BAB I PENDAHULUAN 1. 1Latar Belakang Statistikadapatdidefinisikansebagaiilmuyangmembahastentang pengambilandata,pengolahandatasampaikesimpulanyangdiperolehdari perhitungandanpengolahandatatadi,sertamembuatkeputusanyangdapat diterimaberdasarkananalisis.Dalamkehidupansehari-hari,seringkitatemui permasalahanyangdapatdiformulasikankedalampersamaanmatematis. Hubungannyadenganstatistikayaitustatistikadigunakanuntukmenyatakandata atau bilangan yang diperoleh dari data, misalnya rata-rata dari data tersebut.Permasalahanyangumumdihadapiolehpenelitiatauinsinyuradalahmenyangkut cara pengambilan keputusan berdasarkan data mengenai suatu sistem ilmu. Dalam tiap kasus, peneliti membuat dugaan mengenai suatu sistem. Sebagai tambahantiapkasusharusmelibatkanpenggunaandatapercobaandan pengambilankeputusanberdasarkandatatadi.Secararesmidalamtiapkasus dugaan mengenai dugaan dapat dirumuskan dalam bentuk hipotesis statistik. Keunikanstatistikyaitukemampuannyauntukmenghitungketidakpastian dengantepat.Dengankemampuanituparaahlistatistikdapatmembuatsuatu pernyataanyangtegas,lengkapdenganjaminanketidakpastian.Didalamstatistik adatigahalpentingyangmendasaryaituanalisadatayangmembahastentang pengumpulan,penyajiandanmengintisarikandata.Keduaadalahprobabilitas yaitumembahastentanghukumpeluangdanyangterakhiradalahkesimpulan statistikyaitutentangilmupenarikankesimpulanstatistikdaridatatertentu berdasarkan pengetahuan tentang probabilitas. 1. 2Tujuan Praktikum Tujuan yang hendak dicapai dalam praktikum ini adalah: 1.Mengerti dan memahami beberapa teknik pengambilan data. 2.Mengerti dan memahami mengenai statistik deskriptif dan statistik induktif. 3.Mengertidanmemahamiteknikpengolahandatasecaraparametrikdannon parametrik. 4.Mampumenginterpretasikanhasilpengolahandatadenganmenggunakanteknik parametrik dan non parametrik. 1. 3Pembatasan Masalah Padalaporaninimasalahyangdibahasterbataspadapengolahandata statistikparametrikdannonparametrik,baikdependenmaupunindependen dengan nilai k = 2 dan k > 2. Datapertamaadalahdataparametrikdengank=2yaitudatamengenai BanyaknyaKyaidanUstadzmenurutKabupaten/KotadiJawaTengahTahun 2004. Untuk data parametrikk > 2yaitu datamengenai Banyaknya Jema'ahHaji yangDiberangkatkankeTanahSuci(Mekkah)menurutKabupaten/Kota diJawa Tengah Tahun Anggaran 2001-2003Sedangkanuntukdatanonparametrikada2jenisyaitudependendan independen. Data independen dengank = 2 adalah data mengenai Data Pengaruh Jenis Kelamin terhadap Media Aktualisasi Diriyang diperoleh melaluikuesioner dengansampelmahasiswaTeknikIndustri2007.Untukdataindependenk>2 adalah data mengenai Data Pengaruh Golongan Darah terhadap Jenis Materi yang Disukaiyang diperoleh juga melalui kuesioner dengan sampel mahasiswa Teknik Industri2007.Datanonparametrikdependenk=2merupakandatamengenai StatusGuru-GuruSMK-SB,untukyangk>2adalahdataPengaruhNegara Produksi terhadap Jenis Film yang Disukai Ruanglingkuppengolahandatapadalaporaninidibatasidengan pengolahan data menggunakan software Microsoft Excel,SPSS, dan MINITAB. 1. 4Prosedur Praktikum Gambar 1. 1 Flowchart Metodologi Praktikum Identifikasi Masalah Studi Keputusan Penentuan Metode Pengambilan Data Teknik Pengambilan Sampling Sampling acak sederhana Pengambilan Data Sekunder Nonparametrik Pengumpulan Data Pengolahan Data (Deskriptif, Parametrik ,dan Nonparametrik) Interpretasi Data Kesimpulan dan Saran 1. 5Sistematika Penulisan BAB IPENDAHULUAN Berisi latar belakang, tujuan praktikum, pembatasan masalah, metodologi praktikum, dan sistematika penulisan. BAB IIDASAR TEORI Berisi dasar teori yang berhubungan dengan praktikum. BAB IIIPENGOLAHAN DATA Berisipengolahandataparametrikindependen,datanonparametrik independen,dandatanonparametrikdependendengansoftwareExcel dan SPSS. BAB IVANALISA Berisianalisaterhadaphasilpengolahandatadenganteknikpengolahan data parametrik dan non parametrik. BAB VPENUTUP Berisi kesimpulan dan saran. BAB II DASAR TEORI 2. 1Definisi Statistika Statistikadalahilmuyangmembahastentangpengambilandanpengolahandata sampai kesimpulan. Statistik secara garis besar dapat dibagi menjadi 2 yaitu : 2.1.1Statistika Deskriptif Merupakanteknikstatistikdimanadisinidilakukanpengambilandata, penyajian data tanpa adanyakesimpulan. Untukkeperluan praktikum ini, perlu pemahamantentang:cara-carapenyajiandata(histogram,distribusifrekuensi). Untuklokasiatauukurankecenderungan(berbagaimacammean,berbagai macammedian,modus,akarmeankuadrat,persentildankuartil)danukuran deviasi(simpangankuartil,rentang,simpanganbaku,meanabsolutsimpang, variansi). (Modul Praktikum Statistika Industri, hal 1) 2.1.2Statistika Induktif Teknikstatistikmempunyaipengumpulandata,pengolahanserta penganalisaanterhadapdatayangdiperolehsehingganantinyadapatdiambil suatukesimpulan.Statistikinduktifmeliputiperumusanhipotesisstatistik (pernyataantentangpopulasi),pemilihanujiyangsesuai,penentuantarafyang signifikan, analisa statistik. Statistik induktif meliputi 2 hal yaitu : Teknik pengolahan data secara parametrik Teknik pengolahan data secara non parametrik (Modul Praktikum Statistika Industri hal 1) 2. 2Tipe Data Statistika Dataadalahbentukjamakdaridatumyangmemilikipengertiansebagai keterangan-keterangantentangsuatuhal,dapatberupasesuatuyangdiketahui atau dianggap. Sehingga data dapat diartikan sebagai sesuatu yang diketahui atau dianggap. Statistikdalamprakteknyatidakbisadilepaskandaridatayangberupa angka,baikitudalamstatistikdeskriptifyangmenggambarkandata,maupun statistik inferensi yang melakukan analisis terhadap data. Namun sebenarnya data dalam statistik juga bisa mengandung data non angka atau data kualitatif. 1.Data berdasarkan susunannya Berdasarkan susunanya, data dibagi menjadi data acak atau tunggal dan data berkelompok.a.Data acak atau data tunggal Adalahdatayangbelumtersusunataudikelompokkankedalamkelas-kelas interval. b.Data berkelompok Adalahdatayangtersusunataudikelompokkankedalamkelas-kelas interval.Datakelompokdisusundalambentukdistribusifrekuensiatau tabel frekuensi. 2.Data berdasarkan jenisnya Berdasarkan sifatnya data dibagi menjadi : a.Data kualitatif Adalahdatayangtidakberbentukbilangan.Datakualitatifmempunyai ciritidakbisadilakukanoperasimatematika,sepertipenambahan, pengurangan,eprkaliandanpembagian.Yangtermasukdatakulitatif adalah data nominal dan data ordinal. b.Data kuantitatif Adalah datayang berbentuk bilangan. Jadi, berbagai operasi matematika bisadilakukanpadadatakuantitatif.Yangtermasukdatakuantitatif adalah data interval dan data rasio. (Singgih Santono, hal 3-6) 3.Data berdasarkan waktu pengumpulanBerdasarkan waktu pengumpulannya dibagi menjadi : a.Data berkalaAdalahdatayangterkumpuldariwaktukewaktuuntukmemberikan gambaran perkembangan suatu kegiatan. b.Data cross section Adalahdatayangterkumpulpadasuatuwaktutertentuuntuk memberikan gambaran perkembangan keadaan atau kegiatan pada waktu itu. (Diktat Statistika Industri. Hal 5) 4.Data berdasarkan sumber pengambilannya Berdasarkan sumber pengambilannya, data dibagi menjadi : a.Data primer Adalahdatayangdiperolehataudikumpulkanolehorangyang melakukanpenelitianatauyangbersangkutanyangmemerlukannya. Data ini juga disebut data asli atau data baru. b.Data sekunder Adalahdatayangdiperolehataudikumpulkanolehorangdarisumber-sumberyangtelahada.Dataitubiasanyadiperolehdariperpustakaan ataudarilaporan-laporanpenelitiyangterdahulu.Datainijugadisebut sebagai data tersedia. (Dirgibson Siagian Sugiarto, hal.16) 5.Data berdasarkan skala pengukuran Skalapengukuranadalahperaturanpenggunaannotasibilangandalam pengukuran. Berdasarkan skala pengukuran , data dibagi menjadi : a.Data nominal Adalahdatayangdiberikanpadaobjekataukategoriyangtidak menggambarkankedudukanobjekataukategoritersebutterhadap objek atau kategori lainnya, tetapi hanya sekedar label atau kode saja. Data itu hanya mengelompokkan objek atau kategori ke dalam kelompok tertentu. Data ini mempunyai dua ciri, yaitu : 1.Kategori data bersifat saling lepas 2.Kategori data tidak disusun secara logisDatabertipenominaladalahdatayangpalingrendahdalamlevel pengukurandata.Jikasuatupengukuranhanyamenghasilkansatudan hanyasatusatiunyakategori,datatersebutadalahdatanominal(data kategori).Contoh:StatusKewarganegaraan(1untukindonesia,2 untuk Amerika,3 untuk China)b.Data ordinal Adalahdatayangpenomoranobjekataukategorinyadisusunmenurut besarnya,yaitu dari tingkat terendahke tingkat tertinggi atau sebaliknya denganjarak/rentangyangtidakharussama.Datainimemilikiciri seperti pada ciri data nominal ditambah satu ciri lagi, yaitu kategori data dapatdisusunberdasarkanurutanlogisdansesuaidenganbesarnya karakteristik yang dimiliki. Data ordinal seperti pada data nominal, adalah juga data kualitatif namun denganlevelyanglebihtinggidaripadadatanominal.Jikapadadata nominal semua data kategori dianggap sama, maka pada data ordinal ada tingkatan data. Contoh: Mengubah nilai ujian ke nilai prestasi, yaitu: 1.Nilai A untuk nilai dari 80-100 2.Nilai B untuk nilai dari 65-79 3.Nilai C untuk nilai dari 55-64 4.Nilai D untuk nilai dari 45-54 5.Nilai E untuk nilai dari 0 - 44 c.Data interval Adalahdatadimanaobjek/kategoridapatdiurutkanberdasarkansuatu atributyangmemberikaninformasitentangintervalantaratiapobjek/ kategori sama. Besarnya interval dapat ditambahatau dikurangi. Data ini memiliki ciriyang sama dengan ciri pada data ordinal ditambah satu ciri lagi yaitu urutan kategori data mempunyai jarak yang sama. Data interval menempati pengukuran data yang lebih tinggi dari data ordinal, karena selain bisa bertingkat urutannya, juga urutan tersebut bisa dikuantitatifkan. Data interval juga tidak memiliki nilai 0 absolut.Contoh: ABCDE 12345 Interval A-C adalah 3-1=2Interval C-D adalah 4-3=1 Padakeduaintervalinidapatdijumlahkanmenjadi2+1=3.Atau interval antara A dan D adalah 4 1 = 3. Pada data ini yang dijumlahkan bukanlahkuantitasataubesaran,melainkanintervaldantidakterdapat nilai nol absolut . d.Data rasio Adalah data yang memiliki sifat-sifat data nominal, data ordinal, dan data interval, dilengkapi dengan titik nol absolut dengan makna empiris. Karena terdapat angka nol maka pada data ini dapat dibuat perkalian atau pembagian. Angka pada data menunjukkan ukuran yang sebenarnya dari objek/ kategori yang diukur. Data rasio adalah data dengan pengukuran paling tinggi di antara jenis data lainnya. Contoh: membandingkan nilai mata kuliah antara dua mahasiswa. (Singgih Santono, hal 3-6) 6.Data berdasarkan sifatnya a.Data diskret Data yang didapat dengan cara menghitung. b.Data kontinu Data yang dapat mempunyai nilai yang terletak dalam suatu interval (Dergibson Siagian Sugiarto, hal 13) 7.Data berdasarkan sumbernya a.Data Internal Datayangmenggambarkankegiatanataukeadaandidalamsuatu organisasi. b.Data Eksternal Datayangmenggambarkankegiatanataukeadaandiluarsuatu organisasi. (Dergibson Siagian Sugiarto, hal 18) 2. 