PANDUAN PRAKTIKUM · 1. Memberikan gambaran tentang suatu data, baik data kualitatif dan data kuantitatif, seperti : rata-rata, standar deviasi, varian, melihat data yang menyimpang,

i

PANDUAN PRAKTIKUM

STATISTIK INDUSTRI

Kepala Laboratorium

Dwi Sukma Donoriyanto, ST., MT.

NIP. 19810726 200501 1 002

Laboran

Yusron Falah, ST.

NIP. 18119810820108

Asisten Laboratorium

Rafi (Koordinator Asisten)

17032010115

Moch. Dicky Perdana P (Wakil Koor. Asisten)

17032010059

Fara Kamila Hudy (Sekretaris)

17032010066

Kamal Husein (Koordinator HSM)

17032010102

Ivonne Rakha Salsabila (HSM)

17032010111

Alfiani Rachmatin (Koordinator HRD)

17032010062

Nadya Annisa Wulandari (HRD)

17032010004

PROGRAM STUDI TEKNIK INDUSTRI

FAKULTAS TEKNIK

UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”

JAWA TIMUR

2020

ii

KATA PENGANTAR

Puji dan syukur kami panjatkan kehadirat Tuhan Yang Maha Esa karena

atas rahmat dan hidayah-Nya kami dapat menyusun buku panduan Praktikum

Statistik Industri ini dengan baik.

Buku panduan Praktikum Statistik Industri ini terdiri dari delapan materi,

yaitu: Statistik Deskriptif (Deskriptif dan Frekuensi), Statistik Inferensi (Uji T

Untuk 1 Sempel dan Untuk 2 Sampel), Statistik Inferensi (Uji T Untuk Dua

Sampel Berpasangan Dan One Way ANOVA), Analisis Regresi danAnalisis

Korelasi, Uji Validitas dan Reliabilitas, Analisis Cluster, Analisis Diskriminan,

dan Analisis Faktor.

Tim penyusun mengucapkan terimakasih kepada semua pihak yang telah

membantu memberikan masukan bagi perbaikan buku panduan praktikum

Statistik Industri. Kami menyadari bahwa buku panduan praktikum ini masih jauh

dari sempurna. Untuk itu kami selalu terbuka atas kritik dan saran yang bersifat

membangun.

Tim Penyusun

iii

TATA TERTIB

PRAKTIKUM STATISTIK INDUSTRI

Dalam meningkatkan kedisiplinan pada praktikum Statistik Industri maka

para praktikan harap mematuhi tata tertib yang berlaku antara lain :

1. Praktikan diharap hadir tepat waktu, 10 menit sebelum jadwal yang telah

ditentukan.

2. Test awal dilakukan tepat waktu sesuai jadwal praktikum. Jika terlambat

lebih dari 5 menit setelah tes awal dimulai, maka praktikan tidak

diperkenankan mengikuti tes awal. (Auto Resume)

3. Apabila praktikan terlambat lebih dari 15 menit, praktikan tidak dapat

mengikuti praktikum (absensi kosong).

4. Para praktikan tidak dibolehkan memakai T-Shirt / kaos oblong, ataupun

celana robek, harus berpakaian sopan, bersepatu, dan selama praktikum

jaket atau topi harap dilepas.

5. Saat praktikum, para praktikan tidak diperkenankan menggunakan

handphone/gadget dan wajib menonaktifkan agar tidak menganggu

jalannya praktikum.

6. Dilarang menancapkan flashdsik atau alat penyimpanan lainnya dalam

bentuk apapun ke CPU di Laboratorium dan membuka program selain

program yang digunakan saat praktikum.

7. Para praktikan wajib mengikuti bimbingan (1 kelompok) dengan Aslab

masing-masing. Dengan tempat dan waktu yang sudah dikoordinasikan

dengan asisten bersangkutan.

8. Apabila izin atau sakit wajib memberitahu aslab maks H-1 hari sebelum

praktikum (menggunakan surat tertulis).

9. Para praktikan tidak boleh mengikuti ujian global apabila telah 3x tidak

masuk atau absen.

10. Tugas pendahuluan dikumpulkan sebelum praktikum.

11. Praktikan wajib melakukan revisi H+2 dan melakukan ACC paling lambat

H+3 setelah dilaksanakannya praktikum.

12. Nilai akhir praktikum yang didapatkan praktikan berdasarkan absensi

kehadiran, nilai tes awal, nilai bimbingan, nilai kesopanan, nilai laporan

dan nilai ujian Global.

iv

DAFRAR ISI

LEMBAR JUDUL .................................................................................................. i

KATA PENGANTAR ............................................................................................ ii

TATA TERTIB PRAKTIKUM STATISTIKA INDUSTRI .............................. iii

DAFTAR ISI ........................................................................................................... iv

MODUL 1 Statistik Deskriptif (Deskriptif dan frekuensi) .............................. 1

1.1 Tujuan Praktikum ............................................................................ 1

1.2 Landasan Teori ................................................................................. 1

1.3 Langkah-Langkah Praktikum ........................................................ 3

MODUL 2 Statistik Inferensi (One sample T-Test dan Two sample T-test) .... 4


2.2 Landasan Teori ................................................................................. 4


MODUL 3 Statistik Inferensi ( Paired T-Test dan One Way ANOVA) ............ 8


3.2 Landasan Teori ................................................................................. 8


MODUL 4 Analisis Regresi dan Korelasi .......................................................... 11


4.3 Landasan Teori ................................................................................. 11


MODUL 5 Uji Validitas dan Reabilitas ............................................................. 14


5.2 Landasan Teori ................................................................................. 14


MODUL 6 Analisis Cluster ................................................................................. 17


6.2 Landasan Teori ................................................................................. 17


MODUL 7 Analisis Diskriminan ........................................................................ 20


7.2 Landasan Teori ................................................................................. 20


v

MODUL 8 Analisis Faktor .................................................................................. 24


8.2 Landasan Teori ................................................................................. 24


DAFTAR PUSTAKA……………………………………………………………..26

1

1.1 Tujuan Praktikum

Adapun tujuan dari praktikum adalah :

1. Memberikan gambaran tentang suatu data, baik data kualitatif dan data

kuantitatif, seperti : rata-rata, standar deviasi, varian, melihat data yang

menyimpang, dan sebagainya.

