KOEFISIEN KONTINGENSI C (CRAMER'S V)

Nominal variables that have distinct unordered levels, each subject is in only level (you can be only be male or female). Chi-square or phi/cramer's V are good choices for statistics when analyzing two nominal variables. They are less appropriate if either variable has three or more ordered levels because the statistcs do not take in account the order and, thus, sacrifice power if used with ordinal or scale variables (Morgan, G.A, Gloeckner G.W, Barret K.C, 2004)

 

Variabel nominal memiliki tingkatan yang tidak berbeda, masing-masing memiliki level yang sama (bisa hanya laki-laki atau perempuan). Chi-square atau phi/cramer's V adalah pilihan yang baik dalam statistik ketika menganalisis dua variabel nominal. 

Contoh kasus.
Seorang peneliti ingin mengetahui apakah terdapat hubungan antara tingkat pendidikan seseorang dengan partai pilihannya.

Data Pendidikan dan Partai Pilihan

Langkah-langkah analisis :

1. Klik Analyze>Descriptive Statistic>Crosstab
2. Masukkan variabel pendidikan ke dalam Colomn (s)
3. Masukkan variabel partai ke dalam kolom row(s)
4. Klik tombol statistic dan pilih opsi Chi-square dan Phi and Cramer's V

Hasil Output

Uji Chi-square Test

Uji Crammer's V

Hipotesis :
H0 = Tidak terdapat hubungan yang signifikan antara tingkat pendidikan dengan partai pilihannya
H1 = terdapat hubungan yang signifikan antara tingkat pendidikan dengan partai pilihannya.

Kriteria uji.
Tolak hipotesis nol (H0) jika nilai signifikansi < 0.05
Oleh karena nilai p-value crammer's V sebesar 0.000 < 0.5, maka kesimpulannya adalah terdapat hubungan yang signifikansi antara tingkat pendikan dan partai pilihannya.

Keterangan.
Crammer's V lebih tepat digunakan untuk tabel kontigensi lebih dari 2 x2 sedangkan statistik Phi lebih diajurkan untuk tabel kontigensi 2 x 2.

Baca Juga :

1. Analisis Chi Square

2. Uji Mcnemar

3. Uji Friedman

Referensi :

Antonius,R. (2003).Interpreting Quantitative Data With SPSS.London New York: Sage Publications

Elliot,A.c and Woodward,W.A. (2007). Statistical Analysis Quick References Guidebook: with SPSS Example.London New Delhi: Sage Publications

Einspruch,E.L. (2005). Intoduction Guide to SPSS for Windows 2nd.London: Sage Publications

Field,A. (2009). Discovering Statistics Using SPSS 3rd. London: Sage Publications

Greasley,P.(2008).Quantitative Data Analysis Using SPSS: Introduction for Health and Social Science.New York: McGraw Hill Open University Press

UJI KOLMOGOROV-SMIRNOV

"The Kolmogorov-Smirnov and Shapiro-Wilk tests do just this : they compare the scores in the sample to a normally distribution set of scores with the same mean and standard deviation. If the test is non-significant (p>0.05) it tells us that the distribution of the sample is non-significant different from a normal distribution (i.e. it is probably normal). If, however,the test is significant (p<0.05) then the distribution is question is significant different from a normal distribution (i.e. it is non-normal). (Andy Field, 2000)

Uji Kolmogorov-Smirnov termasuk dalam uji nonparametrik untuk kasus satu sample (one sample Kolmogorov-Smirnov). Uji ini dilakukan untuk menguji asumsi normalitas data. Tes dalam uji ini adalah tes goodness of fit yang mana tes tersebut untuk mengukur kesesuaian antara distribusi serangkaian sampel (data observasi) dengan distribusi frekuensi tertentu.

Contoh kasus

Data hasil ujian psikotes 30 mahasiswa apakah berdistribusi normal?

Nilai Psikotes

Langkah-langkah SPSS 

1. Klik Analyze >Nonparametric >1 Sample K-S
2. Masukkan variabel ujian psikotes ke dalam Test Variable List
3. Klik OK

Hipotesis
H0= Nilai ujian psikotes berdistribusi normal
H1= Nilai ujian psikotes tidak berdistribusi normal

Kriteria uji :
Tolak hipotesis nol (H0) bila asymtotic signifikan value uji Kolmogorov-Smirnov < 0.50

Hasil Output SPSS

Nilai Kolmogorov smirnov Z

Hasil analisis di atas nilai Kolmogorov-Smirnov sebesar 0.799(>0.05), maka hipotesis nol (H0) diterima yang artinya nilai ujian psikotes 30 mahasiswa berdistribusi normal. Karena Kolmogorov-Smirnov test digunakan untuk mengetahui normalitas data, kita akan bandingkan dengan analisis QQ Plot. Apakah data juga berdistribusi normal ?

