Jawaban Soal. Uji ANOVA

Save this PDF as:
 WORD  PNG  TXT  JPG

Ukuran: px
Mulai penontonan dengan halaman:

Download "Jawaban Soal. Uji ANOVA"

Transkripsi

1 7 Jawaban Sal Uji ANOVA 185

2 JAWABAN SOAL TEORI 1. ANOVA pada dasarnya bertujuan untuk menguji hiptesa nl bahwa rata-rata dari tiga atau lebih sebuah ppulasi adalah sama. Asumsi: a. Sampel yang diambil berasal dari ppulasi yang mempunyai distribusi nrmal. b. Varians sampel-sampel yang diuji adalah sama. c. Sampel-sampel yang diambil independen satu dengan yang lain. 2. Menghitung F tabel: a. Tingkat signifikansi 10%; numeratr 5; denumeratr 7. Menggunakan menu TRANSFORM COMPUTE, lalu ketik: IDF.F(0.9,5,7 Didapat hasil 2,8833. b. Tingkat signifikansi 1%; numeratr 5; denumeratr 7. Menggunakan menu TRANSFORM COMPUTE, lalu ketik: IDF.F(0.99,5,7 Didapat hasil 7,4604. c. Tingkat signifikansi 5%; numeratr 5; denumeratr 7. Menggunakan menu TRANSFORM COMPUTE, lalu ketik: IDF.F(0.95,5,7 Didapat hasil 3,9715. d. Tingkat signifikansi 5%; numeratr 5; denumeratr

3 Menggunakan menu TRANSFORM COMPUTE, lalu ketik: IDF.F(0.95,5,17 Didapat hasil 2,8099. e. Kesimpulan: 3. Output: Makin rendah tingkat signifikansi, dengan besar numeratr dan denumeatr tetap, maka makin tinggi angka F tabel. Dengan tingkat signifikansi tetap, dan numeratr juga tetap, makin tinggi denumeratr maka makin rendah angka F tabel. Oleh karena denumeratr ditentukan leh jumlah klm dan sampel, maka makin besar sampel yang diambil dan makin banyak klm yang digunakan, makin rendah angka F tabel. ANOVA data Between Grups Within Grups Ttal Sum f Squares df Mean Square F Sig a. Prses pengisian: Df ttal adalah 15, maka df within grups adalah 15 1 = 14. Sum f Squares Within Grups adalah: 2180,536 * 14 = Mean Square Between Grups adalah: 870,250 / 1 = 870,

4 b. Keputusan: F hitung adalah: 870,250 / 2180,536 = 0,0285 F tabel = F (0,95;1;14 = 4,60 F hitung < F tabel, maka H diterima. c. Melihat angka prbabilitas (0,538 yang lebih besar dari tingkat signifikan (0,05 atau 5%, maka H juga diterima. Kedua cara akan menghasilkan kesimpulan yang sama. 4. Data yang dikumpulkan adalah data upah pekerja bangunan di sektr knstruksi, buruh sebuah pabrik dan pembantu rumah tangga; data dalam bentuk sampel, misal masingmasing diambil 7 data. Uji yang dilakukan ANOVA, karena sampel yang diambil lebih dari dua (ada tiga sampel. 5. Data yang dikumpulkan adalah penghasilan yang diterima tukang parkir yang ada di pasar, di pertkan, di sekitar seklah, dan di tempat wisata; data dalam bentuk sampel. Uji yang dilakukan ANOVA, karena sampel yang diambil lebih dari dua (ada tiga sampel. PENGGUNAAN MENU SPSS: ANALYZE COMPARE MEANS ONE WAY ANOVA Pengisian dasar: Masukkan variabel kuantitatif pada ktak DEPENDENT LIST. Masukkan variabel kualitatif (berkde pada ktak FACTOR. 188

5 Untuk menampilkan statistik deskriptif dari data: Buka ktak OPTIONS dan aktifkan pilihan DESCRIPTIVE: Kemudian tekan tmbl CONTINUE untuk kembali ke ktak dialg utama. JAWABAN SOAL SEMUA JAWABAN LIHAT PADA: FILE UJI ANOVA EXCEL (UNTUK FILE MICROSOFT EXCEL FOLDER UJI ANOVA SPSS (UNTUK FILE SPSS SEMUA SOAL MENGGUNAKAN TINGKAT KEPERCAYAAN 95%, ATAU TINGKAT SIGNIFIKANSI 5%. 6. SOAL PUPUK Prsedur: Buat hiptesis: H : ketiga pupuk menghasilkan prduktivitas yang sama. (μ 1 : Minimal salah satu pupuk berbeda prduktivitasnya dengan yang lain. Didapat: F hitung= 0,045 F tabel: 189

6 n = jumlah sampel = 12 numeratr= jumlah klm 1= k-1 = 3-1 = 2 denumeratr= n-k = 12 3 = 9 α = 5% F (0,05; 2;9 = 4,256 Prses mendapatkan F hitung: Mencari angka T 1 sampai T n ; dalam kasus ini, karena ada tiga klm, akan ada T 1, T 2 dan T 3. pupuk A pupuk B Pupuk C 25,4 28,6 27,6 28,6 30,2 28,9 29,5 24,5 30,6 30,5 32,5 26,8 TOTAL (T ,8 113,9 Ttal semua T adalah = ,8+113,9 = 343,7 Menghitung jumlah data: n 1 (jumlah data pupuk A = 4 buah n 2 (jumlah data pupuk B = 4 buah n 3 (jumlah data pupuk C = 4 buah Menghitung SSB: 114 SSB = [( 4 Menghitung SST: 2 SStT = [25,4 115,8 + ( , ,9 + ( 4 2 (343,7 ] [ ( ,8 ] = 9901,69 2 ] = 0,

7 Data yang ada sebanyak 12 data untuk tiga jenis pupuk. Menghitung SSW: SSW 114 = 9901,69 [( ,8 + ( ,9 + ( 4 2 ] = 56,9775 Menghitung F hitung: 0,5716 F = = 56,97 0,045 Lihat prses penghitungan F hitung di flder UJI ANOVA EXCEL. Kesimpulan: Membandingkan statistik hitung dengan statistik tabel. Oleh karena F hitung < F tabel, maka H diterima. Melihat angka prbabilitas (SIG. pada utput SPSS. Oleh karena nilai p=0,956, yang jauh di atas angka α (5%, maka H 0 diterima. Dapat disimpulkan tidak ada perbedaan yang signifikan di antara prduktivitas ketiga macam pupuk; atau bisa juga disimpulkan bahwa ketiga pupuk mempunyai prduktivitas (kinerja yang relatif sama. 7. SOAL RESTORAN Prsedur: Buat hiptesis: H : Jumlah pengunjung restran adalah sama, baik pada saat pagi, siang, sre, maupun malam hari. (μ 1 = μ 4 : Minimal ada jumlah pengunjung pada saat tertentu yang berbeda dengan lainnya. Didapat: 191

8 F hitung= 1,8359 F tabel: n = jumlah sampel = 17 (perhatikan jumlah sampel per klm yang tidak sama numeratr= jumlah klm 1= k-1 = 4-1 = 3 denumeratr= n-k = 17 4 = 13 α = 5% F (0,05; 3;13 = 3, Kesimpulan: Membandingkan statistik hitung dengan statistik tabel. Oleh karena F hitung < F tabel, maka H diterima. Melihat angka prbabilitas (SIG. pada utput SPSS. Oleh karena nilai p=0,1903, yang jauh di atas angka α (5%, maka H 0 diterima. Dapat disimpulkan tidak ada perbedaan yang signifikan di antara jumlah pengunjung restran. 8. SOAL KINERJA Data di atas BUKAN data berpasangan (paired karena 18 rang tersebut dibagi menjadi tiga kelmpk, masing-masing 6 rang; dengan demikian, tiap kelmpk bersifat independen atau tidak terkait dengan kelmpk yang lain. Uji ANOVA (uji F bisa dilakukan untuk data independen. Kasus ini terdiri atas tiga bagian: Mtivasi Prsedur: Buat hiptesis: H : Pelatihan tipe I, tipe II, dan tipe III tidak memberi dampak mtivasi kerja yang berbeda pada ketiga kelmpk karyawan.

9 (μ 1 : Minimal ada satu kelmpk karyawan yang mempunyai mtivasi yang berbeda setelah pelatihan dibanding kelmpk lainnya. Didapat: F hitung= 0,06468 F tabel: n = jumlah sampel = 18 numeratr= jumlah klm 1= 3-1=2 denumeratr= n-k = 18-3=15 α = 5% F (0,05; 2;15 = 3,6823 Kesimpulan: Membandingkan statistik hitung dengan statistik tabel. Oleh karena F hitung < F tabel, maka H diterima. Melihat angka prbabilitas (SIG. pada utput SPSS. Oleh karena nilai p=0,9376, yang jauh di atas angka α (5%, maka H 0 diterima. Dapat disimpulkan bahwa pelatihan mtivasi yang diadakan tidak menghasilkan nilai yang signifikan di antara kelmpk karyawan peserta pelatihan. Lyalitas Prsedur: Buat hiptesis: H : Pelatihan tipe I, tipe II, dan tipe III tidak memberi dampak lyalitas kerja yang berbeda pada ketiga kelmpk karyawan. (μ 1 193

