Professional Documents
Culture Documents
Multimedia Laboratory- 1
var
Gambar.1.1 Data View Pada variabel view ditampilkan nama variabel, tipe data, lebar kolom, penggunaan desimal, label penamaan variabel, macam data hasil penelitian (nominal, scale, ordinal),alignment atau peletakan data yang diinputkan.
Multimedia Laboratory- 2
Gambar 1.2 Pemberian nama variabel harus memenuhi ketentuan berikut ini : 1. Nama variabel harus diawali dengan huruf dan karakter yang selanjutnya boleh huruf, angka dan simbol @,#, atau $. 2. Nama variabel tidak boleh diakhiri dengan tanda titik. 3. Harus dihindari pemberian nama variabel yang diakhiri dengan garis bawah. 4. Panjang nama variabel tidak boleh lebih ari 8 karakter. 5. Spasi kosong an spesial karakter !,? dan * tidak digunakan. 6. Nama variabel tidak boleh sama satu variabel dengan variabel lainnya. 7. Tidak membedakan huruf kecil dengan huruf kapital. 8. Tidak menggunakan kata-kata yang sudak ada pada sistem atau bahasa pemrograman SPSS yaitu, ALL,AND, BY,EQ, GT, LT, NE, NOR, OR, TO, AND. Tipe data yang ada pada SPSS adalah
1.
Numeric, merupakan tipe angka dengan tanda plus dan tanda minus didepan Comma, merupakan tipe yang termasuk angka, tanda plus dan tanda minus Dot, tipe ini sama dengan tipe comma, yang membedakan hanyalah pemisah Scientifik notation, merupakan type data yang menggunakan lambang atau Date, tipe ini menampilkan data dalam format tanggal atau waktu. Dollar, tipe ini adalah tanda $ sebuah titik sebagai indikator desimal dan Custom curency, tipe ini digunakan untuk menampilakan format mata uang String, digunakan untuk karakter huruf dan karajter lainnya.
Multimedia Laboratory- 3
MODUL PRAKTIKUM PROBABILITAS & STATISTIK Label digunakan untuk memberikan keterangan dari variabel-variabel yang ada, agar lebih informatif dan anda tidak lupa terhadap data yang didalamnya. Disamping ada Variabel label juga ada value label untuk nilai nilai variabel faktor berupa data kategorik seperti contiohnya kelas. Untuk dta numerik tidak perlu ada value label. Colums Format, adalah lebar kolom untuk data ini, standarnya 8 character. Anda bisa mengubahnya sendiri sesuai yang anda kehendaki. Missing value, berisi beberapa pilihan menangani missing value. 1. 2. 3. Tanpa ada missing value. Diskret missing value : digunakan untuk menyediakan data mana sajakah yang Range missing value : data yang berupa interval yaitu nilai terendah sampai nilai
akan dihilangkan atau ditinggalkan. tertinggi yang akan dihilangkan atau ditinggalkan. Align, digunakan untuk menentukan data tersebut akan tampil secara rata kiri, rata kanan, atau center. Meassure, digunakan untuk menetukan macam data. Macam data ada tiga yaitu : Nominal dimana sata hadil menghitung yang merupakan data diskret, skale serta ordinal untuk menentukan data kontinu yaityu data mengukur. 3. CONTOH PERCOBAAN a) Memasukan Data Dipunyai data demografi atau kependudukan beberapa negara seperti tabel dibawah ini:
Negara
Afganistan Argentina Armenia Austaralia Azerbajian Bahrain
Populasi
20500 33900 3700 17800 8000 600
Dens
25 12 126 23 94 828
Urb
18 86 68 85 58 83
Religion
1 2 4 3 1 1
Life Expm
44 75 75 80 79 74
Life Exfm
45 68 68 74 73 71
2. Kristen
3. Katolik
4. Hindu
5. Budha
Untuk memasukkan data tersebut ke SPSS caranya: Anda harus buat dulu nama variabel, untuk membuat nama pada variabel tekan sheet variable view. 2. Isikan nama variabel sampai dengan tipe data, caranya: Kolom name ketikkan nama variabelnya, untuk baris pertama ketikkan negara. Kolom tipe didisikan tipe data yang diproses sesuai dengan variabelnya. Klik kolom type maka akan muncul: lihat gambar.3.
Multimedia Laboratory- 4
Gambar 1.3 Kemudian klik type string dan isikan pada menu character 15.
- kolom Align pilih left yang berarti rata kiri. 3. Pada baris selanjutnya menyesuaikan data yang diinginkan.
4. Untuk nama variabel dens dan urb pada kolom label isikan dendity untuk dens dan urbanisasi untuk urb. Hal ini berfungsi untuk memberikan keterangan yang lengkap terutama outputnya. 5. Untuk nama variabel religion pada kolom values klik kemudian akan tampil sbb:
Gambar 1.4 Untuk mengisikan pada kolom value, masukkan angka 1kemudian value label ketikkan Islam, demikian seterusnya sampai selesai.
6.
Bila semua variabel sudah dipesankan kemudian klik data view, anda lihat kolom-kolom sudah terisi nama-nama variabel yang sudah dipesankan disheet variabel view. Selanjutnya dapat diisikan datanya sesuai tabel.
7.
Untuk menyimpan file, klik menu File ? save kemudian pada save in carilah folder yang sesuai misalnya c:\ My documents\k-1 untuk menyimpan data anda. Dan pada file name ketikkan nama file, misalnya m1C1 kemudian tekan save.
8.
Untuk membuat File baru: klik File ? New ? data. Sedangkan untuk keluar dari SPSS klik File ? Exit. b) Analisa Data Diskriftive Analisa data yang paling sederhana yang dapat dilakukan adalah menampilkan diskripsi
numerik data anda menggunakan kuantitas seperti mean, standardeeviasi, median,min, max, dsb. Langkah- langklah untuk analisis menggunakan descriptive:
-
Gambar 1.5 Masukkan kedalam kolom variable(s) nama-nama variabel yang akan dihitung nilai statistiknya. Pemilihan dapat dengan mengklik dua kali variabel yang diinginkan atau memindahkannya dengan cara mengklik tanda panah.
-
Klik option untuk memilih statistik diskripsi yang akan dihitung nilainya, misalnya: Klik Ok , sehingga SPSS akan menampilkan output yang anda inginkan.
mean, median maximum, minimum, dsb. Kemudian klik Continue untuk melanjutkan.
