PENGGUNAAN SPSS:
SPSS
SPSS SPSS (Statistical Package for the Social Science) pada
awalnya merupakan program komputer statistik untuk ilmu-ilmu
sosial- dibuat pertama kali oleh tiga mahasiswa Stanford University
yaitu Norman H. Nie; C Hadlai Hull dan Dale H Bent pada tahun 1968-
yang dijalankan dengan komputer mainframe. Pada tahun 1984 versi PC
SPSS muncul dengan nama SPSS/PC+ dan pada tahun 1992 mengeluarkan
SPSS versi Windows. Seiring dengan perkembangan pelayanan jenis
user untuk proses produksi, riset ilmu sains dan lainnya- SPSS
telah berkembang tidak hanya Statistical Package for the Social
Science tetapi telah menjadi Statistical Product and Service
Solution.SPSS versi 12 (2004) untuk statistik berisi :
Descriptive Statistics: Crosstabulations, Frequencies,
Descriptives, Explore, Descriptive Ration statistics Bivariate
Statistics: Means, t-test, ANOVA, Correlation - bivariate, partial,
dan distance- non-parametric test Prediction for numerical
outcomes: linear regression Prediction for indentifying group:
factor analysis, two-step cluster analysis; K-mean cluster
analysis, hierarchical cluster analysis, discriminatSemua proses
perhitungan denga menggunakan SPSS mengikuti alur ditunjukkan Bagan
1. Data yang akan digunakan untuk perhitungan dimasukkan (inputing)
melalui menu DATA EDITOR yang secara otomotis muncul di layar
monitor sesaat program SPSS dijalankan. Setelah data dimasukkan,
proses pengolahan data juga melalui DATA EDITOR dan hasilnya
ditampilkan dalam layar VIEWER. Hasil perhitungan tersebut dapat
berupa teks, tabel maupun grafik.
Bagan 1. Proses Perhitungan SPSS1. MEMPERSIAPKAN DATA
Statistik merupakan ilmu yang berkaitan dengan kegiatan
pengoleksian, pengorganisasian, presentasi, analisis, dan
interpretasi data numerik (kuantitatif) untuk membantu pembuatan
keputusan lebih efektif (Douglas 2005). Pada hakekatnya, statistik
dibagi menjadi dua yaitu: statistik deskriptif dan statistik
inferensi. Statistik deskriptif adalah statistik yang berkiatan
dengan metode mengorganisasikan, perangkuman dan presentasi data ke
dalam suatu bentuk yang informatif. Sedangkan inferensi terkait
dengan kegitan pembuatan keputusan, estimasi, prediksi atau
generalisasi tentang populasi berdasarkan perhitungan sampel. Data
harus dipersiapkan terlebih dahulu mengenai format, jenis dan
aturan-aturan tertentu. Variabel adalah sesuatu yang nilainya dapat
bervariasi. Variabel dibedakan menjadi dua yaitu variabel
kuantitatif dan variabel kualitatif. Contoh variabel kuantitatif
adalah suku bunga, pendapatan, penjualan dan lain-lain. Contoh
variabel kualitatif adalah agama, warna kulit, asal kelahiran.
Kadang-kadang kita sering bisa mengkuantifikasikan variabel
kualitatif. Statistik terkait dengan variabel kuantitatif. Variabel
kuantitatif dibagi menjadi dua macam yaitu diskrit (menunjuk angka
tertentu) dan kontinyu (menunjuk rentang yang jumlah angkanya tak
terhingga). Terdapat 4 tingkatan data, yaitu:
Nominal: data diklasifikasikan ke dalam kategori dan tidak dapat
disusu dalam urutan tertentu. Sebagai contoh: varibel jenis
kelamin: pria=1; wanita=2. Pemberian nilai tersebut terserah
individu.
Ordinal: data disusun ke dalam urutan tetapi perbedaan nilai
data tidak dapat ditentukan atau tidak memiliki arti. Contoh
pembuatan ranking untuk minuman soft drink yang disukai.