10 : Minimal ada satu kelmpk karyawan yang mempunyai lyalitas yang berbeda setelah pelatihan dibanding kelmpk lainnya. Didapat: F hitung= F tabel, karena kndisi sama dengan kasus mtivasi, maka F (0,05; 2;15 = 3,6823 Kesimpulan: Membandingkan statistik hitung dengan statistik tabel. Oleh karena F hitung > F tabel, maka H ditlak. Melihat angka prbabilitas. Oleh karena nilai p=0,0035, yang jauh di bawah angka α (5%, maka H 0 ditlak. Dapat disimpulkan bahwa pelatihan lyalitas yang diadakan menghasilkan dampak (nilai yang signifikan pada minimal satu kelmpk karyawan peserta pelatihan. Dilihat dari ratarata nilai lyalitas, maka kelmpk I mempunyai nilai tertinggi (77,16; kelmpk I mendapat dampak yang jelas berbeda dibanding dua kelmpk lainnya. Kepuasan kerja Prsedur: Buat hiptesis: H : Pelatihan tipe I, tipe II, dan tipe III tidak memberi dampak kepuasan kerja yang berbeda pada ketiga kelmpk karyawan. (μ 1 : Minimal ada satu kelmpk karyawan yang mempunyai kepuasan kerja yang berbeda setelah pelatihan dibanding kelmpk lainnya. 194

11 Didapat: F hitung= 51,2965 F tabel, karena kndisi sama dengan kasus mtivasi, maka F (0,05; 2;15 = 3,6823 Kesimpulan: Membandingkan statistik hitung dengan statistik tabel. Oleh karena F hitung > F tabel, maka H ditlak. Melihat angka prbabilitas. Oleh karena nilai p=0, , yang jauh di bawah angka α (5%, maka H 0 ditlak. Dapat disimpulkan bahwa pelatihan kepuasan kerja yang diadakan menghasilkan dampak (nilai yang sangat signifikan pada minimal satu kelmpk karyawan peserta pelatihan. Dilihat dari rata-rata nilai kepuasan kerja, maka kelmpk II mempunyai nilai tertinggi (92,83; kelmpk II mendapat dampak yang jelas berbeda dibanding dua kelmpk lainnya. 9. SOAL BUS Sal A adalah cnth dari COMPLETELY RANDOMIZED DESIGN Pada kasus ini: Variabel NAMA_BUS adalah independent variable atau variabel bebas. Isi variabel NAMA_BUS adalah ARIMBI, BUDI MULIA, CAMELIA dan DEWATA; keempatnya adalah level f treatment. Oleh karena ada lebih dari dua level, maka digunakan uji ANOVA. Isi data, angka 150, 160, dan seterusnya adalah dependent variable atau respnse. 195

12 Pada mdel COMPLETELY RANDOMIZED DESIGN, hanya akan diuji isi klm saja, dalam hal ini waktu tempuh keempat bus. Prsedur: Buat hiptesis: H : Waktu tempuh keempat bus pada jurusan Magelang- Semarang relatif sama satu dengan yang lain. (μ 1 = μ 4 : Minimal salah satu waktu tempuh bus berbeda dengan waktu tempuh bus yang lainnya. Untuk pernyataan tidak dapat ditulis μ 1 μ 2 μ 3 μ 4, karena hal itu berarti semua waktu tempuh (rata-rata tidak sama. Padahal diterima jika salah satu rata-rata sudah berbeda dengan yang lain; dalam hal ini dapat saja μ 1, μ 2, μ 3 atau μ 4 yang berbeda. Didapat: F hitung= 7,279 (nilai F hitung pada uji ANOVA selalu psitif. F tabel: n = jumlah sampel = 20 numeratr= jumlah klm 1= k-1 = 4-1 = 3 denumeratr= n-k = 20 4 = 16 α = 5% (pada uji ANOVA, uji selalu satu sisi F (0,05; 3;16 = 3,239 Kesimpulan: Membandingkan statistik hitung dengan statistik tabel. Oleh karena F hitung > F tabel, maka H ditlak. 196

13 HO DITERIMA Prb: 0,0026 HO DITOLAK 5% F tabel: 3,239 F hitung: 7,279 Melihat angka prbabilitas (SIG. pada utput SPSS; Oleh karena nilai p=0,0026, yang jauh di bawah angka α (5%, maka H 0 ditlak. Dengan demikian, paling sedikit ada satu waktu tempuh bus yang secara signifikan berbeda dengan ketiga waktu tempuh bus lainnya. Jika dilihat dari rata-rata waktu tempuh, terlihat bus ARIMBI yang mempunyai waktu tempuh paling berbeda, yakni 150,6 menit. Namun uji ANOVA hanya menyimpulkan ada tidaknya perbedaan; uji lanjutan, seperti Tukey dan lainlain akan menampilkan variabel mana yang berbeda dibanding yang lain. Sal B adalah cnth dari RANDOMIZED BLOCK DESIGN Pada mdel ini ada variabel blck, yakni HARI. Sekarang akan ada dua pengujian, yakni pengaruh bus dan pengaruh hari kerja bus; dalam bahasa statistik, ada pengujian klm dan baris. Untuk menguji klm (clumns yang berisi variabel NAMA_BUS Hiptesis sama dengan sal a. 197

14 Untuk menguji baris (rws yang berisi variabel HARI Buat hiptesis: H : Tidak ada perbedaan yang signifikan waktu tempuh bus pada hari kerja yang ada. (μ 1 : Minimal ada satu hari dengan waktu tempuh bus yang berbeda dibanding hari lainnya. Pada SPSS, digunakan menu GENERAL LINEAR MODEL. Hasil dan analisis Tests f Between-Subjects Effects Dependent Variable: WAKTU_TEMPUH Type III Sum Surce f Squares df Mean Square F Sig. Crrected Mdel a Intercept NAMA_BUS HARI Errr Ttal Crrected Ttal a. R Squared =.648 (Adjusted R Squared =.443 Melihat angka prbabilitas (SIG. pada utput SPSS. Nilai p (SIG. untuk variabel NAMA_BUS=0,007; Nilai p(sig. untuk variabel HARI =0,66. Variabel HARI mempunyai nilai prbabilitas di atas angka α (5%, maka H 0 diterima. Dapat disimpulkan: Rata-rata waktu tempuh bus tidak berbeda secara nyata untuk hari kerja yang ada; rata-rata waktu tempuh keempat bus relatif sama, baik untuk hari senin, selasa maupun yang lain. Sedangkan variabel NAMA_BUS sudah dianalisis, dan kesimpulan tetap, yakni ada perbedaan yang jelas pada rata-rata waktu tempuh bus dilihat dari kinerja bus yang bersangkutan. 198

15 Sal C adalah cnth FACTORIAL DESIGN Pada mdel ini, dilakukan uji interaksi antar variabel klm dan baris. Buat hiptesis: H : Tidak ada interaksi antara bus dengan hari kerja bus tersebut. : Ada interaksi antara bus dengan hari kerja bus tersebut. Hasil dan analisis Tests f Between-Subjects Effects Dependent Variable: WAKTU_TEMPUH Type III Sum Surce f Squares df Mean Square F Sig. Crrected Mdel a Intercept NAMA_BUS * HARI Errr Ttal Crrected Ttal a. R Squared =.589 (Adjusted R Squared =.229 Melihat angka prbabilitas (SIG. pada utput SPSS. Nilai p (SIG. untuk variabel NAMA_BUS*HARI adalah 0,252, yang di atas angka α (5%; maka H 0 diterima. Dapat disimpulkan: Tidak ada interaksi antara hari kerja dengan kinerja (nama bus; atau hari senin atau selasa tidak terkait dengan kinerja dari bus-bus yang ada untuk menempuh waktu yang berbeda. CATATAN: Jika data hanya satu untuk setiap variabel baris, seperti hanya ada satu data SENIN, satu data SELASA, dan seterusnya, maka FACTORIAL DESIGN tidak bisa dihitung. Tentu analisis FACTORIAL DESIGN bisa digabung dengan analisis untuk RANDOMIZED BLOCK DESIGN, namun dengan data yang sudah disesuaikan, yakni adanya keragaman data untuk setiap isi variabel baris. 199

16 JAWABAN SOAL APLIKASI RIIL 10. SOAL SEKOLAH Variabel Pada kasus ini, JENIS SEKOLAH adalah independent variable atau variabel bebas; karena mereka yang berseklah di SMA tidak terkait dengan mereka yang berseklah di SMK atau MA. Jenis Seklah adalah SMA, SMK dan MA; ketiganya adalah level f treatment. Oleh karena ada lebih dari dua level, maka digunakan uji ANOVA. Jika hanya ada dua level, misal SMA dan SMK, maka alat analisis cukup uji t. Isi data, angka 60, 31, 7 dan seterusnya adalah dependent variable, karena variabel ini tergantung dari Jenis Seklah. Misal untuk jenis seklah SMA, data 31 tidak dapat dimasukkan, karena data tersebut masuk pada jenis seklah SMK. Kasus ini merupakan cnth dari COMPLETELY RANDOMIZED DESIGN, karena yang akan dianalisis hanya satu variabel independen, yakni Jenis Seklah. Sedang variabel TAHUN tidak dimasukkan dalam analisis. Jika keduanya dikaitkan, maka dinamakan RANDOMIZED BLOCK DESIGN. Prsedur: Buat hiptesis: H : Jumlah seklah pada berbagai jenjang pendidikan atas di D.I.Y adalah sama. (μ 1 : Minimal ada satu jenjang pendidikan yang mempunyai jumlah seklah yang berbeda dibanding lainnya. Didapat: F hitung= 343,833 F tabel: 200

17 n = jumlah sampel = 15 numeratr= jumlah klm 1= k-1 = 3-1 = 2 denumeratr= n-k = 15 3 = 12 α = 5% Kesimpulan: F (0,05; 2;12 = 3,8852 Melihat angka prbabilitas (SIG. pada utput SPSS. Oleh karena nilai p=0, , yang jauh di bawah angka α (5%, maka H 0 ditlak. Dapat disimpulkan jelas ada perbedaan yang signifikan antara jumlah seklah SMA, SMK, dan MA di wilayah D.I.Y. 11. SOAL KERUSAKAN SAWAH Prsedur: Buat hiptesis: H : Tidak ada perbedaan yang signifikan antara ketiga tingkat kerusakan sawah tersebut. (μ 1 : Minimal ada satu tingkat kerusakan sawah yang berbeda dibanding lainnya. Didapat: F hitung= 12,1889 F tabel: n = jumlah sampel = 18 numeratr= jumlah klm 1= k-1 = 3-1 = 2 denumeratr= n-k = 18 3 = 15 α = 5% F (0,05; 2;15 = 3,