-
Simpan output anda dengan memilih menu File ? save kemudian ketikkan nama file output_m11 dan pastikan file anda disimpan didirektori sesuai kelompok anda. Untuk memanggil output yang telah anda simpan pilh File ? open ? output kemudian pilih output yang akan dibuka. 5. MEMINDAH OUTPUT KE MICROSOFT WORD (PENGOLAH KATA) Output dapat disajikan dengan menarik agar orang lain dengan mudah memahami hasil analisa anda. Buka file output yang akan dipindah sehingga tampilan seperti :
Multimedia Laboratory- 6
Gambar 1.6
Kemudian buka microsoft word kemudian anda paste, atau melalui menu Edit ? paste. 6. TUGAS Tugas mingguan terlampir
Multimedia Laboratory- 7
Gambar 2.1 Keterangan: Simple untuk membuat grafik dengan satu garis. Multiple untuk membuat grafik garis dengan beberapa garis. Drop_line untuk grafik garis yang menujrun atau arah vertikal. Tanpilan di Data in Chart Area adalah: Summaries for groups of case, kasus dianalisa dan dikelompokkan dengan grafik pergroup. Summaries for separed of variabel, grafik yang akan ditampilkan terpisah pervariabel. Value of individual case, untuk menganalisa secara nilai perkasus. b) Grafik batang Grafik batang (bar) merupakan cara lain untuk manampilkan data penelitian. Grafik bentuk ini pada dasarnya digunakan untuk menampilkan data kualitatif. Untuk Multimedia Laboratory- 8
MODUL PRAKTIKUM PROBABILITAS & STATISTIK menampilakn grafik batang terlebih dahulu buka data yang akan dibuat grafiknya, kemudian klik menu Graph ? Bar sehingga terlihat tampilan seperti dibawah ini:
Gambar 2.2 Keterangan : Tawaran yang diberikan untuk membuat grafik batang dalam bentuk: - simple : untuk membuat grafik batang biasa. - bclusstered : untukl membuat grafik batang yang tersarang. - stacked : untuk grafik batang seperti grafik batang biasa tetapi tinggi rendah batang dibuat dengan penggolongan. Tampilan menu Data in Chart Area fungsinya sama dengan pada grafik garis. Grafik Histogran hampir mirip dengan grafik bar. Grafik Histogram merupakan grafik yang berbentuk batang-batang yang disusun berjajar. Digunakan dalam tampilan pengujian normalitas dari suatu variabel. Perbedaan dengan grafik batang bila grafik batang ada batas nyata antara batang satu dengan batang yang lain, sadangkan pada Histogram tidak ada batas nyata dimana batang satu dengan lainnya disusun berdekatan. Untuk membuat Grafik Histogram caranya sama dengan menggunakan grafik garis, yaitu buka data yang akan dibuat grafiknya, kemudian klik menu Graph ? Histogram kemudian muncul dialog: c) Grafik Histogram
Gambar 2.3 Kemudian pada menu variable(s) : masukkan variabel yang akan dibuat grafiknya Multimedia Laboratory- 9
MODUL PRAKTIKUM PROBABILITAS & STATISTIK Template : menyediakan fasilitas dimana alan menggunakan spesifikasi dari suatu file, jika menggunakan dari suatu file maka klik file yang extensionnya *.tmp. Klik Display normal curve untuk menampilkan histogram dengan grafik yang membentuk kurve normal. Titles : berfungsi untuk memberi nama grafik yang dibuat pada analisis. d. Grafik scatter plot Grafik yang menunjukkan pengaruh dan hubungan dua buah variabel. Diagram scatter merupakan diagram yang biasa ada pada analisa regresi terutama pada program mikrostat. Langkah untuk membuat grafik scatter : klik menu Graph ? scatter sehingga terlihat tamilan seperti dibawah :
Gambar 2.4 Keterangan: Simple : Scatter plot yang paling sederhana antara dua data(variabel)atau pasangan (x,y). anda tinggal memilih variabel mana untuk Y-aksis dan X-aksis pada box Define. Overlay : ini adalah scatter plot ganda. Jika kita punya minimal dua pasangan data berpasangan(x,y) maka kita bisa membuat plot pasangan psangan data tersebut dengan memilih ini. Contohnya anda punya pasangan data (x,y) dan (u,v) maka pada plot data (x,y) diwakili tanda + dan data (u,v) diwakili tanda kotak. Matrix 3-D Define : matrik plot minimal untuk dua data. Jadi suatu variabel ditampilkan dua kali terhadap variabel lawannya, yaitu sebagai Y-aksis dan X-aksis. : Scatter plot dimensi. Scatter ini untuk 3 buah data (variabel). : setelah menetapkan pilihan terhadap scatter plot yang akan dibuat, maka untuk memasukkan variabel yang akan diplot klik Define. 3. CONTOH PERCOBAAN Akan dibuat Histogram yaitu grafik batang distribusi data yang dikelompokkan menmurut interval-interval tertentu. Dalam percobaan kali ini akan dibuat histogram ekpektasi hidup wanita. Data yang dianalisa berasal dari paket program SPSS dengan nama file world95.sav. Langkah langkahnya : Multimedia Laboratory- 10
MODUL PRAKTIKUM PROBABILITAS & STATISTIK Buka file world95 dari SPSS. Pilih menu graphs ? histogram. Kolom variable masukan variabel lifeexpf Klik dialog Title. Isikan judul dari histogram, misalnya Histogram Harapan Hidup Wanita. Kllik pada Display Normal curve. Klik OK untuk melihat hasilnya, dan copy ke MS World
hitogram harapan hidup wanita
40
30
20
10 Std. Dev = 10,57 Mean = 70,2 0 45,0 50,0 55,0 60,0 65,0 70,0 75,0 8 0,0 N = 109 ,00
Tampak pada outputnya ada iringan kurva normal. Hal ini bisa digunakan untuk mengecek datanya terdistribusi normal apa tidak. Masih dengan file yang sama, sekarang akan dilihat matrix scatter plot untuk 3 variabel yaitu lifeexpm (angka harapan hidup penduduk pria), lifeexf(angka harapan hidup penduduk wanita), dan babymort(angka kematian bayi). Langkah langkahnya : Dari menu utama SPSS klik graphs ? scatterplot ? .. Pilih matrix kemudian klik Define dan masukkan variabel yang akan diplot kedalam kolom Matrix variable Tekan OK untuk melihat hasilnya.
output sacatterplot
Terlihat semua pasangan kombinasi plot dua variabel disajikan dalam matrix. Semuanya menunjukkan hubungan linier. 4. TUGAS Tugas mingguan terlampir.