Kurva QQ Plot

Hasil uji dengan Diagram QQ Plot tampak bahwa data mengikuti garis diagonal yang menunjukkan bahwa data hasil ujian psikotes 30 mahasiswa berdistribusi normal.

Baca juga :

1. Koefisien Kontingensi C Cramers V

2. Uji Mann Whitney U

3. Statistik Non Parametrik

Referensi :

Antonius,R. (2003).Interpreting Quantitative Data With SPSS.London New York: Sage Publications

Elliot,A.c and Woodward,W.A. (2007). Statistical Analysis Quick References Guidebook: with SPSS Example.London New Delhi: Sage Publications

Einspruch,E.L. (2005). Intoduction Guide to SPSS for Windows 2nd.London: Sage Publications

Field,A. (2009). Discovering Statistics Using SPSS 3rd. London: Sage Publications

Greasley,P.(2008).Quantitative Data Analysis Using SPSS: Introduction for Health and Social Science.New York: McGraw Hill Open University Press

KORELASI RANK SPEARMAN & KENDALL'S TAU

"Spearman's correlation coeffcient, r, is  a nonparametric statistic and so can be used when data have violated parametric assumptions such as non-normally distribution data. Spearman's test works by firt ranking the data, and then applying pearson's equation to those ranks".
"Kendall 'Tau is nonparametric correlation and it should be used rather than Spearman's coeffecient when you  have a small data set with a large number of tied ranks, Kendall 'Tau should be used. although Spearman's statistic is the more popular of the two coefficients, there is much to suggest that Kendall's statistic is actually a better estimate of the correlationin the population" (Andy Field, 2000).

 

Koefisien Rank Spearman dan Kendall's Tau termasuk dalam uji statistik nonparametrik. Uji ini digunakan untuk mengetahui hubungan antara dua variabel data yang berskala ordinal. Suatu variabel/data dikatakan berskala ordinal apabila pengukuran data menunjukan adanya tingkatan atau data ranking. Skala ordinal mempunyai tingkatan yang lebih tinggi dibandingkan dengan skala nominal. Skala ordinal, misalnya : senang, cukup senang, tidak senang.

Formula uji korelasi Rank Spearman :

Rumus korelasi Pearson

Dimana :

  = Korelasi Rank Spearman
D    =  Perbedaan/selisish peringkat antara variabel bebas dan terikat
n     = jumlah sampel
1 dan 6 = konstantas

Formula uji Kendall's Tau

Rumus Kendall's tau

 

  = nilai koefisien Kendall Tau
S   = Pembilang yang berasal dari jumlah konkordansi dan disonkordasi jenjang secara keseluruhan
n   = Jumlah sampel
1 dan 2 = konstanta

Contoh kasus.
Untuk mengetahui tingkat kepuasan dan loyalitas pelanggan supermarket A, manajer supermarket tersebut memberikan kuesioner kepada 30 pelanggan. Ingin diketahui apakah ada hubungan antara kepuasan dan loyalitas?

Data Kepuasan dan Loyalitas

Langkah-langkah analsis :

1. Klik Analyze
2. Correlate
3. Bivariate
   
4. Masukkan variabel ke kolom Variable (s)
   
5. Pilih Spearman Rho atau Kendall's Tau. Jangan lupa menonaktifkan pilhan Pearson.
6. Pada test significance,Pilih Two tailed untuk diuji dua sisi.
7. Kemudian OK

NONPARAMETRIK

"Nonparametric tests are often used in place of their parametric counterparts when certain assumption about underlying population are questionable. for example, when comparing two independent samples, the Wicoxon Mann-Whitney test does not assume thatt he different between the samples is normally distributted whereas its parametric counterpart, the two sample t-test does. Nonpaametric test may be, and often are, more powerful in detecting population differences when certain assumption are not satisfied,"(Valerie J Easton dan John H Mc Coll)

"(Uji nonparametrik umumnya digunakan untuk menggantikan uji parametrik ketika asumsi tentang populasi yang diteliti dipertanyakan. Sebagai contoh, ketika membandingkan dua sample independen, uji Wicoxon Mann-Whitney tidak mengasumsikan jika perbedaan antara dua sampel terdistribusi normal, sedangkan asumsi parametrik menyimpulkan sebaliknya, dilakukan uji t-test. Uji nonparametrik mungkin, dan sering , lebih kuat dalam mendeteksi perbedaan populasi ketika asumsi tertentu tidak memuaskan,"(Valerie J Easton dan John H Mc Coll))

Sumber : Sofyan dan Heri, SPSS Complete, 2009

Salah satu keuntungan uji nonparametrik selain diabaikannya anggapan ditarik dari distribusi tertentu, misalnya distribusi normal juga dapat dipergunakan sampel-sampel kecil.
Ada beberapa analisis statistik nonparametrik :

1. KASUS SATU SAMPEL

    a. UJI RUN TEST

• Uji Run test digunakan untuk menguji pada kasus satu sampel. Sampel diambil dari populasi, apakah sampel  yang diambil berasal dari sampel acak atau bukan.

     b. SATU SAMPEL KOLMOGOROV-SMIRNOV

• Uji Kolmogorov-Smirnov digunakan untuk menguji asumsi normalitas data. Tes dalam uji ini adalah tes goodness of fit yang mana tes tersebut untuk mengukur tingkat kesesuaian antara serangkaian distribusi sampel (data observasi) dengan distribusi teoritis tertentu.