18 Kesimpulan: Melihat angka prbabilitas (SIG. pada utput SPSS. Oleh karena nilai p=0,0007, yang jauh di bawah angka α (5%, maka H 0 ditlak. Dapat disimpulkan memang ada minimal satu tingkat kerusakan sawah yang berbeda secara signifikan dengan tingkat kerusakan yang lainnya. Dari uji ANOVA terlihat MSB atau variasi antar kelmpk sangat besar; rata-rata tingkat kerusakan BERAT jelas lebih besar dibanding tingkat kerusakan RINGAN. Sebaliknya, angka MSW relatif kecil, atau variasi data di antara kelmpk kerusakan RINGAN secara tersendiri relatif kecil; demikian pula, di kelmpk lain, walaupun tingkat kerusakan lebih besar, namun semua data anggta kelmpknya juga besar. Dengan MSB yang besar sedangkan MSW kecil, maka F hitung (hasil MSB/MSW akan menjadi cukup besar untuk dapat menlak H. 12. SOAL TARIF PARKIR Sal A. Jika tingkat kepercayaan 95% Prsedur: Buat hiptesis: H : Tidak ada perbedaan yang signifikan di antara keempat tarif parkir yang ada. (μ 1 = μ 4 : Minimal ada satu jenis tarif parkir yang berbeda dibanding lainnya. Didapat: F hitung= 1,326 F tabel: n = jumlah sampel =

19 numeratr= jumlah klm 1= k-1 = 4-1 = 3 denumeratr= n-k = 32 4 = 28 α = 5% F (0,05; 3;28 = 2,947 Kesimpulan: Melihat angka prbabilitas (SIG. pada utput SPSS. Oleh karena nilai p=0,2856, yang jauh di atas angka α (5%, maka H 0 diterima. Dapat disimpulkan sesungguhnya tidak ada perbedaan yang signifikan di antara keempat jenis tarif parkir yang ada; walaupun tarif parkir cenderung menurun dari kawasan khusus ke kawasan III, namun penurunan tersebut secara statistik tidak signifikan. Hal ini disebabkan perbedaan MSB dengan MSW tidak terlalu besar, sehingga F hitung tidak menjadi lebih besar dari F tabel; walaupun berbeda, namun variasi perbedaan di antara keempat jenis tarif parkir tersebut relatif kecil (MSB yang menunjukkan perbedaan di antara rata-rata tarif berbagai kawasan tidak beda jauh. Sebaliknya, variasi di antara semua tarif parkir yang ada (MSW sangat besar; terlihat ada tarif Rp10.000, namun ada juga tarif yang hanya Rp200. MSW yang besar dan MSB yang relatif kecil akan membuat F hitung tidak demikian besar sehingga mampu menlak H. Sal B. Jika tingkat kepercayaan 99% Pada sal ini, berarti tingkat signifikan adalah 1% (dari 100%- 99%. Di sini hiptesis maupun F hitung tidak berubah; yang berubah adalah angka F tabel: α = 1% F tabel; didapat F (0,01; 3;28 = + 1,28138 Kesimpulan: Oleh karena F hitung (1,3262 > F tabel (1,28138, maka sekarang H ditlak. 203

20 Keterangan: SPSS ataupun Micrsft Excel hanya menampilkan utput SIG./nilai prbabilitas/p-value untuk tingkat signifikansi 5% DUA SISI. Untuk angka seperti 1% atau yang lain, SPSS dan Excel tidak menampilkan nilai prbabilitas; pengguna bisa menghitung angka F tabel secara tersendiri kemudian membandingkan dengan F hitung. Sal C Mengubah tingkat kepercayaan, yang berarti mengubah tingkat signifikansi sebuah pengujian, dapat berdampak pada kesimpulan yang akan diambil. Memperbesar tingkat signifikan akan menyebabkan kemungkinan menlak H semakin besar. 13. SOAL KENDARAAN BERMOTOR Prsedur: Buat hiptesis: H : Tidak ada perbedaan yang signifikan di antara pertumbuhan kendaraan bermtr di D.I.Y pada peride (μ 1 = μ 4 : Minimal ada satu peride yang mempunyai pertumbuhan kendaraan bermtr yang berbeda dibanding peride lainnya. Didapat: F hitung= 0,2282 F tabel: n = jumlah sampel = 16 numeratr= jumlah klm 1= k-1 = 4-1 = 3 denumeratr= n-k = 16 4 = 12 α = 5% 204

21 Kesimpulan: F (0,05; 3;12 = 3,4902 Oleh karena nilai p=0,8749, yang jauh di atas angka α (5%, maka H 0 diterima. Dapat disimpulkan sesungguhnya tidak ada perbedaan pertumbuhan kendaraan bermtr yang signifikan pada keempat peride. Hal ini disebabkan nilai MSB yang lebih kecil dari MSW. Walaupun rata-rata tiap peride berbeda (7,4;7,02;8,67;7,43, namun perbedaan (variasi yang ada tidak cukup besar. Oleh karena MSB < MSW, maka nilai F hitung menjadi di bawah 1. Nilai F tabel minimal 1, sehingga F hitung yang di bawah 1 akan membuat setiap pernyataan H akan ditlak. 14. SOAL PRODUKSI SAYURAN Prsedur: Buat hiptesis: H : Tidak ada perbedaan yang signifikan di antara prduksi sayuran pada peride (μ 1 : Minimal ada satu peride yang mempunyai prduksi sayuran yang berbeda dibanding peride lainnya. Didapat: F hitung= 2,2733 F tabel: n = jumlah sampel = 27 numeratr= jumlah klm 1= k-1 = 3-1 = 2 denumeratr= n-k = 27 3 = 24 α = 5% F (0,05; 2;24 = 3,

22 Kesimpulan: Oleh karena nilai p=0,1246, yang jauh di atas angka α (5%, maka H 0 diterima. Dapat disimpulkan tidak ada perbedaan prduksi sayuran yang berarti pada peride Sekarang jika dua data (bawang putih dan tmat dihilangkan, data menjadi: Jenis sayuran Bawang merah Kacang panjang Cabe/tmat Terng Ketimun Bayam Kangkung Dan perhitungan diulang, dengan hasil: F hitung= 3,6439 F tabel: n = jumlah sampel = 27 NB: sampel berkurang sebanyak 2 x 3 data = 6 data, menjadi 27-6=21 numeratr= jumlah klm 1= k-1 = 3-1 = 2 denumeratr= n-k = 21 3 = 18 α = 5% F (0,05; 2;18 = 3,5545 Kesimpulan: Oleh karena nilai p=0,0469, yang di atas angka α (5%, maka H 0 ditlak. 206

23 Jika data prduksi bawang putih dan tmat dikeluarkan, maka kesimpulan menjadi lain, yakni terjadi perbedaan yang signifikan pada prduksi sayuran untuk peride Dengan menghilangkan dua data yang bernilai kecil, hal ini membuat variasi data semakin mengecil. Hal ini mendrng variasi antar kelmpk semakin kecil, yang berakibat nilai MSB yang mencerminkan variasi antar kelmpk menjadi besar. Sebaliknya dengan nilai MSW; hilangnya beberapa data dari sampel akan berakibat keseluruhan data cenderung lebih hmgen, sehingga MSW yang mencerminkan variasi untuk seluruh data menjadi lebih kecil. Semakin kecilnya MSW bersamaan dengan semakin besarnya MSB, akan membuat nilai F hitung semakin meningkat. Sedangkan untuk F tabel, semakin besar denumeratr akan meningkatkan nilai F tabel; namun karena peningkatan F hitung lebih besar daripada peningkatan nilai F tabel, didapat F hitung > F tabel, sehingga pernyataan H akan ditlak. 15. SOAL UJIAN NASIONAL Prsedur: Buat hiptesis: H : Tidak ada perbedaan yang signifikan antara anggaran per siswa untuk setiap jenjang pendidikan. (μ 1 : Minimal ada satu jenjang pendidikan yang mempunyai anggaran yang berbeda dibanding lainnya. Didapat: F hitung= 3,217 F tabel: n = jumlah sampel = 24 numeratr= jumlah klm 1= k-1 = 4-1 = 3 denumeratr= n-k = 24 4 =

24 α = 5% Kesimpulan: F (0,05; 3;20 = 3,098 Oleh karena nilai p=0,044, yang di bawah angka α (5%, maka H 0 ditlak. Dapat disimpulkan sesungguhnya memang ada perbedaan anggaran pendidikan per siswa yang signifikan pada keempat jenjang pendidikan. Namun, di sini nilai F hitung dengan F tabel hampir sama, sehingga nilai prbabilitas (p-value pun hampir mendekati 0,05 sebagai batas. Dalam hal ini secara praktis bisa pula dikatakan bahwa tidak ada perbedaan pada anggaran pendidikan per siswa; inilah yang disebut signifikan praktis, yang berbeda dengan signifikan statistik yang menlak H. Secara praktis, bisa saja hiptesa nl yang secara statistik ditlak akan diterima; dan sebaliknya, bisa saja hiptesa nl yang secara statistik diterima akan ditlak. Namun, jika angka prbabilitas sangat berbeda dengan 0,05 (pembatas pada SPSS/Excel, sebaiknya tetap diikuti prses pengambilan kesimpulan secara statistik. 16. SOAL TEMPAT BELANJA Prsedur: Buat hiptesis: H : Tidak ada perbedaan yang signifikan antara tempat belanja dari tahun ke tahun. (μ 1 : Minimal ada satu peride di mana kmpsisi tempat belanja mempunyai perbedaan yang signifikan dibanding lainnya. Didapat: F hitung= 0 F tabel: n = jumlah sampel =

