ANALISIS PENGARUH (REGRESI LINIER SEDERHANA)

DAN ANALISIS KOMPARATIF (UJI-t)

MENGGUNAKAN APLIKASI SPSS VERSI 17

UJI STATISTIKA

Diajukan untuk Memenuhi Salah Satu Syarat Ujian Akhir Semester

Mata Kuliah Geografi Terapan (Statistika)

Dosen Pengampu : Dr. Eko Haryono, M. Si

Oleh,
NURDINI LESTARI
13/352639/PGE/1036

PROGRAM PASCASARJANA GEOGRAFI

FAKULTAS GEOGRAFI
UNIVERSITAS GADJAH MADA
2014
A. Pendahuluan
Manusia merupakan makhluk ciptaan Tuhan Yang Maha Kuasa dan memiliki
derajat paling tinggi dibandingkan dengan makhluk ciptaanNya yang lain. Manusia
diberi akal dan pikiran sehingga mampu berpikir, membedakan mana yang baik dan
buruk, mana yang benar dan salah. Sebagai hakikat seorang manusia seutuhnya, manusia
memiliki sifat salalu tidak puas dan memiliki rasa keingintahuan yang besar. Sifat dasar
manusia tersebut ternyata memiliki efek yang sangat besar terhadap kehidupannya serta
perkembangan ilmu pengetahuan dan teknologi. Tidak cukup hanya sampai rasa tidak
puas dan ingin tahu saja, manusia pun mau berbuat untuk mencari sesuatu yang belum
mereka ketahui termasuk rahasia-rahasia alam semesta ini.
Untuk memenuhi rasa keingintahuannya, manusia melakukan berbagai cara.
Namun, dalam mengungkap segala sesuatunya termasuk rahasia-rahasia alam semesta
ini, tentunya harus berdasarkan metode ilmiah, agar segala sesuatu yang dikerjakan atau
dilakukannya dapat dengan mudah dimengerti, dan bermanfaat untuk kehidupan manusia
lainnya. Metode ilmiah dapat dijadikan acuan dalam melakukan sesuatu, terutama dalam
melaksanakan pengembangan ilmu pengetahuan (sains) dan teknologi.
Metode ilmiah merupakan suatu prosedur yang digunakan oleh para ilmuwan
dalam menyimpulkan obyek ilmu pengetahuan dan teknologi dengan cara
mengembangan teori, dalil, asumsi, hipotesis, pengukuran, dan analisis data, sehingga
keberadaan obyek tersebut dapat dipahami oleh orang lain, untuk mengembangkan atau
memperoleh hal-hal yang baru tentang obyek tersebut (Siregar, Syafaruddin 2004 : 3).
Dalam menempuh prosedur metode ilmiah untuk pengembangan ilmu pengetahuan dan
teknologi, manusia mengobservasi, mengukur, menganalisis, dan menarik kesimpulan
tentang keberadaan suatu obyek dan efek kausalitasnya terhadap obyek lain, tentunya
memerlukan cara atau metode yang dapat dipertanggung jawabkan dan mudah
dimengerti oleh orang lain. Metode yang umum digunakan oleh para ilmuwan adalah
metode statistik.
Statistika adalah pengetahuan mengenai pengumpulan data, klasifikasi data,
penyajian data, pengolahan data, penarikan kesimpulan, dan pengambilan keputusan
berdasarkan masalah tertentu (Siregar, Syofian 2012 : 1). Statistika juga berperan sebagai
alat (tools) untuk mendeteksi, mendeskripsi, dan menganalisis data, sehingga pemilihan
metode statistika dalam penelitian harus benar-benar sesuai dan tepat. Seiring
berkembangnya ilmu pengetahuan dan teknologi, maka peran statistika sangatlah penting
 dan statistika juga dapat berperan dalam segala bidang ilmu termasuk ilmu geografi yang
mempelajari alam beserta isinya.
Untuk mendukung pengembangan ilmu pengetahuan dan teknologi, statistika
telah dilengkapi dengan software aplikasi statistika pada computer yang akan
mempermudah para ilmuwan dalam mengolah data yang jumlahnya besar dan banyak.
Software aplikasi statistika ini adalah SPSS (Statistical Program for Social Science) yang
secara khusus digunakan untuk mengolah dan menganalisis data statistik. Dilihat dari
namanya, SPSS seolah diperuntukan pada bidang sosial saja, namun kenyataannya tidak
demikian karena SPSS sangat fleksibel sehingga dapat digunakan di semua bidang ilmu.
Oleh sebab itu, pemahaman statistika dengan menggunakan software SPSS atau yang
lainnya untuk pengolahan data statistik bersifat penting dalam menunjang perkembangan
ilmu pengetahuan dan teknolgi.

