range menunjukkan selisih antara data maksimum dengan minimum yaitu 17 cm.  Median menunjukkan nilai tengah data setelah diurutkan adalah 13 tahun. karena nilai tersebut tidak berada pada interval –2 sampai 2.911 dan Std.  Skewness sebesar 2. Error of Kurtosis sebesar 1.  Mode menunjukkan nilai yang paling sering muncul. yaitu 19. Deviation.014/0.431. yaitu 13 tahun.  Sum menunjukkan jumlah data untuk variabel tinggi padi sebesar 136.911/1. Disini akan dijelaskan untuk satu variabel saja.334 digunakan untuk melihat pola sebaran data.6 cm.687) adalah –2. yaitu: Variabel Masa Kerja.334) adalah 4.4 tahun.  Kurtosis sebesar 5.  Mean menunjukkan rata-rata Masa Kerja adalah 13.427 cm dan Variance merupakan kelipatan dari Std.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Analisis dan Interpretasi.

Dari menu utama SPSS. Dengan memperhatikan data pada kasus I.  Pada output bagian kedua (Frequency Table) Menunjukkan kondisi data dalam bentuk tabel frekuensi. pada 50 persen adalah 13cm. Demikian seterusnya hingga mencapai kumulatif 100%. dapat dilakukan analisis deskriptif dari menu Descriptive dengan langkah-langkah sebagai berikut: 1. pilih menu Analyze.25 cm. Menu Descriptive Pada menu ini berfungsi untuk mengetahui skor z dari suatu distribusi data dan menguji apakah data berdistribusi normal ataukah tidak.  Output bagian ketiga (Histogram) Pada bagian ini menggambarkan grafik data yang telah dibuat frekuensinya. Buka lembar kerja dan pastikan data sudah tersedia dengan kriteria yang sudah ditentukan.8 cm. sehingga persen komulatifnya menjadi 10% + 10% = 20%. Pada baris kedua. b. Untuk variabel Masa Kerja padi terlihat bahwa batang histogram tidak mempunyai kemiripan bentuk dengan kurva normal (berbentuk seperti lonceng). responden dengan Masa Kerja 10 cm ada satu orang atau (1/10 * 100%) = 10%. Sehingga muncul kotak dialog seperti pada Gambar berikut. 3. untuk membuat kesimpulan yang akurat dapat dilakukan pengujian secara statistik. pada 25 persen adalah 12. Namun ini hanya sebatas visual. Didin Astriani Prasetyowati Page 61 . kemudian pilih submenu Descriptive Statistics. Pada baris pertama sampel untuk ukuran Masa Kerja 8 cm ada satu orang (sampel) atau (1/10 * 100%) = 10%. dan pada 75 persen adalah 14 cm. Sorot ke kanan Descriptive …kemudian klik pilihan tersebut. 2. Hal ini membuktikan bahwa distribusi tersebut belum dapat dikatakan normal atau mendekati normal.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS)  Percentiles menunjukkan nilai data pada 10 persen adalah 91.

atau minimal memiliki skala pengukuran interval. yaitu:  Dispersion menunjukkan nilai-nilai sebaran data yang dikehendaki. Pada gambar tersebut terlihat ada tiga bagian isian. 4. Seperti halnya pada menu Frequencies. 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). Klik isian Save standardized values as variables untuk menyimpan nilai-nilai z pada data editor. pada menu Descriptives juga mensyaratkan tipe data dalam ukuran skala kontinu. Misalkan ada satu variabel yang akan dilihat yaitu Masa Kerja. Didin Astriani Prasetyowati Page 62 .

menu ini juga Didin Astriani Prasetyowati Page 63 . Descriptives Descriptive Statistics N Minimum Masa Kerja 40 Valid N (listwise) 40 1. Selain itu. dengan nilai minimum 1 tahun.95 tahun dan Simpangan bakunya 5. yaitu yang terdiri atas baris dan kolom. Deviation 5.00 Maximum 29.615 tahun. yaitu nilai z untuk variabel Masa Kerja. karena pada menu Crosstab semuanya sudah bisa dijelaskan. Untuk variabel Masa Kerja (tahun) ada 40 data yang valid. Kemudian tekan continue. lalu tekan OK. 5. sehingga muncul output pada windows output seperti di bawah. Pada menu ini tidak akan dibahas lebih banyak. Pada data editor terdapat variabel tambahan. c. 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.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS)  Distribution menunjukkan pengujian data sampel apakah mengikuti distribusi normal atau tidak.61568 Analisis dan Interpretasi Pada output Description Statistics dapat diinter-pretasikan seperti pada menu Frequency di atas. Nilai-nilai z ini menunjukkan tingkat simpangan data terhadap data normal (menunjukkan adanya pencilan data).  Display Order menunjukkan tampilan yang diinginkan.00 Mean 11. nilai maksimum 29 tahun. rata-rata 11.9500 Std. d. Menu Crosstab Menu ini berfungsi untuk menyajikan deskripsi data dalam bentuk tabel silang (crosstab).

dan asal daerah. Kasus 2: Seorang peneliti melakukan survey terhadap 25 kepala keluarga (KK) sebagai responden pada suatu daerah tentang pendapatan dalam satu bulan. 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 . Tabel 5.7. Hasil pendataan diperoleh seperti pada tabel berikut. peneliti tersebut juga mengamati profil (latar belakang) responden seperti jumlah anak. Menu ini merupakan perluasan dari statistik deskriptif. Pada Menu Explore dan menu Crosstab dapat digunakan untuk mendeskripsikan data yan berskala nominal atau ordinal. pendidikan. Data Pendapatan Rumah Tangga pada Suatu Daerah No. Selain pendapatan. korelasi dan lainnya. usia.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) dilengkapi dengan analisis hubungan di antara baris dan kolom seperti independensi.