Multimedia Laboratory- 11
Jalankan SPSS dan buka data editor baru yaitu menu File ? New ? Data. Buatlah variabel dengan nama df didata editor ini, kemudian isikan 1 sampai 20 (nantinya jika diinginkan nilai derajat bebas yang lain, tinggal diganti nilai df ini). Pilih menu Transform ? Compute, maka akan terbuka window dialog compute variabel, isikan pada target variabel nama variabel baru t0.01. kemudian pada numerik expresion pilih dan isikan function IDF.T(1-0.01, df). Kemudian abaikan yang lain dan klik OK. Maka pada layar data sekarang dimiliki variabel t0.01 yang berisikan nilai tabel t untuk =0.01 dan derajat bebasmulai dari 1 sampai 20. Sebagai contoh diperoleh t(10,0.01)=2,76. Multimedia Laboratory- 12
MODUL PRAKTIKUM PROBABILITAS & STATISTIK Untuk nilai alpha yang lain dapat dibuat sendiri. Misalnya ingin membuat tabel untuk alpha =0,05, maka pada dialog window dialog variabel, isikan pada target variabel nama variabel baru t0.05. kemudian pada numerik expression pilih dan isikan function IDF.F(1-0.05,DF). Lihat gambar dibawah:
gambar 3.1 Demikian pula untuk nilai alpha maupun df yang lainnya. b. Membuat Tabel Distribusi F Untuk membuat tabel F, diperlukan df1(numerator/pembilang) dan df2 (denominator/penyebut), sedangkan SPSS tidak dapat melakukan perhitungan dua dimensi seperti exell, maka pembuatan tabel F dilakukan dengan df1 konstan.
0 Langkah-langkah:
F1
Jalankan SPSS dan buka data editor baru: dengan menu File ? New ? Buatlah variabel dengan nama df2 didata editor ini, kemudian isikan
data.
nilai 1 sampai 20 (nantinya jika menginginkan nilai derajat bebas yang lain, tinggal ganti nilai df2 yang ini).
compute variabel . isikan pada target variabel nama variabel baru F0,01. Kemudian pada Numeric Expression, pilih dan isikan function IDF.F. misalnya kita akan Multimedia Laboratory- 13
MODUL PRAKTIKUM PROBABILITAS & STATISTIK mencari tabel F dengan df1=3, dengan =0.01. Jadi gunakan IDF.F(1-0.01,3,df). Tekan OK untuk melihat hasilnya. Dapat dilihat F(3,5,0.01)= 12,06. c. Membuat tabel CHI SQUARE Suatu peubah acak X dikatakan berdistribusi chi square n2(0) dengan derajat kebebasan n jika (untuk suatu bilangan bulat n>0): Fx (x) = 1 2
n 2 (n 2) ( n ) 1 2 ( x ) 2
MODUL PRAKTIKUM PROBABILITAS & STATISTIK Pada baris 1 mulai cell B1 isi dengan nilai z juga(untuk desimal nilai Z pada kolom A) mulai dari 0,00 sampai dengan 0,09. Dari cell B2 ketikkan NORMSDIST($A2+B$1). Copy cell B2 dan pastekan kesemua cell untuk alokasi tabel. Perintah diatas dapat dijelaskan bahwa untuk pengkopian kebaris maka kolom akan tetap, yang bergerak adalah sell barisnya. Layar EXELL dapat dilihat berikut:
Multimedia Laboratory- 15
Kekeliruan tipe I(kekeliruan ) : kekeliruan yang dilakukan setelah kita menolak H0 , padahal H0 benar. Kekeliruan tipe II(kekeliruan ): kekeliruan yang dilakukan setelah kita menerima H0, padahal H0 salah.
b)
Uji Mean Satu Populasi: Sampel besar, Distribusi data sembarang Misalkan kita akan menguji mean atau rata-rata suatu sampel yang berukuran besar, dan karena SPSS tidak menyediakan perhitungan untuk uji mean dengan sampel besar maka dilakukan perhitungan secara manual dan tetap menggunakan SPSS. Yang dihitung yaitu nilai Zhitung dengan persamaan Z = x
s n
Dengan x = meansampel,
= rata-rata populasi, s = standart deviasi, dan n adalah ukuran sampelnya. CONTOH PERCOBAAN:
Multimedia Laboratory- 16
MODUL PRAKTIKUM PROBABILITAS & STATISTIK Suatu perusahaan pembuat alat-alat olahraga, membuat tali pancing sintetik, menurut pembuatnya rata-rata dapat menahan beban 8kg dengan standart deviasi 0,5 kg. Untuk menguji apakah pernyataan pembuatnya tersebut benar, maka dengan mengambil sampel random sebanyak 50 tali mendapatkan rata-rata daya tahannya 7,8kg. gunakan taraf nyata = 1%. Penyelesaiannya: Diketahui : n= 50 ; x = 7,8 ; s= 0,5 ; = 8 Hipotesis yang diajukan : H0 : = 8 vs H1 : 8 Dengan taraf nyata =1%, maka dengan melihat tabel Z0.05 = 2,575 Statistik uji : Z = x
s n
Dengan menggunakan SPSS, nilai-nilai statistik dapat dicari seperti mean, standar deviasi, dan lainnya. Dengan diasumsikan mean dan standar deviasi sampelnya diketahui. Kemudian akan kita hitung nilai Znya dengan menggunakan SPSS10.01. Langkah-langkahnya:
a.
Buatlah variabel baru dengan nama zhitung dengan tipe data numerik, isikan
dengan sembarang angka, misalnya 1. Kemudian pilih menu Transform ? compute. Pada target variabel,isikan zhitung. Pada numeric expresion, isikan : (x - )/(s/sqrt(n)), dengan x, , s dan n sesuai yang diketahui. Klik ok dan pilih yes jika ada pertanyaan Change Existing Variabels! Maka akan ditampilkan nilai zhitungnya yaitu 2,828. b. Untuk nilai ztabel dapat dilihat pada buku, namun apabila ingin dibuat dengan Pilih menu Transform ? Compute Pada target variabel isikan Ztabel Pada numeric ekspresion isikan IDF.Normal (1-/2,0,1) Pilih ok dan lihat hasilnya Z tabel = 2,575 . Daerah kritisnya : H0 ditolak jika Zhitung < -Z tabel atau Zhitung >Z tabel Daerah penolakan H0 komputer maka langkah-langkahnya adalah:
-
-2,575
2,575
kesimpulan hipotesis:
Multimedia Laboratory- 17
MODUL PRAKTIKUM PROBABILITAS & STATISTIK karena nilai Zhitung terletak didaerah kritis maka H0 ditolak, yang berarti bahwa rata-rata daya tahan pancing tidak sama dengan 8 kg.
Multimedia Laboratory- 18
MODUL PRAKTIKUM PROBABILITAS & STATISTIK B. Uji rata-rata sampel kecil, Populasi Normal Uji rata-rata populasi normal dengan SPSS untuk sampel ukuran kecil (n<30), yakni digunakan statistik uji t. fasilitas ini telah tersedia dalam menu SPSS, sehingga kita gunakan untuk menghitungnya. 3. CONTOH PERCOBAAN: Akan diuji apakah rata-rata angka harapan hidup penduduk wanita pada file World95 didunia = 72,5 tahun. Langkah-langkah uji hipotesanya adalah sebagai berikut:
~ t n-1
langkah langkah dalam SPSS adalah: pilih menu Analyze ? compare means ? one sample T_Test. Masukkan /pilih variabel lifeexpf kedalam kolom Test Variable(s) (berarti variabel lifeexpf yang akan diuji rata-ratanya) Test Value isikan sesuai rata-rata yang akan diuji, pada kasus ini kita isikan 72.5 Option berisi pilihan untuk interval konfidensi, pilih 95% (alpha=0,05) Klik OK untuk melihat hasilnya.
