Dokumen tersebut membahas tentang statistik dan SPSS. Secara ringkas, statistik adalah ilmu yang mempelajari pengumpulan, analisis, dan interpretasi data, sedangkan SPSS adalah perangkat lunak aplikasi statistik yang populer untuk melakukan analisis data dan membuat laporan hasilnya. Dokumen ini juga menjelaskan beberapa komponen penting dalam statistik seperti populasi, sampel, statistik inferensi, dan jenis-jenis data.

1. 12
BAB II
DASAR TEORI
2.1 Pengertian dan Peran Statistik
Statistik adalah cabang ilmu yang mempelajari bagaimana
mengumpulkan,menganalisis,dan menginpretasikan data.Atau kata lain,statistika
menjadi semacam alat dalam melakukan suatu riset empiris.
Statistika pada masa kini mempengaruhi hampir seluruh aspek kehidupan
modern.(Ilham Fahlul Hoir:2009)
SPSS sendiri merupakan software aplikasi statistik yang sangat populer,baik bagi
praktisi yang sedang melakukan riset maupun bagi mahasiswa yang sedang
menyelesaikan tugas akhir.(C.Trihendradi:2012)
Dengan SPSS kita dapat memakai hampir dari seluruh tipe data dan menggunakannya
untuk membuat laporan berbentuk tabulasi,chart (grafik),plot (diagram)dari berbagai
distribusi,statistik deskriptif,dan analisis statistik yang kompleks.
Keunggulan dari SPPS for Windows diantaranya adalah diwujudkan dalam
menu dan kotak-kotak dialog antarmuka (dialog interface) yang cukup memudahkan
para user dalam perekaman data (data entry),memberikan perintah dan sub-sub
perintah analisis hingga menampilkan hasilnya.Disamping itu SPSS juga memilki
kehandalan dalam menampilkan chart atau plot hasil analisis sekaligus kemudahan
penyuntingan bilamana diperlukan.
Adapun kebutuhan sistem SPSS 20 adalah sebagai berikut :

2. 13
 Sistem operasi : Windows XP (32 bit),Windows Vista (32 atau 64 bit) dan
Windows 7 (32 atau 64 bit)
 Hardware : Intel pentium atau MDx86 compatible processor 1 GHz atau yang
lebih tinggi.
 Memori minimum 1GB RAM
Minimum free hard drive 800 MB. (C.Trihendradi:2012)
Dalam menunjang kerjanya,SPSS for Windows menggunakan enam tipe
Windows,yaitu :SPSS Data Editor,output Windows ,Syntax Window,Chart
Carousel,Chart Window,dan Help Window.
Elemen-elemen yang ada dalam suatu persoalan statistik yaitu
1. Populasi
Kata populasi
Kata populasi (population/universe) dalam statistika merujuk pada
sekumpulan individu dengan karakteristik khas yang menjadi perhatian dalam
suatu penelitian (pengamatan).Banyaknya pengamatan atau anggota suatu
populasi disebut ukuran populasi.Populasi dapat didefinisikan sebagai
sekumpulan data yang mengidentifikasi suatu fenomena. Populasi dalam statistik
juga hanya terbatas pada masalah-masalah manusia atau bisnis, namun luas
seperti populasi tanaman buncis disuatu daerah populasi tanaman sayuran ” X ”
disuatu lahan pertanian. Populasi dapat sedemikian besarnya hingga dapat
dikatakan tak terbatas, seperti populasi oksigen didunia dan populasi ikan

3. 14
dilautan.Ukuran populasi ada dua,pertama populasi terhingga (finite
population),yaitu ukuran populasi pegawai suatu perusahaan,kedua,populasi tak
terhingga (infinite population),yaitu ukuran populasi yang sudah
sedemikianbesarnya sehingga sudah tidak bisa dihitung (uncountable).Misalnya
tanaman anggrek di dunia.
2. Sampel
Sampel dapat didefinisikan sebagai sekumpulan data yang diambil atau
diseleksi dari suatu populasi. Dengan kata lain, sampel adalah sebagian dari
populasi, atau populasi dapat dibagi dalam berbagai jenis sampel.
Pengambilan sampel dilakukan karena dalam praktek banyak kendala yang
tidak memungkinkan seluruh populasi diteliti. Kendala tersebut dapat karena
situasi, waktu, tenaga, biaya dan sebagainya. Misalnya saja, tidak mungkin diteliti
seluruh ikan diseluruh lautan, atau akan menghabiskan banyak waktu dan biaya
jika seluruh pegawai wanita di Indonesia diteliti. Oleh karena itu, pengambilan
sampel ( contoh ) data pada banyak kasus statistik merupakan suatu kebiasaan dan
karenanya metode pengambilan sampel menjadi bagian penting dari statistik.
3. Statistik Inferensi
Statistik inferensi pada dasarnya adalah suatu keputusan, perkiraan atau
generalisasi tentang suatu populasi berdasarkan informasi yang terkandung dari
suatu sampel. Jadi, apa yang disimpulkan dari analisis terhadap sampel, itu pula
yang digeneralisasikan ( kesimpulan umum ) pada populasi.
4. Pengukuran Reliabilitas dari Statistik Inferensi

