LAPORAN UJIAN PRAKTIKUM STATISTIKA MEMBUAT GRAFIK
Gilberth T. (in a college) 2014
A. Landasan Teori Selain berbentuk tabel maupun penjelasan yang lain, laporan mengenai suatu data bisa juga ditampilkan dengan menggunakan grafik (berbentuk visual). Grafik ada bermacammacam, berikut jenis-jenis grafik yang dapat dibuat di SPSS: 1. Bar
4. High-Low
2. Line
5. Pie
3. Area
6. Scatter
7. 3D-Bar
8. Histogram
10. Error bar
11. Boxplot
9. Population Pyramid
Cara membuat grafik yaitu melalui menu Graphs, sub-menu Legacy Dialogs, Dialogs, setelah itu muncul sebelas pilihan model grafik di atas. Grafik pada SPSS dapat dibagi dalam tiga bagian menurut penyajian datanya: 1. Summaries for groups of cases, penyajian data untuk tiap grup t ertentu 2. Summaries of separate variables, penyajian data untuk tiap variabel 3. Value of individual cases, penyajian data untuk tiap kasus secara individual
B. Langkah-langkah SPSS
Menginput data x dan y ke dalam Data View
Mengatur atribut variabel di Variabel View
Mengklik menu Graphs
Legacy Dialogs
Line
Muncul kotak dialog Line Charts, memilih Simple dan summaries of groups of cases, kemudian mengklik Define
Muncul kotak dialog define simple line, memasukan variabel x ke kotak Category Axis, memilih % of cases, mengklik Titles
Muncul kotak dialog Titles, menuliskan “Data X” pada Line 1, mengklik Continue
Muncul lagi kotak dialog define simple line, mengklik OK
Muncul hasil output pada IBM SPSS Statistics Viewer
Mengklik menu Graphs
Legacy Dialogs
Line
Muncul kotak dialog Line Charts, memilih Simple dan summaries of groups of cases, kemudian mengklik Define
Muncul kotak dialog define simple line, memasukan variabel Y ke kotak Category Axis, memilih % of cases, mengklik Titles
Muncul kotak dialog Titles, menuliskan “Data Y” pada Line 1, mengklik Continue
Muncul lagi kotak dialog define simple line, mengklik OK
Muncul hasil output pada IBM SPSS Statistics Viewer
C. Hasil SPSS
Grafik data X
Grafik data Y
D. Kesimpulan
Urutan nilai dengan frekuensi paling tinggi-rendah pada pada data X adalah 3, 5-6, 2-8, 4, 7
Pada variabel X nilai dengan frekuensi tertinggi adalah 3 dan nilai dengan frekuensi terendah adalah 7
Trend variabel X menurun
Urutan nilai dengan frekuensi paling tinggi-rendah pada pada data Y adalah 7, 5, 4, 6-8, 3, 9
Pada variabel Y nilai dengan frekuensi tertinggi adalah 7 dan nilai dengan frekuensi terendah adalah 9
Trend variabel Y meningkat
LAPORAN UJIAN PRAKTIKUM STATISTIKA STATISTIK DESKRIPTIF
Gilberth T. (in a college) 2014
A. Landasan Teori Statistik selalu digunakan ketika parameter yang menggambarkan karakteristik populasi tidak diketahui. diketahui. Statistik akan mengambil mengambil sebagian (kecil) dari populasi populasi untuk dilakukan pengukuran, kemudian hasil pengukuran tersebut dijadikan sebagai kesimpulan terhadap keseluruhan populasi. Sebagian (kecil) dari populasi tersebut dinamakan sampel. (Kusnadi, 2012) Terdapat dua jenis statistik statistik yang digunakan ketika ketika penelitian, yaitu: deskriptif deskriptif
statistik
(descriptive (descriptive statistics) statistics) dan statistik inferensi (inferential statistics). statistics). Statistik hanya
menggambarkan menggambarkan
data
atau
seperti
apa apa
data
ditunjukkan, ditunjukkan,