25 numeratr= jumlah klm 1= k-1 = 3-1 = 2 denumeratr= n-k = 12 3 = 9 α = 5% Kesimpulan: F (0,05; 2;9 = 4,2564 Di sini tidak bisa ditarik kesimpulan apa pun, karena F hitung bernilai 0 dan nilai prbabilitas adalah 1. Kasus ini terjadi karena jumlah semua klm adalah 1 (100%: Tempat belanja Tahun 2002 Tahun 2003 Tahun 2004 hypermarket 3% 5% 7% supermarket 18% 16% 15% minimarket 5% 8% 8% pasar tradisinal 74% 71% 70% TOTAL 100% 100% 100% Jika nilai ttal semua klm sama, maka tidak akan ada variasi di antara kelmpk data; telihat dari rata-rata yang tmatis sama, yakni 100%/4 data = 0,25 (25%. Oleh karena tidak ada beda ratarata, maka MSB menjadi 0, sehingga F hitung pun akan menjadi 0, berapa pun MSW-nya. Untuk itu, data harus direvisi dengan mengubah kmpsisi dalam persentase menjadi satuan nn persentase, sehingga ttal semua klm tidak akan sama. Misal diasumsi pengunjung tempat belanja per tahun: Tahun Pengunjung (rang Sekarang kmpsisi persentase di atas dikalikan dengan masing-masing pengunjung, menjadi: 209

26 Tempat belanja Tahun 2002 Tahun 2003 Tahun 2004 hypermarket supermarket minimarklet pasar tradisinal TOTAL Dengan data seperti di atas, maka perhitungan uji ANOVA bisa dilakukan, dan F hitung tidak akan nl. 17. SOAL WISATAWAN Variabel Pada kasus ini, variabel TAHUN adalah independent variable atau variabel bebas; karena situasi tahun 2002 tentu berbeda dengan tahun lainnya. Isi variabel TAHUN adalah 2002, 2003, dan 2004; ketiganya adalah level f treatment. Oleh karena ada lebih dari dua level, maka digunakan uji ANOVA. Variabel JENIS LIBURAN adalah blcking variable. Isi data, angka 542, 710, 1848, dan seterusnya adalah dependent variable atau respnse. Kasus ini merupakan cnth RANDOMIZED BLOCK DESIGN, karena yang akan dianalisis dua variabel independen, yakni TAHUN dan JENIS LIBURAN. Namun keduanya dianalisis pengaruhnya secara terpisah dan tidak dilakukan interaksi. Jika analisis termasuk menguji ada tidaknya interaksi antar kedua variabel independen, metde disebut dengan FACTORIAL DESIGN. Prsedur: Untuk menguji klm (clumns yang berisi variabel TAHUN Buat hiptesis: H : Tidak ada perbedaan yang signifikan di antara kunjungan wisatawan pada peride ? 210

27 (μ 1 : Minimal ada satu peride yang mempunyai jumlah kunjungan wisatawan yang berbeda dibanding peride lainnya. Untuk menguji baris (rws yang berisi variabel JENIS LIBURAN Buat hiptesis: H : Tidak ada perbedaan yang signifikan di antara kunjungan wisatawan pada berbagai jenis liburan yang ada. (μ 1 : Minimal ada satu jenis liburan mempunyai jumlah kunjungan wisatawan yang berbeda dibanding peride lainnya. Pada SPSS, prses dilakukan lewat menu GENERAL LINEAR MODEL. Hasil dan analisis Tests f Between-Subjects Effects Dependent Variable: JUMLAH_WISATAWAN Type III Sum Surce f Squares df Mean Square F Sig. Crrected Mdel a Intercept TAHUN JENIS_LIBURAN Errr Ttal Crrected Ttal a. R Squared =.787 (Adjusted R Squared =.574 Melihat angka prbabilitas (SIG. pada utput SPSS. Nilai p(sig. untuk variabel TAHUN =0,185; Nilai p(sig. untuk variabel JENIS_LIBURAN=0,088. Keduanya di atas angka α (5%, maka kedua H 0 diterima. 211

28 Dapat disimpulkan: Tidak ada perbedaan yang signifikan pada kunjungan wisatawan ke Ygya pada peride Kunjungan wisatawan ke Ygya dari tahun ke tahun berbeda secara nyata. Juga tidak ada perbedaan kunjungan wisatawan pada berbagai jenis liburan yang terjadi. Kunjungan wisatawan pada liburan akhir tahun ternyata tidak berbeda secara nyata dengan liburan yang lain. 212

TIPS dan TRIK GENERAL TABEL

TIPS dan TRIK GENERAL TABEL TIPS dan TRIK GENERAL TABEL GENERAL TABLES General Tables mempunyai penggunaan yang hampir sama dengan basic tables, yaitu menampilkan tabel kntingensi yang serba guna. Perbedaan dengan Basic Tables adalah

Lebih terperinci

ANOVA (analisis varians), sering disebut juga dengan uji F, mempunyai tujuan yang sama dengan uji t, yakni: o

ANOVA (analisis varians), sering disebut juga dengan uji F, mempunyai tujuan yang sama dengan uji t, yakni: o Uji Beda: ANOVA ANOVA (analisis varians), sering disebut juga dengan uji F, mempunyai tujuan yang sama dengan uji t, yakni: o o Menguji apakah rata-rata lebih dari dua sampel berbeda secara signifikan

Lebih terperinci

TIPS dan TRIK RASIO STATISTIK

TIPS dan TRIK RASIO STATISTIK TIPS dan TRIK RASIO STATISTIK Optin RATIO adalah fasilitas baru yang mulai diperkenalkan pada SPSS versi 11.5. Fasilitas ini pada dasarnya berfungsi menyediakan ringkasan statistik yang berupa rasi-rasi.

Lebih terperinci

Jenis Pupuk o B1 B2 B3 B4

Jenis Pupuk o B1 B2 B3 B4 TUTORIAL SPSS RANCANGAN ACAK KELOMPOK (RAK) oleh : Hendry http://teorionline.wordpress.com/ Rancangan acak kelompok (RAK) sering disebut dengan randomized complete block design (RCBD). Pada rancangan ini

Lebih terperinci

ANCOVA (Analysis Of Covariance)

ANCOVA (Analysis Of Covariance) ANCOVA (Analysis Of Covariance) I. Prinsip Dasar dan Tujuan Analisis Prinsip Dasar ANCOVA merupakan teknik analisis yang berguna untuk meningkatkan presisi sebuah percobaan karena didalamnya dilakukan

Lebih terperinci

TIPS dan TRIK BERBAGAI METODE REGRESI BERGANDA

TIPS dan TRIK BERBAGAI METODE REGRESI BERGANDA TIPS dan TRIK BERBAGAI METODE REGRESI BERGANDA UJI REGRESI BERGANDA (untuk lebih dari dua variabel bebas) Sekarang akan ditampilkan uji regresi ganda dengan banyak variabel bebas. SPSS menyediakan berbagai

Lebih terperinci

ANALISIS DATA KOMPARATIF (Anova)

ANALISIS DATA KOMPARATIF (Anova) PERTEMUAN KE-11 Ringkasan Materi: ANALISIS DATA KOMPARATIF (ANOVA) ANALISIS DATA KOMPARATIF (Anova) Jika uji kesamaan dua rata-rata atau uji-t digunakan untuk mencari perbedaan atau persamaan dua rata-rata,

Lebih terperinci

BAB 10 ANALISIS REGRESI LINIER SEDERHANA

BAB 10 ANALISIS REGRESI LINIER SEDERHANA BAB 10 ANALISIS REGRESI LINIER SEDERHANA Analisis regresi linier merupakan salah satu jenis metode regresi yang paling banyak digunakan. Regresi linier sederhana terdiri atas satu variabel terikat (dependent)

Lebih terperinci

DIKTAT MATA KULIAH STATISTIKA PENELITIAN PENDIDIKAN MATEMATIKA

DIKTAT MATA KULIAH STATISTIKA PENELITIAN PENDIDIKAN MATEMATIKA DIKTAT MATA KULIAH STATISTIKA PENELITIAN PENDIDIKAN MATEMATIKA Oleh : Wahyu Hidayat, S.Pd., M.Pd. NIDN. 0404088402 PROGRAM STUDI PENDIDIKAN MATEMATIKA SEKOLAH TINGGI KEGURUAN DAN ILMU PENDIDIKAN (STKIP)

Lebih terperinci

ANOVA. By Desi Rahmatina, S.Pd,M.Sc

ANOVA. By Desi Rahmatina, S.Pd,M.Sc ANOVA By Desi Rahmatina, S.Pd,M.Sc Pengertian Anova Asumsi Dasar dalam Anova Macam-macam Anova Uji signifikansi Anova Pengertian Anova Analisis statistik yang dapat memberikan informasi tentang perbedaan

Lebih terperinci

BAB 08 ANALISIS VARIAN 8.1 ANALISIS VARIAN SATU JALAN

BAB 08 ANALISIS VARIAN 8.1 ANALISIS VARIAN SATU JALAN BAB 08 ANALISIS VARIAN Sebagaimana yang sudah dijelaskan sebelumnya bahwa salah satu statistik parametrik yang sering digunakan dalam penelitian pendidikan yaitu Analisis Varian. Oleh karena itu pada bagian

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN

BAB IV HASIL DAN PEMBAHASAN BAB IV HASIL DAN PEMBAHASAN A. Analisis Statistik Deskriptif Analisis statistik deskriptif merupakan suatu metode dimana datadata yang dikumpulkan dan dikelompokkan kemudian dianalisis dan diinterprestasikan

Lebih terperinci

TIPS dan TRIK BASIC TABEL

TIPS dan TRIK BASIC TABEL TIPS dan TRIK BASIC TABEL BASIC TABLES Tujuan dari Basic Tables adalah memberikan gambaran (deskripsi) dasar tentang suatu data, seperti berapa rata-rata data tersebut, standar deviasinya, variansnya dan

