Pages

Ads 468x60px

Jasa Olah Data Statistik & Konsultasi Skripsi Jogja

Perkenalkan, kami sebagai profesional di jogja / yogya / yogyakarta sebagai konsultan statistik khususnya untuk keperluan akademis. Pelanggan kami datang dari berbagai universitas di Jogja maupun diluar jogja. Banyak sekali yang kami layani secara online baik melalui email maupun malalui konsultasi telepon. Ratusan lebih mahasiswa yang telah kami bimbing sampai lulus skripsi / kuliah. Bahkan tidak sedikit mahasiswa S2 yang kami bantu dalam menyelesaikan tesisnya.


Kami merupakan tim olah data, bukan perseorangan. Tim kami memiliki kemampuan penguasaan ilmu statistik yang handal dan ahli metodologi penelitian.


Berikut info layanan kami:

jasa riset, survey, olah data statistik & interpretasi untuk keperluan penelitian bisnis perusahaan, maupun keperluan penelitian akademis skripsi dan tesis.

Olahdata Statistik, AMOS, EVIEWS, LISREL, MATHLAB, SPSS, angket Kuesioner, Regresi, Korelasi, Multicollinearity, Time Series, Trend linier, Uji Normalitas, Uji Linearitas, Uji Homogenitas, Bimbingan Skripsi, Bimbingan Tesis, Konsultasi Skripsi, Konsultasi Skripsi, Konsultasi Tesis, Marketing Research, Analisis Statistik, Interpretasi, Interpretation, olahdata Statistik di jogja / yogyakarta


Kami menggunakan program/software pengolah data statistik SPSS, AMOS, EVIEW. Dimana program pengolah data statistik ini mempermudah proses pengolahan data untuk keperluan penelitian kuantitatif.

Analisis data penelitian meliputi membaca, mengolah dan menginterpretrasikan data, analisis regresi linier berganda, rancangan percobaan (design experiment), analysis of variance ANAVA, analisis model persamaan simultan, model linier programming ataupun model kuantitatif lainnya.


Setelah sekian tahun kami melayani secara offline, saat ini kami memutuskan untuk membuat blog ini dengan tujuan agar bisa memberikan layanan yang lebih luas ke seluruh indonesia.



Salam

Olah Data Jogja

email: quantumkarmal@gmail.com

Telp. 0818-200-450 (XL)
Telp. 0812-150-78-666 (Simpati)
PIN: 51C510F7(YUNI)


silakan kirim data penelitian anda terlebih dahulu ke alamat email quantumkarmal@gmail.com untuk memudahkan kami melakukan estimasi biaya dan analisis data yang diperlukan


.

.

.

.

.

.

.

.

.

.

.

.

.

TITIP LAPAK - TITIP LAPAK - TITIP LAPAK

Modul Training SPSS

e-mail: kabhanti@gmail.com
Written by Aslan Irunsah
SPSS dan Sejarahnya
Pada awalnya, sebelum diberi nama Statistical Service Product Solutions, aplikasi ini
bernama Statistical Package for the Social Sciences yang dibuat pada tahun 1968 oleh Norman
Nie, seorang mahasiswa lulusan fakultas ilmu politik dari Stanford University. SPSS sangat
berguna bagi ilmu social di era tersebut, dan digunakan untuk analisis pasar, penelitian
kesehatan, survey kesehatan, dan masih banyak lagi.
Program SPSS bekerja dengan membandingkan suatu data kedalam suatu paket hasil
analisis. Sehingga dalam pengolahan lebih mudah dalam penggunaan serta analisisnya dalam
aplikasi permasalahan riset dan bisnis. SPSS dilengkapi kemampuan untuk akses data, persiapan
dan manajemen data, analisis data, serta dalam laporan hasil olahan. Sedangkan perangkat lunak
sekarang sangat banyak untuk penyelesaian pengolahan data statistic. Program aplikasi untuk
pengolahan data yang beredara saat ini sudah banyak macamnya antara lain SHAZAM, Systant,
Ecosim, Ecostat, Minitab, SAS, Statgraph, SPSS, Statistica, dan sebagianya. Dari berbagai
perangkat pilihan lunak yang akan digunakan dalam pengolahan data SPSS merupakan yang
paling popular. Mengapa SPSS, karena memiliki beberapa kelebihan yaitu terdapat banyak
fasilitas yang dapat menangani berbagai persoalan statistika, memiliki tampilan user friendly,
dan merupakan terobosan baru berkaitan dengan perkembangan teknologi infromasi, khususnya
E-Business. Dalam hal ini SPSS telah dilengkapi dengan fasilitas OLAP (Online Analytical
processing) yang akan memudahkan dalam pemecahan pengolahan data. Selain itu, kelebihan
SPSS adalah dapat digunakan untuk mengakses data dari berbagai perangkat lunak yang lain
selanjutnya diolah dan kemudian dianalisis.
Sejarah SPSS
Pada tahun 1968, Norman H.Nie, C.Hadlai (Tex) Hull dan Dale H.Bent, tiga orang
pemuda dari latar belakang professional berbeda, mengembangkan sistem perangkat lunak yang
berdasarkan gagasan statistika menggunakan untuk mengubah data mentah menjadi informasi
essensial untuk membuat keputusan. Sistem perangkat lunak statistic revolusioner ini disebut
SPSS, yang menjadi calon Statistical Package untuk Ilmu Pengetahuan Sosial. Ketiga pemuda
tersebut membangun SPSS dari keperluan untuk dengan cepat menganalisa volume data ilmu
pengetahuan social yang dikumpulkan lewat berbagai metode penelitian. Dilakukan kerja
pertama SPSS di Stanford University dengan maksud untuk membuatnya tersedia hanya untuk
dikonsumsi local dan tak ada distribusi internasional. Nie, seorang ilmuwan social dan Stanford
doctoral calon, mengambil target sasaran dan menetapkan kebutuhan; Bent calon doctor Stanford
university pada penelitian pelaksanaan, mempunyai keahlian analisa dan mendesain struktur
e-mail: kabhanti@gmail.com
Written by Aslan Irunsah