2. Menggambarkan data dalam berbagai ukuran pusatnya, seperti : mean,

median, persentil, dan lain sebagainya.

1.2 Landasan Teori

Statistik memiliki makna yaitu kumpulan angka-angka, grafik, gambar atau

diagram tentang suatu keadaan tertentu. Sedangkan statistika diartikan sebagai

teknik-teknik untuk mengumpulkan data, menganalisis data, dan mengambil

kesimpulan dari hasil analisis tersebut. Dengan demikian statistika itu mencakup

proses pengumpulan data sampai pada diambilnya kesimpulan atas dasar data

tersebut. Distribusi frekuensi adalah suatu daftar yang membagi data yang ada

kedalam beberapa kelas.

Statistika Deskriptif adalah metode-metode yang berkaitan dengan

pengumpulan dan penyajian suatu gugus data sehingga memberikan informasi

yang berguna (Ronald E.Walpole. h.2-5. 1993). Statistik deskriptif hanya

memberikan informasi mengenai data yang dipunyai dan sama sekali tidak

menarik inferensia atau kesimpulan apapun tentang gugus induknya yang lebih

besar. Contoh statistik deskriptif yang sering muncul adalah, tabel, diagram,

grafik, dan besaran-besaran lain di majalah dan koran-koran. Dengan Statistik

deskriptif, kumpulan data yang diperoleh akan tersaji dengan ringkas dan rapi

serta dapat memberikan informasi inti dari kumpulan data yang ada. Informasi

yang dapat diperoleh dari statistika deskriptif ini antara lain ukuran pemusatan

data, ukuran penyebaran data, serta kecenderungan suatu gugus data. (Dergibson

Siagian & Sugiarto. h.4-6. 2002). Statistik deskriptif lebih berkenaan dengan

MODUL

1

STATISTIK DESKRIPTIF ( DESKRIPTIF dan

FREKUENSI)

2

pengumpulan dan peringkasan data, serta penyajian hasil peringkasan tersebut.

Data-data statistik, yang bisa diperoleh hasil sensus, survei, jajak pendapat atau

pengamatan lainnya umumnya masih bersifat acak, “mentah” dan tidak

terorganisir dengan baik (raw data). Data-data tersebut harus diringkas dengan

baik dan teratur, baik dalam bentuk tabel atau presentasi grafis yang berguna

sebagai dasar dalam proses pengambilan keputusan.

Penyajian tabel dan grafis yang digunakan dalam statistik deskriptif dapat

berupa:

1. Distribusi frekuensi merupakan tabel ringkasan data yang menunjukkan

frekuensi/banyaknya item/obyek pada setiap kelas yang ada. Tujuannya

untuk mendapatkan informasi lebih dalam tentang data yang ada yang tidak

dapat secara cepat diperoleh dengan melihat data aslinya.

2. Presentasi grafis seperti histogram, Pie chart dan sebagainya.

Selain tabel dan grafik, untuk mengetahui deskripsi data diperlukan ukuran

yang lebih eksak, yang biasa disebut summary statistics (ringkasan statistik). Dua

ukuran penting yang sering dipakai dalam pengambilan keputusan adalah:

1. Mencari central tendency (kecenderungan memusat), seperti Mean, Median,

dan Modus

2. Mencari ukuran dispersion, seperti Standar Deviasi dan Varians

Selain central tendency dan dispersion, ukuran lain yang dipakai adalah

Skewness yang berfungsi untuk mengetahui kemiringan/kecondongan data.

Sedangkan kurtosis berfungsi untuk mengetahui keruncingan data.

Adapun beberapa rumus yang dipakai dalam pengolahan data :

Sum =

n

1 i

Xi ,

Mean n

Xi

n

SumX

n

1 i

Median Jika ganjil = 2

1 n , Jika genap maka median = data ke

2

2

2 n

2

n

Standard Deviation (SD) =

1-n

X - Xi2

,

3

Standard Errors Of Mean(SE) = n

S

1.3 Langkah-Langkah Praktikum (Matlab)

1. Buka Aplikasi Matlab

2. Klik menu File → New → Variable, klik kanan unnamed dan rename lalu

beri nama “data”. Lalu double klik “data” hingga muncul array editor.

Lalu masukkan data seusai dengan soal.

3. Kemudian pada command window ketik command seperti berikut satu

persatu:

4



1. Untuk menguji apakah suatu nilai tertentu (yang diberikan sebagai

pembanding) berbeda secara nyata atau tidak dengan rata-rata sebuah

sampel.

2. Membandingkan rata-rata dari dua grup yang tidak berhubungan satu

dengan yang lain.

3. Mengetahui analisis data yang dilakukan dengan metode statistik

inferensial

2.2 Landasan Teori

Statistik inferensial yaitu mencakup semua metode yang berhubungan

dengan analisis sebagian data untuk peramalan atau penarikan kesimpulan

mengenai keseluruhan gugus data induknya. (Walpole, 1995). Somantri (2006:19)

menyatakan bahwa statistika inferensia membahas mengenai cara menganalisis

data serta mengambil keputusan (berkaitan dengan estimasi parameter dan

pengujian hipotesis). Statistik inferensial merupakan statistik yang berkenaan

dengan cara penarikan kesimpulan berdasarkan data yang diperoleh dari sampel

untuk menggambarkan karakterisktik atau ciri dari suatu populasi. Dengan

demikian dalam statistik inferensial dilakukan suatu generalisasi (perampatan atau

memperumum) dan hal yang bersifat khusus (kecil) ke hal yang lebih luas

(umum). Oleh karena itu, statistik inferensial disebut juga statistik induktif atau

statistik penarikan kesimpulan. Pada statistik inferensial biasanya dilakukan

pengujian hipotesis dan pendugaan mengenai karakteristik (ciri) dari suatu

populasi, seperti mean dan Uji t (Sugiyono, 2006).

