KOMPUTERISASI STATISTIK (BAGIAN 1)

Oleh : Ahmad Kurnia*

A. PENDAHULUAN
Semula SPSS hanya digunakan untuk ilmu social saja Statistical Package For The Social Science tapi perkembangan berikutnya digunakan untuk berbagai disiplin ilmu sehingga kepanjangannya berubah menjadi statistical product and service solution. Product and Service Solution (karena fungsinya yang lebih berkembang) namun tetap saja SPSS lebih sering digunakan dalam penelitian sosial. Saat ini SPSS telah sampai pada versi 20. SPSS banyak digunakan dalam penelitian penelitian sosial dan riset, yang sesuai dengan kepanjangan SPSS yaitu:diatas. Tak bisa dibantah jika kita mengolah data statistik dengan komputer maka yang pertama kali terbayang adalah SPSS. SPSS memang salah satu program statistik yang paling populer di antara program lainnya. Program ini pertama dikembangkan oleh Norman H. Nie, C. Hadley dan Dale Bent dari Stanford university tahun 1960, tahun selanjutnya keluar SPSS/PC+ untuk personal computer, sedang untuk versi windows dirilis tahun 1992.

B. DASAR PEMROGRAMAN SPSS

Sudah pasti untuk mengenal SPSS Anda harus menginstall dulu program ini. Secara tampilan kedua versi ini sama hanya ada beberapa tambahan fitur baru di versi 11. Sebelum menginstall ada baiknya anda copy dulu SPSS difolder tertentu dipartisi yang berlainan dengan system Windowsanda drive D:, E:, F: dst. Maksudnya jika SPSS mengalami kerusakan anda bisa dengan mudah menginstall lagi. Jika anda belum punya komputer, di rental-rental saat ini sudah banyak yang menginstall SPSS. 1. Membuka Program

Klik Start dan klik All program Klik SPSS for Windows dan klik SPSS 13,00 for Windows

2. Cara Input Data

Variable Data Sebelum menginput data Langkah-langkah pertama kita membuat variable data dulu dengan ketentuan antara lain (nama varabel harus diawali dengan huruf dan selanjutnya boleh huruf, angka atau symbol seperti #, $, &, nama variable tidak boleh diakhiri dengan tanda titik dan tidak dieprkenankan memakai spasi, tidak boleh sama persis antara satu varibel dan variable lainnya, diperbolehkan menggunakan huruf capital/ besar maupun huruf kecil, tidak diperkenankan menggunakan kata-kata yang sudah ada pada system atau bahasa pemrograman SPSS, seperti ALL, AND, BY, EQ, GE, GT, LE, LT, NE, NOT, OR, TO DAN WITH) Sebelum mulai menganalisis data yang perlu dilakukan pertama kali tentu saja adalah mengentri data ke SPSS.Ketika awal anda membuka SPSSakan muncul tampilan data view pada data editor. Menu-menu seperti File,Edit,View, Windows dan Help adalah menu-menu umum yang sama dengan aplikasi under Windows lainnya -silakan pelajari sendiri lebih lanjut. Menu-menu yang khas di SPSS adalah:

Data merupakan menu untuk memodifikasi data secara keseluruhan seperti mengurutkan data, menggabungkan data dll. Transform, yaitu menu untuk mentranformasikan data berdasar kriteria tertentu seperti penjumlahan antar variabel, recoding, dll. Analize menu untuk mengolah data seperti korelasi, regresi, uji-t, dll. Graph, menu untuk memvisualisasikan data seperti histogram, scatter-plot, boxplot dll. Utillities,menu pendukung yang berisi: informasi variabel,informasi file, menu editor dll.

