Docstoc

Mencari Nilai Statistik Tabel dengan SPSS

Document Sample
Mencari Nilai Statistik Tabel dengan SPSS Powered By Docstoc
					Mencari Nilai Statistik Tabel dengan SPSS
Saya mendapatkan banyak pertanyaan dari para pembaca tentang bagaimana mencari nilai statistik tabel. Hal ini dikarenakan terkadang tabel-tabel yang dimuat dalam buku-buku statistik tidak memberikan nilai statistik untuk nilai-nilai tertentu. Misalnya, ada seorang pengunjung blog ini yang bertanya tentang berapa nilai t tabel jika dia memiliki jumlah sample sebanyak 52 orang? Dalam buku-buku statistik memang jarang ditemui nilai t tabel jika n berjumlah 40 ke atas. Kebanyakan buku statistik hanya memuat maksimal 40 terus langsung loncat ke angka 80, 120 dan seterusnya. Lalu bagaimana jika n berjumlah 52? Nah lo… gak ada di buku kan??  Berangkat dari permasalahan tersebut, sebenarnya dalam program SPSS, teman-teman sudah bisa melakukan perhitungan tentang nilai-nilai statistik tabel. Dalam postingan kali ini, saya akan memberikan salah satu trik untuk mencari nilai statistik tabel dengan menggunakan SPSS versi 12.00 (maklum ya, karena saya menggunakan versi 12 dalam PC saya… hehehe). Kita akan mencari nilai t tabel untuk df = 52 sebagaimana yang ditanyakan teman kita tadi. Pertama silahkan buka program SPSS kemudian buatlah sebuah variable dengan nama apa saja. Dalam hal ini saya memberi nama df. Selanjutnya isikan nilai tertentu yang ingin kita ketahui nilai tabelnya dalam hal ini 52.

1. Pada menu di bagian atas, pilih Transform kemudian Compute. 2. Pada kotak Target variable isikan huruf t. kemudian pada kotak Function, cari kata IDF.T(p,df) kemudian klik tanda panah di atasnya sehingga kata IDF.T(p,df) berpindah pada kotak yang berada dibawah Numeric Expression. Selanjutnya, isikan nilai 0.05 pada tanda tanya pertama sebagai symbol tingkat signifikansi (Angka ini bisa diganti dengan berapa tingkat signifikansi yang anda inginkan misalnya, 0.1 atau 0.001) dan 52 pada tanda tanya kedua sebagai symbol derajad kebebasan.

3. Setelah itu klik OK sehingga pada kotak di sabelah kanan variable df akan muncul variable baru yang berisi nilai statistik t tabel dengan df = 52. Nilai -1.67 yang tampak pada variable t sama saja dengan +1.67.

Sekarang, silahkan teman-teman mencoba mencari nilai t statistik dengan df yang ada dibuku misalnya 15 kemudian cocokkan dengan hasil perhitungan SPSS. Untuk cara bagaimana mencari nilai F tabel, Insya Allah akan diposting berikut. Read more! Posted in Pengujian Hipotesis by Djunaidi Lababa | 2 komentar Mar4

nilai p dalam output SPSS
Dalam pengolahan data dengan SPSS pengambilan keputusan dilakukan dengan melihat tingkat signifikansi nilai sig. (2-tailed). Jika tingkat signifikansi yang ditentukan sebelumnya adalah 0,05, maka penolakan hipotesis dilakukan jika nilai untuk sig. (2-tailed) lebih kecil (<) dari 0,05 dan sebaliknya. Nilai sig. (2 tailed) dalam output SPSS adalah nilai p atau probabilitas. Nilai p menunjukkan probabilitas untuk memperoleh nilai sebesar atau lebih ekstrem dari nilai statistic yang teramati. Nilai p biasanya kebalikan dari nilai statistic uji. Semakin besar nilai statistic uji, semakin kecil nilai p yang berarti semakin menunjukkan adanya perbedaan variabel yang di uji.