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

karena hanya akan melihat hubungan antara dua variabel yang memiliki skala kontinue dan skala ordinal (kategorik). 4) Kemudian klik Cells…sehingga muncul kotak dialog seperti Didin Astriani Prasetyowati Page 66 . sehingga muncul kotak dialog seperti gambar di bawah. 3) Klik pilihan Statistics…. Pilihan lain akan digunakan pada kasus yang relevan.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). Kemudian klik continue untuk melanjutkan proses. Pada kotak dialog tersebut yang dipilih cukup chi-square.

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

0% 3 30.0% Jumlah Anak * Pendidikan Crosstabulation Pendidikan Jumlah Anak 0 tamat SD 3 23.439 .0% 6 6 Asymp.4% 66.0% 8.3% tamat Akademik/PT 3 23.823 Pearson Chi-Square Likelihood Ratio Linear-by-Linear Association N of Valid Cases df .24.6% 4 40.910 25 a.9% 2 20.0% 2 100.1% 42.0% 25 100.0% 44.0% 28.0% 0 Total N . Sig.0% 100.4% tamat SMU 2 15.0% 40.5% 55.1% 50.0% 6 24. (2-sided) .0% 100.6% 2 100.0% 28.0% 33.0% 100.0% 100.0% 3 12. The minimum expected count is .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. 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% 9 36.862a 5.443 1 .0% 10 100.7% 1 10. 12 cells (100.0% Chi-Square Tests Value 5.0% 100.0% 52.0% 50.6% 7 28.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% Percent 25 100.340 Total 13 100.

Artinya. Jika dilihat terhadap responden yang tidak memiliki anak ada 23. menunjukkan tabel silang yang memuat hubungan diantara kedua variabel.  Pada bagian ketiga (Chi-Square Test).  Pada bagian kedua (Jumlah Anak*Pendidikan Crosstabulation).862 dengan p-value (Asymp. menunjukkan grafik parsial antara jumlah anak dengan tingkat pendidikan. 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. klik Save As… Didin Astriani Prasetyowati Page 69 . jika p-value < taraf nyata (). Sig.1%. Untuk menyimpan hasil output SPSS dapat dilakukan dengan cara yang sama seperti yang dilakukan di atas.439. menunjukkan pengujian hipotesis dengan uji Chi-square (Chi-kuadrat). Menyimpan hasil Output.  Hipotesis yang akan diuji pada kasus ini adalah: H0: Tidak ada hubungan antara jumlah anak dengan pendidikan seseorang.  Pada bagian keempat (Bar chart). maka H0 diterima.) sebesar 0. Sedangkan jika dibandingkan dengan responden yang berpendidikan tamat SD ada 42. Misalkan untuk sel pertama tertulis 3. menunjuk-kan banyaknya data (N) yang valid sebanyak 25 responden (100%) sedangkan data yang hilang (missing) tidak ada (0%).  Kriteria ujinya adalah tolak H0.9%. karena p-value sebesar 0.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Hasil Analisis dan Interpretasi  Pada bagian pertama (Case Processing Summary). tidak ada hubungan antara jumlah anak dengan tingkat pendidikan seseorang.  Kesimpulan.439 > dari 0.05 (5%). yaitu:  Dari menu utama File. artinya responden yang tidak memiliki anak dan berpendidikan tamat SD ada 3 orang.

Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS)  Setelah tampak kotak dialog. pilih direktori yang dikehendaki. Latihan. lalu tekan save. 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 . kemudian ketik nama file.

ataukah perbedaan itu terjadi karena kebetulan saja (by change). sedangkan ANOVA digunakan untuk uji perbandingan lebih dari dua kelompok sampel data maka digunakan analisis varians. karena merupakan bagian dari suatu populasi. Rumus Uji-T dan Uji-Z. Statistik uji t dan ANOVA digunakan sebagai statistik uji untuk perbandingan dua atau lebih kelompok sampel data. Uji t digunakan untuk membandingkan dua sampel yang akan dibandingkan. Analisis statistik untuk uji perbandingan menggunakan statistik uji t dan analisis varians (ANOVA). 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. Analisis perbandingan satu variabel bebas dikenal dengan Uji-T atau T-Test dan uji-Z. Dalam penelitian komparasional yang melakukan pembandingan antar dua variabel. Didin Astriani Prasetyowati Page 71 . Tujuan Uji-T atau Uji-Z adalah untuk mengetahui perbedaan variabel yang dihipotesiskan . 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.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) BAB VI COMPARE MEANS (UJI PERBANDINGAN) Compare Means dalam bahasa Indonesia disebut dengan uji perbandingan ratarata. yaitu apakah memang secara signifikan dua variabel yang diperbandingkan atau dicari perbedaannya itu memang berbeda. Uji hipotesis dua rata-rata digunakan untuk mengetahui tingkat perbedaan antara kelompok (grup) yang satu dengan yang lainnya.

Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Z hitung : harga yang dihitung dan menunjukkan nilai standar deviasi pada distribusi normal (tabel Z).05) dan dk = n –1. pihak kanan atau uji dua pihak .  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). 5) Mencari ttabel dengan cara tentukan α (0. x : rata-rata nilai yang diperoleh dari hasil pengumpulan data. 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 .01 atau 0. 6) Membandingkan t hitung dengan t tabel 7) Menarik kesimpulan Didin Astriani Prasetyowati Page 72 . x : rata-rata nilai yang diperoleh dari hasil pengumpulan data.

2 = cukup baikdan 1 = kurang baik. 3 = baik. 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. 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). ditindaklanjuti atau dibuktikan oleh Balitbang Dikti dengan suatu penelitian di berbagai kota di wilayah kopertis x. Dengan pernyataan tersebut.14 61  1 208939   Didin Astriani Prasetyowati Page 73 . b) Kualitas mengajar dosen tahun 2009 paling rendah 70% dari rata-rata nilai ideal.05.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Contoh 6. Adapun taraf signifkansi α= 0.1: 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. Jumlah pertanyaan angket penelitian 15 item dengan instrumen diberi skala nilai : 4 = sangat baik. Kemudian disebar kepada 61 dosen untuk mengisi angket yang isinya mengenai kualitas mengajar pada tahun 2009. c) Kualitas mengajar dosen tahun 2009 tidak sama dengan 70% dari rata-rata nilai ideal.