berkas sistem SPSS, dan Hull, yang baru tamat dari Stanfor dengan gelar MBA-nya ,
memprogram SPSS.
Kelebihan SPSS
1. SPSS mampu mengakses data dari berbagai macam format data yang tersedia seperti
dBase, Lotus, Access, text file, spreadsheet, bahkan dapat mengakses database melalui
ODBC (Open Data Base Connectivity) sehingga data yang sudah ada, dalam berbagai
format, bisa langsung dibaca SPSS untuk dianalisis.
2. SPSS memberi tampilan data yang lebih informative, yaitu menampilkan data sesuai
nilainya (menampilkan label data dalam kata-kata) meskipun sebetulnya kita sedang
bekerja menggunakan angka-angka (kode data).
3. SPSS memberikan informasi lebih akurat dengan memperlakukan missing data secara
tepat, yaitu dengan member kode alasan mengapa terjadi missing data. Misalnya karena
pernyataan tidak relevan dengan kondisi responden, pertanyaan tidak dijawab, atau
karena memang pertanyaannya yang harus dilompati.
4. SPSS melakukan analisis yang sama untuk kelompok-kelompok pengamatan yang
berbeda secar sekaligus hanya dalam beberapa mouse klik saja. Misalnya mengetahui
nilai minimum, maksimum dan rata-rata penjualan per kuartal wilayah penjualan secara
bersamaan pada masing-masing kelompok produk, mengetahui hal-hal yang signifikan
berpengaruh terhadap volume penjualan (apakah kelompok umur konsumen, tingkat
pendidikan, jenis kelamin, besar pengeluran per bulan,dll) pada masing-masing wilayah
penjualan
5. SPSS mampu merangkum data dalam format tabel multidimensi, yaitu beberapa field
ditabulasikan secara bersamaan. Contohnya tabel persentase jumlah responden dari
beberapa kelompok umur terhadap beberapa kategori produk perawatan rambut, tabel
persentase jumlah responden dari beberapa tingkat pendidikan terhadap beberapa partai
politik pilihan menurut beberapa wilayah pemilihan umum.
Beberapa istilah popular yang ada dalam SPSS, antara lain :
1. Populasi
Populasi adalah keseluruhan objek yang menjadi perhatian dalam suatu eksperimen.
Contohnya masyarakat miskin di Kabutan Sinjai, populasi bayi gizi buruk di rumah sakit
Ibnu Sina Makassar, dan sebagainya. Dari populasi yang telah diobservasi nantinya akan
diperoleh suatu karakteristik statistika yang biasa disebut dengan Parameter.
2. Sampel
Sampel adalah sebagian objek yang diambil dari populasi di mana karakteristiknya akan
diselidiki dan dianggap dapat mewakili seluruh populasi yang menjadi perhatian dalam
e-mail: kabhanti@gmail.com
Written by Aslan Irunsah
eksperimen. Karasteristik dari sampel disebut dengan statistic. Contoh sebuah rumah
sakit swasta, mengambil sampel bayi dengan berat badan lahir rendah dengan persentase
15 %, 20 %, dan 25 %. Sementara cara pengambilan sampel dari suatu populasi secara
garis besar terbagi menjadi dua, yaitu random dan non random.
3. Random
Yang dimaksud dengan pengambilan sampel dari suatu populasi secara random adalah
pengambilan di mana setiap objek mempunyai probabilitas sama untuk terpilih. Dengan
kata lain, sang peneliti tidak memilih objek tertentu untuk dijadikan sampel dalam
eksperimen. Untuk mendapatkan sampel random biasanya dilakukan dengan undian atau
menggunakan tabel bilangan random.
4. Non random
Sampel non random adalah cara pengambilan di mana sang peneliti memilih objek
tertentu untuk dijadikan sampel. Cara non random ini biasanya disebut dengan sampel
tetap (fixed sample). Berkaitan dalam menganalisa dan menarik suatu kesimpulan dari
suatu masalah, berdasarkan kegiatan yang dilakukan statistic terbagi menjadi dua bidan,
yaitu statistika deskriptif dan statistika induktif.
5. Statistic deskriptif
Merupakan bidang statistika yang mempelajari tentang susunan, penyajian data, yaitu
dengan deskripsi atau penggambaran data yang diperoleh. Jadi, dalam statsitika deskriptif
membicarakan tentang cara-cara pengumpulan data, menyederhanakan data eksperimen,
kemudian mengadakan pengukuran pemusatan dan penyebaran data.
6. Statistika induktif
Merupakan bidan statistika yang mempelajari penarikan kesimpulan yang merupakan
generalisasi dari suatu populasi berdasarkan sampelnya. Adapun yang termasuk kegiatan
dalam statistika induktif adalah estimasi/perkiraan, peramalan (forecast), uji hipotesis,
penghitungan dan uji kemaknaan asosiasi, dan lain sebagainya. Berdasarkan metode yang
digunakan statistika induktif sendiri terbagi menjadi dua yaitu statistika parametric dan
statistic nonparametric.
7. Statistic parametric
Merupakan bagian statistic induktif yang mempertimbangkan satu atau lebih parameter
populasi. Biasanya pada statistic parametric berpijak pada suatu asumsi spesifik
populasinya berdistribusi normal, selain itu data berukuran interval.
8. Statistic non parametric
Merupakan bagian dari statistic induktif yang tidak mempertimbangkan nilai parameter
populasi. Jadi, analisa data pada statistika nonparametric tidak didasarkan pada asumsi
distribusi normal. Biasanya data yang digunakan pada statistika nonparametric berukuran
nominal dan ordinal.
Baik dalam statistika deskriptif maupun statistika induktif diperlukan adanya ukuran data.
Ukuran data yang digunakan pada suatu eksperimen terbagi menjadi empat tingkatan,
yaitu nominal, ordinal, interval, dan rasio.
e-mail: kabhanti@gmail.com
Written by Aslan Irunsah
9. Nominal
Ukuran data nominal yang merupakan skala pengukuran yang paling sederhana dan
digunakan untuk mengkategorikan objek-objek amatan. Kategori ini selanjutnya
dinotasikan dengan kata-kata, huruf symbol, ataupun angka. Dengan kata lain, ukuran
data nominal yang berasal dari kata Name ini termasuk data kualitatif, yaitu data yang
tidak berupa angka melainkan berupa kategori. Misalkan kategori jenis kelamin laki-laki
dan perempuan, maka laki-laki diberi notasi angka 1 dan perempuan dengan notasi angka
2.
10. Ordinal
