uji t f chi .docx
Langkah – langkah uji F dengan data SPSS
Dasar Cara Melihat F tabel
Untuk melihat F tabel dalam pengujian hipotesis pada model regresi, perlu menentukan derajat
bebas atau degree of freedom (df) atau dikenal dengan df2 dan juga dalam F tabel disimbolkan
dengan N2. Hal ini ditentukan dengan rumus:
df1 = k - 1
df2 = n - k
Dimana n = Banyaknya observasi dalam kurun waktu data.
Dimana k = Banyaknya variabel (bebas dan terikat).
Dalam pengujian ini dilakukan dengan tingkat kepercayaan 5% atau 0,05, dalam hal ini bisa kita
uji dengan rumus tersebut. Pada df1 = 3 - 1 = 2 dan pada df2 = 10 - 3 = 7, maka nilai F tabel
adalah 4,74.
Tabel Distribusi F
Dasar Pengambilan Keputusan Untuk Uji F (Simultan) Dalam Analisis Regresi
Berdasarkan nilai F hitung dan F tabel :
Jika nilai F hitung > F tabel maka variabel bebas (X) berpengaruh terhadap variabel terikat (Y).
Jika nilai F hitung < F tabel maka variabel bebas (X) tidak berpengaruh terhadap variabel
terikat(Y).
Berdasarkan nilai signifikansi hasil output SPSS :
Jika nilai Sig. < 0,05 maka variabel bebas (X) berpengaruh signifikan terhadap variabel terikat
(Y).
Jika nilai Sig. > 0,05 maka variabel bebas (X) tidak berpengaruh signifikan terhadap variabel
terikat (Y).
Ada beberapa langkah yang harus anda lakukan untuk mempraktekkan uji F atau uji simultan ini, Berikut
langkah-langkah yang harus anda lakukan :
Langkah-langkahnya :
Buka data yang ingin anda uji !
Lalu pilih menu dari SPSS, klik Analyze, kemudian klik Regresion pada submenu lalu klik Linear.
Pada kotak Dependent, isikan variabel Y (PAD) dan pada kotakIndependent isikan variabel X1,
X2 (Pajak Daerah, Retribusi Daerah).
Selanjutnya abaikan yang lain dan kemudian klik Ok.
Tampilan hasil output SPSS.
Interpretasi Output
Berdasarkan hasil output SPSS di atas kita dapat melihat dimana nilai F hitung lebih besar dari
pada nilai F tabel (70,784 > 4,74) dengan tingkat signifikan di bawah 0,05 yaitu 0,000.
Berdasarkan cara pengambilan keputusan uji simultan dalam analisis regresi dapat disimpulkan
bahwa variabel Pajak Daerah (X1) dan Retribusi Daerah (X2) jika diuji secara bersama-sama
atau serempak berpengaruh signifikan terhadap peningkatan Pendapatan Asli Daerah (PAD).
Langkah langkah uji Test t dengan SPSS
Independen 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. Misal Kelompok Kelas A dan Kelompok kelas B,
di mana responden dalam kelas A dan kelas B adalah 2 kelompok yang subjeknya berbeda.
Bandingkan dengan nilai pretest dan posttest pada kelas A, di mana nilai pretest dan posttest
berasal dari subjek yang sama atau disebut dengan data berpasangan. Apabila menemui kasus
yang data berpasangan, maka uji beda yang tepat adalah uji paired t test.
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.
Untuk asumsi poin no. 1 dan 2, anda tidak perlu mengujinya dengan SPSS. Sedangkan untuk
asumsi no. 3 dan no. 5 anda harus mengujinya dengan SPSS. Untuk uji normalitas secara
lengkap baca DISINI. Untuk uji homogenitas secara lengkap, baca DISINI.
Langsung saja kita buat data sebagai berikut: Data di bawah ini menunjukkan bahwa ada 2
kelompok yaitu 1 dan 2, di mana tiap kelompok terdapat 10 responden/observasi.
Dataset Independen T Test
Langkah pertama adalah menguji asumsi normalitas, outlier dan homogenitas. Yaitu pada
menu SPSS, klik Analyze, Descriptive Statistics, Explore. Maka akan muncul jendela seperti
berikut:
Explore Independen T Test
Klik tombol Plots, setelah muncul jendela, centang Factor levels together, Stem-and-leaf,
Histogram, Normality plots with tests dan Power estimation. Kemudian Klik Continue.
Plot Independen T Test
Kemudian klik OK pada jendela utama. Lihat output!
Normalitas Independen T Test
Tabel di atas menunjukkan hasil uji Shapiro Wilk dan Lilliefors. Nilai p value (Sig) lilliefors
0,200 pada 2 kelompok di mana > 0,05 maka berdasarkan uji lilliefors, data tiap kelompok
berdistribusi normal. P value uji Shapiro wilk pada kelompok 1 sebesar 0,884 > 0,05 dan pada
kelompok 2 sebesar 0,778 > 0,05. Karena semua > 0,05 maka kedua kelompok sama-sama
berdistribusi normal berdasarkan uji Shapiro wilk.
Homogenitas Independen T Test
Tabel di atas menunjukkan hasil uji homogenitas dengan metode Levene's Test. Nilai Levene
ditunjukkan pada baris Nilai based on Mean, yaitu 0,001 dengan p value (sig) sebesar 0,979 di
mana > 0,05 yang berarti terdapat kesamaan varians antar kelompok atau yang berarti homogen.
