BAB I

PENDAHULUAN

1. 1 Latar Belakang
Statistika dapat didefinisikan sebagai ilmu yang membahas tentang
pengambilan data, pengolahan data sampai kesimpulan yang diperoleh dari
perhitungan dan pengolahan data tadi, serta membuat keputusan yang dapat
diterima berdasarkan analisis. Dalam kehidupan sehari-hari, sering kita temui
permasalahan yang dapat diformulasikan ke dalam persamaan matematis.
Hubungannya dengan statistika yaitu statistika digunakan untuk menyatakan data
atau bilangan yang diperoleh dari data, misalnya rata-rata dari data tersebut.
Permasalahan yang umum dihadapi oleh peneliti atau insinyur adalah
menyangkut cara pengambilan keputusan berdasarkan data mengenai suatu sistem
ilmu. Dalam tiap kasus, peneliti membuat dugaan mengenai suatu sistem. Sebagai
tambahan tiap kasus harus melibatkan penggunaan data percobaan dan
pengambilan keputusan berdasarkan data tadi. Secara resmi dalam tiap kasus
dugaan mengenai dugaan dapat dirumuskan dalam bentuk hipotesis statistik.
Keunikan statistik yaitu kemampuannya untuk menghitung ketidakpastian
dengan tepat. Dengan kemampuan itu para ahli statistik dapat membuat suatu
pernyataan yang tegas, lengkap dengan jaminan ketidakpastian. Didalam statistik
ada tiga hal penting yang mendasar yaitu analisa data yang membahas tentang
pengumpulan, penyajian dan mengintisarikan data. Kedua adalah probabilitas
yaitu membahas tentang hukum peluang dan yang terakhir adalah kesimpulan
statistik yaitu tentang ilmu penarikan kesimpulan statistik dari data tertentu
berdasarkan pengetahuan tentang probabilitas.

1. 2 Tujuan Praktikum
Tujuan yang hendak dicapai dalam praktikum ini adalah:
1. Mengerti dan memahami beberapa teknik pengambilan data.
2. Mengerti dan memahami mengenai statistik deskriptif dan statistik induktif.


3. Mengerti dan memahami teknik pengolahan data secara parametrik dan non
parametrik.
4. Mampu menginterpretasikan hasil pengolahan data dengan menggunakan teknik
parametrik dan non parametrik.

1. 3 Pembatasan Masalah
Pada laporan ini masalah yang dibahas terbatas pada pengolahan data
statistik parametrik dan non parametrik, baik dependen maupun independen
dengan nilai k = 2 dan k > 2.
Data pertama adalah data parametrik dengan k = 2 yaitu data mengenai
Banyaknya Kyai dan Ustadz menurut Kabupaten/Kota di Jawa Tengah Tahun
2004. Untuk data parametrik k > 2 yaitu data mengenai Banyaknya Jema'ah Haji
yang Diberangkatkan ke Tanah Suci (Mekkah) menurut Kabupaten/Kota di Jawa
Tengah Tahun Anggaran 2001-2003
Sedangkan untuk data non parametrik ada 2 jenis yaitu dependen dan
independen. Data independen dengan k = 2 adalah data mengenai Data Pengaruh
Jenis Kelamin terhadap Media Aktualisasi Diri yang diperoleh melalui kuesioner
dengan sampel mahasiswa Teknik Industri 2007. Untuk data independen k > 2
adalah data mengenai Data Pengaruh Golongan Darah terhadap Jenis Materi yang
Disukai yang diperoleh juga melalui kuesioner dengan sampel mahasiswa Teknik
Industri 2007. Data non parametrik dependen k = 2 merupakan data mengenai
Status Guru-Guru SMK-SB, untuk yang k > 2 adalah data Pengaruh Negara
Produksi terhadap Jenis Film yang Disukai
Ruang lingkup pengolahan data pada laporan ini dibatasi dengan
pengolahan data menggunakan software Microsoft Excel, SPSS, dan MINITAB.


1. 4 Prosedur Praktikum






























Gambar 1. 1 Flowchart Metodologi Praktikum
Identifikasi Masalah
Studi Keputusan
Penentuan Metode Pengambilan Data

Teknik
Pengambilan
Sampling
Sampling acak
sederhana
Pengambilan
Data Sekunder
Nonparametrik
Pengumpulan Data
Pengolahan Data (Deskriptif,
Parametrik ,dan Nonparametrik)
Interpretasi Data
Kesimpulan dan Saran


1. 5 Sistematika Penulisan
BAB I PENDAHULUAN
Berisi latar belakang, tujuan praktikum, pembatasan masalah, metodologi
praktikum, dan sistematika penulisan.
BAB II DASAR TEORI
Berisi dasar teori yang berhubungan dengan praktikum.
BAB III PENGOLAHAN DATA
Berisi pengolahan data parametrik independen, data non parametrik
independen, dan data non parametrik dependen dengan software Excel
dan SPSS.
BAB IV ANALISA
Berisi analisa terhadap hasil pengolahan data dengan teknik pengolahan
data parametrik dan non parametrik.
BAB V PENUTUP
Berisi kesimpulan dan saran.






BAB II
DASAR TEORI

2. 1 Definisi Statistika
Statistik adalah ilmu yang membahas tentang pengambilan dan pengolahan data
sampai kesimpulan.
Statistik secara garis besar dapat dibagi menjadi 2 yaitu :
2.1.1 Statistika Deskriptif
Merupakan teknik statistik di mana di sini dilakukan pengambilan data,
penyajian data tanpa adanya kesimpulan. Untuk keperluan praktikum ini, perlu
pemahaman tentang: cara-cara penyajian data (histogram, distribusi frekuensi).
Untuk lokasi atau ukuran kecenderungan (berbagai macam mean, berbagai
macam median, modus, akar mean kuadrat, persentil dan kuartil) dan ukuran
deviasi (simpangan kuartil, rentang, simpangan baku, mean absolut simpang,
variansi).
(Modul Praktikum Statistika Industri, hal 1)
2.1.2 Statistika Induktif
Teknik statistik mempunyai pengumpulan data, pengolahan serta
penganalisaan terhadap data yang diperoleh sehingga nantinya dapat diambil
suatu kesimpulan. Statistik induktif meliputi perumusan hipotesis statistik
(pernyataan tentang populasi), pemilihan uji yang sesuai, penentuan taraf yang
signifikan, analisa statistik. Statistik induktif meliputi 2 hal yaitu :
 Teknik pengolahan data secara parametrik
 Teknik pengolahan data secara non parametrik
(Modul Praktikum Statistika Industri hal 1)

2. 2 Tipe Data Statistika
Data adalah bentuk jamak dari datum yang memiliki pengertian sebagai
keterangan-keterangan tentang suatu hal, dapat berupa sesuatu yang diketahui
atau dianggap. Sehingga data dapat diartikan sebagai sesuatu yang diketahui atau
dianggap.


Statistik dalam prakteknya tidak bisa dilepaskan dari data yang berupa
angka, baik itu dalam statistik deskriptif yang menggambarkan data, maupun
statistik inferensi yang melakukan analisis terhadap data. Namun sebenarnya data
dalam statistik juga bisa mengandung data non angka atau data kualitatif.
1. Data berdasarkan susunannya
Berdasarkan susunanya, data dibagi menjadi data acak atau tunggal dan data
berkelompok.
a. Data acak atau data tunggal
Adalah data yang belum tersusun atau dikelompokkan ke dalam kelas-
kelas interval.
b. Data berkelompok
Adalah data yang tersusun atau dikelompokkan ke dalam kelas-kelas
interval. Data kelompok disusun dalam bentuk distribusi frekuensi atau
tabel frekuensi.
2. Data berdasarkan jenisnya
Berdasarkan sifatnya data dibagi menjadi :
a. Data kualitatif
Adalah data yang tidak berbentuk bilangan. Data kualitatif mempunyai
ciri tidak bisa dilakukan operasi matematika, seperti penambahan,
pengurangan, eprkalian dan pembagian. Yang termasuk data kulitatif
adalah data nominal dan data ordinal.
b. Data kuantitatif
Adalah data yang berbentuk bilangan. Jadi, berbagai operasi matematika
bisa dilakukan pada data kuantitatif. Yang termasuk data kuantitatif
adalah data interval dan data rasio.
(Singgih Santono, hal 3-6)
3. Data berdasarkan waktu pengumpulan
Berdasarkan waktu pengumpulannya dibagi menjadi :
a. Data berkala
Adalah data yang terkumpul dari waktu ke waktu untuk memberikan
gambaran perkembangan suatu kegiatan.


b. Data cross section
Adalah data yang terkumpul pada suatu waktu tertentu untuk
memberikan gambaran perkembangan keadaan atau kegiatan pada waktu
itu.
(Diktat Statistika Industri. Hal 5)
4. Data berdasarkan sumber pengambilannya
Berdasarkan sumber pengambilannya, data dibagi menjadi :
a. Data primer
Adalah data yang diperoleh atau dikumpulkan oleh orang yang
melakukan penelitian atau yang bersangkutan yang memerlukannya.
Data ini juga disebut data asli atau data baru.
b. Data sekunder
Adalah data yang diperoleh atau dikumpulkan oleh orang dari sumber-
sumber yang telah ada. Data itu biasanya diperoleh dari perpustakaan
atau dari laporan-laporan peneliti yang terdahulu. Data ini juga disebut
sebagai data tersedia.
(Dirgibson Siagian Sugiarto, hal.16)
5. Data berdasarkan skala pengukuran
Skala pengukuran adalah peraturan penggunaan notasi bilangan dalam
pengukuran. Berdasarkan skala pengukuran , data dibagi menjadi :
a. Data nominal
Adalah data yang diberikan pada objek atau kategori yang tidak
menggambarkan kedudukan objek atau kategori tersebut terhadap objek
atau kategori lainnya, tetapi hanya sekedar label atau kode saja. Data itu
hanya mengelompokkan objek atau kategori ke dalam kelompok tertentu.
Data ini mempunyai dua ciri, yaitu :
1. Kategori data bersifat saling lepas
2. Kategori data tidak disusun secara logis
Data bertipe nominal adalah data yang paling ‘rendah’ dalam level
pengukuran data. Jika suatu pengukuran hanya menghasilkan satu dan
hanya satusatiunya kategori, data tersebut adalah data nominal (data


kategori). Contoh: Status Kewarganegaraan ( 1 untuk indonesia,2 untuk
Amerika,3 untuk China)
b. Data ordinal
Adalah data yang penomoran objek atau kategorinya disusun menurut
besarnya, yaitu dari tingkat terendah ke tingkat tertinggi atau sebaliknya
dengan jarak / rentang yang tidak harus sama. Data ini memiliki ciri
seperti pada ciri data nominal ditambah satu ciri lagi, yaitu kategori data
dapat disusun berdasarkan urutan logis dan sesuai dengan besarnya
karakteristik yang dimiliki.
Data ordinal seperti pada data nominal, adalah juga data kualitatif namun
dengan level yang lebih ‘tinggi’ daripada data nominal. Jika pada data
nominal semua data kategori dianggap sama, maka pada data ordinal ada
tingkatan data. Contoh: Mengubah nilai ujian ke nilai prestasi, yaitu:
1. Nilai A untuk nilai dari 80-100
2. Nilai B untuk nilai dari 65-79
3. Nilai C untuk nilai dari 55-64
4. Nilai D untuk nilai dari 45-54
5. Nilai E untuk nilai dari 0 - 44
c. Data interval
Adalah data dimana objek / kategori dapat diurutkan berdasarkan suatu
atribut yang memberikan informasi tentang interval antara tiap objek/
kategori sama. Besarnya interval dapat ditambah atau dikurangi. Data ini
memiliki ciri yang sama dengan ciri pada data ordinal ditambah satu ciri
lagi yaitu urutan kategori data mempunyai jarak yang sama.
Data interval menempati pengukuran data yang lebih ‘tinggi’ dari data
ordinal, karena selain bisa bertingkat urutannya, juga urutan tersebut bisa
dikuantitatifkan. Data interval juga tidak memiliki nilai 0 absolut.
Contoh:
A B C D E
1 2 3 4 5


Interval A-C adalah 3-1=2 Interval C-D adalah 4-3=1
Pada kedua interval ini dapat dijumlahkan menjadi 2 + 1 = 3. Atau
interval antara A dan D adalah 4 – 1 = 3. Pada data ini yang dijumlahkan
bukanlah kuantitas atau besaran, melainkan interval dan tidak terdapat
nilai nol absolut .

d. Data rasio
Adalah data yang memiliki sifat-sifat data nominal, data ordinal, dan data
interval, dilengkapi dengan titik nol absolut dengan makna empiris.
Karena terdapat angka nol maka pada data ini dapat dibuat perkalian atau
pembagian. Angka pada data menunjukkan ukuran yang sebenarnya dari
objek/ kategori yang diukur. Data rasio adalah data dengan pengukuran
paling ‘tinggi’ di antara jenis data lainnya. Contoh: membandingkan nilai
mata kuliah antara dua mahasiswa.
(Singgih Santono, hal 3-6)
6. Data berdasarkan sifatnya
a. Data diskret
Data yang didapat dengan cara menghitung.
b. Data kontinu
Data yang dapat mempunyai nilai yang terletak dalam suatu interval
(Dergibson Siagian Sugiarto, hal 13)
7. Data berdasarkan sumbernya
a. Data Internal
Data yang menggambarkan kegiatan atau keadaan di dalam suatu
organisasi.
b. Data Eksternal
Data yang menggambarkan kegiatan atau keadaan di luar suatu
organisasi.
(Dergibson Siagian Sugiarto, hal 18)



2. 3 Teknik Pengambilan Sampel
Telah diketahui bahwa statistik mencakup teknik pengambilan data untuk
pengumpulan data. Untuk ini maka praktikan harus mengerti beberapa teknik
pengambilan sampel (teknik sampel), dimana hal ini merupakan hal yang paling
mendasar dalam penggunaan teknik statistik karena apabila kita mengamati
sebuah populasi kita tidak dapat mengamati keseluruhan yang ada dalam populasi
tersebut, melainkan hanya pada populasi tertentu.
Teori penarikan sampel merupakan suatu ilmu tentang hubungan antara
populasi dengan sampel yang diambil dari populasi tersebut. Teori dapat
digunakan untuk menduga jumlah populasi yang tidak diketahui dan berguna juga
dalam menentukan apakah perbedaan-perbedaan yang nampak antara dua sampel
disebabkan oleh variasi secara kebetulan atau apakah memang perbedaan itu
cukup tidak terjadi secara kebetulan (significant).
Sampel ialah sebagian anggota populasi yang diambil dari dengan
menggunakan teknik tertentu yang disebut dengan teknik sampling. Teknik
sampling berguna agar:
1. Mereduksi anggota populasi menjadi anggota sampel yang mewakili
aggota populasinya, sehingga kesimpulan terhadap populasi dapat
dipertanggung jawabkan.
2. Lebih teliti menghitung yang sedikit daripada yang banyak.
3. Menghemat waktu tenaga, biaya,benda coba yang merusak.

Metode pengambilan sampel yang ideal mempunyai sifat-sifat sebagai berikut:
1. Mampu menghasilkan gambaran yang dapat dipercaya mengenai
keseluruhan populasi
2. Sederhana sehingga mudah dilaksanakan
3. Efisien, mampu memberikan keterangan sebanyak mungkin dengan
biaya yang rendah
4. Mampu memberikan gambaran tentang tingkat ketelitian penelitian.


Dalam teknik sampling perlu dipahami parameter-parameter yang dianggap
enentukan apakah sampel itu cukup representatif atau tidak, dimana ada 4
parameter yaitu :
1. Variabilitas populasi
2. Ukuran atau besar sampel
3. Teknik penentuan sample
4. Kecermatan memasukkan ciri-ciri populasi
Dari populasi ke sampel ini terdapat proses penarikan sampel (teknik Sampling)
yaitu :
a. Non Probability Sampling (Sampling Nonrandom)
Adalah cara pengambilan sample yang semua objek atau elemen populasinya
tidak memiliki kesempatan yang sama untuk dipilih sebagai sample. Hasil dari
sampling nonrandom memiliki sifat subjektif atau kurang objektif. Hal ini
diakarenakan pada waktu sample diambil dari populasi, probabilitasnya tidak
diikutsertakan, tetapi berdasarkan aspek pribadi seseorang.
Yang termasuk sampling nonrandom antara lain
1. Sampling Kuota
Adalah bentuk sampling nonrandom yang merincikan lebih dahulu segala
sesuatu yang berhubungan dengan pengambilan sampel. Dengan demikian
petugas hanya mengumpulkan data mengenai sesuatu yang telah dirinci.
Akan tetapi, pengambilan unit samplingnya ditentukan oleh si petugas.
2. Sampling pertimbangan
Adalah bentuk sampling nonrandom yang pengambilan sampelnya
ditentukan oleh peneliti berdasarkan pertimbangan atau kebijaksanaanya.
Cara sampling ini cocok untuk studi kasus.
3. Sampling Seadanya
Adalah bentuk sampling nonrandom yang pengambilan sampelnya
dilakukan seadanya atau berdasarkan kemudahannya mendapatkan data
yang diperlukan. Pada

b. Probabilty Sampling (Samplng Random)


Yaitu cara pengambilan sampel dengan semua objek atau elemen populasi
memiliki kesempatan yang sama untuk dipilih sebagai sampel. Hasil dari
sampling ini memiliki sifat yang objektif.
Yang termasuk Probability Sampling yaitu :
1. Sampling random sederhana
Adalah sampling random yang sifatnya sederhana, tiap sampel yang
berukuran sama memiliki probabilitas sama untuk terpilih dari populasi.
Sampling random sederhana dilakukan apabila :
 Elemen-elemen yang bersangkutan homogen
 Hanya diketahui identitas-identitas dari satuan-satuan individu
(elemen) dalam populasi, sedangkan keterangan lain mengenai
populasi, seperti derajat keseragaman, pembagian dalam golongan-
golongan tidak diketahui, dan sebagainya.
Sampling random sederhana dapat dilakukan dengan menggunakan dua
metode, yaitu :
- Metode undian
Adalah metode yang prosesnya dilakukan dengan menggunakan pola
pengundian dan hanya cocok untuk populasi yang kecil
- Metode tabel random
Adalah metode yang prosesnya dilakukan dengan menggunakan tabel
bilangan random. Tabel bilangan random adalah tabel yang dibentuk
dari bilangan biasa yang diperoleh secara berturut-turut dengan
sebuah proses random serta disusun ke dalam suatu tabel.
2. Sampling Berlapis (sampling Stratified)
Adalah bentuk probability sampling yang populasi atau elemen
populasinya dibagi dalam kelompok-kelompok yang disebut strata.
Sampling stratified dilakukan apabila :
 Elemen-elemen populasi heterogen
 Ada kriteria yang akan dipergunakan sebagai dasar untuk
menstratifikasi populasi ke dalam stratum-stratum


 Ada data pendahuluan dari populasi mengenai kriteria yang akan
digunakan untuk stratifikasi
 Dapat diketahui dengan tepat jumlah satuan-satuan individu dari
setiap stratum dalam populasi
3. Sampling Sistematis
Adalah bentuk sampling random yang mengambil elemen-elemen yang
diselidiki berdasarkan urutan tertentu dari populasi yang telah disusun
secara teratur. Sampling sistematis dilakukan apabila :
 Identifikasi atau nama dari elemen-elemen dalam populasi itu
terdapat dalam suatu daftar, sehingga elemen-elemen tersebut dapat
diberi nomor urut.
 Populasi memiliki pola beraturan, seperti blok-blok dalam kota atau
rumah-rumah pada suatu ruas jalan.
4. Sampling kelompok (Sampling Cluster)
Adalah bentuk sampling random yang populasinya dibagi menjadi
beberapa kelompok (cluster) dengan menggunakan aturan-aturan tertentu,
seperti batas-batas alam dan wilayah administrasi pemerintahan.
( Dirgibson Siagian Sugiarto, hal. 115 )

2. 4 Statistika Deskriptif
Statistika deskriptif merupakan teknik statistik dimana disini dilakukan
pengambilan data, penyajian data tanpa adanya kesimpulan.
2.4. 1 Mean, Median, Modus dan Ukuran Pemusatan lainnya
2.1.2.1 Mean
Nilai mean (rata-rata hitung) dari suatu himpunan N bilangan X
1
, X
2
, ..., X
N

ditunjukkan oleh X dan dirumuskan sebagai berikut:
N
X
N
X X X
X
N
j
j
N
¯
=
=
+ + +
=
1
2 1
...
................................. (2.1)
2.1.2.2 Median


Median dari suatu himpunan bilangan yang disusun menurut urutan besarnya
merupakan pertengahan atau nilai tengah hitung dari pertengahan.
2.1.2.3 Modus
Modus suati himpunan bilangan adalah nilai yang terjadi dengan frekuensi
terbesar yaitu nilai yang paling umum. Modus mungkin tidak ada dan jika ada
boleh jadi tidak unik.
2.1.2.4 Kuartil, Desil, dan Persentil
Jika suatu himpunan data disusun menurut besarnya, nilai tengah yang
membagi atas dua bagian yang sama adalah median. Dengan memperluas
pemikiran tersebut, dapat dibayangkan nilai-nilai yang membagi himpunan
atas empat bagian yang sama dan dikenal dengan kuartil. Secara serupa, nilai-
nilai yang membagi data atas sepuluh bagian yang sama disebut desil.
Sedangkan nilai-nilai yang membagi data atas seratus bagian dinamakan
persentil.
(Spiegel, Statistika hal 61-66)
2.4. 2 Simpangan baku dan Ukuran Sebaran Lain
1. Simpangan kuartil
Simpangan kuartil Q dari suatu himpunan didefinisikan oleh
2
1 3
Q Q
Q
÷
= ..................................................... (2.2)
2. Rentang yang merupakan selisih antara bilangan terbesar dengan bilangan
terkecil dalam suatu himpunan.
Rentang = data terbesar – data terkecil .............................. (2.3)
3. Simpangan baku
Simpangan baku adalah deviasi atau penyimpangan suatu data terhadap rata-
ratanya. Dapat dirumuskan:
N
x x
S
¯
÷
=
2
) (
.................................................. (2.4)
4. Variansi
Variansi suatu himpunan didefinisikan sebagai kuadrat simpangan baku (s
2
).
Bilamana diperlukan untuk membedakan simpangan baku populasi dari


simpangan baku sampel yang berasal dari populasi ini seringkali kita
menggunakan lambang S untuk simpangan baku sampel dan σ untuk
simpangan baku populasi. Jadi S
2
mewakili variansi sampel dan σ
2
mewakili
variansi populasi.
(Spiegel, Statistika hal 92-94)
2.4. 3 Distribusi Frekuensi dan Histogram Frekuensi
Data mentah adalah data yang dikumpulkan yang belum diatur secara
numerik. Pada waktu meringkaskan sejumlah besar data mentah sering sangat
berguna mendistribusikan data dalam kelas atau kelompok dan menetapkan
banyaknya individu yang termasuk dalam setiap kelas yang disebut frekuensi
kelas. Suatu penyusunan tabulasi data memakai kelas bersama dengan frekuensi
kelas yang berhubungan disebut distribusi frekuensi atau tabel frekuensi.
Histogram merupakan gambaran secara grafik dari distribusi frekuensi.
Histogram atau histogram frekuensi ini terdiri dari himpunan siku empat yang
mempunyai :
Alas pada sumbu mendatar (sumbu-x) dengan pusat markah (titik tengah
kelas) dan panjang sama dengan ukuran selang kelas.
Luas sebanding terhadap frekuensi kelas.
Jika semua selang kelas mempunyai ukuran sama, tinggi segi empat
sebanding terhadap frekuensi kelas dan merupakan kebiasaan untuk
mengambil tinggi secara numerik sama dengan frekuensi kelas.
Dari suatu histogram, kita bisa mengetahui informasi mengenai data yang
kita teliti.
2.4. 4 Kemencengan
Skewness atau kemencengan adalah derajat ketaksimetrisan, atau
kejauhan dari simetri dari suatu distribusi. Berdasarkan kemencengannya, grafik
distribusi terbagi menjadi tiga, yaitu:
a. Negatively skewed distribution, yaitu kurva frekuensi suatu distribusi yang
mempunyai ekor yang lebih panjang ke kiri dari maksimum pusat daripada
yang ke kanan, distribusi ini disebut juga menceng ke kiri atau mempunyai
kemencengan negatif.


b. Positively skewed distribution, yaitu kurva frekuensi suatu distribusi yang
mempunyai ekor yang lebih panjang ke kanan dari maksimum pusat daripada
yang ke kiri, distribusi ini disebut juga menceng ke kanan atau mempunyai
kemencengan positif.
c. Symmetric distribution, yaitu kurva frekuensi suatu distribusi yang
mempunyai ekor yang sama panjang dari maksimum pusat.


Negatively skewed distribution Positively skewed distribution Symmetric
distribution
Gambar 2. 1 Distribusi Kemencengan (Skewness)

Untuk distribusi yang menceng, mean cenderung terletak pada sisi yang
sama dari modus sebagai ekor yang panjang. Jadi suatu ukuran tak simetri
diperlihatkan oleh selisih (mean-modus). Ini dapat dibuat tanpa ada pembagian
oleh suatu ukuran sembarang, sama seperti simpangan baku, sehingga kita
dapatkan definisi:
s
us x
baku simpangan
us mean
n kemencenga
mod mod ÷
=
÷
= ............................(2.5)
2.4. 5 Kurtosis
Kurtosis adalah derajat kepuncakan dari suatu distribusi, biasanya diambil
secara relatif terhadap suatu distribusi normal. Berdasarkan kurtosisnya, grafik
distribusi terbagi menjadi tiga, yaitu:
 Leptokurtik, yaitu distribusi yang mempunyai puncak relatif tinggi.
 Platikurtik, yaitu distribusi yang mempunyai puncak mendatar.
 Mesokurtik, yaitu grafik yang berdistribusi normal yang puncaknya tidak
terlalu lancip atau berpuncak mendatar.


Derajat Kepuncakan =
|
|
.
|

\
|
÷ ÷
÷
÷
¦
)
¦
`
¹
¦
¹
¦
´
¦
|
.
|

\
| ÷
÷ ÷ ÷
+
¯
) 3 )( 2 (
) 1 ( 3
) 3 )( 2 )( 1 (
) 1 (
2
4
n n
n
s
x x
n n n
n n
i



Mesokurtik Platikurtik Leptokurtik

Gambar 2. 2 Jenis-jenis Distribusi Berdasarkan Kurtosis

Salah satu pengukuran kurtosis menggunakan momen keempat di sekitar
nilai mean yang dinyatakan dalam bentuk tanpa dimensi dan diberikan oleh:
Koefisien momen dari kurtosis =
2
2
4
4
4
4
m
m
s
m
a = = ...................... (2.6)
(Spiegel, Statistika hal 120)
Yang seringkali dinyatakan dengan b
2
. Ada beberapa sumber yang
menuliskan bahwa untuk menentukan jenis kurva dapat ditentukan dari ukuran
kemencengannya:
 Jika a
4
= 3 atau saat kurtosis = 0, maka kurva berdistribusi normal
(Mesokurtik).
 Jika a
4
> 3 atau saat kurtosis > 0 (positif), maka kurva berdistribusi
Leptokurtik.
 Jika a
4
< 3 atau saat kurtosis < 0 (negatif), maka kurva berdistribusi
Platikurtik.
(Sudjana, Metode Statistika hal 120)
(Amitava, Fundamentals of Quality Control and Improvement)

2. 5 Statistik Parametrik


Kebanyakan cara pengujian hipotesis didasarkan pada anggapan bahwa sampel
acak diambil dari populasi normal. Kebanyakan uji tersebut masih dapat diandalkan bila
penyimpangannya dari kenormalan hanya sedikit, terutama sekali bila ukuran
sampelnya besar. Biasanya cara pengujian ini dinamakan metode parametrik.
(Walpole & Myers, Ilmu Peluang dan Statistika hal 691)
Statistik parametrik merupakan teknik statistik dimana dilakukan pengumpulan
data, pengolahan serta penganalisaan terhadap data yang diperolah sehingga nantinya
dapat diambil suatu kesimpulan. Ciri–ciri dari data parametrik adalah :
1. Data berdistribusi normal
2. Merupakan data interval atau data rasio
3. Jumlah data lebih dari sama dengan 30 (n ≥ 30)

2. 6 Uji – Uji Statistik Parametrik
Pengolahan data secara parametrik ini merupakan pengolahan data dimana
anggapan kenormalan diberlakukan, tercakup di dalamnya adalah :
 Uji Kebaikan-Suai
Uji Goodness of Fit digunakan untuk menentukan apakah suatu populasi
mempunyai suatu distribusi teoritis tertentu. Uji tersebut didasarkan atas baiknya
kesesuaian yang ada antara frekuensi terjadinya pengamatan pada sampel
teramati dan frekuensi harapan yang diperoleh dari distribusi yang
dihipotesiskan.
Uji goodness of fit adalah uji hipotesis statistik yang digunakan untuk
menaksir bentuk apakah observasi X
1
,X
2
,…X
n
adalah independen sampel dari
distribusi khusus dengan fungsi distribusi F. Uji goodness of fit dapat digunakan
untuk menguji serangkaian uji hipotesis nol
Terdapat tiga macam uji Goodness of Fit, yaitu Chi-square test,
Kolmogorov-Smirnov Test, dan Anderson Darlinguji
 Uji Menyangkut Ratan dan Variansi
Uji menyangkut rataan ini berkaitan dengan distribusi t, uji ini dapat
menyangkut satu rataan atau variansi dan menyangkut dua variansi atau rataan.
 Uji Menyangkut Proporsi


Uji ini banyak dipakai dalam berbagai bidang. Uji ini digunakan untuk
mengetahui proporsi suatu peristiwa dalam suatu populasi. Sebagai contoh,
seorang politisi tentunya tertarik untuk mengetahui berapa bagian dari pemilih
yang akan mendukungnya dalam pemilihan mendatang. Pengusaha pabrik
berkepentingan mengetahui proporsi cacat dalam suatu pengiriman
produksinya.
 Uji Kebebasan
Merupakan uji untuk mengetahui keterkaitan antara dua atau lebih
variabel atau untuk mengetahui sifat ketergantungan (hubungan) suatu variabel
dengan variabel yang lain.
 Galat I dan Galat II
Galat I adalah penolakan hipotesis nol padahal hipotesis itu benar.
Galat II adalah penerimaan hipotesis nol padahal hipotesis itu salah.
 Uji Anova
Anova sering disebut sebagai analisis variansi. Sampel acak ukuran n
diambil masing-masing dari k populasi. Ke k populasi yang berbeda ini
diklasifikasikan menurut perlakuan atau grup yang berbeda. Dewasa ini istilah
perlakuan digunakan secara umum dengan arti klasifikasi, apakah itu kelompok,
adukan, penganalisis, pupuk yang berbeda, atau berbagai daerah di suatu
negara. Pada Anova terdapat pengujian hipotesis nol bahwa rataan ke k populasi
sama lawan tandingan bahwa paling sedikit dua dari rataan ini tidak sama.
Uji yang akan dipakai didasarkan pada perbandingan dua taksiran bebas
dari kesamaan variansi populasi o
2
. Perlu dibandingkan ukuran variansi antara
perlakuan yang sesuai dengan variansi dalam perlakuan, agar dapat ditemukan
perbedaan yang berarti dalam pengamatan akibat pengaruh perlakuan.
Analisis variansi untuk klasifikasi eka arah dapat dilihat pada tabel di
bawah ini yang sama dengan tabel Anova.
Tabel 2. 1 Analisis Variansi Untuk Klasifikasi Eka Arah
Sumber
Variansi
Jumlah
Kuadrat
Derajat
Kebebasan
Rataan
Kuadrat
f Hitungan


Perlakuan JKA k - 1
1
2
1
÷
=
k
JKA
S
2
2
2
1
S
S

Galat JKG k (n - 1)
) 1 (
2
÷
=
n k
JKA
S

Total JKT nk - 1

JKT =
¯ ¯
= =
÷
n
j
k
i
nk
T
ij y
1
2
2
1
..

JKA =
nk
T
n
Ti
k
j
..
2
1
2
÷
¯
=

JKG = JKT – JKA
 Uji-F
Pada pengujian kesamaan dua variansi populasi o
1
2
dan o
2
2
, yang ingin
diuji adalah hipotesis nol Ho bahwa o
1
2
= o
2
2
lawan salah satu tandingan o
1
2
<
o
2
2
, o
1
2
> o
2
2
, atau o
1
2
= o
2
2
.
Untuk dua sampel acak berukuran masing-masing n
1
dan n
2
dari dua
populasi, nilai f untuk menguji o
1
2
= o
2
2
ialah nisbah :
2
2
2
1
s
s
f = ........................................................ (2.7)
dengan s
1
2
dan s
2
2
variansi yang dihitung dari dua sampel. Jika kedua populasi
berdistribusi hampir normal dan hipotesis nol benar maka nisbah
2
2
2
1
s
s
f = suatu
nilai distribusi – F dengan derajat kebebasan v
1
= n
1
– 1 dan v
2
= n
2
– 1. Dengan
demikian daerah kritis berukuran o yang sesuai dengan tandingan eka pihak o
1
2

< o
2
2
, o
1
2
> o
2
2
adalah masing-masing f > f
1-o
(v
1
,v
2
) dan f > f
o
(v
1
,v
2
). Untuk
tandingan dua pihak o
1
2
= o
2
2
, daerah kritis adalah f < f
1-o
(v
1
,v
2
) dan f > f
o/2



(v
1
,v
2
). Untuk mengambil keputusan disesuaikan dengan daerah kritis, bila nilai
peluang berada didaerah kritis maka ditolak dan begitupun sebaliknya.
Dalam pengambilan keputusan dapat dengan membandingkan nilai P
hasil perhitungan dengan o. Jika P lebih besar daripada o, maka Ho diterima
dan begitupun sebaliknya.
(Walpole & Myers, Ilmu Peluang dan Statistika hal 257-260)
 Uji-T
Dalam uji menyangkut dua rataan keadaan yang lebih umum berlaku
ialah keadaan dengan variansi tidak diketahui. Bila si peneliti bersedia
menganggap bahwa kedua distribusi normal dan bahwa o
1
= o
2
= o, maka uji t-
gabungan (sering disebut uji-t dua sampel) dapat digunakan. Uji statistik
tersebut berbentuk :

2 1
0
2 1
/ 1 / 1
) (
n n S
d x x
t
p
+
÷ ÷
= ........................................... (2.8)
untuk
2
) 1 ( ) 1 (
2 1
2
2
2 1
2
1 2
÷ +
÷ + ÷
=
n n
n S n S
S p .................................. (2.9)
Distribusi-t digunakan diisi dan bila hipotesisnya dwipihak maka
hipotesis ditolak bila
2 , 2 /
2 1
÷ +
÷
n n
t

< t <
2 , 2 /
2 1
÷ +n n
t


Sebagian mungkin telah diduga tandingan ekapihak menimbulkan daerah kritis
ekasisi. Sebagai contoh, untuk H
1
: u
1-
u
2
> do, tolak Ho : u
1-
u
2
= do bila t >
2 , 2 /
2 1
÷ +n n
t

. Dapat juga dengan membandingkan nilai P perhitungan dengan taraf
keberartian. Jika P lebih besar maka Ho diterima, dan apabila sebaliknya maka
Ho ditolak.

Pengamatan Berpasangan
Perhitungan selang kepercayaan untuk u
1
- u
2
dalam hal ini didasarkan
pada peubah acak


n S
D
T
d
D
 ÷
= .............................................. (2.10)
Hipotesisnya berbentuk, Ho : u
D
= do
Uji statistik hasil perhitungan menjadi
n S
do d
t
d
÷
= ....................................................... (2.11)
Daerah kritis untuk ekasisi t < -t
o
atau t > t
o
, sedangkan untuk dwisisi t < -t
o
atau
t > t
o
dengan menggunakan distribusi-t dengan derajat kebebasan n – 1. Dalam
pengambilan keputusan juga dapat dengan membandingkan nilai P perhitungan
dengan taraf keberartian (o). Jika P lebih kecil atau sama dengan o, maka Ho
ditolak dan apabila sebaliknya maka Ho diterima.
(Walpole & Myers, Ilmu Peluang dan Statistika hal 252-257)

2. 7 Statistik Nonparametrik
Suatu pengujian populasi seringkali dihadapkan pada suatu uji yang harus
dilakukan tanpa kebergantungan asumsi-asumsi yang kaku karena bersifat khusus. Uji
statistik nonparametrik merupakan alternatif untuk memenuhi kebutuhan tersebut
dikarenakan menghasilkan kesahihan dan validitas meskipun hanya berdasar pada
asumsi-asumsi umum. Tipe utama prosedur statistik yang dimasukkan dalam
nonparametrik adalah prosedur-prosedur nonparanetrik murni dan prosedur-prosedur
bebas distribusi (distribution free procedures). Ciri–ciri dari data non parametrik adalah
:
1. Data berdistribusi tidak normal
2. Merupakan data nominal atau data ordinal
3. Jumlah data kurang dari sama dengan 30 (n ≤ 30)
Keunggulan Statistik Non Parametrik :
Beberapa keuntungan dalam penggunaan statistik non parametrik adalah :
a. Kemungkinan keasalahan pada penggunaan adalah minimum karena asumsi
yang digunakan minim.
b. Perhitungan yang digunakan umumnya mudah meskipun secara manual.


c. Prosedur yang digunakan lebih mudah dipahami oleh semua pihak.
d. Prosedurnya dapat digunakan meskipun dengan skala pengukuran terendah.
Kekurangan statstik non parametrik :
Di samping memilki kelebihan-kelebihan tersebut di atas, penggunaan statistik
non parametrik juga mempunyai kelemahan di antaranya :
a. Meskipun perhitungannya sederhana tetapi pada umumnya menjemukan.
b. Beberapa kasus sebenarnya lebih tepat jika digunakan prosedur-prosedur
parametrik.
Sebagai ringkasan, bila uji parametrik dan non parametrik keduanya berlaku pada
himpunan data yang sama, gunakanlah selalu uji parametrik yang lebih efisien. Akan
tetapi bila diketahui bahwa anggapan kenormalan sering tak berlaku dan ternyata bahwa
yang dihadapi adalah pengukuran yang tidak kuantitatif maka digunakan uji yang non
parametrik.
(Walpole & Myers, Ilmu Peluang dan Statistika hal 691, 1995)

2. 8 Uji – Uji Statistik Nonparametrik
Kebanyakan cara pengujian hipotesis pada uji parametrik adalah didasarkan pada
anggapan bahwa sampel acak diambil dari populasi normal. Padahal tidak semua data
yang digunakan pada pengujian-pengujian tersebut diatas berdistribusi normal. Untuk
mengatasi hal tersebut lalu digunakan uji non parametrik. Uji non parametrik adalah uji
yang mengabaikan asumsi dari kenormalan data populasi.
Yang tercakup didalam uji non parametrik adalah Pengujian Kolmogorof-
Smimov, Uji Tanda, Uji Dwi Sampel Wilcoxon, Uji Runtun dan Uji Kruskal Walls.
(Modul Parktikum Statistika Industri hal 4, 2005)

2.8. 1 Pengolahan data nonparametrik k = 2
2.8.1. 1 Pengolahan data nonparametrik independen k =2
1. Uji Mann-Whitney
Uji digunakan untuk menguji ada tidaknya perbedaan yang significant
untuk 2 sampel yang independent. Uji Mann-Witney disebut juga uji U,
beraku untuk kasus dua sample independent dengan skor yang berskala


ordinal. Uji Mann- Whitney dipakai untuk menguji apakah dua kelompok
independent telahmditarikdari populasi yang sama. Uji ini merupakan
pengembangan dari uji Wilcoxon dengan dua sample berukuran tidak sam,
dan pemberian jenjang didasarkan pada skor gabungan. Uji Mann-hitney tidak
memerlukan anggapan tertentu mengenai populasi dari mana sampel
diambil(seperti uji-uji non-parametrik lainnya). Asumsi yang diperlukan
hanyalah bahwa nilai dari variable random dari dua kelompok yang
diperbandingkan adalah berditribusi kontinyu. Hipotesis nihil yang akan diuji
mengatakan bahwa dua sample independent diambil dari populasi yang
memiliki distribusi yang sama. Uji ini dapat digunakan untuk pengujian dua
sisi ataupun satu sisi. Uji tersebut merupakan alternatif lain dari uji
tparametrik, bila anggapan yang diperlukan bagi uji t tidak dijumpai.
(Djarwanto,Mengenal beberapa uji satistik,2001, Hal 237)
2. Uji Kolmogorov-Smirnov
Uji ini hampir sama dengan uji Mann-Whitney yaitu digunakan untuk
menguji ada tidaknya perbedaan yang significant untuk 2 sampel yang
independent. Uji Kolmogorof Smirnov juga dapat digunakan untuk
melakukan uji lokasi dan uji bentuk. Kedua uji tersebut berkontribusi pada
perbedaan nilai 2 kelompok. Dengan melakukan centering atau pemusatan
nilai data sample, setiap kelompok disekitar rata-ratanya akan menghilangkan
perbedaan dan memungkinkan melakukan perbandingan bentuk (uji bentuk)
antara kedua kelompok tersebut.
3. Uji Moses dan Uji Wald-Wolfowitz
Uji Moses merupakan teknik metode pengujian non parametrik untuk
menguji hipotesa bahwa variabel percobaan akan memberi efek pada
beberapa subjek di satu sisi dan subjek lainnya di sisi yang berlawanan.
Pengujian ini dibandinghkan dengan grup kendali. Tes ini membutuhkan data
ordinal. Tes ini berfokus pada rentang di grup kendali, dan mengukur berapa
banyak nilai ekstrim di grup percobaan mempengaruhi rentang saat
digabungkan dengan grup mkendali. Uji Moses lebih fokus kepada variasi
data dari dua sampel.



2.8.1. 2 Pengolahan data nonparamerik dependen k = 2
1. Uji Tanda (Sign)
Uji tanda digunakan untuk menguji hipotesis mengenai median populasi.
Dalam banyak kasus prosedur non parametrik, rataan digantikan oleh median
sebagai parameter lokasi yang relevan untuk diuji. Uji statistik yang sesuai untuk
uji tanda adalah peubah acak binomial X, yang menyatakan banyaknya tanda
tambah dalam terok acak. Bila hipotesis nol u = u
o
benar, maka peluang suatu
nilai terok dapat menghasilkan tanda tambah atau kurang sama dengan setengah.
Jadi, untuk menguji hipotesis nol bahwa u = u
o
kita sesungguhnya menguji
hipotesis nol bahwa banyaknya tanda tambah merupakan suatu nilai dari peubah
acak yang berdistribusi binomial dengan parameter p = ½. Nilai p baik untuk
tandingan ekapihak maupun dwipihak dapat dihitung dengan menggunakan
distribusi binomial. Sebagai contoh dalam pengujian :
H
o
: u = u
o

H
1
:

u < u
o
Kita akan menolak H
o
dan menerima H
1
hanya jika proporsi yang bertanda
tambah cukup lebih kecil dari setengah. Jadi, bila nilai p hitungan
P = P ( X s x, bila p = ½)
lebih kecil atau sama dengan suatu taraf keberartian o yang ditetapkan
sebelumnya, maka kita menolak H
o
dan menerima H
1
.
Untuk menguji hipotesa :
H
o
: u = u
o

H
1
: u > u
o

Kita akan menolak H
o
dan menerima H
1
hanya jika proporsi yang bertanda
tambah cukup lebih besar dari setengah. Jadi, bila nilai p hitungan
P = P ( X > x, bila p = ½)
lebih kecil dari suatu taraf keberartian o yang ditetapkan sebelumnya, maka kita
menolak H
o
dan menerima H
1
.
Untuk menguji hipotesa :


H
o
: u = u
o

H
1
:

u = u
o

Kita akan menolak H
o
dan menerima H
1
hanya jika proporsi yang bertanda
tambah cukup lebih kecil atau lebih besar dari setengah. Jadi, bila x < n/2 dan
nilai p hitungan
P =2P ( X s x, bila p = ½)
Lebih kecil daripada atau sama dengan suatu taraf keberartian o, atau bila x >
n/2 dan nilai p hitungan
P =2P ( X > x, bila p = ½)
Lebih kecil atau sama dengan o kita tolak H
o
dan menerima H
1
. Apabila n > 10
peluang binomial dengan p = ½ dapat dihampiri dengan kurva normal.
(Walpole & Myers, Ilmu Peluang dan Statistika hal 692-693, 1995)


2. Uji Rang Tanda
Uji tanda hanya menggunakan tanda tambah dan kurang dari selisih
antara pengamatan dan u
o
dalam kasus satu sampel, atau tanda tambah dari
selisih antara pasangan pengamatan dalam kasus sampel berpasangan tanpa
memperhatikan besarnya selisih tersebut. Suatu uji yang memanfaatkan baik
tanda maupun besarnya selisih telah diusulkan oleh Frank Wilcoxon (1945)
dan sekarang biasa disebut uji rang tanda Wilcoxon.
Uji rang tanda Wilcoxon berlaku untuk kasus distribusi kontinu
setangkup. Pertama-tama tiap nilai sampel dikurangi dengan u
o,
buang semua
selisih yang sama dengan nol. Selisih yang tertinggal dirang tanpa
menghiraukan tandanya. Bila dua atau lebih selisih nilai mutlaknya sama,
masing-masing diberi rang sama dengan rata-rata rangnya. Bila hipotesis u =
u
o
benar maka jumlah rang dari selisih yang positif seharusnya hampir sama
dengan jumlah rang selisih negatif. Nyatakanlah masing-masing jumlah ini
dengan w
+
dan w
-
dan yang terkecil dari keduanya dengan w. Bila hipotesis
H
o
: u = u
o
dapat ditolak dan menerima tandingan u < u
o
hanya bila w
+
kecil


dan w
-
besar. Begitu pula u > u
o
diterima apabila w
+
besar dan w
-
kecil.
Untuk tandingan dwi pihak H
o
ditolak bila w
+
maupun w
-
cukup kecil.