4. 15
Tujuan statistik pada dasranya adalah melakukan deskripsi terhadap data
sampel, kemudian melakukan inferensi terhadap populasi data berdasar informasi
( hasil statistik deskriptif ) yang terkandung dalam sampel. Namun, karena sampel
yang diambil hanyalah sebagian dari populasi, dapat terjadi bias dalam
kesimpulan yang diambil. Sebagai konsekuensi dari kemungkinan timbulnya
berbagai bias dalam inferensi, perlu diukur reliabilitas dari setiap inferensi yang
telah dibuat seperti pelaporan adanya prediksi kesalahan terhadap suatu
keputusan.
Pengertian data pada statistik agak berbeda dengan pengertian data pada
umumnya, yang membagi data menjadi data numerik dan non numerik ( string ).
Walaupun data tersebut menjadi data adalah string ( bukan angka, seperti jenis
kelamin ), namun dapat dijadikan numerik. Tipe data yang berbeda. Data dalam
statistikberdasarkan tingkat pengukurannya ( level of masurement ) dapat dibedajkan
dalam empat jenis ( nominal, ordinal, interval dan rasio ).
1. Data kualitatif ( Qualitative Data ) atau Data Non Numerik
Data kualitatif secara sederhana dapat disebut data hasil kategorisasi (
pemberian kode ) untuk isi data yang berupa kata, seperti warna favorit , tempat
tinggal, pekerjaan dan sebagainya. Data kualitatif mempunyai ciri tidak dapat
dilakukan operasi metematika, seperti penambahan, pengurangan, perkalian dan
pembagian. Data kualitatif dapat dibagi menjadi 2 yaitu
a. Data nominal

5. 16
Data bertipe nominal adalah data yang paling rendah dalam level
pengukuran data. Jika suatu pengukuran data hanya menghasilkan satu dan
hanya satu-satunya kategori, data tersebut adalah data nominal ( data kategori
). Misalnya proses pendataan jenis kelamin 50 responden dalam suatu
penelitian. Dalam kasus ini setiap orang akan berjenis kelamin yang berbeda
yaitu laki-laki atau perempuan, tidak dapat yang lain.
Data nominal dalam praktek statistik biasanya akan dijadikan ” angka
” yaitu proses yang disebut kategorisasi. Misalnya dalam pengisian data jenis
kelamin laki-laki dikategorikan sebagai ’1’ dan perempuan sebagai ’2’.
Kategori ini hanya sebagai tanda saja, tidak dapat dilakukan operasi
matematika, seperti 1 + 2 atau 1 – 2 dan lainnya.
Skala yang paling primitif, yang hanya bisa menyatakan apakah dua
buah nilai sama atau tidak,dan murni kualitatif. Jika sebuah ruang sampel
eksperimen terdiri dari kategori tanpa urutan yang alami,maka variabel acak
yang berkaitan terskala secara nominal. Angka-angka atau jumlah berbeda
yang ditugaskan untuk memberi hasil biasanya mengindikasikan apakah
sembarang dua keluaran (outcome) sama atau tidak ( Anonim, 2009 ).
Namun untuk membandingkan dua opini, kita hanya bisa
merelasikannya sebatas kesamaan jenis atau tidak. Angka atau jumlah tersebut
tidak menghasilkan ranking. Variabel binary atau Variabel dikotomus adalah
variabel yang memiliki tepat dua outcome yang eksklusif satu sama lainnya.

6. 17
Jika angka-angka indikator yang ditentukan tersebut menyampaikan informasi
tentang ranking kategori, maka
variabel binari dapat juga dianggap terskala secara ordinal ( Anonim, 2009 ).
Jika kategori (peristiwa) yang merupakan ruang sampel tersebut
bersifat ekslusif satu dengan lainnya, misalnya sebuah elemen statistik bisa
berhubungan dengan lebih dari satu kategori, maka variabel tersebut
dinamakan kumulatif. Sebagai contoh, seseorang bisa menerima kualifikasi
kategoriprofesional yang berbeda. Tapi hanya bisa satu pekerjaan saja yang
fulltime ( Anonim, 2009 ).
b. Data Ordinal
Bagian lain dari data kontinum adalah data ordinal. Data ini, selain
memiliki nama (atribut), juga memiliki peringkat atau urutan. Angka yang
diberikan mengandung tingkatan. Ia digunakan untuk mengurutkan objek dari
yang paling rendah sampai yang paling tinggi, atau sebaliknya. Ukuran ini
tidak memberikan nilai absolut terhadap objek, tetapi hanya memberikan
peringkat saja. Jika kita memiliki sebuah set objek yang dinomori, dari 1
sampai n, misalnya peringkat 1, 2, 3, 4, 5 dan seterusnya, bila dinyatakan
dalam skala, maka jarak antara data yang satu dengan lainnya tidak sama. Ia
akan memiliki urutan mulai dari yang paling tinggi sampai paling rendah.
Atau paling baik sampai ke yang paling buruk. Misalnya dalam skala Likert
(Moh Nazir), mulai dari sangat setuju, setuju, ragu-ragu, tidak setuju sampai
sangat tidak setuju. Atau jawaban pertanyaan tentang kecenderungan

7. 18
masyarakat untuk menghadiri rapat umum pemilihan kepala daerah, mulai
dari tidak pernah absen menghadiri, dengan kode 5, kadang-kadang saja
menghadiri, dengan kode 4, kurang menghadiri, dengan kode 3, tidak pernah
menghadiri, dengan kode 2 sampai tidak ingin menghadiri sama sekali,
dengan kode 1. Dari hasil pengukuran dengan menggunakan skala ordinal ini
akan diperoleh data ordinal. Alat analisis (uji hipotesis asosiatif) statistik
nonparametrik yang lazim digunakan untuk data ordinal adalah Spearman
Rank Correlation dan Kendall Tau. .(
http://suhartoumm.blogspot.com/2008/12/transformasi-variabel-ordinal.html)
2. Data kuantitatif ( Quantitative Data ) atau data Numerik
Pengukuran variabel kuantitatif dapat juga ditafsirkan dengan istilah
jarak antara berbagai observasi tanpa adanya pengurutan yang alami (
Anonim:2009).Data kuantitatif dapat disebut sebagai data berupa angka dalam
arti sebenarnya. Jadi, berbagai operasi matematika dapat dilakukan pada data
kuantitatif. Data kuantitatif dapat juga dibagi menjadi 2 bagian yaitu
a. Data Interval
Pemberian angka kepada set dari objek yang mempunyai sifat-sifat
ukuran ordinal dan ditambah satu sifat lain, yakni jarak yang sama pada
pengukuran dinamakan data interval. Data ini memperlihatkan jarak yang
sama dari ciri atau sifat objek yang diukur. Akan tetapi ukuran interval tidak
memberikan jumlah absolut dari objek yang diukur. Data yang diperoleh dari