3Teknik Pengambilan Sampel Telahdiketahuibahwastatistikmencakupteknikpengambilandatauntuk pengumpulandata.Untukinimakapraktikanharusmengertibeberapateknik pengambilansampel(tekniksampel),dimanahalinimerupakanhalyangpalingmendasardalampenggunaanteknikstatistikkarenaapabilakitamengamati sebuah populasi kita tidak dapat mengamati keseluruhan yang ada dalam populasi tersebut, melainkan hanya pada populasi tertentu.Teoripenarikansampelmerupakansuatuilmutentanghubunganantara populasidengansampelyangdiambildaripopulasitersebut.Teoridapat digunakan untuk menduga jumlah populasi yang tidak diketahui dan berguna juga dalammenentukanapakahperbedaan-perbedaanyangnampakantaraduasampel disebabkanolehvariasisecarakebetulanatauapakahmemangperbedaanitu cukup tidak terjadi secara kebetulan (significant).Sampelialahsebagiananggotapopulasiyangdiambildaridengan menggunakantekniktertentuyangdisebutdengantekniksampling.Teknik sampling berguna agar: 1.Mereduksianggotapopulasimenjadianggotasampelyangmewakili aggotapopulasinya,sehinggakesimpulanterhadappopulasidapat dipertanggung jawabkan. 2.Lebih teliti menghitung yang sedikit daripada yang banyak. 3.Menghemat waktu tenaga, biaya,benda coba yang merusak. Metode pengambilan sampel yang ideal mempunyai sifat-sifat sebagai berikut: 1.Mampumenghasilkangambaranyangdapatdipercayamengenai keseluruhanpopulasi 2.Sederhana sehingga mudah dilaksanakan 3.Efisien,mampumemberikanketerangansebanyakmungkindengan biaya yang rendah 4.Mampu memberikan gambaran tentang tingkat ketelitian penelitian. Dalam teknik sampling perlu dipahami parameter-parameter yang dianggap enentukan apakah sampel itu cukup representatif atau tidak, dimana ada 4 parameter yaitu : 1.Variabilitas populasi 2.Ukuran atau besar sampel 3.Teknik penentuan sample 4.Kecermatan memasukkan ciri-ciri populasi Daripopulasikesampeliniterdapatprosespenarikansampel(teknikSampling) yaitu : a.Non Probability Sampling (Sampling Nonrandom) Adalahcarapengambilansampleyangsemuaobjekatauelemenpopulasinya tidak memiliki kesempatan yang sama untuk dipilih sebagai sample. Hasil dari samplingnonrandommemilikisifatsubjektifataukurangobjektif.Halini diakarenakanpadawaktusamplediambildaripopulasi,probabilitasnyatidak diikutsertakan, tetapi berdasarkan aspek pribadi seseorang. Yang termasuk sampling nonrandom antara lain 1.Sampling Kuota Adalahbentuksamplingnonrandomyangmerincikanlebihdahulusegala sesuatuyangberhubungandenganpengambilansampel.Dengandemikian petugashanyamengumpulkandatamengenaisesuatuyangtelahdirinci. Akan tetapi, pengambilan unit samplingnya ditentukan oleh si petugas. 2.Sampling pertimbangan Adalahbentuksamplingnonrandomyangpengambilansampelnya ditentukanolehpenelitiberdasarkanpertimbanganataukebijaksanaanya. Cara sampling ini cocok untuk studi kasus. 3.Sampling Seadanya Adalahbentuksamplingnonrandomyangpengambilansampelnya dilakukanseadanyaatauberdasarkankemudahannyamendapatkandata yang diperlukan. Pada b.Probabilty Sampling (Samplng Random) Yaitucarapengambilansampeldengansemuaobjekatauelemenpopulasi memilikikesempatanyangsamauntukdipilihsebagaisampel.Hasildari sampling ini memiliki sifat yang objektif. Yang termasuk Probability Sampling yaitu : 1.Sampling random sederhana Adalahsamplingrandomyangsifatnyasederhana,tiapsampelyang berukuransamamemilikiprobabilitassamauntukterpilihdaripopulasi. Sampling random sederhana dilakukan apabila : Elemen-elemen yang bersangkutan homogen Hanyadiketahuiidentitas-identitasdarisatuan-satuanindividu (elemen)dalampopulasi,sedangkanketeranganlainmengenai populasi,sepertiderajatkeseragaman,pembagiandalamgolongan-golongan tidak diketahui, dan sebagainya. Samplingrandomsederhanadapatdilakukandenganmenggunakandua metode, yaitu : -Metode undian Adalah metode yang prosesnya dilakukan dengan menggunakan pola pengundian dan hanya cocok untuk populasi yang kecil - Metode tabel random Adalah metode yang prosesnya dilakukan dengan menggunakan tabel bilangan random. Tabel bilangan random adalah tabel yang dibentuk daribilanganbiasayangdiperolehsecaraberturut-turutdengan sebuah proses random serta disusun ke dalam suatu tabel. 2.Sampling Berlapis (sampling Stratified) Adalahbentukprobabilitysamplingyangpopulasiatauelemen populasinyadibagidalamkelompok-kelompokyangdisebutstrata. Sampling stratified dilakukan apabila : Elemen-elemen populasi heterogen Adakriteriayangakandipergunakansebagaidasaruntuk menstratifikasi populasi ke dalam stratum-stratum Adadatapendahuluandaripopulasimengenaikriteriayangakan digunakan untuk stratifikasi Dapatdiketahuidengantepatjumlahsatuan-satuanindividudari setiap stratum dalam populasi 3.Sampling Sistematis Adalahbentuksamplingrandomyangmengambilelemen-elemenyang diselidikiberdasarkanurutantertentudaripopulasiyangtelahdisusun secara teratur. Sampling sistematis dilakukan apabila : Identifikasiataunamadarielemen-elemendalampopulasiitu terdapat dalamsuatu daftar,sehinggaelemen-elemen tersebut dapat diberi nomor urut. Populasi memiliki pola beraturan, seperti blok-blok dalamkota atau rumah-rumah pada suatu ruas jalan. 4.Sampling kelompok (Sampling Cluster) Adalahbentuksamplingrandomyangpopulasinyadibagimenjadi beberapakelompok(cluster)denganmenggunakanaturan-aturantertentu, seperti batas-batas alam dan wilayah administrasi pemerintahan. ( Dirgibson Siagian Sugiarto, hal. 115 ) 2. 4Statistika Deskriptif Statistikadeskriptifmerupakanteknikstatistikdimanadisinidilakukan pengambilan data, penyajian data tanpa adanya kesimpulan. 2.4. 1 Mean, Median, Modus dan Ukuran Pemusatan lainnya 2.1.2.1 Mean Nilaimean(rata-ratahitung)darisuatuhimpunanNbilanganX1,X2,...,XN ditunjukkan olehXdan dirumuskan sebagai berikut: NXNX X XXNjjN==+ + +=12 1.................................... (2.1) 2.1.2.2 Median Median dari suatu himpunan bilanganyang disusun menurut urutan besarnya merupakan pertengahan atau nilai tengah hitung dari pertengahan. 2.1.2.3 Modus Modussuatihimpunanbilanganadalahnilaiyangterjadidenganfrekuensi terbesar yaitu nilai yang paling umum. Modus mungkin tidak ada dan jika ada boleh jadi tidak unik. 2.1.2.4 Kuartil, Desil, dan Persentil Jikasuatuhimpunandatadisusunmenurutbesarnya,nilaitengahyang membagiatasduabagianyangsamaadalahmedian.Denganmemperluas pemikirantersebut,dapatdibayangkannilai-nilaiyangmembagihimpunan atas empat bagian yang sama dan dikenal dengan kuartil. Secara serupa, nilai-nilaiyangmembagidataatassepuluhbagianyangsamadisebutdesil. Sedangkannilai-nilaiyangmembagidataatasseratusbagiandinamakan persentil. (Spiegel, Statistika hal 61-66) 2.4. 2Simpangan baku dan Ukuran Sebaran Lain 1.Simpangan kuartil Simpangan kuartil Q dari suatu himpunan didefinisikan oleh 21 3Q QQ= ..................................................... (2.2) 2.Rentangyangmerupakanselisihantarabilanganterbesardenganbilangan terkecil dalam suatu himpunan. Rentang = data terbesar data terkecil.............................. (2.3) 3.Simpangan baku Simpangan baku adalah deviasi atau penyimpangansuatu data terhadap rata-ratanya. Dapat dirumuskan: Nx xS=2) (.................................................. (2.4) 4.Variansi Variansisuatuhimpunandidefinisikansebagaikuadratsimpanganbaku(s2). Bilamanadiperlukanuntukmembedakansimpanganbakupopulasidari simpanganbakusampelyangberasaldaripopulasiiniseringkalikita menggunakanlambangSuntuksimpanganbakusampeldanuntuk simpangan baku populasi. Jadi S2 mewakilivariansi sampel dan 2 mewakili variansi populasi. (Spiegel, Statistika hal 92-94) 2.4. 3Distribusi Frekuensi dan Histogram Frekuensi Datamentahadalahdatayangdikumpulkanyangbelumdiatursecara numerik.Padawaktumeringkaskansejumlahbesardatamentahseringsangat bergunamendistribusikandatadalamkelasataukelompokdanmenetapkan banyaknyaindividuyangtermasukdalamsetiapkelasyangdisebutfrekuensi kelas.Suatupenyusunantabulasidatamemakaikelasbersamadenganfrekuensi kelas yang berhubungan disebut distribusi frekuensi atau tabel frekuensi. Histogrammerupakangambaransecaragrafikdaridistribusifrekuensi. Histogramatauhistogramfrekuensiiniterdiridarihimpunansikuempatyang mempunyai : Alas pada sumbu mendatar (sumbu-x) dengan pusat markah (titik tengah kelas) dan panjang sama dengan ukuran selang kelas. Luas sebanding terhadap frekuensi kelas. Jikasemuaselangkelasmempunyaiukuransama,tinggisegiempat sebandingterhadapfrekuensikelasdanmerupakankebiasaanuntuk mengambil tinggi secara numerik sama dengan frekuensi kelas. Darisuatuhistogram,kitabisamengetahuiinformasimengenaidatayang kita teliti. 2.4. 4Kemencengan Skewnessataukemencenganadalahderajatketaksimetrisan,atau kejauhandarisimetridarisuatu distribusi.Berdasarkankemencengannya,grafik distribusi terbagi menjadi tiga, yaitu: a.Negativelyskeweddistribution,yaitukurvafrekuensisuatudistribusiyang mempunyaiekoryanglebihpanjangkekiridarimaksimumpusatdaripada yangkekanan,distribusiinidisebutjugamencengkekiriataumempunyai kemencengan negatif. b.Positivelyskeweddistribution,yaitukurvafrekuensisuatudistribusiyang mempunyai ekor yang lebih panjang ke kanan dari maksimum pusat daripada yangkekiri,distribusiinidisebutjugamencengkekananataumempunyai kemencengan positif. c.Symmetricdistribution,yaitukurvafrekuensisuatudistribusiyang mempunyai ekor yang sama panjang dari maksimum pusat. Negatively skewed distribution Positively skewed distributionSymmetric distribution Gambar 2. 1 Distribusi Kemencengan (Skewness) Untukdistribusiyangmenceng,meancenderungterletakpadasisiyang samadarimodussebagaiekoryangpanjang.Jadisuatuukurantaksimetri diperlihatkanolehselisih(mean-modus).Inidapatdibuattanpaadapembagian olehsuatuukuransembarang,samasepertisimpanganbaku,sehinggakita dapatkan definisi: sus xbaku simpanganus meann kemencengamod mod == ............................(2.5) 2.4. 5Kurtosis Kurtosis adalah derajat kepuncakan dari suatu distribusi, biasanya diambil secararelatifterhadapsuatudistribusinormal.Berdasarkankurtosisnya,grafik distribusi terbagi menjadi tiga, yaitu: Leptokurtik, yaitu distribusi yang mempunyai puncak relatif tinggi. Platikurtik, yaitu distribusi yang mempunyai puncak mendatar.Mesokurtik, yaitu grafik yang berdistribusi normal yang puncaknya tidak terlalu lancip atau berpuncak mendatar. Derajat Kepuncakan = ||.|