Stem-leaf Independen T Test
Diagram di atas adalah diagram stem-leaf yang berfungsi untuk mendeteksi adanya outlier. Ada
outlier apabila terdapat nilai Extrem di atas dan di bawah stem-leaf. Pada data anda tidak
terdapat nilai exkstrem, maka tidak terdapat outlier. Deteksi outlier juga bisa dinilai dengan Boxplot seperti di bawah ini:
Boxplot Independen T Test
Box-Plot di atas tidak menunjukkan terdapat plot-plot di atas dan/atau di bawah boxplot yang
berarti tidak terdapat outlier.
Oleh karena semua asumsi terpenuhi, maka dapat dilanjutkan ke uji selanjutnya yaitu uji
Independen T Test.
Pada menu SPSS, klik Analyze, Compare Means, Independen Samples T Test. Maka akan
muncul jendela sebagai berikut: Kemudian masukkan variabel terikat anda yaitu Nilai ke
kotak Test Variable(s) dan masukkan variabel bebasanda yaitu Kelompok ke kotak Grouping
Variables.
Independen T Test
Klik tombol Define Groups kemudian masukkan kode 1 dan 2.
Grouping Independen T Test
Klik Continue. Dan pada jendela utama klik OK kemudian lihat Output!
Mean Independen T Test
Tabel di atas menunjukkan Mean atau rerata tiap kelompok, yaitu pada kelompok 1 nilainya 56
di mana lebih rendah dari kelompok 2 yaitu 73,1. Apakah perbedaan ini bermakna? lihat di
bawah ini:
Output Independen T Test
Nilai hasil uji levene test untuk homogenitas sama dengan bahasan di atas, yaitu homogen.
Karena homogen, maka gunakan baris pertama yaitu nilai t hitung -2,577 pada DF 18. DF pada
uji t adalah N-2, yaitu pada kasus ini 20-2=18. Nilai t hitung ini anda bandingkan dengan t tabel
pada DF 18 dan probabilitas 0,05.
Untuk menjawab hipotesis ada 2 cara:
Dengan membandingkan antara t hitung dengan t tabel:
Apabila nilai t hitung positif: Ada perbedaan bermakna apabila t hitung > t tabel.
Apabila nilai t hitung negatif: ada perbedaan bermakna apabila t hitung < t tabel.
Cara kedua adalah dengan melihat nilai Sig (2 tailed) atau p value. Pada kasus di atas nilai p
value sebesar 0,019 di mana < 0,05. Karena < 0,05 maka perbedaan bermakna secara statistik
atau signifikan pada probabilitas 0,05.
Besarnya perbedaan rerata atau mean kedua kelompok ditunjukkan pada kolom Mean
Difference, yaitu -17,1. Karena bernilai negatif, maka berarti kelompok pertama memiliki Mean
lebih rendah dari pada kelompok kedua.
Perhitungan uji chi square SPSS
SPSS merupakan program pengolahan data statistik yang memudahkan pengguna dalam
memakainya. Uji Chi Square SPSS tentunya bisa dikerjakan dengan mudah dengan program ini.
Berikut ini, beberapa langkah yang bisa dijadikan petunjuk dalam mengolah data untuk uji Chi
Square dengan SPSS:
1. Input data ke dalam “Data View”, namun sebelumnya isi kamus data yang berisi
karakteristik variable pada “Variable View”.
2. Setelah selesai menginput data, klik menu “Analyze”, lalu pilih “Descriptive Statistics”
dan pilih “Crosstabs”
3. Maka akan muncul tampilan “Crosstabs”, dimana akan terdapat kotak di sebelah kiri
yang berisi variable yang akan dipindahkan ke dalam kotak “Rows” dan “Columns”
4. Cara memindahkan variabel dengan mengklik variable kemudian klik panah yang
terdapat di samping kiri kotak “rows” dan “column”.
5. Kemudian klik menu “Statistic” yang terdapat di sisi kanan kotak “Row(s)”.
6. Akan muncul kotak dialog “Statistic”.
7. Pilih dengan mengklik Chi-Square lalu pilih pada menu “Nominal” dan “Ordinal” sesuai
dengan kebutuhan pengujian.
8. Klik tombol “Continue”, maka akan kembali ke kotak dialog “Crosstabs”.
9. Lalu klik tombol “Cells” dan muncul tampilan kotak dialog “Crosstabs:Cell Display” dan
pilih dengan mengklik “Observed” pada menu “Counts”, lalu klik “Row”,”Column”,
“Total” pada menu Percentages. Kemudian klik tombol “continue”.
10. Tampilan kotak dialog “Crosstabs” akan muncul kembali dan klik tombol “Format”.
11. Kotak dialog “Crosstabs:Table Format” akan muncul dan pilih akan ditampilkan secara
“Ascending” atau “Descending” hasilnya.
12. Kemudian klik “ok” dan output akan ditampilkan.
13. Untuk mengambil kesimpulan, yang dijadikan patokan adalah nilai “Pearson Chi Square”
pada tabel “Chi-Square Tests” yang akan dibandingkan dengan nilai “Approx. Sig” pada
tabel “Symmetric Measures”.
Contoh Uji t, F, dan Chi yang ada di Skripsi Perpustakaan
ANALISIS UJI t-test
Uji t digunakan untuk mengetahui tingkat signifikan masing-masing koefisien regresi dari
variable bebas terhadap variable terkait. Nilai thitung diperoleh dengan bantuan SPSS. Adapun
nilai thitung dan ttabel dapat dilihat pada tabel dibawah ini ;
Gambar 1.1 Tabel hasil uji t hitung
Variabel
Lingkungan kerja (X1)
Komunikasi (X2)
thitung
7,974
7,655
Signifikansi
0,000
0,000
ttabel
1,658
1,658
Berdasarkan table diatas selanjutnya dibahas pengaruh dari masing-masing variable bebas
terhadap variable terikat dapat dijelaskan sebagai berikut ;
1.