2. KASUS DUA SAMPEL BERHUBUNGAN

   a. UJI MCNEMAR

• Uji Mcnemar digunakan untuk penelitian sebelum dan sesudah peristiwa/treatment dimana setiap objek digunakan pengontrol dirinya sendiri. Uji ini digunakan pada dua (2) sampel yang berhubungan, skala pengukurannya berjenis nominal (binary respon) dan untuk crosstabulasi data 2 x 2.

    b. UJI MARGINAL HOMOGENITY

• Uji Marginal Homogenity dilakukan untuk tes dua sampel yang saling berhubungan dan merupakan perluasan uji McNemar. Pengunaan uji ini untuk melihat apakah perbedaan atau perubahan antara 2 peristiwa sebelum dan sesudahnya. Kategori data yaitu data multinominal lebih dari 2 x 2.

    c. UJI WILCOXON 

• Uji Wilcoxon dilakukan untuk membandingkan dua kelompok data yang saling berhubungan. Uji ini memiliki kekuatan test dibandingkan dengan uji tanda (Sign Test).

     d. UJI TANDA (Sign Test)

• Uji Tanda (Sign Test) digunakan untuk dua kelompok sampel data yang saling berhubungan. Uji tanda meghitung perbedaan dua kelompok data untuk semua sampel dan diklasifikasikan menjadi perbedaan positif, negatif atau sama. Jika dua kelompok data memiliki distribusi sama, maka jumlah perbedaan positif dan negatif tidak signifikan.

3. DUA SAMPEL INDEPENDEN

    a. UJI MANN-WHITNEY

• Uji Mann Whitney digunakan untuk mengetahui apakah terdapat perbedaan respon dari dua populasi data yang saling independen. Tes ini merupakan tes paling kuat diantara tes-tes nonparametrik. Uji ini merupakan alternatif uji t parametrik ketika data yang diambil dalam penelitiannya lebih lemah dari skala interval.

4. K SAMPLE YANG SALING BERHUBUNGAN

    a. UJI Q COCHRAN 

• Uji Q Cochran digunakan untuk pengujian statistik nonparametrik untuk peristiwa atau perlakuan lebih dari 2. Uji ini merupakan perluasan dari uji McNemar. Data yang digunakan berbentuk binary. Perlakuan lebih dari dua yang dimaksud adalah sebelum, ketika dan sesudah perlakuan.

Referensi :

Elliot,A.c and Woodward,W.A.(2007).Statistical Analysis Quick References Guidebook: with SPSS Example.London New Delhi: Sage Publications

Field,A. (2009). Discovering Statistics Using SPSS 3rd. London: Sage Publications

Ho, Robert.(2006).Handbook of Univariate and Multivariate Data Analysis and Interpretation with SPSS.London New York: Chapman & Hall CRC

Landau,S and Everits,B.S.(2004).A Handbook of Statistical Analyses Using SPSS.London New York Washington: CRC Press LLC

Muijs,D.(2004).Doing Quantitative research In Eduaction. London California: Sage Publications

Yamin,S dan Kurniawan,H. (2009). SPSS Complete : Teknik Analisis Statistik Terlengkap dengan Sofware SPSS. Jakarta : Salemba Infotek

PAIRED SAMPLE-T TEST

 "The paired-samples t-test is used in repeated measures or correlated groups design, in which each subject is tested twice on the same variable.  A common experiment of this type involves the before and after design. The test can also be used for the matched group design in which pairs of subject that are matched on one or more characteristic (e.g., IQ, grades, and so forth) serve in two conditions. As the subjects in the groups are matched and not independently assigned, this design is also referred to as a correlated groups design" (Robert Ho, 2006)

 

Analisis perbandingan Paired Sample-T Test digunakan untuk membandingkan apakah terdapat perbedaan atau kesamaan rata-rata antara kelompok data yang saling berkaitan/berpasangan.

Contoh kasus.

• Manajer rumah sakit A ingin mengetahui apakah terdapat perbedaan rata-rata kunjungan pasien pada tahun 2008 dan 2009.
  
