STATISTIK

UJI VALIDITAS

ISI VARIABLE VIEW

1. Name => Pertanyaan/Question 1 s/d ...........
2. Label = Name
3. Measure pilih Scale

ISI DATA VIEW

1. Masukkan semua data dari Excel ke Data View (copy paste)

LANGKAH-LANGKAH
1. Dari menu Analyze => pilih Submenu Scale => kemudian Reliability Analysis
2. Pada Window Reliability Analysis lakukan pengisian sebagai berikut:
 Masukkan semua Variabel (Q1 s/d .........) ke kotak items yang ada di sebelah
kanan
 Pada bagian Model, biarkan pilihan pada Alpha
 Klik menu Statistics
3. Dan ada bagian Descriptive For (kiri atas), centang ketiga pilihan (Item, Scale, Scale
if item deleted), kemudian klik Continue untuk kembali ke window utama
4. Klik OK

TABEL ...........
Reliability Statistics
Cronbach's N of
Alpha Items
.935 27

TABEL ..........
Item-Total Statistics
Scale Cronbach's
Scale Mean Variance if Corrected Alpha if
if Item Item Item-Total Item
Deleted Deleted Correlation Deleted
Q1 118.8171 88.324 .663 .931
Q2 118.6707 91.236 .435 .934
Q3 118.9878 87.494 .584 .932
Q4 118.9878 87.099 .618 .932
Q5 118.8293 87.452 .753 .930
Q6 118.6951 88.955 .618 .932
Q7 118.6341 90.753 .489 .933
Q8 119.1829 87.855 .472 .934
Q9 118.8293 89.082 .579 .932
Q10 118.6829 89.059 .615 .932
Q11 118.8293 86.736 .758 .930
Q12 119.0732 86.167 .692 .931
Q13 118.7073 89.370 .598 .932
Q14 118.6463 90.552 .541 .933
Q15 118.7561 88.532 .703 .931
Q16 118.6829 90.120 .564 .933
Q17 118.7561 88.853 .629 .932
Q18 119.2927 87.963 .429 .935
Q19 118.8537 87.855 .594 .932
Q20 118.7683 89.168 .560 .933
Q21 118.8780 87.220 .606 .932
Q22 118.9268 89.130 .296 .939
Q23 118.8780 88.034 .650 .931
Q24 118.8780 85.985 .713 .930
Q25 119.2561 84.983 .612 .932
Q26 118.8293 88.612 .493 .933
Q27 118.7683 88.230 .692 .931

FREKUENSI

ISI VARIABLE VIEW

1. Name => Variable .........
2. Label = Name
3. Type => Numeric / String
4. Values => None / 1..... 2.... Dst
5. Measure => Scale / Nominal

ISI DATA VIEW

1. Masukkan semua data menurut variable (hasil jumlah / SUM)

LANGKAH-LANGKAH PENGERJAAN
1. Input data sesuai dengan tabel diatas
2. Pilih menu Analyze => Descriptive Statistics => Frequencies. Akan muncul
Windows Frequencies. Kemudian masukkan ..... ke kotak Variable. Display
frequency tables tetap dicentang.
3. Pada menu Statistik, pilih sesuai dengan pertanyaan soal (mean, median, min,
max, Std. Deviation) klik Continue
4. Klik OK
5. Interpretasi hasil melalui output yang sudah dihasilkan oleh aplikasi spss

TABEL ..........
Statistics
motivasi iklim_organisasi Komunikasi kinerja_karyawan
N Valid 83 83 83 83
Missing 0 0 0 0
Mean 166.4337 113.2048 110.1205 114.2289
Median 171.0000 116.0000 112.0000 115.0000
Mode 190.00 125.00 100.00 130.00
Std. Deviation 16.76756 10.36735 11.52875 10.89117
Minimum 130.00 93.00 75.00 90.00
Maximum 190.00 125.00 125.00 130.00
Sum 13814.00 9396.00 9140.00 9481.00

