Analisis Statistik Teori Dan Aplikasi Menggunakan Spss 11 (1)

ANALISIS STATISTIK

(TEORI DAN APLIKASI MENGGUNAKAN SPSS)

OLEH:
DIDIN ASTRIANI PRASETYOWATI, M.Stat

FAKULTAS ILMU KOMPUTER
UNIVERSITAS INDO GLOBAL MANDIRI
PALEMBANG
2016

Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS)

BAB I
KONSEP DASAR STATISTIKA

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

Dua macam analisis mungkin memiliki kegunaan yang sama tapi

membutuhkan tipe data yang berbeda.

Didin Astriani Prasetyowati

Page 1

Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS)

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


 DATA menghasilkan INFORMASI

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

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

pengumpulan,

pengolahan,

penyajian

dan

penganalisisan

data

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

Didin Astriani Prasetyowati

Page 2

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

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

01 .Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Secara implisit.05 atau 0. Mensiagakan peneliti kepada kondisi fakta dan hubungan antar fakta. atau 0. 0. Konsep penting mengenai hipotesis adalah hipo-Ho adalah hipotesis yang menyatakan tidak adanya saling hubungan antara 2 variabel atau lebih. Memberikan batasan serta memperkecil jangkauan penelitian dan kerja penelitian. kegunaan hipotesa adalah sebagai berikut: a. 10. dan sebagainya. sedangkan untuk bidang yang berisiko tinggi akibat penarikan Didin Astriani Prasetyowati Page 5 . yang kadangkala hilang begitu saja dari perhatian peneliti. Hipotesis lain yang bukan hipotesis nol disebut hipotesis alternatif. Signifikan Dan Tingkat Kepercayaan Besarnya taraf signifikan biasanya sudah ditentukan sebelumnya. uji statistik biasanya mempunyai sasaran untuk menolak kebenaran hipotesis nol itu. 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. atau menyatakan adanya perbedaan dalam hal tertentu pada kelompok-kelompok yang berbeda. 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. b.005. d. c. Menurut Moh. Sebagai alat yang sederhana dalam memfokuskan fakta yang tercerai-berai tanpa koordinasi ke dalam suatu kesatuan penting dan menyeluruh.01. Sebagai panduan dalam pengujian serta penyesuaian dengan fakta dan antar fakta.001. hipotesis menyatakan prediksi. 0.15. atau hipotesis yang menyatakan tidak adanya perbedaan antara kelompok yang satu dan lainnya. Hipotesis alternatif (HA) menyatakan adanya salinghubungan antara dua variable atau lebih. 0. Misalnya. Didalam analisis statistik. Untuk penelitian pendidikan.05. biasanya digunakan taraf 0. Nazir (1988). yaitu 0.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

teknik penyajian ini dimaksudkan untuk memperindah tampilan dari suatu laporan penelitian. Penyajian Data Data yang telah dikumpulkan. Hal tersebut diperlukan teknik penyajian data. MODAL DAN TENAGA KERJA PERUSAHAAN X PERIODE TAHUN 2001-2005 Penjualan Tahun (Milyar Rp) 2001 928.803 2004 796. yaitu secara umum dalam bentuk tabel dan grafik. Tabel Kontigensi (b x k) Digunakan untuk data yang terdiri atas 2 faktor atau 2 variabel. Di samping itu. Penyajian dalam bentuk tabel. variabel yang satu terdiri dari b kategori dan yang lainnya terdiri atas k kategori.115 711. Didin Astriani Prasetyowati Page 28 . Ada berbagai bentuk penyajian data yang dapat digunakan.562 Catatan : Data Rekaan Modal (Milyar Rp) 781. Teknik-teknik ini diperlukan untuk memberikan gambaran umum informasi yang terkandung data.395 2002 275.005 2005 565. disusun. disajikan dalam bentuk yang jelas dan baik untuk memudahkan seseorang memahami data. baik yang berasal dari populasi ataupun dari sampel. memiliki beberapa jenis : 1.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) BAB IV EKSPLORASI DATA A.337 742. Tabel Baris Kolom Contoh : Tabel 4.683 Tenaga Kerja (orang) 1170 1147 794 734 752 2.979 2003 300.155 823.1 (Daftar Baris Kolom) DATA HASIL PENJUALAN.886 690. untuk keperluan laporan dan/atau analisis selanjutnya perlu diatur.

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

dll. A PERIODE TAHUN 2004 – 2008 JUMLAH BARANG (UNIT) 160 150 140 125 120 100 100 80 80 60 50 40 20 0 2004 2005 2006 2007 2008 TAHUN Page 30 . Dalam diagram garis.5 Gambar 4. Diagram Titik atau Pencar Digunakan untuk menggambarkan kumpulan data kuantitatif yang terdiri dari 2 variabel.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. misalnya : hasil produksi perusahaan tiap tahun. Beberapa contoh jenis grafik : Tabel 4. sumbu datar menyatakan waktu dan sumbu tegak menyatakan nilai data tiap waktu. 4.2 (Diagram Garis) JUMLAH PERMINTAAN BARANG PT.4 JUMLAH MAHASISWA POLTEK PG BERDASARKAN JURUSAN JURUSAN JUMLAH MAHASISWA AKE 500 MIF 400 TIK 350 ARS 200 MPRS 300 Tabel 4. jumlah penduduk tiap tahun. A PERIODE TAHUN 2004 – 2008 TAHUN JUMLAH BARANG 2004 50 2005 100 2006 80 2007 125 2008 150 Didin Astriani Prasetyowati GRAFIK PERMINTAAN BARANG PT. 3.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Digunakan untuk menggambarkan keadaan yang berkesinambungan/kontinu. Diagram Lingkaran dan Diagram Pastel Digunakan untuk menggambarkan kategori data yang terlebih dahulu diubah ke dalam nilai derajat. yang dibuat dalam sistem sumbu koordinat dan gambarnya berupa kumpulan titik-titik yang terpencar.

7 HASIL PEMUNGUTAN SUARA 50 100 150 PENDAPATAN (JUTA RP) Gambar 4. Dapat mengetahui distribusi data. sehingga distribusi frekuensi adalah suatu pengelompokkan data berdasarkan pada kemiripan ciri. 3. 10 A. Dapat melihat jarak antara nilai terkecil dan terbesar dari kumpulan data tersebut.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 4.6 Gambar 4. 25 C. Didin Astriani Prasetyowati Page 31 . Pembuatan tabel distribusi frekuensi dapat dimulai dengan menyusun data mentah ke dalam urutan yang sistematis (dari nilai terkecil ke nilai yang lebih besar atau sebaliknya) atau lebih sering disebut data terurut. Untuk mendapatkan distribusi frekuensi. kumpulan array data dikumpulkan ke dalam sejumlah kelas (kelompok) yang relatif sedikit. 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. diantaranya 1. 20 3600 B.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Tabel 4. 2.4 (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. 45 B. Keuntungan dari pengurutan data mentah ke dalam urutan data yang sistematis.

69. nilai 60 disebut ujung bawah kelas kedua.5 .89.5 .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. - Urutan kelas interval 50 – 59 disebut kelas interval pertama. 70..5 84. 60. - Dalam daftar distribusi frekuensi.5 64...5 94.  Ujung Kelas Interval - Nilai-nilai di kiri kelas interval (50.5 74.dst disebut kelas interval. sepersepuluh jika data dicatat hingga satu desimal.5 -99.59.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 1. data dibuat menjadi beberapa kelompok dalam interval-interval tertentu. - Nilai-nilai di kanan kelas interval (59. - Nilai 59 disebut ujung atas kelas pertama. - Nilai 50 disebut ujung bawah kelas pertama. 60 – 69 disebut kelas interval kedua..5 69.79. 90 disebut ujung bawah kelas kelima/terakhir.  Panjang Kelas Interval (p) Didin Astriani Prasetyowati Page 32 ...69.5 89..5 59.5 79. 89 dan 99) disebut ujung atas kelas (UAK). ... Istilah-istilah Dalam Distribusi Frekuensi Tabel 4. Urutan kelas interval disusun mulai dari data terkecil sampai dengan data terbesar atau sebaliknya. nilai 69 disebut ujung atas kelas kedua. 90 – 99 disebut kelas interval kelima/terakhir. 60 – 69.5 54.. nilai 99 disebut ujung kelas kelima/terakhir.5 . - Perbedaan antara ujung bawah kelas dengan ujung atas kelas sebelumnya adalah satu jika data dicatat hingga satuan. 80 dan 90) disebut ujung bawah kelas (UBK).5 Berdasarkan tabel 4.. dst. 79.8 dapat dilihat bahwa :  Kelas Interval - Nilai Ujian 50 – 59..5 . seperseratus jika data dicatat hingga dua desimal..

