Professional Documents
Culture Documents
Modul Business Statistic II Vs Mahasiswa
Modul Business Statistic II Vs Mahasiswa
DAFTAR ISI
PERTEMUAN 3 KORELASI..........................................................................53
1
Modul Business Statistics II- Management Laboratory 2015
PERTEMUAN 5 REGRESI.............................................................................77
PERTEMUAN 6 ANOVA.................................................................................92
PERTEMUAN 7 CHISQUARE....................................................................102
DAFTAR PUSTAKA......................................................................................142
2
Modul Business Statistics II- Management Laboratory 2015
PERTEMUAN 1
PENGENALAN STATISTIK
Menurut (Black, 2013), Statistik bisnis adalah tentang mengukur fenomena dalam
dunia bisnis dan mengatur, menganalisa, dan mempresentasikan hasil informasi yang
berbentuk numerical dalam cara yang lebih baik, dengan begitu keputusan bisnis yang
terinformasi dapat dibuat. Dalam bisnis statistik, hal yang paling sering dipelajari
mengandung variabel, pengukuran, dan data.
Variabel dalam bisnis statistik adalah karakteristik dari setiap entitas yang
dipelajari yang mampu mengambil nilai yang berbeda (Black, 2013). Banyak sekali
variabel dalam bisnis, misalnya produktivitas pekerja, gaji karyawan, harga
produk/jasa, pangsa pasar, jumlah penjualan, dll. Dalam pembelajaran tentang bisnis
statistik, variabel – variabel yang digunakan akan menghasilkan pengukuran yang dapat
digunakan dalam analisis.
Data adalah fakta – fakta dan angka – angka yang dikumpulkan, di analisa dan
dirangkum untuk dipresentasikan dan diperlihatkan hasilnya (Anderson, Sweeney, &
Williams, 2011). Data memiliki berbagai wujud seperti angka tinggi badan, angka
penjualan, jumlah produksi, jumlah mahasiswa, dan lain-lain. Kumpulan data yang
lebih berarti atau bermakna setelah melalui suatu proses pengolahan disebut sebagai
informasi, contoh : rata-rata tinggi badan anak SMP yang rutin berenang adalah 100cm.
Memilih dan mengorganisasikan informasi yang menyediakan pengertian,
rekomendasi, dan dasar keputusan akan menjadi sebuah pengetahuan. Contoh : terdapat
perbedaan rata-rata tinggi badan siswa SMP yang rutin berenang dengan yang tidak.
3
Modul Business Statistics II- Management Laboratory 2015
4
Modul Business Statistics II- Management Laboratory 2015
organisasi dan dapat diakses melalui internet serta merupakan informasi yang
sudah tersebar. Data sekunder dapat berasal dari buku, data sensus, database
perusahaan, media, laporan tahunan, dan sebagainya.
5
Modul Business Statistics II- Management Laboratory 2015
Data diskrit merupakan data kuantitatif yang mempunyai sifat bulat, tidak dalam
bentuk pecahan. Data jumlah mahasiswa di suatu universitas, misalnya, merupakan
data yang bersifat diskrit karena merupakan data yang bulat, tidak dalam bentuk
pecahan .
2. Data Kontinyu
Data kontinyu merupakan data yang berasal dari pengukuran terhadap sesuatu.
Hasil pengukuran ini tergantung pada keakuratan alat ukur yang digunakan. Data
tinggi badan, data suhu, dan data kelembaban udara adalah data yang bersifat
kontinyu. Data ini dapat berbentuk pecahan, dan keakuratannya tergantung pada
alat ukur yang digunakan .
6
Modul Business Statistics II- Management Laboratory 2015
1. Skala Nominal
Skala Nominal merupakan salah satu jenis pengukuran dimana angka dikenakan
untuk objek atau kelas objek untuk tujuan identifikasi / klasifikasi / kategori /
membedakan data. Data bertipe nominal adalah data yang paling ‘rendah’ dalam
level pengukuran data. Ketika data variabel terdiri dari label atau nama yang
digunakan untuk mengidentifikasi atribut elemen, skala pengukuran dianggap
sebagai skala nominal. Contoh jenis pekerjaan dimana 1 melambangkan pegawai
swasta, 2 melambangkan pegawai negeri, 3 melambangkan wirausaha. Skala
nominal ini untuk fitur yang bersifat kualitatif atau skala ini lebih digunakan untuk
menunjukkan kesamaan atau ketidaksamaan dan memungkinkan kita untuk
menentukan suatu objek masuk kekelas yang mana .
2. Skala Ordinal
Skala pengukuran untuk sebuah variabel dinamakan skala ordinal jika data
menunjukkan sifat data nominal dan keteraturan atau peringkat data yang
bermakna. Skala ordinal adalah skala pemeringkat dimana angka ditetapkan untuk
mengindikasikan relativitas karakter yang dimiliki. Dengan demikian dapat
diketahui apakah suatu objek memiliki sesuatu (karakter) lebih banyak atau lebih
sedikit dari objek lainnya. Skala ordinal mengindikasikan posisi relatif, misalnya
pelajar yang diberi peringkat 1 berarti secara relatif lebih baik dari peringkat 2,3,
dst, namun tidak dapat diketahui persisnya apakah antara peringkat 1 dan 2
perbedaannya tipis ataukah sangat jauh.
7
Modul Business Statistics II- Management Laboratory 2015
3. Skala Interval
Skala pengukuran suatu variabel dinamakan skala interval jika data menunjukkan
sifat data ordinal dan interval antara nilai-nilai yang dinyatakan dalam satuan tetap
ukuran. Skala interval menempati level pengukuran data yang lebih ‘tinggi’ dari
data ordinal. Data interval selalu berupa angka. Dalam skala interval jarak numerik
pada skala mewakili jarak yang sama pada karakter yang diukur. Terdapat interval
yang konstan / sama antara nilai skala. Misalnya 50-80 o C dikatakan cukup panas,
80-110o C dikatakan panas, 110-140o C dikatakan sangat panas.
4. Skala Rasio
Skala pengukuran dinamakan skala rasio jika data memiliki semua sifat-sifat data
interval dan rasio dua nilai yang bermakna. Skala rasio adalah rasio yang tertinggi,
yang mana skala ini memiliki titik absolut (zero point), skala ini dapat digunakan
untuk menidentifikasikan atau mengklasifikasikan, memeringkatkan, dan
membandingkan interval atau perbedaan objek. Dalam skala ini dapat berguna
untuk menghitung rasio dari nilai skala. Sehingga bukan saja dapat diketahui
perbedaan antara 2 dan 5 sama dengan perbedaan 16 dan 19, yaitu 3, namun dapat
diketahui bahwa 16 adalah 8 kali lipat dari 2.
8
Modul Business Statistics II- Management Laboratory 2015
Contoh : Seorang responden ditanya lebih suka minuman Fanta atau Coca cola,
jawaban yang didapat merupakan perbandingan dimana secara tidak langsung
responden dipaksa untuk memilih mana yang lebih disukai.
Non comparative scale (metric scale), tiap objek diukur secara independen
dari objek lainnya dalam perangkat stimulus. Data pada umumnya berupa skala interval
atau rasio. Contoh : seorang responden diminta untuk mengevaluasi minuman Fanta
dengan skala 1 (sangat baik) sampai 6 (sangat tidak baik).
Skala pembanding yang umum dipakai (khususnya dalam business research) meliputi
perbandingan berpasangan (paired comparison), kategori bertingkat (rank order), dan
jumlah konstan (constant sum).
Skala ini membandingkan dua buah objek secara berpasangan (paired). Artinya
dalam skala ini, dua buah objek dipresentasikan dihadapan responden, dan
kemudian dua objek tersebut pada saat itu juga akan dibandingkan berdasarkan
kriteria-kriteria yang ada. Contoh : responden diminta untuk memilih salah satu
dari dua merk motor yang paling mereka sukai dengan kriteria-kriteria yang sejenis
: Merk A atau Merk B. (Data yang diperoleh ordinal)
Perbedaan skala ini dengan skala paired comparison terletak pada jumlah objek
yang dibandingkan. Dalam hal ini, responden akan ditunjukkan beberapa objek
secara simultan (misalnya ditunjukkan Honda merk A, Merk B, Merk C, Merk D,
Merk E secara simultan) dan diminta untuk memberi peringkat/mengurutkan
obyek-obyek berdasarkan kriteria tertentu. Data yang diperoleh adalah data ordinal.
9
Modul Business Statistics II- Management Laboratory 2015
Teknik ini hanya melakukan pengukuran pada satu objek saja, tanpa memperhatikan
objek yang lain. Objek dalam hal ini bisa merk suatu produk, harga produk, dll.
Beberapa skala yang populer dalam teknik ini adalah skala Likert, skala semantik
diferensial, dan skala stapel.
a. Skala Likert
Skala ini memiliki beberapa point (berkisar antara 5 sampai 7 point) diantara dua kutub
yang memiliki perbedaan secara ekstrem. Responden diminta memberikan
penilaiaannya terhadap sebuah objek dengan kecenderungan di antara kedua kutub
tersebut. Contoh : responden diminta memberikan penilaian terhadap sebuah majalah
yang baru terbit, dengan menyatakan bahwa majalah tersebut (menggunakan kata sifat):
c. Skala Stapel
Skala ini dikembangkan oleh Stapel dan hampir menyerupai skala semantik diferensial
skala staple (staple scale) secara simultan mengukur arah dan intensitas sikap terhadap
item yang dipelajari. Perbedaaannya, dalam skala ini digunakan katogori yang diberi
nilai negatif dan positif (misalnya dari -5 sampai +5) dan responden diminta
memberikan penilaian terhadap suatu objek dengan menunjuk pada kecenderungan
angka -5 sebagai kriteria tidak bagus dan angka +5 sebagai sangat bagus.
Menurut Sugiyono (2009:244) analisis data adalah proses mencari dan menyusun data
yang diperoleh dari hasil wawancara, catatan lapangan, dan bahanbahan lain secara
sistematis sehingga mudah dipahami dan temuannya dapat diinformasikan kepada
orang lain. Analisis merupakan tindakan mengolah data hingga menjadi informasi yang
bermanfaat dalam menjawab masalah statistik. Dalam desain riset, perlu direncanakan
dengan baik alat analisis yang akan diterapkan untuk menganalisis data. Tujuan analisis
data adalah mendapatkan informasi yang relevan yang terkandung didalam data
tersebut dan menggunakan hasilnya untuk memecahkan suatu masalah. Metode analisis
yang sering digunakan adalah :
Analisis data secara kualitatif bersifat memaparkan secara mendalam hasil riset melalui
pendekatan bukan angka atau nonstatistik. Contoh : Pertanyaan yang diajukan kepada
responden tentang rasa kentang goreng chitato. Jawaban yang mungkin muncul adalah
”enak rasanya, renyah, dll.”