8. 19
hasil pengukuran menggunakan skala interval dinamakan data interval.
Misalnya tentang nilai ujian 6 orang mahasiswa, yakni A, B, C, D, E dan F
diukur dengan ukuran interval pada skala prestasi dengan ukuran 1, 2, 3, 4, 5
dan 6, maka dapat dikatakan bahwa beda prestasi antara mahasiswa C dan A
adalah 3 – 1 = 2. Beda prestasi antara mahasiswa C dan F adalah 6 – 3 = 3.
Akan tetapi tidak bisa dikatakan bahwa prestasi mahasiswa E adalah 5 kali
prestasi mahasiswa A ataupun prestasi mahasiswa F adalah 3 kali lebih baik
dari prestasi mahasiswa B. Dari hasil pengukuran dengan menggunakan skala
interval ini akan diperoleh data interval. Alat analisis (uji hipotesis asosiatif)
statistik parametrik yang lazim digunakan untuk data interval ini adalah
Pearson Korelasi Product Moment, Partial Correlation, Multiple Correlation,
Partial Regression, dan Multiple Regression.(
http://suhartoumm.blogspot.com/2008/12/transformasi-variabel-ordinal.html)
b. Data Rasio
Ukuran yang meliputi semua ukuran di atas ditambah dengan satu sifat
yang lain, yakni ukuran yang memberikan keterangan tentang nilai absolut
dari objek yang diukur dinamakan ukuran rasio (data rasio). Data rasio, yang
diperoleh melalui mengukuran dengan skala rasio memiliki titik nol.
Karenanya, interval jarak tidak dinyatakan dengan beda angka rata-rata satu
kelompok dibandingkan dengan titik nol di atas. Oleh karena ada titik nol,
maka data rasio dapat dibuat perkalian ataupun pembagian. Angka pada data
rasio dapat menunjukkan nilai sebenarnya dari objek yang diukur. Jika ada 4

9. 20
orang pengemudi, A, B, C dan D mempunyai pendapatan masing-masing
perhari Rp. 10.000, Rp.30.000, Rp. 40.000 dan Rp. 50.000. Bila dilihat
dengan ukuran rasio maka pendapatan pengemudi C adalah 4 kali pendapatan
pengemudi A. Pendapatan pengemudi D adalah 5 kali pendapatan pengemudi
A. Pendapatan pengemudi C adalah 4/3 kali pendapatan pengemudi B.
Dengan kata lain, rasio antara pengemudi C dan A adalah 4 : 1, rasio antara
pengemudi D dan A adalah 5 : 1, sedangkan rasio antara pengemudi C dan B
adalah 4 : 3. Interval pendapatan pengemudi A dan C adalah 30.000, dan
pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A. Contoh data
rasio lainnya adalah berat badan bayi yang diukur dengan skala rasio. Bayi A
memiliki berat 3 Kg. Bayi B memiliki berat 2 Kg dan bayi C memiliki berat 1
Kg. Jika diukur dengan skala rasio, maka bayi A memiliki rasio berat badan 3
kali dari berat badan bayi C. Bayi B memiliki rasio berat badan dua kali dari
berat badan bayi C, dan bayi C memiliki rasio berat badan sepertiga kali berat
badan bayi A, dst. Dari hasil pengukuran dengan menggunakan skala rasio ini
akan diperoleh data rasio. Alat analisis (uji hipotesis asosiatif) yang
digunakan adalah statistik parametrik dan yang lazim digunakan untuk data
ratio ini adalah Pearson Korelasi Product Moment, Partial Correlation,
Multiple Correlation, Partial Regression, dan Multiple Regression. .(
http://suhartoumm.blogspot.com/2008/12/transformasi-variabel-ordinal.html)

10. 21
Dalam SPSS terdapat menu utama yang sangat penting dalam SPSS. Berbagai
window yang terdapat pada SPSS 20.0 for Windows yaitu Data Editor, Output
Window, Chart Window, Syntax Window, Script Window dan Table Pivot
Window.
1. Data Editor
Pada menu bar terdapat menu-menu utama yang perlu diketahui untuk dapat
mengoperasikan SPSS 20.0 dalam pengolahan data penelitian. Dalam hal ini,
windows data editor merupakanmenu utama dari SPSS. Menu-menu yang ada
adalah sebagai berikut:
a. File berisi fasilitas pengolahan data dan file.
b. Edit adalah menu yang berkaitan dengan operasi perubahan data atau
perbaikan nilai data, juga dapat digunakan untuk mengatur setting pada
submenu Options, insert variabel.
c. View digunakan untuk mengatur toolbar.
d. Data digunakan untuk memanajemen dan mengolah data.
e. Transform digunakan untuk memanipulasi data.
f. Analiyze digunakan untuk menganalisis data.
g. Graph digunakan untuk visualisasi data.
h. Utilities digunakan berkaitan dengan utilities dalam SPSS 20.0 for windows.
i. Window adalah menu untuk mengatur ukuran jendela semua window atau
berpindah dari jendela ke jendela lainnya.

