Langkah-langkah yang perlu dilakukan dalam analisis deskriptif

menggunakan SPSS

1. Masukkan/input data kedalam SPSS, seperti berikut:

2. Klik Analyze, terus pilih Descriptive statistics dan pilih Explore. Seperti
gambar di bawah ini. Sebenarnya pilih descriptive juga bisa. Tapi hasilnya akan
sama dengan explore. Dan pada explore itu hasilnya lebih banyak. Setelah
diklik maka akan muncul jendela sebagai berikut
3. Langkah selanjutnya pilih variabel yang digunakan, boleh lebih dari satu tinggal
diblok semaunya terus klik tanda panah yang paling atas. aka variabel yang
terpilih akan masuk di Dependent list.
4. Setelah itu tinggal pengaturan. Klik statistic yang ada sebelah kanan. Maka
akan muncul jendela seperti ini.
o Descriptive : menampilkan deskriptif variabel, ini tujuan utama kita
o Outliers : menampilkan data yang outlier atau yang paling besar atau
kecil
o Percentiles : menampilkan persentile dari data, disini juga sudah
termasuk kuartil
5. Setelah itu klik plot untuk mevisualkan data. Hasilnya seperti berikut.
o Pada boxplot, pilih yang mau di munculkan boxplot factor level,
variabel dependen atau tidak ada
o Pada bagian descriptive, pilih grafik yang mau
dipilih Histogram atau Stem and leaf
o Untuk uji normalitas pilih Normality plot with tests
6. Pada bagian Display, pilih yang akan ditampilkan statistic, plot atau keduanya.
Kemudian ok.
7. Selajutnya Setelah proses itu selesai, selajutnya ke bagian interpretasi.

Interpretasi Output

Case processing summary

Hasil tersebut menjelaskan data yang terbaca, data yang hilang dan jumlah data. Pada
hasil tersenut ,menjelaskan terdapat sepuluh data dan tidak ada data yang hilang.
Artinya data ini sudah valid dan bisa dilanjutkan ke proses selanjutnya.

Descriptive

Disini terdapat banyak informasi deskripsi dari veriabel yang digunakan:

 Mean :  Rata-rata
 95% confidence interval : Selang kepercayaan dengan tingkat kepercayaan
95%. Lower Bound adalah batas bawah dan upper bound adalah batas atas
 Median : Nilai tengah dari data
 Variance : varians
 Std. Deviation :Simpangan Baku
 Minimum : nilai terendah dari data
 Maximum : nilai tertinggi dari data
 Range : jangkauan, selisih antara maximum dan minimum
 Skewness : kemencengan
 Kurtosis : keruncingan
Statistik deskriptif adalah salah satu bagian dari ilmu statistika yang
berhubungan dengan aktivitas penghimpunan, penataan, peringkasan dan
penyajian data dengan harapan agar data lebih bermakna, mudah dibaca dan
mudah dipahami oleh pengguna data. Statistik deskriptif hanya sebatas
memberikan deskripsi atau gambaran umum tentang karakteristik objek yang
diteliti tanpa maksud untuk melakukan generalisasi sampel terhadap populasi.

Kegiatan dalam statistik deskriptif meliputi pengumpulan, pengelompokan

dan pengolahan data yang selanjutnya akan menghasilkan ukuran-ukuran
statistik seperti frekuensi, pemusatan data, penyebaran data, kecenderungan
suatu gugus data dan lain-lain. Selain itu, agar data lebih mudah dibaca dan
dipahami maka data dapat diringkas dalam bentuk tabulasi atau disajikan
dalam bentuk grafik atau diagram. Penggunaan grafik dan diagram
dimaksudkan agar data yang disajikan lebih menarik dan lebih komunikatif.

Pengumpulan dan Penataan Data

Berdasarkan sumbernya, data statistik tergolong kedalam menjadi 2 jenis,

yaitu data sekunder dan data primer. Data sekunder adalah data yang
diperoleh dari pihak lain, sedangkan data primer adalah data yang diperoleh
langsung dari objek penelitian.

Pengumpulan data dapat dilakukan dengan 4 metode, yaitu sensus, survei,

registrasi dan eksperimen. Keempat metode pengumpulan data tersebut
memiliki kelebihan dan kekurangan masing-masing.

1. Sensus

Sensus adalah pengumpulan data dengan cara melakukan pendataan

secara lengkap terhadap seluruh unit populasi.

