Está en la página 1de 114

ANALISIS STATISTIK

(TEORI DAN APLIKASI MENGGUNAKAN SPSS)

OLEH:
DIDIN ASTRIANI PRASETYOWATI, M.Stat

FAKULTAS ILMU KOMPUTER
UNIVERSITAS INDO GLOBAL MANDIRI
PALEMBANG
2016

Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS)

BAB I
KONSEP DASAR STATISTIKA

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

Dua macam analisis mungkin memiliki kegunaan yang sama tapi

membutuhkan tipe data yang berbeda.

Didin Astriani Prasetyowati

Page 1

Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS)

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


 DATA menghasilkan INFORMASI

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

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

pengumpulan,

pengolahan,

penyajian

dan

penganalisisan

data

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

Didin Astriani Prasetyowati

Page 2

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

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

kegunaan hipotesa adalah sebagai berikut: a. Menurut Moh. Didalam analisis statistik. hipotesis yang menyatakan bahwa ada hubungan yang positif dan sistematis antara nilai ujian masuk dan prestasi belajar mengandung prediksi bahwa mahasiswa-mahasiswa yang mempinyai nilai ujian masuk tinggi juga akan mempunyai indeks prestasi belajar tinggi. hipotesis 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.001. yaitu 0.01. Memberikan batasan serta memperkecil jangkauan penelitian dan kerja penelitian.05 atau 0. Signifikan Dan Tingkat Kepercayaan Besarnya taraf signifikan biasanya sudah ditentukan sebelumnya. sedangkan untuk bidang yang berisiko tinggi akibat penarikan Didin Astriani Prasetyowati Page 5 . Untuk penelitian pendidikan.01 . c. Sebagai alat yang sederhana dalam memfokuskan fakta yang tercerai-berai tanpa koordinasi ke dalam suatu kesatuan penting dan menyeluruh. atau menyatakan adanya perbedaan dalam hal tertentu pada kelompok-kelompok yang berbeda. Misalnya. d. hipotesis menyatakan prediksi. Hipotesis alternatif (HA) menyatakan adanya salinghubungan antara dua variable atau lebih. Sebagai panduan dalam pengujian serta penyesuaian dengan fakta dan antar fakta. uji statistik biasanya mempunyai sasaran untuk menolak kebenaran hipotesis nol itu. Nazir (1988). Konsep penting mengenai hipotesis adalah hipo-Ho adalah hipotesis yang menyatakan tidak adanya saling hubungan antara 2 variabel atau lebih. Mensiagakan peneliti kepada kondisi fakta dan hubungan antar fakta. 0. dan sebagainya. 0. yang kadangkala hilang begitu saja dari perhatian peneliti. atau 0. biasanya digunakan taraf 0.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Secara implisit.05. b. atau hipotesis yang menyatakan tidak adanya perbedaan antara kelompok yang satu dan lainnya. 0.005. Hipotesis lain yang bukan hipotesis nol disebut hipotesis alternatif. 10.15.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

NO PERTANYAAN INTERVAL JAWABAN 1. 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. Apakah dengan belajar akan terpenuhi kebutuhan anda dalam mendapatkan gelar? (Ya/Tidak) 4. Didin Astriani Prasetyowati Page 20 . Responden dapat memberi jawaban pada rentang jawaban yang positif sampai dengan negative. Data yang diperoleh adalah data interval dan baisanya skala ini digunakan untuk mengukur sikap/karakteristik tertentu yang dipunyai oleh seseorang.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 3. sedangkan jawaban sangat negatif terletak dibagian kiri garis atau sebaliknya. Apakah dengan belajar akan terpenuhi kebutuhan anda dalam mendapatkan ijazah? (Ya/Tidak) 5. 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. Bagaimana kualitas gambar 4 3 2 1 2 Bagaimana kualitas suara 4 3 2 1 3 Bagaimana tampilan produk 4 3 2 1 4 Bagaimana pelayanan purna jual 4 3 2 1 4. Apakah dengan belajar akan terpenuhi kebutuhan anda dalam memenuhi syarat mencari kerja?(Ya/Tidak) 3. Skala Rating Skala rating adalah data mentah yang diperoleh berupa angka kemudian ditafsirkan dalam pengertian kualitatif. Skala Semantik Defferensial Skala defferensial yaitu skala untuk mengukur sikap dan lainnya.

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

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

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

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

Tabel Kontigensi (b x k) Digunakan untuk data yang terdiri atas 2 faktor atau 2 variabel. Tabel Baris Kolom Contoh : Tabel 4.115 711. baik yang berasal dari populasi ataupun dari sampel.886 690.337 742. Hal tersebut diperlukan teknik penyajian data. disajikan dalam bentuk yang jelas dan baik untuk memudahkan seseorang memahami data. Penyajian Data Data yang telah dikumpulkan.683 Tenaga Kerja (orang) 1170 1147 794 734 752 2. teknik penyajian ini dimaksudkan untuk memperindah tampilan dari suatu laporan penelitian.803 2004 796.979 2003 300. Di samping itu.005 2005 565. MODAL DAN TENAGA KERJA PERUSAHAAN X PERIODE TAHUN 2001-2005 Penjualan Tahun (Milyar Rp) 2001 928. untuk keperluan laporan dan/atau analisis selanjutnya perlu diatur.395 2002 275. Penyajian dalam bentuk tabel. disusun.562 Catatan : Data Rekaan Modal (Milyar Rp) 781. Ada berbagai bentuk penyajian data yang dapat digunakan.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) BAB IV EKSPLORASI DATA A. Teknik-teknik ini diperlukan untuk memberikan gambaran umum informasi yang terkandung data. Didin Astriani Prasetyowati Page 28 . memiliki beberapa jenis : 1. variabel yang satu terdiri dari b kategori dan yang lainnya terdiri atas k kategori.1 (Daftar Baris Kolom) DATA HASIL PENJUALAN.155 823. yaitu secara umum dalam bentuk tabel dan grafik.

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

Diagram Lingkaran dan Diagram Pastel Digunakan untuk menggambarkan kategori data yang terlebih dahulu diubah ke dalam nilai derajat. 3. 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.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Digunakan untuk menggambarkan keadaan yang berkesinambungan/kontinu. jumlah penduduk tiap tahun. Dalam diagram garis. dll. yang dibuat dalam sistem sumbu koordinat dan gambarnya berupa kumpulan titik-titik yang terpencar.4 JUMLAH MAHASISWA POLTEK PG BERDASARKAN JURUSAN JURUSAN JUMLAH MAHASISWA AKE 500 MIF 400 TIK 350 ARS 200 MPRS 300 Tabel 4. Beberapa contoh jenis grafik : Tabel 4. A PERIODE TAHUN 2004 – 2008 JUMLAH BARANG (UNIT) 160 150 140 125 120 100 100 80 80 60 50 40 20 0 2004 2005 2006 2007 2008 TAHUN Page 30 .2 (Diagram Garis) JUMLAH PERMINTAAN BARANG PT.1 (Diagram Batang) GRAFIK JUMLAH MAHASISWA POLTEK PG BERDASARKAN JURUSAN JUMLAH MAHASISWA (ORANG) 500 500 400 350 400 300 300 200 200 100 0 AKE MIF TIK ARS MPRS JURUSAN Gambar 4. 4. Diagram Titik atau Pencar Digunakan untuk menggambarkan kumpulan data kuantitatif yang terdiri dari 2 variabel.5 Gambar 4. misalnya : hasil produksi perusahaan tiap tahun. sumbu datar menyatakan waktu dan sumbu tegak menyatakan nilai data tiap waktu.

3. 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. Untuk mendapatkan distribusi frekuensi. diantaranya 1.4 (Diagram Lingkaran) DIAGRAM HASIL PEMUNGUTAN SUARA Kandidat Jml Suara Jml Suara (derajat) A 25 (25/100) x 3600 = 900 B 45 (45/100) x 3600 = 1620 C 20 (20/100) x 3600 = 720 Abstain 10 (10/100) x 3600 = 360 JUMLAH 100 Abstain. Dapat mengetahui di sekitar mana data terkonsentrasi. 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. 20 3600 B. Didin Astriani Prasetyowati Page 31 . 25 C. Keuntungan dari pengurutan data mentah ke dalam urutan data yang sistematis. Dapat melihat jarak antara nilai terkecil dan terbesar dari kumpulan data tersebut.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Tabel 4. 10 A. 45 B. Dapat mengetahui distribusi data. kumpulan array data dikumpulkan ke dalam sejumlah kelas (kelompok) yang relatif sedikit.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 4.7 HASIL PEMUNGUTAN SUARA 50 100 150 PENDAPATAN (JUTA RP) Gambar 4. sehingga distribusi frekuensi adalah suatu pengelompokkan data berdasarkan pada kemiripan ciri. 2.6 Gambar 4.