Penyelesaian point (a) uji pihak kiri : 1) Menentukan hipotesis penelitian Ho: Kualitas mengajar dosen tahun 2009 sama dengan 70% dari rata-rata nilai ideal.671 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 = 1. 2) Menentukan hipotesis statistik Ho : µo= 42 Ha : µo< 42 3) Mencari t hitung 4) Menentukan kriteria pengujian Taraf signifikansi ( α ) = 0. Dengan (α) = 0.443 1.05 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 –1.14 dan rata-rata hitung = 58.443 61 Diperoleh : SD = 3.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) X  X n  3565  58.671 < 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.

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.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. 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. 2.05 dan derajat kebebasan (dk) = n –1 = 61 –1 = 60 sehingga diperoleh t-tabel= 1.443  42   41.671 Didin Astriani Prasetyowati Page 75 . Ha : Kualitas mengajar dosen tahun 2009 paling rendah70% dari rata-rata nilai ideal.

443  42   41.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 6) Membandingkan t-hitung dengan t-tabel Ternyata t-tabel < t-hitung atau 1.671 < 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.14 n 61 4) Menentukan kriteria pengujian Taraf signifikansi ( α ) = 0. Penyelesaian point (c) uji dua pihak : 1) Menentukan hipotesis penelitian Ho : Kualitas mengajar dosen tahun 2009 sama dengan70% dari rata-rata nilai ideal. 2) Menentukan hipotesis statistik Ho : µo= 42 Ha : μo≠42 3) Mencari thitung t hitung  x   0 58.000 Didin Astriani Prasetyowati Page 76 .108 SD 3.05 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. Dengan ( α) = 0. Ha : Kualitas mengajar dosen tahun 2009 tidak sama dengan 70% dari rata-rata nilai ideal.05 dan derajat kebebasan (dk) = n –1 = 61 –1 = 60 sehingga diperoleh t-tabel = 2.

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

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. Manajer dari perusahaan tersebut menganggap jam kerja Ryan berbeda dengan rekan-rekannya.5 jam. Pindah satu atau beberapa variabel numerik kekotak Test Variabel b. a. Benarkah pernyataan tersebut ? Adapun data karyawan sebagai berikut : Didin Astriani Prasetyowati Page 80 .Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 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. 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.2 Seorang karyawan bernama Ryan memiliki jam kerja selama 7. Klik OK untuk mengakhiri prosedur ini Kasus 6.

Error Mean . 2= Akademik Output SPSS One-Sample Statistics N Jam Kerja Karyawan Didin Astriani Prasetyowati 20 Mean 6.553 Std.2.90 Std. Deviation 1.347 Page 81 . 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. 2= Perempuan. Tingkat Pendidikan: 1= Sarjana.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Tabel 6.

dengan tingkat signifikasi (α) 5% dengan df (derajat kebebasan = n-1 = 20-1=19). Syarat : .5).05 maka Ho diterima . (2-tailed) .100 Mean Difference -.Jika Probabilitas < 0. 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.1.5). b. Berdasarkan nilai probabilitas Syarat : .Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) One-Sample Test Test Value = 7. ♦ Pengambilan Keputusan a.Ho diterima : Jika thitung berada diantara nilai – t-tabel dan + t-tabel.5). Jadi bisa lebih besar atau lebih kecil. .728 Dari tabel.09.728 df 19 Sig.Ho ditolak : Jika thitung tidak berada diantara nilai – t-tabel dan + t-tabel. maka digunakan uji dua sisi.05 maka Ho ditolak Didin Astriani Prasetyowati Page 82 .Jika probabilitas > 0.33 .13 Analisis : ♦ Hipotesis Ho : Jumlah jam kerja Ryan tidak berbeda dengan rata-rata jam kerja rekan-rekannya (µ Ryan ≠ 7.600 95% Confidence Interval of the Difference Lower Upper -1. Hi : Jumlah jam kerja Ryan berbeda dengan rata-rata jam kerja rekan-rekannya (µ Ryan = 7. t-hitung dari output diatas = . maka jumlah jam kerja Ryan memang tidak berbeda bila dibandingkan dengan jam kerja rata-rata (=7. Diperoleh t-tabel = ± 2. Karena t-hitung berada di daerah penerimaan Ho.5 Jam Kerja Karyawan t -1.

Pindahkan satu atau beberapa variabel numerik yang akan diuji ke kotak Test variabel (S).100 > 0. 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. dari menu pilih Statistics…Compare Means…Independent Sample T-test. Maka akan ditampilakan kotak dialog Independent Sample T-test 1.. Untuk menjalankan prosedur ini.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. Didin Astriani Prasetyowati Page 83 .05 maka kesimpulannya sama yaitu jumlah jam kerja Ryan memang tidak berbeda bila dibandingkan dengan jam kerja rata-rata. Pindahkan satu variabel numerik atau string pendek (variabel berbentuk kategori) yang akan membagi variabel-variabel yang akan diuji menjadi 2 grup kekotak Grouping variabel. Spesifikasi minimum yang diperlukan dalam prosedur ini adalah : • Satu atau beberapa variabel numerik yanga akan diuji.. C. • Satu variabel numerik atau string pendek sebagai variabel grup (variabel pembuat grup) • Value-value grup untuk variabel grup.