89.5 . Titik Tengah Kelas  Didin Astriani Prasetyowati 50  59  54.5 disebut titik tengah kelas - Titik tengah kelas/tanda kelas adalah suatu nilai yang diambil sebagai wakil dari kelas itu..dst. 59....  Titik Tengah Kelas (m) - Nilai 54.. 69.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Selisih positif antara tiap dua ujung bawah kelas berurutan disebut panjang kelas interval. 05. Jika data dicatat hingga satuan batas bawah kelas = ujung bawah kelas – 0.5 ..5. Nilainya juga bergantung pada ketelitian data yang digunakan..5 .  Batas Kelas Interval - Nilai 49... - Nilai batas bawah kelas berikutnya sama dengan nilai batas atas kelas sebelumnya.  Frekuensi (f) - Bilangan yang menunjukkan banyaknya data yang terdapat dalam setiap kelas interval disebut frekuensi..dst 2 Page 33 .5 disebut batas bawah kelas (BBK)..5 . 05... - Nilai 59. 64. Jika data dicatat hingga satu desimal batas bawah kelas = ujung bawah kelas – 0. - Nilai f = 8.. Jika data dicatat hingga satu desimal batas atas kelas = ujung atas kelas + 0..5 ... artinya jumlah mahasiswa yang nilai ujian statistiknya antara 50 – 59 ada 8 orang.. Jumlah seluruh frekuensi sama dengan jumlah seluruh data (N). 99...5 disebut batas atas kelas(BAK). Dari tabel diperoleh panjang kelas interval = 60 – 50 = 70 – 60 =..5.5 . 94. yakni rata-rata setiap kelas interval . Jika data dicatat hingga satuan batas atas kelas = ujung atas kelas + 0.= 90 – 80 =10. Nilainya bergantung pada ketelitian data yang digunakan.5 ..dst.. UBK  UAK BBK  BAK  2 2 - Titik Tengah Kelas  - Untuk kelas interval pertama.

7. 2. Tabel 4. Tentukan banyak kelas interval yang diperlukan. Demikian seterusnya.10 Distribusi Frekuensi Kelas Interval Didin Astriani Prasetyowati Frekuensi Page 34 . 6. Pada umumnya. yaitu : Banyak Kelas = 1 + 3.3 log n . akan tetapi selisihnya harus kurang dari panjang kelas interval yang telah didapat. dipilih sesuai keperluan. dan banyak data. banyak kelas interval dapat dihitung dengan menggunakan aturan Sturges. dengan n menyatakan banyak data 4.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 2. Rentang = Data Terbesar – Data Terkecil 3. Nilai f dihitung dengan menggunakan tabel penolong sebagai berikut. Buat Tabel Distribusi Frekuensi Tabel 4. banyak kelas interval ini antara 5 sampai 15 kelas. Tentukan panjang kelas interval (p). Langkah-langkah Membuat Daftar Distribusi Frekuensi Berikut adalah langkah-langkah untuk membuat Daftar Distribusi Frekuensi : 1. p rentang banyak kelas 5. Selanjutnya kelas interval pertama dihitung dengan cara menjumlahkan ujung bawah kelas dengan p dikurangi 1. yaitu nilai data terbesar dikurangi nilai data terkecil. data terbesar. Biasanya diambil data terkecil atau data yang lebih kecil dari data terkecil. Tentukan ujung bawah kelas interval pertama.9 Tabel Penolong Kelas Interval Tabulasi Frekuensi 8. Tentukan nilai dari data terkecil. Namun yang ideal. Tentukan Rentang/Range.

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 ujung bawah kelas interval pertama.881 ≈ 5 (selalu bulatkan ke atas) 4.3 log N = 1 + 3. Tentukan panjang kelas interval (p). Buat Tabel Penolong Tabel 4. Rentang = DB – DK = 83 – 50 = 33 3.3 log 15 = 4. p rentang 33   6 . Tentukan rentang. yaitu nilai data terbesar dikurangi nilai data terkecil. data terbesar. Selanjutnya kelas interval pertama dihitung dengan cara menjumlahkan ujung bawah kelas dengan p dikurangi 1. Tentukan nilai dari data terkecil. Kelas Interval = UBK + P – 1 = 50 + 7 -1 = 56 7. Tentukan banyak kelas interval yang diperlukan. UBK Pertama = 50 6. dan banyak data. Dengan menggunakan aturan Sturges : Banyak kelas = 1 + 3. 6  7 ( selalu dibulatkan keatas ) banyak kelas 5 5. Data terkecil (DK) = 50 Data terbesar (DB) = 83 Banyak data (N) = 15 2.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Contoh 4.11 Tabel Penolong Kelas ke1 2 3 4 Kelas Interval 50 – 56 57 – 63 64 – 70 71 – 77 Didin Astriani Prasetyowati Tabulasi I II IIII IIIII I Frekuensi 1 2 4 6 Page 35 .

Didin Astriani Prasetyowati Page 36 . Contoh 4.2 (Berdasarkan Contoh 4.  Histogram Histogram adalah penyajian data distribusi frekuensi yang diubah menjadi diagram batang. Sehingga Daftar Distribusi Frekuensinya adalah Tabel 4. namun sisi-sisi batang yang berdekatan harus berimpitan.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 8. Dua bentuk penyajian grafik dari seperangkat data yang disajikan dalam daftar distribusi frekuensi adalah Histogram dan Poligon Frekuensi. Titik tengah kelas diperoleh dengan membagi dua jumlah antara batas bawah dan batas atas kelas. Jawab : Untuk menggambarkan histogram dan poligon maka diperlukan batas-batas kelas dan titik tengah kelas.1) Gambarkan histogram dan poligon dari data pengeluaran per hari (ribu rupiah) untuk 15 keluarga.12 Distribusi Frekuensi Pengeluaran Per Hari (Ribu Rupiah) Untuk 15 Keluarga Pengeluaran 50 – 56 57 – 63 64 – 70 71 – 77 Frekuensi 1 2 4 6 C. Untuk menggambarkan histogram digunakan sumbu mendatar yang menyatakan batas-batas kelas interval dan sumbu tegak menyatakan frekuensi absolut atau frekuensi relatif.  Poligon Frekuensi Polygon frekuensi adalah diagram garis dari suatu distribusi frekuensi. Penyajian Distribusi Frekuensi Dengan Grafik Pola data yang disajikan dalam diagram/grafik dapat lebih mudah ditangkap maknanya dibandingkan dengan memperhatikan tabel frekuensi. Polygon frekuensi diperoleh dengan menghubungkan titik-titik yang merupakan pasangan koordinat titik tengah dan frekuensi setiap kelas.

5 - Titik Tengah Kelas (50+56)/2=53 60 67 74 81 - Gambar 4. Systat. dan lain-lain). Input (Memasukkan) Data Poses dalam input data pada program SPSS dapat dilakukan dengan berbagai cara.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 49.5 – 56.5 63. yaitu: a.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Tabel 4. Langkahlangkahnya adalah seperti pada Gambar berikut: Didin Astriani Prasetyowati Page 37 . Memanggil data dari program lain.5 77.5 56.5 – 77. dBase.5 Histogram dan Poligon Pengeluaran Per Hari (Ribu Rupiah) Untuk 15 Keluarga EKPLORASI DATA MENGGUNAKAN SPSS 1. Lotus.5 –70.5 – 63.5 – 84. jika data sudah tersimpan dalam program lain seperti (excel.5 70. minitab.

dalam hal ini ada 4 variabel.00 67. Menamai variabel yang diperlukan. Buka lembar kerja baru 2. maka akan dilakukan input nama variabel sebanyak 4 kali.00 68. variabel ketiga adalah GENDER dan variabel keempat PENDIDIKAN.I Misalkan kita punya data sebagai berikut: Nama Ahmad Budi Cindy Danny Early Fanny Gerhana Iwan Jovanka Katherine Berat badan 75. misalkan variabel pertama adalah NAMA.00 50.80 45. Untuk setiap variabel terdiri dari beberapa kolom sebagai berikut: a.00 62. Letakkan Didin Astriani Prasetyowati Page 38 .80 65.50 70. Langkah-langkahnya adalah: 1. 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. sorot menu New. klik sub menu Data) 2.50 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. kemudian menamai variabel yang diperlukan dan karakteristik variabel tersebut. Buka lembar kerja baru (klik menu utama File. variabel kedua adalah BERAT BADAN. Memasukkan data langsung dalam windows (sel) SPSS pada Data Editor. KASUS 4. Menampilkan tampilan VARIABLE VIEW untuk mempersiap-kan pemasukan nama dan properti variabel.50 45.00 45. Name merupakan tempat menuliskan nama variabel.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) b. 4. Setelah terlihat tampilan SPSS DATA EDITOR.