Bagian kedua dari data editor yang tidak kalah penting dengan data view adalah Variabel View. Tampilan ini bisa kita lihat dengan mengklik tab sheet [variabel view] yang ada di kiri bawah tampilan data editor. Lewat variabel view ini kita dapat mengubah setting data editor sesuai dengan data yang kita miliki. Menu yang tersedia dalam variable view diantaranya:

Name. kolom ini untuk memberi nama variabel. Nama variable yang kita tuliskan disini akan muncul pada data editor. Pemberian nama harus diawali dengan huruf, tidak bisa dimulai dengan angka. Maksimal hanya bisa berisi 8 karakter. Type. untuk menyesuaikan jenis data yang anda masukkan, apakah numeric, string(data nominal yang berupa huruf ex:nama). Klik ikon dalam kolom type maka akan muncul kotak dialog variabel type untuk melakukan perubahan tertentu. Padakotak dialogini anda bisa juga mengubah lebar kolom(Width) dan karakter desimal (Decimal Places). Label. Kolom ini berfungsi untuk memberi label pada variabel yang kita inginkan. Misalnya kita mempunyai variabel nama pada kolom pertama, variable tersebut bisa kita beri label nama responden. Contoh lainnya bila kita mempunyai variabel dengan nama skala1, kita bisa mendefinisikan lebih jelas dengan

memberi label sesuai dengan nama skala kita sebenarnya, misalnya skala kecemasan dll. Pemberian label ini sangat penting karena pada hasil analisis (output) akan tercetak label yang telah kita definisikan ini. Tercetaknya label pada output akan sangat membantu dalam interpetasi output tersebut. Value. Kolom ini berfungsi untuk medefinisikan value data dari variabel yang dimaksud. Pemberian value ini biasanya untuk data yang bersifat ordinal dan interval. Klik ikon pada kolom value maka akan muncul kotak dialog value labels. Misalnya pada variabel gender kita akan mendefinisikan jenis kelamin dengan melakukan pemberian label. Contoh soal

Diketahui data sebagai berikut :

No 1. 2. 3. 4. 5.

Nama Niken gayus Vina sumanto Agnes

Gender 2 1 2 1 2

Program 1 2 3 2 1

Usia 18 20 22 25 16

Tinggi 172 180 155 170 176

Berat 55 75 65 80 66

Adapun langkah-langkah penyusunan varibel sebagai berikut: 1. Buat file baru, klik File, klik New dan klik Data 2. Terlihat lembar kerja baru, posisi pada Data View 3. Klik Variable view (ada tampilan nama, type, widh, decimals, label, values, missing, columns, align dan measure)

Name : Kemudian ketik Nama Type : Klik Type (klik pojok yang berwarna abu-abu,Variable Type klik String Widh : default 8 Decimals : default 2 Label : ketik nama subjek Value (untuk Nama value-nya None untuk selanjutnya Misalkan kita akan membuat value untuk gender dan program) Name : ketik gender dibawah nama Type : biarkan numeric Label : ketik jenis kelamin

Value : klik, maka akan muncul Value Labels, kemudian ketik 1 di value dan pria di label kemudian Add, kemudian ketik 2 di value dan tik wanita di label) sedangkan untuk program : Name : ketik program dibawah gender Type : biarkan numeric Label : ketik program jurusan Value : klik, akan muncul Value Labels, kemudian tik di value:1, Label : tik Bahasa Jepang, dan Add. Value : tik 2, Label : tik Bahasa Inggeris dan klik Add; value : tik 3, label : tik Bahasa Mandarin dan klik Add) Kemudian Name ketik usia, Enter. Ketik Tinggi, enter. Ketik Berat, enter, kemudian Label : ketik usia, tinggi badan dan berat badan.