\| )`|.|

\| +) 3 )( 2 () 1 ( 3) 3 )( 2 )( 1 () 1 (24n nnsx xn n nn ni Mesokurtik Platikurtik Leptokurtik Gambar 2. 2 Jenis-jenis Distribusi Berdasarkan Kurtosis Salahsatupengukurankurtosismenggunakanmomenkeempatdisekitar nilai mean yang dinyatakan dalam bentuk tanpa dimensi dan diberikan oleh: Koefisien momen dari kurtosis = 224444mmsma = = ...................... (2.6) (Spiegel, Statistika hal 120) Yangseringkalidinyatakandenganb2.Adabeberapasumberyang menuliskanbahwauntukmenentukanjeniskurvadapatditentukandariukuran kemencengannya: Jikaa4=3atausaatkurtosis=0,makakurvaberdistribusinormal (Mesokurtik). Jikaa4>3atausaatkurtosis>0(positif),makakurvaberdistribusi Leptokurtik. Jikaa4 o22 adalah masing-masing f>f1-o (v1,v2) dan f>fo (v1,v2). Untuk tandingan dua pihak o12 = o22, daerah kritis adalah ffo/2 (v1,v2). Untuk mengambilkeputusan disesuaikan dengan daerah kritis, bila nilai peluang berada didaerah kritis maka ditolak dan begitupun sebaliknya. DalampengambilankeputusandapatdenganmembandingkannilaiP hasilperhitungandengano.JikaPlebihbesardaripadao,makaHoditerima dan begitupun sebaliknya. (Walpole & Myers, Ilmu Peluang dan Statistika hal 257-260) Uji-T Dalamujimenyangkutduarataankeadaanyanglebihumumberlaku ialahkeadaandenganvariansitidakdiketahui.Bilasipenelitibersedia menganggap bahwa kedua distribusi normal dan bahwao1 = o2 = o, maka uji t-gabungan(seringdisebutuji-tduasampel)dapatdigunakan.Ujistatistik tersebut berbentuk : 2 102 1/ 1 / 1) (n n Sd x xtp+ = ........................................... (2.8) untuk 2) 1 ( ) 1 (2 1222 121 2 + + =n nn S n SS p .................................. (2.9) Distribusi-tdigunakandiisidanbilahipotesisnyadwipihakmaka hipotesis ditolak bila2 , 2 /2 1 +n nt < t < 2 , 2 /2 1 +n nt Sebagianmungkintelahdidugatandinganekapihakmenimbulkandaerahkritis ekasisi. Sebagai contoh, untuk H1:1- 2>do, tolak Ho :1- 2=do bila t > 2 , 2 /2 1 +n nt. Dapat juga dengan membandingkan nilai P perhitungan dengan taraf keberartian.JikaPlebihbesarmakaHoditerima,danapabilasebaliknyamaka Ho ditolak. Pengamatan BerpasanganPerhitungan selangkepercayaan untuk 1 - 2dalamhal ini didasarkan pada peubah acak n SDTdD = .............................................. (2.10) Hipotesisnya berbentuk, Ho : D = do Uji statistik hasil perhitungan menjadi n Sdo dtd= ....................................................... (2.11) Daerah kritis untuk ekasisi t < -to atau t > to, sedangkan untuk dwisisi t < -to atau t > to dengan menggunakan distribusi-t dengan derajatkebebasann 1. Dalam pengambilankeputusanjugadapat denganmembandingkannilaiPperhitungan dengantarafkeberartian(o).JikaPlebihkecilatausamadengano,makaHo ditolak dan apabila sebaliknya maka Ho diterima. (Walpole & Myers, Ilmu Peluang dan Statistika hal 252-257) 2. 7Statistik Nonparametrik Suatupengujianpopulasiseringkalidihadapkanpadasuatuujiyangharus dilakukantanpakebergantunganasumsi-asumsiyangkakukarenabersifatkhusus.Uji statistiknonparametrikmerupakanalternatifuntukmemenuhikebutuhantersebut dikarenakanmenghasilkankesahihandanvaliditasmeskipunhanyaberdasarpada asumsi-asumsiumum.Tipeutamaprosedurstatistikyangdimasukkandalam nonparametrikadalahprosedur-prosedurnonparanetrikmurnidanprosedur-prosedur bebas distribusi (distribution free procedures). Ciriciri dari data non parametrik adalah : 1.Data berdistribusi tidak normal 2.Merupakan data nominal atau data ordinal 3.Jumlah data kurang dari sama dengan 30 (n 30) Keunggulan Statistik Non Parametrik : Beberapa keuntungan dalam penggunaan statistik non parametrik adalah : a.Kemungkinan keasalahan pada penggunaan adalah minimum karena asumsi yang digunakan minim. b.Perhitungan yang digunakan umumnya mudah meskipun secara manual. c.Prosedur yang digunakan lebih mudah dipahami oleh semua pihak. d.Prosedurnya dapat digunakan meskipun dengan skala pengukuran terendah. Kekurangan statstik non parametrik : Disamping memilkikelebihan-kelebihan tersebut di atas, penggunaanstatistik non parametrik juga mempunyai kelemahan di antaranya : a.Meskipun perhitungannya sederhana tetapi pada umumnya menjemukan. b.Beberapakasussebenarnyalebihtepatjikadigunakanprosedur-prosedur parametrik. Sebagai ringkasan, bila uji parametrik dan non parametrik keduanya berlaku pada himpunandatayangsama,gunakanlahselaluujiparametrikyanglebihefisien.Akan tetapi bila diketahui bahwa anggapan kenormalan sering tak berlaku dan ternyata bahwa yangdihadapiadalahpengukuranyangtidakkuantitatifmakadigunakanujiyangnon parametrik. (Walpole & Myers, Ilmu Peluang dan Statistika hal 691, 1995) 2. 8Uji Uji Statistik Nonparametrik Kebanyakan cara pengujian hipotesis pada uji parametrik adalah didasarkan pada anggapanbahwasampelacakdiambildaripopulasinormal.Padahaltidaksemuadata yangdigunakanpadapengujian-pengujiantersebutdiatasberdistribusinormal.Untuk mengatasi hal tersebut lalu digunakan uji non parametrik. Uji non parametrik adalah uji yang mengabaikan asumsi dari kenormalan data populasi. YangtercakupdidalamujinonparametrikadalahPengujianKolmogorof-Smimov, Uji Tanda, Uji Dwi Sampel Wilcoxon, Uji Runtun dan Uji Kruskal Walls. (Modul Parktikum Statistika Industri hal 4, 2005) 2.8. 1Pengolahan data nonparametrik k = 2 2.8.1. 1Pengolahan data nonparametrik independen k =2 1.Uji Mann-Whitney Uji digunakan untuk menguji ada tidaknya perbedaanyang significant untuk2sampelyangindependent.UjiMann-WitneydisebutjugaujiU, berakuuntukkasusduasampleindependentdenganskoryangberskala ordinal.UjiMann-Whitneydipakaiuntukmengujiapakahduakelompok independenttelahmditarikdaripopulasiyangsama.Ujiinimerupakan pengembangandariujiWilcoxondenganduasampleberukurantidaksam, dan pemberian jenjang didasarkan pada skor gabungan. Uji Mann-hitney tidak memerlukananggapantertentumengenaipopulasidarimanasampel diambil(sepertiuji-ujinon-parametriklainnya).Asumsiyangdiperlukan hanyalahbahwanilaidarivariablerandomdariduakelompokyang diperbandingkan adalah berditribusi kontinyu. Hipotesis nihilyang akan diuji mengatakanbahwaduasampleindependentdiambildaripopulasiyang memilikidistribusiyangsama.Ujiinidapatdigunakanuntukpengujiandua sisiataupunsatusisi.Ujitersebutmerupakanalternatiflaindariuji tparametrik, bila anggapan yang diperlukan bagi uji t tidak dijumpai. (Djarwanto,Mengenal beberapa uji satistik,2001, Hal 237) 2.Uji Kolmogorov-Smirnov Uji ini hampir sama dengan uji Mann-Whitneyyaitu digunakan untuk mengujiadatidaknyaperbedaanyangsignificantuntuk2sampelyang independent.UjiKolmogorofSmirnovjugadapatdigunakanuntuk melakukanujilokasidanujibentuk.Keduaujitersebutberkontribusipada perbedaannilai2kelompok.Denganmelakukancenteringataupemusatan nilai data sample, setiap kelompok disekitar rata-ratanya akan menghilangkan perbedaandanmemungkinkanmelakukanperbandinganbentuk(ujibentuk) antara kedua kelompok tersebut. 3.Uji Moses dan Uji Wald-Wolfowitz Uji Moses merupakan teknik metode pengujiannon parametrik untuk mengujihipotesabahwavariabelpercobaanakanmemberiefekpada beberapasubjekdisatusisidansubjeklainnyadisisiyangberlawanan. Pengujian ini dibandinghkan dengangrup kendali. Tes ini membutuhkan data ordinal.Tes ini berfokus pada rentang digrup kendali, danmengukur berapa banyaknilaiekstrimdigruppercobaanmempengaruhirentangsaat digabungkandengangrupmkendali.UjiMoseslebihfokuskepadavariasi data dari dua sampel. 2.8.1. 2Pengolahan data nonparamerik dependen k = 2 1.Uji Tanda (Sign) Ujitandadigunakanuntuk mengujihipotesismengenaimedianpopulasi. Dalambanyakkasusprosedurnonparametrik,rataandigantikanolehmedian sebagai parameter lokasiyang relevan untuk diuji. Uji statistikyang sesuai untuk ujitandaadalahpeubahacakbinomialX,yangmenyatakanbanyaknyatanda tambahdalamterokacak.Bilahipotesisnol=obenar,makapeluangsuatu nilai terok dapat menghasilkan tanda tambahatau kurang sama dengan setengah. Jadi,untukmengujihipotesisnolbahwa=o kitasesungguhnyamenguji hipotesisnol bahwa banyaknya tanda tambah merupakan suatu nilai dari peubah acakyangberdistribusibinomialdenganparameterp=.Nilaipbaikuntuk tandinganekapihakmaupundwipihakdapatdihitungdenganmenggunakan distribusi binomial. Sebagai contoh dalam pengujian : Ho : = o H1 : < o KitaakanmenolakHo danmenerimaH1hanyajikaproporsiyangbertanda tambah cukup lebih kecil dari setengah. Jadi, bila nilai p hitungan P = P ( X s x, bila p = ) lebihkecilatausamadengansuatutarafkeberartianoyangditetapkan sebelumnya, maka kita menolak Ho dan menerima H1.Untuk menguji hipotesa : Ho : = o H1 : > o KitaakanmenolakHo danmenerimaH1hanyajikaproporsiyangbertanda tambah cukup lebih besar dari setengah. Jadi, bila nilai p hitungan P = P ( X> x, bila p = ) lebih kecil dari suatu taraf keberartian o yang ditetapkan sebelumnya, maka kita menolak Ho dan menerima H1.Untuk menguji hipotesa : Ho : = o H1 : = o KitaakanmenolakHo danmenerimaH1hanyajikaproporsiyangbertanda tambahcukuplebihkecilatau lebihbesardarisetengah.Jadi, bilax n/2 dan nilai p hitunganP =2P ( X> x, bila p = ) Lebih kecil atau sama dengan o kita tolak Ho dan menerima H1. Apabila n > 10 peluang binomial dengan p = dapat dihampiri dengan kurva normal. (Walpole & Myers, Ilmu Peluang dan Statistika hal 692-693, 1995) 2.Uji Rang Tanda Ujitandahanyamenggunakantandatambahdankurangdariselisih antarapengamatandanodalamkasussatusampel,atautandatambahdari selisihantarapasanganpengamatandalamkasussampelberpasangantanpa memperhatikanbesarnyaselisihtersebut.Suatu ujiyangmemanfaatkanbaik tanda maupun besarnya selisih telah diusulkan olehFrank Wilcoxon (1945) dan sekarang biasa disebut uji rang tanda Wilcoxon. UjirangtandaWilcoxonberlakuuntukkasusdistribusikontinu setangkup. Pertama-tamatiap nilai sampel dikurangi dengan o, buang semua selisihyangsamadengannol.Selisihyangtertinggaldirangtanpa menghiraukantandanya.Biladuaataulebihselisihnilaimutlaknyasama, masing-masing diberi rang sama dengan rata-rata rangnya. Bila hipotesis = o benar makajumlah rang dariselisihyang positif seharusnyahampir sama denganjumlahrangselisihnegatif.Nyatakanlahmasing-masingjumlahini dengan w+ dan w- danyang terkecil dari keduanya dengan w.Bilahipotesis Ho : = o dapat ditolak dan menerima tandingan < o hanya bila w+ kecil danw-besar.Begitupula>oditerimaapabilaw+ besardanw-kecil. Untuk tandingan dwi pihak Ho ditolak bila w+ maupun w- cukup kecil. Dua sampel dengan pengamatan berpasangan Untukmengujihipotesisnolbilateroknyaberasaldariduapopulasi yangkontinuyangsetangkupdengan1=2untukkasussampel berpasangan,rangselisihnyatanpamemperhatikantandakemudian diselesaikan seperti pada kasus satu sampel. Tabel 2. 2 Uji Rang Tanda Menguji Ho Tandingan H1 Hitung = o < o > o = o w+ w- w 1 = 2 1 < 2 1> 2 1= 2 w+ w- w Ujirangtandadapatpuladigunakanuntukmengujihipotesisnol bahwa1 -2 =b0.Dalamkasusinitidakperlusetangkup.Sepertipadauji tandatiapselisihkitakurangidenganbo,rangtiapselisihtanpa memperhatikantandanyadanterapkanproseduryangsamaseperti sebelumnya. (Walpole & Myers, Ilmu Peluang dan Statistika hal 696-698, 1995) 2.8. 2Pengolahan data nonparametric k > 2 2.8.2. 1 Pengolahan data nonparametrik independen k > 2 1.Uji Kruskal Wallis UjiKruskal-Wallis,seringpuladisebutUjiHKruskalWallis,adalah rampatanujijumlahrang(dwisampelWilcoxon)untuksejumlahsampelk>2. Uji ini digunakan untuk menguji hipotesis Ho bahwa k sampel bebas berasal dari populasiyangsama.Diperkenalkanditahun1952 olehW.H.KruskaldanW.A. Wallis, ujiini merupakan padanancaranon parametrik untuk mengujikesamaan rataan dalam analisis variansi ekafaktor bila ingin mengehindari anggapan bahwa sampel berasal dari populasi normal. Jika dari populasi yang sama, maka rata-rata ke-k sampel tersebut tentu relatif sama atau tidak berbeda secara signifikan. (Walpole & Myers, Ilmu Peluang dan Statistika hal 707, 1995) 2.Uji Median Ujiyangdilakukanuntukmengetahuiapakahsampelberasaldaridua populasi dengan median yang sama atau telah diambil dari populasi yang sama. Langkah-langkah yang ditempuh dalam pengujiaan ini adalah: 1.Gabungkankeduasamplemenjadisebuahsampleberukuran(n1+n2) dengann1=ukuransampleyangdiambildaripopulasikesatudann2= ukuran sample yang diambil dari populasi kedua. 2.Tuliskan ke (n1 + n2) buah data dari sample gabungan ini menurut-urutan besar nilainya. 3.Tentukan nilai median dari sample gabungan ini. 4.Dari setiap sample, tentukan banyaknya data muka median. 5.Bentuk sebuah daftar kontingensi 2 x 2 eperti di bawah ini dengan menggunakan data yang telah disusun dalam daftar kontingensi tersebut, untuk menguji hipotesis. (Sudjana. 1996. Metode Statistika. Tarsito : Bandung, Hal 464) 2.8.2.2Pengolahan data nonparametrik dependen k > 2 1.Uji Friedman Uji yang dilakukan untuk mengetahui adanya perbedaan yang significant dimana jumlah sampel lebih dari 2 yang dependent. Uji Friedman sebenarnya adalah analog dengan uji analisis varians dua arah pada uji parametric. Uji ini dpat digunakanapabilapenerapananalisisvariansduaarahparametrictidak dikehendakidikarenakanpertimbangantertentu,misalkanseorangpeneliti tidakinginberasumsibahwasampelyangdiperolehnyaadalahberdistribusi normal, dimana distribusi normal merupakan persyaratan sahihnya (valid) uji dalam penggunaan uji parametric.2.Uji Konkordansi Kendalls Ujikonkordansipadaprinsipnyainginmengetahuiapakahada keselarasandarisekelompokobjek(orang)dalammenilaiobjektertentu. Keselarasan(konkordansi)diberinamasepertihalnyakorelasi,yaknidari0 sampai 1. jika 0 berarti responden sama sekali tidak selaras satu dengan yang lain dalam menilaisuatu atribut, dan jika 1 maka semua sangat selaras. Pada umumnya,angkakonkordasidiatas0,5bisadianggaptingkatkeselarasan sudah cukup tinggi. (Singgih Santoso, halaman 202 & 441) 2. 9Pengolahan Data dengan MINITAB, Excel, dan SPSS 2.9. 1Excel -ANNOVA Anova sering disebut sebagai analisis variansi. Terok acak ukuran n diambil masing-masingdarikpopulasi.Kekpopulasiyangberbedainidiklasifikasikan menurutperlakuanataugrupyangberbeda.Dewasainiistilahperlakuan digunakansecaraumumdenganartiklasifikasi,apakahitukelompok,adukan, penganalisis,pupukyangberbeda,atauberbagaidaerahdisuatunegara.Pada ANOVA terdapat pengujian hipotesis nol bahwa rataan ke k populasi samalawan tandingan bahwa paling sedikit dua dari rataan ini tidak sama. Uji yang akan dipakai didasarkan pada perbandingan dua taksiran bebas dari kesamaanvariansipopulasio2.Perludibandingkanukuranvariansiantara perlakuanyangsesuaidenganvariansidalamperlakuan,agardapatditemukan perbedaan yang berarti dalam pengamatan akibat pengaruh perlakuan. Analisis variansi untuk klasifikasi eka arah dapat dilihat pada tabel di bawah ini yang sama dengan tabel ANOVA. Tabel 2. 3 Ananlisis Variansi Sumber Variansi Jumlah kuadrat Derajat Kebebasan Rataan Kuadratf Hitungan PerlakuanJKAk 1 121=kJKAS2221SS GalatJKGk (n 1) ) 1 (2=n kJKAS TotalJKTnk 1 JKT = = =kinjijnkTy1 122..