Lebih terperinci

Komang Suardika, S.Pd (Pendidikan Fisika, Undiksha) 2013

Komang Suardika, S.Pd (Pendidikan Fisika, Undiksha) 2013 Komang Suardika, S.Pd (Pendidikan isika, Undiksha) 013 Anova Satu Jalur (One Way Anova) Suatu penelitian dilakukan di SMA N 1 Banjar untuk mengetahui perbedaan rata-rata dengan lima metode pembelajaran

Lebih terperinci

BAB IV SIMULASI. 1643, data yang digunakan terlampir. Analisis data menggunakan SPSS versi

BAB IV SIMULASI. 1643, data yang digunakan terlampir. Analisis data menggunakan SPSS versi BAB IV SIMULASI Data yang dipakai adalah untuk skripsi ini adalah data fiktif sebanyak 643, data yang digunakan terlampir. Analisis data menggunakan SPSS versi.5. Misalkan ingin diketahui hubungan antara

Lebih terperinci

Langkah-Langkah: 1. Buka program aplikasi SPSS 2. Buatlah variabel logika, perasaan, dan gender pada halaman Variable View

Langkah-Langkah: 1. Buka program aplikasi SPSS 2. Buatlah variabel logika, perasaan, dan gender pada halaman Variable View BAB VII ANALISIS VARIANSI MULTIVARIABEL Tujuan: Menguji apakah dua atau lebih variabel dependen berbeda berdasarkan satu atau lebih variabel independen Hipotesis: Ho: dua atau lebih variabel dependen sama

Lebih terperinci

Pertemuan Ke-12. Analysis of Varians (anova)_m. Jainuri, M.Pd

Pertemuan Ke-12. Analysis of Varians (anova)_m. Jainuri, M.Pd Pertemuan Ke-1 1 Pendahuluan Statistik parametrik yang digunakan untuk mencari perbedaan atau persamaan dua rata-rata adalah Uji-t, dan analysis of varians (anova/ anova) digunakan untuk mencari perbedaan

Lebih terperinci

BAB 4. APLIKASI RANCANGAN ACAK LENGKAP DUA FAKTOR

BAB 4. APLIKASI RANCANGAN ACAK LENGKAP DUA FAKTOR BAB 4. APLIKASI RANCANGAN ACAK LENGKAP DUA FAKTOR Sebagaimana telah dijelaskan pada bab sebelumnya bahwa Metode Rancangan Acak Lengkap (RAL) umumnya dipakai pada kondisi lingkungan yang homogen diantaranya

Lebih terperinci

MK. Statistik sosial

MK. Statistik sosial MK. Statistik sosial Digunakan untuk membandingkan rata- rata LEBIH dari dua sampel variabel Independen (Contoh : rata- rata lama TV di tonton oleh anak- anak dari beberapa negara : Australia, Inggris,

Lebih terperinci

BAB 3 APLIKASI RANCANGAN ACAK KELOMPOK 1 FAKTOR

BAB 3 APLIKASI RANCANGAN ACAK KELOMPOK 1 FAKTOR BAB 3 APLIKASI RANCANGAN ACAK KELOMPOK 1 FAKTOR Rancangan Acak Kelompok atau biasa disingkat RAK digunakan jika kondisi unit percobaan yang digunakan tidak homogen. Dalam rancangan ini, petakan percobaan

Lebih terperinci

MODUL PELATIHAN SPSS Analisis Perbedaan

MODUL PELATIHAN SPSS Analisis Perbedaan 1 MODUL PELATIHAN SPSS Perbedaan Dr. Sugiyanto Fakultas Psikologi Universitas Gadjah Mada 1. Uji Prasyarat 2. Uji t 2 kelompok independen Data-1 hal. 10 3. Uji t 2 amatan ulang Data-2 hal. 12 4. varians

Lebih terperinci

TIPS dan TRIK COUNT 1. PERHITUNGAN COUNT SEDERHANA

TIPS dan TRIK COUNT 1. PERHITUNGAN COUNT SEDERHANA TIPS dan TRIK COUNT 1. PERHITUNGAN COUNT SEDERHANA Perintah atau sub menu ini berfungsi menghitung (cunt) data dengan kriteria tertentu. Kasus: Pada Data File BERAT, akan dihitung data respnden yang mempunyai

Lebih terperinci

LATIHAN SPSS I. A. Entri Data

LATIHAN SPSS I. A. Entri Data A. Entri Data LATIHAN SPSS I Variabel Name Label Type Nama Nama Mahasiswa String NIM Nomor Induk Mahasiswa String JK Numeris 1. 2. TglLahir Tanggal Lahir Date da Daerah Asal Numeris 1. Perkotaan 2. Pinggiran

Lebih terperinci

Analisis of Varians (Anova) dan Chi-Square. 1/26/2010 Pengujian Hipotesis 1

Analisis of Varians (Anova) dan Chi-Square. 1/26/2010 Pengujian Hipotesis 1 Analisis of Varians (Anova) dan Chi-Square /6/00 Pengujian Hipotesis Chi Square Digunakan untuk menguji apakah dua atau lebih proporsi sama. Pengujian beda proporsi hanya untuk populasi namun chi square

Lebih terperinci

Statistika untuk Keteknikan Analisis Ragam

Statistika untuk Keteknikan Analisis Ragam Statistika untuk Keteknikan Analisis Ragam Teknik Analisis Ragam : Pengolahan data anova satu arah dan anova dua arah dengan rumus statistik dan SPSS. Oleh Delvi Yanti, S.TP, MP Page 0 1.1 Rumus Anova

Lebih terperinci

STATISTICAL STUDENT OF IST AKPRIND

STATISTICAL STUDENT OF IST AKPRIND E-mail : statistikaista@yahoo.com Blog : Contoh Kasus One Way Anova dan Two Way Anova Menggunakan SPSS Lisensi Dokumen: Copyright 2010 ssista.wordpress.com Seluruh dokumen di ssista.wordpress.com dapat

Lebih terperinci

UJI PERSYARATAN ANALISIS DATA

UJI PERSYARATAN ANALISIS DATA PERTEMUAN KE-6 Materi : UJI PERSYARATAN ANALISIS DATA Uji nonparametrik digunakan apabila asumsi-asumsi pada uji parametrik tidak dipenuhi. Asumsi yang paling lazim pada uji parametrik adalah sampel acak

Lebih terperinci

UJI PERBEDAAN (DIFFERENCES ANALYSIS) Metode Riset Bisnis

UJI PERBEDAAN (DIFFERENCES ANALYSIS) Metode Riset Bisnis 1 UJI PERBEDAAN (DIFFERENCES ANALYSIS) Metode Riset Bisnis One Sample vs. Two Samples 2 Dalam analisis data, peneliti dapat dihadapkan pada analisis atas one sample atau two/more samples. Jumlah sampel,

Lebih terperinci

BAB III METODE PENELITIAN. penelitian yang diterapkan adalah penelitian eksperimen dengan dua kelompok

BAB III METODE PENELITIAN. penelitian yang diterapkan adalah penelitian eksperimen dengan dua kelompok 37 BAB III METODE PENELITIAN A. Disain penelitian Melalui uraian yang dikemukakan dalam latar belakang dan rumusan masalah, penelitian yang diterapkan adalah penelitian eksperimen dengan dua kelompok sampel

Lebih terperinci

TIPS dan TRIK KESELARASAN KAPPA

TIPS dan TRIK KESELARASAN KAPPA TIPS dan TRIK KESELARASAN KAPPA KESELARASAN KAPPA UNTUK TABEL BUJUR SANGKAR (R xr TABLE) Sekarang akan dibahas kemungkinan adanya kesesuaian (agreement) antara Baris dengan Klm. Bebeda dengan pembahasan

Lebih terperinci

BAB 7 APLIKASI RANCANGAN PETAK TERPISAH

BAB 7 APLIKASI RANCANGAN PETAK TERPISAH BAB 7 APLIKASI RANCANGAN PETAK TERPISAH Rancangan split plot design atau dalam bahasa Indonesia disebut Rancangan Petak Terpisah atau Rancangan Petak Terbagi (RPT) merupakan jenis percobaan faktorial (lebih

Lebih terperinci

BAB 5. APLIKASI RANCANGAN ACAK KELOMPOK DUA FAKTOR

BAB 5. APLIKASI RANCANGAN ACAK KELOMPOK DUA FAKTOR A 5. APLIKASI RANCANGAN ACAK KELOMPOK DUA FAKTOR Dalam percobaan faktorial, pengaruh dua faktor atau lebih diselidiki secara bersama-sama. Apabila pengaruh suatu faktor diperkirakan akan berubah menurut

Lebih terperinci

Lampiran 1. Data Eksperimen

Lampiran 1. Data Eksperimen 1 Lampiran 1. Data Eksperimen No. Kelas Kelompok Lingkungan Produksi Insentif Moneter Kinerja Kelompok Uji Manipulasi 1 A 0 Lini Perakitan Piece Rate 13 Lolos 2 A 1 Lini Perakitan Piece Rate 6 Lolos 3

Lebih terperinci

ANALISIS VARIANSI MANOVA (MULTIVARIATE ANALYSIS OF VARIANCE)

ANALISIS VARIANSI MANOVA (MULTIVARIATE ANALYSIS OF VARIANCE) ANALISIS VARIANSI MANOVA (MULTIVARIATE ANALYSIS OF VARIANCE) Manova merupakan uji beda varian. Jika pada anava varian yang dibandingkan berasal dari satu variable terikat (Y), pada manova varian yang dibandingkan

Lebih terperinci

TIPS dan TRIK RECODE & AUTOMATIC RECODE

TIPS dan TRIK RECODE & AUTOMATIC RECODE TIPS dan TRIK RECODE & AUTOMATIC RECODE 1. RECODE Perintah ini berfungsi untuk memberi kde ulang (recde) kepada suatu variabel berdasar kriteria tertentu. Recde bisa dilakukan: Kasus: Dalam variabel yang