79.  Panjang Kelas Interval (p) Didin Astriani Prasetyowati Page 32 .  Ujung Kelas Interval - Nilai-nilai di kiri kelas interval (50. 69.5 59.59. data dibuat menjadi beberapa kelompok dalam interval-interval tertentu. 90 disebut ujung bawah kelas kelima/terakhir.... nilai 69 disebut ujung atas kelas kedua.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.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 1. dst.dst disebut kelas interval. .. - Nilai-nilai di kanan kelas interval (59. - Dalam daftar distribusi frekuensi.89.. 80 dan 90) disebut ujung bawah kelas (UBK).5 74. 89 dan 99) disebut ujung atas kelas (UAK).8 dapat dilihat bahwa :  Kelas Interval - Nilai Ujian 50 – 59. nilai 60 disebut ujung bawah kelas kedua. - Nilai 50 disebut ujung bawah kelas pertama.. 60. 60 – 69 disebut kelas interval kedua. 70. - Nilai 59 disebut ujung atas kelas pertama.5 84. seperseratus jika data dicatat hingga dua desimal..5 . - Urutan kelas interval 50 – 59 disebut kelas interval pertama.5 79. sepersepuluh jika data dicatat hingga satu desimal.. 79. 90 – 99 disebut kelas interval kelima/terakhir. nilai 99 disebut ujung kelas kelima/terakhir...5 94. 60 – 69.5 89...5 .5 69.5 54.5 .5 .5 64..5 Berdasarkan tabel 4. Istilah-istilah Dalam Distribusi Frekuensi Tabel 4.69. - Perbedaan antara ujung bawah kelas dengan ujung atas kelas sebelumnya adalah satu jika data dicatat hingga satuan.5 -99. Urutan kelas interval disusun mulai dari data terkecil sampai dengan data terbesar atau sebaliknya.

Jika data dicatat hingga satu desimal batas bawah kelas = ujung bawah kelas – 0. Nilainya bergantung pada ketelitian data yang digunakan. Dari tabel diperoleh panjang kelas interval = 60 – 50 = 70 – 60 =. 64.dst. Jika data dicatat hingga satu desimal batas atas kelas = ujung atas kelas + 0. 99. Nilainya juga bergantung pada ketelitian data yang digunakan...5 ..5. UBK  UAK BBK  BAK  2 2 - Titik Tengah Kelas  - Untuk kelas interval pertama. 59... - Nilai 59... - Nilai batas bawah kelas berikutnya sama dengan nilai batas atas kelas sebelumnya. Titik Tengah Kelas  Didin Astriani Prasetyowati 50  59  54.5 .= 90 – 80 =10..dst.5 disebut batas bawah kelas (BBK).  Frekuensi (f) - Bilangan yang menunjukkan banyaknya data yang terdapat dalam setiap kelas interval disebut frekuensi. yakni rata-rata setiap kelas interval .5 disebut titik tengah kelas - Titik tengah kelas/tanda kelas adalah suatu nilai yang diambil sebagai wakil dari kelas itu.5 .5 . 94... Jumlah seluruh frekuensi sama dengan jumlah seluruh data (N)..5 disebut batas atas kelas(BAK). Jika data dicatat hingga satuan batas bawah kelas = ujung bawah kelas – 0..5 . 05..5.. 69....5 . 89.. 05.. Jika data dicatat hingga satuan batas atas kelas = ujung atas kelas + 0.5 .dst 2 Page 33 . artinya jumlah mahasiswa yang nilai ujian statistiknya antara 50 – 59 ada 8 orang.  Titik Tengah Kelas (m) - Nilai 54...Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Selisih positif antara tiap dua ujung bawah kelas berurutan disebut panjang kelas interval... - Nilai f = 8.  Batas Kelas Interval - Nilai 49.

Tabel 4. Demikian seterusnya. p rentang banyak kelas 5. Buat Tabel Distribusi Frekuensi Tabel 4. Tentukan panjang kelas interval (p). dengan n menyatakan banyak data 4. Rentang = Data Terbesar – Data Terkecil 3. 6.9 Tabel Penolong Kelas Interval Tabulasi Frekuensi 8. dan banyak data. Tentukan ujung bawah kelas interval pertama. 7. Pada umumnya. Tentukan Rentang/Range. banyak kelas interval ini antara 5 sampai 15 kelas. 2.3 log n . Tentukan nilai dari data terkecil. banyak kelas interval dapat dihitung dengan menggunakan aturan Sturges. yaitu nilai data terbesar dikurangi nilai data terkecil. data terbesar. Tentukan banyak kelas interval yang diperlukan. Langkah-langkah Membuat Daftar Distribusi Frekuensi Berikut adalah langkah-langkah untuk membuat Daftar Distribusi Frekuensi : 1. Biasanya diambil data terkecil atau data yang lebih kecil dari data terkecil. Selanjutnya kelas interval pertama dihitung dengan cara menjumlahkan ujung bawah kelas dengan p dikurangi 1. Namun yang ideal. dipilih sesuai keperluan. akan tetapi selisihnya harus kurang dari panjang kelas interval yang telah didapat. Nilai f dihitung dengan menggunakan tabel penolong sebagai berikut.10 Distribusi Frekuensi Kelas Interval Didin Astriani Prasetyowati Frekuensi Page 34 . yaitu : Banyak Kelas = 1 + 3.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 2.

Rentang = DB – DK = 83 – 50 = 33 3. yaitu nilai data terbesar dikurangi nilai data terkecil.1: Buatlah daftar distribusi frekuensi dari data pengeluaran per hari (ribu rupiah) untuk 15 keluarga di suatu daerah berikut ini : Data Pengeluaran Per Hari (Ribu Rupiah) Untuk 15 Keluarga 50 77 65 62 70 75 74 80 66 60 75 71 68 72 83 Catatan : Data Rekaan Jawab : 1. Tentukan panjang kelas interval (p). UBK Pertama = 50 6. dan banyak data. Tentukan rentang. p rentang 33   6 .3 log N = 1 + 3. Tentukan banyak kelas interval yang diperlukan. 6  7 ( selalu dibulatkan keatas ) banyak kelas 5 5. Tentukan nilai dari data terkecil. Buat Tabel Penolong Tabel 4. data terbesar.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 . Tentukan ujung bawah kelas interval pertama. Dengan menggunakan aturan Sturges : Banyak kelas = 1 + 3. Data terkecil (DK) = 50 Data terbesar (DB) = 83 Banyak data (N) = 15 2.3 log 15 = 4. Selanjutnya kelas interval pertama dihitung dengan cara menjumlahkan ujung bawah kelas dengan p dikurangi 1.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Contoh 4.881 ≈ 5 (selalu bulatkan ke atas) 4. Kelas Interval = UBK + P – 1 = 50 + 7 -1 = 56 7.

 Histogram Histogram adalah penyajian data distribusi frekuensi yang diubah menjadi diagram batang. 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. namun sisi-sisi batang yang berdekatan harus berimpitan.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. Polygon frekuensi diperoleh dengan menghubungkan titik-titik yang merupakan pasangan koordinat titik tengah dan frekuensi setiap kelas.2 (Berdasarkan Contoh 4. Contoh 4.1) Gambarkan histogram dan poligon dari data pengeluaran per hari (ribu rupiah) untuk 15 keluarga. Titik tengah kelas diperoleh dengan membagi dua jumlah antara batas bawah dan batas atas kelas. Penyajian Distribusi Frekuensi Dengan Grafik Pola data yang disajikan dalam diagram/grafik dapat lebih mudah ditangkap maknanya dibandingkan dengan memperhatikan tabel frekuensi. Didin Astriani Prasetyowati Page 36 . Jawab : Untuk menggambarkan histogram dan poligon maka diperlukan batas-batas kelas dan titik tengah kelas.  Poligon Frekuensi Polygon frekuensi adalah diagram garis dari suatu distribusi frekuensi. Untuk menggambarkan histogram digunakan sumbu mendatar yang menyatakan batas-batas kelas interval dan sumbu tegak menyatakan frekuensi absolut atau frekuensi relatif.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 8.

5 – 77. Lotus.5 – 63.5 77. yaitu: a.5 – 84. Input (Memasukkan) Data Poses dalam input data pada program SPSS dapat dilakukan dengan berbagai cara. Memanggil data dari program lain.5 56. dan lain-lain).5 - Titik Tengah Kelas (50+56)/2=53 60 67 74 81 - Gambar 4.5 Histogram dan Poligon Pengeluaran Per Hari (Ribu Rupiah) Untuk 15 Keluarga EKPLORASI DATA MENGGUNAKAN SPSS 1.5 70. minitab. Systat.5 –70. dBase.5 – 56.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Tabel 4.5 63. Langkahlangkahnya adalah seperti pada Gambar berikut: Didin Astriani Prasetyowati Page 37 . jika data sudah tersimpan dalam program lain seperti (excel.13 Perhitungan Batas Kelas Dan Titik Tengah Kelas Pengeluaran 50 – 56 57 – 63 64 – 70 71 – 77 78 – 84 Jumlah Frekuensi 1 2 4 6 2 15 Batas Kelas 49.

