LAPORAN HASIL PRAKTIKUMMATA KULIAH STATISTIKA ILMU SOSIAL

Oleh:Siti Khuswatun KhasanahNIM A1C009060

KEMENTERIAN PENDIDIKAN NASIONALFAKULTAS PERTANIANUNIVERSITAS JENDERAL SOEDIRMANPURWOKERTO2011LEMBAR PENGESAHANPRAKTIKUM STATISTIKA ILMU SOSIAL

Nama: Siti Khuswatun KhasanahNIM: A1C009060

Purwokerto, Juni 2011Menyetujui:Dosen Pengampu Asisten Mahasiswa

Dr. Ir. Suyono, M.S Dawi utami setyoningsihNIP 19590523 198601 1 002 NIM A1C008011

KATA PENGANTARPuji syukur kami panjatkan kehadirat Allah SWT, yang karena limpahan berkah dan karunia-Nya kami dapat menyelesaikan laporan praktikum Statistika Ilmu Sosial ini dengan baik.Laporan praktikum ini disusun dengan maksud untuk memenuhi syarat kelulusan mata kuliah Statistika untuk Ilmu Sosial (AGB 221). Penyusun sampaikan terima kasih pada pihak-pihak yang telah membantu penyusunan Laporan Praktikum Statistik untuk Ilmu Sosial:1. Dosen pembimbing, yang telah membantu dalam praktikum Statistika untuk Ilmu Sosial.2. Asisten Dosen yang dengan sabar membimbing kami dalam praktikum dan mengoreksi laporan Statistika Sosial.3. Semua pihak yang telah membantu tersusunnya laporan praktikum Statistik untuk Ilmu Sosial.Penyusun menyadari keterbatasan isi dan penyajian laporan ini. Oleh karena itu kritik dan saran yang membangun sangat diharapkan dan semoga laporan praktikum ini dapat bermanfaat.Purwokerto, Juni 2011 PenyusunDAFTAR ISIHalamanHALAMAN JUDULiHALAMAN PENGESAHANiiKATA PENGANTARiiiDAFTAR ISIivDAFTAR TABELvDAFTAR LAMPIRANviHASIL DAN PEMBAHASAN1I.Acara I : Uji Binomial1II.Acara II : Uji Mc Nemar1III.Acara III : Uji Mann Whitney1IV. Acara IV : Uji Friedman1V. Acara V : Uji Korelasi Spearman1VI. Acara VI : Uji Korelasi Pearson1VII.Acara VII : Analisis Regresi Berganda1VIII. Acara VIII : Analisis Cluster1LAMPIRAN

DAFTAR TABELTabelHalaman1. Data Pekerjaan2. Binomial Test3. Data Perubahan Minat Anak-Anak terhadap Konsumsi Wortel4. Hasil Perubahan Minat Anak-Anak terhadap Konsumsi Wortel5. Test Statistic6. Sigifikansi adopsi teknologi petani desa dan pinggiran kota7. Ranks8. Test Statistic9. Metode guru mengajar10. Ranks11. Test Statistic12. Data kecantikan wanita dengan sifat sopan13. Correlations14. Pengadaan textbook di perguruan tinggi15. Correlations16. Data Biaya Distribusi, Penjualan, dan Jumlah Pesanan17. Variable Entered18. Model Summary19. Anova20. Coefficients21. Collinearity Diagnostic22. Residuals Statistics23. Data segmentasi pelanggan dengan sikap konsumen24. Anova25. Number of Cases in each Cluster26. Final Cluster Centers

DAFTAR LAMPIRANLampiran1. Output Uji Binomial2. Output Uji Mc Nemar3. Output Uji Mann Whitney4. Output Uji Friedman5. Output Uji Korelasi Spearman6. Output Uji Korelasi Pearson7. Output Analisis Regresi Berganda8. Output Analisis Cluster