Interval: data disusun dalam interval tertentu dan tidak
terdapat nilai nol
Rasio
Bagan 2. Macam DataBeberapa hal yang perlu diperhatikan ketika
kita akan memasukan data (inputing):
- Struktur Data: - baris/case
- kolom/heading/variabel: numeric, comma, dot, scientific,
notation, date, dollar, custom currency, string
- Format data: - fixed (tertentu)
- freefield (bebas)
- Missing Value = data yang hilang atau tidak lengkap
2. MEMULAI SPSS
Untuk memulai program SPSS: icon SPSS
Bagan 3. Memulai SPSS
Buka Windows
1. Klik grup icon SPSS
2. Klik SPSSmuncul logo SPSS, kemudian hilang dan muncul: Output
Windows dan SPSS Editor yang siap dioperasikan. Istilah: Penunjuk
Sel, Nomor Case, Edit Line, Heading Kolom, Sel.
SPSS menyediakan beberapa Windows:
- Data Editor. Window ini terbuka secara otomatis ketika program
SPSS dijalankan dan berfungsi untuk input data ke SPSS.
Membersihkan data editor: klik File, New, Data
Membuka File (ekstensi .sav): klik File, Open, Data
- Viewer. Window ini merupakan media tampilan proses yang
dilakukan SPSS. Dapat disimpan melalui perintah Save SPSS Output
(ekstensi .lst). Untuk membuka file output: klik File, Open, SPSS
output
-Syntax Editor. untuk menuliskan susunan perintah/program--teks
editor
Dapat disimpan lewat perintah Save SPSS Syntax pada menu file.
Untuk membuka file syntax (ekstensi .sps): klik File, Open,
Syntax
-Script Editor: digunakan untuk melakukan berbagai pengerjaan
SPSS secara otomatis, seperti membuka dan menutup file, mengekspor
grafik menyesuaikan bentuk output.
Bagan 5. Window SPSS
3. MENANGANI FILE DATA
Buka SPSS: clik icon SPSS, maka akan ditampilkan di monitor
sebagai berikut:
Bagan 6. Data Editor
masukkan data pada kolom pertama. Untuk memberikan nama Nilai
tekan Variable View yang ada di kiri bawah kemudian ketikkan nilai
pada Name. Variable View ini digunakan untuk mengedit semua yang
berkaitan dengan variabel. Kemudian masukkan data berikut ini:
NamaSexProgramStatMKPKManajWesel
susi WanitaMSi658080250
susan WanitaMEP709898450
memed laki-lakiMSi9089100150
bambang laki-lakiMEP658740200
duri WanitaMM7878103340
nurul WanitaMSi987897500
ali laki-lakiMEP767689400
nika WanitaMSi909790230
gogon laki-lakiMM879170590
bolot laki-lakiMM6998120430
handi WanitaMSi787549120
unik WanitaMEP987859210
kali laki-lakiMSi6765200340
budi laki-lakiMEP897684560
santoso laki-lakiMM976056430
bukoli WanitaMEP6769179700
boy laki-lakiMM807878230
sici WanitaMSi8987180450
kutut laki-lakiMM656859650
kile WanitaMSi679868230
Dapat memberikan nama variabel dan format (type, label, missing
value dan format kolom). Type untuk menentukan type variabel,
jumlah angka dibelakang koma, lebar variabel. Labels untuk
menentukan label variabel dan harga dari label tersebut. Missing
Value untuk mementukan harga-harga dari suatu variabel yang akan
dideklarasikan sebagai missing value. Format Kolom untuk menentukan
jenis perataannya.
