materi statistik

4. PENGERTIAN
STATISTIK
Panni

5. Pengertian Statistik dan Statistika
Secara etimologis kata statistik berasal dari kata status (bahasa latin)
atau kata staat (bahasa Belanda).
Kata statistik diartikan sebagai kumpulan bahan
keterangan (data), baik yang berwujud angka (data
kuantitatif) maupun yang tidak berwujud angka (data
kualitatif) yang mempunyai arti penting bagi suatu
negara.

6. Pengertian Statistik dan Statistika
Dalam kamus Bahasa Indonesia, statistik diartikan dalam dua arti: pertama, statistik
sebagai “ilmu statistik”, dan kedua, statistik diartikan sebagai “ukuran yang diperoleh atau
berasal dari sampel.”
Limmu pengetahuan yang membahas atau mempelajari dan mengembangkan prinsip-prinsip,
metode dan prosedur yang ditempuh atau dipergunakan, dalam rangka pengumpulan, penyusunan,
penyajian, penganalisisan bahan keterangan yang berwujud angka mengenai hal-hal yang berkaitan
dengan pendidikan (khususnya proses belajar mengajar), dan penarikan kesimpulan, pembuatan
perkiraan serta ramalan ilmiah (dalam hal ini secara matematik) atas dasar kumpulan bahan keterangan
yang berwujud angka tadi.

7. MANFAAT SATISTIK
1. Bank data, yaitu menyediakan data untuk diolah dan diinterpretasikan
agar dapat dipakai untuk menerangkan keadaan yang perlu diketahui
atau diungkap.
2. Alat quality kontrol, yaitu sebagai alat pembantu standarisasi dan
sekaligus sebagai alat pengawas.
3. Pemecahan masalah dan pembuatan keputusan, sebagai dasar
penetapan kebijakan dan langkah lebih lanjut untuk mempertahankan,
mengembangkan, lembaga pendidikan dalam pemberian pelayanan
pendidikan.

8. KEGUNAAN STATISTIK
1. Memperoleh gambaran baik secara umum maupun secara khusus,
tentang suatu gejala, peristiwa atau obyek.
2. Menyusun laporan yang berupa data kuantitatif dengan teratur, ringkas
dan jelas.
3. Menarik kesimpulan secara logis, mengambil keputusan secara tepat dan
mantap, serta dapat memperkirakan atau meramalkan hal-hal yang
mungkin terjadi di masa mendatang, dan langkah konkrit apa yang
kemungkinan perlu dilakukan seorang pendidik.

9. MANFAAT SATISTIK
1. Bank data, yaitu menyediakan data untuk diolah dan diinterpretasikan
agar dapat dipakai untuk menerangkan keadaan yang perlu diketahui
atau diungkap.
2. Alat quality kontrol, yaitu sebagai alat pembantu standarisasi dan
sekaligus sebagai alat pengawas.
3. Pemecahan masalah dan pembuatan keputusan, sebagai dasar
penetapan kebijakan dan langkah lebih lanjut untuk mempertahankan,
mengembangkan, lembaga pendidikan dalam pemberian pelayanan
pendidikan.

10. SUMBER REFRENSI
Syah, Darwyan, dkk. 2007. Pengantar Statistik Pendidikan. Jakarta: Gaung Persada
Press
http://staff.uny.ac.id/sites/default/files/handout%20-
%20STATISTIK%20PENDIDIKAN.pdf

11. Statistika
Deskriptif & Iferensial

12. Statistika
Deskriptif
Statistika yang mempelajari sesuatu metode dalam meringkas data, sehingga memberikan
informasi yang berguna.
Efernsial
Ilmu pengetahuan statistik yang bertugas mempelajari tata cara penarikan kesimpulan mengenai
keseluruhan populasi berdasarkan data hasil penelitian pada sampel (bagian dari populasi)

13. Skala pengukur
1
NOMINAL
ORDINAL
INTERVAL
RATIO
2
3
4

14. Bentuk penyajian data deskriptif
Table Distribusi Frekuensi
Digunakan untuk item yang banyak
1
langkah
• Menentukan renge (R)
• Menetukan banyaknya interval kelas (K)
• Menentukan lebar interval (i)
• Menentukan banyak data masuk ke interval kelas (tally)
• Menentukan nilai tengah (m),Frekuensi(f), frekuensi relative(fr)
dan frekuensi kumulatif (fk)
gol darah frek
O 14
A 6
B 10
AB 5
∑ 35