710 -2.916 Page 84 .833 t-test for Equality of Means 95% Confidence Interval of the Mean Std. Deviation 1.586 . Error Mean .704 -2.502 1.641 Std. setelah itu klik tombol OK untuk mendapatkan uji t sampel independent secara default. Error Difference df Sig. 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 6.557 t -.64 7.359 assumed Equal variances not assumed Didin Astriani Prasetyowati Sig. . (2-tailed) Difference DifferenceLower Upper 18 . dimana ditampilkan probabilitas 2-ekor dari interval konvidensi 95%.547 Independent Samples Test Levene's Test for Equality of Variances F Jam Kerja Karyawan Equal variances .586 .088 .064 .421 -.892 -. Kasus 6.512 .22 Std. Definisikan kategori dari grup.825 16.3.453 .Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 3.416 -.

b. . diuji apakah varians populasi kedua sampel sama ataukah berbeda. Mengetahui apakah varians populasi identik atau tidak.05 maka Ho diterima yang artinya kedua varians adalah identik. Berdasarkan perbandingan F-hitung dengan F-tabel Syarat : . Berdasarkan nilai probabilitas Syarat : .Jika probabilitas > 0. • 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 . • 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.Jika Probabilitas < 0.05 maka Ho diterima .Ho diterima : Jika F-hitung berada diantara nilai – F-tabel dan + F-tabel. Analisis dengan memakai t-test untuk asumsi varians sama. diambil suatu keputusan. Dengan Levene Test.98 maka Ho diterima. b. dan berdasarkan hasil analisis nomor a.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Analisis : Ada 2 tahapan analisis yaitu : a. Dengan T Test.05 maka Ho ditolak Karena probabilitas > 0.359 dan nilai F-tabel : 5.Ho ditolak : Jika F-hitung tidak berada diantara nilai – F-tabel dan + F-tabel. Terlihat bahwa F-hitung dengan Equal Variance Assumed (diasumsikan kedua varian sama) adalah 0.

Didin Astriani Prasetyowati Page 86 . Sedangkan t-tabel dapat dihitung pada tabel t dengan tingkat signifikansi (α) adalah 5% dan derajat kebebasan (df) adalah 19. Berdasarkan perbandingan t-hitung dengan t-tabel Syarat : . 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.05 maka Ho diterima . maka rata-rata populasi jam kerja pada karyawan sarjana dan akademik adalah sama.Paired-Samples T Test… Maka akan ditampilkan kotak dialog Paired Sample T-test. Pada output didapat nilai t-hitung sebesar -0.833.05 maka Ho ditolak Pada output tampak nilai probabilitas adalah 0. Prosedur Paired Sample T-Test Prosedur paired sampel t-test digunakan untuk menguji dua sampel yang berpasangan. Atau tingkat pendidikan seorang karyawan ternyata tidak membuat jam kerja menjadi berbeda. Berdasarkan nilai probabilitas Syarat : . Karena nilai probabilitas jauh di atas 0.Jika probabilitas < 0. apakah mempunyai rata-rata yang secara nyata berbeda ataukah tidak..Ho ditolak : Jika thitung tidak berada diantara nilai – t-tabel dan + t-tabel.09. pilih menu Analyze. D.05 maka Ho diterima dengan kesimpulan yang sama dengan cara perbandingan t-hitung dengan t-tabel. Karena t-hitung terletak pada daerah Ho diterima (-0.Jika probabilitas > 0..416.. Uji dilakukan dua sisi sehingga didapatkan ttabel sebesar 2.Ho diterima : Jika thitung berada diantara nilai – t-tabel dan + t-tabel.833).Compare Mean. b. .

sehingga akan ditampilkan sebagai variabel pertama pada kotak Current Selections. Sebuah perusahaan ingin mengetahui apakah dengan penggantian mesin dapat meningkatkan jumlah produksi barang. Klik OK untuk mendapatkan uji default dari pasangan sampel dengan probabilitas 2 ekor dan interval konfidensi 95% untuk perbedaan rata-rata. b. sehingga akan ditampilkan sebagai variabel kedua pada kotak Current Selections. Untuk membuat pasangan variabel lagi. sebagai pasangannya. Ulangi langkah-langkah diatas.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 1. Kasus 6.4. 3. Untuk memindahkan pasangan lakukan langkah berikut : a. Klik variabel lain. 2. Klik salah satu variabel. Dilakukan pengamatan dengan data sebagai berikut: Didin Astriani Prasetyowati Page 87 . Pindahkan satu atau beberapa pasang variabel sekaligus kekotak Paired Variabel.

234 8.3.423 8.546 Page 88 .24 17 35.88 17 33. 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. Deviation Std.106 332. Error Mean 342.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Tabel 6.

Produksi 10.983 Std. Berdasarkan Probabilitas Syarat : ♦ Jika probabilitas > 0.844. Berdasarkan perbandingan t-hitung dengan t-tabel Syarat : .374 df Sig.Ho diterima : Jika t-hitung berada diantara nilai – t-tabel dan + t-tabel. Error Mean 12.05 maka H0 diterima Didin Astriani Prasetyowati Page 89 .844 Paired Samples Test Paired Differences Mean Pair 1 Std.080 . maka didapatkan t-tabel = ± 2.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Paired Samples Correlations N Pair 1 Produksi dengan mesin lama & Produksi dengan mesin baru Correlation 17 Sig. t-hitung dari output di atas = 0. dengan tingkat signifikansi (α) 5 % dengan df (derajat kebebasan) = n-1 = 17 – 1= 16. • Pengambilan Keputusan a.576 95% Confidence Interval of the Difference Lower Upper t -16.411 Analisis : • Hipotesis Ho : Kedua rata-rata adalah identik (rata-rata populasi produksi dengan mesin lama dan baru adalah sama). Nilai t-tabel. Deviation Produksi dengan mesin lama .608 37. .647 dengan mesin baru 51.12 Karena t-hitung terletak diantara ± t-tabel maka H0 diterima yang artinya penggantian mesin produksi ternyata tidak mempengaruhi jumlah produksi barang.146 . (2-tailed) 16 .Ho ditolak : Jika t-hitung tidak berada diantara nilai – t-tabel dan + t-tabel. b. -. H1 : Kedua rata-rata adalah tidak identik (rata-rata populasi produksi dengan mesin baru lebih besar dari prouksi dengan mesin lama).