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

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

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

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

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

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

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

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

dan 12.3.3. modus diperoleh dengan jalan menentukan frekuensi terbesar di antara serangkaian data. maka median merupakan data yang paling tengah. Median  Median merupakan ukuran letak untuk variabel dengan skala ukur sekurangkurangnya ordinal. 14. dua modus (bimodal) atau lebih dari dua (multimodal).5. 14. 5.1. artinya 50% dari data nilainya paling tinggi 7 dan 50% lagi nilainya paling rendah 7. 4.  Median menentukan posisi tengah data setelah data diurutkan dari kecil ke besar. 14.5 ? Jawab : modus =4 ☺ Modus dari data tersebut adalah 4 c. 19. Serangkaian data mungkin memiliki satu modus (unimodal). 8. 7.5. 16.4 Diberikan data 12. Berapa mediannya? Jawab : Data diurutkan menjadi 7. 9. Jawab : Data diurutkan menjadi : 2. - jika banyak data genap. Contoh 5. 9. 9. 19 Median = (12+14)/2 = 13 Didin Astriani Prasetyowati Page 47 . 12 Median = 6 Contoh 5.3.3 Tentukan median dari data berikut 2.2 Berapa modus dari data berikut : 2.9. setelah data disusun menurut nilainya dari kecil ke besar. 5.9. setelah data disusun menurut nilainya dari kecil ke besar.  Median Untuk data tunggal ditentukan sebagai berikut : - jika banyak data ganjil. 8. 6.  Median dapat berlaku sebagai rata-rata untuk variabel dengan tingkat pengukuran ordinal.5.6. 14. 4.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) sebagai pengganti rata-rata. 12. 16. maka median merupakan rata-rata hitung dua data tengah. 6. 9. Contoh 5. Sedangkan untuk data kuantitatif.  Misalkan jika nilai median sama dengan 7.6. 8. 8.

900 b.0 382.2) Contoh 5.5 82. yakni kelas interval dengan frekuensi terbesar. Didin Astriani Prasetyowati Page 48 . d2 = frekuensi kelas modus dikurangi frekuensi kelas interval sesudahnya.3) Mo = Modus LMo = batas bawah kelas modus. Rata-rata Hitung (Mean) x  f  m n f = frekuensi kelas interval m = titik tengah kelas interval n = banyak data/jumlah frekuensi dengan : (5.1 Perhitungan rata-rata hitung Pengeluaran (ribu Rp) 50 – 55 56 – 61 62 – 67 68 – 73 74 – 79 80 – 85 Jumlah Jawab : x Frekuensi (f) 1 5 6 10 5 3 30 Titik Tengah Kelas (m) (50+55)/2 = 52.0 705. p = panjang kelas modus d1 = frekuensi kelas modus dikurangi frekuensi kelas interval sebelumnya.9 n ☺ Rata-rata hitung pengeluaran per hari untuk 30 keluarga tersebut adalah Rp 68.5 70.5 247.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 2.5 292.5 = 52.5 64. Modus Untuk data yang dikelompokkan modus didefinisikan sebagai :  d  Mo  LMo  p 1   d1  d2  dengan : (5.5 Hitunglah rata-rata hitung untuk data pengeluaran per hari (ribu rupiah) untuk 30 keluarga dalam daftar distribusi frekuensi di bawah ini? Tabel 5.5 76.5 58.5 2067  f  m = 2067/30 = 68. Ukuran Pemusatan Untuk Data Berkelompok Ringkasan data dalam suatu daftar distribusi frekuensi dinamakan data yang dikelompokkan. a.5 - fxm 1 x 52.5 387.

5 = 49.5 55.2 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 – 0.5 p=6 d1 = 10-6=4 d2 = 10-5=5  d1    67.5 61.17 Mo  LMo  p  d1  d2  ☺ Pengeluaran per hari 30 keluarga tersebut mempunyai modus sebesar Rp 70.170 c. yakni kelas dimana median akan terletak.4 LMo = 67.5 67. hitunglah mediannya ! Didin Astriani Prasetyowati Page 49 .5+6(4/(4+5))=70.5 79.7 Untuk data pengeluaran per hari 30 keluarga. hitunglah modusnya ! Tabel 5.5 - Kelas modus = kelas ke. yaitu pada jumlah frekuensi 1 n . 2 p = panjang kelas median.6 Untuk data pengeluaran per hari 30 keluarga. n = banyak data/jumlah frekuensi F = jumlah frekuensi sebelum kelas median (frekuensi kumulatif) fMe = frekuensi kelas median Contoh 5.4) median data kelompok batas bawah kelas median.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 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 73. Koefisien Variasi. Simpangan Rata-rata SR  dengan :  xx  xx n (5. Ukuran penyebaran yang sering digunakan antara lain: Simpangan Rata-rata. Ukuran Penyebaran Data Ukuran penyebaran merupakan suatu ukuran yang memberikan gambaran seberapa besar data menyebar dalam kumpulannya.5 67.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Tabel 5.. Ukuran Penyebaran Untuk Data Tunggal a.3 Me  LMe  p 2  f Me      ☺ Artinya ada 50% keluarga dengan pengeluaran per hari paling tinggi Rp 69. jumlah frekuensi n = 30 . Varian. 9 ? Didin Astriani Prasetyowati Page 50 .8 Berapa simpangan rata-rata dari data berikut : 2. sehingga n/2 = 15 .5 p=6 fMe = 10 F = 12 (jumlah frekuensi sebelum kelas median) 1   nF    67.5 - Frek. Kelas median = kelas ke.5 55. Dengan kata lain seberapa jauh data-data menyebar dari titik pemusatannya. 1.4 LMe = 67.5+6((15-12)/10)=69.5) = jumlah harga mutlak data dikurangi rata-rata hitung n = banyak data Contoh 5. 5.300.5 61.3 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. 6. 8. B.5 79. Kum (F) 1 6 12 22 27 30 - Jawab : Pada tabel di atas. Simpangan Baku.300 dan 50% lagi dengan pengeluaran per hari paling rendah Rp 69.

738 ☺ Varians untuk data tersebut adalah 7. Sedangkan simpangan bakunya adalah 2.8 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 . 5. dan tinggi badan dalam cm). KV  s  100 % x (5. hitunglah varians dan simpangan bakunya ! Jawab : Dari contoh 5. 6.9 Diberikan data 2.5 . apabila satuan pengukuran dari variabel-variabel yang diukur berbeda satu sama lain (misalnya berat badan dalam kg. 9. Koefisien Variasi Koefisien variasi digunakan untuk membandingkan variasi data. Varians Dan Simpangan Baku  x  x   2 Varians → s Simpangan Baku 2 (5.738.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.7) Contoh 5.6) n 1 → s s2 (5. c.8) dengan : s = simpangan baku x = rata-rata hitung Didin Astriani Prasetyowati Page 51 . 8.5 4 s 2  2 .

).97%. 95  100 %  15 .  25  312  5 1 98  4. Didin Astriani Prasetyowati Page 52 .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. 67  100 %  35 .97%<35.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Contoh 5. 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  .  1351222 5 1  7628  43.10 Data berikut menunjukan umur dan pendapatan 5 orang karyawan di sebuah perusahaan X : Tabel 5.8%.8 % x 122 ☺ Koefisien variasi pendapatan karyawan adalah 35.. Maka umur karyawan lebih seragam daripada pendapatan karyawan.67 4 Koefisien variasi → KV  s x100 %  43 .8%.97 % x 31 ☺ Koefisien variasi umur karyawan adalah 15.95 4  Koefisien variasi → KV  s x100 %  4 . ☺ Ternyata KV umur lebih kecil daripada KV pendapatan (15..  Pendapatan Karyawan Rata-rata → x  x n  75  90  123  187  135 610   122 5 5 Simpangan Baku →s   x  x  n 1 2  75 1222  90 1222  .

5-68.8 189.6 - 1X16.5 70.4=16. Varians dan Simpangan Baku Varians → Simpangan Baku s → s 2   f  m  x   n 1 s2 2  (5.4 52 26. hitunglah simpangan rata-ratanya ! Tabel 5.9) n titik tengah kelas f = frekuensi tiap kelas interval x = rata-rata hitung n = banyak data/jumlah frekuensi Contoh 5.5 - mx f  mx I 52.9 SR    f  m  x  =189.5 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 52.11 Untuk data pengeluaran per hari 30 keluarga (yang telah dikelompokan).Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 2.9 I = 16.6 Catatan : berdasarkan perhitungan pada contoh 5.12 Hitunglah Varians dan Standar Deviasi untuk pengeluaran per hari 30 keluarga yang telah dikelompokan ! Didin Astriani Prasetyowati Page 53 .5 76.5 diperoleh x  68.4 10.5 82.6 7.4 16 38 40. Simpangan Rata-rata SR  dengan : m =  f  m  x  (5.11) Contoh 5.5 64.5 58.10) (5.6/30 = 6.4 4. Ukuran Penyebaran Untuk Data Berkelompok a.6 13.4 1.32 n ☺ Simpangan rata-rata pengeluaran per hari 30 keluarga adalah Rp 6320 b.