• Manajer Hotel B ingin mengetahui apakah terdapat perbedaan rata-rata hunian hotel pada tahun 2004 dan 2005. 
• Data yang diperoleh
  

 

Seperti contoh pada kasus di atas, karena data adalah berpasangan/berkaitan maka untuk melihat trend kunjungan pada rumah sakit atau trend hunian hotel dapat digunakan metode grafik line.

Langkah -langkah analisis :

1. Klik Analyze
2. Pilih Compare means
3. Pilih Paired Sample-T Test
4. Masukkan variabel ke dalam kolom Paired variable (s)
5. Klik OK

 Hasil Analisis Paired Samples T-tes

Paired samples statistics

Pada tabel paired samples statistics di atas menunjukkan rata-rata kunjungan pasien tahun 2008 sebanyak 69 pasien dengan standar deviasi 11,709 sedangkan kunjungan tahun 2009 lebih tinggi sebanyak 76 pasien dengan standar deviasi 11,074.

Paired sampel test

Untuk melakukan uji paired sample T-test digunakan uji t, maka hipotesisnya:

H0 = tidak ada perbedaan yang signifikan rata-rata kunjungan pasien antara tahun 2008 dengan tahun 2009.

H1 = Ada perbedaan yang signifikan rata-rata kunjungan pasien antara tahun 2008 dengan tahun 2009.

Kriteria uji : tolak hipotesis nol jika nilai p-value signfiiaknsi < 0.05

Pada tabel paired t-tes diketahui bahwa nilai p-value sebesar 0.017, nilai ini lebih kecil dari 0.05 maka tolak hipotesis 0. Yang Artinya bahwa ada perbedaan rata-rata kunjungan pasien antara tahun 2008 dengan tahun 2009. Untuk memperjelas tren kunjungan dapat digunakan metode grafik line.

Baca juga :

1. One Sample t-test

2. Independen sampel t-test

3. Uji  Kolmogorov Smirnov

4. Koefisien Kontingency C cramer-V

Referensi :

Antonius,R. (2003). Interpreting Quantitative Data Wit SPSS.London New York: Sage Publications

Greasley,P. (2008). Quantitative Data Analysis Using SPSS: Introduction for Health and Social Science.New York: McGraw Hill Open University Press

Griffith,A. (2010). SPSS for Dummies 2nd.Indianapolis: Wiley Publishing Inc.

Gupta,V. (1999). SPSS for Beginner. New Delhi: VJBooks

 

INDEPENDENT-SAMPLE T TEST

 "The Independent t-test is used for testing the differences between the means of two independent groups. It is particulary useful when the research question requeires the comparison of variables (measured at least at the ordinal level) obtained from two indepedent samples" (Robert Ho, 2006)

Analisis ini digunakan untuk membandingkan rata-rata dari dua kelompok sampel data yang independen. Dikarenakan ada dua kelompok data yang akan dibandingkan maka dalam menganalisisnya perlu dilakukan pengelompokan data (grouping).

Contoh kasus
Manajer riset stasiun TV B ingin mengetahui apakah terdapat perbedaan frekuensi menonton televisi untuk usia 15-20 tahun dikota Bandung dan surabaya. Diambil sampel secara acak dan diminta keterangan frekuensi menonton staisun TV B (dalam jam/minggu). Data yang diperoleh sebagai berikut:

 

Keterangan : 1 = kota Bandung, 2 = Kota surabaya, frekuensi (jam/minggu)
 

Hipotesis :

H0 = tidak terdapat perbedaan yang signifikan antara rata-rata frekuensi menonton TV B di kota Bandung dan surabaya 

H1= ada perbedaan yang signifikan antara rata-rata frekuensi menonton TV B di kota Bandung dan surabaya

Kriteria uji : tolak hipotesis nol jika nilai p-value < 0.05

 

Langkah-langkah analisis :

1. Klik Analyze
2. Pilih Compare Means
3. Pilih Independent Sample T Test
4. Masukkan variabel frekuensi ke dalam Test variable (s)
5. Masukkan variabel kota ke dalam Grouping variable
6. Klik Tombol Define Group, isikan angka 1 dan 2
7. Klik OK

Hasil uji Independen sample T-tes dari SPSS

Pada tabel group  statistik di atas menerangkan bahwa rata-rata frkeuensi menonton TV B di Kota Surabaya lebih tinggi yakni sebesar 25,33 jam/minggu dengan standar deviasi 3.387 sedangkan kota Bandung hanya 24,33 jam/minggu dengan standar deviasi 4.513.

pada nilai levene's test equity of variances sebesar 3.707 dengan signifikansi 0.059. Karena nilai signifikansi 0.059 > 0.05 maka dapat disimpulkan bahwa kedua kelompok adalah homogen dan berasal dari populasi yang sama. Untuk nilai t-hitung diperoleh sebesar -0.971 dengan signifikansi 0,336. Dengan demikian dapat disimpulkan bahwa kedua kelompok tidak ada perbedaan yang signifikan.