Kelebihan:

1. Cakupannya lengkap.
2. Bebas dari kesalahan pengambilan sampel (sampling error).
3. Dapat dijadikan sebagai kerangka sampel induk untuk kegiatan
survei.
 Kelemahan:

4. Kesalahan tidak dapat diukur.

5. Boros waktu, tenaga dan biaya.
6. Karakteristik objek penelitian yang dicakup biasanya tidak terlalu
banyak.

2. Survei

Survei adalah pengumpulan data hanya pada sebagian unit populasi.

Sebagian unit populasi tersebut disebut juga dengan sampel.

Kelebihan:

1. Kesalahan dapat diukur.

2. Dapat digunakan untuk menguji kualitas sensus dan registrasi.
3. Hemat waktu, biaya dan tenaga.
4. Kegiatan pendataan lebih mudah.
5. Karakteristik yang dicakup lebih banyak dan rinci.

Kelemahan:

6. Memerlukan kerangka sampel jika tujuan penelitian adalah untuk

mengeneralisasi sampel terhadap populasi.
7. Biaya untuk mendapatkan kerangka sampel sangat besar.
8. Terdapat kesalahan sampling (sampling error).

3. Registrasi

Registrasi adalah pencatatan secara terus menerus, misalnya pencatatan

kelahiran, kematian dan migrasi yang dilakukan pemerintah.

Kelebihan:

1. Hemat biaya.
 2. Data yang diperoleh lebih aktual.
3. Registrasi lebih baik daripada survei maupun sensus apabila
terdata dengan lengkap, misalnya seluruh penduduk melaporkan
setiap kejadian kelahiran, kematian dan migrasi.

Kelemahan:

4. Informasi yang diperoleh tidak terlalu banyak.

5. Sangat sulit mengumpulkan data secara lengkap karena
membutuhkan kesadaran seluruh penduduk.

4. Eksperimen

Eksperimen adalah pengumpulan data dengan melakukan percobaan.

Kelebihan:

1. Perencanaan sangat sistematis dan hasilnya lebih akurat.

2. Peneliti dapat memanipulasi variabel-variabel yang diinginkan.

Kelemahan:

3. Waktu yang dibutuhkan lebih lama.

Ukuran-Ukuran Statistik

Ada 4 ukuran statistik yaitu ukuran frekuensi, ukuran kecenderungan terpusat,

ukuran penyebaran (variasi) dan ukuran posisi.
1. Ukuran Frekuensi

Jumlah adalah hasil dari penambahan nilai-nilai data.

X=\sum_{i=1}^{n} x_iX=i=1∑nxiPersentase adalah nilai yang
disajikan dalam bentuk pecahan per seratus.
\%X=\frac{\sum_{j=1}^{m} x_j}{\sum_{i=1}^{n} x_i}\times
100\%%X=∑i=1nxi∑j=1mxj×100%dimana j\leq i.j≤i.
 Frekuensi adalah penjumlah
Menunjukkan seberapa sering sesuatu terjadi Gunakan ini bila Anda
ingin menunjukkan seberapa sering respons diberikan

2. Ukuran Kecenderungan Terpusat

Rata-rata adalah nilai yang mewakili sekelompok data. Rata-rata

diperoleh dari penjumlahan seluruh nilai data dibagi dengan banyaknya
data.\bar{x}=\frac {1}{n}\sum_{i=1}^{n} x_ixˉ=n1i=1∑nxi
Median adalah nilai yang terletak di tengah dari data yang nilainya telah
diurutkan. Bayaknya data di bawah median sama dengan banyaknya
data di atas [Link]= x_b + \left ( \frac {\frac {n}{2} - F_b}
{f_{me}} \right )pMe=xb+(fme2n−Fb)pModus adalah nilai yang
sering muncul dalam sekelompok data.

3. Ukuran Penyebaran atau Variasi

Jangkauan (Range) adalah ukuran dari selisih nilai maksimum dengan

nilai minimum yang ada dalam sekelompok data. R = x_{max} -
x_{min}R=xmax−xminSimpangan-rata-rata (Mean Deviation)S_R=\
frac {1}{n} \sum_{i=1}^{n} \left | x_i - \bar {x}\right |SR=n1
i=1∑n∣xi−xˉ∣Varian adalah rata-rata jarak kuadrat antara data ke rata-
rata.s^2 = \frac{1}{n-1}\sum_{i=1}^{n}\left (x_i-\bar {x} \
right )^2s2=n−11i=1∑n(xi−xˉ)2Standar Deviasi (Simpangan
Baku) merupakan akar kuadrat dari varian. s = \sqrt{ \frac{1}{n-1}\
sum_{i=1}^{n}\left (x_i-\bar {x} \right )^2}s=n−11i=1∑n(xi−xˉ)2
Koefisien Variasi adalah perbandingan antara simpangan baku dengan
[Link] = \frac{s}{\bar {x}}KV=xˉsMengidentifikasi
penyebaran skor dengan menyatakan interval Rentang = Tinggi /
Rendah poin Perbedaan atau Standar Deviasi = perbedaan antara nilai
dan mean yang diamati