 Definisi range dari variabel faktor. dari menu pilih: Analyze…Compare Means…One-Way ANOVA Maka akan ditampilkan kotak dialog One-Way ANOVA. Cara untuk memeriksa asumsi tersebut adalah menggunakan prosedur Explore.05 maka H0 diterima. Untuk menjalankan program ini. dengan kesimpulan yang sama dengan perbandingan di atas.  Dalam populasi.411 > 0.05 maka H0 ditolak Karena nilai probabilitas 0. Anda juga bisa menggunakan uji statistik untuk memeriksa asumsi normalitas dan kesamaan varians. Anda dapat menguji kecenderungan antar kategori. Variabel ini diasumsikan mempunyai ukuran dalam skala interval. anda bisa membuat stem-leaf plot atau histogram dari masingmasing grup dan menghitung variansnya. Didin Astriani Prasetyowati Page 90 . 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). varians dari grup-grup tersebut sama.  Sampel tidak berhubungan satu dengan yang lainnya. 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. Asumsi yang diperlukan untuk Analisis Varians adalah:  Masing-masing grup merupakan sampel random yang berasal dari populasi normal.  Satu variabel faktor numerik. Skala pengukuran dari variabel ini harus interval. E. menentukan kontras dan menggunakan variasi dari uji range. Spesifikasi minimum dari prosedur ini adalah:  Satu variabel dependent numerik.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) ♦ Jika probabilitas < 0.

Variabel yang cocok sebagai variabel faktor adalah yang berbentuk kategori. jumlah kuadrat dan rata-rata jumlah kuadrat untuk antar dan dalam grup (within groups).Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 1. Pindahkan sebuah variabel faktor (independen) ke kotak Factor.5. dan Axis pada beberapa daerah. Mentari. 4. Klik OK untuk mendapatkan hasil default dari tabel analisis varians satu jalur yang berisi rasio F. 3. Peneliti ingin mengetahui apakah ada perbedaan rata-rata dalam pemakaian beberapa sim card antara lain : IM3. probabilitas F. Kasus 6. 3. 2. Dari hasil penelitian diperoleh informasi sebagai berikut : Didin Astriani Prasetyowati Page 91 . Tabel analisis varians akan dibuat untuk setiap variabel numerik yang anda pindahkan ke kotak ini. Simpati. Pilih Options untuk mendapatkan deskripsi variabel. Pindahkan sebuah variabel numerik ke kotak Dependent List. AS. Flexi.

Sehingga bentuk table akan berubah seperti Tabel 6.5. maka bentuk table harus dimodifikasi karena dalam one way ANOVA hanya ada dua variable yang dapat dimasukkan.4.5. 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. 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.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Tabel 6.

4= AS. 5= FLEXI. 7= AXIS Dengan mengikuti langkah-langkah di atas maka akan diperoleh output sebagai berikut: Output SPSS Didin Astriani Prasetyowati Page 93 . 3=SIMPATI. 2=MENTARI.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. 6= 3.

29 113.77 96.011 95% Confidence Interval for Mean Lower Bound Upper Bound 117. Deviation 20.736 20.143 Within Groups 14014.45 130. Test Varians Populasi (Test of Homogenity of Variance) • Hipotesis Ho : Ketujuh varians populasi adalah identik H1 : Ketujuh varians populasi adalah tidak identik • Pengambilan Keputusan .15 155.057 3.686 18.71 140.650 Sig.51 153.15 155.670 14.45 130.819 7.14 136. .076 Std.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).05 maka Ho diterima .570 7.Jika probabilitas > 0.819 7.98 126.45 130.66 133.98 126.000 df 6 42 48 Mean Square 1217.51 153.736 18.71 140.77 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 .687 F 3. yaitu apakah ketujuh sampel tersebut mempunyai varians yang sama.570 7.057 5.42 96.857 333.933 42 ANOVA Jumlah Pemakaian Sum of Squares Between Groups 7307. Error 7.670 14.71 127.42 96.05 maka Ho ditolak Didin Astriani Prasetyowati Page 94 .71 Std.98 121.Jika probabilitas < 0.14 113.301 df1 df2 6 Sig.686 18.29 113.77 117.857 Total 21322. a.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 136.057 5. .670 21.

005 < 0.933. b.Jika Fhitung < Ftabel maka Ho diterima Didapatkan Fhitung pada output diatas adalah 6.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Terlihat probabilitas output Livene Test adalah 0.650 Ftabel dengan tingkat signifikan (α) 5 % dan derajat kebebasan (df) Numerator 6 dan denumerator 42 adalah 2. b. sehingga salah satu asumsi Analisis Varianscterpenuhi. 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.05.05 maka Ho ditolak dengan kesimpulan sama dengan menggunakan perbandingan diatas.32 maka Ho ditolak. Berdasarkan Perbandingan F-hitung dengan F-tabel .Jika Probabilitas > 0. Catatan : Jika varians berbeda analisis selanjutnya secara otomatis tidak dapat dilakukan.) = 0. Didin Astriani Prasetyowati Page 95 .Jika Probabilitas < 0.05. dengan kesimpulan bahwa rata – rata ketujuh populasi berbeda atau rata – rata pemakaian dari ketujuh jenis sim card memang berbeda. maka Ho diterima .05 maka Ho diterima atau ketujuh varians populasi adalah sama.Jika Fhitung > Ftabel maka Ho ditolak . Karena probabilitas > 0. maka Ho ditolak Terlihat dari hasil output probabilitas (lihat sig. Berdasarkan Probabilitas . karena asumsi tidak terpenuhi.