Input Data 1. Nama : Ketik nama subjek pada varibel nama. Contoh : Niken, gayus, vinaseterusnya. 2. Gender : ketik angka 1 pada kolom gender dan enter (terjadi perubahan dimana hasil ketikan angka 1 akan berubah menjadi pria, kemudian ketik 2 pada kolom gender, kemudian enter angka 2 pada kolom gender dan ( terjadi perubahan dimana hasil ketikan angka 2 akan berubah menjadi wanita, dst) 3. Program : ketik angka 1 pada kolom program dan enter (terjadi perubahan dimana hasil ketikan angka 1 akan berubah menjadi bahasa jepang, ketik angka 2, enter, angka 3, enterdans eterusnya) 4. Usia : ketika 18 pada variable usia, ketik 20, enter. Ketik 22, enter 5. Tinggi : ketik 172 dan angka-angka seterusnya pada kolom tinggi, ketik 180, enter. Ketik 155, enter.seterusnya. 6. Berat : ketik 55, enter..ketika 75, enter..ketik 65, enterseterusnya.

Cara Menyimpan Data.

1. Klik Save, pada File Name, ketik lat. JPN1 2. Save In : pilih my document ( pilihan menyimpan file tergantung keinginan anda, file juga bisa dismpan di SPSS evaluation, local disk, klik Save. Menghapus Kolom. Klik pada heading kolom/nama variable yang akan dihapus (contoh : akan dihapus varibel berat), letakan pointer persis pada tulisan berat, akan terlihat tanda panah kearah bawah. Klik, akan terlihat variable berat berubah menjadi hitam, klik Edit, klik Cut/Clear/Delete. Akan terlihat varibel berat sudah tidak ada dalam rekaman data. (bersambung....)

KOMPUTERISASI STATISTIK (BAGIAN 2)

OLEH : Ahmad Kurnia* STATISTIK DESKRIPTIF

Fungsi : pengumpulan, peringkasan data dan penyajian hasil peringkasan data (summary statistic) Ada dua kelompok ukuran staistik yang sering digunakan dalam pengambilan keputusan adalah : mencari kecenderungan terpusat (Central Tendency) seperti mean, median, modus dan mencari ukuran dispersi (standar deviasi dan varians), sedang untuk mengetahui kemiringan data ukuran yang dipakai dengan skewness dan kurtosis. Dasar Statistic Deskriptif:

Frequencies Descriptive Explore Crosstabs

Dibawah ini diketahui data nama mahasiswa berdasarkan gender (jenis kelamin), angkatan kuliah, nilai UTS, UAS dan Tugas.

Data Nilai UTS, Nilai UAS Dan Nilai Tugas 30 Mahasiswa.

No 1 2 3 4 5 6 7

Nama Iwan Anton Koko Dine Memed Cecep Apep

Gender* 1 1 1 2 1 1 1

Angkatan* 4 1 3 3 2 1 4

Nilai Uts 72 63 88 66 76 66 71

Nilai Uas 78 77 90 73 81 72 78

tugas 76 78 80 70 75 65 77

8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

Tini Agness Diah Susi Rosy Shinta Dewi Fery Marko Gayus Boncel Linda Krisna Yosep Haris Roy Nazar Henki kodok siska andik Bambang Sumanto

2 2 2 2 2 2 2 1 1 1 1 2 2 1 1 1 1 1 1 2 1 1 1

2 3 1 4 2 2 3 2 1 4 2 3 2 4 2 3 4 3 1 4 4 3 2

52 59 72 63 57 86 94 90 70 88 84 74 57 78 84 70 54 81 78 65 81 67 70

80 60 70 70 60 90 88 82 70 85 80 79 60 75 80 67 70 80 76 60 78 65 70

72 60 70 70 66 90 85 78 70 88 80 76 60 75 80 76 70 80 77 65 80 66 70

Keterangan :

*Gender (jenis kelamin) : 1. Pria 2. Wanita

**Angkatan : 1. Angkatan 2008, 2. Angkatan 2009 3. Angkatan 2010, 4. Angkatan 2011

Langkah-langkah menentukan statistic deskriptif sebagai berikut : Frequencies :

