METODELOGI PENELITIAN Analisis data dan Uji satu sampel

Dosen Pembimbing: Abdul Azis, M. Si

Oleh: Zainul Abidin Anang Fakhmi Oky Dwi Ardian Tri Wahyu Dianto M. Annasrudin 07610025 08610001 08610006 08610028 08610038

UNIVERSITAS ISLAM NEGERI (UIN) MAULANA MALIK IBRAHIM MALANG FAKULTAS SAINS DAN TEKNOLOGI JURUSAN MATEMATIKA 10 Oktober 2010

dari kelompok 2 bisa menyelesaikan makalah metode penelitian tentang “Analisis Data dan Uji Satu Sampel” dengan baik. Bapak Abdul Aziz. semoga makalah yang kami susun ini bisa bermanfaat bagi kita semua baik untuk ilmu pengetahuan maupun dalam kehidupan sehari-hari. Perpustakaan UIN Malang yang telah menyediakan begitu banyak referensi bagi kami 3. 10 Oktober 2010 Hormat kami. Penyusun . Terimakasih. Malang.KATA PENGANTAR Puja dan puji syukur selalu kita panjatkan kepada Allah SWT yang mana dengan limpahan rahmat serka hidayah-Nya akhirnya kita. Wassalammu’alaikum. seperti: 1. Tak lupa rasa terimakasih ini juga kami sampaikan kepada pihak-pihak yang sangat membantu dalam penyusunan makalah ini. Wr. Wb. selaku dosen mata kulian metodelogi penelitian 2. Serta teman-teman yang secara langsung maupun tidak langsung telah memperlancar dan memudahkan penyusunan makalah ini Harapan kami selanjutnya.

B. diantaranya: 1. Kita dapat mengetahui tentang analisis data 2.BAB I PENDAHULUAN A. leh sebab itu akan sangat berguna nantinya jika kita bisa memahami konsep dan teori yang ada dalam makalah ini. Rumusan Masalah Adapun rumusan masalah dalam penyusunan makalah ini yang harus kita selesaikan. Pada kesempatan kali ini. Tujuan Adapun tujuan dari penyusunan makalah ini. kita mahasiswa matematika UIN Maulana Malik Ibrahim Malang menempuh salah satu mata kuliah yaitu Metodelogi Penelitian. Selain itu kami berharap kita bisa menerapkan teori ini dalam penelitian kita dengan baik. beberapa hal yang melatarbelakangi penyusunan makalah ini adalah kita kedepannya akan mengadakan sebuah penelitian. Apa pengertian dari analisis data? 2. diantaranya: 1. kami mendapat kepercayaan untuk menyusun sebuah makalah tentang analisis data dan uji satu sampel. Apa yang dimaksud dengan uji satu sampel? C. Kita dapat mengetahui tentang uji satu sampel . Selain itu. Latar Belakang Pada semester V kali ini.

Pengertian Analisis Data Analisa data adalah mengelompokkan. Kategori harus bebas dan terpisah d. sehingga kategori tersebut dapat mencapai tujuan penelitian dalam memecahkan masalah. Beberapa ciri dalam membuat kategori. Kategori harus lengkap. Kategori juga harus bebas dan terpisah nyata. Kategori harus lengkap c. dan satuan uraian dasar. kategori.BAB II PEMBAHASAN A. b. Tiap kategori harus berasal dari satu kaidah klasifikasi e. . Definisi lainj dari analisis data adalah seperti yang dikemukakan oleh beberapa ahli seperti berikut ini. Kategori yang dibuat juga harus dapat menguji hipotesa yang dirumuskan. Kategori harus sesuai dengan masalah penelitian. membuat suatu urutan. memanipulasi serta menyingkatkan data sehingga mudah untuk dibaca. 1. 2. dan hanya satu kategori saja. Step pertama dalam analisa adalah membagi data atas kelompok atau kategori-kategori. analisis data adalah proses yang merinci usaha formal untuk menemukan tema dan merumuskan hipotesis (ide) seperti yang disarankan oleh data dan sebagai usaha untuk memberikan bantuan pada tema dan hipotesis itu. analisis data adalah proses mengatur urutan data. yang berarti bahwa semua subjek atau responden harus termasuk ke dalam kategori tersebut. mengorganisasikannya kedalam suatu pola. Menurut bogdan dan taylor (1975). Tiap kategori harus dalam satu level. Dengan demikian. Kategori tidak lain dari bagian-bagian. Peneliti harus dapat membuat variabel sedemikian rupa sehingga tiap objek dapat dimasukkan dalam satu kategori. Menurut paton (1940). adalah: a. Tiap individu atau objek harus termasuk dalam satu kategori saja. Kategori harus dibuat sesuai dengan masalah dan tujuan penelitian. analisa yang dibuat akan sesuai dengan keinginan untuk memecahkan masalah.