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). artinya semakin besar nilai X maka semakin kecil nilai Y.  Nilai r berkisar antara -1 sampai +1. maka analisis yang digunakan adalah Analisis Regresi (Regression Analysis). 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). B. Pola hubungan yang memperlihatkan eratnya hubungan antara satu variabel dengan variabel yang lain disebut dengan hubungan korelasi. Jika pola hubungan yang akan diungkapkan adalah untuk membuat dugaan. Seorang peneliti ingin mengungkapkan hubungan antara variabel.  Nilai r + (positif) menunjukan korelasi positif.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. Dalam analisis korelasi akan diperoleh nilai koefesien korelasi yang menyatakan ukuran keeratan hubungan antara satu variabel dengan variabel lain. 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 akan semakin besar nilai Y. dan sebaliknya nilai r – (negatif) menunjukan korelasi negatif. 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).

(juta Liter) PT BIMO perusahaan Minyak Goreng.90 : Hubungan yang erat 0. Rentang Koefisien Korelasi 0.  Jika nilai r = 0 maka X dan Y tidak memiliki relasi (hubungan) linier (dalam kasus r mendekati 0.41 .00 .91 .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.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 (7.0.0.  Jika nilai r = +1 atau r = -1 maka X dan Y memiliki korelasi linier sempurna.Y.20 : Hubungan yang sangat kecil dan bisa diabaikan (sangat tidak erat) 0.40 : Hubungan yang kecil (tidak erat) 0.1.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS)  Jika nilai r mendekati +1 atau -1. X. maka X dan Y memiliki korelasi linier yang tinggi. n  n  n  n xi y i    xi   yi  i 1  i 1  i 1  Koefisien Korelasi → r  (7.71 .2) Contoh 7. C. (juta Rupiah) dan Volume Penjualan.21 .0.70 : Hubungan yang cukup erat 0. anda dapat melanjutkan analisis ke regresi eksponensial). Didin Astriani Prasetyowati Page 97 .0.  Koefisien Determinasi (R) merupakan ukuran proporsi keragaman (variansi) total nilai variabel takbebas (Y) yang dapat dijelaskan oleh nilai variabel bebas (X) melalui hubungan linier. Berikut adalah data Biaya Promosi.1.

Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Tabel T.9857)2 = 0.  Dengan menggunakan persamaan (7.1) 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  0.9716 Nilai R = 0.9857 menunjukkan bahwa biaya promosi (variabel bebas X) dan volume penjualan (variabel takbebas Y) berkorelasi linier positif. Hal tersebut mengindikasikan bahwa kedua variabel memiliki hubungan yang sangat erat. Didin Astriani Prasetyowati Page 98 . 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.1.2) diperoleh koefisien determinasi : R = r2 = (0.9716 menunjukkan bahwa keragaman nilai volume penjualan (variabel takbebas Y) dapat dijelaskan oleh nilai biaya promosi (variabel bebas X) sebesar 97.9857 Nilai r = 0. yaitu 2. Biaya Promosi Dan Volume Penjualan PT.  Koefisien Korelasi Rank Spearman : rs Koefisien Korelasi Rank Spearman digunakan untuk penentuan koefisien korelasi pada variabel dengan skala minimal ordinal. semakin besar biaya promosi maka semakin besar volume penjualannnya. Jawab :  Dengan menggunakan persamaan (7.16 persen dan sisanya.84 persen dijelaskan oleh hal-hal lain. sehingga obyek-obyek yang diteliti dapat di-ranking dalam rangkaian terurut.

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)  0.94 persen dan sisanya.  Dengan menggunakan persamaan (5. yaitu 33.3) n n Dengan : di = selisih ranking variabel X dan variable Y n = banyak data Contoh 7.8181)2 = 0.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) n 6 d i2 rs  1  i 1 3 (8.6694 menunjukkan bahwa proporsi keragaman perjuangan status sosial dapat dijelaskan oleh keotoriteran sebesar 66.8181 menunjukkan bahwa keotoriteran dan perjuangan status sosial berkorelasi linier positif.06 persen dijelaskan oleh hal-hal lain. Hal ini mengindikasikan bahwa kedua variabel memiliki hubungan yang sangat erat.2. Didin Astriani Prasetyowati Page 99 .2) diperoleh koefisien determinasi : R = r2 = (0.8181 12 3  12 Nilai r = 0.

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

Didin Astriani Prasetyowati Page 101 . (2-tailed) N . Correlation is significant at the 0. Hasil pengujian menunjukkan p-value (Sig.002.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Correlations Promosi Penjualan Promosi Pearson Correlation 1 Sig.986** .01 level (2tailed). 9. Karena pvalue < 5%. Dari hasil output di atas diperoleh nilai koefesien korelasi sebesar 0.002 5 5 **. Analisis dan Interpretasi.) sebesar 0.986. (2-tailed) N Penjualan Pearson Correlation Sig.986** 1 .002 5 5 . maka dengan taraf nyata sebesar 5% dapat dinyatakan bahwa ada hubungan yang nyata antara Biaya Promosi dan Volume Penjualan.

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

Ada dua tahap yang harus dilakukan dalam pengujian ini. H1: Sekurang-kurangnya ada sebuah i  0. semua variabel bebas tidak berpengaruh terhadap variabel terikat.JKreg Didin Astriani Prasetyowati Page 103 . b. Setelah koefesien regresi diperoleh langkah selanjutnya adalah melakukan pengujian terhadap koefesien-koefesien tersebut. jika k>1. Tabel 5. Artinya. maka persamaan regresi tersebut dinamakan regresi linier berganda. Untuk menghitung nilai-nilai koefesien regresi dapat dilakukan dengan Metode Kuadrat Terkecil (Least Square Method) atau dengan bantuan paket program statistik seperti (SPSS. Artinya.  adalah gallat atau error Jika k=1. Pengujian secara keseluruhan (simultan) dengan uj-F. 1.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) X2 adalah variabel bebas ke-2 Xk adalah variabel bebas ke-k 0. maka model regresi tersebut dinamakan regresi linier sederhana. ada variabel bebas yang berpengaruh terhadap variabel terikat. a. Statistik uji yang akan digunakan adalah Uji-F dari distribusi F-Snedecor melalui daftar ANAVA. SAS. Minitab.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 . S-Plus dan lain-lain). k adalah koefesien regresi. yaitu: 1. Hipotesis pada pengujian ini adalah: H0:  0  1   2     k  0 . 2.