Ukuran data ordinal juga merupakan tipe data kualitatif, perbedaanya dengan ukuran data
nominal adalah pada ordinal terdapat tingkatan data. Adapun persamaannya adalah data
tidak dapat ditambah, dikurang, dikali, ataupun dibagi karena data tidak menunjukkan
besarnya nilai melainkan hanya kategori saja. Pada ukuran data ordinal memberikan
urutan (ranking) objek eksperimen dari yang terendah ke tinggi atau berlaku sebaliknya.
Contohnya kategori kelas social ekonomi masyarakat di daerah A lebih tinggi daripada di
daerah B, namun seberapa besarnya tidak dapat diukur secara pasti. Ukuran data ordinal
dinilai lebih tinggi daripada nominal karena pada ordinal ditentukan objek yang lebih
besar/kecil.
11. Interval
Interval termasuk tipe data kuantitatif, yaitu datanya dinyatakan dengan angka di mana
data berupa urutan kuantitatif objek eksperimen. Ukuran data interval diperoleh dari hasil
pengukuran dan mempunyai satuan pengukuran, namun perlu diperhatikan bahwa pada
ukuran data interval tidak memuat nilai nol mutlak. Beda halnya dengan ukuran data
nominal dan ordinal, ukuran data interval dapat ditambah, dikurangi, dikali ataupun
dibagi. Contoh ukuran data interval,diadakan eksperimen tentang ukuran tingkat ekonomi
pada daerah Sopeng dengan klasifikasi penghasilan sebagai berikut:
a. Golongan A jika berpenghasilan <Rp 5000.000
b. Golongan B jika berpenghasilan antara Rp 500.000- Rp 1.000.000
c. Golongan C jika berpenghasilan > Rp 1.000.000
12. Rasio
Ukuran data rasio termasuk pada tipe kuantitatif di mana data rasio bersifat angka
sesungguhnya. Dengan kata lain, angka pada skala data rasio menunjukkan besarnya nilai
objek yang diukur menggunakan titik nol mutlak. Jarak dan waktu antara dua titik skala
tidak tergantung pada unit pengukuran. Contoh pada produksi kain tenun, jika pada suatu
saat pabrik tidak produksi satupun kain, maka dikatakan produksi nol (tidak ada).
e-mail: kabhanti@gmail.com
Written by Aslan Irunsah
13. Data view
Merupakan lembar kerja untuk proses input data atau memasukkan data. Kolomkolomnya
memuat variabel data dan baris ditandai dengan angka 1, 2, 3 yang merupakan
urutan data yang dimasukkan.
14. Variabel view
Merupakan lembar kerja untuk mendefinisikan variabel data yang dimasukkan pada
kotak Data View. Baris pada kotak variabel view ditandai dengan angka 1, 2, 3
menunjukkan urutan data yang didefinisikan, dan kolomnya memuat name, type, width,
decimals, label, values, missing, column, align, dan measure.
Memulai SPSS 13.0 versi Windows
Untuk memulai SPSS 13.0 pastikan terlebih dahulu software SPSS 13.0 telah terinstal
pada komputer anda (baik dalam sistem operasi Windows XP, Windows Vista, Linux, ataupun
Macintosh). Untuk memulai SPSS 13.0 awali dengan mengklik start, kemudian klik all programs
selanjutnya klik SPSS for Windows lalu klik SPSS for Windows, sehingga akan tampak di layar
seperti gambar berikut:
Gambar 1 Memulai SPSS
e-mail: kabhanti@gmail.com
Written by Aslan Irunsah
Gambar 2 Tampilan Muka SPSS
SPSS Data Editor
Data editor mempunyai dua fungsi utama, yaitu:
1. Input data yang akan diolah oleh SPSS
2. Proses data yang telah diinput oleh prosedur statistic tertentu.
Data editor terdiri atas sepuluh menu utama, yaitu file, edit, view, data, transform, anlyze,
graphs, utilities, windows, dan help.
Menu file
Menu file terdiri dari:
1. Open : membuka file data yang telah dibuat atau disimpan
2. Save & save as : untuk menyimpan data
3. Display data info : untuk mengetahui karakteristik data
4. Print : untuk mencetak data
5. Exit : untuk keluar dari program SPSS
e-mail: kabhanti@gmail.com
Written by Aslan Irunsah
Menu edit
Menu edit terdiri dari:
1. Undo & redo: mengembalikan data sebelum dan sesudah perubahan data sebelum
disimpan
2. Cut & clear: menghapus data
3. Copy & paste: menduplikasikan data
4. Find: mencari data
5. Edit option: mengubah pilihan-pilihan pada berbagai tools.
Menu view
Menu view terdiri dari:
1. Status bar: menampilkan status pengerjaan SPSS
2. Tool bar: mengatur penampilan tools bar yang ada pada SPSS
3. Fonts: mengubah model dan ukuran karakter
4. Grid lines: menampilkan garis vertical dan horizontal pada data editor
5. Value labels: pembuatan kalimat dan pada saat pemasukan menggunakan kode yang telah
dibuat.
Menu data
Menu data terdiri dari:
1. Define dates: mendefinisikan tanggal menyangkut pekerjaan yang berhubungan dengan
time series
2. Insert variable: menyisipkan satu variabel diantara dua buah variabel
3. Insert case: menyisipkan satu kasus diantara dua buah kasus
4. Go to case: menemukan sel tertentu
5. Sort case: mengurutkan data
6. Transpose: mentransformasikan baris menjadi kolom atau sebaliknya
7. Merge files: menggabungkan dua buah file yang mempunyai variabel yang sama namun
kasus berbeda
8. Aggregate: meringkas data menurut kriteria tertentu dan disajikan secara garis besar
9. Split file: memisahkan isi file dengan kriteria tertentu
10. Select case: menyeleksi file dengan kriteria tertentu
11. Weight case: menghitung data dengan kriteria tertentu.
e-mail: kabhanti@gmail.com
Written by Aslan Irunsah
Menu transform
Menu transform terdiri dari:
1. Compute: menambah variabel baru yang berisi hasil perhitungan berdasarkan data dari
variabel yang sama
2. Random number seed: membuat nilai-nilai random pada SPSS
3. Count: menghitung data dengan kriteria tertentu.
4. Recode: memberi kode ulang ke suatu variabel berdasarkan kriteria tertentu
5. Categorize variables : mengkategorikan data
6. Rank cases: mengurutkan data sesuai dengan rangking atau kelasnya
7. Automatic recode: mengubah value yang berupa string atau numeric ke integer
8. Create time series: membuat variabel pada time series
9. Replace missing value: mengelola missing value pada time series.
Menu analyze
Menu analyze merupakan jantung dari SPSS karena dengan menu ini seluruh pengelolaan data