11
Modul Business Statistics II- Management Laboratory 2015
sebagai sangat baik. Analisis kuantitatif yang paling banyak digunakan dalam praktek
adalah analisis statistik.
Dalam Aplikasinya, metode analisis statistik dapat dibagi menjadi dua (2)
kelompok besar, yaitu:
1. Statistik Deskriptif
2. Statistik inferensi
1. Populasi
Masalah dasar dari persoalan statistik adalah menentukan populasi data. Secara
umum, populasi bisa didefinisikan sebagai sekumpulan data yang
12
Modul Business Statistics II- Management Laboratory 2015
Sampel bisa didefinisikan sebagai sekumpulan data yang diambil atau diseleksi
dari suatu populasi. Contohnya, jika populasinya penduduk di provinsi A, maka
sampelnya bisa jadi adalah sebagian penduduk di provinsi A. Jadi, pada dasarnya,
sampel adalah bagian dari populasi. Pengambilan sampel dilakukan karena dalam
praktek banyak kendala yang tidak memungkinkan seluruh populasi diteliti.
Kendala tersebut bisa meliputi situasi, waktu, tenaga, atau biaya. Oleh karena itu,
metode pengambilan sampel menjadi bagian yang penting dari statistik.
3. Variabel
Dalam melakukan inferensi terhadap populasi, tidak semua ciri-ciri populasi harus
diketahui. Hanya satu atau beberapa karakteristik populasi yang diketahui, yang
disebut sebagai variabel. Contohnya untuk meneliti kepuasan pelanggan, maka
variabel yang dianggap relevan misalnya jumlah pembelian, banyaknya kunjungan,
tingkat kompain, dan sebagainya.
(Santoso, 2011)
SPSS adalah software yang memiliki kemampuan analisis yang dirancang untuk
membantu pengolahan data secara statistik . Untuk keseragaman ,SPSS yang digunakan
dalam praktikum ini adalah IBM SPSS Statistic 20.
DATA EDITOR
13
Modul Business Statistics II- Management Laboratory 2015
1. Data yang diproses dimasukkan lewat menu DATA EDITOR yang otomatis muncul
di layar saat SPSS dijalankan.
2. Data yang telah diinput kemudian diproses, juga lewat menu DATA EDITOR.
3. Hasil pengolahan data muncul di layar (window) yang lain dari SPSS, yaitu
VIEWER Output SPSS bisa berupa teks / tulisan, tabel, atau grafik.
Pada saat IBM SPSS Statistics 20 (SPSS 20) pertama kali dibuka, selalu tampak
tampilan pertama sebagai berikut.
Window di atas disebut DATA EDITOR dan merupakan window utama pada SPSS. Di
dalam DATA EDITOR inilah akan dilakukan proses utama SPSS yakni menginput data
dan selanjutnya memproses data tersebut.
DATA VIEW, yaitu tempat untuk menginput data statistik .Inilah yang selalu
tampil di layar.
VARIABLE VIEW, yaitu tempat untuk menginput variabel statistik. Bagian ini
digunakan hanya pada saat memasukkan dan mendefinisikan variabel-variabel.
14
Modul Business Statistics II- Management Laboratory 2015
Berikut penjelasan mengenai kolom-kolom pada variable view yang harus diisi
untuk menambahkan variabel baru :
Name
Kolom ini adalah kolom untuk memberikan nama untuk variabel. Jumlah
karakter yang bisa digunakan untuk memberi nama pada sebuah variabel
adalah 64 karakter (bit). Namun untuk membuat sebuah nama dalam bentuk
kalimat, gunakan tanda underline untuk penghubung. Contoh: Data_Penjualan.
Type
Type digunakan untuk mengisi jenis tipe data sesuai dengan data yang ingin
dimasukkan. Dalam SPSS, banyak tipe data yang ditawarkan untuk tiap
variable, tetapi untuk keperluan analisis data biasanya yang digunakan adalah
tipe data string, numeric dan date. Berikut penjelasan tipe-tipe data yang ada
pada SPSS :
Comma : Data ini berbentuk numerik dan ditandai koma sebagai pembeda
ribuan.
Dot : Data ini berbentuk numerik dan ditandai titik sebagai pembeda
ribuan.
15
Modul Business Statistics II- Management Laboratory 2015
Date : Data berupa tanggal dan ada sejumlah pilihan type/format tanggal.
Dollar : Data ini berbentuk numerik dan ditandai ($) dengan tanda koma
sebagai pemisah tanda ribuan.
Width
Width digunakan untuk menentukan berapa banyak digit yang dapat
dimasukkan pada data tiap sel. Pilihan ini menyediakan masukan antara 1
sampai 255 digit .
Decimals
Untuk menambahkan atau mengurangi decimal pada data berupa angka.
Label
Label adalah keterangan untuk nama variable, yang bisa disertakan atau tidak.
Label yang tidak diisi tidak mempengaruhi proses data. Walaupun demikian,
pada input data yang banyak dan ada kemiripan, penulisan label sangat
dianjurkan untuk memperjelas identitas sebuah variabel.
Values
Values adalah kode yang diberikan jika variabel yang digunakan kategorik.
Misalnya kita ingin menggunakan kode 1 untuk laki-laki dan kode 2 untuk
perempuan.
Missing
Data yang dianggap hilang yang tidak akan kita ikutkan dalam analisis. Ada
tiga pilihan :
No missing values
Discrete missing values. Angka tertentu yang kita anggap hilang.
Range plus one optinal discrete missing value. Jika ada data hilang dengan
range yang jelas.
Columns
Columns adalah lebar tempat nama karakter pada NAME .Besarnya minimal
sama dengan besarnya nilai WIDTH.
Align
Align digunakan untuk mengubah letak tampilan data seperti pada Ms.Word.
Measure
Adalah skala pengukuran dari variabel yang bersangkutan.
16
Modul Business Statistics II- Management Laboratory 2015
Dua ukuran penting yang sering dipakai dalam pengambilan keputusan adalah:
1. Mencari central tendency (kecenderungan terpusat) seperti Mean, Median, Modus, dan
lainnya.
Mean adalah jumlah dari serangkaian data dibagi dengan jumlah data.
Median mengukur nilai tengah dengan membagi jumlah observasi secara
seimbang dari atas ke bawah atau merupakan persentil ke lima puluh. Jika ada
urutan data : 4 5 6 6 6 6 7 8 8. Maka mediannya adalah 6.
Modus menggambarkan nilai yang paling sering muncul atau memiliki
frekuensi terbanyak. Jika ada data : 5, 5, 6, 7, 2, 6, 5, 4, 1, 5. Modusnya
merupakan angka 5.
2. Mencari ukuran disperse seperti standard deviation, variance.
17
Modul Business Statistics II- Management Laboratory 2015
Variance dari sejumlah observasi adalah rata-rata kuadrat deviasi data dari rata-ratanya.
3. Selain central tendency dan dispersion, ukuran lain yang dipakai adalah Skewness dan
Kurtosis bertujuan untuk mengidentifikasikan model distribusi dari suatu populasi.
Skewness (kelandaian/kemiringan) adalah suatu ukuran yang dapat menyatakan model
distribusi dari suatu populasi. Terbagi menjadi 3 model kurva, yaitu model positif,
negatif dan simetris. Skewness positif mengindikasikan distribusi yang condong ke
kanan. Skewness negatif mengindikasikan distribusi yang condong ke kiri. Kurtosis
adalah pengukuran keruncingan distribusi. Semakin besar kurtosis, semakin
keruncingan akan didistribusikan. Kurtosis dihitung dan dilaporkan baik sebagai
absolut maupun nilai relatif. Nilai absolut selalu angka positif.
3. Histogram
Histrogram adalah chart yang terdiri dari diagram batang dengan tinggi yang berbeda-
beda. Tinggi masing-masing batang mewakili nilai frekuensi dalam kelas yang diwakili
oleh diagram batang.
1. Data Tunggal,
2. Data Berkelompok.
Untuk data berkelompok ada 3 hal yang perlu diperhatikan dalam menentukan kelas
bagi distribusi frekuensi yaitu:jumlah kelas, lebar kelas dan batas kelas.
1. Data Tunggal
Contoh soal:
Pengusaha Wartel Untung Terus mempunyai 15 kios wartel yang tersebar di wilayah
Jakarta Barat dan Jakarta Utara. Sang pemilik ingin melakukan riset tentang usaha yang
telah Ia jalankan selama kurang lebih 2 tahun terakhir. Bantulah pemilik Wartel Untung
Terus melakukan analisa data agar sang pemilik mendapatkan informasi yang jelas
mengenai usaha nya tersebut. Berikut ini merupakan data pendapatan tahunan Wartel
Untung Terus di 15 kios selama tahun 2013:
18
Modul Business Statistics II- Management Laboratory 2015
Langkah-langkah pengerjaan:
1. Buka IBM SPSS Statistics 20, input data sesuai dengan tabel diatas
2. Pilih menu analyze >> descriptive statistics >> frequencies. Akan muncul windows
frequencies. Kemudian masukkan Pendapatan ke kotak variable. Display frequency
tables tetap dicentang.
19
Modul Business Statistics II- Management Laboratory 2015
3. Pada menu statistik, pilih sesuai dengan pertanyaan soal, klik continue.
4. Pada menu chart, ada 3 Pilihan, pilih sesuai yang diperlukan (Bisa, Bar, Pie dan
Histogram khusus untuk Histogram dicentang bagian with normal curve), klik continue.
20
Modul Business Statistics II- Management Laboratory 2015
5. Pada menu format, pada Order by, pilih option: Ascending values (data akan menjadi
urut dari terkecil ke terbesar; artinya akan menempatkan 1 atau pria diurutan pertama
output) kemudian, Continue,OK.
6. Klik Ok
7. Interpretasi Hasil melalui Output yang sudah dihasilkan oleh aplikasi SPSS
21
Modul Business Statistics II- Management Laboratory 2015
Catatan
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
2. Data Berkelompok
22
Modul Business Statistics II- Management Laboratory 2015
Contoh Soal :
Data berikut menunjukkan data berat badan 30 wanita setelah melahirkan selama bulan
Agustus 2014 di RSIA Kurnia Jakarta Selatan (data dalam kg)
1. Hitung banyaknya kelas dan lebar kelas dengan menggunakan rumus Sturges.
Jawab:
k = 1+ 3.3log n
k = 1 + 3.3 log 30
23
Modul Business Statistics II- Management Laboratory 2015
l = Xmax - Xmin
k (sebelum pembulatan)
l = (65-48) / 5,87
l = 2.89
l = 3 (pembulatan normal)
3. Pada Menu Transform, pilih submenu Recode, pilih Into Different Variables. Akan
muncul dialog seperti dibawah ini.
3. Pada kotak dialog Recode Into Different Variables, pindahkan variable Berat_Badan
kesebelah kanan, lalu pada Output Variable, ketik: Data1 sebagai nama variable yang
baru. Pilih change dan kemudian pilih: Old and New Values.