Bagan 7. Jenis Data
KETRAMPILAN DASAR:
FILE
- Membuka file yang sudah ada: File/Open- Menyimpan data:
File/Save; File/Save As- Mencetak data: File/Print
- Keluar dari SPSS: File/Exit
DATA
- Menghapus data:
- Mencopy data
- Menyisipkan data
- Mengurutkan data
- Seleksi kasus
- Menyimpan File Data:
>klik File, Save Data
>Beri Nama: pada kotak dialog Newdata:Save Data As
......sav
>Enter
-Menyunting Data:
Menghapus isi sel: >Klik sel, tekan Delete
Menghapus isi sel satu kolom (Variable): >Klik heading kolom
, tekan Delete
Menghapus satu baris(case): >Klik baris, tekan
Delete-Mengkopi Data
Mengkopi isi sel:>pilih sel, Ctrl-C, arahkan sel, Ctrl-V
Mengkopi satu kolom:>pilih Heading kolom, Ctrl-C, arahkan
heading, Ctrl-V
Mengkopi baris (case):>pilih case,Ctrl-C, arahkan baris,
Ctrl-V
- Menyisipkan Data:
Menyisipkan kolom:>pilih kolom yang akan disisipi, klik Data,
Insert Variable
Menyisipkan baris:> pilih baris yang akan disisipi, klik
Data, Insert Case
-Tranpose Data: yaitu merubah baris menjadi kolom dan kolom
menjadi baris. Maka menghasilkan data baru:
>buka file
>klik Data, Transpose >pindahkan satu atau beberapa
variabel >Enter
-Pengurutan
>Data, Sort Cases >pindahkan variabel ke kotak, pilih
ascending atau descending
- Agregate: untuk mengkombinasikan grup-grup dari case-case ke
dalam case-case summari tunggal
- Split File: untuk memecah split file data ke dalam
subgrup-subgrup sehingga nantinya dalam analisis maupun dalam
pembuatan chart didasarkan pada tiap-tiap subgrup tersebut
(analisis terpisah)
- Seleksi Case: untuk memilih, menentukan case yang akan
diikutsertakan dalam analisis selanjutnya
- Pembobotan: untuk memberikan pembobotan yang berbeda pada
case-case tertentu.
4. TRANSFORMASI DATA- Transformasi data
- hitung (compute)
- runtun waktu- COMPUTE - untuk melakukan perhitungan terhadap
value yang sudah ada. Kita dapat membuat variabel baru berdasarkan
atas variabel yang sudah ada.
- COUNT - untuk menghitung jumlah cacah value dari seluruh
variabel yang didaftar yang memenuhi syarat value yang telah
didefinisikan, pada tiap-tiap case.
- RECODE dan AUTOMATIC RECODE untuk memodifikasi atau mengganti
value-value dari variabel-variabelyang didaftar menjadi value-value
dengan harga baru.
- RANK CASES - untuk menyusun ranking, score normal, score
rangking yang sejenis untuk semua case dari variabel numerik yang
didaftar
- CREATE TIMES SERIES - untuk membuat varibel time series.
- REPLACE MISSING VALUE - untuk menghasilkan variabel baru
berdasarkan variabel asal yang mengandung missing value, dimana
value valid dari variabel asal akan dicopykan ke variabel baru,
sedangkan value yang berharga missing diganti dengan harga
rata-rata dari value valid atau diganti dengan salah satu dari
beberapa fungsi time series.
5. FASILITAS STATISTIK
Semua fasilitas statistik diberikan pada menu
AnalyzeStatistik:
- deskriptif
- induktif/inferensi:
* parametrik
* non parametrikDESCRIPTIVE STATISTICS
- FREQUENCIES - untuk membuat tabel frekuensi, yaitu berisikan
cacah harga semua case dari variabel-variabel yang didaftar, cacah
persentase terhadap semua case, cacah persentase valid (tanpa nilai
missing), dan persentase kumulatif.
- DESCRIPTIVES - digunakan untuk menampilkan deskripsi stastik
univariat dari variabel numerik yang didaftar.
- CROSSTABS - untuk menampilkan tabulasi silang (tabel
kontingensi) yang menunjukan distribusi bersama, deskripsi
bivariatnya dan berbagai pengujian dari 2 variabel atau lebih,
khususnya variabel berbentuk katagori.
COMPARE MEANS
Perintah ini digunakan untuk membandingkan rata-rata dari dua
populasi atau lebih
- MEANS - untuk menampilkan statisik mean, standar deviasi,
count (cacah) dan statistik-statistik lainnya pada suatu variabel
numerik yang case-casenya dibagi-bagi dalam grup-grup dengan
mengelompokan berdasar case-case variabel lain.
- INDEPENDENT - SAMPLES T TEST - digunakan untuk menguji apakah
dua sampel yang tidak bertalian (independen) berasal dari populasi
yang mempunyai Mean (ekspektasi) yang sama.