0

HASIL DAN PEMBAHASANI. Acara I : Uji BinomialA. TujuanMelatih mahasiswa agar dapat menguji suatu data pada kasus sampel tunggal dengan membandingkan frekuensi observasi dari 2 kategori pada sebuah variabel terhadap frekuensi harapan di bawah dengan parameter probabilitas tertentu.B. SoalPemberian informasi lowongan pekerjaan dilakukan terhadap 20 orang sarjana program studi Agribisnis Universitas Gajah Mada Yogyakarta angkatan 2007. Lowongan pekerjaan yan tersedia adalah karyawan bank Mandiri yang disimbolkan 1 dan Petugas Penyuluh Lapang (PPL) yang diberi simbol 2. Kepada 20 sarjana tersebut diberikan kesempatan untuk pelatihan di bank maupun menjadi PPL selama masing-masing 2 hari. Pada akhir pekan dilakukan kuisioner tentang pekerjaan mana yang akan dipilih. Diduga bahwa sarjana program studi Agribisnis cenderung memilih menjadi karyawan bank Mandiri. Apakah dugaan ini benar, bahwa sarjana program studi Agribisnis cenderung memilih menjadi karyawan bank mandiri?

C. Data

Tabel 1. Data PekerjaanObservasiPekerjaan

11

21

31

41

51

61

71

81

92

102

112

122

132

142

152

162

172

181

191

201

D. HipotesisHo : sarjana program studi Agribisnis memilih menjadi Petugas Penyuluh Lapang (PPL)Ha : sarjana program studi Agribisnis memilih menjadi karyawan bank Mandiri

E. Langkah-Langkah1. Klik menu Analyze pada toolbar, pilih Nonparametric Test kemudian binomial.2. Isikan kedua variabel pada Test Variabel List.3. Pastikan Test Proportion 0.50, dan Define diisi Get From Data.4. Klik OK maka output akan muncul.

F. Output

Tabel 1.2 Binomial TestCategoryNObserved Prop.Test Prop.Exact Sig. (2-tailed)

PekerjaanGroup 1111.55.50.824

Group 229.45

Total201.00

Sumber : Output SPSSG. InterpretasiTampilan output SPSS menunjukkan frekuensi yang memilih pekerjaan menjadi karyawan bank Mandiri ada 11 orang dengan observed prop. 0.55 dan yang memilih pekerjaan menjadi Petugas Penyuluh Lapang (PPL) ada 9 orang dengan observed prop. 0.45. Probabilitas signifikansi 0.824 (2-tailed test). Probabilitas ini lebih besar dari = 0.01. Oleh karena itu dapat disimpulkan bahwa sarjana program studi Agribisnis memilih menjadi Petugas Penyuluh Lapang (PPL).II. Acara II : Uji Mc NemarA. TujuanMelatih mahasiswa agar dapat menguji hipotesis komparatif 2 sampel jika populasi:1. Terdiri atas 2 kelompok klas misalnya sebelum dan sesudah2. Datanya nominal/deskrit.B. SoalAnak-anak umumnya tidak suka wortel. Maka dari itu dibuat olahan baru dari wortel berupa permen wortel dengan harapan anak-anak akan akan mengkonsumsi wortel. Apakah upaya tersebut merubah minat anak-anak untuk mengkonsumsi wortel? Terdapat sebanyak 29 anak yang diamati. Sebanyak 7 tetap mengkonsumsi wortel 13 mulai mengkonsumsi wortel, 8 anak berhenti mengkonsumsi wortel, sedangkan 1 anak tetap tidak mau mengkonsumsi wortel.C. Data Tabel 1. 3 Perubahan Minat Anak-Anak terhadap Konsumsi WortelOBSERVASISEBELUMSESUDAH

11-1

21-1

3-11

4-11

511

611

7-11

8-1-1

9-1-1

1011

1111

1211

13-1-1

141-1

151-1

16-11

17-11

18-1-1

19-1-1

20-11

2111

221-1

23-11

24-11

2511

2611

2711

281-1

291-1

D. HipotesisHo : tidak ada perubahan minat anak-anak untuk mengkonsumsi wortelHa : ada perubahan minat anak-anak untuk mengkonsumsi wortelE. Langkah-Langkah1. Klik menu Analyze pada toolbar, pilih Nonparametric Test kemudian klik 2 related sample.2. Perlakuan sebelum dan sesudah dimasukkan pada Test Pair, kemudian pilih Mc Nemar3. Klik OK maka output akan muncul.