Koofisien korelasi ”r” merupakan taksiran dari korelasi populasi dengan kondisi sample normal (acak). dan satuan uraian dasar sehingga dapat ditemukan tema dan dapat dirumuskan hipotesis kerja seperti yang disarankan oleh data. A. jika mendekati 0 (misalnya 0. . Keeratan hubungan antara satu variabel dengan variabel lainnya. Memperlihatkan hubungan – hubungan antara fenomena yang terdapat dalam penelitian. 1.3.95) ini dapat dikatakan bahwa memiliki hubungan yang sangat erat. KORELASI PENGERTIAN KORELASI Korelasi adalah salah satu teknik statistik yang digunakan untuk untuk mencari hubungan antara dua variabel atau lebih yang sifatnya kuantitatif Misalkan kita mempunyai dua variabel x dan y kita ingin menguji apakah hubungannya berbanding lurus atau terbalik atau bahkan tidak mempunyai hubungan sama sekali .Tingkat keeratan hubungan (koofisien korelasi) bergerak dari 0-1. Sebaliknya. harga -1 menunjukan adanya hubungan yang sempurna bersifat terbalik antara kedua variabel.Koofisien korelasi mempunyai harga -1 hingga +1. akan tatapi dengan mengeluarkan variabel lainnya yang mungkin dianggap berpangaruh dengan kata lain disebut kontrol. Sedangkan hubungan +1 menunjukan adanya hubungan sempurna positif. Bahan untuk membuat kesimpulan serta implikasi – implikasi dan saran – saran yang berguna untuk kebijakan penelitian selanjutnya. jika r mendekati 1 (misalnya 0. 3. 1. Tujuan analisis data Tujuan dari analisis data ini antara lain adalah sebagai berikut. 2. biasa disebut dengan koofisien korelasi yang ditandai dengan ”r”. Menurut Lexy J.10) dapat dikatakan mempunyai hubungan yang rendah. analisis data adalah proses mengorganisasikan dan mengurutkan data kedalam pola. Untuk memberikan jawaban terhadap hipotesis yang diajukan dalam penelitian. Korelasi dibagi menjadi dua àkorelasi bivariat :merupakan uji korelasi antara dua variabelàkorelasi partial : bertujuan untuk menghitung koefisien korelasi antara dua variabel. Data dapat diberi arti makna yang berguna dalam memecahkan masalah – masalah penelitian.Moleong (2000). 4. kategori.

DATA TENTANG UKURAN CELANA DAN BERAT BADAN KELAS D DAN E UKURAN CELANA 27 28 26 30 32 31 29 27 26 29 30 31 30 29 27 28 29 27 28 30 31 32 27 28 26 BERAT BADAN 42 47 38 56 67 62 53 44 39 53 58 62 57 54 43 48 52 42 46 57 63 68 44 50 40 .

70496 menggunakan korelasi pearson Standar deviasi permintaan berat badan = 8.000 30 1 .7000 Mean dari permintaan berat badan = 51.000 1 BeratBadan .7000 51.21556 menggunakan korelasi person • Banyaknya data analisi = 30 Correlations UkuranCelana UkuranCelana Pearson Correlation Sig. (2-tailed) N BeratBadan Pearson Correlation Sig.990 .29 29 28 28 29 Correlations 53 50 46 48 55 Descriptive Statistics Mean UkuranCelana BeratBadan 28. Deviation 1.990 .21556 N 30 30 Keterangan : • • • • Mean dari permintaan ukuran celana = 28.2333 Std.2333 Standara deviasi permintaan ukuran celana = 1.70496 8. (2-tailed) 30 .