dilakukan. Menu analyze terdiri dari:
1. Reports
2. Descriptive statistic
3. Compare means
4. General linear model
5. Correlate
6. Regression
7. Loglinear
8. Classify
9. Data reduction
10. Scale
11. Non parametric test
12. Survival
13. Multiple response
Menu windows
Menu ini berfungsi menampilkan window apa saja yang sekarang ada pada SPSS. Menu ini
terdiri dari:
1. Minimize all windows
2. Window atau jendela yang terhubung dengan data editor, output dan chart
e-mail: kabhanti@gmail.com
Written by Aslan Irunsah
Menu help
Menu ini berfungsi sebagai tambahan. Menu help terdiri dari:
1. Topics
2. Tutorial
3. SPSS homepage
4. Syntax guide
5. Statistic coach
6. About
7. Register product
Menu graphs
Menu ini berfungsi untuk menampilkan grafik atau chart yang merupakan hasil perhitungan
statistic data yang ada pada data editor. Menu graphs terdiri dari:
1. Gallery
2. Interactive
3. Bar
4. Line
5. Area
6. Pie
7. High low
8. Pareto
9. Control
10. Boxplot
11. Error bar
12. Scatter
13. Histogram
14. P-P
15. Q-Q
16. Sequence
17. ROC curve
18. Time series
Menu utilities
Menu ini berfungsi sebagai menu tambahan. Menu utilities terdiri dari:
1. Variables: menampilkan informasi tentang sebuah variabel
2. File info: melihat tampilan secara rinci property setiap variabel dalam sebuah file
3. Define sets: menampilkan variabel-variabel dalam sebuah data yang dianggap relevan
e-mail: kabhanti@gmail.com
Written by Aslan Irunsah
4. Auto nem case
5. Run script
6. Menu editor: menampilkan menu tambahan tersendiri, diluar menu-menu standar.
Main Menu SPSS Data Editor
Main menu atau menu utama pada SPSS Data Editor terdiri atas 10 menu utama, antara
lain File, Edit, Data, Transform, Analyze, Graphs, Utilities, Window, dan Help.
Memasukkan Data pada SPSS 13.0 pada Windows
Untuk memulai memasukkan data pada program SPSS, kita mulai dengan mengklik
Variabel View, yang akan terlihat kolom-kolom yang memuat beberapa variabel, seperti pada
gambar berikut ini:
Gambar 3 Tampilan Variabel View
Name
Kolom name digunakan untuk memberikan nama variabel data dengan panjang
maksimum 64 karakter. Untuk mengaktifkan kolon name, letakkan pointer di bawah kolom
name, klik ganda, kemudian ketik nama variabel data.
e-mail: kabhanti@gmail.com
Written by Aslan Irunsah
Type
Kolom type menunjukkan tipe data yang digunakan. Untuk mengaktifkan kolom type,
letakkan pointer di bawah kolom type baris 1, klik tanda sehingga akan Nampak
seperti gambar berikut:
Gambar 4 Kotak dialog variabel type
Terdapat 8 macam tipe data, yaitu:
a. Numeric, data yang digunakan bertipe numeric atau berupa angka (kuantitatif)
b. Comma, data berupa angka yang menggunakan tanda koma sebagai pemisah bilangan
ribuan.
c. Dot, data berupa angka menggunakan tanda titik sebagai pemisah bilangan ribuan.
d. Scientific notation, data berupa angka menggunakan symbol E untuk kelipatan 10.
e. Date, data berupa waktu
f. Dollar, data berupa angka diawali dengan tanda $, tanda koma sebagai pemisah bilangan
ribuan, dan titik sebagai decimal.
g. Custom currency, data berupa angka menyatakan mata uang tertentu.
h. String, data yang digunakan bertipe huruf (bukan angka).
Width
Kolom width menunjukkan lebar digit data, untuk data bertipe string disediakan
masukkan 1 sampai dengan 32767 digit, dan data bertipe numerik disediakan masukan 1 sampai
40 digit. SPSS memberikan default Width 8 digit. Untuk mengaktifkannya, letakkan pointer pada
kolom width, klik tanda tanda panah ke atas untuk menambah angka digit, dan tanda
panah ke bawah untuk mengurangi angka digit.
Decimals
Kolom decimals menunjukkan angka decimal dari data (apabila ada) dengan maksimum
16 angka desimal. Jika datanya berupa string, secara otomatis pada kotak dialog variabel type
pilihan decimal menghilang digantikan oleh character. Secara default SPSS memberikan 2 angka
decimal. Untuk mengaktifkan kolom desimal, letakkan pointer pada kolom desimal, klik tanda
e-mail: kabhanti@gmail.com
Written by Aslan Irunsah
tanda panah atas untuk menambah angka desimal, dan tanda panah bawah untuk
mengurangi angka desimal.
Label
Kolom label memberikan keterangan tambahan pada nama variabel data (jika ada). Jika
tidak ada, kolom ini dapat diabaikan dengan tanpa mempengaruhi proses data. Untuk memberi
label pada data, letakkan pointer pada kolom label, kemudian ketikkan keterangan tambahan
pada variabel data.
Values
Kolom values digunakan untuk memberi kode data atau mengkategorikan data (jika ada).
Jika data bersifat unik atau tanpa kategori, abaikan kolom ini karena tidak mempengaruhi proses
data. Untuk mengaktifkan kolom values, letakkan pointer pada kolom values, klik tanda
sehingga akan tampil seperti gambar berikut:
Gambar 5 Kotak dialog Value Labels
Missing
Kolom missing digunakan apabila terdapat data yang hilang atau kosong (jika ada). Jika
data lengkap, abaikan kolom ini karena tidak mempengaruhi proses data. Untuk mengaktifkan
kolom missing, letakkan pointer pada kolom missing, klik tanda sehingga terlihat
seperti gambar berikut:
e-mail: kabhanti@gmail.com
Written by Aslan Irunsah
Gambar 6 Missing Values
Column
Kolom column berfungsi memberikan lebar kolom sesuai lebar pemasukan data yang
diinginkan, yaitu antara 1 sampai 255 digit. Untuk mengaktifkan kolom column, letakkan pointer
pada kolom column, klik tanda panah atas untuk menambah angka digit, dan tanda
panah bawah untuk mengurangi angka digit.
Align
Kolom align digunakan untuk mengatur posisi data, apakah berada di kanan, kiri atau
tengah, yaitu dengan cara klik tanda dan pilih posisi yang diinginkan. Posisi left untuk
kiri, right untuk kanan, dan center untuk tengah. Secara default SPSS memberikan posisi align
right atau rata kanan.
Measure
Kolom measure digunakan untuk menentukan tipe ukuran variabel data, untuk data