F. Output Tabel 1.4 Hasil Perubahan Minat Anak-Anak terhadap Konsumsi WortelSEBELUMSESUDAH

-11

-158

1610

Sumber : Output SPSSTabel 1.5 Test StatisticSEBELUM & SESUDAH

N29

Exact Sig. (2-tailed).791a

Sumber : Output SPSSG. InterpretasiNilai probabiitas dengan jumlah data 29 adalah 0.791. nilai ini lebih besar dari = 0.05. Oleh karena itu disimpulkan tidak ada perubahan minat anak-anak untuk mengkonsumsi wortel.

III. Acara III : Uji Mann WhitneyA. TujuanMelatih mahasiswa agar dapat menguji dalam kasus sampel ganda independenB. SoalSuatu penelitian bermaksud untuk menguji apakah terdapat perbedaan yang signifikan dalam adobsi teknologi baru dikalangan petani yang ada di pedesaan dengan petani yang tinggal dipinggiran kota. Untuk tujuan tersebut di teliti sebanyak 6 orang petani yang berasal dari pinggiran kota dan 7 orang petani dari daerah pedesaan.C. DataTabel 1.6 signifikansi adobsi teknologi baru petani dipedesaan dengan petani yang tinggal dipinggiran kotaKelompokSkor

065

070

038

042

053

067

140

141

139

170

148

134

160

D. HipotesisHo : tidak ada pebedaan kemampuan dalam mengadobsi teknologi petani pinggiran kota dengan petani didesa.Ha : ada pebedaan kemampuan dalam mengadobsi teknologi petani pinggiran kota dengan petani didesa.E. Langkah-Langkah1. Klik menu Analyze pada toolbar, pilih Nonparametric Test kemudian klik independent sample.2. Skor dimasukkan pada Test Variable List, dan kelompok dimasukkan pada Grouping Variable.3. Pada Define Group, group 1 diisi 0 dan group 2 diisi 1, kemudian pilih Mann Whitney4. Klik OK maka output akan muncul.F. OutputTabel 1.7 RankskelompokNMean RankSum of Ranks

Score068.2549.50

175.9341.50

Total13

Sumber : Output SPSS

Tabel 1.8 Test Statisticscore

Mann-Whitney U13.500

Wilcoxon W41.500

Z-1.073

Asymp. Sig. (2-tailed).283

Exact Sig. [2*(1-tailed Sig.)].295a

Sumber : Output SPSSG. InterpretasiTampilan menunjukkan nilai probabilitas 0.283 lebih besar dari = 0.05. Oleh karena itu disimpulkan bahwa tidak ada pebedaan kemampuan dalam mengadobsi teknologi petani pinggiran kota dengan petani didesa.

IV. Acara : IV Uji FriedmanA. TujuanMelatih mahasiswa agar dapat menguji dalam kasus k sampel berpasangan.B. SoalPenelitian dilakukan untuk menguji efektivitas metode mengajar yang terjadi dari metode I, II & III. Untuk keperluan tersebut diteliti sebanyak 10 orang yang telah melaksanakan pengajaran dengan menggunakan ke metode tersebut.

C. DataTabel 1.9 Metode Guru mengajarGuruIII III

1528030

2707058

3503080

4659060

5756090

6804089

7858078

8282056

9889095

10905079

D. HipotesisHo : tidak terdapat perbedaan efektivitas 3 metode guru mengajarHa : terdapat perbedaan efektivitas 3 metode guru mengajarE. Langkah-Langkah1. Klik menu Analyze pada toolbar, pilih Nonparametric Test kemudian klik K-related sample.2. I, II, III, IV dimasukkan pada Test Variable List, kemudian pilih Friedman3. Klik OK maka output akan muncul.

F. OutputTabel 1.10 RanksMean Rank

Guru12.15

Guru21.75

Guru32.10

Output SPSS

Tabel 1.11 Test StatisticN10

Chi-Square.974

Df2

Asymp. Sig..614

Output SPSS

G. InterpretasiTampilan SPSS menunjukkan nilai probabilitas 0.614 lebih besar dari = 0.05. Oleh karena itu, dapat disimpulkan bahwa tidak ada perbedaan dalam efektivitas metode mengajar I, II & III.