4. Ukuran Posisi
 Quartil adalahQ_i=x_{\frac {i(n+1)}{4}}Qi=x4i(n+1)
Desil adalahD_i=x_{\frac {i(n+1)}{10}}Di=x10i(n+1)
Percentil,D_i=x_{\frac {i(n+1)}{100}}Di=x100i(n+1)Menggambarkan
bagaimana skor jatuh dalam hubungan satu sama lain. Bergantung pada
nilai standar Gunakan ini saat Anda perlu membandingkan skor dengan
skor normalisasi (mis., Norma nasional)

Penyajian dalam bentuk tabel

1. Tabel

Tabel meringkas/merekap data kualitatif maupun kuantitatif, tabulasi

silang

Tabel satu arah (one-way table)

Tabel dua arah atau lebih (two-way table) atau lebih (Tabulasi silang)

Tabel distribusi frekuensi

2. Grafik dan Diagram

Penyajian dalam bentuk grafik dan diagram Eksplorasi data, diagram

sebaran data

Batang (Bar Graph) perbandingan/pertumbuhan data kuantitatif

maupun kualitatif dirangkum dalam frekuensu, frekuensi relative atau
persen distribusi frekuensi
Linkaran (Pie Chart) perbandingan (persentase/proporsi)
Grafik Garis (Line Chart), pertumbuhan
Grafik Peta, melihat/menunjukkan lokasi
Ogive
Diagram Batang-Daun
Diagram scatter menggambarkan hubungan dua variable kuantitatif
Statistik deskriptif adalah metode dari pengorganisasian, penjumlahan, dan penyajian data dalam sebuah
cara yang nyaman dan informatif, termasuk teknik grafik, dan teknik penghitungan.  Pada sesi tulisan ini
teknik grafik tidak akan dibahas, penyajian teknik ini akan dijelaskan pada sesi tulisan yang lain.   Statistik
deskriptif dapat mendeskripsikan data yang sedang dianalisis, tetapi tidak boleh menarik kesimpulan
apapun dari data.  Untuk pengambilan keputusan, kita perlukan cabang dari ilmu statistik lainnya yaitu
statistik inferensia.  Statistik inferensia akan dijelaskan pada sesi tulisan yang lain

 
Ukuran-ukuran statistik deskriptif
Ukuran statistik deskriptif dapat digolongkan menjadi dua kelompok, yaitu ukuran nilai tengah dan ukuran
deviasi.  Ukuran nilai tengah terdiri dari rata-rata (mean), median, dan modus.  Sedangkan ukuran deviasi
terdiri dari varians, simpangan baku, koefisien variasi, dan nilai jarak (range).  Ukuran-ukuran statistik
deskriptif tersebut akan dijelaskan penggunaannya baik untuk data tunggal maupun data berkelompok.
Ukuran nilai tengah
Rata-rata (Mean)
Rata-rata ditulis dengan menggunakan simbol  μ  (dibaca:”miu”) untuk menyatakan rata-rata populasi,
dan (dibaca: x bar) untuk menyatakan rata-rata sampel.  Secara aljabar rata-rata dapat ditulis sebagai
berikut:
         untuk rata-rata populasi

                                                       
                        dimana N adalah banyaknya populasi

            untuk rata-rata sampel

                                                     

                        dimana n adalah banyaknya sampel

contoh:

Dari 11 pohon pear menghasilkan buah dengan berat sbb (dlm Kg):

330      284      326      268      236      346      326      402      374      292      380

Hitunglah rata-rata produksi 11 pohon pear ?

Jadi rata-rata produksi dari 11 pohon pear adalah 324 Kg.

Rata-rata untuk data berkelompok.

Apabila data sudah disajikan dalam data berkelompok seperti dalam bentuk tabel frekuensi dimana
observasi-observasi dikelompokan kedalam kelas-kelas yang disebut frekuensi, maka rumus rata-ratanya
adalah sebagai berikut:

        
 Contoh:  Hitunglah rata-rata nilai statistik dari 50 mahasiswa pada Table 1 dibawah ini.
                                    