Tabel ..... UNIVARIABLE

No Variabel Min-max Median Mean SD
1 Motivasi 130-190 171.0000 166.4337 16.76756
2 Iklim 93-125 116.0000 113.2048 10.36735
3 Komunikasi 75-125 112.0000 110.1205 11.52875
4 Kinerja 90-139 115.0000 114.2289 10.89117

PROPORSI

ISI DATA VIEW / LANGKAH-LANGKAH PENGERJAAN

1. Input data sesuai tabel (jumlah / SUM)
2. Pada menu Transform, pilih submenu Recode Into Different Variables
3. Pindahkan variable ..... kesebelah kanan (Input Variable => Output Variable)
4. Lalu pada Output Variable (Name dan Label ketik : New_ ..... )
5. Pilih Change => Old and New Values
6. Input Range (nilai Mean) dan Through (nilai Mean) kemudian pada New Value,
Input Value : untuk Range (ketik 1) dan Through (ketik 2). Setelah itu Add di Old
=> New dst. Kemudian klik Continue
7. Klik OK. Maka akan muncul variabel baru New_ .....

ISI VARIABLE VIEW

1. Name => Variable New_ .....
2. Label = Name
3. Values => 1..... 2.... Dst
4. Measure => Scale

ISI DATA VIEW

1. Pada menu Analyze => Descriptive Statistics => Frequencies
2. Pindahkan variable New_ ..... ke Variable
3. Klik Statistics (Check List pada ukuran yang diminta) => Values Are Group
Midpoints => Continue
4. Pada menu Frequencies Chart (Check List jenis chart yang diminta) => Continue
5. Klik OK dan didapat Result sebagai berikut

TABEL ...... PROPORSI

new_motivasi
Valid Cumulative
Frequency Percent Percent Percent
Valid motivasi tidak baik 39 47.0 47.0 47.0
motivasi baik 44 53.0 53.0 100.0
 Total 83 100.0 100.0

NO VARIABLE N %
1 Motivasi Motivasi tidak baik 47 47
Motivasi baik 53 53
2 Iklim Iklim buruk 44,6 44,6
Iklim baik 55,4 55,4
3 Komunikasi Komunikasi tidak baik 48,2 48,2
Komunikasi baik 51,8 51,8
4 Kinerja Kinerja buruk 49,4 49,4
Kinerja baik 50,6 50,6

UJI NORMALITAS

Berikut merupakan Dasar Pengambilan Keputusan (DPK) dalam Uji Normalitas (α

dalam penelitian ini sebesar 5% = 0,05) :
Tentukan alat uji statistik :
 Untuk jumlah responden < 50 = lihat sig pada table Shapiro Wilk
 Untuk jumlah responden > 50 = lihat sig pada table Kolmogorov Smirnov
 Jika sig > α maka data terdistribusi normal.
 Jika sig < α maka data terdistribusi tidak normal.
Aturan ketentuan :
1. Hipotesis uji :
H0 ; data terdistribusi normal
H1 ; data terdistribusi tidak normal
2. Alat Uji Statistik
Uji Kolmogorov-Smirnov
3. Menentukan nilai signifikan α = 5% = 0,05
4. Aturan keputusan;
 Bila sig hitung ≥ α = 0,05 maka terima H0, tolak H1. Artinya data terdistribusi
normal.
 Bila sig hitung < α = 0,05 maka tolak H0, terima H1. Artinya data terdistribusi
tidak normal
ISI VARIABLE VIEW
1. Name => Variable .........
2. Label = Name
3. Type => Numeric / String
4. Values => None / 1..... 2.... Dst
5. Measure => Scale / Nominal

ISI DATA VIEW

1. Masukkan semua data menurut variable (hasil jumlah / SUM)

LANGKAH-LANGKAH PENGERJAAN
1. Input data sesuai dengan tabel diatas
2. Dari menu Analyze => Descriptive Statistics => Explore.
3. Masukkan variabel (.....) pada kotak Dependent List
4. Pada menu Plots, centang opsi “Normality plots with tests” dan
kosongkan opsi yang lain dan tekan Continue.
5. Pada bagian Display (kiri bawah), pilihlah opsi Plots dan klik OK.
6. Hasil output

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic Df Sig. Statistic Df Sig.
Motivasi .124 83 .003 .946 83 .002
iklim_organisasi .128 83 .002 .891 83 .000
Komunikasi .129 83 .002 .925 83 .000
kinerja_karyawan .079 83 .200 * .958 83 .008
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction

UJI HETEROSKEDASTISITAS

Untuk mengetahui keadaan dimana terjadinya ketidaksamaan varian dari data pada
model regresi, perlu dilakukan uji heteroskedastisitas.

