Upload
others
View
0
Download
0
Embed Size (px)
Citation preview
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
2.1 Tujuan Praktikum ............................................................................ 4
2.2 Landasan Teori ................................................................................. 4
2.3 Langkah-Langkah Praktikum ........................................................ 6
MODUL 3 Statistik Inferensi ( Paired T-Test dan One Way ANOVA) ............ 8
3.1 Tujuan Praktikum ............................................................................ 8
3.2 Landasan Teori ................................................................................. 8
3.3 Langkah-Langkah Praktikum ........................................................ 10
MODUL 4 Analisis Regresi dan Korelasi .......................................................... 11
4.1 Tujuan Praktikum ............................................................................ 11
4.3 Landasan Teori ................................................................................. 11
4.5 Langkah-Langkah Praktikum ........................................................ 13
MODUL 5 Uji Validitas dan Reabilitas ............................................................. 14
5.1 Tujuan Praktikum ............................................................................ 14
5.2 Landasan Teori ................................................................................. 14
5.3 Langkah-Langkah Praktikum ........................................................ 16
MODUL 6 Analisis Cluster ................................................................................. 17
6.1 Tujuan Praktikum ............................................................................ 17
6.2 Landasan Teori ................................................................................. 17
6.3 Langkah-Langkah Praktikum ........................................................ 19
MODUL 7 Analisis Diskriminan ........................................................................ 20
7.1 Tujuan Praktikum ............................................................................ 20
7.2 Landasan Teori ................................................................................. 20
7.3 Langkah-Langkah Praktikum ........................................................ 23
v
MODUL 8 Analisis Faktor .................................................................................. 24
8.1 Tujuan Praktikum ............................................................................ 24
8.2 Landasan Teori ................................................................................. 24
8.3 Langkah-Langkah Praktikum ........................................................ 25
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
2.1 Tujuan Praktikum
Adapun tujuan dari praktikum adalah :
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
3.1 Tujuan Praktikum
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
4.1 Tujuan Praktikum
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
5.1 Tujuan Praktikum
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
6.1 Tujuan Praktikum
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
7.1 Tujuan Praktikum
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
8.1 Tujuan Praktikum
Adapun tujuan dari praktikum adalah :
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/