PANDUAN SPSS : “Statistik Inferensi”

Setelah dilakukan uji terhadap distribusi data dan terbukti bahwa data yang diuji berditribusi normal atau mendekatai distribusi normal, maka selanjutnya dengan data tersebut bisa dilakukan berbagai inferensi atau pengambilan keputusan dengan metode statistic parametric. Jika terbukti data tidak berdistribusi normal atau jauh dari kriteria distribusi normal, metode parametric tidak bisa digunakan dan untuk inferensi digunakan metode stasitik nonparametric.

Statistic inferensi dalam SPSS

SPSS enyediakan berbagai metode parametric suntuk melakukan inferensi terhadap data statistic, karena terlalu luasnya cakupan parametric, maka inferensi parametric akan dibagi dalam berbagai menu pada SPSS yaitu COMPARE MEANS, GEERAL LINEAR MODEL, CORELATION DAN REGRESION.

A.COMPARE MEANS terdiri dari MEANS (Memabahas hal yang sama pada statistic dsekripstif dengan penyajian subgroup dan ditambah dengan uji linearitas), t TEST (membahas uji t yang terdiri dari uji t satu sampel, uji t dua sampel independen dan uji t untuk dua sampel berpasangan (paired)), ONE WAY ANOVA (Kalau uji t untuk dua sampel, sedang ANOVA digunakan untuk menguji lebi dari dua sampel).

Uji t untuk dua sampel berpasangan (paired).

Dua sampel berpasangan artinya sebagai sebuah sampe dengan subjek yang sama namun mengalami dua perlakukan atau pengukuran yang berbeda.contoh kasus ( tes kemampuan bahasa jepang setelah menonton animasi jepang,  Untuk itu sebuah sampel diukur terdiri dari 10 responden yang masing-masing disuruh menonton film animasi berbahasa jepang, kemudian setelah satu bulan menonton, kembali diukur kemampuan berbicara melalui tes. Hasilnya sebagai berikut ;

Table 1.1

no	Sebelum menonton	Sesudah menonton
1.	65	72
2.	75	79
3.	76	82
4.	55	75
5	70	73
6	80	80
7	72	75
8	85	88
9	73	70
10	90	89

Langkah-langkah :

Tentukan variable view dari sebelum dan sesudah menonton. Adapun langkah-langkah penyusunan varibel sebagai berikut:

1.    Buat file baru, klik File, klik New dan klik Data

2.    Terlihat lembar kerja baru, posisi pada Data View

3.    Klik Variable view.(ada tampilan nama, type, widh, decimals, label, values, missing, columns, align dan measure)

·         Name : Kemudian ketik sebelum

·         Type : Klik Type (klik pojok yang berwarna abu-abu,”Variable Type” klik “numeric”

·         Widh : default 8

·         Decimals : default 2

·         Label : ketik nama subjek

kemudian

§  Name : ketik sesudah dibawah sebelum

·         Type : biarkan numeric

·         Widh : default 8

·         Decimals : default 2

§  Label : ketik sesudah nonton

Kemudian buka data view, masukan data diatas (table 1.1)

§  Sebelum: Ketik nama subjek pada varibel “nama”. Contoh : 65, 75, 76…seterusnya.

§  Sesudah : Ketik nama subjek pada varibel “nama” ketik. Contoh : 72,79, 82…seterusnya.

§  Setelah entry data selesai kemudian buka Analyze àCompare MeansàPaired-Samples T Test…

§  Klikvariabel  sebelum dan sesudah secara bersamaan,(kalau tidak, spss tidak bisa mengimput dalam kolom paired variables dengan tidak aktifnya tanda à), sehingga terlihat pada kolom current selection dibawah terdapat keterangan untuk variable 1 dan 2, klikàmaka pada paired variables terlihat tanda sebelum…sesudah

§  Klik Option dan pilih Confidence Interval..95%, kemudian biarkan default Exclude Cases Analysis By Analysis. Klik Continue dan klik ok.

