SPSS – Psikologi SPSS – Math SPSS - Agribisnis Bulek_niyaFn

Mendaftar praktikum  WAJIB Buat Folder di Data D atau E  direktori penyimpanan selama 1 semester Nama_SPSS_C1 Kuliah-fkip.umm.ac.id Koleksi buku Modul spss 2 Pertemuan 14 x (Uts & Uas) Tugas (I,II,III) Penilaian (Kehadiran, Keaktifan, Tugas, UTS, UAS) Batas Keterlambatan (..........) Setelah perkuliah mengcopy master IBM SPSS  Master Sofware  1Gb

SPSS ....? Kegunaan...?

Tipe Data Nominal Ordinal Interval Rasio

Penginputan Data Variabel Tipe Label Variabel Value Label NAMA String Nama karyawan GENDER Numeric Jenis Kelamin 1=”Laki-laki” 2=”Perempuan” GOLONGAN Golongan Karyawan 1=”Lulusan SMA” 2=”Lulusan D3” 3=”Lulusan S1” 4=”Lulusan S2” MASA_KERJA Masa Kerja Dalam Tahun GAJI_AWAL Gaji Karyawan Pertama

NAMA GENDER

Distribusi Frekuensi Uji Kenormalan Data Dengan Melihat rasio nilai Skewness (nilai kemiringan) & Kurtosis (titik kemiringan) Syarat Rasio Skewness & kurtosis harus terletak diantara ± 2

Distribusi Deskriptif Uji Kenormalan Data Distribusi Deskriptif Dengan melihat nilai Z score Syarat nilai Z score sebagian besar nilai terletak diantara ± 1.96

Submenu Explore Data Mengeksplorasi data lebih mendalam dibansing Frequensi & descriptif Menguji ada ada tidaknya data ekstrem dan outlier dengan Boxplot Pengujian Normalitas

Interpretasi output

Mengurutkan data dari terkecil sampai terbesar, kemudian memotong 5% dari data terkecil & 5% data terbesar. Tujuan : membuang (triming) nilai data yang menyimpang (krn jauh dari rata”) Selisih antara data tertinggi dan terendah

Stem-and-Leaf Plots (tinggi badan pria) Terdapat 2 pria yang memiliki tinggi badan 16 . Leaf (cabang) 88, cabang dari 160 adalah 8 dan 8 Tinggi badan 168 dan 168 Terdapat .... pria yang memiliki tinggi badan ... Leaf (cabang) ......., tinggi badan ............ EXTREMES : Data bersifat outlier

Pembuktian : Urutkan Data pada Excel

Stem-and-Leaf Plots (tinggi badan wanita)

Uji Normalitas Data dan Varians Apakah sample yang telah diambil berasal dari poppulasi yang sama (populasi berdistribusi normal)...? Apakah sample – sample tersebut mempunyai varians yang sama ...?

Interpretasi Plot (Sebagai Penguat dari interpretasi output) Letak data tersebar disekeliling garis (kecuali ada 1 data pria dan 1 wanita yang outlier )

Menunjukan Data Outlier (Menyimpang) Data Outlier pada tinggi wanita terletak pada data ke 17 (177,5) Menunjukan Data Outlier (Menyimpang) Data Outlier pada tinggi laki-laki terletak pada data ke 3 (180,3)

Uji Normalitas Data Syarat : (melihat nilai Sig. / Probabilitas) Probabilitas > 0,05  Distribusi Normal (simetris) Probabilitas < 0,05  Distribusi Tidak Normal (tidak simetris)

Uji Varians Data Syarat : (melihat nilai Sig. / Probabilitas) Probabilitas > 0,05  Data berasal dari populasi yang memiliki varians yang sama Probabilitas < 0,05  Data berasal dari populasi yang memiliki varians yang tidak sama

One Sample T test One Sample T-test digunakan untuk menguji apakah suatu nilai tertentu (yang diberikan sebagai pembanding) berbeda secara nyata ataukah tidak dengan rata-rata sebuah sampel. Kata Kunci ...?

kasus Seorang karyawan bernama Ryan memiliki jam kerja selama 7,5 jam. Manajer dari perusahaan tersebut ingin mengetahui apakan ada perbedaan jam kerja Ryan dengan rekan-rekannya

Paired Sample T test (uji 2 sample berhubungan) menguji dua sampel yang berpasangan, apakah mempunyai rata-rata yang secara nyata berbeda ataukah tidak kata kunci : sebelum - sesudah

Analisis Hipotesis ( Dugaan Sementara ) Ho : Kedua rata-rata adalah identik (rata-rata produksi dengan mesin lama dan baru adalah sama / tidak ada perbedaan). H1 : Kedua rata-rata adalah tidak identik baru adalah berbeda).

Pengambilan keputusan Perbandingan Thitung & Ttabel Syarat kesimpulan Nilai Probabilitas

Pengambilan Keputusan Berdasarkan perbandingan thitung dengan ttabel Syarat : Ho diterima : Jika thitung berada diantara nilai – ttabel dan + ttabel. Ho ditolak : Jika thitung tidak berada diantara nilai - ttabel dan + ttabel. Thitung : berada di output spss  ..... Ttabel : menghitung pada SPSS  .....