JKA = nkTnTkii..212= JKG = JKT-JKA 2.9. 2SPSS UntukmengolahdatatersebutkamimenggunakanprogramSPSS (StatisticalProductandServiceSolution).ProgramSPSSadalahprogramyang bertujuanuntukmemperkecilkesalahanpenghitungandalampengolahandata. DatayangdiolahdalamSPSSharusmemenuhisyarat-syaratyangmeliputi kecukupan data, kualitas data, dan memenuhi sifat-sifat keacakan. Setelah proses pengumpulandanpengolahandatadilakukan,makaanalisaoutputSPSSdata dapat langsung diketahui. 2.9.3MINITAB Permasalahan permasalahan statistika bukan suatu masalah rumit karena seiring dengan perkembangan teknologi komputer, pekerjaan statistik sangat terbantu dengan adanya program aplikasi komputer untuk statistik yang kini sudah banyak dipasarkan. Komputer sangat membantu pekerjaan statistik, terutama dalam melakukan perhitungan statistik yang menggunakan rumus matematika yang rumit dan banyak data. Salah satu program statistik yang telah diakui banyak orang adalah program MINITAB. Program MINITAB merupakan program statistiks yang diakui cukup andal oleh banyak kalangan, baik dunia kampus maupun industri. Keunggulan MINITAB adalah selain menyediakan metode metode statistik klasik seperti analisis regresi, analisis faktor, analisis deskriminan, dan tabulasi silang. MINITAB juga menyediakan pula metode metode statistik untuk meningkatkan dan memperbaiki kualitas seperti pengendalian kualitas statistik, desain eksperimen, dan analisis realibilitas. MINITAB juga mampu memberi nilai taksiran yang mendekati nilai sebenarnya. Pada data parametrik independen k = 2 digunakan program MINITAB dengan melakukan uji T dan uji F. Dimana membandingkan rata-rata dua sampel dan membandingkan variansi dua sampel. Data non parametrik independen k = 2, independen k > 2 dan dependen k > 2 juga menggunakan program MINITAB. Untuk data non parametrik independen k = 2 menggunakan uji Kruskal Wallis, data non parametrik dependen k > 2 menggunakan uji Friedman. Untuk data non parametrik independen k = 2 menggunakan uji Mann Whitney. BAB III PENGUMPULAN DATA 3. 1Data Parametrik 3.1. 1Statistik Parametrik Independen k=2 BadanStatistikNasionalmencatatBanyaknyaKyaidanUstadzMenurut Kabupaten/Kota di JawaTengah Tahun2004. Datanya adalahsebagai berikut: Tabel 3. 1Data Pengamatan Parametrik Independen k = 2 Kabupaten/KotaKyaiUstadz 01. Kab. Cilacap442963 02. Kab. Banyumas209397 03. Kab. Purbalingga252414 04. Kab. Banjarnegara330228 05. Kab. Kebumen167380 06. Kab. Purworejo417763 07. Kab. Wonosobo422654 08. Kab. Magelang235700 09. Kab. Boyolali210718 10. Kab. Klaten97196 11. Kab. Sukoharjo58615 12. Kab. Wonogiri70172 13. Kab. Karanganyar114242 14. Kab. Sragen350729 15. Kab. Grobogan485426 16. Kab. Blora156527 17. Kab. Rembang4291.030 18. Kab. Pati365987 19. Kab. Kudus496588 20. Kab. Jepara3642.160 21. Kab. Demak5741.096 22. Kab. Semarang285715 23. Kab. Temanggung365571 24. Kab. Kendal3291.007 25. Kab. Batang2041.004 26. Kab. Pekalongan226553 27. Kab. Pemalang187465 28. Kab. Tegal172446 29. Kab. Brebes4871.094 30. Kota Magelang1314 3.1. 2Statistik Parametrik Independen k>2 BadanStatistikNasionalmencatatBanyaknyaJema'ahHajiyang DiberangkatkankeTanahSuci(Mekkah)Menurut Kabupaten/KotadiJawaTengahTahunAnggaran2001-2003.Datanyaadalah sebagai berikut: Tabel 3. 2 Data Pengamatan Parametrik Independen k > 2 Kabupaten Kota200120022003 01. Kab. Cilacap478696615 02. Kab. Banyumas458648562 03. Kab. Purbalingga178238202 04. Kab. Banjarnegara300368346 05. Kab. Kebumen623852685 06. Kab. Purworejo305314314 07. Kab. Wonosobo305335356 08. Kab. Magelang299524567 09. Kab. Boyolali405486427 10. Kab. Klaten376773633 11. Kab. Sukoharjo286341276 12. Kab. Wonogiri122101109 13. Kab. Karanganyar143205201 14. Kab. Sragen388385400 15. Kab. Grobogan361560499 16. Kab. Blora307304314 17. Kab. Rembang627483468 18. Kab. Pati1.550957822 19. Kab. Kudus1.4821.059928 20. Kab. Jepara2.5151.9871.550 21. Kab. Demak1.3421.178817 22. Kab. Semarang186374313 23. Kab. Temanggung270394274 24. Kab. Kendal950892792 25. Kab. Batang488329311 26. Kab. Pekalongan933582510 27. Kab. Pemalang744427453 28. Kab. Tegal675928830 29. Kab. Brebes573762660 30. Kota Magelang6499116 3. 2Data Non Parametrik 3.2. 1Statistik Non Parametrik Independen k=2 Untukdatanonparametrikindependenk=2kamimelakukankuesioner dengansampelmahasiswaTeknikIndustriangkatan2007untukmengetahui PengaruhJenisKelaminterhadapMediaAktualisasiDiri.Darikuesioner tersebut didapat data sebagai berikut Tabel 3. 3 Data Pengamatan Non Parametrik Independen k = 2 Sampel ke-laki-lakiperempuan 121 211 341 411 551 621 711 812 911 1022 1111 1212 1311 1411 1511 1611 1711 1811 1921 2011 2123 2232 2353 2411 2531 Ket: 1.Kamera HP 2.Kamera digital 3.Handycam 4.Webcam 5.Photobox 3.2. 2Statistik Non Parametrik Independen k>2 Untukdatanonparametrikindependenk>2kamimelakukankuesioner dengansampelmahasiswaTeknikIndustriangkatan2007untukmengetahui PengaruhGolonganDarahterhadapJenisMateriyangDisukai.Darikuesioner tersebut didapat data sebagai berikut: Tabel 3. 4 Data Pengamatan Non Parametrik Independen k >2 Sampel ke-ABO 1111 2213 3112 4312 5312 6233 7222 8131 9313 10311 11111 12132 13111 14221 15233 16323 17311 18123 19213 20122 21233 22132 23121 24231 25122 Keterangan: 1.Hitungan 2.Hafalan 3.Keduanya 3.2. 3Statistik Non Parametrik Dependen k=2 Dariwww.google/info_guru_guru2.php.htmdiperolehdatamengenai Daftar Status Guru-Guru SMK-SB. Datanya adalah sebagai berikut: Tabel 3. 5 Data Asli Dependen k=2 Sampel ke- status kawin laki-lakiperempuan 1tidakKawin 2tidaktidak 3Kawintidak 4KawinKawin 5KawinKawin 6KawinKawin 7tidaktidak 8Kawintidak 9KawinKawin 10Kawintidak 11KawinKawin 12tidakKawin 13KawinKawin 14Kawintidak 15tidakKawin 16KawinKawin 17tidakKawin 18tidakKawin 19KawinKawin 20tidaktidak 21Kawintidak 22KawinKawin 23Kawintidak 24KawinKawin 25tidakKawin 3.2. 4Statistik Non Parametrik Dependen k>2 Untukdatanonparametrikdependenk>2kamimelakukankuesioner dengansampelmahasiswaTeknikIndustriangkatan2007untukmengetahui PengaruhNegaraProduksiterhadapJenisFilmyangDisukai.Darikuesioner tersebut didapat data sebagai berikut: Tabel 3. 6 Data Non Parametrik Dependen k>2 NoNamaindonesiabaratasia 1miftahul Hasan411 2Trisna N P444 3Farid341 4Irma N S213 5Reza Zamani413 6Mujiya U343 7Zaki414 8Awan444 9Nita T213 10Reny Stefanie432 11Dinda333 12Ucok444 13Yoyo432 14Intan Arthantia413 15Dita W.R414 16Hasniar T413 17Dimas H.A212 18Prafitrianti221 19Devia433 20Anggie S423 21Rachman F. N422 22Radhit P213 23Rina A.K.N211 24Andik Sutrimo444 25M.Shofyan Adi411 Keterangan: 1. Action2. Horor 3. Drama4. Komedi BAB IV PENGOLAHAN DATA 4. 1Statistik Parametrik 4.1. 1Statistik Parametrik Independen k = 2 Output Excel Deskriptif Statistic Tabel 4. 1Ouput Statistic Descriptive Parametrik Independenk=2 kyaiustadz Mean283.6667Mean661.8 Standard Error26.95016Standard Error74.65758463 Median268.5Median601.5 Mode365Mode#N/A Standard Deviation147.6121Standard Deviation408.9164319 Sample Variance21789.33Sample Variance167212.6483 Kurtosis-0.89775Kurtosis5.073799684 Skewness0.053532Skewness1.611303503 Range561Range2146 Minimum13Minimum14 Maximum574Maximum2160 Sum8510Sum19854 Count30Count30 Anova Single Factor Tabel 4. 2 Output Anova Single Factor Parametrik Independen k=2 SUMMARY GroupsCountSumAverageVariance kyai308510283.666666721789.33 ustadz3019854661.8167212.6 T-Test: Paired two sample for means Tabel 4. 3 Output T-test: Paired Two Sample For Means Parametrik Independen k=2 kyaiustadz Mean283.6667661.8 Variance21789.33167212.6483 Observations3030 Pearson Correlation0.540701 Hypothesized Mean Difference0 df29 t Stat-5.88806 P(T4.008] = 1.31x10-5 Tabel 4.10 Perhitungan ManualUji AnovaData Parametrik dengan k=2 Independen Sumber Variasi Jml. Kuadrat Derajat kebebasan Rataan Kuadrat F Hitungan Nilai PF Kritis Perlakuan JKA=2144772 k-1=1 121=kJKAS = 2144772 2221SS =22,69576 1.31x 10-54,008 Galat JKG=5481057 k(n-1) = 58 ) 1 (2=n kJKAS =94500,99 TotalJKT=7625830n(k-1) = 59 Keterangan tabel 4.7: -JKTadalahjumlahkuadrattotal,yaitudidapatkanangka7625830.Dimana derajat kebebasannya adalah 59 -JKA adalah jumlah kuadarat perlakuan, yaitu didapatkan angka 2144772. -JKGadalahjumlahkuadratgalat,yaitudidapatkanangka5481057.Dengan derajat kebebasan 58. -Didapatkan nilai F hitungan adalah 22,69576 6. Keputusan : TolakHo karena Fhitung > FCrit yaitu 22,69576> 4,008. 7. Kesimpulan :Bahwa selisih rata-rata jumlah kyai pada tahun 2004dan jumlah ustadz pada tahun 2004 tidak sama sama secara signifikan 4.1. 2 Statistik Parametrik Independen k > 2 Output Excel Deskriptif statistik Tabel 4. 5 11 Ouput Statistic Descriptive Parametrik Independenk>2 200120022003 M ean591.1M ean586.0333333M ean511.6667 St andar d Er r or 96.59452St andar d Er r or 70.62350368St andar d Er r or 54.26415 M edi an396.5M edi an484.5M edi an460. 5 M ode305M ode#N/ AM ode314 St andar d Devi at i on529.07St andar d Devi at i on386.8208606St andar d Devi at i on297.217 Sampl e Var i ance279915.1Sampl e Var i ance149630.3782Sampl e Var i ance88337.95 Kur t osi s5. 221323Kur t osi s4.72060158Kur t osi s3. 794255 Skew ness2. 126618Skew ness1.759399121Skew ness1. 492342 Range2451Range1888Range1441 M i ni mum64M i ni mum99M i ni mum109 M axi mum2515M axi mum1987M axi mum1550 Sum17733Sum17581Sum15350 Count 30Count 30Count 30 Anova Single Factor Tabel 4. 6 Output Anova Single Factor Parametrik Independen k>2 S U M M A RYG ro up s C ou nt S u m A v er a ge V a r i an c e2 00 1 3 1 1 9 73 4 6 36 . 58 06 45 2 33 47 0 7. 7 18 32 00 2 3 1 1 9 58 3 6 31 . 70 96 77 4 20 93 1 8. 8 79 62 00 3 3 1 1 7 35 3 5 59 . 77 41 93 5 1 57 1 37 . 71 4A N O V AS o ur c eo f V ar i a ti o n S S df M S F P - v al u e Fc ri tB e t we en G ro u ps 11 46 7 5. 9 2 5 73 37 . 96 77 4 0. 2 45 32 6 09 6 0 . 7 82 97 1 3 . 09 76 98 0 35W i th i nG r o up s 2 10 34 92 9 9 0 2 33 72 1. 4 37 3T ot a l 2 11 49 60 5 9 2 Output SPSS Frequenci Tabel 4. 13Deskriptif Statistik Parametrik Independen k>2 Statistics tahun_2001tahun_2002yahun_2003 NValid303030 Missing000 Mean591,1000586,0333511,6667 Median396,5000484,5000460,5000 Mode305,0099,00(a)314,00 Std. Deviation529,06999386,82086297,21702 Variance279915,059149630,37888337,954 Skewness2,1271,7591,492 Std. Error of Skewness,427,427,427 Kurtosis5,2214,7213,794 Std. Error of Kurtosis,833,833,833 Range2451,001888,001441,00 Minimum64,0099,00109,00 Maximum2515,001987,001550,00 Percentiles10146,5000208,3000201,1000 20273,2000317,0000283,0000 25295,7500333,5000312,5000 30301,5000349,1000314,0000 40328,6000388,6000373,6000 50396,5000484,5000460,5000 60484,0000573,2000541,2000 70625,8000742,2000627,6000 75692,2500792,7500666,2500 80895,2000884,0000770,6000 901468,00001048,8000829,2000 aMultiple modes exist. The smallest value is shown Frequency Table Tabel 4. 14Deskriptif Statistik Parametrik Independen k>2 (2001) Tahun_2001 FrequencyPercentValid Percent Cumulative Percent Valid64.0013.33.33.3 122.0013.33.36.7 143.0013.33.310.0 178.0013.33.313.3 186.0013.33.316.7 270.0013.33.320.0 286.0013.33.323.3 299.0013.33.326.7 300.0013.33.330.0 305.0026.76.736.7 307.0013.33.340.0 361.0013.33.343.3 376.0013.33.346.7 388.0013.33.350.0 405.0013.33.353.3 458.0013.33.356.7 478.0013.33.360.0 488.0013.33.363.3 573.0013.33.366.7 623.0013.33.370.0 627.0013.33.373.3 675.0013.33.376.7 744.0013.33.380.0 933.0013.33.383.3 950.0013.33.386.7 1342.0013.33.390.0 1482.0013.33.393.3 1550.0013.33.396.7 2515.0013.33.3100.0 Total30100.0100.0 Tabel 4. 15Deskriptif Statistik Parametrik Independen k>2 (2002) Tahun_2002 FrequencyPercentValid Percent Cumulative Percent Valid99.0013.33.33.3 101.0013.33.36.7 205.0013.33.310.0 238.0013.33.313.3 304.0013.33.316.7 314.0013.33.320.0 329.0013.33.323.3 335.0013.33.326.7 341.0013.33.330.0 368.0013.33.333.3 374.0013.33.336.7 385.0013.33.340.0 394.0013.33.343.3 427.0013.33.346.7 483.0013.33.350.0 486.0013.33.353.3 524.0013.33.356.7 560.0013.33.360.0 582.0013.33.363.3 648.0013.33.366.7 696.0013.33.370.0 762.0013.33.373.3 773.0013.33.376.7 852.0013.33.380.0 892.0013.33.383.3 928.0013.33.386.7 957.0013.33.390.0 1059.0013.33.393.3 1178.0013.33.396.7 1987.0013.33.3100.0 Total30100.0100.0 Tabel 4. 16Deskriptif Statistik Parametrik Independen k>2 (2001) Tahun_2003 FrequencyPercentValid Percent Cumulative Percent Valid109.0013.33.33.3 116.0013.33.36.7 201.0013.33.310.0 202.0013.33.313.3 274.0013.33.316.7 276.0013.33.320.0 311.0013.33.323.3 313.0013.33.326.7 314.0026.76.733.3 346.0013.33.336.7 356.0013.33.340.0 400.0013.33.343.3 427.0013.33.346.7 453.0013.33.350.0 468.0013.33.353.3 499.0013.33.356.7 510.0013.33.360.0 562.0013.33.363.3 567.0013.33.366.7 615.0013.33.370.0 633.0013.33.373.3 660.0013.33.376.7 685.0013.33.380.0 792.0013.33.383.3 817.0013.33.386.7 822.0013.33.390.0 830.0013.33.393.3 928.0013.33.396.7 1550.0013.33.3100.0 Total30100.0100.0 0.00 500.00 1000.00 1500.00 2000.00 2500.00 3000.00tahun_200102468101214FrequencyMean = 591.10Std. Dev. = 529.06999N = 30tahun_20010.00 500.00 1000.00 1500.00 2000.00tahun_20030246810FrequencyMean = 511.6667Std. Dev. = 297.21702N = 30tahun_2003

