SPSS - Psikologi - Kuliah FKIP UMM

SPSS – Psikologi
SPSS – Math
SPSS - Agribisnis
Bulek_niyaFn
 Mendaftar praktikum  WAJIB
 Buat Folder di Data D atau E  direktori penyimpanan
selama 1 semester
Nama_SPSS_C1
 Kuliah-fkip.umm.ac.id
Koleksi buku
Modul spss 2
 Pertemuan 14 x (Uts & Uas)
Tugas (I,II,III)
 Penilaian (Kehadiran, Keaktifan, Tugas, UTS, UAS)
 Batas Keterlambatan (..........)
 Setelah perkuliah mengcopy master IBM SPSS  Master
Sofware  1Gb
SPSS ....?
Kegunaan...?
Tipe Data
Nominal
Ordinal
Interval
Rasio
Penginputan Data
Variabel
NAMA
GENDER
Tipe
String
Numeric
Label Variabel
Nama karyawan
Jenis Kelamin
GOLONGAN
Numeric
Golongan Karyawan
MASA_KERJA Numeric
Masa Kerja Dalam Tahun
GAJI_AWAL
Gaji Karyawan Pertama
Numeric
Value Label
1=”Laki-laki”
2=”Perempuan”
1=”Lulusan SMA”
2=”Lulusan D3”
3=”Lulusan S1”
4=”Lulusan S2”
NAMA
GENDER
Uji Kenormalan Data
Distribusi Frekuensi
Dengan Melihat rasio nilai Skewness (nilai kemiringan) &
Kurtosis (titik kemiringan)
 Syarat Rasio Skewness & kurtosis harus terletak diantara ±
2
Uji Kenormalan Data
Distribusi Deskriptif
Dengan melihat nilai Z score
Syarat nilai Z score sebagian
besar nilai terletak diantara ± 1.96
Submenu Explore Data
Mengeksplorasi data lebih mendalam
dibansing Frequensi & descriptif
Menguji ada ada tidaknya data ekstrem
dan outlier dengan Boxplot
Pengujian Normalitas
Interpretasi output
Mengurutkan data dari terkecil sampai
terbesar, kemudian memotong 5% dari
data terkecil & 5% data terbesar.
Tujuan : membuang (triming) nilai data
yang menyimpang (krn jauh dari rata”)
Selisih antara data tertinggi dan
terendah
Stem-and-Leaf Plots (tinggi badan pria)
Terdapat 2 pria yang memiliki tinggi
badan 16 . Leaf (cabang) 88, cabang
dari 160 adalah 8 dan 8
Tinggi badan 168 dan 168
Terdapat .... pria yang memiliki tinggi
badan ... Leaf (cabang) .......,
tinggi badan ............
EXTREMES : Data bersifat outlier
Pembuktian : Urutkan Data pada Excel
Stem-and-Leaf Plots (tinggi badan wanita)
Uji Normalitas Data dan Varians
Apakah sample yang telah diambil
berasal dari poppulasi yang sama
(populasi berdistribusi normal)...?
Apakah sample – sample tersebut
mempunyai varians yang sama ...?
Interpretasi Plot (Sebagai Penguat dari
interpretasi output)
Letak data tersebar disekeliling garis (kecuali ada 1 data pria dan 1
wanita yang outlier )
Menunjukan Data
Outlier (Menyimpang)
Data Outlier pada
tinggi wanita terletak
pada data ke 17 (177,5)
Menunjukan Data Outlier
(Menyimpang)
Data Outlier pada tinggi
laki-laki terletak pada
data ke 3 (180,3)
Uji Normalitas Data
 Syarat : (melihat nilai Sig. / Probabilitas)
 Probabilitas > 0,05  Distribusi Normal (simetris)
 Probabilitas < 0,05  Distribusi Tidak Normal (tidak
simetris)
Uji Varians Data
• Syarat : (melihat nilai Sig. / Probabilitas)
 Probabilitas > 0,05  Data berasal dari populasi yang
memiliki varians yang sama
 Probabilitas < 0,05  Data berasal dari populasi yang
memiliki varians yang tidak sama
One Sample T test
One Sample T-test digunakan untuk menguji
apakah suatu nilai tertentu (yang diberikan
sebagai pembanding) berbeda secara nyata
ataukah tidak dengan rata-rata sebuah
sampel.
