MODUL PRAKTIKUM PROBABILITAS & STATISTIK

MODUL PRAKTIKUM PROBABILITAS & STATISTIK (SPSS)

TIM LAB. KOM. MULTIMEDIA

LABORATORIUM KOMPUTER MULTIMEDIA INSTITUT SAINS DAN TEKNOLOGI AKPRIND YOGYAKARTA

Multimedia Laboratory- 1

MODUL PRAKTIKUM PROBABILITAS & STATISTIK

PERCOBAAN I PENDAHULUAN TENTANG SPSS.10.01

1. TUJUAN PERCOBAAN Mahasiswa diharapkan dapat memahami, mengunakan software SPSS untuk memasukan, menyunting, menampilkan isi dari data. 2. POKOK BAHASAN SPSS singkatan dari Statistical Package for sosial science yaitu merupakan paket statistik untuk ilmu-ilmu sosial. Akan tetapi SPSS banyak juga digunakan untuk bidangbidang lain yang membutuhkan statistika. SPSS mempunyai dua lembar kerja, yaitu sheet yang pertama dengan nama variabel view dan sheet yang kedua variabel view. a. Tampilan Data VIEW Data view merupakan sheet yang menampilakn data hasil penelitian yang akan diolah atau dianalisis dengan program SPSS 10.01 for Windows. Pada data view ditampilkan kolom kolom yang disertai nama-nama variabel.

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

MODUL PRAKTIKUM PROBABILITAS & STATISTIK b. Tampilan Variabel VIEW

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.

angka serta indikator desimal. Lebar maksimal 40 karakter.

2.

didepan angka, indikator desimal serta pemisah ribuan.

3.

ribuan, yang digunakan adalah titik.

4.

notasi ilmiah seperti log, alfa, dll.

5. 6.

beberapa tanda koma pemisah ribuan.

7.

seperti Rp. 65.000.

8.

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

Keterangan : Religion : 1. Islam

1.

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

MODUL PRAKTIKUM PROBABILITAS & STATISTIK

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:
-

Pilih Analyze ? Descriptive ststistics ? Descriptives. Sehingga terlihat: Multimedia Laboratory- 5

MODUL PRAKTIKUM PROBABILITAS & STATISTIK

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.
-

4.. TABEL OUTPUT STATISTIK DISKRIPTIVE

Descriptive Statistics N POPULASI Life expm density urbanisasi agama life exfm Valid N (listwise) 7 7 7 7 7 7 7 Minimum 600 44 12 18 1 45 Maximum 33900 80 828 86 4 74 Sum 91900 502 1194 452 14 466 Mean 13128,57 71,71 170,57 64,57 2,00 66,57 Std. Deviation Variance 11637,54 1,4E+08 12,43 154,571 293,07 85887,952 24,33 591,952 1,15 1,333 9,88 97,619

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

MODUL PRAKTIKUM PROBABILITAS & STATISTIK

Gambar 1.6

Kemudian buka microsoft word kemudian anda paste, atau melalui menu Edit ? paste. 6. TUGAS Tugas mingguan terlampir

Multimedia Laboratory- 7

MODUL PRAKTIKUM PROBABILITAS & STATISTIK

PERCOBAAN II PENYAJIAN DATA DALAM BENTUK GRAFIK

1. TUJUAN PERCOBAAN Mahasiswa diharapkan terampil dalam menggunakan software SPSS untuk menyajikan data dalam berbagai bentuk grafik. 2. POKOK BAHASAN Beberapa macam grafik yang bisa dibuat dalam program SPSS, diantaranya adalah: a) Grafik garis Grafik berupa garis dibuat untuk menunjukkan perkembanngan suatu keadaan. Perkembangan tersebut bisa naik bisa turun, hal ini akan nampak secara visual melalui garis dalam grafik. Tampilan yang ditawarkan dalam bentuk simple, multiple, drop_line. Klik menu graph ? line sehingga akan tampil kotak dialog berikut.

