laporan hasil praktikum statos
DESCRIPTION
statosTRANSCRIPT
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