4 19.13 Untuk contoh soal pengeluaran per hari 30 keluarga.6 184.76 288.41% x ☺ Koefisien variasi untuk data pengeluaran per hari 30 keluarga adalah 11.41% d.9 Varians → s 2   f  m  x   n 1 Standar Deviasi → s  s2  2   1795.868.16 68 – 73 10 70.900 dan standar deviasinya adalah Rp 7.14 Budi memperoleh nilai 83 pada UAS Statistik.868 ☺ Varians pengeluaran per hari 30 keluarga adalah Rp 61.88 30 1795.96=268.9) x 100%=11.60 74 – 79 5 76.9=-16.6 2.96 56 – 61 5 58.2  61..96 1X268.4 268.6 57. Sedangkan pada UAS Kalkulus Didin Astriani Prasetyowati Page 54 . besarnya koefisien variasinya adalah.5 diperoleh x  68.80 80 – 85 3 82.4 108.80 62 – 67 6 64.16 540.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Tabel 5.5 -4.5 -10. ? Jawab : KV  s  100 %  (7.20 Jumlah Jawab : Catatan : berdasarkan perhitungan pada contoh 5.. Nilai Baku (Skor z) z xx s (5.5-68.9 29 61.6 Perhitungan Varians & Simpangan Baku 2 m x f m Pengeluaran m x2 f m  x (ribu Rp) 50 – 55 1 52.5 7.868/68. Koefisien Variasi Contoh 5.12) Contoh 5. dimana rata-rata kelas dan simpangan bakunya masing-masing 75 dan 12. c.96 554....5 1.36 116.56 25.5 13.5 52.9  7 .

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

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

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

10. Output SPSS Frequencies Statistics BERAT N Valid MasaKerja 10 10 0 0 Mean 59.  Suppress tables with more then … categories.60 Std.58941 4.687 -1.7500 13. The smallest value is shown Didin Astriani Prasetyowati Page 58 . maka klik Compare variables. Error of Mean 3. Error of Kurtosis 1.  Multiple Varables atau variabel multipel. 9.314 19.334 1.00 25 595.253 2. jika semua pengisian dan format yang diinginkan sudah selesai.014 .400 Median 63. maka muncul window output dan diperoleh output deskriptif sebagai berikut.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS)  Order by atau output data akan disusun seperti apa.00 Missing Mode 45. Kemudian klik continue untuk melanjutkan analisis. Error of Skewness Kurtosis Sum Percentiles a. Tekan OK.00 75 68. Jika ingin membandingkan antar variabel.66489 1.00 17 Minimum 45.5000 14.427 134. jika data disusun dari kecil ke besar maka pilih Ascending values. Untuk bagian ini abaikan karena data bukan kategorik.00 8 Maximum 75. Deviation Variance Skewness Std.851 5. Multiple modes exist.5100 13.00 a 13 11. Setelah proses SPSS dijalankan.911 Std.687 .334 Range 30.10 136 25 45.7500 13.7250 12.600 -.25 50 63.00 Std.

50 45.0 90.0 10.0 10.0 10.00 75.0 10.0 30.0 10.00 65.0 10.0 60.0 10.0 40.0 10.0 10.0 10.0 MasaKerja Frequency Valid Percent Valid Percent Cumulative Percent 8 1 10.0 50.0 90.50 62.0 10.0 100.0 10.0 10 13 14 25 Total 1 5 2 1 10.0 100.80 50.0 Histogram Didin Astriani Prasetyowati Page 59 .0 10.0 100.0 10.0 20.0 80.80 68.0 10.0 10.0 10 100.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Frequency Table BERAT Frequency Valid Percent Valid Percent Cumulative Percent 45.0 10.0 10.00 70.0 50.0 10.0 10.0 70.0 50.0 10.0 20.0 45.0 20.00 Total 1 1 1 1 1 1 1 1 1 10.00 1 10.0 10.0 10.50 67.0 100.0 70.0 20.0 10 100.0 10.

 Pada output bagian pertama (Statistics)  N menunjukkan jumlah data (valid dan missing).  Range menunjukkan selisih antara data maksimum dengan minimum yaitu 17 cm. karena nilai tersebut tidak berada pada interval –2 sampai 2. Pada hasil tersebut diperoleh data valid (sah untuk diproses) sebanyak 10. Didin Astriani Prasetyowati Page 60 . yaitu: Variabel Masa Kerja. maka distribusi sampel data Masa Kerja tidak berdistribusi normal. sedangkan data yang hilang (missing) adalah nol.  Median menunjukkan nilai tengah data setelah diurutkan adalah 13 tahun.  Mode menunjukkan nilai yang paling sering muncul.911 dan Std.334) adalah 4.  Skewness sebesar 2.427 cm dan Variance merupakan kelipatan dari Std.431. Error of Mean menunjukkan kesalahan baku untuk rata-rata sebesar 1. karena nilai tersebut tidak berada pada interval –2 sampai 2.014 dan Std. Deviation menunjukkan simpangan bakunya sebesar 4. Nilai maksimum 25 cm dan nilai minimumnya 8 cm. Dengan melihat ratio skewness (2. maka distribusi sampel data Masa Kerja tidak berdistribusi normal.931.  Kurtosis sebesar 5. Error of Skewness sebesar 0.6 cm.687 digunakan untuk melihat pola sebaran data. Deviation.014/0.4 tahun.911/1.687) adalah –2. Disini akan dijelaskan untuk satu variabel saja.334 digunakan untuk melihat pola sebaran data. yaitu 13 tahun. yaitu 19.6 tahun dan Std. sedangkan yang lain mengikuti.  Std. Error of Kurtosis sebesar 1.  Mean menunjukkan rata-rata Masa Kerja adalah 13.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Analisis dan Interpretasi. Dengan melihat ratio skewness (5.  Sum menunjukkan jumlah data untuk variabel tinggi padi sebesar 136.

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

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

00 Maximum 29. d. sehingga muncul output pada windows output seperti di bawah. Menu Crosstab Menu ini berfungsi untuk menyajikan deskripsi data dalam bentuk tabel silang (crosstab). Untuk variabel Masa Kerja (tahun) ada 40 data yang valid. dengan nilai minimum 1 tahun. Nilai-nilai z ini menunjukkan tingkat simpangan data terhadap data normal (menunjukkan adanya pencilan data). Pada data editor terdapat variabel tambahan. yaitu yang terdiri atas baris dan kolom. Selain itu. rata-rata 11. nilai maksimum 29 tahun.95 tahun dan Simpangan bakunya 5. c.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS)  Distribution menunjukkan pengujian data sampel apakah mengikuti distribusi normal atau tidak. Kemudian tekan continue. 5.  Display Order menunjukkan tampilan yang diinginkan. Deviation 5. lalu tekan OK.615 tahun. Pada menu ini tidak akan dibahas lebih banyak. yaitu nilai z untuk variabel Masa Kerja.9500 Std.00 Mean 11. 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.61568 Analisis dan Interpretasi Pada output Description Statistics dapat diinter-pretasikan seperti pada menu Frequency di atas. menu ini juga Didin Astriani Prasetyowati Page 63 . karena pada menu Crosstab semuanya sudah bisa dijelaskan.

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

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

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

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

0% 8.0% 28.439 .0% 10 100.443 1 .5% 55.0% 3 30.0% 0 Total N .0% Chi-Square Tests Value 5.910 25 a.6% 4 40.0% 100.6% 7 28. 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 .1% 50.0% 100.0% 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 38.0% 100.0% Jumlah Anak * Pendidikan Crosstabulation Pendidikan Jumlah Anak 0 tamat SD 3 23.0% 33.0% 100.0% 40.0% 6 6 Asymp.0% 3 12.0% 9 36. (2-sided) .0% 6 24.3% tamat Akademik/PT 3 23.0% Percent 25 100.6% 2 100.24.0% 2 100.0%) have expected count less than 5.0% 50.7% 1 10. Sig.4% 66.4% tamat SMU 2 15.9% 2 20.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% 100.1% 42.823 Pearson Chi-Square Likelihood Ratio Linear-by-Linear Association N of Valid Cases df .0% 52.340 Total 13 100.0% 44.0% 28.0% 25 100.862a 5. 12 cells (100. The minimum expected count is .

Sig. Sedangkan jika dibandingkan dengan responden yang berpendidikan tamat SD ada 42. klik Save As… Didin Astriani Prasetyowati Page 69 .439. menunjukkan grafik parsial antara jumlah anak dengan tingkat pendidikan.  Pada bagian keempat (Bar chart).  Kesimpulan. Jika dilihat terhadap responden yang tidak memiliki anak ada 23. maka H0 diterima.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Hasil Analisis dan Interpretasi  Pada bagian pertama (Case Processing Summary). tidak ada hubungan antara jumlah anak dengan tingkat pendidikan seseorang.  Pada bagian ketiga (Chi-Square Test).05 (5%). jika p-value < taraf nyata (). Menyimpan hasil Output. Misalkan untuk sel pertama tertulis 3. 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.  Hipotesis yang akan diuji pada kasus ini adalah: H0: Tidak ada hubungan antara jumlah anak dengan pendidikan seseorang. Artinya. menunjukkan pengujian hipotesis dengan uji Chi-square (Chi-kuadrat). karena p-value sebesar 0. menunjukkan tabel silang yang memuat hubungan diantara kedua variabel. artinya responden yang tidak memiliki anak dan berpendidikan tamat SD ada 3 orang.) sebesar 0.  Kriteria ujinya adalah tolak H0.862 dengan p-value (Asymp.9%. menunjuk-kan banyaknya data (N) yang valid sebanyak 25 responden (100%) sedangkan data yang hilang (missing) tidak ada (0%). yaitu:  Dari menu utama File.  Pada bagian kedua (Jumlah Anak*Pendidikan Crosstabulation). Untuk menyimpan hasil output SPSS dapat dilakukan dengan cara yang sama seperti yang dilakukan di atas.1%.439 > dari 0.