                      Jadi perkiraan rata-rata nilai statistik 50 mahasiswa adalah 65,7.

  
Median
Ukuran nilai tengah lainnya yang mungkin dapat merupakan pilihan selain rata-rata adalah median.  Jika
data pada contoh produksi buah pear diurutkan dari nilai terkecil hingga ke nilai terbesar, maka nilai
tengahnya adalah 326 kg  artinya lima pohon pear mempunyai produksi dibawahnya dan lima pohon pear
mempunyai produksi diatasnya.  Nilai tengah inilah yang dikatakan median. Penentuan median bisa
langsung didapat jika jumlah observasinya adalah ganjil, namun jika jumlah observasinya adalah genap
maka akan didapat dua nilai tengah. Dalam situasi demikian, untuk mendapatkan mediannya yaitu
dengan merata-ratakan dua nilai tengah yang didapat.  Prosedur untuk mendapatkan median yaitu harus
mengurutkan data dari yang terkecil hingga yang terbesar terlebih dahulu sebelum mengambil nilai

tengahnya.  Dengan kata lain median adalah data yang ke   .

 Median untuk data berkelompok
Untuk data yang sudah dikelompokkan dan disajikan dalam tabel frekuensi, maka mediannya dapat dicari
dengan rumus sebagai berikut:
 
Kelas median adalah kelas dimana terdapat nilai median di dalamnya. Untuk menentukan kelas median
bagilah seluruh observasi dengan dua artinya 50 % dari seluruh observasi terletak sebelum median dan
50 % lainnya terletak sesudahnya.  Jika kita lihat tabel frekuensi (Tabel 1) maka mediannya merupakan
observasi yang ke (50/2) yaitu yang ke 25.  Jumlah tiga frekuensi pertama (f1 + f2 + f3) yaitu  3 + 5 + 8 =
16.  Untuk mencapai 25 observasi diperlukan 9 observasi lagi.  9 observasi tersebut dapat dipenuhi dari
frekuensi keempat (f4) karena jumlah observasi f4 ada sebanyak 14 observasi.  Jadi median terletak pada
kelas keempat atau kelas (60 – 69) dengan kata lain kelas keempat adalah kelas median.
contoh:  Hitunglah nilai median dari data kelompok pada Tabel 1.

 solusi:

                        
 Jadi mediannya,

                       
Pertanyaan yang mungkin timbul adalah jika kita punya data aslinya, apakah nilai median yang
sebenarnya adalah 66,33?  jawabannya belum tentu, karena cara ini adalah cara interpolasi dimana data
aslinya memang tidak diketahui, yang ada adalah data sudah dalam bentuk tabel frekuensi atau sudah
dikelompokkan.  Walaupun hasil interpolasi ini mungkin tidak tepat, namun cara ini memberikan hasil
yang mendekati nilai median yang sebenarnya.

 Modus
Modus dari suatu kelompok observasi adalah nilai observasi yang mempunyai frekuensi pemunculan
paling banyak atau dengan kata lain yaitu nilai yang paling banyak muncul.  Konsep dari modus ini
berhubungan dengan kemunculan yang berulang-ulang dari suatu nilai observasi.
Contoh:           jika kita gunakan data produksi 11 pohon pear, maka modus produksinya adalah 326 kg.

 Dalam kegiatan sehari-hari, modus adalah ukuran nilai tengah yang paling jarang digunakan dibanding
rata-rata atau median.  Modus mungkin lebih sering digunakan pada data yang mempunyai banyak
variasi dalam ukurannya, itupun untuk jumlah data yang besar.  Sebagai contoh modus dari ukuran
barang yang terjual sering digunakan untuk mengetahui barang yang paling disenangi konsumen.

 Suatu distribusi atau kelompok data mungkin tidak mempunyai modus atau mungkin mempunyai modus
lebih dari satu.  Distribusi yang mempunyai satu modus disebut Unimodus, yang mempunyai dua modus
disebut Bimodus dan yang mempunyai modus lebih dari dua disebut Multimodus.  contoh:  Tentukan
modus dari data dibawah ini, jika ada tentukan nilainya.

a).        2,         3,         5,         7,         8.

b).        2,         5,         7,         9,         9,         9,         10,       10,       11,       12.

c).        2,         3,         4,         4,         4,         5,         5,         7,         7,         7,         9.

 solusi:

Data a) tidak mempunyai modus karena semua nilai mempunyai frekuensi yang sama.