Gambar 4.4 Histogram jemaah Haji tahun (a) 2001, (b) 2002, (c) 2003 4. 2 Statistik Non Parametrik 4.2. 1 Statistik Non Parametrik Independen k = 2 Output SPSS Deskriptif Statistikand histogram with normal curve (a)(b) (c) 0.00 500.00 1000.00 1500.00 2000.00tahun_2002024681012FrequencyMean = 586.0333Std. Dev. = 386.82086N = 30tahun_2002 Tabel 4. 17Deskriptif Statistik Pengaruh Jenis kelamin terhadap aktualisasi diri Descriptive Statistics NMeanStd. DeviationMinimumMaximum Percentiles 25th50th (Median)75th gadget501,56001,013381,005,001,00001,00002,0000 jenis_kelamin501,5000,505081,002,001,00001,50002,0000 0.00 1.00 2.00 3.00 4.00 5.00 6.00gadget010203040FrequencyMean = 1.56Std. Dev. = 1.01338N = 50Histogram Gambar 4.5 Histogram with normal curve gadget -Mann-Whitney Test Tabel 4.18 Output Mann-Whitney Test Pengaruh Jenis kelamin terhadap aktualisasi diri Ranks jenis_kelaminNMean RankSum of Ranks gadgetlaki-laki2527,82695,50 perempuan2523,18579,50 Total50 Test Statistics(a) gadget Mann-Whitney U254,500 Wilcoxon W579,500 Z-1,365 Asymp. Sig. (2-tailed),172 aGrouping Variable: jenis_kelamin - Moses Test Tabel 4.18 Output Moses Test Pengaruh Jenis kelamin terhadap aktualisasi diri Frequencies jenis_kelaminN gadgetlaki-laki (Control) 25 perempuan (Experimental) 25 Total50 Test Statistics(a,b) gadget Observed Control Group Span 33 Sig. (1-tailed),000 Trimmed Control Group Span 33 Sig. (1-tailed),000 Outliers Trimmed from each End 1 aMoses Test bGrouping Variable: jenis_kelamin -Two-Sample Kolmogorov-Smirnov Test Tabel 4.19 Output Kolmogorov-Smirnov Test Pengaruh Jenis kelamin terhadap aktualisasi diri Frequencies

jenis_kelaminN gadgetlaki-laki25 perempuan25 Total50 Test Statistics(a) gadget Most Extreme Differences Absolute,160 Positive,000 Negative-,160 Kolmogorov-Smirnov Z,566 Asymp. Sig. (2-tailed),906 aGrouping Variable: jenis_kelamin 4.2. 2 Statistik Non Parametrik Independen k > 2 Output SPSS -Deskriptif Statistik , histogram with normal curve Tabel 4.20 Deskriptif Statistik Pengaruh Golongan Darah Terhadap Cara BelajarDescriptive Statistics NRangeMinimumMaximumMeanStd. DeviationVariance Gol_darah752,001,003,002,0000,82199,676 Cara_belajar752,001,003,001,8667,82746,685 Valid N (listwise)75 0.50 1.00 1.50 2.00 2.50 3.00 3.50Cara_belajar010203040FrequencyMean = 1.8667Std. Dev. = 0.82746N = 75Histogram Gambar 4.6 Histogram with normal curve Pengaruh Golongan darah terhadap Cara Belajar -Kruskal-Wallis Test Tabel 4.21 Output Kruskal Wallis Test Pengaruh Golongan Darah Terhadap Cara BelajarRanks Gol_darahNMean Rank Cara_belajarA2536,40 B2537,28 O2540,32 Total75 Test Statistics(a,b) Cara_belajar Chi-Square,507 df2 Asymp. Sig.,776 aKruskal Wallis Test bGrouping Variable: Gol_darah -Median Test Tabel 4.22 Output Median Test Pengaruh Golongan Darah Terhadap Cara Belajar Frequencies Gol_darah ABO Cara_belajar> Median678 = MedianQ3-Q1----------+---------+---------+------ 1 1114 2,00 1,50(-------------------+ 2 1114 2,00 2,00(-------------------+ 3916 2,00 2,00(-------------------+---------------) ----------+---------+---------+------ 1,502,002,50 Overall median = 2,00 4.2. 3 Statistik Non Parametrik Dependen k = 2 Output SPSS Tabel 4.23 Deskriptif Statistik Pengaruh Jenis Kelamin terhadap Status perkawinan Descriptive Statistics NMeanStd. DeviationMinimumMaximum jenis_kelamin501,5000,505081,002,00 status501,3600,484871,002,00 0.00 500.00 1000.00 1500.00 2000.00 2500.00 3000.00jumlah0510152025FrequencyMean = 565.9432Std. Dev. = 413.58562N = 88Histogram Gambar 4.7 Histogram with normal curve Pengaruh jenis kelamin terhadap status perkawinan -Sign Test Tabel 4.24 Output Sign Test Pengaruh Jenis Kelamin terhadap Status perkawinan Frequencies N status - jenis_kelaminNegative Differences(a) 16 Positive Differences(b)9 Ties(c)25 Total50 astatus < jenis_kelamin bstatus > jenis_kelamin cstatus = jenis_kelamin Test Statistics(b)

status - jenis_kelamin Exact Sig. (2-tailed),230(a) aBinomial distribution used. bSign Test -Wilcoxon Signed Ranks Test Tabel 4.25 Output Wilcoxon Signed Ranks Test Pengaruh Jenis Kelamin terhadap Status perkawinan Ranks NMean RankSum of Ranks status - jenis_kelamin Negative Ranks16(a)13,00208,00 Positive Ranks9(b)13,00117,00 Ties25(c) Total50 astatus < jenis_kelamin bstatus > jenis_kelamin cstatus = jenis_kelamin Test Statistics(b)

status - jenis_kelamin Z-1,400(a) Asymp. Sig. (2-tailed),162 aBased on positive ranks. bWilcoxon Signed Ranks Test 4.2. 4 Statistik Non Parametrik Dependen k > 2 Output SPSS -Deskriptif Statistik and histogram with normal curve Tabel 4.26 Deskriptif Statistik Pengaruh Negara Asal terhadap Jenis Film yang Disukai Descriptive Statistics NMinimumMaximumMeanStd. Deviation Negara751,003,002,0000,82199 Jenis_film751,004,002,74671,18656 Valid N (listwise)75 0.00 1.00 2.00 3.00 4.00 5.00Jenis_film051015202530FrequencyMean = 2.7467Std. Dev. = 1.18656N = 75Histogram Gambar 4.8 Histogram with normal curve Pengaruh Negara Asal Film dengan Jenis Film -Friedman Test Tabel 4.27 Output Friedman Test Pengaruh Negara Asal terhadap Jenis Film yang Disukai Ranks Mean Rank Jenis_film1,63 Negara1,37 Test Statistics(a) N75 Chi-Square6,452 df1 Asymp. Sig.,011 aFriedman Test -Kendall's W Test Tabel 4.28 Output Kendalls W Test Pengaruh Negara Asal terhadap Jenis Film yang Disukai Ranks Mean Rank Jenis_film1,63 Negara1,37 Test Statistics N75 Kendall's W(a) ,086 Chi-Square6,452 df1 Asymp. Sig.,011 aKendall's Coefficient of Concordance Output MINITAB Uji Friedman Friedman test for C3 by C2 blocked by C1 S = 10,50DF = 2P = 0,005 S = 15,00DF = 2P = 0,001 (adjusted for ties) EstSum of C2N MedianRanks 125 4,0000 62,5 225 3,0000 40,0 325 3,0000 47,5 Grand median= 3,3333 / BAB V ANALISA DATA 5.1 ANALISA METODE SAMPLING DAN HASIL SAMPLING Data yang diolah dalam praktikum ini ada 6 macam, yaitu : 1.Data parametrik independen k = 2 Datayangdigunakanadalahdatajumlahkyaidanustadzdisetiap kabupatendiJawaTengah.DatainidiambildariBPSJawaTengah. Sampling yang digunakan adalah area sampling. 2.Data parametrik independen k > 2 Datayangdigunakanadalahjumlahjamaahhajiyangdiberangkatkan daribeberapakabupatendiJawaTengahpadatahun2001,2002dan 2003. Data ini diambil dariBiro Pusat Statistik Jawa Tengah. Sampling yang digunakan adalah area sampling. 3.Data nonparametrik independen k = 2 Datayangdigunakanadalahdatapengaruhjeniskelaminterhadapalat aktualisasiyangdigunakan.Datainididapatdarikuesioner.Sampling yang digunakan adalah sampling seadanya. 4.Data nonparametrik independen k > 2 Datayangdigunakandatamengenaipengaruhgolongandarahterhadap jenismateriyangdisukai.Datadiambildarikuesionerdimana respondennyaadalahmahasiswaTeknikIndustriUNDIP.Sampling yang digunakan adalah area sampling.5.Data nonparametrik dependen k = 2 Data yang digunakan adalah datajenis kelamin dan status. Data didapat dari:www.google/info_guru_guru2.php.html.Metodesamplingyang digunakan adalah sampling seadanya (convinience sampling) 6. Data nonparametrik dependen k > 2 Datayangdigunakanadalahdaftarpengaruhjenisfilmterhadapdaerah asal produksi film. Data ini didapat dari sampling langsung pada tanggal. Samplingyangdigunakanadalahsamplingseadanya(convinience sampling) 5.2 Analisa Statistik Parametrik 5.2.1Analisa Statistik Parametrik Independen k = 2 5.2.1.1 Output Excela.Statistik DeskriptifTabel 5.1 Statistik Deskriptif untuk Data Parametrik Independenk=2 kyaiustadz Mean283.6667Mean661.8 Standard Error26.95016Standard Error74.65758463 Median268.5Median601.5 Mode365Mode#N/A Standard Deviation147.6121Standard Deviation408.9164319 Sample Variance21789.33Sample Variance167212.6483 Kurtosis-0.89775Kurtosis5.073799684 Skewness0.053532Skewness1.611303503 Range561Range2146 Minimum13Minimum14 Maximum574Maximum2160 Sum8510Sum19854 Count30Count30 Keterangan Tabel : -Tabel statistik deskriptif ini terdiri dari 2 variabel. -Baris1yaituMeanadalahrata-ratadariseluruhdatapengamatan.Untuk kyai1 nilainya 283.6667 sedang untuk ustadz nilainya 661.8 -Baris2yaituStandardErrordigunakanuntukmemperkirakanbesarnya rata-ratadaridatapengamatanyangdiperkirakandarisebuahsampel. Untuk kyai standart error-nya 26.95016sedang ustadz standart error-nya 74.65758463. -Baris3yaituMedianadalahnilaitengahdiperolehdenganmembagidua samabesardatayangtelahdiurutkan.Medianuntukkyaidanustadz masing-masingadalah 268.5 dan 601.5. -Baris4yaituModeadalahnilai/datayangseringmunculuntukkyai adalah365danuntukustadztidakadamodusnyakarenafrekuensi munculnya sama. -Baris5yaituStandardDeviationataustandardeviasidigunakanuntuk menilaidispersirata-ratadarisampel.Standardeviasiuntukkyaisebesar 147.6121dan ustadz sebesar 408.9164319 -Baris6yaituSampleVarianceadalahvariansidarisampel,untukkyai besarnya 21789.33 sedang untuk ustadz sebesar 167212.6483. -Baris7yaituKurtosis, besarnyakurtosisuntukkyaiadalah-0.89775dan untuk ustadz adalah 5.073799684. -Baris8yaituSkewness,besarnyaskewnessdarikyaiadalah0.053532dan untuk ustadz adalah 1.611303503. -Baris9yaituRangeataujangkauan. Didapat denganmengurangkandata maksimundengandataminimum.Rangeuntukkyaiadalah561 sedangkan range untuk usstadz adalah 2146. -Baris 10yaitu Minimum adalahnilai minimum. Pada kyai sebesar 13 dan pada ustadz sebesar 14. -Baris11yaituMaximumadalahnilaimaksimum.Padakyaisebesar574 dan pada ustadz sebesar 2160. -Baris12yaituSumadalahjumlahseluruhdatapengamatandikalikan frekuensiuntuktiapvariabel.kyaisebesar8510sedangustadzsebesar 19854. -Baris 13 yaitu Count merupakan jumlah pengamatan yang dilakukan yaitu baik kyai maupun ustadz sama-sama 30. b.UjiANOVA Tabel 5.2 Anova Single Factor untuk Data Parametrik Independen k=2 SUMMARY GroupsCountSumAverageVariance Kyai308510283.666666721789.33 Ustadz3019854661.8167212.6 Keterangan Tabel : DaritabeloutputAnovaSingleFactor,padakolomgroupsterdapatdua barisyaitu kyai dan ustadz, ini menunjukkan bahwa datayang digunakan terdiri dari 2 variabel. kyai menunjukkkan bahwa data yang diambilyaitu jumlahkyaidanustadzmenunjukkanbahwadatadiambilyaitujumlah ustadz. -Kolomke2yaituCountmenunjukkanjumlahdatapengamatanyaitu30 untuk tiap variabelnya.-Kolom3yaituSummenunjukkanjumlahseluruhdatauntuktiap variabelnyadikalikanfrekuensi,variabel1jumlahnya8510sedang variabel 2 jumlahnya 19854. -Kolom 4yaituAverageatau rata-rata darikeseluruhandatatiapvariabel. NilaiinidiperolehdariSumdibagiCount,variabel1nilainya 283.6666667 dan variabel 2 nilainya 661.8. -Kolom5yaituVariancemenunjukkanvariansidata,untukvariabel1 nilainya 21789.33 dan untuk variabel 2 nilainya 167212.6.Tabel 5.3 Uji Anova untuk Data Parametrik Independen k=2 Keterangan Tabel : -PadatabelujiAnovaterdapat 7kolom dan3 baris.Barispertamaadalah betweengroupsyangmenunjukkanperlakuansebagaiSourcesof Variation,bariskeduaadalahwithingroupsyangmenunjukkangalat sebagaiSourcesofVariationsertabarisketigaadalahtotaldaribaris pertama dan kedua. ANOVA Source of VariationSSdfMSF P-valueF crit Between Groups214477212144772.26722.69576 1.31E-054.006873 Within Groups54810575894500.9908 Total762583059 -Kolom 1 adalah Source of Variation yaitu sumber variasi yang terdiri dari betweengroupsyangmenunjukkanperlakuandanwithingroupsyang menunjukkan galat serta jumlah dari keduanya. -Kolom2adalahSS(SumofSquare)ataujumlahkuadrat,untukbaris pertama atau regresi mempunyai nilai SS sebesar 2144772 dan untuk baris keduaatausisamempunyaiSSsebesar5481057sedangkantotalnya 7625830. -Kolom 3yaitu df atau derajatkebebasan, untuk baris pertama nilainyak-1=2-1=1sedangkanbariskeduanilainilainya58ataudapatdihitung dengank(n-1)=2(30-1)=58 danbaristotalmerupakanjumlahdaribaris1 dan 2 yaitu 1+58=59. -Kolom4adalahMS(MeanSquare)ataurataankuadrat.Untukbaris pertama(regresi)nilaiMS-nya2144772.267sedangbariskedua(sisa) 94500.9908ataudengancaramembagiJKregresidengandfregresiuntukMS regresi, sedang MS sisa adalah JKsisa dibagi dfsisa. -Kolom 5 yaitu Fhitung, didapat nilainya 22.69576 atau dengan membagi MS regresi dengan MS sisa. -Kolom 6yaituPvalueatau probabilitasdandidapatnilai1.31x 10-5.Dapat digunakanuntukmenentukankeputusanatasujihipotesayaitudengan membandingkan Pvalue dengan derajat keberartiannya. -Kolom7adalahFcriticalatauFtabel,didapatnilai4.006873.Dapatpula digunakan untuk menentukankeputusan atas ujihipotesayang dilakukan, dengan membandingkan Ftabel dan Fhitung. Pengujian : 1.Ho :1 - 2= 0