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

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

Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Z hitung : harga yang dihitung dan menunjukkan nilai standar deviasi pada distribusi normal (tabel Z).  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). 6) Membandingkan t hitung dengan t tabel 7) Menarik kesimpulan Didin Astriani Prasetyowati Page 72 . pihak kanan atau uji dua pihak . x : rata-rata nilai yang diperoleh dari hasil pengumpulan data.05) dan dk = n –1. 5) Mencari ttabel dengan cara tentukan α (0. µo : rata-rata nilai yang dihipotesiskan SD : standar deviasi sampel yang telah diketahui n : jumlah sampel penelitian Langkah-langkah Uji-T : 1) Menentukan hipotesis penelitian 2) Menentukan hipotesis statistic 3) Mencari t hitung 4) Menentukan kriteria pengujian dan tentukan juga posisi pengujian pihak kiri .01 atau 0. x : rata-rata nilai yang diperoleh dari hasil pengumpulan data.

Dengan pernyataan tersebut. Kemudian disebar kepada 61 dosen untuk mengisi angket yang isinya mengenai kualitas mengajar pada tahun 2009. 3 = baik. ditindaklanjuti atau dibuktikan oleh Balitbang Dikti dengan suatu penelitian di berbagai kota di wilayah kopertis x. Adapun taraf signifkansi α= 0. Jumlah pertanyaan angket penelitian 15 item dengan instrumen diberi skala nilai : 4 = sangat baik. c) Kualitas mengajar dosen tahun 2009 tidak sama dengan 70% dari rata-rata nilai ideal.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Contoh 6. 2 = cukup baikdan 1 = kurang baik. Nilai ideal= 15 x 4 x 61= 3660 Rata-rata nilai ideal= 3660 : 61 = 60 70% dari rata-rata nilai ideal= 70% x 60 = 42 (µo) = 42 Menentukan standar deviasi dan rata-rata hitung dengan rumus :  X   2 SD  X 2 n n 1 3565 61  3. 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.05. 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).14 61  1 208939   Didin Astriani Prasetyowati Page 73 .

2) Menentukan hipotesis statistik Ho : µo= 42 Ha : µo< 42 3) Mencari t hitung 4) Menentukan kriteria pengujian Taraf signifikansi ( α ) = 0. Dengan (α) = 0.05 Derajat kebebasan (dk) = n – 1 = 61 – 1 = 60 Kriteria pengujian pihak kiri : Jika t tabel ≤ t hitung maka Ho diterima dan Ha ditolak 5) Mencari t tabel dengan cara tentukan αdan dk = n –1.14 dan rata-rata hitung = 58.443 1.05 dan derajat kebebasan (dk) = n –1 = 61 –1 = 60 sehingga diperoleh t tabel = 1.671 6) Membandingkan t-hitung dengan t-tabel Ternyata t tabel < t hitung atau 1.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) X  X n  3565  58.443 61 Diperoleh : SD = 3. Penyelesaian point (a) uji pihak kiri : 1) Menentukan hipotesis penelitian Ho: Kualitas mengajar dosen tahun 2009 sama dengan 70% dari rata-rata nilai ideal.671 < 41 maka Ho diterima dan Ha ditolak Didin Astriani Prasetyowati Page 74 . Ha: Kualitas mengajar dosen tahun 2009 paling tinggi 70% dari rata-rata nilai ideal.

Dengan ( α) = 0.05 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. 2) Menentukan hipotesis statistik Ho : µo= 42 Ha : µo>42 3) Mencari thitung t hitung  x   0 58.108 SD 3. Ha : Kualitas mengajar dosen tahun 2009 paling rendah70% dari rata-rata nilai ideal.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.05 dan derajat kebebasan (dk) = n –1 = 61 –1 = 60 sehingga diperoleh t-tabel= 1.443  42   41. Penyelesaian point (b) uji pihak kanan : 1) Menentukan hipotesis penelitian Ho : Kualitas mengajar dosen tahun 2009 sama dengan70% dari rata-rata nilai ideal.671 Didin Astriani Prasetyowati Page 75 .14 n 61 4) Menentukan kriteria pengujian Taraf signifikansi ( α ) = 0. 2.

Penyelesaian point (c) uji dua pihak : 1) Menentukan hipotesis penelitian Ho : Kualitas mengajar dosen tahun 2009 sama dengan70% dari rata-rata nilai ideal.443  42   41. 2) Menentukan hipotesis statistik Ho : µo= 42 Ha : μo≠42 3) Mencari thitung t hitung  x   0 58.05 dan derajat kebebasan (dk) = n –1 = 61 –1 = 60 sehingga diperoleh t-tabel = 2.671 < 41 maka Ho ditolak dan Ha diterima 7) Menarik kesimpulan Karena Ha diterima maka kesimpulan yang diperoleh adalah kualitas mengajar dosen tahun 2009 paling rendah 70% dari rata-rata nilai ideal.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 6) Membandingkan t-hitung dengan t-tabel Ternyata t-tabel < t-hitung atau 1.14 n 61 4) Menentukan kriteria pengujian Taraf signifikansi ( α ) = 0. Dengan ( α) = 0.108 SD 3. Ha : Kualitas mengajar dosen tahun 2009 tidak sama dengan 70% dari rata-rata nilai ideal.000 Didin Astriani Prasetyowati Page 76 .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.

Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS)

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

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

Didin Astriani Prasetyowati

Page 77

Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS)

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

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

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

Didin Astriani Prasetyowati

Page 78

Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS)

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

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

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

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

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

OUTPUT SPSS
Case Processing Summary
Cases
Excluded
N
Percent

Included
N
Percent
Penjualan Roti
Rasa Durian *
Tingkat Pendidikan

12

100.0%

0

.0%

Total
N

Percent
12

100.0%

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

Didin Astriani Prasetyowati

Mean
346.50
382.83
364.67

N
6
6
12

Std. Deviation
50.254
36.074
45.820

Page 79

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

Tingkat Pendidikan: 1= Sarjana. 2= Akademik Output SPSS One-Sample Statistics N Jam Kerja Karyawan Didin Astriani Prasetyowati 20 Mean 6.2. Error Mean . Deviation 1.553 Std.90 Std. 2= Perempuan.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.347 Page 81 .

33 .100 Mean Difference -. Berdasarkan perbandingan t-hitung dengan t-tabel Uji dilakukan dua sisi karena akan diketahui apakah jumlah jam kerja Ryan sama dengan rata-rata jam kerja rekan-rekannya selama ini atau tidak.13 Analisis : ♦ Hipotesis Ho : Jumlah jam kerja Ryan tidak berbeda dengan rata-rata jam kerja rekan-rekannya (µ Ryan ≠ 7.600 95% Confidence Interval of the Difference Lower Upper -1.Jika Probabilitas < 0. Berdasarkan nilai probabilitas Syarat : . Diperoleh t-tabel = ± 2.Ho diterima : Jika thitung berada diantara nilai – t-tabel dan + t-tabel.5).728 Dari tabel.5). Hi : Jumlah jam kerja Ryan berbeda dengan rata-rata jam kerja rekan-rekannya (µ Ryan = 7. dengan tingkat signifikasi (α) 5% dengan df (derajat kebebasan = n-1 = 20-1=19). b. .5 Jam Kerja Karyawan t -1.1. t-hitung dari output diatas = .09. ♦ Pengambilan Keputusan a. (2-tailed) .05 maka Ho ditolak Didin Astriani Prasetyowati Page 82 . Jadi bisa lebih besar atau lebih kecil.05 maka Ho diterima .Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) One-Sample Test Test Value = 7.5). Karena t-hitung berada di daerah penerimaan Ho. maka digunakan uji dua sisi. Syarat : . maka jumlah jam kerja Ryan memang tidak berbeda bila dibandingkan dengan jam kerja rata-rata (=7.Jika probabilitas > 0.728 df 19 Sig.Ho ditolak : Jika thitung tidak berada diantara nilai – t-tabel dan + t-tabel.