Pengaruh lingkungan kerja terhadap kinerja karyawan PT. Cocacola Botlling Indonesia
Balinusa, formulasi hipotesis sebagai berikut ;
a) Merumuskan hipotesis
Ho1 : β1 = 0, berarti tidak ada pengaruh yang signifikansecara persial dari
variable lingkungan kerja terhadap kinerja karyawan PT Cocacola Botlling
Indonesia Balinusa.
Hi1 : β1 > 0, berarti ada pengaruh signifikan secara persial dan variable
lingkungan kerja terhadap kinerja karyawan PT. Cocacola Botlling Indonesia
Balinusa.
b) Menentukan tara nyata (α) = 5% dan df = (n-k) = 65 – 3 = 62 sehingga t tabel
adalah t = (0,05:62)=1,671.
c) Merumuskan criteria pengujian
Apabila t hitung > t table , maka Ho1 ditolak
Apabila t hitung ≤ t table , maka Ho1 diterima
d) Membandingkan t hitung dengan t table pada gambar dibawah ini ;
Daerah penolakan dan penerimaan Ho dengan uji t untuk Variabel lingkungan kerja
e) Hasil uji thitung yang dapat dilihat pada tabel diperoleh t hitung sebesar 7,794
dengan tingkat signifikasi 0,000 yang lebih kecil dari 0,5 selain itu t hitung
(7,974) lebih besar dari t tabel (1,671) yang berarti lingkungan kerja signifikan
dan positif terhadap tenaga kinerja karyawan PT. Cocacola Botlling Indonesia
Balinusa. Jadi hipotesis pertama yang menyatakan bahwa lingkungan kerja
komunikasi secara parsial erpengaruh signifikan dan positif terhadap kinerja
karyawan PT. Cocacola Botlling Indonesia Balinusa diterima.
2.
Pengaruh komunikasi terhadap kinerja karyawan PT. Cocacola Botlling Indonesia
Balinusa.
a) Merumuskan hipotesis
Ho2 : β2 = 0, berarti tidak ada pengaruh yang signifikan dan positif secara parsial
dari variable komunikasi terhadap kinerja karyawan PT. Cocacola Botlling
Indonesia Balinusa.
Hi2 : β2 > 0, berarti berpengaruh signifikan dan positif secara parsial dari variable
komunikasi terhadap kinerja karyawan PT. Cocacola Botlling Indonesia
Balinusa.
b) Menentukan taraf nyata (α) = 5% dan df = (n-k) = 65 – 3 = 62, sehingga t tabel
adalah t = ( 0,5 ; 62) = 1,671.
c) Merumuskan criteria pengujian
Apabila t hitung > t table , maka Ho2 ditolak
Apabila t hitung ≤ t table , maka Ho2 diterima
d) Membandingkan t
gambar dibawah;
hitung
dengan t
table
pada gambar kurva distribusi t pada
Daerah penolakan dan penerimaan Ho dengan uji t untuk variable
komunikasi
e) Membuat keputusan uji hipotesis
Dari hasil penghitungan t hitung yang dapat dilihat pada tabel 1.1 diperoleh t 2
hitung
sebesar 7,655 dengan tingkat signifikasi sebesar 0,000. Yang lebih kecil
dari 0,5 selain itu t2 hitung (7,655) lebih besar dari t table (1,671) yang berarti
komunikasi berpengaruh signifikan dan positif terhadap kinerja pegawai PT.
Cocacola Botlling Indonesia Balinusa, jadi hipotesis kedua yang menyatakan
bahwa komunikasi secara parsial berpengaruh signifikan dan positif terhadap
kinerja karyawan PT. Cocacola Botlling Indonesia Balinusa diterima.
ANALISIS UJI F-test
Uji F-test dilakukan untuk menguji hipotesis pertama yaitu untuk mengetahui tingkat
signifikan variable bebas yang terdiri dari, lingkungan kerja (X1) dan komunikasi (X2)
terhadap kinerja karyawan (Y) hasil perhitungan SPSS 17,0 for windows dapat diketahui
dengan formulasi hipotesis sebagai berikut :
1. Merumuskan hipotesis
Ho3 : β1 = β2 = 0, tidak ada pengaruh yang signifikan secara bersama-sama antara
lingkungan kerja dan komunikasi terhadap kinerja karyawan PT. Cocacola
Botlling Indonesia Balinusa.
Hi3 : βi ≠ 0, paling sedikit salah satu dari lingkungan kerja dan komunikasi
berpengaruh signifikan terhadap kinerja karyawan PT. Cocacola Botlling
Indonesia Balinusa.
2. Menentukan Ftabel
Dengan taraf nyata (α) = 5% dari df pembilang = (k-1) = (3-1) = 2 penyebut (n-k)
= (65-3) = 62 sehingga nilai F tabel sebesar F 0,05 (2;62) = 3,15 merumuskan
criteria pengujian
Apabila Fhitung ≤ Ftabel, Maka Ho3 ditolak.
Apabila Fhitung ≥ Ftabel, Maka Ho3 diterima.
3. Membandingkan nilai Fhitung dengan Ftabel
Dapat dilihat pada gambar dibawah
Daerah penolakan dan penerimaan Ho dengan Uji F
4. Membuat keputusan uji hipotesis
Berdasarkan perhitungan dengan menggunakan program SPSS yaitu F hitung
sebesar 146,938 dan dengan tingkat signifikan sebesar 0,000 yang lebih kecil dari
0,05. Selain itu jika dibandingan maka F hitung (146,938) lebih besar daripada f
tabel (3,15) yang berarti lingkungan kerja dan komunikasi berpengaruh signifikan
terhadap kinerja karyawan PT. Cocacola Botlling Indonesia Balinusa.