Uji hipotesis adalah suatu proses untuk menentukan apakah dugaan

tentang nilai parameter/karakteristik populasi didukung kuat oleh data sampel atau

MODUL

2

Statistik Inferensi (One Sample T-Test dan Two

Sample T-Test) FREKUENSI)

5

tidak. Hipotesis dalam inferensi statistik di bedakan menjadi hipotesis nol (Ho),

yaitu hipotesis yang akan diuji oleh suatu prosedur statistik, biasanya berupa suatu

pernyataan tidak adanya perbedaan atau tidak adanya hubungan, dan hipotesis

alternativ (H1), yaitu hipotesis yang merupakan lawan dari Ho biasanya berupa

pernyataan tentang adanya perbedaan atau adanya hubungan, yang

selanjutnyadigunakan untuk menunjukan bahwa pernyataan mendapat dukungan

kuat dari data.

Tahap-tahap uji hipotesis secara umum, yaitu:

1. Tentukan model probabilitas yang cocok dari data,

2. Tentukan hipotesis Ho dan H1,

3. Tentukan statistik penguji,

4. Tentukan tingkat signifikansi,

5. Tentukan daerah kritik berdasarkan tingkat signifikansi,

6. Hitung statistik penguji,

7. Alternatif, hitung p-value berdasarkan statistik penguji dan

8. Ambil kesimpulan berdasarkan poin 6 dan 7.

2.2.1 One Sample T-Test

One sample t-test merupakan teknik analisis untuk membandingkan satu

variabel bebas. Teknik ini digunakan untuk menguji apakah nilai tertentu berbeda

secara signifikan atau tidak dengan rata-rata sebuah sampel. One sampe t-test

merupakan prosedur uji t untuk sampel tunggal jika rata-rata suatu variabel

tunggal dibandingkan dengan suatu nilai konstanta (pembanding) tertentu.

Hipotesis adalah asumsi atau dugaan mengenai suatu hal yang dibuat untuk

menjelaskan hal tersebut yang sering dituntut untuk melakukan pengecekanya.

Syarat uji t satu sampel :

Data merupakan data kuantitatif

Memenuhi asumsi berdistribusi normal

Hipotesis:

6

t-hitung:

2.2.2 Two Sample T-Test

Two Sample T-Test adalah uji komparatif atau uji beda untuk mengetahui

adakah perbedaan mean atau rerata yang bermakna antara 2 kelompok bebas yang

berskala data interval/rasio. Dua kelompok bebas yang dimaksud di sini adalah

dua kelompok yang tidak berpasangan, artinya sumber data berasal dari subjek

yang berbeda. Asumsi yang harus dipenuhi pada independen t test antara lain:

1. Skala data interval/rasio.

2. Kelompok data saling bebas atau tidak berpasangan.

3. Data per kelompok berdistribusi normal.

4. Data per kelompok tidak terdapat outlier.

5. Varians antar kelompok sama atau homogen.

2.3 Langkah-langkah Praktikum (Minitab)

One Sample T-Test

1. Buka aplikasi Minitab18, lalu masukkan data sesuai studi kasus yang telah

diberikan.

2. Setelah data terisi, klik stat lalu pilih basic statistics.

3. Klik 1-sample t-test.

4. Pada sample in columns, isilah dengan variabel yang ada.

5. Centang perform hypothesis test, dan pada kolom Hypotisized Mean isi

sesuai soal.

6. Klik option dan isilah confident level dengan 95,0. Lalu OK 2x..

7. Untuk Mencari nilai T Tabel, Klik Calc lalu pilih probability Distribution

dan klik t…

8. Pilih invers cumulative probability dan isi degrees of freedom dengan

angka (n-1).

9. Isi input constant dengan 0,975 lalu klik OK.

7

Uji Varians 2 Sampel

1. Klik stat lalu pilih basic statistics

2. Klik 2 – variances.

3. Ganti data menjadi each sample is in its own columns

4. Isi sample 1 dengan variable 1 dan sample 2 dengan variable 2

5. Klik option dan isi confidence level dengan 95,0; centang “used and test

confidence interval based …….”. Klik OK.

6. Klik OK.

Two Sample T-Test

1. Klik stat pilih basic statistics dan klik 2 - sample t

2. Ganti data menjadi each samples is in its own column

3. Isi sample 1 dengan variable 1 dan sample 2 dengan variable 2

4. Klik option lalu isi confidence level dengan 95,0 dan centang Assume

Equal Variances, kemudian klik OK.

5. Untuk Mencari nilai T Tabel, Klik Calc lalu pilih probability Distribution

dan klik t…

6. Pilih invers cumulative probability dan isi degrees of freedom dengan

angka (n-1)

7. Isi input constant dengan 0,975 lalu klik OK.

8


Adapun tujuan dari praktikum modul 3 adalah :

1. Menguji 2 sampel yang berpasangan, apakah mempunyai rata-rata dua

sampel yang secara nyata berhubungan atau tidak.

2. Menguji rata-rata dua buah atau lebih sampel, serta menguji apakah dua

buah sampel mempunyai varians populasi sama atau tidak.

3.2 Landasan Teori

3.2.1 Paired Sample T Test

Pada uji ini menggunkan sample yang sama, namun diberi perlakuan yang

berbeda. Biasanya peneliti ingin membandingkan data sebelum diberi perlakuakn

(pretest) dan sesudah diberi perlakuan (postest). Membantu penelitian dalam

menggunakan sampel sehingga penelitian dapat bekerja efisien dengan hasil yang

sesuai dengan obyek yang ingin diteliti. Paired Sample T-Test, adalah jenis uji

statistika yang bertujuan untuk membandingkan rata-rata dua grup yang saling

berpasangan. Sampel berpasangan dapat diartikan sebagai sebuah sampel dengan

subjek yang sama namun mengalami 2 perlakuan atau pengukuran yang berbeda,

yaitu pengukuran sebelum dan sesudah dilakukan sebuah treatment.