000 30 1.000 30 1.000 . BeratBadan . Contoh .000 30 1. 30 Koefisien korelasi permintaan ukuran celana dengan berat badan 1.000 berarti keeratan korelasi permintaan ukuran celana dengan berat badan sangat lemah. karena panjang badan lebih mudah diukur maka panjang badan dimasukkan kedalam peubah bebas (X). (2-tailed) N BeratBadan Correlation Coefficient Sig.000 . kadar zat pengawet.938** . sedangkan berat badan dimasukkan peubah tak bebas (Y).938** .985** . 2. (2-tailed) N BeratBadan Correlation Coefficient Sig. (2-tailed) N Spearman's rho UkuranCelana Correlation Coefficient Sig. Nilai p-value pada kolom sig.00. Disamping itu peubah bebas bisa juga berupa peubah tak bebasnya. dalam penelitian peubah bebas ( X) biasanya peubah yang ditentukan oelh peneliti secara bebas misalnya dosis obat.(2-tailed) 0. (2-tailed) N 30 . sedangkan peubah tak bebas (Y) dalam penelitian berupa respon yang diukur akibat perlakuan/peubah bebas (X). umur ternak dan sebagainya. berat ayam pada umu tertent dan sebagainya. lama penyimpanan.000 . 30 .N Correlations 30 30 UkuranCelana Kendall's tau_b UkuranCelana Correlation Coefficient Sig. misalnya jumlah sel darah merah akibat pengobatan dengan dosis tertentu.985** . 30 .000 . ANALISIS REGRESI Analisis regresi mempelajari bentuk hubungan antara satu atau lebih peubah bebas (X) dengan satu peubah tak bebas (Y). misalnya dalam pengukuran panjang badan dan berat badan sapi. jumlah mikroba daging setelah disimpan beberapa hari.000 30 1.

Seorang peneliti ingin mengetahui bentuk hubungan antara jumlah cacing jenis tertentu denagn jumlah telurnya pada usus ayam buras. Untuk tujuan tersebut diperiksa 20 ekor ayam dan ditemukan sebagai berikut Tabel 1 jumlah cacing dan jumlah telurnya pada usus ayam buras. No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Total Jumlah Cacing ( Xi) 12 14 13 12 15 16 13 11 10 11 12 13 17 19 13 11 16 12 14 15 269 Jumlah telurnya (Yi) 45 50 51 43 61 62 50 43 40 44 48 52 70 76 53 43 60 48 53 63 1055 .

+63=1055 2 i ∑X i =1 =122+142+132+……………………+152=3719 ∑Y i =1 n n 2 i =452+502+512+……………………+622=57449 ∑X Y i =1 i i =12x45+14x50+13x51+…………………+15x63=14604 X = 1 n 1 Xi = = 269 = 13.…………………….45 52.Rataan 13.45 ∑ n i =1 20 1 n 1 Yi = = 1055 = 52.3.75 Dari data diatas kita bisa menghitung : ∑X i =1 n i =12+14+13+…………………………+15=269 ∑Y i =1 n n i =45+50+51+………………………...2.75 ∑ n i =1 20 X = Bila kita duga bentuk hubungan antara jumlah cacing (X)dan jumlah telurnya (Y) adalah : Ŷi=β0 +β1Xi+εi i=1.20 disini Ŷi adalah dugaan Yi jadi persamaan normalnya adalah : X’Y =X’Xβ .