Kata Kunci ...?
kasus
 Seorang karyawan bernama Ryan memiliki jam kerja selama 7,5 jam.
Manajer dari perusahaan tersebut ingin mengetahui apakan ada
 perbedaan jam kerja Ryan dengan
 rekan-rekannya
Paired Sample T test (uji 2 sample
berhubungan)
menguji dua sampel yang
berpasangan, apakah mempunyai
rata-rata yang secara nyata berbeda
ataukah tidak
 kata kunci : sebelum - sesudah
Analisis
 Hipotesis ( Dugaan Sementara )
Ho : Kedua rata-rata adalah identik
(rata-rata produksi dengan mesin lama dan
baru adalah sama / tidak ada perbedaan).
H1 : Kedua rata-rata adalah tidak identik
(rata-rata produksi dengan mesin lama dan
baru adalah berbeda).
Pengambilan
keputusan
Perbandingan
Thitung & Ttabel
Nilai
Probabilitas
Syarat
Syarat
kesimpulan
kesimpulan
Pengambilan Keputusan
 Berdasarkan perbandingan thitung dengan ttabel
 Syarat :
 Ho diterima : Jika thitung berada diantara nilai – ttabel dan + ttabel.
 Ho ditolak
: Jika thitung tidak berada diantara nilai - ttabel dan + ttabel.
 Thitung : berada di output spss  .....
 Ttabel : menghitung pada SPSS  .....
IDF. T (?,?)
?1 = Probabilitas uji 1 sisi atau 2 sisi
1 sisi = 1 – α
=1–5%
= 1 – 0.05
= 0.95
2 sisi = 1 – α/2
= 1 – 5 % /2
= 1 – 0.025
= 0.975
?2 = n – 1 = jumlah data – 1 = 15 -1 = 14
Kesimpulan
Karena thitung tidak terletak
diantara ± ttabel maka ....?
Berdasarkan Probabilitas
Syarat :
¤ Jika probabilitas > 0,05 maka H0 diterima
¤ Jika probabilitas < 0,05 maka H0 ditolak
Karena nilai probabilitas (sig) 0.411 > 0.05
maka Ho diterima, dengan kesimpulan yang
sama dengan perbandingan di atas.
Independent Sample T test
menguji apakah dua sampel yang tidak
berhubungan berasal dari populasi yang
mempunyai mean sama atau tidak secara
signifikan.
Kata kunci :
Variabel memuat angka (numeric)
Variabel berkategori (minimal 2)
KASUS
Manajer ingin mengetahui apakah ada
perbedaan jam kerja berdasarkan
tingkat pendidikan karyawannya ?
Analisis :
Ada 2 tahapan analisis yaitu :
a. Dengan Levene Test, diuji apakah varians populasi
kedua sampel sama ataukah berbeda.
b. Dengan T Test, dan berdasarkan hasil analisis nomor
a, diambil suatu keputusan.
Levene Test
 Pengambilan keputusan berdasarkan Fhit & Ftab
 Pengambilan keputusan berdasarkan Probabilitas
Mengetahui apakah varians populasi identik atau tidak.