Interpretasi nilai p senantiasa berkaitan dengan probabilitas. Nilai p = 0,3 dapat diinterpretasikan terdapat 3 diantara 10 bahwa hasil penelitian tersebut terjadi karena peluang. Dan secara kebetulan 3 tersebut masuk dalam sampel kita. Pemaknaan terhadap nilai p bisa berbeda-beda antara satu orang dengan orang lain. misalnya jika seorang peneliti mendapatkan nilai p = 0,04. Jika menggunakan patokan p = 0,05, maka temuannya tentang perbedaan variabel sudah dapat dikatakan signifikan. Akan tetapi bisa jadi oleh peneliti yang lain, nilai p = 0,04 belum cukup untuk menggambarkan adanya perbedaan tersebut.

Read more! Posted in Pengujian Hipotesis by Djunaidi Lababa | 3 komentar Jan13

Pengujian Normalitas Data dengan One Sample Kolmogorov-Test
Pada postingan terdahulu, kita sudah pernah membahas mengenai pengujian normalitas dengan menggunakan histogram. Nah, pada postingan ini saya akan mendemonstrasikan bagaimana melakukan pengujian normalitas menggunakan teknik pengujian nonparametric one-sample kolmogorov smirnov test. Kita akan menggunakan data nilai siswa yang diperoleh dari empat metode mengajar. Data tersebut, telah kita pergunakan pada pengujian analisis varian. Pada postingan ini data nilai tersebut akan kita uji apakah berdistribusi normal atau tidak. Data tersebut kita masukkan ke dalam program SPSS seperti berikut ini:

Langkah-langkah melakukan uji normalitas adalah klik ANALYZE > NONPARAMETRIC TEST > 1-SAMPLE KS hingga muncul kota dialog 1-sample KS.

Masukkan variabel nilai pada kotak TEST VARIABLE LIST serta tandai NORMAL pada TEST DISTRIBUTION. Kemudian klik OK hingga muncul output SPSS untuk 1 KS-TEST.

Hasil pengujian normalitas dapat diketahui berdasarkan nilai Asymp. Sig. (2-tailed). Nilai sebesar 0,859 berarti lebih besar dari 0,05. Dengan demikian dapat dikatakan bahwa data nilai tersebut berdistribusi normal. Hal ini diperkuat dengan kata-kata dibawah table di atas : Test distribution is Normal.

Read more! Posted in Pengujian Hipotesis by Djunaidi Lababa | 5 komentar Jan11

perbedaan One Way Anava dan Two Way Anava
Dalam penelitian eksperimen, sangat diperlukan analisis statistic untuk menyimpulkan hasil eksperimen. Salah satu teknik analisis yang cocok untuk ini adalah ANAVA (analisis varian) atau dalam bahasa Inggris ANOVA (Analysis of variance). Dalam statistic dikenal istilah one way ANOVA (ANAVA satu jalur) dan two way ANOVA (ANAVA dua jalur). Apa perbedaan dari kedua istilah tersebut? ANAVA satu jalur sering pula disebut COMPLETELY RANDOMIZED DESIGN (CRD) karena berlaku jika variabel-variabel yang digunakan dalam penelitian diambil secara acak dari setiap kelompok. Dalam menganalisis perbedaan tiga variabel atau lebih, ANAVA satu jalur sangat berguna untuk dimanfaatkan. Jika variabel-variabel tiap kelompok tidak diambil secara acak melainkan ditempatkan dalam cluster-cluster tertentu sesuai dengan karakteristik yang mungkin ada dalam variabel itu, maka teknik analisisnya adalah two way ANOVA. Sebagai contoh ANAVA satu jalur, jika kita melakukan analisis untuk membedakan 4 buah metode mengajar, maka nilai yang diperoleh setiap siswa dapat dibuat tabel seperti berikut ini:

Akan tetapi, dalam ANAVA dua jalur setiap variabel di bagi lagi ke dalam kelompok tertentu yang memiliki karakteristik khusus. Dengan demikian, akan ada kluster-kluster yang lebih kecil dari setiap variabel. Dalam contoh di atas, jika kita menggolongkan siswa kedalam dua kelompok, misalnya laki-laki dan perempuan, maka teknik ANAVA yang digunakan adalah ANAVA dua jalur. Tabel yang kita buat akan seperti ini:

Read more! Posted in Pengujian Hipotesis by Djunaidi Lababa | 1 komentar Nov9

t test dan anova
Bagi orang yang baru pertama kali berkenalan dengan statistik, akan sedikit membingungkan ketika berhadapan dengan bermacam-macam tabel serta teknik pengujian hipotesis yang ada dalam statistic. Apalagi jika kita memperhatikan lampiran-lampiran yang biasanya ada di akhir setiap buku statistic. Kita akan di hadapkan dengan banyaknya tabel-tabel yang ada di situ. Tabel-tabel tersebut memiliki peran penting dalam membantu penghitungan secara manual. Biasanya tabel –tabel itu dipergunakan untuk membantu pengujian hipotesis secara manual. Jika pengujian hipotesis dilakukan dengan menggunakan bantuan computer seperti SPSS, maka tabel-

tabel tersebut tidak diperlukan lagi karena output yang dihasilkan oleh SPSS sudah bisa digunakan dalam mengambil keputusan. Ada pertanyaan dari pembaca blog ini tentang bagaimana bagaimana dan kapan kita menggunakan tabel-tabel tersebut seperti tabel t, f dan chi square. Sebelumnya, yang bersangkutan juga telah bertanya tentang perbedaan penggunaan annova dan uji t. Untuk mengetahui kapan kita menggunakan anova dan kapan menggunakan uji t, tergantung dari jumlah variable yang akan kita uji. Jika kita hanya menguji dua variable, maka uji t adalah teknik yang paling sesuai dan mudah. Tentu saja, tabel yang digunakan untuk membandingkan statistic uji dan statistic hitung adalah tabel t. dan jika variable yang kita uji lebih dari dua, maka anova adalah teknik yang paling sesuai untuk ini. Tabel yang digunakan untuk membantu pengambilan keputusan jika kita menggunakan anova adalah tabel F. Akan tetapi, untuk dapat menggunakan dua teknik pengujian hipotesis di atas, ada dua syarat yang harus dipenuhi terlebih dahulu yaitu homogenitas varian dan distribusi normal. Jika kita tidak dapat memenuhi kedua syarat tersebut, berarti pengujian hipotesis harus dilakukan dengan statistic nonparametric. Salah satu uji nonparametric untuk menguji hipotesis adalah dengan uji chi square. Dengan demikian chi square. Wallahu ‘alam.

Chi Square dan Goodness-Of-Fit Test
Salah seorang pengunjung blog kita ini bertanya tentang apa sebenarnya yang dimaksud dengan chi square? Dalam statistik, distribusi chi square (dilambangkan dengan χ2) termasuk dalam statistik nonparametrik. Distribusi nonparametrik adalah distribusi dimana besaran-besaran populasi tidak diketahui. Distribusi ini sangat bermanfaat dalam melakukan analisis statistik jika kita tidak memiliki informasi tentang populasi atau jika asumsi-asumsi yang dipersyaratkan untuk penggunaan statistik parametrik tidak terpenuhi. Beberapa hal yang perlu diketahui berkenaan dengan distribusi chi square adalah : a. Distribusi chi square memiliki satu parameter yaitu derajad bebas (db) b. Nilai-nilai chi square di mulai dari 0 disebelah kiri, sampai nilai-nilai positif tak terhingga di sebelah kanan c. Probabilitas nilai chi square di mulai dari sisi sebelah kanan d. Luas daerah di bawah kurva normal adalah 1. Nilai dari chi square bisa dicari jika kita memiliki informasi luas daerah disebelah kanan kurva serta derajad bebas. Misalnya jika luas daerah disebelah kanan adalah 0,1 dan derajad bebas sebanyak 7, maka nilai chi square adalah 12, 017.