Dua sampel dengan pengamatan berpasangan
Untuk menguji hipotesis nol bila teroknya berasal dari dua populasi
yang kontinu yang setangkup dengan u
1
= u
2
untuk kasus sampel
berpasangan, rang selisihnya tanpa memperhatikan tanda kemudian
diselesaikan seperti pada kasus satu sampel.


Tabel 2. 2 Uji Rang Tanda
Mengu
ji H
o

Tandin
gan H
1
Hitung

u = u
o

u < u
o
u > u
o

u = u
o

w
+
w
-

w

u
1
= u
2

u
1
< u
2
u
1
>
u
2
u
1
=
u
2

w
+
w
-

w

Uji rang tanda dapat pula digunakan untuk menguji hipotesis nol
bahwa u
1
- u
2
= b
0
. Dalam kasus ini tidak perlu setangkup. Seperti pada uji
tanda tiap selisih kita kurangi dengan b
o
, rang tiap selisih tanpa
memperhatikan tandanya dan terapkan prosedur yang sama seperti
sebelumnya.
(Walpole & Myers, Ilmu Peluang dan Statistika hal 696-698, 1995)

2.8. 2 Pengolahan data nonparametric k > 2


2.8.2. 1 Pengolahan data nonparametrik independen k > 2
1. Uji Kruskal Wallis
Uji Kruskal-Wallis, sering pula disebut Uji H Kruskal Wallis, adalah
rampatan uji jumlah rang (dwi sampel Wilcoxon) untuk sejumlah sampel k > 2.
Uji ini digunakan untuk menguji hipotesis H
o
bahwa k sampel bebas berasal dari
populasi yang sama. Diperkenalkan di tahun 1952 oleh W.H. Kruskal dan W.A.
Wallis, uji ini merupakan padanan cara non parametrik untuk menguji kesamaan
rataan dalam analisis variansi ekafaktor bila ingin mengehindari anggapan bahwa
sampel berasal dari populasi normal. Jika dari populasi yang sama, maka rata-rata
ke-k sampel tersebut tentu relatif sama atau tidak berbeda secara signifikan.
(Walpole & Myers, Ilmu Peluang dan Statistika hal 707, 1995)
2. Uji Median
Uji yang dilakukan untuk mengetahui apakah sampel berasal dari dua
populasi dengan median yang sama atau telah diambil dari populasi yang sama.
Langkah-langkah yang ditempuh dalam pengujiaan ini adalah:
1. Gabungkan kedua sample menjadi sebuah sample berukuran (n1 + n2)
dengan n1 = ukuran sample yang diambil dari populasi kesatu dan n2 =
ukuran sample yang diambil dari populasi kedua.
2. Tuliskan ke (n1 + n2) buah data dari sample gabungan ini menurut-urutan
besar nilainya.
3. Tentukan nilai median dari sample gabungan ini.
4. Dari setiap sample, tentukan banyaknya data muka median.
5. Bentuk sebuah daftar kontingensi 2 x 2 eperti di bawah ini dengan
menggunakan data yang telah disusun dalam daftar kontingensi tersebut,
untuk menguji hipotesis.
(Sudjana. 1996. Metode Statistika. Tarsito : Bandung, Hal 464)

2.8.2.2 Pengolahan data nonparametrik dependen k > 2
1. Uji Friedman
Uji yang dilakukan untuk mengetahui adanya perbedaan yang significant
dimana jumlah sampel lebih dari 2 yang dependent. Uji Friedman sebenarnya


adalah analog dengan uji analisis varians dua arah pada uji parametric. Uji ini
dpat digunakan apabila penerapan analisis varians dua arah parametric tidak
dikehendaki dikarenakan pertimbangan tertentu, misalkan seorang peneliti
tidak ingin berasumsi bahwa sampel yang diperolehnya adalah berdistribusi
normal, dimana distribusi normal merupakan persyaratan sahihnya (valid) uji
dalam penggunaan uji parametric.
2. Uji Konkordansi Kendall’s
Uji konkordansi pada prinsipnya ingin mengetahui apakah ada
keselarasan dari sekelompok objek (orang) dalam menilai objek tertentu.
Keselarasan (konkordansi) diberi nama seperti halnya korelasi, yakni dari 0
sampai 1. jika 0 berarti responden sama sekali tidak selaras satu dengan yang
lain dalam menilai suatu atribut, dan jika 1 maka semua sangat selaras. Pada
umumnya, angka konkordasi diatas 0,5 bisa dianggap tingkat keselarasan
sudah cukup tinggi.
(Singgih Santoso, halaman 202 & 441)
2. 9 Pengolahan Data dengan MINITAB, Excel, dan SPSS
2.9. 1 Excel
- ANNOVA
Anova sering disebut sebagai analisis variansi. Terok acak ukuran n diambil
masing-masing dari k populasi. Ke k populasi yang berbeda ini diklasifikasikan
menurut perlakuan atau grup yang berbeda. Dewasa ini istilah perlakuan
digunakan secara umum dengan arti klasifikasi, apakah itu kelompok, adukan,
penganalisis, pupuk yang berbeda, atau berbagai daerah di suatu negara. Pada
ANOVA terdapat pengujian hipotesis nol bahwa rataan ke k populasi sama lawan
tandingan bahwa paling sedikit dua dari rataan ini tidak sama.
Uji yang akan dipakai didasarkan pada perbandingan dua taksiran bebas dari
kesamaan variansi populasi o
2
. Perlu dibandingkan ukuran variansi antara
perlakuan yang sesuai dengan variansi dalam perlakuan, agar dapat ditemukan
perbedaan yang berarti dalam pengamatan akibat pengaruh perlakuan.
Analisis variansi untuk klasifikasi eka arah dapat dilihat pada tabel di bawah
ini yang sama dengan tabel ANOVA.


Tabel 2. 3 Ananlisis Variansi
Sumber Variansi
Jumlah
kuadrat
Derajat
Kebebasan
Rataan Kuadrat f Hitungan
Perlakuan JKA k – 1
1
2
1
÷
=
k
JKA
S
2
2
2
1
S
S

Galat JKG k (n – 1)
) 1 (
2
÷
=
n k
JKA
S

Total JKT nk – 1

JKT =
¯¯
= =
÷
k
i
n
j
ij
nk
T
y
1 1
2
2
..

JKA =
nk
T
n
T
k
i
i
..
2
1
2
÷
¯
=


JKG = JKT-JKA

2.9. 2 SPSS
Untuk mengolah data tersebut kami menggunakan program SPSS
(Statistical Product and Service Solution). Program SPSS adalah program yang
bertujuan untuk memperkecil kesalahan penghitungan dalam pengolahan data.
Data yang diolah dalam SPSS harus memenuhi syarat-syarat yang meliputi
kecukupan data, kualitas data, dan memenuhi sifat-sifat keacakan. Setelah proses
pengumpulan dan pengolahan data dilakukan, maka analisa output SPSS data
dapat langsung diketahui.
2.9.3 MINITAB
Permasalahan – permasalahan statistika bukan suatu masalah rumit karena
seiring dengan perkembangan teknologi komputer, pekerjaan statistik sangat
terbantu dengan adanya program aplikasi komputer untuk statistik yang kini


sudah banyak dipasarkan. Komputer sangat membantu pekerjaan statistik,
terutama dalam melakukan perhitungan statistik yang menggunakan rumus
matematika yang rumit dan banyak data. Salah satu program statistik yang telah
diakui banyak orang adalah program MINITAB.
Program MINITAB merupakan program statistiks yang diakui cukup
andal oleh banyak kalangan, baik dunia kampus maupun industri. Keunggulan
MINITAB adalah selain menyediakan metode – metode statistik klasik seperti
analisis regresi, analisis faktor, analisis deskriminan, dan tabulasi silang.
MINITAB juga menyediakan pula metode – metode statistik untuk meningkatkan
dan memperbaiki kualitas seperti pengendalian kualitas statistik, desain
eksperimen, dan analisis realibilitas. MINITAB juga mampu memberi nilai
taksiran yang mendekati nilai sebenarnya.
Pada data parametrik independen k = 2 digunakan program MINITAB
dengan melakukan uji T dan uji F. Dimana membandingkan rata-rata dua sampel
dan membandingkan variansi dua sampel. Data non parametrik independen k = 2,
independen k > 2 dan dependen k > 2 juga menggunakan program MINITAB.
Untuk data non parametrik independen k = 2 menggunakan uji Kruskal Wallis,
data non parametrik dependen k > 2 menggunakan uji Friedman. Untuk data non
parametrik independen k = 2 menggunakan uji Mann Whitney.


BAB III
PENGUMPULAN DATA

3. 1 Data Parametrik
3.1. 1 Statistik Parametrik Independen k=2
Badan Statistik Nasional mencatat Banyaknya Kyai dan Ustadz
Menurut Kabupaten/Kota di Jawa Tengah Tahun 2004. Datanya adalah sebagai
berikut:
Tabel 3. 1Data Pengamatan Parametrik Independen k = 2
Kabupaten/Kota Kyai Ustadz
01. Kab. Cilacap 442 963
02. Kab. Banyumas 209 397
03. Kab. Purbalingga 252 414
04. Kab. Banjarnegara 330 228
05. Kab. Kebumen 167 380
06. Kab. Purworejo 417 763
07. Kab. Wonosobo 422 654
08. Kab. Magelang 235 700
09. Kab. Boyolali 210 718
10. Kab. Klaten 97 196
11. Kab. Sukoharjo 58 615
12. Kab. Wonogiri 70 172
13. Kab. Karanganyar 114 242
14. Kab. Sragen 350 729
15. Kab. Grobogan 485 426


16. Kab. Blora 156 527
17. Kab. Rembang 429 1.030
18. Kab. Pati 365 987
19. Kab. Kudus 496 588
20. Kab. Jepara 364 2.160
21. Kab. Demak 574 1.096
22. Kab. Semarang 285 715
23. Kab. Temanggung 365 571
24. Kab. Kendal 329 1.007
25. Kab. Batang 204 1.004
26. Kab. Pekalongan 226 553
27. Kab. Pemalang 187 465
28. Kab. Tegal 172 446
29. Kab. Brebes 487 1.094
30. Kota Magelang 13 14

3.1. 2 Statistik Parametrik Independen k>2
Badan Statistik Nasional mencatat Banyaknya Jema'ah Haji yang
Diberangkatkan ke Tanah Suci (Mekkah) Menurut
Kabupaten/Kota di Jawa Tengah Tahun Anggaran 2001-2003. Datanya adalah
sebagai berikut:
Tabel 3. 2 Data Pengamatan Parametrik Independen k > 2
Kabupaten Kota 2001 2002 2003
01. Kab. Cilacap 478 696 615
02. Kab. Banyumas 458 648 562


03. Kab. Purbalingga 178 238 202
04. Kab. Banjarnegara 300 368 346
05. Kab. Kebumen 623 852 685
06. Kab. Purworejo 305 314 314
07. Kab. Wonosobo 305 335 356
08. Kab. Magelang 299 524 567
09. Kab. Boyolali 405 486 427
10. Kab. Klaten 376 773 633
11. Kab. Sukoharjo 286 341 276
12. Kab. Wonogiri 122 101 109
13. Kab. Karanganyar 143 205 201
14. Kab. Sragen 388 385 400
15. Kab. Grobogan 361 560 499
16. Kab. Blora 307 304 314
17. Kab. Rembang 627 483 468
18. Kab. Pati 1.550 957 822
19. Kab. Kudus 1.482 1.059 928
20. Kab. Jepara 2.515 1.987 1.550
21. Kab. Demak 1.342 1.178 817
22. Kab. Semarang 186 374 313
23. Kab. Temanggung 270 394 274
24. Kab. Kendal 950 892 792
25. Kab. Batang 488 329 311
26. Kab. Pekalongan 933 582 510


27. Kab. Pemalang 744 427 453
28. Kab. Tegal 675 928 830
29. Kab. Brebes 573 762 660
30. Kota Magelang 64 99 116

3. 2 Data Non Parametrik
3.2. 1 Statistik Non Parametrik Independen k=2
Untuk data non parametrik independen k=2 kami melakukan kuesioner
dengan sampel mahasiswa Teknik Industri angkatan 2007 untuk mengetahui
Pengaruh Jenis Kelamin terhadap Media Aktualisasi Diri. Dari kuesioner
tersebut didapat data sebagai berikut

Tabel 3. 3 Data Pengamatan Non Parametrik Independen k = 2
Sampel ke- laki-laki perempuan
1 2 1
2 1 1
3 4 1
4 1 1
5 5 1
6 2 1
7 1 1
8 1 2
9 1 1
10 2 2
11 1 1
12 1 2
13 1 1
14 1 1
15 1 1


16 1 1
17 1 1
18 1 1
19 2 1
20 1 1
21 2 3
22 3 2
23 5 3
24 1 1
25 3 1

Ket:
1. Kamera HP
2. Kamera digital
3. Handycam
4. Webcam
5. Photobox

3.2. 2 Statistik Non Parametrik Independen k>2
Untuk data non parametrik independen k>2 kami melakukan kuesioner
dengan sampel mahasiswa Teknik Industri angkatan 2007 untuk mengetahui
Pengaruh Golongan Darah terhadap Jenis Materi yang Disukai. Dari kuesioner
tersebut didapat data sebagai berikut:

Tabel 3. 4 Data Pengamatan Non Parametrik Independen k >2
Sampel
ke- A B O
1 1 1 1
2 2 1 3
3 1 1 2


4 3 1 2
5 3 1 2
6 2 3 3
7 2 2 2
8 1 3 1
9 3 1 3
10 3 1 1
11 1 1 1
12 1 3 2
13 1 1 1
14 2 2 1
15 2 3 3
16 3 2 3
17 3 1 1
18 1 2 3
19 2 1 3
20 1 2 2
21 2 3 3
22 1 3 2
23 1 2 1
24 2 3 1
25 1 2 2

Keterangan:
1. Hitungan
2. Hafalan
3. Keduanya

3.2. 3 Statistik Non Parametrik Dependen k=2


Dari www.google/info_guru_guru2.php.htm diperoleh data mengenai
Daftar Status Guru-Guru SMK-SB. Datanya adalah sebagai berikut:

Tabel 3. 5 Data Asli Dependen k=2
Sampel
ke-
status kawin
laki-laki perempuan
1 tidak Kawin
2 tidak tidak
3 Kawin tidak
4 Kawin Kawin
5 Kawin Kawin
6 Kawin Kawin
7 tidak tidak
8 Kawin tidak
9 Kawin Kawin
10 Kawin tidak
11 Kawin Kawin
12 tidak Kawin
13 Kawin Kawin
14 Kawin tidak
15 tidak Kawin
16 Kawin Kawin
17 tidak Kawin
18 tidak Kawin
19 Kawin Kawin
20 tidak tidak
21 Kawin tidak
22 Kawin Kawin
23 Kawin tidak
24 Kawin Kawin


25 tidak Kawin



3.2. 4 Statistik Non Parametrik Dependen k>2
Untuk data non parametrik dependen k>2 kami melakukan kuesioner
dengan sampel mahasiswa Teknik Industri angkatan 2007 untuk mengetahui
Pengaruh Negara Produksi terhadap Jenis Film yang Disukai. Dari kuesioner
tersebut didapat data sebagai berikut:

Tabel 3. 6 Data Non Parametrik Dependen k>2
No Nama indonesia barat asia
1 miftahul Hasan 4 1 1
2 Trisna N P 4 4 4
3 Farid 3 4 1
4 Irma N S 2 1 3
5 Reza Zamani 4 1 3
6 Mujiya U 3 4 3
7 Zaki 4 1 4
8 Awan 4 4 4
9 Nita T 2 1 3
10 Reny Stefanie 4 3 2
11 Dinda 3 3 3
12 Ucok 4 4 4
13 Yoyo 4 3 2
14 Intan Arthantia 4 1 3
15 Dita W.R 4 1 4
16 Hasniar T 4 1 3
17 Dimas H.A 2 1 2
18 Prafitrianti 2 2 1


19 Devia 4 3 3
20 Anggie S 4 2 3
21 Rachman F. N 4 2 2
22 Radhit P 2 1 3
23 Rina A.K.N 2 1 1
24 Andik Sutrimo 4 4 4
25 M.Shofyan Adi 4 1 1

Keterangan:
1. Action
2. Horor
3. Drama
4. Komedi

BAB IV
PENGOLAHAN DATA

4. 1 Statistik Parametrik
4.1. 1 Statistik Parametrik Independen k = 2
Output Excel
÷ Deskriptif Statistic
Tabel 4. 1Ouput Statistic Descriptive Parametrik Independen k=2
kyai ustadz

Mean 283.6667 Mean 661.8
Standard Error 26.95016 Standard Error 74.65758463
Median 268.5 Median 601.5
Mode 365 Mode #N/A
Standard Deviation 147.6121 Standard Deviation 408.9164319
Sample Variance 21789.33 Sample Variance 167212.6483
Kurtosis -0.89775 Kurtosis 5.073799684
Skewness 0.053532 Skewness 1.611303503


Range 561 Range 2146
Minimum 13 Minimum 14
Maximum 574 Maximum 2160
Sum 8510 Sum 19854
Count 30 Count 30

÷ Anova Single Factor
Tabel 4. 2 Output Anova Single Factor Parametrik Independen k=2
SUMMARY
Groups Count Sum Average Variance
kyai 30 8510 283.6666667 21789.33
ustadz 30 19854 661.8 167212.6

÷ T-Test: Paired two sample for means
Tabel 4. 3 Output T-test: Paired Two Sample For Means Parametrik Independen k=2
kyai ustadz
Mean 283.6667 661.8
Variance 21789.33 167212.6483
Observations 30 30
Pearson Correlation 0.540701
Hypothesized Mean Difference 0
df 29
t Stat -5.88806
P(T<=t) one-tail 1.08E-06
t Critical one-tail 1.699127
P(T<=t) two-tail 2.17E-06
t Critical two-tail 2.04523

ANOVA
Source of Variation SS df MS F P-value F crit
Between Groups 2144772 1 2144772.267 22.69576
1.31E-
05 4.006873
Within Groups 5481057 58 94500.9908

Total 7625830 59


÷ F-test: Two-sample for variances
Tabel 4. 4 Output F-Test Two Sample For Variances Parametrik Independen k=2
kyai ustadz
Mean 283.6667 661.8
Variance 21789.33 167212.6
Observations 30 30
df 29 29
F 0.130309
P(F<=f) one-
tail 2.11E-07
F Critical one-
tail 0.5374


Output SPSS
- Deskriptif Statistik
Frequencies
Tabel 4. 5 Deskriptif Statistik Parametrik Independen k=2

Statistics

kyai ustadz
N Valid 30 30
Missing 0 0
Mean 283,6667 661,8000
Median 268,5000 601,5000
Mode 365,00 14,00(a)
Std. Deviation 147,61210 408,91643
Variance
21789,333
167212,64
8
Skewness ,054 1,611
Std. Error of Skewness ,427 ,427
Kurtosis -,898 5,074
Std. Error of Kurtosis ,833 ,833
Range 561,00 2146,00
Minimum 13,00 14,00
Maximum 574,00 2160,00


Percentiles 10 72,7000 199,2000
20 158,2000 383,4000
25 170,7500 409,7500
30 192,1000 432,0000
40 216,4000 537,4000
50 268,5000 601,5000
60 342,0000 709,0000
70 365,0000 752,8000
75 418,2500 969,0000
80 427,6000 1000,6000
90 486,8000 1087,6000
- a Multiple modes exist. The smallest value is shown

Tabel 4. 6 Deskriptif Statistik Parametrik Independen k=2 (kyai)

kyai

Frequency Percent Valid Percent
Cumulative
Percent
Valid 13.00 1 3.3 3.3 3.3
58.00 1 3.3 3.3 6.7
70.00 1 3.3 3.3 10.0
97.00 1 3.3 3.3 13.3
114.00 1 3.3 3.3 16.7
156.00 1 3.3 3.3 20.0
167.00 1 3.3 3.3 23.3
172.00 1 3.3 3.3 26.7
187.00 1 3.3 3.3 30.0
204.00 1 3.3 3.3 33.3
209.00 1 3.3 3.3 36.7
210.00 1 3.3 3.3 40.0
226.00 1 3.3 3.3 43.3
235.00 1 3.3 3.3 46.7
252.00 1 3.3 3.3 50.0
285.00 1 3.3 3.3 53.3
329.00 1 3.3 3.3 56.7
330.00 1 3.3 3.3 60.0
350.00 1 3.3 3.3 63.3
364.00 1 3.3 3.3 66.7
365.00 2 6.7 6.7 73.3
417.00 1 3.3 3.3 76.7


422.00 1 3.3 3.3 80.0
429.00 1 3.3 3.3 83.3
442.00 1 3.3 3.3 86.7
485.00 1 3.3 3.3 90.0
487.00 1 3.3 3.3 93.3
496.00 1 3.3 3.3 96.7
574.00 1 3.3 3.3 100.0
Total 30 100.0 100.0

Tabel 4. 7 Deskriptif Statistik Parametrik Independen k=2 (ustadz)

ustadz

Frequency Percent Valid Percent
Cumulative
Percent
Valid 14.00 1 3.3 3.3 3.3
172.00 1 3.3 3.3 6.7
196.00 1 3.3 3.3 10.0
228.00 1 3.3 3.3 13.3
242.00 1 3.3 3.3 16.7
380.00 1 3.3 3.3 20.0
397.00 1 3.3 3.3 23.3
414.00 1 3.3 3.3 26.7
426.00 1 3.3 3.3 30.0
446.00 1 3.3 3.3 33.3
465.00 1 3.3 3.3 36.7
527.00 1 3.3 3.3 40.0
553.00 1 3.3 3.3 43.3
571.00 1 3.3 3.3 46.7
588.00 1 3.3 3.3 50.0
615.00 1 3.3 3.3 53.3
654.00 1 3.3 3.3 56.7
700.00 1 3.3 3.3 60.0
715.00 1 3.3 3.3 63.3
718.00 1 3.3 3.3 66.7
729.00 1 3.3 3.3 70.0
763.00 1 3.3 3.3 73.3
963.00 1 3.3 3.3 76.7
987.00 1 3.3 3.3 80.0
1004.00 1 3.3 3.3 83.3
1007.00 1 3.3 3.3 86.7


1030.00 1 3.3 3.3 90.0
1094.00 1 3.3 3.3 93.3
1096.00 1 3.3 3.3 96.7
2160.00 1 3.3 3.3 100.0
Total 30 100.0 100.0


0.00 100.00 200.00 300.00 400.00 500.00 600.00
kyai
0
2
4
6
8
10
F
r
e
q
u
e
n
c
y
Mean = 283.6667
Std. Dev. = 147.6121
N = 30
kyai

Gambar 4. 1 Histogram jumlah kyai 2004


0.00 500.00 1000.00 1500.00 2000.00 2500.00
ustadz
0
2
4
6
8
10
F
r
e
q
u
e
n
c
y
Mean = 661.80
Std. Dev. = 408.91643
N = 30
ustadz

Gambar 4. 2 Histogram jumlah ustadz 2004

-One Way Anova
Oneway
Tabel 4. 8 Output Anova Parametrik Independen k=2

ANOVA

jumlah

Sum of
Squares df Mean Square F Sig.
Between Groups 2144772,2
67
1 2144772,267 22,696 ,000
Within Groups 5481057,4
67
58 94500,991
Total 7625829,7
33
59




Output MINITAB
- Deskriptif Statistik
Descriptive Statistics: C1, C2, C3


Variable N Mean Median TrMean
StDev SE Mean
C1 30 15.50 15.50 15.50
8.80 1.61
C2 30 283.7 268.5 283.4
147.6 27.0
C3 30 661.8 601.5 631.2
408.9 74.7

Variable Minimum Maximum Q1 Q3
C1 1.00 30.00 7.75 23.25
C2 13.0 574.0 170.8 418.3
C3 14.0 2160.0 409.8 969.0


- Two-Sample T-Test
Two-Sample T-Test and CI: C2, C3


Two-sample T for C2 vs C3

N Mean StDev SE Mean
C2 30 284 148 27
C3 30 662 409 75

Difference = mu C2 - mu C3
Estimate for difference: -378.1
95% CI for difference: (-539.1, -217.2)
T-Test of difference = 0 (vs not =): T-Value = -4.76 P-Value =
0.000 DF = 36






Boxplots of C2, C3

Gambar 4. 3 Box Plot dari Desember 1992 dan April 1993

- Perhitungan Manual Data Parametrik Independen k = 2
Perhitungan anova Manual
1. H
0
=
2 1
  =
2. H
1
= Paling sedikit 2 rataan tidak sama
3. 05 , 0 = 
4. Daerah Kritis : f hitung > f tabel
V
1
= k-1
= 2-1 = 1
V
2
= k (n-1)
= 2 (30-1) = 58
Karena f tabel dengan derajat kebebasan 1,58 tidak terdapat da tabel L6 maka
dilakukan interpolasi :


X = 4,008
40 60
58 60
08 , 4 00 , 4
00 , 4
÷
÷
=
÷
÷ x


5. Perhitungan
Tabel 4. 9 Perhitungan Anova Manual Parametrik Independen k=2
No y1 y2 jumlah jumlah 2
1 442 963 1405 1974025
2 209 397 606 367236
3 252 414 666 443556
4 330 228 558 311364
5 167 380 547 299209
6 417 763 1180 1392400
7 422 654 1076 1157776
8 235 700 935 874225
9 210 718 928 861184
10 97 196 293 85849
11 58 615 673 452929
12 70 172 242 58564
13 114 242 356 126736
14 350 729 1079 1164241
15 485 426 911 829921
16 156 527 683 466489
17 429 1.030 1459 2128681
18 365 987 1352 1827904
19 496 588 1084 1175056
20 364 2.160 2524 6370576
21 574 1.096 1670 2788900
22 285 715 1000 1000000
23 365 571 936 876096
24 329 1.007 1336 1784896
25 204 1.004 1208 1459264
26 226 553 779 606841
27 187 465 652 425104
28 172 446 618 381924
29 487 1.094 1581 2499561
30 13 14 27 729
Total 8510 19854
28364
34191236



No Y1 kuadrat Y2 kuadrat jumlah
1 195364 927369 1122733
2 43681 157609 201290
3 63504 171396 234900
4 108900 51984 160884
5 27889 144400 172289
6 173889 582169 756058
7 178084 427716 605800
8 55225 490000 545225
9 44100 515524 559624
10 9409 38416 47825
11 3364 378225 381589
12 4900 29584 34484
13 12996 58564 71560
14 122500 531441 653941
15 235225 181476 416701
16 24336 277729 302065
17 184041 1060900 1244941
18 133225 974169 1107394
19 246016 345744 591760
20 132496 4665600 4798096
21 329476 1201216 1530692
22 81225 511225 592450
23 133225 326041 459266
24 108241 1014049 1122290
25 41616 1008016 1049632
26 51076 305809 356885
27 34969 216225 251194
28 29584 198916 228500
29 237169 1196836 1434005
30 169 196 365
total 3045894 17988544
21034438


Faktor korelasi =
nk
T
2



=
2 30
(28364)
2
×

= 13408608


2
2
1 1
..
k n
ij
i j
T
JKT y
nk
= =
= ÷
¯¯

=
60
(28364)
21034438
2
÷
= 7625830

2
2
1
.
..
k
i
i
T
T
JKA
n nk
=
= ÷
¯

=
60
(28364)
30
08 3,94E 72420100
2
÷
+ +

= 2144772


JKG = JKT – JKA
= 7625830-2144772
= 5481057


1
2
1
÷
=
k
JKA
S

1 2
2144772
÷
=
= 2144772


) 1 (
2
2
÷
=
n k
JKG
S

) 1 30 ( 2
5481057
÷
=


= 94500,99

F
hitung
= 22,69576
94500,99
2144772
2
2
2
1
= =
s
s


P = P[F[k-1,k(n-1)]>f]
=P[22,69576[2-1,k(30-1)]>4.008]
= 1.31x10
-5


Tabel 4.10 Perhitungan Manual Uji Anova Data Parametrik dengan k=2 Independen
Sumber
Variasi
Jml. Kuadrat
Derajat
kebebasan
Rataan
Kuadrat
F Hitungan Nilai P F Kritis
Perlakuan
JKA=2144772

k-1=1
1
2
1
÷
=
k
JKA
S
= 2144772

2
2
2
1
S
S

=
22,69576

1.31x 10
-5
4,008
Galat
JKG=5481057


k(n-1) = 58
) 1 (
2
÷
=
n k
JKA
S

=94500,99


Total JKT=7625830 n(k-1) = 59

Keterangan tabel 4.7:
- JKT adalah jumlah kuadrat total, yaitu didapatkan angka 7625830. Dimana
derajat kebebasannya adalah 59
- JKA adalah jumlah kuadarat perlakuan, yaitu didapatkan angka 2144772.
- JKG adalah jumlah kuadrat galat, yaitu didapatkan angka 5481057. Dengan
derajat kebebasan 58.
- Didapatkan nilai F hitungan adalah 22,69576

6. Keputusan :


Tolak Ho karena F
hitung
> F
Crit
yaitu 22,69576 > 4,008.

7. Kesimpulan :
Bahwa selisih rata-rata jumlah kyai pada tahun 2004 dan jumlah ustadz pada tahun
2004 tidak sama sama secara signifikan

4.1. 2 Statistik Parametrik Independen k > 2

Output Excel
Deskriptif statistik
Tabel 4. 5 11 Ouput Statistic Descriptive Parametrik Independen k>2
2001 2002 2003

M ean 591.1 M ean 586.0333333 M ean 511.6667
St andar d Er r or 96.59452 St andar d Er r or 70.62350368 St andar d Er r or 54.26415
M edi an 396.5 M edi an 484.5 M edi an 460. 5
M ode 305 M ode #N/ A M ode 314
St andar d Devi at i on 529.07 St andar d Devi at i on 386.8208606 St andar d Devi at i on 297.217
Sampl e Var i ance 279915.1 Sampl e Var i ance 149630.3782 Sampl e Var i ance 88337.95
Kur t osi s 5. 221323 Kur t osi s 4.72060158 Kur t osi s 3. 794255
Skew ness 2. 126618 Skew ness 1.759399121 Skew ness 1. 492342
Range 2451 Range 1888 Range 1441
M i ni mum 64 M i ni mum 99 M i ni mum 109
M axi mum 2515 M axi mum 1987 M axi mum 1550
Sum 17733 Sum 17581 Sum 15350
Count 30 Count 30 Count 30



Anova Single Factor
Tabel 4. 6 Output Anova Single Factor Parametrik Independen k>2


S U M M A RY
G ro up s C ou nt S u m A v er a ge V a r i an c e
2 00 1 3 1 1 9 73 4 6 36 . 58 06 45 2 33 47 0 7. 7 18 3
2 00 2 3 1 1 9 58 3 6 31 . 70 96 77 4 20 93 1 8. 8 79 6
2 00 3 3 1 1 7 35 3 5 59 . 77 41 93 5 1 57 1 37 . 71 4
A N O V A
S o ur c e o f V ar i a ti o n S S df M S F P - v al u e F c ri t
B e t we en G ro u ps 11 46 7 5. 9 2 5 73 37 . 96 77 4 0. 2 45 32 6 09 6 0 . 7 82 97 1 3 . 09 76 98 0 35
W i th i n G r o up s 2 10 34 92 9 9 0 2 33 72 1. 4 37 3
T ot a l 2 11 49 60 5 9 2

Output SPSS
Frequenci
Tabel 4. 13 Deskriptif Statistik Parametrik Independen k>2

Statistics

tahun_2001 tahun_2002 yahun_2003
N Valid 30 30 30
Missing 0 0 0
Mean 591,1000 586,0333 511,6667
Median 396,5000 484,5000 460,5000
Mode 305,00 99,00(a) 314,00
Std. Deviation 529,06999 386,82086 297,21702
Variance 279915,059 149630,378 88337,954
Skewness 2,127 1,759 1,492
Std. Error of Skewness ,427 ,427 ,427
Kurtosis 5,221 4,721 3,794
Std. Error of Kurtosis ,833 ,833 ,833
Range 2451,00 1888,00 1441,00
Minimum 64,00 99,00 109,00
Maximum 2515,00 1987,00 1550,00
Percentiles 10 146,5000 208,3000 201,1000
20 273,2000 317,0000 283,0000
25 295,7500 333,5000 312,5000
30 301,5000 349,1000 314,0000
40 328,6000 388,6000 373,6000
50 396,5000 484,5000 460,5000
60 484,0000 573,2000 541,2000
70 625,8000 742,2000 627,6000
75 692,2500 792,7500 666,2500
80 895,2000 884,0000 770,6000


90 1468,0000 1048,8000 829,2000

a Multiple modes exist. The smallest value is shown

Frequency Table
Tabel 4. 14 Deskriptif Statistik Parametrik Independen k>2 (2001)

Tahun_2001

Frequency Percent Valid Percent
Cumulative
Percent
Valid 64.00 1 3.3 3.3 3.3
122.00 1 3.3 3.3 6.7
143.00 1 3.3 3.3 10.0
178.00 1 3.3 3.3 13.3
186.00 1 3.3 3.3 16.7
270.00 1 3.3 3.3 20.0
286.00 1 3.3 3.3 23.3
299.00 1 3.3 3.3 26.7
300.00 1 3.3 3.3 30.0
305.00 2 6.7 6.7 36.7
307.00 1 3.3 3.3 40.0
361.00 1 3.3 3.3 43.3
376.00 1 3.3 3.3 46.7
388.00 1 3.3 3.3 50.0
405.00 1 3.3 3.3 53.3
458.00 1 3.3 3.3 56.7
478.00 1 3.3 3.3 60.0
488.00 1 3.3 3.3 63.3
573.00 1 3.3 3.3 66.7
623.00 1 3.3 3.3 70.0
627.00 1 3.3 3.3 73.3
675.00 1 3.3 3.3 76.7
744.00 1 3.3 3.3 80.0
933.00 1 3.3 3.3 83.3
950.00 1 3.3 3.3 86.7
1342.00 1 3.3 3.3 90.0
1482.00 1 3.3 3.3 93.3
1550.00 1 3.3 3.3 96.7
2515.00 1 3.3 3.3 100.0


Total 30 100.0 100.0

Tabel 4. 15 Deskriptif Statistik Parametrik Independen k>2 (2002)

Tahun_2002

Frequency Percent Valid Percent
Cumulative
Percent
Valid 99.00 1 3.3 3.3 3.3
101.00 1 3.3 3.3 6.7
205.00 1 3.3 3.3 10.0
238.00 1 3.3 3.3 13.3
304.00 1 3.3 3.3 16.7
314.00 1 3.3 3.3 20.0
329.00 1 3.3 3.3 23.3
335.00 1 3.3 3.3 26.7
341.00 1 3.3 3.3 30.0
368.00 1 3.3 3.3 33.3
374.00 1 3.3 3.3 36.7
385.00 1 3.3 3.3 40.0
394.00 1 3.3 3.3 43.3
427.00 1 3.3 3.3 46.7
483.00 1 3.3 3.3 50.0
486.00 1 3.3 3.3 53.3
524.00 1 3.3 3.3 56.7
560.00 1 3.3 3.3 60.0
582.00 1 3.3 3.3 63.3
648.00 1 3.3 3.3 66.7
696.00 1 3.3 3.3 70.0
762.00 1 3.3 3.3 73.3
773.00 1 3.3 3.3 76.7
852.00 1 3.3 3.3 80.0
892.00 1 3.3 3.3 83.3
928.00 1 3.3 3.3 86.7
957.00 1 3.3 3.3 90.0
1059.00 1 3.3 3.3 93.3
1178.00 1 3.3 3.3 96.7
1987.00 1 3.3 3.3 100.0
Total 30 100.0 100.0

Tabel 4. 16 Deskriptif Statistik Parametrik Independen k>2 (2001)



Tahun_2003

Frequency Percent Valid Percent
Cumulative
Percent
Valid 109.00 1 3.3 3.3 3.3
116.00 1 3.3 3.3 6.7
201.00 1 3.3 3.3 10.0
202.00 1 3.3 3.3 13.3
274.00 1 3.3 3.3 16.7
276.00 1 3.3 3.3 20.0
311.00 1 3.3 3.3 23.3
313.00 1 3.3 3.3 26.7
314.00 2 6.7 6.7 33.3
346.00 1 3.3 3.3 36.7
356.00 1 3.3 3.3 40.0
400.00 1 3.3 3.3 43.3
427.00 1 3.3 3.3 46.7
453.00 1 3.3 3.3 50.0
468.00 1 3.3 3.3 53.3
499.00 1 3.3 3.3 56.7
510.00 1 3.3 3.3 60.0
562.00 1 3.3 3.3 63.3
567.00 1 3.3 3.3 66.7
615.00 1 3.3 3.3 70.0
633.00 1 3.3 3.3 73.3
660.00 1 3.3 3.3 76.7
685.00 1 3.3 3.3 80.0
792.00 1 3.3 3.3 83.3
817.00 1 3.3 3.3 86.7
822.00 1 3.3 3.3 90.0
830.00 1 3.3 3.3 93.3
928.00 1 3.3 3.3 96.7
1550.00 1 3.3 3.3 100.0
Total 30 100.0 100.0



0.00 500.00 1000.00 1500.00 2000.00 2500.00 3000.00
tahun_2001
0
2
4
6
8
10
12
14
F
r
e
q
u
e
n
c
y
Mean = 591.10
Std. Dev. = 529.06999
N = 30
tahun_2001
0.00 500.00 1000.00 1500.00 2000.00
tahun_2003
0
2
4
6
8
10
F
r
e
q
u
e
n
c
y
Mean = 511.6667
Std. Dev. = 297.21702
N = 30
tahun_2003

Gambar 4.4 Histogram jemaah Haji tahun (a) 2001, (b) 2002, (c) 2003

4. 2 Statistik Non Parametrik
4.2. 1 Statistik Non Parametrik Independen k = 2
Output SPSS
Deskriptif Statistik and histogram with normal curve




(a) (b)


(c)
0.00 500.00 1000.00 1500.00 2000.00
tahun_2002
0
2
4
6
8
10
12
F
r
e
q
u
e
n
c
y
Mean = 586.0333
Std. Dev. = 386.82086
N = 30
tahun_2002


Tabel 4. 17 Deskriptif Statistik Pengaruh Jenis kelamin terhadap aktualisasi diri

Descriptive Statistics

N Mean Std. Deviation Minimum Maximum
Percentiles
25th 50th (Median) 75th
gadget 50 1,5600 1,01338 1,00 5,00 1,0000 1,0000 2,0000
jenis_kelamin 50 1,5000 ,50508 1,00 2,00 1,0000 1,5000 2,0000

0.00 1.00 2.00 3.00 4.00 5.00 6.00
gadget
0
10
20
30
40
F
r
e
q
u
e
n
c
y
Mean = 1.56
Std. Dev. = 1.01338
N = 50
Histogram

Gambar 4.5 Histogram with normal curve gadget

- Mann-Whitney Test
Tabel 4.18 Output Mann-Whitney Test Pengaruh Jenis kelamin terhadap aktualisasi diri
Ranks

jenis_kelam
in N Mean Rank Sum of Ranks
gadget laki-laki 25 27,82 695,50
perempuan 25 23,18 579,50
Total 50

Test Statistics(a)
gadget
Mann-Whitney U 254,500


Wilcoxon W 579,500
Z -1,365
Asymp. Sig. (2-tailed) ,172
a Grouping Variable: jenis_kelamin

- Moses Test
Tabel 4.18 Output Moses Test Pengaruh Jenis kelamin terhadap aktualisasi diri
Frequencies
jenis_kelamin N
gadget laki-laki
(Control)
25
perempuan
(Experimenta
l)
25
Total 50

Test Statistics(a,b)
gadget
Observed Control
Group Span
33
Sig. (1-tailed) ,000
Trimmed Control
Group Span
33
Sig. (1-tailed) ,000
Outliers Trimmed from each End
1
a Moses Test
b Grouping Variable: jenis_kelamin

- Two-Sample Kolmogorov-Smirnov Test
Tabel 4.19 Output Kolmogorov-Smirnov Test Pengaruh Jenis kelamin terhadap aktualisasi
diri
Frequencies

jenis_kelam
in N
gadget laki-laki 25
perempuan 25
Total 50





Test Statistics(a)
gadget
Most Extreme
Differences
Absolute ,160
Positive ,000
Negative -,160
Kolmogorov-Smirnov Z ,566
Asymp. Sig. (2-tailed) ,906
a Grouping Variable: jenis_kelamin

4.2. 2 Statistik Non Parametrik Independen k > 2
Output SPSS
- Deskriptif Statistik , histogram with normal curve
Tabel 4.20 Deskriptif Statistik Pengaruh Golongan Darah Terhadap Cara Belajar
Descriptive Statistics
N Range Minimum Maximum Mean Std. Deviation Variance
Gol_darah 75 2,00 1,00 3,00 2,0000 ,82199 ,676
Cara_belajar 75 2,00 1,00 3,00 1,8667 ,82746 ,685
Valid N (listwise) 75

0.50 1.00 1.50 2.00 2.50 3.00 3.50
Cara_belajar
0
10
20
30
40
F
r
e
q
u
e
n
c
y
Mean = 1.8667
Std. Dev. = 0.82746
N = 75
Histogram

Gambar 4.6 Histogram with normal curve Pengaruh Golongan darah terhadap Cara Belajar




- Kruskal-Wallis Test
Tabel 4.21 Output Kruskal Wallis Test Pengaruh Golongan Darah Terhadap Cara Belajar
Ranks
Gol_darah N Mean Rank
Cara_belajar A 25 36,40
B 25 37,28
O 25 40,32
Total 75

Test Statistics(a,b)
Cara_belajar
Chi-Square ,507
df 2
Asymp. Sig. ,776
a Kruskal Wallis Test
b Grouping Variable: Gol_darah

- Median Test
Tabel 4.22 Output Median Test Pengaruh Golongan Darah Terhadap Cara Belajar
Frequencies

Gol_darah
A B O
Cara_belajar > Median 6 7 8
<= Median 19 18 17

Test Statistics(b)
Cara_belajar
N 75
Median 2,0000
Chi-Square ,397(a)
df 2
Asymp. Sig. ,820
a 0 cells (,0%) have expected frequencies less than 5. The minimum expected cell frequency is 7,0.
b Grouping Variable: Gol_darah





Output Minitab
- Kruskal-Wallis Test: C2 versus C1

Kruskal-Wallis Test on C2

C1 N Median Ave Rank Z
1 25 2,000 36,4 -0,45
2 25 2,000 37,3 -0,20
3 25 2,000 40,3 0,65
Overall 75 38,0

H = 0,45 DF = 2 P = 0,800
H = 0,51 DF = 2 P = 0,776 (adjusted for ties)


- Mood Median Test: C2 versus C1

Mood median test for C2

Chi-Square = 0,44 DF = 2 P = 0,803


Individual 95,0% CIs
C1 N< N>= Median Q3-Q1 ----------+---------+---------+------
1 11 14 2,00 1,50 (-------------------+
2 11 14 2,00 2,00 (-------------------+
3 9 16 2,00 2,00 (-------------------+---------------)
----------+---------+---------+------
1,50 2,00 2,50
Overall median = 2,00










4.2. 3 Statistik Non Parametrik Dependen k = 2
Output SPSS
Tabel 4.23 Deskriptif Statistik Pengaruh Jenis Kelamin terhadap Status perkawinan

Descriptive Statistics
N Mean Std. Deviation Minimum Maximum
jenis_kelamin 50 1,5000 ,50508 1,00 2,00
status 50 1,3600 ,48487 1,00 2,00

0.00 500.00 1000.00 1500.00 2000.00 2500.00 3000.00
jumlah
0
5
10
15
20
25
F
r
e
q
u
e
n
c
y
Mean = 565.9432
Std. Dev. = 413.58562
N = 88
Histogram


Gambar 4.7 Histogram with normal curve Pengaruh jenis kelamin terhadap status perkawinan






- Sign Test


Tabel 4.24 Output Sign Test Pengaruh Jenis Kelamin terhadap Status perkawinan

Frequencies
N
status - jenis_kelamin Negative
Differences(a)
16
Positive Differences(b) 9
Ties(c) 25
Total 50
a status < jenis_kelamin
b status > jenis_kelamin
c status = jenis_kelamin

Test Statistics(b)

status -
jenis_kelamin
Exact Sig. (2-tailed) ,230(a)
a Binomial distribution used.
b Sign Test

- Wilcoxon Signed Ranks Test
Tabel 4.25 Output Wilcoxon Signed Ranks Test Pengaruh Jenis Kelamin terhadap Status
perkawinan
Ranks
N Mean Rank Sum of Ranks
status -
jenis_kelamin
Negative Ranks 16(a) 13,00 208,00
Positive Ranks 9(b) 13,00 117,00
Ties 25(c)
Total 50
a status < jenis_kelamin
b status > jenis_kelamin
c status = jenis_kelamin





Test Statistics(b)



status -
jenis_kelamin
Z -1,400(a)
Asymp. Sig. (2-tailed) ,162
a Based on positive ranks.
b Wilcoxon Signed Ranks Test


4.2. 4 Statistik Non Parametrik Dependen k > 2
Output SPSS
- Deskriptif Statistik and histogram with normal curve
Tabel 4.26 Deskriptif Statistik Pengaruh Negara Asal terhadap Jenis Film yang Disukai

Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
Negara 75 1,00 3,00 2,0000 ,82199
Jenis_film 75 1,00 4,00 2,7467 1,18656
Valid N (listwise) 75

0.00 1.00 2.00 3.00 4.00 5.00
Jenis_film
0
5
10
15
20
25
30
F
r
e
q
u
e
n
c
y
Mean = 2.7467
Std. Dev. = 1.18656
N = 75
Histogram

Gambar 4.8 Histogram with normal curve Pengaruh Negara Asal Film dengan Jenis Film



- Friedman Test
Tabel 4.27 Output Friedman Test Pengaruh Negara Asal terhadap Jenis Film yang Disukai

Ranks
Mean Rank
Jenis_film 1,63
Negara 1,37

Test Statistics(a)
N 75
Chi-Square 6,452
df 1
Asymp. Sig. ,011
a Friedman Test

- Kendall's W Test
Tabel 4.28 Output Kendall’s W Test Pengaruh Negara Asal terhadap Jenis Film yang Disukai

Ranks
Mean Rank
Jenis_film 1,63
Negara 1,37

Test Statistics
N 75
Kendall's
W(a)
,086
Chi-Square 6,452
df 1
Asymp. Sig. ,011
a Kendall's Coefficient of Concordance




Output MINITAB
Uji Friedman


Friedman test for C3 by C2 blocked by C1

S = 10,50 DF = 2 P = 0,005
S = 15,00 DF = 2 P = 0,001 (adjusted for ties)
Est Sum of
C2 N Median Ranks
1 25 4,0000 62,5
2 25 3,0000 40,0
3 25 3,0000 47,5

Grand median = 3,3333
‘/



BAB V
ANALISA DATA

5.1 ANALISA METODE SAMPLING DAN HASIL SAMPLING
Data yang diolah dalam praktikum ini ada 6 macam, yaitu :
1. Data parametrik independen k = 2
Data yang digunakan adalah data jumlah kyai dan ustadz di setiap
kabupaten di Jawa Tengah. Data ini diambil dari BPS Jawa Tengah.
Sampling yang digunakan adalah area sampling.
2. Data parametrik independen k > 2
Data yang digunakan adalah jumlah jama’ah haji yang diberangkatkan
dari beberapa kabupaten di Jawa Tengah pada tahun 2001, 2002 dan
2003. Data ini diambil dari Biro Pusat Statistik Jawa Tengah. Sampling
yang digunakan adalah area sampling.
3. Data nonparametrik independen k = 2
Data yang digunakan adalah data pengaruh jenis kelamin terhadap alat
aktualisasi yang digunakan. Data ini didapat dari kuesioner. Sampling
yang digunakan adalah sampling seadanya.
4. Data nonparametrik independen k > 2
Data yang digunakan data mengenai pengaruh golongan darah terhadap
jenis materi yang disukai. Data diambil dari kuesioner dimana
respondennya adalah mahasiswa Teknik Industri UNDIP. Sampling
yang digunakan adalah area sampling.
5. Data nonparametrik dependen k = 2
Data yang digunakan adalah data jenis kelamin dan status. Data didapat
dari: www.google/info_guru_guru2.php.html. Metode sampling yang
digunakan adalah sampling seadanya (convinience sampling)
6. Data nonparametrik dependen k > 2
Data yang digunakan adalah daftar pengaruh jenis film terhadap daerah
asal produksi film. Data ini didapat dari sampling langsung pada tanggal.