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

Average female life expectancy

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

A verage m life ex ale

Average fem life ale

Infant m rtality (de o

Terlihat semua pasangan kombinasi plot dua variabel disajikan dalam matrix. Semuanya menunjukkan hubungan linier. 4. TUGAS Tugas mingguan terlampir.

Multimedia Laboratory- 11

MODUL PRAKTIKUM PROBABILITAS & STATISTIK

PERCOBAAN III MEMBUAT BERBAGAI TABEL STATISTIKA

1. TUJUAN PERCOBAAN Mahasiswa diharapkan terampil dalam membuat dan memahami tabel statistik dengan menggunakan paket program SPSS. 2. POKOK BAHASAN Jika dahulu tabel statistik disajikan lewat buku-buku (texs book)statistik dan mempunyai bentuk yang standar, maka sekarang tabel statistik dapat dibuat dengan bantuan paket program, salah satunya adalah SPSS. Software statistik ini memang tidak dilengkapi dengan kemampuan untuk membuat tabel statistik secara langsung, namun tetap dimungkinkan membuat berbagai tabel statistik lewat menu Transform pada SPSS. 3. CONTOH PERCOBAAN a. Membuat tabel distribusi_t Untuk distribusi t karena untuk mendapatkan ttabel hanya perlu melihat derajat bebas atau df dan alpha () maka dapat dilihat melalui fungsi IDF.T(INVERS DISTRIBUTION FUNCTION) yang dapat dilihat di function. Fungsi lengkapnya IDF.T (p,df), dimana p adalah kuartil atas dengan nilai (1-alpha) dan df adalah derajat bebas. Grafik untuk distribusi t: | | | 0 t tabel Dengan kata lain akan dicari luas daerah yang diasir seperti tampak dalam gambar diatas. Langkah percobaan:

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).

Pilih menu Transform ? Compute maka akan terbuka window dialog

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

Biasanya grafik Chi square berbentuk

12 0 Cara membuat tabel Chi Square, misalnya dipakai =5%=0,05:

Compute.. sebelumnya. Abaikan pilihan yang lain dan tekan OK untuk melihat hasilnya. SPSS akan memproses pembuatan tabel Chi Square sebanyak 20 df untuk tingkat =5%, dimana hasilnya akan ditampilkan pada variabel baru chi_5. d. Membuat Tabel Distribusi NORMAL Pembuatan tabel normal menggunakan exell, karena mempunyai kelebihan dalam membuat tabel Normal Standar Comulative. Sementara software statistik yang lain kesulitan dalam membuat tabel ini, Exell dengan sangat sederhana dapat membuatnya. Langkah-langkahnya: Pada kolom A mulai cell A2 ketikkan nilai z. bisa dimulai angka 0 bergerak 0.1 sampai angka 4. Multimedia Laboratory- 14 Target variabel sebagai nana variabel untuk tabel, ketikkan chi_5 Numeric expression ketik IDF.CHISQ(0.95,df). Disini dipakai 95% Buka File baru, lalu buat variabel baru dengan nama df . Lalu isi variabel df dengan angka 1,2, sampai 20. Artinya df yang Dari menu utama SPSS buka File TRANSFORM, lalu sub menu

ditampilakan dari 1 sampai 20.

(dari 100%-tingkat signifikansi). Sedang df adalah nama variabel yang dibuat

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:

Gambar 3.2 4. TUGAS Tugas mingguan terlampir.