80 65. 3. 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.I Misalkan kita punya data sebagai berikut: Nama Ahmad Budi Cindy Danny Early Fanny Gerhana Iwan Jovanka Katherine Berat badan 75. 4. Langkah-langkahnya adalah: 1.50 70. variabel kedua adalah BERAT BADAN. sorot menu New. Buka lembar kerja baru (klik menu utama File. variabel ketiga adalah GENDER dan variabel keempat PENDIDIKAN.00 68. misalkan variabel pertama adalah NAMA.00 62.00 50. klik sub menu Data) 2.50 45. Memasukkan data langsung dalam windows (sel) SPSS pada Data Editor. Buka lembar kerja baru 2. KASUS 4. Setelah terlihat tampilan SPSS DATA EDITOR.80 45. Name merupakan tempat menuliskan nama variabel. dalam hal ini ada 4 variabel.00 67. kemudian menamai variabel yang diperlukan dan karakteristik variabel tersebut. Letakkan Didin Astriani Prasetyowati Page 38 .Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) b. Untuk setiap variabel terdiri dari beberapa kolom sebagai berikut: a. Menampilkan tampilan VARIABLE VIEW untuk mempersiap-kan pemasukan nama dan properti variabel. maka akan dilakukan input nama variabel sebanyak 4 kali.00 45. 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.

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

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

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

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

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

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

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

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

setelah data disusun menurut nilainya dari kecil ke besar. 9. 14. 8. 9. 6. modus diperoleh dengan jalan menentukan frekuensi terbesar di antara serangkaian data. 14. Sedangkan untuk data kuantitatif. 7.2 Berapa modus dari data berikut : 2. 5. setelah data disusun menurut nilainya dari kecil ke besar. 6. maka median merupakan data yang paling tengah. dan 12.5.  Median menentukan posisi tengah data setelah data diurutkan dari kecil ke besar. Contoh 5.5.3 Tentukan median dari data berikut 2.5. 8. 5.9.6. 19 Median = (12+14)/2 = 13 Didin Astriani Prasetyowati Page 47 .4 Diberikan data 12.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) sebagai pengganti rata-rata. 19. 9.6. 4. 14. maka median merupakan rata-rata hitung dua data tengah. Berapa mediannya? Jawab : Data diurutkan menjadi 7. 4.  Median Untuk data tunggal ditentukan sebagai berikut : - jika banyak data ganjil.3. 9. 16.  Misalkan jika nilai median sama dengan 7.  Median dapat berlaku sebagai rata-rata untuk variabel dengan tingkat pengukuran ordinal. 14.1. 16. 8.9. artinya 50% dari data nilainya paling tinggi 7 dan 50% lagi nilainya paling rendah 7.3.3.5 ? Jawab : modus =4 ☺ Modus dari data tersebut adalah 4 c. - jika banyak data genap. Serangkaian data mungkin memiliki satu modus (unimodal). Contoh 5. dua modus (bimodal) atau lebih dari dua (multimodal). 12 Median = 6 Contoh 5. Median  Median merupakan ukuran letak untuk variabel dengan skala ukur sekurangkurangnya ordinal. 12. Jawab : Data diurutkan menjadi : 2. 8.

5 = 52.5 82.2) Contoh 5.5 Hitunglah rata-rata hitung untuk data pengeluaran per hari (ribu rupiah) untuk 30 keluarga dalam daftar distribusi frekuensi di bawah ini? Tabel 5.3) Mo = Modus LMo = batas bawah kelas modus. d2 = frekuensi kelas modus dikurangi frekuensi kelas interval sesudahnya.0 705. Modus Untuk data yang dikelompokkan modus didefinisikan sebagai :  d  Mo  LMo  p 1   d1  d2  dengan : (5.0 382.5 58.5 247.5 - fxm 1 x 52. Didin Astriani Prasetyowati Page 48 .5 64.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 2.900 b.5 387. Ukuran Pemusatan Untuk Data Berkelompok Ringkasan data dalam suatu daftar distribusi frekuensi dinamakan data yang dikelompokkan. yakni kelas interval dengan frekuensi terbesar. a. 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 76.5 2067  f  m = 2067/30 = 68. p = panjang kelas modus d1 = frekuensi kelas modus dikurangi frekuensi kelas interval sebelumnya.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 = 52.5 292.9 n ☺ Rata-rata hitung pengeluaran per hari untuk 30 keluarga tersebut adalah Rp 68.5 70.

5+6(4/(4+5))=70.2 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 – 0.7 Untuk data pengeluaran per hari 30 keluarga. yakni kelas dimana median akan terletak.5 67.5 p=6 d1 = 10-6=4 d2 = 10-5=5  d1    67.5 - Kelas modus = kelas ke.6 Untuk data pengeluaran per hari 30 keluarga. 2 p = panjang kelas median. hitunglah modusnya ! Tabel 5.5 55. n = banyak data/jumlah frekuensi F = jumlah frekuensi sebelum kelas median (frekuensi kumulatif) fMe = frekuensi kelas median Contoh 5.5 73. Median Untuk data yang dikelompokkan median didefinisikan sebagai : Me  LMe dengan : Me = LMe = 1   nF   p 2  f Me      (5.5 = 49.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Contoh 5.17 Mo  LMo  p  d1  d2  ☺ Pengeluaran per hari 30 keluarga tersebut mempunyai modus sebesar Rp 70.5 61.5 79.4 LMo = 67. hitunglah mediannya ! Didin Astriani Prasetyowati Page 49 .170 c. yaitu pada jumlah frekuensi 1 n .4) median data kelompok batas bawah kelas median.

300 dan 50% lagi dengan pengeluaran per hari paling rendah Rp 69. Varian.5+6((15-12)/10)=69. 8.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Tabel 5. 1.5 73. 6. Kelas median = kelas ke. 5. Simpangan Rata-rata SR  dengan :  xx  xx n (5. sehingga n/2 = 15 . Ukuran Penyebaran Data Ukuran penyebaran merupakan suatu ukuran yang memberikan gambaran seberapa besar data menyebar dalam kumpulannya. B.5 55.5 61. Kum (F) 1 6 12 22 27 30 - Jawab : Pada tabel di atas. Ukuran Penyebaran Untuk Data Tunggal a. Simpangan Baku. jumlah frekuensi n = 30 .5) = jumlah harga mutlak data dikurangi rata-rata hitung n = banyak data Contoh 5. Dengan kata lain seberapa jauh data-data menyebar dari titik pemusatannya.5 79. 9 ? Didin Astriani Prasetyowati Page 50 . Koefisien Variasi.5 - Frek. Ukuran penyebaran yang sering digunakan antara lain: Simpangan Rata-rata.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 49.4 LMe = 67.3 Me  LMe  p 2  f Me      ☺ Artinya ada 50% keluarga dengan pengeluaran per hari paling tinggi Rp 69.5 67.8 Berapa simpangan rata-rata dari data berikut : 2.5 p=6 fMe = 10 F = 12 (jumlah frekuensi sebelum kelas median) 1   nF    67..300.

5 . apabila satuan pengukuran dari variabel-variabel yang diukur berbeda satu sama lain (misalnya berat badan dalam kg. 6. 8. KV  s  100 % x (5.738. Sedangkan simpangan bakunya adalah 2. hitunglah varians dan simpangan bakunya ! Jawab : Dari contoh 5. Koefisien Variasi Koefisien variasi digunakan untuk membandingkan variasi data. c.9 Diberikan data 2.7) Contoh 5.8) dengan : s = simpangan baku x = rata-rata hitung Didin Astriani Prasetyowati Page 51 .5 4 s 2  2 . 5.8 diperoleh x  6 s 2 s  x  x   2 n 1  2  6 2  5  6 2  6  6 2  8  6 2  9  6 2 5 1  30  7 . Varians Dan Simpangan Baku  x  x   2 Varians → s Simpangan Baku 2 (5.6) n 1 → s s2 (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. 9. dan tinggi badan dalam cm).738 ☺ Varians untuk data tersebut adalah 7.

☺ Ternyata KV umur lebih kecil daripada KV pendapatan (15.8%.10 Data berikut menunjukan umur dan pendapatan 5 orang karyawan di sebuah perusahaan X : Tabel 5.8 % x 122 ☺ Koefisien variasi pendapatan karyawan adalah 35.97%<35.. 67  100 %  35 .67 4 Koefisien variasi → KV  s x100 %  43 . Didin Astriani Prasetyowati Page 52 .Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Contoh 5. 95  100 %  15 .97%.8%..4 Data Mengenai Umur & Pendapatan 5 Orang Karyawan Karyawan 1 2 3 4 5 34 27 37 32 25 Umur ( Tahun ) Pendapatan ( $ ) 75 90 123 187 135 Manakah yang lebih seragam.95 4  Koefisien variasi → KV  s x100 %  4 .  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  . 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  . Maka umur karyawan lebih seragam daripada pendapatan karyawan.  25  312  5 1 98  4.).  1351222 5 1  7628  43.97 % x 31 ☺ Koefisien variasi umur karyawan adalah 15.

hitunglah simpangan rata-ratanya ! Tabel 5.5 70.6/30 = 6.8 189.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 2.5 64. Simpangan Rata-rata SR  dengan : m =  f  m  x  (5. Varians dan Simpangan Baku Varians → Simpangan Baku s → s 2   f  m  x   n 1 s2 2  (5.6 Catatan : berdasarkan perhitungan pada contoh 5.6 13.4 52 26.11) Contoh 5.5 diperoleh x  68.32 n ☺ Simpangan rata-rata pengeluaran per hari 30 keluarga adalah Rp 6320 b.5 - mx f  mx I 52.4=16.9 I = 16.5-68.9) n titik tengah kelas f = frekuensi tiap kelas interval x = rata-rata hitung n = banyak data/jumlah frekuensi Contoh 5.5 Perhitungan Simpangan Rata-rata Pengeluaran (ribu Rp) F m 50 – 55 56 – 61 62 – 67 68 – 73 74 – 79 80 – 85 Jumlah 1 5 6 10 5 3 30 52.10) (5.4 16 38 40.5 76.12 Hitunglah Varians dan Standar Deviasi untuk pengeluaran per hari 30 keluarga yang telah dikelompokan ! Didin Astriani Prasetyowati Page 53 .5 58.4 10.9 SR    f  m  x  =189.6 - 1X16.5 82.6 7.4 4.11 Untuk data pengeluaran per hari 30 keluarga (yang telah dikelompokan).4 1. Ukuran Penyebaran Untuk Data Berkelompok a.