442⎤ ⎢− 269 ⎢ ⎥=⎢ ⎥ 20 ⎥ ⎣ ⎦ ⎣14604⎦ ⎣ 4. KORELASI SPEARMAN RANK Metode korelasi spearman rank (rho) bisa juga disebut korelasi berjenjang.442 + 4. Tehnik ini mempunyai kaitan erat dengan Chi kuadrat yang digunakan untuk menguji komparatif k sampel independent sebab dalam koefisien kontingensi terdapat rumus chi kuadrat. atau korelasi berpangkat. 4. Metode ini dikemukakan olejh Carl Spearman tahun 1904.103 ⎦ 3. tidak diperlukan asumsi kontinuitas pengukuran pada salahsatu atau kedua variabel tanda tersebut. Koefisien Kontingensi Uji statistika nonparametrik yang digunakan untuk melihat hubungan antar dua variabel salah satunya adalah koefisien kontingensi. Dalam penggunaan koefisien kontingensi. Koefisien kontingensi digunakan untuk menghitung hubungan variabel bila skala pengukurannya berbentuk nominal.103 Xi. Koefisien kontingensi dalam perhitungannya.⎡ 20 ⎤ ⎡ ⎢ ∑ Yi ⎥ ⎢ 20 ⎢ 20i =1 ⎥ = ⎢ 20 ⎢ XY⎥ ⎢ X ∑ i i⎥ ∑ i ⎢ ⎣ i =1 ⎦ ⎢ ⎣ i =1 ⎤ ⎥ ⎡β 0 ⎤ i =1 ⎥⎢ ⎥ 20 2 ⎥ ⎣ β1 ⎦ X1 ∑ ⎥ i =1 ⎦ ∑X n i ⎡ 1055 ⎤ ⎡ 20 269 ⎤ ⎡ β o ⎤ ⎢14604⎥ = ⎢269 3719⎥ ⎢ β ⎥ ⎣ ⎦ ⎣ ⎦⎣ 1 ⎦ ⎡ 20 2 ⎢ ∑ X1 1 ⎢ i =120 20 − (∑ X i ) 2 ⎢ − ∑ X i ⎢ ⎣ i =1 i =1 20 ⎤⎡ n 2 ⎤ − ∑ X i ⎥ ⎢ ∑ Yi ⎥ i =1 i =1 ⎥ ⎥ ⎢ 20 ⎢ ⎥ 20 X i Yi ⎥ ∑ ⎥ ⎢ ⎥ ⎦ ⎦ ⎣ i =1 ⎡β o ⎤ ⎢β ⎥ = 20 ⎣ 1 ⎦ 20 X 2 ∑ 1 i =1 ⎡β o ⎤ 1 ⎢β ⎥ = 2 ⎣ 1 ⎦ 20(3719) − (269) Jadi Ŷ=-2. memerlukan tabel kontingensi dan tiap sel harus mempunyai kesamaan sifat dalam bentuk baris serta kolomnya.Untuk mengukur data kuantitatif secara eksakta sulit dilakukan misalnya mengukur . mendapatkan validitas empiris. dan mengetahui reliabilitas. Dalam penelitian ini akan dicari koefisien korelasi kontingensi C serta aplikasinya dengan soft-ware SPSS untuk koefisien korelasi dari beberapa sampel. ⎡ 3719 − 269⎤ ⎡ 1055 ⎤ ⎡− 2. mengetahui tingkat kecocokan dari dua variabel terhadap grup yang sama. alat pengumpul data. kegunaanya untuk mengukur tingkat atau eratnya hubungan antara dua variabel yaitu variabel bebas dan variabel terikat yang berskala ordinal.

tingkat produktifitas pegawai. Metode korelasi Spearman Rank tidak terikat oleh asumsi bahwa populasi yang diselidiki harus berdistribusi normal.Xn dengan ukuran n dan dari sampel dapat dihitung rata-rata sampel X bar dan varian sampel S kuadrat.X2. Korelasi Kendall Tau Teknik korelasi ini mempunyai fungsi yang sama dengan korelasi Rank Spearman. populasi sampel yang diambil sebagai sampel maksimal 5<n<30 pasang. partisipasi wajib pajak. tingkat moralitas pegawai dll. dan efektivitas pelunasan Pajak Bumi dan Bangunan (PBB). Uji Satu Sampel Untuk menguji perbedaan mean data hasil kenyataan di lapangan dengan standar /ketentuan baku / peraturan atau mean datahasil kenyataan di lapangan yang dianggap sebagai standar. Hipotesis yang diajukan hipotesis asosiatif 2. setiap data xi dan yi ditetapkan peringkat relatifnya terhadap data x dan y lainnya dari data terkecil sampai yang terbesar. Dalam aplikasinya.…. Skala data ordinal 3. Akan dilakukan uji hipotesis untuk menjawab apakah sebuah rata-rata populasi µ nilainya sama dengan sebuah nilai yang ditetapkan. Diambil sampel random X1. tingkat motifasi pegawai. . 5. data dapat diubah dari data interval menjadi data ordinal Koefisien korelasi Rank Spearman dinotasikan. Peringkat terkecil diberi nilai 1 dan jika terdapat data yang sama maka masing-masing nilai diberi peringkat rata-rata dari posisi yang seharusnya. Diberikan sebuah populasi berdistribusi normal dengan rata-rata µ dan varian σ kuadrat tidak diketahui. yakni untuk menganalisis data penelitian yang mempunyai karakteristik: 1. Data tidak harus berdistribusi normal Contoh Kasus Seorang peneliti ingin mengetahui hubungan antara kepemimpinan kepala desa.tingkat kesukaan (kesenangan ).