Sampling yang digunakan adalah sampling seadanya (convinience
sampling)

5.2 Analisa Statistik Parametrik
5.2.1 Analisa Statistik Parametrik Independen k = 2
5.2.1.1 Output Excel
a. Statistik Deskriptif
Tabel 5.1 Statistik Deskriptif untuk Data Parametrik Independen k=2
kyai ustadz

Mean 283.6667 Mean 661.8
Standard Error 26.95016 Standard Error 74.65758463
Median 268.5 Median 601.5
Mode 365 Mode #N/A
Standard Deviation 147.6121 Standard Deviation 408.9164319
Sample Variance 21789.33 Sample Variance 167212.6483
Kurtosis -0.89775 Kurtosis 5.073799684
Skewness 0.053532 Skewness 1.611303503
Range 561 Range 2146
Minimum 13 Minimum 14
Maximum 574 Maximum 2160
Sum 8510 Sum 19854
Count 30 Count 30

Keterangan Tabel :
- Tabel statistik deskriptif ini terdiri dari 2 variabel.
- Baris1 yaitu Mean adalah rata-rata dari seluruh data pengamatan. Untuk
kyai1 nilainya 283.6667 sedang untuk ustadz nilainya 661.8
- Baris 2 yaitu Standard Error digunakan untuk memperkirakan besarnya
rata-rata dari data pengamatan yang diperkirakan dari sebuah sampel.
Untuk kyai standart error-nya 26.95016sedang ustadz standart error-nya
74.65758463.
- Baris 3 yaitu Median adalah nilai tengah diperoleh dengan membagi dua
sama besar data yang telah diurutkan. Median untuk kyai dan ustadz
masing-masing adalah 268.5 dan 601.5.


- Baris 4 yaitu Mode adalah nilai / data yang sering muncul untuk kyai
adalah 365 dan untuk ustadz tidak ada modusnya karena frekuensi
munculnya sama.
- Baris 5 yaitu Standard Deviation atau standar deviasi digunakan untuk
menilai dispersi rata-rata dari sampel. Standar deviasi untuk kyai sebesar
147.6121dan ustadz sebesar 408.9164319
- Baris 6 yaitu Sample Variance adalah variansi dari sampel, untuk kyai
besarnya 21789.33 sedang untuk ustadz sebesar 167212.6483.
- Baris 7 yaitu Kurtosis, besarnya kurtosis untuk kyai adalah -0.89775dan
untuk ustadz adalah 5.073799684.
- Baris 8 yaitu Skewness, besarnya skewness dari kyai adalah 0.053532dan
untuk ustadz adalah 1.611303503.
- Baris 9 yaitu Range atau jangkauan. Didapat dengan mengurangkan data
maksimun dengan data minimum. Range untuk kyai adalah 561
sedangkan range untuk usstadz adalah 2146.
- Baris 10 yaitu Minimum adalah nilai minimum. Pada kyai sebesar 13 dan
pada ustadz sebesar 14.
- Baris 11 yaitu Maximum adalah nilai maksimum. Pada kyai sebesar 574
dan pada ustadz sebesar 2160.
- Baris 12 yaitu Sum adalah jumlah seluruh data pengamatan dikalikan
frekuensi untuk tiap variabel. kyai sebesar 8510 sedang ustadz sebesar
19854.
- Baris 13 yaitu Count merupakan jumlah pengamatan yang dilakukan yaitu
baik kyai maupun ustadz sama-sama 30.

b. Uji–ANOVA
Tabel 5.2 Anova Single Factor untuk Data Parametrik Independen k=2
SUMMARY
Groups Count Sum Average Variance
Kyai 30 8510 283.6666667 21789.33
Ustadz 30 19854 661.8 167212.6



Keterangan Tabel :
• Dari tabel output Anova Single Factor, pada kolom groups terdapat dua
baris yaitu kyai dan ustadz, ini menunjukkan bahwa data yang digunakan
terdiri dari 2 variabel. kyai menunjukkkan bahwa data yang diambil yaitu
jumlah kyai dan ustadz menunjukkan bahwa data diambil yaitu jumlah
ustadz.
- Kolom ke 2 yaitu Count menunjukkan jumlah data pengamatan yaitu 30
untuk tiap variabelnya.
- Kolom 3 yaitu Sum menunjukkan jumlah seluruh data untuk tiap
variabelnya dikalikan frekuensi, variabel 1 jumlahnya 8510 sedang
variabel 2 jumlahnya 19854.
- Kolom 4 yaitu Average atau rata-rata dari keseluruhan data tiap variabel.
Nilai ini diperoleh dari Sum dibagi Count, variabel 1 nilainya
283.6666667 dan variabel 2 nilainya 661.8.
- Kolom 5 yaitu Variance menunjukkan variansi data, untuk variabel 1
nilainya 21789.33 dan untuk variabel 2 nilainya 167212.6.
Tabel 5.3 Uji Anova untuk Data Parametrik Independen k=2



Keterangan Tabel :
- Pada tabel uji Anova terdapat 7 kolom dan 3 baris. Baris pertama adalah
between groups yang menunjukkan perlakuan sebagai Sources of
Variation, baris kedua adalah within groups yang menunjukkan galat
sebagai Sources of Variation serta baris ketiga adalah total dari baris
pertama dan kedua.
ANOVA
Source of Variation SS df MS F
P-
value F crit
Between Groups 2144772 1 2144772.267 22.69576
1.31E-
05 4.006873
Within Groups 5481057 58 94500.9908

Total 7625830 59


- Kolom 1 adalah Source of Variation yaitu sumber variasi yang terdiri dari
between groups yang menunjukkan perlakuan dan within groups yang
menunjukkan galat serta jumlah dari keduanya.
-
Kolom 2 adalah SS (Sum of Square) atau jumlah kuadrat, untuk baris
pertama atau regresi mempunyai nilai SS sebesar 2144772 dan untuk baris
kedua atau sisa mempunyai SS sebesar 5481057 sedangkan totalnya
7625830.

- Kolom 3 yaitu df atau derajat kebebasan, untuk baris pertama nilainya k-
1=2-1=1 sedangkan baris kedua nilai nilainya 58 atau dapat dihitung
dengan k(n-1)=2(30-1)=58 dan baris total merupakan jumlah dari baris 1
dan 2 yaitu 1+58=59.
- Kolom 4 adalah MS (Mean Square) atau rataan kuadrat. Untuk baris
pertama (regresi) nilai MS-nya 2144772.267 sedang baris kedua (sisa)
94500.9908 atau dengan cara membagi JK
regresi
dengan df
regresi
untuk MS
regresi, sedang MS sisa adalah JK
sisa
dibagi df
sisa
.
- Kolom 5 yaitu F
hitung
, didapat nilainya 22.69576 atau dengan membagi MS
regresi dengan MS sisa.
- Kolom 6 yaitu P
value
atau probabilitas dan didapat nilai 1.31x 10
-5
. Dapat
digunakan untuk menentukan keputusan atas uji hipotesa yaitu dengan
membandingkan P
value
dengan derajat keberartiannya.
- Kolom 7 adalah F
critical
atau F
tabel
, didapat nilai 4.006873. Dapat pula
digunakan untuk menentukan keputusan atas uji hipotesa yang dilakukan,
dengan membandingkan F
tabel
dan F
hitung
.
Pengujian :
1. Ho : u
1
- u
2
= 0


2. H
1
: u
1
- u
2
> 0.
3. o : 0,05
4. Daerah Kritis : F
hitung
> F
tabel

P <  = P < 0,05

5. Perhitungan :


(lihat tabel 5.3)
F
hitung
= F = 22,69576
F
tabel
= F crit = 4,006873
P = P-value = 1,31x 10
-5

6. Keputusan :
Terima Ho , karena
-
Berdasarkan nilai F, F
hitung
> F
tabel
= 22,69576>4,006873

- Berdasarkan nilai P (probabilitas), P < 0,05 = 1,31x 10
-5
< 0,05
7. Kesimpulan: selisih rataan kyai dan ustadz tidak sama

c. t-Test
Tabel 5.3 Uji Mean dengan Distribusi t (t-Test) Untuk Parametrik Independen k=2
kyai ustadz
Mean 283.6667 661.8
Variance 21789.33 167212.6483
Observations 30 30
Pearson Correlation 0.540701
Hypothesized Mean Difference 0
Df 29
t Stat -5.88806
P(T<=t) one-tail 1.08E-06
t Critical one-tail 1.699127
P(T<=t) two-tail 2.17E-06
t Critical two-tail 2.04523

Keterangan Tabel :
- Dari tabel uji t terdapat 3 kolom. Ini berarti ada 2 variabel yaitu kyai
(Variable 1) dan ustadz (Variable 2).
- Baris 1 terdapat mean atau rata-rata dari data yang didapat. Variabel 1
mempunyai rata-rata 283.6667 dan variabel 2 mempunyai rata-rata 661.8
- Baris 2 yaitu variance atau variansi ditunjukkan untuk variabel 1 sebesar
21789.33 dan untuk variabel 2 sebesar 167212.6483
- Baris 3 yaitu observation atau jumlah sampel pengamatan yang diambil,
diperoleh nilai 30 berarti besarnya jumlah sampel pengamatan yaitu 30.


- Baris 4 terdapat Pearson Correlation atau biasa disebut dengan korelasi
atau hubungan antar variabel, dimana dari tabel di atas diketahui nilainya
0.540701 berarti hubungan antara kedua variabel tidak begitu dekat karena
nilai dari Pearson Correlation-nya tidak mendekati 1.
- Baris 5 menampilkan Hypothesized Mean Difference yaitu perbedaan nilai
rata-rata dari data yang dihipotesiskan, dari tabel diperoleh nilainya 0. Ini
berarti bahwa tidak terdapat perbedaan rataan dari kedua variabel tersebut
atau dengan kata lain identik.
- Baris 6 terdapat df atau derajat kebebasan yang besarnya adalah 29 yang
didapat dari jumlah data pengamatan dikurang dengan n-1= 30-1=29.
- Baris 7 menunjukkan t Stat atau nilai t berdasarkan perhitungan nilainya -
5.88806, bisa digunakan untuk uji hipotesa.
- Baris 8 yaitu P(T<=t) one-tail nilainya 1.08E-06 menunjukkan peluang
atau probabilitasnya yang bisa juga digunakan untuk uji hipotesa dengan
membandingkan antara nilai probabilitasnya dengan taraf keberartian,
untuk satu sisi menggunakan taraf keberartian 0,05 . Apabila nilai P ini
kurang dari nilai taraf keberartian maka keputusannya tolak H
0
begitu pula
sebaliknya

.
- Baris 9 yaitu t Critical one-tail atau nilai t yang didapat dari tabel t untuk
satu sisi besarnya 1.699127, untuk menentukan keputusan hipotesa maka
nilai t
tabel
ini dibandingkan dengan nilai t
hitung
bila ternyata t berada di
daerah kritis ( t
hitung
> t
tabel
) maka keputusan yang diambil adalah tolak H
0

begitu pula sebaliknya.
- Baris 10 adalah P(T<=t) two-tail nilainya 2.17E-06 menunjukkan peluang
atau probabilitasnya yang bisa juga digunakan untuk uji hipotesa dengan
membandingkan antara nilai probabilitasnya dengan taraf keberartian,
untuk dua sisi menggunakan taraf keberartian 0,05. Apabila nilai P ini
kurang dari nilai taraf keberartian maka keputusannya tolak H
0
begitu pula
sebaliknya

.
- Baris 11 adalah t Critical two-tail atau nilai t yang didapat dari tabel t
untuk dua sisi besarnya 2.04523, untuk menentukan keputusan hipotesa


maka nilai t
tabel
ini dibandingkan dengan nilai t
hitung
. Bila ternyata t berada
di daerah kritis ( t
hitung
< -t
tabel
atau t
hitung
> t
tabel
) maka keputusan yang
diambil adalah tolak H
0
begitu pula sebaliknya.
Pengujian eka sisi:
1. Ho : u
1
- u
2
= 0
2. H
1
: u
1
- u
2
> 0
3. o : 0,05
4. Daerah Kritis : t
hitung
> t
tabel

P <  = P < 0,05
5. Perhitungan :
(lihat tabel 5.5)
t
hitung
= t Stat = -5.88806
t
tabel
= t Critical one-tail = 1.699127
P = P(T<=t) one-tail = 1.08x 10
-6

6. Keputusan :
Terima Ho, karena
Berdasarkan nilai t, t
hitung
< t
tabel
= -5.88806<1.699127
Tolak Ho, karena
Berdasarkan nilai P (probabilitas), P <  = 1.08x 10
-6
< 0,05
7. Kesimpulan:
Berdasarkan keputusan di atas maka rataan ustadz dan kyai tidak sama
Pengujian dwi sisi:
1. Ho : u
1
- u
2
= 0
2. H
1
: u
1
- u
2
> 0
3. o : 0,05
4. Daerah Kritis : t
hitung
> t
tabel

P <  = P < 0,05
5. Perhitungan :
(lihat tabel 5.5)
t
hitung
= t Stat = -5.88806


t
tabel
= t Critical two-tail = 2.04523
P = P(T<=t) two-tail = 2.17x10
-6

6. Keputusan :
Terima Ho, karena
Berdasarkan nilai t, t
hitung
< t
tabel
= -5.88806< 2.04523
Tolak Ho, karena
Berdasarkan nilai P (probabilitas), P <   = 2.17x10
-6
< 0,05
7. Kesimpulan:
Berdasarkan keputusan di atas rataan kyai dan ustadz tidak sama

d. F-Test (ekasisi)
Tabel 5.4 Uji Variansi (F-Test) untu k Data Parametrik Independen k=2
kyai ustadz
Mean 283.6667 661.8
Variance 21789.33 167212.6
Observations 30 30
df 29 29
F 0.130309
P(F<=f) one-
tail 2.11E-07
F Critical one-
tail 0.5374

Keterangan Tabel :
- Dari tabel Uji-F terdiri dari 3 kolom, kolom 1 berisi keterangan, kolom 2
berisi data variabel 1 (jumlah ustadz), kolom 3 berisi data variabel 2
(jumlah kyai).
- Baris 1 terdapat Mean yaitu rata-rata dari data yang diambil untuk kedua
variabel, variabel 1 mempunyai rata-rata 283.6667 sedangkan untuk
variabel 2 mempunyai rata-rata 661.8.
- Baris 2 terdapat Variance atau variansi, variansi untuk variabel 1 sebesar
21789.33 dan variabel 2 sebesar 167212.6.
- Baris 3 menunjukkan Observations atau jumlah pengamatan sebesar 30
karena jumlah data yang diambil sebanyak 30.


- Baris 4 terdapat df atau derajat kebebasan yang menunjukkan angka 29
dimana angka ini didapat dari pengurangan jumlah sampel pengamatan
dengan n-1= 30-1=29.
- Baris 5 terdapat F
hitung
sebesar 0.130309 bisa digunakan untuk uji hipotesa.
- Baris 6 ada P(F<=f) one-tail atau probabilitas untuk distribusi F satu sisi
yang nilainya 2.11x10
-7
. Dapat digunakan untuk uji hipotesa dengan
membandingkan antara nilai probabilitasnya dengan taraf keberartian,
menggunakan taraf keberartian 0,05 . Apabila nilai P ini kurang dari nilai
taraf keberartian maka keputusannya tolak H
0
begitu pula sebaliknya

.
- Baris 7 terdapat F Critical one-tail atau nilai F
tabel
satu sisi yaitu 0.5374.
Untuk menentukan keputusan hipotesa maka nilai F
tabel
ini dibandingkan
dengan nilai F
hitung
bila ternyata F berada di daerah kritis (F
hitung
> F
tabel
)
maka keputusan yang diambil adalah tolak H
0
begitu pula sebaliknya.
Pengujian:
1. Ho : u
1
- u
2
= 0
2. H
1
: u
1
- u
2
> 0
3. o : 0,05
4. Daerah Kritis : f
hitung
> f
tabel

P <  = P < 0,05
5. Perhitungan :
(lihat tabel 5.5)
t
hitung
= F =0.130309
t
tabel
= f Critical one-tail = 0.5374
P = P(F<=f) one-tail = 2.11x10
-7

6. Keputusan :
Tolak Ho, karena
Berdasarkan nilai t, t
hitung
< t
tabel
=0.130309 < 0.5374
Berdasarkan nilai P (probabilitas), P <   = 2.11x10
-7
< 0,05
7. Kesimpulan:
Berdasarkan keputusan di atas selisih variansi antara kyai dan ustadz tidak
sama



5.2.1.2 Output SPSS
Tabel 5.5 Output SPSS untuk Data Parametrik Independen k = 2
Statistics

kyai ustadz
N Valid
30 30
Missing
0 0
Mean
283.6667 661.8000
Std. Error of Mean
26.95016 74.65758
Median
268.5000 601.5000
Mode
365.00 14.00(a)
Std. Deviation
147.61210 408.91643
Variance
21789.333 167212.648
Skewness
.054 1.611
Std. Error of Skewness
.427 .427
Kurtosis
-.898 5.074
Std. Error of Kurtosis
.833 .833
Range
561.00 2146.00
Minimum
13.00 14.00
Maximum
574.00 2160.00
Sum
8510.00 19854.00
Percentiles 10
72.7000 199.2000
20
158.2000 383.4000
25
170.7500 409.7500
30
192.1000 432.0000
40
216.4000 537.4000
50
268.5000 601.5000
60
342.0000 709.0000
70
365.0000 752.8000
75
418.2500 969.0000
80
427.6000 1000.6000
90
486.8000 1087.6000
a Multiple modes exist. The smallest value is shown

Keterangan Tabel :
 N merupakan jumlah data yang valid/sah untuk diproses, jumlahnya
sebanyak 30 data dan data yang hilang adalah nol untuk masing masing,
jumlah ustadz dan kyai. Hal ini berarti semua data digunakan sepenuhnya
(data siap diproses).
 Mean atau rata-rata Jumlah kyai adalah 283.6667 dan rata-rata jumlah ustadz
adalah 661.8000.


 Error standard of mean menunjukkan seberapa besar mean data bervariasi
dari sampel ke sampel yang diambil dari distribusi yang sama. Dengan
standard eror of mean kita dapat memperkirakan besarnya populasi yang
dapat dilihat dari sampel yang digunakan. Error standard of mean
mempunyai tingkat kepercayaan 95% dengan k = 2 (angka 2 digunakan
karena tingkat kepercayaan 95%). Tingkat kepercayaan 95% berarti tingkat
kesalahan yang terjadi adalah sebesar 95%. Untuk menghitung Error
standard of mean dengan cara membagi standard deviation (standar deviasi)
dengan akar n. Error standard of mean untuk jumlah kyai adalah 26.95016
dan Error standard of mean untuk jumlsh ustadz adalah 74.65758.
 Median atau titik tengah data jika semua data diurutkan dan dibagi dua sama
besar. Angka median untuk jumlah kyai adalah 268.5000 menunjukkan bahwa
50 % jumlah kyai adalah. 268.5000 ke atas, dan 50 % adalah 268.5000 ke
bawah. Sedangkan median untuk jumlah ustadz adalah 601.5000
menunjukkan bahwa 50 % jumlah ustadz adalah 601.5000 ke atas, dan 50 %
adalah 601.5000 ke bawah.
 Mode (Modus) atau nilai yang sering muncul untuk data jumlah kyai adalah
365.00 dan untuk data jumlah ustadz adalah 14.00(a) (angka yang muncul pada
SPSS). Huruf a pada nilai modus output SPSS menunjukkan tidak terdapat
modus (frekuensi data seragam yaitu 1), maka yang ditampilkan adalah nilai
terkecil dari data tersebut.
 Standard deviation (standar deviasi) untuk data jumlah kyai adalah 147.61210
dan 408.91643 untuk data jumlah ustadz.
 Variance (variansi) merupakan kelipatan standar deviasi. Untuk data jumlah
kyai nilainya 21789.333 dan untuk data jumlah ustadz adalah 167212.648.
 Ukuran skewness (kemencengan) berdasarkan perhitungan menggunakan
SPSS adalah 0 .054 untuk data jumlah kyai dan 1.611 untuk data jumlah
ustadz.
 Ukuran kurtosis (keruncingan) berdasarkan perhitungan menggunakan SPSS
adalah -0.898 untuk data jumlah kyai dan 5.074 untuk data jumlah ustadz.


 Range adalah data maksimum dikurangi data minimum, yaitu 561.00 untuk
data jumlah kyai dan 2146.00 untuk data jumlah ustadz.
 Minimum adalah nilai minimum dari data. Untuk data besar jumlah kyai
nilainya 13 dan untuk data jumlah ustadz nilainya 14
 Maximum adalah nilai maksimum dari data. Untuk data jumlah kyai nilainya
574 dan untuk data jumlah ustadz nilainya 2160.
 Sum merupakan jumlah semua nilai dari data yaitu 8510.00 untuk data jumlah
kyai dan 19854.00 untuk data jumlah ustadz.
 Persentil atau angka persentil :
o Rata-rata jumlah 10% jumlah kyai di tiap kabupaten berada dibawah
72.7000, dan rata-rata jumlah 10% jumlah ustadz di tiap kabupaten berada
dibawah 199.2000.
o Rata-rata jumlah 20% jumlah kyai di tiap kabupaten berada di bawah
158.2000, dan rata-rata jumlah 20% jumlah ustadz di tiap kabupaten
berada dibawah 383.400.
o Rata-rata jumlah 25% jumlah kyai di tiap kabupaten berada di bawah
170.7500, dan rata-rata jumlah 25% jumlah ustadz di tiap kabupaten
berada dibawah 409.7500
o Rata-rata jumlah 30% jumlah kyai di tiap kabupaten berada di bawah
192.1000, dan rata-rata jumlah 30% jumlah ustadz di tiap kabupaten
berada dibawah 432.0000.
o Rata-rata jumlah 40% jumlah kyai di tiap kabupaten berada di bawah
216.4000, dan rata-rata jumlah 40% jumlah ustadz di tiap kabupaten
berada dibawah 537.4000.
o Rata-rata jumlah 50% jumlah kyai di tiap kabupaten berada di bawah
268.5000, dan rata-rata jumlah 50% jumlah ustadz di tiap kabupaten
berada dibawah 601.5000.
o Rata-rata jumlah 60% jumlah kyai di tiap kabupaten berada di bawah
342.0000, dan rata-rata jumlah 60% jumlah ustadz di tiap kabupaten
berada dibawah 709.0000.


o Rata-rata jumlah 70% jumlah kyai di tiap kabupaten berada di bawah
365.0000, dan rata-rata jumlah 70% jumlah ustadz di tiap kabupaten
berada dibawah 752.8000.
o Rata-rata jumlah 75% jumlah kyai di tiap kabupaten berada di bawah
418.2500, dan rata-rata jumlah 75% jumlah ustadz di tiap kabupaten
berada dibawah 969.0000.
o Rata-rata jumlah 80% jumlah kyai di tiap kabupaten berada di bawah
427.6000, dan rata-rata jumlah 80% jumlah ustadz di tiap kabupaten
berada dibawah 1000.6000.
o Rata-rata jumlah 90% jumlah kyai di tiap kabupaten berada di bawah
486.8000, dan rata-rata jumlah 80% jumlah ustadz di tiap kabupaten
berada dibawah 1087.6000.

a. Analisa Histogram jumlah kyai
0.00 100.00 200.00 300.00 400.00 500.00 600.00
kyai
0
2
4
6
8
10
F
r
e
q
u
e
n
c
y
Mean = 283.6667
Std. Dev. = 147.6121
N = 30
kyai

Gambar 5.1 Analisa Histogram jumlah kyai
Pada variabel jumlah kyai dengan jumlah data 8510 dan jumlah
pengamatan 30 maka didapat rata-rata 283.6667; median 268.5000; dan standar
deviasi 147.61210. Variansi dari grafik ini adalah sebesar 21789.333. Maka grafik
tersebut normal. Grafik tersebut cenderung meruncing hal ini disebabkan
variansinya kecil karena data randomnya mengumpul.



b. Analisa Histogram jumlah ustadz
0.00 500.00 1000.00 1500.00 2000.00 2500.00
ustadz
0
2
4
6
8
10
F
r
e
q
u
e
n
c
y
Mean = 661.80
Std. Dev. = 408.91643
N = 30
ustadz

Gambar 5.2 Analisa Histogram jumlah ustadz

Pada variabel jumlah penduduk perempuan dengan jumlah data 19854
dan jumlah pengamatan 30 maka didapat mean sebesar 661.8000 dan
mediannya sebesar 601.5000 serta standar deviasi 408.91643. Variansi dari
grafik ini adalah sebesar 167212.648. maka grafik tersebut normal , walaupun
grafik sedikit merata penyebaran datanya tetapi masih termasuk normal.

5.2.1.3 Output Minitab


Two-Sample T-Test and CI: C1; C2


Two-sample T for C1 vs C2

N Mean StDev SE Mean
C1 60 1,500 0,504 0,065
C2 60 473 360 46

Difference = mu C1 - mu C2
Estimate for difference: -471,2
95% CI for difference: (-564,1; -378,4)
T-Test of difference = 0 (vs not =): T-Value = -10,15 P-Value = 0,000 DF =
59







2 3 1
Gambar 5.3 Boxplot kyai dan ustadz
Output diatas merupakan tampilan data distribusi normal dalam bentuk box plot.
Dapat dilihat bahwa seluruh nilai terdistribusi baik, dan tidak terdapat ada nilai ekstrim.
Diagram boxplot diatas menunjukkan persentil 25, persentil 75 dan median dari
himpunan data. Median data ditunjukkan dengan titik merah. Output bloxplot diatas
menunjukkan keragaman yang lebih besar untuk laju pertumbuhan pada tahun 2005.
Dari bentuk boxplot diatas dapat dikatakan bahwa distribusi sampelnya normal, karena
masih berada pada batas toleransi.

Keterangan :
1. Nilai percentil ke -25
2. Median
3. Nilai percentil ke -75
Hipotesis
1. Ho : kyai= ustadz
2. H
1
: kyai ≠ ustadz


3. Daerah Kritis: t >
2 / 
t
4. Keputusan
Terima Ho, karena
Berdasarkan t >
2 / 
t =0 > -10,15
5. Kesimpulan: rata-rata jumlah ustadz dan kyai tidak sama

Perhitungan Manual Data Parametrik Independen k = 2
Statistik Deskriprif
- Mean (Nilai Rata-Rata)
Mean ( x ) jumlah kyai =
n
fx
n
i
¯
=1

=
30
8510

= 283.6667


Mean ( x ) jumlah ustadz =
n
fx
n
i
¯
=1

=
30
19854

= 661.8
Analisa :
Dari perhitungan manual ini, hasil yang diperoleh sama dengan hasil dari
Excel maupun SPSS yaitu mean untuk jumlah kyai adalah 283.6667
sedangkan untuk jumlah ustadz adalah 661.8.
- Error standard of mean
Untuk menghitung error standard of mean dengan cara membagi standard
deviation (standar deviasi) dengan akar n. Error standard of mean untuk


jumlah kyai adalah
n

=
30
147.6121
= 26.95016 dan Error standard of mean
untuk besar gaji tahu 1993 adalah
n

=
30
408.91643
= 74.65758.
Analisa :
Dari perhitungan manual ini, hasil yang diperoleh sama dengan hasil dari
Excel maupun SPSS yaitu error standard of mean untuk jumlah kyai adalah
26.95016 sedangkan untuk jumlah ustadz adalah 74.65758.
- Median (Nilai Tengah)
Median terletak pada tengah suatu data. Karena jumlah data adalah 30, maka
median dapat dicari dengan membagi dua jumlah nilai ke-15 dan 16 dari data
yang sudah diurutkan.

~
kyai =
x n 2 / ) 1 ( +

=
2
285 252 +

= 268.5

~
ustadz =
x n 2 / ) 1 ( +

=
2
615 588+

= 601.5
Analisa :
Dari perhitungan manual ini, hasil yang diperoleh sama dengan hasil dari
Excel maupun SPSS yaitu median untuk jumlah kyai adalah 268.5 sedangkan
untuk jumlah ustadz adalah 601.5.
- Mode/Modus (Nilai yang sering muncul)
Modus nilai yang sering muncul dari ke-30 data yang ada.untuk nilai yang
sering muncul dalam data jumlah kyai adalah 365 dan jumlah ustadz adalah
14a.
Analisa :


Dari perhitungan manual ini, hasil yang diperoleh sama dengan hasil dari
Excel maupun SPSS yaitu mode/modus untuk jumlah kyai adalah 365 dan
jumlah ustadz adalah 14a.
- Standard Deviation/Standar Deviasi (Simpangan baku)
Standar deviasi jumlah kyai
( )
1
1
2
÷
¯
=
=
÷
n
i
n
i
x
x


= 147.61210
Standar deviasi jumlah ustadz
( )
1
1
2
÷
¯
=
=
÷
n
i
n
i
x
x


= 408.91643
Analisa :
Dari perhitungan manual ini, hasil yang diperoleh sama dengan hasil dari
Excel maupun SPSS yaitu Standard Deviation/Standar Deviasi untuk
jumlah kyai adalah 147.61210 sedangkan untuk jumlah ustadz adalah
408.91643.
- Variance/Varians (Simpangan rata-rata kuadrat)
Varians jumlah kyai
( )
1
1
2
2
÷
¯
=
=
÷
n
i
n
i
x
x


= 21789.333

Varians jumlah ustadz
( )
1
1
2
2
÷
¯
=
=
÷
n
i
n
i
x
x




= 167212.648

Analisa :
Dari perhitungan manual ini, hasil yang diperoleh sama dengan hasil dari
Excel maupun SPSS yaitu Variance/Varians untuk jumlah kyai adalah
21789.333 sedangkan untuk jumlah ustadz adalah 167212.648.
- Kurtosis (tingkat kepuncakan dari sebuah distribusi)
Kurtosis jumlah kyai
4
2
4
( 1)
( 1)( 2)( 3) ( 2)( 3)
3( 1) n n
i x
f
n n n n n
n x


¦ ¹
+ ¦ ¦ ÷
= ÷
´ `
÷ ÷ ÷ ÷ ÷
¦ ¦
¹ )
÷ | |
¯
|
\ .

=
) 27 )( 28 (
) 29 ( 3
) 49646393 , 7 5 (
) 27 )( 28 )( 29 (
) 31 ( 30
2
÷
)
`
¹
¹
´
¦

= { } 337 , 3 ) 49646393 , 7 5 )( 04242 , 0 ( ÷
= -0.898
Kurtosis jumlah ustadz
4
2
4
( 1)
( 1)( 2)( 3) ( 2)( 3)
3( 1) n n
i x
f
n n n n n
n x


¦ ¹
+ ¦ ¦ ÷
= ÷
´ `
÷ ÷ ÷ ÷ ÷
¦ ¦
¹ )
÷ | |
¯
|
\ .

=
) 27 )( 28 (
) 29 ( 3
) 6426214 . 97 1 (
) 27 )( 28 )( 29 (
) 31 ( 30
2
÷
)
`
¹
¹
´
¦

= { } 337 , 3 ) 6426214 . 97 1 )( 04242 , 0 ( ÷
= 5.074
Analisa :
Dari perhitungan manual ini, hasil yang diperoleh sama dengan hasil dari
Excel maupun SPSS yaitu koefisien kurtosis untuk besar jumlah kyai adalah -
0.898 sedangkan untuk jumlah ustadz adalah 5.047.
- Skewness (Tingkat kemencengan suatu data yang telah dihitung)
Skewness jumlah kyai


3
( 1)( 2)
K
n
i x
f
n n
x
s

÷
=
÷ ÷
| |
¯
|
\ .

= ) 4616 . 1 (
) 28 )( 29 (
30

= 0 .054
Skewness jumlah ustadz
3
( 1)( 2)
K
n
i x
f
n n
x
s

÷
=
÷ ÷
| |
¯
|
\ .

= ) 6044 . 3 4 (
) 28 )( 29 (
30

= 1.611
Analisa :
Dari perhitungan manual ini, hasil yang diperoleh sama dengan hasil dari
Excel maupun SPSS yaitu koefisien skewness untuk jumlah kyai adalah 0.054
sedangkan untuk jumlah ustadz adalah 1.611.
- Maximum/Maksimum (Nilai tertinggi dari suatu data)
Nilai maksimum jumlah kyai = 574
Nilai maksimum jumlah ustadz = 2160
Hasil ini sama dengan nilai maksimum data yang didapat dari output Excel
maupun SPSS.
- Minimum/Minimum (Nilai terendah dari suatu data)
Nilai minimum jumlah kyai = 13
Nilai minimum jumlah ustadz = 14
Hasil ini sama dengan nilai minimum data yang didapat dari output Excel
maupun SPSS.
- Range (Jangkauan data)
Range jumlah kyai = maksimum - minimum
= 274 - 13
= 561


Range jumlah ustadz = maksimum - minimum
= 2160 - 14
= 2146
Hasil ini sama dengan range/jangkauan data yang didapat dari output Excel
maupun SPSS.
- Sum (Jumlah data)
Jumlah kyai = 8510
Jumlah ustadz = 19854
Hasil ini sama dengan sum/jumlah data yang didapat dari output Excel
maupun SPSS.
- Count (Jumlah pengamatan)
Jumlah pengamatan kyai = 30
Jumlah pengamatan ustadz = 30
Hasil ini sama dengan count/jumlah pengamatan yang didapat dari output
Excel maupun SPSS.
- Percentile (fraktil yang membagi seperangkat data yang telah terurut menjadi
seratus bagian yang sama)
P
k
= nilai ke
( )
100
1 + n k

dengan nilai n = 30
dari rumus diatas maka didapat
Percentile jumlah kyai
=
P10
nilai ke 3,1
= ( )
x x x 3 4 3
1 , 0 ÷ +
= 70 + 0,1(97-70)
= 72.7
=
P20
nilai ke 6,2
= ( )
x x x 6 7 6
2 , 0 ÷ +
= 156 + 0,2(167-156)
= 158.2


=
P25
nilai ke 7,75
= ( )
x x x 7 8 7
25 , 0 ÷ +
= 167 + 0,25(172-167)
= 168.25
=
P30
nilai ke 9,3
= ( )
x x x 9 10 9
3 , 0 ÷ +
= 187 + 0,3(204-187)
= 192.1
=
P40
nilai ke 12,4
= ( )
x x x 12 13 12
4 , 0 ÷ +
= 210+ 0,4(226-210)
= 216.4
=
P50
nilai ke 15,5
= ( )
x x x 15 16 15
5 , 0 ÷ +
= 252 + 0,5(285-252)
= 268.5
=
P60
nilai ke 18,6
= ( )
x x x 18 19 18
6 , 0 ÷ +
= 330 + 0,6(350-330)
= 342
=
P70
nilai ke 21,7
= ( )
x x x 21 22 21
7 , 0 ÷ +
= 365 + 0,7(365-365)
= 365
=
P75
nilai ke 23,25
= ( )
x x x 23 24 23
75 , 0 ÷ +
= 417 + 0,75(422-417)
= 420.75
=
P80
nilai ke 24,8


= ( )
x x x 24 25 24
8 , 0 ÷ +
= 422 + 0,8(429-422)
= 427.6
=
P90
nilai ke 27,9
= ( )
x x x 27 28 27
9 , 0 ÷ +
= 485 + 0,9(487-485)
= 486.8
Percentile jumlah ustadz
=
P10
nilai ke 3,1
= ( )
x x x 3 4 3
1 , 0 ÷ +
= 196 + 0,1(228-196)
= 199.2
=
P20
nilai ke 6,2
= ( )
x x x 6 7 6
2 , 0 ÷ +
= 380 + 0,2(397-380)
= 383.3
=
P25
nilai ke 7,75
= ( )
x x x 7 8 7
25 , 0 ÷ +
= 397 + 0,25(414-397)
= 401.25
=
P30
nilai ke 9,3
= ( )
x x x 9 10 9
3 , 0 ÷ +
= 426 + 0,3(446-426)
= 432
=
P40
nilai ke 12,4
= ( )
x x x 12 13 12
4 , 0 ÷ +
= 527+ 0,4(553-527)
= 537.4
=
P50
nilai ke 15,5
= ( )
x x x 15 16 15
5 , 0 ÷ +


= 588 + 0,5(615-588)
= 601.5
=
P60
nilai ke 18,6
= ( )
x x x 18 19 18
6 , 0 ÷ +
= 700 + 0,6(715-700)
= 709
=
P70
nilai ke 21,7
= ( )
x x x 21 22 21
7 , 0 ÷ +
= 729 + 0,7(763-729)
= 752.8
=
P75
nilai ke 23,25
= ( )
x x x 23 24 23
75 , 0 ÷ +
= 963 + 0,75(987-963)
= 981
=
P80
nilai ke 24,8
= ( )
x x x 24 25 24
8 , 0 ÷ +
= 987 + 0,8(1004-987)
= 1000.6
=
P90
nilai ke 27,9
= ( )
x x x 27 28 27
9 , 0 ÷ +
= 1030 + 0,9(1094-1030)
= 1087.6
Hasil ini sama dengan count/jumlah pengamatan yang didapat dari output
Excel maupun SPSS.

5.2.1.4 Perhitungan anova Manual
Perhitungan anova Manual
1. H
0
=
2 1
  =
2. H
1
= Paling sedikit 2 rataan tidak sama
3. 05 , 0 = 


4. Daerah Kritis : f hitung > f tabel
V
1
= k-1
= 2-1 = 1
V
2
= k (n-1)
= 2 (30-1) = 58
Karena f tabel dengan derajat kebebasan 1,58 tidak terdapat da tabel L6 maka
dilakukan interpolasi :


X = 4,008
5. Perhitungan
Tabel 5.6 Perhitungan Anova Manual
No Y1 Y2 jumlah jumlah 2
1
442 963 1405 1974025
2
209 397 606 367236
3
252 414 666 443556
4
330 228 558 311364
5
167 380 547 299209
6
417 763 1180 1392400
7
422 654 1076 1157776
8
235 700 935 874225
9
210 718 928 861184
10
97 196 293 85849
11
58 615 673 452929
12
70 172 242 58564
13
114 242 356 126736
14
350 729 1079 1164241
15
485 426 911 829921
16
156 527 683 466489
17
429 1.030 1459 2128681
18
365 987 1352 1827904
19
496 588 1084 1175056
20
364 2.160 2524 6370576
40 60
58 60
08 , 4 00 , 4
00 , 4
÷
÷
=
÷
÷ x


21
574 1.096 1670 2788900
22
285 715 1000 1000000
23
365 571 936 876096
24
329 1.007 1336 1784896
25
204 1.004 1208 1459264
26
226 553 779 606841
27
187 465 652 425104
28
172 446 618 381924
29
487 1.094 1581 2499561
30
13 14 27 729
Total
8510 19854
28364

34191236


No Y1 kuadrat Y2 kuadrat jumlah
1
195364 927369 1122733
2
43681 157609 201290
3
63504 171396 234900
4
108900 51984 160884
5
27889 144400 172289
6
173889 582169 756058
7
178084 427716 605800
8
55225 490000 545225
9
44100 515524 559624
10
9409 38416 47825
11
3364 378225 381589
12
4900 29584 34484
13
12996 58564 71560
14
122500 531441 653941
15
235225 181476 416701
16
24336 277729 302065
17
184041 1060900 1244941
18
133225 974169 1107394
19
246016 345744 591760
20
132496 4665600 4798096
21
329476 1201216 1530692
22
81225 511225 592450


23
133225 326041 459266
24
108241 1014049 1122290
25
41616 1008016 1049632
26
51076 305809 356885
27
34969 216225 251194
28
29584 198916 228500
29
237169 1196836 1434005
30
169 196 365
total
3045894 17988544
21034438


Faktor korelasi =
nk
T
2

=
2 30
(28364)
2
×

= 13408608


2
2
1 1
..
k n
ij
i j
T
JKT y
nk
= =
= ÷
¯¯

=
60
(28364)
21034438
2
÷
= 7625830

2
2
1
.
..
k
i
i
T
T
JKA
n nk
=
= ÷
¯

=
60
(28364)
30
08 3,94E 72420100
2
÷
+ +

= 2144772


JKG = JKT – JKA
= 7625830-2144772
= 5481057




1
2
1
÷
=
k
JKA
S

1 2
2144772
÷
=
= 2144772


) 1 (
2
2
÷
=
n k
JKG
S

) 1 30 ( 2
5481057
÷
=
= 94500,99

F
hitung
= 22,69576
94500,99
2144772
2
2
2
1
= =
s
s


P = P[F[k-1,k(n-1)]>f]
=P[22,69576[2-1,k(30-1)]>4.008]
= 1.31x10
-5




Tabel 5.7 Perhitungan Manual Uji Anova Data Parametrik dengan k=2 Independen
Sumber
Variasi
Jml. Kuadrat
Derajat
kebebasan
Rataan
Kuadrat
F Hitungan Nilai P F Kritis
Perlakuan
JKA=2144772

k-1=1
1
2
1
÷
=
k
JKA
S
= 2144772

2
2
2
1
S
S

=
22,69576

1.31x 10
-5
4,008
Galat
JKG=5481057


k(n-1) = 58 ) 1 (
2
÷
=
n k
JKA
S

=94500,99




Total JKT=7625830 n(k-1) = 59

Keterangan tabel 5.7:
- JKT adalah jumlah kuadrat total, yaitu didapatkan angka 7625830. Dimana
derajat kebebasannya adalah 59
- JKA adalah jumlah kuadarat perlakuan, yaitu didapatkan angka 2144772.
- JKG adalah jumlah kuadrat galat, yaitu didapatkan angka 5481057. Dengan
derajat kebebasan 58.
- Didapatkan nilai F hitungan adalah 22,69576
6. Keputusan :
Tolak Ho karena F
hitung
> F
Crit
yaitu 22,69576 > 4,008.
7. Kesimpulan :
Bahwa selisih rata-rata jumlah kyai pada tahun 2004 dan jumlah ustadz pada tahun
2004 tidak sama sama secara signifikan








- Perbandingan excel dengan perhitungan manual
Tabel 5.8 Perbandingan excel dengan perhitungan manual kyai
Jumlak kyai
excel Perhitungan manual
Mean 283.6667 283.6667
Std. Error of Mean 26.95016 26.95016
Median 268.5000 268.5
Mode 365.00 365
Std. Deviation 147.61210 147.6121
Variance 21789.333 21789.33
Skewness .054 0.054
Std. Error of Skewness .427 .427
Kurtosis -.898 -0.898
Std. Error of Kurtosis .833 .833
Range 561.00 561
Minimum 13.00 13
Maximum 574.00 574


Sum 8510.00 8510
Percentiles 10 72.7000 72.7
20 158.2000 158.2
25 170.7500 170.75
30 192.1000 192.1
40 216.4000 218.4
50 268.5000 268.5
60 342.0000 342
70 365.0000 365
75 418.2500 418.25
80 427.6000 427.6
90 486.8000 486.8

Tabel 5.9 Perbandingan excel dengan perhitungan manual ustadz
Jumlah ustadz
excel Perhitungan manual
Mean 661.8000 661.8
Std. Error of Mean 74.65758 74.65758
Median 601.5000 601.5
Mode 14.00(a) 14
Std. Deviation 408.91643 408.91643
Variance 167212.648 167212.648
Skewness 1.611 1.611
Std. Error of Skewness .427 .427
Kurtosis 5.074 5.074
Std. Error of Kurtosis .833 .833
Range 2146.00 2148
Minimum 14.00 14
Maximum 2160.00 2160
Sum 19854.00 19854
Percentiles 10 199.2000 199.2
20 383.4000 383.4
25 409.7500 409.75
30 432.0000 432
40 537.4000 537.4
50 601.5000 601.5
60 709.0000 709
70 752.8000 752.8
75 969.0000 969
80 1000.6000 1000.6
90 1087.6000 1087.6


5.2.2 Analisa Statistik Parametrik Independen k > 2
5.2.2.1 Output Excel
a. Statistik Deskriptif
Tabel 5.10 Statistika Deskriptif Parametrik k>2
Tahun_I Tahun_II Tahun_III



M ean 591.1 M ean 586.0333333 M ean 511.6667
St andar d Er r or 96.59452 St andar d Er r or 70.62350368 St andar d Er r or 54. 26415
M edi an 396.5 M edi an 484. 5 M edi an 460.5
M ode 305 M ode #N/ A M ode 314
St andar d Devi at i on 529.07 St andar d Devi at i on 386.8208606 St andar d Devi at i on 297.217
Sampl e Var i ance 279915.1 Sampl e Var i ance 149630.3782 Sampl e Var i ance 88337. 95
Kur t osi s 5. 221323 Kur t osi s 4.72060158 Kur t osi s 3.794255
Skew ness 2. 126618 Skew ness 1.759399121 Skew ness 1.492342
Range 2451 Range 1888 Range 1441
M i ni mum 64 M i ni mum 99 M i ni mum 109
M axi mum 2515 M axi mum 1987 M axi mum 1550
Sum 17733 Sum 17581 Sum 15350
Count 30 Count 30 Count 30


Keterangan Tabel :
- Tabel Statistik Deskriptif ini terdiri dari 3 kolom karena terdiri dari 3
variabel yaitu jumlah jamaah haji tahun 2001(tahun I), tahun 2002(tahun II)
dan tahun 2003(tahun III).
- Baris1 yaitu Mean adalah rata-rata dari seluruh data pengamatan, untuk
column 1 nilainya 591.1 ,Column 2 nilainya 586.0333333 dan colomn 3
nilainya 511.6667.
- Baris 2 yaitu Standard Error digunakan untuk memperkirakan besarnya
rata-rata dari data pengamatan yang diperkirakan dari sebuah sampel.
Untuk Column 1 standart errornya 96.59452, column 2 standart errornya
70.62350368 dan column 3 nilainya 54. 26415.
- Baris 3 yaitu Median adalah nilai tengah diperoleh dengan membagi dua
sama besar data yang telah diurutkan. Median untuk Column 1 adalah 396.5
dan column 2 adalah 484.5 dan untuk column 3 yaitu 460.5.
- Baris 4 yaitu Mode adalah nilai / data yang sering muncul. Pada kolom 1
modenya adalah 305 .Pada kolom 3 adalah 314.
- Baris 5 yaitu Standard Deviation atau standar deviasi digunakan untuk
menilai dispersi rata-rata dari sampel. Standar deviasi untuk kolom 1
sebesar 529.07; kolom 2 sebesar 386.8208606 dan kolom 3 sebesar
297.217.