B. Kajian Teori
1. Regresi Linier Sederhana
Analisis regresi merupakan salah satu analisis yang bertujuan untuk
mengetahui pengaruh suatu variabel terhadap variabel lain. Dalam analisis regresi,
variabel yang mempengaruhi disebut Independent Variable (variabel bebas) dan
variabel yang dipengaruhi disebut Dependent Variable (variabel terikat). Jika dalam
persamaan regresi hanya terdapat satu variabel bebas dan satu variabel terikat, maka
disebut sebagai persamaan regresi sederhana, sedangkan jika variabel bebasnya lebih
dari satu, maka disebut sebagai persamaan regresi berganda. Analisis Korelasi
merupakan suatu analisis untuk mengetahui tingkat keeratan hubungan antara dua
variabel. Tingkat hubungan tersebut dapat dibagi menjadi tiga kriteria, yaitu
mempunyai hubungan positif, mempunyai hubungan negatif dan tidak mempunyai
hubungan.
Regresi Linier Sederhana merupakan suatu alat ukur yang juga dapat
digunakan untuk mengukur ada atau tidaknya korelasi antara dua variabel. Jika
memiliki dua buah variabel atau lebih maka sudah selayaknya apabila kita ingin
mempelajari bagaimana variabel-variabel itu berhubungan atau dapat diramalkan.
Analisis regresi mempelajari hubungan yang diperoleh dinyatakan dalam persamaan
matematika yang menyatakan hubungan fungsional antara variabel-variabel. Analisis
regresi lebih akurat dalam melakukan analisis korelasi, karena pada analisis itu
kesulitan dalam menunjukkan slop (tingkat perubahan suatu variabel terhadap
 variabel lainnya dapat ditentukan). Dengan demikian maka melalui analisis regresi,
peramalan nilai variabel terikat pada nilai variabel bebas lebih akurat pula. Persamaan
regresi linier dari Y terhadap X dirumuskan sebagai berikut:
Y=a+bX
keterangan: Y = variabel terikat
X = variabel bebas
a = intersep
b = koefisien regresi/slop

2. Analisis Komparatif (Uji-t)

Analisis komparatif atau analisis perbedaan adalah suatu analisis yang
digunakan untuk mengetahui perbedaan antara dua variabel (data) atau lebih. Uji
statistika yang digunakan untuk menganalisis apakah perbedaan antara dua kelompok
data, tergantung dari jenis datanya. Jenis analisis komparatif ini dapat dibedakan lagi
dengan sampel berkorelasi (dependent) dan sampel tidak berkorelasi (independent).
Kelompok sampel dikatakan berkorelasi apabila sampel-sampel yang menjadi objek
penelitian tidak dapat dipisahkan secara tegas, artinya anggota sampel kelompok A
ada yang menjadi anggota sampel kelompok B.
Pada analisis komparatif kali ini, penulis memilih uji t (t-of test). Uji t
pertama kali dikembangkan oleh William Seely Gosset pada tahun 1915. Awalnya ia
menggunakan nama samaran Student, dan huruf t yang terdapat dalam istilah Uji t
dari huruf terakhir nama beliau. Uji t disebut juga dengan nama Student t. Uji t
merupakan uji statistik yang sering kali ditemui dalam masalah-masalah praktis
statistika. Uji t digunakan untuk mengetahui kebenaran pernyataan atau dengan
dihipotesiskan oleh peneliti. Uji-t termasuk dalam golongan statistika parametrik. Uji
t terdiri dari dua macam, yaitu uji t 1 sampel dan uji t 2 sampel yang terdiri dari
uji t 2 sampel independent dan uji t 2 sampel berpasangan.
Pada uji t, data yang akan dianalisis harus terdistribusi normal dan homogen.
Statistik uji untuk kenormalan data yang paling sering digunakan adalah
menggunakan uji Kolmogorov-Smirnov atau juga disebut Lilliefors Test. Merupakan
prosedur uji t untuk sampel tunggal jika rata-rata suatu variabel tunggal
dibandingkan dengan suatu nilai konstanta tertentu. Hipotesis dalam uji t untuk
sampel tunggal yaitu : H0 : = 0, H1 : 0. dengan rumus sebagai berikut :
 Keterangan :
t Koefisien t
_
x M ean sampel
M ean populasi
S Standard deviasi sampel
n banyak sampel