Syarat jenis uji ini adalah :

1. Data berdistribusi normal

2. Kedua kelompok data adalah dependen (saling berhubungan/berpasangan)

3. Jenis data yang digunakan adalah numerik dan kategorik (dua kelompok).

t-hitung = 𝑑𝑖

√𝑁 𝑑𝑖2 𝑑𝑖 2

𝑁 1

MODUL

3

STATISTIK INFERENSI (Paired 2 Sample T-Test

dan OneWay ANOVA)

9

3.2.2 ANOVA (Analysis of Variance)

ANOVA (Analysis of Variance) adalah suatu metode analisis statistika

yang termasuk ke dalam cabang statistika inferensi. Dan ANOVA merupakan

salah satu uji hipotesis pada statistika parametrik, untuk melakukan pengujian

terhadap interaksi antara dua faktor dalam suatu percobaan dengan

membandingkan rata-rata yang lebih dari dua sampel.

Untuk melakukan analisis variansi diperlukan asumsi:

• Masing-masing kelompok/grup merupakan sampel random yang berasal

dari populasi normal

• Dalam populasi, variansi dalam kelompok-kelompok/grup-grup tersebut

adalah sama/homogen

• Sampel tidak berhubungan satu dengan yang lain

Analisis of Variance (ANOVA) terbagi menjadi dua jenis yaitu analisis

varians satu arah atau satu jalur (One Way ANOVA) dan analisis varian dua jalur

(Two Way ANOVA). Anova dapat di golongkan menjadi 2 jenis yaitu :

1. One Way ANOVA

Analisis variansi satu arah atau yang sering disebut sebagai rancangan

acak lengkap adalah suatu prosedur untuk menguji perbedaan rata-rata/pengaruh

perlakuan dari beberapa populasi (lebih dari dua) dari suatu percobaan yang

menggunakan satu faktor, dimana satu faktor tersebut memiliki 2 atau lebih level.

Kegunaan One-Way ANOVA banyak dipergunakan pada penelitian-

penelitian yang banyak melibatkan pengujian komparatif yaitu menguji variabel

terikat dengan cara membandingkannya pada kelompok-kelompok sampel

independen yang diamati. Analisis varian saat ini banyak digunakan dalam

penelitian survey dan penelitian eksperimen.

2. Two Way ANOVA

Two Way Anova dikenal juga dengan factorial design atau randomized

block design. Sama dengan One Way Anova dasar perhitungan yang digunakan

adalah Distribusi F. Pada Two Way Anova pengujian dilakukan dengan tidak

hanya melihat satu faktor atau perlakuan saja, tetapi juga dengan

mempertimbangkan faktor blok. Uji blok dilakukan untuk mengetahui pengaruh

blok terhadap perbedaan rata-rata. Untuk menguji H0 dengan tandingan H1 yang

10

akan dilakukan, varians-varians inilah yang akan digunakan, tepatnya varians

dalam kelompok dan varians antar kelompok membentuk statistik F, tepatnya:

kelompok dalam varians

kelompok antar varians F

3.3 Langkah-Langkah Praktikum (Minitab)

Paired Sample t Test

1. Buka Aplikasi Minitab18

2. Masukkan data sesuai dengan soal.

3. Klik stat lalu pilih basic statistics dan pilih Paired T

4. Klik Sample in Column pada bagian sampel 1 isi dengan variabel 1 lalu

select, pada bagian sampel 2 isi dengan variabel 2 lalu select

5. Klik option, confidence level dengan 95.0

6. Klik OK.

One Way ANOVA

1. Masukkan data sesuai dengan soal.

2. Klik Data lalu pilih Stack dan pilih Columns

3. Isi Stack the Following Columns dengan Variabel 1, Variabel 2, Variabel 3

4. Klik column of current worksheet lalu isi (jenis variabel)

5. Klik store subscript in lalu isi (topik permasalahan variabel)

6. Klik OK

7. Klik stat lalu pilih ANOVA dan klik one way, lalu ganti menjadi

“response data in separate column….” masukkan C1 sampai C3 pada

responses

8. Klik option, Confidence Level 95.0

9. Klik OK

11


Adapun tujuan praktikum modul analisis Regresi dan Kolerasi, adalah:

1. Menentukan ada atau tidaknya hubungan dalam dua variabel pada data

pengamatan

2. Menentukan bagaimana arah hubungan apakah positif atau negatif dan

besarnya hubungan tersebut.

4.2 Landasan Teori

4.2.1 Analisisi Regresi

Regresi merupakan suatu alat ukur yang juga dapat digunakan untuk

mengukur ada atau tidaknya korelasi antar variabel. Satu analisis yang membantu

dalam analisis regresi sebelum melakukan proses pengujian hipotesis adalah

dengan melakukan visualisasi data. Kegunaan analisis regresi antara lain:

1. Untuk menentukan hubungan linier antara variabel bebas yang biasa

disebut x dengan sebuah variabel terikat yang disebut y.

2. Dapat mengukur seberapa besar pengaruh dari variabel bebas terhadap

variabel terikatnya.

3. Dapat digunakan untuk melakukan prediksi nilai suatu variabel berdasarkan

variabel lain (bisa hanya satu variabel bebas atau beberapa variabel bebas).

Hasil analisis regresi adalah berupa koefisien untuk masing-masing

variabel independen. Koefisien ini diperoleh dengan cara memprediksi nilai

variabel dependen dengan suatu persamaan; Koefisien regresi dihitung dengan dua

tujuan sekaligus: Pertama, meminimumkan penyimpangan antara nilai aktual dan

nilai estimasi variabel dependen berdasarkan data yang ada (Tabachnick, 1996).

Analisis Regresi dapat memberikan arahan tentang hubungan yang terjadi

antara dua variabel tersebut. Analisis ini untuk mengetahui arah hubungan antara

variabel independen dengan variabel dependen apakah positif atau negatif dan

MODUL

4

Analisis Regresi dan Analisis Kolerasi

12

untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen

mengalami kenaikan atau penurunan.

22

2 )(

XiXin

XiYiiXXiYia

22 iXXin

YiXiXiYinb

Y = a + bX

4.2.2 Analisis Korelasi

Analisis korelasi digunakan untuk mengetahui keeratan hubungan antara

dua variabel dan untuk mengetahui arah hubungan yang terjadi. Dalam SPSS ada

tiga metode korelasi sederhana (bivariate correlation) diantaranya Pearson

Correlation, Kendall’s tau-b, dan Spearman Correlation. Pearson Correlation

digunakan untuk data berskala interval atau rasio, sedangkan Kendall’s tau-b, dan

Spearman Correlation lebih cocok untuk data berskala ordinal.