Data b) mempunyai modus = 9, karena nilai observasi ini mempunyai frekuensi paling banyak.

Data c) mempunyai dua modus yaitu 4 dan 7,  dua nilai observasi tersebut mempunyai frekuensi
palingbanyak dan sama banyak.

Modus untuk data berkelompok

Apabila data sudah dikelompokkan dan disajikan dalam tabel frekuensi, maka modusnya mempunyai
rumus sebagai berikut:

      
Kelas modus adalah kelas dimana terdapat nilai modus di dalamnya.
 Contoh:           Hitunglah nilai modus dari data kelompok pada Tabel 1.

 solusi:              Kelas modus adalah kelompok (60 – 69), karena kelompok ini mempunyai frekuensi
paling banyak.
                          
Ukuran dispersi
 Varians
Dengan ukuran nilai tengah saja kita tidak akan pernah cukup untuk memberikan ringkasan karakteristik
dari sebuah set data.  Bagaimana sebaran observari dari nilai rata-ratanya? Apakah observasi
mempunyai dispersi atau penyimpangan yang besar dari rata-ratanya?   Kita biasanya memerlukan
ukuran lainnya yaitu suatu ukuran tentang dispersi atau variasi didalam data. Pada kenyataannya nilai-
nilai observasi suatu populasi ada yang lebih besar dari rata-rata dan ada yang lebih kecil dari rata.  
Informasi ini yang biasanya merupakan keterangan tambahan mengenai karakteristik dari satu set data
yaitu informasi mengenai jumlah penyimpangan dalam data. Biasanya kita tertarik dengan penyimpangan
nilai-nilai observasi dalam data terhadap rata-ratanya yaitu selisihnya. Rata-rata dari selisih kuadrat
tersebut merupakan suatu ukuran penyimpangan yang biasa disebut dengan varians dari observasi. 
Simbol varians pada ukuran populasi adalah   (dibaca: sigma kuadrat) dan pada ukuran sampel
adalah s .
2

Simpangan baku
Akar dari varians dinamakan standar deviasi atau simpangan baku. Standar deviasi merupakan ukuran
simpangan yang sering digunakan dalam analisa.    Nilai standar deviasi pada dasarnya menggambarkan
besaran sebaran suatu kelompok data terhadap rata-ratanya atau dengan kata lain gambaran
keheterogenan suatu kelompok data. Formula standar deviasi adalah sebagai berikut:

                 
Contoh:  jika kita gunakan data produksi 11 pohon pear, maka varians produksinya adalah:
  
Dari hasil perhitungan didapat varians produksi dari 11 pohon pear adalah sebesar 2.575,2 kg.  sehingga
standar deviasi produksinya adalah sebesar 50,75 kg.

 katakan kita mempunyai data produksi (dalam kg) sebanyak 10 pohon pear dengan jenis yang berbeda
dengan kelompok 11 pohon pear sebelumnya, yaitu:

230      475      366      268      136      330      326      402      215      492

kelompok ini mempunyai nilai rata-rata yang sama dengan kelompok 11 pohon pear sebelumnya yaitu
sebasar 324 kg.  Apakah dua kelompok pohon pear tersebut mempunyai kemampuan produksi yang
sama?  atau dengan kata lain kelompok pohon pear mana yang lebih konsisten dalam berproduksi?  Jika
harus memilih jenis pohon pear mana yang lebih konsisten berproduksi, maka kita akan memilih pohon
pear pada kelompok yang mempunyai nilai varians terkecil (kelompok yang lebih homogen).

Varians untuk data berkelompok

Formula varians untuk data berkelompok adalah sebagai berikut:

    
contoh:  kita gunakan data nilai statistik 50 mahasiswa.
 Koefisien variasi
Standar deviasi dapat mengukur keheterogenan atau variasi suatu kelompok data.  Namun jika kita ingin
membandingkan dua kelompok data yang mempunyai ukuran yang berbeda, standar deviasi tidak dapat
digunakan artinya standar deviasi yang lebih besar tidak selalu berarti kelompok data tersebut lebih
heterogen  Untuk keperluan perbandingan dua kelompok data tanpa melihat ukuran satuannya, maka
dapat digunakan suatu ukuran variasi yang dinamakan koefisien variasi (CV).  Rumus CV dituliskan
sebagai berikut:

       
Jika CV1 > CV2 berarti kelompok data pertama lebih bervariasi atau lebih heterogen dari pada kelompok
kedua.
 