Untuk mengintepretasikan uji-t terlebih dahulu harus ditentukan nilai

(tingkat kesalahan/error),df (degree of freedom) = N-k, untuk uji-t 1 sampel df =N-1,
untuk uji-t 2 sampel independen df =N-2, untuk uji-t berpasangan df =N-1. Lalu
bandingkan nilai t-hitung dengan nilai t-tabel apabila :
t hitung > t tabel : H0 ditolak
t hitung > t tabel : H0 diterima
Uji t 2 sampel berpasangan merupakan metode pengujian hipotesis dimana
data yang digunakan tidak bebas (berpasangan). Ciri-ciri yang paling sering ditemui
adalah satu individu (objek penelitian) dikenai 2 buah perlakuan yang berbeda.
Peneliti biasanya memperoleh 2 macam data sampel, yaitu data dari perlakuan
pertama dan data dari perlakuan kedua. Perlakuan pertama mungkin saja berupa
kontrol, yaitu tidak memberikan perlakuan sama sekali terhadap objek penelitian.
Uji t 2 sampel independen merupakan metode yang digunakan untuk
menguji kesamaan rata-rata dari 2 populasi yang bersifat independen. Independen
maksudnya adalah bahwa populasi yang satu tidak dipengaruhi atau tidak
berhubungan dengan populasi yang lain. Untuk aplikasi software SPSS pada uji t
dapat dilihat pada contoh studi kasus.

C. Studi Kasus untuk Regresi Linier Sederhana

Untuk mengetahui pengaruh antara pemakaian listrik, gas,dan air bersih (X)
dengan PDRB (Y) di Kabupaten Gunungkidul Tahun 2010. Berikut ini adalah tabel data
listrik, gas, dan air bersih (X) dengan PDRB (Y) di Kabupaten Gunungkidul Tahun
2010:
 Tabel Pengaruh Pemakaian Listrik, Gas, dan Air Bersih terhadap PDRB
Listrik, Gas,
No Kecamatan dan Air Bersih PDRB (Y)
(X)
1 Panggang 2306 255969
2 Purwosari 577 205912
3 Paliyan 2132 254741
4 Saptosari 2079 315416
5 Tepus 1741 254723
6 Tanjung 1359 257851
7 Rongkop 3230 255055
8 Girisubo 559 227144
9 Semanu 6118 471139
10 Ponjong 5295 549624
11 Karangmojo 6350 445416
12 Wonosari 13497 1355429
13 Playen 7051 626258
14 Patuk 2165 314852
15 Gedangsari 1275 255282
16 Nglipar 2447 365346
17 Ngawen 3355 290714
18 Semin 7831 549809
Jumlah 69367 7250680

Dari persoalan di atas dapat dilakukan pengolahan data dengan menggunakan SPSS 17
dengan langkah-langkah sebagai berikut :
1. Masuk ke program SPSS, akan tampak tampilan seperti ini :
2. Klik Variabel View pada SPSS data editor
a. Pada kolom name baris pertama ketik Kecamatan, barik kedua ketik X, dan
baris ke tiga ketik Y.
b. Pada kolom type untuk baris pertama pilih string yang artinya data yang akan
diinput bukan merupakan angka sehingga tidak bisa dilakukan perhitungan, untuk
baris kedua dan ketiga tidak diubah (numeric).
c. Pada kolom decimal ganti dengan angka nol, untuk mendefinisikan banyaknya
angka dibelakang koma yang ingin ditampilkan pada data view.
d. Pada kolom label baris pertama kosongkan, baris kedua ketik Listrik, Gas, dan
Air Bersih, dan pada baris ketiga PDRB.
e. Pada kolom measure (untuk menentukan jenis data yang akan kita masukkan),
baris pertama nominal, baris kedua dan ketiga scale.
Pada layar monitor akan tampak seperti ini :