24
Modul Business Statistics II- Management Laboratory 2015
4. Input range: 48 through 50 kemudian pada New Value, inputkan Value: 49 sebagai
nilai tengah dari range tersebut. Setelah itu di-add di OldNew, dan seterusnya.
Kemudian, klik Continue.
25
Modul Business Statistics II- Management Laboratory 2015
8. Klik Statistics, beri tanda pada ukuran yang diminta, dan klik “Values are group
midpoints”, kemudian klik Continue.
9. Pada menu Chart, pilih jenis chart yang diminta. Klik Continue
26
Modul Business Statistics II- Management Laboratory 2015
Catatan
27
Modul Business Statistics II- Management Laboratory 2015
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
Soal Latihan
28
Modul Business Statistics II- Management Laboratory 2015
1. Seorang manajer sedang melakukan survei terhadap hasil penjualan nugget yang diproduksi
perusahaannya selama setahun ini. Berikut adalah total jumlah bungkus nugget yang
diproduksi setiap bulan (dalam ribuan).
Bulan 1 2 3 4 5 6 7 8 9 10 11 12
Total 12 15 26 31 28 21 36 46 32 18 12 10
Tentukan berikut ini :
3.2GB 1GB 2GB 2.3GB 3GB 1.5GB 4.5GB 2GB 2.5GB 4GB
1.5GB 1.5GB 5GB 1.5GB 2.5GB 1GB 2GB 3.5GB 1GB 3.2GB
80 75 65 58 78 80
90 95 50 68 74 98
70 80 90 95 75 92
65 79 87 85 64 68
29
Modul Business Statistics II- Management Laboratory 2015
82 81 65 93 80 75
68 70 75 55 58 77
96 67 86 77 70 79
60 75 78 65 70 89
Tentukanlah:
4. Berikut adalah hasil sensus penduduk Indonesia tahun 2009 mengenai usia laki-laki
dan perempuan yang resmi menikah untuk pertama kalinya. Sebanyak 10 sampel
diambil dari populasi laki-laki dan perempuan yang berdomisili di Kota Jakarta.
Hasil data sensus pada tahun 2009
Jumlah Laki-laki Jumlah Perempuan
1 30 1 22
2 25 2 20
3 27 3 21
4 35 4 19
5 33 5 25
6 40 6 27
7 27 7 30
8 26 8 28
9 28 9 27
10 30 10 26
11 26 11 25
12 25 12 22
13 29 13 19
14 31 14 23
15 33 15 22
Dari data-data diatas, tentukanlah:
a. Nilai median dari usia laki-laki dan perempuan yang menikah untuk pertama
kalinya.
b. Nilai rata-rata dari usia laki-laki dan perempuan yang menikah untuk pertama
kalinya.
c. Kuartil 1 dan 3 usia laki-laki dan perempuan yang menikah untuk pertama kalinya.
d. Nilai varians dan standar deviasi usia laki-laki dan perempuan yang menikah untuk
pertama kalinya.
30
Modul Business Statistics II- Management Laboratory 2015
e. Nilai skewness dan kurtosis usia laki-laki dan perempuan yang menikah untuk
pertama kalinya.
f. Apabila pada tahun 2014 penelitian membuktikan bahwa rata-rata usia laki-
laki yang menikah untuk pertama kalinya adalah 35 dan untuk wanita adalah 27
tahun, informasi apa yang dapat anda simpulkan?
31
Modul Business Statistics II- Management Laboratory 2015
PERTEMUAN 2
VALIDITAS, RELIABILITAS, NORMALITAS
Salah satu instrumen yang sering dipakai dalam penelitian ilmiah adalah
kuesioner, yang bertujuan untuk mengetahui pendapat seseorang mengenai suatu hal.
Sebuah kuesioner dapat disusun dengan pertanyaan yang bersifat terbuka (berapa usia
anda saat ini, bagaimana pendapat Anda tentang Universitas Bina Nusantara) atau
pertanyaan tertutup seperti (kategori usia anda : <20 tahun atau > 20 tahun). Salah satu
skala yang sering dipakai dalam penyusunan kuesioner adalah skala likert (lihat pada
penjelasan skala likert).
Suatu kuesioner dikatakan Valid jika pertanyaan pada suatu kuesioner mampu
untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut. Sedangkan
suatu angket dikatakan reliabel (andal) jika jawaban seseorang terhadap pertanyaan
adalah konsisten atau stabil dari waktu ke waktu.
32
Modul Business Statistics II- Management Laboratory 2015
pernyataan yang berada di dalam kuesioner yang sudah disebarkan itu dapat terpecaya
atau reliable.
Repeated Measure atau ukur ulang. Disini seseorang akan disodori pertanyaan
yang sama pada waktu berbeda, dan kemudian dilihat apakah dia tetap konsisten
dengan jawabannya.
One short atau sekali saja. Di sini pengukuran hanya sekali dan kemudian hasilnya
dibandingkan dengan hasil pertanyaan lain.
Pengujian validitas dan reliabilitas adalah proses menguji butir-butir pertanyaan yang
ada dalam sebuah kuesioner, apakah isi dari butir pertanyaan tersebut sudah valid dan
reliabel.
Contoh :
Seorang peneliti ingin mengetahui bagaimana pengaruh antara Kualitas Pelayanan and
Kualitas Produk terhadap Loyalitas Pelanggan. Penelitian tersebut dilakukan dengan
33
Modul Business Statistics II- Management Laboratory 2015
R KuP1 KuP2 KuP3 KuP4 KuP5 KP1 KP2 KP3 KP4 KP5 LP1 LP2 LP3 LP4
R1 4 3 4 5 3 4 5 3 3 5 5 4 4 4
R2 5 4 5 4 4 5 4 4 5 5 5 4 4 4
R3 4 4 5 3 2 5 3 2 4 4 5 4 4 5
R4 5 5 5 3 5 5 3 5 5 5 4 5 4 5
R5 4 4 4 3 4 4 3 4 5 5 4 4 5 2
R6 3 5 5 4 4 5 4 4 4 4 2 5 2 4
R7 2 3 2 3 3 2 3 3 3 3 2 5 5 3
R8 2 3 2 3 3 2 3 3 2 2 5 4 5 5
R9 3 5 4 3 3 3 3 3 3 4 5 1 2 3
R10 4 3 3 2 5 3 2 5 5 5 3 5 3 3
R11 4 4 4 4 3 4 4 3 4 5 3 2 4 4
R12 4 3 3 3 4 3 3 4 3 3 2 4 4 3
R13 5 5 4 3 3 4 3 3 4 5 5 2 5 5
R14 5 5 3 3 4 3 3 4 5 1 1 2 5 2
R15 4 4 4 4 4 4 4 4 4 4 5 4 1 5
R16 4 4 4 4 4 4 4 4 4 4 5 3 2 5
R17 5 4 5 5 5 5 5 5 4 3 4 1 4 4
R18 4 4 4 4 3 4 4 3 3 4 1 4 3 3
R19 3 2 4 3 2 4 3 2 2 3 5 4 3 2
R20 4 3 4 3 2 4 3 2 3 4 3 4 3 3
R21 3 4 4 3 3 4 3 3 4 3 1 4 1 4
R22 4 4 4 5 5 4 5 5 4 4 3 2 2 2
R23 4 4 4 3 5 4 3 5 4 3 4 3 3 3
R24 3 5 5 5 5 5 5 5 3 4 1 3 4 2
R25 4 4 4 3 3 4 3 3 4 4 5 2 2 4
R26 3 2 3 3 4 3 3 4 3 4 4 4 3 4
R27 3 3 4 4 4 4 4 4 3 3 4 1 3 4
R28 2 3 3 2 3 3 2 3 3 4 1 2 4 1
R29 2 3 3 4 4 3 4 4 4 4 3 3 2 4
R30 3 3 4 4 3 4 4 3 3 3 3 2 3 3
R31 3 4 4 5 3 4 5 3 4 4 4 5 3 5
R32 2 4 4 3 4 4 3 4 4 3 1 4 3 3
R33 2 4 3 2 4 3 2 4 4 2 2 3 4 2
R34 2 4 2 4 3 2 4 3 3 3 4 4 4 4
R35 3 4 4 4 3 4 4 3 3 3 2 5 2 5
R36 3 3 3 3 4 3 3 4 3 2 2 2 2 3
R37 4 4 4 3 2 4 3 2 3 3 4 4 4 2
R38 4 5 4 4 5 4 4 5 4 4 5 4 4 2
R39 3 3 2 2 2 2 2 2 3 3 3 1 3 2
34
Modul Business Statistics II- Management Laboratory 2015
R40 3 4 4 3 2 4 3 2 3 4 4 3 2 3
R41 3 2 3 3 4 3 3 4 2 4 3 3 3 2
R42 5 4 4 4 4 4 4 4 4 4 4 5 5 4
R43 4 4 4 4 5 4 4 5 4 4 3 3 4 3
R44 3 3 4 5 5 4 5 5 2 2 3 3 3 4
R45 3 4 3 3 3 3 3 3 3 4 4 5 5 5
R46 4 4 3 3 5 3 3 5 4 4 4 5 5 5
R47 2 3 4 4 4 4 4 4 3 5 5 5 5 5
R48 5 5 3 4 4 3 4 4 4 5 5 5 5 5
R49 3 4 3 5 5 3 5 5 3 5 5 5 5 5
R50 5 5 4 4 5 4 4 5 4 4 5 5 5 5
R51 3 4 4 4 5 4 4 5 4 4 4 5 4 5
R52 2 3 3 4 4 3 4 4 4 4 5 4 5 4
R53 3 4 4 3 2 4 3 2 3 4 3 5 4 4
R54 3 4 4 5 2 4 5 2 4 4 4 5 5 3
R55 4 5 4 4 5 4 4 5 4 4 4 5 3 4
R56 3 3 4 5 5 4 5 5 2 2 4 5 4 5
R57 3 4 5 5 5 5 5 5 4 3 4 5 4 5
R58 4 4 4 4 3 4 4 3 5 5 5 4 4 4
R59 5 5 5 5 4 5 5 4 5 5 5 5 5 5
R60 3 3 3 4 3 3 4 3 4 4 4 3 5 4
R61 5 5 4 3 5 4 3 5 3 3 4 4 3 4
R62 4 4 4 4 4 4 4 4 4 4 5 5 3 4
R63 4 3 4 5 3 4 5 3 4 4 5 5 3 5
R64 4 4 4 4 3 4 4 3 4 4 3 5 4 3
R65 4 4 5 5 4 5 5 4 5 5 4 3 4 4
R66 5 5 5 5 5 5 5 5 5 5 5 3 4 4
R67 5 4 5 4 5 5 4 5 5 4 5 1 5 4
R68 3 3 4 5 3 4 5 3 4 4 3 4 5 2
R69 4 4 3 4 3 3 4 3 4 5 4 4 3 4
R70 3 3 4 4 4 4 4 4 3 4 5 4 2 4
R71 5 4 3 5 4 3 5 4 3 4 5 4 4 4
R72 5 3 3 4 3 3 4 3 4 4 5 4 2 1
R73 4 4 3 4 5 3 4 5 4 3 3 4 4 3
R74 3 4 4 4 3 4 4 3 3 3 4 3 4 1
R75 4 4 4 3 4 4 3 4 3 4 4 1 4 4
R76 5 4 3 3 4 3 3 4 4 4 3 4 2 1
R77 5 5 4 4 3 4 4 3 3 3 3 4 4 2
R78 4 5 5 5 4 5 5 4 3 4 3 5 3 4
R79 3 5 4 3 3 4 3 3 4 5 1 4 2 4
R80 3 4 3 4 3 3 4 3 4 3 2 4 3 3
R81 5 5 4 4 4 4 4 4 3 4 4 3 4 1
R82 3 4 5 4 4 5 4 4 5 3 4 3 2 1
R83 4 5 4 5 4 4 5 4 5 3 1 1 3 4
R84 3 5 3 3 4 1 5 4 4 3 3 2 4 4
R85 4 5 4 5 4 4 5 4 4 4 2 3 4 3
35
Modul Business Statistics II- Management Laboratory 2015
R86 5 5 4 4 5 4 4 5 4 5 5 3 5 2
R87 4 4 4 4 3 4 4 3 5 5 5 4 5 3
R88 4 5 3 3 3 3 3 3 5 4 4 3 4 3
Dari hasil kuesioner tersebut lakukanlah pengujian apakah data tersebut valid
dan reliabel. Untuk melakukan pengujian validitas dan reliabilitas, data harus di
run per variabel.