Kegunaan korelasi adalah sebagai berikut:

1. Biasanya digunakan untuk mempelajari hubungan keeratan antar 2 variabel

kuantitatif berdasarkan angkanya, bukan tandanya. Ingat! kalau keeratan

lihat besarnya, bukan tandanya.

2. Dapat mengetahui arah hubungan yang terjadi {berbading lurus (tanda +),

atau berbanding terbalik (tanda -)}.

3. Nilainya berkisar antara -1 sampai 1.

4. Tidak bisa menyatakan hubungan kausalitas (sebab-akibat)

Kuat lemahnya hubungan di ukur menggunakan jarak (range) 0 sampai

dengan 1. Korelasi mempunyai kemungkinan pengujian hipotesis dua arah (two

tailed). Dikatakan korelasi searah jika koefesien korelasi ditemukan positif,

sebalikanya jika koefisien korelasinya ditemukan negatif maka di katakan korelasi

tidak searah.

Nilai korelasi (r) berkisar antara 1 sampai -1, nilai semakin mendekati 1

atau -1 berarti hubungan antara dua variabel semakin kuat, sebaliknya nilai

mendekati 0 berarti hubungan antara dua variabel semakin lemah. Nilai positif

menunjukkan hubungan searah (X naik maka Y naik) dan nilai negatif

menunjukkan hubungan terbalik (X naik maka Y turun).

13

2

i

22

i

2

iiii

)Y(Yn)X(Xn

)Y)(X(YXn

ii

r

4.3 Langkah Praktikum (StatGraphics)

Korelasi

1. Buka Aplikasi StatGraphichs

2. Masukkan data dan beri nama kolom dengan type data numeric.

3. Klik relate → Multiple Factors → Multiple-VariableAnalysis

(Correlations)

4. Masukkan semua variabel pada data → OK→ OK

5. Beri centang pada Correlations saja → OK

Regresi

1. Dengan data yang sama, klik relate → One Factor → Simple Regression

2. Pada Y masukkan variabel terikat, pada X masukkan variabel bebas → OK

3. Pilih Linear → OK

4. Beri centang pada Analysis Summary saja → OK

14


Adapun tujuan praktikum adalah :

1. Menguji apakah suatu angket dikatakan valid dan reliabel

2. Untuk mengetahui uji reliabilitas dan uji validitas.

5.2 Landasan Teori

5.2.1 Validitas

Validitas adalah tingkat keandalah dan kesahihan alat ukur yang

digunakan. Intrumen dikatakan valid berarti menunjukkan alat ukur yang

dipergunakan untuk mendapatkan data itu valid atau dapat digunakan untuk

mengukur apa yang seharusnya di ukur (Sugiyono, 2004:137). Suatu skala atau

instrumen pengukur dapat dikatakan mempunyai validitas yang tinggi apabila

instrumen tersebut menjalankan fungsi ukurnya. Sedangkan tes yang memiliki

validitas rendah akan menghasilkan data yang tidak relevan dengan tujuan

pengukuran.

Menurut Nazir (1985), membagi validitas menjadi :

• Concurrent Validity adalah validitas yang berkenaan dengan hubungan

antara skor dengan kinerja.

• Construct Validity adalah validitas yang berkenaan dengan kualitas aspek

psikologis apa yang diukur oleh suatu pengukuran serta terdapat evaluasi

bahwa suatu konstruk tertentu dapat menyebabkan kinerja yang baik dalam

pengukuran.

• Face Validity adalah validitas yang berhuubungan apa yang nampak dalam

mengukur sesuatu dan bukan terhadap apa yang seharusnya hendak diukur.

• Factorial Validity dari sebuah alat ukur adalah korelasi antara alat ukur

dengan faktor-faktor yang bersamaan dalam suatu kelompok atau ukuran-

ukuran perilaku lainnya, di mana validitas ini diperoleh dengan

menggunakan teknik analisis faktor.

MODUL

5

Uji Validitas dan Reliabilitas

15

• Empirical Validity adalah validitas yang berkenaan dengan hubungan

antara skor dengan suatu kriteria. Kriteria tersebut adalah ukuran yang

bebas dan langsung dengan apa yang ingin diramalkan oleh pengukuran.

• Intrinsic Validity adalah validitas yang berkenaan dengan penggunaan

teknik uji coba untuk memperoleh bukti kuantitatif dan objektif untuk

mendukung bahwa suatu alat ukur benar-benar mengukur apa yang

seharusny diukur.

• Predictive Validity adalah validitas yang berkenaan dengan hubungan

antara skor suatu alat ukur dengan kinerj seorang di msa mendatang.

• Content Validity adalah validitas yang berkenaan dengan baik buruknya

sampling dari suatu populasi.

• Curricular Validity adalah validitas yang ditentukan dengan cara menilik

isi dari pengukuran dan menilai seberapa jauh pungukuran tersebut

merupakan alat ukur yang benar-benar mengukur aspek-aspek sesuai

dengan tujuan instruksional

5.2.2 Reliabilitas

Reliabilitas menunjukkan sejauh mana hasil pengukuran dengan alat

tersebut dapat dipercaya, hasil pengukuran harus reliabel dalam artian harus

memiliki tingkat dan kemantapan (Sumadi Suryabrata, 2004:28). Pengukuran

yang memiliki reliabilitas tinggi disebut sebagai pengukuran yang reliabel.

Konsep reliabilitas adalah sejauh mana hasil pengukuran dapat dipercaya

(Supranto, 1991).

Jenis-jenis Reliabilitas, Walizer (1987) menyebutkan bahwa ada dua cara

umum untuk mengukur reliabilitas, yaitu:

1. Relibilitas stabilitas.

Menyangkut usaha memperoleh nilai yang sama atau serupa untuk setiap

orang atau setiap unit yang diukur setiap saat anda mengukurnya. Reliabilitas ini

menyangkut penggunaan indicator yang sama, definisi operasional, dan prosedur

pengumpulan data setiap saat, dan mengukurnya pada waktu yang berbeda. Untuk

dapat memperoleh reliabilitas stabilitas setiap kali unit diukur skornya haruslah

sama atau hampir sama.