UJI KORELASI SPEARMAN RANK

Pengujian dilakukan dengan mencari korelasi antara nilai residual dengan variable
bebasnya. Jika ditemukan adanya korelasi antara variable bebas dengan nilai residual,
maka dapat disimpulkan terjadi heterokedastisitas.

Berikut merupakan Dasar Pengambilan Keputusan (DPK) dalam Uji Korelasi (α dalam
penelitian ini sebesar 5% = 0,05) :
Tentukan alat uji statistik :
• Jika sebaran data normal = Person Korelasi
• Jika sebaran data tidak normal = Korelasi Spearman
Aturan ketentuan :
1. Hipotesis uji :
H0 ; tidak ada hubungan antara variabel dependent dan variabel indepandent
H1 ; ada hubungan antara variable dependent dan independent
2, Menentukan nilai signifikan α = 5% = 0,05
3. Aturan keputusan;
• Bila sig hitung ≥ α = 0,05 maka terima H0, tolak H1. Artinya tidak ada
hubungan antara variabel dependent dan variabel independent
• Bila sig hitung < α = 0,05 maka tolak H0, terima H1. Artinya ada hubungan
antara variable dependent dan variable independent

ISI VARIABLE VIEW

1. Name => Variable .........
2. Label = Name
3. Type => Numeric / String
4. Values => None / 1..... 2.... Dst
5. Measure => Scale / Nominal

ISI DATA VIEW

1. Masukkan semua data menurut variable (hasil jumlah / SUM)

LANGKAH-LANGKAH PENGERJAAN
1. Dari menu utama SPSS => Analyze => submenu Regression => Linear. Maka
akan muncul kotak dialog sebagai berikut “Masukkan variabel yang dipengaruhi
(dependen) dan variabel yang mempengaruhi (independen) ke kotaknya masing-
masing”
2. Pilih Save kemudian pada bagian Residuals pilih Unstandardized (Untuk
memunculkan nilai residual). Lalu klik Continue => OK. Hasil akan muncul di input
SPSS.
3. Setelah muncul Nilai Residual, dilanjukan dengan Analisis Korelasi. Pilih menu
Analyze => Correlate => Bivariate.
4. Pindahkan variabel ..... ke kotak variabel. Kemudian centang Spearman pada
Coefficient Correlation => OK

TABEL ..... HUBUNGAN MOTIVASI TERHADAP KINERJA

Correlations
motivasi kinerja_karyawan
Spearman's rho Motivasi Correlation Coefficient 1.000 .690**
Sig. (2-tailed) . .000
N 83 83
kinerja_karyawan Correlation Coefficient .690 ** 1.000
Sig. (2-tailed) .000 .
N 83 83
**. Correlation is significant at the 0.01 level (2-tailed).
 REGRESSI LINEAR SEDERHANA
1. Masukkan data ke Variable View
 Nama = Label
 Type : String / Numeric
 Measure : Nominal / Scale
2. Masukkan data ke Data View
3. Dari menu utama SPSS, pilih menu Analyze => Regression => Linear. Maka akan
muncul kotak dialog sebagai berikut : masukkan Variable Dependent dan Variable
Independent
4. Pilih Statistics => Checklist Estimates, Model Fit, Confidence intervals 95%,
Descriptives, dan Durbin-Watson
5. Klik Continue => Plots. Masukkan Y => Dependnt dan X => Adjpred. Check list
Histogram dan Normal probability plot => Continue
6. Klik Save dan pilih opsi Unstandarized pada Predicted value. Check list Include the
..... => Continue
7. Klik OK
Model Summaryb
Std. Error of
Mode R Adjusted R the
l R Square Square Estimate
1 .486 a .236 .229 7.52129
a. Predictors: (Constant), komunikasi
b. Dependent Variable: kinerja