 Hipotesis
Ho :
Kedua varians
populasi
adalah
identik
(varians
populasi jam kerja pada karyawan sarjana dan akademik adalah
sama)
H1 :
Kedua varians populasi adalah tidak identik (varians
populasi jam kerja pada karyawan sarjana dan akademik adalah
berbeda)
 Pengambilan keputusan
a. Berdasarkan perbandingan fhitung dengan ftabel
Syarat :
 Ho diterima : Jika fhitung < ftabel
 Ho ditolak
: Jika fhitung > ftabel
F hitung : berada di output spss  0.359
F tabel : dengan melihat tabel statistic /
menghitung pada SPSS  4.41
IDF. F (?,?,? )
?1 = Probabilitas uji 1 sisi atau 2 sisi
1 sisi = 1 – α
=1–5%
= 1 – 0.05
= 0.95
2 sisi = 1 – α/2
= 1 – 5 % /2
= 1 – 0.025
= 0.975
?2 = k – 1
= jumlah kategori – 1
=2–1
?3 = n – k
= jumlah data – kategori = 20 - 2
Terlihat bahwa Fhitung dengan Equal
Variance Assumed (diasumsikan kedua
varian sama) adalah 0.359 dan nilai ftabel :
4,41 maka Ho diterima yang artinya kedua
varians adalah identik.
Berdasarkan Probabilitas
Syarat :
¤ Jika probabilitas > 0,05 maka H0 diterima
¤ Jika probabilitas < 0,05 maka H0 ditolak
Karena nilai probabilitas (sig) 0.557
maka Ho diterima, dengan kesimpulan yang
sama dengan perbandingan di atas.
Analisis dengan memakai t test untuk asumsi varians sama.
 Hipotesis
Ho :
Kedua rata-rata populasi adalah identik (rata-rata populasi
jam kerja pada karyawan sarjana dan akademik adalah sama)
H1 : Kedua rata-rata populasi adalah tidak identik (rata-rata populasi jam
kerja pada karyawan sarjana dan akademik adalah berbeda)
 Pengambilan keputusan
a. Berdasarkan perbandingan thitung dengan ttabel
Syarat :
 Ho diterima : Jika thitung berada diantara nilai – ttabel dan + ttabel.
 Ho ditolak
: Jika thitung tidak berada diantara nilai - ttabel dan + ttabel.
IDF. T (?, ?)
?1 = Probabilitas uji 1 sisi atau 2 sisi
1 sisi = 1 – α
=1–5%
= 1 – 0.05
= 0.95
2 sisi = 1 – α/2
= 1 – 5 % /2
= 1 – 0.025
= 0.975
?2 = n – k = jumlah data – kategori
Karena thitung terletak pada daerah Ho diterima (…….),
maka rata-rata populasi jam kerja pada karyawan sarjana
dan akademik adalah sama. Atau tingkat pendidikan
seorang karyawan ternyata tidak membuat jam kerja
menjadi berbeda.
a. Berdasarkan nilai probabilitas
Syarat :
- Jika probabilitas > 0,05 maka Ho diterima
- Jika probabilitas < 0,05 maka Ho ditolak
Pada output tampak nilai probabilitas adalah ........ Karena nilai
probabilitas jauh di atas 0,05 maka Ho diterima dengan kesimpulan
yang sama dengan cara perbandingan thitung dengan ttabel.
Tugas II
a. Buat kasus & data dengan tipe paired sample T test
b. print out input data (data view
& variabel view)
c. print out output hasil analisis data
d. Analisis manual pada output
hasil analisis data
(harus
tulis tangan / tidak boleh
diketik)
E. Dikumpulkan hari Rabu
One Way Anova
Uji yang digunakan untuk menguji
apakah rata – rata lebih dari 2 sample
berbeda secara nyata atau tidak serta
menguji apakah sample tersebut memiliki
varians populasi yang sama atau tidak
Kasus
Peneliti ingin mengetahui apakah terdapat
perbedaan rata – rata dalam pemakaian jenis
simcard antara lain : IM3, Simpati, As, Three, Axis
Test of Homogenity of Varians
(test Varians Populasi)
 Hipotesis
 Ho
: kelima varians populasi identik (varians homogen)
 Hi
: kelima varians populasi tidak identik (varians tidak homogen)
Pengambilan keputusan (melihat nilai Probabilitas Levene Test)
 Syarat :
Jika probabilitas > 0,05 maka H0 diterima
Jika probabilitas < 0,05 maka H0 ditolak
 Karena nilai probabilitas (sig) 0,841 > 0,05  Ho diterima
CATATAN : JIKA VARIAN BERBEDA (HO DITOLAK) MAKA SECARA OTOMATIS ANALISIS
TIDAK DAPAT DILANJUTKAN
ANOVA
 Hipotesis
Ho
: Kelima rata – rata penggunaan simCard identik
(tidak ada perbedaan penggunaan simcard antar ketujuh
daerah)
Hi :Kelima rata – rata penggunaan simCard tidak identik
(terdapat perbedaan penggunaan simcard antar ketujuh
daerah)
 Pengambilan keputusan
a. Berdasarkan perbandingan fhitung dengan ftabel
Syarat :
 Ho diterima : Jika fhitung < ftabel
 Ho ditolak
F hitung
F tabel
: Jika fhitung > ftabel
: berada di output spss  .............