?1 = Probabilitas uji 1 sisi atau 2 sisi IDF. T (?,?) ?1 = Probabilitas uji 1 sisi atau 2 sisi 1 sisi = 1 – α = 1 – 5 % = 1 – 0.05 = 0.95 2 sisi = 1 – α/2 = 1 – 5 % /2 = 1 – 0.025 = 0.975 ?2 = n – 1 = jumlah data – 1 = 15 -1 = 14

Karena thitung tidak terletak diantara ± ttabel maka ....? Kesimpulan Karena thitung tidak terletak diantara ± ttabel maka ....?

Berdasarkan Probabilitas Syarat : ¤ Jika probabilitas > 0,05 maka H0 diterima ¤ Jika probabilitas < 0,05 maka H0 ditolak Karena nilai probabilitas (sig) 0.411 > 0.05 maka Ho diterima, dengan kesimpulan yang sama dengan perbandingan di atas.

Independent Sample T test menguji apakah dua sampel yang tidak berhubungan berasal dari populasi yang mempunyai mean sama atau tidak secara signifikan. Kata kunci : Variabel memuat angka (numeric) Variabel berkategori (minimal 2)

KASUS Manajer ingin mengetahui apakah ada perbedaan jam kerja berdasarkan tingkat pendidikan karyawannya ?

Analisis : Ada 2 tahapan analisis yaitu : Dengan Levene Test, diuji apakah varians populasi kedua sampel sama ataukah berbeda. Dengan T Test, dan berdasarkan hasil analisis nomor a, diambil suatu keputusan.

Levene Test Pengambilan keputusan berdasarkan Fhit & Ftab Pengambilan keputusan berdasarkan Probabilitas

Mengetahui apakah varians populasi identik atau tidak. Hipotesis Ho : Kedua varians populasi adalah identik (varians populasi jam kerja pada karyawan sarjana dan akademik adalah sama) H1 : Kedua varians populasi adalah tidak identik (varians populasi jam kerja pada karyawan sarjana dan akademik adalah berbeda)

Pengambilan keputusan Berdasarkan perbandingan fhitung dengan ftabel Syarat : Ho diterima : Jika fhitung < ftabel Ho ditolak : Jika fhitung > ftabel F hitung : berada di output spss  0.359 F tabel : dengan melihat tabel statistic / menghitung pada SPSS  4.41

?1 = Probabilitas uji 1 sisi atau 2 sisi IDF. F (?,?,? ) ?1 = Probabilitas uji 1 sisi atau 2 sisi ?2 = k – 1 = jumlah kategori – 1 = 2 – 1 ?3 = n – k = jumlah data – kategori = 20 - 2 1 sisi = 1 – α = 1 – 5 % = 1 – 0.05 = 0.95 2 sisi = 1 – α/2 = 1 – 5 % /2 = 1 – 0.025 = 0.975

Terlihat bahwa Fhitung dengan Equal Variance Assumed (diasumsikan kedua varian sama) adalah 0.359 dan nilai ftabel : 4,41 maka Ho diterima yang artinya kedua varians adalah identik.

Berdasarkan Probabilitas Syarat : ¤ Jika probabilitas > 0,05 maka H0 diterima ¤ Jika probabilitas < 0,05 maka H0 ditolak Karena nilai probabilitas (sig) 0.557 maka Ho diterima, dengan kesimpulan yang sama dengan perbandingan di atas.

Analisis dengan memakai t test untuk asumsi varians sama. Hipotesis Ho : Kedua rata-rata populasi adalah identik (rata-rata populasi jam kerja pada karyawan sarjana dan akademik adalah sama) H1 : Kedua rata-rata populasi adalah tidak identik (rata-rata populasi jam kerja pada karyawan sarjana dan akademik adalah berbeda)

Pengambilan keputusan Berdasarkan perbandingan thitung dengan ttabel Syarat : Ho diterima : Jika thitung berada diantara nilai – ttabel dan + ttabel. Ho ditolak : Jika thitung tidak berada diantara nilai - ttabel dan + ttabel.

?1 = Probabilitas uji 1 sisi atau 2 sisi IDF. T (?, ?) ?1 = Probabilitas uji 1 sisi atau 2 sisi 1 sisi = 1 – α = 1 – 5 % = 1 – 0.05 = 0.95 2 sisi = 1 – α/2 = 1 – 5 % /2 = 1 – 0.025 = 0.975 ?2 = n – k = jumlah data – kategori

Karena thitung terletak pada daerah Ho diterima (…… Karena thitung terletak pada daerah Ho diterima (…….), maka rata-rata populasi jam kerja pada karyawan sarjana dan akademik adalah sama. Atau tingkat pendidikan seorang karyawan ternyata tidak membuat jam kerja menjadi berbeda.

Berdasarkan nilai probabilitas Syarat : Jika probabilitas > 0,05 maka Ho diterima Jika probabilitas < 0,05 maka Ho ditolak Pada output tampak nilai probabilitas adalah ........ Karena nilai probabilitas jauh di atas 0,05 maka Ho diterima dengan kesimpulan yang sama dengan cara perbandingan thitung dengan ttabel.