Untuk menguji validitas sebuah kuesioner, diperlukan perhitungan R hitung dan Rtabel.
Langkah-langkah untuk mencari Rtabel adalah sebagai berikut:
36
Modul Business Statistics II- Management Laboratory 2015
Pada Function group pilihlah Inverse DF, kemudian pada Function and Special
Variables double klik Idf.T
37
Modul Business Statistics II- Management Laboratory 2015
4. Tanda tanya (?) pertama pada kolom Numeric Expression diisi dengan probability,
dimana pada soal ini berarti (1 – α = 1 – 0,05 = ) 0,95. (diinput 0.95)
5. Tanda tanya (?) kedua pada kolom Numeric Expression diisi dengan df, dimana pada
soal ini berarti (n – 2 = 88-2 =) 86. Tampilan akan seperti dibawah ini.
38
Modul Business Statistics II- Management Laboratory 2015
11. Klik OK dan akan muncul kolom r di data view. Itulah nilai Rtabel.
39
Modul Business Statistics II- Management Laboratory 2015
Klik menu Statistics, dana ada bagian Descriptive for (kiri atas), centang
ketiga pilihan (Item, Scale, Scale if item deleted), kemudian klik Continue
untuk kembali ke window utama.
Reliability Statistics
Cronbach's Α N of Items
.669 5
40
Modul Business Statistics II- Management Laboratory 2015
Item Statistics
Mean Std. Deviation N
KuP1 3.6591 .92085 88
KuP2 3.9432 .79304 88
KuP3 3.7955 .74524 88
KuP4 3.7955 .83265 88
KuP5 3.7386 .92841 88
Item-Total Statistics
Scale Mean if Scale Variance if Corrected Item- Cronbach's Α if
Item Deleted Item Deleted Total Correlation Item Deleted
KuP1 15.2727 4.982 .460 .600
KuP2 14.9886 5.391 .462 .602
KuP3 15.1364 5.429 .499 .589
KuP4 15.1364 5.590 .365 .643
KuP5 15.1932 5.353 .350 .654
Scale Statistics
Mean Variance Std. Deviation N of Items
18.9318 7.719 2.77839 5
41
Modul Business Statistics II- Management Laboratory 2015
Catatan
Jawaban
Nb: kalo ada r hitung yg kecil dari r table hilangin aja dari hitungan
Dan biikin table yg ada non valid dan yg gak ada non valid
Reabilitas
Hipotesis
DPK.
42
Modul Business Statistics II- Management Laboratory 2015
kesimpulan:
Untuk jumlah responden > 50 lihat sig pada table Kolmogorov Smirnov
43
Modul Business Statistics II- Management Laboratory 2015
44
Modul Business Statistics II- Management Laboratory 2015
Langkah-langkah:
3. Masukkan variabel Kualitas Pelayanan, Kualitas Produk dan Loyalitas Pelanggan pada
kotak Dependent List.
45
Modul Business Statistics II- Management Laboratory 2015
4. Pada menu Plots, centang opsi “Normality plots with tests” dan kosongkan opsi yang
lain dan tekan Continue.
5. Pada bagian Display (kiri bawah), pilihlah opsi Plots dan klik OK.
6. Hasil output:
46
Modul Business Statistics II- Management Laboratory 2015
Tests of Normality
Kolmogorov- Shapiro-Wilk
Smirnova
Statistic df Sig. Statistic df Sig.
KualitasPelayanan 0.085 88 0.165 0.98 88 0.195
KualitasProduk 0.093 88 0.06 0.981 88 0.217
Loyalitas
Pelanggan 0.094 88 0.051 0.972 88 0.051
a. Lilliefors Significance Correction
Catatan
Hipotesa
DPK
*data
Cara Jawab:
47
Modul Business Statistics II- Management Laboratory 2015
48
Modul Business Statistics II- Management Laboratory 2015
Soal Latihan
1. Evantia adalah seorang Entrepreneur yang sedang ingin memulai sebuah usaha dalam
bidang kuliner makanan cepat saji yaitu potato burger yang Ia temukan. Untuk
melihat ketertarikan pasar terhadap potato burger ciptaannya, Evantia menyebar
kuisioner berskala likert yang berisi 10 butir pertanyaan kepada 3 0 responden secara
acak. Berikut adalah hasil kuisioner tersebut :
No. Q1 Q2 Q3 Q4 Q5 Q6 Q7 Q8 Q9 Q10
1 3 4 4 5 4 4 4 4 4 4
2 3 3 2 2 2 3 4 3 2 3
3 1 2 3 3 2 3 4 3 2 3
4 1 2 2 2 2 3 2 1 2 2
5 1 2 2 2 1 2 3 4 5 4
6 5 4 4 5 4 5 4 3 2 1
7 1 2 1 2 1 2 3 4 4 4
8 5 4 3 4 5 4 3 4 5 4
9 5 4 4 3 4 5 4 3 4 4
10 3 4 4 4 5 4 4 5 4 3
11 3 3 3 3 4 4 3 2 2 1
12 3 4 4 5 4 3 3 3 2 3
13 2 1 2 1 2 2 3 3 4 4
14 3 3 4 4 3 3 2 1 2 2
15 3 2 2 1 2 3 4 3 2 3
16 3 4 5 4 4 3 2 1 2 3
17 1 2 1 2 2 1 2 2 3 2
18 1 2 2 2 3 3 3 2 1 2
19 2 1 2 1 2 1 2 2 1 2
20 1 2 1 2 3 2 1 2 3 4
21 4 5 4 5 4 3 2 2 2 1
22 5 4 5 4 4 5 4 3 3 4
23 5 4 5 4 4 3 3 4 5 4
24 2 3 2 3 4 3 4 5 4 4
25 3 4 5 4 5 4 4 5 4 3
26 2 2 2 3 3 3 4 3 2 2
27 2 2 1 2 1 2 3 2 3 3
28 4 4 3 2 1 2 1 2 1 2
29 2 1 2 2 1 2 2 2 1 2
30 4 5 4 5 4 4 5 4 3 3
Pertanyaan:
49
Modul Business Statistics II- Management Laboratory 2015
2. Akan di uji validitas dan reliabilitas variabel kepuasan kerja. Variabel ini berjumlah 5
indikator yang diadaptasi dari Intrinsic factor dari teori dua factor Herzberg meliputi
pekerjaan itu sendiri, keberhasilan yang diraih, kesempatan bertumbuh, kemajuan
dalam karier dan pengakuan orang lain.
Skala yang digunakan adalah skala Likert 1 – 5 dengan jumlah sampel sebanyak 30.
Setelah angket ditabulasi maka diperoleh data sebagai berikut:
P1 P2 P3 P4 P5
Setuju Setuju Setuju Setuju Setuju
Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu
Setuju Setuju Setuju Setuju Setuju
Setuju Setuju Setuju Ragu-ragu Setuju
Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu
Ragu-ragu Ragu-ragu Setuju Ragu-ragu Ragu-ragu
Setuju Setuju Setuju Setuju Setuju
Sangat Setuju Setuju Setuju Setuju Setuju
Ragu-ragu Setuju Ragu-ragu Ragu-ragu Setuju
Setuju Setuju Setuju Setuju Setuju
Setuju Setuju Setuju Setuju Setuju
Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu
Setuju Setuju Setuju Ragu-ragu Setuju
Setuju Setuju Setuju Setuju Setuju
Ragu-ragu Ragu-ragu Ragu-ragu Setuju Ragu-ragu
Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu
Setuju Setuju Setuju Setuju Setuju
Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu
Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu
Setuju Ragu-ragu Setuju Ragu-ragu Ragu-ragu
Setuju Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu
Setuju Setuju Setuju Setuju Setuju
Ragu-ragu Ragu-ragu Setuju Setuju Ragu-ragu
Setuju Ragu-ragu Setuju Setuju Ragu-ragu
Setuju Setuju Setuju Setuju Setuju
Setuju Setuju Setuju Setuju Setuju
Setuju Setuju Setuju Setuju Setuju
Tidak Setuju Tidak Setuju Ragu-ragu Tidak Setuju Tidak Setuju
Setuju Setuju Setuju Setuju Tidak Setuju
50
Modul Business Statistics II- Management Laboratory 2015
51
Modul Business Statistics II- Management Laboratory 2015
PERTEMUAN 3
KORELASI
Korelasi adalah asosiasi (hubungan) antara variabel-variabel yang diminati, apakah data
sampel yang ada menyediakan bukti cukup bahwa ada kaitan antara variabel-variabel
dalam populasi asal sampel, jika ada hubungan, seberapa kuat hubungan antar variabel
tersebut. Keeratan hubungan itu dinyatakan dengan nama koefisien korelasi atau bisa
disebut korelasi saja. Perlu dicatat bahwa dalam korelasi kita belum menentukan
dengan pasti variabel independent dan dependent-nya seperti yang kita lakukan dalam
analisis regresi.
Contoh soal: menggunakan data Kualitas Pelayanan, Kualitas Produk, dan Loyalitas
Pelanggan
52
Modul Business Statistics II- Management Laboratory 2015
Keterangan :
53
Modul Business Statistics II- Management Laboratory 2015
o Pada bagian Missing values atau perlakuan kolerasi sehubungan dengan adanya
data yang tidak tersedia pada kasus, SPSS menyediakan 2 alternatif perlakuan :
Exclude cases pairwise, yaitu pasangan yang salah satu tidak ada datanya
tidak akan dimasukkan dalam perhitungan.