3. Pengisian data
Klik data view pada SPSS
a. Pada kolom kecamatan masukan nama kecamatan
b. Pada kolom X masukan besaran nilai listrik, gas, dan air bersih
c. Pada kolom Y masukan nilai PDRB
Pada layar monitor akan tampak seperti berikut ini :
4. Pengolahan data
a. Klik analyze regression linier
Pada layar monitor akan tampak seperti berikut ini :

b. Dari linier regression masukkan listrik, gas, dan air bersih (X) ke independent
dan PDRB (Y) ke dependent.
Pada layar monitor akan tampak seperti berikut ini :
c. Klik statistic di bagian kanan dialogue box linier regression
Pada dialogue box linier regression : statistic, klik estimates, model fit, R
squared change, descriptive, convidence intervals level (ketik 95%), klik juga
casewise diagnostics.
Pada layar monitor akan tampak seperti berikut ini :

Setelah pengisian lalu klik continue untuk kembali ke dialogue box sebelumnya.
d. Kemudian Klik Plot
Pada kotak dialog linier regression : plots masukan ZPRED ke kotak Y, dan
dependent ke kotak X. Kemudian klik histogram dan normal probability plot.
Pada layar monitor akan tampak seperti ini :

Setelah pengisian selesai klik continue untuk kembali ke menu sebelumnya.

e. Klik options
Pada steping criteria method klik use probability of F.
Pada layar akan tampak seperti berikut ini :
 Setelah pengisian selesai klik continue untuk kembali ke menu sebelumnya.
f. Kemudian tekan ok untuk memproses data.
5. Hasil SPSS dan analisisnya
a. Tabel Descriptive Statistics
Descriptive Statistics
Std.
Mean N
Deviation
PDRB 402815.56 269646.340 18
Listrik, Gas, dan Air Bersih 3853.72 3302.198 18

Correlations
Listrik, Gas,
PDRB dan Air Bersih
Pearson PDRB 1.000 .940
Correlation Listrik, Gas, dan Air .940 1.000
Bersih
Sig. (1-tailed) PDRB . .000
Listrik, Gas, dan Air .000 .
Bersih
N PDRB 18 18
Listrik, Gas, dan Air 18 18
Bersih

Variables Entered/Removedb
Variables Variables
Model Entered Removed Method
1 Listrik, Gas, . Enter
dan Air
Bersiha
a. All requested variables entered.
b. Dependent Variable: PDRB
 1) Jumlah responden sebanyak 18 kecamatan.
2) Rata-rata PDRB sebesar Rp. 402815.56 dengan standar deviasi sebesar Rp.
269646.340, artinya jika dihubungkan dengan rata-rata PDRB, maka besarnya
PDRB berkisar antara Rp. 402815.56 Rp. 269646.340.
3) Pemakaian listrik, gas, dan air bersih rata-rata Rp. 3853.72 dengan standar
deviasi Rp. 3302.198.
4) Metode yang digunakan dalam menganalisis variabel adalah metode enter.

b. Tabel Model Summary

Model Summaryb
Change Statistics
R Adjusted Std. Error of
Model R
Square R Square the Estimate R Square F Change df1 df2
Sig. F
Change Change
1 .940a .883 .876 95100.105 .883 120.671 1 16 .000
a. Predictors: (Constant), Listrik, Gas, dan Air Bersih
b. Dependent Variable: PDRB

1) Menunjukan bahwa hubungan (korelasi) antara pemakaian listrik, gas, dan air
bersih dengan PDRB sangat kuat dan positif, yaitu r = 0.940. arti positif
adalah hubungan antara variabel X dan Y searah, dengan maksud bahwa
semakin besar pemakaian listrik, gas, dan air bersih semakin besar juga
PDRB yang dihasilkan. Begitu juga sebaliknya, semakin kecil pemakaian
listrik, gas, dan air bersih, maka PDRB yang dihasilkan pun semakin kecil.
2) Kontribusi yang disumbangkan pemakaian listrik, gas, dan air bersih (X)
terhadap PDRB (Y) adalah sebesar 88.3%.