ANOVAa
Sum of Mean
Model Squares Df Square F Sig.
1 Regressio
1715.868 1 1715.868 30.332 .000b
n
Residual 5543.842 98 56.570
Total 7259.710 99
a. Dependent Variable: kinerja
b. Predictors: (Constant), komunikasi

Coefficientsa
Standardize
Unstandardized d 95,0% Confidence Interval
Coefficients Coefficients for B
Lower Upper
Model B Std. Error Beta T Sig. Bound Bound
1 (Constant) 28.155 5.602 5.026 .000 17.038 39.273
Komunikas
.794 .144 .486 5.507 .000 .508 1.079
i
 REGRESSI LINEAR BERGANDA

1. Masukkan data ke Variable View

 Nama = Label
 Type : String / Numeric
 Measure : Nominal / Scale
2. Masukkan data ke Data View
3. Dari menu utama SPSS, pilih menu Analyze => Regression => Linear. Maka akan
muncul kotak dialog sebagai berikut : masukkan Variable Dependent dan Variable
Independent (masukkan 2 variabel)
4. Pilih Statistics => Checklist Estimates, Model Fit, Confidence intervals 95%,
Descriptives, Part and partial correlations dan Durbin-Watson
5. Klik Continue => Plots. Check list Histogram dan Normal probability plot (Poduce
all partial plots) => Continue => Save
6. Klik Option, pada Stepping Method Criteria, pilih : Entry .05 (uji F yang mengambil
standar angka probabilitas sebesar 5%) dan Removal .10, Beri tanda pada
Include constant in equation (menyertakan konstanta tetap dipilih). Pada Missing
Value, pilih: Exclude cases listwise (data kasus tidak ada yang hilang). Kemudian
Continue.
7. Klik OK

ANOVAa
Sum of Mean
Model Squares Df Square F Sig.
1 Regressio
2251.956 2 1125.978 21.810 .000b
n
Residual 5007.754 97 51.626
Total 7259.710 99
a. Dependent Variable: kinerja
b. Predictors: (Constant), komunikasi, kepemimpinan

Coefficientsa
Unstandardized Standardized 95,0% Confidence Interval
Coefficients Coefficients for B
Lower Upper
Model B Std. Error Beta t Sig. Bound Bound
1 (Constant) 18.976 6.063 3.130 .002 6.943 31.009
Kepemimpina
.643 .200 .377 3.222 .002 .247 1.039
n
Komunikasi .367 .191 .225 1.919 .058 -.013 .746
a. Dependent Variable: kinerja
 Model Summaryb
Std. Error of
Mode R Adjusted R the
l R Square Square Estimate
1 .557 a .310 .296 7.18515
a. Predictors: (Constant), komunikasi, kepemimpinan
b. Dependent Variable: kinerja

Variables Entered/Removeda
Mode Variables Entered Variables Method
l Removed
komunikasi, . Enter
1 motivasi, iklim
organisasib
. komunikasi Backward (criterion:
2 Probability of F-to-remove
>= ,100).
a. Dependent Variable: kinerja
b. All requested variables entered.

UJI BEDA / PARAMETRIK

A. UJI RATA-RATA DUA KELOMPOK BEBAS

UJI NILAI ERROR
1. Analyze => General Linear Model => Univariate
2. Masukkan variabel ; nilai ulangan matematika ke Dependent variabel dan
Kelas ke Fixed Factor (s)
3. Klik Model => hilangkan tanda centang pada : include intercept in model
4. Klik Save ; pada residuals ; centang unstandardized => Continue => OK

UJI NORMALITAS (MEMBUAT VARIABEL ERROR DARI DATA)