15. Bentuk penyajian data deskriptif
Histogram
Diagram batang dimana lebar batang/ (i) dan tinggi batang/ (tally)
2
0
5
10
15
20
25
f
var

16. Bentuk penyajian data deskriptif
Diagram lingkaran
Digunakan untuk item yang kecil/sedikit dan %
3

17. Bentuk penyajian data deskriptif
Diagram garis
Digunakan untuk mwnwgtahui perkembangan atau trand.
4
0
100
200
300
400
500
600
700
Jan Feb Mar Aprl Mei Jun
jam
kunjungan
pusk
tiap
bln
bulan

18. Mean (rata-rata)
Semua jumlah data dibagi dengan banyaknya data (Observasi).

19. Median (nilai tengah)
Nilai yang membagi seluruh data yang telah diurutkan menjadi dua
bagian yang sama.

20. Modus (nilai yang sering muncul)
Nilai yang mempunyai frekuensi terbesar dan bermanfaat untuk
mengetahui kejadian atau peristiwa yang sering muncul.

21. DATA & VARIABLE
HAKIKAT POPULASI & SEMPEL

22. DATA
Tugas peneliti adalah mendapatkan data untuk ‘mengisi’ variabel penelitian
Data akan sangat bergantung dari definisi operasional variabel penelitian
2 cara memperoleh data:
Primer: data diperoleh langsung dengan sumber
Skunder: data diperoleh tidak langsung dengan
sumber

23. DATA
Data yang tidak bisa diukur dengan angka atau data
yang tidak bisa diangkakan
data yang bisa diangkakan atau dikuantifikasikan
Data
kualitatif
Data
Kuantitatif

24. VARIABEL
IDEPENDEN
DEPENDEN
MODERATOR
INTERVERING
Merupakan variabel yang mempengaruhi atau yang menjadi sebab
perubahan atau timbulnya variabel dependen( terikat)
Merupakan variabel yang dipengaruhi atau yang menjadi
akibat, karena adanya variabel bebas.
Merupakan variabel yang mempengaruhi hubungan antara
variabel independen dengan dependen.
Merupakan variabel yang secara teoritis yang mempengaruhi hubungan
antara variabel independen dengan dependen menjadi hubungan yang
tidak langsung dan tidak dapat diamati dan diukur.
KONTROL
Merupakan variabel yang dapat dikendalikan sehingga pengaruh variabel
independen terhadap dependen tidak dipengaruhi oleh faktor luar yang tidak
diteliti.

25. Berdasarkan Tingkat Pengukuran Variabel Penelitian Yang
Dikuantifikasikan
1. DATA NOMINAL
2. DATA ORDINAL
3. DATA INTERVAL(SCALE)
4. DATA RASIO

26. DATA NOMINAL
Data yang ditetapkan berdasarkan proses
penggolongan atau kategorisasi.
Data nominal ini bersifat diskrit dan saling
terpisah (mutually exlusive) antara golongan
(kategori) yang satu dengan yang lain.
CONTOH
Data tentang jenis kelamin; data tentang pendapat
responden terhadap kenaikan SPP (setuju / tidak
setuju).

27. DATA ORDINAL
Data yang mempunyai urutan atau bisa
diurutkan berdasarkan jenjang atau atribut
tertentu.
Data ordinal juga bersifat diskrit.
CONTOH
Data tentang rangking siswa, hasil lomba pidato bahasa
inggris bagi siswa SLTP, dan sebagainya.

28. DATA RASIO
data yang dalam kuantifikasinya mempunyai nilai nol
(0) mutlak; artinya ‘kuantitas’ nol (0) dapat masuk
sebagai anggota data.
Data rasio bersifat kontinyu.
CONTOH
Dalam penelitian ilmu-ilmu sosial, jarang peneliti
menggunakan data rasio.

29. DATA RASIO
data yang dalam kuantifikasinya mempunyai nilai nol
(0) mutlak; artinya ‘kuantitas’ nol (0) dapat masuk
sebagai anggota data.
Data rasio bersifat kontinyu.
CONTOH
Dalam penelitian ilmu-ilmu sosial, jarang peneliti
menggunakan data rasio.