- PAIRED -SAMPLE T TEST digunakan untuk menguji apakah dua
sampel yang bertalian (dependen) atau sampel berpasangan berasal
dari populasi yang mempunyai Mean yang sama (ekspektasi) yang
sama
-ONE-WAY ANOVA (analysis of Variance) adalah alat statistik yang
digunakan untuk menguji dua populasi atau lebih apakah mempunyai
rata-rata yang bisa dianggap sama atau tidak.
Contoh:
1. MEANS - digunakan untuk menampilkan statistik Mean, Standar
Deviasi, Count (cacah), dan statistik-statistik lainnya pada suatu
variabel numerik yang case-casenya dibagi-bagi dalam grup dengan
pengelompokan case-case variabel lain.
Dependent list - untuk variabel yang akan dianalisis
statistiknya (variabel summari)
Independent list - untuk variabel-variabel dasar pengelompokan
(variabel grup)
contoh:
statistics / compare means / means / dep.list:stat / indep.list:
sex / OK
Options - untuk menampilkan statistik yang akan ditampilkan:
mean, standar deviasi, varians, count, sum, tabel ANOVA & Eta,
test of linierity.
2. INDEPENDENT-SAMPLES T TEST - digunakan untuk menguji apakah
dua sampel yang tidak bertalian (independen) berasal dari populasi
yang mempunyai Mean (ekspektasi) yang sama.
Test variabel(s) - untuk mendaftar satu atau beberapa variabel
numerik yang akan diuji
Grouping Variable - untuk mendaftar variabel yang dijadikan
variabel grup.
contoh:
statistics/compare means/indnt sample T
test/dep.list:stat/indep.list:sex/ OK
Define groups - untuk mengelompokan variabel grup menjadi 2
kelompok independen .
Options - untuk menentukan besarnya interval confidency (selang
kepercayaan), mengontrol keberadaan label variabel dan keberadaan
missing value
3. PAIRED-SAMPLE T TEST - digunakan untuk menguji apakah dua
sampel yang bertalian (dependen) atau sampel berpasangan berasal
dari populasi yang mempunyai Mean (ekspektasi) yang sama. Contoh:
nilai setelah tutorial dan sebelum tutorial.
Paired variables - digunakan untuk mendaftar pasangan variabel
yang akan diuji (dibandingkan) Meannya.
Options - untuk menentukan besarnya interval confidensi (selang
kepercayaan) dan untuk mengontrol keberadaan label variabel dan
keberadaan missing value.
4. ONE-WAY ANOVA - ANOVA (Analysis of Variance) adalah alat
statistik yang digunakan untuk menguji dua populasi atau lebih
apakah mempunyai rata-rata yang dianggap sama atau tidak.
Dependent list - untuk variabel yang akan dianalisis
statistiknya (variabel summari)
Factor - untuk mendaftar sebuah variabel numerik sebagai
variabel faktor. Variabel ini akan mengelompokan value-value
variabel yang akan diuji ke dalam bebrapa grup sampel independen.
Tentu saja variabel ini adalah variabel yang berbentuk
katagori.
Define Range - untuk menentukan harga terendah dan harga
tertinggi dari katagori variabel factor.
contoh:
statistics / compare means / one-way anova / dep.list:stat/
factor:program/ define range / OK
Contrasts - untuk menentukan contrast a priori yang akan diuji
dengan t statistik.
Post Hoc - untuk menampilkan uji-uji post-hoc sebagai
perbandingan berganda antar mean.
Option - untuk menampilkan statistik-statistik tambahan,
manampilkan label dan menentukan pilihan control terhadap
keberadaan missing value.CORRELATE
- BIVARIATE CORRELATIOAN (PEARSON CORR) - digunakan untuk
menghasilkan matrik korelasi product-moment Pearson dari pasangan
dua variabel
- PARTIAL CORRELATIONS - digunakan untuk menghitung koefisien
korelasi parsial yang mendiskripsikan hubungan antar dua variabel
dengan efek kontrol untuk varabel lain dengan hasil yang
ditampilkan dalam bentuk matriks
Contoh:
1. BIVARIATE CORRELATIOAN (PEARSON CORR) - digunakan untuk
menghasilkan matrik korelasi product-moment Pearson dari pasangan
dua variabel. Mengukur kekuatan ketergantungan linier antara dua
variabel .