Arti RUN dapat digambarkan dengan serentetan data berikut: ++++---+--Dari rentetan tanda '+' dan '-' tersebut.Sampel yang . Test hipotesis H0 : µ=µ0 (rata-rata populasi sama dengan µ0) H1 : µ≠µ0 (rata-rata populasi tidak sama dengan µ0) dimana µ0 adalah sebuah nilai khusus.dan yang RUN yang terakhir terdiri dari tiga tanda '+'. Jika jumlah RUN sedikit. lalu RUN ketiga terdiri atas satu tanda '+'. Run Test Run Test of Randomness pada prinsipnya bertujuan untuk melihat apakah sampel yang sedang diteliti diambil secara acak (random) dari populasinya. Test statistika t hitung = (X bar – µ0)/(S/√n) yang mengikuti distribusi t dengan derajat bebas n-1. Pada umumnya digunakan α=0. S standar deviasi sampel dan n adalah ukuran sampel. Jika ternyata sampel yang sedang diteliti tidak melibatkan unsur acak. Setiap rentetan data yang berkelompok tersebut disebut sebagai satu RUN. Dengan demikian deretan tanda di atas terdiri atas 4 RUN. n-1) atau t hitung < -t (α/2 . Sebaliknya. dimana X bar adalah rata-rata sampel. Dari jumlah RUN tersebut dapat diketahui apakah sebuah data yang berurutan adalah bersifat acak atau tidak. Tingkat signifikansi α . semakin besar tingkat keacakannya. lalu RUN kedua terdiri atas tiga tanda '-'. Pengujian terhadap keacakan ini penting untuk menghindari kebiasan yang terjadi dalam penarikan kesimpulan terhadap keadaan populasi.05 Daerah kritis Tolak H0 jika t hitung > t (α/2 . Sebagai penggambaran awal. maka semakin kecil tingkat keacakannya. kemudian diikuti dengan 3 tanda '-' secara beruntun lalu tanda '+' dan dilanjutkan dengan 3 tanda '-'. maka sampel tersebut tidak dapat digunakan untuk dianalisis lebih lanjut.Tujuan uji hipotesis ini adalah untuk menentukan apakah sebuah rata-rata populasi sama dengan (lebih besar/lebih kecil) dengan suatu nilai khusus yang telah ditetapkan. yakni RUN pertama terdiri atas 4 tanda '+'. n-1) 1. mari kita tilik menggunaan kata "RUN" dalam nama uji ini. semakin besar jumlah RUN. terdapat 4 tanda '+' secara beruntun.