V. Acara V : Korelasi SpearmanA. TujuanMelatih mahasiswa agar dapat menguji hubungan antara variable.B. SoalSurvey dilakukan untuk menguji adakah hubungan yang signifikan kecantikan wanita dengan sifat sopan yang ditunjukan keperluan pengujian diperlukan sebanyak 20 orang wanita.C. DataTabel 1.12 Data kecantikan wanita dengan sifat sopan Subyek Skor cantik Skor sopan

15650

27545

38437

46032

59036

67328

75926

86830

96324

109633

118028

125847

136927

147839

158534

166535

179232

184823

195925

207739

D. HipotesisHo : tidak ada hubungan antara kecantikan wanita dengan sifat sopanHa : ada hubungan antara kecantikan wanita dengan sifat sopanE. Langkah-Langkah1. Klik menu Analyze pada toolbar, pilih Correlate kemudian klik Bivariate2. Klik Variable dan pilih Spearman3. Klik OK maka output akan muncul.F. OutputTabel 1.13 Correlationsscorecantikscoresopan

Spearman's rhoscorecantikCorrelation Coefficient1.000.224

Sig. (2-tailed)..343

N2020

scoresopanCorrelation Coefficient.2241.000

Sig. (2-tailed).343.

N2020

Sumber: Output SPSS

G. InterpretasiTampilan SPSS menunjukkan nilai koefisien korelasi sebesar 0.244 pada tingkat signifikansi 0.343. Sehingga dapat disimpulkan bahwa ada hubungan antara kecantikan wanita dengan kesopanan.

VI. Acara VI : Korelasi Pearson Product MomentA. TujuanMelatih mahasiswa agar dapat menguji hubungan signifikansi antar sampel yang ada.B. SoalSuatu komisi pengadaan textbook suatu perguruan tinggi mengamati hubungan antara jumlah halaman textbook dengan harga textbook tersebut. Dari sampel acak 8 textbook yang berbeda terdapat data excel. Hitung korelasi pearson product moment antara jumlah halaman textbook dengan harga textbook dan ditentukan apakah korelasi tersebut signifikan 0,01 = 1%C. DataTabel 1.14 Pengadaan textbook di perguruan tinggiTextbookJml HalamanHarga

A55070

B40065

C65075

D30055

E50065

F65080

G45060

H60065

D. HipotesisHo : tidak ada hubungan linear yang signifikan antara jumlah halaman textbook dengan harga textbook Ha : ada hubungan antara linear yang signifikan antara jumlah halaman textbook dengan harga textbookE. Langkah-Langkah1. Klik menu Analyze pada toolbar, pilih Correlate kemudian klik Bivariate2. Klik Variable dan pilih Pearson3. Klik OK maka output akan muncul.F. OutputTabel 1.15 CorrelationsJMLHALAMANHARGA

JMLHALAMANPearson Correlation1.870**

Sig. (2-tailed).005

N88

HARGAPearson Correlation.870**1

Sig. (2-tailed).005

N88

Sumber : Output SPSS

G. InterpretasiBerdasarkan tabel korelasi di atas terlihat bahwa korelasi Pearson Product Moment r = 0.870 dan p value 0.005. karena p value 0.005 lebih kecil dari = 0.01 maka H0 ditolak. Dapat disimpulkan bahwa ada hubungan linear yang signifikan antar jumlah textbook dengan harga textbook.

VII. Acara VII : Analisis Regresi bergandaA. TujuanMelatih mahasiswa agar dapat mengetahui pengaruh dua veriabel independen terhadap variable dependen.B. SoalSuatu perusahaan dibidang industry memliki data usia, income sells pearson dan pengalaman kerja sebagai sales. Perusahaan itu ingin membuat model regresi berganda untuk memproduksi income berdasarkan usia dan pengalaman kerja. Tentukan koefisien dari persamaan regresi berganda dan ditentukan apakah koefisien regresi yang diperoleh signifikan? Lakukan pula estimasi income salles untuk seorang sales pearson yang berusia 39 tahun dengan pengalaman kerja 2 tahun pada perusahaan tersebut.