Jadi hipotesis ketiga yang menyatakan bahwa lingkungan kerja dan
komunikasi secara bersama-sama berpengaruh signifikan terhadap kinerja
karyawan PT. Cocacola Botling Indonesia Balinusa, diterima.
ANALISIS UJI CHI SQUARE
( Berhubung kemarin saya mencari contoh uji ini diskripsi tidak ada maka saya ambil contoh
ini dari internet )
Sumber : http://www.statistikolahdata.com/2013/04/analisis-chi-square.html
Uji Chi-square atau qai-kuadrat digunakan untuk melihat ketergantungan antara variabel bebas
dan variabel tergantung berskala nominal atau ordinal. Prosedur uji chi-square menabulasi satu
atau variabel ke dalam kategori-kategori dan menghitung angka statistik chi-square. Untuk satu
variabel dikenal sebagai uji keselarasan atau goodness of fit test yang berfungsi untuk
membandingkan frekuensi yang diamati (fo) dengan frekuensi yang diharapkan (fe). Jika terdiri
dari 2 variabel dikenal sebagai uji independensi yang berfungsi untuk hubungan dua variabel.
Seperti sifatnya, prosedur uji chi-square dilkelompokan kedalam statistik uji non-parametrik.
Semua variabel yang akan dianalisa harus bersifat numerik kategorikal atau nominal dan dapat
juga berskala ordinal. Prosedur ini didasarkan pada asumsi bahwa uji nonparametrik tidak
membutuhkan asumsi bentuk distribusi yang mendasarinya. Data diasumsikan berasal dari
sampel acak. Frekuensi yang diharapkan (fe) untuk masing-masing kategori harus setidaknya :
Tidak boleh lebih dari dua puluh (20%) dari kategori mempunyai frekuensi yang diharapkan
kurang dari 5.
Formula uji Chi Square :
Dimana :
X2 = Nilai khai-kuadrat
fo = frekuensi observasi/pengamatan
fe = frekuensi ekspetasi/harapan
Contoh kasus
Perusahaan penyalur alat elektronik AC ingin mengetahui apakah ada hubungan antara gender
dengan sikap mereka terhadap kualitas produk AC. Untuk itu mereka meminta 25 responden
mengisi identitas mereka dan sikap atau persepsi mereka terhadap produknya.
Permasalahan : Apakah ada hubungan antara gender dengan sikap terhadap kualitas AC?
Hipotesis :
H0 = Tidak ada hubungan antara gender dengan sikap terhadap kualitas AC
H1 = Ada hubungan antara gender dengan sikap terhadap kualitas AC
Tolak hipotesis nol (H0) apabila nilai signifikansi chi-square < 0.05 atau nilai chi-square hitung
lebih besar (>) dari nilai chi-square tabel.
Data dari keduapuluh lima responden dapat dilihat pada tabel di bawah ini.
Data responden
Ket. :
Gender : 1 = Laki-laki
Gender : 2 = Wanita
Sikap : 1 = berkualitas
Sikap : 2 = Tidak berkualitas
Langkah-langkah SPSS
1.
Analyze > Descriptive Statistics > Crosstab
2.
Masukkan variabel Gender ke dalam kotak Row
3.
MAsukkan variabel Sikap ke dalam kotak Column
4.
Klik untuk pilihan Statistics
5.
Pilih menu Chi-square, tekan Continue
6.
Pilih Cell, Observed, tekan Continue
7.
Klik Ascending, tekan Continue
8.
Tekan OK
Hasil output SPSS
Pada tabel case processing summary diatas menunjukkan bahwa input data ada 25 responden
dan tidak ada data yang tertinggal.
Pada tabel crossstabulasi antara gender*sikap di atas bahwa gender laki-laki berjumlah 12
responden. Dari 12 responden laki-laki bersikap/menganggap berkualitas sedangkan 5 responden
bersikap tidak berkualitas. Sedangkan 13 responden bergender wanita yang menganggap produk
AC berkualitas sebanyak 6 responden dan yang bersikap tidak berkualitas ada 7 responden.
Pada tabel chi-square test di atas dapat diketahui bahwa nilai signifikansi p-value sebesar 0.543
dan nilai chi-square sebesar 0.371. Karena nilai signifikansi 0.543 > (0.05) maka hipotesis null
diterima yang berarti bahwa tidak ada hubungan antara gender dengan sikap terhadap kualitas
AC.
STATISTIK EKONOMI 2
“ Analisis uji t, F, dan X2 (Chi Square) “
DISUSUN OLEH :
Aria sudarte
NPM: 14.02.01.1884
Prodi: Manajemen 4B Pagi
UNIVERSITAS HINDU INDONESIA
Jl. Sangalangit, Tembau, Penatih, Kota Denpasar, Bali
TAHUN 2016
KATA PENGANTAR
Puji dan syukur saya ucapkan kepada Ida Sang Hyang Widhi Wasa,
karna atas waranugrahaNYA saya dapat menyelesaikan tugas ini tepat
pada waktunya.
Tugas ini ditujukan untuk memenuhi tugas mata kuliah “ Statistik
ekonomi 2 ”. Saya mengucapkan banyak terimakasih kepada Bapak
dosen yg telah memberikan wawasan dan bimbingannya sehingga tugas
ini dapat saya selesaikan dengan baik.
Saya menyadari bahwa tugas ini masih banyak kekurangan dalam
hal isi. Hal ini disebabkan oleh keterbatasan pengetahuan dan wawasan
saya.