5. Analyze => Descriptive statistics => Explore

6. Masukkan variabel ; Residual for Nilai ke dependent list
7. Klik plots muncul menu ; Explore plots => pilih Normality plots with tests =>
Continue => OK
8. Akan muncul hasil Kolmogorov-Smirnov

9. Variabel View
 Nama = Label
 Value : None / 1 ..... 2 .....
 Measure : Scale / Nominal
 10. Analyze => Compare means => Independent sample T test
11. Masukkan variabel nilai ke Test Variable (s) dan masukkan kelas ke Groping
Variable.
12. Setelah itu klik Define groups, masukkan angka 1 = group 1 (yang berarti
kelas A) dan 2 = group 2 (yang berarti kelas B)
13. Continue => OK

Tests of Between-Subjects Effects

Dependent Variable: nilai

Source Type III Sum of df Mean Square F Sig.

Squares

Model 21779,673a 2 10889,836 240,498 ,000

Kelas 21779,673 2 10889,836 240,498 ,000
Error 860,327 19 45,280
Total 22640,000 21

a. R Squared = ,962 (Adjusted R Squared = ,958)

Tests of Normality
a
Kolmogorov-Smirnov Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
*
nilai .083 21 .200 .980 21 .926
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction

Group Statistics

Kelas N Mean Std. Deviation Std. Error Mean

Nilai kelas 4A 11 35.4545 6.51711 1.96498

kelas 4B 10 28.2000 6.95701 2.20000

 Independent Samples Test

Levene's Test for

Equality of
Variances t-test for Equality of Means

95% Confidence Interval of

Mean Std. Error the Difference

F Sig. T Df Sig. (2-tailed) Difference Difference Lower Upper

nilai Equal variances

.287 .598 2.467 19 .023 7.25455 2.94014 1.10076 13.40833
assumed

Equal variances
2.459 18.494 .024 7.25455 2.94977 1.06916 13.43994
not assumed

B. UJI DUA KELOMPOK TERKAIT (INPUTNYA KE SAMPING / BEDA KOLOM)

UJI NILAI ERROR
1. Analyze => General Linear Model => Univariate
2. Masukkan variabel ; nilai ulangan matematika ke Dependent variabel dan
Kelas ke Fixed Factor (s)
3. Klik Model => hilangkan tanda centang pada : include intercept in model
4. Klik Save ; pada residuals ; centang unstandardized => Continue => OK

UJI NORMALITAS

5. Analyze => Descriptive statistics => Explore

6. Masukkan variabel ; Residual for Nilai ke dependent list
7. Klik plots muncul menu ; Explore plots => pilih Normality plots with tests =>
Continue => OK
8. Akan muncul hasil Kolmogorov-Smirnov
9. Analyze => Compare means => Pair sample T test
10. Kemudian sort ke dua variabel dan pindahkan ke kotak paired variables
11. Continue => OK
 Tidak ada uji homogenitas karena sampelnya sama (tidak ada kelompok)

Tests of Between-Subjects Effects

Dependent Variable: nilai

Source Type III Sum of df Mean Square F Sig.

Squares

Model 21779,673a 2 10889,836 240,498 ,000

Kelas 21779,673 2 10889,836 240,498 ,000
Error 860,327 19 45,280
Total 22640,000 21

a. R Squared = ,962 (Adjusted R Squared = ,958)

Paired Samples Statistics

Mean N Std. Deviation Std. Error Mean

Pair 1 Metodebaru 83.5000 10 9.55975 3.02306

Metodelama 73.5000 10 13.20984 4.17732

Paired Samples Test

Paired Differences

95% Confidence Interval

Std. Std. Error of the Difference

Mean Deviation Mean Lower Upper t df Sig. (2-tailed)

Pair 1 metodebaru -
10.00000 12.56981 3.97492 1.00810 18.99190 2.516 9 .033
metodelama

C. UJI BEDA BANYAK VARIABEL / LATIHAN UJI ANOVA

UJI NILAI ERROR
1. Analyze => General Linear Model => Univariate
2. Masukkan variabel ; Nilai ulangan matematika ke Dependent variabel dan
Kelas ke Fixed Factor (s)
3. Klik Save ; pada Residuals ; centang Unstandardized => Continue => OK