16

2. Reliabilitas ekuivalen.

Menyangkut usaha memperoleh nilai relatif yang sama dengan jenis ukuran

yang berbeda pada waktu yang sama. Definisi konseptual yang dipakai sama

tetapi dengan satu atau lebih indikator yang berbeda, batasan-batasan operasional,

peralatan pengumpulan data, atau pengamat-pengamat

5.3 Langkah-langkah Praktikum (StatGraphics)

1. Masukkan data seperti studi kasus/soal yang diberikan.

2. Klik describe→ Multivariate Methods → Item Reliability Analysis

3. Masukkan variabel yang bertipe numeric ke kolom Variables→ OK

4. Beri centang Standardize Alpha → OK

5. Beri centang pada Analysis Summary saja → OK

17


Adapun tujuan praktikum adalah :

1. Mengelompokkan obyek-obyek berdasarkan kesamaan karakteristik

diantara obyek-obyek tertentu

2. Melakukan proses segmentasi responden kuisioner berdasarkan ciri-ciri

sejumlah atribut.

6.2 Landasan Teori

Analisis cluster adalah teknik multivariat yang mempunyai tujuan utama

untuk mengelompokkan objek-objek/cases berdasarkan karakteristik yang

dimilikinya. Analisis cluster mengklasifikasi objek sehingga setiap objek yang

memiliki sifat yang mirip (paling dekat kesamaannya) akan mengelompok

kedalam satu cluster (kelompok) yang sama (Anwar Hidayat. 2014).

Secara logika, cluster yang baik adalah cluster yang mempunyai:

1. Homogenitas (kesamaan) yang tinggi antar anggota dalam satu cluster

(within-cluster).

2. Heterogenitas (perbedaan) yang tinggi antar cluster yang satu dengan

cluster yang lainnya (between-cluster).

Analisis cluster dapat dibagi menjadi dua jenis yaitu:

1. Hierarchical Cluster. Pengelompokan (clustering) secara hierarki biasanya

digunakan untuk jumlah sampel (data) yang relatif sedikit. Keuntungan

penggunaan metode hierarki dalam analisis Cluster adalah mempercepat

pengolahan dan menghemat waktu karena data yang diinputkan akan

membentuk hierarki atau membentuk tingkatan tersendiri sehingga

mempermudah dalam penafsiran

2. K-Means Cluster. Untuk data yang banyak (diatas 200 sampel ) (Laeli

Sofia 2014)

MODUL

6

Analisis Cluster

18

Analisis cluster memiliki tahapan sebagai berikut :

1. Menentukan variabel analisis cluster

Pemilihan variabel dala analisis cluster baik bertujuan eksploratori

maupun konfirmatori harus berdasarkan pada teori dan konseptual dan

pertimbangan praktis. Variabel yang dipilihpun haruslah bersifat rasional.

2. Memilih desain analisis cluster

Analisis Cluster sangat sensitif terhadap outlier, hal ini dikarenakan

observasi terkadang meyimpang dan tidak dapat mewakili populasi secara umum.

Bisa juga karena Cluster tidak interpretabel terhadap populasi karena representasi

cluster dalam sampel yang kurang terwakili. Dalam tahapan ini harus ada

pengukuran kesamaan yang tepat dan Standarisasi Data maupun Standarisasi

Observasi.

3. Asumsi-asumsi analisis cluster

Analisis ini bukanlah teknik statistik inferensi yang mampu memprediksi

parameter populasi berdasarkan sampel. Asumsi normalitas, linieritas, dan

homokedaksitas sangatlah penting. Disamping itu masih ada dua permasalahan

yang perlu diperhatikan, yaitu representasi sampel dan multikolinearitas.

4. Pembentukan cluster

Langkah dalam pembentukan cluster digunakan metode berhierarki untuk

mengidentifikasi jumlah cluster yang sebaiknya dibentuk dan mendapatkan initial

clsuter center yang lain.

5. Interpretasi cluster

Proses ini meliputi bagaimana mengetahui karakteristik dari masing-

masing cluster dan memberi nama atau label yang tepat dan mencirikan sifat-sifat

cluster tersebut. Proses interpretasi memerlukan perbedaan yang substansial dari

sekelompok variabel cluster dan solusi analisis cluster untuk diperluas sampai

perbedaan itu benar-benar nampak.

6. Validasi dan profilisasi cluster

Validasi adalah tahapan dimana peneliti berusaha menjamin bahwa hasil

cluster mampu merepresentatif secara umum, dan mampu digeneralisasi untuk

objek-objek yang lain. Diharapkan representasi tersebut stabil untuk beberapa

19

periode waktu. Tahapan validasi adalah tahap untuk mengecek kestabilan hasil

analisis cluster yang diperoleh. (Krishna. 2016)

Beberapa manfaat dari analisis cluster adalah: eksplorasi data peubah

ganda, reduksi data, stratifikasi sampling, prediksi keadaan obyek. Hasil dari

analisis cluster dipengaruhi oleh: obyek yang diclusterkan, peubah yang diamati,

ukuran kemiripan (jarak) yang dipakai, skala ukuran yang dipakai, serta metode

pengclusteran yang digunakan. (Anwar Hidayat. 2014)

6.3 Langkah-Langkah Praktikum (SPSS)

1. Buka aplikasi SPSS.

2. Dengan data yang sama dengan modul 5 → klik “variable view”,

masukkan seluruh variabel (untuk tipe data dan measure ada pada studi

kasus) dan dengan decimal = 0.

3. Pada “data view”, copy data dari modul 5

Non Hierarchical

1. Klik analyze → Classify → K-means

2. Masukkan semua variabel yang bertipe numeric, isi label cases by = var1,

number of clusters = 2, dengan method = iterate and classify.