Multimedia Laboratory- 15

MODUL PRAKTIKUM PROBABILITAS & STATISTIK

PERCOBAAN IV INFERENSI STATISTIK SATU SAMPEL UNTUK RATA-RATA

1. TUJUAN PERCOBAAN Mahasiswa diharapkan terampil dalam menggunakan paket program SPSS untuk membantu perhitungan statistik dalam pengujian parameter rata-rata satu populasi. 2. POKOK BAHASAN Jika dalam statistik diskriptif dilakukan diskripsi pada data, maka pada statistik inferensi data dilakukan berbagai analisis yang mengarah kesebuah pengambilan keputusan. Diteori statistika dalam menentukan H0 ditolak atau diterima anda selalu membandingkan antara statistik hitung dengan statistik tabel. Walaupun dalam output running kebanyakan paket statistik (SPSS, Minitab, Exell, dll) tidak ada, bisa juga melihat statistik tabel melalui fasilitas compute dan memanfaatkan function IDF (Invers Distribution Function)beberapa distribusi yang anda kehendaki. Namun karena langkah ini tidak familier dalam paket statistik, maka kita akan menggunakan nilai p_value ( yaitu nilai terkecil yang masih menolak H0 ). kususnya di SPSS, nilai p-value ini dikenal dengan istilah signifikan yang sering disingkat dengan sig. H0 ditolak jika nilai sig. < yang diambil. Dalam mengambil keputusan sering kali mengalami kesalahan atau kekeliruan, dalam hal ini ada dua macam kekeliruan:
a)

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:

H0 : = 72,5 VS H1 : 72,5 = 5% statistik uji t = x-

s n

~ 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

Average female life expectancy

O ne-Sample Test Test Value = 72.5 95% Confidence Interval of the Difference Lower Upper -4,35 -,34

t Average female life expectancy -2,315

df 108

Sig. (2-tailed) ,023

Mean Difference -2,34

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

MODUL PRAKTIKUM PROBABILITAS & STATISTIK

PERCOBAAN KE V INFERENSI STATISTIK RATA-RATA DUA POPULASI

1. TUJUAN PERCOBAAN Mahasiswa diharapkan dapat menganalisa dua populasi yang independet kususnya menggunakan paket program SPSS. 2. POKOK BAHASAN A. DUA POPULASI INDEPENDENT SPSS hanya memiliki menu perhitungan statistika untuk uji mean/rata-rata dua sampel normal independent menggunakan uji t (student_t). Jadi untuk uji rata-rata sample independent 2 populasi tidak dapat digunakan uji z. Namun dari teori statistika telah diketahui bahwa jika ukuran sampe besar, maka uji t akan mendekati uji z, yakni bentuk distribusi student_t akan menjadi bentuk normal standar secara asimtotik. Dengan menggunkan prinsip ini, maka untuk melakukan uji z (jika ukuran sampel n besar),kita dapat mengambil nilai pendekatan dengan menggunakan menu uji t pada SPSS (walaupun secara prinsip kita dapat melakukan uji Z secara eksak dengan perhitungan manual menggunakan menu compute dari SPSS). Statistik hitung apabila diasumsikan kedua variansi tidak sama adalah: t= (x1 - x 2 ) - ( 1 - 2 )
2 S1 n1 S2 2

+ n2

Apabila variansinya sama, maka statistik hitungnya adalah: t= (x1 - x 2 ) - ( 1 - 2 ) Sp

1 n1

+ 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

MODUL PRAKTIKUM PROBABILITAS & STATISTIK

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

MODUL PRAKTIKUM PROBABILITAS & STATISTIK

In d e p e n d e n t S a m p le s T e s t L e v e n e 's T e s t f o r E q u a lity o f V a r ia n c e s t-te s t f o r E q u a lity o f M e a n s 9 5 % C o n f id e n c e In te r v a l o f th e D if f e r e n c e M e a n S td . E r r o r S ig . ( 2 -ta ile D )if f e r e n c D if f e r e n c eL o w e r U p p e r d e 19 1 8 ,6 9 6 , 1 4 1 3 3 1 , 8 8 1 8 2 1 5 , 8 3 9 -41 1 9 , 8 7 5 7 8 3 , 6 3 8 8 2 , 1 3 7 3 3 1 , 8 8 1 8 2 1 3 , 4 1 3 -61 1 5 , 2 8 9 6 7 9 , 0 5 3 3 7

F h a s il p a n eEnq u a l v a r ia n c e s ,0 9 0 assum ed E q u a l v a r ia n c e s not assum ed