One Sample T Test

§  Buka file atau kembali ke Data View buka Analyze àcompare meansàone-samples T test…

§  Klik variabel  sebelum à Test Variables,  klik di Tes  Value (untuk mennetukan nilai yang akan diuji hipotesa..nilai 90, ketik 90,  Klik Option dan pilih confidence interval..95%, kemudian biarkan default exclude cases analysis by analysis. Klik continue dan klik ok.

B. GENERAL LINEAR MODEL (merupakan kelanjutan dari ANOVA, dimana dalam GLM dibahas satu variable dependen namun mempunyai satu atau lebih factor)

KASUS ; Sebuah pabrik yang selama ini mempekrjakan karyawannya dalam 4 shift (tiap shift mempekerjakan atas kelompok pekerja berlainan). Manajer pabrik ingin mengetahui apakah ada perbedaan produktiftas yang nyata antara 4 kelompok shift. Selama ini setiap kelompok kerja terdiri atas wanita semua atau pria semua dan setelah kelompok kerja pria bekerja dua hari berturut-turut, ganti kelompok wanita, demikian seterusnya, dua hari untuk pria dan sehari untuk wanita. Hasil pengamatan angaka dalam unit sebagai berikut :

Hari	Shift 1	Shift2	Shift3	Shift4	Gender
1.	38	45	45	58	Pria
2.	36	48	48	25	Pria
3.	39	42	42	34	Wanita
4.	34	46	46	26	Pria
5.	35	41	41	39	Pria
6.	32	45	45	44	Wanita
7.	39	48	48	32	Pria
8.	34	47	47	38	pria
9.	32	42	42	39	Wanita
10.	36	41	41	43	Pria
11.	33	39	39	44	pria
12.	39	33	33	62	wanita

Kasus diatas terdiri atas empat sampel yang bebas satu dengan yang lain, yaitu kelompok shift 1 berbeda orang dan waktunya dengan kelompok shift yang lain. Ada dua factor yang mempengaruhi produktiftas kerja yaitu kelompok kerja dan gender.

Langkah-langkah :

Table diatas harus dirubah format jika mengggunakan anova sebagai berikut ;

PRODUK	SHIFT	GENDER
38	satu	Pria
36	satu	Pria
39	satu	Wanita
34	satu	Pria
35	satu	Pria
32	satu	Wanita
39	satu	Pria
34	satu	Pria
32	satu	Wanita
36	satu	Pria
33	satu	Pria
39	satu	Wanita
45	Dua	Pria
48	Dua	Pria
42	Dua	Wanita
46	Dua	Pria
41	Dua	pria
45	Dua	wanita
48	Dua	Pria
47	Dua	Pria
42	Dua	Wanita
41	Dua	Pria
39	Dua	Pria
33	Dua	Wanita
45	Tiga	Pria
48	Tiga	Pria
42	Tiga	Wanita
46	Tiga	Pria
41	Tiga	Pria
45	Tiga	Wanita
48	Tiga	Pria
47	Tiga	Pria
42	Tiga	Wanita
41	Tiga	Pria
39	Tiga	Pria
33	Tiga	Wanita
28	Empat	Pria
25	Empat	Pria
24	Empat	wanita
26	Empat	Pria
29	Empat	Pria
14	Empat	Wanita
32	Empat	Pria
18	Empat	Pria
29	Empat	Wanita
33	Empat	Pria
24	Empat	pria
22	Empat	Wanita

Langkah-langkah :

·         Buat variabel

PRODUK

SHIFT

GENDER

·         Tentukan Value Label untuk Shift dn Gendernya. Untuk analisa Anova, pilh menu Analyze, kemudian pilih sub menu General Linear Model. Pilihan tes klik Univariate…untuk dependent yang akan diuji (produktifitas) masukan variabel Produk. Fixed Factors atau group, masukan variable Shift dan Gender. Abaikan yang lain, klik Ok.