bertipe string terdiri atas nominal dan ordinal, dan untuk data bertipe kuantitatif tanpa kategori
dipilih tipe scale. Untuk mengaktifkan kolom ini, letakkan pointer pada kolom measure, klik
tanda , kemudian pilih tipe ukuran variabel yang sesuai data yang dimasukkan.
Memasukkan Data ke dalam Program SPSS
Contoh kasus, data berikut ini memuat daftar nilai ujian final semester Matakuliah
Biomedik Dasar yang dimbil dari 15 mahasiswa jurusan Keperawatan.
e-mail: kabhanti@gmail.com
Written by Aslan Irunsah
no nama nilai Jenis kelamin
1234567891
0
11
12
13
14
15
Anton Chandrawinata
Budi Aswin
Cintia Isabel
Dono
Edi
Fani Saiman
Gadis Pratiwi
Harni Balanipa
Irma Suryani
Jeni
Lani Meilan
Mariani
Nani Agustina
Opik Ramadhan
Rika Sulistiawati
73
67
69
81
78
77
69
72
75
74
67
71
78
79
69
Laki-laki
Laki-laki
Perempuan
Laki-laki
Laki-laki
Perempuan
Perempuan
Perempuan
Perempuan
Perempuan
Laki-laki
Perempuan
Perempuan
Laki-laki
perempuan
Langkah-langkah penyelesaian
Pendefinisian variabel data
Data pada tabel diatas terdiri dari 4 variabel data, yaitu no, nama, nilai, dan jenis kelamin. Untuk
varibel jenis kelamin, perempuan diberi kode 1, dan laki-laki diberi kode 2 sehingga setelah
ditransformasikan ke angka tabel data di atas, menjadi sebagai berikut
no nama nilai Jenis kelamin Jenis kelamin
1234567891
0
11
12
13
14
15
Anton Chandrawinata
Budi Aswin
Cintia Isabel
Dono
Edi
Fani Saiman
Gadis Pratiwi
Harni Balanipa
Irma Suryani
Jeni
Lani Meilan
Mariani
Nani Agustina
Opik Ramadhan
Rika Sulistiawati
73
67
69
81
78
77
69
72
75
74
67
71
78
79
69
Laki-laki
Laki-laki
Perempuan
Laki-laki
Laki-laki
Perempuan
Perempuan
Perempuan
Perempuan
Perempuan
Laki-laki
Perempuan
Perempuan
Laki-laki
perempuan
221221111121121
e-mail: kabhanti@gmail.com
Written by Aslan Irunsah
Aktifkan kotak variabel view dengan cara klik variabel view yang terletak pada baigan kiri
bawah kotak SPSS Data Editor. Setelah masuk pada kotak Variabel View, mulailah
pendefinisian variabel data.
Baris 1, variabel data no
- Kolom name: ketik dengan no
- Kolom type: pilih numeric (default) karena data berupa nomor 1, 2, 3, ….15 merupakan
angka (kuantitafi)
- Kolom width: abaikan
- Kolom decimal: isi 0 karena data berupa angka 1, 2, 3, …., 15 merupakan bilangan bulat
tanpa angka desimal
- Abaikan kolom lainnya
Baris 2, variabel data nama
- Kolom name: ketik dengan nama
- Kolom type: pilih string karena data terdiri atas huruf (non angka)
- Kolom width: ketik 20
- Abaikan kolom lainnya
Baris 3, variabel data nilai
- Kolom name: ketik dengan nilai ujian
- Kolom type: pilih numeric (default) karena data berupa angka.
- Kolom decimals: ketik 0 karena data tidak mengandung angka desimal.
- Abaikan kolom lainnya
Baris 4, variabel data jenis kelamin
- Kolom name: ketik dengan jenis_kelamin
- Kolom type: pilih numeric (default) karena data berupa angka
- Kolom width: ketik angka 1
- Kolom decimals: ketik 0
- Kolom values: klik kolom values pada baris 4, isikan dengan langkah-langkah berikut
a. Value: 1, value label: perempuan, klik add
b. Value: 2, value label: laki-laki, klik add
- Klik ok,tampilan kolom values setelah pengisian:
e-mail: kabhanti@gmail.com
Written by Aslan Irunsah
Gambar 7 Value Labels
- Abaikan kolom lainnya
Entri data (Memasukkan Data ke dalam Program SPSS)
Setelah proses pendefinisian selesai, selanjutnya adalah proses entri data. Aktifkan kotak
data view untuk mulai memasukkan data dengan klik Data View yang ada pada bagian kiri
bawah kotak SPSS Data Editor.
Kolom 1, variabel data no
- Isian baris pertama: ketik 1, enter
- Isian baris kedua: ketik 2, enter, dan seterusnya hingga data yang ke lima belas.
Kolom 2, variabel data nama
- Isian baris pertama: ketik Anton Chandrawinata, enter
- Isian baris kedua: ketik Budi Aswin, enter, dan seterusnya hingga data yang kelima belas.
Kolom 3, variabel data nilai
- Isian baris pertama: ketik 73, enter
- Isian baris kedua: ketik 67, enter, dan seterusnya hingga data yang kelima belas.
Kolom 4, variabel data jenis kelamin
- Isian baris pertama: ketik 2, enter
- Isian baris kedua: ketik 2, enter, dan seterusnya hingga data yang kelima belas dengan
disesuaikan dengan jenis kelaminnya.
Setelah pengisian data selesai, kotak data view dapat dilihat seperti gambar berikut:
e-mail: kabhanti@gmail.com
Written by Aslan Irunsah
Gambar 8 Kotak Data View
Menyimpan Data SPSS
Setelah entri data, maka data perlu disimpan dengan melakukan langkah-langkah berikut:
a. Pada kotak SPSS Data Editor, klik save atau save as. Dengan menggunakan contoh kasus
diatas.
e-mail: kabhanti@gmail.com
Written by Aslan Irunsah
Gambar 9 Save As
b. Selanjutnya akan muncul tampilan seperti gambar berikut:
Gambar 10 Save Data As
c. Selanjutnya tentukan dimana data tersebut akan disimpan dan klik save.
Statistic Deskriptif
Statistic deskriptif merupakan gambaran statistika tentang data. Dalam SPSS 13.0, pada
menu Analyze untuk submenu Deskriptives Statistics ada 4 pilihan berkaitan dengan statistika
deskriptif, yaitu frequencies, descriptive, explore, dan crosstabs.
Latihan 1
Suatu analisis dilakukan untuk mengetahui kandungan lemak, kolesterol, dan kalori dalam snack
makanan ringan. Diambil secara acak 8 macam snack dengan rasa asin dan manis, dan diperoleh
data sebagai berikut.
e-mail: kabhanti@gmail.com
Written by Aslan Irunsah
Frequencies
Frekuensi memberikan deskripsi statistika data tentang prosentase, prosentase kumulatif,
rata-rata, median, mode, sum, standar deviasi, variasi, range, minimum dan maksimum, sesatan
rata-rata, skewness dan kurtosis, kuartil, serta diagram dengan berbagai bentuk.
Analisis output latihan 1 Frequencies
Deskriptives
Deskriptives selain menampilkan skor z-standar dari suatu distribusi juga memberikan
informasi tentang ukuran sampel, rata-rata, nilai minimum dan maksimum, standar deviasi,