c. Tabel Anova
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 1.091E12 1 1.091E12 120.671 .000a
Residual 1.447E11 16 9.044E9
Total 1.236E12 17
a. Predictors: (Constant), Listrik, Gas, dan Air Bersih
b. Dependent Variable: PDRB
1) Membuat hipotesis
Ho : Model regresi linier sederhana tidak dapat digunakan untuk
memprediksi pemakaian listrik, gas, dan air bersih yang dipengaruhi
besarnya PDRB.
Ha : Model regresi linier sederhana dapat digunakan untuk memprediksi
pemakaian listrik, gas, dan air bersih yang dipengaruhi oleh besaranya
PDRB.
2) Kaidah pengujian
a) Berdasarkan perbandingan antara Fhitung dan Ftabel
Jika : Fhitung Ftabel, maka Ho diterima
Jika : Fhitung > Ftabel, maka Ho ditolak
Dimana : Nilai Fhitung dari tabel anova sebesar = 120.67 dan nilai Ftabel dari
tabel Fhitung = 4.49.
b) Berdasarkan nilai probabilitas
Jika probabilitas (sig) > maka Ho diterima.
Jika probabilitas (sig) < maka Ho ditolak.
 Dari tabel anova nilai probabilitas (sig) = 0.000 dan taraf signifikan =
0.05.
3) Membandingkan Ftabel dan Fhitung serta sig dan
Fhitung = 120.67 > Ftabel = 4.49, maka Ho ditolak

(sig) = 0.000 < = 0.05, maka Ho ditolak.

4) Keputusan
Model regresi linier sederhana dapat digunakan untuk memprediksi
pemakaian listrik, gas, dan air bersih yang dipengaruhi oleh besaranya PDRB.
d. Tabel Coefficients
Coefficientsa
Unstandardized Standardized 95.0% Confidence
Coefficients Coefficients Interval for B
Lower Upper
Model B Std. Error Beta t Sig. Bound Bound
1 (Constant) 107126.645 35028.486 3.058 .008 32869.57 181383.7
2 19
Listrik, Gas, 76.728 6.985 .940 10.985 .000 61.921 91.535
dan Air Bersih
a. Dependent Variable: PDRB

Dari tabel Coefficients di atas menunjukan bahwa model persamaan regresi untuk
memperkirakan jumlah PDRB yang dipengaruhi oleh pemakaian listrik, gas, dan
air bersih adalah : Y = 107126.645 + 76.728 X.
Dimana Y adalah jumlah PDRB, sedangkan X adalah pemakaian listrik, gas, dan
air bersih.

D. Studi Kasus untuk Komparasi

Diketahui bahwa tingkat IPM (Indeks Pembangunan Manusia) di Kabupaten
Tasikmalaya masih dikatakan rendah dibanding dengan kota atau kabupaten lainnya di
Jawa Barat khususnya Regional Priangan Timur. Kemudian Pemerintah Kabupaten
Tasikmalaya menggagas program Gerakan Membangun Desa (Gerbang Desa) sebagai
upaya untuk meningkatkan IPM Kabupaten Tasikmalaya. Penelitian ini untuk
mengetahui apakah terdapat perbedaan tingkat IPM saat sebelum diberlakukannya
program Gerbang Desa dengan tingkat IPM sesudah diberlakukannya program Gerbang
Desa. Data IPM Kabupaten Tasikmalaya akan disajikan pada tabel dibawah ini :
 Tabel Tingkat IPM Kabupaten Tasikmalaya
Sebelum dan Sesudah Program Gerbang Desa
Sebelum Sesudah
No Kecamatan
Gerbang Desa Gerbang Desa
1 Cipatujah 71.81 72.71
2 Karangnunggal 73.07 74.90
3 Cikalong 73.87 74.96
4 Pancatengah 71.54 72.15
5 Cikatomas 75.07 75.97
6 Cibalong 71.11 72.44
7 Parungponteng 70.98 72.10
8 Bantarkalong 73.56 74.74
9 Bojongasih 68.96 70.29
10 Culamega 69.56 70.26
11 Bojonggambir 69.90 70.81
12 Sodonghilir 74.34 75.77
13 Taraju 70.67 71.98
14 Salawu 74.91 76.00
15 Puspahiang 71.28 72.47
16 Tanjungjaya 70.54 71.71
17 Sukaraja 75.02 76.20
18 Salopa 71.20 72.39
19 Jatiwaras 73.34 74.67
20 Cineam 74.15 75.48
21 Karangjaya 68.84 70.03
22 Manonjaya 75.81 77.06
23 Gunungtanjung 71.99 72.24
24 Singaparna 75.94 78.46
25 Sukarame 75.12 76.72
26 Mangunreja 75.38 77.73
27 Cigalontang 73.08 74.36
28 Leuwisari 70.23 71.98
29 Sariwangi 70.97 72.39
30 Padakembang 70.99 71.84
31 Sukaratu 70.76 71.61
32 Cisayong 73.87 74.93
33 Sukahening 70.86 71.88
34 Rajapolah 75.47 76.43
35 Jamanis 70.55 71.25
36 Ciawi 75.67 77.05
37 Kadipaten 70.83 71.77
38 Pagerageung 74.89 75.77
39 Sukaresik 70.92 71.69
 Dari persoalan di atas dapat dilakukan pengolahan data dengan menggunakan
SPSS 17 dengan langkah-langkah sebagai berikut :
1. Masuk ke program SPSS
Setelah masuk ke program SPSS akan tampak tampilan seperti ini :