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

547 Independent Samples Test Levene's Test for Equality of Variances F Jam Kerja Karyawan Equal variances .704 -2.833 t-test for Equality of Means 95% Confidence Interval of the Mean Std. Manajer ingin mengetahui apakah ada perbedaan jam kerja berdasarkan tingkat pendidikan karyawannya? (data pada sub bab one sample t-test) Penyelesaian : Dengan mengikuti langkah-langkah diatas maka akan anda dapatkan output sebagai berikut: Output SPSS Group Statistics Jam Kerja Karyawan Tingkat Pendidikan Karyawan Sarjana Akademik N 11 9 Mean 6.586 . dimana ditampilkan probabilitas 2-ekor dari interval konvidensi 95%. Kasus 6.088 .Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 3. Error Mean .3.453 .710 -2.586 .359 assumed Equal variances not assumed Didin Astriani Prasetyowati Sig. . Deviation 1. setelah itu klik tombol OK untuk mendapatkan uji t sampel independent secara default. Error Difference df Sig.421 -. Definisikan kategori dari grup.512 .892 -.641 Std.416 -. (2-tailed) Difference DifferenceLower Upper 18 .64 7.22 Std.502 1.064 .825 16.916 Page 84 .557 t -.

Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Analisis : Ada 2 tahapan analisis yaitu : a.05 maka Ho ditolak Karena probabilitas > 0. Berdasarkan nilai probabilitas Syarat : . Dengan T Test.Jika probabilitas > 0. dan berdasarkan hasil analisis nomor a. • 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 .05 maka Ho diterima . b. b. diambil suatu keputusan. Mengetahui apakah varians populasi identik atau tidak.Jika Probabilitas < 0.Ho diterima : Jika F-hitung berada diantara nilai – F-tabel dan + F-tabel.98 maka Ho diterima. Berdasarkan perbandingan F-hitung dengan F-tabel Syarat : . Dengan Levene Test. diuji apakah varians populasi kedua sampel sama ataukah berbeda.Ho ditolak : Jika F-hitung tidak berada diantara nilai – F-tabel dan + F-tabel. Terlihat bahwa F-hitung dengan Equal Variance Assumed (diasumsikan kedua varian sama) adalah 0. Analisis dengan memakai t-test untuk asumsi varians sama. .359 dan nilai F-tabel : 5.05 maka Ho diterima yang artinya kedua varians adalah identik. • 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.

Compare Mean.. Atau tingkat pendidikan seorang karyawan ternyata tidak membuat jam kerja menjadi berbeda. Sedangkan t-tabel dapat dihitung pada tabel t dengan tingkat signifikansi (α) adalah 5% dan derajat kebebasan (df) adalah 19. Prosedur Paired Sample T-Test Prosedur paired sampel t-test digunakan untuk menguji dua sampel yang berpasangan.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.Jika probabilitas > 0.Ho diterima : Jika thitung berada diantara nilai – t-tabel dan + t-tabel. Didin Astriani Prasetyowati Page 86 .416. b... apakah mempunyai rata-rata yang secara nyata berbeda ataukah tidak. Karena t-hitung terletak pada daerah Ho diterima (-0.Ho ditolak : Jika thitung tidak berada diantara nilai – t-tabel dan + t-tabel.Paired-Samples T Test… Maka akan ditampilkan kotak dialog Paired Sample T-test. pilih menu Analyze.05 maka Ho diterima dengan kesimpulan yang sama dengan cara perbandingan t-hitung dengan t-tabel. . D. Pada output didapat nilai t-hitung sebesar -0.05 maka Ho diterima . Karena nilai probabilitas jauh di atas 0.. Berdasarkan perbandingan t-hitung dengan t-tabel Syarat : . Berdasarkan nilai probabilitas Syarat : .833. maka rata-rata populasi jam kerja pada karyawan sarjana dan akademik adalah sama.Jika probabilitas < 0.05 maka Ho ditolak Pada output tampak nilai probabilitas adalah 0. Uji dilakukan dua sisi sehingga didapatkan ttabel sebesar 2.09. Untuk menjalankan prosedur ini dari menu utama SPSS.833).

sehingga akan ditampilkan sebagai variabel kedua pada kotak Current Selections. sebagai pasangannya. sehingga akan ditampilkan sebagai variabel pertama pada kotak Current Selections. 3.4.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 1. Kasus 6. Untuk memindahkan pasangan lakukan langkah berikut : a. Dilakukan pengamatan dengan data sebagai berikut: Didin Astriani Prasetyowati Page 87 . Ulangi langkah-langkah diatas. Klik variabel lain. Klik OK untuk mendapatkan uji default dari pasangan sampel dengan probabilitas 2 ekor dan interval konfidensi 95% untuk perbedaan rata-rata. 2. Pindahkan satu atau beberapa pasang variabel sekaligus kekotak Paired Variabel. Sebuah perusahaan ingin mengetahui apakah dengan penggantian mesin dapat meningkatkan jumlah produksi barang. b. Klik salah satu variabel. Untuk membuat pasangan variabel lagi.

3.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Tabel 6. Error Mean 342.546 Page 88 . Deviation Std.423 8.24 17 35. Barang Produksi dg mesin lama Produksi dg mesin baru Barang 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 Produksi dengan mesin lama 356 365 312 321 332 364 351 389 397 374 368 298 296 301 374 310 321 Produksi dengan mesin baru 298 299 305 368 345 375 301 299 300 369 398 301 325 346 293 355 371 Dari data tersebut ingin diketahui apakah pengubahan mesin dapat meningkatkan produksi barang ? Penyelesaian : Dengan mengikuti langkah-langkah di atas akan Anda dapatkan Output sebagai berikut : Output SPSS Paired Samples Statistics Mean Pair 1 Produksi dengan mesin lama Produksi dengan mesin baru Didin Astriani Prasetyowati N Std.234 8.88 17 33.106 332.

maka didapatkan t-tabel = ± 2. Berdasarkan Probabilitas Syarat : ♦ Jika probabilitas > 0.608 37. .576 95% Confidence Interval of the Difference Lower Upper t -16. Error Mean 12.844 Paired Samples Test Paired Differences Mean Pair 1 Std. Deviation Produksi dengan mesin lama . Nilai t-tabel.983 Std.05 maka H0 diterima Didin Astriani Prasetyowati Page 89 .Ho ditolak : Jika t-hitung tidak berada diantara nilai – t-tabel dan + t-tabel. • Pengambilan Keputusan a.080 .Produksi 10.Ho diterima : Jika t-hitung berada diantara nilai – t-tabel dan + t-tabel.647 dengan mesin baru 51.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).146 .12 Karena t-hitung terletak diantara ± t-tabel maka H0 diterima yang artinya penggantian mesin produksi ternyata tidak mempengaruhi jumlah produksi barang. (2-tailed) 16 . -. dengan tingkat signifikansi (α) 5 % dengan df (derajat kebebasan) = n-1 = 17 – 1= 16.844. Berdasarkan perbandingan t-hitung dengan t-tabel Syarat : . b.374 df Sig. t-hitung dari output di atas = 0. H1 : Kedua rata-rata adalah tidak identik (rata-rata populasi produksi dengan mesin baru lebih besar dari prouksi dengan mesin lama).

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

jumlah kuadrat dan rata-rata jumlah kuadrat untuk antar dan dalam grup (within groups).Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 1. 2.5. Pindahkan sebuah variabel numerik ke kotak Dependent List. Simpati. 4. Pindahkan sebuah variabel faktor (independen) ke kotak Factor. Klik OK untuk mendapatkan hasil default dari tabel analisis varians satu jalur yang berisi rasio F. Flexi. AS. Variabel yang cocok sebagai variabel faktor adalah yang berbentuk kategori. Kasus 6. dan Axis pada beberapa daerah. probabilitas F. Tabel analisis varians akan dibuat untuk setiap variabel numerik yang anda pindahkan ke kotak ini. Mentari. 3. Pilih Options untuk mendapatkan deskripsi variabel. 3. 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 .

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. Tabel 6.5. maka bentuk table harus dimodifikasi karena dalam one way ANOVA hanya ada dua variable yang dapat dimasukkan. Sehingga bentuk table akan berubah seperti Tabel 6.4.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.

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

42 96.143 Within Groups 14014.42 96.51 153.057 5.98 121.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 136.819 7.51 153.736 20. yaitu apakah ketujuh sampel tersebut mempunyai varians yang sama.77 Minimum 102 96 125 102 96 125 96 96 Maximum 165 145 164 165 145 164 145 165 Test of Homogeneity of Variances Jumlah Pemakaian Levene Statistic .687 F 3.670 14.011 95% Confidence Interval for Mean Lower Bound Upper Bound 117.71 140. Deviation 20. Error 7. Test Varians Populasi (Test of Homogenity of Variance) • Hipotesis Ho : Ketujuh varians populasi adalah identik H1 : Ketujuh varians populasi adalah tidak identik • Pengambilan Keputusan . .686 18.670 14.77 117.857 Total 21322.98 126.057 3.Jika probabilitas > 0.670 21.45 130.45 130.29 113.71 127.570 7.45 130.076 Std.15 155.05 maka Ho diterima . .301 df1 df2 6 Sig.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).686 18.66 133.933 42 ANOVA Jumlah Pemakaian Sum of Squares Between Groups 7307.29 113.98 126.05 maka Ho ditolak Didin Astriani Prasetyowati Page 94 .570 7.736 18.819 7.15 155.057 5.77 96.14 113.Jika probabilitas < 0.857 333. a.71 Std.14 136.650 Sig.71 140.000 df 6 42 48 Mean Square 1217.