1. Buat variable diatas yang terdiri dari Nama, Gender, Angkatan, Nilai UTS, Nilai UAS dan Tugas, kemudian simpan dengan file latspss2. 2. Buka file diatas, klik Analyze, klik Descriptive Statistics dan klik Frequencies. 3. Klik Nilai Uts dan pindahkan Nilai Uts kekotak variables dengan mengklik tanda kemudian klik statistics, untuk dispersion : pilih semua pilihan yang ada. Central tendency : pilih mean dan median, distribution : pilih skewness dan kurtosis. Percentile values : pilih percentile (pada kotak disebelah kananya ketik 25 dan klik Add, kemduian ketik lagi 50 dan klik Add, ketik 75 dan klik Add. Hal ini dilakukan untuk membuat nilai persenstil antara 25, 50 dan 75) klik continue. Kemudian klik Chart : pilih histograms dan pilih juga With Normal Curve (pilihan pada chart menggunakan histogram karena jenis datanya interval atau rasio), klik Continue dan klik Ok Descriptive (fasilitas ini untuk menampilkan ukuran statistic (mean, sum, standard deviation, variance, range, minimum, maximum, SE mean, kurtosis dan skewness selain fasilitas pilihan save Standardized Values As Varibales pilihan ini akan menghasilkan variable baru berupa nilai Z skor (nilai baku ), nilai Z skor akan sangat berguna ketika kita akan membandingkan nilai suatu variable dengan nnilai variable lainnya, terlebih nilai yang dibandingkan diambil dari skala pengukuran yang berbeda.) Langka-langkahnya : 1. Buka file diatas, klik analyze, klik descriptive statistics, klik descriptive 2. Klik Nilai_ tgs dan pindahkan ke kotak variable(s) dengan mengklik tanda klik Ok.berlaku untuk melihat nilai UTS dan UAS 3. Untuk mencari nilai baku (nilai Z) dari nilai tugas, uts dan uas tinggal, klik Analyze, klik Descriptive Statistics dan klik Descriptive. Klik nilai_tugas, nilai_uts dan nilai_uas, pindahkan kekotak Variables, kemudian klik Save Standardized.klik Ok 4. Pada Data View akan terlihat nilai Z

Explore

Untuk mengexplore data lebih lengkap dibandingkan fasilitas frequencies dan descriptive). Pada explore statistics dapat ditampilkan pilihan : descriptive, mestimators, outliers dan percentiles, sedang pada explore plots dapat ditampilkan : descriptive (stem-ang-leal dan histogram) dan tampilan untuk normality plots with test. Langkah-langkahnya : Buka File Data, klik Descriptive Statistics dan klik Explore. klik nilai_tgs, kemudian pindahkan ke Dependent List dengan mengklik tanda, kemudian pindahkan angkatan_thn ke Factor List dengan mengklik tanda, klik Ok.

Crosstabs (Table Silang)

Tabel silang yang terdiri atas satu baris atau lebih atau satu kolom dan sekedar emnampilkan kaitan antara dua ata lebih variable dengan menghitung apakah ada hubungan antara baris dan kolom. Alat uji yang dipakai antara chi-square, kendall, kappa, dsb. Langkah-langkah : 1. Crosstabs antara nilai uas dan tahun angkatan.

Buka file data, klik Analyze, klik Descriptive Statistics, klik Crosstabs. Pindahkan nilai_uas ke Row(s), Pindahakan jenis_kelamin ke Column(S) Klik Cells, Percentages: klik Total.

2. Mencari hubungan jenis kelamin dengan nilai uts (nominal dengan interval atau rasio)

Klik anayze, klik descriptive staistitics dan klik crosstabs. Pindahkan nilai_uts ke row(s), pidnahkan jenis_kelamin ke column(s) Klik statistics dan pilih chi-square, klik continue, klik cells. Count: observed dan expected, percentages : total. Klik continue, klik ok. (Bersambung...)