11. 22
j. Help adalam menu yang ada pada SPSS 20.0 for Windows Evaliation, untuk
memberikan fasilitas bantuan informasi yang diberikan berkaitan dengan
semua informasi mengenai SPSS 20.0 Windows Evaluation serta tutorial
analisis.
2. Output Window
Setelah melakukan input data ke dalam program dan mengolah data sesuai
yang dikehendaki pada SPSS, maka hasil yang akan diambil sebagai analisisnya
terdapat pada output Window disebut juga SPSS viewer. Menu-menu yang ada
juga hampir sama dengan data editor tetapi terdapat tambahan pada menu insert
dan Format.
a. Insert digunakan untuk menambahkan judul, teks, judul halaman, title grafik
atau objek.
b. Format digunakan untuk mengatut tampilan hurif dan mengatur tampilan pada
tabel seperti table properties, table look, set data sel.
3. Chart Window
Tampilan sebuah chart pada report sangat membantu dalam memberikan suatu
informasi hasil penelitian. Chart Windows pada SPSS digunakan untuk
memodifikasi resolusi grafik. Memodifikasi pada perubahan warna, penggantian
format tipe hurufatau ukuran yang berbeda, perubahan axis horizontal maupun
vertikal, serta rotasi scatterplot 3 dimensi, ataupun penggantian tipe grafik dan
memberikan suatu efek style yang lain.
4. Syntax Window

12. 23
Syntax Window digunakan untuk memodifikasi ataupun membuat prosedur
atau fungsi tambahan dalam SPSS. Syntax Window merupakan program yang
didalamnya terdapat perintah-perintah yang menggunakan bahasa pemograman.
Syntax Window digunakan untuk membuat suatu program aplikasi.
5. Scipt Window
Script Window digunakan untukmembuat script dan otomatisasi OLE ( Object
Linked Embedding ) atau memodifikasi tampilan yang ada menjadi lebih baik.
Selain itu, juga digunakan pada proses dalam SPSS, seperti untuk pemanggilan
data, memberikan suatu efek pewarnaan, mengubah tampilan format tabel dan
yang lainnya. Script Window dapat membuat dan memodifikasi berbagai script
dasar yang ada pada SPSS.
6. Table Pivot Window
Window table pivot dapat digunakan untuk mengubah tampilan output dari
SPSS sehingga dapat dimodifikasi sesuai dengan kehendak pemakainya, juga
disesuaikan dengan kepentingan dalam memberikan informasi yang lebih akurat.
Seperti untuk memodifikasi atau mengedit teks, men-swap data dikolom dan
baris, menambahkan warna, membuat style tebel multi dimensi, serta menformat
tampilan perhitungan yang akan dittampilkan atau disembunyikan pada output
SPSS.
Dalam program SPSS dikenal ada dua tampilan spreadsheet, yaitu:
1. Sheet Data view

13. 24
Data view merupakan sheet yang menampilkan data base hasil penelitian yang
akan diolah atau dianalisis dengan program SPSS 20.0 for Windows. Pada data
view ditampilkan kolom-kolom yang disertai nama-nama variabel yang disingkat
var.
2. Sheet Variabel View
Pada data view yang ditampilkan nama variabel, tipe data, lebar kolom,
penggunaan desimal, label penamaan variabel, macam data hasil penelitian (
nominal, scale, ordinal ), alignment atau peletakan ( rata kiri, rata kanan, center,
rata kana-kiri )
Ada bebrapa tahapan yang digunakan untuk menampilkan hasil analisis
atatistik pada SPSS yaitu:
1. Memilih file data analisis,
Untuk memilih file data yang akan digunakan untuk analisis langkah-
langkahnya sebagai berikut:
Klik File → Open→Data maka akan keluar kotak dialog Open File.Cari file
yang akan dibutuhkan.
2. Membuat data baru
Setelah window data editor terbuka, buat file baru dengan cara yaitu:
a. Klik menu bar Variabel view
Pada langkah ini membuat nama untuk setiap variabel baru. Oleh karena itu
digunakan area variabel view.
b. Mendefinisikan variabel nama

14. 25
Pendefinisian nama setiap variabel mencakup: Name, Type, Width, Decimals,
Label, Values, Missing, Column, Align, Measure.
a. Name digunakan untuk memberikan nama data dengan panjang
maksimum 8 karakter.
b. Type adalah menunjukkan type data, terdapat 8 macam tipe, secara default
SPSS memberi tipe numeric ( data angka ) sehingga untuk data non angka
pilih type string.
c. Width digunakan untuk data string, dengan tambahan memasukkan 1
sampai 32767 digit dan 40 digit untuk data numerik.
d. Decimals digunakan untuk menunjukkan angka decimal dari data, secara
default SPSS memberi 2 angka decimal. Apabila ingin ditambah atau
dikurangi angka desimalnya maka sorot tanda ke atas atau ke bawah pada
kolom decimal, tanda panah ke atas akan menambah angka decimal
sedangkan tanda panah kebawah akan mengurangi angka decimal.
e. Label digunakan untuk memberi ketengan nama variable, apabila kolom
ini tidak diisi tidak mempengaruhi proses data.
f. Values adalah kolom yang digunakan untuk memberi kode data.
g. Missing adalah data yang hilang atau kosong. Apabila data tidak memuat
data yang hilang maka kolom missing Vaies tidak perlu diisi.
h. Column baerfungsi memberikan lembar kolom sesuai lebar pemasukkan
data yang diinginkan antara 1 sampai dengan 255 digit.

15. 26
i. Align digunakan untuk mengatur posisi data, kanan, kiri atau tengah
dengan cara klik tanda panah ke bawah dan pilih possisi sesuai dengan
yang diinginkan.
j. Measure digunakkan untuk menentukan tipe variable, untuk tipe data
string terdiri atas ordinal dan nominal, sedangkan untuk data kuantitatif
tanpa kategorisasi pilih tipe scale.
c. Mengisi data
Setelah pengisian nama selesai, kemudian memasukkan data yang akan
dianalisis. Menginput data harus diarea data view.
d. Menyimpan data
Data disimpan dengan prosedur:
Dari menu utama SPSS, klik file→ Save As→ beri nama file dan simpan di
drive yang diinginkan
3. Memilih metode Statistik
Langkah-langkah:
a. Klik menu Analyze.
b. Klik submenu yang dikehendaki.
4. Mengakhiri SPSS
Langkah mengakhiri SPSS adalah:
a. Dari menu File, pilih Exit.