O ne-Sample Statistics N Mean 109 70,16 Std. Deviation 10,57 Std. Error Mean 1,01
O ne-Sample Test Test Value = 72.5 95% Confidence Interval of the Difference Lower Upper -4,35 -,34
df 108
Multimedia Laboratory- 19
MODUL PRAKTIKUM PROBABILITAS & STATISTIK Membaca output: Secara lengkap ditampilkan rata-rata sampel, standar deviasi sampel. Anda dapat mengecek apakah nilai statistik hitungnya benar. Dimana diperoleh melalui paket program t hitung sebesar 2,325. Dari tabel pertama terlihat nilai mean = 70,16. Dengan melihat nilai sig. Maka kita dapat menolak H0 , karena nilai sig. < . Karena nilai thitung bernilai negatif maka jelas kita yakin ratarata angka harapan hidup wanita < 72,5 tahun dengan keyakinan 95%. 4. TUGAS Tugas mingguan terlampir.
Multimedia Laboratory- 20
+ n2
+ n1
B. POPULASI BERPASANGAN Sample berpasangan adalah sebuah sample dengan subjek yang sama namun mengalami dua perlakukan atau pengukuran yang berbeda. SPSS meyediakan fasilitas untuk menganalisanya dengan paired sample T test. Desain datanya tidak seperti uji independent sample. Biarkan berada dalam dua variabel. Kriteria penggunaan uji t paired, yaitu: data dianggap dari populasi yang terdistribusi normal atau mendekati normal. Kedua data adalah dependent atau berpasangan.
Multimedia Laboratory- 21
3.
CONTOH PERCOBAAN A. SAMPLE INDEPENDENT Dipunyai data hasil panen dua padi dengan anggapan data diambil dari populasi normal.
Ujilah apakah bisa dikatakan kedua kualitas padi diatas sama, dengan tingkat kepercayaan 95%. Padi A
3504 3693 3436 3433 3449 4341 4354 4312 4425 3850
Padi B
3090 4142 4043 4166 3850 3563 3609 3353 3761 3086 2372
Penyelesaian: Hipotesa yang diajukan: H 0 : 1 = 2 H1 : 1 2 rata-rata hasil panen kedua jenis padi sama rata-rata hasil panen kedua jenis padi tidak sama
Karena dalam praktikum ditekankan untuk menggunakan alatbantu komputer, maka untuk manualnya bisa dicoba sendiri, disini hanya ditekankan untuk menggunakan komputer. Langkah-langkahnya: Variabel yang diamati dalam data tersebut harus dirubah sehingga menjadi sebuah kelompok yang sama. Karena SPSS akan menganalisa pervariabel, bukan perkolom. Sehingga peamasukkan kedalam SPSS adalah sebagai berikut:
Padi 1 1 1 1 1 1 1 1 1 1 2
Panen
3504,00 3693,00 3436,00 3433,00 3449,00 4341,00 4354,00 4312,00 4425,00 3850,00 3090,00
Padi 2 2 2 2 2 2 2 2 2 2
Panen
4142,00 4034,00 4166,00 3850,00 3563,00 3609,00 3353,00 3761,00 3086,00 2372,00
Padi 1 = jenis padi A Padi 2 = jenis padi B Dari menu SPSS klik File ? New ? data.. Buka Variable view, pesankan nama variabel yang sesuai dengan permasalahan, dalam kasus ini variabel yang dipesankan yaitu: Multimedia Laboratory- 22
MODUL PRAKTIKUM PROBABILITAS & STATISTIK 1. type value 2. type nama varibel : padi : numeric : 1 = padi A 2 = padi B nama variabel : panen : numeric
Setelah variabel yang dibutuhkan sudah dipesankan lengkap dengan atribut-atributnya, sekarang klik Data view dan masukkan datanya sesuai dengan tabel diatas. Simpan dengan nama contoh61
Untuk menganalisa, klik Analyze ? compare means ? independent_samples T test.. akan tampil kotak dialog seprti dibawah ini:
gambar 5.1 Pada kolom Test Variable(s) isikan hasil panen, yaitu variabel yang akan dianalisa Pada kolom Grouping Variable isikan jenis padi, secara otomatis define groups akan aktif, klik define groups dan isikan 1 untuk Group 1 dan 2 untuk Group 2. Pada options berisi tentang interval konfidensi yang dikehendaki, isikan dengan 95%. klik OK untuk melihat hasilnya. :
T-Test
Group Statistics jenis padi padi jenis A padi jenis B N Mean 10 3879,7000 11 3547,8182 Std. Deviation 432,1517 543,6620 Std. Error Mean 136,6584 163,9203
hasil panen
Multimedia Laboratory- 23
S ig . ,7 6 8
t 1 ,5 38 1 ,5 5 5
df
Membaca output: secara otomatis akan ditampilkan output dengan asumsi variansi sama, dan variansi berbeda. Secara teori, untuk menentukan bentuk anggapan variansi yang benar untuk data, sebaiknya dilakukan uji hipotesis kesamaan variansi. Pertama diuji kesamaan variansi dengan metode Levenne. Dari output diperoleh sig.=0,768. Dengan alpha=0,05 maka sig.>alpha yang mengakibatkan kesamaan variansi diterima.
Pada uji rata-rata maka dilihat pada variansi yang diasumsikan sama. Thitung yang diperoleh sebesar 1,538, dengan sig=0.141. karena sig > maka H0 diterima yang berarti tidak ada perbedaan yang nyata (signifikan) antara hasil panen padi jenis A dan hasil panen padi jenis B.
B. SAMPLE DEPENDENT Sebuah perusahaan obat- obatan mengiklankan bahwa obat pelangsing TETAP GEMUK mampu menurukan barat badan orang yang meminumnya sampai 5 kg jika diminum secara teratur selama 3 minggu. Setelah dilakukan penelitian diperoleh data sebagai berikut: Responden Sebelum Sesudah 1 78 72 2 77 73 3 73 69 4 65 61 5 59 53 6 53 49 7 61 55 8 62 56 9 62 57 10 60 53
Lakukan uji Hipotesa satu sisi dengan alfa 5% apabila diasumsikan populasi terdistribusi normal. Catatan : Karena dalam SPSS uji berpasangannya untuk perbedaan nol maka anda harus menambahkan berat sesudah dengan 5 atau mengurangi sebelum dengan 5. Penyelesaian:
Klik menu File ? new ? data variabel sesudah dengan 5): Multimedia Laboratory- 24
Masukkan data kedalam lembar kerja SPSS yang berbentuk (misalnya menambah
Sesudah
72 73 69 61 53 49 55 56 57 53 54
Simpan data ini kedirektori anda dengan nama file m5c2 Untuk menganalisa klik Analyze ? compare mean ? paired sample T test. Klik mouse pada variabel sebelum lalu klik variabel sesudah, maka kedua variabel
akan terlihat pada kotak Current Selection yang ada dikiri bawah. Kemudian klik mouse pada tanda > , maka pada Paired variable(s) terlihat tanda sebelum--sesudah. Lihat gambar:
Gambar 5.2
Option ber isi interval confidensi yang diinginkan, biarkan pada tingkat 95%. Untuk missing value, pilih Exclude cases analysis by analysis. Tekan continue jika pengisian dianggap selesai dan OK untuk melihat outputnya.