Variables - untuk mendaftar pasangan variabel yang akan dihitung
korelasinya.
Correlation Coefficient: Pearson, Kendahlls tau-b (untuk
non-parametrik), Spearman (non parametrik)
Test of Significance: two tailed (uji dua ekor), One tailed (uji
dua ekor)
Options - untuk menampilkan statistik univariat bagi setiap
variabel yang didaftar yakni Mean, Standar Deviasi, Deviasi
Cross-product, dan Covarians dan untuk mengatur kebedaan missing
Value
contoh:
statistics / correlate/ bivariate / Variables: stat,mkpk/ OK
2. PARTIAL CORRELATIONS - digunakan untuk menghitung koefisien
korelasi parsial yang mendiskripsikan hubungan antar dua variabel
dengan efek kontrol untuk varabel lain dengan hasil yang
ditampilkan dalam bentuk matriks
Variables - untuk mendaftar pasangan variabel yang akan dihitung
korelasinya.
Controlling for - untuk mendaftar satu atau beberapa variabel
yang akan dikontrol efeknya dari korelasi variabel-variabel yang
didaftar pada kotak variables
Test of Significance: two tailed (uji dua ekor), One tailed (uji
dua ekor)
Options - untuk menampilkan statistik univariat bagi setiap
variabel yang didaftar yakni Mean, Standar Deviasi serta untuk
menampilkan koefisien korelasi bivariate
REGRESSION
LINIER REGRESSION - digunakan untuk menguji hubungan antara
sebuah variabel dependen dengan himpunan variabel independen yang
ditampilkan dalam bentuk persamaan regresi .
CURVE ESTIMATION - digunakan untuk menyusun beberapa type fungsi
matematis dari data. Dapat menghasilkan diagram (plot) , tabel
ANOVA, dan variabel residual, harga taksiran, dan interval
taksiran
NONPARAMETRIC
- CHI-SQUARE TEST - digunakan untuk untuk uji hipotesis mengenai
proporsi relatif dari sejumlah case yang dikelompokan dalam
beberapa grup yamg saling asing (mutually exclusive)
- BINOMIAL TEST - digunakan untuk uji hipotesis bahwa suatu
variabel berasal dari populasi binomial dengan probabilitas yang
ditentukan dari peristiwa yang terjadi untuk katagori pertama dari
dua katagori yang ditentukan.
- RUNS TEST - digunakan untuk menguji apakah dua harga dari
variabel ekonoi terjadi dalam barisan random
- ONE-SAMPLE KOLMOGOROV-SMIRNOV TEST - digunakan untuk menguji
apakah suatu sampel berasal dari populasi dengan distribusi
teoritis tertentu, khususnya distribusi normal, uniform, dan
Poison.
- TWO-INDEPENDENT-SAMPLE TESTS - digunakan untuk membandingkan
distribusi variabel diantara dua grup independen
- TWO-RELATED-SAMPLES - digunakan untuk membandingkan distribusi
dari dua variabel yang berhubungan .
- K-INDEPENDENT-SAMPLES TESTS - digunakan untuk membandingkan
distribusi variabel di antara dua grup independen atau lebih .
- K-RELATED-SAMPLES TESTS - digunakan untuk membandingkan
distribusi variabel di antara dua grup independen atau lebih.
6. ANALYSIS OF VARIANCE (ANOVA)- Hubungan antar distribusi:
Normal, Normal standar, 2, F
- Langkah Standar Pengujian:
= Penentuan hipotesa
= Level of significant =..% berkaitan dengan nilai
kritis/tabel
= Statistik hitung
= Kesimpulan membandingkan statistik hitung dan nilai kritis
Perkembangan terakhir dengan p-value, sig. Dll
- ANOVA dapat dipergunakan untuk menguji perbedaan lebih dari
dua rata-rata
- Asumsi dalam ANOVA:
= kenormalan distribusi
= homogenitas dari varians
= independensi dari penyimpangan
ONE-WAY ANOVA (contoh data: umy_spss.sav)
1. Varian antar sampel:
--> -->
2. Varian dalam sampel:
maka F statistik dirumuskan:
~ Fk, k(n-1)
TWO-WAY ANOVA (contoh data: data_ukm.sav)
Dapat digunakan untuk menguji rata-rata populasi ketika kita
memiliki dua faktor.