C. UJI KORELASI DAN REGRESI

Menu Korelasi

Uji korelasi dalam spsss dapat dilihat dalam menu Correlate dengan sub menu :

·         Bivariat  (besar hubungan diantara dua variable : koefisien korelasi bivariate/product moment pearson untuk mengukur keeratan hubungan antara peringkat-peringkat dibandingkan hasil pengamatan itu sendiri dengan mengasyaratkan bahwa populasi asal sampel mempunyai dua varians dan berdistribusi normal, korelasi pearson untuk mengukur data interval atau rasio) dan korelasi peringkat spearman dan kendall (untuk mengukur keeratan hubungan antara peringkat-peringkat dibandingkan hasil pengamtan itu sndiri dan bisa digunakan untuk menghitung data ordinal dan pengunaan asoisasi pada sttsistik nonparametric)

Diketahui Kasus

·         Partial (perubahan mengenai hubungan linier antara dua variable dengan melakukan control terhadap satu atau lebih variable tambahan)

Kasus : dilakukan penelitian untuk mengetahui ada tidaknya hubungan antara kemampuan grammer (X) terhadap kemampuan conversation (Y)  yang dilakukan terhadap 20 mahasiswa yang diambil secara random, didapatkan nilai

X : 70, 80, 72, 67, 64, 70, 71, 76, 90, 96, 54, 52, 65, 71, 66, 89, 80, 64, 60, 74

Y : 70, 67, 74, 58, 73, 79, 57, 58, 71, 66, 72, 55, 76, 65, 81, 75, 76, 77, 69, 70

Langkah-langkah :

1.    Buat Variable dengan mengklik Variable View untuk X dan Y, isikan di …

·         Name :  ketik X, untuk Type (klik pojok yang berwarna abu-abu,”Variable Type” klik “numeric”

·         Widh : default 8

·         Decimals : default 2

·         Label : ketik Grammer

·         Terus dibawah name X, ketik Y untuk type : Numeric

·         Widh : default 8

·         Decimals : default 2

·         Label : ketik Conversation

2.    Masukan data dengan mengklik Data View divariabel X dan Y

3.    Kemudian buka Analyze àCorrelate (sesuai kasus) klik Bivariate, pindahkan ke variable X dan Y untuk kolom Correlation Coefficient, pilih Pearson dan abaikan alat hitung yang lain. Untuk kolom test of significance, karena akan diuji dua sisi, maka pilih two-tailed. Untuk pilihan Flag Significant Correlation, kemuian klik option, pada pilihan statistic abaikan saja.pada pilihan missing values ada dua pilihan Exclude Cases Pairwise dan Exclude Cases Listwise, untuk keseragaman ambil Exclude Cases Pairwise, tekan Continue kemudian Ok

Korelasi rank spearman dan kendall

Menu regresi

dilakukan penelitian untuk mengetahui ada tidaknya hubungan antara kemampuan Grammer (X₁)dan Vocabulary (X₂) terhadap kemampuan Conversation (Y)  yang dilakukan terhadap 20 mahasiswa yang diambil secara random, didapatkan nilai

X1 : 70, 80, 72, 67, 64, 70, 71, 76, 90, 96, 54, 52, 65, 71, 66, 89, 80, 64, 60, 74

X2 : 72, 82, 75, 65, 67,70, 73, 75, 86, 90, 95, 56, 55, 71, 67, 88, 80,66, 60, 70

Y : 70, 67, 74, 58, 73, 79, 57, 58, 71, 66, 72, 55, 76, 65, 81, 75, 76, 77, 69, 70

1.    Buat Variable dengan mengklik Variable View untuk X1, X2  dan Y, isikan di …

·         Name :  ketik X1à untuk Type (klik pojok yang berwarna abu-abu,”Variable Type” klik “numeric”