Exclude cases listwise, yaitu data yang tidak dimasukkan dalam perhitungan
adalah data yang hilang atau missing data.
5. Untuk keseragaman maka yang digunakan adalah pairwise, kemudian tekan Continue
– Ok. Setelah di ok, maka akan muncul result seperti gambar dibawah ini.
Descriptive Statistics
Mean Std. N
Deviation
Correlations
Kualitas Kualitas Loyalitas
Pelayanan Produk Pelanggan
Pearson
Correlation 1 .850** .215*
Sig. (2-tailed) 0 0.045
KualitasPelayanan N 88 88 88
Pearson
Correlation .850** 1 .320**
Sig. (2-tailed) 0 0.002
KualitasProduk N 88 88 88
Pearson
Correlation .215* .320** 1
Loyalitas Sig. (2-tailed) 0.045 0.002
Pelanggan N 88 88 88
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).
Catatan
…………………………………………………………………………………………………
…………………………………………………………………………………………………
54
Modul Business Statistics II- Management Laboratory 2015
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
Tujuan dari pengujian korelasi parsial adalah untuk menggambarkan derajat korelasi
antara dua buah variabel independen setelah pengaruh variabel lainnya dikontrol
(secara statistik)
55
Modul Business Statistics II- Management Laboratory 2015
Contoh soal : menggunakan data Kualitas Pelayanan, Kualitas Produk, dan Loyalitas
Pelanggan. Manajer ingin mengetahui apakah terdapat hubungan antara kualitas produk
dengan loyalitas pelanggan dan kualitas pelayanan sebagai variabel pengontrol.
3. Pindahkan variable Kualitas produk dan loyalitas pelanggan kebagian Variables dan
variable kualitas pelayanan ke bagian Controlling for.
56
Modul Business Statistics II- Management Laboratory 2015
Keterangan :
57
Modul Business Statistics II- Management Laboratory 2015
Significance
(2-tailed) . 0.002 0
df 0 86 86
Correlation 0.32 1 0.215
Significance
LoyalitasPelangg (2-tailed) 0.002 . 0.045
an df 86 0 86
Correlation 0.85 0.215 1
Significance
KualitasPelayana (2-tailed) 0 0.045 .
n df 86 86 0
Correlation 1 0.268
Significance
(2-tailed) . 0.012
KualitasProduk df 0 85
Correlation 0.268 1
Significance
LoyalitasPelangg (2-tailed) 0.012 .
KualitasPelayanan an df 85 0
a. Cells contain zero-order (Pearson) correlations.
Catatan
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
58
Modul Business Statistics II- Management Laboratory 2015
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
Soal Latihan :
59
Modul Business Statistics II- Management Laboratory 2015
14 90 80
15 65 85
16 100 95
17 80 90
18 85 98
19 90 75
20 65 80
Lakukan pengujian untuk mengetahui apakah terdapat hubungan atau tidak!
3. Yoomes Bond ingin melakukan penelitian dengan menggunakan alat ukur skala.
Yoomes ingin meneliti tentang hubungan antara kecerdasan dengan prestasi belajar jika
terdapat faktor tingkat stress pada siswa yang diduga sebagai variabel yang mengontrol.
Tiap-tiap variabel dibuat beberapa butir pertanyaan dengan menggunakan skala Likert,
yaitu angka 1 = Sangat tidak setuju, 2 = Tidak setuju, 3 = Setuju dan 4 = Sangat Setuju.
Setelah membagikan skala kepada 12 responden didapatlah skor total item-item yaitu
sebagai berikut:
32 24 58
31 27 52
20 33 48
60
Modul Business Statistics II- Management Laboratory 2015
33 26 49
33 25 52
34 25 57
31 29 55
20 30 50
20 33 48
34 27 54
35 28 56
Tentukanlah:
a. Apakah terdapat hubungan antara tingkat stress dengan prestasi belajar?
b. Apakah terdapat hubungan antara kecerdasan dengan prestasi belajar dengan
tingkat stress sebagai variabel pengontrol?
4. PT.Kelana dalam tahun lalu telah menerapkan system elogistic dengan tujuan agar
dapat meningkatkan produktivitas karyawan. Sehingga manajer PT. Kelana ingin
melihat apakah sebenarnya produktivitas karyawan dari perusahaan PT. Kelana
dipengaruhi oleh elogistic atau tidak, dimana tingkat motivasi karyawan sebagai
Variabel pengontrol. Bantulah manajer PT.Kelana untuk melakukan penelitiannya
dengan menggunakan data-data dibawah ini :
61
Modul Business Statistics II- Management Laboratory 2015
80 82 50
50 46 30
90 95 80
75 82 131
45 42 134
65 73 180
50 80 99
62
Modul Business Statistics II- Management Laboratory 2015
PERTEMUAN 4
ASUMSI KLASIK
Model regresi linear berganda mengasumsikan bahwa tidak terjadi korelasi signifikan
antarvariabel bebasnya. Uji multikolinearitas bertujuan untuk menguji apakah dalam
model regresi ditemukan adanya korelasi yang tinggi atau sempurna antar variabel
independen. Jika antar variabel independen terjadi multikolinearitas sempurna,maka
koefisien regresi variabel tersebut tidak dapat ditentukan dan nilai standard error
menjadi tak terhingga .
Contoh data : Masih menggunakan data Kualitas Pelayanan, Kualitas Produk, dan
Loyalitas Pelanggan
2. Dari menu utama SPSS, pilih menu Analyze, kemudian submenu Regression, lalu pilih
Linear. Maka akan muncul kotak dialog sebagai berikut.
63
Modul Business Statistics II- Management Laboratory 2015
Coefficientsa
64
Modul Business Statistics II- Management Laboratory 2015
1 Kualitas Produk 0.728 0.284 0.497 2.565 0.012 0.32 0.268 0.262 0.277 3.607
a. Dependent Variable: LoyalitasPelanggan
Catatan
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
65
Modul Business Statistics II- Management Laboratory 2015
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
Untuk mengetahui keadaan dimana terjadinya ketidaksamaan varian dari data pada
model regresi, perlu dilakukan uji heteroskedastisitas.
Pengujian dilakukan dengan mencari korelasi antara nilai residual dengan variable
bebasnya. Jika ditemukan adanya korelasi antara variable bebas dengan nilai residual,
maka dapat disimpulkan terjadi heterokedastisitas.
1. Dari menu utama SPSS, pilih menu Analyze, kemudian submenu Regression, lalu pilih
Linear. Maka akan muncul kotak dialog sebagai berikut.
66
Modul Business Statistics II- Management Laboratory 2015
2. Pilih Save kemudian pada bagian Residuals pilih Unstandardized (Untuk memunculkan
nilai residual).
67
Modul Business Statistics II- Management Laboratory 2015
Lalu klik Continue >> OK. Hasil akan muncul di input SPSS.
3. Setelah muncul nilai residual, dilanjukan dengan analisis korelasi. Pilih menu Analyze
>> Correlate >> Bivariate.
5. Klik OK.
68
Modul Business Statistics II- Management Laboratory 2015
Correlations
Kualitas Kualitas Unstandardized
Pelayanan Produk Residual
Correlation
Coefficient 1 .814** 0.048
Sig. (2-tailed) . 0 0.658
KualitasPelayanan N 88 88 88
Correlation
Coefficient .814** 1 0.071
Sig. (2-tailed) 0 . 0.51
KualitasProduk N 88 88 88
Correlation
Coefficient 0.048 0.071 1
Spearman' Unstandardized Sig. (2-tailed) 0.658 0.51 .
s rho Residual N 88 88 88
**. Correlation is significant at the 0.01 level (2-tailed).
Catatan
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
69
Modul Business Statistics II- Management Laboratory 2015
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
Uji Autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linear ada
korelasi antar kesalahan pengganggu (residual) pada periode t dengan kesalahan
periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem
autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu
berkaitan satu sama lainnya. Autokorelasi sering muncul pada data time series.
Sedangkan pada data cross section, masalah autokorelasi relative jarang terjadi. Dalam
penelitian ini akan digunakan metode pengujian Run Test. Run Test digunakan untuk
menguji apakah antar residual terdapat korelasi yang tinggi. Jika ya, maka terjadi
masalah autokorelasi.
70
Modul Business Statistics II- Management Laboratory 2015
3. Pada kotak Test Variable List, isikan Unstandardized Residual (res_1). Pilih Cut Point
Median.
Runs Test
Unstandardized
Residual
71
Modul Business Statistics II- Management Laboratory 2015
a. Median
Note :
Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi
linear berganda yang berbasis ordinary least square (OLS). Jadi analisis regresi yang
tidak berdasarkan OLS tidak memerlukan persyaratan asumsi klasik, misalnya regresi
logistik atau regresi ordinal. Demikian juga tidak semua uji asumsi klasik harus
dilakukan pada analisis regresi linear, misalnya uji multikolinearitas tidak dilakukan
pada analisis regresi linear sederhana dan uji autokorelasi tidak perlu diterapkan pada
data cross sectional.
Uji asumsi klasik juga tidak perlu dilakukan untuk analisis regresi linear yang bertujuan
untuk menghitung nilai pada variabel tertentu. Misalnya nilai return saham yang
dihitung dengan market model, atau market adjusted model. Perhitungan nilai return
yang diharapkan dapat dilakukan dengan persamaan regresi, tetapi tidak perlu diuji
asumsi klasik.
72
Modul Business Statistics II- Management Laboratory 2015
Catatan
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
73
Modul Business Statistics II- Management Laboratory 2015
Soal Latihan
Kualitas
Hubungan Kesempatan Kepuasan
No. Lingkungan
dengan Atasan Jenjang Karir Kerja
kerja
1 4.14 4.75 4.57 5.08
2 3.21 3 2.86 3.05
3 3.29 3.5 3.43 3.5
4 2.86 2.5 2.57 2.54
5 3.43 3.75 3.71 3.73
6 3.36 3.75 2.57 3.73
7 3.07 3.5 3.14 2.8
8 3.36 3.5 3.86 3.25
9 3.71 2.25 3.86 2.8
10 3.21 4.5 3.86 3.73
11 3.5 3.75 3.71 3.02
12 4 4.5 3.71 3.73
13 3.64 2.75 3.86 2.8
14 4.21 3.75 3.29 3.25
15 2.86 3.75 3.71 3.25
16 3.14 4.25 3.57 2.51
17 4.5 3.75 4.29 3.73
18 2.93 3.5 4.57 4.48
19 3.79 4.5 3.71 3.73
20 3.5 2.75 3.57 3.85
21 3.5 3.25 3.86 4.1
22 3.57 3 3.14 3.62
23 3.5 4 2.86 2.8
24 3.14 2.75 3.71 3.25
25 3.36 4 2.57 3.73
75
Modul Business Statistics II- Management Laboratory 2015
PERTEMUAN 5
REGRESI
Contoh soal : Masih menggunakan data Kualitas Pelayanan, dan Loyalitas Pelanggan
Langkah – langkah pengujian dalam spss :
2. Dari menu utama SPSS, pilih menu Analyze, kemudian submenu Regression, lalu pilih
Linear. Maka akan muncul kotak dialog sebagai berikut.