Tugas II a. Buat kasus & data dengan tipe paired sample T test b. print out input data (data view & variabel view) c. print out output hasil analisis data d. Analisis manual pada output hasil analisis data (harus tulis tangan / tidak boleh diketik) E. Dikumpulkan hari Rabu

One Way Anova Uji yang digunakan untuk menguji apakah rata – rata lebih dari 2 sample berbeda secara nyata atau tidak serta menguji apakah sample tersebut memiliki varians populasi yang sama atau tidak

Kasus Peneliti ingin mengetahui apakah terdapat perbedaan rata – rata dalam pemakaian jenis simcard antara lain : IM3, Simpati, As, Three, Axis

Test of Homogenity of Varians (test Varians Populasi) Hipotesis Ho : kelima varians populasi identik (varians homogen) Hi : kelima varians populasi tidak identik (varians tidak homogen) Pengambilan keputusan (melihat nilai Probabilitas Levene Test) Syarat : Jika probabilitas > 0,05 maka H0 diterima Jika probabilitas < 0,05 maka H0 ditolak Karena nilai probabilitas (sig) 0,841 > 0,05  Ho diterima CATATAN : JIKA VARIAN BERBEDA (HO DITOLAK) MAKA SECARA OTOMATIS ANALISIS TIDAK DAPAT DILANJUTKAN

ANOVA Hipotesis Ho : Kelima rata – rata penggunaan simCard identik (tidak ada perbedaan penggunaan simcard antar ketujuh daerah) Hi :Kelima rata – rata penggunaan simCard tidak identik (terdapat perbedaan penggunaan simcard antar ketujuh daerah)

Pengambilan keputusan Berdasarkan perbandingan fhitung dengan ftabel Syarat : Ho diterima : Jika fhitung < ftabel Ho ditolak : Jika fhitung > ftabel F hitung : berada di output spss  ............. F tabel :

?1 = Probabilitas uji 1 sisi atau 2 sisi IDF. F (?,?,? ) ?1 = Probabilitas uji 1 sisi atau 2 sisi ?2 = k – 1 = jumlah kategori – 1 = 5 – 1 ?3 = n – k = jumlah data – kategori = 35 - 5 1 sisi = 1 – α = 1 – 5 % = 1 – 0.05 = 0.95 2 sisi = 1 – α/2 = 1 – 5 % /2 = 1 – 0.025 = 0.975

Berdasarkan nilai probabilitas Syarat : Jika probabilitas > 0,05 maka Ho diterima Jika probabilitas < 0,05 maka Ho ditolak Pada output tampak nilai probabilitas adalah sig (0,053)

Uji Post Hoc (One to one) IM3 – Simpati Hipotesis Ho : rata – rata penggunaan IM3 dan simpati adalah identik (tidak ada perbedaan) Hi : rata – rata penggunaan IM3 dan simpati adalah tidak identik (ada perbedaan) Pengambilan keputusan Jika probabilitas > 0,05 maka Ho diterima Jika probabilitas < 0,05 maka Ho ditolak Pada output tampak nilai probabilitas adalah ........

Uji Post Hoc (One to one) IM3 – AS Hipotesis Ho : rata – rata penggunaan IM3 dan As adalah identik (tidak ada perbedaan) Hi : rata – rata penggunaan IM3 dan As adalah tidak identik (ada perbedaan) Pengambilan keputusan Jika probabilitas > 0,05 maka Ho diterima Jika probabilitas < 0,05 maka Ho ditolak Pada output tampak nilai probabilitas adalah ........

Homogenius subset Hipotesis Ho : rata – rata penggunaan IM3 ,simpati, As, Three, Axis adalah identik (tidak ada perbedaan) Hi : rata – rata penggunaan IM3 ,simpati, As, Three, Axis adalah tidak identik (ada perbedaan) Pengambilan keputusan Jika probabilitas > 0,05 maka Ho diterima Jika probabilitas < 0,05 maka Ho ditolak Pada output tampak nilai probabilitas adalah ........

Two Way Anova Uji ANOVA Dua Arah (Two Way ANOVA) adalah Jenis Uji Statistika Parametrik yang bertujuan untuk mengetahui apakah terdapat perbedaan rata-rata antara lebih dari dua group sampel. Pada Uji One Way ANOVA yang analisisnya hanya berlangsung satu arah yaitu antar perlakuan, maka pada uji Two Way ANOVA arah analisisnya berlangsung dua arah, yaitu antar perlakuan dan antar blok (group).

Kasus : SEORANG PENELITI INGIN MENGETAHUI PENGARUH PEMBERIAN JENIS AIR SIRAMAN DENGAN PENYINARAN DAN TANPA PENYINARAN TERHADAP LAJU PERTUMBUHAN BATANG TANAMAN KACANG MERAH

Tugas II a. Buat kasus & data dengan tipe Two Way Anova b. print out input data (data view & variabel view) c. print out output hasil analisis data d. Analisis manual pada output hasil analisis data (harus tulis tangan / tidak boleh diketik) e. Data minimal 25 dengan grouping variabel minimal 4