2. Klik Variabel View pada SPSS Data editor

a. Pada kolom name, baris pertama ketik Kecamatan, pada baris kedua sebelum,
dan barik ketiga sesudah.
b. Pada kolom type untuk baris pertama pilih string yang artinya data yang akan
diinput bukan merupakan angka sehingga tidak bisa dilakukan perhitungan, untuk
baris kedua dan ketiga tidak diubah (numeric).
c. Pada kolom decimal ganti dengan angka nol, untuk mendefinisikan banyaknya
angka dibelakang koma yang ingin ditampilkan pada data view.
f. Pada kolom label baris pertama kosongkan, baris kedua ketik sebelum, dan
pada baris ketiga sesudah.
g. Pada kolom measure (untuk menentukan jenis data yang akan kita masukkan),
baris pertama nominal, baris kedua dan ketiga ordinal.
Pada layar monitor akan tampak seperti ini :
3. Klik Data View pada SPSS Data editor
a. Pada kolom Kecamatan masukan semua kecamatan yang ada di Kabupaten
Tasikmalaya.
b. Pada kolom Sebelum masukan nilai IPM setiap kecamatan sebelum program
Gerbang Desa.
c. Pada kolom Sesudah masukan nilai IPM setiap kecamatan sesudah program
Gerbang Desa.
Pada layar monitor akan tampak seperti ini :
4. Uji normalitas
Sebagai salah satu syarat sebelum melakukan uji t, data yang akan diolah
harus terdistribusi normal. Pada SPSS 17, uji normalitas dapat dilakukan dengan cara
klik analyze non Parametrics Test 1 Sample K-S, lalu masukan variabel
Standardized Residual pada kotak Test Variable List, dan abaikan pilihan yang lain
(biarkan pada posisi defaultnya) OK. Untuk uji normalitas data menggunakan uji
kolmogorov smirnov test. Adapun ketentuannya sebagai berikut:
Apabila nilai probabilitas > 0,05 maka data berdistribusi normal
Apabila nilai probabilitas < 0,05 maka berdistribusi tidak normal.
Berikut adalah hasil uji normalitas data dengan menggunakan SPSS:
One-Sample Kolmogorov-Smirnov Test
Sebelum Sesudah
N 39 39
a,,b
Normal Parameters Mean 72.4885 73.6715
Std. Deviation 2.15101 2.33991
Most Extreme Absolute .174 .209
Differences Positive .174 .209
Negative -.124 -.101
Kolmogorov-Smirnov Z 1.089 1.305
Asymp. Sig. (2-tailed) .186 .066
a. Test distribution is Normal.
b. Calculated from data.
Berdasarkan tabel diatas, dapat disimpulakan bahwa data IPM sebelum dan
sesudah gerbang desa berdistribusi normal. Hal ini dikarenakan nilai K-S statistika
untuk IPM sebelum sebesar 1.089 dengan signifikansi 0.186 > 0.05, dan nilai K-S
statistika IPM sesudah sebesar 1.305 dengan signifikansi 0.066 > 0.05. Maka dari itu,
data telah memenuhi syarat normalitas.
5. Uji homogenitas data
Syarat lain selain uji normalitas sebelum dilakukannya uji t harus dilakukan
uji homogenitas. Uji homogenitas bertujuan untuk mengetahui apakah obyek yang
diteliti memiliki varian yang sama atau tidak. Uji homogenitas yang digunakan yaitu
uji Levenes tes for equality of variences dengan bantuan SPSS 17. Adapun
ketentuannya sebagai berikut :
Nilai signifikansi < 0,05 maka data tidak homogen.
Nilai signifikansi > 0,05 maka data homogen.
Berikut adalah hasil uji homogenitas:
 Test of Homogeneity of Variances
IPM
Levene
Statistic df1 df2 Sig.
.679 1 76 .413