.
Masukkan variabel yang dipengaruhi (dependen) dan variabel yang mempengaruhi
(independen) ke kotaknya masing-masing.
76
Modul Business Statistics II- Management Laboratory 2015
4. Klik Continue dan selanjutnya pilih Plots. Atur seperti gambar dibawah ini.
77
Modul Business Statistics II- Management Laboratory 2015
6. Klik Option, pada Stepping Method Criteria, pilih : Entry .05(uji F yang mengambil
standar angka probabilitas sebesar 5%). Beri tanda pada Include constant in equation
(menyertakan konstanta tetap dipilih). Pada Missing Value, pilih: Exclude cases
listwise (data kasus tidak ada yang hilang). Kemudian Continue.
ANOVAa
78
Modul Business Statistics II- Management Laboratory 2015
Model Summaryb
Model R R Square Adjusted R Std. Error of the
Square Estimate
Coefficientsa
Model Unstandardized Standardized t Sig.
Coefficients Coefficients
B Std. Beta
Error
(Constant) 2.479 0.553 4.484 0
1 KualitasPelayanan 0.295 0.144 0.215 2.039 0.045
a. Dependent Variable: LoyalitasPelanggan
79
Modul Business Statistics II- Management Laboratory 2015
Catatan
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
80
Modul Business Statistics II- Management Laboratory 2015
Seperti yang diuraikan diatas, jika pada Regresi sederhana hanya ada satu variabel
dependen (Y) dan satu variabel independent (X), maka pada kasus Regresi berganda,
terdapat satu variabel dependen dan lebih dari satu variabel independent. Dalam
praktek bisnis, regresi berganda justru lebih banyak digunakan, selain karena
banyaknya variabel dalam bisnis yang perlu dianalisis bersama, juga pada banyak kasus
regresi berganda lebih relevan digunakan.
Langkah-langkah penyelesaian:
2. Dari menu utama SPSS, pilih menu Analyze, kemudian submenu Regression, lalu pilih
Linear. Maka akan muncul kotak dialog sebagai berikut.
81
Modul Business Statistics II- Management Laboratory 2015
4. Klik continue dan selanjutnya pilih Plots. Atur seperti gambar dibawah ini
6. Klik Option, pada Stepping Method Criteria, pilih : Entry .05(uji F yang mengambil
standar angka probabilitas sebesar 5%). Beri tanda pada Include constant in equation
82
Modul Business Statistics II- Management Laboratory 2015
(menyertakan konstanta tetap dipilih). Pada Missing Value, pilih: Exclude cases listwise
(data kasus tidak ada yang hilang). Kemudian Continue.
7. Klik Option, pada Stepping Method Criteria, pilih : Entry .05(uji F yang mengambil
standar angka probabilitas sebesar 5%). Beri tanda pada Include constant in equation
(menyertakan konstanta tetap dipilih). Pada Missing Value, pilih: Exclude cases listwise
(data kasus tidak ada yang hilang). Kemudian Continue.
Descriptive Statistics
Mean Std. N
Deviation
Loyalitas
Pelanggan 3.5938 0.76217 88
83
Modul Business Statistics II- Management Laboratory 2015
Correlations
Loyalitas Kualitas Kualitas Produk
Pelanggan Pelayanan
Loyalitas
Pelanggan 1 0.215 0.32
Kualitas
Pearson Pelayanan 0.215 1 0.85
Correlation Kualitas Produk 0.32 0.85 1
Loyalitas
Pelanggan . 0.022 0.001
Kualitas
Pelayanan 0.022 . 0
Sig. (1-tailed) Kualitas Produk 0.001 0 .
Loyalitas
Pelanggan 88 88 88
Kualitas
Pelayanan 88 88 88
N Kualitas Produk 88 88 88
Model Summaryb
Model R R Square Adjusted R Std. Error of the
Square Estimate
ANOVAa
Model Sum of df Mean F Sig.
Squares Square
84
Modul Business Statistics II- Management Laboratory 2015
Coefficientsa
Model Unstandardized Standardized t Sig.
Coefficients Coefficients
B Std. Beta
Error
(Constant) 1.932 0.577 3.35 0.001
KualitasPelayanan -0.285 0.266 -0.208 -1.072 0.287
1 KualitasProduk 0.728 0.284 0.497 2.565 0.012
a. Dependent Variable: LoyalitasPelanggan
Catatan
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
85
Modul Business Statistics II- Management Laboratory 2015
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
Soal Latihan
86
Modul Business Statistics II- Management Laboratory 2015
11 70 75
12 80 75
13 85 80
14 90 80
15 65 85
16 100 95
17 80 90
18 85 98
19 90 75
20 65 80
Lakukan pengujian untuk mengetahui apakah terdapat pengaruh atau tidak!
87
Modul Business Statistics II- Management Laboratory 2015
88
Modul Business Statistics II- Management Laboratory 2015
89
Modul Business Statistics II- Management Laboratory 2015
PERTEMUAN 6
ANOVA
ANOVA
Analysis of variance merupakan metode untuk menguji hubungan antara satu variabel
dependen (skala metrik) dengan satu atau lebih variabel independen (skala nonmetrik
atau kategorikal dengan kategori lebih dari dua). Hubungan antara satu variabel
dependen dengan satu variabel independen disebut One Way ANOVA. Pada kasus satu
variabel dependen metrik dan dua atau tiga variabel independen kategorikal sering
disebut Two Ways ANOVA dan Three Ways ANOVA.
ANOVA digunakan untuk mengetahui pengaruh utama (main effect) dan pengaruh
interaksi (interaction effect) dari variable independen kategorikal (sering disebut faktor)
terhadap variable dependen metrik.
Contoh soal :
Seorang manajer toko retail “Semua Ada” ingin mengetahui tingkat kepuasan
pelanggan pada toko retail ketika 3 pewangi ruangan yang berbeda digunakan. Berikut
90
Modul Business Statistics II- Management Laboratory 2015
Langkah pengerjaan :
1. Masukkan variabel rating dan pewangi ke dalam Variabel View. Lalu gunakan
Value Labels untuk variabel pewangi.
91
Modul Business Statistics II- Management Laboratory 2015
Tests of Normality
pewangi Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
lavender 0.231 10 0.139 0.924 10 0.392
citrus 0.201 10 .200* 0.875 10 0.114
*
rating vanilla 0.192 10 .200 0.887 10 0.158
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
4. Setelah itu pilih Analyze - Compare Means – One Way Anova. Masukkan data
rating ke Dependent List dan data pewangi ke dalam factor.
92
Modul Business Statistics II- Management Laboratory 2015
ANOVA
rating
Sum of df Mean F Sig.
Squares Square
93
Modul Business Statistics II- Management Laboratory 2015
Total 231.867 29
94
Modul Business Statistics II- Management Laboratory 2015
95
Modul Business Statistics II- Management Laboratory 2015
Catatan
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
96
Modul Business Statistics II- Management Laboratory 2015
Soal Latihan
1. Yosua, seorang pemilik toko grosir “Semua Ada” ingin mengetahui apakah ada
perbedaan jumlah pisang yang terjual perminggu (dalam kg) di toko grosir ketika
pisang di letakkan di bagian sereal, susu, dan buah. Berikut data hasil penjualannya
selama 3 bulan :
2. Seorang kolektor sabun ingin mengetahui tingkat penjualan dari ketiga sabun di pasaran. Ia
mengambil 3 merek yang saat ini sering digunakan oleh konsumen yaitu lepboy, luks dan dav.
Berikut data penjualan dari ketiga produk tersebut setiap bulannya selama 1 tahun terakhir:
97
Modul Business Statistics II- Management Laboratory 2015
(ribu)
790 784 775
832 790 814
768 810 792
793 805 811
802 799 774
782 772 790
798 782 801
812 804 794
792 811 807
821 801 792
823 790 794
816 805 804
Data diasumsikan berdistribusi normal
3. Ferlyn, seorang entrepreneur muda yang membuka usaha penjualan makanan ringan
“Macaroni Enak” sedang ingi mengetahui bagaimana rating rasa snack nya berdasarkan
beberapa varian rasa yang di miliki. Oleh karena itu, ferlyn membagikan kuesioner
kepada para pelanggannya yang di bagikan secara acak yang berisi rating rasa yang
dimiliki (skala 1-10). Berikut data yang berhasil di kumpulkan:
98
Modul Business Statistics II- Management Laboratory 2015
8 5 5 8
9 6 8 7
6 4 8 7
7 7 8 7
9 7 9 8
7 8 9 6
8 6 7 8
99
Modul Business Statistics II- Management Laboratory 2015
PERTEMUAN 7
CHISQUARE
Semua variabel yang akan dianalisa harus bersifat numerik kategorikal atau
nominal dan dapat juga berskala ordinal. Prosedur ini didasarkan pada asumsi bahwa
uji nonparametrik tidak membutuhkan asumsi bentuk distribusi yang mendasarinya.
Data diasumsikan berasal dari sampel acak. Frekuensi yang diharapkan (fe) untuk
masing-masing kategori harus setidaknya : Tidak boleh lebih dari dua puluh (20%) dari
kategori mempunyai frekuensi yang diharapkan kurang dari 5.
(Suseno, 2013)
Uji keselarasan atau goodness of fit test menentukan apakah sebuah populasi mengikuti
distribusi tertentu.
Seorang pemilik website, Marlene, ingin menawarkan hadiah gratis kepada orang
yang berlangganan ke situs webnya. Pelanggan baru dapat memilih salah sati dari
3 hadiah dengan nilai yang sama : voucher hadiah, boneka, atau tiket bioskop
gratis. Setelah 1000 orang mendaftar, Marlene ingin meninjau angka untuk
melihat apakah tiga hadiah yang ditawarkan sama-sama popular. Dalam hal ini,
tiga hadiah yaitu hadiah voucher, boneka, atau tiket bioskop gratis mencerminkan
100
Modul Business Statistics II- Management Laboratory 2015
tiga kelompok variabel kategoris, tipe_hadiah. 1000 orang yang telah mendaftar
mencerminkan "kasus" (yaitu, kasus bisa apa saja dari "orang", untuk "binatang",
"benda", "organisasi", dan sebagainya).