2.H1 :1 - 2> 0.3.o:0,05 4.Daerah Kritis:Fhitung > Ftabel P < = P < 0,05 5.Perhitungan: (lihat tabel 5.3) Fhitung =F= 22,69576 Ftabel=F crit = 4,006873 P=P-value =1,31x 10-5 6.Keputusan :Terima Ho , karena-Berdasarkan nilai F, Fhitung > Ftabel = 22,69576>4,006873 -Berdasarkan nilai P (probabilitas), P < 0,05 = 1,31x 10-5< 0,05 7.Kesimpulan: selisih rataan kyai dan ustadz tidak sama c.t-Test Tabel 5.3 Uji Mean dengan Distribusi t (t-Test) Untuk Parametrik Independen k=2 kyaiustadz Mean283.6667661.8 Variance21789.33167212.6483 Observations3030 Pearson Correlation0.540701 Hypothesized Mean Difference0 Df29 t Stat-5.88806 P(T -10,15 5.Kesimpulan: rata-rata jumlah ustadz dan kyai tidak sama Perhitungan Manual Data Parametrik Independen k = 2 Statistik Deskriprif-Mean (Nilai Rata-Rata) Mean ( x ) jumlah kyai = nfxni=1 =308510

= 283.6667 Mean ( x ) jumlah ustadz = nfxni=1 =3019854

=661.8 Analisa : Dariperhitunganmanualini,hasilyangdiperolehsamadenganhasildari ExcelmaupunSPSSyaitumeanuntukjumlahkyaiadalah283.6667 sedangkan untuk jumlah ustadzadalah 661.8.-Error standard of meanUntukmenghitungerrorstandardofmeandengancaramembagistandard deviation(standardeviasi)denganakarn.Errorstandardofmeanuntuk jumlah kyaiadalah n = 30147.6121 = 26.95016 dan Error standard of mean untuk besar gaji tahu 1993adalah n = 30408.91643 = 74.65758. Analisa : Dariperhitunganmanualini,hasilyangdiperolehsamadenganhasildari ExcelmaupunSPSSyaituerrorstandard ofmean untukjumlahkyaiadalah 26.95016 sedangkan untuk jumlah ustadz adalah 74.65758. -Median (Nilai Tengah) Median terletak pada tengahsuatu data. Karena jumlah data adalah 30, maka median dapat dicari dengan membagi dua jumlah nilai ke-15 dan 16 dari data yang sudah diurutkan. ~kyai= x n 2 / ) 1 ( + =2285 252 + =268.5 ~ ustadz= x n 2 / ) 1 ( + =2615 588+ =601.5 Analisa : Dariperhitunganmanualini,hasilyangdiperolehsamadenganhasildari Excel maupun SPSS yaitu median untuk jumlah kyai adalah 268.5 sedangkan untuk jumlah ustadz adalah 601.5. -Mode/Modus (Nilai yang sering muncul) Modusnilaiyangseringmunculdarike-30datayangada.untuknilaiyang seringmunculdalamdatajumlahkyaiadalah365danjumlahustadzadalah 14a. Analisa : Dariperhitunganmanualini,hasilyangdiperolehsamadenganhasildari ExcelmaupunSPSSyaitumode/modusuntukjumlahkyaiadalah365dan jumlah ustadz adalah 14a. -Standard Deviation/Standar Deviasi (Simpangan baku) Standar deviasi jumlah kyai ( )112==ninixx =147.61210 Standar deviasi jumlah ustadz ( )112==ninixx =408.91643 Analisa : Dari perhitungan manualini, hasilyang diperoleh sama dengan hasil dari ExcelmaupunSPSSyaituStandardDeviation/StandarDeviasiuntuk jumlahkyaiadalah147.61210sedangkanuntukjumlahustadzadalah 408.91643.-Variance/Varians (Simpangan rata-rata kuadrat) Varians jumlah kyai ( )1122==ninixx =21789.333 Varians jumlah ustadz ( )1122==ninixx =167212.648 Analisa : Dariperhitunganmanualini,hasilyangdiperolehsamadenganhasildari ExcelmaupunSPSSyaituVariance/Variansuntukjumlahkyaiadalah 21789.333 sedangkan untuk jumlah ustadz adalah 167212.648.-Kurtosis (tingkat kepuncakan dari sebuah distribusi) Kurtosis jumlah kyai 424( 1)( 1)( 2)( 3) ( 2)( 3)3( 1) n ni xfn n n n nn x + = ` ) | | |\ . = ) 27 )( 28 () 29 ( 3) 49646393 , 7 5 () 27 )( 28 )( 29 () 31 ( 302)` ={ } 337 , 3 ) 49646393 , 7 5 )( 04242 , 0 ( = -0.898 Kurtosis jumlah ustadz 424( 1)( 1)( 2)( 3) ( 2)( 3)3( 1) n ni xfn n n n nn x + = ` ) | | |\ . = ) 27 )( 28 () 29 ( 3) 6426214 . 97 1 () 27 )( 28 )( 29 () 31 ( 302)` ={ } 337 , 3 ) 6426214 . 97 1 )( 04242 , 0 ( = 5.074 Analisa : Dariperhitunganmanualini,hasilyangdiperolehsamadenganhasildari Excel maupun SPSS yaitu koefisien kurtosis untuk besar jumlah kyai adalah -0.898 sedangkan untuk jumlah ustadz adalah 5.047.-Skewness (Tingkat kemencengan suatu data yang telah dihitung) Skewness jumlah kyai 3( 1)( 2)Kni xfn nxs= | | |\ . =) 4616 . 1 () 28 )( 29 (30 =0 .054 Skewness jumlah ustadz 3( 1)( 2)Kni xfn nxs= | | |\ . =) 6044 . 3 4 () 28 )( 29 (30 =1.611 Analisa : Dariperhitunganmanualini,hasilyangdiperolehsamadenganhasildari Excel maupun SPSS yaitu koefisien skewness untuk jumlah kyai adalah 0.054 sedangkan untuk jumlah ustadz adalah 1.611.-Maximum/Maksimum (Nilai tertinggi dari suatu data) Nilai maksimum jumlah kyai = 574 Nilai maksimum jumlah ustadz = 2160 HasilinisamadengannilaimaksimumdatayangdidapatdarioutputExcel maupun SPSS. -Minimum/Minimum (Nilai terendah dari suatu data) Nilai minimum jumlah kyai= 13 Nilai minimum jumlah ustadz= 14 HasilinisamadengannilaiminimumdatayangdidapatdarioutputExcel maupun SPSS. -Range (Jangkauan data) Rangejumlah kyai = maksimum - minimum = 274 - 13 = 561 Rangejumlah ustadz= maksimum - minimum = 2160 - 14 = 2146 Hasilinisamadenganrange/jangkauandatayangdidapatdarioutputExcel maupun SPSS. -Sum (Jumlah data) Jumlah kyai= 8510 Jumlah ustadz= 19854 Hasilinisamadengansum/jumlahdatayangdidapatdarioutputExcel maupun SPSS. -Count(Jumlah pengamatan) Jumlah pengamatan kyai= 30 Jumlah pengamatan ustadz= 30 Hasilinisamadengancount/jumlahpengamatanyangdidapatdarioutput Excel maupun SPSS. -Percentile (fraktil yang membagi seperangkat data yang telah terurut menjadi seratus bagian yang sama) Pk =nilai ke ( )1001 + n k dengan nilai n = 30 dari rumus diatas maka didapat Percentile jumlah kyai =P10nilai ke 3,1 = ( )x x x 3 4 31 , 0 += 70 + 0,1(97-70) = 72.7 =P20nilai ke 6,2 = ( )x x x 6 7 62 , 0 += 156 + 0,2(167-156) = 158.2 =P25nilai ke 7,75 = ( )x x x 7 8 725 , 0 += 167 + 0,25(172-167) = 168.25 =P30nilai ke 9,3 = ( )x x x 9 10 93 , 0 += 187 + 0,3(204-187) = 192.1 =P40nilai ke 12,4 = ( )x x x 12 13 124 , 0 += 210+ 0,4(226-210) = 216.4 =P50nilai ke 15,5 = ( )x x x 15 16 155 , 0 += 252 + 0,5(285-252) = 268.5 =P60nilai ke 18,6 = ( )x x x 18 19 186 , 0 += 330 + 0,6(350-330) = 342 =P70nilai ke 21,7 = ( )x x x 21 22 217 , 0 += 365 + 0,7(365-365) = 365 =P75nilai ke 23,25 = ( )x x x 23 24 2375 , 0 += 417 + 0,75(422-417) = 420.75 =P80nilai ke 24,8 = ( )x x x 24 25 248 , 0 += 422 + 0,8(429-422) = 427.6 =P90nilai ke 27,9 = ( )x x x 27 28 279 , 0 += 485 + 0,9(487-485)= 486.8 Percentile jumlah ustadz =P10nilai ke 3,1 = ( )x x x 3 4 31 , 0 += 196 + 0,1(228-196) = 199.2 =P20nilai ke 6,2 = ( )x x x 6 7 62 , 0 += 380 + 0,2(397-380) = 383.3 =P25nilai ke 7,75 = ( )x x x 7 8 725 , 0 += 397 + 0,25(414-397) = 401.25 =P30nilai ke 9,3 = ( )x x x 9 10 93 , 0 += 426 + 0,3(446-426) = 432 =P40nilai ke 12,4 = ( )x x x 12 13 124 , 0 += 527+ 0,4(553-527) = 537.4 =P50nilai ke 15,5 = ( )x x x 15 16 155 , 0 + = 588 + 0,5(615-588) = 601.5 =P60nilai ke 18,6 = ( )x x x 18 19 186 , 0 += 700 + 0,6(715-700) = 709 =P70nilai ke 21,7 = ( )x x x 21 22 217 , 0 += 729 + 0,7(763-729) = 752.8 =P75nilai ke 23,25 = ( )x x x 23 24 2375 , 0 += 963 + 0,75(987-963) = 981 =P80nilai ke 24,8 = ( )x x x 24 25 248 , 0 += 987 + 0,8(1004-987) = 1000.6 =P90nilai ke 27,9 = ( )x x x 27 28 279 , 0 += 1030 + 0,9(1094-1030) = 1087.6 Hasilinisamadengancount/jumlahpengamatanyangdidapatdarioutput Excel maupun SPSS. 5.2.1.4 Perhitungan anova ManualPerhitungan anova Manual1. H0 = 2 1 =2. H1 = Paling sedikit 2 rataan tidak sama 3.05 , 0 = 4. Daerah Kritis : f hitung > f tabel V1= k-1 = 2-1 = 1 V2= k (n-1) = 2 (30-1) = 58 Karenaftabeldenganderajatkebebasan1,58tidakterdapatdatabelL6maka dilakukan interpolasi : X = 4,008 5. PerhitunganTabel 5.6 Perhitungan Anova Manual NoY1Y2jumlah jumlah 2 1 44296314051974025 2 209397606367236 3 252414666443556 4 330228558311364 5 167380547299209 6 41776311801392400 7 42265410761157776 8 235700935874225 9 210718928861184 10 9719629385849 11 58615673452929 12 7017224258564 13 114242356126736 14 35072910791164241 15 485426911829921 16 156527683466489 17 4291.03014592128681 18 36598713521827904 19 49658810841175056 20 3642.16025246370576 40 6058 6008 , 4 00 , 400 , 4= x 21 5741.09616702788900 22 28571510001000000 23 365571936876096 24 3291.00713361784896 25 2041.00412081459264 26 226553779606841 27 187465652425104 28 172446618381924 29 4871.09415812499561 30 131427729 Total851019854 28364 34191236