Berdasarkan hasil uji homogenitas IPM sebelum dan sesudah program

Gerbang Desa, telihat bahwa levene statistic test hitung sebesar 0.679 dengan nilai
signifikansi 0.413 > 0.05. Maka dapat disimpulkan bahwa data IPM sebelum dan
sesudah program Gerbang Desa semuanya merupakan data homogen.
6. Pengolahan data uji t
a. Klik analize compare means paired sampels t-test
Pada layar monitor akan tampak seperti ini :

b. Pada paired sampels t-test masukan sebelum dan sesudah ke paired variables.
Pada layar monitor akan tampak seperti ini :

7. Pengisian tingkat signifikansi dengan = 5%

a. Klik options
b. Kolom confidence level diubah menjadi 95%
Pada layar monitor akan tampak seperti berikut :
 Setelah pengisian selesai, klik continue untuk kembali ke menu sebelumnya.
8. Kemudian klik OK untuk memproses data
Paired Samples Statistics
Std. Std. Error
Mean N Deviation Mean
Pair 1 Sebelum 72.4885 39 2.15101 .34444
Sesudah 73.6715 39 2.33991 .37468

Paired Samples Correlations

N Correlation Sig.
Pair 1 Sebelum & Sesudah 39 .986 .000

Paired Samples Test

Paired Differences
95% Confidence
Interval of the
Std. Std. Error Difference Sig. (2-
Mean Deviation Mean Lower Upper t df tailed)
Pair Sebelum - -1.18308 .42588 .06820 -1.32113 -1.04502 -17.348 38 .000
1 Sesudah

9. Analisis hasil
a. Dari tabel Paired Samples Statistics dapat dianalisis bahwa penelitian ini
menggunakan sampel masing-masing berjumlah 39.Nilai rata-rata untuk X =
72.4885; Y = 73.6715 serta standar deviasi (Sx) = 2.15101 dan (Sy) = 2.33991.
b. Dari tabel Paired Samples Test
Menentukan hipotesis untuk kasus ini :
Ho : tidak ada perbedaan tingkat IPM sebelum dan sesudah pelaksanaan
program Gerbang Desa
Ha : ada perbedaan tingkat IPM sebelum dan sesudah pelaksanaan
program Gerbang Desa
 Pengambilan keputusan berdasarkan nilai probabilitas, dengan ketentuan :
Jika sig > maka Ho diterima
Jika sig < maka Ho ditolak
Untuk uji dua sisi, maka nilai dibagi 2, sehingga kriteria pengujian menjadi :
Jika sig > 0.05/2, maka Ho diterima
Jika sig < 0.05/2, maka Ho ditolak
Dari paired samples test di atas, diketahui nilai probabilitas (sig) = 0.000 dan
nilai taraf signifikan () 0.05/2 = 0.025
Jika sig 0.000 < 0.025, maka Ho ditolak.
Keputusannya : Ada perbedaan tingkat IPM sebelum dan sesudah pelaksanaan
program Gerbang Desa.

E. Daftar Pustaka
Ebdon, David. (1996). Statistic In Geography. Oxford : The Adlen Press.
Hilman, Iman. (2010). Statistika Untuk Penelitian Geografi dengan Aplikasi Program
SPSS. Modul Kuliah. Tasikmalaya: Program Studi Pendidikan Geografi. [tidak
diterbitkan]
RafiI, Suryatna. (1983). Metode Statistika Analisis. Bandung : Binacipta.
Siregar, Syafaruddin. (2005). Statistik Terapan untuk Penelitian. Jakarta : Grasindo.
Siregar, Syofian. (2011). Statistika Deskriptif untuk Penelitia. Jakarta : Raja Grafinda
Persada.
. (2013). Statistika Parametrik untuk Penelitian Kuantitatif. Jakarta :
Bumi Aksara.