Dalam statistic, distribusi chi square digunakan dalam banyak hal. Mulai dari pengujian proporsi data multinom, menguji kesamaan rata-rata Poisson serta pengujian hipotesis. Pengujian hipotesis yang menggunakan dasar distribusi chi square misalnya Goodness-of-fit test, pengujian indepensi, pengujian homogenitas serta pengujian varians dan standar deviasi populasi tunggal. Pada postingan kali ini, kita saya akan menunjukkan penggunaan distribusi chi square untuk menguji Goodness-of-fit. Dalam Goodness-of-fit test ada hal-hal yang harus diperhatikan yaitu: a. Adanya frekuensi observasi atau frekuensi yang benar-benar terjadi dalam eksperimen dan dilambangkan dengan O. b. Adanya frekuensi yang diharapkan terjadi yang dilambangkan dengan E = np c. Derajad bebas adalah k – 1 dimana k adalah jumlah kategori. Misalnya jika kita melempar dadu, maka aka nada 6 kategori kejadian sehingga k = 6. Dengan demikian db = 6 – 1 = 5. d. Nilai chi square hitung diperoleh dari rumus: X^2 = E [ (E-O)^2/E] e. Jumlah sampel yang digunakan harus mencukupi nilai harapan paling sedikit 5 (E > 5) Baiklah, kita akan melihat contoh penggunaan chi square dalam Goodness-of-fit Test. Contoh soal ini saya ambil dari buku Statistik Induktif karangan Abdul Hakim. Sebuah mall di Yogya memiliki 5 buah toko. Seorang analis ingin mengetahui apakah konsumen sama senangnya berbelanja di kelima toko tersebut. Dia mengumpulkan 1000 konsumen yang paling sering berbelanja ke mall tersebut. Datanya dirangkam dalam tabel berikut ini Toko Frekuensi a 214 b c d 231 182 154 e 219

Langkah pertama yang dilakukan untuk menjawab masalah di atas adalah menentukan rumusan hipotesis terlebih dahulu. Rumusan hipotesis adalah H0 : proporsi konsumen yang berkunjung kelima toko itu sama. (jika proporsinya dianggap sama, maka proporsi untuk setiap toko adalah 1/5 = 0,2 H1 : paling tidak dua diantara toko tersebut memiliki proposi yang tidak sama dengan 0,2. Langkah kedua adalah menentukan rumus/distribusi yang akan digunakan. Dalam kasus ini, dikarenakan terdapat 5 kategori, maka kita akan menggunakan distribusi chi square. Langkah ketiga adalah menentukan daerah penolakan hipotesis. Dengan alpha sebesar 0,01 dan df = 5 – 1 = 4 maka nilai chi square tabel atau nilai kritis penolakan hipotesis adalah 13,227. Artinya bahwa jika statistic hitung di atas statistic tabel, maka hipotesis nol ditolak.

Langkah keempat adalah menentukan nilai statistic hitung (uji) dengan cara kita membuat tabel seperti dibawah ini untuk mempermudah perhitungan.

langkah terakhir adalah menarik kesimpulan. Dengan nilai statistic hitung sebesar 19,79 berarti lebih besar dari nilai statistic tabel sebesar 13,227. Dengan demikian, hipotesis nol kita tolak. Sehingga kita dapat mengatakan bahwa proporsi orang yang datang kelima toko tersebut tidaklah sama. Jika kita menggunakan program SPSS, maka pengujian hipotesis dapat kita lakukan sebagai berikut: Masukkan data dari kelima toko tersebut ke dalam program SPSS sebagai berikut :

Setelah itu kita beri bobot data dengan cara klik: Data > Weight Case sehingga kotak dialog weight case muncul. Pilih Weight Case By dan masukkan variable frekuensi ke dalam kotak Frequency Variable. Dan klik OK

Selanjutnya klik Analyze > Nonparametric Test > Chi Square sehingga kotak dialog analisis chi square muncul.

Masukkan varabel toko pada kotak Test variable list, pilih get from data pada kotak Expected Range dan All Categories equal pada kotak Expected Values. Kemudian klik OK sehingga hasil analisis SPSS akan muncul. Bandingkan dengan hasil perhitungan manual.


				
DOCUMENT INFO