Baca juga :

1. Paired Sample t-test

2. One Sample t-test

3. Analisis Perbandingan

4. Korelasi Pearson

Referensi :

Antonius,R. (2003). Interpreting Quantitative Data Wit SPSS.London New York: Sage Publications

Greasley,P. (2008). Quantitative Data Analysis Using SPSS: Introduction for Health and Social Science.New York: McGraw Hill Open University Press

Griffith,A. (2010). SPSS for Dummies 2nd.Indianapolis: Wiley Publishing Inc.

Gupta,V. (1999). SPSS for Beginner. New Delhi: VJBooks

ONE SAMPLE T-TEST

Analisis One Sample T-test digunakan untuk membandingkan apakah terdapat perbedaan atau kesamaan rata-rata suatu kelompok data dengan suatu rata-rata tertentu. Dalam analisis ini terdapat uji t. Contoh Kasus

1. Seorang guru ingin membandingkan nilai ujian matematika semua siswa kelas 3 dengan rata-rata nilai ujian tahun yang lalu. Rata-rata ujian tahun lalu yaitu 6,5. Apakah nilai rata-rata tersebut berbeda signifikan dengan rata-rata 6,5 atau tidak ?
2. Seorang manajer pemasaran ingin membandingkan rata-rata penjualan salesman dengan rata-rata seorang sales yakni Bambang. Penjualan rata-rata Bambang 65 unit. Apakah rata-rata penjualan salesman berbeda signifikan dengan rata-rata penjualan sales Bambang sebesar 65 unit.

 

Kasus yang akan dianalisis yaitu produksi minuman kaleng merk A. Seoarang  manajer pemasaran ingin mengetahui rata-rata preferensi rasa minuman kaleng dari 30 responden yang diambil. Ia ingin membandingkan preferensi rata-rata rasa minuman dengan pembeli di daerah lain yaitu sebesar 3. Format skala rasa 1-7 dalam bentuk semantic differential.

 

 

Langkah Analisis One Sample T-tes dengan SPSS 

1. Klik Analyze
2. Pilih Compare Means
3. Pilih One-Sample T Test
4. Masukkan variabel rata-rata kelompok data ke kolom Variable(s)
5. Beri nilai (angka 3) pada kolom Test Value.
   













6. Klik OK

Hipotesis :

H0= Rata-rata preferensi responden pada rasa minuman kaleng tidak berbeda signifikan dari 3.

H1= Rata-rata preferensi responden pada rasa minuman kaleng berbeda signifikan dari 3

Kriteria uji : Tolak hipotesis nol (H0) bila p-value statistik uji t lebih kecil dari 0.05.

 

Hasil Output SPSS

 

Tabel pertama menunjukkan statistik deskriptif tingkat preferensi rasa suka terhadap minuman. Dari 30 responden, rata-rata responden menilai sebesar 3.87 dengan standar deviasi sebesar 2.113. Oleh karena nilai p-value pada tabel One sampel test menunjukkan nilai 0.032 (<0.05), maka kesimpulannya adalah menolak hipotesis null (H0). Hal tersebut berarti rata-rata preferensi responden terhadap rasa minuman kaleng berbeda.

 

Baca juga :

1. Independen sample t-test

2. Paired Sample t-test

3. Statistik Nonparametrik

4. Analisis Perbandingan  

Referensi :

Antonius,R.(2003).Interpreting Quantitative Data Wit SPSS.London New York: Sage Publications

Greasley,P.(2008).Quantitative Data Analysis Using SPSS: Introduction for Health and Social Science.New York: McGraw Hill Open University Press

Griffith,A.(2010).SPSS for Dummies 2nd.Indianapolis: Wiley Publishing Inc.

Gupta,V. (1999). SPSS for Beginner. New Delhi: VJBooks

KORELASI DAN ASOSIASI

"The primary objective is to measure the strength or degree associatioan between two variables. Ther coefficient correlation measures this strength of (linier) association. For example we may be interested in finding the correlation (coefficient) between smooking and lung cancer, between scores of statistics and mathematic examination, between high school grades and collage grades, and so on," (Gujarati, Damodar, 1995).

("Tujuan utama adalah mengetahui ukuran kekuatan atau kekuatan hubungan antara dua variabel. Koefisien korelasi mengukur kekuatan hubungan tersebut (linier). Misalnya kita tertarik untuk mencari korelasi (koefisien) antara merokok dengan kanker paru-paru, antara nilai statistik dan matematika, antara sekolah menengah dengan perguruan tinggi, dan sebagainya,"(Gujarati, Damodar,1995).
Sumber : Yamin dan Kurniawan,2009

 

 
Analisis korelasi adalah metode statistik yang digunakan untuk mengukur besarnya hubungan antara dua variabel atau antar set-variabel. Nilai korelasi berkisar antara -1 dan 1, dimana nilai korelasi -1 berarti hubungan antara dua variabel tersebut adalah negatif sempurna, nilai korelasi 0 berarti tidak ada hubungan antara dua variabel tersebut, sedangkan nilai korelasi 1 berarti bahwa terdapat hubungan positif sempurna antara dua variabel terswebut. 