- Baris 6 yaitu Sample Variance adalah variansi dari sampel, untuk Column 1
besarnya 279915.1 untuk kolom 2 sebesar 149630.3782 dan untuk kolom 3
yaitu 88337.95.
- Baris 7 yaitu Kurtosis adalah derajat kepuncakan dari suatu distribusi,
biasanya diambil secara relatif terhadap suatu distribusi normal, besarnya
kurtosis untuk Column 1 adalah 5.221323 untuk kolom 2 adalah
4.72060158 sedangkan untuk kolom 3 yaitu 3.794255.
- Baris 8 yaitu Skewness adalah derajat ketaksimetrisan, atau kejauhan dari
simetri dari suatu distribusi, besarnya skewness dari kolom 1 adalah
2.126618 untuk column 2 adalah 1.759399121 sedangkan untuk kolom 3
yaitu 1.492342.
- Baris 9 yaitu Range atau jangkauan didapat dengan mengurangkan data
maksimun dengan data minimum. Range untuk Column 1 adalah 2451;
untuk Column 2 adalah 1888 dan untuk column 3 yaitu 1441.
- Baris 10 yaitu Minimum adalah nilai minimum. Pada column 1 sebesar 64
dan pada column 2 sebesar 99 sedangkan untuk column 3 yaitu 109.
- Baris 11 yaitu Maximum adalah nilai maksimum pada Column 1 sebesar
2515 dan pada column 2 sebesar 1987 sedangkan nilai maksimum pada
column ke3 yaitu sebesar 1550.
- Baris 12 yaitu Sum adalah jumlah seluruh data pengamatan dikalikan
frekuensi untuk tiap variabel. Pada column 1 sebesar 17733 sedang Column
2 sebesar 17581 sedangkan nilai Sum pada column 3 yaitu sebesar 15350.
- Baris 13 yaitu Count merupakan jumlah pengamatan yang dilakukan yaitu
baik Column 1, 2 dan 3 sama-sama berjumlah 30 pengamatan.

b. Uji Anova
 Analisa Tabel
Tabel 5.11 Output Anova (a)
SUM M ARY
Gr oups Count Sum Aver age Var i ance
t ahun_I 30 17733 591.1 279915.1
t ahun_II 30 17581 586.0333 149630.4


t ahun_II I 30 15350 511.6667 88337.95

Keterangan tabel :
- Dari tabel Anova Single Factor pada kolom groups terdapat tiga baris yaitu
column 1, column 2, dan column 3, hal ini menunjukkan bahwa data yang
digunakan terdiri dari 3 variabel. Column 1 menunjukkkan bahwa data
yang diambil berasal dari kolom 1 yaitu jumlah jamaah haji menurut
kabupaten / kota di Jawa Tengah untuk tahun 2001, column 2
menunjukkkan bahwa data diambil dari kolom 2 yaitu jumlah jamaah haji
menurut kabupaten / kota di Jawa Tengah ntuk tahun 2002 dan column
ketiga menunjukkan bahwa data diambil dari kolom 3 yaitu jumlah jamaah
haji menurut kabupaten / kota di Jawa Tengah untuk tahun 2003.
- Kolom ke 2 yaitu Count menunjukkan jumlah data pengamatan yaitu 30
untuk tiap variabelnya.
- Kolom 3 yaitu Sum menunjukkan jumlah seluruh data untuk tiap
variabelnya dikalikan frekuensi, variabel 1 jumlahnya 17733 sedang
variabel 2 jumlahnya 17581 dan variabel 3 jumlahnya 15350.
- Kolom 4 yaitu Average atau rata-rata dari keseluruhan data tiap variabel.
Nilai ini diperoleh dari Sum dibagi Count, variabel 1 nilainya 591.1 ,
variabel 2 nilainya 586.0333 dan variabel 3 nilainya 511.6667.
- Kolom 5 yaitu Variance menunjukkan variansi data, untuk variabel 1
nilainya 279915.1, untuk variabel 2 nilainya 149630.4 dan variabel 3
nilainya 88337.95.
Tabel 5.11 Output Anova (b)

ANOVA
Sour ce of Var i at i on SS df M S F P-val ue F cr i t
Bet w een Gr oups 118657. 3 2 59328.63 0.343679 0.710115 3. 101296
Wi t hi n Gr oups 15018618 87 172627.8

Tot al 15137276 89

Keterangan able


- Pada tabel Anova terdapat 7 kolom dan 3 baris. Baris pertama adalah
between groups, baris kedua adalah within groups dan baris ketiga adalah
total dari baris pertama dan kedua.
- Kolom 1 adalah Source of Variation yaitu sumber variasi yang terdiri dari
between dan within groups serta jumlah dari keduanya.
- Kolom 2 adalah SS atau jumlah kuadrat, untuk baris pertama atau
Perlakuan mempunyai nilai SS sebesar 118657.3 dan untuk baris kedua atau
Galat mempunyai SS sebesar 15018618 sedangkan totalnya 15137276.
Untuk mencari jumlah kuadrat dari regresi dapat dihitung dengan rumus :
¯¯
= =
÷ =
k
i
n
j
ij
nk
T
y JKT
1 1
2
.. 2

nk
T
n
T
JKA
k
i
i 2
.. 1
2
÷ =
¯
=

JKA JKT JKG ÷ =

Dimana T adalah Total seluruh demand untuk tiga tahun (2001, 2002, dan
2003).
- Kolom 3 yaitu df atau derajat kebebasan, untuk baris pertama nilainya 2(k-
1 = 3-1 = 2) sedangkan baris kedua nilai nilainya 87 {k (n-1) = 3x29 = 78)
dan baris ketiga merupakan totalnya 89 (87+2) atau n(k-1)=89. K disini
berjumlah 3 yang menunjukkan ada 3 macam perlakuan.
- Kolom 4 adalah MS atau rataan kuadrat untuk baris pertama (Perlakuan)
nilai MS-nya 59328.63 sedangkan baris kedua (galat) 172627.8 atau dengan
cara membagi JK
perlakuan
dengan df
perlakuan
untuk MS perlakuan, sedangkan
MS galat adalah JK
galat
dibagi df
galat
.
- Kolom 5 yaitu F
hitung
, untuk baris pertama didapat nilainya 0.343679 atau
dengan membagi MS
perlakuan
dengan MS
galat
.
- Kolom 6 yaitu P
value
atau probabilitas dan nilai yang didapat untuk baris
pertama adalah 0. 710115. Dapat digunakan untuk menentukan keputusan
atas uji hipotesa yaitu dengan membandingkan P
value
dengan derajat
keberartiannya.


- Kolom 7 adalah F
critical
atau F
tabel
hasil yang didapat untuk Perlakuan adalah
3. 101296, dapat pula digunakan untuk menentukan keputusan atas uji
hipotesa yang dilakukan, dengan membandingkan F
tabel
dan F
hitung
. Besarnya
F
crit
dapat dilihat dari interpolasi pada able L.6 Walpole.

Pengujian :
1. Ho : u
1
= u
2
= u
3

2. H
1
: ketiga rataan tidak semua sama
3. o : 0,05
4. Daerah Kritis : F
hitung
> F
tabel

P <  = P < 0,05
5. Perhitungan :
(lihat tabel 5.10)
F
hitung
= F = 0.343679
F
tabel
= F crit = 3.101296
P = P-value = 0.710115
6. Keputusan :
Tolak H
0
, karena
-
Berdasarkan nilai F, F
hitung
> F
tabel
= 0.343679 < 3.101296

Ter i ma Ho, kar ena

- Berdasarkan nilai P (probabilitas), P >   = 0.710115 > 0,05
7. Kesimpulan:
Rata-rata jemaah haji tiap tahunnya tidak sama.


5.2.2.2 Output SPSS Parametrik Independen k > 2
 Analisa Histogram
- Tahun 2001


0.00 500.00 1000.00 1500.00 2000.00 2500.00 3000.00
Tahun_I
0
2
4
6
8
10
12
14
F
r
e
q
u
e
n
c
y
Mean = 591.10
Std. Dev. = 529.06999
N = 30
Tahun_I

Gambar 5.4 Jumlah jemaah haji tahun 2001

Pada kolom 1 dengan jumlah 17733 dan jumlah pengamatan 30 maka
didapat rata-rata 591.1; median 396.5; standar deviasi 529.07; dan variansi sebesar
279915.1 . Dari grafik diatas terlihat bahwa batang histogram berbentuk kurva
normal. Hal ini dapat menunjukkan bahwa data mengenai jumlah jamaah haji
menurut kabupaten / kota di Jawa Tengah ini merupakan data berdistribusi normal
atau lebih condong mendekati kurva normal.

- Tahun 2002
0.00 500.00 1000.00 1500.00 2000.00
Tahun_II
0
2
4
6
8
10
12
F
r
e
q
u
e
n
c
y
Mean = 586.0333
Std. Dev. = 386.82086
N = 30
Tahun_II

Gambar 5.5 Jumlah jemaah haji tahun 2002

Pada kolom 1 dengan jumlah demand 17581 dan jumlah pengamatan 30
maka didapat rata-rata 586.0333333; median 484.5; standar deviasi 386.8208606;
dan variansi sebesar 149630.3782. Dari grafik diatas terlihat bahwa batang
histogram berbentuk kurva normal. Hal ini dapat menunjukkan bahwa data


mengenai jumlah jamaah haji menurut kabupaten / kota di Jawa Tengah ini
merupakan data berdistribusi normal atau lebih condong mendekati kurva normal.
- Tahun 2003
0.00 500.00 1000.00 1500.00 2000.00
Tahun_III
0
2
4
6
8
10
F
r
e
q
u
e
n
c
y
Mean = 511.6667
Std. Dev. = 297.21702
N = 30
Tahun_III

Gambar 5.6 Jumlah jemaah haji tahun 2003

Pada column 3 dengan jumlah demand 15350 dan jumlah pengamatan 30
maka didapat rata-rata 511.6667; median 460.5 ;standar deviasi 297.217; dan
variansi sebesar 88337.95. Dari grafik diatas terlihat bahwa batang histogram
memiliki kemiripan bentuk dengan kurva normal. Hal ini dapat menunjukkan
bahwa data mengenai jumlah jamaah haji menurut kabupaten / kota di Jawa
Tengah ini merupakan data berdistribusi normal atau lebih condong mendekati
kurva normal.


5.3 Analisa Statistik Non Parametrik
5.3.1 Analisa Statistik Non Parametrik Independen k = 2
5.3.1.1 Output SPSS
a. Statistik Deskriptif
Tabel 5.12 Deskriptif Statistik Pengaruh Jenis kelamin terhadap
aktualisasi diri
Descriptive Statistics



N Mean Std. Deviation Minimum Maximum
Percentiles
25th 50th (Median) 75th
gadget
50 1,5600 1,01338 1,00 5,00 1,0000 1,0000 2,0000
jenis_kelamin
50 1,5000 ,50508 1,00 2,00 1,0000 1,5000 2,0000

Tabel 5.10 Statistik Deskriptif untuk Data Non Parametrik Independen k = 2
Keterangan Tabel :
- Pada kolom pertama menunjukkan variabel yang digunakan yaitu data
jenis kelamin dan gadget
- Kolom kedua menunjukkan banyaknya data untuk kedua keadaan tersebut
sejumlah masing-masing 50 data.
- Kolom ketiga menunjukkan nilai rata-rata. Untuk data gadget adalah
1,560 dan untuk data jenis kelamin 1,50
- Kolom keempat menunjukkan nilai standar deviasi. Untuk data gadget
adalah 1,01338, dan untuk data jenis kelamin adalah 0,50508.
- Kolom kelima menunjukkan nilai minimum. Untuk data gadget adalah 1,0
dan untuk data jenis kelamin adalah 5,0
- Kolom keenam menunjukkan nilai maksimum. Untuk data gadget adalah
5,0 dan untuk data jenis kelamin adalah 2,0.
- Kolom keenam menunjukkan persentil 25,50, dan 75.

- Uji Mann-Whitney
Tabel 5.13 Output Mann-Whitney Test Pengaruh Jenis kelamin terhadap aktualisasi diri
Ranks

jenis_kelam
in N Mean Rank Sum of Ranks
gadget laki-laki
25 27,82 695,50
perempuan
25 23,18 579,50
Total
50


Keterangan Tabel :
- Kolom N pada tabel ranks di atas adalah jumlah sampel per kelompok.
Dari tabel uji Mann-Whitney diatas terlihat bahwa untuk jumlah data (N)


laki-laki = 25, perempuan= 25. Jadi, jumlah total keseluruhan dari data =
50.
- Mean rank yaitu rata-rata rank, untuk laki-laki nilainya 27,82 dan untuk
perempuan nilainya 23,18.
- Sum of rank yaitu jumlah rank-nya, untuk laki-laki nilainya 695,50 dan
untuk perempuan nilainya 579,50

Test Statistics(a)
Test Statistics(a)

gadget
Mann-Whitney U
254,500
Wilcoxon W
579,500
Z
-1,365
Asymp. Sig. (2-tailed)
,172
a Grouping Variable: jenis_kelamin

Keterangan Tabel :
• Tabel test statistic uji Mann-Whitney terdiri dari 4 baris.
• Baris 1 yaitu Mann-Whitney U atau statistik hitung Mann-Whitney
nilainya adalah 254,500.
• Baris 2 yaitu Wilcoxon W atau statistik hitung Wilcoxon nilainya adalah
579,500
• Baris 3 yaitu Mann-Whitney Z atau nilai Z untuk melakukan uji Mann-
Whitney nilainya -1,365
• Baris 4 yaitu asymp. Sig. (2-tailed)/asymptotic significance atau peluang
untuk uji 2 sisi adalah ,172
Pengujian :
1. Ho : u
1
= u
2

2. H
1
: u
1
= u
2

3. o : 0,05
4. Daerah kritis : P < o = P < 0,05
5. Perhitungan :


(lihat tabel 5.14)
P = asymp. Sig. (2-tailed) = 0,172
6. Keputusan :
Terima Ho, karena berdasarkan nilai P (probabilitas), P > o = 0,172
>0,05
7. Kesimpulan: rataan untuk jumlah gadget dan jenis kelamin penduduk
sama.

- Uji Moses
Tabel 4.14 Output Moses Test Pengaruh Jenis kelamin terhadap aktualisasi diri
Frequencies
Frequencies

jenis_kelamin N
gadget laki-laki
(Control)
25
perempuan
(Experimenta
l)
25
Total
50


Keterangan Tabel :
- Tabel uji moses diatas terdiri dari 3 baris.
- Dari kolom N pada tabel uji moses diatas terlihat bahwa untuk jumlah data
(N) laki-laki berjumlah 25, dan perempuan berjumlah 25. Jadi, jumlah
total keseluruhan dari data adalah 50.

Test Statistics(a,b)
Test Statistics(a,b)

gadget
Observed Control
Group Span

33
Sig. (1-tailed)
,000
Trimmed Control
Group Span

33
Sig. (1-tailed)
,000
Outliers Trimmed from each End
1
a Moses Test
b Grouping Variable: jenis_kelamin



Keterangan Tabel :
• Tabel test statistic uji Moses diatas terdiri dari 5 baris.
• Baris 1 yaitu Observed Control yaitu jumlah pengamatan awal, nilainya
adalah 33.
• Baris 2 yaitu Group Span Sig. (1-tailed) yaitu probabilitas untuk uji satu
sisi sejumlah data pada baris 1, nilainya 0,000
• Baris 3 yaitu Trimmed Control adalah jumlah data pengamatan yang
berada pada rentang grup kendali, yaitu jumlah pengamatan dikurangi
data-data ekstrim di grup percobaan.
• Baris 4 yaitu Group Span Sig. (1-tailed) yaitu probabilitas untuk uji satu
sisi sejumlah data pada baris 3, nilainya ,000.
• Baris 5 yaitu Outliers Trimmed from each End yaitu jumlah data yang
berada di luar rentang grup kendali dari tiap-tiap sisi.

Pengujian :
1. Ho : s
1
- s
2
=

0
2. H
1
: s
1
- s
2
= 0
3. o : 0,05
4. Daerah kritis : P < o = P < 0,05
5. Perhitungan :
(lihat tabel 5.13)
P = Group Span Sig. (1-tailed) = 0,000
6. Keputusan :
Tolak Ho, karena berdasarkan nilai probabilitas, P < o = 0,000 < 0,05
7. Kesimpulan: selisih antara standar deviasi untuk jumlah penduduk laki-
laki dan perempuan tidak sama

- Uji Kolmogorof – Smirnov
Tabel 4.1 4 Output Kolmogorov-Smirnov Test Pengaruh Jenis kelamin terhadap aktualisasi diri
Frequencies




jenis_kelam
in N
gadget laki-laki
25
perempuan
25
Total
50

Test Statistics(a)
Keterangan Tabel :
- Dari kolom N pada tabel uji kolmogorof-Smirnov diatas terlihat bahwa
untuk jumlah data (N) laki-laki = 25, perempuan= 25. Jadi, jumlah total
keseluruhan dari data = 50.




Test Statistics(a)
gadget
Most Extreme
Differences
Absolute
,160
Positive
,000
Negative
-,160
Kolmogorov-Smirnov Z
,566
Asymp. Sig. (2-tailed)
,906
a Grouping Variable: jenis_kelamin


Keterangan Tabel :
• Tabel test statistic uji kolmogorof-smirnov diatas terdiri dari 5 baris.
• Baris 1 yaitu Most Extreme Absolute atau nilai-nilai absolut yang paling
ekstrim, nilainya 0,160.
• Baris 2 yaitu Differences positive nilainya ,000 artinya nilai beda-beda
positifnya ,000.
• Baris 3 yaitu Differences negative nilainya -0,160 artinya nilai beda-beda
negatifnya -,160.
• Baris 4 yaitu Kolmogorov-Smirnov Z nilainya 0,566 artinya nilai Z untuk
uji kolmogorof-Smirnov adalah 0,566


• Baris 5 yaitu asymp. Sig. (2-tailed)/asymptotic significance atau peluang
untuk uji 2 sisi adalah 0,906

Pengujian :
1. Ho : u
1
= u
2

2. H
1
: u
1
= u
2

3. o : 0,05
4. Daerah kritis : P < o = P < 0,05
6. Perhitungan :
(lihat tabel 5.18)
P = asymp. Sig. (2-tailed) =0,906
7. Keputusan :
Tolak Ho, karena berdasarkan nilai P (probabilitas), P > o = 0,906 >0,05
8. Kesimpulan: rataan untuk laki-laki dan perempuan sama.

5.3.1.2 Output Minitab
Mann-Whitney Test and CI: laki_laki; perempuan

laki_lak N = 25 Median = 1,000
perempua N = 25 Median = 1,000
Point estimate for ETA1-ETA2 is 0,000
95,2 Percent CI for ETA1-ETA2 is (-0,000;1,000)
W = 695,5
Test of ETA1 = ETA2 vs ETA1 not = ETA2 is significant at
0,2646
The test is significant at 0,1759 (adjusted for ties)

Cannot reject at alpha = 0,05

Keterangan :
• Output menunjukkan banyak data adalah 25.


• Median laki-laki adalah 1 dan perempuan adalah 1
• Nilai taksirannya sebesar 0,000.
• P-value Uji mann-Whitney adalah 0.1759

Pengujian :
1. Ho : Rataan jumlah gadget sama dengan rataan jumlah jenis kelamin.
2. H
1
: Rataan jumlah gadget tidak sama dengan rataan jumlah jenis
kelamin
3. o : 0,05
4. Daerah penolakan: P-value < o
5. Perhitungan :
(lihat tabel hasil uji minitab)
P-value = 0.1759 = The test is significant at 0.1759
6. Keputusan :
terima Ho, karena berdasarkan nilai P, P > o = 0,1759 >0,05
7. Kesimpulan: rataan untuk jumlah gadget dan jenis kelamin sama.


5.3.2 Analisa Statistik Non Parametrik Independen k > 2
5.3.2.1 Output SPSS
a. Statistik Deskriptif
Tabel 5.15 Descriptive Statistics untuk Data Non Parametrik K > 2

Descriptive Statistics

N Minimum Maximum Mean Std. Deviation
Gol_darah
75 1,00 3,00 2,0000 ,82199
Cara_belajar
75 1,00 3,00 1,8667 ,82746


Keterangan Tabel :
- Pada kolom pertama menunjukkan variabel yang digunakan golongan
darah dan cara belajar


- Kolom kedua menunjukkan banyaknya data yaitu untuk kedua keadaan
tersebut adalah sama yaitu 75 data.
- Kolom ketiga menunjukkan nilai rata-rata. Untuk golongan darah adalah
2,000, sedangkan untuk cara belajar adalah 1,8667
- Kolom keempat menunjukkan nilai standar deviasi. Untuk golongan
darah adalah 0,82199, sedangkan untuk cara belajar adalah 0,82746
- Kolom kelima menunjukkan nilai minimum yaitu untuk golongan darah
adalah 1,00, sedangkan untuk cara belajar adalah 1,00.
- Kolom keenam menunjukkan nilai maksimum yaitu untuk golongan
darah adalah 3,00, sedangkan untuk cara belajar adalah 3,00.


b. Uji Kruskal - Wallis
Tabel 5.16 Output Kruskal Wallis Test Pengaruh Golongan Darah Terhadap Cara Belajar
Ranks

Gol_darah N Mean Rank
Cara_belajar A
25 36,40
B
25 37,28
O
25 40,32
Total
75


Keterangan Tabel :
• Tabel uji kruskal wallis terdiri dari 2 kolom yaitu N artinya jumlah data
dan Mean Ranks artinya beda nilai rata-rata.
• Kolom 1 yaitu N berarti jumlah data terdiri dari golongan darah A, B, dan
O, dengan jumlah data masing-masing 25, dan totalnya 75.
• Kolom 2 yaitu Mean Ranks atau beda nilai rata-rata untuk golongan darah
A = 36.40, golongan darah B = 37.26, dan golongan darah O = 40.32

Test Statistics(b)

Cara_belajar
N
75
Median
2,0000
Chi-Square
,397(a)


Df
2
Asymp. Sig.
,820
a 0 cells (,0%) have expected frequencies less than 5. The minimum expected cell frequency is 7,0.
b Grouping Variable: Gol_darah

Keterangan Tabel :
• Tabel test statistics uji Kruskal-Wallis terdiri dari 3 baris.
• Baris 1 yaitu Chi-Square atau statistik hitung Kruskal Wallis nilainya
0.397
• Baris 2 yaitu df (degree of freedom) atau derajat kebebasan nilainya 2.
• Baris 3 yaitu Asymp. Sig./asymptotic significance atau peluang nilainya
0.820.

Pengujian
1. Ho : u
1
= u
2
= u
3

2. H
1
: u
1
= u
2
= u
3
o : 0,05
3. Daerah Kritis : P < o = P < 0,05
4. Perhitungan :
( lihat tabel 5.21)
P = Asymp. Sig = 0,820
5. Keputusan :
Terima Ho , karena berdasarkan nilai P (probabilitas), P >o = 0,820 >
0,05
6. Kesimpulan: rataan cara belajar mahasiswa golongan darah A, B, dan O
adalah sama

c. Uji Median
Tabel 5.18 Output Median Test Pengaruh Golongan Darah Terhadap Cara Belajar
Frequencies


Gol_darah
A B O
Cara_belajar > Median
6 7 8
<= Median
19 18 17



Keterangan Tabel :
• Tabel uji median terdiri dari 3 kolom yaitu jumlah golongan darah A, B,
dan O
• Kolom 1 yaitu jumlah sampel (cara belajar) > Median atau cara belajar
yang memiliki nilai lebih besar dari median. Untuk golongan darah A
adalah 6, golongan darah B adalah 7, dan golongan darah O adalah 8.
• Kolom 2 yaitu jumlah sampel (cara belajar) <= Median atau jumlah cara
belajar memiliki nilai lebih kecil sama dengan median. Untuk golongan
darah A adalah 19, golongan darah B adalah 18, dan golongan darah O
adalah 17.
Test Statistics(b)

Cara_belajar
N
75
Median
2,0000
Chi-Square
,397(a)
Df
2
Asymp. Sig.
,820
a 0 cells (,0%) have expected frequencies less than 5. The minimum expected cell frequency is
7,0.
b Grouping Variable: Gol_darah


Keterangan Tabel :
• Tabel test statistics uji median terdiri dari 4 baris.
• Baris 1 yaitu N atau jumlah data, nilainya 75.
• Baris 2 yaitu median atau nilai tengah, nilainya 2,0000.
• Baris 3 yaitu chi-square atau statistik hitung untuk uji median, nilainya
0,397. Huruf a menunjukkan bahwa tidak ada data yang memiliki
frekuensi harapan kurang dari 5. frekuensi harapan minimum dari data
adalah 7,0.
• Baris 4 yaitu df (degree of freedom) atau derajat kebebasan, nilainya k-
1= 3-1 = 2.
• Baris 5 yaitu Asymp. Sig./asymptotic significance atau peluang nilainya
0,820.
Pengujian :


1. Ho :
1
~
 =

2
~


=

3
~



2. H
1
: Ketiga rataan tidak semua sama


3. o : 0,05
4. Daerah Kritis : P < o = P < 0,05
5. Perhitungan :
( lihat tabel 5.23)
P = Asymp. Sig = 0,820
6. Keputusan :
Terima Ho , karena berdasarkan nilai P (probabilitas), P > o = 0,820 >
0,05
7. Kesimpulan: rataan cara belajar mahasiswa golongan darah A, B, dan O
adalah sama

5.3.2.2 Output Minitab
- Uji Kruskal Wallis

Kruskal-Wallis Test: jenis_materi versus golongan_darah

Kruskal-Wallis Test on jenis_ma

golongan N Median Ave Rank Z
1 25 2,000 36,4 -0,45
2 25 2,000 37,3 -0,20
3 25 2,000 40,3 0,65
Overall 75 38,0

H = 0,45 DF = 2 P = 0,800
H = 0,51 DF = 2 P = 0,776 (adjusted for ties)



Keterangan :
• Output menunjukkan jumlah data, untuk golongan darah A(1)=25,
golongan darah B(2)=25, dan golongan darah O(3) =25.
• Median untuk golongan darah A (1) adalah 2,000 , golongan darah B (2)
adalah 2,000, dan golongan darah O (3) adalah 2,000.
• Rata-rata ranking untuk golongan darah A (1) adalah 36,4, golongan darah
B (2) adalah 37,3, dan golongan darah O (3) adalah 40,3.


• Statistik z untuk golongan darah A (1) adalah -0,45, golongan darah B (2)
adalah 0,20, dan golongan darah O (3) adalah 0,65.

Pengujian :
1. Ho : u
1
= u
2
= u
3

2. H
1
: Ketiga rataan tidak semua sama


3. o : 0,05
4. Daerah penolakan: DF = k-1 = 3-1 = 2
H >
2


5. Perhitungan :
(lihat tabel hasil uji minitab)
H = 0,51
2

 = 5,991
6. Keputusan :
Tolak Ho, karena berdasarkan nilai H, H <
2

 = 0,51 < 5,991
7. Kesimpulan: rataan untuk cara belajar golongan darah A, B, dan O tidak
sama.

- Mood Median Test: jenis_materi versus golongan_darah


Mood median test for jenis_ma

Chi-Square = 0,44 DF = 2 P = 0,803

Individual 95,0% CIs
golongan N< N>= Median Q3-Q1 ----------+---------+---------+------
1 11 14 2,00 1,50 (-------------------+
2 11 14 2,00 2,00 (-------------------+
3 9 16 2,00 2,00 (-------------------+---------------)
----------+---------+---------+------
1,50 2,00 2,50
Overall median = 2,00

Keterangan :
• Output menunjukkan jumlah data, untuk golongan darah A(1)=25,
golongan darah B(2)=25, dan golongan darah O(3)=25.


• Median untuk golongan darah A (1)adalah 2,000 , golongan darah B
(2)adalah 2,000, dan golongan darah O (3) 2,000.
• Nilai kuartil atas – kuartil bawah (rentangan) dari golongan A(1) adalah
1,5 , golongan darah B(2) adalah 2,00 , O(3) adalah 2,00

Pengujian :
1. Ho : u
1
= u
2
= u
3

2. H
1
: Ketiga rataan tidak semua sama


3. o : 0,05
4. Daerah penolakan: DF = k-1 = 3-1 = 2
H >
2


5. Perhitungan :
(lihat tabel hasil uji minitab)
H = 0,44
2

 = 5,991
6. Keputusan :
Terima Ho, karena berdasarkan nilai H, H <
2

 = 0,44 < 5,991
7. Kesimpulan: rataan untuk cara belajar golongan darah A, B, dan O sama.

5.3.3 Analisa Statistik Non Parametrik Dependen k = 2
5.3.3.1 Output SPSS
a. Statistik Deskriptif
Tabel 5.19 Descriptive Statistics untuk Data Non Parametrik Dependen k = 2
Descriptive Statistics

N Mean Std. Deviation Minimum Maximum
jenis_kelamin
50 1,5000 ,50508 1,00 2,00
status
50 1,3600 ,48487 1,00 2,00


Keterangan Tabel :
- Pada kolom pertama menunjukkan variabel yang digunakan adalah jenis
kelamin dan status


- Kolom kedua menunjukkan banyaknya data yaitu untuk kedua keadaan
tersebut adalah sama yaitu 50 data.
- Kolom ketiga menunjukkan nilai rata-rata. Untuk jenis kelamin adalah
1,5000, sedangkan untuk status adalah 1,3600
- Kolom keempat menunjukkan nilai standar deviasi. Untuk jenis kelamin
adalah 0,4899, sedangkan untuk perempuan adalah 0,48990
- Kolom kelima menunjukkan nilai minimum yaitu untuk jenis kelamin
adalah 1,00, sedangkan untuk status adalah 1,00.
- Kolom keenam menunjukkan nilai maksimum yaitu untuk Jenis kelamin
adalah 2,00, sedangkan untuk status adalah 2,00.

b. Uji Tanda
Tabel 5.20 Output Sign Test Pengaruh Jenis Kelamin terhadap Status perkawinan
Frequencies

N
status - jenis_kelamin Negative
Differences(a)
16
Positive Differences(b)
9
Ties(c)
25
Total
50
a status < jenis_kelamin
b status > jenis_kelamin
c status = jenis_kelamin


Keterangan Tabel :
- Tabel uji tanda data non parametrik terdiri dari 4 baris yaitu Negative
Differences, Positive Differences, Ties, dan Total.
- Baris 1 yaitu negative differences
a
pada kolom N nilainya 16 artinya
mempunyai beda-beda negatif 16 dan a status<jenis kelamin
- Baris 2 yaitu positive differences
b
pada kolom N nilainya 9 artinya
mempunyai beda-beda positif 9 dan b berarti status > jenis_kelamin
- Baris 3 yaitu Ties pada kolom N nilainya 13 artinya ada 2 data yang
sama.
- Baris 4 yaitu Total pada kolom N nilainya 50 artinya jumlah datanya 50.

Test Statistics(b)




status -
jenis_kelamin
Exact Sig. (2-tailed)
,230(a)
a Binomial distribution used.
b Sign Test


Keterangan Tabel :
- Pada kolom test statistic terlihat bahwa pada kolom Exact. Sig. (2-tailed)
untuk uji 2 sisi = 0,230(a) berarti peluangnya 0,230 dan a berarti
menggunakan distribusi binomial.
Pengujian :
1. Ho : u
1
= u
2

2. H
1
: u
1
= u
2

3. o : 0,05
4. Daerah Kritis : P < o = P < 0,05
5. Perhitungan :
(lihat tabel 5.28)
P = Exact. Sig. (2-tailed) = 0,230
6. Kesimpulan :
Terima Ho, karena berdasarkan nilai P (probabilitas), P > o = 0,23 >
0,05
7. Keputusan : rataan antara jenis kelamin dan status adalah sama

c. Uji Rank Tanda Wilcoxon
Tabel 5. 21 Output Wilcoxon Signed Ranks Test Pengaruh Jenis Kelamin terhadap Status perkawinan
Ranks

N Mean Rank Sum of Ranks
status -
jenis_kelamin
Negative Ranks
16(a) 13,00 208,00
Positive Ranks
9(b) 13,00 117,00
Ties
25(c)
Total
50
a status < jenis_kelamin
b status > jenis_kelamin
c status = jenis_kelamin




Keterangan Tabel :
- Tabel uji Wilcoxon Sign Ranks Test terdiri dari 4 kolom yaitu kolom 1:
keteraangan, kolom 2 : N adalah jumlah data, kolom 3 : Mean Rank
adalah rata-rata data, kolom 4 : Sum of Ranks adalah jumlah data.
- Tabel uji Wilcoxon Sign Ranks Test terdiri dari 4 baris yaitu Negative
Ranks, Positive Ranks, Ties, dan Total.
- Baris 1 yaitu negative ranks pada kolom N nilainya 16
a
artinya ada 16
data yang mempunyai beda-beda negatif, a artinya status < jenis_kelamin,
jadi ada 6 data yang status > jenis_kelamin. Pada kolom Mean Rank nilainya
13,00 artinya rata-rata data 13,00. Pada kolom Sum of Ranks nilainya
208,00 berarti jumlah beda-beda negatifnya 208,00
- Baris 2 yaitu positive ranks pada kolom N nilainya 9
b
artinya ada 9 data
yang mempunyai beda-beda positif, b artinya status > jenis_kelamin, jadi ada
9 data yang status > jenis_kelamin. Pada kolom Mean Rank nilainya 13,00
artinya rata-rata data 13,00. Pada kolom Sum of Ranks nilainya 117,00
berarti jumlah beda-beda positifnya 117,00
- Baris 3 yaitu Ties pada kolom N nilainya 25
c
artinya ada 25 data yang
sama, c artinya status = jenis_kelamin jadi ada 25 data dengan status =
jenis_kelamin.
- Baris 4 yaitu Total pada kolom N nilainya 50 artinya jumlah datanya 50.

Test Statistics(b)


status -
jenis_kelamin
Z
-1,400(a)
Asymp. Sig. (2-tailed)
,162
a Based on positive ranks.
b Wilcoxon Signed Ranks Test


Keterangan Tabel :
- Pada tabel untuk test statistik terlihat bahwa untuk uji Wilcoxon nilai
Z
output
= -1,400
(a)
. Berarti nilai Z = -1,400 dan a artinya diambil dari


beda-beda positif karena dalam uji Wilcoxon yang dipakai adalah jumlah
beda-beda yang paling kecil.
- Nilai asymp. Sig (2-tailed) 0,162 berarti peluangnya 0,162

Pengujian :
1. Ho : u
1
= u
2

2. H
1
: u
1
= u
2

3. o = 0,05
4. Daerah Kritis : P < o = P < 0,05
5. Perhitungan :
(lihat tabel 5.26)
P = asymp. Sig (2-tailed) = 0,162
6. Keputusan:
Terima Ho , karena berdasarkan nilai P (probabilitas), P > o=
0,162>0,05
7. Kesimpulan: kedua rataan tersebut sama

5.3.4 Analisa Statistik Non Parametrik Dependen k > 2
5.3.4.1 Output Spss
a. Statistik Deskriptif
Tabel 5.22 Statistik Deskriptif untuk Data Non Parametrik Dependen k > 2
Descriptive Statistics

N Mean Std. Deviation Minimum Maximum
Negara
75 2,0000 ,82199 1,00 3,00
Jenis_film
75 2,7467 1,18656 1,00 4,00


Keterangan Tabel :
- Pada kolom pertama menunjukkan variabel yang digunakan yaitu
pengaruh negara asal film dengan jenis film yang disukai
- Kolom kedua menunjukkan banyaknya data yaitu untuk semua variabel
tersebut maisng-masing sama yaitu 75 data.


- Kolom ketiga menunjukkan nilai rata-rata. Untuk banyaknya penyuka film
barat 2,160, Untuk banyaknya penyuka film indonesia adalah 3,4000,
Untuk banyaknya penyuka film asia adalah 2,6800,
- Kolom keempat menunjukkan nilai standar deviasi. Untuk banyaknya
penyuka film barat adalah 1,28062, banyaknya penyuka film indonesia
adalah 0,86603 banyaknya penyuka film asia adalah 1,06927.
- Kolom kelima menunjukkan nilai maksimum. Untuk banyaknya penyuka
film barat adalah 4,00, banyaknya penyuka film indonesia adalah 4,00
banyaknya penyuka film asia adalah 4,00.
- Kolom keenam menunjukkan nilai minimum. Untuk banyaknya penyuka
film barat adalah 1,00, banyaknya penyuka film indonesia adalah
2,00banyaknya penyuka film asia adalah 1,00.

b. Uji Friedman

Tabel 5.23 Output Friedman Test Pengaruh Negara Asal terhadap Jenis Film yang Disukai
Ranks

Mean Rank
Negara
1,37
Jenis_film
1,63


Keterangan Tabel :
- Tabel uji Friedman untuk data yang diuji didapat mean ranks atau beda
rata-rata untuk masing-masing data:, negara=1,37,Untuk jenis film adalah
= 1,63.
Test Statistics(a)

N
75
Chi-Square
6,452
Df
1
Asymp. Sig.
,011
a Friedman Test


Keterangan Tabel :


- Dari tabel Test Statistic pada uji friedman terdiri dari 4 baris yaitu N, Chi-
Square, df, asymp. Sig.
- Baris 1 yaitu N nilainya = 75 berarti jumlah data pengamatan = 75.
- Baris 2 yaitu Chi-Square atau statistik hitung Friedman adalah 6,452.
- Baris 3 yaitu df atau derajat kebebasan nilainya = 1.
- Baris 4 yaitu Asymp. Sig. (Probabilitas) untuk uji Friedman = 0,011
berarti peluangnya 0,011

Pengujian :
1. Ho : u
1
= u
2
= u
3
=

u
4

2. H
1
: keempat rataan tidak semua sama
3. o : 0,05
4. Daerah Kritis :
2
 >
2

 =
2
 > 5.991 (Tabel L.5)
P < o = P < 0,05
Derajat kebebasan : V = k – 1 = 3 – 1 = 2
5. Perhitungan :
(lihat tabel 5.31)
2
 = 6,452
P = Asymp. Sig. = 0,011
6. Keputusan :
Tolak Ho , karena
-
Berdasarkan nilai
2
 ,
2
 >
2

 = 11.130 > 5.991

- Berdasarkan nilai P (probabilitas), P < o = 0,011< 0,05
7. Kesimpulan: ketiga rataan tidak semua sama.

c. Uji Rank Kendall’s
Tabel 5.24 Output Kendall’s W Test Pengaruh Negara Asal terhadap Jenis Film yang Disukai


Ranks

Mean Rank


Negara
1,37
Jenis_film
1,63


Keterangan Tabel :
- Tabel uji Rank Kendall’s untuk data yang diuji didapat mean ranks atau
beda rata-rata untuk masing-masing data:, negara = 1,37, Untuk jenis film
= 1,63.

Test Statistics

N
75
Kendall's
W(a)
,086
Chi-Square
6,452
Df
1
Asymp. Sig.
,011
a Kendall's Coefficient of Concordance


Keterangan Tabel :
- Dari tabel Test Statistics pada uji Rank Kendall’sW terdiri dari 4 baris
yaitu N, Kendall's W
a
, df, Asymp. Sig.
- Baris 1 yaitu N nilainya = 75 berarti jumlah data pengamatan = 75.
- Baris 2 yaitu Kendall's W
a
atau statistik hitung Kendall's adalah 0.086
- Baris 3 yaitu df (degree of freedom) atau derajat kebebasan nilainya = 1
- Baris 4 yaitu Asymp. Sig. (Probabilitas) untuk uji Kendall's = .011 berarti
peluangnya 0.011.

Pengujian :
1. Ho : u
1
= u
2
= u
3
=

u
4

2. H
1
: ketiga rataan tidak semua sama
3. o : 0,05
4. Daerah Kritis :
2
 >
2

 =
2
 > 5.991 (Tabel L.5)
P < o = P < 0,05
Derajat kebebasan : V = k – 1 = 3 – 1 = 2
5. Perhitungan :


(lihat tabel 5.31)
2
 = 6,452
P = Asymp. Sig. = 0,011
6. Keputusan :
Tolak Ho , karena
-
Berdasarkan nilai
2
 ,
2
 >
2

 = 6,452 > 5,991

- Berdasarkan nilai P (probabilitas), P < o = 0,011< 0,05
7. Kesimpulan: Ketiga rataan tidak semua sama.

5.3.4.2 Output Minitab
- Uji Friedman

Friedman Test: jenis_film versus Asal_Film; no


Friedman test for jenis_fi by Asal_Fil blocked by no

S = 10,50 DF = 2 P = 0,005
S = 15,00 DF = 2 P = 0,001 (adjusted for ties)

Est Sum of
Asal_Fil N Median Ranks
1 25 4,0000 62,5
2 25 3,0000 40,0
3 25 3,0000 47,5

Grand median = 3,3333

Keterangan :
• Tabel Friedman test dengan menggunakan minitab terdiri dari 3 baris.
• Baris 1 yaitu jumlah data untuk pelakuan pertama sebanyak 25, nilai
median 3 , nilai sum of rank adalah 62,5.
• Baris 2 yaitu jumlah data untuk perlakuan kedua sebanyak 25, nilai
median 2 , nilai sum of rank adalah 40,0.
• Baris 3 yaitu jumlah data untuk perlakuan ketiga sebanyak 25, nilai
median 2, nilai sum of rank adalah 47,5.
• S adalah nilai Std. Deviation nilainya 10,52.
• DF adalah degree of freedom atau derajat kebebasan nilainya 2.


• P adalah peluang nilainya 0,005.

Pengujian :
1. Ho : u
1
= u
2
= u
3
=

u
4

2. H
1
: keempat rataan tidak semua sama
3. o : 0,05
4. Daerah Penolakan: F
r
>
2

 = F
r
> 5.991 (Tabel L.5)
P < o = P < 0,05
Derajat kebebasan : DF = k – 1 = 3 – 1 = 2
5. Perhitungan :
(lihat tabel hasil uji minitab)
F
r
= S = 15,00
P = 0.005
6. Keputusan :
Tolak Ho , karena
-
Berdasarkan nilai F
r
, F
r
>
2

 = 15,00 > 5,991

- Berdasarkan nilai P (probabilitas), P < o = 0,005<0,05
7. Kesimpulan: Ketiga rataannya tidak sama
LAPORAN PRAKTI KUM STATI STI KA I NDUSTRI
MODUL 1: STATI STI KA PARAMETRI K DAN NON PARAMETRI K
KELOMPOK 20 REGULER

129

BAB VI
PENUTUP

6.1 Kesimpulan
Dari praktikum yang telah dilaksanakan maka dapat diambil beberapa
kesimpulan, antara lain :
1. Statistik merupakan ilmu yang membahas metode – metode ilmiah untuk
pengumpulan, pengorganisasian, penyimpulan, penyajian, dan analisa data
maupun menarik kesimpulan yang valid serta membuat keputusan yang
dapat diterima berdasarkan analisa. Statistik secara garis besar dibagi dua,
yaitu :
a. Statistik deskriptif yang hanya mencari, mengorganisasi, dan
menampilkan data tanpa menarik kesimpulan.
b. Statistik induktif
Statistik yang melingkupi mulai dari membahas pengumpulan,
pengorganisasian, analisa data, serta penyimpulan data dari hasil analisa.
2. Berdasarkan nilai kemencengan (skewness), grafik distribusi terbagi menjadi
tiga, yaitu :
a. Negatively skewed distribution, yaitu kurva frekuensi suatu
distribusiyang mempunyai ekor yang lebih panjang ke kiri dari
maksimum pusat daripada yang ke kanan, distribusi ini disebut juga
menceng ke kiri atau mempunyai kemencengan negatif.
b. Positively skewed distribution, yaitu kurva frekuensi suatu distribusi
yang mempunyai ekor yang lebih panjang ke kanan dari maksimum
pusat daripada yang ke kiri, distribusi ini disebut juga menceng ke kanan
atau mempunyai kemencengan positif.
c. Symmetric distribution, yaitu kurva frekuensi suatu distribusi yang
mempunyai ekor yang sama panjang dari maksimum pusat.