:
IDF. F (?,?,? )
?1 = Probabilitas uji 1 sisi atau 2 sisi
1 sisi = 1 – α
=1–5%
= 1 – 0.05
= 0.95
2 sisi = 1 – α/2
= 1 – 5 % /2
= 1 – 0.025
= 0.975
?2 = k – 1
= jumlah kategori – 1
=5–1
?3 = n – k
= jumlah data – kategori = 35 - 5
a. Berdasarkan nilai probabilitas
Syarat :
- Jika probabilitas > 0,05 maka Ho diterima
- Jika probabilitas < 0,05 maka Ho ditolak
Pada output tampak nilai probabilitas adalah sig (0,053)
Uji Post Hoc (One to one)
 IM3 – Simpati
 Hipotesis
Ho : rata – rata penggunaan IM3 dan simpati adalah identik (tidak ada perbedaan)
Hi : rata – rata penggunaan IM3 dan simpati adalah tidak identik (ada perbedaan)
 Pengambilan keputusan
- Jika probabilitas > 0,05 maka Ho diterima
- Jika probabilitas < 0,05 maka Ho ditolak
Pada output tampak nilai probabilitas adalah ........
Uji Post Hoc (One to one)
 IM3 – AS
 Hipotesis
Ho : rata – rata penggunaan IM3 dan As adalah identik (tidak ada perbedaan)
Hi
: rata – rata penggunaan IM3 dan As adalah tidak identik (ada perbedaan)
 Pengambilan keputusan
- Jika probabilitas > 0,05 maka Ho diterima
- Jika probabilitas < 0,05 maka Ho ditolak
Pada output tampak nilai probabilitas adalah ........
Homogenius subset
 Hipotesis
Ho : rata – rata penggunaan IM3 ,simpati, As, Three, Axis adalah identik (tidak
ada perbedaan)
Hi : rata – rata penggunaan IM3 ,simpati, As, Three, Axis adalah tidak identik
(ada perbedaan)
 Pengambilan keputusan
- Jika probabilitas > 0,05 maka Ho diterima
- Jika probabilitas < 0,05 maka Ho ditolak
Pada output tampak nilai probabilitas adalah ........
Two Way Anova
 Uji ANOVA Dua Arah (Two Way ANOVA) adalah Jenis Uji
Statistika Parametrik yang bertujuan untuk mengetahui
apakah terdapat perbedaan rata-rata antara lebih dari
dua group sampel.
 Pada Uji One Way ANOVA yang analisisnya hanya
berlangsung satu arah yaitu antar perlakuan, maka
pada uji Two Way ANOVA arah analisisnya berlangsung
dua arah, yaitu antar perlakuan dan antar blok (group).
Kasus :
SEORANG PENELITI INGIN MENGETAHUI
PENGARUH PEMBERIAN JENIS AIR SIRAMAN
DENGAN PENYINARAN DAN TANPA
PENYINARAN TERHADAP LAJU
PERTUMBUHAN BATANG TANAMAN
KACANG MERAH
Tugas II
a. Buat kasus & data dengan tipe Two Way Anova
b. print out input data (data view
& variabel view)
c. print out output hasil analisis data
d. Analisis manual pada output
hasil analisis data
(harus
tulis tangan / tidak boleh
diketik)
e. Data minimal 25 dengan grouping variabel minimal 4