Disain
Misal membedakan penjualan berdasarkan lokasi dan
pendidikan:
GLM/univariate/options/descriptive statistics
Uji HipotesaApakah hubungan penjualan dan lokasi usaha sama
untuk lulusan sekolah.
Efek utama (main effects) adalah efek dari masing-masing faktor,
dalam kasus kita lokasi dan pendidikan secara individual bagaimana
efeknya terhadap penjualan
Interaksi faktor-faktor tersebut bersama-sama mempengaruhi.
Two-way ANOVAPerbedaan dengan one-way ANOVA adalah kita dapat
menguji tiga hipotesis sekaligus:Efek utama dari lokasi
Efek utama dari lulusan
Interaksi antara lokasi dan lulusan
Menghilangkan Efek InteraksiGLM/Model/Custom/
7. REGRESI1. LINIER REGRESSION - digunakan untuk menguji
hubungan antara sebuah variabel dependen dengan himpunan variabel
independen yang ditampilkan dalam bentuk persamaan regresi .
Dependent - untuk sebuah variabel numerik yang akan dijadikan
variabel dependen
Independent(s) - untuk mendaftar variabel-variabel numerik yang
akan dijadikan variabel independent.
Method :- Enter , Remove (tidak berlaku untuk blok pertama),
Stepwise (metode regresi reduksi bertahap), Backward (akan
mengeluarkan variabel idividu sesuai dengan kriteria options),
Forward (menambah variabel individu sesuai kriteria options)
WLS>> - untuk menghedaki ada variabel yang diboboti
Statistics - untuk menampilkan berbagai nilai statistik mengenai
koefisien regresi, yaitu: taksiran, selang kepercayaan, matriks
covarians, DW, diagnosa colinearitas
Plot - untuk menampilkan diagram pencar (scater plot) residual,
histogram. diagram outlier, dan diagram probalitas normal.
Options - untuk menentukan kriteria yang akan digunakan dalam
analisis yang menggunakan Stepwise, Backward dan Forward,untuk
menentukan ditampilkan atau dihilangkannya konstanta dalam
persamaan regresi yang dihasilkan, dan untuk mengontrol keberadan
missing value.
2. CURVE ESTIMATIONS - digunakan untuk menyusun beberapa type
fungsi matematis dari data, menghasilkan diagram (plot) kurve
estimasi pada Chart Carousel, menghasilkan tabel ANOVA,
menghasilkan variabel baru yang berisi residual, harga taksiran dan
interval taksiran.
Dependents - untuk mendaftar satu atau beberapa variabel numerik
yang akan dijadikan var. Dependent (sumbu vertikal)
Independent - untuk mendaftar sebuah vaiabel numerik yang akan
dijadikan variabel independent. Variabel (untuk variabel yang
dipilih), Time (untuk variabel independent: waktu)
Models - untuk menentukan model regresi untuk menyusun data
(linier, Logarithic, Inverse, Quadratic, Cubic, Compound, Power, S,
Ggrowth, Exponential, Logistic)
Include constant in equations - ingin memasukan konstanta dalam
persamaan.
Display ANOVA table - menampilkan tabel ANOVA
Plot model - menghasilkan diagram (plot) pada Cart Carousel
Save - untuk membuat variabel-variabel baru pada file kerja
(SPSS Data editor), yaitu variabel-variabel yang berisi harga
taksiran, residual, interval taksiran, atau digunakan untuk
menentukan pilihan yang berkenaan dengan taksiran case.