Didin Astriani Prasetyowati Page 95 .Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Terlihat probabilitas output Livene Test adalah 0.005 < 0.05. maka Ho ditolak Terlihat dari hasil output probabilitas (lihat sig. Analisis Varians • Hipotesis Ho : Ketujuh rata-rata populasi adalah identik H1 : Ketujuh rata-rata populasi adalah tidak identik (sekurang-kurangnya satu rata-rata tidak sama) • Pengambilan Keputusan a.05 maka Ho diterima atau ketujuh varians populasi adalah sama. Karena probabilitas > 0.Jika Probabilitas < 0.) = 0. maka Ho diterima .Jika Fhitung > Ftabel maka Ho ditolak .32 maka Ho ditolak.05 maka Ho ditolak dengan kesimpulan sama dengan menggunakan perbandingan diatas. karena asumsi tidak terpenuhi. dengan kesimpulan bahwa rata – rata ketujuh populasi berbeda atau rata – rata pemakaian dari ketujuh jenis sim card memang berbeda.05.650 Ftabel dengan tingkat signifikan (α) 5 % dan derajat kebebasan (df) Numerator 6 dan denumerator 42 adalah 2.Jika Probabilitas > 0. Berdasarkan Probabilitas . b. b. sehingga salah satu asumsi Analisis Varianscterpenuhi.Jika Fhitung < Ftabel maka Ho diterima Didapatkan Fhitung pada output diatas adalah 6.933. Berdasarkan Perbandingan F-hitung dengan F-tabel . Catatan : Jika varians berbeda analisis selanjutnya secara otomatis tidak dapat dilakukan.

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

Rentang Koefisien Korelasi 0.  Jika nilai r = +1 atau r = -1 maka X dan Y memiliki korelasi linier sempurna. maka X dan Y memiliki korelasi linier yang tinggi.Y.2) Contoh 7.1)  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. X. Berikut adalah data Biaya Promosi.0.0. anda dapat melanjutkan analisis ke regresi eksponensial).40 : Hubungan yang kecil (tidak erat) 0.70 : Hubungan yang cukup erat 0. n  n  n  n xi y i    xi   yi  i 1  i 1  i 1  Koefisien Korelasi → r  (7.41 .71 .Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS)  Jika nilai r mendekati +1 atau -1.91 .00 .0. Didin Astriani Prasetyowati Page 97 .  Jika nilai r = 0 maka X dan Y tidak memiliki relasi (hubungan) linier (dalam kasus r mendekati 0. (juta Rupiah) dan Volume Penjualan.  Koefisien Determinasi (R) merupakan ukuran proporsi keragaman (variansi) total nilai variabel takbebas (Y) yang dapat dijelaskan oleh nilai variabel bebas (X) melalui hubungan linier.90 : Hubungan yang erat 0.0. (juta Liter) PT BIMO perusahaan Minyak Goreng.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.21 .20 : Hubungan yang sangat kecil dan bisa diabaikan (sangat tidak erat) 0. C.1.

9716 Nilai R = 0.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Tabel T.16 persen dan sisanya.  Koefisien Korelasi Rank Spearman : rs Koefisien Korelasi Rank Spearman digunakan untuk penentuan koefisien korelasi pada variabel dengan skala minimal ordinal.9857)2 = 0. Didin Astriani Prasetyowati Page 98 .2) diperoleh koefisien determinasi : R = r2 = (0. sehingga obyek-obyek yang diteliti dapat di-ranking dalam rangkaian terurut.9857 menunjukkan bahwa biaya promosi (variabel bebas X) dan volume penjualan (variabel takbebas Y) berkorelasi linier positif.1.1) 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. Hal tersebut mengindikasikan bahwa kedua variabel memiliki hubungan yang sangat erat. Biaya Promosi Dan Volume Penjualan PT.9857 Nilai r = 0.9716 menunjukkan bahwa keragaman nilai volume penjualan (variabel takbebas Y) dapat dijelaskan oleh nilai biaya promosi (variabel bebas X) sebesar 97.  Dengan menggunakan persamaan (7. semakin besar biaya promosi maka semakin besar volume penjualannnya. Jawab :  Dengan menggunakan persamaan (7. yaitu 2. 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.84 persen dijelaskan oleh hal-hal lain.

2) diperoleh koefisien determinasi : R = r2 = (0. yaitu 33.6694 Nilai R = 0.8181)2 = 0. Didin Astriani Prasetyowati Page 99 .  Dengan menggunakan persamaan (5.3) n n Dengan : di = selisih ranking variabel X dan variable Y n = banyak data Contoh 7.2.6694 menunjukkan bahwa proporsi keragaman perjuangan status sosial dapat dijelaskan oleh keotoriteran sebesar 66.8181 12 3  12 Nilai r = 0.94 persen dan sisanya.06 persen dijelaskan oleh hal-hal lain.8181 menunjukkan bahwa keotoriteran dan perjuangan status sosial berkorelasi linier positif.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) n 6 d i2 rs  1  i 1 3 (8. 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. Hal ini mengindikasikan bahwa kedua variabel memiliki hubungan yang sangat erat.

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

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

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

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

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

kemudian pilih submenu Regression. 3.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Kasus 8. 4. Buka lembar kerja dan pastikan data sudah tersedia dengan kriteria yang sudah ditentukan. Dari menu utama SPSS. Seorang peneliti ingin melihat pengaruh kepemimpinan dan tingkat disiplin kerja terhadap kinerja pegawai. Pada bagian lainnya diisi sesuai dengan kebutuhan yang ingin diungkapkan atau dikeluarkan. 5.1. 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. Didin Astriani Prasetyowati Page 105 . 2. Survey telah dilakukan terhadap 36 responden sebagai sampel pada sebuah departeman di Palembang Sumatera Selatan. karena ada dua variabel bebas.  Untuk menganalisis data dan permasalahan di atas akan dilakukan dengan metode analisis regresi berganda.1. pilih menu Analyze. Sorot ke kanan Linear … kemudian klik pilihan tersebut. Kemudian pilih variabel bebas kepemimpinan dan disiplin kerja sehingga masuk ke kotak Independent(s). 6. Setelah data dikonversi ke dalam skala interval diperoleh data seperti pada Tabel 8. Kemudian pilih variabel kinerja pegawai sebagai variabel terikat sehingga masuk ke kotak Dependent.

5347 1.2084 2.7521 2.0360 2.9198 3.9762 3.1291 2.3978 2.0162 2.0692 3.3542 2.4340 2. Res.0371 3.2491 1.6595 3.0460 2.3799 3.7734 3.2910 2.2613 3.3050 2.9668 2.8224 2.9472 3.2002 3.0168 3.6674 2.3839 2.6185 2.9725 1.2322 1.0253 2.8312 1.5800 Didin Astriani Prasetyowati DISIPLIN KERJA (X2) 3.5800 3.3280 2.1476 2.0460 2.5409 2.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Tabel 8.2910 Page 106 .4066 2.1245 3.6185 2.1304 1. Data Hasil Survey tentang Kinerja Pegawai No.3707 2.9583 2.8152 3.0759 3.1225 2.4066 2.2851 3.6408 2.8735 3.1471 2.4844 2.3628 3.5710 2.4164 3.9580 1.6579 2.1046 2.8403 3.2671 2.1.3994 2.4965 2.0513 3.3290 2.4606 3.5702 2.6357 2.6057 2.0348 2.6452 2.6443 2.3150 3.8497 3.7572 2.0338 3.2606 2.3434 3.0723 2.2835 3.6643 2.3720 2.2967 2.5894 2.0348 2.1145 2.9619 2.2050 3.9999 3.0252 2.0101 2.6341 3.3318 2.8901 2.0904 2.1169 3.6185 3.2134 3.5257 3.5355 3.0252 KINERJA PEGAWAI (Y) 3.5347 1.1304 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) 3.0782 2.9081 3.8692 3.

Dependent Variable: Kinerja Pegawai Didin Astriani Prasetyowati Page 107 . .000 .000 .000a a.326134 a. All requested variables entered.602 1. . Predictors: (Constant).627 .721 . Kepemimpinan b.000 36 36 36 Kinerja Pegawai Kepemimpinan Disiplin Kerja Kinerja Pegawai Kepemimpinan Disiplin Kerja Kinerja Pegawai Kepemimpinan Disiplin Kerja Kepemim pinan . Predictors: (Constant).487384 .510 8. Kepemimp a inan Variables Removed Method .402 .583 Sig.000 .000 . Deviation .481213 N 36 36 36 Correlations Pearson Correlation Sig. Error of the Estimate .000 36 36 36 Disiplin Kerja .000 . b.804 3.602 . Dependent Variable: Kinerja Pegawai ANOVAb Model 1 Regression Residual Total Sum of Squares 4.000 .000 . Disiplin Kerja.455659 .314 df 2 33 35 Mean Square 2. Dependent Variable: Kinerja Pegawai Model Summaryb Model 1 R . Kepemimpinan b.755381 Std. (1-tailed) N Kinerja Pegawai 1.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) OUTPUT SPSS Regression Descriptive Statistics Kinerja Pegawai Kepemimpinan Disiplin Kerja Mean 2.898573 2. Enter a.106 F 22.546883 2.627 1. 36 36 36 Variables Entered/Removedb Model 1 Variables Entered Disiplin Kerja. Disiplin Kerja.552 Std.578 Adjusted R Square . .760a R Square .721 .