KOMPUTERISASI STATISTIK (BAGIAN 3)

Oleh : Ahmad Kurnia*

STATISTIK PARAMETRIK

Suatu data disebut sebagai data parametrik bila memenuhi kriteria sbb (Field, 2000):

1. Normally distributed data. Data yang mempunyai distribusi normal adalah data yang dapat mewakili populasi yang diteliti. Secara kasat mata kita bisa melihat histogram dari data yang dimaksud, apakah membentuk kurva normal atau tidak. Tentu saja cara ini sangat subyektif. Cara lainnya yaitu dengan melakukan uji normalitas pada data yang dimaksud caranya akan dijelaskan lebih lanjut.

2. Homogenity of variance. Variansi dari data yang dimaksud harus stabil tidak berubah atau homogen. Ada banyak tes yang bisa dilakukan untuk mengetahui homogenity of variance, bahkan untuk untuk jenis-jenis analisis tertentu SPSS secaraotomatis menyertakan hasiltes ini.

3. Interval data. Data yang dimaksud minimal merupakan data interval.

4. Independence. Data yang diperoleh merupakan data dari tiap individu yang independen, maksudnya respon dari 1 individu tidak mempengaruhi atau dipengaruhi respon individu lainnya. Karena keterbatasan, saya tidak bisa menjelaskan lebih mendalam, kalau dirasa kurang jelassilakan cari buku statistik yang membahas hal ini lebih lanjut.

Selain itu, teknik statistic parametric data diperoleh dari random sampling harus memenuhi beberapa asumsi dasar.

Teknik

Multi

Auto

Heteros

Statistik Normal Linier Homogen Kolinieritas Korelasi Kedastisitas Korelasi Regresi T test Anava v v v v v v v v v v v v v v v v

Anakova v

Uji normalitas data Dilakukan untuk mengetahui apakah distribusi sebuah data yang didapatkan mengikuti atau mendekati hukum sebaran normal baku dari Gauss yang digambarkan dengan grafik polygon menyerupai bell, lonceng atau genta. Data tersebut tidak positively skewed (miring ke kiri) : memeliki frekuensi yang relative lebih bayak disebelah kiri dan ujung kurva cenderung meruncing kekanan. Negative skewed (miring kekanan),

memiliki frekuensi yang relative lebih banyak disebelah kanan dan ujung kurva cendrung meruncing kekiri.

Langkah-langkah :

Menggunakan menu 1-samples K-S

a) Buka file, klik AnalyzeNonparametric Test1-Samples K-S b) Klik dan masukan nilai_tugas ke Test variables list c) Klik Ok Kriteria : Data normal bila nilai sig (p)>0.05 dan data tidak normal bila nilai sig (p) < 0.05.

Menggunakan menu explore.

a) Buka file, klik AnalyzeDescriptive StatisticsExplore b) Klik dan masukan nilai_uts ke dependent list. Klik plot. Pada descriptive : nonaktifkan stem-and-leaf dan aktifkan : normality plots with test. Klik continue dan klik Ok.

Hasil uji normalitas data dengan menu explore dapat dilihat dari perbandingan nilai Rasio Skewness dan Rasio Kurtosis (sebaran normal bila : nilai berada antara nilai -2 sampai dengan +2), nilai sig (p) dari kolmogorov-smirnov dan Shapiro-wilk (sebaran normal bila : p>0.05 dan sebaran tidak normal bila p<0 .05.=".05." span="span">

Uji homogenitas data Uji ini dilakukan untuk mengetahui apakah variansi antara kelompok yang diuji berbeda atau tidak, variansinya homogeny atau heterogen dan data yang diharapkan adalah homogen.

Langkah-langkah Menggunakan ANOVA.

Buka file Klik analyzecompare meansone-way ANOVA.