C. Data Tabel 16 Data Biaya Distribusi, Penjualan, dan Jumlah PesananUSIAPengalaman KerjaIncome

35545000

28235000

32433500

27230500

22025000

20327500

25020000

39223500

31330000

22422000

29328000

D. HipotesisHo : tidak ada pengaruh autokorelasi dalam variable usia dengan pengalaman kerjaHa : ada pengaruh autokorelasi dalam variable usia dengan pengalaman kerjaE. Langkah-Langkah1. Klik menu Analyze pada toolbar, pilih regression kemudian klik linier2. Isikan biaya distribusi pada Dependent dan penjualan dan jumlah pesanan pada Independent.3. Pastikan Methode Enter4. Klik Statistic pilih estimate, model fit, collinearity diagnostic dan durbin watson.5. Klik OK maka output akan muncul.

F. OutputTabel 1.17 Variable EnteredModelVariables EnteredVariables RemovedMethod

1PENGALAMANKERJA, USIAa.Enter

Sumber : Ouput SPSS

Tabel 1.18 Model summaryModelRR SquareAdjusted R SquareStd. Error of the EstimateDurbin-Watson

1.652a.425.2815966.478.895

Sumber: Output SPSS

Tabel 1.19 AnovaModelSum of SquaresDfMean SquareFSig.

1Regression2.101E821.051E82.951.110a

Residual2.848E883.560E7

Total4.949E810

Sumber: Output SPSS

Tabel 1.20 CoefficientsModelUnstandardized CoefficientsStandardized CoefficientsTSig.Collinearity Statistics

BStd. ErrorBetaToleranceVIF

1(Constant)14487.2729273.8401.562.157

USIA307.185341.382.255.900.394.8941.118

PENGALAMANKERJA2336.1621268.922.5221.841.103.8941.118

Sumber: Output SPSS

Tabel 1.21 Collinearity DiagnosticModelDimensionEigenvalueCondition IndexVariance Proportions

(Constant)USIAPENGALAMANKERJA

112.8141.000.00.00.03

2.1674.102.04.02.94

3.01812.362.95.97.03

Sumber: Output SPSS

Tabel 1. 22 Residuals StatisticsMinimumMaximumMeanStd. DeviationN

Predicted Value21245.3536919.572.91E44583.86611

Residual-8.590E38080.430.0005336.58011

Std. Predicted Value-1.7121.708.0001.00011

Std. Residual-1.4401.354.000.89411

Sumber: Output SPSS

G. Interpretasi1. Nilai r2 dari tabel summary menunjukkan bahwa 42.5 % variasi income dapat dijelaskan oleh perubahan dalam variabel usia dan pengalaman kerja.2. Nilai uji statistik Durbin Watson = 0.895. Jadi dapat diasumsikan tidak terjadi autokorelasi.3. Tabel anova mengindikasikan bahwa regresi berganda secara statistik sangat signifikan, diketahui nilai uji statistik F = 2.951 dan derajat kebebasan = 2 dan n k 1 = 29 2 1 = 26. P value = 0.000 kurang dari = 0.05.4. Uji F menguji hipotesis Ho : 1 = 2 = 0 terhadap Ha : 1 dan 2 tidak semuanya 0. Dari p value = 0.000 kurang dari = 0.05, terlihat bahwa Ho : 1 = 2 = 0 ditolak sangat signifikan.5. Persamaan regresi berganda dengan yang diperoleh dengan menggunakan metode kuadrat terkecil adalah Y = 14487.272 + 307.185 X1 + 2336.162 X2.

6. Untuk menguji masing-masing koefisien regresi digunakan uji t dengan hasil:a. UsiaHasil uji t sebesar 1.562 dengan derajat kebebasan = 8 dan p value = 0.394 lebih dari 0.05. Hal ini merupakan bukti kuat penerimaan Ho.b. Pengalaman KerjaHasil uji t sebesar 1.841 dengan derajat kebebasan = 8 dan p value = 0.103 lebih dari 0.05. hal ini merupakan bukti kuat penerimaan Ho.c. Dari tabel koefisien juga terlihat bahwa nilai VIF = 1.118. Sehingga masih dianggap tidak terjadi multikolinieritas.