NoY1 kuadratY2 kuadratjumlah 1 1953649273691122733 2 43681157609201290 3 63504171396234900 4 10890051984160884 5 27889144400172289 6 173889582169756058 7 178084427716605800 8 55225490000545225 9 44100515524559624 10 94093841647825 11 3364378225381589 12 49002958434484 13 129965856471560 14 122500531441653941 15 235225181476416701 16 24336277729302065 17 18404110609001244941 18 1332259741691107394 19 246016345744591760 20 13249646656004798096 21 32947612012161530692 22 81225511225592450 23 133225326041459266 24 10824110140491122290 25 4161610080161049632 26 51076305809356885 27 34969216225251194 28 29584198916228500 29 23716911968361434005 30 169196365 total 304589417988544 21034438 Faktor korelasi= nkT2 = 2 30(28364)2 = 13408608 221 1..k niji jTJKT ynk= == = 60(28364)210344382=7625830 221...kiiTTJKAn nk== =60(28364)3008 3,94E 724201002+ +

=2144772 JKG = JKT JKA = 7625830-2144772 = 5481057 121=kJKAS 1 22144772== 2144772 ) 1 (22=n kJKGS ) 1 30 ( 25481057== 94500,99 Fhitung =22,6957694500,9921447722221= =ss P= P[F[k-1,k(n-1)]>f] =P[22,69576[2-1,k(30-1)]>4.008] = 1.31x10-5 Tabel 5.7 Perhitungan ManualUji AnovaData Parametrik dengan k=2 Independen Sumber Variasi Jml. Kuadrat Derajat kebebasan Rataan Kuadrat F Hitungan Nilai PF Kritis Perlakuan JKA=2144772 k-1=1 121=kJKAS = 2144772 2221SS =22,69576 1.31x 10-54,008 Galat JKG=5481057 k(n-1) = 58) 1 (2=n kJKAS =94500,99 TotalJKT=7625830n(k-1) = 59 Keterangan tabel 5.7: -JKTadalahjumlahkuadrattotal,yaitudidapatkanangka7625830.Dimana derajat kebebasannya adalah 59 -JKA adalah jumlah kuadarat perlakuan, yaitu didapatkan angka 2144772. -JKGadalahjumlahkuadratgalat,yaitudidapatkanangka5481057.Dengan derajat kebebasan 58. -Didapatkan nilai F hitungan adalah 22,69576 6. Keputusan : TolakHo karena Fhitung > FCrit yaitu 22,69576> 4,008. 7. Kesimpulan :Bahwa selisih rata-rata jumlah kyai pada tahun 2004dan jumlah ustadz pada tahun 2004 tidak sama sama secara signifikan -Perbandingan excel dengan perhitungan manual Tabel 5.8 Perbandingan excel dengan perhitungan manual kyai Jumlak kyai excelPerhitungan manual Mean283.6667 283.6667 Std. Error of Mean26.95016 26.95016 Median268.5000 268.5 Mode365.00 365 Std. Deviation147.61210 147.6121 Variance21789.333 21789.33 Skewness.054 0.054 Std. Error of Skewness.427 .427 Kurtosis-.898 -0.898 Std. Error of Kurtosis.833 .833 Range561.00 561 Minimum13.00 13 Maximum574.00 574 Sum8510.00 8510 Percentiles1072.7000 72.7 20158.2000 158.2 25170.7500 170.75 30192.1000 192.1 40216.4000 218.4 50268.5000 268.5 60342.0000 342 70365.0000 365 75418.2500 418.25 80427.6000 427.6 90486.8000 486.8 Tabel 5.9 Perbandingan excel dengan perhitungan manual ustadz Jumlah ustadz excelPerhitungan manual Mean661.8000 661.8 Std. Error of Mean74.65758 74.65758 Median601.5000 601.5 Mode14.00(a) 14 Std. Deviation408.91643 408.91643 Variance167212.648 167212.648 Skewness1.611 1.611 Std. Error of Skewness.427 .427 Kurtosis5.074 5.074 Std. Error of Kurtosis.833 .833 Range2146.00 2148 Minimum14.00 14 Maximum2160.00 2160 Sum19854.00 19854 Percentiles10199.2000 199.2 20383.4000 383.4 25409.7500 409.75 30432.0000 432 40537.4000 537.4 50601.5000 601.5 60709.0000 709 70752.8000 752.8 75969.0000 969 801000.6000 1000.6 901087.6000 1087.6 5.2.2 Analisa Statistik Parametrik Independen k > 2 5.2.2.1 Output Excela.Statistik DeskriptifTabel 5.10 Statistika Deskriptif Parametrik k>2 Tahun_I Tahun_IITahun_III M ean591.1M ean586.0333333M ean511.6667 St andar d Er r or 96.59452St andar d Er r or 70.62350368St andar d Er r or 54. 26415 M edi an396.5M edi an484. 5M edi an460.5 M ode305M ode#N/ AM ode314 St andar d Devi at i on529.07St andar d Devi at i on386.8208606St andar d Devi at i on297.217 Sampl e Var i ance279915.1Sampl e Var i ance149630.3782Sampl e Var i ance88337. 95 Kur t osi s5. 221323Kur t osi s4.72060158Kur t osi s3.794255 Skew ness2. 126618Skew ness1.759399121Skew ness1.492342 Range2451Range1888Range1441 M i ni mum64M i ni mum99M i ni mum109 M axi mum2515M axi mum1987M axi mum1550 Sum17733Sum17581Sum15350 Count 30Count 30Count 30 Keterangan Tabel : -TabelStatistikDeskriptifiniterdiridari3kolomkarenaterdiridari3 variabel yaitu jumlah jamaah haji tahun 2001(tahun I), tahun 2002(tahun II) dan tahun 2003(tahun III). -Baris1yaituMeanadalahrata-ratadariseluruhdatapengamatan,untuk column1nilainya591.1,Column2nilainya586.0333333dancolomn3 nilainya511.6667. -Baris2yaituStandardErrordigunakanuntukmemperkirakanbesarnya rata-ratadaridatapengamatanyangdiperkirakandarisebuahsampel. UntukColumn1standarterrornya96.59452,column2standarterrornya 70.62350368 dan column 3 nilainya 54. 26415. -Baris3yaituMedianadalahnilaitengahdiperolehdenganmembagidua sama besar data yang telah diurutkan. Median untuk Column 1 adalah 396.5 dan column 2 adalah 484.5 dan untuk column 3 yaitu 460.5. -Baris4yaituModeadalahnilai/datayangseringmuncul.Padakolom1 modenya adalah 305 .Pada kolom 3 adalah 314. -Baris5yaituStandardDeviationataustandardeviasidigunakanuntuk menilaidispersirata-ratadarisampel.Standardeviasiuntukkolom1 sebesar529.07;kolom2sebesar386.8208606dankolom3sebesar 297.217. -Baris 6 yaitu Sample Variance adalah variansi dari sampel, untuk Column 1 besarnya 279915.1 untuk kolom 2 sebesar 149630.3782 dan untuk kolom 3 yaitu 88337.95. -Baris7yaituKurtosisadalahderajatkepuncakandarisuatudistribusi, biasanyadiambilsecararelatifterhadapsuatudistribusinormal,besarnya kurtosisuntukColumn1adalah5.221323untukkolom2adalah 4.72060158 sedangkan untuk kolom 3 yaitu 3.794255. -Baris8yaituSkewnessadalahderajatketaksimetrisan,ataukejauhandari simetridarisuatudistribusi,besarnyaskewnessdarikolom1adalah 2.126618untukcolumn2adalah1.759399121sedangkanuntukkolom3 yaitu 1.492342. -Baris9yaituRangeataujangkauandidapatdenganmengurangkandata maksimundengandataminimum.RangeuntukColumn1adalah2451; untuk Column 2 adalah 1888 dan untuk column 3 yaitu 1441. -Baris 10yaitu Minimum adalahnilai minimum. Padacolumn 1 sebesar 64 dan pada column 2 sebesar 99 sedangkan untuk column 3 yaitu 109. -Baris11yaituMaximumadalahnilaimaksimumpadaColumn1sebesar 2515danpadacolumn2sebesar1987sedangkannilaimaksimumpada column ke3 yaitu sebesar 1550. -Baris12yaituSumadalahjumlahseluruhdatapengamatandikalikan frekuensi untuk tiap variabel. Pada column 1 sebesar 17733 sedang Column 2 sebesar 17581 sedangkan nilai Sum pada column 3 yaitu sebesar 15350. -Baris13yaitu Countmerupakanjumlahpengamatanyangdilakukanyaitu baik Column 1, 2 dan 3 sama-sama berjumlah 30 pengamatan. b. Uji Anova Analisa Tabel Tabel 5.11 Output Anova (a) SUM M ARY Gr oupsCount SumAver ageVar i ance t ahun_I 3017733591.1279915.1 t ahun_II 3017581586.0333149630.4 t ahun_II I3015350511.666788337.95 Keterangan tabel : -Dari tabel Anova Single Factor pada kolom groups terdapat tiga baris yaitu column 1, column 2, dan column 3, halini menunjukkan bahwa datayang digunakanterdiridari3variabel.Column1menunjukkkanbahwadata yangdiambilberasaldarikolom1yaitujumlahjamaahhajimenurut kabupaten/kotadiJawaTengahuntuktahun2001,column2 menunjukkkanbahwadatadiambildarikolom2 yaitujumlahjamaahhaji menurutkabupaten/kotadiJawaTengahntuktahun2002dancolumn ketiga menunjukkan bahwa data diambil dari kolom 3 yaitu jumlah jamaah haji menurut kabupaten / kota di Jawa Tengah untuk tahun 2003. -Kolomke2yaituCountmenunjukkanjumlahdatapengamatanyaitu30 untuk tiap variabelnya.-Kolom3yaituSummenunjukkanjumlahseluruhdatauntuktiap variabelnyadikalikanfrekuensi,variabel1jumlahnya17733sedang variabel 2 jumlahnya 17581 dan variabel 3 jumlahnya 15350. -Kolom4yaituAverageataurata-ratadarikeseluruhandatatiapvariabel. NilaiinidiperolehdariSumdibagiCount,variabel1nilainya591.1, variabel 2 nilainya 586.0333 dan variabel 3 nilainya 511.6667.-Kolom5yaituVariancemenunjukkanvariansidata,untukvariabel1 nilainya279915.1,untukvariabel2nilainya149630.4danvariabel3 nilainya 88337.95. Tabel 5.11 Output Anova (b) ANOVA Sour ce ofVar i at i onSSdf M SFP-val ueF cr i tBet w een Gr oups118657. 3259328.630.3436790.7101153. 101296 Wi t hi n Gr oups1501861887172627.8 Tot al 1513727689 Keteranganable -PadatabelAnovaterdapat7kolomdan3baris.Barispertamaadalah betweengroups,bariskeduaadalahwithingroupsdanbarisketigaadalah total dari baris pertama dan kedua. -Kolom1adalahSourceof Variationyaitusumbervariasiyangterdiridari between dan within groups serta jumlah dari keduanya. -Kolom2adalahSSataujumlahkuadrat,untukbarispertamaatau Perlakuan mempunyai nilai SS sebesar 118657.3 dan untuk baris kedua atau GalatmempunyaiSSsebesar15018618sedangkantotalnya15137276. Untuk mencari jumlah kuadrat dari regresi dapat dihitung dengan rumus := = =kinjijnkTy JKT1 12.. 2 nkTnTJKAkii 2.. 12 = = JKA JKT JKG = Dimana T adalah Total seluruh demand untuk tiga tahun (2001, 2002, dan 2003).-Kolom 3 yaitu df atau derajat kebebasan, untuk baris pertama nilainya 2(k-1 = 3-1 = 2)sedangkan baris kedua nilai nilainya 87 {k (n-1) = 3x29 = 78) danbarisketigamerupakantotalnya89(87+2)ataun(k-1)=89.Kdisini berjumlah 3 yang menunjukkan ada 3 macam perlakuan. -Kolom4adalahMSataurataankuadratuntukbarispertama(Perlakuan) nilai MS-nya 59328.63sedangkan bariskedua (galat) 172627.8atau dengan caramembagiJKperlakuandengandfperlakuanuntukMSperlakuan,sedangkan MS galat adalah JKgalat dibagi dfgalat. -Kolom5yaituFhitung,untukbarispertamadidapatnilainya0.343679atau dengan membagi MS perlakuan dengan MS galat. -Kolom6yaituPvalueatauprobabilitasdannilaiyangdidapatuntukbaris pertamaadalah0. 710115.Dapatdigunakanuntukmenentukankeputusan atasujihipotesayaitudenganmembandingkanPvaluedenganderajat keberartiannya. -Kolom 7 adalah Fcritical atau Ftabel hasil yang didapat untuk Perlakuan adalah 3. 101296,dapatpuladigunakanuntukmenentukankeputusanatasuji hipotesa yang dilakukan, dengan membandingkan Ftabel dan Fhitung. Besarnya Fcrit dapat dilihat dari interpolasi padaable L.6 Walpole. Pengujian : 1.Ho :1 = 2 =3 2.H1:ketiga rataan tidak semua sama 3.o:0,05 4.Daerah Kritis:Fhitung > Ftabel P < = P < 0,05 5.Perhitungan: (lihat tabel 5.10) Fhitung =F= 0.343679 Ftabel =F crit = 3.101296 P=P-value=0.710115 6.Keputusan :Tolak H0 , karena-Berdasarkan nilai F, Fhitung > Ftabel = 0.343679 < 3.101296 Ter i ma Ho, kar ena -Berdasarkan nilai P (probabilitas), P > =0.710115 > 0,05 7.Kesimpulan:Rata-rata jemaah haji tiap tahunnya tidak sama. 5.2.2.2 Output SPSS Parametrik Independen k > 2 Analisa Histogram -Tahun 2001 0.00 500.00 1000.00 1500.00 2000.00 2500.00 3000.00Tahun_I02468101214FrequencyMean = 591.10Std. Dev. = 529.06999N = 30Tahun_I Gambar 5.4 Jumlah jemaah haji tahun 2001 Padakolom1denganjumlah17733danjumlahpengamatan30maka didapat rata-rata 591.1; median 396.5; standar deviasi 529.07; dan variansi sebesar 279915.1.Darigrafikdiatasterlihatbahwabatanghistogramberbentukkurva normal.Halinidapatmenunjukkanbahwadatamengenaijumlahjamaahhaji menurut kabupaten / kota di Jawa Tengah ini merupakan data berdistribusi normal atau lebih condong mendekati kurva normal. -Tahun 2002 0.00 500.00 1000.00 1500.00 2000.00Tahun_II024681012FrequencyMean = 586.0333Std. Dev. = 386.82086N = 30Tahun_II Gambar 5.5 Jumlah jemaah haji tahun 2002 Padakolom1denganjumlahdemand17581danjumlahpengamatan30 makadidapatrata-rata586.0333333;median484.5;standardeviasi386.8208606; danvariansisebesar149630.3782.Darigrafikdiatasterlihatbahwabatang histogramberbentukkurvanormal.Halinidapatmenunjukkanbahwadata mengenaijumlahjamaahhajimenurutkabupaten/kotadiJawaTengahini merupakan data berdistribusi normal atau lebih condong mendekati kurva normal.-Tahun 2003 0.00 500.00 1000.00 1500.00 2000.00Tahun_III0246810FrequencyMean = 511.6667Std. Dev. = 297.21702N = 30Tahun_III Gambar 5.6 Jumlah jemaah haji tahun 2003 Padacolumn3denganjumlahdemand15350danjumlahpengamatan30 makadidapatrata-rata511.6667;median460.5;standardeviasi297.217;dan variansisebesar88337.95.Darigrafikdiatasterlihatbahwabatanghistogram memilikikemiripanbentukdengankurvanormal.Halinidapatmenunjukkan bahwadatamengenaijumlahjamaahhajimenurutkabupaten/kotadiJawa Tengahinimerupakandataberdistribusinormalataulebihcondongmendekati kurva normal. 5.3 Analisa Statistik Non Parametrik 5.3.1Analisa Statistik Non Parametrik Independen k = 2 5.3.1.1 Output SPSS a.Statistik Deskriptif Tabel 5.12Deskriptif Statistik Pengaruh Jenis kelamin terhadap aktualisasi diri Descriptive Statistics NMeanStd. DeviationMinimumMaximum Percentiles 25th50th (Median)75th gadget 501,56001,013381,005,001,00001,00002,0000 jenis_kelamin 501,5000,505081,002,001,00001,50002,0000 Tabel 5.10 Statistik Deskriptifuntuk Data Non Parametrik Independen k = 2 Keterangan Tabel : -Padakolompertamamenunjukkanvariabelyangdigunakanyaitudata jenis kelamin dan gadget -Kolom kedua menunjukkan banyaknya data untuk kedua keadaan tersebut sejumlah masing-masing 50 data.-Kolomketigamenunjukkannilairata-rata.Untukdatagadgetadalah 1,560 dan untuk data jenis kelamin1,50 -Kolomkeempatmenunjukkannilaistandardeviasi.Untukdatagadget adalah 1,01338, dan untuk data jenis kelamin adalah 0,50508. -Kolom kelima menunjukkan nilai minimum. Untuk data gadget adalah 1,0 dan untuk data jenis kelamin adalah 5,0 -Kolomkeenammenunjukkannilaimaksimum.Untukdatagadgetadalah 5,0 dan untuk data jenis kelamin adalah 2,0. -Kolom keenam menunjukkan persentil 25,50, dan 75. -Uji Mann-Whitney Tabel 5.13 Output Mann-Whitney Test Pengaruh Jenis kelamin terhadap aktualisasi diriRanks jenis_kelaminNMean RankSum of Ranks gadgetlaki-laki 2527,82695,50 perempuan 2523,18579,50 Total 50 Keterangan Tabel : -KolomNpadatabelranksdiatasadalahjumlahsampelperkelompok. DaritabelujiMann-Whitney diatasterlihatbahwauntukjumlahdata(N) laki-laki = 25, perempuan= 25. Jadi, jumlah total keseluruhan dari data = 50. -Mean rank yaitu rata-rata rank, untuk laki-laki nilainya 27,82 dan untuk perempuannilainya 23,18. -Sum of rank yaitu jumlah rank-nya, untuk laki-laki nilainya 695,50 dan untuk perempuan nilainya 579,50 Test Statistics(a) Test Statistics(a) gadget Mann-Whitney U 254,500 Wilcoxon W 579,500 Z -1,365 Asymp. Sig. (2-tailed) ,172 aGrouping Variable: jenis_kelamin Keterangan Tabel : Tabel test statistic uji Mann-Whitney terdiri dari 4 baris. Baris1yaituMann-WhitneyUataustatistikhitungMann-Whitney nilainya adalah 254,500. Baris2yaituWilcoxonWataustatistikhitungWilcoxonnilainyaadalah 579,500 Baris3yaituMann-WhitneyZataunilaiZuntukmelakukanujiMann-Whitney nilainya -1,365 Baris 4 yaitu asymp. Sig. (2-tailed)/asymptotic significance atau peluang untuk uji 2 sisi adalah ,172 Pengujian : 1.Ho:1=2