Klik nilai_uts dan pindahkan ke Dependent List, klik jenis_ kelamin dan pindahkan ke Factor. Klik Option dan pilih Homogeneity Of Variance Test. Klik continue dan klik ok. Data homogeny bila : p>0.05 dan tidak homogeny bila : p<0 .05=".05" span="span">

Uji lienieritas data Uji ini dialkuakn untuk mengetahui apakah hubungan antara variable independen dengan variable dependen bersifat linier (garis lurus). Jika hubungannya tidak linier dan tetap dianalisis dengan statistic parametric, maka korelasi yang didapatkan bisa sangat rendah, meskipun sebenarnya korelasinya bisa tinggi kalau teknik parametriknya diganti dengan sttatistik non-parametrik. Langkah-langkah a) Menu graphs: data linier.

Buka file, klik GraphsInteractiveAcatterplot Klik nilai_uas dan pindahkan Klik nilai_uts dan pindahkan Klik Fit. Method : pilih Regression.klik Ok.

b) Menu graphs : data tidak linier.

KOMPUTERISASI STATISTIK (BAGIAN 4)

OLEH : Ahmad Kurnia*

STATISTIK INFERENSI Setelah dilakukan uji terhadap distribusi data dan terbukti bahwa data yang diuji berditribusi normal atau mendekatai distribusi normal, maka elanjutnya dengan data tersebut bisa dilakukan berbagai inferensi atau pengambilan keputusan dengan metode statistic parametric. Jika terbukt data tidak berdistribusi normal atau jauh dari criteria distribusi normal, metode parametric tidak bisa digunakan dan untuk inferensi digunakan metode sttasitik nonparametric.

Statistic inferensi dalam SPSS

SPSS enyediakan berbagai metode parametric suntuk melakukan inferensi terhadap data statistic, karena terlalu luasnya cakupan parametric, maka inferensi parametric akan dibagi dalam berbagai menu pada SPSS yaitu Compare Means, Geeral Linear Model, Corelation Dan Regresion.

Compare Means Terdiri Dari Means Memabahas hal yang sama pada statistic dsekripstif dengan penyajian subgroup

dan ditambah dengan uji linearitas), t TEST (membahas uji t yang terdiri dari uji t satu sampel, uji t dua sampel independen dan uji t untuk dua sampel berpasangan (paired)), ONE WAY ANOVA (Kalau uji t untuk dua sampel, sedang ANOVA digunakan untuk menguji lebi dari dua sampel).

Uji t untuk dua sampel berpasangan (paired). Dua sampel berpasangan artinya sebagai sebuah sampe dengan subjek yang sama namun mengalami dua perlakukan atau pengukuran yang berbeda.contoh kasus ( tes kemampuan bahasa jepang setelah menonton animasi jepang, Untuk itu sebuah sampel diukur terdiri dari 10 responden yang masing-masing disuruh menonton film animasi berbahasa jepang, kemudian setelah satu bulan menonton, kembali diukur kemampuan berbicara melalui tes. Hasilnya sebagai berikut

No 1. 2. 3. 4. 5 6 7 8 9

Sebelum Menonton 65 75 76 55 70 80 72 85 73

Sesudah Menonton 72 79 82 75 73 80 75 88 70

10

90

89

Langkah-langkah : Tentukan variable view dari sebelum dan sesudah menonton. Adapun langkah-langkah penyusunan varibel sebagai berikut: 1. Buat file baru, klik File, klik New dan klik Data 2. Terlihat lembar kerja baru, posisi pada Data View 3. Klik Variable view.(ada tampilan nama, type, widh, decimals, label, values, missing, columns, align dan measure)

Name : Kemudian ketik sebelum Type : Klik Type (klik pojok yang berwarna abu-abu,Variable Type klik numeric Widh : default 8 Decimals : default 2 Label : ketik nama subjek

kemudian

Name : ketik sesudah dibawah sebelum Type : biarkan numeric Widh : default 8 Decimals : default 2 Label : ketik sesudah nonton

Kemudian buka data view, masukan data diatas (table 1.1)

Sebelum: Ketik nama subjek pada varibel nama. Contoh : 65, 75, 76seterusnya. Sesudah : Ketik nama subjek pada varibel nama ketik. Contoh : 72,79, 82seterusnya.