16. 27
b. SPSS akan menanyakan apakah Anda akan menyimpan atau tidak.Bila
Anda ingin menyimpannya, pilih Yes. Bila tidak pilih No.
Uji Hipotesis
Dalam suatu penelitian pasti akan dilakukan pengujian apakah dalam suatu
penelitian terdapat perbedaan-perbedaan asumsi sampel dan hubungan antara variabel
yang diambil dalam suatu penelitian dalam sampel. Pengujian tersebut dilakukan
untuk mengetahui penelitian tersebut dapat diterima atau tidak tergantung bagaimana
menentukan hipotesisnya.
Hipotesis merupakan suatu analisis yang sangat diperlukan dalam
pengambilan keputusan pada suatu uji statistik. Hipotesis digunakan untuk
menyatakan benar atau salah suatu pernyataan parameter yang telah ditentukan
sebelum melakukan pengolahan untuk mengambil keputusan. Cara untuk
memutuskan suatu hipotesis disebut uji hipotesis.
Hipotesis ada dua jenis yaitu hipotesis riset dan hipotesis statistik. Hipotesis
riset umumnya dirumuskan oleh seorang pakar tetapi bukan ahli statistik. Hipotesis
statistik dikenal sebagai hipotesis no ( H0 ) dan hipotesis tandingan atau alternatif ( H1
).
Hipotesis statistik berasal dari hipotesis penelitian yaitu pernyataan tentang
nilai parameter suatu populasi. Hipotesis statistik harus dirumuskan sehingga
memungkinkan untuk di uji berdasarkan data empiris dari penilitian sutu sampel.
Hipotesis statistik di uji dengan uji statistika, sedangkan proses pengujian
berakhir dengan keputusan untuk menrima atau menolak hipotesis tersebut. Hipotesis

17. 28
dapat diartikan sebagai dugaan mengenai suatu hal, atau hipotesis merupakan
jawaban sementara terhadap hubungan suatu variabel dengan satu atau lebih variabel
lainnya.
Hipotesis statistik merupakan suatu pernyataan tentang distribusi probabilitas
dari suatu variabel random. Pada hipotesis statistika terdapat parameter distribusi
yang terkadang memiliki lebih dari satu variabel.
Uji hipotesis statistik yang akan diuji kebenarannya adalah hipotesis nol.
Apabila dalam uji hipotesis nol ditolak dengan tingkat signifikan yang telah
ditentukan terlebih dahulu, maka akan ada hipotesis pembandingnya dan hipotesis
pembandingnya adalah jawaban uji hipoteis tersebut. Jika penolakan hipotesis nol
maka hipotesis pembandingnya benar.
Pengujian hasil hipotesis sangat tergantung pada pengguanaan informasi
dalam sebuah sampel random dari sutu hasil populasi yang telah diteliti. Jika dalam
mengasumsikan uji hipotesisnya salah, maka pengambilan keputusan akan kurang
valid.
Untuk pengujian H1 secara statistik, diperlukan pembanding yaitu H 0 karena
H0 digunakan sebagai dasar pengujian statistik maka H 0 disebut Hipoteisis Statistik.
Penerimaan suatu H0 merupakan akibat tidak cukupnya bukti untuk menolaknya dan
tidak berimplikasi bahwa hipotesis itu pasti benar. Langkah atau prosedur untuk
menentukan apakah menerima atau menolak H0 disebut pengujian Hipotesis. Karena
didalam pengujian hipotesis, penerikan kesimpulannya bisa keliru. Penarikan
kesimpulan yang tepat apabila menerima H 0 karena memang H0 benar atau menolak

18. 29
H0 karena memang H0 salah. Apabila disimpulkan menolak H0 padahal H0 benar
maka telah melakukan kekeliruan yang disebut kekeliruan atau galat ( α ) dan
sebaliknya apabila disimpulkan menerima H 0 padahal H0 salah maka telah melakukan
kekeliruan yang disebut kekeliruan atau galat ( β ). Nilai ( α ) disebut taraf nyata atau
taraf signifikan. Nilai ( α ) biasa ditetapkan sebesar 0,05 atau 0,01 jika ( α ) = 0,05
artinya 5 dari setiap 100 kesimpulan akan menolak H0 yang seharusnya diterima.
Harga H1 disebut kuasa uji atau kekuatan uji.
Memilih Uji Statistik yang akan digunakan untuk menganalisis suatu data, maka
dapat digunakan beberpa uji-uji yaitu:
1. Uji Normalitas
Uji normalitas data dan uji varians merupakan hal yang lazim dilakukan
sebelum sebuah metode statistik diterapkan. Uji yang akan di gunakan adalah
One-Sample Kolmogorov-Smirnov test.
Langkah-langkah menganalisis di komputer :
a. Masukkan data dalam editor SPSS.
b. Klik Analyze → Nonparametric Tests → tampak pada layar kotak dialog One-
Sample Kolmogorov-Smirnov test:
1) Pengisian :
a) Test Variable List, masukkan variabel tipe numerik (scale).
b) Kemudian klik pada pilihan normal di Test Distributions.
2) Tekan OK,
Hipotesisnya:

19. 30
H0 : Data berdistribusi normal
H  : Data tidak berdistribusi normal.
Dasar Pengambilan Keputusan:
Jika nilai probabilitasnya › taraf nyata (α= 0,05), maka H0 diterima.
Jika nilai probabilitasnya ‹ taraf nyata (α= 0,05), maka H0 ditolak.
3) Setelah hasil output keluar maka, dapat diambil kesimpulan setelah
terlebih dahulu menganalisanya berdasarkan kriteria diatas.
2. Statistik Deskriptif
Statistika deskriptif marupakan statistika yang membahas cara-cara penyajian
data, sehingga data tesebut mudah dimengerti oleh pembaca. Statistika deskriptif
lebih berhubungan dengan pengumpulan dan peringkasan data, serta penyajian
hasil peringkasan tersebut. Statistika dekriptif menyajikan kecenderungan
pemusatan data dalam bentuk rata-rata, modus, median. Selain itu penyebaran
data dalam bentuk range, standar deviasi, variasi dan sebagainya. Pada statistika
deskriptif tidak perlu adanya suatu hipotesis dan tidak dapat menarik kesimpulan
data dari contoh terhadap populasi.
Penyajian tabel dan grafik yang digunakan dalam statistik deskriptif seperti:
a. Tabel
b. Distribusi frekuensi
c. Presentasi grafis seperti histogram, pie chart dan lainnya.