30. POPULASI
wilayah generalisasi yang terdiri atas objek/subjek
yang ditetapkan oleh peneliti untuk dipelajari dan
kemudian ditarik kesimpulannya
keseluruhan unsur yang akan diteliti yang ciri-
cirinya akan ditaksir (diestimasi). Ciri-ciri populasi
disebut parameter.
kumpulan objek penelitian, bisa berupa kumpulan
orang (individu, kelompok, komunitas, masyarakat,
dll); benda (jumlah gedung/bangunan, tempat, dll).
Populasi yang akan diteliti harus didefinisikan
dengan jelas sebelum penelitian dilakukan.

31. SAMPEL
Sampel: bagian dari populasi yang dapat mewakili
seluruh populasi
Sampel: sebagian unsur populasi yang dijadikan
objek penelitian.
Sampel: miniatur (mikrokosmos) populasi
Sampel yang memiliki ciri karakteristik yang sama
atau relatif sama dengan ciri karakteristik
populasinya disebut sampel representatif.
Ciri karakteristik sampel disebut statistik

32. REFRENSI
https://ekonometrikblog.files.wordpress.com/2017/10/
macam-macam-data-dan-variabel-dalam-penelitian.pdf
Jam 15.00 wib 12 September 2019

33. DISTRIBUSI
FREKUENSI

34. PENGERTIAN
• Daftar yang memuat data berkelompok
• Susunan data menurut kelas- kelas interval tertentu atau menurut kategori
tertentu dalam sebuah daftar.

35. BAGIAN-BAGIAN DISTRIBUSI FREKUENSI
• Kelas-kelas (class)
• Batas kelas (class limit)
• Tepi kelas (class boundary)
• Titik tengah kelas (class mid point)
• Interval kelas (class interval)
• Panjang interval kelas (interval size)
• Frekuensi kelas (class frequency)
1 Kelas-kelas (class)

36. BAGIAN-BAGIAN DISTRIBUSI FREKUENSI
1. Kelas-kelas
kelas adalah kelompok nilai data atau variable
2. Batas kelas
Nilai-Nilai yang membatasi kelas yang satu dengan yang lain.
3. Tepi kelas
Batas kelas yang tidak memiliki lubang untuk angka tertentu antara kelas yang satu dengan yang lain.

37. BAGIAN-BAGIAN DISTRIBUSI FREKUENSI
4. Titik tengah kelas
Angka atau nilai data yang tepat terletak ditengah suatu kelas, dan merupakan nilai
yang mewakili kelasnya.
5. Interval kelas
Selang yang memisahkan kelas yang satu dengan kelas yang lain.
6. Panjang interval kelas
Jarak antara tepi kelas dan tepi bawah kelas.
7. Frekuensi kelas
Banyaknya data yang termasuk kedalam kelas tertentu.

38. PENYUSUNAN DISTRIBUSI FREKUENSI
1. Mengurutkan data dari terkecil sampai terbesar
2. Menentukan jangkauan (range) dari data
3. Menentukan banyaknya kelas
4. Menetukan Panjang interval kelas
5. Menentukan batas bawah kelas pertama
6. Menghitung frekuensi kelas

40. PENGERTIAN TES
 Tes/Instrumen adalah langkah-langka atau prosedur yang sistematik dalam bentuk tugas-tugas untuk
diamati, dijawab, dan direspon baik berupa tulisan maupun tindakan dengan skala numerik atau sistem
kategori. Intinya tes merupakan alat ukur yang memiliki standar objektif dengan begitu dapat
dipergunakan untuk mengukur dan membandingkan keadaan individu.
 Azwar (1987:3) menyatakan bahwa tes adalah suatu prosedur yang sistematis:
a .Butir butir dalam tes, disusun menurut cara dan aturan tertentu.
b. Prosedur administrasi tes dan pemberian angka (scoring) terhadap hasilnya harus jelas dan
spesifikasi secara terperinci
c. Setiap orang mengambil tes itu harus mendpatkan butir-butir yang sama dalam kondisi yang
sebanding.

41. PENGERTIAN VALIDITAS
 Validitas maksud artinya dari kata validity atau valid/tepat.
Maksudnya sejauh mana ketepatan dan kecermatan suatu
instrumen pengukur (tes) dalam mengukur. Validitas bertugas
untuk menguji ketepatan sebuah instrumen yang akan
diukur.
 Validitas dibagi menjadi tiga:
1.Content Validity
2.Construct Validity
3.Validitas Empiris/Kriteria

42.  Uji validitas dilakukan pada setiap butir
pertanyaannya. Hasil r hitung kita bandingkan
dengan r tabel dimana df=n-2 dengan sig 5%. Jika r
tabel < r hitung maka valid. Ada beberapa rumus
dalam mencari validitas, salah satunya memakai
teknik korelasi Product Moment dengan rumus
sebagai berikut:

43. RUMUS

44. PENGERTIAN RELIABILITAS
 Reliabilitas berasal dari kata reliability dalam bahasa inggris dan berasal dari kata reliable yang artinya
dapat dipercaya, konsisten, keandalan. Berarti sejauh mana hasil pengukuran dapat dipercaya dan tidak
bertentangan
 Jenis-jenis Reliabilitas:
Jaali dan Pudji (2008) membedakan reliabilitas menjadi 2 macam, yaitu :
1. Reliabilitas Konsistensi tanggapan
2. Reliabilitas Konsistensi gabungan butir

45. Langkah-langkah mencari Valditas dan Reliabilitas
menggunakan Aplikasi Exel dan SPSS
1. Masukkan data ke dalam Ms. Exel
2. Pindahkan data tersebut kedalam SPSS dengan mengcopynya.
3. Kilik Analyze, pilih Correlate dan pilih Bivariate
4. Maka muncul tampilan Bivatiate Corelations, sellect semua item dan import dengan mengeklik tanda panah.
5. Item pindah ke Variables, centang pearson, two-tailed, dan flag significant correlations, setelah itu klik Ok
6. Muncul Correlations
7. Mencari reliabilitas
8. Select seluruh item kecuali jumlah, klik panah
9. Klik Model, pilih Alpha
10. Untuk membaca reliabilitas, ada rumusnya:
Cronbach’s Alpha > 0,6 atau 0,7 untuk dikatakan data tersebut Real.
.461 < 0,6 maka tidak real.

46. Mean
Median
Modus

47. Mean
rata-rata Hitung
Rata-rata hitung dari suatu rangkaian data adalah jumlah
seluruh nilai data dibagi banyaknya data.
Rumus :
𝛍 =
𝐱𝟏+𝐱𝟐+⋯+𝐱𝐧
𝐍
atau 𝛍 = 𝐢=𝟏
𝐍
𝐱𝐢
𝐍
Keterangan :
𝛍 = rata-rata x
N = banyaknya data

48. 1. Rata-rata
hitung data tunggal
Tentukan rata-rata dari rangkaian data berikut : 7, 5, 8, 6, 9,
7
Solusi
𝛍 =
𝟕 + 𝟓 + 𝟖 + 𝟔 + 𝟗 + 𝟕
𝟔
=
𝟒𝟐
𝟔
= 𝟕
Jadi rata-rata hitung = 7

49. Rata-rata
hitung data
berbobot
Tentukan rata-rata dari rangkaian data berikut :
Solusi
∑fx = 67 dan ∑f = 10
𝛍 =
𝐟(𝐱)
𝐟
=
𝟔𝟕
𝟏𝟎
= 𝟔, 𝟕
Jadi rata-ratanya adalah 6,7

50. Rata-rata
hitung data
kelompok
Tentukan rata-rata dari data pada tabel berikut : Dari tabel
diperoleh ∑f = 50 dan ∑f.m = 2695
𝛍 =
𝐟.𝐦
𝐟
=
𝟐𝟔𝟗𝟓
𝟓𝟎
= 𝟓𝟑, 𝟗
Jadi rata-ratanya adalah 53,9
Kelas Interval Frek. (f)
20 – 29 4
30 – 39 7
40 – 49 8
50 – 59 12
60 – 69 9
70 – 79 8
80 – 89 2
Jumlah 50

51. Median
Median adalah nilai tengah dari
kumpulan data yang tersusun
secara teratur (diurutkan menurut
besarnya)
Median membagi data menjadi dua
bagian yang sama sehingga
median disebut juga ukuran letak.

52. Median
Rumus :
𝐌𝐝 = 𝐋𝐦𝐞 +
𝟏
𝟐𝐧− 𝐟
𝐟𝐦
𝐢
Di mana
Md = Median data kelompok
Lme = batas bawah kelas median
n = Jumlah frekuensi
𝐟 = frek. Kumulatif klas sebelum klas median
Fm = frekuensi klas median
i = interval klas median

53. Modus
Modus adalah nilai data yang sering
muncul (yang paling banyak
frekuensinya). Modus berguna untuk
mengetahui tingkat seringnya terjadi
suatu peristiwa.
Serangkaian data mungkin memiliki
dua modus (Bimodal), memiliki tiga
modus (trimodal), atau lebih dari dua
(Multimodal)