Setelah entry data selesai kemudian buka Analyze Compare MeansPairedSamples T Test Klik variabel sebelum dan sesudah secara bersamaan,( kalau tidak, spss tidak bisa mengimput dalam kolom paired variables dengan tidak aktifnya tanda ), sehingga terlihat pada kolom current selection dibawah terdapat keterangan untuk variable 1 dan 2, klikmaka pada paired variables terlihat tanda sebelumse sudah

 Klik Option dan pilih Confidence Interval..95%, kemudian biarkan default Exclude Cases Analysis By Analysis. Klik Continue dan klik ok.

One Sample T Test

Buka file atau kembali ke Data View buka Analyze compare meansonesamples T test Klik variabel sebelum Test Variables, klik di Tes Value (untuk mennetukan nilai yang akan diuji hipotesa..nilai 90, ketik 90, Klik Option dan pilih confidence interval..95%, kemudian biarkan default exclude cases analysis by analysis. Klik continue dan klik ok. General Linear Model

Merupakan kelanjutan dari ANOVA, dimana dalam GLM dibahas satu variable dependen namun mempunyai satu atau lebih factor

Uji Korelasi Dan Regresi

Uji korelasi dalam spsss dapat dilihat dalam menu CORRELATE dengan sub menu : Bivariat Besar hubungan diantara dua variable : koefisien korelasi bivariate/product moment pearson untuk mengukur keeratan hubungan antara peringkat-peringkat dibandingkan hasil pengamatan itu sendiri dengan mengasyaratkan bahwa populasi asal sampel mempunyai dua varians dan berdistribusi normal, korelasi pearson untuk mengukur data interval atau rasio) dan korelasi peringkat spearman dan kendall (untuk mengukur keeratan hubungan antara peringkat-peringkat dibandingkan hasil

pengamtan itu sndiri dan bisa digunakan untuk menghitung data ordinal dan pengunaan asoisasi pada sttsistik nonparametric) Partial (perubahan menegnai ubungan linier antara dua variable dengan melakukan

control terhadap satu atau lebih variable tambahan)

Kasus :

dilakukan penelitian untuk mengetahui ada tidaknya hubungan antara kemampuan grammer (X) terhadap kemampuan conversation (Y) yang dilakukan terhadap 20 mahasiswa yang diambil secara random, didapatkan nilai X : 70, 80, 72, 67, 64, 70, 71, 76, 90, 96, 54, 52, 65, 71, 66, 89, 80, 64, 60, 74

Y : 70, 67, 74, 58, 73, 79, 57, 58, 71, 66, 72, 55, 76, 65, 81, 75, 76, 77, 69, 70

Langkah-langkah : 1. Buat Variable dengan mengklik Variable View untuk X dan Y, isikan di

Name : ketik X, untuk Type (klik pojok yang berwarna abu-abu,Variable Type klik numeric Widh : default 8 Decimals : default 2 Label : ketik Grammer Terus dibawah name X, ketik Y untuk type : Numeric Widh : default 8 Decimals : default 2 Label : ketik Conversation

2. Masukan data dengan mengklik Data View divariabel X dan Y 3. Kemudian buka Analyze Correlate (sesuai kasus) klik Bivariate, pindahkan ke variable X dan Y untuk kolom Correlation Coefficient, pilih Pearson dan abaikan alat hitung yang lain. Untuk kolom test of significance, karena akan diuji dua sisi, maka pilih two-tailed. Untuk pilihan Flag Significant Correlation, kemuian klik option, pada pilihan statistic abaikan saja.pada pilihan missing values ada dua pilihan Exclude Cases Pairwise dan Exclude Cases Listwise, untuk keseragaman ambil Exclude Cases Pairwise, tekan Continue kemudian Ok