60 74 – 79 5 76.900 dan standar deviasinya adalah Rp 7.41% d.868 ☺ Varians pengeluaran per hari 30 keluarga adalah Rp 61.5 diperoleh x  68.96=268.36 116.9 29 61.6 184.88 30 1795. dimana rata-rata kelas dan simpangan bakunya masing-masing 75 dan 12.76 288.20 Jumlah Jawab : Catatan : berdasarkan perhitungan pada contoh 5.16 68 – 73 10 70.56 25. ? Jawab : KV  s  100 %  (7.5 1.6 57.6 2. besarnya koefisien variasinya adalah. Nilai Baku (Skor z) z xx s (5.5 -10.5 52.16 540.96 56 – 61 5 58.5 13. Sedangkan pada UAS Kalkulus Didin Astriani Prasetyowati Page 54 .Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Tabel 5.13 Untuk contoh soal pengeluaran per hari 30 keluarga.868/68.9=-16.9  7 .4 268.5 7.96 1X268.9) x 100%=11.80 80 – 85 3 82.80 62 – 67 6 64.5-68.2  61..14 Budi memperoleh nilai 83 pada UAS Statistik.96 554.5 -4.6 Perhitungan Varians & Simpangan Baku 2 m x f m Pengeluaran m x2 f m  x (ribu Rp) 50 – 55 1 52.4 108.41% x ☺ Koefisien variasi untuk data pengeluaran per hari 30 keluarga adalah 11. Koefisien Variasi Contoh 5.9 Varians → s 2   f  m  x   n 1 Standar Deviasi → s  s2  2   1795.. c....12) Contoh 5.868.4 19.

Karena nilai baku statistik lebih tinggi dari nilai baku kalkulus. nilai tengah (median). kemudian pilih submenu Descriptive Statistics. Buka lembar kerja dan pastikan data sudah tersedia dengan kriteria yang sudah ditentukan. maka Budi memperoleh kedudukan yang lebih tinggi dalam mata kuliah statistik. standar deviasi dan lainnya. pilih menu Analyze. Didin Astriani Prasetyowati Page 55 . 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. a. Dari menu utama SPSS. 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.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) dimana rata-rata kelasnya 83 dan simpangan bakunya 16 ia memperoleh nilai 90. dapat dilakukan analisis deskriptif dari menu Frequencies dengan langkah-langkah sebagai berikut: 1.44 s 16 ☺ Artinya Budi mendapat 0.44 simpangan baku di atas rata-rata nilai Kalkulus. 2. Dengan memperhatikan data pada Kasus I. persentil. kuartil. Menu Frequencies Pada menu ini membahas beberapa ukuran statistika deskriptif seperti rata-rata (mean).67 s 12 z x  x 90  83   0. ANALISIS DESKRIPTIF MENGGUNAKAN SPSS Peringkasan data secara eksak dengan menyajikan ukuran pemusatan dan ukuran penyebaran disebut dengan ringkasan statistik (summary statistics).67 simpangan baku di atas rata-rata nilai Statistik. dan hanya 0.

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

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

Error of Mean 3.7500 13. Tekan OK.600 -.5100 13. Multiple modes exist.  Suppress tables with more then … categories. jika semua pengisian dan format yang diinginkan sudah selesai.400 Median 63.7250 12. Jika ingin membandingkan antar variabel.334 Range 30. Output SPSS Frequencies Statistics BERAT N Valid MasaKerja 10 10 0 0 Mean 59. Deviation Variance Skewness Std.00 25 595. Error of Kurtosis 1.851 5.314 19. Error of Skewness Kurtosis Sum Percentiles a. Untuk bagian ini abaikan karena data bukan kategorik.10 136 25 45.687 -1.00 17 Minimum 45. 10.253 2.427 134.  Multiple Varables atau variabel multipel.7500 13.60 Std.5000 14.00 Missing Mode 45.25 50 63.00 Std.66489 1. maka muncul window output dan diperoleh output deskriptif sebagai berikut.687 .334 1.911 Std. The smallest value is shown Didin Astriani Prasetyowati Page 58 . Kemudian klik continue untuk melanjutkan analisis.58941 4.00 a 13 11. maka klik Compare variables. jika data disusun dari kecil ke besar maka pilih Ascending values. Setelah proses SPSS dijalankan.00 8 Maximum 75.00 75 68.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS)  Order by atau output data akan disusun seperti apa. 9.014 .

0 30.0 70.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Frequency Table BERAT Frequency Valid Percent Valid Percent Cumulative Percent 45.0 20.0 10.0 20.0 10 13 14 25 Total 1 5 2 1 10.0 10.0 10.0 50.0 10 100.0 10.0 20.00 1 10.0 10.0 45.0 10.0 10.0 10.00 75.0 MasaKerja Frequency Valid Percent Valid Percent Cumulative Percent 8 1 10.0 40.00 Total 1 1 1 1 1 1 1 1 1 10.0 100.00 65.0 10.80 68.0 20.0 10.0 100.80 50.0 10.0 10.0 10.0 10.0 10.0 90.0 10.0 10.0 10.50 62.0 10.0 90.0 10 100.0 50.0 Histogram Didin Astriani Prasetyowati Page 59 .00 70.50 67.0 10.0 10.50 45.0 10.0 80.0 10.0 10.0 100.0 100.0 70.0 60.0 50.

Deviation.931. Disini akan dijelaskan untuk satu variabel saja.911/1.4 tahun.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Analisis dan Interpretasi. yaitu 13 tahun.  Mode menunjukkan nilai yang paling sering muncul. maka distribusi sampel data Masa Kerja tidak berdistribusi normal.  Pada output bagian pertama (Statistics)  N menunjukkan jumlah data (valid dan missing). yaitu 19.  Range menunjukkan selisih antara data maksimum dengan minimum yaitu 17 cm. Dengan melihat ratio skewness (2. sedangkan yang lain mengikuti.014 dan Std.334 digunakan untuk melihat pola sebaran data.6 cm.  Std. maka distribusi sampel data Masa Kerja tidak berdistribusi normal. Didin Astriani Prasetyowati Page 60 .687 digunakan untuk melihat pola sebaran data. Deviation menunjukkan simpangan bakunya sebesar 4.  Median menunjukkan nilai tengah data setelah diurutkan adalah 13 tahun.427 cm dan Variance merupakan kelipatan dari Std.687) adalah –2.014/0. Error of Kurtosis sebesar 1. karena nilai tersebut tidak berada pada interval –2 sampai 2. Pada hasil tersebut diperoleh data valid (sah untuk diproses) sebanyak 10.334) adalah 4. sedangkan data yang hilang (missing) adalah nol.6 tahun dan Std.  Sum menunjukkan jumlah data untuk variabel tinggi padi sebesar 136. Dengan melihat ratio skewness (5.911 dan Std.431.  Skewness sebesar 2.  Kurtosis sebesar 5. yaitu: Variabel Masa Kerja. Error of Mean menunjukkan kesalahan baku untuk rata-rata sebesar 1. karena nilai tersebut tidak berada pada interval –2 sampai 2. Nilai maksimum 25 cm dan nilai minimumnya 8 cm. Error of Skewness sebesar 0.  Mean menunjukkan rata-rata Masa Kerja adalah 13.

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

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

Selain itu.00 Mean 11. Menu Crosstab Menu ini berfungsi untuk menyajikan deskripsi data dalam bentuk tabel silang (crosstab). Pada data editor terdapat variabel tambahan. Kemudian tekan continue.61568 Analisis dan Interpretasi Pada output Description Statistics dapat diinter-pretasikan seperti pada menu Frequency di atas.95 tahun dan Simpangan bakunya 5. yaitu yang terdiri atas baris dan kolom. Untuk variabel Masa Kerja (tahun) ada 40 data yang valid. karena pada menu Crosstab semuanya sudah bisa dijelaskan.  Display Order menunjukkan tampilan yang diinginkan. nilai maksimum 29 tahun. rata-rata 11.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS)  Distribution menunjukkan pengujian data sampel apakah mengikuti distribusi normal atau tidak.9500 Std. Nilai-nilai z ini menunjukkan tingkat simpangan data terhadap data normal (menunjukkan adanya pencilan data). 5.615 tahun. lalu tekan OK. Descriptives Descriptive Statistics N Minimum Masa Kerja 40 Valid N (listwise) 40 1. 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. Deviation 5. d. c. menu ini juga Didin Astriani Prasetyowati Page 63 . sehingga muncul output pada windows output seperti di bawah. Pada menu ini tidak akan dibahas lebih banyak. dengan nilai minimum 1 tahun. yaitu nilai z untuk variabel Masa Kerja.00 Maximum 29.