54. Modus
Contoh :
Tentukan modus dari rangkaian data :
a. 7, 5, 8, 6, 9, 7, 10
b. 7, 8, 6, 9, 7, 10, 6, 5
Solusi
a. 5, 6, 7, 7, 8, 9, 10
disini nilai yg sering muncul adalah 7
jadi modusnya = 7
b. 5, 6, 6, 7, 7, 8, 9, 10
disini nilai yg sering muncul adalah 6 & 7
jadi modusnya 6 dan 7

55. Modus
Rumus :
𝐌𝐨 = 𝐋𝐦𝐨 +
𝐝𝟏
𝐝𝟏 + 𝐝𝟐
𝐢
Di mana
𝐋𝐦𝐨 = tepi bawah kelas modus
𝐝𝟏 = selisih frekuensi kelas modus dengan
frekuensi kelas sebelumnya
𝐝𝟐 = selisih frekuensi kelas modus dengan frekuensi
kelas sesudahnya
i = interval kelas

56. SPSS
Statistical Product and Service Solutions.

57. KEGUNAAN SPSS
SPSS banyak digunakan dalam berbagai riset pemasaran, pengendalian dan perbaikan mutu
(quality improvement), serta riset-riset sains. SPSS pertama kali muncul dengan versi PC (bisa
dipakai untukkomputer desktop) dengan nama SPSS/PC+ (versi DOS). Tetapi, dengan mulai
populernya sistem operasi windows

58. SEJARAH SPSS
SPSS (awalnya, Paket Statistik untuk Ilmu Sosial) dirilis di versi pertama yaitu pada tahun 1968 setelah
dikembangkan oleh Norman H. Nie dan C. Hadlai Hull. Norman Nie sendiri yaitu seorang ilmuan politik
pasca sarjana di Stanford University, saat itu sedang mengadakan Riset Profesor di Departemen Ilmu Politik
di Stanford dengan Profesor Emeritus Ilmu Politik di University of Chicago.

59. PENGGUNAAN SPSS
 Market research
 Analisis data survey / kuisioner
 Penelitian akademik mahasiswa
 Keperluan pemerintahan seperti BPS
 Data Mining
 Penelitian Kesehatan Masyarakat
 Representasi data statistik

60. FITUR-FITUR SPSS
 Statistika deskriptif
 Statistika bivariat  Regresi linear
 Identifikasi kelompok  Analisis spasial
 R Extension

62. KORELASI
•
.
Nilai r berada antara -1
sampai dengan +1. Nilai r
positif, berarti bila x naik
maka y naik. Nilai r negatif,
berarti bila x naik maka y
turun atau sebaliknya.

63. 1.
2.
Terdapat dua metode korelasi untuk jenis data dengan distribusi
normal yaitu, korelasi pearson dan korelasi parsial

64. 1. Korelasi positif sempurna (r = +1)
2. Korelasi negatif sempurna (r = -1)
3. Tidak ada korelasi (r = 0)
4. Korelasi positif (0 < r < +1)
5. Korelasi negatif (-1 < r < 0)

65. KAJIAN
TERHADAP HUBUNGAN SATU VARIABEL TERIKAT DENGAN SATU
ATAU DUA VARIABEL BEBAS

66. 1. JENIS/TINGKATAN DATA INTERVAL ATAU RASIO
2. DISTRIBUSI DATA NORMAL DAN LINEAR

67. •

68. UJI KORELASI SPEARMANRANK

69. SPEARMAN-RANK
Koefisien korelasi Spearman atau Spearman,s coefficient of (Rank) correaltion dan
Kendall digunakan untuk pengukuran statistik non-Parametrik dan data ordinal. korelasi
Spearman dan Keandall pada awalnya akan melakukan perangkingan terhadap data
penelitian, kemudian baru dilakukan pengujian korelasinya.
Catatan: Korelasi spearmen mirip dengan regresi, namun ditunjukan untuk statistic non
parametric. Korelasi spearmen menunjukkan sebab akibat.