UJI NORMALITAS (MEMBUAT VARIABEL ERROR DARI DATA)

1. Analyze => Descriptive statistics => Explore

2. Masukkan variabel ; Residual for Nilai ke Dependent list
3. Klik Plots muncul menu ; Explore plots => pilih Normality plots with tests
4. Continue => OK
5. Akan muncul hasil Kolmogorov-Smirnov
 UJI ANOVA (MULTIPLE COMPARATION)

1. Analyze => Compare means => One-way Anova

2. Muncul list => Pindahkan variabel Dosis ke Factor dan variabel Daya ke
Dependent list
3. Klik Post hoc muncul menu : LSD & Tukey => Continue
4. Klik Option => pilih Homogenity of variance, Descriptive (dicentang)
5. Klik Continue => OK

Tests of Between-Subjects Effects

Dependent Variable: nilai

Source Type III Sum of df Mean Square F Sig.

Squares
Model 21779,673a 2 10889,836 240,498 ,000
Kelas 21779,673 2 10889,836 240,498 ,000
Error 860,327 19 45,280
Total 22640,000 21

a. R Squared = ,962 (Adjusted R Squared = ,958)

Test of Homogeneity of Variances

pertumbuhan

Levene Statistic df1 df2 Sig.

2.742 4 25 .051

ANOVA
pertumbuhan
Sum of Squares df Mean Square F Sig.

Between Groups 7272.800 4 1818.200 87.498 .000

Within Groups 519.500 25 20.780
Total 7792.300 29
 pertumbuhan

Subset for alpha = 0.05

Dosis N 1 2 3 4

Tukey HSDa 64gr/m3 6 51.1667

48gr/m3 6 71.6667
32gr/m3 6 84.0000

16gr/m3 6 90.6667 90.6667

0gr/m3 6 94.0000

Sig. 1.000 1.000 .115 .713

Means for groups in homogeneous subsets are displayed.

a. Uses Harmonic Mean Sample Size = 6,000.

UJI BEDA NON PARAMETRIK

A. MANN WHITNEY
1. Input variabel kelas dan nilai pada Variable View. Gunakan Value Label untuk
variabel kelas.
2. Input data ke Data View.
3. LAKUKAN UJI NORMALITAS.
4. Pilih Analyze => Nonparametric Tests => Legacy Dialogs => 2 Independent
Samples.
5. Kemudian pada window yang muncul, pindahkan variable nilai ke Test
Variable List dan kelas ke Group Variable.
6. Klik Define Group dan masukkan seperti dibawah ini.
7. Pilih Continue. Pada test-type centang Mann-Whitney U => OK untuk melihat
output.

Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk
Kelas Statistic Df Sig. Statistic df Sig.
Residual for nilai A .154 20 .200* .898 20 .038

B .277 20 .000 .836 20 .003

*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction

Ranks

Kelas N Mean Rank Sum of Ranks

Nilai A 20 25.73 514.50

B 20 15.28 305.50

Total 40

Test Statisticsa

Nilai

Mann-Whitney U 95.500
Wilcoxon W 305.500
Z -2.833
Asymp. Sig. (2-tailed) .005
Exact Sig. [2*(1-tailed Sig.)] .004b

a. Grouping Variable: kelas

b. Not corrected for ties.

B. SIGN WILCOXON (uji kelompok terkait)

Langkah-langkah:
1. Input variabel sebelum dan sesudah pada Variable View.
2. Input data diatas pada Data View.
3. Uji distribusi data, jika data tidak normal maka bisa menggunakan metode
non-parametrik
4. LAKUKAN UJI NORMALITAS.
5. Pada menu Analyze => pilih Non-Parametric Test – 2 Related Sample.
6. Pada kolom Test Pairs, masukkan variable sebelum dan sesudah. Kemudian
Test Tipe : Wilcoxon. Abaikan pilihan lain, klik OK.

Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Statistic Df Sig. Statistic df Sig.