2.H1 : 1= 2 3.o: 0,05 4.Daerah kritis:P < o= P < 0,05 5.Perhitungan : (lihat tabel 5.14) P = asymp. Sig. (2-tailed) = 0,172 6.Keputusan :TerimaHo,karenaberdasarkannilaiP(probabilitas),P>o =0,172 >0,05 7.Kesimpulan:rataanuntukjumlahgadgetdanjeniskelaminpenduduk sama. - Uji Moses Tabel 4.14 Output Moses Test Pengaruh Jenis kelamin terhadap aktualisasi diri Frequencies Frequencies jenis_kelaminN gadgetlaki-laki (Control) 25 perempuan (Experimental) 25 Total 50 Keterangan Tabel : -Tabel uji moses diatas terdiri dari 3 baris. -Dari kolom N pada tabel uji moses diatas terlihat bahwa untuk jumlah data (N)laki-lakiberjumlah25,danperempuanberjumlah25.Jadi,jumlah total keseluruhan dari data adalah 50. Test Statistics(a,b) Test Statistics(a,b) gadget Observed Control Group Span

33 Sig. (1-tailed) ,000 Trimmed Control Group Span

33 Sig. (1-tailed) ,000 Outliers Trimmed from each End 1 aMoses Test bGrouping Variable: jenis_kelamin Keterangan Tabel : Tabel test statistic uji Moses diatas terdiri dari 5 baris. Baris1yaituObservedControlyaitujumlahpengamatanawal,nilainya adalah 33. Baris2yaituGroup Span Sig.(1-tailed)yaituprobabilitasuntukujisatu sisi sejumlah data pada baris 1, nilainya 0,000 Baris3yaituTrimmedControladalahjumlahdatapengamatanyang beradapadarentanggrupkendali,yaitujumlahpengamatandikurangi data-data ekstrim di grup percobaan. Baris4yaituGroup Span Sig.(1-tailed)yaituprobabilitasuntukujisatu sisi sejumlah data pada baris 3, nilainya ,000. Baris5yaituOutliersTrimmedfromeachEndyaitujumlahdatayang berada di luar rentang grup kendali dari tiap-tiap sisi. Pengujian : 1.Ho:s1 - s2= 02.H1:s1 - s2 =0 3.o :0,05 4.Daerah kritis :P < o= P < 0,05 5.Perhitungan:(lihat tabel 5.13) P =Group Span Sig. (1-tailed) =0,000 6.Keputusan :Tolak Ho, karena berdasarkan nilai probabilitas, P < o=0,000 < 0,05 7.Kesimpulan:selisihantarastandardeviasiuntukjumlahpenduduklaki-laki dan perempuan tidak sama -Uji Kolmogorof Smirnov Tabel 4.1 4 Output Kolmogorov-Smirnov Test Pengaruh Jenis kelamin terhadap aktualisasi diri Frequencies

jenis_kelaminN gadgetlaki-laki 25 perempuan 25 Total 50 Test Statistics(a) Keterangan Tabel : -DarikolomNpadatabelujikolmogorof-Smirnovdiatasterlihatbahwa untukjumlahdata(N)laki-laki=25,perempuan=25.Jadi,jumlahtotal keseluruhan dari data = 50. Test Statistics(a) gadget Most Extreme Differences Absolute ,160 Positive ,000 Negative -,160 Kolmogorov-Smirnov Z ,566 Asymp. Sig. (2-tailed) ,906 aGrouping Variable: jenis_kelamin Keterangan Tabel : Tabel test statistic uji kolmogorof-smirnov diatas terdiri dari 5 baris. Baris1yaituMostExtremeAbsoluteataunilai-nilaiabsolutyangpaling ekstrim, nilainya 0,160. Baris2yaituDifferencespositivenilainya,000artinyanilaibeda-beda positifnya ,000. Baris 3yaitu Differences negative nilainya -0,160 artinyanilai beda-beda negatifnya -,160. Baris 4yaitu Kolmogorov-Smirnov Z nilainya 0,566 artinyanilai Z untuk uji kolmogorof-Smirnov adalah 0,566 Baris5yaituasymp.Sig.(2-tailed)/asymptoticsignificanceataupeluang untuk uji 2 sisi adalah 0,906 Pengujian : 1.Ho:1=2

2.H1 : 1= 2 3.o : 0,05 4.Daerah kritis:P < o= P < 0,056.Perhitungan:(lihat tabel 5.18) P = asymp. Sig. (2-tailed) =0,906 7.Keputusan :Tolak Ho, karena berdasarkan nilai P (probabilitas), P > o=0,906 >0,058.Kesimpulan: rataan untuk laki-laki dan perempuan sama. 5.3.1.2 Output Minitab Mann-Whitney Test and CI: laki_laki; perempuan laki_lak N =25 Median = 1,000 perempua N =25 Median = 1,000 Point estimate for ETA1-ETA2 is 0,000 95,2 Percent CI for ETA1-ETA2 is (-0,000;1,000) W = 695,5 Test of ETA1 = ETA2vsETA1 not = ETA2 is significant at 0,2646 The test is significant at 0,1759 (adjusted for ties) Cannot reject at alpha = 0,05 Keterangan : Output menunjukkan banyak data adalah 25. Median laki-laki adalah 1 dan perempuan adalah 1 Nilai taksirannya sebesar 0,000. P-value Uji mann-Whitney adalah 0.1759 Pengujian : 1.Ho:Rataan jumlah gadget sama dengan rataan jumlah jenis kelamin. 2.H1 : Rataan jumlah gadget tidak sama dengan rataan jumlah jenis kelamin 3.o: 0,05 4.Daerah penolakan:P-value o= 0,1759 >0,05 7.Kesimpulan: rataan untuk jumlah gadget dan jenis kelamin sama. 5.3.2Analisa Statistik Non Parametrik Independen k > 2 5.3.2.1 Output SPSS a. Statistik Deskriptif Tabel 5.15 Descriptive Statistics untuk Data Non Parametrik K > 2 Descriptive Statistics NMinimumMaximumMeanStd. Deviation Gol_darah 751,003,002,0000,82199 Cara_belajar 751,003,001,8667,82746 Keterangan Tabel : -Padakolompertamamenunjukkanvariabelyangdigunakangolongan darah dan cara belajar -Kolomkeduamenunjukkanbanyaknyadatayaituuntukkeduakeadaan tersebut adalah sama yaitu 75 data. -Kolom ketiga menunjukkan nilai rata-rata. Untuk golongan darah adalah 2,000, sedangkan untuk cara belajar adalah 1,8667 -Kolomkeempatmenunjukkannilaistandardeviasi.Untukgolongan darah adalah 0,82199, sedangkan untuk cara belajar adalah 0,82746 -Kolom kelima menunjukkannilai minimumyaitu untukgolongan darah adalah 1,00, sedangkan untuk cara belajar adalah 1,00. -Kolomkeenammenunjukkannilaimaksimumyaituuntukgolongan darah adalah 3,00, sedangkan untuk cara belajar adalah 3,00. b.Uji Kruskal - Wallis Tabel 5.16 Output Kruskal Wallis Test Pengaruh Golongan Darah Terhadap Cara Belajar Ranks Gol_darahNMean Rank Cara_belajarA 2536,40 B 2537,28 O 2540,32 Total 75 Keterangan Tabel : Tabelujikruskalwallisterdiridari2kolomyaituNartinyajumlahdata dan Mean Ranks artinya beda nilai rata-rata. Kolom 1 yaitu N berarti jumlah data terdiri dari golongan darah A, B, dan O, dengan jumlah data masing-masing25, dan totalnya 75. Kolom 2 yaitu Mean Ranks atau beda nilai rata-rata untuk golongan darah A = 36.40, golongan darah B = 37.26, dan golongan darah O = 40.32 Test Statistics(b) Cara_belajar N 75 Median 2,0000 Chi-Square ,397(a) Df 2 Asymp. Sig. ,820 a0 cells (,0%) have expected frequencies less than 5. The minimum expected cell frequency is 7,0. bGrouping Variable: Gol_darah Keterangan Tabel : Tabel test statistics uji Kruskal-Wallis terdiri dari 3 baris. Bari