Dasar Cara Melihat F tabel
Untuk melihat F tabel dalam pengujian hipotesis pada model regresi, perlu menentukan derajat
bebas atau degree of freedom (df) atau dikenal dengan df2 dan juga dalam F tabel disimbolkan
dengan N2. Hal ini ditentukan dengan rumus:
df1 = k - 1
df2 = n - k
Dimana n = Banyaknya observasi dalam kurun waktu data.
Dimana k = Banyaknya variabel (bebas dan terikat).
Dalam pengujian ini dilakukan dengan tingkat kepercayaan 5% atau 0,05, dalam hal ini bisa kita
uji dengan rumus tersebut. Pada df1 = 3 - 1 = 2 dan pada df2 = 10 - 3 = 7, maka nilai F tabel
adalah 4,74.
Tabel Distribusi F
Dasar Pengambilan Keputusan Untuk Uji F (Simultan) Dalam Analisis Regresi
Berdasarkan nilai F hitung dan F tabel :
Jika nilai F hitung > F tabel maka variabel bebas (X) berpengaruh terhadap variabel terikat (Y).
Jika nilai F hitung < F tabel maka variabel bebas (X) tidak berpengaruh terhadap variabel
terikat(Y).
Berdasarkan nilai signifikansi hasil output SPSS :
Jika nilai Sig. < 0,05 maka variabel bebas (X) berpengaruh signifikan terhadap variabel terikat
(Y).
Jika nilai Sig. > 0,05 maka variabel bebas (X) tidak berpengaruh signifikan terhadap variabel
terikat (Y).
Ada beberapa langkah yang harus anda lakukan untuk mempraktekkan uji F atau uji simultan ini, Berikut
langkah-langkah yang harus anda lakukan :
Langkah-langkahnya :
Buka data yang ingin anda uji !
Lalu pilih menu dari SPSS, klik Analyze, kemudian klik Regresion pada submenu lalu klik Linear.
Pada kotak Dependent, isikan variabel Y (PAD) dan pada kotakIndependent isikan variabel X1,
X2 (Pajak Daerah, Retribusi Daerah).
Selanjutnya abaikan yang lain dan kemudian klik Ok.
Tampilan hasil output SPSS.
Interpretasi Output
Berdasarkan hasil output SPSS di atas kita dapat melihat dimana nilai F hitung lebih besar dari
pada nilai F tabel (70,784 > 4,74) dengan tingkat signifikan di bawah 0,05 yaitu 0,000.
Berdasarkan cara pengambilan keputusan uji simultan dalam analisis regresi dapat disimpulkan
bahwa variabel Pajak Daerah (X1) dan Retribusi Daerah (X2) jika diuji secara bersama-sama
atau serempak berpengaruh signifikan terhadap peningkatan Pendapatan Asli Daerah (PAD).
Langkah langkah uji Test t dengan SPSS
Independen 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. Misal Kelompok Kelas A dan Kelompok kelas B,
di mana responden dalam kelas A dan kelas B adalah 2 kelompok yang subjeknya berbeda.
Bandingkan dengan nilai pretest dan posttest pada kelas A, di mana nilai pretest dan posttest
berasal dari subjek yang sama atau disebut dengan data berpasangan. Apabila menemui kasus
yang data berpasangan, maka uji beda yang tepat adalah uji paired t test.
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.
Untuk asumsi poin no. 1 dan 2, anda tidak perlu mengujinya dengan SPSS. Sedangkan untuk
asumsi no. 3 dan no. 5 anda harus mengujinya dengan SPSS. Untuk uji normalitas secara
lengkap baca DISINI. Untuk uji homogenitas secara lengkap, baca DISINI.
Langsung saja kita buat data sebagai berikut: Data di bawah ini menunjukkan bahwa ada 2
kelompok yaitu 1 dan 2, di mana tiap kelompok terdapat 10 responden/observasi.
Dataset Independen T Test
Langkah pertama adalah menguji asumsi normalitas, outlier dan homogenitas. Yaitu pada
menu SPSS, klik Analyze, Descriptive Statistics, Explore. Maka akan muncul jendela seperti
berikut:
Explore Independen T Test
Klik tombol Plots, setelah muncul jendela, centang Factor levels together, Stem-and-leaf,
Histogram, Normality plots with tests dan Power estimation. Kemudian Klik Continue.
Plot Independen T Test
Kemudian klik OK pada jendela utama. Lihat output!
Normalitas Independen T Test
Tabel di atas menunjukkan hasil uji Shapiro Wilk dan Lilliefors. Nilai p value (Sig) lilliefors
0,200 pada 2 kelompok di mana > 0,05 maka berdasarkan uji lilliefors, data tiap kelompok
berdistribusi normal. P value uji Shapiro wilk pada kelompok 1 sebesar 0,884 > 0,05 dan pada
kelompok 2 sebesar 0,778 > 0,05. Karena semua > 0,05 maka kedua kelompok sama-sama
berdistribusi normal berdasarkan uji Shapiro wilk.
Homogenitas Independen T Test
Tabel di atas menunjukkan hasil uji homogenitas dengan metode Levene's Test. Nilai Levene
ditunjukkan pada baris Nilai based on Mean, yaitu 0,001 dengan p value (sig) sebesar 0,979 di
mana > 0,05 yang berarti terdapat kesamaan varians antar kelompok atau yang berarti homogen.