T-Test
Paired Samples Statistics Mean 65,00 56,80 N 10 10 Std. Deviation 8,27 9,14 Std. Error Mean 2,62 2,89
Pair 1
SEBELUM SESUDAH
Multimedia Laboratory- 25
df 9
S ig . ( 2 -ta ile d ) ,0 0 2
Membaca output:
Pada tabel Paired Samples Statistics menjelaskan 20 data yang dianalisis. Serta niali statistik dari masing-masing variabel.
Pada tabel Paired Samples Correlations: nilai korelasi antara kedua variabel adalah 0,785 dan nilai sig. = 0.007 , ini berarti lebih kecil dari alpha yang digunakan(0,05) . Hal ini menyatakan bahwa korelasi antara rata-rata responden sebelum dan sesudah minum obat pelangsing TETAP GEMUK adalah signifikan.
Pada tabel Paired Samples Statistics Hipotesis yang diajukan: minum obat adalah sama/tidak berbeda secara nyata)
H0 : rata-rata kedua populasi sama (rata-rata berat badan responden sebelum dan sesudah H1 : rata-rata kedua populasi tidak sama (rata-rata populasi responden sebelum dan sesudah minum obat adalah berbeda secara nyata). Keputusan Berdasarkan nilai probabilitas:
Jika probabilitas(sig.) > alpha(0,05) maka H0 diterima. Jika probabilitas(sig) < alpha(0,05) maka H0 ditolak. Jika t hitung > t tabel maka Ho ditolak. Jika t hitung < t tabel maka Ho diterima.
Terlihat bahwa sig.(2-tailed) sebesar 0,002, oleh karena sig < 0,05, maka H0 ditolak atau ratarata berat badan sebelum dan sesudah minum obat tetap gemuk berbeda secara nyata. Dengan membandingkan t hitung dengan t tabel . Diperoleh t hitung = 4.494 dengan df=9. Dan dari tabel t diperoleh nilai t (0,05;9) = 1,833 Karena t hitung > t tabel maka H0 ditolak yang berarti ada pengaruh yang signifikan setelah responden minum obat pelangsing tetap gemuk. Penerimaan
1,833 4,494
penolakan
Multimedia Laboratory- 26
MODUL PRAKTIKUM PROBABILITAS & STATISTIK Dari kedua cara pengambilan keputusan, diperoleh hasil yang sama, yaitu H0 ditolak yang berarti obat pelangsing tetap gemuk mampu menurunkan berat badan orang yang meminumnya sampai 5kg. 4. TUGAS Tugas mingguan terlampir
Multimedia Laboratory- 27
PERCOBAAN VI INFERENSI STATISTIK LEBIH DARI DUA SAMPLE (ONE WAY ANAVA)
1. TUJUAN PRAKTIKUM Mahsiswa diharapkan dapat menganalisa data populasi lebih dari dua populasi independent menggunakan paket program SPSS, dapat membaca output yang dihasilkan dari paket program. 2. POKOK BAHASAN Dalamn ANAVA(analisa variansi) dapat dilakukan dua uji, yaitu uji rata-rata dan uji variansi(homogenitas). Dalam uji ANAVA sample bisa lebih dari 2 sample sedangkan uji t maksimal 2 sample. Asumsi untuk uji anava yaitu: Populasi yang akan diuji berdistribusi Normal. Varians dari populasi-populasi tersebut adalah sama. Sample tidak berhubungan satu dengan yang lain. Apabila varians populasi yang akan diuji ada yang tidak sama(melalui uji homogenitas) maka hendaknya tidak dilanjutkan dengan uji rata-ratanya. Karena dalam matematika statistika dibuktikan dengan sifat yang bias. Pembuktiannya dapat dijumpai diberbagai buku matematika statistik. Untuk itu dalam penelitian yang sesungguhnya, harus dilakukan transformasi data, atau jumlah sample diperbanyak. Untuk menguji rata-rata digunakan statistik uji f, dengan persamaan: F hit = MST , dimana: MSE = Mean Square Error ; MST = mean square of Treatment MSE
H0 ditolak apabila: F F ,df1,df2 dimana: df1 = k 1 ; df2 = n1 1 atau signifikan < alpha yang digunakan. 3. CONTOH PERCOBAAN Data berikut adalah hasil penjualan selama satu tahun oleh suatu perusahaan konveksi, barang yang dicatat berdasarkan coraknya. Ada 3 macam corak yang dipasarkan, yaitu batik, kotak - kotak, dan polos. Bulan Batik
Januari Februari Maret April 78 48 75 94
Polos
89 56 56 58
Multimedia Laboratory- 28
Ujilah apakah ke tiga motif yang dipasarkan mempunyai omset penjualan yang sama dalam 1 tahun? Gunakan interval konvidensi 95%. Langkah dengan menggunakan paket program SPSS:
Buka satu file baru file ? new ? data Pesankan sebuah variabel dengan nama corak bertype numeric, kolom value isikan 1 Pesankan juga sebuah variabel dengan nama omset bertipe numeric dan desimalnya 0. Corak
1 1 .dst 2 2 .dst 3 3 dst
Pada baris pertama berarti corak batik omset januari sebesar 78, demikian untuk yang lain.
Simpan dengan nama m6c1 kedirektori anda. Untuk menganalisa , pilih menu Analyse ? compare means ? one way anova
gambar 6.1
Kolom Dependent List isikan variabel yang akan diuji perbedaannya, dalam kasus ini
Kolom Factor berisi group yang akan diuji, dalam hal ini pilih corak. Option berisi pilihan menampilkan Deskriptive data seperti mean, variansi, jumlah Post Hoc adalah analisa lanjutan dari F test, jika rata-rata omset penjualan ketiga corak
data, dan juga tes Homogenitas varians. tersebut memang berbeda. Jika dalam analisa ANOVA ketiga corak tidak berbeda dalam hal omset penjualnnya, maka bagian pos hoc tidak relevan untuk dianalisa. Sebagi percobaan klik post hoc dan pilih Bonferroni dan Tukey. Isikan juga alpha yang sesuai. Abaikan pilihan yang lain, klik OK untuk melihat hasilnya.