7. Tabel 5. Pada Menu Explore dan menu Crosstab dapat digunakan untuk mendeskripsikan data yan berskala nominal atau ordinal. 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 . Menu ini merupakan perluasan dari statistik deskriptif. dan asal daerah. Data Pendapatan Rumah Tangga pada Suatu Daerah No. pendidikan. Selain pendapatan. Kasus 2: Seorang peneliti melakukan survey terhadap 25 kepala keluarga (KK) sebagai responden pada suatu daerah tentang pendapatan dalam satu bulan. usia. peneliti tersebut juga mengamati profil (latar belakang) responden seperti jumlah anak. korelasi dan lainnya.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) dilengkapi dengan analisis hubungan di antara baris dan kolom seperti independensi. Hasil pendataan diperoleh seperti pada tabel berikut.

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

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

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

0% Jumlah Anak * Pendidikan Crosstabulation Pendidikan Jumlah Anak 0 tamat SD 3 23.340 Total 13 100.6% 4 40.6% 7 28. The minimum expected count is .0% 100.1% 50.0% 9 36.0% Percent 25 100. 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% 0 Total N .439 .0% Count % within Jumlah Anak % within Pendidikan Count % within Jumlah Anak % within Pendidikan Count % within Jumlah Anak % within Pendidikan Count % within Jumlah Anak % within Pendidikan 1 2 Total tamat SLTP 5 38.9% 2 20.3% tamat Akademik/PT 3 23.6% 2 100. Sig.0% 6 6 Asymp.0% 33.1% 42.7% 1 10.823 Pearson Chi-Square Likelihood Ratio Linear-by-Linear Association N of Valid Cases df .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% 28.0% 3 12.0% Chi-Square Tests Value 5.0% 2 100.5% 55.443 1 .0% 10 100.4% 66. (2-sided) .0% 100.0%) have expected count less than 5.0% 8.0% 44.0% 40.0% 28.4% tamat SMU 2 15.0% 3 30.0% 100.0% 6 24.0% 100.0% 25 100.0% 52.910 25 a.0% 100.0% 50.24. 12 cells (100.862a 5.

klik Save As… Didin Astriani Prasetyowati Page 69 . menunjukkan grafik parsial antara jumlah anak dengan tingkat pendidikan.862 dengan p-value (Asymp.  Hipotesis yang akan diuji pada kasus ini adalah: H0: Tidak ada hubungan antara jumlah anak dengan pendidikan seseorang. menunjuk-kan banyaknya data (N) yang valid sebanyak 25 responden (100%) sedangkan data yang hilang (missing) tidak ada (0%). menunjukkan tabel silang yang memuat hubungan diantara kedua variabel.  Kesimpulan.) sebesar 0.439 > dari 0. Menyimpan hasil Output. jika p-value < taraf nyata ().1%. Jika dilihat terhadap responden yang tidak memiliki anak ada 23. Artinya. yaitu:  Dari menu utama File.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Hasil Analisis dan Interpretasi  Pada bagian pertama (Case Processing Summary). 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.  Pada bagian ketiga (Chi-Square Test).  Pada bagian kedua (Jumlah Anak*Pendidikan Crosstabulation).439. karena p-value sebesar 0.05 (5%). artinya responden yang tidak memiliki anak dan berpendidikan tamat SD ada 3 orang. Sig. Misalkan untuk sel pertama tertulis 3. Untuk menyimpan hasil output SPSS dapat dilakukan dengan cara yang sama seperti yang dilakukan di atas.  Pada bagian keempat (Bar chart).9%. menunjukkan pengujian hipotesis dengan uji Chi-square (Chi-kuadrat). maka H0 diterima. Sedangkan jika dibandingkan dengan responden yang berpendidikan tamat SD ada 42.  Kriteria ujinya adalah tolak H0. tidak ada hubungan antara jumlah anak dengan tingkat pendidikan seseorang.

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

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

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

b) Kualitas mengajar dosen tahun 2009 paling rendah 70% dari rata-rata nilai ideal.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. ditindaklanjuti atau dibuktikan oleh Balitbang Dikti dengan suatu penelitian di berbagai kota di wilayah kopertis x. Dengan pernyataan tersebut. c) Kualitas mengajar dosen tahun 2009 tidak sama dengan 70% dari rata-rata nilai ideal.05. 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. 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. 3 = baik.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Contoh 6. 2 = cukup baikdan 1 = kurang baik. Data diperoleh sebagai berikut : 59 59 60 60 58 60 58 60 60 60 58 50 50 60 58 59 59 59 50 50 60 60 60 60 58 58 59 60 60 60 60 60 60 60 60 59 59 59 59 58 50 50 60 60 60 60 60 60 60 60 59 60 60 60 60 50 60 60 60 60 Sebelum dilakukan perumusan hipotesis dihitung terlebih dahulu rata-rata nilai yang dihipotesiskan (µo). Adapun taraf signifkansi α= 0.14 61  1 208939   Didin Astriani Prasetyowati Page 73 .

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 .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. Ha: Kualitas mengajar dosen tahun 2009 paling tinggi 70% dari rata-rata nilai ideal.443 1.14 dan rata-rata hitung = 58. Penyelesaian point (a) uji pihak kiri : 1) Menentukan hipotesis penelitian Ho: Kualitas mengajar dosen tahun 2009 sama dengan 70% dari rata-rata nilai ideal.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 –1.443 61 Diperoleh : SD = 3.

Penyelesaian point (b) uji pihak kanan : 1) Menentukan hipotesis penelitian Ho : Kualitas mengajar dosen tahun 2009 sama dengan70% dari rata-rata nilai ideal.05 dan derajat kebebasan (dk) = n –1 = 61 –1 = 60 sehingga diperoleh t-tabel= 1. Ha : Kualitas mengajar dosen tahun 2009 paling rendah70% dari rata-rata nilai ideal. Dengan ( α) = 0. 2) Menentukan hipotesis statistik Ho : µo= 42 Ha : µo>42 3) Mencari thitung t hitung  x   0 58.05 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 –1.671 Didin Astriani Prasetyowati Page 75 . 2.14 n 61 4) Menentukan kriteria pengujian Taraf signifikansi ( α ) = 0.443  42   41.108 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.

000 Didin Astriani Prasetyowati Page 76 .05 dan derajat kebebasan (dk) = n –1 = 61 –1 = 60 sehingga diperoleh t-tabel = 2.443  42   41.671 < 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.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 3.14 n 61 4) Menentukan kriteria pengujian Taraf signifikansi ( α ) = 0. Dengan ( α) = 0. 2) Menentukan hipotesis statistik Ho : µo= 42 Ha : μo≠42 3) Mencari thitung t hitung  x   0 58. Penyelesaian point (c) uji dua pihak : 1) Menentukan hipotesis penelitian Ho : Kualitas mengajar dosen tahun 2009 sama dengan70% dari rata-rata nilai ideal. Ha : Kualitas mengajar dosen tahun 2009 tidak sama dengan 70% dari rata-rata nilai ideal.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 6) Membandingkan t-hitung dengan t-tabel Ternyata t-tabel < t-hitung atau 1.

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

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

Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Tabel 6. 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. Tingkat Pendidikan: 1= Sarjana. 2= Akademik Output SPSS One-Sample Statistics N Jam Kerja Karyawan Didin Astriani Prasetyowati 20 Mean 6.347 Page 81 . Deviation 1.90 Std. Error Mean .553 Std. 2= Perempuan.2.

dengan tingkat signifikasi (α) 5% dengan df (derajat kebebasan = n-1 = 20-1=19). ♦ Pengambilan Keputusan a. .Jika probabilitas > 0. Karena t-hitung berada di daerah penerimaan Ho.Ho ditolak : Jika thitung tidak berada diantara nilai – t-tabel dan + t-tabel.5). Syarat : .100 Mean Difference -. (2-tailed) .05 maka Ho diterima . Jadi bisa lebih besar atau lebih kecil.5).728 Dari tabel. maka jumlah jam kerja Ryan memang tidak berbeda bila dibandingkan dengan jam kerja rata-rata (=7.05 maka Ho ditolak Didin Astriani Prasetyowati Page 82 .13 Analisis : ♦ Hipotesis Ho : Jumlah jam kerja Ryan tidak berbeda dengan rata-rata jam kerja rekan-rekannya (µ Ryan ≠ 7.728 df 19 Sig. Berdasarkan nilai probabilitas Syarat : .Ho diterima : Jika thitung berada diantara nilai – t-tabel dan + t-tabel. b.Jika Probabilitas < 0.09.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) One-Sample Test Test Value = 7.33 .5 Jam Kerja Karyawan t -1.1. t-hitung dari output diatas = . 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. maka digunakan uji dua sisi.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 = 7.5). Diperoleh t-tabel = ± 2.