Stem-leaf Independen T Test
Diagram di atas adalah diagram stem-leaf yang berfungsi untuk mendeteksi adanya outlier. Ada
outlier apabila terdapat nilai Extrem di atas dan di bawah stem-leaf. Pada data anda tidak
terdapat nilai exkstrem, maka tidak terdapat outlier. Deteksi outlier juga bisa dinilai dengan Boxplot seperti di bawah ini:
Boxplot Independen T Test
Box-Plot di atas tidak menunjukkan terdapat plot-plot di atas dan/atau di bawah boxplot yang
berarti tidak terdapat outlier.
Oleh karena semua asumsi terpenuhi, maka dapat dilanjutkan ke uji selanjutnya yaitu uji
Independen T Test.
Pada menu SPSS, klik Analyze, Compare Means, Independen Samples T Test. Maka akan
muncul jendela sebagai berikut: Kemudian masukkan variabel terikat anda yaitu Nilai ke
kotak Test Variable(s) dan masukkan variabel bebasanda yaitu Kelompok ke kotak Grouping
Variables.
Independen T Test
Klik tombol Define Groups kemudian masukkan kode 1 dan 2.
Grouping Independen T Test
Klik Continue. Dan pada jendela utama klik OK kemudian lihat Output!
Mean Independen T Test
Tabel di atas menunjukkan Mean atau rerata tiap kelompok, yaitu pada kelompok 1 nilainya 56
di mana lebih rendah dari kelompok 2 yaitu 73,1. Apakah perbedaan ini bermakna? lihat di
bawah ini:
Output Independen T Test
Nilai hasil uji levene test untuk homogenitas sama dengan bahasan di atas, yaitu homogen.
Karena homogen, maka gunakan baris pertama yaitu nilai t hitung -2,577 pada DF 18. DF pada
uji t adalah N-2, yaitu pada kasus ini 20-2=18. Nilai t hitung ini anda bandingkan dengan t tabel
pada DF 18 dan probabilitas 0,05.
Untuk menjawab hipotesis ada 2 cara:
Dengan membandingkan antara t hitung dengan t tabel:
Apabila nilai t hitung positif: Ada perbedaan bermakna apabila t hitung > t tabel.
Apabila nilai t hitung negatif: ada perbedaan bermakna apabila t hitung < t tabel.
Cara kedua adalah dengan melihat nilai Sig (2 tailed) atau p value. Pada kasus di atas nilai p
value sebesar 0,019 di mana < 0,05. Karena < 0,05 maka perbedaan bermakna secara statistik
atau signifikan pada probabilitas 0,05.
Besarnya perbedaan rerata atau mean kedua kelompok ditunjukkan pada kolom Mean
Difference, yaitu -17,1. Karena bernilai negatif, maka berarti kelompok pertama memiliki Mean
lebih rendah dari pada kelompok kedua.
Perhitungan uji chi square SPSS
SPSS merupakan program pengolahan data statistik yang memudahkan pengguna dalam
memakainya. Uji Chi Square SPSS tentunya bisa dikerjakan dengan mudah dengan program ini.
Berikut ini, beberapa langkah yang bisa dijadikan petunjuk dalam mengolah data untuk uji Chi
Square dengan SPSS:
1. Input data ke dalam “Data View”, namun sebelumnya isi kamus data yang berisi
karakteristik variable pada “Variable View”.
2. Setelah selesai menginput data, klik menu “Analyze”, lalu pilih “Descriptive Statistics”
dan pilih “Crosstabs”
3. Maka akan muncul tampilan “Crosstabs”, dimana akan terdapat kotak di sebelah kiri
yang berisi variable yang akan dipindahkan ke dalam kotak “Rows” dan “Columns”
4. Cara memindahkan variabel dengan mengklik variable kemudian klik panah yang
terdapat di samping kiri kotak “rows” dan “column”.
5. Kemudian klik menu “Statistic” yang terdapat di sisi kanan kotak “Row(s)”.
6. Akan muncul kotak dialog “Statistic”.
7. Pilih dengan mengklik Chi-Square lalu pilih pada menu “Nominal” dan “Ordinal” sesuai
dengan kebutuhan pengujian.
8. Klik tombol “Continue”, maka akan kembali ke kotak dialog “Crosstabs”.
9. Lalu klik tombol “Cells” dan muncul tampilan kotak dialog “Crosstabs:Cell Display” dan
pilih dengan mengklik “Observed” pada menu “Counts”, lalu klik “Row”,”Column”,
“Total” pada menu Percentages. Kemudian klik tombol “continue”.
10. Tampilan kotak dialog “Crosstabs” akan muncul kembali dan klik tombol “Format”.
11. Kotak dialog “Crosstabs:Table Format” akan muncul dan pilih akan ditampilkan secara
“Ascending” atau “Descending” hasilnya.
12. Kemudian klik “ok” dan output akan ditampilkan.
13. Untuk mengambil kesimpulan, yang dijadikan patokan adalah nilai “Pearson Chi Square”
pada tabel “Chi-Square Tests” yang akan dibandingkan dengan nilai “Approx. Sig” pada
tabel “Symmetric Measures”.
Contoh Uji t, F, dan Chi yang ada di Skripsi Perpustakaan
ANALISIS UJI t-test
Uji t digunakan untuk mengetahui tingkat signifikan masing-masing koefisien regresi dari
variable bebas terhadap variable terkait. Nilai thitung diperoleh dengan bantuan SPSS. Adapun
nilai thitung dan ttabel dapat dilihat pada tabel dibawah ini ;
Gambar 1.1 Tabel hasil uji t hitung
Variabel
Lingkungan kerja (X1)
Komunikasi (X2)
thitung
7,974
7,655
Signifikansi
0,000
0,000
ttabel
1,658
1,658
Berdasarkan table diatas selanjutnya dibahas pengaruh dari masing-masing variable bebas
terhadap variable terikat dapat dijelaskan sebagai berikut ;
1.