70. TUJUAN
• Melihat tingkat kekuakatan (keeratan) hubungan
dua variabel
• Melihat arah (jenis) hubungan dua variabel
• Melihat apakah hubungan tersebut signifikan
atau tidak

71. KRITERIA TINGKAT KEKUATAN KORELASI
Dalam menentukan tingkat kekuatan hubungan antar variabel, kita dapat
berpedoman pada nilai koefisien korelasi yang merupakan hasil output SPSS, dengan
ketentuan:
• Nilai koefisien korelasi sebesar 0,00-0,25 = hubungan sangat lemah
• Nilai koefisien korelasi sebesar 0,26-0,50 = hubungan cukup
• Nilai koefisien korelasi sebesar 0,51-0,75 = hubungan kuat
• Nilai koefisien korelasi sebesar 0,76-0,99 = hubungan sangat kuat
• Nilai koefisien korelasi sebesar 1,00 = hubungan sempurna

72. KRITERIA ARAH KORELASI
Arah korelasi dilihat pada angka koefisien korelasi
sebagaimana tingkat kekuatan korelasi.
Besarnya nilai koefisien korelasi tersebut terletak antara
+1 sampai dengan -1. Jika koefisien korelasi bernilai positif,
maka hubungan kedua variabel tersebut searah. Maksud dari
hubungan yang searah ini adalah jika variabel X meningkat
maka variabel Y juga meningkat. Sebaliknya, jika koefisien
bernilai negatif makan hubungan kedua variabel tersebut
tidak seraha. Tidak searah artinya jika variabel X meningkat
maka variabel Y akan menurun.

73. KRITERIA SIGNIFIKAN KORELASI
Kekuatan dan arah korelasi (hubungan) akan mempunyai arti
jika hubungan antar variabel tersebut bernilai signifikan.
Dikatakan ada hubungan yang signifikan, jika nilai Sig. (2-tailed)
hasil perhitungan lebih kecil dari nilai 0,05 atau 0,01. Sementara
itu, jika nilai sig. (2-tailed) lebih besar dari 0,05 atau 0,01 maka
hubungan antar variabel tersebut dapat dikatakan tidal signifikan
atau tidak berarti.

74. DATA KUALITAS PRODUK
• Sangat tidak berkualitas (STB) diberi nilai 1
• Tidak berkualitas (TB) diberi nilai 2
• Cukup berkualitas (CB) diberi nilai 3
• Berkualitas (B) diberi nilai 4
• Sangat berkualitas (SB) diberi nilai 5

75. DATA KEPUASAN KONSUMEN
• Sangat tidak puas (STP) diberi nilai 1
• Tidak puas (TP) diberi nilai 2
• Cukup Puas (CP) diberi nilai 3
• Puas (P) diberi nilai 4
• Sangat Puas (SP) diberi nilai 5

76. CONTOH UJI KORELASI SPEARMAN-RANK
No Kualitas Produk (X) Kepuasan Konsumen (Y)
1 TB CP
2 CB CP
3 B P
4 B SP
5 CB P
6 SB SP
7 SB SP
8 B SP
9 SB SP
10 B P

77. No Kualitas Produk (X) Kepuasan Konsumen (Y)
1 2 3
2 3 3
3 4 4
4 4 5
5 3 4
6 5 5
7 5 5
8 4 5
9 5 5
10 4 4

78. LANGKAH

85. MELIHAT TINGKAT KEKUATAN (KEERATAN)
HUBUNGAN VARIABLE KUALITAS PRODUK DENGAN
KEPUASAN KONSUMEN
Dari ouput diatas, diperoleh angka koefisien
korelasi sebesar 0,838**. Artinya, tingkat
kekuatan hubungan (korelasi) antara variable
kualitas produk dengan kepuasan konsumen
adalah sebesar 0,838 atau sangat kuat. Tanda
bintang (**) artinya korelasi bernilai signifikasi
pada angka signifikasi sebesar 0,01.

86. MELIHAT ARAH (JENIS) HUBUNGAN VARIABEL
KUALITAS PRODUK DENGAN KEPUASAN
KONSUMEN
Angka koefisien korelasi pada hasil diatas, bernilai positif, yaitu 0,838, sehingga
hubungan kedua variable tersebut bersifat searah (jenis hubungan searah), dengan
demikian dapat dirtikan bahwa kualitas produk maka kepuasan konsumen juga akan
meningkat.

87. INTERPRETASI OUTPUT UJI KORELASI
SPEARMAN-RANK
• Melihat tingkat kekuatan (keeratan) hubungan
antar variable
• Melihat arah (jenis) hubungan antar variable
• Melihat apakah hubungan tersebut signifikan
atau tidak

88. SIGNIFIKASI HUBUNGAN KEDUA VARIABEL
Berdasarkan output diatas, diketahui nilai signifikasi atau
sig. (2-tailed) sebesar 0,002, karena nilai Sig. (2-tailed)
0,002< lebih kecil dari 0,05 atau 0,01 maka artinya ada
hubungan yang signifikan (berarti) antara variable
kualitas produk dengan kepuasan konsumen.