Tipe_hadiah Peminat
Voucher 370
Boneka 230
Tiket bioskop 400
Langkah pengerjaan :
1. Input Variabel tipe hadiah dan jumlah peminat pada Variable View.
101
Modul Business Statistics II- Management Laboratory 2015
102
Modul Business Statistics II- Management Laboratory 2015
6. Setelah dilakukan Weight Cases maka dapat dilakukan pengujjian selanjutnya yang
di mana dimulai dengan melakukan uji normalitas. Uji Normalitas dilakukan untuk
mengetahui distribusi data dari variabel yang dianalisa. Pilih Analyze → Descriptive
Statistics → Explore.
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
7. Lakukan pengujian Goodness of fit. Pilih Analyze >> Non Parametric tests >>
Legacy Dialogs >> Chi Square. Pindahkan variable tipe_hadiah ke Variable List.
tipe_hadiah
Observed Expected Residual
N N
103
Modul Business Statistics II- Management Laboratory 2015
Test Statistics
tipe_hadiah
Chi-Square 49.400a
df 2
Asymp. Sig. 0
a. 0 cells (0.0%) have expected
frequencies less than 5. The minimum
expected cell frequency is 333.3.
Catatan
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
Pada sebuah survey, para entrepreneur wanita yang sukses diberikan pertanyaan
mengeni definisi sukses berdasarkan beberapa kategori yang dapat mereka pilih.
Berdasarkan survey diketahui 89 menyatakan kebahagiaan, 27 menyatakan
104
Modul Business Statistics II- Management Laboratory 2015
Definisi Frekuensi
Kebahagian 42
Keuntungan 95
Membantu orang lain 27
Tantangan 63
Langkah pengerjaan :
3. Input data kedalam Data View. Untuk frekuensi hanya masukkan data frekuensi pria.
105
Modul Business Statistics II- Management Laboratory 2015
106
Modul Business Statistics II- Management Laboratory 2015
6. Setelah dilakukan Weight Cases maka dapat dilakukan pengujjian selanjutnya yang
di mana dimulai dengan melakukan uji normalitas. Uji Normalitas dilakukan untuk
mengetahui distribusi data dari variabel yang dianalisa. Pilih Analyze → Descriptive
Statistics → Explore.
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
7. Lakukan pengujian Goodness of fit. Pilih Analyze >> Non Parametric tests >>
Legacy Dialogs >> Chi Square. Pindahkan variable kategori_sukses ke Variable List.
8. Lalu pada bagian Expected Values pilih Value kemudian input frekuensi yang
diharapkan dalam hal ini adalah frekuensi wanita secara satu per satu :
107
Modul Business Statistics II- Management Laboratory 2015
kategori_sukses
Observed Expected Residual
N N
kebahagian 42 89 -47
Keuntungan 95 27 68
membantu orang lain 27 41 -14
tantangan 63 70 -7
Total 227
Test Statistics
kategori_sukses
Chi-Square 201.560a
df 3
Asymp. Sig. 0
a. 0 cells (0.0%) have expected
frequencies less than 5. The
minimum expected cell frequency is
27.0.
10. Untuk mencari nilai Chisquare hitung dengan menggunakan langkah berikut :
108
Modul Business Statistics II- Management Laboratory 2015
Pada Function Group pilih Inverse DF dan pada Function and Special Variables
pilih Idf.Chisq
Catatan
…………………………………………………………………………………………………
…………………………………………………………………………………………………
109
Modul Business Statistics II- Management Laboratory 2015
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
110
Modul Business Statistics II- Management Laboratory 2015
Contoh seorang dosen statistik ingin menguji apakah distribusi grade ujian akhir
mahasiswa ada hubungannya dengan lamanya mahasiswa belajar. Berikut data sampel
yang terkumpul dari 215 mahasiswa.
Grade
Jambelajar
A B C
< 3 jam 18 48 16
3-5 jam 30 28 12
>5 jam 33 25 5
Langkah pengerjaan :
111
Modul Business Statistics II- Management Laboratory 2015
4. Kemudian lakukan Weight Cases. Pilih Data – Weight Cases. Pada window yang
muncul, pilih Weight cases by frekuensi (masukkan frekuensi pada Frequency
Variable), kemudian OK.
5. Setelah dilakukan Weight Cases maka dapat dilakukan pengujjian selanjutnya yang
di mana dimulai dengan melakukan uji normalitas. Uji Normalitas dilakukan untuk
mengetahui distribusi data dari variabel yang dianalisa. Pilih Analyze → Descriptive
Statistics → Explore.
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
kategori_sukses .277 227 .000 .830 227 .000
a. Lilliefors Significance Correction
6. Lakukan pengujian Goodness of fit. Pilih Analyze, Descriptive Statistics, lalu klik
Crosstabs.
112
Modul Business Statistics II- Management Laboratory 2015
7. Pada kotak dialog Crosstabs muncul, pindahkan JamBelajar ke Row(s) dan Grade ke
Column(s).
Klik Statistics, Pada kotak dialog Crosstabs: Statistics yang muncul centang
Chi-Square.
Klik Cells, kemudian pilih Observed, Expected.
Count 18 48 16 82
Expected
< 3 jam Count 30.9 38.5 12.6 82
Count 30 28 12 70
Expected
3-5 jam Count 26.4 32.9 10.7 70
Count 33 25 5 63
Expected
JamBelajar >5 jam Count 23.7 29.6 9.7 63
Count 81 101 33 215
Expected
Total Count 81 101 33 215
Chi-Square Tests
Value df Asymp.
Sig. (2-
sided)
Pearson Chi-
Square 16.596a 4 0.002
Likelihood Ratio 17.456 4 0.002
Linear-by-Linear
Association 13.222 1 0
N of Valid Cases 215
a. 0 cells (0.0%) have expected count less than 5.
The minimum expected count is 9.67.
Pada Function Group pilih Inverse DF dan pada Function and Special Variables
pilih Idf.Chisq.
Klik OK.
114
Modul Business Statistics II- Management Laboratory 2015
115
Modul Business Statistics II- Management Laboratory 2015
Catatan
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
116
Modul Business Statistics II- Management Laboratory 2015
Soal Latihan
1. Seorang promotor boyband korea “Super Junior” percaya bahwa umur dari
pembeli tiket konser supershow 5 terdistribusi merata. Berikut adalah sampel data
distribusi umur dari para pembeli yang diobservasi. Lakukan pengujian untuk
mengetahui kemerataan jumlah pembeli tiket berdasarkan kategori umur!
Umur Jumlah
pembeli
< 10 16
20-Oct 44
21-30 61
31-40 56
41-50 35
>50 19
2. Seorang professor mengklaim bahwa tipikal distribusi grade dari kelasnya adalah
20% A, 25% B, 40% C, 10% D, dan 5% E. Pada semester ini, kelas professor
tersebut berisi 85 mahasiswa.
3. Sebuah grup umur 30an diwawancarai untuk mengetahui jenis music yang sering
didengarkan orang pada kategori umur tersebut tidak ada hubungannya dengan
letak geografis dimana mereka tinggal.
Jenis musik
Letak geografis Rock R n B Daerah Klasik
Utara 140 32 5 18
Selatan 134 41 52 8
Barat 154 27 8 13
Timur 130 30 12 15
117
Modul Business Statistics II- Management Laboratory 2015
Kelas Sosial
Jumlah Anak Atas Menengah Bawah
0 7 18 6
1 9 38 23
2 atau 3 34 97 58
>3 47 31 30
Lakukan pengujian unruk mengetahui apakah jumlah anak dalam keluarga ada
hubungannya dengan kelas social.
118
Modul Business Statistics II- Management Laboratory 2015
PERTEMUAN 8
MANN WHITNEY
Mann Whitney merupakan salah satu pengujian statistik nonparametrik yang digunakan
untuk membandingkan rata-rata antara 2 populasi yang tidak berhubungan (bebas).
Pengujian ini dikembangkan oleh Hendry B. Mann dan D.R. Whitney pada tahun 1947.
Pengujian mann whitney dapat dilakukan dengan memenuhi asumsi berikut :
Contoh :
Bimbingan belajar “Sukses Selalu” mempunyai beberapa guru les yang mengajar di
kelas bimbingan belajar tersebut. Tika selaku pemilik usaha bimbingan belajar tersebut
ingin mengetahui teknik pembelajaran seperti apa yang lebih efektif. Tika kemudian
melakukan pengujian terhadap 2 kelas bimbingan. Pada kelas A diberikan bimbingan
belajar dengan metode pembelajaran melalui video, game, dan praktek langsung.
Sedangkan pada kelas B diberikan bimbingan belajar dengan metode pembelajaran
melalui teks book. Berikut diambil 20 sampel nilai tes dari masing-masing kelas :
Kelas A Kelas B
75 90
80 95
77 80
95 60
90 50
98 55
100 58
76 60
50 62
85 88
119
Modul Business Statistics II- Management Laboratory 2015
87 68
79 60
79 57
89 55
90 90
100 60
95 88
85 80
87 59
75 60
Langkah-langkah pengerjaan :
1. Input variabel kelas dan nilai pada Variable View. Gunakan Value Label untuk
variabel kelas.
120
Modul Business Statistics II- Management Laboratory 2015
Tests of Normality
kelas Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
kelas A 0.154 20 .200* 0.898 20 0.038
nilai kelas B 0.277 20 0 0.836 20 0.003
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
4. Pilih Analyze >> Nonparametric Tests >> Legacy Dialogs >> 2 Independent
Samples. Kemudian pada window yang muncul, pindahkan variable nilai ke Test
Variable List dan kelas ke group variable.
121
Modul Business Statistics II- Management Laboratory 2015
Ranks
kelas N Mean Sum of
Rank Ranks
kelas A 20 25.73 514.5
kelas B 20 15.28 305.5
nilai Total 40
Test Statisticsa
nilai
Mann-Whitney U 95.5
Wilcoxon W 305.5
Z -2.833
Asymp. Sig. (2-tailed) 0.005
Exact Sig. [2*(1-tailed
Sig.)] .004b
a. Grouping Variable: kelas
122
Modul Business Statistics II- Management Laboratory 2015
Catatan
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
123
Modul Business Statistics II- Management Laboratory 2015
Soal Latihan :
1. Berikut ini adalah tabel yang menunjukkan gaji dari beberapa guru SMA di California
dan Florida. Beberapa orang menyebutkan bahwa gaji dari guru SMA di California
lebih besar dari pada guru di Florida. Lakukan pengujian untuk mengetahui apakah
terdapat perbedaan gaji antara guru di California dengan di Florida.
2. Hasil survey dari statistik kesehatan mengindikasi bahwa orang diantara urum 65 dan
74 tahun menghubungi psikiater dengan rata-rata 9.8 kali per tahun. Orang dengan usia
> 75 menghubungi psikiater dengan rata-rata 12.9 kali per tahun. Steven yang
merupakan psikiater di salah satu rumah sakit ingin membuktikan apakah hasil statistik
tersebut benar. Berikut data yang menunjukkan jumlah rata-rata kunjungan ke psikiater.