Interpretasi dari besarnya nilai korelasi antara variabel dapat diklasifikasikan sebagai berikut :
0,00 - 0,09 : Hubungan korelasi diabaikan
0,10 - 0,29 : Hubungan korelasi rendah
0,30 - 0,49 : Hubungan korelasi moderat
0,50 - 0,70 : Hubungan korelasi sedang
Di atas 0,70 : Hubungan korelasi sangat kuat

Selain itu, untuk menentukan apakah besarnya hubungan itu signifikan atau tidak, kita dapat menyimpulkan dari nilai signifikan value (p-value) hasil uji korelasi.
(Sumber : Sofyan dan Heri, SPSS Complete, 2009)


Ada beberapa uji korelasi dan asosiasi yaitu :

1. Korelasi Rank Spearman dan Kendall Tau. Korelasi ini digunakan untuk mengetahui hubungan antara dua variabel data yang berskala ordinal.
2. Korelasi Pearson. Korelasi ini digunakan untuk mengetahui hubungan antara dua variabel yang berskalan interval. Dalam korelasi ini bahwa kedua variabel diasumsikan mengikuti distribusi normal.
3. Koefisien Kontigency C (Cramer's V). Korelasi ini digunakan untuk mengetahui hubungan antara variabel yang berskala nominal.
4. Measure of Agreement Cohen's Kappa. Korelasi ini digunakan untuk mengukur kesesuaian antara hasil evaluasi dua buah alat ukur ketika alat ukur tersebut digunakan untuk subyek yang sama.
5. Asosiasi ETA. Asosiasi ini digunakan untuk mengetahui besarnya hubungan antara variabel data yang berskala nominal dan interval.

Baca juga :

1. Korelasi Rank Spearman dan Kendall Tau
2. Korelasi Pearson 
3. Statistik nonparametrik 

Referensi :

Antonius,R. (2003). Interpreting Quantitative Data Wit SPSS.London New York: Sage Publications

Morgan,G.A et al.(2004). SPSS for Introductionary Statistics: Use and Interpretation 2nd.New Jersey London: Lawrence Erlbaum Associates

Rajathi,A and Chandran,P. (2006). SPSS for You.Chidambaram: MJP Publisher

Yamin,S dan Kurniawan,H. (2009). SPSS Complete :Teknik Analisis Statistik Terlengkap dengan Sofware SPSS. Jakarta : Salemba Infotek

DESKRIPSI CROSSTAB

Statistik deskriptif crosstab (tabulasi silang) termasuk dalam analisis deskripsi. Namun ada perbedaan dibandingkan dengan statistik deskriptif frekuensi,dan eksplore. Deskriptif crosstab menyajikan data dalam bentuk tabulasi, yang meliputi baris dan kolom. Ciri-ciri crosstab pada umumnya adalah dua variabel atau lebih yang mempunyai hubungan secara deskriptif. Penyajian data pada umumnya adalah data kualitatif, khususnya berskala nominal seperti hubungan antara jenis kelamin dengan usia, jenis kelamin dengan pekerjaan dan lain sebagainya.

 

Contoh kasus.

Sebuah rumah sakit ingin mengetahui respon dari pasien mengenai pelayanan di rumah sakit tersebut dengan kriteria adalah usia, gender, dan persepsi pasien. Apakah ada hubungan antara usia dengan persepsi (sikap) dan hubungan antara gender dengan sikap pasien mengenai pelayanan yang telah diberikan ?

Langkah analisisnya :

1. Pilih Analyse
2. Descriptive Statistics
3. Crosstabulation
4. Pindahkan variable ke Rows, dan variabel yang lain ke Colums
5. Klik Statistics dan chi-square, continue
   
6. Klik OK untuk di proses.

Hasil Output SPSS

Crosstabulasi Usia dan Sikap Pasien

Crosstabulasi Usia daan Sikap (Lanjutan)

Pada tabel usia*sikap pasien di atas menunjukan, responden yang besikap sangat puas sebanyak 13 (52%) dan tidak puas sebanyak 12 responden (48%). Responden yang bersikap sangat puas terdiri dari responden yang berumur di atas 13 tahun (15,4%), umur 13-19 th (7,7%),22-24 th (23,1%), umur 25-34 th (7,7%), umur 35-44 th (23,1%). Begitu juga untuk sikap responden yang lainnya.