20. 31
Langkah-langkah menganalisis deskriftif untuk data tipe string (nominal atau
ordinal) di komputer:
a. Masukkan data dalam editor SPSS→ Analyze → Deskriptive Statistics →
sesuai dengan kasus pilih Frequencies tampak pada layar kotak dialog Explore
→ Pindahkan variabel yang ingin diuji kedalam kotak Variabel(s) (data tipe
string yang terdiri dari ordinal dan nominal) dengan menekan tombol anak
panah ke kanan.
b. Klik mouse pada pilihan Charts, maka tampak pada layar dan lakukan
pengisian:
Pada kotak Data Type atau jenis grafik, pilih Histogram dengan klik With
Normal Curve →Continue → OK.
Langkah-langkah menganalisis deskriftif untuk data tipe numerik (skala) di
komputer:
a. Masukkan data dalam editor SPSS→ Analyze →Deskriptive Statistics dari
serangkaian pilihan yang ada, sesuai dengan kasus pilih Deskriptives tampak
pada layar kotak dialog Explore.
b. Pindahkan variabel yang ingin diuji kedalam kotak Variabel(s) (data tipe
numerik yaitu skala) dengan menekan tombol anak panah ke kanan.
c. Kemudian klik options, maka tampak pada layar dan lakukan pengisian:
1) Klik Mean.

21. 32
2) Pada kotak Dispersion atau penyebaran data, pilih Std. Deviation,
Minimum, dan Maksimum.
3) Pada kotak Display Order, klik mouse pada Variable List.
d. Tekan Continue → OK
3. Uji Analisis Parametrik
a. Uji Beda Dua Variabel Bebas.
Dalam inferensi dua populasi, tujuan utamanya adalah ingin mengetahui
apakah ada perbedaan antara dua rata-rata populasi. Untuk itu kita akan
menggunakan uji berikut ini.
1) Uji Independent sample T Test (untuk variabel tipe string dengan tipe
numerik). Independent sample T-test digunakan untuk menguji
signifikansi beda rata-rata dua kelompok.Tes ini juga digunakan untuk
menguji pengaruh variabel independen terhadap variabel
dependen.(C.Trihendradi:2012)
Hipotesis-hipotesis :
H0 : kedua rata-rata populasi adalah identik (tidak ada perbedaan rata-rata
antara kedua populasi).
H  : kedua rata-rata populasi adalah tidak identik (ada perbedaan rata-
rata antara kedua populasi).
Kaidah Pengambilan Keputusan :

22. 33
Jika Asymp Sig. › taraf nyata ( α = 0,05 ), maka H0 diterima.
Jika Asymp Sig. ‹ taraf nyata ( α = 0,05 ), maka H0 ditolak.
Langkah-langkah menganalisis di komputer :
a) Klik Analyze→Compare Means→tampak pada layar kotak dialog
Explore.
b) Pindahkan variabel yang ingin diuji kedalam kotak Variabel(s) dengan
menekan tombol anak panah ke kanan.
c) Pindahkan variabel yang ingin diuji kedalam kotak GroupingVariabel
atau variabel grup dengan menekan tombol anak panah ke kanan.
Untuk grup 1 isi dengan 1 dan untuk grup 2 isi dengan 2. Lalu tekan
Continue setelah selesai input untuk melanjutkan proses berikutnya.
d) Klik Option… tampak di layar. Untuk Confidence Interval atau
tungkat kepercayaan (biarkan pada angka default sebesar 95%. Untuk
Missing Values atau data hilang diabaikan saja)→ Continue→OK.
2) Uji Crosstab ( untuk variabel antar tipe string)
Langkah-langkah menganalisis di komputer :
a) Klik Analyze→Statistic Descriptive dari serangkaian pilihan yang ada,
sesuai dengan kasus pilih Crosstabs tampak pada layar kotak dialog
Explore
b) Masukkan variabel di kotak Row(s) dan masukkan variabel di kotak
Column(s).
c) Klik Statistics, maka kotak dialog Crosstabs: Statistics muncul.

23. 34
d) Beri tanda check pada Chi-square.
e) Kilik Continue → OK
b. Uji Beda Tiga Variabel Bebas
Uji F (ANOVA)
Analisis varian satu variabel independen digunakan untuk menentukan apakah
rata-rata dua atau lebih kelompok (variabel dependen) berbedasecara
nyata.Analisis ini memiliki asumsi bahwa kelompok yang dianalisis memilki
varian yang sama.(C.Trihendradi:2012)
Asumsi yang digunakan pada pengujian ANOVA:
1) Populasi yang diuji berdistribusi normal.
2) Varians dari populasi tersebut adalah sama.
3) Sampel tidak berhubungan satu dengan yang lain.
Tujuan dari analisis (uji ANOVA) ini adalah untuk menguji apakah tiga
atau lebih sampel mempunyai rata-rata yang sama.
Hipotesis-hipotesis :
H0 : keempat rata-rata populasi adalah identik (tidak ada perbedaan rata-rata
antara keempat populasi).
H  : keempat rata-rata populasi adalah tidak identik (ada perbedaan rata-rata
antara keempat populasi).
Kaidah Pengambilan Keputusan