sementara statistik inferensi mencoba untuk mencapai kesimpulan (bersifat induktif) dari data dengan kondisi yang lebih umum (Trochim, 2006), misal: point estimation, estimation, confidence interval estimation, estimation, hypothesis testing . Statistik deskriptif adalah metode-metode yang berkaitan dengan pengumpulan dan penyajian suatu gugus data sehingga menaksir kualitas data berupa jenis variabel, ringkasan statistik (mean, median, modus, standar deviasi, dll), distribusi, dan representasi bergambar (grafik), tanpa tanpa rumus probabilistik probabilistik apapun (Walpole, 1993; 1993; Correa-Prisant, Correa-Prisant, 2000; Dodge, 2006). Pada SPSS, analisis statistik deskriptif dilakukan dengan meng-klik menu Klik Analyze -> Descriptive Statistics, Statistics, kemudian terdapat pilihan: Frequencies, Descriptives, Descriptives , Explore, Crosstabs, dan Ratio. Ratio . Dalam penelitian-penelitian, perintah-perintah ini sering diabaikan karena memang dalam beberapa fungsi analisis lain sudah otomatis tercantum analisis deskriptifnya. (Kusnadi, 2012) Menu dari SPSS yang berhubungan dengan statistik deskriptif, yaitu Analyze. Analyze. Dalam menu ini terdapat beberapa submenu sebagai berikut: Frequencies. Frequencies. Frequencies Frequencies membahas beberapa penjabaran ukuran statistik deskriptif seperti Mean, Median, Kuartil, Persentil, Standar Deviasi dan lainnya. Descriptives. Descriptives. Descriptives berfungsi Descriptives berfungsi untuk mengetahui skor z dari suatu distribusi data dan menguji apakah data berdistribusi normal atau tidak. Explore. Perintah Explore. Perintah Explore digunakan untuk membandingkan antara dua atau lebih kelompok dengan satu variabel. Explore berfungsi Explore berfungsi untuk memeriksa lebih teliti sekelompok data. Alat
utama Z yang dibahas adalah Box-Plot dan Steam and Leaf Plot , selain beberapa uji tambahan untuk menguji apakah data berasal dari distribusi normal. Crosstabs. Crosstabs. Jika perintah Frequencies digunakan Frequencies digunakan untuk memperoleh jumlah pada nilai-nilai sebuah variabel tunggal, perintah Crosstabs Crosstabs digunakan untuk memperoleh jumlah pada nilai-nilai lebih dari satu variabel. Apabila analisis statistik deskriptif sebelumnya mengolah data secara keseluruhan dalam setiap variabel dengan menghitung perhitungan statistik seperti Mean, Standar deviasi, Kurtosis, dll. Pada Crosstabs, setiap Crosstabs, setiap nilai pada variabel yang dianalisis dijabarkan jumlahnya, dengan begitu kita dapat mengetahui berapa jumlah x pada kondisi a, b, c, dst.. Deskripsi data pada Crosstabs akan disajikan dalam bentuk tabel silang (crosstab) crosstab) yang terdiri dari baris dan kolom. Crosstabs Crosstabs digunakan untuk menyajikan deskripsi data dalam bentuk tabel silang (crosstab), yang (crosstab), yang terdiri atas basis dan kolom. Selain itu, menu ini juga dilengkapi dengan analisis hubungan di antara basis clan kolom, seperti independensi di antara mereka, besar hubungannya dan lainnya (hal ini sebenamya termasuk pada statistik induktif atau inferensi dan merupakan perluasan dari statistik deskriptif) (Ariyanti, 2013).
B. Langkah-langkah SPSS
Menginput data x dan y ke dalam Data View
Mengatur atribut variabel di Variabel View
Mengklik Analyze Mengklik Analyze
Descriptive Statistics Statistics
Descriptives Descriptives
Muncul kotak dialog Descriptives, memasukan variabel x ke kotak Variable(s), mengklik Options
Muncul kotak dialog Descriptive Options, mencentang Mean, Std. Deviation, Variance, Range, Minimum, dan Maximum kemudian mengklik Continue
Muncul lagi kotak dialog descriptives, mengklik OK
Muncul hasil output pada IBM SPSS Statistics Viewer
Mengklik Analyze Mengklik Analyze
Muncul kotak dialog Descriptives, memasukan variabel y ke kotak Variable(s), mengklik Options
Descriptive Statistics Statistics
Descriptives
Muncul kotak dialog Descriptive Options, mencentang Mean, Std. Deviation, Variance, Range, Minimum, dan Maximum kemudian mengklik Continue
Muncul lagi kotak dialog descriptives, mengklik OK
Muncul hasil output pada IBM SPSS Statistics Viewer
C. Hasil SPSS
Statistik deskripsi variabel x Descriptive Statistics N
x Valid N (listwise)