daerah penerimaan untuk T untuk tingkat signifikansi 5% adalah 9. • Linear-by-linear asosiasi-uji chi square .59 interval untuk 34.ditentukan nilai. Satu kasus di mana distribusi uji statistik adalah tepat distribusi chi-square adalah tes bahwa varians dari populasi-didistribusikan biasanya memiliki nilai diberikan berdasarkan varians sampel . • Para uji portmanteau dalam analisis time-series . sehingga menimbulkan contoh kecil item produk yang variasi yang akan diuji. Dan jika sampel yang kita teliti merupakan sampel yang diambil secara bebas. Ketika disebutkan tanpa pengubah atau tanpa konteks menghalangi lain. • Mantel-Mantel-uji chi square . maka dapat dikatakan sampel sudah merepresentasikan populasi. 2. tes ini biasanya dipahami (untuk tes yang tepat digunakan di tempat χ 2. Chi-square Square uji chi (juga chi-kuadrat atau χ 2 test) adalah setiap statistik uji hipotesis di mana distribusi sampling dari statistik uji adalah distribusi chi-kuadrat ketika hipotesis nol adalah benar. juga dikenal sebagai Yates koreksi untuk kontinuitas. atau di mana ini adalah benar asimtotik .17. yang berarti bahwa distribusi sampling (jika hipotesis nol benar) dapat dibuat untuk perkiraan distribusi chi-kuadrat semaksimal yang diinginkan dengan membuat ukuran sampel yang cukup besar. sebuah proses manufaktur mungkin telah dalam kondisi stabil untuk jangka panjang. Jika sampel ukuran n diambil dari populasi memiliki distribusi normal . Sebagai contoh jika ukuran sampel adalah 21. untuk menguji apakah ada bukti kebutuhan untuk berpindah dari model sederhana ke rumit satu lagi (dimana model sederhana adalah bersarang di dalam satu kompleks). pengujian keberadaan autokorelasi • Kemungkinan-rasio tes dalam pemodelan statistik umum. maka ada hasil yang dikenal dengan baik (lihat distribusi dari varians sampel ) yang memungkinkan tes harus terbuat dari apakah varians populasi memiliki pra. dibagi dengan nilai nominal untuk varian (yaitu nilai yang akan diuji sebagai memegang). Sebagai contoh.bersifat acak menandakan bahwa sampel diambil secara BEBAS. T statistik uji dalam hal ini dapat diatur menjadi jumlah kuadrat dari mean sampel. • Yates uji chi-square . . Misalkan varian proses sedang diuji. Tes semacam ini jarang terjadi dalam praktek karena nilai varians uji terhadap jarang diketahui secara pasti. Beberapa contoh tes chi-kuadrat dimana distribusi chi-kuadrat hanya kira-kira berlaku: • Chi kuadrat Pearson test . juga dikenal sebagai uji fit persegi kebaikan-chi atau uji chisquare untuk kemerdekaan. yang memungkinkan sebuah nilai untuk varians yang akan ditentukan pada dasarnya tanpa kesalahan. lihat pasti uji's Fisher ).

Dengan cara ini.17 diharapkan. dan kepentingan khusus yang melekat untuk melinting 6. dan tes yang tepat diperlukan.1 / 6) untuk mencari tahu apa probabilitasnya adalah menemukan persis 51 berenam dalam sampel 235 jika kemungkinan benar dari 6 pada setiap percobaan adalah 1 / 6.17 kali.0265443. seperti contoh di bawah ini menunjukkan.0437480. tepatnya 53. hasilnya adalah 0. dan menambahkan semua probabilitas bersamasama.11. kita akan mengharapkan 6 untuk datang 235 / 6 = 39.3. . Namun. uji binomial adalah exact test dari signifikansi statistik penyimpangan dari distribusi yang diharapkan secara teoritis pengamatan ke dalam dua kategori. kita mendapatkan . Tabel tersedia secara luas untuk memberikan signifikansi yang diamati jumlah observasi dalam kategori untuk kasus ini. harus digunakan sebagai pengganti uji binomial. Dimana ada lebih dari dua kategori. Contoh uji binomial Misalkan kita memiliki papan permainan yang bergantung pada gulungan mati . . Jika biaya sebuah tuduhan palsu terlalu tinggi. yang tidak mungkin (signifikan pada tingkat 5%) untuk datang dari mati yang tidak dimuat untuk memberikan banyak 6s ( uji satu sisi ). Ketika kita menambahkan ini ke hasil pertama. Dalam sebuah permainan tertentu.17 diharapkan . Kami kemudian menemukan probabilitas penemuan tepatnya 52. kita mungkin . dan 6 muncul 51 kali. kita berkonsultasi dengan distribusi binomial B (235. Berikut ukuran efek adalah 11. karena itulah cara berenam lebih banyak ada dari yang diharapkan. Jelas mati bisa roll berenam juga beberapa semudah terlalu banyak dan kita akan sama mencurigakan. sehingga kita harus menggunakan tes berekor dua yang mempertimbangkan kemungkinan memiliki ukuran efek tertentu baik di atas atau di bawah ekspektasi. kita mendapatkan probabilitas untuk mendapatkan hasil yang diamati (51 6s) atau hasil yang lebih ekstrim (> 51 6s) dan dalam contoh ini.83 efek ukuran yang sama). pada hipotesis nol dari sebuah dadu? Untuk menemukan jawaban atas pertanyaan ini menggunakan uji binomial. dan seterusnya sampai dengan 235. berdasarkan distribusi multinomial . .0172037. Uji Binomial Dalam statistik .83. yang signifikan pada 5% tingkat signifikansi . dengan ditemukan 51 vs 39. Penggunaan paling umum dari uji binomial adalah dalam hal mana hipotesis nol bahwa dua kategori yang sama mungkin terjadi. Apakah proporsi 6s signifikan lebih tinggi dari yang diharapkan secara kebetulan. Menjumlahkan semua probabilitas (<28 6s) menghasilkan 0. Jika mati adalah wajar. uji binomial tidak terbatas pada kasus ini. tes multinomial . Jadi sekarang kita harus menemukan probabilitas bahwa yang mati akan menggulung enam 27 kali atau kurang (39. mati adalah 235 kali digulung.