Pengaruh lingkungan kerja terhadap kinerja karyawan PT. Cocacola Botlling Indonesia
Balinusa, formulasi hipotesis sebagai berikut ;
a) Merumuskan hipotesis
Ho1 : β1 = 0, berarti tidak ada pengaruh yang signifikansecara persial dari
variable lingkungan kerja terhadap kinerja karyawan PT Cocacola Botlling
Indonesia Balinusa.
Hi1 : β1 > 0, berarti ada pengaruh signifikan secara persial dan variable
lingkungan kerja terhadap kinerja karyawan PT. Cocacola Botlling Indonesia
Balinusa.
b) Menentukan tara nyata (α) = 5% dan df = (n-k) = 65 – 3 = 62 sehingga t tabel
adalah t = (0,05:62)=1,671.
c) Merumuskan criteria pengujian
Apabila t hitung > t table , maka Ho1 ditolak
Apabila t hitung ≤ t table , maka Ho1 diterima
d) Membandingkan t hitung dengan t table pada gambar dibawah ini ;
Daerah penolakan dan penerimaan Ho dengan uji t untuk Variabel lingkungan kerja
e) Hasil uji thitung yang dapat dilihat pada tabel diperoleh t hitung sebesar 7,794
dengan tingkat signifikasi 0,000 yang lebih kecil dari 0,5 selain itu t hitung
(7,974) lebih besar dari t tabel (1,671) yang berarti lingkungan kerja signifikan
dan positif terhadap tenaga kinerja karyawan PT. Cocacola Botlling Indonesia
Balinusa. Jadi hipotesis pertama yang menyatakan bahwa lingkungan kerja
komunikasi secara parsial erpengaruh signifikan dan positif terhadap kinerja
karyawan PT. Cocacola Botlling Indonesia Balinusa diterima.
2.
Pengaruh komunikasi terhadap kinerja karyawan PT. Cocacola Botlling Indonesia
Balinusa.
a) Merumuskan hipotesis
Ho2 : β2 = 0, berarti tidak ada pengaruh yang signifikan dan positif secara parsial
dari variable komunikasi terhadap kinerja karyawan PT. Cocacola Botlling
Indonesia Balinusa.
Hi2 : β2 > 0, berarti berpengaruh signifikan dan positif secara parsial dari variable
komunikasi terhadap kinerja karyawan PT. Cocacola Botlling Indonesia
Balinusa.
b) Menentukan taraf nyata (α) = 5% dan df = (n-k) = 65 – 3 = 62, sehingga t tabel
adalah t = ( 0,5 ; 62) = 1,671.
c) Merumuskan criteria pengujian
Apabila t hitung > t table , maka Ho2 ditolak
Apabila t hitung ≤ t table , maka Ho2 diterima
d) Membandingkan t
gambar dibawah;
hitung
dengan t
table
pada gambar kurva distribusi t pada
Daerah penolakan dan penerimaan Ho dengan uji t untuk variable
komunikasi
e) Membuat keputusan uji hipotesis
Dari hasil penghitungan t hitung yang dapat dilihat pada tabel 1.1 diperoleh t 2
hitung
sebesar 7,655 dengan tingkat signifikasi sebesar 0,000. Yang lebih kecil
dari 0,5 selain itu t2 hitung (7,655) lebih besar dari t table (1,671) yang berarti
komunikasi berpengaruh signifikan dan positif terhadap kinerja pegawai PT.
Cocacola Botlling Indonesia Balinusa, jadi hipotesis kedua yang menyatakan
bahwa komunikasi secara parsial berpengaruh signifikan dan positif terhadap
kinerja karyawan PT. Cocacola Botlling Indonesia Balinusa diterima.
ANALISIS UJI F-test
Uji F-test dilakukan untuk menguji hipotesis pertama yaitu untuk mengetahui tingkat
signifikan variable bebas yang terdiri dari, lingkungan kerja (X1) dan komunikasi (X2)
terhadap kinerja karyawan (Y) hasil perhitungan SPSS 17,0 for windows dapat diketahui
dengan formulasi hipotesis sebagai berikut :
1. Merumuskan hipotesis
Ho3 : β1 = β2 = 0, tidak ada pengaruh yang signifikan secara bersama-sama antara
lingkungan kerja dan komunikasi terhadap kinerja karyawan PT. Cocacola
Botlling Indonesia Balinusa.
Hi3 : βi ≠ 0, paling sedikit salah satu dari lingkungan kerja dan komunikasi
berpengaruh signifikan terhadap kinerja karyawan PT. Cocacola Botlling
Indonesia Balinusa.
2. Menentukan Ftabel
Dengan taraf nyata (α) = 5% dari df pembilang = (k-1) = (3-1) = 2 penyebut (n-k)
= (65-3) = 62 sehingga nilai F tabel sebesar F 0,05 (2;62) = 3,15 merumuskan
criteria pengujian
Apabila Fhitung ≤ Ftabel, Maka Ho3 ditolak.
Apabila Fhitung ≥ Ftabel, Maka Ho3 diterima.
3. Membandingkan nilai Fhitung dengan Ftabel
Dapat dilihat pada gambar dibawah
Daerah penolakan dan penerimaan Ho dengan Uji F
4. Membuat keputusan uji hipotesis
Berdasarkan perhitungan dengan menggunakan program SPSS yaitu F hitung
sebesar 146,938 dan dengan tingkat signifikan sebesar 0,000 yang lebih kecil dari
0,05. Selain itu jika dibandingan maka F hitung (146,938) lebih besar daripada f
tabel (3,15) yang berarti lingkungan kerja dan komunikasi berpengaruh signifikan
terhadap kinerja karyawan PT. Cocacola Botlling Indonesia Balinusa.