89. UJI ONE SAMPLE T TEST
AHMAD HANIF
1850029

90. Konsep dasar
1. Uji one sample t test di sebut juga dengan uji t satu
sample
2. Digunakan untuk membandingkan rata-rata sampel yang
diteliti dengan rata-rata populasi yang sudah ada.
3. uji one sample t-test dapat juga dipakai untuk menguji
hipotesis hipotesis dalam statistik deskriptif Jika data
penelitian berskala interval atau rasio.
4. Uji one sample t-test merupakan bagian dari statistik
parametrik Oleh karena itu asumsi dasar yang harus
terpenuhi adalah data penelitian berdistribusi normal.

91. Langsung ke contoh
1. seorang peneliti membuat dugaan yang menyatakan bahwa" nilai
rata-rata hasil belajar siswa yang aktif di OSIS adalah 75".
2. untuk membuktikan hal tersebut, peneliti memilih cara random
atau acak 12 orang siswa yang aktif di OSIS.
3. Syarat untuk menguji one sample t test harus menguji normalitas
data terlebih dahulu.

92. NO. RATA-RATA HASIL
BELAJAR
1
2
3
4
5
6
7
8
9
10
11
12
78,3
74,7
80,5
83,5
75
77,6
73,5
83,5
78.5
73.7
81.5
77
1. Buka program SPSS , Kemudian klik variabel
view, selanjutnya isikan nama variabel dan
ketentuan lainnya sebagai pedoman di
bawah ini.
2. selanjutnya klik pada tab view lalu
masukkan data nilai rata-rata hasil belajar
ke 12 orang siswa di atas ke kolom hasil.
3. langkah pertama kita akan melakukan uji
normalitas terlebih dahulu caranya klik
analisis- deskriptif statistik - Explorer......
4. Muncul kotak dialog "Explorer" kemudian
masukkan variabel hasil belajar ke kotak
dependent list lalu klik plots….
Dasar keputusan uji normalitas
 jika nilai Sig > 0,05 maka data
berdistribusi normal.
 jika nilai Sig < 0,05 maka data tidak
berdistribusi normal.
Langkah-langkah uji one sample
t-test dengan spss.

93. 5. Muncul kotak dialog" Explorer : plots", lalu berikan tanda centang
pada normality plot with tests kemudian klik continue dan oke.
6. Kita akan mengetahui kenormalan data (test of normality)
7. selanjutnya kita akan melakukan uji one sample t-test cara klik
menu analyze -compare means- one sample t-test…
8. Maka muncul kotak dialog "one sample t-test" selanjutnya masukkan
variabel hasil belajar ke kota tes variabel(s) pada bagian tes Vallen
ketika 75.
9. Terakhir klik ok Maka akan muncul output t test
Langkah-langkah uji one sample
t-test dengan spss.

94. Rumus hipotesis penelitian dalam
uji one sample t-test
• Ho= nilai rata-rata hasil belajar siswa yang aktif di osis sama
dengan nilai 75.
• Ha= nilai rata-rata hasil belajar siswa yang aktif di OSIS tidak sama
dengan nilai 75.

95. 1. Membandingkan nilai Sig (signifikansi) dengan 0,05
2. Membandingkan nilai t-hitung dengan t-tabung
3. Melihat perbandingan nilai t-hitung dengan t-tabung
dengan kurva
Dasar pengambilan keputusan uji one
sample t-test dapat di lakukan dengan 3
cara
1. Membandingkan nilai Sig (signifikansi) dengan 0,05
2. Membandingkan nilai t-hitung dengan t-tabung
3. Melihat perbandingan nilai t-hitung dengan t-tabung
dengan kurva
Dasar pengambilan keputusan uji one
sample t-test dapat di lakukan dengan 3
cara

97.  Dependent T-test dilakukan dengan melakukan
pengujian terhadapa dua sampel yang berpasangan
atau berkolerasi untuk mengetahui ada atau
tidaknya perbedaan yang signifikan antara nilai
variabel dari dua sampel tersebut

98. Satu sampel yang diukur dua kali
Dua sampel berpasangan diukur
bersamaan

99. Uji komparasi antar dua nilai
pengamatan berpasangan
Digunakan pada uji parametrik

100.  Uji Dua Arah
 Uji Satu Arah
 Uji Satu Arah Alternatif

101. CARA MENGUJI INDEPENDEN
SAMPLE T-TEST DENGAN SPSS
 Langkah pertama adalah menguji asumsi
normalitas, outlier dan homogenitas. Yaitu pada
menu SPSS, klik Analyze, Descriptive Statistics,
Explore.
 Klik tombol Plots, setelah muncul jendela, centang
Factor levels together, Stem-and-leaf, Histogram,
Normality plots with tests dan Power estimation.
Kemudian Klik Continue.