Ukuran nilai jarak (Range)
Ukuran dispersi yang paling sederhana pada suatu data numerik mungkin dengan cara menghitung
selisih nilai terbesar (nilai maksimum) dengan nilai terkecil (nilai minimum).  Cara ini dikenal dengan
sebutan Range.
Range = Nilai maksimum – Nilai minimum.
 
Range produksi 11 pohon pear = 402 – 306  =  96
 Ukuran Range  untuk data berkelompok
Untuk data berkelompok, nilai range dihitung berdasarkan selisih antara nilai tengah kelas terakhir
dengan nilai tengah pertama atau selisih batas atas kelas terakhir dengan batas bawah kelas pertama.

Range = Nilai tengah kelas terakhir – Nilai tengah kelas pertama.

atau

Range = Bonderi atas kelas terakhir – Bonderi bawah kelas pertama.

 dari data nilai statistik 50 mahasiswa pada tabel 1, nilai rangenya adalah:
 Range =  94,5 – 34,5  =  60  (cara ini cenderung menghilangkan nilai ekstrim).
atau

Range =  99,5 – 29,5  =  70.

Descriptives

Notes
Output Created 04-April-2022 18:54:44
Comments
Input Data C:\Users\lenovo\Documents\
Active Dataset DataSet1
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working Data 52
File
Missing Value Handling Definition of Missing User defined missing values
are treated as missing.
Cases Used All non-missing data are
used.
Syntax DESCRIPTIVES
VARIABLES=X1
    /STATISTICS=MEAN SUM
STDDEV VARIANCE
RANGE MIN MAX SEMEAN
KURTOSIS SKEWNESS.
Resources Processor Time 00:00:00,00
Elapsed Time 00:00:00,03
 Descriptive Statistics
N Range Minimum Maximum Sum Mean
Statistic Statistic Statistic Statistic Statistic Statistic Std. Error
X1 2000 12 23 35 77382 40,338 ,009
Valid N (listwise) 2000

Descriptive Statistics
Std. Deviation Variance Skewness Kurtosis
Statistic Statistic Statistic Std. Error Statistic Std. Error
X1 23,22 1,023 ,11 ,32 ,001 ,881
Valid N (listwise)

Interpretasi :
Total data sebanyak 2000. Jangkauan data 12. Nilai minimum 23 dan maksimum 35. Rataan
40,338. Deviasi 23,22 dengan variansi 1,023. Nilai kemiringan 0,11 dan kemencengan 0,01.   

Anova: Single Factor

SUMMARY
Varianc
Groups Count Sum Average e
138 13,3980 1,35960
X1 103 0 6 4
136 13,2038 1,35998
X2 103 0 8 5
129 12,5728 1,52160
X3 103 5 2 7
138 13,3980 1,35960
X4 103 0 6 4
136 13,2038 1,35998
X5 103 0 8 5
129 12,5728 1,52160
X6 103 5 2 7
138 13,3980 1,35960
X7 103 0 6 4
136 13,2038 1,35998
X8 103 0 8 5
129 12,5728 1,52160
X9 103 5 2 7
 138 13,3980 1,35960
X10 103 0 6 4
136 13,2038 1,35998
X11 103 0 8 5
129 12,5728 1,52160
X12 103 5 2 7
138 13,3980 1,35960
X13 103 0 6 4
136 13,2038 1,35998
X14 103 0 8 5
129 12,5728 1,52160
X15 103 5 2 7
129 12,5728 1,52160
X16 103 5 2 7
138 13,3980 1,35960
X17 103 0 6 4
136 13,2038 1,35998
X18 103 0 8 5
138 13,3980 1,35960
X19 103 0 6 4
136 13,2038 1,35998
X20 103 0 8 5
129 12,5728 1,52160
X21 103 5 2 7

ANOVA
Source of
Variation SS df MS F P-value F crit
Between 268,446 13,4223 9,49425 2,88E- 1,57543
Groups 6 20 3 5 28 9
3028,21 214 1,41373
Within Groups 4 2 2

216
Total 3296,66 2        

Interpretasi
Karena F > F crit maka terdapat perbedaan yang signifikan.
Uji Regresi

SUMMARY OUTPUT

Regression Statistics
Multiple R 0,383483
R Square 0,147059
Adjusted R
Square 0,111112
Standard
Error 5,601658
Observation
s 103

ANOVA
Significan
  df SS MS F ce F
133,900 5,68967
Regression 4 535,6016 4 5 0,000368
31,3785
Residual 99 3106,478 7
Total 103 3642,08      
 Coefficien Standard Lower Upper Lower Upper
  ts Error t Stat P-value 95% 95% 95,0% 95,0%
-
0,49456 0,62200 18,0554 10,850 18,0554
Intercept 3,602404 7,28399 5 3 -10,8506 2 6 2