Oneway
Descriptives OMSET 95% Confidence In terval fo r Mean Mean Std. Deviation Std. Error Lower Boun d Upper Bound Minimum 69,25 16,78 4,84 58,59 79,91 48 66 ,00 14,47 4,18 56,80 75,20 54 52,25 12,93 3,73 44,03 60,47 41 62,50 16,21 2,70 57,02 67,98 41
Maximum 95 96 89 96
Sig . ,1 9 7
Multimedia Laboratory- 30
Tukey HSD
Bonferroni
(J) CORAK kotak-kotak polos batik polos batik kotak-kotak kotak-kotak polos batik polos batik kotak-kotak
Sig. ,854 ,022 ,854 ,074 ,022 ,074 1,000 ,025 1,000 ,089 ,025 ,089
95% Confidence Interval Lower Bound Upper Bound -11,59 18,09 2,16 31,84 -18,09 11,59 -1,09 28,59 -31,84 -2,16 -28,59 1,09 -12,00 18,50 1,75 32,25 -18,50 12,00 -1,50 29,00 -32,25 -1,75 -29,00 1,50
Homogeneous Subsets
O M S ET Subset fo r alpha = .05 1 2 52,25 66,00 66,00 69,25 ,0 74 ,854
N 12 12 12
Me ans for groups in homo geneous su bsets are displaye d. a. Uses Harmonic Mean Sample Size = 1 2,000.
Membaca output
Output bagian pertama menunjukkan ringkasan statistik dari ketiga corak. Misal pada corak batik diperoleh mean 69,25 dan satandar deviasi 16,78. Output bagian kedua menampilkan tes homzogenitas varians. Hipotesis yang diguinakan adalah: H0 : semua variansi homogen atau identik H1 : minimal ada satu variansi yang tidak sama. Dasar pengambilan keputusan :
Jika probabilitas > 0,05, maka H0 diterima. Jika probabilitas < 0,05, maka H0 ditolak.
Keputusan : Diperoleh nilai sig. = 0,197 dan dengan = 0,05 maka sig > sehingga H0 diterima yang berarti ketiga sample mempunyai variansi populasi yang sama. Jika varians sample berbeda, maka anlisis ANOVA tidak dapat diteruskan Output bagian ketiga menguji apakh ketiga sample mempunyai rata-rata yang sama. Multimedia Laboratory- 31
MODUL PRAKTIKUM PROBABILITAS & STATISTIK Hiopotesa yang digunakan: H0 : ketiga rata-rata populasi identik/sama H1 : ketiga rata-rata populasi adalah tidak identik/sama Perhatikan, kalau pada uji homogenitas digunakan variansi, sekarang dalam anova digunakan uji rata-rata satu mean. Dasar pengambilan keputusan:
a.
Berdasar perbandingan F hitung dengan F tabel . Jika Fhitung > Ftabel , maka H0 ditolak, dan jika Fhitung < Ftabel , maka H0 diterima Fhitung dari output diperoleh 4,454 sedangkan F tabel adalah 3,28 (dari tabel F atau dari komputer) Gambar
3,28
4,454
Oleh karena Fhitung > Ftabel maka H0 ditolak, dan dapat disimpulkan bahwa rata-rata penjualan ketiga daerah tersebut memang berbeda nyata. Jadi rata-rata omset penjualan ketiga motif yang ditawarkan berbeda secara nyata. b. Berdasar nilai probabilitas Pedoman pengambilan keputusan:
Jika probabilitas > 0,05, maka H0 diterima Jika probabilitas < 0,05 , maka H1 ditolak
Keputusan: Terlihat nilai sig. = 0,019 dan dengan = 0,05 maka sig. < , akibatnya H0 ditolak, artinya ketiga rata-rata omset penjualan berbeda secara nyata. Keputusan ini sama dengan menggunakan cara perbandingan F hitung dan F tabel . Setelah diketahui ada perbedaan rata-rata antara ketiga motif tersebut, kemudian akan dicari mana saja yang berbeda dan mana saja yang tidak berbeda dengan melihat tabel Multiple Comparisons (hasil dari Post Hoc tes). Lihat ada tidaknya tanda * pada kolom Mean Dofference. Jika ada tanda * maka perbedaan mean signifikan.
Multimedia Laboratory- 32
MODUL PRAKTIKUM PROBABILITAS & STATISTIK Anlisa: Tanda * terdapat divariabel batik-polos, maka kedua variabel tersebut mempunyai perbedaan omset penjualan. Sedangkan untuk batik - kotak-kotak, kotak-kotak - polos tidak ada perebedaan secara nyata. Output yang terakhir yaitu Homogeneus Subset Pada bagian ini justru akan dicari bagian mana saja yangmempunyai perbedaan rata-rata yang tidak berbeda secara signifikan. Terlihat polos dan kotak-kotak dalam satu suset yang berarti tidak berbeda secara nyata. Demikian juga untuk kotak-kotak dan batik juga dalam satu subset, maka keduanya tidak berbeda secara nyata. Sedangkan untuk polos dan batik keduanya terpisah, maka jelas bahwa keduanya berbeda secara nyata dalam hal omset penjualn serlama satu tahun. 4. TUGAS Tugas mingguan terlampir.
Multimedia Laboratory- 33
ganda. Jika variabel prediktornya hanya satu persamaannya menjadi Y = + X + , disebut persamaan regresi linier sederhana. Dalam regresi linier, untuk setiap pasangan observasi (x i , yi ); i = 1, 2,..., n akan memenuhi persamaan yi = a + bx i + ei ; dimana ei adalah galat/eror atau kesalahan ukur. Persamaan garis yang melalui titiktitik koordinat pada diagram pencar dinamakan penduga garis linier atau regresi linier. Secara matematis dinyatakan dengan persamaan y = a + bx , dimana: a=
2 n x i yi - x i yi yi x i - xi yi dan b= 2 2 2 n x i - ( xi )2 n x i - ( xi )
Dalam perkenbangannya, sejalan dengan kemajuan dibidang komputer statistik, analisis regresi telah menjadi sangat bervariasi: Regresi sederhana, untuk sebuah variabel dependent dan satu buah variabel independent. Regresi berganda, untuk lebih dari satu variabel independent an satu variabel dependent. Regresi dengan Dummy variabel, yaitu jika data variabel independent ada yang bertipe nominal. Multimedia Laboratory- 34
MODUL PRAKTIKUM PROBABILITAS & STATISTIK Regresi ordinal, untuk data variabel dependent yang berjenis ordinal. Log regresion, untuk data variabel dependent yang berjenis nominal. Regresi polinomial, yaitu model regresi yang tidak berbebntuk linier.