LAPORAN PRAKTI KUM STATI STI KA I NDUSTRI
MODUL 1: STATI STI KA PARAMETRI K DAN NON PARAMETRI K
KELOMPOK 20 REGULER

130

3. Ada 3 jenis distribusi menurut kurtosis, yaitu: leptokurtik (puncak relatif
tinggi) dengan nilai kurtosis lebih besar dari 3, platikurtik (puncak mendatar)
dengan nilai kurtosis lebih kecil dari 3, dan mesokurtik (puncaknya tidak
terlalu lancip atau berpuncak mendatar) dengan nilai kurtosis sama dengan
3.
4. Statistik parametrik adalah pengolahan data dimana anggapan kenormalan
diberlakukan. Sebagian besar cara pengujian hipotesis didasarkan pada
anggapan bahwa sampel acak diambil dari populasi normal. Namun
untungnya, kebanyakan uji - uji tersebut masih dapat diandalkan bila
penyimpangannya dari kenormalan hanya sedikit, terutama sekali bila
ukuran sampelnya besar. Biasanya cara pengujian ini dinamakan metode
parametrik. Data parametrik memiliki karakteristik sebagai berikut :
a. Sampel (data) diambil dari populasi yang mempunyai distribusi normal
b. Variabel (data) yang diuji haruslah data bertipe interval atau rasio
c. Jumlah data sebanyak > 30 data
5. Pengujian hipotesis atau aturan pengambilan keputusan kebanyakan
membutuhkan berbagai asumsi mengenai distribusi populasi dimana sampel
diambil. Suatu pengujian populasi seringkali dihadapkan pada suatu uji yang
harus dilakukan tanpa kebergantungan asumsi-asumsi yang kaku karena
bersifat khusus. Uji statistik nonparametrik merupakan alternatif untuk
memenuhi kebutuhan tersebut dikarenakan menghasilkan kesahihan dan
validitas meskipun hanya berdasar pada asumsi-asumsi umum. Data non-
parametrik memiliki karakteristik sebagai berikut :
a. Data yang tidak berdistribusi normal atau variansi tidak sama
b. Jumlah data terlalu sedikit < 30
c. Data bertipe nominal atau ordinal
6. Kaidah pengambilan keputusan ada dua cara, yaitu melalui daerah kritis dan
peluang hasil perhitungan. Ho ditolak jika berada di dalam daerah kritis dan
jika nilai P lebih kecil dari atau sama dengan taraf keberartian. Begitu juga
sebaliknya.

LAPORAN PRAKTI KUM STATI STI KA I NDUSTRI
MODUL 1: STATI STI KA PARAMETRI K DAN NON PARAMETRI K
KELOMPOK 20 REGULER

131

7. Hasil uji dari praktikum :
a. Uji Parametrik
Tabel 6. 1 Hasil Keputusan dari Uji Parametrik
Jenis Uji Keterangan Uji Keputusan
Uji ANOVA
k = 2, parametrik,
independen
ekasisi
F
hitung
> F
tabel
=
22,69576>4,006873
F
hitung
> F
Crit
, Tolak Ho
P < 0,05 = 1,31x 10
-5
<0,05 P < o . Tolak Ho
F-Test
k = 2, parametrik,
independen
ekasisi
0.130309 < 0.5374
F
hitung
< F
tabel
, Terima Ho
2.11x10
-7
< 0,05 P < o . Tolak Ho
t-Test

k = 2, parametrik,
independen
ekasisi
-5.88806<1.699127 t
hitung
< t
tabel
, Terima Ho
P <  = 1.08x 10
-6
< 0,05 P < o . Tolak Ho
dwisisi
-5.88806< 2.04523 t
hitung
< t
tabel
, Terima Ho
2.17x10
-6
< 0,05 P < o . Tolak Ho
Uji ANOVA
k > 2, parametrik,
independen
ekasisi
0. 343679 < 3.101296 F
hitung
< F
tabel
, Tolak Ho
0.710115 > 0,05 P > o . Terima Ho
b. Uji Non-Parametrik
Tabel 6. 2 Hasil Keputusan dari Uji Non Parametrik
Jenis Uji Keterangan Uji Keputusan
Uji Mann-Whitney
k = 2, non
parametrik,
independen
dwisisi
0,172 >0,05

P > o . Terima Ho
Uji Moses
k = 2, non
parametrik,
independen
ekasisi
0,000 < 0,05
P < o . Tolak Ho
Uji Kolmogorof-
Smirnov
k = 2, non
parametrik,
independen
dwisisi
0,906 > 0,05

P > o . Terima Ho
Uji Kruskal Wallis
k > 2, non
parametrik,
independen
ekasisi
0,820 > 0,05

P > o . Terima Ho
Uji Median
k > 2, non
parametrik,
independen
ekasisi
0,820 > 0,05

P > o . Terima Ho
Uji Rank Tanda
Wilcoxon
k = 2, non
parametrik,
dwisisi
0,162>0,05
P > o . Terima Ho
LAPORAN PRAKTI KUM STATI STI KA I NDUSTRI
MODUL 1: STATI STI KA PARAMETRI K DAN NON PARAMETRI K
KELOMPOK 20 REGULER

132

dependen
Uji Tanda
k = 2, non
parametrik,
dependen
dwisisi
0,23 > 0,05

P > o . Terima Ho
Uji Friedman
k > 2, non
parametrik,
dependen
ekasisi

11.130 > 5.991


2
 >
2

 , Tolak Ho
0,011< 0,05 P < o . Tolak Ho
Uji Rank Kendall’s
k > 2, non
parametrik,
dependen
ekasisi
6,452 > 5,991
2
 >
2

 , Tolak Ho
0,011< 0,05
P < o . Tolak Ho


6.2 Saran
1. Praktikum kurang efektif karena dilakukan secara massal, sebaiknya praktikum
dilakukan perkelompok atau beberapa kelompok saja.
2. Praktikum sebaiknya dilakukan tepat pada waktunya sehingga tidak banyak
menyita waktu.
3. Pada saat praktikum lebih baik jika dilakukan penerapan software secara
langsung.
4. Sebelum melaksanakan praktikum, sebaiknya praktikan sudah mengenal atau
sedikit mengetahui software SPSS dan Minitab yang akan digunakan, baik
mengenai fungsi maupun cara penggunaan.
5. Dalam melaksanakan praktikum, sebaiknya praktikan mencoba sendiri dalam
mengoperasikan software SPSS dan Minitab sehingga praktikan dapat langsung
mengerti dalam memasukkan data praktikum pada sofware SPSS dan Minitab.





3. Mengerti dan memahami teknik pengolahan data secara parametrik dan non parametrik. 4. Mampu menginterpretasikan hasil pengolahan data dengan menggunakan teknik parametrik dan non parametrik.

1. 3

Pembatasan Masalah Pada laporan ini masalah yang dibahas terbatas pada pengolahan data statistik parametrik dan non parametrik, baik dependen maupun independen dengan nilai k = 2 dan k > 2. Data pertama adalah data parametrik dengan k = 2 yaitu data mengenai Banyaknya Kyai dan Ustadz menurut Kabupaten/Kota di Jawa Tengah Tahun 2004. Untuk data parametrik k > 2 yaitu data mengenai Banyaknya Jema'ah Haji yang Diberangkatkan ke Tanah Suci (Mekkah) menurut Kabupaten/Kota di Jawa Tengah Tahun Anggaran 2001-2003 Sedangkan untuk data non parametrik ada 2 jenis yaitu dependen dan independen. Data independen dengan k = 2 adalah data mengenai Data Pengaruh Jenis Kelamin terhadap Media Aktualisasi Diri yang diperoleh melalui kuesioner dengan sampel mahasiswa Teknik Industri 2007. Untuk data independen k > 2 adalah data mengenai Data Pengaruh Golongan Darah terhadap Jenis Materi yang Disukai yang diperoleh juga melalui kuesioner dengan sampel mahasiswa Teknik Industri 2007. Data non parametrik dependen k = 2 merupakan data mengenai Status Guru-Guru SMK-SB, untuk yang k > 2 adalah data Pengaruh Negara Produksi terhadap Jenis Film yang Disukai Ruang lingkup pengolahan data pada laporan ini dibatasi dengan pengolahan data menggunakan software Microsoft Excel, SPSS, dan MINITAB.

1. 4

Prosedur Praktikum

Identifikasi Masalah

Studi Keputusan

Penentuan Metode Pengambilan Data Teknik Pengambilan Sampling Sampling acak sederhana Pengambilan Data Sekunder Nonparametrik

Pengumpulan Data

Pengolahan Data (Deskriptif, Parametrik ,dan Nonparametrik)

Interpretasi Data

Kesimpulan dan Saran

Gambar 1. 1 Flowchart Metodologi Praktikum

dan sistematika penulisan. 5 Sistematika Penulisan BAB I PENDAHULUAN Berisi latar belakang. . dan data non parametrik dependen dengan software Excel dan SPSS. pembatasan masalah. metodologi praktikum.1. data non parametrik independen. BAB II DASAR TEORI Berisi dasar teori yang berhubungan dengan praktikum. tujuan praktikum. BAB III PENGOLAHAN DATA Berisi pengolahan data parametrik independen. BAB V PENUTUP Berisi kesimpulan dan saran. BAB IV ANALISA Berisi analisa terhadap hasil pengolahan data dengan teknik pengolahan data parametrik dan non parametrik.

Untuk lokasi atau ukuran kecenderungan (berbagai macam mean. pengolahan serta penganalisaan terhadap data yang diperoleh sehingga nantinya dapat diambil suatu kesimpulan. akar mean kuadrat.BAB II DASAR TEORI 2.2 Statistika Induktif Teknik statistik mempunyai pengumpulan data. (Modul Praktikum Statistika Industri. persentil dan kuartil) dan ukuran deviasi (simpangan kuartil. simpangan baku. berbagai macam median. 1 Definisi Statistika Statistik adalah ilmu yang membahas tentang pengambilan dan pengolahan data sampai kesimpulan. distribusi frekuensi). Statistik secara garis besar dapat dibagi menjadi 2 yaitu : 2. variansi). pemilihan uji yang sesuai. Statistik induktif meliputi perumusan hipotesis statistik (pernyataan tentang populasi). perlu pemahaman tentang: cara-cara penyajian data (histogram. modus. analisa statistik.1. 2 Tipe Data Statistika Data adalah bentuk jamak dari datum yang memiliki pengertian sebagai keterangan-keterangan tentang suatu hal. penentuan taraf yang signifikan. Untuk keperluan praktikum ini. Statistik induktif meliputi 2 hal yaitu :  Teknik pengolahan data secara parametrik  Teknik pengolahan data secara non parametrik (Modul Praktikum Statistika Industri hal 1) 2. dapat berupa sesuatu yang diketahui atau dianggap.1 Statistika Deskriptif Merupakan teknik statistik di mana di sini dilakukan pengambilan data. hal 1) 2. rentang.1. . mean absolut simpang. Sehingga data dapat diartikan sebagai sesuatu yang diketahui atau dianggap. penyajian data tanpa adanya kesimpulan.

a. Data berkelompok Adalah data yang tersusun atau dikelompokkan ke dalam kelas-kelas interval. eprkalian dan pembagian. Data kelompok disusun dalam bentuk distribusi frekuensi atau tabel frekuensi. Yang termasuk data kulitatif adalah data nominal dan data ordinal. data dibagi menjadi data acak atau tunggal dan data berkelompok.Statistik dalam prakteknya tidak bisa dilepaskan dari data yang berupa angka. hal 3-6) 3. (Singgih Santono. pengurangan. b. maupun statistik inferensi yang melakukan analisis terhadap data. Data kualitatif Adalah data yang tidak berbentuk bilangan. Data kuantitatif Adalah data yang berbentuk bilangan. Jadi. Data berdasarkan waktu pengumpulan Berdasarkan waktu pengumpulannya dibagi menjadi : a. Data acak atau data tunggal Adalah data yang belum tersusun atau dikelompokkan ke dalam kelaskelas interval. Data berdasarkan susunannya Berdasarkan susunanya. berbagai operasi matematika bisa dilakukan pada data kuantitatif. 1. baik itu dalam statistik deskriptif yang menggambarkan data. . b. seperti penambahan. Yang termasuk data kuantitatif adalah data interval dan data rasio. Data berkala Adalah data yang terkumpul dari waktu ke waktu untuk memberikan gambaran perkembangan suatu kegiatan. Data kualitatif mempunyai ciri tidak bisa dilakukan operasi matematika. Data berdasarkan jenisnya Berdasarkan sifatnya data dibagi menjadi : a. 2. Namun sebenarnya data dalam statistik juga bisa mengandung data non angka atau data kualitatif.

Hal 5) 4. Kategori data tidak disusun secara logis Data bertipe nominal adalah data yang paling ‘rendah’ dalam level pengukuran data. (Diktat Statistika Industri. Data berdasarkan skala pengukuran Skala pengukuran adalah peraturan penggunaan notasi bilangan dalam pengukuran. data dibagi menjadi : a. b. yaitu : 1. Data sekunder Adalah data yang diperoleh atau dikumpulkan oleh orang dari sumbersumber yang telah ada. hal.b.16) 5. Data ini mempunyai dua ciri. Jika suatu pengukuran hanya menghasilkan satu dan hanya satusatiunya kategori. Kategori data bersifat saling lepas 2. Berdasarkan skala pengukuran . Data ini juga disebut data asli atau data baru. Data itu hanya mengelompokkan objek atau kategori ke dalam kelompok tertentu. (Dirgibson Siagian Sugiarto. data dibagi menjadi : a. Data primer Adalah data yang diperoleh atau dikumpulkan oleh orang yang melakukan penelitian atau yang bersangkutan yang memerlukannya. Data cross section Adalah data yang terkumpul pada suatu waktu tertentu untuk memberikan gambaran perkembangan keadaan atau kegiatan pada waktu itu. Data nominal Adalah data yang diberikan pada objek atau kategori yang tidak menggambarkan kedudukan objek atau kategori tersebut terhadap objek atau kategori lainnya. data tersebut adalah data nominal (data . Data berdasarkan sumber pengambilannya Berdasarkan sumber pengambilannya. Data itu biasanya diperoleh dari perpustakaan atau dari laporan-laporan peneliti yang terdahulu. Data ini juga disebut sebagai data tersedia. tetapi hanya sekedar label atau kode saja.

karena selain bisa bertingkat urutannya. Nilai E untuk nilai dari 0 .2 untuk Amerika. Nilai D untuk nilai dari 45-54 5. Contoh: A 1 B 2 C 3 D 4 E 5 . Nilai B untuk nilai dari 65-79 3.3 untuk China) b. Contoh: Status Kewarganegaraan ( 1 untuk indonesia. Nilai C untuk nilai dari 55-64 4. adalah juga data kualitatif namun dengan level yang lebih ‘tinggi’ daripada data nominal. Besarnya interval dapat ditambah atau dikurangi. Data interval Adalah data dimana objek / kategori dapat diurutkan berdasarkan suatu atribut yang memberikan informasi tentang interval antara tiap objek/ kategori sama. Nilai A untuk nilai dari 80-100 2. Data interval menempati pengukuran data yang lebih ‘tinggi’ dari data ordinal.44 c. Contoh: Mengubah nilai ujian ke nilai prestasi. Data ini memiliki ciri yang sama dengan ciri pada data ordinal ditambah satu ciri lagi yaitu urutan kategori data mempunyai jarak yang sama. yaitu dari tingkat terendah ke tingkat tertinggi atau sebaliknya dengan jarak / rentang yang tidak harus sama. Jika pada data nominal semua data kategori dianggap sama. yaitu: 1.kategori). maka pada data ordinal ada tingkatan data. yaitu kategori data dapat disusun berdasarkan urutan logis dan sesuai dengan besarnya karakteristik yang dimiliki. Data ini memiliki ciri seperti pada ciri data nominal ditambah satu ciri lagi. Data ordinal seperti pada data nominal. juga urutan tersebut bisa dikuantitatifkan. Data interval juga tidak memiliki nilai 0 absolut. Data ordinal Adalah data yang penomoran objek atau kategorinya disusun menurut besarnya.

melainkan interval dan tidak terdapat nilai nol absolut . b. (Dergibson Siagian Sugiarto. Data Internal Data yang menggambarkan kegiatan atau keadaan di dalam suatu organisasi. dan data interval. Data rasio adalah data dengan pengukuran paling ‘tinggi’ di antara jenis data lainnya. Data berdasarkan sifatnya a. Data diskret Data yang didapat dengan cara menghitung. Contoh: membandingkan nilai mata kuliah antara dua mahasiswa. Pada data ini yang dijumlahkan bukanlah kuantitas atau besaran. Data rasio Adalah data yang memiliki sifat-sifat data nominal. hal 13) 7. data ordinal. d. b. Data kontinu Data yang dapat mempunyai nilai yang terletak dalam suatu interval (Dergibson Siagian Sugiarto. Data Eksternal Data yang menggambarkan kegiatan atau keadaan di luar suatu organisasi. hal 18) . (Singgih Santono.Interval A-C adalah 3-1=2 Interval C-D adalah 4-3=1 Pada kedua interval ini dapat dijumlahkan menjadi 2 + 1 = 3. Karena terdapat angka nol maka pada data ini dapat dibuat perkalian atau pembagian. dilengkapi dengan titik nol absolut dengan makna empiris. Atau interval antara A dan D adalah 4 – 1 = 3. Data berdasarkan sumbernya a. Angka pada data menunjukkan ukuran yang sebenarnya dari objek/ kategori yang diukur. hal 3-6) 6.

Metode pengambilan sampel yang ideal mempunyai sifat-sifat sebagai berikut: 1. Mampu menghasilkan gambaran yang dapat dipercaya mengenai keseluruhan populasi 2.2. Untuk ini maka praktikan harus mengerti beberapa teknik pengambilan sampel (teknik sampel). 3. 3 Teknik Pengambilan Sampel Telah diketahui bahwa statistik mencakup teknik pengambilan data untuk pengumpulan data. Mereduksi anggota populasi menjadi anggota sampel yang mewakili aggota populasinya. . Teori penarikan sampel merupakan suatu ilmu tentang hubungan antara populasi dengan sampel yang diambil dari populasi tersebut. biaya. sehingga kesimpulan terhadap populasi dapat dipertanggung jawabkan. Sederhana sehingga mudah dilaksanakan 3. Efisien. 2. Lebih teliti menghitung yang sedikit daripada yang banyak. Mampu memberikan gambaran tentang tingkat ketelitian penelitian.benda coba yang merusak. melainkan hanya pada populasi tertentu. Menghemat waktu tenaga. Teori dapat digunakan untuk menduga jumlah populasi yang tidak diketahui dan berguna juga dalam menentukan apakah perbedaan-perbedaan yang nampak antara dua sampel disebabkan oleh variasi secara kebetulan atau apakah memang perbedaan itu cukup tidak terjadi secara kebetulan (significant). dimana hal ini merupakan hal yang paling mendasar dalam penggunaan teknik statistik karena apabila kita mengamati sebuah populasi kita tidak dapat mengamati keseluruhan yang ada dalam populasi tersebut. Sampel ialah sebagian anggota populasi yang diambil dari dengan menggunakan teknik tertentu yang disebut dengan teknik sampling. Teknik sampling berguna agar: 1. mampu memberikan keterangan sebanyak mungkin dengan biaya yang rendah 4.

Probabilty Sampling (Samplng Random) . Variabilitas populasi 2. Non Probability Sampling (Sampling Nonrandom) Adalah cara pengambilan sample yang semua objek atau elemen populasinya tidak memiliki kesempatan yang sama untuk dipilih sebagai sample. Hal ini diakarenakan pada waktu sample diambil dari populasi. pengambilan unit samplingnya ditentukan oleh si petugas. Hasil dari sampling nonrandom memiliki sifat subjektif atau kurang objektif. Yang termasuk sampling nonrandom antara lain 1. Ukuran atau besar sampel 3. Cara sampling ini cocok untuk studi kasus. 3. Kecermatan memasukkan ciri-ciri populasi Dari populasi ke sampel ini terdapat proses penarikan sampel (teknik Sampling) yaitu : a. tetapi berdasarkan aspek pribadi seseorang. Sampling pertimbangan Adalah bentuk sampling nonrandom yang pengambilan sampelnya ditentukan oleh peneliti berdasarkan pertimbangan atau kebijaksanaanya. Pada b. dimana ada 4 parameter yaitu : 1. Teknik penentuan sample 4. Sampling Seadanya Adalah bentuk sampling nonrandom yang pengambilan sampelnya dilakukan seadanya atau berdasarkan kemudahannya mendapatkan data yang diperlukan.Dalam teknik sampling perlu dipahami parameter-parameter yang dianggap enentukan apakah sampel itu cukup representatif atau tidak. Sampling Kuota Adalah bentuk sampling nonrandom yang merincikan lebih dahulu segala sesuatu yang berhubungan dengan pengambilan sampel. 2. Akan tetapi. Dengan demikian petugas hanya mengumpulkan data mengenai sesuatu yang telah dirinci. probabilitasnya tidak diikutsertakan.

seperti derajat keseragaman. Tabel bilangan random adalah tabel yang dibentuk dari bilangan biasa yang diperoleh secara berturut-turut dengan sebuah proses random serta disusun ke dalam suatu tabel. Yang termasuk Probability Sampling yaitu : 1.Yaitu cara pengambilan sampel dengan semua objek atau elemen populasi memiliki kesempatan yang sama untuk dipilih sebagai sampel. Sampling random sederhana dapat dilakukan dengan menggunakan dua metode. yaitu : Metode undian Adalah metode yang prosesnya dilakukan dengan menggunakan pola pengundian dan hanya cocok untuk populasi yang kecil Metode tabel random Adalah metode yang prosesnya dilakukan dengan menggunakan tabel bilangan random. Sampling random sederhana Adalah sampling random yang sifatnya sederhana. pembagian dalam golongangolongan tidak diketahui. Sampling Berlapis (sampling Stratified) Adalah bentuk probability sampling yang populasi atau elemen populasinya dibagi dalam kelompok-kelompok yang disebut strata. Sampling stratified dilakukan apabila :   Elemen-elemen populasi heterogen Ada kriteria yang akan dipergunakan sebagai dasar untuk menstratifikasi populasi ke dalam stratum-stratum . Sampling random sederhana dilakukan apabila :  Elemen-elemen yang bersangkutan homogen  Hanya diketahui identitas-identitas dari satuan-satuan individu (elemen) dalam populasi. tiap sampel yang berukuran sama memiliki probabilitas sama untuk terpilih dari populasi. 2. dan sebagainya. sedangkan keterangan lain mengenai populasi. Hasil dari sampling ini memiliki sifat yang objektif.

X2.. ( Dirgibson Siagian Sugiarto.  Ada data pendahuluan dari populasi mengenai kriteria yang akan digunakan untuk stratifikasi Dapat diketahui dengan tepat jumlah satuan-satuan individu dari setiap stratum dalam populasi 3....  Populasi memiliki pola beraturan.. Modus dan Ukuran Pemusatan lainnya 2..... 115 ) 2.1.. seperti batas-batas alam dan wilayah administrasi pemerintahan...1) ... seperti blok-blok dalam kota atau rumah-rumah pada suatu ruas jalan...2. (2..1 Mean Nilai mean (rata-rata hitung) dari suatu himpunan N bilangan X1.. Sampling sistematis dilakukan apabila :  Identifikasi atau nama dari elemen-elemen dalam populasi itu terdapat dalam suatu daftar.. 4....  X N X  1  N 2. Median. sehingga elemen-elemen tersebut dapat diberi nomor urut... hal... penyajian data tanpa adanya kesimpulan. 4 Statistika Deskriptif Statistika deskriptif merupakan teknik statistik dimana disini dilakukan pengambilan data..4...2...1... XN ditunjukkan oleh X dan dirumuskan sebagai berikut: N X  X 2  . 1 Mean. Sampling kelompok (Sampling Cluster) Adalah bentuk sampling random yang populasinya dibagi menjadi beberapa kelompok (cluster) dengan menggunakan aturan-aturan tertentu. 2. ...2 Median X j 1 j N .. Sampling Sistematis Adalah bentuk sampling random yang mengambil elemen-elemen yang diselidiki berdasarkan urutan tertentu dari populasi yang telah disusun secara teratur..

.......3 Modus Modus suati himpunan bilangan adalah nilai yang terjadi dengan frekuensi terbesar yaitu nilai yang paling umum...........2) 2 2. Rentang = data terbesar – data terkecil .... Secara serupa... 2........ Simpangan baku Simpangan baku adalah deviasi atau penyimpangan suatu data terhadap rataratanya.1. 2........4 Kuartil... (Spiegel....2.......... Dengan memperluas pemikiran tersebut...................... dapat dibayangkan nilai-nilai yang membagi himpunan atas empat bagian yang sama dan dikenal dengan kuartil.......1. Sedangkan nilai-nilai yang membagi data atas seratus bagian dinamakan persentil...... Bilamana diperlukan untuk membedakan simpangan baku populasi dari .... dan Persentil Jika suatu himpunan data disusun menurut besarnya...........4) Variansi suatu himpunan didefinisikan sebagai kuadrat simpangan baku (s2)....... Rentang yang merupakan selisih antara bilangan terbesar dengan bilangan terkecil dalam suatu himpunan. (2. Statistika hal 61-66) 2. Dapat dirumuskan: S 4.. nilai tengah yang membagi atas dua bagian yang sama adalah median... nilainilai yang membagi data atas sepuluh bagian yang sama disebut desil. 2 Simpangan baku dan Ukuran Sebaran Lain 1...... Modus mungkin tidak ada dan jika ada boleh jadi tidak unik....3) 3. Simpangan kuartil Simpangan kuartil Q dari suatu himpunan didefinisikan oleh Q Q3  Q1 ..... (2. Variansi  ( x  x) N 2 ...... Desil..... (2..Median dari suatu himpunan bilangan yang disusun menurut urutan besarnya merupakan pertengahan atau nilai tengah hitung dari pertengahan..2.4....

Dari suatu histogram. yaitu kurva frekuensi suatu distribusi yang mempunyai ekor yang lebih panjang ke kiri dari maksimum pusat daripada yang ke kanan. Negatively skewed distribution.4. atau kejauhan dari simetri dari suatu distribusi. 3 Distribusi Frekuensi dan Histogram Frekuensi Data mentah adalah data yang dikumpulkan yang belum diatur secara numerik. 2. kita bisa mengetahui informasi mengenai data yang kita teliti. Statistika hal 92-94) 2. .simpangan baku sampel yang berasal dari populasi ini seringkali kita menggunakan lambang S untuk simpangan baku sampel dan σ untuk simpangan baku populasi. 4 Kemencengan Skewness atau kemencengan adalah derajat ketaksimetrisan. Histogram atau histogram frekuensi ini terdiri dari himpunan siku empat yang mempunyai : Alas pada sumbu mendatar (sumbu-x) dengan pusat markah (titik tengah kelas) dan panjang sama dengan ukuran selang kelas. Histogram merupakan gambaran secara grafik dari distribusi frekuensi. distribusi ini disebut juga menceng ke kiri atau mempunyai kemencengan negatif. grafik distribusi terbagi menjadi tiga. (Spiegel. tinggi segi empat sebanding terhadap frekuensi kelas dan merupakan kebiasaan untuk mengambil tinggi secara numerik sama dengan frekuensi kelas. Suatu penyusunan tabulasi data memakai kelas bersama dengan frekuensi kelas yang berhubungan disebut distribusi frekuensi atau tabel frekuensi.4. Jika semua selang kelas mempunyai ukuran sama. yaitu: a. Berdasarkan kemencengannya. Jadi S2 mewakili variansi sampel dan σ2 mewakili variansi populasi. Luas sebanding terhadap frekuensi kelas. Pada waktu meringkaskan sejumlah besar data mentah sering sangat berguna mendistribusikan data dalam kelas atau kelompok dan menetapkan banyaknya individu yang termasuk dalam setiap kelas yang disebut frekuensi kelas.

yaitu kurva frekuensi suatu distribusi yang mempunyai ekor yang lebih panjang ke kanan dari maksimum pusat daripada yang ke kiri.. distribusi ini disebut juga menceng ke kanan atau mempunyai kemencengan positif..... . mean cenderung terletak pada sisi yang sama dari modus sebagai ekor yang panjang. sama seperti simpangan baku.  Mesokurtik.5) simpangan baku s Kurtosis adalah derajat kepuncakan dari suatu distribusi.. 1 Distribusi Kemencengan (Skewness) Untuk distribusi yang menceng... Negatively skewed distribution distribution Positively skewed distribution Symmetric Gambar 2.. 5 Kurtosis mean  mod us x  mod us  . Positively skewed distribution. yaitu kurva frekuensi suatu distribusi yang mempunyai ekor yang sama panjang dari maksimum pusat.... Symmetric distribution...  Platikurtik. c. yaitu distribusi yang mempunyai puncak relatif tinggi..(2..4.... grafik distribusi terbagi menjadi tiga.... yaitu grafik yang berdistribusi normal yang puncaknya tidak terlalu lancip atau berpuncak mendatar. Ini dapat dibuat tanpa ada pembagian oleh suatu ukuran sembarang. Berdasarkan kurtosisnya.. yaitu distribusi yang mempunyai puncak mendatar. sehingga kita dapatkan definisi: kemencengan  2.. biasanya diambil secara relatif terhadap suatu distribusi normal.... yaitu:  Leptokurtik. Jadi suatu ukuran tak simetri diperlihatkan oleh selisih (mean-modus).b.

.... Ada beberapa sumber yang menuliskan bahwa untuk menentukan jenis kurva dapat ditentukan dari ukuran kemencengannya:  Jika a4 = 3 atau saat kurtosis = 0.  Jika a4 > 3 atau saat kurtosis > 0 (positif).. 5 Statistik Parametrik .4 2   n(n  1)    xi  x    3(n  1) Derajat Kepuncakan =    s     (n  2)(n  3)     (n  1)(n  2)(n  3)        Leptokurtik Platikurtik Mesokurtik Gambar 2....  Jika a4 < 3 atau saat kurtosis < 0 (negatif). maka kurva berdistribusi normal (Mesokurtik). Fundamentals of Quality Control and Improvement) 2. maka kurva berdistribusi Leptokurtik. Statistika hal 120) Yang seringkali dinyatakan dengan b 2..... maka kurva berdistribusi Platikurtik... (2.. 2 Jenis-jenis Distribusi Berdasarkan Kurtosis Salah satu pengukuran kurtosis menggunakan momen keempat di sekitar nilai mean yang dinyatakan dalam bentuk tanpa dimensi dan diberikan oleh: Koefisien momen dari kurtosis = a 4  m4 m  42 .... Metode Statistika hal 120) (Amitava... (Sudjana..6) 4 s m2 (Spiegel.

…Xn adalah independen sampel dari distribusi khusus dengan fungsi distribusi F. Merupakan data interval atau data rasio 3.Kebanyakan cara pengujian hipotesis didasarkan pada anggapan bahwa sampel acak diambil dari populasi normal. Kebanyakan uji tersebut masih dapat diandalkan bila penyimpangannya dari kenormalan hanya sedikit. Data berdistribusi normal 2. terutama sekali bila ukuran sampelnya besar. 6 Uji – Uji Statistik Parametrik Pengolahan data secara parametrik ini merupakan pengolahan data dimana anggapan kenormalan diberlakukan. Ilmu Peluang dan Statistika hal 691) Statistik parametrik merupakan teknik statistik dimana dilakukan pengumpulan data. Uji goodness of fit dapat digunakan untuk menguji serangkaian uji hipotesis nol Terdapat tiga macam uji Goodness of Fit. pengolahan serta penganalisaan terhadap data yang diperolah sehingga nantinya dapat diambil suatu kesimpulan. Uji goodness of fit adalah uji hipotesis statistik yang digunakan untuk menaksir bentuk apakah observasi X1. Jumlah data lebih dari sama dengan 30 (n ≥ 30) 2.  Uji Menyangkut Proporsi harapan yang diperoleh dari distribusi yang . Ciri–ciri dari data parametrik adalah : 1. Uji tersebut didasarkan atas baiknya kesesuaian yang ada antara frekuensi terjadinya pengamatan pada sampel teramati dan frekuensi dihipotesiskan. Biasanya cara pengujian ini dinamakan metode parametrik. tercakup di dalamnya adalah :  Uji Kebaikan-Suai Uji Goodness of Fit digunakan untuk menentukan apakah suatu populasi mempunyai suatu distribusi teoritis tertentu. (Walpole & Myers. uji ini dapat menyangkut satu rataan atau variansi dan menyangkut dua variansi atau rataan. Kolmogorov-Smirnov Test.X2. yaitu Chi-square test. dan Anderson Darlinguji  Uji Menyangkut Ratan dan Variansi Uji menyangkut rataan ini berkaitan dengan distribusi t.

1 Analisis Variansi Untuk Klasifikasi Eka Arah Sumber Variansi Jumlah Kuadrat Derajat Kebebasan Rataan Kuadrat f Hitungan . pupuk yang berbeda. Pengusaha pabrik berkepentingan produksinya. Uji yang akan dipakai didasarkan pada perbandingan dua taksiran bebas dari kesamaan variansi populasi 2. Uji ini digunakan untuk mengetahui proporsi suatu peristiwa dalam suatu populasi. Dewasa ini istilah perlakuan digunakan secara umum dengan arti klasifikasi. seorang politisi tentunya tertarik untuk mengetahui berapa bagian dari pemilih yang akan mendukungnya dalam pemilihan mendatang. Ke k populasi yang berbeda ini diklasifikasikan menurut perlakuan atau grup yang berbeda. Perlu dibandingkan ukuran variansi antara perlakuan yang sesuai dengan variansi dalam perlakuan. apakah itu kelompok. Pada Anova terdapat pengujian hipotesis nol bahwa rataan ke k populasi sama lawan tandingan bahwa paling sedikit dua dari rataan ini tidak sama. Tabel 2. Analisis variansi untuk klasifikasi eka arah dapat dilihat pada tabel di bawah ini yang sama dengan tabel Anova.  Uji Kebebasan Merupakan uji untuk mengetahui keterkaitan antara dua atau lebih variabel atau untuk mengetahui sifat ketergantungan (hubungan) suatu variabel dengan variabel yang lain. adukan. atau berbagai daerah di suatu mengetahui proporsi cacat dalam suatu pengiriman negara.  Galat I dan Galat II Galat I adalah penolakan hipotesis nol padahal hipotesis itu benar. Sampel acak ukuran n diambil masing-masing dari k populasi. agar dapat ditemukan perbedaan yang berarti dalam pengamatan akibat pengaruh perlakuan. penganalisis. Sebagai contoh.Uji ini banyak dipakai dalam berbagai bidang.  Uji Anova Anova sering disebut sebagai analisis variansi. Galat II adalah penerimaan hipotesis nol padahal hipotesis itu salah.

..1 S2  JKA k (n  1) k n 2 JKT =  y i 1 j 1 ij  T 2 ... yang ingin diuji adalah hipotesis nol Ho bahwa 12 = 22 lawan salah satu tandingan 12 < 22.. daerah kritis adalah f < f1- (v1.. atau 12  22..1) nk ........... nilai f untuk menguji 12 = 22 ialah nisbah : f  s1 s2 2 2 .. Untuk dua sampel acak berukuran masing-masing n1 dan n2 dari dua populasi. nk k  Ti JKA = j 1 2 n  T 2 . Untuk tandingan dua pihak 12  22.... Jika kedua populasi s berdistribusi hampir normal dan hipotesis nol benar maka nisbah f  1 2 suatu s2 nilai distribusi – F dengan derajat kebebasan v1 = n1 – 1 dan v2 = n2 – 1...v2) dan f > f (v1........7) dengan s12 dan s22 variansi yang dihitung dari dua sampel......... (2........ nk JKG = JKT – JKA  Uji-F Pada pengujian kesamaan dua variansi populasi 12 dan 22..v2) dan f > f/2 2 ... 12 > 22 adalah masing-masing f > f1- (v1.Perlakuan JKA k-1 JKA S1  k 1 2 S1 2 S2 2 Galat Total JKG JKT k (n .... 12 > 22.. Dengan demikian daerah kritis berukuran  yang sesuai dengan tandingan eka pihak 12 < 22.....v2)..

8) untuk S2p  S1 ( n1  1)  S 2 ( n2  1) ......... Uji statistik tersebut berbentuk : t ( x1  x 2 )  d 0 S p 1 / n1  1 / n 2 . (2....... Ilmu Peluang dan Statistika hal 257-260)  Uji-T Dalam uji menyangkut dua rataan keadaan yang lebih umum berlaku ialah keadaan dengan variansi tidak diketahui... Pengamatan Berpasangan Perhitungan selang kepercayaan untuk 1 .... Jika P lebih besar daripada ...... maka Ho diterima dan begitupun sebaliknya..(v1.. (2. Dapat juga dengan membandingkan nilai P perhitungan dengan taraf keberartian.... dan apabila sebaliknya maka Ho ditolak.. bila nilai peluang berada didaerah kritis maka ditolak dan begitupun sebaliknya.... Jika P lebih besar maka Ho diterima..n1  n2  2 < t < t / 2 . (Walpole & Myers.........n1 n2  2 .. Bila si peneliti bersedia menganggap bahwa kedua distribusi normal dan bahwa 1 = 2 = ........v2)...2 = do bila t > t / 2 ......9) n1  n2  2 2 2 Distribusi-t digunakan diisi dan bila hipotesisnya dwipihak maka hipotesis ditolak bila  t / 2 .n1 n2  2 Sebagian mungkin telah diduga tandingan ekapihak menimbulkan daerah kritis ekasisi.. maka uji tgabungan (sering disebut uji-t dua sampel) dapat digunakan... untuk H1 : 1. 2 dalam hal ini didasarkan pada peubah acak .. Untuk mengambil keputusan disesuaikan dengan daerah kritis.... Dalam pengambilan keputusan dapat dengan membandingkan nilai P hasil perhitungan dengan ..... Sebagai contoh.2 > do........ tolak Ho : 1.

........ (2............ Ilmu Peluang dan Statistika hal 252-257) 2.. maka Ho ditolak dan apabila sebaliknya maka Ho diterima...... Data berdistribusi tidak normal Merupakan data nominal atau data ordinal Jumlah data kurang dari sama dengan 30 (n ≤ 30) Keunggulan Statistik Non Parametrik : Beberapa keuntungan dalam penggunaan statistik non parametrik adalah : a.............. Uji statistik nonparametrik merupakan alternatif untuk memenuhi kebutuhan tersebut dikarenakan menghasilkan kesahihan dan validitas meskipun hanya berdasar pada asumsi-asumsi umum..T D  D ............ (2..... b..... . 2. Ciri–ciri dari data non parametrik adalah : 1......10) Sd n Hipotesisnya berbentuk....11) Sd n Daerah kritis untuk ekasisi t < -t atau t > t........... Kemungkinan keasalahan pada penggunaan adalah minimum karena asumsi yang digunakan minim. Tipe utama prosedur statistik yang dimasukkan dalam nonparametrik adalah prosedur-prosedur nonparanetrik murni dan prosedur-prosedur bebas distribusi (distribution free procedures).. (Walpole & Myers.... Jika P lebih kecil atau sama dengan . 7 Statistik Nonparametrik Suatu pengujian populasi seringkali dihadapkan pada suatu uji yang harus dilakukan tanpa kebergantungan asumsi-asumsi yang kaku karena bersifat khusus.... Ho : D = do Uji statistik hasil perhitungan menjadi t d  do ... Perhitungan yang digunakan umumnya mudah meskipun secara manual.. sedangkan untuk dwisisi t < -t atau t > t dengan menggunakan distribusi-t dengan derajat kebebasan n – 1.............. Dalam pengambilan keputusan juga dapat dengan membandingkan nilai P perhitungan dengan taraf keberartian (). 3.

Uji Mann-Witney disebut juga uji U. 1 Pengolahan data nonparametrik independen k =2 1. 1995) 2. 8 Uji – Uji Statistik Nonparametrik Kebanyakan cara pengujian hipotesis pada uji parametrik adalah didasarkan pada anggapan bahwa sampel acak diambil dari populasi normal. Ilmu Peluang dan Statistika hal 691.c. Uji Mann-Whitney Uji digunakan untuk menguji ada tidaknya perbedaan yang significant untuk 2 sampel yang independent. Uji Tanda. Kekurangan statstik non parametrik : Di samping memilki kelebihan-kelebihan tersebut di atas. Akan tetapi bila diketahui bahwa anggapan kenormalan sering tak berlaku dan ternyata bahwa yang dihadapi adalah pengukuran yang tidak kuantitatif maka digunakan uji yang non parametrik. 1 Pengolahan data nonparametrik k = 2 2. Uji Runtun dan Uji Kruskal Walls.1. Prosedur yang digunakan lebih mudah dipahami oleh semua pihak. Meskipun perhitungannya sederhana tetapi pada umumnya menjemukan. bila uji parametrik dan non parametrik keduanya berlaku pada himpunan data yang sama. (Modul Parktikum Statistika Industri hal 4. 2005) 2. Untuk mengatasi hal tersebut lalu digunakan uji non parametrik.8. gunakanlah selalu uji parametrik yang lebih efisien. (Walpole & Myers. Sebagai ringkasan. d. Padahal tidak semua data yang digunakan pada pengujian-pengujian tersebut diatas berdistribusi normal. Beberapa kasus sebenarnya lebih tepat jika digunakan prosedur-prosedur parametrik.8. Uji Dwi Sampel Wilcoxon. beraku untuk kasus dua sample independent dengan skor yang berskala . Yang tercakup didalam uji non parametrik adalah Pengujian KolmogorofSmimov. b. Prosedurnya dapat digunakan meskipun dengan skala pengukuran terendah. Uji non parametrik adalah uji yang mengabaikan asumsi dari kenormalan data populasi. penggunaan statistik non parametrik juga mempunyai kelemahan di antaranya : a.

bila anggapan yang diperlukan bagi uji t tidak dijumpai. Hipotesis nihil yang akan diuji mengatakan bahwa dua sample independent diambil dari populasi yang memiliki distribusi yang sama. Kedua uji tersebut berkontribusi pada perbedaan nilai 2 kelompok. Uji Mann-hitney tidak memerlukan anggapan tertentu mengenai populasi dari mana sampel diambil(seperti uji-uji non-parametrik lainnya). Tes ini membutuhkan data ordinal. Uji Mann. dan pemberian jenjang didasarkan pada skor gabungan. Asumsi yang diperlukan hanyalah bahwa nilai dari variable random dari dua kelompok yang diperbandingkan adalah berditribusi kontinyu. Uji Kolmogorov-Smirnov Uji ini hampir sama dengan uji Mann-Whitney yaitu digunakan untuk menguji ada tidaknya perbedaan yang significant untuk 2 sampel yang independent. Tes ini berfokus pada rentang di grup kendali. Uji Kolmogorof Smirnov juga dapat digunakan untuk melakukan uji lokasi dan uji bentuk. dan mengukur berapa banyak nilai ekstrim di grup percobaan mempengaruhi rentang saat digabungkan dengan grup mkendali.Whitney dipakai untuk menguji apakah dua kelompok independent telahmditarikdari populasi yang sama. Uji ini dapat digunakan untuk pengujian dua sisi ataupun satu sisi. 3. Uji Moses lebih fokus kepada variasi data dari dua sampel. Uji tersebut merupakan alternatif lain dari uji tparametrik. setiap kelompok disekitar rata-ratanya akan menghilangkan perbedaan dan memungkinkan melakukan perbandingan bentuk (uji bentuk) antara kedua kelompok tersebut. . Dengan melakukan centering atau pemusatan nilai data sample. Pengujian ini dibandinghkan dengan grup kendali.ordinal. Uji ini merupakan pengembangan dari uji Wilcoxon dengan dua sample berukuran tidak sam.Mengenal beberapa uji satistik. Hal 237) 2. (Djarwanto.2001. Uji Moses dan Uji Wald-Wolfowitz Uji Moses merupakan teknik metode pengujian non parametrik untuk menguji hipotesa bahwa variabel percobaan akan memberi efek pada beberapa subjek di satu sisi dan subjek lainnya di sisi yang berlawanan.

untuk menguji hipotesis nol bahwa  = o kita sesungguhnya menguji hipotesis nol bahwa banyaknya tanda tambah merupakan suatu nilai dari peubah acak yang berdistribusi binomial dengan parameter p = ½.8. Uji statistik yang sesuai untuk uji tanda adalah peubah acak binomial X. Bila hipotesis nol  = o benar. yang menyatakan banyaknya tanda tambah dalam terok acak. bila p = ½) lebih kecil atau sama dengan suatu taraf keberartian  yang ditetapkan sebelumnya. maka kita menolak Ho dan menerima H1. Jadi. bila p = ½) lebih kecil dari suatu taraf keberartian  yang ditetapkan sebelumnya. Nilai p baik untuk tandingan ekapihak maupun dwipihak dapat dihitung dengan distribusi binomial. maka peluang suatu nilai terok dapat menghasilkan tanda tambah atau kurang sama dengan setengah. Jadi. Untuk menguji hipotesa : Ho :  =  o H1 :   o Kita akan menolak Ho dan menerima H1 hanya jika proporsi yang bertanda tambah cukup lebih besar dari setengah.2. Jadi.1. Uji Tanda (Sign) Uji tanda digunakan untuk menguji hipotesis mengenai median populasi. rataan digantikan oleh median sebagai parameter lokasi yang relevan untuk diuji. bila nilai p hitungan P = P ( X  x. Dalam banyak kasus prosedur non parametrik. Untuk menguji hipotesa : menggunakan . Sebagai contoh dalam pengujian : Ho :  =  o H1 :   o Kita akan menolak Ho dan menerima H1 hanya jika proporsi yang bertanda tambah cukup lebih kecil dari setengah. 2 Pengolahan data nonparamerik dependen k = 2 1. bila nilai p hitungan P = P ( X  x. maka kita menolak Ho dan menerima H1.

buang semua selisih yang sama dengan nol. Pertama-tama tiap nilai sampel dikurangi dengan o. Nyatakanlah masing-masing jumlah ini dengan w+ dan w. Bila hipotesis  = o benar maka jumlah rang dari selisih yang positif seharusnya hampir sama dengan jumlah rang selisih negatif. masing-masing diberi rang sama dengan rata-rata rangnya. Suatu uji yang memanfaatkan baik tanda maupun besarnya selisih telah diusulkan oleh Frank Wilcoxon (1945) dan sekarang biasa disebut uji rang tanda Wilcoxon. bila p = ½) Lebih kecil atau sama dengan  kita tolak Ho dan menerima H1.Ho :  =  o H1 :   o Kita akan menolak Ho dan menerima H1 hanya jika proporsi yang bertanda tambah cukup lebih kecil atau lebih besar dari setengah. Ilmu Peluang dan Statistika hal 692-693. bila p = ½) Lebih kecil daripada atau sama dengan suatu taraf keberartian . bila x < n/2 dan nilai p hitungan P =2P ( X  x. atau bila x > n/2 dan nilai p hitungan P =2P ( X  x. 1995) 2.dan yang terkecil dari keduanya dengan w. Uji rang tanda Wilcoxon berlaku untuk kasus distribusi kontinu setangkup. Selisih yang tertinggal dirang tanpa menghiraukan tandanya. Bila dua atau lebih selisih nilai mutlaknya sama. Apabila n  10 peluang binomial dengan p = ½ dapat dihampiri dengan kurva normal. Bila hipotesis Ho :  = o dapat ditolak dan menerima tandingan   o hanya bila w+ kecil . (Walpole & Myers. Jadi. Uji Rang Tanda Uji tanda hanya menggunakan tanda tambah dan kurang dari selisih antara pengamatan dan o dalam kasus satu sampel. atau tanda tambah dari selisih antara pasangan pengamatan dalam kasus sampel berpasangan tanpa memperhatikan besarnya selisih tersebut.