24. 35
Jika F hitung > F tabel, maka H0 ditolak.
Jika F hitung < F tabel, maka H0 diterima.
Atau
Jika Sig. › taraf nyata (α = 0,05), maka H0 diterima.
Jika Sig. ‹ taraf nyata (α = 0,05), maka H0 ditolak.
SPSS menyediakan menu ONE-WAY ANOVA, yang selain untuk
menguji beda rata-rata lebih dari dua sampel, juga bisa digunakan untuk
mengetahui variabel mana saja yang berbeda dengan lainnya.
Langkah-langkah menganalisis di komputer :
1) Klik Analyze→ Compare Means → One-Way ANOVA… tampak pada
layar kotak dialog Explore.
2) Pindahkan variabel yang ingin diuji ke dalam kotak Dependent List
dengan menekan tombol anak panah ke kanan.
3) Pindahkan variabel yang ingin diuji kedalam kotak Factor.
4) Klik Contrasts. Pada kolom Contrasts 1 of 1, klik Coefficient → isi sesuai
dengan banyaknya karakter →Continue .
5) Klik Post Hoc→ Tukey → Continue
6) Klik OK.
c. Uji Hubungan Antar Variabel.
Korelasi adalah salah satu tehnik statistic yang digunakan untuk mencari
hubungan antara dua variable atau lebih yang sifatnya kuantitatif dan

25. 36
kualitatif. Uji statistik parametrik yang digunakan untuk melihat hubungan
antara dua variabel adalah:
Korelasi Pearson
Korelasi pearson digunakan untuk mengukur keeratan hubungan
diantara hasil-hasil pengamatan dari populasi yang mempunyai dua varians
(bivariate) Perhitungaaan ini mensyaratkan bahwa populasi asal sampel
mempunyai dua varian dan berdistribusi normal. Korelasi Pearson banyak
digunakan untuk mengukur korelasi data interval atau ratio.
Hipotesis-hipotesis:
H0 : Tidak ada hubungan antara dua variabel (korelasi = 0).
H  : Ada hubungan antara dua variabel (korelasi ≠ 0).
Aturan Pengambilan Keputusan
Jika Sig. › taraf nyata (α = 0,05), maka H0 diterima.
Jika Sig. ‹ taraf nyata (α = 0,05), maka H0 ditolak.
Langkah-langkah menganalisis di komputer (program SPSS):
1) Masukkan data dalam editor SPSS.
2) Klik Analyze →Correlate → Bivariate →tampak pada layar kotak
dialog Bivariate Correlations.
3) Pindahkan variabel yang ingin diuji kedalam kotak Variables dengan
menekan tombol anak panah ke kanan.
4) Klik Pearson pada Correlation Coefficients.

26. 37
5) Klik Two-Tailed pada Test of Significance.
6) Klik pada Flag Significant Correlation.
7) Klik tombol Options.Bila ingin memperoleh nilai mean dan standar
deviasi dari masing-masing variabel serta nilai deviasi dan covarian.
Tekan Continue → OK.
4. Uji Analisis Non Parametrik
Berbeda dengan statistik parametrik yang memilki asumsi sampel yang harus
dipilih dari populasi yang dianggap atau diketahui memiliki distribusi normal,hal
tersebut tidak berlaku di statistik non-parametrik.Uji ini tidak pernah merumuskan
kondisi maupun asumsi populasi darimana sampel dipilih.Oleh karena itu uji ini
sering disebut statistik bebas distribusi.(C.Trihendradi:2012)
Tes statistik non-parametrik adalah tes yang modelnya tidak menetapkan
syarat-syarat mengenai parameter-parameter populasi. Sebagian besar tes non-
parametrik dapat diterapkan untuk data dalam skala ordinal, dan beberapa yang
lain juga dapat diterapkan untuk data dalam skala nominal.
a. Uji Beda Dua Variabel Bebas
Two independent samples test (uji 2 variabel bebas) pada hakikatnya sama
dengan uji independent-sample test dengan prasyarat yang lebih
longgar.Kelonggaran tersebut meliputi mampu digunakan untuk tipe data ordinal
dan tidak memerlukan asumsi terdistribusi normal.Test ini digunakan untuk
menetapkan apakah nilai variabel tertentu berbeda di antara dua kelompok
.(C.Trihendradi:2012)

27. 38
Tes ini digunakan untuk menguji signifikansi perbedaan nilai dua sampel
yang independen, atau untuk menguji mungkin tidaknya dua sampel
indepeden itu berasal dari populasi yang sama. Uji statistik non parametrik
yang digunakan untuk menguji antara 2 sampel adalah diantaranya yaitu uji
Mann Whitney U dan uji Kolmogorov-Smirnov.
Uji Mann-Whitney U
Uji Mann-Whitney U digunakan untuk menguji signifikansi hipotesis
komparatif 2 sampel bebas bila datanya berbentuk ordinal, dan untuk 2
sampel yang berukuran tidak sama. Uji ini merupakanuji yang paling sering
digunakan oleh peneliti di antara uji-uji lain pada uji non-parametrik untuk
menguji 2 sampel bebas ketika peneliti ingin mengindari asumsi-asumsi dari
statistik uji-t.
Jika data penelitian berbentuk interval, maka data tersebut perlu diubah
dulu ke dalam data ordinal. Untuk data yang berbentuk intrval kita bisa
menggunakan statistik uji-t, tetapi pada waktu dilakukan analisis, maka
asumsi-asumsi dari statistik uji-t harus terpenuhi.
Hipotesis-Hipotesis
H0 : 2 sampel bebas berasal dari populasi yang identik.
H  : 2 sampel bebas bukan berasal dari populasi yang identik.