VIII. Acara VIII : Analisis ClusterA. TujuanMelatih mahasiswa agar dapat menganalisis signifikansi beberapa variable independent terhadap variable dependent.B. SoalSebuah perusahaan tanaman hias dan bunga bermaksud untuk mengetahui siapa saja target mencoba untuk melakukan segmentasi terhadap 51 pelanggan dengan mengajukan pertanyaan yang berkaitan dengan sikap konsumen terhadap atribut harga, bentuk, warna, keunikan dan kerumitan.

C. DataTabel 23. Data segmentasi pelanggan dengan sikap konsumenNAMAALAMATHARGABENTUKWARNAKEUNIKANKERUMITAN

RiniSBY24545

IndahSBY35453

WiwiSBY34522

YuniSBY23344

TariSBY42453

RetnoJKT53533

SintaJKT24341

DidiJKT24232

SantiJKT12132

FitriMLG24244

NeniMLG34243

WiwinMLG41435

KikanMLG25353

RestiMLG53142

NurulMLG33554

TitinMLG15334

DiahPWT43213

TikaPWT23432

NikePWT52331

UciPWT34323

GanjarPWT12244

LutfiPWT51455

MegaBMS32523

AyuBMS24532

NiningBMS41215

RizalJKT12334

SyulasiSBY23323

RifaiBMS21435

GalihPWT41523

ArifBMS53442

WahyuSBY31532

DoniBMS42325

AgusBMS45434

LintangJKT54453

MawarSBY22122

SopiahMLG13124

SugiartiBMS34213

VeraBMS52451

SupriPWT35535

ErniSBY14333

PrimaSBY32152

EmaSBY43242

RasimahMLG23415

NitaSBY12332

EndangSBY15523

BeniJKT44252

LastriJKT23445

TriJKT24534

DinaSBY42153

NabilPWT53421

D. HipotesisHo : tidak adanya pengaruh dari segi harga, bentuk, warna, keunikan, ataupun kerumitan dalam segmentasi pelangganHa : adanya pengaruh dari segi harga, bentuk, warna, keunikan, ataupun kerumitan dalam segmentasi pelangganLangkah-Langkah1. Klik menu Analyze pada toolbar, pilih classify kemudian klik K-mean cluster.2. Isikan 6 atribut pada variable dan provinsi pada Label Cases by.3. Pastikan Number Cluster = 3.4. Pada save, pilih cluster membership kemudian Continue sedangkan pada option, klik anova.5. Klik OK maka output akan muncul.E. OutputTabel 1.24 AnovaClusterErrorFSig.

Mean SquaredfMean Squaredf

HARGA24.9512.8044731.042.000

BENTUK5.08121.337473.802.029

WARNA18.21521.0564717.242.000

KEUNIKAN5.29021.331473.976.025

KERUMITAN10.67221.105479.657.000

Sumber : Output SPSTabel 1.25 Number of Cases in each ClusterCluster118.000

214.000

318.000

Valid50.000

Missing1.000

Sumber : Output SPSSTabel 1.26 Final Cluster CentersCluster

123

HARGA242

BENTUK423

WARNA432

KEUNIKAN343

KERUMITAN423

Sumber : Output SPSSF. Interpretasi1. Berdasarkan tabel anova di atas, terlihat bahwa probabilitas harga sebesar 0.000 sedangkan = 0.05 berarti probabilitas 0.000 < 0.05, artinya Ho ditolak, sehingga dapat disimpulkan bahwa harga berpengaruh dalam segmentasi pelanggan.2. Probabilitas bentuk sebesar 0.029 sedangkan = 0.05 berarti probabilitas 0.029 kurang dari 0.05, artinya Ho ditolak, sehingga dapat disimpulkan bahwa bentuk berpengaruh dalam segmentasi pelanggan.3. Probabilitas warna sebesar 0.000 sedangkan = 0.05 berarti probabilitas 0.000 lebih dari 0.05, artinya Ho ditolak, sehingga dapat disimpulkan bahwa warna berpengaruh dalam segmentasi pelanggan.4. Probabilitas keunikan sebesar 0.025 sedangkan = 0.05 berarti probabilitas 0.025 kurang dari 0.05, artinya Ho ditolak, sehingga dapat disimpulkan bahwa keunikan berpengaruh dalam segmentasi pelanggan.5. Probabilitas kerumitan sebesar 0.000 sedangkan = 0.05 berarti probabilitas 0.000 lebih dari 0.05, artinya Ho ditolak, sehingga dapat disimpulkan bahwa kerumitan berpengaruh dalam segmentasi pelanggan.6. Berdasarkan tabel Number of Casses Cluster 1 dan Cluster 3 yang sama banyaknya jumlah orangnya masing-masing 18 orang, dan Cluster 2 sebanyak 14 orang, mengalami missing 1 jadi total sebesar 51 orang.7. Berdasarkan tabel Final Cluster Centers, Cluster 1 paling banyak ada dibentuk, warna dan kerumitan. Cluster 2 paling banyak diharga dan keunikan. Cluster 3 paling banyak dibentuk, keunikan dan kerumitan.Kesimpulannya dari semua tabel disimpulkan bahwa keunikan paling berpengaruh karena ditabel number Cluster 1 dan 3 paling banyak jumlah orangnya. Pada table final cluster 2 dan 3 yang paling banyak adalah keunikan.