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

586 .704 -2.710 -2.825 16.416 -. Definisikan kategori dari grup. (2-tailed) Difference DifferenceLower Upper 18 .557 t -.421 -. setelah itu klik tombol OK untuk mendapatkan uji t sampel independent secara default. Error Difference df Sig. dimana ditampilkan probabilitas 2-ekor dari interval konvidensi 95%.64 7.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 3. 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 6.064 .359 assumed Equal variances not assumed Didin Astriani Prasetyowati Sig. Error Mean .547 Independent Samples Test Levene's Test for Equality of Variances F Jam Kerja Karyawan Equal variances . Deviation 1.641 Std. Kasus 6.833 t-test for Equality of Means 95% Confidence Interval of the Mean Std.3.22 Std.453 .088 .512 . .502 1.586 .892 -.916 Page 84 .

dan berdasarkan hasil analisis nomor a.Jika Probabilitas < 0. diambil suatu keputusan. Terlihat bahwa F-hitung dengan Equal Variance Assumed (diasumsikan kedua varian sama) adalah 0. diuji apakah varians populasi kedua sampel sama ataukah berbeda. Mengetahui apakah varians populasi identik atau tidak.98 maka Ho diterima. • Hipotesis Ho : Kedua varians populasi adalah identik (varians populasi jam kerja pada karyawan sarjana dan akademik adalah sama) H1 : Kedua varians populasi adalah tidak identik (varians populasi jam kerja pada karyawan sarjana dan akademik adalah berbeda) • Pengambilan keputusan a.Ho ditolak : Jika F-hitung tidak berada diantara nilai – F-tabel dan + F-tabel.05 maka Ho ditolak Karena probabilitas > 0. Analisis dengan memakai t-test untuk asumsi varians sama.05 maka Ho diterima . . Berdasarkan perbandingan F-hitung dengan F-tabel Syarat : .Ho diterima : Jika F-hitung berada diantara nilai – F-tabel dan + F-tabel.05 maka Ho diterima yang artinya kedua varians adalah identik.359 dan nilai F-tabel : 5. b. Dengan T Test. Berdasarkan nilai probabilitas Syarat : . Dengan Levene Test.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 .Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Analisis : Ada 2 tahapan analisis yaitu : a. b.

Prosedur Paired Sample T-Test Prosedur paired sampel t-test digunakan untuk menguji dua sampel yang berpasangan. Untuk menjalankan prosedur ini dari menu utama SPSS.833. Sedangkan t-tabel dapat dihitung pada tabel t dengan tingkat signifikansi (α) adalah 5% dan derajat kebebasan (df) adalah 19.Ho ditolak : Jika thitung tidak berada diantara nilai – t-tabel dan + t-tabel.. Didin Astriani Prasetyowati Page 86 . maka rata-rata populasi jam kerja pada karyawan sarjana dan akademik adalah sama. apakah mempunyai rata-rata yang secara nyata berbeda ataukah tidak. Atau tingkat pendidikan seorang karyawan ternyata tidak membuat jam kerja menjadi berbeda.Jika probabilitas > 0.Compare Mean. b.Jika probabilitas < 0.Paired-Samples T Test… Maka akan ditampilkan kotak dialog Paired Sample T-test.Ho diterima : Jika thitung berada diantara nilai – t-tabel dan + t-tabel..09.416. . Berdasarkan nilai probabilitas Syarat : ...05 maka Ho diterima . D.05 maka Ho diterima dengan kesimpulan yang sama dengan cara perbandingan t-hitung dengan t-tabel. Uji dilakukan dua sisi sehingga didapatkan ttabel sebesar 2. Pada output didapat nilai t-hitung sebesar -0. pilih menu Analyze. Karena t-hitung terletak pada daerah Ho diterima (-0. Berdasarkan perbandingan t-hitung dengan t-tabel Syarat : .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. Karena nilai probabilitas jauh di atas 0.833).05 maka Ho ditolak Pada output tampak nilai probabilitas adalah 0.

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

Error Mean 342.106 332.546 Page 88 .24 17 35. Deviation Std.88 17 33.234 8.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Tabel 6.423 8.3. 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.

05 maka H0 diterima Didin Astriani Prasetyowati Page 89 .Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Paired Samples Correlations N Pair 1 Produksi dengan mesin lama & Produksi dengan mesin baru Correlation 17 Sig.411 Analisis : • Hipotesis Ho : Kedua rata-rata adalah identik (rata-rata populasi produksi dengan mesin lama dan baru adalah sama).844.12 Karena t-hitung terletak diantara ± t-tabel maka H0 diterima yang artinya penggantian mesin produksi ternyata tidak mempengaruhi jumlah produksi barang. Error Mean 12. Berdasarkan perbandingan t-hitung dengan t-tabel Syarat : .647 dengan mesin baru 51. b.374 df Sig.576 95% Confidence Interval of the Difference Lower Upper t -16. .983 Std. Deviation Produksi dengan mesin lama .844 Paired Samples Test Paired Differences Mean Pair 1 Std. Berdasarkan Probabilitas Syarat : ♦ Jika probabilitas > 0.Ho ditolak : Jika t-hitung tidak berada diantara nilai – t-tabel dan + t-tabel. • Pengambilan Keputusan a.146 .Ho diterima : Jika t-hitung berada diantara nilai – t-tabel dan + t-tabel. maka didapatkan t-tabel = ± 2.608 37. H1 : Kedua rata-rata adalah tidak identik (rata-rata populasi produksi dengan mesin baru lebih besar dari prouksi dengan mesin lama). dengan tingkat signifikansi (α) 5 % dengan df (derajat kebebasan) = n-1 = 17 – 1= 16.Produksi 10. -. t-hitung dari output di atas = 0. Nilai t-tabel.080 . (2-tailed) 16 .

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

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

5. Tabel 6.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Tabel 6. 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 .5. 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. maka bentuk table harus dimodifikasi karena dalam one way ANOVA hanya ada dua variable yang dapat dimasukkan.4. Sehingga bentuk table akan berubah seperti Tabel 6.

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

857 Total 21322.736 18.71 140.42 96.687 F 3.005 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).98 121.819 7.933 42 ANOVA Jumlah Pemakaian Sum of Squares Between Groups 7307. Error 7.736 20.076 Std.71 127.143 Within Groups 14014.05 maka Ho diterima . .Jika probabilitas > 0.686 18. Deviation 20.000 df 6 42 48 Mean Square 1217.71 140.45 130.14 113.45 130.670 14. .98 126.51 153.98 126.Jika probabilitas < 0.011 95% Confidence Interval for Mean Lower Bound Upper Bound 117.650 Sig. Test Varians Populasi (Test of Homogenity of Variance) • Hipotesis Ho : Ketujuh varians populasi adalah identik H1 : Ketujuh varians populasi adalah tidak identik • Pengambilan Keputusan . yaitu apakah ketujuh sampel tersebut mempunyai varians yang sama.057 5.77 117.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Descriptives Jumlah Pemakaian N IM3 Mentari Simpati AS Flexi 3 Axis Total 7 7 7 7 7 7 7 49 Mean 136.686 18.05 maka Ho ditolak Didin Astriani Prasetyowati Page 94 .29 113.45 130.51 153.570 7.77 96.29 113.301 df1 df2 6 Sig.66 133. a.857 333.42 96.670 14.77 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 .15 155.71 Std.570 7.670 21.15 155.819 7.057 5.057 3.14 136.

933. b.005 < 0. Catatan : Jika varians berbeda analisis selanjutnya secara otomatis tidak dapat dilakukan. Berdasarkan Perbandingan F-hitung dengan F-tabel .05 maka Ho diterima atau ketujuh varians populasi adalah sama.05 maka Ho ditolak dengan kesimpulan sama dengan menggunakan perbandingan diatas.05.Jika Probabilitas > 0.05. Didin Astriani Prasetyowati Page 95 . Karena probabilitas > 0. 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. Berdasarkan Probabilitas .32 maka Ho ditolak.Jika Probabilitas < 0. karena asumsi tidak terpenuhi.Jika Fhitung > Ftabel maka Ho ditolak . maka Ho diterima .) = 0. sehingga salah satu asumsi Analisis Varianscterpenuhi.650 Ftabel dengan tingkat signifikan (α) 5 % dan derajat kebebasan (df) Numerator 6 dan denumerator 42 adalah 2. maka Ho ditolak Terlihat dari hasil output probabilitas (lihat sig.Jika Fhitung < Ftabel maka Ho diterima Didapatkan Fhitung pada output diatas adalah 6. dengan kesimpulan bahwa rata – rata ketujuh populasi berbeda atau rata – rata pemakaian dari ketujuh jenis sim card memang berbeda.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Terlihat probabilitas output Livene Test adalah 0. b.

maka analisis yang digunakan adalah Analisis Regresi (Regression Analysis). 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). artinya semakin besar nilai X maka semakin kecil nilai Y.  Nilai r berkisar antara -1 sampai +1. Pola hubungan yang memperlihatkan eratnya hubungan antara satu variabel dengan variabel yang lain disebut dengan hubungan korelasi. 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). Didin Astriani Prasetyowati Page 96 . Seorang peneliti ingin mengungkapkan hubungan antara variabel. dan sebaliknya nilai r – (negatif) menunjukan korelasi negatif. Korelasi Linier Sederhana (r) dan Koefisien Determinasi (R=r2)  Koefisien Korelasi (r) merupakan ukuran hubungan linier/derajat keeratan antara variabel bebas (X) dan variabel takbebas (Y). artinya semakin besar nilai X maka akan semakin besar nilai Y. jika sifatnya Confirmatory maka digunakan Lisrel (Linier structural relation) dan modelnya disebut Model Struktural (Structural Equation Model – SEM). Jika pola hubungan yang akan diungkapkan adalah untuk membuat dugaan.  Nilai r + (positif) menunjukan korelasi positif. Dalam analisis korelasi akan diperoleh nilai koefesien korelasi yang menyatakan ukuran keeratan hubungan antara satu variabel dengan variabel lain. B.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.