-
1,92195 2,43522 0,0388 2,43522
X13 1,198205 0,623429 9 #NUM! -0,03881 3 1 3
-
0,37885 0,70560 1,59395 1,0828 1,59395
X14 0,255549 0,674527 7 5 -1,08286 6 6 6
1,43509 0,15441 1,92723 1,92723
X15 0,808867 0,563633 6 2 -0,3095 7 -0,3095 7

Interpretasi
Data yang memiliki pengaruh terbesar yaitu X13 (1,1982), X14 (0,2555) dan X15 (0,8088) dan
sisa nya berperan tidak signifikan.

Post Hoc Tests

Multiple Comparisons
Dependent Variable:      kadar HDL darah   
Mean 95% Confidence Interval
(I) interaksi oc vs (J) interaksi oc vs Difference (I- Std. Lower Upper
rokok rokok J) Error Sig. Bound Bound
LSD OC tidak rokok OC ringan 3,1750 *
1,2542 ,018 ,586 5,764
OC sedang 4,9000 *
1,2542 ,001 2,311 7,489
OC berat 3,5250 *
1,2542 ,010 ,936 6,114
no OC tidak rokok 1,4000 1,2542 ,275 -1,189 3,989
no OC ringan ,6000 1,2542 ,637 -1,989 3,189
no OC sedang ,2000 1,2542 ,875 -2,389 2,789
no OC berat 1,2750 1,2542 ,319 -1,314 3,864
OC ringan OC tidak rokok -3,1750* 1,2542 ,018 -5,764 -,586
OC sedang 1,7250 1,2542 ,182 -,864 4,314
 OC berat ,3500 1,2542 ,783 -2,239 2,939
no OC tidak rokok -1,7750 1,2542 ,170 -4,364 ,814
no OC ringan -2,5750 1,2542 ,051 -5,164 ,014
no OC sedang -2,9750*
1,2542 ,026 -5,564 -,386
no OC berat -1,9000 1,2542 ,143 -4,489 ,689
OC sedang OC tidak rokok -4,9000* 1,2542 ,001 -7,489 -2,311
OC ringan -1,7250 1,2542 ,182 -4,314 ,864
OC berat -1,3750 1,2542 ,284 -3,964 1,214
no OC tidak rokok -3,5000*
1,2542 ,010 -6,089 -,911
no OC ringan -4,3000* 1,2542 ,002 -6,889 -1,711
no OC sedang -4,7000*
1,2542 ,001 -7,289 -2,111
no OC berat -3,6250*
1,2542 ,008 -6,214 -1,036
OC berat OC tidak rokok -3,5250*
1,2542 ,010 -6,114 -,936
OC ringan -,3500 1,2542 ,783 -2,939 2,239
OC sedang 1,3750 1,2542 ,284 -1,214 3,964
no OC tidak rokok -2,1250 1,2542 ,103 -4,714 ,464
no OC ringan -2,9250*
1,2542 ,028 -5,514 -,336
no OC sedang -3,3250* 1,2542 ,014 -5,914 -,736
no OC berat -2,2500 1,2542 ,085 -4,839 ,339
no OC tidak rokok OC tidak rokok -1,4000 1,2542 ,275 -3,989 1,189
OC ringan 1,7750 1,2542 ,170 -,814 4,364
OC sedang 3,5000* 1,2542 ,010 ,911 6,089
OC berat 2,1250 1,2542 ,103 -,464 4,714
no OC ringan -,8000 1,2542 ,530 -3,389 1,789
no OC sedang -1,2000 1,2542 ,348 -3,789 1,389
no OC berat -,1250 1,2542 ,921 -2,714 2,464
no OC ringan OC tidak rokok -,6000 1,2542 ,637 -3,189 1,989
OC ringan 2,5750 1,2542 ,051 -,014 5,164
OC sedang 4,3000 *
1,2542 ,002 1,711 6,889
OC berat 2,9250* 1,2542 ,028 ,336 5,514
no OC tidak rokok ,8000 1,2542 ,530 -1,789 3,389
no OC sedang -,4000 1,2542 ,753 -2,989 2,189
no OC berat ,6750 1,2542 ,595 -1,914 3,264
no OC sedang OC tidak rokok -,2000 1,2542 ,875 -2,789 2,389
OC ringan 2,9750 *
1,2542 ,026 ,386 5,564
OC sedang 4,7000 *
1,2542 ,001 2,111 7,289
OC berat 3,3250 *
1,2542 ,014 ,736 5,914
no OC tidak rokok 1,2000 1,2542 ,348 -1,389 3,789
 no OC ringan ,4000 1,2542 ,753 -2,189 2,989
no OC berat 1,0750 1,2542 ,400 -1,514 3,664
no OC berat OC tidak rokok -1,2750 1,2542 ,319 -3,864 1,314
OC ringan 1,9000 1,2542 ,143 -,689 4,489
OC sedang 3,6250*
1,2542 ,008 1,036 6,214
OC berat 2,2500 1,2542 ,085 -,339 4,839
no OC tidak rokok ,1250 1,2542 ,921 -2,464 2,714
no OC ringan -,6750 1,2542 ,595 -3,264 1,914
no OC sedang -1,0750 1,2542 ,400 -3,664 1,514