716 -1. Dependent Variable: Kinerja Pegawai Residuals Statisticsa Predicted Value Residual Std.001 a. Deviation .538 t .324 .303 .546883 6.782 . Error .00 0. Dependent Variable: Kinerja Pegawai Charts Normal P-P Plot of Regression Standardized Residual Dependent Variable: Kinerja Pegawai 1.545 .25 0.00 Observed Cum Prob 7. Predicted Value Std. .143 (Constant) Kepemimpinan Disiplin Kerja Standardi zed Coefficien ts Beta .378 .105 .50 .316679 1.75 1. Hasil analisis dan interpretasi akan dijelaskan pada Bab IX.000 Std.558727 1.91E-16 .588 1.000 .00 .278 2.802 Sig.370483 .50 .25 .135224 .713 Mean 2.040 .Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Coefficientsa Model 1 Unstandardized Coefficients B Std.000 .00 Expected Cum Prob .151 .139 3. Didin Astriani Prasetyowati Page 108 .948 Maximum 3.971 N 36 36 36 36 a. Residual Minimum 1.635324 -1.911306 -.75 .

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

H0: 2=0. 6. b. H0: 1=0. artinya tidak ada pengaruh variabel disiplin kerja terhadap kinerja pegawai. Hipotesis yang akan di uji secara simultan adalah: H0: 1. artinya ada pengaruh variabel disiplin kerja terhadap kinerja pegawai. artinya ada pengaruh variabel kepemimpinan terhadap variabel kinerja pegawai. Didin Astriani Prasetyowati Page 110 . 2. 3. 1. Pengujian secara simultan dilakukan untuk melihat pengaruh kedua variabel bebas secara bersamasama terhadap variabel terikat dan secara parsial untuk melihat pengaruh masingmasing variabel bebas terhadap variabel terikat dengan hipotesis sebagai berikut. Berikut adalah contoh penyajian hasil analisis dan pembahasan pada kasus 8. H1: 2 0. artinya tidak ada pengaruh kepemimpinan terhadap variabel kinerja pegawai. Buatlah format atau sesuaikan dengan tampilan yang dikehendaki serta beri penjelasan dari output tersebut. Statistik uji yang akan digunakan adalah uji-F untuk pengujian secara simultan dan uji-t untuk pengujian secara parsial. H1: Minimal ada satu   0. artinya tidak ada pengaruh variabel kepemimpinan dan disiplin kerja terhadap tingkat kinerja pegawai. H1: 1 0.2=0.1 di atas dengan menggunakan metode analisis regresi berganda. artinya ada pengaruh variabel kepemimpinan dan disiplin kerja terhadap kinerja pegawai. Hipotesis yang akan di uji secara parsial adalah: a.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 5. 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.

jika F-hitung > F-tabel. Disiplin Kerja.760a R Square .510 8.760.)= 0.314 df 2 33 35 Mean Square 2. atau jika p-value< dari . Kriteria ujinya.578 menunjukkan bahwa besarnya kontribusi pengaruh variabel kepemimpinan (X1) dan disiplin kerja (X2) terhadap kinerja pegawai (Y) sebesar 57. Disiplin Kerja. Kepemimpinan b. jika t-hitung > t-tabel.0001. ada hubungan korelasi positif antara variabel kepemimpinan dan disiplin kerja dengan tingkat kinerja pegawai sebesar 76%. Artinya.583 dengan p-value (sig.106 F 22. Output Analisis Ragam (Analysis of Varians) ANOVAb Model 1 Regression Residual Total Sum of Squares 4. dengan tingkat kesalahan sebesar 5% dapat dinyatakan bahwa kepemimpinan dan disiplin kerja memiliki pengaruh nyata terhadap tingkat kinerja pegawai. atau jika p-value< dari . Dari hasil pengujian diperoleh nilai F-hitung sebesar 22. maka H0 ditolak.8%. Nilai koefesien determinasi atau R2 (R Square)=0. tolak H0.402 .000a a. Karena p-value (sig. Predictors: (Constant).) < 5%. Output Nilai Koefesien Determinasi Analisis Regresi Berganda Model Summary Model 1 R . menunjukkan pengujian secara simultan untuk model regresi yang melibatkan variabel X1 dan X2 terhadap Y. Error of the Estimate .804 3. Didin Astriani Prasetyowati Page 111 . Predictors: (Constant).583 Sig.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) 4. Artinya.552 Std.578 Adjusted R Square .326134 a. Dependent Variable: Kinerja Pegawai Pada Tabel di atas (ANOVA). . dan tolak H0. Kepemimpinan Pada tabel di atas (Model Summary) diperoleh nilai R=0.

Dependent Variable: Kinerja Pegawai Pada tabel di atas (Coefficients) menunjukkan pengujian secara parsial dengan uji-t.040.324 X1 + 0. Hasil uji secara simultan atau bersama-sama dengan tabel analisis ragam (ANOVA) diperoleh nilai p-value sebesar 0.001. . (R2=0.545 . Karena p-value < 5%.000 atau F-hitung= 22.143 t .139 3. b.139 atau p-value (Sig. dengan tingkat kesalahan paling besar 5% dapat nyatakan bahwa kepemimpinan berpengaruh nyata terhadap tingkat kinerja pegawai.151 . Artinya.040 .105 .)=0. Hasil pengujian untuk variabel disiplin kerja diperoleh koefesien atau nilai B=0. Didin Astriani Prasetyowati Page 112 .278 2.378 .583.324 .578) 2. maka H0 ditolak. Hasil pengujian untuk variabel kepemimpinan diperoleh koefesien atau nilai B=0. maka H0 ditolak. a.105 + 0.802 atau p-value (Sig.324.545 X2 + . Error .782 . dan nilai t-hitung = 3. Kesimpulan: Dari hasil pengujian hipotesis yang telah dilakukan di atas dapat diperoleh kesimpulan dan intrepretasi sebagai berikut: 1.545. Karena p-value < 5%. dengan tingkat kesalahan paling besar 5% dapat nyatakan bahwa disiplin kerja berpengaruh nyata terhadap tingkat kinerja pegawai.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) Output Nilai Koefesien Regresi Berganda Coefficientsa Model 1 (Constant) Kepemimpinan Disiplin Kerja Unstandardized Coefficients B Std.001 a. dan nilai t-hitung = 2.802 Sig. Artinya. 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. Artinya.)=0.

maka tolak H0. maka rata-rata tingkat kinerja pegawai sebesar 0.8%.578 atau 57. yaitu kinerja pegawai sebesar 0. Pada variabel Disiplin kerja diperoleh nilai 0.139 atau p-value (Sig. 5. Pada kofesien konstanta (constant) diperoleh nilai 0. 6. Nilai koefesien determinasi (R2) sebesar 0.105. Variabel Kepemimpinan.802 atau p-value (Sig. maka peningkatan satu tingkat kepemimpinan akan menaikan tingkat kinerja pegawai sebesar 0.545. maka H0 ditolak. jika variabel yang lain dianggap tetap.105. Kesimpulannya adalah ada pengaruh yang nyata antara kepemimpinan terhadap kinerja pegawai. Nilai t-hitung= 3.2%) dipengaruhi oleh faktor lain. dapat dinyatakan bahwa kepemimpinan (X1) dan disiplin kerja (X2) berpengaruh nyata terhadap kinerja pegawai (Y). Karena nilai t-hitung = 2. yaitu kepemimpinan dan disiplin kerja terhadap variabel terikat. Variabel Disiplin kerja Kerja. Kesimpulannya adalah ada pengaruh yang nyata antara disiplin kerja terhadap kinerja pegawai. Hasil pengujian secara parsial (inidvidu) dengan uji-t dapat dijelaskan sebagai berikut: a. Artinya. Didin Astriani Prasetyowati Page 113 . artinya p-value < 5%.040.Analisis Statistik (Teori dan Aplikasi Menggunakan SPSS) dengan taraf nyata sebesar 5%. Sedangkan sisanya (42. 7.324.)=0. jika variabel yang lain dianggap tetap. artinya p-value<5%.)= 0. 3.324. Pada variabel kepemimpinan diperoleh nilai 0. maka peningkatan satu tingkat disiplin kerja akan menaikan tingkat kinerja pegawai sebesar 0.578 menunjukan bahwa kontribusi pengaruh kedua variabel bebas. 4. Artinya. b. artinya jika variabel yang lain dianggap tidak ada.001.545.

Sign up to vote on this title
UsefulNot useful