Dalam percobaan ini akan dibahas regresi sederhana dan regresi ganda yang relatif sederhana. A. Analisa Regresi Linier Sederhana Yang dimaksud dengan analisa Regresi Linier sederhana (univariat) adalah analisis regresi linier dengan jumlah satu variabel independen x. Dalam membuat regresi parametrik, langkah pertama yang paling ideal adalah membuat plotting data antara variabel dependen y dan variabel independen x, hal ini dilakukan untuk melihat kecenderungan pola data asli. Jika datanya mengikuti pola linier, maka pendekatan modelnya adalah regresi linier. B. Analisa Regresi Linier Berganda Jika kasusnya terdapat lebih dari satu variabel independen, maka model yang cocok adalah analisa regresi linier berganda. Dalam praktek bisnis, model ini sering digunakan, selain karena banyaknya variabel dalam bisnis yang perlu dianalisa secara bersama. Pada umunya variabel independen berkisar dua sampai empat variabel. Walaupun secara teoritis dapat dilakukan banyak variabel bebas, namun penggunaan lebih dari tujuh variabel independen dianggap akan tidak relevan. 3. CONTOH PERCOBAAN A. REGRESI SEDERHANA Kita ingin menguji sistem penggajian karyawan. Dalam paket program SPSS disini sudah disiapkan data employee. Akan kita selidiki apakah variabel salbeg (beginning salary / gaji awal) berpengaruh terhadap variabel salary (curent salary / gaji saat ini). Disini variabel salbeg merupakan variabel independen dan variabel salary merupakan variabel dependen. Dengan demikian hipotesis yang bisa diajukan adalah : H0 : tidak ada hubungan yang signifikan antara variabel salbeg dengan variabel salary. H1 : ada hubungan yang signifikan antara variabel salbeg dengan variabel curent salary. Dengan mengambil tingkat signifikansi alpha 0.05. Langkah langkah percobaan : 1. Buka file employee data.sav yang berada didirektori program SPSS. (biasanya ditempatkan di C:\program files\SPSS) 2. Jika ingin melihat apakah ada hubungan antara variabel salbeg dengan salary, maka ada beberapa hal yang bisa dilakukan antara lain:
Multimedia Laboratory- 35
MODUL PRAKTIKUM PROBABILITAS & STATISTIK a) Membuat scatterplot dari dua variabel salbeg dan salary, gunakan menu Graphs ? scatter ? Simple ? klik Define. Isikan variabel salary pada y axis dan variabel salbeg pada x-axis, kemudian klik OK, untuk melihat hasilnya.
Gambar 7.1 Plotting data diatas memberikan petunjuk adanya hubungan linier (ada bentuk garis lurus), maka cocok bagi kita jika membuat regresi linier terhadap data diatas. b) Lebih jelas lagi jika kita dapat melihat kurva estimasi dari pesamaan regresinya. Langkahnya adalah: aktifkan menu Analize ? Sehingga muncul tampilan: Regression ? curve estimation.
Gambar 7.2 Isikan variabel salary untuk dependen variabel dan salbeg untuk variabel independennya. Pilih model linier, include constant in equation, plot model, kemudian OK, untuk melihat hasilnya:
Multimedia Laboratory- 36
Curve Fit
MODEL: MOD_1. _ Independent: SALBEGIN Dependent Mth SALARY
160000 140000 120000 100000 80000 60000 40000 20000 0 0 20000 40000 60000 80000 100000 Observed Linear
Rsq .775
d.f.
Sigf
b0
b1 1.9094
LIN
472 1622.12
.000 1928.21
Current Salary
Beginning Salary
Membaca output: Model yang cocok adalah regresi linier yaitu y = a + bx atau y = bo + b1x (disesuaikan dengan hasil) dengan y = variabel salary dan x = variabel salbeg. Dari output diperoleh koefisien b o = 1928.21 dan b1 = 1.9094 , sehingga regresinya berbentuk: Salary = 1928.206 + 1.909 salbeg c) Selanjutnya untuk melihat sifat hubungan kelinieranya diperlukan nilai-nilai statistik lainnya. Aktifkan menu Analyze ? Regression ? Linier. Terlihat tampilan:
Gambar 7.3 Ada 4 pilihan yang digunakan pada menu method untuk menentukan model yang akan digunakan: Enter : metode analisis regresi untuk menganalisa secara biasa, yaitu semua variabel independent dianalisa baik prediktor yang berpengaruh ataupun tidak berpengaruh terhadap kriterium. Multimedia Laboratory- 37
MODUL PRAKTIKUM PROBABILITAS & STATISTIK Stepwise : Bila analisis regresi dengan bertahap yaitu tujuan pokok mencari Remove : untuk mencari prediktor yang dominan dan bila yang tidak berpengaruh menganalisa semua prediktor kemudian dilanjutkan dengan
variabel prediktor yang dominan. dihapus. Backward : menganalisa prediktor yang berpengaruh. Pada latihan ini digunakan Enter, abaikan pilihan yang lain. Kemudian pilih OK untuk melihat hasilnya. Outputnya sebagai berikut:
Regression
b Variables Entered/Removed
Model 1
Variables Removed ,
Method Enter
Model Summary Model 1 R R Square ,880 a ,775 Adjusted R Square ,774 Std. Error of the Estimate $8,115.36
Model 1
df 1 472 473
F 1622,118
Sig. ,000 a
Model 1
t 2,170 40,276
Multimedia Laboratory- 38
MODUL PRAKTIKUM PROBABILITAS & STATISTIK Membaca output: Tabel pertama menjelaskan penggunaan metode Enter dalam menganalisa. Pada tabel kedua (Model Summary) terlihat R square (koefisien Determinasi) sebesar 0.775 atau 77.5% artinya besar pengaruh variabel salbeg terhadap perubahan variabel salary adalah 77,5%. Sedangkan sisanya dipengaruhi variabel yang lain. Tabel ketiga tabel ANOVA terlihat df Regresi =1 dan dfResidual = 472 dan Fhitung = MS.Re gression 1.068E + 11 = = 1622.118 (kolom F). Untuk kolom sig. = MS.Re sidual 65858997.22