Korelasi rank spearman dan kendall

Menu regresi dilakukan penelitian untuk mengetahui ada tidaknya hubungan antara kemampuan Grammer (X1)dan Vocabulary (X2) terhadap kemampuan Conversation (Y) dilakukan terhadap 20 mahasiswa yang diambil secara random, didapatkan nilai yang

X1 : 70, 80, 72, 67, 64, 70, 71, 76, 90, 96, 54, 52, 65, 71, 66, 89, 80, 64, 60, 74 X2 : 72, 82, 75, 65, 67,70, 73, 75, 86, 90, 95, 56, 55, 71, 67, 88, 80,66, 60, 70

Y : 70, 67, 74, 58, 73, 79, 57, 58, 71, 66, 72, 55, 76, 65, 81, 75, 76, 77, 69, 70 1. Buat Variable dengan mengklik Variable View untuk X1, X2 dan Y, isikan di

Name : ketik X1 untuk Type (klik pojok yang berwarna abu-abu,Variable Type klik numeric Widh : default 8 Decimals : default 2 Label : ketik Grammer

Dibawah X1 ketik X2, untuk Type (klik pojok yang berwarna abu-abu,Variable Type klik numeric

Widh : default 8 Decimals : default 2 Label : ketik Vocabulary Kemudian ketik Y untuk type : Numeric Widh : default 8 Decimals : default 2 Label : ketik Conversation

2. Masukan data dengan mengklik Data View divariabel X1, X2 dan Y 3. Kemudian buka Analyze Regression (sesuai kasus) klik Linear, kemudian tampak layar Linear Regression, lalu pindahkan variable Y ke kotak Dependent dan masukan variable X1 dan X2 ke kotak Independent, Case Label : biarkan, kemudian Method : klik Enter. Kemudian pilih option Stepping method criteria, klik Use Probability Of F, klik Entry .05, kemudian pilihan default Include Constant In Equation, sedang Missing Value dengan klik Exclude Cases Listwise, klik Continue Pilih kolom statistic, Regression Coefficient, aktifkan Estimate. Pilih descriptive pada kolom sebelah kanan, tetap aktifkan Model Fit, residual klik mouse pada Casewise Diagnostics lalu pilih All Cases, klik Continue. Pilih Plot (berhubungan dengan gambar/grafik untuk regresi). Klik pilihan SDRESID masukan ke pilihan Y, lalu pilihan ZPRED dan masukan ke pilihan X, klik Next isikan plot ke dua(tampak variable Y dan X kosong), kemudian klik ZPRED dan masukan ke pilihan y, kemudian pilihan pilihan DEPENDNT dan masukan pilihan x, klik tombol next

untuk pengisian plot ke tiga, PILIHAN Standardized Residual Plots, Klik Mouse Pada Normal Probability Plot, Klik Continue..OK. STATISTIK NON PARAMETRIK. Uji Chi-Squre. Diketahui pemasaran PT permen enak menjual permen dengan empat macam warna ingin mengetahui apakah konsumen menyukai keempat warna permen, untuk itu dalam waktu satu minggu diamati pembelian permen disuatu outlet dan berikut hasilnya dalam pembelian 100 permen.

WARNA Merah Hijau Kuning Putih

JUMLAH 35 28 10 27

Langkah-langkah : Tentukan variable view. Name : ketik WARNA. Width : 1. Decimal : 0, Values (tik : 1, kemudian di Value Label tik Merah, lalu Add, lanjut. 2..Value Label : hijau, Add, dst.dibawahnya, Name : ketik JUMLAH, Width : 1. Decimal : 0, abaikan yang lain. (BERSAMBUNG...)

Referensi : Nisfiannoor, Muhammad, Pendekatan Statistika Modern, Salemba Humanika, Jakarta, 2011. pengantar Statistik, Usman, Prof.Dr. Husaini, et.al, Bumi Aksara, Jakarta, 2008 Sugiono, Prof.Dr., Statistika untuk Penelitian, alfabeta, Bandung, 2011