MATERI PERTEMUAN KE 3 EXPLORER Buka kembali contoh soal pada pertemuan kedua minggu kemarin sbb: Seorang guru SMA ingin mengetahui rata-rata nilai matematika siswa kelas 3A yang terdiri dari 14 siswa dengan memberikan tes kepada siswanya. Guru tersebut memiliki data rata-rata lama belajar tiap siswa No Nama N Matematika Lama Belajar No Nama N Matematika Lama Belajar 1 Hidayati (P) 85 3 8 Wibisono (L) 77 2,5 2 Nurhidayat (L) 75 2 9 Sapti (P) 76 2 3 Tri Bodro (P) 69 3 10 Ningsih (P) 69 1 4 Astuti (P) 83 2 11 Rohaida (P) 70 1,5 5 Tutut (P) 76 1 12 Novia (P) 78 1,5 6 Puspowati (P) 79 2 13 Lukman (L) 78 2,5 7 Kunto (L) 90 3,5 14 Ajito (L) 82 2,5 Langkah selanjutnya adalah melakukan uji explorer dengan langkah langkah sbb: 1. Menentukan normalitas suatu data. - Pilih menu Analyze, Descriptive Statistic, Explore. - Pada kotak Dependent List, isikan variabel Nilai Matematika. - Dependet List diisi variabel yang akan diuji kenormalanya. - Pada kotak Display pilih Both. - Klik tombol Plots, pada kotak Explore: Plots cek pada pilihan Normality plots with tests - klik Continue, klik Ok. Case Processing Summary Cases Valid Missing Total N Percent N Percent N Percent Nilai matematika 14 100.0% 0.0% 14 100.0% Keterangan: - Jumlah data ada 14 semua masuk proses - Tidak ada data yang hilang
Tests of Normality Kolmogorov-Smirnov a Shapiro-Wilk Statistic df Sig. Statistic Df Sig. Nilai matematika.126 14.200 *.954 14.621 a. Lilliefors Significance Correction *. This is a lower bound of the true significance. Untuk menguji kenormalan suatu data ada 2 cara: Cara yang pertama, langkah-langkahnya: 1. Menentukan hipotesis H0 : data berasal dari populasi yang berdistribusi normal Ha : data berasal dari populasi yang tidak berdistribusi normal 2. Menentukan kriteria Dengan menggunakan hasil kolmogorov smirnov: Terima H0 jika nilai sig.> alfa sig > 0,05 Tolak H0 jika nilai sig < alfa sig < 0,05 3. Membandingkan hasil dengan kriteria Nilai signifikansi 0,200 > 0,05 4. Menarik kesimpulan Karena nilai signifikansi > alfa, maka H0 diterima. Dengan kata lain nilai matematika berasal dari populasi yang berdistribusi normal. Cara berikutnya dengan melihat hasil plot yaitu jika data berdistribusi disekitar garis diagonal, maka data dikatakan normal.
Langkah selanjutnya lakukan uji dengan cara sbb: 1. Menentukan homogenitas suatu data Sebelumnya data asli ditambahkan kolom jenis kelamin, buka variabel view ditambah satu baris jenis Kemudian di data view isikan angka 1 laki-laki untuk 2 perempuan Pilih menu Analyze, Descriptive Statistic, Explore. Pada Dependent List isikan variabel Nilai Matematika, pada Factor List isikan variabel Jenis. Pada Display pilih Plots. Klik tombol Plots, Pada Boxplots klik Factor levels together, klik Normality plots with tests, Power estimation. Klik Continue, klik Ok. Case Processing Summary Cases Valid Missing Total Jenis kelamin N Percent N Percent N Percent Nilai matematika 1 5 100.0% 0.0% 5 100.0% 2 9 100.0% 0.0% 9 100.0% Keterangan: - Mahasiswa laki-laki ada 5 - Mahasiswa perempuan ada 9 - Semua data masuk proses, tidak ada data yang hilang Test of Homogeneity of Variance Levene Statistic df1 df2 Sig. Nilai matematika Based on Mean.002 1 12.963 Based on Median.066 1 12.802 Based on Median and with adjusted df.066 1 10.675.802 Based on trimmed mean.004 1 12.948 Untuk menguji homogenitas suatu data, maka langkah-langkahnya: 1. Menentukan hipotesis H0 : data berasal dari populasi yang bervarian homogen Ha : data berasal dari populasi yang tidak bervarian homogen
2. Menentukan kriteria Dengan menggunakan hasil levene statistik: Terima H0 jika nilai sig.> alfa sig > 0,05 Tolak H0 jika nilai sig < alfa sig < 0,05 3. Membandingkan hasil dengan kriteria Nilai signifikansi dilihat dari baris based on mean 0,963 > 0,05 4. Menarik kesimpulan Karena nilai signifikansi > alfa, maka H0 diterima. Dengan kata lain nilai matematika berasal dari populasi yang bervarian homogen. Uji yang terakhir adalah sbb: 3.Uji ketergantungan. Pilih menu Analyze, Descriptive Statistics, Crosstabs. Masukan variabel Jenis pada kotak Row. Kotak Columns diisi variabel Nilai Matematika. Klik tombol statistic. Pilih Chi-square, Klik Continue, klik Ok Chi-Square Tests Asymp. Sig. (2- Value df sided) Pearson Chi-Square 11.822 a 10.297 Likelihood Ratio 15.477 10.116 Linear-by-Linear Association 1.611 1.204 N of Valid Cases 14 a. 22 cells (100.0%) have expected count less than 5. The minimum expected count is.36. Untuk menguji ketergantungan antar data, langkah-langkahnya: 1. Menentukan hipotesis H0 : tidak ada hubungan antara baris dan kolom (nilai matematika dan jenis kelamin) Ha : ada hubungan antara baris dan kolom (nilai matematika dan jenis kelamin)
2. Menentukan kriteria Dengan menggunakan hasil: Terima H0 jika nilai Asymp. sig.> alfa Asymp. sig > 0,05 Tolak H0 jika nilai Asymp. sig < alfa Asymp. sig < 0,05 Atau cara yang lain: Terima H0 jika nilai Chi-Square hitung > Chi-Square tabel Tolak H0 jika nilai Chi-Square hitung < Chi-Square tabel 3. Membandingkan hasil dengan kriteria Nilai Asymp. sig dilihat dari baris Pearson Chi-Square 0,297 > 0,05 Nilai Chi-Square hitung adalah 11,822 Nilai Chi-Square tabel pada df 10 hasil bisa dilihat di tabel 5. Menarik kesimpulan Karena nilai Asymp.sig > alfa, maka H0 diterima. Dengan kata lain tidak ada hubungan antara nilai matematika dengan jenis kelamin. LATIHAN Diketahui data tentang berat badan dan tinggi badan mahasiswa yang mengambil matakuliah aplikom lanjut sbb: Jenis Berat badan Tinggi badan Jenis Berat badan Tinggi badan L. 52 167 P. 50 148 L. 49 154 P. 52 153 P. 60 178 P. 48 149 L. 47 165 P. 45 150 L. 55 176 L. 63 175 P. 49 164 L. 60 158 P. 60 169 P. 52 162 L. 65 160 P. 49 149 P. 49 153 L. 74 168 L. 62 175 P. 58 159
1. Lakukan uji explorer. 2. Pindahkan output ke words dan buatlah narasinya 3. Jawaban dalam bentuk words tadi dikirim lewat email kealamat: nda_eni@yahoo.com paling lambat satu hari setelah jadwal e-learning. Keterlambatan pengumpulan ada pengurangan nilai.