Chi-Square tes

Chi-Square test Usia dengan Sikap Pasien

Chi-square test menunjukkan signifikansi p-value sebesar 0,726 (lebih besar dari 0,05), hal ini berarti tidak ada hubungan antara usia dengan sikap pasien pada pelayanan.

Chi-Square test Gender dengan Sikap Pasien

Pada tabel chi-square test di atas menunjukkan nilai signifikansi p-value 0,543 (lebih besar dari 0.05). Hal ini berarti tidak ada hubungan antara gender dengan sikap responden pada pelayanan rumah sakit tersebut.

 

Baca juga : 

1. Statistik Deskriptif Explore

2. Deskripsi Statistik

3. Statistik Deskriptif Frekuentif

Referensi :

Antonius,R. (2003). Interpreting Quantitative Data Wit SPSS.London New York: Sage Publications

Morgan,G.A et al.(2004). SPSS for Introductionary Statistics: Use and Interpretation 2nd.New Jersey London: Lawrence Erlbaum Associates

Rajathi,A and Chandran,P. (2006). SPSS for You.Chidambaram: MJP Publisher

Yamin,S dan Kurniawan,H. (2009). SPSS Complete :Teknik Analisis Statistik Terlengkap dengan Sofware SPSS. Jakarta : Salemba Infotek

DESKRIPSI EXPLORE

Pada analisis ekplorasi ini juga termasuk statistik deskriptif yang digunakan untuk menggambarkan data dalam bentuk kuantitatif yang tidak menyertakan pengambilan keputusan melalui hipotesis. 

 

 

Statistik eksplorasi digunakan untuk :

1. Mengetahui ukuran pemusatan data dan penyebaran data
2. Menguji normalitas
3. Mengetahui ada tidaknya data pencilan/outlier
4. Mengetahui homogenitas varians dari beberapa kelompok data

Langkah-langkah analisis :

Langkah Deskripsi

1. Pilih Analyse, Descriptive, Explore
   
2. Masukan variabel ke dalam Dependen List. Pada contoh ini variabel Pengeluaran belanja.
3. Pada Display klik Both yang berarti baik statistics maupun plot akan digunakan.
   
4. Klik Statistics dan default pada Descriptive
5. Klik Plot, pada kotak dialog Boxplot pilihan default pada Factor levels together dan kotak Descriptive pada stem and leaf.
6. Klik pilihan Normality plots with tests.
7. Tekan Continue kemudian OK.
 



Menu Explore Plots

Hasil Output SPSS

 



Tabel Deskripsi Penjualan

 
Pada tabel descriptives di atas menunjukkan rata-rata penjualan 589,07, standar deviasi 226,681, minimum penjualan 202, maximum penjualan 1142, skewness 0,417 dan kurtois 0,210.





Test of Normality

 
Untuk menjawab apakah data penjualan berdistribusi normal, maka digunakan uji kolmogorov Smirnov dan Shapiro-wilk, diagram Histogram dan grafik QQ plot. Hipotesis dalam analisis ini :
 
H0= data mengikuti distribusi normal
H1= data tidak mengikuti distribusi normal
 
Kriteria uji :
Tolak hipotesis H0 apabila nilai p-value < 0,05.
Berdasarkan tabel Test of Normality dadapat nilai p-value statistik uji Kolmogorov Smirnov dan Shapiro Wilk sebesar 0,200 dan 0,302 (> 0,05) hal ini berarti menerima H0 sehingga data mengikuti distribusi normal.





Grafik Histogram Penjualan

Pada grafik histogram menunjukkan grafik menyerupai bentuk bel sehingga dapat disimpulkan data penjualan menunjukkan distribusi normal.

Data yang berdistribusi normal juga dapat dilihat pada grafik QQ Plot di bawah ini. Data yang berdistrbusi normal akan mengikuti arah garis melintang/diagonal seperti pada grafik di bawah ini.

Grafik Normal QQ Plots Penjualan

Baca juga :

1. Statistik Deskriptif Crosstab

2. Deskripsi Statistik

3. Statistik Deskriptif Frekuentif

Referensi :

Antonius,R.(2003).Interpreting Quantitative Data Wit SPSS.London New York: Sage Publications

Morgan,G.A et al.(2004).SPSS for Introductionary Statistics: Use and Interpretation 2nd.New Jersey London: Lawrence Erlbaum Associates

Rajathi,A and Chandran,P.(2006).SPSS for You.Chidambaram: MJP Publisher

Yamin,S dan Kurniawan,H.(2009). SPSS Complete :Teknik Analisis Statistik Terlengkap dengan Sofware SPSS.Jakarta : Salemba Infotek

DESKRIPSI STATISTIK

Statistik deskripsi digunakan untuk mengetahui :

1. Ukuran pemusatan data
2. Ukuran penyebaran data (standar deviasi, maksimum, minimum, dan range).
3. Ditribusi data yaitu skewness dan kurtois

Contoh kasus.