Lebih terperinci

VII. SPSS RANCANGAN ACAK KELOMPOK SUB-SAMPLING

VII. SPSS RANCANGAN ACAK KELOMPOK SUB-SAMPLING VII. SPSS RANCANGAN ACAK KELOMPOK SUB-SAMPLING Jika Rancangan Acak Kelompok (RAK) kelompoknya terbatas dan perlakuannya tidak bias atau tidak mungkin diperbanyak, maka hasil penelitiannya kurang dijamin

Lebih terperinci

III. METODE PENELITIAN. lingkup dan waktu yang kita tentukan (Margono, 2010). Populasi dalam penelitian

III. METODE PENELITIAN. lingkup dan waktu yang kita tentukan (Margono, 2010). Populasi dalam penelitian III. METODE PENELITIAN A. Penentuan Populasi dan Sampel Penelitian 1. Populasi Populasi adalah seluruh data yang menjadi perhatian kita dalam suatu ruang lingkup dan waktu yang kita tentukan (Margono,

Lebih terperinci

BAB 11 ANALISIS REGRESI LINIER BERGANDA

BAB 11 ANALISIS REGRESI LINIER BERGANDA BAB 11 ANALISIS REGRESI LINIER BERGANDA Selain regresi linier sederhana, metode regresi yang juga banyak digunakan adalah regresi linier berganda. Regresi linier berganda digunakan untuk penelitian yang

Lebih terperinci

MODUL II ANALYSIS OF VARIANCE (ANOVA)

MODUL II ANALYSIS OF VARIANCE (ANOVA) MODUL II ANALYSIS OF VARIANCE (ANOVA) TUJUAN 1. Mahasiswa mampu memahami uji hipotesis harga rata-rata multi populasi dengan menggunakan Analysis of Variance (ANOVA). 2. Mahasiswa mampu memahami penyelesaian

Lebih terperinci

ANALYSIS OF VARIANCE (ANOVA)

ANALYSIS OF VARIANCE (ANOVA) ANALYSIS OF VARIANCE (ANOVA) Pendahuluan ANOVA Uji dengan ANOVA Post hoc procedure Materi Kuliah PENDAHULUAN Jika uji t digunakan untuk membandingkan ratarata/parameter sampel ANOVA digunakan untuk membandingkan

Lebih terperinci

BAB IV DESKRIPSI DAN ANALISIS DATA

BAB IV DESKRIPSI DAN ANALISIS DATA BAB IV DESKRIPSI DAN ANALISIS DATA A. Deskripsi Data Hasil Penelitian 1. Deskripsi Data Umum Deskripsi data umum berisi mengenai gambaran umum tempat penelitian yakni di MTs N 1 Kudus. MTs N 1 Kudus beralamatkan

Lebih terperinci

BAB 09 ANALISIS VARIAN DISAIN FAKTORIAL

BAB 09 ANALISIS VARIAN DISAIN FAKTORIAL BAB 09 ANALISIS VARIAN DISAIN FAKTORIAL Sebagaimana yang sudah dijelaskan sebelumnya bahwa salah satu statistik parametrik yang sering digunakan dalam penelitian pendidikan yaitu Analisis Varian. Analisis

Lebih terperinci

Pengujian Varian Satu Jalur. (One Way ANOVA)

Pengujian Varian Satu Jalur. (One Way ANOVA) One Way ANOVA Pengujian Varian Satu Jalur (One Way ANOVA) Uji One Way ANOVA, digunakan untuk mengetahui ada tidaknya perbedaan ratarata antara tiga kelompok lebih sample yang tidak berhubungan. Jika ada

Lebih terperinci

BAB IV HASIL PENELITIAN. A. Deskripsi Umum Obyek Penelitian. 1. Profil Pasar Tradisional Prajurit Kulon Kota Mojokerto

BAB IV HASIL PENELITIAN. A. Deskripsi Umum Obyek Penelitian. 1. Profil Pasar Tradisional Prajurit Kulon Kota Mojokerto BAB IV HASIL PENELITIAN A. Deskripsi Umum Obyek Penelitian 1. Profil Pasar Tradisional Prajurit Kulon Kota Mojokerto Pasar Prajurit Kulon didirikan oleh Pemerintah Kota Mojokerto yang dibawah naungan UPTD

Lebih terperinci

Perhitungan Uji Keseragaman & Keseragaman Data Menggunakan Excel Nama. Dicatat Oleh: Waktu Penyelesaian (detik)

Perhitungan Uji Keseragaman & Keseragaman Data Menggunakan Excel Nama. Dicatat Oleh: Waktu Penyelesaian (detik) Perhitungan Uji Keseragaman & Keseragaman Data Menggunakan Excel Tanggal 06/Mei/2013 Waktu 07.00-14.00 Nama WIB Proses: Operator Pak. Septian Kebisingan 70-80 db Dicatat Oleh: Jumlah Waktu Penyelesaian

Lebih terperinci

BAB 6 APLIKASI RANCANGAN ACAK KELOMPOK TIGA FAKTOR

BAB 6 APLIKASI RANCANGAN ACAK KELOMPOK TIGA FAKTOR BAB 6 APLIKASI RANCANGAN ACAK KELOMPOK TIGA FAKTOR Pada bab sebelumnya telah dibahas aplikasi rancangan acak kelompok satu faktor dan dua faktor. Bab ini akan membahas aplikasi SPSS dan SAS untuk analisis

Lebih terperinci

MODUL PRAKTIKUM II MATA KULIAH STATISTIKA TERAPAN

MODUL PRAKTIKUM II MATA KULIAH STATISTIKA TERAPAN MODUL PRAKTIKUM II MATA KULIAH STATISTIKA TERAPAN Disusun oleh: Dian Ayunita NND Fakultas Perikanan dan Ilmu Kelautan Universitas Diponegoro Semarang 2016 UNIVERSITAS DIPONEGORO FAKULTAS PERIKANAN DAN

Lebih terperinci

VI. SPSS RANCANGAN ACAK KELOMPOK (RAK)

VI. SPSS RANCANGAN ACAK KELOMPOK (RAK) VI. SPSS RANCANGAN ACAK KELOMPOK (RAK) Syarat : Ada satu peuabah bebas yang disebut perlakukan Ada satu peubah sampingan/pengganggu yang disebut kelompok Model Matematis : Yij = µ + Ki + Pj + єij i = 1,

Lebih terperinci

Analisis Varians. Liche/Statistik Lanjut-S2 F.Psi.UI/2008 1

Analisis Varians. Liche/Statistik Lanjut-S2 F.Psi.UI/2008 1 Analisis Varians Liche/Statistik Lanjut-S2 F.Psi.UI/2008 1 Hakikat Analisis Varians Anova adalah prosedur pengolahan data yang dilakukan untuk menguji perbedaan nilai rata-rata diantara dua atau lebih

Lebih terperinci

BAB IV DESKRIPSI DAN ANALISIS DATA

BAB IV DESKRIPSI DAN ANALISIS DATA BAB IV DESKRIPSI DAN ANALISIS DATA A. Deskripsi data Hasil Penelitian Data Pengamalan PAI dan Perilaku seks bebas peserta didik SMA N 1 Dempet diperoleh dari hasil angket yang telah diberikan kepada responden

Lebih terperinci

Uji Perbandingan Rata-Rata

Uji Perbandingan Rata-Rata Uji Perbandingan Rata-Rata Pengujian hipotesis perbandingan rata-rata dilakukan untuk melihat kesesuaian dugaan peneliti terhadap suatu objek yang diteliti dengan kenyataannya. Misalnya seorang peniliti

Lebih terperinci

1. Persentasi penyerapan zat besi dari tiga jenis makanan sebagai berikut (data fiktif)

1. Persentasi penyerapan zat besi dari tiga jenis makanan sebagai berikut (data fiktif) TUGAS ANALISIS REGRESI (Hal 31-33) NAMA : FADLAN WIDYANANDA NIM : 201432005 SESI : 03 1. Persentasi penyerapan zat besi dari tiga jenis makanan sebagai berikut (data fiktif) Roti Roti + Kedele Roti + Kedele

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1 Kerangka Pikiran Dalam memilih saham, serang investr memperhatikan faktr-faktr fundamental yang mempengaruhi harga saham tersebut, bukan berdasarkan pada gsip, isu atau

Lebih terperinci

UJI ANOVA. Uji kesamaan varian. Lihat output TEST of HOMOGENEITY of VARIANCE

UJI ANOVA. Uji kesamaan varian. Lihat output TEST of HOMOGENEITY of VARIANCE UJI ANOVA Skor Sekolah Skor Sekolah Skor Sekolah Skor Sekolah 75 SMA X 74 SMA W 54 SMA Y 64 SMA Z 55 SMA X 75 SMA W 58 SMA Y 58 SMA Z 59 SMA X 64 SMA W 60 SMA Y 57 SMA Z 60 SMA X 64 SMA W 74 SMA Y 60 SMA

Lebih terperinci

III. METODE PENELITIAN. dan waktu yang kita tentukan (Margono, 2010). Populasi dalam penelitian ini

III. METODE PENELITIAN. dan waktu yang kita tentukan (Margono, 2010). Populasi dalam penelitian ini III. METODE PENELITIAN A. Penentuan Populasi dan Sampel Penelitian 1. Populasi Populasi adalah seluruh data yang menjadi perhatian kita dalam suatu ruang lingkup dan waktu yang kita tentukan (Margono,

Lebih terperinci

Jawaban Tes Praktikum Pengolahan Data Diklat Metode Penelitian Percobaan dan Pengolahan Data

Jawaban Tes Praktikum Pengolahan Data Diklat Metode Penelitian Percobaan dan Pengolahan Data Jawaban Tes Praktikum Pengolahan Data Diklat Metode Penelitian Percobaan dan Pengolahan Data Peneliti di sebuah pabrik pembuatan genteng bermaksud mencari bahan dan suhu pemanasan optimal dalam produksi