28. 39
Atau
H0 : tidak ada perbedaan rata-rata antara 2 sampel.
H1 : ada perbedaan rata-rata antara 2 sampel.
Aturan Pengambilan keputusan
Untuk uji 2 arah:
Asymp Sig.    Tolak H0
Asymp Sig.    Terima H0
Langkah-langkah menganalisis di komputer (program SPSS):
1) Masukkan data dalam editor SPSS.
2) Klik Analyze, → Nonparametrik Test → Legacy dialog→2 Independent
Samples .
3) Pindahkan variabel yang ingin diuji kedalam kotak Test Variable List
dengan menekan tombol anak panah ke kanan.
4) Pindahkan variable lain yang ingin diuji ke dalam Grouping Variable
dengan menekan tombol anak panah ke kanan.
5) Klik Define Groups → masukkan nilai yang dapat mendefinisikan group
tersebut. Misal 1 untuk group 1 dll.
6) Pada kotak Test Type, klik Mann-Whitney U
7) Klik Option ( bila ingin memperoleh statistic deskriptif.) → OK.
8) Klik Uji Kolmogorov-Smirnov

29. 40
Uji Kolmogorov-smirnov ini digunakan untuk menguji apakah 2
sampel berasal dari populasi-populasi yang mempunyai distribusi yang sama
atau berbeda. Dasar pengujian ini adalah membandingkan 2 distribusi
kumulatif dan memfokuskan pada selisih terbesar antara kedua distribusi
tersebut.
Konsep dasar sebagai berikut apabila kedua sampel diturunkan dari distribusi
yang sama maka sebaran komulatif dari kedua sampel tersebut diharapkan
akan saling over loop sehingga terjadi perbedaan hanya disebabkan faktor
acak saja.(Pramudjono:2010)
Hipotesis-Hipotesis
H0 : Kedua sampel berasal dari populasi dengan distribusi yang sama
H1 : Kedua sampel bukan berasal dari populasi dengan distribusi yang sama
Aturan Pengambilan Keputusan
Asymp.Sig.  taraf nyata ()  Tolak H0
Asymp.Sig.  taraf nyata ()  Terima H0
Langkah-langkah menganalisis di komputer (program SPSS):
1) Masukkan data dalam editor SPSS.
2) Klik Analyze, → Nonparametrik Test → Legacy dialog→2 Independent
Samples .
3) Pada kotak Test Type, klik Kolmogorov-Smirnov Z
4) Klik Option (bila ingin memperoleh nilai statistik deskriptifnya.) → OK.

30. 41
b. Uji Beda Tiga Variabel Bebas atau Lebih
1) Uji Kruskal-Wallis
Pengujian rank terhadap k-sampel independen telah dilakukan oleh
W.H. Kruskal dan W.A. Wallis pada tahun 1952 melalui analisa varian
rank satu arah.Apabila jumlah sampel hanya dua,maka uji ini setara
dengan uji Wilcoxon maupun Mann-Whitney. (Pramudjono:2010)
Uji Kruskal -Wallis merupakan alternatif uji nonparametrik dari
analisis varian satu jalur (One-way ANOVA) di mana nilai data
diganti dengan rank. Uji ini merupakan alternatif bagi uji F untuk
pengujiaan kesamaan beberapa nilai tengah dalam analisis varian bila
ingin mengindar dari asumsi kenormalan data, bila datanya berbentuk
ordinal.Prosedur untuk perhitungan uji kruskal wallis adalah sama
dengan yang digunakan dalam uji mann-Whitney, yaitu seluruh case
dari seluruh group dikombinasikan dan dibuat ranknya.
Hipotesis-Hipotesis
H0 : 1 = 2 = 3 =…= k
H1 : minimal ada satu perlakuan yang tidak sama
Aturan Pengambilan keputusan
Sig.  taraf nyata ()  Tolak H0
Sig.  taraf nyata ()  Terima H0

31. 42
Langkah-langkah menganalisis di komputer (program SPSS):
a) Masukkan data dalam editor SPSS.
b) Klik Analyze→Nonparametrik Test → Legacy Dialogs →K
Independent Samples
c) Pindahkan variabel yang ingin diuji kedalam kotak Test Variable
List dengan menekan tombol anak panah ke kanan.
d) Pindahkan variable lain yang ingin diuji kedalam Grouping
Variable dengan menekan tombol anak panah ke kanan.
e) Klik tombol Define Range → isikan pada kotak minimum dan
maximumnya.
f) Klik kotak Kruskal-Wallish H pada kotak Test Type.
g) Klik Option (bila ingin memperoleh statistic deskriptif) → OK.
2) Uji Median
Konsep dasar tes median adalah untuk menguji apakah kelompok
independent berbeda nilai median. Tes ini digunakan untuk menguji
H0 keduanya dari populasi dimana sampel berasal dari median yang
sama, uji ini untuk komparasi atau membandingkan dua populasi
dengan skala pengukuran minimal ordinal.(Pramudjono:2010)
Hipotesis-Hipotesis
H0 : Kedua sampel berasal dari populasi dengan distribusi yang sama

32. 43
H: Kedua sampel bukan berasal dari populasi dengan distribusi yang
sama
Aturan Pengambilan Keputusan
Asymp.Sig.  taraf nyata ()  Tolak H0
Asymp.Sig.  taraf nyata ()  Terima H0
Langkah-langkah menganalisis di komputer (program SPSS):
a) Masukkan data dalam editor SPSS.
b) Klik Analyze→Nonparametrik Test → Legacy Dialogs →K
Independent Samples
b. Pada kotak Test Type, klik Median
c. Klik Option (bila ingin memperoleh nilai statistik desk-riptifnya)
→OK.
c. Uji Hubungan Antar Variabel
Korelasi adalah salah satu tehnik statistic yang digunakan untuk
mencari hubungan antara dua variable atau lebih yang sifatnya kuantitatif
dan kualitatif. Uji statistik non parametrik yang digunakan untuk melihat
hubungan antara dua variabel adalah
Korelasi Kendalls
Ui ini diperkenalkan oleh kendall pada tahun 1970 yang sebelumnya telah
diperkenalkan oleh kruskal wallis (Pramudjono:2010)
Aturan Pengambilan Keputusan

33. 44
Asymp.Sig.  taraf nyata ()  Tolak H0
Asymp.Sig.  taraf nyata ()  Terima H0
Langkah-langkah menganalisis di komputer (program SPSS):
a) Masukkan data dalam editor SPSS.
b) Klik Analyze→Nonparametrik Test → Legacy Dialogs →K
Independent Samples
d. Pada kotak Test Type, klik Median
e. Klik Option (bila ingin memperoleh nilai statistik desk-riptifnya)