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

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

1304 3.5257 3.7521 2.4606 3.0692 3.5710 2.3994 2.0904 2.5894 2.4066 2.2967 2.6443 2.4340 2.0723 2.0252 KINERJA PEGAWAI (Y) 3.1476 2.0371 3.2835 3.3290 2.2606 2.7734 3.2322 1.8497 3.6579 2.1145 2.3978 2.5347 1.2671 2.0101 2.6452 2.3542 2.3720 2.8312 1.3839 2.1471 2.1304 1.8403 3.6408 2.9668 2.0338 3.0460 2. Res.2050 3.2910 Page 106 .9762 3.9725 1.0162 2.2613 3.8901 2.6185 3. 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.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Tabel 8.9472 3.0348 2.9999 3.8692 3.0513 3.3628 3.5355 3.8224 2.4066 2.1291 2.2910 2.8735 3.3150 3.6357 2.5347 1.9619 2.0168 3.0360 2.4965 2.1.0460 2.0348 2.3318 2.8152 3.0253 2.4844 2.6341 3.3799 3.9580 1.2851 3.9198 3.1046 2.5702 2.1169 3.2491 1.2134 3.6185 2.3280 2.7572 2.3707 2.2002 3.5800 Didin Astriani Prasetyowati DISIPLIN KERJA (X2) 3.6185 2.9583 2.1245 3.6643 2.3050 2.9081 3.5800 3.4164 3.0252 2.3434 3.6595 3. Data Hasil Survey tentang Kinerja Pegawai No.0759 3.0782 2.6057 2.1225 2.2084 2.6674 2.5409 2.

583 Sig. Kepemimpinan b.552 Std. Error of the Estimate . 36 36 36 Variables Entered/Removedb Model 1 Variables Entered Disiplin Kerja.546883 2.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) OUTPUT SPSS Regression Descriptive Statistics Kinerja Pegawai Kepemimpinan Disiplin Kerja Mean 2.455659 . Dependent Variable: Kinerja Pegawai Didin Astriani Prasetyowati Page 107 .627 1.000 36 36 36 Kinerja Pegawai Kepemimpinan Disiplin Kerja Kinerja Pegawai Kepemimpinan Disiplin Kerja Kinerja Pegawai Kepemimpinan Disiplin Kerja Kepemim pinan .106 F 22.481213 N 36 36 36 Correlations Pearson Correlation Sig. Dependent Variable: Kinerja Pegawai Model Summaryb Model 1 R .602 . Disiplin Kerja.510 8. All requested variables entered.000a a.000 .402 . Predictors: (Constant). Deviation .000 .898573 2. .804 3. Disiplin Kerja.578 Adjusted R Square . .000 .000 . Predictors: (Constant). Enter a.000 .602 1.487384 . b.627 .755381 Std.326134 a.000 36 36 36 Disiplin Kerja . Dependent Variable: Kinerja Pegawai ANOVAb Model 1 Regression Residual Total Sum of Squares 4. (1-tailed) N Kinerja Pegawai 1.314 df 2 33 35 Mean Square 2. .721 . Kepemimpinan b.000 .000 .721 . Kepemimp a inan Variables Removed Method .760a R Square .

Dependent Variable: Kinerja Pegawai Residuals Statisticsa Predicted Value Residual Std.713 Mean 2.151 .91E-16 .948 Maximum 3. Error .135224 .50 .588 1.000 .000 . Predicted Value Std.25 0.370483 .911306 -. Hasil analisis dan interpretasi akan dijelaskan pada Bab IX. Dependent Variable: Kinerja Pegawai Charts Normal P-P Plot of Regression Standardized Residual Dependent Variable: Kinerja Pegawai 1.971 N 36 36 36 36 a. Deviation .278 2.316679 1.50 .546883 6.75 .143 (Constant) Kepemimpinan Disiplin Kerja Standardi zed Coefficien ts Beta .558727 1.324 . Residual Minimum 1.000 Std.75 1.782 . . Didin Astriani Prasetyowati Page 108 .139 3.378 .001 a.545 .00 Expected Cum Prob .538 t .25 .802 Sig.00 Observed Cum Prob 7.00 0.040 .Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Coefficientsa Model 1 Unstandardized Coefficients B Std.716 -1.303 .00 .105 .635324 -1.

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

artinya ada pengaruh variabel disiplin kerja terhadap kinerja pegawai. H0: 2=0. Hipotesis yang akan di uji secara simultan adalah: H0: 1. 1. 2. artinya tidak ada pengaruh variabel kepemimpinan dan disiplin kerja terhadap tingkat kinerja pegawai.1 di atas dengan menggunakan metode analisis regresi berganda. Didin Astriani Prasetyowati Page 110 . artinya ada pengaruh variabel kepemimpinan terhadap variabel kinerja pegawai.2=0. H1: Minimal ada satu   0. Statistik uji yang akan digunakan adalah uji-F untuk pengujian secara simultan dan uji-t untuk pengujian secara parsial.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 5. 3. Buatlah format atau sesuaikan dengan tampilan yang dikehendaki serta beri penjelasan dari output tersebut. 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. Berikut adalah contoh penyajian hasil analisis dan pembahasan pada kasus 8. H0: 1=0. artinya ada pengaruh variabel kepemimpinan dan disiplin kerja terhadap kinerja pegawai. artinya tidak ada pengaruh kepemimpinan terhadap variabel kinerja pegawai. H1: 1 0. H1: 2 0. b. Hipotesis yang akan di uji secara parsial adalah: a. artinya tidak ada pengaruh variabel disiplin kerja terhadap kinerja pegawai. 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. 6.