variansi, range, sum, standar sesatan rata-rata, kurtosis dan skewness, beserta standar sesatannya.
Analisis output latihan 1 dengan analisis deskriptives
Explore
Explore menampilkan informasi tentang ukuran pusat yang mengindikasikan lokasi
distribusi dengan ukuran rata-rata, median, dan 5 % trimmed mean, serta ukuran penyebaran
yang meliputi standar deviasi, minimum dan maksimum, range. Selain daripada itu juga dapat
memberikan keterangan tentang bentuk distribusi berupa skewness dan kurtosisnya.
Analisis output latihan 1 dengan analisis explore
Crosstabs
Crosstabs merupakan tabel silang yang biasanya digunakan untuk menampilkan
informasi tentang hubungan antara dua variabel atau pengaruh satu variabel yang satu terhadap
variabel yang lain. Dengan menggunakan soal latihan 1, kita akan mencoba untuk mengetahui
ada tidaknya hubungan antara kandungan kolesterol dengan kalori yang ada pada snack makanan
ringan.
Analisis output latihan 1 dengan analisis crosstabs
e-mail: kabhanti@gmail.com
Written by Aslan Irunsah
Compare mean
Uji perbandingan rata-rata bertujuan untuk menguji apakah rata-rata pada satu sampel
sesuai dengan suatu nilai pembanding, uji homogenitas rata-rata antarsampel, dan uji signifikansi
perbedaan antara rata-rata sampel.
Uji T satu sampel
Uji T satu sampel digunakan untuk mengetahui rata-rata satu sampel yang diambil
apakah sesuai dengan nilai pembanding, yaitu melalui One Sample T Test.
Latihan 2
Seorang perawat ingin mengetahui apakah obat yang diminum oleh pasien berpenyakit lever
(akibat kecanduan alkohol) mempunyai efek terhadap penurunan berat badan pasien. Untuk itu,
sebuah sampel yang terdiri atas 10 orang masing-masing diukur berat badannya. Berikut adalah
hasilnya (angka dalam kilogram berat badan).
Misalkan, diduga populasi rata-rata berat sebelum minum obat adalah 84,51 kg. untuk
membuktikan hal tersebut, sejumlah tertentu pasien penyakit lever ditimbang, dan mereka
mempunyai rata-rata berat badan 90 kg. Berdasarkan data diatas, apakah dapat disimpulkan
bahwa berat populasi rata-rata memang 84,51 kg ?
Uji T Sampel Independen
Uji T sampel independen digunakan untuk mengetahui signifikansi rata-rata antara
sampel yang saling independen, yaitu melalui independent Sample T Test.
Latihan 3
Seorang peneliti ingin mengetahui apakah ada perbedaan antara tinggi dan berat badan seorang
pria dan seorang wanita. Untuk itu 7 pria dan 7 wanita masing-masing diukur tinggi dan berat
badannya. Berikut hasilnya (angka dalam centimeter untuk tinggi dan kilogram untuk berat
badan):
e-mail: kabhanti@gmail.com
Written by Aslan Irunsah
Uji t dua sampel dilakukan dalam dua tahapan; tahapan pertama adalah menguji apakah varians
dari dua populasi bisa dianggap sama? Setelah itu, baru dilakukan pengujian untuk melihat ada
tidaknya perbedaan rata-rata populasi. Pada dasarnya, uji t mensyaratkan adanya kesamaan
varians dari dua populasi yang diuji, jika asumsi tersebut tidak terpenuhi, SPSS akan
menyediakan alternative jawaban uji t yang lain.
a. Tinggi badan
Pertama dilakukan pengujian apakah ada kesamaan varians pada data pria dan wanita; pengujian
asumsi kesamaan varians dilakukan lewat uji F.
Mean Difference (Perbedaan Rata-Rata)
Setelah dilakukan uji dengan F test dan t test dan diketahui penggunaan Equal variance assumed
dan Equal variance not assumed, dan diketahui ada perbedaan yang nyata antara tinggi dan berat
badan pria dan wanita, langkah selanjutnya adalah mengetahui seberapa besar perbedaan
tersebut.
Uji T Sampel Berpasangan
Uji T sampel berpasangan digunakan untuk mengetahui signifikansi rata-rata antra
sampel yang saling berpasangan, yaitu melalui Paired Sample T Test.
Latihan 4
Seoran instruktur tertarik mengetahui keefektifan terapi fitness yang selama ini ia bina. Ia ingin
mengetahui apakah rata-rata berat badan konsumennya sebelum dan sesudah mengikuti terapi
fitness signifikan sama atau berbeda. Dengan tingkat signifikansi 5 %. Diperoleh data pada 10
e-mail: kabhanti@gmail.com
Written by Aslan Irunsah
orang konsumennya berikut berat badan (dalam kg) sebelum dan sesudah mengikuti fitness
terapi, sebagai berikut:
Anova satu arah
Anova satu arah dipergunakan untuk menganalisis variansi dengan satu arah, disebut saru
arah karena hanya satu factor yang diselidiki dengan unit eksperimen sama atau seragam.
Latihan 5
Sebuah pabrik memperkerjakan beberapa karyawan dalam empat shift (satu shift terdiri atas
sekelompok pekerja yang berlainan). Koordinator karyawan tersebut ingin mengetahui apakah
ada perbedaan keaktifan yang nyata di antara empat kelompok kerja shift yang ada selama ini.
Berikut datanya:
e-mail: kabhanti@gmail.com
Written by Aslan Irunsah
Statistic non parametric
Statistic non parametric merupakan metode statistic yang tidak didasarkan pada suatu
parameter populasi, seperti halnya pada statistic parametric.
Adapun kelebihan-kelebihan metode statistic non parametric, antara lain:
1. Selain dapat dipergunakan untuk data dengan skala ordinal dan nominal, juga untuk data
dengan ukuran sampel kecil.
2. Penggunaannya lebih luas karena lebih dapat diaplikasikan dalam situasi-situasi tertentu.
3. Dapat digunakan untuk menganalisa perbedaan jumlah sampel.
4. Mudah dilakukan dan dipahami dalam penerapannya.
Uji Chi Square
Digunakan untuk melakukan uji kesesuaian, uji independensi, dan uji homogenitas.
Uji kesesuaian
Latihan 6
Rasio jenis kelamin laki-laki dan perempuan sedang diselidiki. Apabila pada suatu daerah dari
100 bayi yang lahir, 54 adalah laki-laki dan 46 adalah perempuan, maka apakah rasio jenis
kelamin bayi di daerah tersebut sudah mengikuti distribusi seragam? Dengan α=0,05.
Uji independensi
Uji independensi adalah uji yang dilakukan untuk mengetahui signifikansi independensi
antarvariabel.
Latihan 7