124
Modul Business Statistics II- Management Laboratory 2015
PERTEMUAN 9
SIGN WILCOXON
Wilcoxon signed rank test adalah metode nonparametrik yang digunakan untuk
membandingkan 2 sampel data yang berasal dari grup yang sama (2 sampel yang saling
berhubungan). Hal ini dapat dilakukan ketika ingin menyelidiki apakah terjadi
perubahan nilai dari 1 waktu ke waktu lain atau ketika individu diberikan lebih dari 1
kondisi (diberikan perlakuan yang berbeda).
Pengujian Wilcoxon signed rank dapat dilakukan ketika memenuhi asumsi berikut :
Contoh :
12 pria dewasa dengan mengikuti program liquid diet untuk rencana menurunkan berat
badan. Data berat badan sebelum dan sesudah melakukan diet sudah di catat. Lakukan
pengujian apakah terdapat perbedaan berat badan sebelum dan sesudah melakukan
liquid diet. Berikut datanya :
1 2 3 4 5 6 7 8 9 10 11 12
Sebelum 186 171 177 168 191 172 177 191 170 171 188 187
Sesudah 179 168 165 169 182 171 165 190 165 180 181 172
Langkah-langkah:
125
Modul Business Statistics II- Management Laboratory 2015
3. Uji distribusi data, jika data tidak normal maka bisa menggunakan metode non-
parametrik
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
5. Pada kolom Test Pairs, masukkan variable sebelum dan sesudah. Kemudian Test
Tipe : Wilcoxon. Abaikan pilihan lain, klik OK.
126
Modul Business Statistics II- Management Laboratory 2015
6. Output hasil.
Ranks
N Mean Sum of
Rank Ranks
Negative
Ranks 10a 6.75 67.5
Positive
sesudah Ranks 2b 5.25 10.5
- Ties 0c
sebelum Total 12
a. sesudah < sebelum
b. sesudah > sebelum
c. sesudah = sebelum
Test Statisticsa
sesudah - sebelum
Z -2.242b
Asymp. Sig. (2-tailed) 0.025
a. Wilcoxon Signed Ranks Test
b. Based on positive ranks.
127
Modul Business Statistics II- Management Laboratory 2015
Catatan
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
128
Modul Business Statistics II- Management Laboratory 2015
Soal Latihan
1. Berikut adalah tabel hasil uji rasa dari 10 orang yang diminta untuk memberikan
penilaian terhadap rasa soda sebelum dan sesudah diberikan tambahan perisa
dengan skala 1-10. Lakukanlah pengujian apakah terdapat perbedaan rasa antara
kedua rasa soda dengan tingkat kepercayaan 90%.
Orang 1 2 3 4 5 6 7 8 9 10
Sebelum 4 3 3 9 5 5 9 9 5 3
Sesudah 7 7 3 10 10 3 7 10 7 8
Perenang 1 2 3 4 5 6 7 8 9 10
Before 31 39 26 45 30 45 30 26 26 27
After 28 29 35 20 20 34 35 35 29 20
129
Modul Business Statistics II- Management Laboratory 2015
PERTEMUAN 10
KRUSKALL WALLIS
Kruskal Wallis adalah salah satu metode non parametrik berbasis peringkat yang
tujuannya untuk menentukan adakah perbedaan signifikan secara statistik antara dua
atau lebih kelompok variabel independen pada variabel dependen yang
berskala data numerik (interval/rasio) dan skala ordinal. Kruskal Wallis adalah
alternative apabila data tidak berdistribusi normal dan perluasan dari metode Mann
Whitney U Test, di mana kita ketahui bahwa uji tersebut hanya dapat digunakan pada 2
kelompok sampel. Sedangkan Kruskall Wallis dapat digunakan pada lebih dari 2
kelompok sampel.
3. Independen artinya sampel ditiap kategori harus bebas satu sama lain, yaitu tidak
boleh ada sampel yang berada pada 2 kategori atau lebih.
4. Tiap kategori memiliki variabilitas yang sama, yaitu bentuk kurve histogram atau
sebaran data yang sama (Lihat Histogram Variabilitas Sama).
5. Tiap sample minimal 5 data setiap sample untuk menggunakan probabilitas Chi-
Square.
Jika menerima H1 yaitu tidak ada perbedaan rata-rata antara variable maka bisa
dilanjutkan dengan uji lanjut atau disebut juga uji post hoc. Uji post hoc setelah
kruskall wallis salah satunya dapat menggunakan metode mann whitney u test. Dengan
uji tersebut kita bisa menilai antar kelompok apakah yang ada perbedaan signifikan,
Metode post hoc dapat dilakukan antara lain:
130
Modul Business Statistics II- Management Laboratory 2015
Contoh soal
Pelanggan diberi kartu saran dan diambil 20 kartu saran secara random setiap shift
dengan 4 skala:
131
Modul Business Statistics II- Management Laboratory 2015
2. Klik pada Values, nanti akan muncul kotak dialog “Value Labels”. Pada kolom Value
tulis angka 1 dan label “16:00-midnight” dan klik “Add” dilanjutkan sampai value ke-3.
3. Pada tab “Data View” di kolom shift masukan angka 1 untuk shift 1 dan pada kolom
nilai copy data dari contoh soal.
4. Syarat untuk melakukan uji Kruskal-Wallis adalah data berdistribusi tidak normal
sehingga kita harus melakukan uji Normalitas terlebih dahulu. Klik Analyze –
Descriptive Statistics – Explore sebagai berikut :
132
Modul Business Statistics II- Management Laboratory 2015
6. Pada kotak dialog Explore : Plots pada Boxplots klik None, pada Descriptive uncheck
Stem-and-leaf dan klik Normality plots with tests. Klik Continue dan klik Ok pada
kotak dialog Explore dan akan muncul hasil output dari Normalitas :
7. Hasil Output Uji Normalitas karena jumlah data atau df 20 sehingga kita melihat table
Shapiro-Wilk. Dari hasil Sig 0.009, 0.004, dan 0.0 lebih kecil dari α (0.5) sehingga bisa
dilakukan pengujian Kruskal-Wallis.
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Shift Statistic df Sig. Statistic df Sig.
133
Modul Business Statistics II- Management Laboratory 2015
penilaian 16.00-
midnight 0.273 20 0 0.864 20 0.009
midnight-
08.00 0.317 20 0 0.843 20 0.004
08.00-
16.00 0.339 20 0 0.739 20 0
a. Lilliefors Significance
Correction
9. Kemudian akan muncul kotak dialog “Tests for Several Independent Samples”
kemudian pindahkan variable Nilai ke kolom Test Variable List dan Shift ke Grouping
Variable sebagai berikut:
10. Kemudian klik Define Range dan isikan nilai Minimum : 1 dan nilai Maximum : 3
(karena terdiri dari 3 sample) sebagai berikut :
134
Modul Business Statistics II- Management Laboratory 2015
11. Kemudian klik Continue dan klik Ok. Hasil Output dari Kruskal-Wallis Test sebagai
berikut :
Ranks
Mean
Shift N Rank
penilaian 16.00-midnight 20 19.62
midnight-08.00 20 28.7
08.00-16.00 20 43.18
Total 60
Test Statisticsa,b
Penilaian
Chi-Square 20.389
df 2
Asymp. Sig. 0
a. Kruskal Wallis Test
b. Grouping Variable: shift
12. Setelah mendapat Asymp Sig. dan Chi-Square hitung kita memerlukan Chi-Square
Tabel dengan menggunakan tool di spss. Pertama klik Transform dan pilih Compute
Variable.
13. Pada Function Group pilih Inverse DF dan pada Functions and Special Variables pilih
idf. Chisq. Pada Target Variable masukan chisq dan pada Numeric Expression masukan
rumus IDF.CHISQ (prob, df) dimana prob adalah (1-α) = 1-0.05 = 0.95 dan df dapat
dilihat di table output Statistics, yaitu 2 atau K-1 = 3 – 1 = 2 (Note: K adalah banyak
sample yang diuji).
135
Modul Business Statistics II- Management Laboratory 2015
14. Output table Chi-Square akan muncul pada data view yaitu 5.99.
Catatan
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
136
Modul Business Statistics II- Management Laboratory 2015
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
137
Modul Business Statistics II- Management Laboratory 2015
Soal Latihan
138
Modul Business Statistics II- Management Laboratory 2015
2. Kartika mempunyai 1 salon utama di mall pluit village, dan 3 cabang salon di mall
taman anggrek, ciputra dan kelapa gading. Kartika ingin mengetahui apakah sama
kepuasan pelanggan di keempat salon. Berikut hasil rating yang diperoleh (skala 1-
100):
139
Modul Business Statistics II- Management Laboratory 2015
DAFTAR PUSTAKA
Anderson, D. R., Sweeney, D. J., & Williams, T. A. (2011). Statistics For Business and Economics 11e.
South Western: Cengage Learning.
Black, K. (2013). Applied Business Statistics Making Better Bussiness Decisions 7th Edition. Singapore:
John Wiley & Sons.
Ghozali, I. (2013). Aplikasi Analisis Multivariate dengan Program IBM SPSS 21 Updated PLS Regresi.
Semarang: Badan Penerbit Universitas Diponegoro.
Hidayat, A. (2014, July 17). Kruskall Wallis H. Retrieved Maret 20, 2015, from www.statistikian.com:
http://www.statistikian.com/2014/07/kruskall-wallis-h.html
Kelley, W. M., & Donnelly, R. A. (2009). The Humongous Book of Statistics Problems. USA: Penguin
Group.
Ltd, L. R. (n.d.). Chi Square Goodness of Fit Test in SPSS Statistics. Retrieved Juli 28, 2015, from
www.statistics.laerd.com: https://statistics.laerd.com/spss-tutorials/chi-square-goodness-of-fit-test-
in-spss-statistics.php
Putra, Z. (2012, Februari 23). Konsep Data Klasifikasi Jenis dan Macam Pembagian Data dalam
Statistik. Retrieved July 28, 2015, from http://www.scribd.com:
http://www.scribd.com/doc/101086535/Konsep-Data-Klasifikasi-Jenis-Dan-Macam-Pembagian-Data-
Dalam-Statistika#scribd
Santosa, P. B., & Ashari. (2005). Analisis Statistik dengan Microsoft Excel & SPSS. Yogyakarta: Andi.
Santoso, S. (2011). Mastering SPSS Versi 19. Jakarta: PT Elex Media Komputindo.
Sekaran, U., & Bougie, R. (2013). Research Methods for Business. West Sussex: John Wiley & Sons Ltd.
Suseno, B. (2013, April 18). Analisis chi square. Retrieved July 28, 2015, from Statisti Olah Data:
http://www.statistikolahdata.com/2013/04/analisis-chi-square.html
https://statistics.laerd.com/spss-tutorials/wilcoxon-signed-rank-test-using-spss-statistics.php
140