LAMPIRAN

1. Output Uji BinomialCategoryNObserved Prop.Test Prop.Exact Sig. (2-tailed)

PekerjaanGroup 1111.55.50.824

Group 229.45

Total201.00

2. Output Uji Mc Nemar

SEBELUMSESUDAH

-11

-158

1610

SEBELUM & SESUDAH

N29

Exact Sig. (2-tailed).791a

3. Output Uji Mann Whitney

kelompokNMean RankSum of Ranks

score068.2549.50

175.9341.50

Total13

score

Mann-Whitney U13.500

Wilcoxon W41.500

Z-1.073

Asymp. Sig. (2-tailed).283

Exact Sig. [2*(1-tailed Sig.)].295a

4. Output Uji FriedmanMean Rank

Guru12.15

Guru21.75

Guru32.10

N10

Chi-Square.974

df2

Asymp. Sig..614

5. Uji Korelasi Spearman

scorecantikscoresopan

Spearman's rhoscorecantikCorrelation Coefficient1.000.224

Sig. (2-tailed)..343

N2020

scoresopanCorrelation Coefficient.2241.000

Sig. (2-tailed).343.

N2020

6. Output Uji Korelasi Pearson

JMLHALAMANHARGA

JMLHALAMANPearson Correlation1.870**

Sig. (2-tailed).005

N88

HARGAPearson Correlation.870**1

Sig. (2-tailed).005

N88

7. Output Analisis Regresi BergandaModelVariables EnteredVariables RemovedMethod

1PENGALAMANKERJA, USIAa.Enter

ModelRR SquareAdjusted R SquareStd. Error of the EstimateDurbin-Watson

1.652a.425.2815966.478.895

ModelSum of SquaresdfMean SquareFSig.

1Regression2.101E821.051E82.951.110a

Residual2.848E883.560E7

Total4.949E810

ModelUnstandardized CoefficientsStandardized CoefficientstSig.Collinearity Statistics

BStd. ErrorBetaToleranceVIF

1(Constant)14487.2729273.8401.562.157

USIA307.185341.382.255.900.394.8941.118

PENGALAMANKERJA2336.1621268.922.5221.841.103.8941.118

ModelDimensionEigenvalueCondition IndexVariance Proportions

(Constant)USIAPENGALAMANKERJA

112.8141.000.00.00.03

2.1674.102.04.02.94

3.01812.362.95.97.03

MinimumMaximumMeanStd. DeviationN

Predicted Value21245.3536919.572.91E44583.86611

Residual-8.590E38080.430.0005336.58011

Std. Predicted Value-1.7121.708.0001.00011

Std. Residual-1.4401.354.000.89411

8. Output ClusterClusterErrorFSig.

Mean SquaredfMean Squaredf

HARGA24.9512.8044731.042.000

BENTUK5.08121.337473.802.029

WARNA18.21521.0564717.242.000

KEUNIKAN5.29021.331473.976.025

KERUMITAN10.67221.105479.657.000

Cluster118.000

214.000

318.000

Valid50.000

Missing1.000

Cluster

123

HARGA351

BENTUK522

WARNA541

KEUNIKAN353

KERUMITAN512