Kriteria ujinya. Kepemimpinan b.106 F 22. Didin Astriani Prasetyowati Page 111 . atau jika p-value< dari .578 Adjusted R Square .760. dengan tingkat kesalahan sebesar 5% dapat dinyatakan bahwa kepemimpinan dan disiplin kerja memiliki pengaruh nyata terhadap tingkat kinerja pegawai. Predictors: (Constant).760a R Square . Artinya.314 df 2 33 35 Mean Square 2.552 Std.510 8. Dependent Variable: Kinerja Pegawai Pada Tabel di atas (ANOVA). Nilai koefesien determinasi atau R2 (R Square)=0.) < 5%. jika F-hitung > F-tabel.583 Sig.583 dengan p-value (sig. ada hubungan korelasi positif antara variabel kepemimpinan dan disiplin kerja dengan tingkat kinerja pegawai sebesar 76%. tolak H0.804 3. maka H0 ditolak. menunjukkan pengujian secara simultan untuk model regresi yang melibatkan variabel X1 dan X2 terhadap Y. Disiplin Kerja. jika t-hitung > t-tabel. Output Analisis Ragam (Analysis of Varians) ANOVAb Model 1 Regression Residual Total Sum of Squares 4.8%. Kepemimpinan Pada tabel di atas (Model Summary) diperoleh nilai R=0.326134 a. Artinya. Karena p-value (sig.402 . Dari hasil pengujian diperoleh nilai F-hitung sebesar 22. Disiplin Kerja.578 menunjukkan bahwa besarnya kontribusi pengaruh variabel kepemimpinan (X1) dan disiplin kerja (X2) terhadap kinerja pegawai (Y) sebesar 57.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 4.)= 0.0001. Predictors: (Constant). Output Nilai Koefesien Determinasi Analisis Regresi Berganda Model Summary Model 1 R . atau jika p-value< dari . Error of the Estimate .000a a. . dan tolak H0.

040 . Hasil pengujian untuk variabel kepemimpinan diperoleh koefesien atau nilai B=0.782 . Karena p-value < 5%. b. .802 Sig.001 a.040.378 .105 .105 + 0. (R2=0. Artinya. Artinya. maka H0 ditolak.545. dengan tingkat kesalahan paling besar 5% dapat nyatakan bahwa disiplin kerja berpengaruh nyata terhadap tingkat kinerja pegawai.001. dan nilai t-hitung = 2.324.802 atau p-value (Sig.545 X2 + . Hasil uji secara simultan atau bersama-sama dengan tabel analisis ragam (ANOVA) diperoleh nilai p-value sebesar 0.545 . dan nilai t-hitung = 3.578) 2.000 atau F-hitung= 22. Kesimpulan: Dari hasil pengujian hipotesis yang telah dilakukan di atas dapat diperoleh kesimpulan dan intrepretasi sebagai berikut: 1.151 . dengan tingkat kesalahan paling besar 5% dapat nyatakan bahwa kepemimpinan berpengaruh nyata terhadap tingkat kinerja pegawai. Didin Astriani Prasetyowati Page 112 .324 X1 + 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. a. Error . Artinya. Hasil pengujian untuk variabel disiplin kerja diperoleh koefesien atau nilai B=0.583.139 atau p-value (Sig.)=0.)=0. Karena p-value < 5%.143 t .139 3.278 2.324 . maka H0 ditolak. Dependent Variable: Kinerja Pegawai Pada tabel di atas (Coefficients) menunjukkan pengujian secara parsial dengan uji-t.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Output Nilai Koefesien Regresi Berganda Coefficientsa Model 1 (Constant) Kepemimpinan Disiplin Kerja Unstandardized Coefficients B Std.

Karena nilai t-hitung = 2.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) dengan taraf nyata sebesar 5%. dapat dinyatakan bahwa kepemimpinan (X1) dan disiplin kerja (X2) berpengaruh nyata terhadap kinerja pegawai (Y). 3.8%. Variabel Kepemimpinan. maka rata-rata tingkat kinerja pegawai sebesar 0. Pada variabel Disiplin kerja diperoleh nilai 0. Kesimpulannya adalah ada pengaruh yang nyata antara kepemimpinan terhadap kinerja pegawai.105. Kesimpulannya adalah ada pengaruh yang nyata antara disiplin kerja terhadap kinerja pegawai.578 menunjukan bahwa kontribusi pengaruh kedua variabel bebas. Pada variabel kepemimpinan diperoleh nilai 0. 4. Didin Astriani Prasetyowati Page 113 . 6. artinya p-value<5%.802 atau p-value (Sig. Hasil pengujian secara parsial (inidvidu) dengan uji-t dapat dijelaskan sebagai berikut: a. yaitu kepemimpinan dan disiplin kerja terhadap variabel terikat.040. maka tolak H0.001. Pada kofesien konstanta (constant) diperoleh nilai 0. maka peningkatan satu tingkat kepemimpinan akan menaikan tingkat kinerja pegawai sebesar 0. artinya p-value < 5%. Nilai koefesien determinasi (R2) sebesar 0.324.545. jika variabel yang lain dianggap tetap. maka peningkatan satu tingkat disiplin kerja akan menaikan tingkat kinerja pegawai sebesar 0. Variabel Disiplin kerja Kerja. Nilai t-hitung= 3. b.)=0. Artinya.139 atau p-value (Sig.2%) dipengaruhi oleh faktor lain. artinya jika variabel yang lain dianggap tidak ada.)= 0.105. 7. Sedangkan sisanya (42. 5. jika variabel yang lain dianggap tetap. yaitu kinerja pegawai sebesar 0.578 atau 57. Artinya. maka H0 ditolak.324.545.