*. The mean difference is significant at the 0.05 level.

T-Test

Notes
Output Created 16-SEP-2021 14:09:08
Comments
Input Data C:\Users\lenovo\Documents\
New folder\New folder\
Documents\
Wahyudi_Education\Stat 1\
Azhyqa [Link]
Active Dataset DataSet1
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working Data 6
File
Missing Value Handling Definition of Missing User defined missing values
are treated as missing.
Cases Used Statistics for each analysis
are based on the cases with
no missing or out-of-range
data for any variable in the
analysis.
Syntax T-TEST PAIRS=Amynthas
Amynthas Amynthas
Pheretima Pheretima
Postoscolex WITH Perionix
Pheretima
        Postoscolex Postoscolex
Perionix Perionix (PAIRED)
    /CRITERIA=CI(.9500)
    /MISSING=ANALYSIS.
Resources Processor Time 00:00:00,00
Elapsed Time 00:00:00,03

Paired Samples Statistics

Mean N Std. Deviation Std. Error Mean
Pair 1 Amynthas 32,33 6 2,160 ,882
Perionix 49,1667 6 3,65605 1,49257
Pair 2 Amynthas 32,33 6 2,160 ,882
Pheretima 22,33 6 1,966 ,803
Pair 3 Amynthas 32,33 6 2,160 ,882
Postoscolex 42,6667 6 4,13118 1,68655
Pair 4 Pheretima 22,33 6 1,966 ,803
Postoscolex 42,6667 6 4,13118 1,68655
Pair 5 Pheretima 22,33 6 1,966 ,803
Perionix 49,1667 6 3,65605 1,49257
Pair 6 Postoscolex 42,6667 6 4,13118 1,68655
Perionix 49,1667 6 3,65605 1,49257

Paired Samples Correlations

N Correlation Sig.
Pair 1 Amynthas & Perionix 6 -,363 ,479
Pair 2 Amynthas & Pheretima 6 -,596 ,211
Pair 3 Amynthas & Postoscolex 6 ,418 ,409
Pair 4 Pheretima & Postoscolex 6 -,230 ,661
Pair 5 Pheretima & Perionix 6 -,315 ,543
Pair 6 Postoscolex & Perionix 6 -,499 ,314
 Paired Samples Test
Paired Differences
95% Confidence
Interval of the
Difference
Mean Std. Deviation Std. Error Mean Lower
Pair 1 Amynthas - Perionix -16,83333 4,87511 1,99025 -21,94944
Pair 2 Amynthas - Pheretima 10,000 3,688 1,506 6,130
Pair 3 Amynthas - Postoscolex -10,33333 3,77712 1,54200 -14,29718
Pair 4 Pheretima - Postoscolex -20,33333 4,96655 2,02759 -25,54541
Pair 5 Pheretima - Perionix -26,83333 4,66548 1,90467 -31,72945
Pair 6 Postoscolex - Perionix -6,50000 6,74537 2,75379 -13,57883

Paired Samples Test

Paired Differences
95% Confidence
Interval of the
Difference
Upper t df Sig. (2-tailed)
Pair 1 Amynthas - Perionix -11,71722 -8,458 5 ,000
Pair 2 Amynthas - Pheretima 13,870 6,642 5 ,001
Pair 3 Amynthas - Postoscolex -6,36948 -6,701 5 ,001
Pair 4 Pheretima - Postoscolex -15,12125 -10,028 5 ,000
Pair 5 Pheretima - Perionix -21,93722 -14,088 5 ,000
Pair 6 Postoscolex - Perionix ,57883 -2,360 5 ,065