Seorang mahasiswa melakukan penelitian untuk mengeahui hubungan antara persepsi tentang
kerentanan terhadap penyakit dan pemilihan jenis pemberi pelayanan kesehatan. Dari populasi
pemakai pelayanan kesehatan dan tradisional diambil sampel, dan kerentanan dibagi kategori
sangat serius dan kurang serius. Data yang diperoleh sebagai berikut:
Pilihan pelayanan kesehatan Persepsi kerentanan penyakit
Sangat serius Kurang serius
Rumah sakit 24 6
Dukun 8 12
Dengan tingkat signifikansi 5 % untuk mengannalisis hal tersebut.
e-mail: kabhanti@gmail.com
Written by Aslan Irunsah
Uji homogenitas
Uji homogenitas dilakukan untuk menyelidiki apakah sampel-sampel data yang diambil
homogeny atau tidak.
Latihan 8
Sebuah studi kasus tentang insidensi depresi pada penderita hipoglikemia dan yang tidak
menderita hipoglikemia. Dipilih secara acak 200 sampel yang terdiri dari sampel 1, yaitu 50
orang dengan hipoglikemia dan sampel 2 sejumlah 150 orang tanpa hipoglikemia. Uji
hipotesisnya adalah insidensi depresi pada penderita hipoglikemia lebih tinggi daripada bukan
penderita hipoglikemia, dengan datanya sebagai berikut:
Depresi
Ya Tidak Total
Sampel 1 (hipoglikemia) 30 20 50
Sampel 2 (tanpa hipoglikemia) 72 78 150
Dengan tingkat signifikansi 5 %.
Uji binomial
Distribusi binomial merupakan distribusi di mana menghasilkan dua kemungkinan
peristiwa, missal gagal atau sukses, hidup atau mati, dsb. Uji binomial menggunakan parameter
proporsi atau perbandingan yang merupakan uji hipotesis, apakah proporsi sampel yang
diselidiki sesuai atau tidak dengan proporsi populasi yang dibandingkan.
Latihan 9
Suatu studi dilakukan untuk mengetahui adanya pengaruh didirikannya pusat tenaga nuklir
terhadap para pekerja dan penduduk yang tinggal disekitar wilayah Makassar, yaitu bahaya
kanker karena radiasi yang ditimbulkannya. Apabila diperoleh informasi bahwa 4 dari 13
kematian para pekerja usia 55-64 tahun di pusat pembangkit tenaga nuklir karena kanker dan
disebutkan 20 % dari semua kematian disebabkan karena kanker, maka benarkah pendapat
bahwa tenaga nuklir berdampak pada kesehatan masyarakat di sekitarnya? (α = 0,05)
Uji runs
Uji runs digunakan untuk mengetahui pola keacakan (kerandoman) suatu kejadian. Jadi,
dengan uji runs dapat diketahui suatu kejadian merupakan proses random atau tidak.
Latihan 10
Seorang perawat ruangan bayi suatu rumah sakit ingin mengetahui keberagaman bayi yang lahir
dalam jangka waktu tertentu. Ia ingin menyelidiki apakah bayi yang lahir beragam secara acak
antara laki-laki-laki dan perempuan atau tidak. Diperoleh data sebagai berikut:
e-mail: kabhanti@gmail.com
Written by Aslan Irunsah
no bayi yang lahir
1 laki-laki
2 perempuan
3 perempuan
4 laki-laki
5 laki-laki
6 laki-laki
7 perempuan
8 perempuan
9 laki-laki
10 perempuan
11 laki-laki
12 laki-laki
13 perempuan
14 perempuan
15 perempuan
16 laki-laki
17 laki-laki
18 perempuan
19 perempuan
20 laki-laki
Uji kolmogorov smirnov
Uji kolmogorov smirnov digunakan untuk melakukan uji kesesuaian sampel dengan suatu
bentuk distribusi populasi tertentu atau dapat pula untuk uji kesesuaian apakah dua sampel
berasal dari dua populasi yang identik. Perbedaan antara uji kesesuaian Kolmogorov Smirnov
e-mail: kabhanti@gmail.com
Written by Aslan Irunsah
dengan uji kesesuaian Chi-square adalah pada uji ini dapat digunakan unuk data berskala
ordinal.
Latihan 11
Berdasarkan data berikut, analisis apakah populasi tekanan darah asal sampel didistribusikan
secara normal? α = 0,05
Tekanan darah sistolik (mmHg) sampel
111
151
137
142
100
134
128
123
105
102
159
125
145
179
115
130
120
139
109
162
Uji MannWhitney
Uji ini digunakan untuk menguji signifikansi perbedaan antara dua sampel independen.
Uji ini menggunakan data dengan skala ordinal.
Latihan 12
Data biaya (dalam ribuan) rata-rata harian rawat tinggal pasien bedah di rumah sakit pemerintah
dan rumah sakit swasta. α = 0,05
rumah sakit pemerintah rumah_sakit_swasta
118 162
146 156
128 170
126 144
126 164
Uji Kruskal Wallis
Uji ini dipergunakan untuk k-sampel yang saling independen (k-indepenten sampel).
Data digunakan berskala ordinal.
Latihan 13
Duapuluh orang mengikuti program penurunan berat badan dalam 4 macam program (A, B, C,
dan D). Data yang diperoleh secara acak di bawah ini adalah penurunan berat badan (dalam kg)
sebagai berikut:
e-mail: kabhanti@gmail.com
Written by Aslan Irunsah
A B C D
6.2
8.4
7.8
9.5
10
14.4
15.7
13.2
18.6
10.3
12.5
12.1
12.7
16.9
11.8
13.5
13.3
11.1
15.5
17.7
α = 0,05
Uji Wilcoxon
Uji ini digunakan untuk menguji signifikansi antara dua sampel yang saling berhubungan
dan berskala ordinal.
Latihan 14
Sebuah tim sepakbola mengikuti uji pengaruh latihan fisik terhadap penurunan trigliserida serum
(milligram/100 mililiter darah) dan diperoleh data:
Pra-latihan Pasca latihan
131
77
24
99
629
116
68
77
94
73
37
121
136
65
131
630
104
95
90
86
58
47
α = 0,05
Uji Friedman
Uji ini digunakan untuk menguji perbedaan beberapa sampel yang berhubungan (krelated
sampel).
Latihan 15
Sebuah riset dilakukan untuk membandingkan energi yang dibutuhkan pada kegiatan berjalan,
berlari, dan bersepeda (data energy dalam kilokalori/km). apakah ada perbedaan energy yang
dibutuhkan untuk ketiga macam kegiatan tersebut. α = 0,05.
e-mail: kabhanti@gmail.com
Written by Aslan Irunsah
subyek berjalan berlari bersepeda
12345678
2.0
1.7
1.5
1.6
1.7
1.8
1.5
1.4
1.3
1.1
1.2
0.7
1.3
1.3
1.2
1.1
0.6
0.4
0.7
0.1
0.8
0.7
0.8
0.7
Regresi linear
Regresi linear merupakan suatu model yang diasumsikan mengikuti bentuk linear atau
garis lurus hubungan antara dua variabel yang disebut sebagai dependent variabel atau variabel
predictor.
Suatu model adalah linear karena menambah nilai jth predictor dengan penambahan 1 unit
dependent dengan bj units. Dengan catatan bahwa bo adalah intercept, nilai dapat diprediksi dari