dalam hal ini kita tidak dapat menolak hipotesis nol dari sebuah dadu dengan kepastian yang memadai. . seperti 1% tingkat kepercayaan .memiliki persyaratan yang lebih ketat.

atau di mana ini adalah benar asimtotik . yang berarti bahwa distribusi sampling (jika hipotesis nol benar) dapat dibuat untuk perkiraan distribusi chi-kuadrat semaksimal yang diinginkan dengan membuat ukuran sampel yang cukup besar. memanipulasi serta menyingkatkan data sehingga mudah untuk dibaca. Data dapat diberi arti makna yang berguna dalam memecahkan masalah masalah penelitian. UJI SATU SAMPEL Untuk menguji perbedaan mean data hasil kenyataan di lapangan dengan standar /ketentuan baku / peraturan atau mean datahasil kenyataan di lapangan yang dianggap sebagai standar.BAB III SIMPULAN ANALISIS DATA Analisa data adalah mengelompokkan. dan chi square test. Uji binomial adalah exact test dari signifikansi statistik penyimpangan dari distribusi yang diharapkan secara teoritis pengamatan ke dalam dua kategori. Bahan untuk membuat kesimpulan serta implikasi – implikasi dan saran – saran yang berguna untuk kebijakan penelitian selanjutnya. membuat suatu urutan. Memperlihatkan hubungan hubungan antara fenomena yang terdapat dalam penelitian. korelasi spearman rank. korelasi kendal tau. Tujuan dari analisis data ini antara lain adalah sebagai berikut. koefisien kontingensi. Untuk memberikan jawaban terhadap hipotesis yang diajukan dalam penelitian. Uji satu sampel terdiri atas run test. Teknik pengolahan data terdiri dari korelasi. binomial test. regresi. Run Test of Randomness pada prinsipnya bertujuan untuk melihat apakah sampel yang sedang diteliti diambil secara acak (random) dari populasinya. Penggunaan paling umum dari uji binomial adalah dalam hal mana hipotesis nol bahwa dua kategori yang sama mungkin terjadi . Square uji adalah setiap statistik uji hipotesis di mana distribusi sampling dari statistik uji adalah distribusi chi-kuadrat ketika hipotesis nol adalah benar.

2009. Jakarta: Salemba Humanika .DAFTAR PUSTAKA Hasan. Karyawan dan Peneliti Pemula. Bandung: ALFABETA Nisfiannoor. Pokok-pokok Materi Metodologi Penelitian& Aplikasinya. Pendekatan Statistika Modern. Iqbal. 2002. Muhammad. Belajar Mudah Penelitian Untuk Guru. 2005. Jakarta: Ghalia Indonesia Riduan.

Sign up to vote on this title
UsefulNot useful