Jadi hipotesis ketiga yang menyatakan bahwa lingkungan kerja dan
komunikasi secara bersama-sama berpengaruh signifikan terhadap kinerja
karyawan PT. Cocacola Botling Indonesia Balinusa, diterima.
ANALISIS UJI CHI SQUARE
( Berhubung kemarin saya mencari contoh uji ini diskripsi tidak ada maka saya ambil contoh
ini dari internet )
Sumber : http://www.statistikolahdata.com/2013/04/analisis-chi-square.html
Uji Chi-square atau qai-kuadrat digunakan untuk melihat ketergantungan antara variabel bebas
dan variabel tergantung berskala nominal atau ordinal. Prosedur uji chi-square menabulasi satu
atau variabel ke dalam kategori-kategori dan menghitung angka statistik chi-square. Untuk satu
variabel dikenal sebagai uji keselarasan atau goodness of fit test yang berfungsi untuk
membandingkan frekuensi yang diamati (fo) dengan frekuensi yang diharapkan (fe). Jika terdiri
dari 2 variabel dikenal sebagai uji independensi yang berfungsi untuk hubungan dua variabel.
Seperti sifatnya, prosedur uji chi-square dilkelompokan kedalam statistik uji non-parametrik.
Semua variabel yang akan dianalisa harus bersifat numerik kategorikal atau nominal dan dapat
juga berskala ordinal. Prosedur ini didasarkan pada asumsi bahwa uji nonparametrik tidak
membutuhkan asumsi bentuk distribusi yang mendasarinya. Data diasumsikan berasal dari
sampel acak. Frekuensi yang diharapkan (fe) untuk masing-masing kategori harus setidaknya :
Tidak boleh lebih dari dua puluh (20%) dari kategori mempunyai frekuensi yang diharapkan
kurang dari 5.
Formula uji Chi Square :
Dimana :
X2 = Nilai khai-kuadrat
fo = frekuensi observasi/pengamatan
fe = frekuensi ekspetasi/harapan
Contoh kasus
Perusahaan penyalur alat elektronik AC ingin mengetahui apakah ada hubungan antara gender
dengan sikap mereka terhadap kualitas produk AC. Untuk itu mereka meminta 25 responden
mengisi identitas mereka dan sikap atau persepsi mereka terhadap produknya.
Permasalahan : Apakah ada hubungan antara gender dengan sikap terhadap kualitas AC?
Hipotesis :
H0 = Tidak ada hubungan antara gender dengan sikap terhadap kualitas AC
H1 = Ada hubungan antara gender dengan sikap terhadap kualitas AC
Tolak hipotesis nol (H0) apabila nilai signifikansi chi-square < 0.05 atau nilai chi-square hitung
lebih besar (>) dari nilai chi-square tabel.
Data dari keduapuluh lima responden dapat dilihat pada tabel di bawah ini.
Data responden
Ket. :
Gender : 1 = Laki-laki
Gender : 2 = Wanita
Sikap : 1 = berkualitas
Sikap : 2 = Tidak berkualitas
Langkah-langkah SPSS
1.
Analyze > Descriptive Statistics > Crosstab
2.
Masukkan variabel Gender ke dalam kotak Row
3.
MAsukkan variabel Sikap ke dalam kotak Column
4.
Klik untuk pilihan Statistics
5.
Pilih menu Chi-square, tekan Continue
6.
Pilih Cell, Observed, tekan Continue
7.
Klik Ascending, tekan Continue
8.
Tekan OK
Hasil output SPSS
Pada tabel case processing summary diatas menunjukkan bahwa input data ada 25 responden
dan tidak ada data yang tertinggal.
Pada tabel crossstabulasi antara gender*sikap di atas bahwa gender laki-laki berjumlah 12
responden. Dari 12 responden laki-laki bersikap/menganggap berkualitas sedangkan 5 responden
bersikap tidak berkualitas. Sedangkan 13 responden bergender wanita yang menganggap produk
AC berkualitas sebanyak 6 responden dan yang bersikap tidak berkualitas ada 7 responden.
Pada tabel chi-square test di atas dapat diketahui bahwa nilai signifikansi p-value sebesar 0.543
dan nilai chi-square sebesar 0.371. Karena nilai signifikansi 0.543 > (0.05) maka hipotesis null
diterima yang berarti bahwa tidak ada hubungan antara gender dengan sikap terhadap kualitas
AC.
STATISTIK EKONOMI 2
“ Analisis uji t, F, dan X2 (Chi Square) “
DISUSUN OLEH :
Aria sudarte
NPM: 14.02.01.1884
Prodi: Manajemen 4B Pagi
UNIVERSITAS HINDU INDONESIA
Jl. Sangalangit, Tembau, Penatih, Kota Denpasar, Bali
TAHUN 2016
KATA PENGANTAR
Puji dan syukur saya ucapkan kepada Ida Sang Hyang Widhi Wasa,
karna atas waranugrahaNYA saya dapat menyelesaikan tugas ini tepat
pada waktunya.
Tugas ini ditujukan untuk memenuhi tugas mata kuliah “ Statistik
ekonomi 2 ”. Saya mengucapkan banyak terimakasih kepada Bapak
dosen yg telah memberikan wawasan dan bimbingannya sehingga tugas
ini dapat saya selesaikan dengan baik.
Saya menyadari bahwa tugas ini masih banyak kekurangan dalam
hal isi. Hal ini disebabkan oleh keterbatasan pengetahuan dan wawasan
saya.