31 31
Range Minimum Min imum Maximum Max imum Mean 6
2
8
4.39
Std. Deviation
Variance
1.838
3.378
Std. Deviation
Variance
1.765
3.116
Statistik deskripsi variabel y Descriptive Statistics N
y Valid N (listwise)
31 31
Range Minimum Min imum Maximum Max imum Mean 6
3
9
5.87
D. Kesimpulan
Data X memiliki statistik deskripsi deskripsi sebagai sebagai berikut: berikut: N
= 31
Mean
= 4.39
Range
=6
Std. Deviation
= 1.838
Variance
= 3.378
Minimum = 2 Maximum = 8
Data Y memiliki statistik deskripsi deskripsi sebagai sebagai berikut: berikut: N
= 31
Mean
= 5.87
Range
=6
Std. Deviation
= 1.765
Variance
= 3.116
Minimum = 3 Maximum = 9
LAPORAN UJIAN PRAKTIKUM STATISTIKA ANALISIS REGRESI
Gilberth T. (in a college) 2014
A. Landasan Teori Analisis regresi sederhana merupakan salah satu metode uji regresi yang dapat dipakai sebagai alat inferensi statistik untuk menentukan pengaruh sebuah variabel bebas (independen) terhadap variabel terikat (dependen). Regresi linear sederhana ataupun regresi linier berganda pada intinya memiliki beberapa tujuan, yaitu: 1. Menghitung nilai nilai estimasi rata-rata dan nilai variabel variabel terikat berdasarkan berdasarkan pada nilai variabel bebas. 2. Menguji hipotesis karakteristik karakteris tik dependensi. 3. Meramalkan nilai nilai rata-rata variabel bebas dengan dengan didasarkan pada nilai nilai variabel bebas diluar jangkauan sample. Pada analisis regresi sederhana dengan menggunakan SPSS ada beberapa asumsi dan persyaratan yang perlu diperiksa dan diuji, beberapa diantaranya adalah : 1. Variabel bebas bebas tidak berkorelasi berkorelasi dengan dengan disturbance term (Error). Nilai Nilai disturbance term sebesar term sebesar 0 atau dengan simbol sebagai berikut: (E (U / X) = 0, 2. Jika variabel bebas lebih dari satu, maka antara variabel bebas ( explanatory ) tidak ada hubungan linier yang nyata, 3. Model regresi dikatakan layak jika angka signifikansi < 0.05, Predictor yang digunakan sebagai variabel bebas harus layak. Kelayakan ini diketahui jika angka Standard Error of Estimate < Standard Deviation, Deviation, 4. Koefisien regresi harus harus signifikan. Pengujian Pengujian dilakukan dengan uji T. Koefesien regresi signifikan jika T hitung > T tabel (nilai kritis), 5. Model regresi dapat dapat diterangkan dengan dengan menggunakan nilai nilai koefisien determinasi determinasi (KD = r2 x 100%) semakin besar nilai tersebut maka model semakin baik. Jika nilai mendekati 1 maka model regresi semakin baik, 6. Residual harus diuji dengan Uji normalitas Kolmogorov , 7. Data harus berskala interval atau rasio, 8. Kedua variabel variabel bersifat dependen, dependen, artinya satu variabel variabel merupakan merupakan variabel bebas bebas (variabel predictor ) sedang variabel lainnya variabel terikat ( variabel response) response ) Berikut ini contoh perhitungan regresi linier sederhana menggunakan software SPSS. Proses mulai dengan memilih menu Analyze menu Analyze,, kemudian pilih Linear pilih Linear ,
Pilih variabel Y sebagai variabel dependen (terikat) dan X1 sebagai variabel independen (bebas) lalu klik tombol OK,
Output SPSS akan menampilkan hasil berupa 4 buah tabel yaitu; 1. Descriptive Statistics 2. Matriks Koefisien Korelasi 3. Variabel Entered/Removed, Entered/Removed, 4. Model Summary 5. Anova 6. Coefficients 7. Residual Statistics 8. Histogram 9. Normal Plot 10. Scatter Plot
Cara membaca output spss hasil uji regresi linier tersebut adalah : 1. Tabel pertama menunjukkan variabel apa saja yang diproses, mana yang menjadi variabel bebas dan variabel terikat. 2. Tabel kedua menampilkan menampilkan nilai R yang merupakan simbol dari nilai koefisien koefisien korelasi.
Pada
contoh
diatas
nilai
korelasi
adalah
0,342.