(juta Rupiah) dan Volume Penjualan. Rentang Koefisien Korelasi 0.0.21 .20 : Hubungan yang sangat kecil dan bisa diabaikan (sangat tidak erat) 0.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS)  Jika nilai r mendekati +1 atau -1.00 : 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. Didin Astriani Prasetyowati Page 97 .91 .90 : Hubungan yang erat 0.  Jika nilai r = +1 atau r = -1 maka X dan Y memiliki korelasi linier sempurna. C.71 .41 .  Jika nilai r = 0 maka X dan Y tidak memiliki relasi (hubungan) linier (dalam kasus r mendekati 0. n  n  n  n xi y i    xi   yi  i 1  i 1  i 1  Koefisien Korelasi → r  (7. X.Y.0.70 : Hubungan yang cukup erat 0.0.1. maka X dan Y memiliki korelasi linier yang tinggi.1. anda dapat melanjutkan analisis ke regresi eksponensial).40 : Hubungan yang kecil (tidak erat) 0.00 .2) Contoh 7.  Koefisien Determinasi (R) merupakan ukuran proporsi keragaman (variansi) total nilai variabel takbebas (Y) yang dapat dijelaskan oleh nilai variabel bebas (X) melalui hubungan linier. (juta Liter) PT BIMO perusahaan Minyak Goreng.0. Berikut adalah data Biaya Promosi.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.

Jawab :  Dengan menggunakan persamaan (7.2) 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. Didin Astriani Prasetyowati Page 98 .9716 Nilai R = 0. 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. Biaya Promosi Dan Volume Penjualan PT. Hal tersebut mengindikasikan bahwa kedua variabel memiliki hubungan yang sangat erat.9857)2 = 0.9857 Nilai r = 0.84 persen dijelaskan oleh hal-hal lain.  Dengan menggunakan persamaan (7.  Koefisien Korelasi Rank Spearman : rs Koefisien Korelasi Rank Spearman digunakan untuk penentuan koefisien korelasi pada variabel dengan skala minimal ordinal.9857 menunjukkan bahwa biaya promosi (variabel bebas X) dan volume penjualan (variabel takbebas Y) berkorelasi linier positif. sehingga obyek-obyek yang diteliti dapat di-ranking dalam rangkaian terurut.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. yaitu 2.1.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Tabel T.16 persen dan sisanya. semakin besar biaya promosi maka semakin besar volume penjualannnya.

2. yaitu 33.8181 12 3  12 Nilai r = 0.06 persen dijelaskan oleh hal-hal lain.3) n n Dengan : di = selisih ranking variabel X dan variable Y n = banyak data Contoh 7.6694 menunjukkan bahwa proporsi keragaman perjuangan status sosial dapat dijelaskan oleh keotoriteran sebesar 66.8181 menunjukkan bahwa keotoriteran dan perjuangan status sosial berkorelasi linier positif. Hal ini mengindikasikan bahwa kedua variabel memiliki hubungan yang sangat erat. 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.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) n 6 d i2 rs  1  i 1 3 (8.94 persen dan sisanya. Didin Astriani Prasetyowati Page 99 .6694 Nilai R = 0.2) diperoleh koefisien determinasi : R = r2 = (0.  Dengan menggunakan persamaan (5.8181)2 = 0.

Pada bagian Correlation Coefficients pilih Pearson. karena hipotesisnya menggunakan uji dua arah. sehingga diperoleh output pada window output. 7. Buka lembar kerja dan pastikan data sudah tersedia dengan kriteria yang sudah ditentukan. pilih menu Analyze. Dari menu utama SPSS. Sehingga muncul kotak dialog seperti pada Gambar berikut. Hasil output dari analisis korelasi pearson adalah. 5. 2. Sorot ke kanan Bivariate … kemudian klik pilihan tersebut. karena datanya dalam skala interval. 8. Jika datanya ordinal maka pilihannya adalah Spearman. Didin Astriani Prasetyowati Page 100 . Kemudian klik OK. kemudian pilih submenu Correlate. 3. 6.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 7.1): 1. Kemudian pilih variabel Promosi dan Penjualan sehingga masuk ke kotak Variables. 4. Bagian Test of Significance pilih Two-tailed (dua arah).

Hasil pengujian menunjukkan p-value (Sig.986** 1 .) sebesar 0.002.986** . Karena pvalue < 5%. (2-tailed) N Penjualan Pearson Correlation Sig. Analisis dan Interpretasi. (2-tailed) N . Correlation is significant at the 0. Dari hasil output di atas diperoleh nilai koefesien korelasi sebesar 0.01 level (2tailed).986.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Correlations Promosi Penjualan Promosi Pearson Correlation 1 Sig. maka dengan taraf nyata sebesar 5% dapat dinyatakan bahwa ada hubungan yang nyata antara Biaya Promosi dan Volume Penjualan. Didin Astriani Prasetyowati Page 101 .002 5 5 **.002 5 5 . 9.

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

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

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

 Untuk menganalisis data dan permasalahan di atas akan dilakukan dengan metode analisis regresi berganda. Seorang peneliti ingin melihat pengaruh kepemimpinan dan tingkat disiplin kerja terhadap kinerja pegawai. 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. 2.1. Setelah data dikonversi ke dalam skala interval diperoleh data seperti pada Tabel 8.1. 6. Kemudian pilih variabel bebas kepemimpinan dan disiplin kerja sehingga masuk ke kotak Independent(s). karena ada dua variabel bebas. Kemudian pilih variabel kinerja pegawai sebagai variabel terikat sehingga masuk ke kotak Dependent.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Kasus 8. Pada bagian lainnya diisi sesuai dengan kebutuhan yang ingin diungkapkan atau dikeluarkan. Survey telah dilakukan terhadap 36 responden sebagai sampel pada sebuah departeman di Palembang Sumatera Selatan. 4. Dari menu utama SPSS. Sorot ke kanan Linear … kemudian klik pilihan tersebut. 5. Buka lembar kerja dan pastikan data sudah tersedia dengan kriteria yang sudah ditentukan. 3. pilih menu Analyze. Didin Astriani Prasetyowati Page 105 . kemudian pilih submenu Regression.

3628 3.5800 3.5355 3.0782 2.0371 3.6057 2.6452 2.2967 2.9668 2.2606 2.6643 2.9583 2.8692 3.1304 3.0723 2.7572 2.0168 3.2322 1. Res.2002 3.0252 KINERJA PEGAWAI (Y) 3.4844 2.1304 1.6185 2.5347 1.5257 3.5409 2.0101 2.1291 2.3318 2.6185 3.2851 3.3839 2.8403 3.4164 3.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Tabel 8.9725 1.0348 2.2910 Page 106 .0460 2.8152 3.4606 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) 3.0513 3.2910 2.0162 2.5894 2.3978 2.9580 1.3542 2.6408 2.0253 2.3720 2.6185 2.7734 3.1476 2.9198 3.5347 1.4340 2.4066 2.2671 2.0692 3.6595 3.1245 3.9619 2.1046 2.9762 3.0460 2.8312 1.3280 2.1225 2.1471 2.9081 3.8497 3.8901 2.8735 3.6674 2.1.3434 3.6443 2.3050 2. Data Hasil Survey tentang Kinerja Pegawai No.3707 2.1145 2.3799 3.7521 2.2134 3.6341 3.3994 2.9999 3.4066 2.1169 3.5710 2.3290 2.6579 2.9472 3.0759 3.0252 2.2613 3.6357 2.2835 3.3150 3.8224 2.0348 2.2491 1.2050 3.5800 Didin Astriani Prasetyowati DISIPLIN KERJA (X2) 3.4965 2.0338 3.0360 2.2084 2.5702 2.0904 2.

