23 Desember 2011

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.

1 komentar:

  1. SAlam kenal mas..,,ada ngaak contoh dari skripsi yang dibuat mahasiswa tentang uji antar kelompok data dalam anova statistika..

    BalasHapus

Tulisan Lainnya:

Related Posts Plugin for WordPress, Blogger...

Formulir Kontak

Nama

Email *

Pesan *