Nilai
ini
dapat
diinterpretasikan bahwa hubungan kedua variabel penelitian ada di kategori lemah. Melalui tabel ini juga diperoleh nilai R Square atau koefisien determinasi (KD) yang menunjukkan seberapa bagus model regresi yang dibentuk oleh interaksi variabel bebas dan variabel terikat. Nilai KD yang diperoleh adalah 11,7% yang dapat ditafsirkan bahwa variabel bebas X1 memiliki pengaruh kontribusi sebesar 11,7% terhadap variabel Y dan 88,3% lainnya dipengaruhi oleh faktor-faktor lain diluar variabel X1. 3. Tabel ketiga digunakan untuk menentukan taraf signifikansi atau linieritas dari regresi. Kriterianya dapat ditentukan berdasarkan uji F atau uji nilai Signifikansi (Sig.). Cara yang paling mudah dengan uji Sig., dengan ketentuan, jika Nilai Sig. < 0,05, maka model regresi adalah linier, dan berlaku sebaliknya. Berdasarkan tabel ketiga, diperoleh nilai Sig. = 0,140 yang berarti > kriteria signifikan (0,05), dengan demikian model persamaan regresi berdasarkan data penelitian adalah tidak signifikan artinya, model regresi linier tidak memenuhi kriteria linieritas. 4. Tabel keempat menginformasikan menginforma sikan model persamaan regresi yang diperoleh dengan koefisien konstanta dan koefisien variabel yang ada di kolom Unstandardized Coefficients B. Berdasarkan tabel ini diperoleh model persamaan regresi : Y =38,256 + 0,229 X1. (Hidayat, 2012)
B. Langkah-langkah SPSS
Menginput data x dan y ke dalam Data View
Mengatur atribut variabel di Variabel View
Mengklik Analyze Mengklik Analyze
Regression
Linear
Muncul kotak dialog Linear Regression, memasukan variabel y ke kotak Dependent(s), memasukan variabel x ke kotak Independent(s), Independent(s), kemudian mengklik Statistics
Muncul kotak dialog Linear Regression Statistik, mencentang Estimates, Collinearity Collinearity Diagnostics, dan Durbin dan Durbin Watson, kemudian mengklik Continue
Muncul lagi kotak dialog Linear Regression, mengklik Plots
Muncul kotak dialog Linear Regression Plots, mencentang Normal Probability Plot, kemudian mengklik Continue
Muncul lagi kotak dialog Linear Regression, mengklik Save
Muncul kotak dialog Linear Regression Save, mencentang Unstandardized dan Studentized deleted pada kolom Residuals. kemudian mengklik Continue
Muncul lagi kotak dialog Linear Regression, mengklik OK
Kemudian muncul dua variabel baru pada Data View. Dua variabel itu adalah RES_1 (Residual) dan SDR (Studentized (Studentized deleted Residual)
Muncul hasil output pada IBM SPSS Statistics Viewer
(Uji Normalitas-Kolmogorov Smirnov) Mengklik Analyze
Descriptive Statistics
Explore
Muncul kotak dialog Explore, memasukan variabel Unstandardized residual ke kotak Dependent
List, mengklik Plots
Muncul kotak dialog Explore: Plots, mencentang Normality Plots With Test. kemudian mengklik
Continue
Muncul lagi kotak dialog Explore, mengklik OK
Muncul hasil output pada IBM SPSS Statistics Viewer
C. Hasil SPSS Variables Entered/Removed
Variables
Variables
Entered
Removed
Model a
1
x
b
Method . Enter
a. All requested variables entered. b. Dependent Variable: y
Model Summary
Model
R
Adjusted R
Std. Error of the
Square
Estimate
R Square a
1
.581
b
.337
.315
Durbin-Watson
1.461
1.827
a. Predictors: (Constant), x b. Dependent Variable: y b
ANOVA
Model 1
Sum of Squares
df
Mean Square
Regression
31.550
1
31.550
Residual
61.934
29
2.136
Total
93.484
30
F
Sig.
14.773
a
.001
a. Predictors: (Constant), x b. Dependent Variable: y Coefficients
Model 1
Unstandardized
Standardized
Coefficients
Coefficients
B (Constant) x
a
Std. Error 3.423
.689
.558
.145
Beta
Collinearity Statistics t
.581
Sig.