0.000 yang lebih kecil dari alpha = 0.025, maka H0 ditolak yang berarti bahwa data diatas akan mendukung hipotesis bahwa variabel salbeg dan variabel salary mempunyai hubungan linier. Tabel keempat. Jika model regresinya y = a + bx dengan y = variabel salary dan x = variabel salbeg, maka kolom B menunjukan koefisien a = 1928.206 dan b = 1.909 , sehingga persamaan regresinya berbentuk: Salary = 1928.206 + 1.909 salbeg Gaji saat ini = 1928.206 + 1.909 gaji awal. Persamaan terakhir ini dapat digunakan untuk menduga/mengestimasi nilai salary jika diketahui nilai salbeg. Misalnya kita ingin menduga besarnya salary untuk nilai salbeg = $12.000. Sehingga diperoleh: Salary = 1928.206 + 1.909 salbeg = 1928.206 + 1.909 12000 = 1951116 B. REGRESI GANDA Berikut ini contoh penggunaan regresi ganda dengan data World95 yang ada di SPSS. Kita akan mencari hubungan antara variabel angka harapan hidup wanita (lifeexpf) dengan pengaruh angka harapan hidup pria(lifeexpm) dan tingkat baca tulis negara tersebut (literacy). Disini variabel independenya ada dua yaitu lifeexpm dan literacy sedangkan variabel dependenya adalah lifeexpf. Hipotesis yang dapat diajukan yaitu: H0 : tidak ada hubungan yang signifikan antara harapan hidup pria dan tingkat baca tulis terhadap harapan hidup wanita. H1 : ada hubungan yang signifikan antara harapan hidup pria dan tingkat baca tulis terhadap harapan hidup wanita. Langkah langkah percobaan: 1. Buka file data world95 dari SPSS, yang ada didirektory SPSS (c:\program files\SPSS) 2. Dari menu utama SPSS, pilh menu Analize ? regression ? linier atau
Multimedia Laboratory- 39
Gambar 7.4 3. Isikan kolom dependent variabel lifeexpf, sedangkan pada kolom independents isikan lifeexpm dan literacy, kemudian klik OK untuk melihat hasilnya. Outputnya:
Regression
b Variables Entered/Removed
Model 1
Variables Entered People who read (%), Average male life a expectancy
Variables Removed
Method
Enter
a. All requested variables entered. b. Dependent Variable: Average female life expectancy
Model Summary Model 1 R R Square ,990 a ,980 Adjusted R Square ,980 Std. Error of the Estimate 1,52
a. Predictors: (Constant), People who read (%), Average male life expectancy
b ANO VA
Model 1
df 2 104 106
F 2537,180
Sig. ,000a
a. Predictors: (Constant), People who read (%), Average male life expectancy b. Dependent Variable: Average female life expectancy
Multimedia Laboratory- 40
Model 1
(Constant) Average male life ,931 expectancy People who read (%) 9,511E-02
Membaca hasil output: Model regresi yang cocok adalah y = b0 + b1x1 +b2 x 2 dimana y = lifeexpf, x1 =
lifeexpm dan x 2 = literacy. Dari tabel Coefficients pada kolom B diperoleh nilai b 0 (constant) = 2,258 , x1 (lifeexpm) = 0,931, dan x 2 (literacy) = 0,095. Diperoleh: Lifeexpf = 2.258 + 0.931*lifeexpm + 0.095*literacy Pada kolom signifikan, diperoleh nilai signifikan dari kedua variabel adalah sig.=0.000 < alpha/2=0.025 . Ini berarti bahwa data akan menolak hipotesis yang mengatakan bahwa variabel lifeexpm sangat berhubungan secara linier terhadap variabel lifeexpf, dan variabel literacy berhubungan secara linier terhadap variabel lifeexpf.. 4. TUGAS Tugas mingguan terlampir.
Multimedia Laboratory- 41
r=
n x i y i x i yi
=b
Sx Sy ; 1 r -1
Apabila r = 0, berarti tidak ada hubungan sama sekali. Apabila r = -1, berarti hubungan kedua variabel tersebut adalah hubungan linier terbalik sempurna, makin besar nilai x makin kecil nilai y.
Ada dua jenis korelasi: a. Bivariate : korelasi ini disebut dengan korelasi saja, rumus statistiknya seperti terlihat diatas. b. Parsial : korelasi parsial adalah korelasi antara dua variabel pada beberapa variabel dengan mengganggap variabel lainnya sebagai konstan.
Multimedia Laboratory- 42
MODUL PRAKTIKUM PROBABILITAS & STATISTIK 3. CONTOH PERCOBAAN Akan dihitung nilai korelasi untuk lifeexpm (rata-rata harapan hidup lakilaki) dan lifeexpf(rata-rata harapan hidup wanita) yang ada didalam world95.dengan hipotesis yang diajukan : H0 : tidak ada hubungan antara harapan hidup laki laki dan wanita. H1 : ada hubungan antara harapan hidup laki laki dan wanita. Uji dilakukan dua sisi karena hanya ingin mengetahui ada tidaknya korelasi. Langkah percobaan : 1. Buka file world95 yang ada di SPSS 2. Pilih menu Analyze ? correlate ? bivariate Tampilannya :
Gambar 8.1 3. 4. 5. Pada kolom Variables isikan variabel yang akan diuji korelasinya, dalam kasus Test of significance pilih Two tailed yang berarti uji dua sisi. Abaikan pilihan yang lain dan tekan OK untuk melihat hasilnya. ini pilih lifeexpf dan lifeexpf.
Output :
Correlations
Correlations Average Average male life female life expectancy expectancy 1,000 ,982** , ,000 109 109 ,982** 1,000 ,000 , 109 109
Multimedia Laboratory- 43
MODUL PRAKTIKUM PROBABILITAS & STATISTIK Membaca output: Output yang dihasilkan berbentuk matrik korelasi antara dua variabel. Korelasi terhadap dirinya sendiri tentu saja akan sempurna dan bernilai 1. Untuk korelasi antara lifeexpf dengan lifeexpm bernilai 0,982, artinya 98,2% kedua data tersebut sangat berhubungan secara positip, yaitu untuk suatu nilai harapan hidup wanita (lifeexpf) suatu negara yang lebih tinggi dari negara lain maka harapan hidup laki lakinya (lifeexpm) juga mempunyai kemungkinan lebih tinggi dari dari negara lainnya sebesar 98,2%. Lebih jauh dapat dilihat bahwa koefficien korelate diatas sangat signifikan dengan tanda **. Dasar pengambilan keputusan berdasarkan nilai probabilitas (sig.) Jika probabilitas (sig.)> alpha/2 =0,025, maka H0 diterima. Jika probabiloitas (sig)<alpha/2= 0,025, maka H0 dotolak. Terlihat angka sig. untuk kedua variabel = 0,000 dan ini lebih kecil dari 0,05. Maka H0 ditolak yang berarti ada hubungan yang signifikan (sangat erat) antara lifeexpf dengan lifeexpm
Multimedia Laboratory- 44
DAFTAR PUSTAKA
1. 2.
Sembiring R.K (1995) , Analisis Regresi, PenerbitITB, Bandung. Singgih S. (1998) , Aplikasi Excel dalam statistik Bisnis, Elek media Computindo, Jakarta.
3.
Singgih S dan Fandy T (2001), Riset Pemasaran Konsep dan Aplikasi Dengan SPSS, Elex Media Computindo, Jakarta.
4. 5.
Noeryanti 2000 , Panduan Praktikum Statistik Dasar. Paryono P. (1994) , Mengolah Data Statistik dengan SPSS/PC+, Andi Offset, Yogyakarta.
6. 7.
Wahana K (2000) , Pendahuluan lengkap SPSS. Walpole R.E dan Myers R.H (1986) , Ilmu Peluang dan Statistika Untuk Insinyur dan Ilmuwan, Penerbit ITB, Bandung.
@@@@@@@
Multimedia Laboratory- 45