102. PAIRED SAMPLE T-TEST

103. “Paired Sample T-Test adalah dua pengukuran
pada subjek yang sama terhadap suatu
pengaruh atau perlakuan tertentu“

104. Fungsi dari paired sample T-test adalah
untuk membandingkan rata-rata dua grup yang
saling berpasangan.

105. SYARAT-SYARAT PENGGUNAAN PAIRED
SAMPLE T-TEST
1. Uji komparasi antar dua nilai pengamatan berpasangan misalnya: sebelum
dan sesudah
2. Digunakan pada uji parametrik

106. LANGKAH-LANGKAH MENGOLAH DATA
MENGGUNAKAN UJI PAIRED SAMPLE T-TEST
PADA SPSS
1.Masukkan data ke data editor dengan mendefinisikan variabel pada
Variabel View
2.Klik Analyze > Compare Means > Paired-Samples T Test
3.Memasukkan variabel dari sampel berpasangan
4.Klik OK

107. ANOVA
ANALYSIS OF VARIANTA

108. ANALYSIS OF VARIANT
METODE ANALISIS STATISTIK YANG MERUPAKAN CABANG
DARI STATISTIK INFERENSIAL DAN DIGUNAKAN UNTUK
MENGUJI PERBEDAAN RATA-RATA DATA ≥2 VARIABEL.
UNTUK MENGUJI PERBEDAAN RATA-RATA DARI 2 ATAU LEBIH
KELOMPOK, MAKA KITA HARUS MEMBANDINGKAN
VARIANNYA.

109. ASUMSI YANG HARUS DIPENUHI
• NILAI PADA SUATU KELOMPOK TIDAK BERKAITAN DENGAN
KELOMPOK LAIN
• SAMPEL INDEPENDEN
• VARIAN HOMOGEN
• DATA BERDISTRIBUSI NORMAL

110. PRINSIP PENGUJIAN
MENGANALISIS VARIABILITAS ATAU KERAGAMAN DATA MENJADI DUA SUMBER
VARIASI, YAITU VARIASI DALAM KELOMPOK (WITHIN) DAN VARIASI ANTAR
KELOMPOK (BETWEEN).
BILA VARIASI WITHIN DAN BETWEEN SAMA MAKA RATA-RATA YANG DIHASILKAN
TIDAK ADA PERBEDAAN, SEBALIKNYA BILA HASIL PERBANDINGAN KEDUA
VARIAN TERSEBUT MENGHASILKAN NILAI LEBIH DARI 1, MAKA RATA-RATA YANG
DIBANDINGKAN MENUNJUKKAN ADANYA PERBEDAAN.

111. CONTOH
• TWO WAY ANOVA
• ONE WAY ANOVA
MENGUJI HIPOTESIS KOMPARATIF RATA-RATA K
SAMPEL, BILA PADA SETIAP SAMPEL HANYA TERDIRI
ATAS SATU KATEGORI
MENGUJI HIPOTESIS KOMPARATIF RATA-RATA K
SAMPEL BILA PENELITI MELAKUKAN KATEGORISASI
TERHADAP SAMPEL

112. CONTOH
PAK HAMDAN INGIN MENGUJI APAKAH ADA PERBEDAAN RATA-RATA HASIL
BELAJAR MATA PELAJARAN BAHASA ARAB PADA 3 KELOMPOK SISWA DENGAN
MENGGUNAKAN GAYA BELAJAR YANG BERBEDA, YAITU SISWA DENGAN GAYA BELAJAR VISUAL,
AUDITORI, DAN KINESTETIK. DENGAN SAMPEL ACAK SEBANYAK MASING-MASING 5 SISWA.

113. ANOVA BUTUH HIPOTESIS DUA ARAH
H0: TIDAK ADA PERBEDAAN …
H1: ADA PERBEDAAN …
H0 DITOLAK JIKA NILAI SIG < 0,05 DAN H1 DITERIMA
H0 DITERIMA JIKA NILAI SIG > 0,05 DAN H1 DITOLAK