4.970
.000
3.844
.001
a. Dependent Variable: y
Collinearity Diagnostics
a
Variance Proportions Model
Dimension
1
1
1.925
1.000
.04
.04
2
.075
5.051
.96
.96
a. Dependent Variable: y
Eigenvalue
Condition Index
(Constant)
x
Tolerance
1.000
VIF
1.000
Residuals Statistics
Minimum Predicted Value
Maximum
a
Mean
Std. Deviation
N
4.54
7.89
5.87
1.026
31
-1.299
1.966
.000
1.000
31
.268
.586
.361
.090
31
4.30
8.06
5.86
1.034
31
Residual
-2.771
2.461
.000
1.437
31
Std. Residual
-1.896
1.684
.000
.983
31
Stud. Residual
-1.953
1.764
.003
1.013
31
Deleted Residual
-2.941
2.700
.008
1.526
31
Stud. Deleted Residual
-2.060
1.834
.001
1.036
31
Mahal. Distance
.044
3.864
.968
1.085
31
Cook's Distance
.000
.151
.031
.037
31
Centered Leverage Value
.001
.129
.032
.036
31
Std. Predicted Value Standard Error of Predicted Value Adjusted Predicted Value
a. Dependent Variable: y
Uji Normalitas-Kolmogorov Smirnov
Case Processing Summary
Cases Valid N Unstandardized Residual
Missing
Percent 31
N
Total
Percent
96.9%
1
N
3.1%
Percent 32
100.0%
Descriptives
Statistic Unstandardized Residual
Mean
.0000000
95% Confidence Interval
Lower Bound
-.5270322
for Mean
Upper Bound
.5270322
5% Trimmed Mean
Std. Error .25806167
.0085071
Median
-.0970719
Variance
2.064
Std. Deviation
1.43682658
Minimum
-2.77085
Maximum
2.46085
Range
5.23170
Interquartile Range
2.00000
Skewness
-.120
.421
Kurtosis
-.697
.821
Tests of Normality a
Kolmogorov-Smirnov Statistic Unstandardized Residual
df
.119
a. Lilliefors Significance Correction *. This is a lower bound of the true significance.
Shapiro-Wilk
Sig. 31
Statistic *
.200
.965
df
Sig. 31
.401
D. Kesimpulan
Variabel X dimasukan sebagai v variabel ariabel independent ke dalam Model (Tabel Variables Entered )
Variabel X dapat menjelaskan variabel Y sebesar 33.7% (nilai R Square) Square) dan sisanya yaitu sebesar sebesar 66.3% dijelaskan dijelaskan oleh faktor yang lain lain
Nilai sig. pada tabel ANOVA tabel ANOVA kurang kurang dari 0.05 yaitu sebesar 0,01 sehingga Variabel Y berpengaruh signifikan signifikan secara simultan terhadap t erhadap variabel X
Variabel X mempengaruhi variabel Y sebesar 55.8 % (nilai Unstandardized Coefficients B)
Berdasarkan grafik Normal P-P Plot of Regression Standardized Residual dan nilai signifikan pada tabel Test of Normalty didapatkan bahwa nilai Residual menyebar dengan normal
Residual mengandung autokorelasi autokorelas i karena nilai Durbin watson pada watson pada tabel Model Summary adalah adalah 1.827. nilai ini memenuhi d u < d < 4-du (dl 1.214 dan du 1.650)
Tidak terdapat multikolinieri multikolinieritas tas pada variabel variabel X karena nilai nilai VIF pada tabel Coefficients kurang Coefficients kurang dari 10 yaitu 1
LAPORAN UJIAN PRAKTIKUM STATISTIKA UJI T
Gilberth T. (in a college) 2014
A. Landasan Teori Pengujian hipotesis dapat dilakukan dengan menggunakan SPSS melalui menu Analyze, Analyze, sub menu Compare Means. Means. Selanjutnya akan tampil beberapa pilihan pengujian sampel seperti:
One sample t-test merupakan metode yang digunakan untuk menguji hipotesis mengenai rata-rata suatu populasi.
Paired sample t-test merupakan uji beda dua sampel berpasangan. Sampel berpasangan merupakan subjek yang sama namun mengalami perlakuan yang berbeda.
Independent sample t-test adalah metode yang digunakan untuk menguji kesamaan rata-rata dari 2 populasi yang bersifat independen, atau populasi yang satu tidak dipengaruhi atau tidak berhubungan dengan populasi yang lain.