Lebih terperinci

Analisis Varians Multivariats

Analisis Varians Multivariats Analisis Varians Multivariats Wahyu Widhiarso Fakultas Psikologi UGM wahyupsy@gmail.com A. Apa Bedanya Anava Univariats dan Multivariats Bedanya adalah anava univariats dipakai ketika variabel yang dibandingkan

Lebih terperinci

BAB IV ANALISIS DATA. bebas dan variabel terikat, kemudian data tersebut di analisis dengan

BAB IV ANALISIS DATA. bebas dan variabel terikat, kemudian data tersebut di analisis dengan BAB IV ANALISIS DATA A. Pengujian Hipotesis Setelah diperoleh masing-masing jumlah dari kategori variabel bebas dan variabel terikat, kemudian data tersebut di analisis dengan menggunakan analisis kuantitatif,

Lebih terperinci

III. METODE PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri 1

III. METODE PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri 1 18 III. METODE PENELITIAN A. Populasi dan Sampel Penelitian Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri 1 Pringsewu tahun pelajaran 2010/2011. Populasi yang diteliti sebanyak

Lebih terperinci

Statistika Farmasi

Statistika Farmasi Bab 5: Statistika FMIPA Universitas Islam Indonesia Tabel One-Way Analysis of Variance atau dikenal dengan nama, merupakan suatu metode analisis data dari suatu rancangan percobaan, di mana tujuannya adalah

Lebih terperinci

BAB 2. APLIKASI RANCANGAN ACAK LENGKAP 1 FAKTOR

BAB 2. APLIKASI RANCANGAN ACAK LENGKAP 1 FAKTOR BAB 2. APLIKASI RANCANGAN ACAK LENGKAP 1 FAKTOR Rancangan Acak Lengkap (RAL) merupakan rancangan yang paling sederhana dibanding rancangan lainnya. Penggunaan RAL di berbagai bidang penelitian telah banyak

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 20 BAB III METODE PENELITIAN A. Lokasi, Populasi dan Sampel Penelitian 1. Lokasi Penelitian Penelitian ini dilakukan di SDN 2 Cintaraja Kecamatan Singaparna Kabupaten Tasikmalaya. Terdapat beberapa alasan

Lebih terperinci

BAB 14 UJI DESKRIPTIF, VALIDITAS DAN NORMALITAS DATA

BAB 14 UJI DESKRIPTIF, VALIDITAS DAN NORMALITAS DATA BAB 14 UJI DESKRIPTIF, VALIDITAS DAN NORMALITAS DATA SPSS menyediakan fasilitas untuk melakukan analisis deskriptif data seperti uji deskriptif, validitas dan normalitas data. Uji deskriptif yang dilakukan

Lebih terperinci

Hubungan Linier Jumlah Penduduk Yang Bekerja dengan Belanja Langsung

Hubungan Linier Jumlah Penduduk Yang Bekerja dengan Belanja Langsung 139 LAMPIRAN 2 Hubungan Linier Jumlah Penduduk Yang Bekerja dengan Belanja Langsung Dependent Variable: Belanja Langsung Linear.274 19.584 1 52.000 57.441.239 The independent variable is Jumlah penduduk

Lebih terperinci

BAB IV ANALISIS DATA. telah ada pada pokok bahsan bab awal. Hipotesa penulis adalah : Komunikasi IAIN Sunan Ampel Surabaya.

BAB IV ANALISIS DATA. telah ada pada pokok bahsan bab awal. Hipotesa penulis adalah : Komunikasi IAIN Sunan Ampel Surabaya. 83 BAB IV ANALISIS DATA A. Pengujian Hipotesis Sebelum menjabarkan tentang analisis data dalam bentuk perhitungan menggunakan program SPSS, penulis membuat hipotesis sebagaimana yang telah ada pada pokok

Lebih terperinci

ANALISA RAGAM DATA (UJI ANOVA)

ANALISA RAGAM DATA (UJI ANOVA) MATERI III ANALISA RAGAM DATA (UJI ANOVA) STMIK KAPUTAMA BINJAI Wahyu S. I. Soeparno, SE., M.Si Analisa Ragam Satu Arah (Oneway) Analisa ragam satu arah ( oneway ANOVA) digunakan untuk membandingkan mean

Lebih terperinci

Analysis of Variance SUNU WIBIRAMA

Analysis of Variance SUNU WIBIRAMA Analysis of Variance SUNU WIBIRAMA Basic Probability and Statistics Department of Electrical Engineering and Information Technology Faculty of Engineering, Universitas Gadjah Mada Latar belakang perlunya

Lebih terperinci

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah seluruh siswa kelas XI IPA semester ganjil

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah seluruh siswa kelas XI IPA semester ganjil 20 III. METODOLOGI PENELITIAN A. Populasi dan Sampel Populasi dalam penelitian ini adalah seluruh siswa kelas XI IPA semester ganjil MAN Krui Kabupaten Pesisir Barat tahun ajaran 2012/2013. Teknik pengambilan

Lebih terperinci

BAB IV PELAKSANAAN DAN HASIL PENELITIAN. SMK PGRI 2 Salatiga yang beralamat di Jl. Nakula-Sadewa I Kembangarum

BAB IV PELAKSANAAN DAN HASIL PENELITIAN. SMK PGRI 2 Salatiga yang beralamat di Jl. Nakula-Sadewa I Kembangarum BAB IV PELAKSANAAN DAN HASIL PENELITIAN 4.1. Gambaran Subjek Penelitian Dalam penelitian ini yang menjadi subjek penelitian adalah siswa kelas X SMK PGRI 2 Salatiga yang beralamat di Jl. Nakula-Sadewa

Lebih terperinci

BAB 4 ANALISIS DAN PEMBAHASAN

BAB 4 ANALISIS DAN PEMBAHASAN digilib.uns.ac.id BAB 4 ANALISIS DAN PEMBAHASAN Pada bab ini disampaikan analisis hubungan volume kendaraan, kecepatan kendaraan dan jarak pengukuran terhadap kebisingan pada ruas Jalan Ir. Juanda Kota

Lebih terperinci

Review Persiapan UTS SPSS Psikologi SPSS Math SPSS Agri *materi menyesuaikan silabus masing masing jurusan. By: niyafn

Review Persiapan UTS SPSS Psikologi SPSS Math SPSS Agri *materi menyesuaikan silabus masing masing jurusan. By: niyafn Review Persiapan UTS SPSS Psikologi SPSS Math SPSS Agri *materi menyesuaikan silabus masing masing jurusan By: niyafn Uji Kenormalan Data Kenormalan Data Distribusi Frekuensi Distribusi Deskriptif Rasio

Lebih terperinci

UJI PRASYARAT ANALISIS

UJI PRASYARAT ANALISIS UJI PRASYARAT ANALISIS Wahyu Widhiarso Fakultas Psikologi UGM Latar Belakang PENGANTAR Beberapa formula statistika disusun berdasarkan asumsi-asumsi tertentu. Formula tersebut dapat menggambarkan sebuah

Lebih terperinci

MODUL III LINGKUNGAN KERJA FISIK

MODUL III LINGKUNGAN KERJA FISIK BAB I PENDAHULUAN 1.1 Latar Belakang Dalam dunia industri, sumber daya manusia merupakan salah satu aspek terpenting dalam jalannya sistem. Namun seringkali banyak ditemui halangan keberhasilan dikarenakan

Lebih terperinci

Bambang Hendrawan, Nurbadriyah Program studi Akuntansi Politeknik Batam

Bambang Hendrawan, Nurbadriyah Program studi Akuntansi Politeknik Batam Vl II (2), 2010 ISSN : 2085-3858 Perbedaan Besaran Piutang Tunggakan Listrik Sebelum dan Sesudah Kenaikan Tarif Listrik Batam : Sebuah Tpik Tugas Akhir Prgram Studi Akuntansi di Pliteknik Batam Bambang

Lebih terperinci

BAB 3 TIPS dan TRIK SPSS restrukturisasi

BAB 3 TIPS dan TRIK SPSS restrukturisasi BAB 3 TIPS dan TRIK SPSS restrukturisasi RESTRUCTURE (Merestrukturisasi Data) Perintah ini berkaitan dengan sub menu Transpse, dimana pada intinya akan mengubah data dari baris menjadi klm, sedangkan data

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN

BAB IV HASIL DAN PEMBAHASAN BAB IV HASIL DAN PEMBAHASAN Dalam suatu penelitian, setelah menetapkan metodologi penelitian maka akan dilakukan analisis validitas dan reliabilitas data, pengujian hipotesis dan analisa korelasi. Setelah

Lebih terperinci

LAMPIRAN II SURAT KETERANGAN MAGANG

LAMPIRAN II SURAT KETERANGAN MAGANG LAMPIRAN II SURAT KETERANGAN MAGANG 286 287 LAMPIRAN III LANGKAH-LANGKAH PENGGUNAAN SPSSV13 Salah Satu Contoh Langkah dalam melakukan perhitungan cacat jahitan dengan metode SPSSv13 1) Membuka program

Lebih terperinci

BAB IV PELAKSANAAN DAN HASILPENELITIAN

BAB IV PELAKSANAAN DAN HASILPENELITIAN BAB IV PELAKSANAAN DAN HASILPENELITIAN Pengumpulan data penelitian ini di lakukan pada tanggal 18 Mei 2014 sampai tanggal 21 Mei 2014. Sampel yang digunakan adalah mahasiswa Fakultas Keguruan Ilmu Pendidikan

Lebih terperinci

XII. SPSS RANCANGAN ACAK LENGKAP POLA BERJENJANG

XII. SPSS RANCANGAN ACAK LENGKAP POLA BERJENJANG XII. SPSS RANCANGAN ACAK LENGKAP POLA BERJENJANG Rancangan Acak Lengkap Pola Berjenjang adalah rancangan percobaan dengan materi homogen atau tidak ada peubah pengganggu, rancangan ini sebenarnya merupakan

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. kesadaran masyarakat dalam membayar PBB di Desa Kadirejo.