Kepemimpinan b.000 .760a R Square .481213 N 36 36 36 Correlations Pearson Correlation Sig. Disiplin Kerja.000 .755381 Std.578 Adjusted R Square .402 .546883 2.000 .627 1. Disiplin Kerja.552 Std.898573 2.583 Sig. Dependent Variable: Kinerja Pegawai Model Summaryb Model 1 R .000 .627 . Kepemimp a inan Variables Removed Method . Deviation .000 36 36 36 Kinerja Pegawai Kepemimpinan Disiplin Kerja Kinerja Pegawai Kepemimpinan Disiplin Kerja Kinerja Pegawai Kepemimpinan Disiplin Kerja Kepemim pinan .721 . .000 .326134 a.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) OUTPUT SPSS Regression Descriptive Statistics Kinerja Pegawai Kepemimpinan Disiplin Kerja Mean 2. b. Kepemimpinan b. Error of the Estimate . Predictors: (Constant). Dependent Variable: Kinerja Pegawai Didin Astriani Prasetyowati Page 107 . Predictors: (Constant).000a a.000 .487384 . 36 36 36 Variables Entered/Removedb Model 1 Variables Entered Disiplin Kerja. (1-tailed) N Kinerja Pegawai 1.455659 .510 8.602 . .602 1.314 df 2 33 35 Mean Square 2.804 3. Dependent Variable: Kinerja Pegawai ANOVAb Model 1 Regression Residual Total Sum of Squares 4.106 F 22.000 36 36 36 Disiplin Kerja . All requested variables entered. .721 . Enter a.000 .

Dependent Variable: Kinerja Pegawai Residuals Statisticsa Predicted Value Residual Std.971 N 36 36 36 36 a.00 Observed Cum Prob 7.948 Maximum 3.713 Mean 2.00 . Deviation .782 .538 t .25 0.00 0.50 .303 .278 2.000 .000 Std.00 Expected Cum Prob . Residual Minimum 1.135224 .370483 .558727 1.378 .75 .802 Sig.635324 -1.546883 6. Dependent Variable: Kinerja Pegawai Charts Normal P-P Plot of Regression Standardized Residual Dependent Variable: Kinerja Pegawai 1.545 .316679 1.50 . Didin Astriani Prasetyowati Page 108 .143 (Constant) Kepemimpinan Disiplin Kerja Standardi zed Coefficien ts Beta .911306 -.151 .75 1.000 .040 . Predicted Value Std.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Coefficientsa Model 1 Unstandardized Coefficients B Std. Hasil analisis dan interpretasi akan dijelaskan pada Bab IX.324 .716 -1. Error .25 .001 a.91E-16 . .105 .139 3.588 1.

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

Didin Astriani Prasetyowati Page 110 . 3.1 di atas dengan menggunakan metode analisis regresi berganda. artinya tidak ada pengaruh kepemimpinan terhadap variabel kinerja pegawai. H0: 1=0. H1: 1 0. 6. Hipotesis yang akan di uji secara parsial adalah: a. Berikut adalah contoh penyajian hasil analisis dan pembahasan pada kasus 8. Buatlah format atau sesuaikan dengan tampilan yang dikehendaki serta beri penjelasan dari output tersebut. Hipotesis yang akan di uji secara simultan adalah: H0: 1. H0: 2=0.2=0. H1: Minimal ada satu   0. artinya tidak ada pengaruh variabel disiplin kerja terhadap kinerja pegawai. b. 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. 2. artinya ada pengaruh variabel kepemimpinan terhadap variabel kinerja pegawai. artinya ada pengaruh variabel kepemimpinan dan disiplin kerja terhadap kinerja pegawai.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 5. 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. artinya tidak ada pengaruh variabel kepemimpinan dan disiplin kerja terhadap tingkat kinerja pegawai. H1: 2 0. artinya ada pengaruh variabel disiplin kerja terhadap kinerja pegawai. Statistik uji yang akan digunakan adalah uji-F untuk pengujian secara simultan dan uji-t untuk pengujian secara parsial. 1.

jika F-hitung > F-tabel.314 df 2 33 35 Mean Square 2.510 8. Predictors: (Constant). Predictors: (Constant).578 Adjusted R Square .760a R Square . maka H0 ditolak.8%. Dependent Variable: Kinerja Pegawai Pada Tabel di atas (ANOVA).000a a. Karena p-value (sig. dengan tingkat kesalahan sebesar 5% dapat dinyatakan bahwa kepemimpinan dan disiplin kerja memiliki pengaruh nyata terhadap tingkat kinerja pegawai. Kepemimpinan Pada tabel di atas (Model Summary) diperoleh nilai R=0.552 Std. ada hubungan korelasi positif antara variabel kepemimpinan dan disiplin kerja dengan tingkat kinerja pegawai sebesar 76%. jika t-hitung > t-tabel. atau jika p-value< dari .402 . Artinya.106 F 22.583 Sig.326134 a. Kriteria ujinya.) < 5%. Disiplin Kerja. Didin Astriani Prasetyowati Page 111 . atau jika p-value< dari .804 3.578 menunjukkan bahwa besarnya kontribusi pengaruh variabel kepemimpinan (X1) dan disiplin kerja (X2) terhadap kinerja pegawai (Y) sebesar 57. Artinya.760. Nilai koefesien determinasi atau R2 (R Square)=0. Error of the Estimate . menunjukkan pengujian secara simultan untuk model regresi yang melibatkan variabel X1 dan X2 terhadap Y. Output Analisis Ragam (Analysis of Varians) ANOVAb Model 1 Regression Residual Total Sum of Squares 4. Disiplin Kerja.583 dengan p-value (sig. Kepemimpinan b. Output Nilai Koefesien Determinasi Analisis Regresi Berganda Model Summary Model 1 R .0001. tolak H0. dan tolak H0. Dari hasil pengujian diperoleh nilai F-hitung sebesar 22. .Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 4.)= 0.

139 atau p-value (Sig.040. Karena p-value < 5%. .324 X1 + 0.545 .578) 2. Dependent Variable: Kinerja Pegawai Pada tabel di atas (Coefficients) menunjukkan pengujian secara parsial dengan uji-t. maka H0 ditolak.278 2. Hasil pengujian untuk variabel disiplin kerja diperoleh koefesien atau nilai B=0. dengan tingkat kesalahan paling besar 5% dapat nyatakan bahwa disiplin kerja berpengaruh nyata terhadap tingkat kinerja pegawai. (R2=0.001 a.324.001.151 .545 X2 + . dengan tingkat kesalahan paling besar 5% dapat nyatakan bahwa kepemimpinan berpengaruh nyata terhadap tingkat kinerja pegawai. a.040 . dan nilai t-hitung = 3.143 t .802 atau p-value (Sig.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Output Nilai Koefesien Regresi Berganda Coefficientsa Model 1 (Constant) Kepemimpinan Disiplin Kerja Unstandardized Coefficients B Std. Kesimpulan: Dari hasil pengujian hipotesis yang telah dilakukan di atas dapat diperoleh kesimpulan dan intrepretasi sebagai berikut: 1.583.)=0. Artinya. Didin Astriani Prasetyowati Page 112 .545. Artinya. Artinya.782 . Error . Karena p-value < 5%.105 + 0.324 . maka H0 ditolak.105 . dan nilai t-hitung = 2. 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. Hasil pengujian untuk variabel kepemimpinan diperoleh koefesien atau nilai B=0.378 .139 3. b.)=0.802 Sig. Hasil uji secara simultan atau bersama-sama dengan tabel analisis ragam (ANOVA) diperoleh nilai p-value sebesar 0.000 atau F-hitung= 22.

Variabel Kepemimpinan. 7. 6.)= 0. dapat dinyatakan bahwa kepemimpinan (X1) dan disiplin kerja (X2) berpengaruh nyata terhadap kinerja pegawai (Y).001. Nilai koefesien determinasi (R2) sebesar 0. Karena nilai t-hitung = 2. artinya p-value<5%. Kesimpulannya adalah ada pengaruh yang nyata antara kepemimpinan terhadap kinerja pegawai.105. Nilai t-hitung= 3. jika variabel yang lain dianggap tetap. Kesimpulannya adalah ada pengaruh yang nyata antara disiplin kerja terhadap kinerja pegawai.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) dengan taraf nyata sebesar 5%. Hasil pengujian secara parsial (inidvidu) dengan uji-t dapat dijelaskan sebagai berikut: a.105. maka peningkatan satu tingkat disiplin kerja akan menaikan tingkat kinerja pegawai sebesar 0. 5.545. maka rata-rata tingkat kinerja pegawai sebesar 0. Pada variabel kepemimpinan diperoleh nilai 0.139 atau p-value (Sig. maka H0 ditolak.545. 3. maka tolak H0. b. Sedangkan sisanya (42. Variabel Disiplin kerja Kerja.324. yaitu kepemimpinan dan disiplin kerja terhadap variabel terikat. Artinya.2%) dipengaruhi oleh faktor lain.324. Pada variabel Disiplin kerja diperoleh nilai 0. Didin Astriani Prasetyowati Page 113 . artinya jika variabel yang lain dianggap tidak ada.578 atau 57. 4.8%.578 menunjukan bahwa kontribusi pengaruh kedua variabel bebas. Pada kofesien konstanta (constant) diperoleh nilai 0. Artinya. maka peningkatan satu tingkat kepemimpinan akan menaikan tingkat kinerja pegawai sebesar 0.802 atau p-value (Sig.)=0. artinya p-value < 5%. jika variabel yang lain dianggap tetap.040. yaitu kinerja pegawai sebesar 0.