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

MODUL PRAKTIKUM PROBABILITAS & STATISTIK Sebelum

78 77 73 65 59 53 61 62 62 60 61

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

P air ed S am ples C or r elation s N Pa ir 1 SEBELUM & SESUD AH 10 C o rre la tio n ,7 8 5 Sig . ,0 07

Multimedia Laboratory- 25

MODUL PRAKTIKUM PROBABILITAS & STATISTIK

P a ir e d S a m p l e s T e s t P a ir e d D if fe r e n c e s 9 5 % C o n fid e n c e In te r v a l o f th e D if f e r e n c e S td . E r r o r M e a n S td . D e v ia tio n e a n L o w e r U p p e r M t P a ir 1 S E B E L U M - S E S U D A 8 , 2 0 H 5 ,7 7 1 ,8 2 4 ,0 7 1 2 ,33 4 ,4 9 4

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.

Berdasarkan nilai thitung.

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

MODUL PRAKTIKUM PROBABILITAS & STATISTIK

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

Jenis Barang Kotak kotak

95 96 68 64

Polos
89 56 56 58

Multimedia Laboratory- 28

MODUL PRAKTIKUM PROBABILITAS & STATISTIK

Mei Juni Juli Agustus September Oktober November Desember 58 56 58 58 95 84 78 49 57 58 59 68 58 59 56 54 51 52 46 45 43 41 48 42

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

= batik, 2 = kotak kotak, 3 = polos.

Isikan datanya melalui data view, berbentuk: Omset

78 48 ..dst 95 96 dst 89 56 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

adalah variabel omset. Multimedia Laboratory- 29

MODUL PRAKTIKUM PROBABILITAS & STATISTIK

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

N batik kotak-kotak polos Total 12 12 12 36

Maximum 95 96 89 96

Tes t of H om og en eity of Var ian c es O M SE T Le ve n e Sta tistic 1 ,7 0 6 d f1 2 d f2 33

A N O VA O MSET Su m o f Sq u a re s Be tw e e n G ro u p s 1 9 5 4 ,5 0 0 W ith in G ro u p s 7 24 0 ,5 0 0 To ta l 9 1 9 5 ,0 0 0 df M e a n Sq u a re 2 9 7 7 ,25 0 33 21 9 ,4 0 9 35 F 4 ,4 5 4 Sig . ,0 1 9

Sig . ,1 9 7

Multimedia Laboratory- 30

MODUL PRAKTIKUM PROBABILITAS & STATISTIK

Post Hoc Tests

Multiple Comparisons Dependent Variable: OMSET Mean Difference (I-J) Std. Error 3,25 6,05 17,00* 6,05 -3,25 6,05 13,75 6,05 -17,00* 6,05 -13,75 6,05 3,25 6,05 17,00* 6,05 -3,25 6,05 13,75 6,05 -17,00* 6,05 -13,75 6,05

Tukey HSD

(I) CORAK batik kotak-kotak polos

Bonferroni

batik kotak-kotak polos

(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

*. The mean difference is significant at the .05 level.

Homogeneous Subsets
O M S ET Subset fo r alpha = .05 1 2 52,25 66,00 66,00 69,25 ,0 74 ,854

CO RAK a Tukey HSD polos kotak-kotak batik Sig.

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

MODUL PRAKTIKUM PROBABILITAS & STATISTIK

PERCOBAAN VII ANALISA REGRESI

1. TUJUAN PERCOBAAN Mahasiswa diharapkan dapat menentukan persamaan garis regresi, menentukan pengaruh variabel independnet terhadap variabel dependent dan mampu membaca hasil output dari program SPSS. 2. POKOK BAHASAN Dalam beberapa masalah terdapat dua atau lebih variabel yang hubungannya tidak dapat dipisahkan, dan hal ini diselidiki sifat hubungannya. Jika salah satu variabel (tunggal) dikatakan variabel tak bebas(terikat), maka variabel lainnya bersifat bebas (independent). Analisa regresi adalah sebuah teknik statistik untuk membuat model dan menyelidiki hubungan antara dua atau lebih variabel yang dimaksud diatas. Model ini untuk memprediksi variabel tersebut. Pada umumnya, variabel tak bebas (dependent) dinyatakan dengan Y sebagai variabel respon. Jika ada sebanyak k-variabel bebas (independent) misalnya X1, X2, , Xk maka kvariabel ini disebut variabel prediktor. Persamaan garis regresi yang dibentuk adalah: Y = + 1X1 + 2 X 2 + .....+k Xk + , dikatakan sebagai persamaan regresi linier