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. kesadaran masyarakat dalam membayar PBB di Desa Kadirejo. BAB IV HASIL PENELITIAN DAN PEMBAHASAN Bab ini akan mendeskripsikan tentang hasil penelitian yang telah diperoleh sekaligus pembahasannya. Hasil penelitian ini akan menjawab masalah penelitian pada Bab

Lebih terperinci

KORELASI DAN ASOSIASI

KORELASI DAN ASOSIASI KORELASI DAN ASOSIASI Kata korelasi diambil dari bahasa Inggris, yaitu correlation artinya saling hubungan atau hubungan timbal balik. Dalam ilmu statistika istilah korelasi diberi pengertian sebagai hubungan

Lebih terperinci

I. PENDAHULUAN II. TINJAUAN PUSTAKA

I. PENDAHULUAN II. TINJAUAN PUSTAKA I. PENDAHULUAN 1.1 Latar Belakang Statistika sangat bermanfaat dalam kehidupan manusia, tidak hanya di bidang ilmu pengetahuan tapi penerapannya juga sangat aplikatif di dunia sehari-hari. Salah satunya

Lebih terperinci

MATERI / BAHAN PRAKTIKUM

MATERI / BAHAN PRAKTIKUM MODUL II ANOVA A. Tujuan Praktikum 1. Untuk mengetahui dan memahami uji statistik dengan menggunakan Anova, yaitu ANOVA satu arah dan ANOVA dua arah. 2. Untuk mengetahui persoalan dan masalah-masalah yang

Lebih terperinci

Dua sampel independen, tidak terikat, tidak

Dua sampel independen, tidak terikat, tidak 76 PEMANFAATAN SPSS DALAM PENELITIAN BIDANG KESEHATAN & UMUM PEMANFAATAN SPSS DALAM PENELITIAN BIDANG KESEHATAN & UMUM 77 Jadi dari analisis keputusannya : p value < 0,05 Ho ditolak berarti Distribusi

Lebih terperinci

MODUL II ANALYSIS OF VARIANCE (ANOVA)

MODUL II ANALYSIS OF VARIANCE (ANOVA) MODUL II ANALYSIS OF VARIANCE (ANOVA) TUJUAN 1. Mahasiswa mampu memahami uji hipotesis harga rata-rata multi populasi dengan menggunakan Analysis of Variance (ANOVA). 2. Mahasiswa mampu memahami penyelesaian

Lebih terperinci

Uji Komparasi Dengan SPSS. Oleh Zulkifli Matondang

Uji Komparasi Dengan SPSS. Oleh Zulkifli Matondang Uji Komparasi Dengan SPSS Oleh Zulkifli Matondang Pengantar Analisis komparasi bertujuan untuk melihat perbedaan rata-rata variabel terikat antara dua kelompok atau lebih. Uji komparasi (variabel terikat)

Lebih terperinci

PEDOMAN PRAKTIKUM APLIKASI KOMPUTER LANJUT

PEDOMAN PRAKTIKUM APLIKASI KOMPUTER LANJUT PEDOMAN PRAKTIKUM APLIKASI KOMPUTER LANJUT Oleh: Ali Muhson FAKULTAS EKONOMI UNIVERSITAS NEGERI YOGYAKARTA 01 ii KATA PENGANTAR Puji syukur alhamdulillah saya panjatkan kehadirat Allah SWT yang telah memberikan

Lebih terperinci

III. METODE PENELITIAN. Negeri 1 Gadingrejo tahun ajaran 2011/2012 yang berjumlah 248 siswa dan

III. METODE PENELITIAN. Negeri 1 Gadingrejo tahun ajaran 2011/2012 yang berjumlah 248 siswa dan III. METODE PENELITIAN A. Populasi dan Sampel Penelitian Populasi dalam penelitian ini adalah semua siswa kelas X semester genap SMA Negeri 1 Gadingrejo tahun ajaran 2011/2012 yang berjumlah 248 siswa

Lebih terperinci

BAB 9 APLIKASI RANCANGAN BUJUR SANGKAR LATIN

BAB 9 APLIKASI RANCANGAN BUJUR SANGKAR LATIN 9 PLIKSI RNNGN UJUR SNGKR LTIN Rancangan bujur sangkar (Latin Square esign) merupakan salah satu model rancangan lingkungan dalam rancangan percobaan. isain rancangan ini berbentuk bujur sangkar sehingga

Lebih terperinci

PENGUJIAN HIPOTESIS BEDA TIGA RATA-RATA ATAU LEBIH. Statistik Industri II Teknik Industri Universitas Brawijaya

PENGUJIAN HIPOTESIS BEDA TIGA RATA-RATA ATAU LEBIH. Statistik Industri II Teknik Industri Universitas Brawijaya PENGUJIAN HIPOTESIS BEDA TIGA RATA-RATA ATAU LEBIH Statistik Industri II Teknik Industri Universitas Brawijaya Pengujian Hipotesis 3 rata-rata atau lebih Dengan teknik ANOVA (Analisis Varians) Pengujian

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN

BAB IV HASIL DAN PEMBAHASAN BAB IV HASIL DAN PEMBAHASAN Dalam penelitian ini akan dilakukan pembahasan mengenai deskripsi tempat penelitian yaitu di Yayasan Pendidikan Eben Haezer Salatiga, deskripsi responden penelitian yaitu guru-guru

Lebih terperinci

ANALISA VARIABEL DUMMY INDEPENDEN NON LINEAR DENGAN REGRESI BERGANDA

ANALISA VARIABEL DUMMY INDEPENDEN NON LINEAR DENGAN REGRESI BERGANDA ANALISA VARIABEL DUMMY INDEPENDEN NON LINEAR DENGAN REGRESI BERGANDA 1. Tinjauan Teoritis Analisa Dummy Variabel Dummy variabel merupakan variabel-variabel yang sesungguhnya merupakan variabel yang bersifat

Lebih terperinci

III. METODE PENELITIAN. Penelitian dilakukan di SMA Muhammadiyah I Pringsewu pada semester genap

III. METODE PENELITIAN. Penelitian dilakukan di SMA Muhammadiyah I Pringsewu pada semester genap III. METODE PENELITIAN A. Tempat dan Waktu penelitian Penelitian dilakukan di SMA Muhammadiyah I Pringsewu pada semester genap tahun pelajaran 2010-2011. B. Populasi dan Sampel Populasi penelitian adalah

Lebih terperinci

PENGARUH MOTIVASI KERJA DAN LINGKUNGAN KERJA TERHADAP KINERJA KARYAWAN PADA PUSAT ADMINISTRASI FAKULTAS KEDOKTERAN UNIVERSITAS INDONESIA

PENGARUH MOTIVASI KERJA DAN LINGKUNGAN KERJA TERHADAP KINERJA KARYAWAN PADA PUSAT ADMINISTRASI FAKULTAS KEDOKTERAN UNIVERSITAS INDONESIA PENGARUH MOTIVASI KERJA DAN LINGKUNGAN KERJA TERHADAP KINERJA KARYAWAN PADA PUSAT ADMINISTRASI FAKULTAS KEDOKTERAN UNIVERSITAS INDONESIA Nama : Ridwan Maulana NPM : 16212320 Pembimbing : Widiyarsih, SE.,

Lebih terperinci

Lampiran 1: Data Mentah Pengamatan Sebelum Dianalisis. Berdasarkan hasil pengamatan yang dilakukan, diperoleh data sebagai berikut:

Lampiran 1: Data Mentah Pengamatan Sebelum Dianalisis. Berdasarkan hasil pengamatan yang dilakukan, diperoleh data sebagai berikut: Lampiran-lampiran Lampiran 1: Data Mentah Pengamatan Sebelum Dianalisis 1) Tinggi Tanaman Berdasarkan hasil pengamatan yang dilakukan, diperoleh data sebagai berikut: Tabel 4: Rata-rata tinggi tanaman

Lebih terperinci

ANALISIS DATA KOMPARATIF (T-Test)

ANALISIS DATA KOMPARATIF (T-Test) PERTEMUAN KE-10 ANALISIS DATA KOMPARATIF (T-Test) Ringkasan Materi: Komparasi berasal dari kata comparison (Eng) yang mempunyai arti perbandingan atau pembandingan. Teknik analisis komparasi yaitu salah

Lebih terperinci

II. HASIL DAN PEMBAHASAN

II. HASIL DAN PEMBAHASAN II. HASIL DAN PEMBAHASAN 2.1 Karakteristik Responden Berdasarkan jawaban responden yang telah diklasifikasikan menurut jenis kelamin, umur, pendidikan, jenis pekerjaan, dan pengeluaran dalam satu bulan,

Lebih terperinci

BAB IV HASIL PENELITIAN

BAB IV HASIL PENELITIAN BAB IV HASIL PENELITIAN A. Deskripsi Data Statistik deskriptif ini digunakan sebagai dasar untuk menguraikan kecenderungan jawaban responden dari tiap-tiap variabel, baik mengenai program kegiatan masjid,

Lebih terperinci

ANALISIS REGRESI BERGANDA

ANALISIS REGRESI BERGANDA ANALISIS REGRESI BERGANDA Analisis Regresi Berganda Arahkan kursor pada Analyze lalu Regression dan pilih Linear Analisis Regresi Berganda Pada kotak Linear Regression, pindahkan variable Y pada kotak

Lebih terperinci

GUIDELINE PENGUJIAN MENGGUNAKAN SPSS

GUIDELINE PENGUJIAN MENGGUNAKAN SPSS GUIDELINE PENGUJIAN MENGGUNAKAN SPSS UJI RELIABILITAS Digunakan untuk mengukur suatu kuesioner yang merupakan indikator suatu variabel. Kuesioner dikatakan reliabel ketika jawaban seseorang terhadap pernyataan-pernyataan

Lebih terperinci