dependent variabel ketika nilai dari setiap predictor adalah sama dengan 0.
Latihan 16
Sebuah penelitian dilakukan pada sebuah toko komputer untuk mencari pengaruh besarnya biaya
promosi dengan nilai penjualan barang dalam satu bulan. Diperoleh data sebaga berikut:
e-mail: kabhanti@gmail.com
Written by Aslan Irunsah
KESIMPULAN
1. Metode statistika dapat dibedakan menjadi dua bagian utama, yaitu:
a. Statistika parametric: analisis yang didasarkan atas asumsi bahwa data memiliki
sebaran tertentu (diskrit atau kontinu, normal atau tidak normal) dengan parameter
yang belum diketahui. Fungsi metode statistika adalah untuk meramal parameter,
melakukan uji parameter, atau semata-semata melakukan eskplorasi berdasarkan
informasi yagn ada pada data.
b. Statistika nonparametric: analisis yang tidak didasarkan atas asumsi distribusi pada
data.Umumnya teknik ini dipakai untuk data dengan ukuran kecil sehingga tidak
cukup kuat untuk mengasumsikan distrbusi tertentu pada data.
2. Persoalan yang dihadapi pada umumnya adalah menduga atau menguji parameter yang
belum diketahui dari distribusi tertentu yang dianggap sesuai dengan kondisi data.
Metode statistika yang diturunkan seperti ini disebut metode parametric. Namun tidak
semua metode parametric melakukan uji parameter (uji hipotesis), beberapa diantaranya
hanya melakukan eksplorasi informasi yang melaporkan kesimpulan yang diperoleh dari
eksplorasi tersebut.
3. Statistic dengan uji hipotesis yaitu untuk membuktikan dengan alat statistika, apakah
dugaan yang dimiliki dapat dibuktikan benar atau sebaliknya. Ada dua kelompok besar
yang dapat dilakukan dengan uji hipotesis, yaitu:
a. Uji hipotesis terkait uji rerata yaitu untuk menguji atau mengestimasi besarnya rerata
1 kelompok, menguji beda dua kelompok atau lebih, dengan berbagai kondisi
kelompok (saling bebas atau berpasangan/tidak saling bebas).
b. Uji hubungan baik terbatas pada besarnya derajat asosiasi (uji korelasi) atau mencari
bentuk hubungan fungsional bebrapa variabel (uji regresi). Uji regresi saat ini juga
telah berkembang sangat luas tergantung distrbusi variabel respon yagn dihadapi.
4. Uji rerata, untuk data dengan 1 subpopulasi atau 2 subpopulasi (sering juga disebut
kelompok dengan satu atau dua kategori), uji yang dipakai adalah uji Z atau T.
Sedangkan untuk subpopulasi lebih dari dua dipergunakan uji F atau Anova.
a. Uji T dan uji Z
- Kita ingin menguji apakah rerata keseluruhan populasi sama dengan angka
tertentu. Dalam hal ini ada dua uji statistika yang dapat dilakukan, yaitu:
1. Uji T satu kelompok jika ukuran sampel kecil dan variansi populasi tidak
diketahui.
2. Uji Z satu kelompok jika ukuran sampel cukp besar atau variansi populasi
diektahui.
- Kita ingin menguji apakah rerata dua kelompok sama atau berbeda. Dengan kata
lain apakah suatu atribut berpengaruh terhadap suatu kondisi yang menjadi
perhatian.
e-mail: kabhanti@gmail.com
Written by Aslan Irunsah
1. Uji T dua kelompok saling bebas jika ukuran sampel kecil dan variansi
populasi tidak diketahui.
2. Uji Z dua kelompok saling bebas jika ukuran sampel cukup besar atau variansi
populasi diketahui.
- Kita ingin menguji apakah rerata dua kelompok sama atau berbeda. Dengan kata
lain apakah suatu eksperimen memberi dampak seperti yang diperkirakan. Dalam
hal ini dua subpopulasi yang terbentuk merupakan subpopulasi yang tidak saling
bebas atau bahkan dua atribut, pre & post treatment/test atau dua subpopulasi
yang saling berpasangan,
1. Uji T dua kelompok berpasangan jika ukuran sampel kecil dan variansi
populasi tidak diketahui
2. Uji Z dua kelompok berpasangan jika ukuran sampel cukup besar dan variansi
populasi diketahui.
b. Uji F/Anova
Jika banyaknya subpopulasi lebih dari dua (tiga atau lebih), maka uji yang dapat
dilakukan adalah uji anova. Pada umumnya uji anova dibatasi pada subpopulasi yan
saling bebas yaitu subpopulasi satu dengan lainnya bukan merupakan subpopulasi yan
sama, juga bukan merupakan subpopulasi yang berpasangan. Uji anova dibedakan
menjadi dua macam, yaitu:
1. Anova satu arah (jika hanya ada satu pengelompokkan yang menjadi perhatian,
misalnya status social)
2. Anova multi arah (jika hanya ada lebih dari satu pengelompokkan yang menjadi
perhatian).
3. Multivariant anova, yaitu anova untuk respon yang tidak saling bebas. Data
multivariant ini terjadi jika kelompok yang sama diamati untuk lebih dari dua
atribut.
5. Statistic nonparametric, merupakan analisis statistika bebas distribusi. Kondisi ini
biasanya diberlakukan pada data dengan ukuran kecil dan dengan skala pengukuran yang
jauh dari skala interval. Karena ukuran data yang kecil, ukuran pemusatan yang menjadi
focus tidak lagi rerata melainkan median.
a. Uji kelompok saling bebas
Untuk menguji adanya beda median antra dua kelompok yang saling bebas. Ada dua
uji nonparametric yang dapat dilakukan, yaitu:
1. Uji Mann-Whitney, merupakan salah satu uji statistic non parametric dapat
diterapkan untuk menguji apakah dua kelompok independen populasi yang sama.
Prinsipnya adalah membandingkan median perangkat dari sampel pertama dengan
dari sampel kedua.
2. Uji Wilcoxon, untuk kelompok saling bebas.
b. Uji kelompok berpasangan
Uji yang dapat dipergunakan adalah uji wilcoxon untuk data berpasangan
e-mail: kabhanti@gmail.com
Written by Aslan Irunsah
c. Uji lebih dari dua kelompok saling bebas
Uji yang dipergunakan adalah uji H Kruskal-Walis
d. Korelasi rank spearman
Korelasi yang dihitung adalah korelasi rank dari Spearman.

2 komentar:

  1. gan maksih infonya...
    udah saya kirim email

    BalasHapus
  2. Video Uji Reliabilitas Cronbach Alpha Menggunakan EVIEWS
    www.youtube.com/watch?v=YiMBKcvzkE4
    WA 085227746673
    Analisis Data EVIEWS, LISREL, SPSS, AMOS, DLL

    BalasHapus

silakan isi komentar mengenai layanan olah data jogja