Misal model kita:
Keuntungan = a + b modal awal + c omzet + ui
PENYIMPANGAN KLASIK
1. Multicollinearity: hubungan antara variabel penjelas- jika
hubungan sempurna maka estimasi tidak bisa dicari
- jika hubungan tinggi tetapi tidak sempurna
Meskipun BLUE tetapi variance (2) besar sehingga semua uji jadi
tidak valid.
Deteksi: R2 tinggi tetapi banyak t yang tidak signifikan
Pengobatan: do nothing, do some rules of tumb 2.
Heteroscedasticity: variance tidak konstan
------>
Digunakan GLS (genralized least square) yang pada hakekanya kita
merubah model sehingga error termnya memenuhi varianse konstan dan
kemudian mengaplikasikan OLS (ordinary least square). Contoh dengan
membagai model dengan i, sehingga:
Adanya heteroskedastisitas menyebabkan varian tidak
minimum.Deteksi: metode informal (sifat dari masalah, metode
grafik); metode formal:
- Uji Park
jika signifikan maka ada hetero
- Uji Glejser
- dll: Spearmans rank, Goldfeld-Quandt test,
Bruesh-Pagan-Godfrey test, Whites genral heteroscedasticity
test
Pengobatan: jika i2 diketahui --> seperti diterangkan di atas
jika i2 tidak diketahui --> kita gunakan asumsi-asumsi:
--> model dibagi dengan Xi
--> model dibagi dengan akar Xidst2. Autocorrelation: ui dan
uj saling berkorelasi.
Adanya autokorelasi menyebabkan varian tidak minimum.
Deteksi: metode informal (metode grafik); metode DW
8. STATISTIK NON-PARAMETRIK
I. SATU SAMPEL
a. Binomial ( Untuk menguji sebuah sampel, apakah cirri tertentu
dari sampel tersebut bisa dianggap sama dengan ciri populasinya
Contoh: Ho: = 54 ; H1: 54 menggunakan tanda + jika di atas dan jika
di bawah.
Obs Daya
155.4
254.6
357.8
458.9
548.6
644.5
749.7
857.2
b. Runs Test ( Untuk menguji apakah sampel yang mewakili
populasi telah diambil secara acak/random Contoh: Ho: hasil
acak
1bagus
2bagus
3bagus
4bagus
5bagus
6bagus
7jelek
8bagus
9bagus
10jelek
11bagus
12bagus
13bagus
14bagus
15jelek
16bagus
17bagus
18bagus
19bagus
20bagus
c. Uji Normalitas Kolmogorov Smirnov ( Untuk menguji apakah
distribusi sampel adalah normal atau tidak normal
Obs Daya
155.4
254.6
357.8
458.9
548.6
644.5
749.7
857.2
c. Chi-square ( Untuk menguji homogenitas, indepensi, goodness
of fit. Contoh: Konsumen sama-sama menyukai tiga warna: putih,
hijau dan kuning yang ditunjukkan oleh jumlah responden yang sama
(proporsi akan sama). Ho: p1=p2=p3=1/3
susi
putih
anddikai
hijau
bila
kuning
anton
kuning
juni
hijau
marlina
kuning
badu kuning
cica
kuning
cuki
putih
kena putih
andi hijau
reno hijau
II. DUA SAMPEL
A. DUA SAMPEL YANG INDEPENDEN
a. Mann-Whitney ( Untuk menguji apakah dua sampel berasal dari
populasi yang sama Contoh: apakah terdapat perbedaan sikap konsumen
roti sirkaya kota dan desa
Ttgl SikapTtgl Sikap
kotasangat suka
kotasuka
kotasuka
kotacukup suka
kotasangat suka
kotasuka
kotatidak suka
kotasangat suka
kotasuka
kotacukup suka
desasuka
desatidak suka
desatidak suka
desacukup suka
desatidak suka
desasuka
desatidak suka
desasangat suka
desasuka
desacukup suka
b. Kolmogorov-Smirnov ( Untuk menguji apakah dua sampel sama.