Tabel 2. (Walpole & Myers. rang tiap selisih tanpa memperhatikan tandanya dan terapkan prosedur yang sama seperti sebelumnya.kecil.dan w. 2 Uji Rang Tanda Mengu ji Ho Tandin gan H1   o Hitung w+ ww w+ ww  = o   o   o 1  2 1 = 2 1 2 1 2   Uji rang tanda dapat pula digunakan untuk menguji hipotesis nol bahwa 1 . Ilmu Peluang dan Statistika hal 696-698. Begitu pula   o diterima apabila w+ besar dan w. 2 Pengolahan data nonparametric k > 2 . Untuk tandingan dwi pihak Ho ditolak bila w+ maupun w.8. Dua sampel dengan pengamatan berpasangan Untuk menguji hipotesis nol bila teroknya berasal dari dua populasi yang kontinu yang setangkup dengan 1 = 2 untuk kasus sampel berpasangan. 1995) 2.besar.cukup kecil.2 = b 0. Seperti pada uji tanda tiap selisih kita kurangi dengan bo. rang selisihnya tanpa memperhatikan tanda kemudian diselesaikan seperti pada kasus satu sampel. Dalam kasus ini tidak perlu setangkup.

1996. 3. Metode Statistika. Diperkenalkan di tahun 1952 oleh W. Uji ini digunakan untuk menguji hipotesis Ho bahwa k sampel bebas berasal dari populasi yang sama. sering pula disebut Uji H Kruskal Wallis. tentukan banyaknya data muka median. adalah rampatan uji jumlah rang (dwi sampel Wilcoxon) untuk sejumlah sampel k > 2. Uji Kruskal Wallis Uji Kruskal-Wallis. Kruskal dan W. Bentuk sebuah daftar kontingensi 2 x 2 eperti di bawah ini dengan menggunakan data yang telah disusun dalam daftar kontingensi tersebut.2.2. Wallis.8.8.H.2. Langkah-langkah yang ditempuh dalam pengujiaan ini adalah: 1. 1995) 2. Tentukan nilai median dari sample gabungan ini. Uji Friedman Uji yang dilakukan untuk mengetahui adanya perbedaan yang significant dimana jumlah sampel lebih dari 2 yang dependent. Dari setiap sample. untuk menguji hipotesis. Tarsito : Bandung. 4. (Sudjana. Hal 464) 2. Tuliskan ke (n1 + n2) buah data dari sample gabungan ini menurut-urutan besar nilainya. 1 Pengolahan data nonparametrik independen k > 2 1. (Walpole & Myers.2 Pengolahan data nonparametrik dependen k > 2 1. Jika dari populasi yang sama. uji ini merupakan padanan cara non parametrik untuk menguji kesamaan rataan dalam analisis variansi ekafaktor bila ingin mengehindari anggapan bahwa sampel berasal dari populasi normal. 5. Gabungkan kedua sample menjadi sebuah sample berukuran (n1 + n2) dengan n1 = ukuran sample yang diambil dari populasi kesatu dan n2 = ukuran sample yang diambil dari populasi kedua. Uji Friedman sebenarnya . maka rata-rata ke-k sampel tersebut tentu relatif sama atau tidak berbeda secara signifikan.A. Ilmu Peluang dan Statistika hal 707. Uji Median Uji yang dilakukan untuk mengetahui apakah sampel berasal dari dua populasi dengan median yang sama atau telah diambil dari populasi yang sama. 2.

penganalisis. Perlu dibandingkan ukuran variansi antara perlakuan yang sesuai dengan variansi dalam perlakuan. yakni dari 0 sampai 1. Keselarasan (konkordansi) diberi nama seperti halnya korelasi. Ke k populasi yang berbeda ini diklasifikasikan menurut perlakuan atau grup yang berbeda. (Singgih Santoso. Pada ANOVA terdapat pengujian hipotesis nol bahwa rataan ke k populasi sama lawan tandingan bahwa paling sedikit dua dari rataan ini tidak sama. Uji Konkordansi Kendall’s Uji konkordansi pada prinsipnya ingin mengetahui apakah ada keselarasan dari sekelompok objek (orang) dalam menilai objek tertentu. apakah itu kelompok. Dewasa ini istilah perlakuan digunakan secara umum dengan arti klasifikasi.9. misalkan seorang peneliti tidak ingin berasumsi bahwa sampel yang diperolehnya adalah berdistribusi normal. dan jika 1 maka semua sangat selaras.adalah analog dengan uji analisis varians dua arah pada uji parametric. Excel. dimana distribusi normal merupakan persyaratan sahihnya (valid) uji dalam penggunaan uji parametric. 9 Pengolahan Data dengan MINITAB. jika 0 berarti responden sama sekali tidak selaras satu dengan yang lain dalam menilai suatu atribut. atau berbagai daerah di suatu negara. 1 Excel  ANNOVA Anova sering disebut sebagai analisis variansi. adukan. angka konkordasi diatas 0. agar dapat ditemukan perbedaan yang berarti dalam pengamatan akibat pengaruh perlakuan.5 bisa dianggap tingkat keselarasan sudah cukup tinggi. 2. Uji ini dpat digunakan apabila penerapan analisis varians dua arah parametric tidak dikehendaki dikarenakan pertimbangan tertentu. pupuk yang berbeda. Terok acak ukuran n diambil masing-masing dari k populasi. Uji yang akan dipakai didasarkan pada perbandingan dua taksiran bebas dari kesamaan variansi populasi 2. Pada umumnya. Analisis variansi untuk klasifikasi eka arah dapat dilihat pada tabel di bawah ini yang sama dengan tabel ANOVA. . halaman 202 & 441) 2. dan SPSS 2.

.. maka analisa output SPSS data dapat langsung diketahui. Setelah proses pengumpulan dan pengolahan data dilakukan.3 MINITAB Permasalahan – permasalahan statistika bukan suatu masalah rumit karena seiring dengan perkembangan teknologi komputer.9. Data yang diolah dalam SPSS harus memenuhi syarat-syarat yang meliputi kecukupan data. 2 SPSS Untuk mengolah data tersebut kami menggunakan program SPSS (Statistical Product and Service Solution). pekerjaan statistik sangat terbantu dengan adanya program aplikasi komputer untuk statistik yang kini . dan memenuhi sifat-sifat keacakan.Tabel 2.9. 3 Ananlisis Variansi Sumber Variansi Jumlah kuadrat JKA Derajat Kebebasan k–1 Rataan Kuadrat 2 f Hitungan Perlakuan S1  S2  JKA k 1 S1 2 S2 2 Galat Total JKG JKT k (n – 1) nk – 1 JKA k (n  1) k n JKT =  yij2  i 1 j 1 k T 2 . kualitas data. Program SPSS adalah program yang bertujuan untuk memperkecil kesalahan penghitungan dalam pengolahan data. 2. nk T JKA = i 1 2 i n  T 2 . nk JKG = JKT-JKA 2.

desain eksperimen. Keunggulan MINITAB adalah selain menyediakan metode – metode statistik klasik seperti analisis regresi. dan tabulasi silang. dan analisis realibilitas. independen k > 2 dan dependen k > 2 juga menggunakan program MINITAB. data non parametrik dependen k > 2 menggunakan uji Friedman. Untuk data non parametrik independen k = 2 menggunakan uji Kruskal Wallis. . analisis faktor. terutama dalam melakukan perhitungan statistik yang menggunakan rumus matematika yang rumit dan banyak data. analisis deskriminan. Pada data parametrik independen k = 2 digunakan program MINITAB dengan melakukan uji T dan uji F. MINITAB juga mampu memberi nilai taksiran yang mendekati nilai sebenarnya. Untuk data non parametrik independen k = 2 menggunakan uji Mann Whitney. Data non parametrik independen k = 2.sudah banyak dipasarkan. Program MINITAB merupakan program statistiks yang diakui cukup andal oleh banyak kalangan. Komputer sangat membantu pekerjaan statistik. baik dunia kampus maupun industri. MINITAB juga menyediakan pula metode – metode statistik untuk meningkatkan dan memperbaiki kualitas seperti pengendalian kualitas statistik. Dimana membandingkan rata-rata dua sampel dan membandingkan variansi dua sampel. Salah satu program statistik yang telah diakui banyak orang adalah program MINITAB.

Klaten 11. Kab. Purbalingga 04. Wonogiri 13. Banyumas 03. Kab. Kab. 1 Data Parametrik 3. Karanganyar 14. Boyolali 10. Kab. Kab. Magelang 09.1. Kab. Kab. Kab. Banjarnegara 05. Datanya adalah sebagai berikut: Tabel 3. Kab. 1 Statistik Parametrik Independen k=2 Badan Statistik Nasional mencatat Banyaknya Kyai dan Ustadz Menurut Kabupaten/Kota di Jawa Tengah Tahun 2004. Wonosobo 08. Kab. Sukoharjo 12. Sragen 15.BAB III PENGUMPULAN DATA 3. Kab. Kab. Kab. Cilacap 02. Kab. Purworejo 07. Kebumen 06. 1Data Pengamatan Parametrik Independen k = 2 Kabupaten/Kota 01. Kab. Grobogan Kyai 442 209 252 330 167 417 422 235 210 97 58 70 114 350 485 Ustadz 963 397 414 228 380 763 654 700 718 196 615 172 242 729 426 .

004 553 465 446 1.007 1. Temanggung 24. 2 Statistik Parametrik Independen k>2 Badan Statistik Nasional mencatat Banyaknya Jema'ah Haji yang Diberangkatkan ke Tanah Suci (Mekkah) Menurut Kabupaten/Kota di Jawa Tengah Tahun Anggaran 2001-2003. Rembang 18. Kab. Kendal 25. Blora 17. Batang 26. Kab. Kab. Cilacap 02. Kab. Kab.096 715 571 1. Banyumas 2001 478 458 2002 696 648 2003 615 562 . Pati 19.160 1. Kab. Kab. Kab. Kab. Kudus 20. Datanya adalah sebagai berikut: Tabel 3. Brebes 30. 2 Data Pengamatan Parametrik Independen k > 2 Kabupaten Kota 01.094 14 3. Kab. Kab. Demak 22. Kab. Kota Magelang 156 429 365 496 364 574 285 365 329 204 226 187 172 487 13 527 1.030 987 588 2. Kab. Jepara 21. Pekalongan 27.16. Pemalang 28. Tegal 29.1. Kab. Semarang 23. Kab. Kab.

Kab. Kab. Purworejo 07. Rembang 18.987 1. Kab. Kab.059 1. Kab. Kab. Kab. Kab. Pekalongan 178 300 623 305 305 299 405 376 286 122 143 388 361 307 627 1. Kab.482 2. Kudus 20. Wonosobo 08. Kendal 25.550 1. Kab. Jepara 21. Batang 26. Pati 19.515 1. Banjarnegara 05. Magelang 09. Grobogan 16. Kab. Kab.342 186 270 950 488 933 238 368 852 314 335 524 486 773 341 101 205 385 560 304 483 957 1. Demak 22. Kab. Kab. Kebumen 06.178 374 394 892 329 582 202 346 685 314 356 567 427 633 276 109 201 400 499 314 468 822 928 1. Kab. Temanggung 24.550 817 313 274 792 311 510 . Purbalingga 04. Kab. Kab. Kab. Sragen 15. Kab. Kab. Kab. Kab. Klaten 11. Kab.03. Boyolali 10. Semarang 23. Karanganyar 14. Sukoharjo 12. Blora 17. Kab. Wonogiri 13.

Kab. Dari kuesioner tersebut didapat data sebagai berikut Tabel 3. 1 Statistik Non Parametrik Independen k=2 Untuk data non parametrik independen k=2 kami melakukan kuesioner dengan sampel mahasiswa Teknik Industri angkatan 2007 untuk mengetahui Pengaruh Jenis Kelamin terhadap Media Aktualisasi Diri. 3 Data Pengamatan Non Parametrik Independen k = 2 Sampel ke1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 laki-laki 2 1 4 1 5 2 1 1 1 2 1 1 1 1 1 perempuan 1 1 1 1 1 1 1 2 1 2 1 2 1 1 1 . 2 Data Non Parametrik 3.27. Kab. Brebes 30. Tegal 29. Kota Magelang 744 675 573 64 427 928 762 99 453 830 660 116 3. Pemalang 28. Kab.2.

Webcam 5. 2 Statistik Non Parametrik Independen k>2 Untuk data non parametrik independen k>2 kami melakukan kuesioner dengan sampel mahasiswa Teknik Industri angkatan 2007 untuk mengetahui Pengaruh Golongan Darah terhadap Jenis Materi yang Disukai. Dari kuesioner tersebut didapat data sebagai berikut: Tabel 3. Photobox 3. Kamera digital 3.2. 4 Data Pengamatan Non Parametrik Independen k >2 Sampel ke1 2 3 A 1 2 1 B 1 1 1 O 1 3 2 .16 17 18 19 20 21 22 23 24 25 1 1 1 2 1 2 3 5 1 3 1 1 1 1 1 3 2 3 1 1 Ket: 1. Handycam 4. Kamera HP 2.

2. Hitungan Hafalan Keduanya 3. 3.2.4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 3 3 2 2 1 3 3 1 1 1 2 2 3 3 1 2 1 2 1 1 2 1 1 1 3 2 3 1 1 1 3 1 2 3 2 1 2 1 2 3 3 2 3 2 2 2 3 2 1 3 1 1 2 1 1 3 3 1 3 3 2 3 2 1 1 2 Keterangan: 1. 3 Statistik Non Parametrik Dependen k=2 .

5 Data Asli Dependen k=2 Sampel ke- status kawin laki-laki perempuan Kawin tidak tidak Kawin Kawin Kawin tidak tidak Kawin tidak Kawin Kawin Kawin tidak Kawin Kawin Kawin Kawin Kawin tidak tidak Kawin tidak Kawin 1 tidak 2 tidak 3 Kawin 4 Kawin 5 Kawin 6 Kawin 7 tidak 8 Kawin 9 Kawin 10 Kawin 11 Kawin 12 tidak 13 Kawin 14 Kawin 15 tidak 16 Kawin 17 tidak 18 tidak 19 Kawin 20 tidak 21 Kawin 22 Kawin 23 Kawin 24 Kawin .google/info_guru_guru2.php. Datanya adalah sebagai berikut: Tabel 3.htm diperoleh data mengenai Daftar Status Guru-Guru SMK-SB.Dari www.

4 Statistik Non Parametrik Dependen k>2 Untuk data non parametrik dependen k>2 kami melakukan kuesioner dengan sampel mahasiswa Teknik Industri angkatan 2007 untuk mengetahui Pengaruh Negara Produksi terhadap Jenis Film yang Disukai.R Hasniar T Dimas H.25 tidak Kawin 3. Dari kuesioner tersebut didapat data sebagai berikut: Tabel 3. 6 Data Non Parametrik Dependen k>2 No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Nama miftahul Hasan Trisna N P Farid Irma N S Reza Zamani Mujiya U Zaki Awan Nita T Reny Stefanie Dinda Ucok Yoyo Intan Arthantia Dita W.2.A Prafitrianti indonesia 4 4 3 2 4 3 4 4 2 4 3 4 4 4 4 4 2 2 barat 1 4 4 1 1 4 1 4 1 3 3 4 3 1 1 1 1 2 asia 1 4 1 3 3 3 4 4 3 2 3 4 2 3 4 3 2 1 .

Drama 4.9164319 167212. 1 Statistik Parametrik 4.33 -0.6121 21789.611303503 .N Andik Sutrimo M.073799684 1. 1Ouput Statistic Descriptive Parametrik Independen k=2 kyai ustadz Mean Standard Error Median Mode Standard Deviation Sample Variance Kurtosis Skewness 283.5 #N/A 408.65758463 601.8 74.6483 5. Horor 3.19 20 21 22 23 24 25 Devia Anggie S Rachman F.1.5 365 147.89775 0. Action 2. 1 Statistik Parametrik Independen k = 2 Output Excel  Deskriptif Statistic Tabel 4.K. Komedi BAB IV PENGOLAHAN DATA 4.95016 268.Shofyan Adi 4 4 4 2 2 4 4 3 2 2 1 1 4 1 3 3 2 3 1 4 1 Keterangan: 1. N Radhit P Rina A.6667 26.053532 Mean Standard Error Median Mode Standard Deviation Sample Variance Kurtosis Skewness 661.

69576 05 4.88806 1. 3 Output T-test: Paired Two Sample For Means Parametrik Independen k=2 kyai Mean Variance Observations Pearson Correlation Hypothesized Mean Difference df t Stat P(T<=t) one-tail t Critical one-tail P(T<=t) two-tail t Critical two-tail 283. 2 Output Anova Single Factor Parametrik Independen k=2 Groups kyai ustadz Count 30 30 Sum 8510 19854 Average 283.6483 30 .6 ANOVA Source of Variation SS df MS F P-value 1.6667 21789.33 167212.699127 2.267 94500.31EBetween Groups Within Groups 2144772 5481057 1 58 2144772.9908 22.8 167212.6666667 661.08E-06 1.006873 F crit Total 7625830 59  T-Test: Paired two sample for means Tabel 4.17E-06 2.04523 ustadz 661.33 30 0.8 Variance 21789.Range Minimum Maximum Sum Count 561 13 574 8510 30 Range Minimum Maximum Sum Count 2146 14 2160 19854 30  SUMMARY Anova Single Factor Tabel 4.540701 0 29 -5.

Deviation Variance Skewness Std. F-test: Two-sample for variances Tabel 4.00 14.6667 268.333 . 5 Deskriptif Statistik Parametrik Independen k=2 Statistics kyai N Mean Median Mode Std.00 .8 167212.11E-07 283.427 5.33 30 29 0.5000 365.64 8 1.833 2146.054 .00 147.00 ustadz 30 0 661.00 2160.00 13.6 30 29 Output SPSS Deskriptif Statistik Frequencies Tabel 4.00 574.6667 21789.00(a) 408.898 . 4 Output F-Test Two Sample For Variances Parametrik Independen k=2 kyai Mean Variance Observations df F P(F<=f) onetail F Critical onetail 0.611 .074 . Error of Kurtosis Range Minimum Maximum Valid Missing 30 0 283.8000 601.130309 ustadz 661.5000 14. Error of Skewness Kurtosis Std.427 -.5374 2.833 561.61210 21789.91643 167212.

3 3.3 3.3 36.3 3.3 3.3 3.3 76.3 66.Percentiles 10 20 25 30 40 50 60 70 75 80 90 72.3 3.0000 1000.00 172. The smallest value is shown Tabel 4.0000 418.2000 383.6000 486.3 3.3 Percent 3.3 3.3 46.3 3.3 3.00 97.0 63.2000 170.3 3.00 364.3 3.3 3.00 350.00 209.3 3.3 16.00 210.3 3.00 285.3 6.8000 199.3 3.5000 342.7 73.3 3.0 33.8000 969.0 13.00 252.3 3.00 156.00 330.00 114.3 Valid Percent 3.4000 268.3 3.00 70. 6 Deskriptif Statistik Parametrik Independen k=2 (kyai) kyai Cumulative Frequency Valid 13.3 3.3 3.3 3.3 3.4000 409.00 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 1 Percent 3.2500 427.7 20.7 3.3 3.3 3.3 3.6000 1087.00 417.3 3.0 23.3 3.0 53.0000 365.7 30.0000 752.3 6.3 3.7500 432.7500 192.3 3.7 3.3 3.5000 709.3 3.00 58.3 26.0000 537.0 43.00 235.00 329.7 10.3 3.3 56.00 187.3 3.7 .00 226.7000 158.7 50.3 3.00 365.00 167.6000 - a Multiple modes exist.1000 216.4000 601.00 204.7 40.3 3.3 3.3 3.7 60.3 6.

3 3.3 3.3 3.3 3.7 .3 66.3 86.3 3.00 700.00 963.3 3.3 3.3 3.00 1007.00 718.3 3.3 3.7 70.0 3.3 3.00 Total 1 1 1 1 1 1 1 30 3.0 63.3 3.7 20.7 50.00 429.00 196.3 3.00 615.3 3.00 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Percent 3.00 553.00 228.3 3.3 3.0 43.3 3.0 80.3 36.3 100.3 3.3 3.00 426.3 3.00 446.3 6.7 40.3 3.3 3.3 56.3 3.3 100.3 3.00 465.7 60.3 3.3 3.3 3.3 3.3 3.00 485.00 574.7 100.0 23.00 397.3 96.3 3.3 3.0 83.00 496.3 3.3 3.3 3.00 380.00 242.3 3.3 3.3 76.00 527.0 33.3 3.00 442.7 80.7 10.3 3.00 571.0 53.3 3.3 3.3 3.3 Percent 3.3 3.0 13.3 Valid Percent 3.00 763.00 654.0 73.0 83.3 3.00 487.3 3.3 3.3 3.3 3.3 3.3 16.3 3.3 3.00 715.7 90.3 26. 7 Deskriptif Statistik Parametrik Independen k=2 (ustadz) ustadz Cumulative Frequency Valid 14.3 3.00 987.3 3.3 3.7 30.422.00 588.3 3.0 93.0 Tabel 4.3 86.00 1004.00 172.00 729.00 414.3 3.3 3.3 3.3 3.3 3.3 3.3 46.3 3.3 3.

3 100. 1 Histogram jumlah kyai 2004 .3 96.6667 Std.00 400.1030.3 3.00 100.00 500.00 1096.00 1094.3 3.0 93.6121 N = 30 kyai Gambar 4.00 200.00 2160.00 Mean = 283. Dev.3 3.3 100.3 3.3 3.3 3.00 300.00 Total 1 1 1 1 30 3. = 147.00 600.0 3.7 100.0 90.0 kyai 10 8 Frequency 6 4 2 0 0.

00 2000. = 408.7 33 df 1 58 59 Mean Square 2144772.00 1000.00 500. 8 Output Anova Parametrik Independen k=2 ANOVA jumlah Sum of Squares Between Groups Within Groups Total 2144772.00 ustadz Gambar 4.ustadz 10 8 Frequency 6 4 2 0 0. Dev.00 Mean = 661.991 F 22.00 1500. 2 Histogram jumlah ustadz 2004 -One Way Anova Oneway Tabel 4.2 67 5481057.696 Sig.000 .80 Std. .267 94500.91643 N = 30 2500.4 67 7625829.

3 969.1 95% CI for difference: (-539.8 601.5 283.2) T-Test of difference = 0 (vs not =): T-Value = -4.76 0.Two-Sample T-Test Two-Sample T-Test and CI: C2.0 Maximum 30.0 1.8 Q3 23. C3 Two-sample T for C2 vs C3 N C2 C3 30 30 Mean 284 662 StDev 148 409 SE Mean 27 75 Difference = mu C2 .25 418.50 15.6 C3 408.00 13.7 27.61 SE Mean N Mean Median TrMean 30 15.000 DF = 36 P-Value = .7 268.9 74.50 15.80 C2 147. C3 Variable StDev C1 8.4 30 661.75 170.0 14.0 Q1 7.1.0 .Output MINITAB Deskriptif Statistik Descriptive Statistics: C1.0 2160.50 30 283.5 631.2 Variable C1 C2 C3 Minimum 1.mu C3 Estimate for difference: -378.00 574.8 409. C2. -217.

3 Box Plot dari Desember 1992 dan April 1993 .58 tidak terdapat da tabel L6 maka dilakukan interpolasi : 4.008 . C3 Gambar 4.   0.05 4.08 60  40 X = 4.00  x 60  58  4. H1 = Paling sedikit 2 rataan tidak sama 3.Boxplots of C2. Daerah Kritis : f hitung > f tabel V1= k-1 = 2-1 = 1 V2= k (n-1) = 2 (30-1) = 58 Karena f tabel dengan derajat kebebasan 1.Perhitungan Manual Data Parametrik Independen k = 2 Perhitungan anova Manual 1. H0 = 1  2 2.00  4.

094 14 jumlah 1405 606 666 558 547 1180 1076 935 928 293 673 242 356 1079 911 683 1459 1352 1084 2524 1670 1000 936 1336 1208 779 652 618 1581 27 28364 jumlah 2 1974025 367236 443556 311364 299209 1392400 1157776 874225 861184 85849 452929 58564 126736 1164241 829921 466489 2128681 1827904 1175056 6370576 2788900 1000000 876096 1784896 1459264 606841 425104 381924 2499561 729 Total 8510 19854 34191236 . 9 Perhitungan Anova Manual Parametrik Independen k=2 No 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 y1 442 209 252 330 167 417 422 235 210 97 58 70 114 350 485 156 429 365 496 364 574 285 365 329 204 226 187 172 487 13 y2 963 397 414 228 380 763 654 700 718 196 615 172 242 729 426 527 1.160 1.5.030 987 588 2.007 1.004 553 465 446 1.096 715 571 1. Perhitungan Tabel 4.

No 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 Y1 kuadrat 195364 43681 63504 108900 27889 173889 178084 55225 44100 9409 3364 4900 12996 122500 235225 24336 184041 133225 246016 132496 329476 81225 133225 108241 41616 51076 34969 29584 237169 169 Y2 kuadrat 927369 157609 171396 51984 144400 582169 427716 490000 515524 38416 378225 29584 58564 531441 181476 277729 1060900 974169 345744 4665600 1201216 511225 326041 1014049 1008016 305809 216225 198916 1196836 196 jumlah 1122733 201290 234900 160884 172289 756058 605800 545225 559624 47825 381589 34484 71560 653941 416701 302065 1244941 1107394 591760 4798096 1530692 592450 459266 1122290 1049632 356885 251194 228500 1434005 365 21034438 total 3045894 17988544 Faktor korelasi = T2 nk .

94E  08 (28364)2  30 60 = 2144772 JKG = JKT – JKA = 7625830-2144772 = 5481057 JKA k 1 S12   2144772 2 1 = 2144772 2 S2  JKG k (n  1)  5481057 2(30  1) .  n = T 2 . nk 72420100  3...= (28364)2 30  2 = 13408608 k n JKT   yij  i 1 j 1 2 T 2 . nk (28364)2 60 = 21034438  = 7625830 k T JKA  i 1 2 i .

k(30-1)]>4.99 Total JKT=7625830 n(k-1) = 59 Keterangan tabel 4.99 s12 2144772   22.69576[2-1. Dengan derajat kebebasan 58.= 94500. yaitu didapatkan angka 7625830.31x 10 -5 2 = 2144772 4.69576 1.008 JKG=5481057 Galat k(n-1) = 58 S2  JKA k (n  1) =94500.69576 2 s2 94500.7:  JKT adalah jumlah kuadrat total. yaitu didapatkan angka 2144772. Dimana derajat kebebasannya adalah 59   JKA adalah jumlah kuadarat perlakuan. yaitu didapatkan angka 5481057. Keputusan : .  Didapatkan nilai F hitungan adalah 22. JKG adalah jumlah kuadrat galat.31x10-5 Tabel 4.69576 6.99 Fhitung = P = P[F[k-1.10 Perhitungan Manual Uji Anova Data Parametrik dengan k=2 Independen Sumber Variasi Jml. Kuadrat Derajat kebebasan Rataan Kuadrat F Hitungan Nilai P F Kritis Perlakuan JKA=2144772 S1  k-1=1 2 JKA k 1 S1 2 S2 = 22.k(n-1)]>f] =P[22.008] = 1.

69576 > 4. Kesimpulan : Bahwa selisih rata-rata jumlah kyai pada tahun 2004 dan jumlah ustadz pada tahun 2004 tidak sama sama secara signifikan 4.07 Standard Deviation 279915.221323 Kurtosis 2.0333333 70.59452 Standard Error 586. 6 Output Anova Single Factor Parametrik Independen k>2 .1.126618 Skewness 2451 Range 64 Minimum 2515 Maximum 17733 Sum 30 Count 1888 Range 99 Minimum 1987 Maximum 17581 Sum 30 Count Anova Single Factor Tabel 4.26415 460.95 3. 2 Statistik Parametrik Independen k > 2 Output Excel Deskriptif statistik Tabel 4.Tolak Ho karena Fhitung > FCrit yaitu 22.492342 1441 109 1550 15350 30 396.1 Mean 96.62350368 Mean Standard Error 511.72060158 1.008.3782 4. 5 11 Ouput Statistic Descriptive Parametrik Independen k>2 2001 2002 2003 Mean Standard Error Median Mode Standard Deviation Sample Variance Kurtosis Skewness Range Minimum Maximum Sum Count 591.217 88337.6667 54.759399121 Mode Standard Deviation Sample Variance Kurtosis Skewness 5.5 Median #N/A 386.5 314 297.8208606 149630.5 Median 305 Mode 529.794255 1.1 Sample Variance 484. 7.

Error of Skewness Kurtosis Std.6000 460.9 21034929 21149605 S um 19734 19583 17353 df 2 90 92 Average 636.6000 .097698035 Output SPSS Frequenci Tabel 4.759 .714 F P -value 0.00 2515.0000 625.00 1550.427 5.2000 792.8796 157137.7500 884.127 .06999 279915.833 1441.7741935 MS 57337.5000 349.492 .5000 305.0000 333.059 2.782971 F crit 3. 13 Deskriptif Statistik Parametrik Independen k>2 Statistics tahun_2001 N Mean Median Mode Std.3000 317.00 64.6000 396.5000 273.5000 314.82086 149630.427 4.0000 312.2000 742.5000 314.21702 88337.5000 484.00 201.00 1987.794 .7183 209318.96774 233721.S UMMAR Y G roups 2001 2002 2003 ANO VA S ource of Variation B etween G roups W ithin G roups T otal C ount 31 31 31 SS 114675.2500 895.00 297.427 3.954 1.833 2451.5000 573.6667 460.378 1.8000 692.00 208.00(a) 386.2000 295. Deviation Variance Skewness Std.5000 99.833 1888.00 109.6000 484.2000 tahun_2002 30 0 586.245326096 0.1000 283.5806452 631.6000 666.5000 541.721 .0000 373.00 146.221 .00 99.2500 770.4373 Variance 334707.1000 388.00 529.1000 396.2000 627.7500 301.7096774 559.5000 328. Error of Kurtosis Range Minimum Maximum Percentiles 10 20 25 30 40 50 60 70 75 80 Valid Missing 30 0 591.0000 yahun_2003 30 0 511.0333 484.

3 Percent 3.3 3.3 3.3 3.0 43.3 3.3 6.00 361.3 76.0 63.00 458.3 3.00 405.00 143.00 270.00 307.90 1468.00 623.00 376. The smallest value is shown Frequency Table Tabel 4.3 3.0 .00 1550.3 16.3 Valid Percent 3.3 3.7 10.00 573.00 1 1 1 1 1 1 1 1 1 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Percent 3.3 46.3 3.3 3.00 186.3 3.3 3.8000 829.00 300.00 286.3 3.0 73.3 6.0 53.3 3.3 3.3 3.3 86.3 3.00 305.7 50.7 20.3 3.7 3.0 36.7 60.3 3.00 2515.3 3.3 3.3 3.0 83.3 3.00 675.7 30.2000 a Multiple modes exist.00 299.7 100.3 3.3 3.3 3.00 478.3 3.3 3.3 3.3 3.00 1342.3 3.3 3.3 3.7 80.3 3.3 3.3 26.3 3.3 3.00 950.3 3.00 744.3 3.00 488.3 3.3 3.3 3.3 3.3 3.3 3.3 6.3 3.3 3.3 96.7 70.3 3.3 56.00 122.3 66.00 178.3 3.7 90.3 3.7 3.0000 1048. 14 Deskriptif Statistik Parametrik Independen k>2 (2001) Tahun_2001 Cumulative Frequency Valid 64.00 388.3 3.00 1482.0 23.00 627.7 40.00 933.3 3.0 13.0 93.3 3.

7 10.3 3.00 385.3 3.3 3.7 50.3 3.3 3.0 53.7 20.00 368.0 23.Total 30 100.3 3.3 56.0 Valid Percent 3.00 427.00 304.00 335.00 486.3 3.00 582.3 3.3 3.0 83.3 3.3 3.0 63.3 3.00 696.3 3.0 Tabel 4.00 928. 16 Deskriptif Statistik Parametrik Independen k>2 (2001) .00 483.3 16.3 3.7 90.0 13.3 3.00 852.00 762.3 76.3 3.00 329.7 60.3 3.3 3.0 Percent 3.00 394.3 3.00 1987.00 560.3 3.3 3.3 3.3 3.3 3.3 66.0 43.3 3.3 3.00 1059.3 3.3 3.3 3.3 3.00 524.3 3.3 96.3 3.3 3.3 3.00 648.0 33.7 80.3 3.00 238.3 3.3 100.3 3.3 3.3 3.0 Tabel 4.3 3.3 3.00 892.7 40.3 3.3 100.00 101.3 3.3 3.3 3.3 26.0 93.3 3.3 3.3 6.00 773.3 3.0 100. 15 Deskriptif Statistik Parametrik Independen k>2 (2002) Tahun_2002 Cumulative Frequency Valid 99.3 3.0 73.00 205.3 3.00 Total 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 30 Percent 3.00 957.00 314.3 86.3 3.00 374.3 3.3 3.3 3.3 46.3 3.00 341.7 100.3 3.3 36.3 3.3 3.00 1178.7 70.7 30.

3 86.3 100.3 3.00 274.7 90.0 43.00 313.3 3.00 314.00 356.00 1550.0 73.00 Total 1 1 1 1 1 1 1 1 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 30 Percent 3.3 3.3 3.3 3.3 3.3 3.3 3.3 3.3 3.3 76.7 50.7 100.00 311.3 3.3 3.00 427.7 3.3 3.00 400.7 80.0 13.3 3.00 615.3 3.00 567.3 36.00 116.3 3.3 16.3 3.3 3.00 660.3 3.3 6.7 60.3 3.3 3.3 3.3 46.3 3.3 3.0 23.7 3.0 93.Tahun_2003 Cumulative Frequency Valid 109.7 33.3 3.3 3.00 822.00 346.3 3.0 .3 3.7 40.3 3.00 276.0 83.00 510.00 830.00 817.3 3.3 3.3 3.3 56.3 3.3 26.3 3.7 20.3 3.7 70.3 96.3 6.00 453.3 3.3 3.3 3.3 3.00 468.3 3.3 3.00 202.00 633.3 3.00 499.0 Valid Percent 3.3 66.3 3.00 928.3 3.0 53.3 6.3 3.3 3.0 63.00 685.7 10.0 Percent 3.3 3.3 3.3 3.3 3.00 792.00 562.3 3.00 201.3 100.3 3.

00 0 0. Dev. Dev.00 0 tahun_2002 tahun_2001 (a) tahun_2003 (b) 10 8 Frequency 6 4 2 0 0.00 2500.00 500.00 tahun_2003 (c) Gambar 4. (b) 2002. 1 Statistik Non Parametrik Independen k = 2 Output SPSS Deskriptif Statistik and histogram with normal curve .tahun_2001 tahun_2002 14 12 12 10 10 8 Frequency 8 Frequency 6 6 4 4 2 2 Mean = 591.00 500.4 Histogram jemaah Haji tahun (a) 2001. = 297.00 1000.00 Mean = 511.00 1000.6667 Std. = 529.00 Mean = 586.10 Std.06999 N = 30 0. 2 Statistik Non Parametrik 4.0333 Std.00 1000. Dev.00 1500.21702 N = 30 2000.2. (c) 2003 4.00 3000.82086 N = 30 2000.00 1500.00 2000.00 1500.00 500. = 386.

56 Std.5000 75th 2.0000 50th (Median) 1.01338 N = 50 gadget Gambar 4.82 23.0000 Histogram 40 30 Frequency 20 10 0 0. 17 Deskriptif Statistik Pengaruh Jenis kelamin terhadap aktualisasi diri Descriptive Statistics Percentiles N gadget jenis_kelamin 50 50 Mean 1.00 25th 1. Deviation 1.50 579.00 1.0000 2.Tabel 4.00 3.0000 1.0000 1. = 1.18 Sum of Ranks 695.00 4.50508 Minimum 1.00 6. Dev.00 Mean = 1.01338 .5000 Std.18 Output Mann-Whitney Test Pengaruh Jenis kelamin terhadap aktualisasi diri Ranks jenis_kelam in gadget laki-laki perempuan Total N 25 25 50 Mean Rank 27.00 2.5 Histogram with normal curve gadget - Mann-Whitney Test Tabel 4.50 Test Statistics(a) gadget Mann-Whitney U 254.00 5.500 .00 1.00 2.5600 1.00 Maximum 5.

(1-tailed) Outliers Trimmed from each End a Moses Test b Grouping Variable: jenis_kelamin Sig.Moses Test Tabel 4.172 a Grouping Variable: jenis_kelamin . (2-tailed) 579.19 Output Kolmogorov-Smirnov Test Pengaruh Jenis kelamin terhadap aktualisasi diri Frequencies jenis_kelam in gadget laki-laki perempuan Total N 25 25 50 .500 -1.365 .000 1 - Two-Sample Kolmogorov-Smirnov Test Tabel 4.b) gadget Observed Control Group Span Trimmed Control Group Span Sig. (1-tailed) 33 .18 Output Moses Test Pengaruh Jenis kelamin terhadap aktualisasi diri Frequencies jenis_kelamin gadget laki-laki (Control) perempuan (Experimenta l) Total 50 25 N 25 Test Statistics(a.Wilcoxon W Z Asymp. Sig.000 33 .

000 -.00 Minimum 1.00 Maximum 3.8667 Std.50 2.82746 N = 75 Cara_belajar Gambar 4.676 . Sig. Deviation .20 Deskriptif Statistik Pengaruh Golongan Darah Terhadap Cara Belajar Histogram 40 30 Frequency 20 10 0 0.6 Histogram with normal curve Pengaruh Golongan darah terhadap Cara Belajar . (2-tailed) a Grouping Variable: jenis_kelamin Absolute Positive Negative .00 Mean 2.82199 .Test Statistics(a) gadget Most Extreme Differences Kolmogorov-Smirnov Z Asymp.2. Dev.0000 1.50 Mean = 1.82746 Variance .00 2.00 1.50 3. = 0.00 3.685 Tabel 4.566 .160 .00 3.00 2.160 . histogram with normal curve Descriptive Statistics N Gol_darah Cara_belajar Valid N (listwise) 75 75 75 Range 2. 2 Statistik Non Parametrik Independen k > 2 Output SPSS Deskriptif Statistik .906 4.50 1.8667 Std.00 1.

-

Kruskal-Wallis Test
Tabel 4.21 Output Kruskal Wallis Test Pengaruh Golongan Darah Terhadap Cara Belajar
Ranks Gol_darah Cara_belajar A B O Total N 25 25 25 75 Mean Rank 36,40 37,28 40,32

Test Statistics(a,b) Cara_belajar Chi-Square df Asymp. Sig. a Kruskal Wallis Test b Grouping Variable: Gol_darah ,507 2 ,776

-

Median Test
Tabel 4.22 Output Median Test Pengaruh Golongan Darah Terhadap Cara Belajar
Frequencies Gol_darah A Cara_belajar > Median <= Median 6 19 B 7 18 O 8 17

Test Statistics(b) Cara_belajar N Median Chi-Square df Asymp. Sig. 75 2,0000 ,397(a) 2 ,820

a 0 cells (,0%) have expected frequencies less than 5. The minimum expected cell frequency is 7,0. b Grouping Variable: Gol_darah

Output Minitab
Kruskal-Wallis Test: C2 versus C1

Kruskal-Wallis Test on C2

C1 1 2 3 Overall

N 25 25 25 75

Median 2,000 2,000 2,000

Ave Rank 36,4 37,3 40,3 38,0

Z -0,45 -0,20 0,65

H = 0,45 H = 0,51

DF = 2 DF = 2

P = 0,800 P = 0,776 (adjusted for ties)

-

Mood Median Test: C2 versus C1

Mood median test for C2

Chi-Square = 0,44

DF = 2

P = 0,803

Individual 95,0% CIs C1 1 2 3 N< 11 11 9 N>= 14 14 16 Median 2,00 2,00 2,00 Q3-Q1 1,50 2,00 2,00 ----------+---------+---------+-----(-------------------+ (-------------------+ (-------------------+---------------) ----------+---------+---------+-----1,50 Overall median = 2,00 2,00 2,50

4.2. 3 Statistik Non Parametrik Dependen k = 2 Output SPSS
Tabel 4.23 Deskriptif Statistik Pengaruh Jenis Kelamin terhadap Status perkawinan
Descriptive Statistics N jenis_kelamin status 50 50 Mean 1,5000 1,3600 Std. Deviation ,50508 ,48487 Minimum 1,00 1,00 Maximum 2,00 2,00

Histogram

25

20

Frequency

15

10

5

0 0.00 500.00 1000.00 1500.00 2000.00 2500.00

Mean = 565.9432 Std. Dev. = 413.58562 N = 88 3000.00

jumlah

Gambar 4.7 Histogram with normal curve Pengaruh jenis kelamin terhadap status perkawinan

-

Sign Test

(2-tailed) a Binomial distribution used.00 Test Statistics(b) .25 Output Wilcoxon Signed Ranks Test Pengaruh Jenis Kelamin terhadap Status perkawinan Ranks N status jenis_kelamin Negative Ranks Positive Ranks Ties Total a status < jenis_kelamin b status > jenis_kelamin c status = jenis_kelamin 16(a) 9(b) 25(c) 50 Mean Rank 13.00 13.230(a) 16 9 25 50 - Wilcoxon Signed Ranks Test Tabel 4. b Sign Test .24 Output Sign Test Pengaruh Jenis Kelamin terhadap Status perkawinan Frequencies N status .00 Sum of Ranks 208.Tabel 4.00 117.jenis_kelamin Negative Differences(a) Positive Differences(b) Ties(c) Total a status < jenis_kelamin b status > jenis_kelamin c status = jenis_kelamin Test Statistics(b) status jenis_kelamin Exact Sig.

4 Statistik Non Parametrik Dependen k > 2 Output SPSS .00 3.7467 Std.Deskriptif Statistik and histogram with normal curve Tabel 4.26 Deskriptif Statistik Pengaruh Negara Asal terhadap Jenis Film yang Disukai Descriptive Statistics N Negara Jenis_film Valid N (listwise) 75 75 75 Minimum 1. Dev.00 2.0000 2.00 Maximum 3.00 Jenis_film Gambar 4.18656 N = 75 1. b Wilcoxon Signed Ranks Test -1.2.00 4.18656 Histogram 30 25 20 Frequency 15 10 5 Mean = 2. (2-tailed) a Based on positive ranks.00 0 0.82199 1. = 1.162 4.00 Mean 2.status jenis_kelamin Z Asymp.00 1.8 Histogram with normal curve Pengaruh Negara Asal Film dengan Jenis Film .00 4.00 5.400(a) . Deviation . Sig.7467 Std.

37 Test Statistics(a) N Chi-Square df Asymp. Sig.28 Output Kendall’s W Test Pengaruh Negara Asal terhadap Jenis Film yang Disukai Ranks Mean Rank Jenis_film Negara 1.011 - Kendall's W Test Tabel 4.37 Test Statistics N Kendall's W(a) Chi-Square df Asymp. 75 .63 1.63 1.- Friedman Test Tabel 4.011 a Kendall's Coefficient of Concordance Output MINITAB Uji Friedman .452 1 .27 Output Friedman Test Pengaruh Negara Asal terhadap Jenis Film yang Disukai Ranks Mean Rank Jenis_film Negara 1. Sig. a Friedman Test 75 6.086 6.452 1 .