Seorang manajer pemasaran ingin mengetahui rata-rata penjualan minuman kaleng selama bulan Agustus tahun 2009.

Langkah-langkah analisis :

Langkah Analisis Deskripsi

1. Klik Analyse, Descriptive Statistic, Descriptives
2. Masukan variabel ke dalam kotak variable(s)
3. Klik Option, dan pilih Mean, Standar deviation, Minimum, Maksimum, dan Range
4. Klik Continue kemudian OK

Hasil Output SPSS

 

Tabel Deskripsi Penjualan

Tabel Nilai Kurtosis Penjualan

 

Dari tabel di atas dapat disimpulkan bahwa rata-rata penjualan minuman adalah 589,07 (589) kaleng setiap bulan. dengan standar deviasi 226,681. Penjualan minuman adalah 202 kaleng dan penjualan maksimum 1142 kaleng.

Rata-rata penjualan mempunyai nilai skewness dan kurtois sebesar 0,417 dan kurtois sebesar 0,210 . Umumnya, bila skewness dan kurtois terletak pada range -2 hingga 2, maka variabel data tersebut akan mengikuti distribusi normal.

Baca juga :

1. Statistik Deskriptif Frekuentif

2. Statistik Deskripstif Crosstab

3.  Statistik Deskriptif Explore

Referensi :

Antonius,R.(2003).Interpreting Quantitative Data Wit SPSS.London New York: Sage Publications

Morgan,G.A et al.(2004).SPSS for Introductionary Statistics: Use and Interpretation 2nd.New Jersey London: Lawrence Erlbaum Associates

Rajathi,A and Chandran,P.(2006).SPSS for You.Chidambaram: MJP Publisher

Yamin,S dan Kurniawan,H.(2009). SPSS Complete :Teknik Analisis Statistik Terlengkap dengan Sofware SPSS.Jakarta : Salemba Infotek

DESKRIPSI FREKUENSI

 

 

Dari titel/judul dapat diketahui bahwa statistik deskripsi frekuensi merupakan statistik deskripsi yang menggambarkan data dalam bentuk kuantitatif yang tidak menyertakan pengambilan keputusan melalui hipotesis. Statiktik deskripsi frekuensi digunakan untuk :

1. Mengetahui frekuensi setiap variabel data
2. Mengetahui distribusi respons dari setiap responden (misal : setuju, tidak setuju,dan lain-lain)

Contoh.

Sebuah pusat perbelanjaan sedang melakukan riset untuk mengealuasi tingkat kepuasan pengunjung terhadap pelayanan kasir di pusat pembelanjaan  tersebut. Diambil 50 responden dan diminta menjawab pertanyaan yang diajukan.

Langkah-langkah Analisis :

1. Pilih Analyse, Descriptive Statistics, Frequencies
2. Masukan variabel yang akan dianalisis ke dalam kotak variable(s)
3. Klik Continue kemudian OK

Hasil Output SPSS 

Tabel Validasi Input Data

Tabel statistic digunakan untuk memvalidasi apakah terdapat data yang tidak diisi oleh responden (missing value). Berdasarkan tabel di atas, diketahui bahwa tidak terdapat missing value. Hal ini dapat dilihat dari row missing  yang menunjukkan nilai nol untuk semua kolom (variabel).

Tabel Frekuensi Jenis Kelamin

Tabel jenis kelamin menunjukkan bahwa dari 50 responden, terdapat 25 responden laki-laki dan 25 responden wanita yang berpartispasi dalam survei.

Tabel Sikap Responden

 

Tabel pelayanan kasir menerangkan distribusi frekuensi sikap responden terhadap pelayanan kasir. Terlihat bahwa dari 50 responden ,5 orang (10%) menunjukkan sikap sangat puas, 12 responden (24%) puas, 10 responden (20%) cukup puas, 16 responden (32%) tidak puas dan 7 responden (14%) sangat tidak puas).

Apabila ditampilkan dalam Bar Chart seperti terlihat di bawah ini.

Grafik Frekuensi Jenis Kelamin

Grafik Sikap Responden Terhadap Pelayanan Kasir

Baca juga :

1. Deskripsi Statistik

2. Statistik Deskriptif Explore

3. Statistik Deskriptif Crosstab

Referensi :

Antonius,R.(2003).Interpreting Quantitative Data Wit SPSS.London New York: Sage Publications

Morgan,G.A et al.(2004).SPSS for Introductionary Statistics: Use and Interpretation 2nd.New Jersey London: Lawrence Erlbaum Associates

Rajathi,A and Chandran,P.(2006).SPSS for You.Chidambaram: MJP Publisher

Yamin,S dan Kurniawan,H.(2009). SPSS Complete :Teknik Analisis Statistik Terlengkap dengan Sofware SPSS.Jakarta : Salemba Infotek