Contoh: apakah rata-rata pengeluaran penduduk kota sama dengan
penduduk desa
Ttgl PengeluaranTtgl Pengeluaran
kota200
kota400
kota680
kota470
kota254
kota678
kota356
kota725
kota354
kota543
desa234
desa345
desa234
desa546
desa356
desa235
desa423
desa345
desa234
desa123
c. Moses ( Untuk menguji apakah dua sampel sama memiliki variasi
yang sama atau tidak. Contoh: apakah variasi pengeluaran penduduk
kota sama dengan penduduk desa? H0: s1=s2
d. Wald-Wolfowitz ( Untuk menguji apakah dua sampel sama.
Contoh: apakah rata-rata pengeluaran penduduk kota sama dengan
penduduk desa
B. DUA SAMPEL YANG DEPENDEN
a. Wilcoxon ( Untuk menguji apakah dua sampel berpasangan
memiliki ratarata yang sama. Contoh: penjualan salesman sebelum dan
sesudah pelatihan adalah sama
Sales Sebelum Sesudah
15645
24767
38756
47887
59799
68083
74555
83438
96774
107656
b. Sign( Untuk menguji apakah dua sampel berpasangan memiliki
ratarata yang sama. Contoh: penjualan salesman sebelum dan sesudah
pelatihan adalah sama
c. NcNemar ( jika data yang digunakan adalah nominal (dikotomi)
misal: ya, tidak. Contoh: sikap calon konsumen sebelum dan sesudah
presentasi.
Nama Sblm Ssd
amdi suka
suka
budi tidak sukasuka
ciko tidak sukasuka
duni tidak sukasuka
feni tidak sukatidak suka
epi suka
tidak suka
kuma suka
suka
tina tidak sukasuka
yuki suka
suka
runi tidak sukatidak suka
c. multinominal ( jika data yang digunakan adalah multinominal:
misal suka, sedang, sangat suka
cara: Descriptive statistics cross tab
III. N-SAMPEL
A. N SAMPEL INDEPENDEN
a. Kruskal-Wallis ( untuk menguji perbedaan rata-rata lebih dari
dua sampel
Ho: 1= 2= 3
b. Median & Jocnkhere-Terpstra ( untuk menguji perbedaan
median lebih dari dua sampel
Ho: Md1= Md2= Md3
B. N SAMPEL DEPENDEN
a. Friedman ( untuk menguji perbedaan rata-rata lebih dari dua
sampel
Ho: 1= 2= 3
Misal data produktivitas (roti yang dihasilkan jika pada waktu
bekerja diberi perlakuan: lampu, televisi, radio
b. Korkondasi Kendall ( untuk menguji keselarasan dari
sekelompok obyek (orang) dalam menilai obyek tertentu. Ho:
preferensi konsumen sama terhadap lima rasa roti perbedaan
rata-rata lebih dari dua sampel ( data pengurutan
Contoh:
KonsumenCoklatNanasKacangDurianSusu
Dede54321
Andi34215
c. Cochran ( data nominal/dikotomi
KonsumenCoklatNanasKacangDurianSusu
DedeTidak SukaSukaTidak SukaSukaSuka
AndiSukaTidak SukaTidak SukaSukaSuka
---terimakasih---
PROSES DENGAN DATA EDITOR
Input Data:
Data Editor
Output Data: Viewer
Raw data
Informasi
EMBED Unknown
Standar Pengujian:
Hipotesis: H0: ......................
H1: .......................
Kaitannya dengan uji satu sisi atau dua sisi
Level of significance, degree of freedom
Kaitannya dengan nilai kritis/tabel
Statistik hitung
Kesimpulan: dengan membandingkan statistik hitung dan nilai
kritis jatuh di Ho diterima atau ditolak
Langkah cepat (default komputer):
Hipotesis: H0: ......................
H1: .......................
Kaitannya dengan uji satu sisi atau dua sisi
Level of significance
Kesimpulan: sig > level of sig -- terima Ho
0
dL
du
2
4-du
4-dL
4
+
-
Ho diterima tidak ada auto
Ragu-ragu
Ragu-ragu
PAGE 1
_1139468605.unknown
_1139499004.unknown
_1139499373.unknown
_1139499862.unknown
_1139499741.unknown
_1139499356.unknown
_1139498702.unknown
_1139498923.unknown
_1139468726.unknown
_1139468492.unknown
_1139468548.unknown
_1139468422.unknown