5 C2 1 2 3 N 25 25 25 Median 4.0000 3.005 P = 0.Friedman test for C3 by C2 blocked by C1 S = 10.001 (adjusted for ties) Est Sum of Ranks 62.0000 Grand median ‘/ = 3.3333 .5 40.00 DF = 2 DF = 2 P = 0.0 47.50 S = 15.0000 3.

yang digunakan adalah area sampling. Data nonparametrik dependen k > 2 Data yang digunakan adalah daftar pengaruh jenis film terhadap daerah asal produksi film.BAB V ANALISA DATA 5. 2. 5. 4. 3. Data ini didapat dari kuesioner.1 ANALISA METODE SAMPLING DAN HASIL SAMPLING Data yang diolah dalam praktikum ini ada 6 macam. Metode sampling yang Sampling digunakan adalah sampling seadanya (convinience sampling) 6. Sampling yang digunakan adalah area sampling. Sampling yang digunakan adalah area sampling. 2002 dan 2003. Data nonparametrik independen k = 2 Data yang digunakan adalah data pengaruh jenis kelamin terhadap alat aktualisasi yang digunakan.html. Data nonparametrik dependen k = 2 Data yang digunakan adalah data jenis kelamin dan status. Data parametrik independen k = 2 Data yang digunakan adalah data jumlah kyai dan ustadz di setiap kabupaten di Jawa Tengah. Data nonparametrik independen k > 2 Data yang digunakan data mengenai pengaruh golongan darah terhadap jenis materi yang disukai. Data parametrik independen k > 2 Data yang digunakan adalah jumlah jama’ah haji yang diberangkatkan dari beberapa kabupaten di Jawa Tengah pada tahun 2001. Data ini diambil dari BPS Jawa Tengah. Data ini diambil dari Biro Pusat Statistik Jawa Tengah. . Data didapat dari: www.php. Data diambil dari kuesioner dimana respondennya adalah mahasiswa Teknik Industri UNDIP. Data ini didapat dari sampling langsung pada tanggal. yaitu : 1.google/info_guru_guru2. Sampling yang digunakan adalah sampling seadanya.

8  Baris 2 yaitu Standard Error digunakan untuk memperkirakan besarnya rata-rata dari data pengamatan yang diperkirakan dari sebuah sampel. Median untuk kyai dan ustadz masing-masing adalah 268.611303503 2146 14 2160 19854 30 Keterangan Tabel :   Tabel statistik deskriptif ini terdiri dari 2 variabel.5 #N/A 408.5 dan 601.1 Analisa Statistik Parametrik Independen k = 2 5.33 -0.Sampling yang digunakan adalah sampling seadanya (convinience sampling) 5.1 Statistik Deskriptif untuk Data Parametrik Independen k=2 kyai Mean Standard Error Median Mode Standard Deviation Sample Variance Kurtosis Skewness Range Minimum Maximum Sum Count 283.5. Statistik Deskriptif Tabel 5.2.073799684 1.95016sedang ustadz standart error-nya 74.8 74.89775 0.6667 sedang untuk ustadz nilainya 661.2.6667 26.65758463 601. Untuk kyai standart error-nya 26.6483 5.2 Analisa Statistik Parametrik 5. Baris1 yaitu Mean adalah rata-rata dari seluruh data pengamatan.6121 21789.053532 561 13 574 8510 30 ustadz Mean Standard Error Median Mode Standard Deviation Sample Variance Kurtosis Skewness Range Minimum Maximum Sum Count 661.9164319 167212. .95016 268.  Baris 3 yaitu Median adalah nilai tengah diperoleh dengan membagi dua sama besar data yang telah diurutkan.1 Output Excel a. Untuk kyai1 nilainya 283.5 365 147.1.65758463.

b.611303503. kyai sebesar 8510 sedang ustadz sebesar 19854.89775dan untuk ustadz adalah 5.073799684.  Baris 9 yaitu Range atau jangkauan.  Baris 11 yaitu Maximum adalah nilai maksimum.6666667 661. Uji–ANOVA Tabel 5. Pada kyai sebesar 13 dan pada ustadz sebesar 14.2 Anova Single Factor untuk Data Parametrik Independen k=2 SUMMARY Groups Kyai Ustadz Count 30 30 Sum 8510 19854 Average 283. Standar deviasi untuk kyai sebesar 147.  Baris 13 yaitu Count merupakan jumlah pengamatan yang dilakukan yaitu baik kyai maupun ustadz sama-sama 30. Baris 4 yaitu Mode adalah nilai / data yang sering muncul untuk kyai adalah 365 dan untuk ustadz tidak ada modusnya karena frekuensi munculnya sama.33 167212.6 . 561  Baris 10 yaitu Minimum adalah nilai minimum.8 Variance 21789. Didapat dengan mengurangkan data maksimun dengan data minimum. untuk kyai besarnya 21789. Range untuk kyai adalah sedangkan range untuk usstadz adalah 2146.  Baris 12 yaitu Sum adalah jumlah seluruh data pengamatan dikalikan frekuensi untuk tiap variabel.6483.  Baris 8 yaitu Skewness. besarnya skewness dari kyai adalah 0. Pada kyai sebesar 574 dan pada ustadz sebesar 2160.  Baris 5 yaitu Standard Deviation atau standar deviasi digunakan untuk menilai dispersi rata-rata dari sampel. besarnya kurtosis untuk kyai adalah -0.33 sedang untuk ustadz sebesar 167212.053532dan untuk ustadz adalah 1.  Baris 7 yaitu Kurtosis.6121dan ustadz sebesar 408.9164319  Baris 6 yaitu Sample Variance adalah variansi dari sampel.

267 94500. variabel 1 nilainya 283.9908 F 22. kyai menunjukkkan bahwa data yang diambil yaitu jumlah kyai dan ustadz menunjukkan bahwa data diambil yaitu jumlah ustadz. baris kedua adalah within groups yang menunjukkan galat sebagai Sources of Variation serta baris ketiga adalah total dari baris pertama dan kedua. ini menunjukkan bahwa data yang digunakan terdiri dari 2 variabel.Keterangan Tabel : • Dari tabel output Anova Single Factor.33 dan untuk variabel 2 nilainya 167212.31E05 F crit 4.  Kolom 3 yaitu Sum menunjukkan jumlah seluruh data untuk tiap variabelnya dikalikan frekuensi.006873 Keterangan Tabel :  Pada tabel uji Anova terdapat 7 kolom dan 3 baris. pada kolom groups terdapat dua baris yaitu kyai dan ustadz.  Kolom 5 yaitu Variance menunjukkan variansi data.6. Nilai ini diperoleh dari Sum dibagi Count.3 Uji Anova untuk Data Parametrik Independen k=2 ANOVA Source of Variation Between Groups Within Groups Total SS 2144772 5481057 7625830 df 1 58 59 MS 2144772. variabel 1 jumlahnya 8510 sedang variabel 2 jumlahnya 19854.  Kolom ke 2 yaitu Count menunjukkan jumlah data pengamatan yaitu 30 untuk tiap variabelnya.6666667 dan variabel 2 nilainya 661. .69576 Pvalue 1.8. Tabel 5. untuk variabel 1 nilainya 21789. Baris pertama adalah between groups yang menunjukkan perlakuan sebagai Sources of Variation.  Kolom 4 yaitu Average atau rata-rata dari keseluruhan data tiap variabel.

05 5. 3.006873.  Kolom 4 adalah MS (Mean Square) atau rataan kuadrat. Pengujian : 1.   Kolom 7 adalah Fcritical atau Ftabel.2 = 0 2. H1 : 1 . Perhitungan : . Ho : 1 . didapat nilainya 22. dengan membandingkan Ftabel dan Fhitung.69576 atau dengan membagi MS regresi dengan MS sisa. Untuk baris pertama (regresi) nilai MS-nya 2144772.2 > 0.  Kolom 2 adalah SS (Sum of Square) atau jumlah kuadrat. untuk baris pertama nilainya k1=2-1=1 sedangkan baris kedua nilai nilainya 58 atau dapat dihitung dengan k(n-1)=2(30-1)=58 dan baris total merupakan jumlah dari baris 1 dan 2 yaitu 1+58=59. Daerah Kritis : Fhitung > Ftabel P <  = P < 0 .  Kolom 5 yaitu Fhitung.31x 10-5.9908 atau dengan cara membagi JKregresi dengan dfregresi untuk MS regresi.267 sedang baris kedua (sisa) 94500. untuk baris pertama atau regresi mempunyai nilai SS sebesar 2144772 dan untuk baris kedua atau sisa mempunyai SS sebesar 5481057 sedangkan totalnya 7625830. Kolom 6 yaitu Pvalue atau probabilitas dan didapat nilai 1. Kolom 1 adalah Source of Variation yaitu sumber variasi yang terdiri dari between groups yang menunjukkan perlakuan dan within groups yang menunjukkan galat serta jumlah dari keduanya. didapat nilai 4. sedang MS sisa adalah JKsisa dibagi dfsisa. Dapat pula digunakan untuk menentukan keputusan atas uji hipotesa yang dilakukan.05 4.  Kolom 3 yaitu df atau derajat kebebasan.  : 0. Dapat digunakan untuk menentukan keputusan atas uji hipotesa yaitu dengan membandingkan Pvalue dengan derajat keberartiannya.

diperoleh nilai 30 berarti besarnya jumlah sampel pengamatan yaitu 30. karena - Berdasarkan nilai F.  Baris 1 terdapat mean atau rata-rata dari data yang didapat.33 dan untuk variabel 2 sebesar 167212. t-Test Tabel 5.8 167212.33 30 0.540701 0 29 -5.006873 .05 7.05 = 1.88806 1.08E-06 1.17E-06 2. Fhitung > Ftabel = 22.6667 21789.006873 P = P-value = 1.3) Fhitung = F = 22.6667 dan variabel 2 mempunyai rata-rata 661.8  Baris 2 yaitu variance atau variansi ditunjukkan untuk variabel 1 sebesar 21789.69576>4. P < 0. Kesimpulan: selisih rataan kyai dan ustadz tidak sama c.(lihat tabel 5.699127 2.Berdasarkan nilai P (probabilitas).69576 Ftabel = F crit = 4.6483 30 Keterangan Tabel :  Dari tabel uji t terdapat 3 kolom. Ini berarti ada 2 variabel yaitu kyai (Variable 1) dan ustadz (Variable 2). Keputusan : Terima Ho . Variabel 1 mempunyai rata-rata 283.04523 ustadz 661. .31x 10-5 6.31x 10 -5< 0.6483  Baris 3 yaitu observation atau jumlah sampel pengamatan yang diambil.3 Uji Mean dengan Distribusi t (t-Test) Untuk Parametrik Independen k=2 Mean Variance Observations Pearson Correlation Hypothesized Mean Difference Df t Stat P(T<=t) one-tail t Critical one-tail P(T<=t) two-tail t Critical two-tail kyai 283.

untuk menentukan keputusan hipotesa maka nilai ttabel ini dibandingkan dengan nilai thitung bila ternyata t berada di daerah kritis ( thitung > ttabel ) maka keputusan yang diambil adalah tolak H0 begitu pula sebaliknya. untuk satu sisi menggunakan taraf keberartian 0.88806.05 .08E-06 menunjukkan peluang atau probabilitasnya yang bisa juga digunakan untuk uji hipotesa dengan membandingkan antara nilai probabilitasnya dengan taraf keberartian.540701 berarti hubungan antara kedua variabel tidak begitu dekat karena nilai dari Pearson Correlation-nya tidak mendekati 1. Baris 4 terdapat Pearson Correlation atau biasa disebut dengan korelasi atau hubungan antar variabel.  Baris 5 menampilkan Hypothesized Mean Difference yaitu perbedaan nilai rata-rata dari data yang dihipotesiskan. untuk menentukan keputusan hipotesa .  Baris 7 menunjukkan t Stat atau nilai t berdasarkan perhitungan nilainya 5. bisa digunakan untuk uji hipotesa.  Baris 10 adalah P(T<=t) two-tail nilainya 2.  Baris 6 terdapat df atau derajat kebebasan yang besarnya adalah 29 yang didapat dari jumlah data pengamatan dikurang dengan n-1= 30-1=29.  Baris 11 adalah t Critical two-tail atau nilai t yang didapat dari tabel t untuk dua sisi besarnya 2.17E-06 menunjukkan peluang atau probabilitasnya yang bisa juga digunakan untuk uji hipotesa dengan membandingkan antara nilai probabilitasnya dengan taraf keberartian. Ini berarti bahwa tidak terdapat perbedaan rataan dari kedua variabel tersebut atau dengan kata lain identik. untuk dua sisi menggunakan taraf keberartian 0.05.  Baris 9 yaitu t Critical one-tail atau nilai t yang didapat dari tabel t untuk satu sisi besarnya 1.04523. dimana dari tabel di atas diketahui nilainya 0. Apabila nilai P ini kurang dari nilai taraf keberartian maka keputusannya tolak H0 begitu pula sebaliknya . dari tabel diperoleh nilainya 0.  Baris 8 yaitu P(T<=t) one-tail nilainya 1.699127. Apabila nilai P ini kurang dari nilai taraf keberartian maka keputusannya tolak H0 begitu pula sebaliknya .

Keputusan : Terima Ho.699127 P = P(T<=t) one-tail = 1.05 4. 2 > 0 3.08x 10 -6 6. karena Berdasarkan nilai t. Ho : 1 . P <   = 1. Daerah Kritis : thitung > ttabel P <  = P < 0. Kesimpulan: Berdasarkan keputusan di atas maka rataan ustadz dan kyai tidak sama Pengujian dwi sisi: 1.88806<1.5) thitung ttabel = t Stat = -5.88806 .05 5.  : 0. H1 : 1 .05 4. thitung < ttabel = -5.maka nilai ttabel ini dibandingkan dengan nilai thitung. Pengujian eka sisi: 1. Perhitungan : (lihat tabel 5.88806 = t Critical one-tail = 1. karena Berdasarkan nilai P (probabilitas). Ho : 1 . Bila ternyata t berada di daerah kritis ( thitung < -ttabel atau thitung > ttabel ) maka keputusan yang diambil adalah tolak H0 begitu pula sebaliknya.2 = 0 2.  : 0.699127 Tolak Ho.05 5.5) thitung = t Stat = -5.08x 10 -6< 0. Daerah Kritis : thitung > ttabel P <  = P < 0. 2 > 0 3.05 7. H1 : 1 .2 = 0 2. Perhitungan : (lihat tabel 5.

.  Baris 3 menunjukkan Observations atau jumlah pengamatan sebesar 30 karena jumlah data yang diambil sebanyak 30.4 Uji Variansi (F-Test) untu k Data Parametrik Independen k=2 Mean Variance Observations df F P(F<=f) onetail F Critical onetail kyai 283.33 dan variabel 2 sebesar 167212.04523 P = P(T<=t) two-tail = 2.33 30 29 0. karena Berdasarkan nilai t.17x10 -6 6.17x10-6< 0.88806< 2.05 7.5374 ustadz 661. P <   = 2.6667 21789.6 30 29 Keterangan Tabel :  Dari tabel Uji-F terdiri dari 3 kolom.  Baris 1 terdapat Mean yaitu rata-rata dari data yang diambil untuk kedua variabel. F-Test (ekasisi) Tabel 5. variabel 1 mempunyai rata-rata 283.  Baris 2 terdapat Variance atau variansi. karena Berdasarkan nilai P (probabilitas).130309 2.6.6667 sedangkan untuk variabel 2 mempunyai rata-rata 661.ttabel = t Critical two-tail = 2.8 167212.8. kolom 3 berisi data variabel 2 (jumlah kyai). kolom 1 berisi keterangan. variansi untuk variabel 1 sebesar 21789. Keputusan : Terima Ho.04523 Tolak Ho. Kesimpulan: Berdasarkan keputusan di atas rataan kyai dan ustadz tidak sama d.11E-07 0. kolom 2 berisi data variabel 1 (jumlah ustadz). thitung < ttabel = -5.

Dapat digunakan untuk uji hipotesa dengan membandingkan antara nilai probabilitasnya dengan taraf keberartian.05 4.  : 0.05 .130309 bisa digunakan untuk uji hipotesa.11x10-7 < 0. Ho : 1 . Apabila nilai P ini kurang dari nilai taraf keberartian maka keputusannya tolak H0 begitu pula sebaliknya . Pengujian: 1. Untuk menentukan keputusan hipotesa maka nilai Ftabel ini dibandingkan dengan nilai Fhitung bila ternyata F berada di daerah kritis (Fhitung > Ftabel) maka keputusan yang diambil adalah tolak H0 begitu pula sebaliknya. Perhitungan : (lihat tabel 5.5374 Berdasarkan nilai P (probabilitas).5374 P = P(F<=f) one-tail = 2. P <   = 2.5) thitung ttabel = F =0.5374. Daerah Kritis : fhitung > ftabel P <  = P < 0. Baris 6 ada P(F<=f) one-tail atau probabilitas untuk distribusi F satu sisi yang nilainya 2. thitung < ttabel =0.11x10-7. karena Berdasarkan nilai t.130309 = f Critical one-tail = 0. H1 : 1 . Kesimpulan: Berdasarkan keputusan di atas selisih variansi antara kyai dan ustadz tidak sama . Keputusan : Tolak Ho.  Baris 7 terdapat F Critical one-tail atau nilai Ftabel satu sisi yaitu 0. 2 > 0 3.   Baris 5 terdapat Fhitung sebesar 0.05 7.130309 < 0. menggunakan taraf keberartian 0.11x10-7 6.2 = 0 2.05 5. Baris 4 terdapat df atau derajat kebebasan yang menunjukkan angka 29 dimana angka ini didapat dari pengurangan jumlah sampel pengamatan dengan n-1= 30-1=29.

074 .2500 427.00 574. The smallest value is shown Valid Missing 30 0 283.00 199.6000 486.00 72.00 19854. Error of Kurtosis Range Minimum Maximum Sum Percentiles 10 20 25 30 40 50 60 70 75 80 90 a Multiple modes exist. Deviation Variance Skewness Std.00 14.4000 268.648 1.6000 1087.427 5.5.8000 969. Error of Skewness Kurtosis Std.5000 342.6667 26.0000 537.7500 432.00 13.6000 Keterangan Tabel :  N merupakan jumlah data yang valid/sah untuk diproses.8000.427 -.4000 601.0000 365.7500 192.00 8510.2 Output SPSS Tabel 5.00(a) 408.1.65758 601.1000 216.91643 167212.6667 dan rata-rata jumlah ustadz .  Mean atau rata-rata Jumlah kyai adalah adalah 661.611 .7000 158.5000 709. jumlah ustadz dan kyai. jumlahnya sebanyak 30 data dan data yang hilang adalah nol untuk masing masing. Hal ini berarti semua data digunakan sepenuhnya (data siap diproses).2000 383.0000 1000.0000 418.5000 14.95016 268.833 561.898 .054 .61210 21789.00 2160.0000 752. 283.2000 170.333 .4000 409.2. Error of Mean Median Mode Std.833 2146.5 Output SPSS untuk Data Parametrik Independen k = 2 Statistics kyai N Mean Std.8000 ustadz 30 0 661.00 147.5000 365.8000 74.

Angka median untuk jumlah kyai adalah 268. Error standard of mean menunjukkan seberapa besar mean data bervariasi dari sampel ke sampel yang diambil dari distribusi yang sama. Untuk menghitung Error standard of mean dengan cara membagi standard deviation (standar deviasi) dengan akar n.074 untuk data jumlah ustadz. .5000 ke median untuk adalah 601. Dengan standard eror of mean kita dapat memperkirakan besarnya populasi yang dapat dilihat dari sampel yang digunakan. Huruf a pada nilai modus output SPSS menunjukkan tidak terdapat modus (frekuensi data seragam yaitu 1).5000 ke atas. 26.  Ukuran kurtosis (keruncingan) berdasarkan perhitungan menggunakan SPSS adalah -0.65758.5000 ke bawah.054 untuk data jumlah kyai dan 1. dan 50 % adalah jumlah ustadz 601.61210 dan 408. Untuk data jumlah kyai nilainya 21789.333 dan untuk data jumlah ustadz adalah 167212. Sedangkan 268. Tingkat kepercayaan 95% berarti tingkat kesalahan yang terjadi adalah sebesar 95%.648. maka yang ditampilkan adalah nilai terkecil dari data tersebut.    Standard deviation (standar deviasi) untuk data jumlah kyai adalah 147.5000 menunjukkan bahwa 50 % jumlah kyai adalah.  ke atas.898 untuk data jumlah kyai dan 5.00(a) (angka yang muncul pada SPSS). Error standard of mean mempunyai tingkat kepercayaan 95% dengan k = 2 (angka 2 digunakan karena tingkat kepercayaan 95%). Ukuran skewness (kemencengan) berdasarkan perhitungan menggunakan SPSS adalah 0 . Variance (variansi) merupakan kelipatan standar deviasi. bawah.00 dan untuk data jumlah ustadz adalah 14.5000 menunjukkan bahwa 50 % jumlah ustadz adalah adalah 601.611 untuk data jumlah ustadz. Error standard of mean untuk jumlah kyai adalah dan Error standard of mean untuk jumlsh ustadz adalah 74.5000 268.91643 untuk data jumlah ustadz. dan 50 % Mode (Modus) atau nilai yang sering muncul untuk data jumlah kyai adalah 365.95016  Median atau titik tengah data jika semua data diurutkan dan dibagi dua sama besar.

Persentil atau angka persentil : o Rata-rata jumlah 10% jumlah kyai di tiap kabupaten berada dibawah 72.5000. dan rata-rata jumlah 50% jumlah ustadz di tiap kabupaten berada dibawah 601. Sum merupakan jumlah semua nilai dari data yaitu 8510.2000. o Rata-rata jumlah 60% jumlah kyai di tiap kabupaten berada di bawah 342. dan rata-rata jumlah 30% jumlah ustadz di tiap kabupaten berada dibawah 432. o Rata-rata jumlah 20% jumlah kyai di tiap kabupaten berada di bawah 158.00 untuk Minimum adalah nilai minimum dari data.4000.4000. dan rata-rata jumlah 20% jumlah ustadz di tiap kabupaten berada dibawah 383. o Rata-rata jumlah 25% jumlah kyai di tiap kabupaten berada di bawah 170.1000. 561.7500.0000.0000. dan rata-rata jumlah 10% jumlah ustadz di tiap kabupaten berada dibawah 199. dan rata-rata jumlah 40% jumlah ustadz di tiap kabupaten berada dibawah 537.00 untuk data jumlah ustadz.5000.00 untuk data jumlah ustadz.0000.7000. Untuk data jumlah kyai nilainya 574 dan untuk data jumlah ustadz nilainya 2160.400. Untuk data besar jumlah kyai nilainya 13 dan untuk data jumlah ustadz nilainya 14 Maximum adalah nilai maksimum dari data. dan rata-rata jumlah 60% jumlah ustadz di tiap kabupaten berada dibawah 709.     Range adalah data maksimum dikurangi data minimum. . o Rata-rata jumlah 40% jumlah kyai di tiap kabupaten berada di bawah 216.00 untuk data jumlah kyai dan 19854. o Rata-rata jumlah 50% jumlah kyai di tiap kabupaten berada di bawah 268. dan rata-rata jumlah 25% jumlah ustadz di tiap kabupaten berada dibawah 409.2000. yaitu data jumlah kyai dan 2146.7500 o Rata-rata jumlah 30% jumlah kyai di tiap kabupaten berada di bawah 192.

dan rata-rata jumlah 80% jumlah ustadz di tiap kabupaten berada dibawah 1087. median 268. Dev. o Rata-rata jumlah 80% jumlah kyai di tiap kabupaten berada di bawah 427.8000. dan rata-rata jumlah 80% jumlah ustadz di tiap kabupaten berada dibawah 1000. o Rata-rata jumlah 75% jumlah kyai di tiap kabupaten berada di bawah 418.6000. dan standar Maka grafik Variansi dari grafik ini adalah sebesar tersebut normal.6667 Std.5000.333.00 300.6667.00 600. dan rata-rata jumlah 70% jumlah ustadz di tiap kabupaten berada dibawah 752.00 200.00 Mean = 283.6000.6000.0000.1 Analisa Histogram jumlah kyai Pada variabel jumlah kyai dengan jumlah data 8510 dan jumlah pengamatan 30 maka didapat rata-rata deviasi 147.61210. Analisa Histogram jumlah kyai kyai 10 8 Frequency 6 4 2 0 0.2500. 283.6121 N = 30 kyai Gambar 5. = 147. dan rata-rata jumlah 75% jumlah ustadz di tiap kabupaten berada dibawah 969.o Rata-rata jumlah 70% jumlah kyai di tiap kabupaten berada di bawah 365. a. Grafik tersebut cenderung meruncing hal ini disebabkan variansinya kecil karena data randomnya mengumpul. o Rata-rata jumlah 90% jumlah kyai di tiap kabupaten berada di bawah 486.0000. 21789. .00 500.8000.00 400.00 100.

500 473 StDev 0. Dev.504 360 SE Mean 0.000 DF = . walaupun grafik sedikit merata penyebaran datanya tetapi masih termasuk normal. -378. C2 Two-sample T for C1 vs C2 N 60 60 Mean 1.00 500.00 2000. Analisa Histogram jumlah ustadz ustadz 10 8 Frequency 6 4 2 0 0.00 Mean = 661.00 1500.2 95% CI for difference: (-564. = 408.648.91643 N = 30 2500.8000 dan mediannya sebesar 601.3 Output Minitab Two-Sample T-Test and CI: C1.00 ustadz Gambar 5.065 46 C1 C2 Difference = mu C1 . 5.91643.2.80 Std.1.4) T-Test of difference = 0 (vs not =): T-Value = -10.2 Analisa Histogram jumlah ustadz Pada variabel jumlah penduduk perempuan dengan jumlah data 19854 dan jumlah pengamatan 30 maka didapat mean sebesar 661.5000 serta standar deviasi 408.b. Variansi dari grafik ini adalah sebesar 167212. maka grafik tersebut normal .15 59 P-Value = 0.mu C2 Estimate for difference: -471.1.00 1000.

Nilai percentil ke -75 Hipotesis 1. persentil 75 dan median dari himpunan data.3 Boxplot kyai dan ustadz Output diatas merupakan tampilan data distribusi normal dalam bentuk box plot. Ho : kyai= ustadz 2. H1 : kyai ≠ ustadz . Nilai percentil ke -25 2.2 3 1 Gambar 5. dan tidak terdapat ada nilai ekstrim. karena masih berada pada batas toleransi. Dari bentuk boxplot diatas dapat dikatakan bahwa distribusi sampelnya normal. Dapat dilihat bahwa seluruh nilai terdistribusi baik. Keterangan : 1. Output bloxplot diatas menunjukkan keragaman yang lebih besar untuk laju pertumbuhan pada tahun 2005. Median 3. Diagram boxplot diatas menunjukkan persentil 25. Median data ditunjukkan dengan titik merah.

3. Daerah Kritis: 4. Keputusan

t > t / 2

Terima Ho, karena Berdasarkan t > t / 2 =0
> -10,15

5. Kesimpulan: rata-rata jumlah ustadz dan kyai tidak sama

Perhitungan Manual Data Parametrik Independen k = 2 Statistik Deskriprif  Mean (Nilai Rata-Rata)
n

 fx
Mean ( x ) jumlah kyai = =
i 1

n
8510 30

= 283.6667

n

 fx
Mean ( x ) jumlah ustadz =
i 1

n =
19854 30

= 661.8 Analisa : Dari perhitungan manual ini, hasil yang diperoleh sama dengan hasil dari Excel maupun SPSS yaitu mean untuk jumlah kyai sedangkan untuk jumlah ustadz adalah 661.8.  Error standard of mean Untuk menghitung error standard of mean dengan cara membagi standard deviation (standar deviasi) dengan akar n. Error standard of mean untuk adalah 283.6667

jumlah kyai adalah

 147.6121 = = 26.95016 dan Error standard of mean n 30  408.91643 = = 74.65758. n 30

untuk besar gaji tahu 1993 adalah Analisa :

Dari perhitungan manual ini, hasil yang diperoleh sama dengan hasil dari Excel maupun SPSS yaitu error standard of mean untuk jumlah kyai adalah 26.95016 sedangkan untuk jumlah ustadz adalah 74.65758.  Median (Nilai Tengah) Median terletak pada tengah suatu data. Karena jumlah data adalah 30, maka median dapat dicari dengan membagi dua jumlah nilai ke-15 dan 16 dari data yang sudah diurutkan. ~  kyai =

x

( n 1) / 2

=

252  285 2

= 268.5

~ 

ustadz

=

x

( n 1) / 2

=

588  615 2

= 601.5 Analisa : Dari perhitungan manual ini, hasil yang diperoleh sama dengan hasil dari Excel maupun SPSS yaitu median untuk jumlah kyai adalah 268.5 sedangkan untuk jumlah ustadz adalah 601.5.  Mode/Modus (Nilai yang sering muncul) Modus nilai yang sering muncul dari ke-30 data yang ada.untuk nilai yang sering muncul dalam data jumlah kyai adalah 14a. Analisa :
365

dan jumlah ustadz adalah

Dari perhitungan manual ini, hasil yang diperoleh sama dengan hasil dari Excel maupun SPSS yaitu mode/modus untuk jumlah kyai adalah 365 dan jumlah ustadz adalah 14a.  Standard Deviation/Standar Deviasi (Simpangan baku) Standar deviasi jumlah kyai
n

 

i 1

x  x
i n 1

2

=

147.61210

Standar deviasi jumlah ustadz
n



i 1

x  x
i n 1

2

=

408.91643

Analisa : Dari perhitungan manual ini, hasil yang diperoleh sama dengan hasil dari Excel maupun SPSS yaitu Standard Deviation/Standar Deviasi untuk jumlah kyai adalah
408.91643. 147.61210

sedangkan untuk jumlah ustadz adalah

Variance/Varians (Simpangan rata-rata kuadrat) Varians jumlah kyai
n

2 

i 1

x  x
i n 1
21789.333

2

=

Varians jumlah ustadz
n

2 

i 1

x  x
i n 1

2

hasil yang diperoleh sama dengan hasil dari Excel maupun SPSS yaitu Variance/Varians untuk jumlah kyai adalah 21789.898 sedangkan untuk jumlah ustadz adalah 5.6426214)  3.648.6426214)    ( 29)(28)( 27)  ( 28)(27) = (0.49646393)  3.333 sedangkan untuk jumlah ustadz adalah 167212.047.04242)(57.  Kurtosis (tingkat kepuncakan dari sebuah distribusi) Kurtosis jumlah kyai   n(n  1)   4   (n 1)(n  2)(n  3)  f      xi  x    3(n 1)     (n  2)(n  3)  2 4  30(31)  3( 29) 2 = (57.04242)(197.49646393)    ( 29)(28)( 27)  ( 28)(27) = (0.  Skewness (Tingkat kemencengan suatu data yang telah dihitung) Skewness jumlah kyai .648 Analisa : Dari perhitungan manual ini.898 Kurtosis jumlah ustadz   n(n  1)   4   (n 1)(n  2)(n  3)  f      xi  x    3(n 1)     (n  2)(n  3)  2 4  30(31)  3( 29) 2 =  (197.337 = 5.= 167212.337 = -0. hasil yang diperoleh sama dengan hasil dari Excel maupun SPSS yaitu koefisien kurtosis untuk besar jumlah kyai adalah 0.074 Analisa : Dari perhitungan manual ini.

054 Skewness jumlah ustadz  n s K  (n  1)(n  2)  f  = xi x      3 30 (43.  Range (Jangkauan data) Range jumlah kyai = maksimum .054 sedangkan untuk jumlah ustadz adalah 1.  Maximum/Maksimum (Nilai tertinggi dari suatu data) Nilai maksimum jumlah kyai = 574 Nilai maksimum jumlah ustadz = 2160 Hasil ini sama dengan nilai maksimum data yang didapat dari output Excel maupun SPSS.minimum = 274 .  Minimum/Minimum (Nilai terendah dari suatu data) Nilai minimum jumlah kyai Nilai minimum jumlah ustadz = 13 = 14 Hasil ini sama dengan nilai minimum data yang didapat dari output Excel maupun SPSS.6044) (29)(28) = 1.13 = 561 .4616) (29)(28) xi x      3 = 0 . n s K  (n  1)(n  2)  f  = 30 (1. hasil yang diperoleh sama dengan hasil dari Excel maupun SPSS yaitu koefisien skewness untuk jumlah kyai adalah 0.611.611 Analisa : Dari perhitungan manual ini.

 Count (Jumlah pengamatan) Jumlah pengamatan kyai Jumlah pengamatan ustadz = 30 = 30 Hasil ini sama dengan count/jumlah pengamatan yang didapat dari output Excel maupun SPSS.Range jumlah ustadz = maksimum .minimum = 2160 .  Sum (Jumlah data) Jumlah kyai Jumlah ustadz = 8510 = 19854 Hasil ini sama dengan sum/jumlah data yang didapat dari output Excel maupun SPSS.2x7  x6  = 156 + 0.1 = x 3  0.7 P 20  nilai ke 6.2(167-156) = 158.  Percentile (fraktil yang membagi seperangkat data yang telah terurut menjadi seratus bagian yang sama) Pk = nilai ke k n  1 100 dengan nilai n = 30 dari rumus diatas maka didapat Percentile jumlah kyai P 10  nilai ke 3.1x 4  x3  = 70 + 0.1(97-70) = 72.2 .2 = x 6  0.14 = 2146 Hasil ini sama dengan range/jangkauan data yang didapat dari output Excel maupun SPSS.

25 = x 23  0.6x19  x 18 = 330 + 0.6 = x 18  0.5x16  x15  = 252 + 0.4 = x 12  0.75(422-417) = 420.25x8  x7  = 167 + 0.7 x 22  x21 = 365 + 0.75x24  x  23 = 417 + 0.P 25  nilai ke 7.7 = x 21  0.5 P 60  nilai ke 18.25 P 30  nilai ke 9.8 .25(172-167) = 168.4 P 50  nilai ke 15.75 P 80  nilai ke 24.3 = x 9  0.1 P 40  nilai ke 12.5(285-252) = 268.6(350-330) = 342 P 70  nilai ke 21.75 = x 7  0.4(226-210) = 216.3x10  x9  = 187 + 0.5 = x 15  0.4x13  x 12 = 210+ 0.3(204-187) = 192.7(365-365) = 365 P 75  nilai ke 23.

4(553-527) = 537.1x 4  x3  = 196 + 0.9 = x 27  0.8 Percentile jumlah ustadz P10  nilai ke 3.2 P 20  nilai ke 6.4 = x 12  0.5x16  x15  .2x7  x6  = 380 + 0.3 = x 9  0.2 = x 6  0.9x 28  x27  = 485 + 0.2(397-380) = 383.25 P 30  nilai ke 9.1(228-196) = 199.25(414-397) = 401.3 P 25  nilai ke 7.4x13  x 12 = 527+ 0.= x 24  0.3(446-426) = 432 P 40  nilai ke 12.9(487-485) = 486.8(429-422) = 427.3x10  x9  = 426 + 0.25x8  x7  = 397 + 0.75 = x 7  0.4 P 50  nilai ke 15.6 P 90  nilai ke 27.8x 25  x24  = 422 + 0.5 = x 15  0.1 = x 3  0.

6 Hasil ini sama dengan count/jumlah pengamatan yang didapat dari output Excel maupun SPSS.05 .7(763-729) = 752. H1 = Paling sedikit 2 rataan tidak sama 3.75x24  x  23 = 963 + 0.9(1094-1030) = 1087.9 = x 27  0.5 P 60  nilai ke 18.2.8 = x 24  0.6(715-700) = 709 P 70  nilai ke 21.7 x 22  x21 = 729 + 0. H0 = 1  2 2.6 = x 18  0.75(987-963) = 981 P80  nilai ke 24.= 588 + 0.6 P 90  nilai ke 27.   0. 5.9x 28  x27  = 1030 + 0.8(1004-987) = 1000.5(615-588) = 601.6x19  x 18 = 700 + 0.8x 25  x24  = 987 + 0.25 = x 23  0.4 Perhitungan anova Manual Perhitungan anova Manual 1.8 P 75  nilai ke 23.7 = x 21  0.1.

6 Perhitungan Anova Manual No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 5. Daerah Kritis : f hitung > f tabel V1= k-1 = 2-1 = 1 V2= k (n-1) = 2 (30-1) = 58 Karena f tabel dengan derajat kebebasan 1.00  x 60  58  4.160 jumlah 1405 606 666 558 547 1180 1076 935 928 293 673 242 356 1079 911 683 1459 1352 1084 2524 jumlah 2 1974025 367236 443556 311364 299209 1392400 1157776 874225 861184 85849 452929 58564 126736 1164241 829921 466489 2128681 1827904 1175056 6370576 .00  4.4.008 Tabel 5. Perhitungan Y1 442 209 252 330 167 417 422 235 210 97 58 70 114 350 485 156 429 365 496 364 Y2 963 397 414 228 380 763 654 700 718 196 615 172 242 729 426 527 1.58 tidak terdapat da tabel L6 maka dilakukan interpolasi : 4.030 987 588 2.08 60  40 X = 4.

004 553 465 446 1.21 22 23 24 25 26 27 28 29 30 Total 574 285 365 329 204 226 187 172 487 13 8510 1.094 14 19854 1670 1000 936 1336 1208 779 652 618 1581 27 28364 2788900 1000000 876096 1784896 1459264 606841 425104 381924 2499561 729 34191236 No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 Y1 kuadrat 195364 43681 63504 108900 27889 173889 178084 55225 44100 9409 3364 4900 12996 122500 235225 24336 184041 133225 246016 132496 329476 81225 Y2 kuadrat 927369 157609 171396 51984 144400 582169 427716 490000 515524 38416 378225 29584 58564 531441 181476 277729 1060900 974169 345744 4665600 1201216 511225 jumlah 1122733 201290 234900 160884 172289 756058 605800 545225 559624 47825 381589 34484 71560 653941 416701 302065 1244941 1107394 591760 4798096 1530692 592450 .007 1.096 715 571 1.

.94E  08 (28364)2  30 60 = 2144772 JKG = JKT – JKA = 7625830-2144772 = 5481057 .. nk = 21034438  = 7625830 k (28364)2 60 T JKA  i 1 2 i .  n = T 2 . nk 72420100  3.23 24 25 26 27 28 29 30 total 133225 108241 41616 51076 34969 29584 237169 169 3045894 326041 1014049 1008016 305809 216225 198916 1196836 196 17988544 459266 1122290 1049632 356885 251194 228500 1434005 365 21034438 Faktor korelasi = = T2 nk (28364)2 30  2 = 13408608 k n JKT   yij  i 1 j 1 2 T 2 .

k(30-1)]>4.7 Perhitungan Manual Uji Anova Data Parametrik dengan k=2 Independen Sumber Variasi Jml.69576 1.31x 10 2 -5 4. Kuadrat Derajat kebebasan Rataan Kuadrat F Hitungan Nilai P F Kritis Perlakuan JKA=2144772 k-1=1 JKA 2 S1  k 1 = 2144772 S1 2 S2 = 22.99 P = P[F[k-1.008] = 1.31x10-5 Tabel 5.S12   JKA k 1 2144772 2 1 = 2144772 2 S2  JKG k (n  1)  5481057 2(30  1) = 94500.99 Fhitung = s12 2144772   22.k(n-1)]>f] =P[22.69576 2 s2 94500.99 .69576[2-1.008 JKG=5481057 Galat k(n-1) = 58 S2  JKA k (n  1) =94500.

333 . yaitu didapatkan angka 5481057. Error of Skewness Kurtosis Std.6121 21789.00 13.33 0.95016 268. Error of Kurtosis Range Minimum Maximum 283. yaitu didapatkan angka 7625830. Dimana derajat kebebasannya adalah 59   JKA adalah jumlah kuadarat perlakuan.69576 > 4.008.427 -0.054 . Deviation Variance Skewness Std. 7. JKG adalah jumlah kuadrat galat.7:  JKT adalah jumlah kuadrat total.8 Perbandingan excel dengan perhitungan manual kyai Jumlak kyai excel Mean Std. Kesimpulan : Bahwa selisih rata-rata jumlah kyai pada tahun 2004 dan jumlah ustadz pada tahun 2004 tidak sama sama secara signifikan  Perbandingan excel dengan perhitungan manual Tabel 5.69576 6.  Didapatkan nilai F hitungan adalah 22.833 561 13 574 .Total JKT=7625830 n(k-1) = 59 Keterangan tabel 5.5000 365. Dengan derajat kebebasan 58. Keputusan : Tolak Ho karena Fhitung > FCrit yaitu 22.5 365 147.6667 26.898 .427 -.00 574.00 Perhitungan manual 283. yaitu didapatkan angka 2144772.898 .61210 21789.833 561.95016 268.6667 26. Error of Mean Median Mode Std.00 147.054 .

6 486.91643 167212.7000 158.5000 709.7500 432.8 74.2 383.10 Statistika Deskriptif Parametrik k>2 Tahun_I Tahun_II Tahun_III .1000 216.65758 601.0000 537.7500 192.2. Statistik Deskriptif Tabel 5.2.611 .4 268.4 601.0000 1000.4000 409.00 199. Error of Kurtosis Range Minimum Maximum Sum Percentiles 661.9 Perbandingan excel dengan perhitungan manual ustadz Jumlah ustadz excel Mean Std.25 427.0000 752.8000 8510 72.7 158.611 . Error of Skewness Kurtosis Std.91643 167212.5 14 408.074 .00 72.Sum Percentiles 10 20 25 30 40 50 60 70 75 80 90 8510.648 1.427 5.8 Tabel 5.1 218.4000 268.00 14.00 2160.6 5.5 709 752.4000 601.8 969 1000.6 1087.5000 14.1 Output Excel a.2 Analisa Statistik Parametrik Independen k > 2 5.648 1.833 2146.4 409.8000 74.2 170.75 432 537.2500 427.6000 486. Deviation Variance Skewness Std.6000 1087.5 342 365 418.0000 365. Error of Mean Median Mode Std.0000 418.8000 969.074 .427 5.2000 383.2000 170.00 19854.75 192.00(a) 408.5000 342.833 2148 14 2160 10 20 25 30 40 50 60 70 75 80 90 19854 199.2.65758 601.6000 Perhitungan manual 661.

126618 2451 64 2515 17733 30 Mean Standard Error Median Mode Standard Deviation Sample Variance Kurtosis Skewness Range Minimum Maximum Sum Count 586.5 305 529.0333333 dan colomn 3 nilainya 511.6667 54.217 88337.5 dan column 2 adalah 484.Column 2 nilainya 586.  Baris1 yaitu Mean adalah rata-rata dari seluruh data pengamatan.95 3. Pada kolom 1 modenya adalah 305 .1 96.794255 1.72060158 1. Standar deviasi untuk kolom 1 sebesar 529.221323 2.  Baris 3 yaitu Median adalah nilai tengah diperoleh dengan membagi dua sama besar data yang telah diurutkan. Median untuk Column 1 adalah 396. Untuk Column 1 standart errornya 96.26415 460.1 5.07. 297.  Baris 4 yaitu Mode adalah nilai / data yang sering muncul.07 279915.217.5 314 297.0333333 70.1 .6667.Mean Standard Error Median Mode Standard Deviation Sample Variance Kurtosis Skewness Range Minimum Maximum Sum Count 591.5 dan untuk column 3 yaitu 460.59452 396. tahun 2002(tahun II) dan tahun 2003(tahun III). untuk column 1 nilainya 591.5 #N/A 386. column 2 standart errornya 70.62350368 484.59452.5.492342 1441 109 1550 15350 30 Keterangan Tabel :  Tabel Statistik Deskriptif ini terdiri dari 3 kolom karena terdiri dari 3 variabel yaitu jumlah jamaah haji tahun 2001(tahun I).8208606 dan kolom 3 sebesar .759399121 1888 99 1987 17581 30 Mean Standard Error Median Mode Standard Deviation Sample Variance Kurtosis Skewness Range Minimum Maximum Sum Count 511.  Baris 2 yaitu Standard Error digunakan untuk memperkirakan besarnya rata-rata dari data pengamatan yang diperkirakan dari sebuah sampel.26415.8208606 149630.  Baris 5 yaitu Standard Deviation atau standar deviasi digunakan untuk menilai dispersi rata-rata dari sampel.62350368 dan column 3 nilainya 54.Pada kolom 3 adalah 314. kolom 2 sebesar 386.3782 4.

Baris 6 yaitu Sample Variance adalah variansi dari sampel, untuk Column 1 besarnya 279915.1 untuk kolom 2 sebesar 149630.3782 dan untuk kolom 3 yaitu 88337.95.