3. Klik iterate, isi maximum iterations = 10 → Continue

4. Klik Options → beri centang ANOVA. → Continue

5. Klik Save → beri centang keduanya → Continue

6. OK

Hierarchical

1. Klik Analyze → classify → hierarchical cluster

2. Masukkan semua variabel yang bertipe numeric, isi label cases by = var1

3. Klik statistics → centang proximity matriks, isi range of solutions (min = 2,

max = 4) → continue

4. Klik Plots, centang dendogram → Continue

5. Klik methods → between – groups linkage, dan interval = squared

euclidean distance→ continue

6. Klik save → range of solutions (min = 2, max = 4) → continue → OK

20


Adapun tujuan dari praktikum modul 7 adalah:

1. Mengelompokan setiap obyek dalam dua atau lebih kelompok berdasarkan

pada kriteria tertentu.

2. Dapat memahami setiap karakter dan kegunaan metode analisis diskriminan.

3. Menguji apakah ada perbedaan signifikan antara kategori/kelompok yang

dikaitkan dengan variabel bebas.

7.2 Landasan Teori

Analisis diskriminan adalah salah satu tekik analisa statistika dependensi

yang memiliki kegunaan untuk mengklasifikasikan objek beberapa kelompok.

Pengelompokan dengan analisis diskriminan ini terjadi karena ada pengaruh satu

atau lebih variabel lain yang merupakan variabel independen. Kombinasi linier

dari variabel-variabel ini akan membentuk suatu fungsi diskriminan (Tatham et.

al.,1998).

Analisis diskriminan dipakai untuk menjawab pertanyaan bagaimana

individu dapat dimasukkan kedalam kelompok berdasarkan beberapa variabel.

Persamaan fungsi diskriminan yang dihasilkan untuk memberikan peramalan yang

paling tepat untuk mengklasifikasi individu kedalam kelompok berdasarkan skor

variable bebas.

Analisis diskriminan merupakan suatu analisis dengan tujuan membentuk

sejumlah fungsi diskriminan, yang dapat digunakan sebagai cara terbaik untuk

memisahkan kelompok-kelompok. Manfaat utama analisis diskriminan adalah :

Cara terbaik untuk menyatakan perbedaan antar segmen tersebut (masalah

diskriminan).

Cara untuk mengalokasikan suatu objek baru ke dalam salah satu kelompok

tersebut. Dalam buku Johnson, R. A. dan Wichern, D. W (1992) dijelaskan

bahwa fungsi diskriminan pertama kali diperkenalkan oleh Ronald A. Fisher

MODUL

7

Analisis Diskriminan

21

(1936) dengan menggunakan beberapa kombinasi linier dari pengamtan

yang cukup mewakili populasi. Menurut Fisher, untuk mencari kombinasi

linier dari p variabel bebas tersebut dapat dilakukan dengan pemilihan

koefisien-koefisiennya yang menghasilkan hasil bagi maksimum antara

matrik peragam antar kelompok (between-group) dan matrik peragam dalam

kelompok (within-group).

Adapun asumsi-asumsi yang harus dipenuhi sebelum melakukan analisis

diskriminan, antara lain yaitu:

• Variabel independen berdistribusi normal multivariate (multivariates normal

distribution).

• Varians dalam setiap kelompok adalah sama (equal variances).

Analisis diskriminan dapat dilakukan bila terdapat perbedaan yang nyata

antar kelompok, sehingga pada tahap awal yang harus dilakukan adalah uji

hipotesis nol bahwa tidak ada perbedaan kelompok di antara individu yang

dirumuskan dengan:

H0 : µ1 = µ2 = … = µk

H1 : µi ≠ µj ( minimal terdapat 2 kelompok yang berbeda)

Oleh karena bentuk multivariat dari analisis diskriminan adalah dependen,

maka variabel dependen adalah variabel yang menjadi dasar analisis diskriminan.

Adapun tujuan dari analisis diskriminan antara lain:

Mengetahui perbedaan yang jelas antar grup pada variabel dependen.

Jika ada perbedaan, variabel independen manakah pada fungsi diskriminan

yang membuat perbedaan tersebut.

Membuat fungsi atau model diskriminan (yang mirip dengan persamaan

regresi).

Melakukan klasifikasi terhadap obyek ke dalam kelompok (grup).

Beberapa hal yang berkaitan dengan analisis diskriminan :

a) Korelasi Kanonikal (canonical correlation) mengukur seberapa kuat asosiasi

antara skor diskriminan dan kelompok merupakan ukuran antara fungsi

diskriminan tunggal dan set variabel dummy yang membentuk anggota

kelompok.

22

b) Centroit ialah rata-rata nilai skor fungsi diskriminan untuk suatu kelompok

tertentu. Banyaknya centroit sebanyak kelompok yang ada, sebab setiap

kelompok mempunyai satu centroit. Rata-rata untuk satu untuk semua

kelompok pada semua fungsi disebut centroit kelompok (group centroids).

c) Metric klasifikasi sering disebut confusion metric atau prediction metric,

memuat jumlah objek (kasus) yang secara benar terklasifikasi dan yang salah

terklasifikasi. Objek kasus yang terklasifikasi secara benar tampak pada

diagonal sebab kelompok yang diramalkan dan yang sebenarnya sama

sedangkan yang berada di luar diagonal (off diagonal) mewakili objek yang

berada di diagonal dibagi dengan banyaknya objek (kasus) yang diteliti

disebut hit ratio.

d) Koefisien fungsi diskriminan yang tidak dibakukan (unstandardized)

merupakan variabel multipliers, ketika variabel masih dalam suatu ukuran

yang asli. Jika variabel di bekukan disebut koofisien beta. Koefisien fungsi

diskriminan yang dibakuakan (standardized) ialah koefisen yang

dipergunakan sebagai peganda jika semua variabel telah dibakukan sehingga

masing-masing variabel mempunyai rata-rata nol dan standar deviasi 1 (0

atau 1).

e) Skor diskriminan. Koofisien yang tidak dibakukan dikalikan dengan nilai

variabel, dijumlahkan kemudian ditambah dengan konstan akan diperoleh

nilai atau skor diskriminan. Jadi skor diskriminan sama dengan fungsi

diskriminan yaitu : Eigenvalue. Untuk setiap fungsi diskriminan, eigenvalue

merupakan sum of squares (SS) antar kelompok.dengan SS dalam kelompok

(SSh/SSw) semakin besar niai eigenvalue semakin bagus fungsi diskriminan.