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

MODUL PRAKTIKUM PROBABILITAS & STATISTIK

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 Entered Beginning a Salary

Variables Removed ,

Method Enter

a. All requested variables entered. b. Dependent Variable: Current Salary

Model Summary Model 1 R R Square ,880 a ,775 Adjusted R Square ,774 Std. Error of the Estimate $8,115.36

a. Predictors: (Constant), Beginning Salary

b ANOVA

Model 1

Regression Residual Total

Sum of Squares 1,07E+11 3,11E+10 1,38E+11

df 1 472 473

Mean Square 1,068E+11 65858997,22

F 1622,118

Sig. ,000 a

a. Predictors: (Constant), Beginning Salary b. Dependent Variable: Current Salary

Coefficientsa Standardi zed Coefficien ts Beta ,880

Model 1

(Constant) Beginning Salary

Unstandardized Coefficients B Std. Error 1928,206 888,680 1,909 ,047

t 2,170 40,276

Sig. ,031 ,000

a. Dependent Variable: Current Salary

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

MODUL PRAKTIKUM PROBABILITAS & STATISTIK

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

Sum of Squares Regression 11781,599 Residual 241,466 Total 12023,065

df 2 104 106

Mean Square 5890,800 2,322

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

MODUL PRAKTIKUM PROBABILITAS & STATISTIK

Coefficientsa Standardi zed Coefficien ts Beta ,817 ,204

Model 1

(Constant) Average male life ,931 expectancy People who read (%) 9,511E-02

Unstandardized Coefficients B Std. Error 2,258 1,174 ,027 ,011

t 1,923 34,583 8,647

Sig. ,057 ,000 ,000

a. Dependent Variable: Average female life expectancy

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

MODUL PRAKTIKUM PROBABILITAS & STATISTIK

PERCOBAAN VIII ANALISA KORELASI

1. TUJUAN PERCOBAAN Mahasiswa diharapkan mampu dalam mengamati besarnya keeratan hubungan yang signifikan antara dua variabel. 2. POKOK BAHASAN Korelasi menyatakan ukuran keeratan hubungan linier antara dua variabel dependent dan independent. Perbedaan antara regresi dan korelasi adalah : korelasi hanya menguji dua variabel secara kualitatif. Sedangkan regresi akan dicari sebuah angka yang ditaksir secara kuantitatif. Analisa regresi akan menghasilkan sebuah persamaan regresi atau model regresi, sedangkan korelasi hanya menghasilkan angka dan bukan sebuah model. Kedudukan pada korelasi adalh setara, sedangkan pada regresi kedudukan tersebut tidak setara, dimana sebuah variabel adalh dependent dan yang lain adlah independent. Namun demikian analisa regresi dan korelasi dilakukan secara bersamaan, dimana telah diketahui memang ada hubungan antara dua variabel atu lebih, maka akan dilakukan analisa regresi untuk melihat hubungan tersebut secara lebih jauh. Secara matematis kita dapat menghitung nilai korelasi dengan rumus:

r=

[ x i2 ( x i ) 2 ][n yi2 ( yi ) 2 ] sempurna.

n x i y i x i yi

=b

Sx Sy ; 1 r -1

Apabila r = 1, berarti hubungan kedua variabel tersebut adalah hubungan linier

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

Average male life expectancy Average female life expectancy

Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N

**. Correlation is significant at the 0.01 level (2-tailed).

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

4. TUGAS Tugas mingguan terlampir.

Multimedia Laboratory- 44

MODUL PRAKTIKUM PROBABILITAS & STATISTIK

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