Baris 7 yaitu Kurtosis adalah derajat kepuncakan dari suatu distribusi, biasanya diambil secara relatif terhadap suatu distribusi normal, besarnya kurtosis untuk Column 1 adalah 5.221323 untuk kolom 2 adalah

4.72060158 sedangkan untuk kolom 3 yaitu 3.794255.  Baris 8 yaitu Skewness adalah derajat ketaksimetrisan, atau kejauhan dari simetri dari suatu distribusi, besarnya skewness dari kolom 1 adalah 2.126618 untuk column 2 adalah 1.759399121 sedangkan untuk kolom 3 yaitu 1.492342.  Baris 9 yaitu Range atau jangkauan didapat dengan mengurangkan data maksimun dengan data minimum. Range untuk Column 1 adalah 2451; untuk Column 2 adalah 1888 dan untuk column 3 yaitu 1441.  Baris 10 yaitu Minimum adalah nilai minimum. Pada column 1 sebesar 64 dan pada column 2 sebesar 99 sedangkan untuk column 3 yaitu 109.  Baris 11 yaitu Maximum adalah nilai maksimum pada Column 1 sebesar
2515 dan pada column 2 sebesar 1987 sedangkan nilai maksimum pada

column ke3 yaitu sebesar 1550.  Baris 12 yaitu Sum adalah jumlah seluruh data pengamatan dikalikan frekuensi untuk tiap variabel. Pada column 1 sebesar 17733 sedang Column 2 sebesar 17581 sedangkan nilai Sum pada column 3 yaitu sebesar 15350.  Baris 13 yaitu Count merupakan jumlah pengamatan yang dilakukan yaitu baik Column 1, 2 dan 3 sama-sama berjumlah 30 pengamatan. b. Uji Anova  Analisa Tabel
Tabel 5.11 Output Anova (a)

SUMMARY Groups tahun_I tahun_II

Count 30 30

Sum 17733 17581

Average 591.1 586.0333

Variance 279915.1 149630.4

tahun_III

30

15350

511.6667

88337.95

Keterangan tabel :  Dari tabel Anova Single Factor pada kolom groups terdapat tiga baris yaitu column 1, column 2, dan column 3, hal ini menunjukkan bahwa data yang digunakan terdiri dari 3 variabel. Column 1 menunjukkkan bahwa data yang diambil berasal dari kolom 1 yaitu jumlah jamaah haji menurut kabupaten / kota di Jawa Tengah untuk tahun 2001, column 2 menunjukkkan bahwa data diambil dari kolom 2 yaitu jumlah jamaah haji menurut kabupaten / kota di Jawa Tengah ntuk tahun 2002 dan column ketiga menunjukkan bahwa data diambil dari kolom 3 yaitu jumlah jamaah haji menurut kabupaten / kota di Jawa Tengah untuk tahun 2003.  Kolom ke 2 yaitu Count menunjukkan jumlah data pengamatan yaitu 30 untuk tiap variabelnya.  Kolom 3 yaitu Sum menunjukkan jumlah seluruh data untuk tiap variabelnya dikalikan frekuensi, variabel 1 jumlahnya 17733 sedang variabel 2 jumlahnya 17581 dan variabel 3 jumlahnya 15350.  Kolom 4 yaitu Average atau rata-rata dari keseluruhan data tiap variabel. Nilai ini diperoleh dari Sum dibagi Count, variabel 1 nilainya 591.1 , variabel 2 nilainya 586.0333 dan variabel 3 nilainya 511.6667.  Kolom 5 yaitu Variance menunjukkan variansi data, untuk variabel 1 nilainya 279915.1, untuk variabel 2 nilainya 149630.4 dan variabel 3 nilainya 88337.95.
Tabel 5.11 Output Anova (b)

ANOVA Source of Variation Between Groups Within Groups Total

SS 118657.3 15018618 15137276

df 2 87 89

MS 59328.63 172627.8

F 0.343679

P-value 0.710115

F crit 3.101296

Keterangan able

Pada tabel Anova terdapat 7 kolom dan 3 baris. Baris pertama adalah between groups, baris kedua adalah within groups dan baris ketiga adalah total dari baris pertama dan kedua.

Kolom 1 adalah Source of Variation yaitu sumber variasi yang terdiri dari between dan within groups serta jumlah dari keduanya.

Kolom 2 adalah SS atau jumlah kuadrat, untuk baris pertama atau Perlakuan mempunyai nilai SS sebesar 118657.3 dan untuk baris kedua atau Galat mempunyai SS sebesar 15018618 sedangkan totalnya 15137276. Untuk mencari jumlah kuadrat dari regresi dapat dihitung dengan rumus :
k

T2 2 JKT   y ij  .. nk i 1 j 1
k n

T
JKA 
i 1

2

i

n

T..2 nk

JKG  JKT  JKA

Dimana T adalah Total seluruh demand untuk tiga tahun (2001, 2002, dan 2003).  Kolom 3 yaitu df atau derajat kebebasan, untuk baris pertama nilainya 2(k1 = 3-1 = 2) sedangkan baris kedua nilai nilainya 87 {k (n-1) = 3x29 = 78) dan baris ketiga merupakan totalnya 89 (87+2) atau n(k-1)=89. K disini berjumlah 3 yang menunjukkan ada 3 macam perlakuan.  Kolom 4 adalah MS atau rataan kuadrat untuk baris pertama (Perlakuan) nilai MS-nya 59328.63 sedangkan baris kedua (galat) 172627.8 atau dengan cara membagi JKperlakuan dengan dfperlakuan untuk MS perlakuan, sedangkan MS galat adalah JKgalat dibagi dfgalat.  Kolom 5 yaitu Fhitung , untuk baris pertama didapat nilainya 0.343679 atau dengan membagi MS perlakuan dengan MS galat.  Kolom 6 yaitu Pvalue atau probabilitas dan nilai yang didapat untuk baris pertama adalah 0.710115. Dapat digunakan untuk menentukan keputusan atas uji hipotesa yaitu dengan membandingkan Pvalue dengan derajat keberartiannya.

Ho : 1 = 2 = 3 2.710115 > 0.05 5.101296.10) Fhitung = F = 0. Berdasarkan nilai F.710115 6. Kolom 7 adalah Fcritical atau Ftabel hasil yang didapat untuk Perlakuan adalah 3. Daerah Kritis : Fhitung > Ftabel P <  = P < 0. 5.05 4.6 Walpole. Keputusan : Tolak H0 . karena - able L. karena .2.Berdasarkan nilai P (probabilitas). H1 : ketiga rataan tidak semua sama 3.2 Output SPSS Parametrik Independen k > 2  Analisa Histogram  Tahun 2001 . Perhitungan : (lihat tabel 5. Kesimpulan: Rata-rata jemaah haji tiap tahunnya tidak sama.343679 < 3. dengan membandingkan Ftabel dan Fhitung. Fhitung > Ftabel = 0.05 7.101296 Terima Ho.  : 0. Besarnya Fcrit dapat dilihat dari interpolasi pada Pengujian : 1.2. dapat pula digunakan untuk menentukan keputusan atas uji hipotesa yang dilakukan.101296 P = P-value = 0.343679 Ftabel = F crit = 3. P >   = 0.

06999 N = 30 500. Dari grafik diatas terlihat bahwa batang histogram berbentuk kurva normal. Hal ini dapat menunjukkan bahwa data mengenai jumlah jamaah haji menurut kabupaten / kota di Jawa Tengah ini merupakan data berdistribusi normal atau lebih condong mendekati kurva normal. median 484.00 2000. standar deviasi 529.00 2000. dan variansi sebesar 149630. Hal ini dapat menunjukkan bahwa data .  Tahun 2002 Tahun_II 12 10 8 Frequency 6 4 2 Mean = 586.00 1000. Dari grafik diatas terlihat bahwa batang histogram berbentuk kurva normal.00 0 0.00 1500.10 Std.5.00 1000. dan variansi sebesar 279915.00 500.5.1. = 386.00 3000. median 396.4 Jumlah jemaah haji tahun 2001 Pada kolom 1 dengan jumlah 17733 dan jumlah pengamatan 30 maka didapat rata-rata 591.00 2500.00 0 Tahun_II Gambar 5. standar deviasi 386.00 Tahun_I Gambar 5.07. Dev.0333 Std.82086 N = 30 0.8208606.3782.5 Jumlah jemaah haji tahun 2002 Pada kolom 1 dengan jumlah demand 17581 dan jumlah pengamatan 30 maka didapat rata-rata 586.00 1500.1 .Tahun_I 14 12 10 Frequency 8 6 4 2 Mean = 591. Dev. = 529.0333333.

00 Tahun_III Gambar 5.  Tahun 2003 Tahun_III 10 8 Frequency 6 4 2 0 0.95.mengenai jumlah jamaah haji menurut kabupaten / kota di Jawa Tengah ini merupakan data berdistribusi normal atau lebih condong mendekati kurva normal.1.6667.6 Jumlah jemaah haji tahun 2003 Pada column 3 dengan jumlah demand 15350 dan jumlah pengamatan 30 maka didapat rata-rata 511.00 1000.3.21702 N = 30 2000.3.12 Deskriptif Statistik Pengaruh Jenis kelamin terhadap aktualisasi diri Descriptive Statistics . dan variansi sebesar 88337.1 Output SPSS a. Hal ini dapat menunjukkan bahwa data mengenai jumlah jamaah haji menurut kabupaten / kota di Jawa Tengah ini merupakan data berdistribusi normal atau lebih condong mendekati kurva normal. = 297.217.standar deviasi 297. Dari grafik diatas terlihat bahwa batang histogram memiliki kemiripan bentuk dengan kurva normal.00 1500.3 Analisa Statistik Non Parametrik 5. Statistik Deskriptif Tabel 5. Dev.5 .1 Analisa Statistik Non Parametrik Independen k = 2 5.6667 Std. median 460.00 500. 5.00 Mean = 511.

Untuk data gadget adalah 1.Kolom kelima menunjukkan nilai minimum.Kolom kedua menunjukkan banyaknya data untuk kedua keadaan tersebut sejumlah masing-masing 50 data.01338 . .Kolom ketiga menunjukkan nilai rata-rata.560 dan untuk data jenis kelamin 1. Untuk data gadget adalah 5.Kolom keenam menunjukkan nilai maksimum.50 579.0 dan untuk data jenis kelamin adalah 5. .0 dan untuk data jenis kelamin adalah 2.50 . Untuk data gadget adalah 1.0000 Tabel 5.00 Maximum 5.5600 1.50508. Dari tabel uji Mann-Whitney diatas terlihat bahwa untuk jumlah data (N) .Kolom keenam menunjukkan persentil 25.0000 1.Kolom keempat menunjukkan nilai standar deviasi.Pada kolom pertama menunjukkan variabel yang digunakan yaitu data jenis kelamin dan gadget .50508 Minimum 1. dan 75.50. - Uji Mann-Whitney Ranks gadget jenis_kelam in laki-laki perempuan Total N 25 25 50 Mean Rank 27.00 25th 1.0000 50th (Median) 1.Percentiles N gadget jenis_kelamin 50 50 Mean 1.00 2. . Deviation 1.18 Sum of Ranks 695.10 Statistik Deskriptif untuk Data Non Parametrik Independen k = 2 Keterangan Tabel : .0.00 1.13 Output Mann-Whitney Test Pengaruh Jenis kelamin terhadap aktualisasi diri Keterangan Tabel :  Kolom N pada tabel ranks di atas adalah jumlah sampel per kelompok.0000 2.0000 1. Untuk data gadget adalah 1.5000 Std. dan untuk data jenis kelamin adalah 0.50 Tabel 5.0 .01338.5000 75th 2.82 23.

500 • Baris 3 yaitu Mann-Whitney Z atau nilai Z untuk melakukan uji MannWhitney nilainya -1.  : 0. perempuan= 25.05 4.172 a Grouping Variable: jenis_kelamin Keterangan Tabel : • Tabel test statistic uji Mann-Whitney terdiri dari 4 baris.82 dan untuk perempuan nilainya 23. Jadi. Ho : 1 = 2 2.50 Test Statistics(a) Test Statistics(a) gadget 254.05 5.500 579. untuk laki-laki nilainya 695.  Sum of rank yaitu jumlah rank-nya. Daerah kritis : P <  = P < 0. (2-tailed)/asymptotic significance atau peluang untuk uji 2 sisi adalah . Sig. (2-tailed) -1.laki-laki = 25. untuk laki-laki nilainya 27. • Baris 1 yaitu Mann-Whitney U atau statistik hitung Mann-Whitney nilainya adalah 254.172 Pengujian : 1.18.500 Mann-Whitney U Wilcoxon W Z Asymp.50 dan untuk perempuan nilainya 579. H1 : 1   2 3. Perhitungan : . jumlah total keseluruhan dari data = 50.365 • Baris 4 yaitu asymp. Sig.500.365 .  Mean rank yaitu rata-rata rank. • Baris 2 yaitu Wilcoxon W atau statistik hitung Wilcoxon nilainya adalah 579.

Test Statistics(a. (1-tailed) Sig. .b) Test Statistics(a.14 Output Moses Test Pengaruh Jenis kelamin terhadap aktualisasi diri Frequencies Frequencies jenis_kelamin laki-laki (Control) perempuan (Experimenta l) Total N 25 25 50 gadget Keterangan Tabel :   Tabel uji moses diatas terdiri dari 3 baris. Kesimpulan: rataan untuk jumlah gadget dan jenis kelamin penduduk sama.000 33 . dan perempuan berjumlah 25.05 7.14) P = asymp. Keputusan : Terima Ho.b) gadget 33 .172 >0.(lihat tabel 5.000 1 Observed Control Group Span Trimmed Control Group Span Sig. (1-tailed) Outliers Trimmed from each End a Moses Test b Grouping Variable: jenis_kelamin . karena berdasarkan nilai P (probabilitas).Uji Moses Tabel 4. (2-tailed) = 0. P >  = 0. Dari kolom N pada tabel uji moses diatas terlihat bahwa untuk jumlah data (N) laki-laki berjumlah 25. Sig. Jadi.172 6. jumlah total keseluruhan dari data adalah 50.

yaitu jumlah pengamatan dikurangi data-data ekstrim di grup percobaan. Kesimpulan: selisih antara standar deviasi untuk jumlah penduduk lakilaki dan perempuan tidak sama - Uji Kolmogorof – Smirnov Frequencies Tabel 4. Keputusan : Tolak Ho.Keterangan Tabel : • Tabel test statistic uji Moses diatas terdiri dari 5 baris. • Baris 4 yaitu Group Span Sig.000 6.05 P <  = P < 0. • Baris 5 yaitu Outliers Trimmed from each End yaitu jumlah data yang berada di luar rentang grup kendali dari tiap-tiap sisi. nilainya . nilainya 0.05 7. • Baris 2 yaitu Group Span Sig. Ho : s1 . Perhitungan : (lihat tabel 5. (1-tailed) yaitu probabilitas untuk uji satu sisi sejumlah data pada baris 1. Pengujian : 1.s2 = 0 2.  : 0. • Baris 1 yaitu Observed Control yaitu jumlah pengamatan awal.000. karena berdasarkan nilai probabilitas.000 < 0. P <  = 0. nilainya adalah 33.05  0 4.13) P = Group Span Sig. H1 : s1 . Daerah kritis : 5.1 4 Output Kolmogorov-Smirnov Test Pengaruh Jenis kelamin terhadap aktualisasi diri . (1-tailed) yaitu probabilitas untuk uji satu sisi sejumlah data pada baris 3. (1-tailed) = 0.s2 3.000 • Baris 3 yaitu Trimmed Control adalah jumlah data pengamatan yang berada pada rentang grup kendali.

160.000 artinya nilai beda-beda positifnya .gadget jenis_kelam in laki-laki perempuan Total Test Statistics(a) N 25 25 50 Keterangan Tabel :  Dari kolom N pada tabel uji kolmogorof-Smirnov diatas terlihat bahwa untuk jumlah data (N) laki-laki = 25.000. • Baris 1 yaitu Most Extreme Absolute atau nilai-nilai absolut yang paling ekstrim.906 Keterangan Tabel : • Tabel test statistic uji kolmogorof-smirnov diatas terdiri dari 5 baris.000 -. nilainya 0.566 artinya nilai Z untuk uji kolmogorof-Smirnov adalah 0.566 .160.160 . • Baris 2 yaitu Differences positive nilainya .160 . Jadi. Sig. • Baris 3 yaitu Differences negative nilainya -0. jumlah total keseluruhan dari data = 50.566 . perempuan= 25.160 artinya nilai beda-beda negatifnya -. • Baris 4 yaitu Kolmogorov-Smirnov Z nilainya 0. (2-tailed) a Grouping Variable: jenis_kelamin Absolute Positive Negative gadget . Test Statistics(a) Most Extreme Differences Kolmogorov-Smirnov Z Asymp.

1759 (adjusted for ties) vs ETA1 not = ETA2 is significant at Cannot reject at alpha = 0.000 1.05 4.2 Output Minitab Mann-Whitney Test and CI: laki_laki. Sig.000 Point estimate for ETA1-ETA2 is 95.5 Test of ETA1 = ETA2 0.05 6.1. (2-tailed)/asymptotic significance atau peluang untuk uji 2 sisi adalah 0. P >  = 0.000) W = 695.2 Percent CI for ETA1-ETA2 is (-0. Perhitungan : (lihat tabel 5.906 Pengujian : 1. perempuan laki_lak perempua N = N = 25 25 Median = Median = 1. (2-tailed) =0. 5.05 Keterangan : • Output menunjukkan banyak data adalah 25. Kesimpulan: rataan untuk laki-laki dan perempuan sama.906 >0.000. H1 : 1   2 3.05 8. Sig.  : 0.• Baris 5 yaitu asymp. . Keputusan : Tolak Ho.18) P = asymp.2646 The test is significant at 0.3.1.906 7. Daerah kritis : P <  = P < 0. Ho : 1 = 2 2. karena berdasarkan nilai P (probabilitas).000 0.

5. H1 : Rataan jumlah gadget tidak sama dengan rataan jumlah jenis kelamin 3.1759 6. karena berdasarkan nilai P. Deviation .1759 = The test is significant at 0. Keputusan : terima Ho. Statistik Deskriptif Tabel 5. Perhitungan : (lihat tabel hasil uji minitab) P-value = 0. Ho : Rataan jumlah gadget sama dengan rataan jumlah jenis kelamin.1 Output SPSS a.Pada kolom pertama menunjukkan variabel yang digunakan golongan darah dan cara belajar .82746 Keterangan Tabel : .00 1.3.05 4.2.1759 >0.2 Analisa Statistik Non Parametrik Independen k > 2 5.3. Kesimpulan: rataan untuk jumlah gadget dan jenis kelamin sama.  : 0.05 7.00 3. Daerah penolakan: P-value <  5. 2.15 Descriptive Statistics untuk Data Non Parametrik K > 2 Descriptive Statistics N Gol_darah Cara_belajar 75 75 Minimum 1.000. • P-value Uji mann-Whitney adalah 0.1759 Pengujian : 1.0000 1.• Median laki-laki adalah 1 dan perempuan adalah 1 • Nilai taksirannya sebesar 0.00 Mean 2.8667 Std. P >  = 0.82199 .00 Maximum 3.

sedangkan untuk cara belajar adalah 1. sedangkan untuk cara belajar adalah 3. Uji Kruskal . Untuk golongan darah adalah 0. dan golongan darah O = 40. .00.32 Test Statistics(b) Cara_belajar 75 2.28 40. • Kolom 2 yaitu Mean Ranks atau beda nilai rata-rata untuk golongan darah A = 36.00. dan O.Kolom kedua menunjukkan banyaknya data yaitu untuk kedua keadaan tersebut adalah sama yaitu 75 data.32 Cara_belajar Keterangan Tabel : • Tabel uji kruskal wallis terdiri dari 2 kolom yaitu N artinya jumlah data dan Mean Ranks artinya beda nilai rata-rata.Kolom ketiga menunjukkan nilai rata-rata.26. .Kolom keenam menunjukkan nilai maksimum yaitu untuk golongan darah adalah 3.00. b.40 37.82199.40. • Kolom 1 yaitu N berarti jumlah data terdiri dari golongan darah A. golongan darah B = 37. Untuk golongan darah adalah 2.82746 .000. B.8667 .Kolom keempat menunjukkan nilai standar deviasi. dengan jumlah data masing-masing 25.Wallis Tabel 5.00. sedangkan untuk cara belajar adalah 0. sedangkan untuk cara belajar adalah 1.Kolom kelima menunjukkan nilai minimum yaitu untuk golongan darah adalah 1. dan totalnya 75.397(a) N Median Chi-Square ..0000 .16 Output Kruskal Wallis Test Pengaruh Golongan Darah Terhadap Cara Belajar Ranks Gol_darah A B O Total N 25 25 25 75 Mean Rank 36.

The minimum expected cell frequency is 7. B.21) P = Asymp. Daerah Kritis : P <  = P < 0. b Grouping Variable: Gol_darah Df Asymp. Uji Median Tabel 5. Ho : 1 = 2 = 3 2. dan O adalah sama c.820 a 0 cells (. 2 Keterangan Tabel : • Tabel test statistics uji Kruskal-Wallis terdiri dari 3 baris. Kesimpulan: rataan cara belajar mahasiswa golongan darah A.05 6.0. Keputusan : Terima Ho .820. Perhitungan : ( lihat tabel 5. P > = 0. • Baris 3 yaitu Asymp. • Baris 1 yaitu Chi-Square atau statistik hitung Kruskal Wallis nilainya 0.18 Output Median Test Pengaruh Golongan Darah Terhadap Cara Belajar Frequencies Gol_darah A Cara_belajar > Median <= Median 6 19 B 7 18 O 8 17 .05 3..820 > 0.05 4. H1 : 1   2 3  : 0.0%) have expected frequencies less than 5.397 • Baris 2 yaitu df (degree of freedom) atau derajat kebebasan nilainya 2. Pengujian 1. Sig = 0./asymptotic significance atau peluang nilainya 0. karena berdasarkan nilai P (probabilitas). Sig. Sig.820 5.

Untuk golongan darah A adalah 19. Sig. • Baris 1 yaitu N atau jumlah data. The minimum expected cell frequency is 7. • Baris 5 yaitu Asymp. dan golongan darah O adalah 8./asymptotic significance atau peluang nilainya 0.0000.Keterangan Tabel : • Tabel uji median terdiri dari 3 kolom yaitu jumlah golongan darah A.0%) have expected frequencies less than 5.397(a) 2 .0000 . nilainya 2. dan O • Kolom 1 yaitu jumlah sampel (cara belajar) > Median atau cara belajar yang memiliki nilai lebih besar dari median. b Grouping Variable: Gol_darah Keterangan Tabel : • Tabel test statistics uji median terdiri dari 4 baris. Untuk golongan darah A adalah 6. • Kolom 2 yaitu jumlah sampel (cara belajar) <= Median atau jumlah cara belajar memiliki nilai lebih kecil sama dengan median. B. nilainya 75. Sig.0. • Baris 4 yaitu df (degree of freedom) atau derajat kebebasan. • Baris 3 yaitu chi-square atau statistik hitung untuk uji median.820. golongan darah B adalah 18.820 N Median Chi-Square Df Asymp. nilainya k1= 3-1 = 2.397. a 0 cells (. nilainya 0. Pengujian : . • Baris 2 yaitu median atau nilai tengah.0. Huruf a menunjukkan bahwa tidak ada data yang memiliki frekuensi harapan kurang dari 5. dan golongan darah O adalah 17. Test Statistics(b) Cara_belajar 75 2. frekuensi harapan minimum dari data adalah 7. golongan darah B adalah 7.

Perhitungan : ( lihat tabel 5.000 2.0 Z -0. dan O adalah sama 5. golongan darah B(2)=25. untuk golongan darah A(1)=25. • Median untuk golongan darah A (1) adalah 2.2.4 37.4.000 Ave Rank 36.05 7.45 H = 0.2 Output Minitab Uji Kruskal Wallis Kruskal-Wallis Test: jenis_materi versus golongan_darah Kruskal-Wallis Test on jenis_ma golongan 1 2 3 Overall H = 0. karena berdasarkan nilai P (probabilitas).000 2.776 (adjusted for ties) Keterangan : • Output menunjukkan jumlah data.1.65 P = 0.3 38.20 0.000.  : ~ ~ ~ 1 =  2 =  3 Ketiga rataan tidak semua sama 0. H1 : 3.3.820 6.000.3 40. dan golongan darah O (3) adalah 40.820 > 0.800 P = 0. dan golongan darah O(3) =25.05 5. Sig = 0. B. P >  = 0.000 . Keputusan : Terima Ho .05 4. Ho : 2. Kesimpulan: rataan cara belajar mahasiswa golongan darah A. . golongan darah B (2) adalah 37. dan golongan darah O (3) adalah 2.51 N 25 25 25 75 DF = 2 DF = 2 Median 2. golongan darah B (2) adalah 2.23) P = Asymp. Daerah Kritis : P <  = P < 0.3. • Rata-rata ranking untuk golongan darah A (1) adalah 36.3.45 -0.

05 4. Perhitungan : (lihat tabel hasil uji minitab) 2 H = 0. . golongan darah B(2)=25.45. karena berdasarkan nilai H.00 2.991 6. dan O tidak sama.50 2.00 2.44 DF = 2 P = 0.0% CIs ----------+---------+---------+-----(-------------------+ (-------------------+ (-------------------+---------------) ----------+---------+---------+-----1. .  1 = 2 = 3 Ketiga rataan tidak semua sama : 0. B.• Statistik z untuk golongan darah A (1) adalah -0.00 Keterangan : • Output menunjukkan jumlah data. H1 : 3.Mood Median Test: jenis_materi versus golongan_darah Mood median test for jenis_ma Chi-Square = 0.00 Overall median = 2. Pengujian : 1.991 7. untuk golongan darah A(1)=25.65.00 2. H <    = 0.50 2.803 Individual 95. Ho : 2. Keputusan : 2 Tolak Ho. golongan darah B (2) adalah 0. Daerah penolakan: DF = k-1 = 3-1 = 2 2 H >  5.51 < 5.00 Q3-Q1 1.50 golongan 1 2 3 N< 11 11 9 N>= 14 14 16 Median 2.51   = 5. Kesimpulan: rataan untuk cara belajar golongan darah A.20.00 2. dan golongan darah O(3)=25. dan golongan darah O (3) adalah 0.

• Median untuk golongan darah A (1)adalah 2. Statistik Deskriptif Tabel 5. Kesimpulan: rataan untuk cara belajar golongan darah A.50508 .Pada kolom pertama menunjukkan variabel yang digunakan adalah jenis kelamin dan status .3600 Std. 5.19 Descriptive Statistics untuk Data Non Parametrik Dependen k = 2 Descriptive Statistics N jenis_kelamin status 50 50 Mean 1.000.991 6.1 Output SPSS a. Keputusan : 2 Terima Ho.991 7.3 Analisa Statistik Non Parametrik Dependen k = 2 5. O(3) adalah 2.00 Maximum 2. H <    = 0.00 2.5000 1. 2. • Nilai kuartil atas – kuartil bawah (rentangan) dari golongan A(1) adalah 1.44   = 5. B. karena berdasarkan nilai H.000.44 < 5. 4.3.00 1.00 Pengujian : 1. Ho : 1 = 2 = 3 H1 : Ketiga rataan tidak semua sama  : 0. 3.00 .000 .00 Keterangan Tabel : . Deviation . Perhitungan : (lihat tabel hasil uji minitab) 2 H = 0.3. golongan darah B (2)adalah 2.48487 Minimum 1. golongan darah B(2) adalah 2.3. dan O sama.5 .05 Daerah penolakan: DF = k-1 = 3-1 = 2 2 H >  5. dan golongan darah O (3) 2.

Untuk jenis kelamin adalah 1.Kolom keenam menunjukkan nilai maksimum yaitu untuk Jenis kelamin adalah 2.Kolom kelima menunjukkan nilai minimum yaitu untuk jenis kelamin adalah 1.Kolom keempat menunjukkan nilai standar deviasi. Untuk jenis kelamin adalah 0.00.  Baris 4 yaitu Total pada kolom N nilainya 50 artinya jumlah datanya 50.  Baris 1 yaitu negative differencesa pada kolom N nilainya 16 artinya mempunyai beda-beda negatif 16 dan a status<jenis kelamin  Baris 2 yaitu positive differencesb pada kolom N nilainya 9 artinya mempunyai beda-beda positif 9 dan b berarti status > jenis_kelamin  Baris 3 yaitu Ties pada kolom N nilainya 13 artinya ada 2 data yang sama.3600 .00.48990 . sedangkan untuk status adalah 2.4899.Kolom ketiga menunjukkan nilai rata-rata.5000. Positive Differences.Kolom kedua menunjukkan banyaknya data yaitu untuk kedua keadaan tersebut adalah sama yaitu 50 data. Test Statistics(b) . sedangkan untuk status adalah 1.. Ties. .20 Output Sign Test Pengaruh Jenis Kelamin terhadap Status perkawinan Keterangan Tabel :  Tabel uji tanda data non parametrik terdiri dari 4 baris yaitu Negative Differences. sedangkan untuk status adalah 1.00. dan Total.jenis_kelamin Negative Differences(a) Positive Differences(b) Ties(c) Total a status < jenis_kelamin b status > jenis_kelamin c status = jenis_kelamin 16 9 25 50 Tabel 5. b.00. . sedangkan untuk perempuan adalah 0. Uji Tanda Frequencies N status .

Pengujian : 1.230(a) berarti peluangnya 0. (2-tailed) a Binomial distribution used. Uji Rank Tanda Wilcoxon Tabel 5. (2-tailed) = 0.230(a) Keterangan Tabel :  Pada kolom test statistic terlihat bahwa pada kolom Exact. Sig.05 5.05 4. Perhitungan : (lihat tabel 5. Daerah Kritis : P <  = P < 0. (2-tailed) untuk uji 2 sisi = 0.23 > 0.230 6.28) P = Exact. 21 Output Wilcoxon Signed Ranks Test Pengaruh Jenis Kelamin terhadap Status perkawinan Ranks N 16(a) 9(b) 25(c) 50 Mean Rank 13.Exact Sig. karena berdasarkan nilai P (probabilitas). Kesimpulan : Terima Ho. Keputusan : rataan antara jenis kelamin dan status adalah sama c.00 status jenis_kelamin Negative Ranks Positive Ranks Ties Total a status < jenis_kelamin b status > jenis_kelamin c status = jenis_kelamin . H1 3. P >  = 0.05 7. b Sign Test status jenis_kelamin .00 117.00 13. Ho 2.00 Sum of Ranks 208. Sig.  : 1 = 2 : 1   2 : 0.230 dan a berarti menggunakan distribusi binomial.

Pada kolom Mean Rank nilainya 13. kolom 2 : N adalah jumlah data.162 Z Asymp. jadi ada 9 data yang status > jenis_kelamin.00. Pada kolom Sum of Ranks nilainya 208. Pada kolom Mean Rank nilainya 13. a artinya status < jenis_kelamin.00. Sig.00  Baris 3 yaitu Ties pada kolom N nilainya 25c artinya ada 25 data yang sama. b artinya status > jenis_kelamin.  Baris 1 yaitu negative ranks pada kolom N nilainya 16a artinya ada 16 data yang mempunyai beda-beda negatif. b Wilcoxon Signed Ranks Test Keterangan Tabel :  Pada tabel untuk test statistik terlihat bahwa untuk uji Wilcoxon nilai Zoutput = -1.400 (a). Pada kolom Sum of Ranks nilainya 117. Test Statistics(b) status jenis_kelamin -1. status = jenis_kelamin jadi ada 25 data dengan status =  Baris 4 yaitu Total pada kolom N nilainya 50 artinya jumlah datanya 50.400(a) . dan Total. kolom 4 : Sum of Ranks adalah jumlah data.Keterangan Tabel :  Tabel uji Wilcoxon Sign Ranks Test terdiri dari 4 kolom yaitu kolom 1: keteraangan. jadi ada 6 data yang status > jenis_kelamin. (2-tailed) a Based on positive ranks. Berarti nilai Z = -1. kolom 3 : Mean Rank adalah rata-rata data. Ties.  Tabel uji Wilcoxon Sign Ranks Test terdiri dari 4 baris yaitu Negative Ranks.00 artinya rata-rata data 13.00  Baris 2 yaitu positive ranks pada kolom N nilainya 9b artinya ada 9 data yang mempunyai beda-beda positif. Positive Ranks.00 artinya rata-rata data 13.400 dan a artinya diambil dari .00 berarti jumlah beda-beda positifnya 117. c artinya jenis_kelamin.00 berarti jumlah beda-beda negatifnya 208.

Sig (2-tailed) = 0.  Nilai asymp.00 1.  = 0.22 Statistik Deskriptif untuk Data Non Parametrik Dependen k > 2 Descriptive Statistics N Negara Jenis_film 75 75 Mean 2. Sig (2-tailed) 0. Deviation .162 Pengujian : 1.Pada kolom pertama menunjukkan variabel yang digunakan yaitu pengaruh negara asal film dengan jenis film yang disukai .00 Keterangan Tabel : . H1 : 1   2 3. Statistik Deskriptif Tabel 5.162 berarti peluangnya 0. karena berdasarkan nilai P (probabilitas).26) P = asymp. Keputusan: Terima Ho .162>0. P > = 0.05 5.7467 Std.4.18656 Minimum 1.4 Analisa Statistik Non Parametrik Dependen k > 2 5.1 Output Spss a. Daerah Kritis : P <  = P < 0.05 4. Ho : 1 = 2 2.05 7.162 6. Perhitungan : (lihat tabel 5.0000 2.Kolom kedua menunjukkan banyaknya data yaitu untuk semua variabel tersebut maisng-masing sama yaitu 75 data.3.00 4.beda-beda positif karena dalam uji Wilcoxon yang dipakai adalah jumlah beda-beda yang paling kecil. Kesimpulan: kedua rataan tersebut sama 5.00 Maximum 3. .3.82199 1.

Test Statistics(a) N Chi-Square Df Asymp.4000.28062. banyaknya penyuka film indonesia adalah 4. Sig. banyaknya penyuka film indonesia adalah 0.Kolom keenam menunjukkan nilai minimum. . Untuk banyaknya penyuka film indonesia adalah 3. Untuk banyaknya penyuka film barat adalah 1.86603 banyaknya penyuka film asia adalah 1.6800.Kolom keempat menunjukkan nilai standar deviasi.452 1 . b. .00banyaknya penyuka film asia adalah 1. a Friedman Test 75 6.00.011 Keterangan Tabel : . Untuk banyaknya penyuka film asia adalah 2. banyaknya penyuka film indonesia adalah 2.Kolom kelima menunjukkan nilai maksimum.00.63 Negara Jenis_film Keterangan Tabel :  Tabel uji Friedman untuk data yang diuji didapat mean ranks atau beda rata-rata untuk masing-masing data:..37 1.23 Output Friedman Test Pengaruh Negara Asal terhadap Jenis Film yang Disukai Ranks Mean Rank 1. Untuk banyaknya penyuka film barat adalah 4.Untuk jenis film adalah = 1.00. negara=1.63.00 banyaknya penyuka film asia adalah 4. Untuk banyaknya penyuka film barat adalah 1.Kolom ketiga menunjukkan nilai rata-rata.37. Untuk banyaknya penyuka film barat 2. .00.160. Uji Friedman Tabel 5.06927.

011 6. Daerah Kritis :  2 >   =  2 > 5.5) 2 4. (Probabilitas) untuk uji Friedman = 0.24 Output Kendall’s W Test Pengaruh Negara Asal terhadap Jenis Film yang Disukai Ranks Mean Rank . Baris 3 yaitu df atau derajat kebebasan nilainya = 1.05 Derajat kebebasan : V = k – 1 = 3 – 1 = 2 5. Sig. asymp.05 7.Berdasarkan nilai P (probabilitas). ChiSquare. Baris 4 yaitu Asymp. karena 2 Berdasarkan nilai  2 . Uji Rank Kendall’s Tabel 5. Sig.130 > 5. Baris 2 yaitu Chi-Square atau statistik hitung Friedman adalah 6.31)  2 = 6. = 0.  : 0. Sig. Keputusan : Tolak Ho .991 P <  = P < 0.011 Pengujian : 1.452. Ho : 1 = 2 = 3 = 4 2.05 (Tabel L.  2 >   = 11.452 P = Asymp. Kesimpulan: ketiga rataan tidak semua sama. P <  = 0.     Baris 1 yaitu N nilainya = 75 berarti jumlah data pengamatan = 75. Perhitungan : (lihat tabel 5.991 .011 berarti peluangnya 0. c. H1 : keempat rataan tidak semua sama 3.011< 0. Dari tabel Test Statistic pada uji friedman terdiri dari 4 baris yaitu N. df.

Sig.Negara Jenis_film 1.991 P <  = P < 0. Sig. 75 . (Probabilitas) untuk uji Kendall's = .  : 0.05 (Tabel L. Asymp.452 1 .05 Derajat kebebasan : V = k – 1 = 3 – 1 = 2 5.5) 2 4. Daerah Kritis :  2 >   =  2 > 5.086 6. Kendall's Wa. Baris 2 yaitu Kendall's Wa atau statistik hitung Kendall's adalah 0. Perhitungan : . Test Statistics N Kendall's W(a) Chi-Square Df Asymp.37.     Baris 1 yaitu N nilainya = 75 berarti jumlah data pengamatan = 75.011 berarti peluangnya 0. negara = 1. Pengujian : 1.086 Baris 3 yaitu df (degree of freedom) atau derajat kebebasan nilainya = 1 Baris 4 yaitu Asymp.011. Ho : 1 = 2 = 3 = 4 2. H1 : ketiga rataan tidak semua sama 3.37 1.63 Keterangan Tabel :  Tabel uji Rank Kendall’s untuk data yang diuji didapat mean ranks atau beda rata-rata untuk masing-masing data:.63.011 a Kendall's Coefficient of Concordance Keterangan Tabel :  Dari tabel Test Statistics pada uji Rank Kendall’sW terdiri dari 4 baris yaitu N. Sig. df. Untuk jenis film = 1.

5. • Baris 3 yaitu jumlah data untuk perlakuan ketiga sebanyak 25.Berdasarkan nilai P (probabilitas). nilai sum of rank adalah 40. karena 2 Berdasarkan nilai  2 .50 S = 15.005 P = 0.5 Asal_Fil 1 2 3 Grand median N 25 25 25 = Keterangan : • Tabel Friedman test dengan menggunakan minitab terdiri dari 3 baris. • DF adalah degree of freedom atau derajat kebebasan nilainya 2.452 P = Asymp.05 7. • Baris 2 yaitu jumlah data untuk perlakuan kedua sebanyak 25.00 DF = 2 DF = 2 P = 0.011 6.4.452 > 5.52.5.001 (adjusted for ties) Est Median 4. . nilai median 3 . = 0. nilai sum of rank adalah 62.3. nilai sum of rank adalah 47.5. nilai median 2. P <  = 0. Sig.011< 0. • S adalah nilai Std.  2 >   = 6.5 40.0000 3.31)  2 = 6.0000 3. Deviation nilainya 10.2 Output Minitab .Uji Friedman Friedman Test: jenis_film versus Asal_Film. Keputusan : Tolak Ho .0 47. nilai median 2 . • Baris 1 yaitu jumlah data untuk pelakuan pertama sebanyak 25.3333 Sum of Ranks 62. no Friedman test for jenis_fi by Asal_Fil blocked by no S = 10. Kesimpulan: Ketiga rataan tidak semua sama.991 .(lihat tabel 5.0.0000 3.

005 6.00 P = 0. Ho : 1 = 2 = 3 = 4 2. Perhitungan : (lihat tabel hasil uji minitab) Fr= S = 15. H1 : keempat rataan tidak semua sama 3.5) P <  = P < 0.991 4.00 > 5. Kesimpulan: Ketiga rataannya tidak sama .05 7.005.05 2 Fr >   = Fr > 5. Daerah Penolakan: (Tabel L.• P adalah peluang nilainya 0. Pengujian : 1. Keputusan : Tolak Ho . Fr >   = 15.005<0. P <  = 0.991 .05 Derajat kebebasan : DF = k – 1 = 3 – 1 = 2 5. karena 2 Berdasarkan nilai Fr.  : 0.Berdasarkan nilai P (probabilitas).

yaitu : a. analisa data. Statistik merupakan ilmu yang membahas metode – metode ilmiah untuk pengumpulan. b. pengorganisasian. distribusi ini disebut juga menceng ke kiri atau mempunyai kemencengan negatif. penyajian. yaitu kurva frekuensi suatu distribusi yang mempunyai ekor yang sama panjang dari maksimum pusat. yaitu kurva frekuensi suatu distribusiyang mempunyai ekor yang lebih panjang ke kiri dari maksimum pusat daripada yang ke kanan. c. Positively skewed distribution. pengorganisasian. Statistik deskriptif yang hanya mencari. distribusi ini disebut juga menceng ke kanan atau mempunyai kemencengan positif. dan analisa data maupun menarik kesimpulan yang valid serta membuat keputusan yang dapat diterima berdasarkan analisa. mengorganisasi. Negatively skewed distribution. penyimpulan. 129 . yaitu kurva frekuensi suatu distribusi yang mempunyai ekor yang lebih panjang ke kanan dari maksimum pusat daripada yang ke kiri.1 Kesimpulan Dari praktikum yang telah dilaksanakan maka dapat diambil beberapa kesimpulan. Statistik induktif Statistik yang melingkupi mulai dari membahas pengumpulan. grafik distribusi terbagi menjadi tiga. Berdasarkan nilai kemencengan (skewness). Statistik secara garis besar dibagi dua. 2. Symmetric distribution. antara lain : 1. dan menampilkan data tanpa menarik kesimpulan. serta penyimpulan data dari hasil analisa. b. yaitu : a.LAPORAN PRAKTIKUM STATISTIKA INDUSTRI MODUL 1: STATISTIKA PARAMETRIK DAN NON PARAMETRIK KELOMPOK 20 REGULER BAB VI PENUTUP 6.

Variabel (data) yang diuji haruslah data bertipe interval atau rasio c. Namun untungnya. Statistik parametrik adalah pengolahan data dimana anggapan kenormalan diberlakukan. Jumlah data terlalu sedikit < 30 c. Biasanya cara pengujian ini dinamakan metode parametrik.uji tersebut masih dapat diandalkan bila penyimpangannya dari kenormalan hanya sedikit. Uji statistik nonparametrik merupakan alternatif untuk memenuhi kebutuhan tersebut dikarenakan menghasilkan kesahihan dan validitas meskipun hanya berdasar pada asumsi-asumsi umum. dan mesokurtik (puncaknya tidak terlalu lancip atau berpuncak mendatar) dengan nilai kurtosis sama dengan 3. Data bertipe nominal atau ordinal 6. yaitu melalui daerah kritis dan peluang hasil perhitungan. Data parametrik memiliki karakteristik sebagai berikut : a.LAPORAN PRAKTIKUM STATISTIKA INDUSTRI MODUL 1: STATISTIKA PARAMETRIK DAN NON PARAMETRIK KELOMPOK 20 REGULER 3. 130 . Jumlah data sebanyak > 30 data 5. Sebagian besar cara pengujian hipotesis didasarkan pada anggapan bahwa sampel acak diambil dari populasi normal. platikurtik (puncak mendatar) dengan nilai kurtosis lebih kecil dari 3. Data yang tidak berdistribusi normal atau variansi tidak sama b. 4. Data nonparametrik memiliki karakteristik sebagai berikut : a. kebanyakan uji . Pengujian hipotesis atau aturan pengambilan keputusan kebanyakan membutuhkan berbagai asumsi mengenai distribusi populasi dimana sampel diambil. Ho ditolak jika berada di dalam daerah kritis dan jika nilai P lebih kecil dari atau sama dengan taraf keberartian. yaitu: leptokurtik (puncak relatif tinggi) dengan nilai kurtosis lebih besar dari 3. terutama sekali bila ukuran sampelnya besar. Suatu pengujian populasi seringkali dihadapkan pada suatu uji yang harus dilakukan tanpa kebergantungan asumsi-asumsi yang kaku karena bersifat khusus. Ada 3 jenis distribusi menurut kurtosis. Sampel (data) diambil dari populasi yang mempunyai distribusi normal b. Begitu juga sebaliknya. Kaidah pengambilan keputusan ada dua cara.

08x 10 -6< 0. independen k = 2. 1 Hasil Keputusan dari Uji Parametrik Jenis Uji Uji ANOVA Keterangan k = 2. Terima Ho P < Tolak Ho thitung < ttabel . Hasil uji dari praktikum : a.05 b. independen dwisisi k > 2. parametrik. non parametrik. Tolak Ho P > Terima Ho F-Test ekasisi 2. Terima Ho P < Tolak Ho thitung < ttabel.05 -5. non parametrik.05 = 1. 2 Hasil Keputusan dari Uji Non Parametrik Jenis Uji Uji Mann-Whitney Keterangan k = 2.05 ekasisi 0. non parametrik.172 >0.820 > 0. independen k = 2.05 0.05 dwisisi 0. non parametrik. independen k > 2.05 ekasisi 0.101296 -6 Uji ANOVA ekasisi 0.162>0.31x 10-5<0. non parametrik.04523 2.820 > 0.88806< 2.69576>4.000 < 0.05 ekasisi 0. parametrik. Uji Parametrik Tabel 6.130309 < 0.5374 Keputusan Fhitung > FCrit.006873 P < 0. Uji Non-Parametrik Tabel 6. Uji 0.17x10 < 0.906 > 0.05 dwisisi 0. independen k = 2.11x10 < 0.343679 < 3.699127 P <   = 1. non parametrik.710115 > 0. Tolak Ho P < Tolak Ho Fhitung < Ftabel . independen Uji ekasisi Fhitung > Ftabel = 22. independen k = 2.05 -7 ekasisi t-Test k = 2. Terima Ho P < Tolak Ho Fhitung < Ftabel .05 Keputusan P > Terima Ho Uji Moses P < Tolak Ho Uji KolmogorofSmirnov P > Terima Ho Uji Kruskal Wallis P > Terima Ho Uji Median Uji Rank Tanda Wilcoxon P > Terima P > Terima Ho dwisisi 131 .88806<1. independen k > 2. parametrik. independen -5.LAPORAN PRAKTIKUM STATISTIKA INDUSTRI MODUL 1: STATISTIKA PARAMETRIK DAN NON PARAMETRIK KELOMPOK 20 REGULER 7.05 0. parametrik.

Dalam melaksanakan praktikum.2 Saran 1.011< 0. sebaiknya praktikan mencoba sendiri dalam mengoperasikan software SPSS dan Minitab sehingga praktikan dapat langsung mengerti dalam memasukkan data praktikum pada sofware SPSS dan Minitab. non parametrik.05 dwisisi 11.991 P > Terima Ho Uji Friedman ekasisi 2  2 >   .011< 0. dependen k > 2.991 ekasisi 0.05 6. sebaiknya praktikan sudah mengenal atau sedikit mengetahui software SPSS dan Minitab yang akan digunakan. Sebelum melaksanakan praktikum. 4. dependen k > 2.23 > 0.LAPORAN PRAKTIKUM STATISTIKA INDUSTRI MODUL 1: STATISTIKA PARAMETRIK DAN NON PARAMETRIK KELOMPOK 20 REGULER dependen Uji Tanda k = 2. non parametrik. Praktikum kurang efektif karena dilakukan secara massal.05 P < Tolak Ho 2  2 >   . 3. baik mengenai fungsi maupun cara penggunaan. 5. non parametrik. 132 .452 > 5. Tolak Ho 0. dependen 0. Praktikum sebaiknya dilakukan tepat pada waktunya sehingga tidak banyak menyita waktu.130 > 5. 2. Tolak Ho Uji Rank Kendall’s P < Tolak Ho 6. Pada saat praktikum lebih baik jika dilakukan penerapan software secara langsung. sebaiknya praktikum dilakukan perkelompok atau beberapa kelompok saja.

Sign up to vote on this title
UsefulNot useful