Sebelum .204 12 .180 .864 12 .055

sesudah .175 12 .200* .902 12 .167

*. This is a lower bound of the true significance.

a. Lilliefors Significance Correction
 Ranks

N Mean Rank Sum of Ranks

sesudah – sebelum Negative Ranks 10a 6.75 67.50

Positive Ranks 2b 5.25 10.50

Ties 0c

Total 12

a. sesudah < sebelum

b. sesudah > sebelum
c. sesudah = sebelum

Test Statisticsa

sesudah –
sebelum

Z -2.242b
Asymp. Sig. (2-tailed) .025

a. Wilcoxon Signed Ranks Test

b. Based on positive ranks.

C. KRUSKALL WALLIS
Langkah-langkah pengerjaan menggunakan SPSS :
1. Masukkan variabel ke dalam Variable View, yaitu Shift dan Nilai.
2. Klik pada Values, nanti akan muncul kotak dialog “Value Labels”. Pada kolom
Value tulis angka 1 dan label “16:00-midnight” dan klik “Add” dilanjutkan
sampai value ke-3.
3. Pada tab “Data View” di kolom shift masukan angka 1 untuk shift 1 dan pada
kolom nilai copy data dari contoh soal.
4. Syarat untuk melakukan uji Kruskal-Wallis adalah data berdistribusi tidak
normal sehingga kita harus melakukan UJI NORMALITAS terlebih dahulu.
Klik Analyze => Descriptive Statistics => Explore sebagai berikut :
5. Kemudian akan muncul kotak dialog Explore dan klik Plots.
6. Pada kotak dialog Explore : Plots pada Boxplots klik None, pada Descriptive
uncheck Stem-and-leaf dan klik Normality plots with tests. Klik Continue dan
klik Ok pada kotak dialog Explore dan akan muncul hasil output dari
Normalitas :
7. Hasil Output Uji Normalitas karena jumlah data atau df 20 sehingga kita
melihat table Shapiro-Wilk. Dari hasil Sig 0.009, 0.004, dan 0.0 lebih kecil dari
α (0.5) sehingga bisa dilakukan pengujian Kruskal-Wallis.
8. Kemudian Klik Analyze => Nonparametric Tests => K Independent Samples
 9. Kemudian akan muncul kotak dialog “Tests for Several Independent
Samples” kemudian pindahkan variable Nilai ke kolom Test Variable List dan
Shift ke Grouping Variable
10. Kemudian klik Define Range dan isikan nilai Minimum : 1 dan nilai Maximum :
3 (karena terdiri dari 3 sample)
11. Kemudian klik Continue dan klik Ok. Hasil Output dari Kruskal-Wallis Test

12. Case Processing Summary

Cases

Valid Missing Total

Shift N Percent N Percent N Percent

Hasil 16.00-midnight 20 100.0% 0 0.0% 20 100.0%

midnight-08.00 20 100.0% 0 0.0% 20 100.0%

08.00-16.00 20 100.0% 0 0.0% 20 100.0%

Ranks

Shift N Mean Rank

Hasil 16.00-midnight 20 19.63

midnight-08.00 20 28.70

08.00-16.00 20 43.18

Total 60

Test Statisticsa,b

Hasil

Chi-Square 20.389
Df 2
Asymp. Sig. .000

a. Kruskal Wallis Test

b. Grouping Variable: shift
D. Chi-square tabel
1. Setelah mendapat Asymp Sig. dan Chi-Square hitung kita memerlukan Chi-
Square Tabel dengan menggunakan tool di spss.
2. Pertama klik Transform dan pilih Compute Variable.
3. Pada Function Group pilih Inverse DF dan pada Functions and Special
Variables pilih idf. Chisq. Pada Target Variable masukan chisq dan pada
Numeric Expression masukan rumus IDF.CHISQ (prob, df) dimana prob
adalah (1-α) = 1-0.05 = 0.95 dan df dapat dilihat di table output Statistics,
yaitu 2 atau K-1 = 3 – 1 = 2 (Note: K adalah banyak sample yang diuji).
4. Output table Chi-Square akan muncul pada data view yaitu 5.99.