·         Widh : default 8

·         Decimals : default 2

·         Label : ketik Grammer

·         Dibawah X1 ketik X2à, untuk Type (klik pojok yang berwarna abu-abu,”Variable Type” klik “numeric”

·         Widh : default 8

·         Decimals : default 2

·         Label : ketik Vocabulary

·         Kemudian ketik Y untuk type : Numeric

·         Widh : default 8

·         Decimals : default 2

·         Label : ketik Conversation

2.    Masukan data dengan mengklik Data View divariabel X1, X2 dan Y

3.    Kemudian buka Analyze àRegression (sesuai kasus) klik Linear, kemudian tampak layar Linear Regression, lalu pindahkan variable Y ke kotak Dependent dan masukan variable X1 dan X2 ke kotak Independent, Case Label : biarkan, kemudian Method : klik Enter.

·         Kemudian pilih option àStepping method criteria, klik Use Probability Of F, klik Entry .05, kemudian pilihan default Include Constant In Equation, sedang Missing Value dengan klik Exclude Cases Listwise, klik Continue…

·         Pilih kolom statistic, àRegression Coefficient, aktifkan Estimate. Pilih descriptive pada kolom sebelah kanan, tetap aktifkan Model Fit, residual klik mouse pada Casewise Diagnostics lalu pilih All Cases, klik Continue.

·         Pilih Plot (berhubungan dengan gambar/grafik untuk regresi). Klik pilihan SDRESID masukan ke pilihan Y, lalu pilihan ZPRED dan masukan ke pilihan X, klik Next isikan plot ke dua…(tampak variable Y dan X kosong), kemudian klik ZPRED dan masukan ke pilihan y, kemudian pilihan pilihan DEPENDNT dan masukan pilihan x, klik tombol next untuk pengisian plot ke tiga, PILIHAN Standardized Residual Plots, Klik Mouse Pada Normal Probability Plot, Klik Continue..OK.

STATISTIK NON PARAMETRIK.

Uji Chi-Squre.

Diketahui pemasaran PT permen enak menjual permen dengan empat macam warna ingin mengetahui apakah konsumen menyukai keempat warna permen, untuk itu dalam waktu satu minggu diamati pembelian permen disuatu outlet dan berikut hasilnya dalam pembelian 100 permen.

WARNA	JUMLAH
Merah	35
Hijau	28
Kuning	10
Putih	27

Langkah-langkah :

Tentukan variable view. Name : ketik WARNA. Width : 1. Decimal : 0, Values (tik : 1, kemudian  di Value Label tik Merah, lalu Add, lanjut. 2..Value Label : hijau, Add, dst….dibawahnya, Name : ketik JUMLAH,  Width : 1. Decimal : 0, abaikan yang lain.

Masukan data view.(terlihat datas varibel warna dan jumlah)

Masukan data dengan melihat value Label(sebelah kiri warna biru) kemudian ketik jumlah 35,28,…dan seterusnya. Kemudian proses Weigh Cases. (variable warna yang telah dikodifikasi kemduian dilauakn proses weight cases untuk menghubungan dengan variable jumlah) caranya :

Letakan pointer pada kolom variable Warna, dari menu SPSS, pilih menu Data, kemudian pilih sub menu Weight Cases..klik Weight Cases By (karena akan melakukan pembobotan pada kasus), kemudian tanpak pilihan Frequency Variable, pindahkan variabel Jumlah ke varibel Frequency. Setelah selesai OK, lalu kembali ke Data View.

Kemudian mulai buka Analyze, pilih menu Statistic, kemudian sub menu Nonparametric, sesuai kasus pilih Chi Square…masukan varibel Warna ke Test Variable List. Untuk Expected Range,(karena dihitung dari data kasus maka klik Get From Data. Untuk kolom Expected Value karena distribusinya adalah uniform (semua kemungkina warna sama) maka klik All Categories Equal.kemudian Ok.