23

7.3 Langkah-langkah Praktikum

1. Buka aplikasi SPSS.

2. Dengan data yang sama dengan modul sebelumnya.

3. Klik analyze → classify → hierarchical cluster.

4. Masukkan semua variabel yang bertipe numeric ke dalam “variables”, dan

label by cases diisi var 1.

5. Klik statistics → single solutions diisi 2→ continue→ OK

6. Klik analyze → classify → discriminant.

7. Masukkan average linkage ke grouping variables (define range min = 1,

max = 2) → continue, dan sisanya masukkan kedalam independents.

8. Pilih use stepwise method.

9. Klik statistics → centang means, univariate ANOVA, unstandardized →

continue

10. Klik method → centang maholonobis dan use probability of F→ continue.

11. Klik classify → centang summary table → continue → OK

24



Mereduksi data, yaitu proses untuk meringkas sejumlah variabel menjadi

lebih sedikit dan menamakannya sebagai faktor.

8.2 Landasan Teori

Analisis faktor adalah suatu analisis yang mereduksi data yaitu meringkas

sejumlah variabel menjadi lebih sedikit. Untuk mereduksi data, yaitu proses untuk

meringkas sejumlah variabel menjadi lebih sedikit dan menamakannya sebagai

faktor.

Secara garis besar, tahapan pada analisis faktor :

1. Memilih variabel yang layak dimasukkan dalam analisis faktor.

2. Setelah jumlah variabel terpilih, maka dilakukan “ekstraksi‟ variabel

tersebut hingga menjadi satu atau beberapa faktor.

3. Dilakukan Proses Rotasi untuk memperjelas apakah faktor terbentuk sudah

secara signifikansi berbeda dengan faktor lain.

4. Setelah faktor benar-benar sudah terbentuk, maka proses dilanjutkan dengan

menamakan faktor yang ada dan validasi hasil faktor.

Pada dasarnya tujuan analisis faktor adalah :

1. Data Summarization, yakni mengidentifikasi adanya hubungan antar

variabel dengan melakukan uji korelasi.

2. Data Reduction, yakni setelah melakukan korelasi, dilakukan proses

membuat sebuah variabel set baru yang dinamakan faktor untuk

menggantikan sejumlah variabel tertentu.

MODUL

8

MODUL

3

Analisis Faktor

STATISTIK INFERENSI (Paired 2 Sample T-Test

dan OneWay ANOVA)

FREKUENSI)

25

8.3 Langkah-Langkah Praktikum

1. Buka aplikasi SPSS

2. Masukkan data yang sama dengan modul sebelumnya.

3. Klik analyze → dimension reduction → Factor

4. Masukkan semua variabel bertipe numeric.

5. Klik descriptives → beri centang “KMO...” dan anti image→ continue.

6. OK

7. Apabila terdapat variabel yang nilai MSA nya diabawa 0,5, maka ulangi

langkah 3-6 dengan mengeluarkan variabel tersebut.

26

DAFTAR PUSTAKA

Cresswell, John W. 2008. Educational Research. Third Edition. New Jersey:

Pearson Education, Inc.

Johnson, R.A. dan Winchern,D.W. (1992), ”Applied Multivariate Statistical

Analysis”, Prentice Hall, New Jersey.

J. Supranto, M. A, Statistik Teori Dan Aplikasi Edisi Ke Lima, Penerbit Erlangga

Nazir, M., Metode Penelitian, Ghalia Indonesia, Jakarta.

Prof. Dr. Sudjana., M. A., M. Sc., 1996, Metode Statistik Edisi Ke Enam, Penerbit

Tarsito, Bandung,

Siagian, Dergibson., & Sugiarto. (2002). Metode Statistika untuk Bisnis dan

Ekonomi. Jakarta : PT. Gramedia Pustaka Utama

Somantri, Ating. 2006. Aplikasi Statistika dalam Penelitian. Bandung. Pustaka

Setia

Sudijono, Anas. 2008. Pengantar Statistik Pendidikan. Jakarta. PT. Raja Grafindo

Persada

Sudjana, Prof. Dr., M.A., M.Sc. 1996. Metoda Statistika. Edisi ke-6. Bandung:

Tarsito

Sudjana. (1996), Teknik Analisis Regresi dan Korelasi. Tarsito: Bandung.

Sugiyono. 2006. Statistika Untuk Penelitian. Bandung. Alfabeta

Tabachnick, B. G., & Fidell, L. S., 1996, Using Multivariate Statistics, Harpoer

Collings College Publishers, New York

Tatham, R.L., Hair, J.F, Anderson, R.E., dan Black, W.C., (1998), “Multivariate

Data Analysis”, Prentice Hall, New Jersey.

Walpole, Ronald E. 1982. Pengantar Statistika. Edisi ke-3. Jakarta: PT Gramedia

Pustaka Utama

Walpole, Ronald E. 1993. Pengantar Statistika. Jakarta : PT Gramedia Pustaka

Utama

http://imailmoslem.blogspot.co.id/2012/09/pengertian-statistik-deskriptif.html

http://merlitafutriana0.blogspot.co.id/p/validitas-dan-reliabilitas.html

http://datariset.com/analisis/detail/analisis-cluster

https://exponensial.wordpress.com/2011/03/01/analisis-cluster/

http://imailmoslem.blogspot.co.id/2012/09/pengertian-statistik-deskriptif.html

http://merlitafutriana0.blogspot.co.id/p/validitas-dan-reliabilitas.html

http://datariset.com/analisis/detail/analisis-cluster

https://exponensial.wordpress.com/2011/03/01/analisis-cluster/

Documents

PANDUAN PRAKTIKUM · 1. Memberikan gambaran tentang suatu data, baik data kualitatif dan data kuantitatif, seperti : rata-rata, standar deviasi, varian, melihat data yang menyimpang,