Pengujian dilakukan untuk menentukan ketepatan pengambilan keputusan terhadap hipotesis. Langkah pertama yang harus dilakukan adalah membuat hipotesis (dugaan sementara). Dalam statistik dugaan sementara dinotasikan Ho. Pengujian hipotesis dapat dilakukan dengan cara Uji T pada aplikasi SPSS. Uji T memiliki dua versi, yaitu One Tile Test dan dan Two Tile Test. One Tile Test sering disebut juga dengan pengujian satu arah, sedangkan Two Tile Test biasa biasa disebut Pengujian dua arah (Hidayat, 2012). Two Tile Test Dalam menguji nilai t perlu juga dicari nilai t tabel. Mencari nilai t tabel harus menggunakan nilai df. Berikut cara mencari nilai t tabl: Pastikan tingkat signifikasi yang digunakan untuk uji dua arah. Pilih nilai df (derajat kebebasan) yang digunakan (8) tarik ke kanan sampai nilai pada kolom tingkat signifikasi (α) yang digunakan menemukan
(0.05). nilai
Maka t
tabel
kita
akan
yaitu
2.306.
Gunakan nilai t tabel untuk menggambarkan daerah penerimaan Ho. Karena dua sisi maka daerah penerimaan Ho terletak antara -2.306 sampai + 2.306. Jika nilai t hitung = 1.492, maka Ho diterima karena terletak antara antara -2.306 dan dan + 2.306. Apabila Apabila letak letak t hitung berada di luar daerah penerimaan, maka Ho ditolak.
One Tile Test Terdapat dua macam uji hipotesis satu sisi, yaitu uji hipotesis sisi kanan dan uji hipotesis sisi kiri. Untuk memberikan pemahaman berikut diberikan contoh untuk masing-masing masing-masing sisi.
Uji Hipotesis Sisi Kanan Dengan t tabel 1.860 (df = 8, signifikan = 0.05). Syarat diterima atau ditolaknya Ho untuk uji sisi kanan adalah sebagai berikut: apabila t hitung < t tabel maka Ho diterima apabila t hitung > t tabel maka Ho ditolak dengan t hitung = 1.492 maka Ho diterima karena 1.492 < 1.860.
Uji Hipotesis Sisi Kiri Dengan t tabel 1.860 (df = 8, signifikan = 0.05). Nilai t tabel diubah menjadi negative (-1.860). Syarat diterima atau ditolaknya Ho untuk uji sisi kiri adalah sebagai berikut: apabila t hitung > t tabel maka Ho diterima apabila t hitung < t tabel maka Ho ditolak dengan t hitung = 1.492 maka Ho diterima karena (1.492 > -1.860) (Hidayat, 2012)
B. Langkah-langkah SPSS
Menginput data x dan y ke dalam Data View
Mengatur atribut variabel di Variabel View
Mengklik Analyze Mengklik Analyze
Compare Means Means
One Sample T Test
Muncul kotak dialog One Sample T Test, memasukan variabel x ke kotak Test Variable(s), memasukan nilai hipotesis “4.2” pada Test Value. Kemudian mengklik Options
Muncul kotak dialog One Sample T Test: Options, memasukan nilai “95” pada Confidence Interval Percentage. Kemudian mengklik Continue
Muncul lagi kotak dialog One Sample T Test, mengklik OK
Muncul hasil output pada IBM SPSS Statistics Viewer
Mengklik Analyze Mengklik Analyze
Muncul kotak dialog One Sample T Test, memasukan variabel y ke kotak Test Variable, Test Variable,
Compare Means Means
One Sample T Test
memasukan nilai hipotesis “6” pada Test Value. Kemudian mengklik Options
Muncul kotak dialog One Sample T Test: Options, memasukan memasukan nilai “95” pada Confidence Interval Percentage. Kemudian mengklik Continue
Muncul lagi kotak dialog One Sample T Test, mengklik OK
Muncul hasil output pada IBM SPSS Statistics Viewer
C. Hasil SPSS Variabel X
One-Sample Statistics
N x
Mean 31
Std. Deviation
4.39
Std. Error Mean
1.838
.330
One-Sample Test
Test Value = 4.2 95% Confidence Interval of the Difference
Mean t x
df
Sig. (2-tailed)
.567
30
Difference
.575
Lower
.187
Upper -.49
.86
Variabel Y
One-Sample Statistics
N y
Mean 31
Std. Deviation
5.87
Std. Error Mean
1.765
.317
One-Sample Test
Test Value = 6 95% Confidence Interval of the Difference
Mean t y
-.407
df
Sig. (2-tailed) 30
.687
Difference -.129
Lower
Upper -.78
.52
D. Kesimpulan
Hipotesis “mean = 4.2” pada uji t (one ( one tile test ) variabel X diterima karena T hitung kurang dari T tabel (0.567 < 1.697)
Hipotesis “mean = 6” pada uji t (two ( two tile test ) variabel Y diterima karena T hitung berada diantara T tabel (-2.042 < -0.407 < 2.042)
