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

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

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

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

1. Tujuan analisis data Tujuan dari analisis data ini antara lain adalah sebagai berikut. kategori. Data dapat diberi arti makna yang berguna dalam memecahkan masalah – masalah penelitian. Sedangkan hubungan +1 menunjukan adanya hubungan sempurna positif.Koofisien korelasi mempunyai harga -1 hingga +1. 4. 3. harga -1 menunjukan adanya hubungan yang sempurna bersifat terbalik antara kedua variabel. 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 . dan satuan uraian dasar sehingga dapat ditemukan tema dan dapat dirumuskan hipotesis kerja seperti yang disarankan oleh data. jika r mendekati 1 (misalnya 0. A. 2. biasa disebut dengan koofisien korelasi yang ditandai dengan ”r”. Menurut Lexy J. Keeratan hubungan antara satu variabel dengan variabel lainnya. akan tatapi dengan mengeluarkan variabel lainnya yang mungkin dianggap berpangaruh dengan kata lain disebut kontrol. Untuk memberikan jawaban terhadap hipotesis yang diajukan dalam penelitian.Tingkat keeratan hubungan (koofisien korelasi) bergerak dari 0-1. 1. Korelasi dibagi menjadi dua àkorelasi bivariat :merupakan uji korelasi antara dua variabelàkorelasi partial : bertujuan untuk menghitung koefisien korelasi antara dua variabel. Memperlihatkan hubungan – hubungan antara fenomena yang terdapat dalam penelitian. .10) dapat dikatakan mempunyai hubungan yang rendah. Sebaliknya.Moleong (2000). jika mendekati 0 (misalnya 0.3. Bahan untuk membuat kesimpulan serta implikasi – implikasi dan saran – saran yang berguna untuk kebijakan penelitian selanjutnya. analisis data adalah proses mengorganisasikan dan mengurutkan data kedalam pola. Koofisien korelasi ”r” merupakan taksiran dari korelasi populasi dengan kondisi sample normal (acak).95) ini dapat dikatakan bahwa memiliki hubungan yang sangat erat.

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 .

(2-tailed) 30 .000 30 1 .70496 8.2333 Std.990 .2333 Standara deviasi permintaan ukuran celana = 1.29 29 28 28 29 Correlations 53 50 46 48 55 Descriptive Statistics Mean UkuranCelana BeratBadan 28.7000 Mean dari permintaan berat badan = 51.21556 N 30 30 Keterangan : • • • • Mean dari permintaan ukuran celana = 28.21556 menggunakan korelasi person • Banyaknya data analisi = 30 Correlations UkuranCelana UkuranCelana Pearson Correlation Sig.990 . Deviation 1. (2-tailed) N BeratBadan Pearson Correlation Sig.70496 menggunakan korelasi pearson Standar deviasi permintaan berat badan = 8.000 1 BeratBadan .7000 51.

2.000 30 1. (2-tailed) N BeratBadan Correlation Coefficient Sig. berat ayam pada umu tertent dan sebagainya.00. karena panjang badan lebih mudah diukur maka panjang badan dimasukkan kedalam peubah bebas (X). lama penyimpanan.000 30 1. umur ternak dan sebagainya. (2-tailed) N Spearman's rho UkuranCelana Correlation Coefficient Sig. dalam penelitian peubah bebas ( X) biasanya peubah yang ditentukan oelh peneliti secara bebas misalnya dosis obat.000 . (2-tailed) N BeratBadan Correlation Coefficient Sig.000 .985** . sedangkan berat badan dimasukkan peubah tak bebas (Y). Nilai p-value pada kolom sig.(2-tailed) 0.000 .000 . 30 . Contoh . ANALISIS REGRESI Analisis regresi mempelajari bentuk hubungan antara satu atau lebih peubah bebas (X) dengan satu peubah tak bebas (Y).000 30 1. jumlah mikroba daging setelah disimpan beberapa hari. (2-tailed) N 30 .N Correlations 30 30 UkuranCelana Kendall's tau_b UkuranCelana Correlation Coefficient Sig. misalnya dalam pengukuran panjang badan dan berat badan sapi. 30 Koefisien korelasi permintaan ukuran celana dengan berat badan 1.000 berarti keeratan korelasi permintaan ukuran celana dengan berat badan sangat lemah. Disamping itu peubah bebas bisa juga berupa peubah tak bebasnya. kadar zat pengawet.000 30 1.938** . BeratBadan . 30 . misalnya jumlah sel darah merah akibat pengobatan dengan dosis tertentu. sedangkan peubah tak bebas (Y) dalam penelitian berupa respon yang diukur akibat perlakuan/peubah bebas (X).938** .985** .

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 .

.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+……………………….45 52.3.20 disini Ŷi adalah dugaan Yi jadi persamaan normalnya adalah : X’Y =X’Xβ .45 ∑ n i =1 20 1 n 1 Yi = = 1055 = 52..…………………….+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.Rataan 13.75 ∑ n i =1 20 X = Bila kita duga bentuk hubungan antara jumlah cacing (X)dan jumlah telurnya (Y) adalah : Ŷi=β0 +β1Xi+εi i=1.2.

Koefisien kontingensi dalam perhitungannya. 4. Koefisien kontingensi digunakan untuk menghitung hubungan variabel bila skala pengukurannya berbentuk nominal. Dalam penggunaan koefisien kontingensi. mendapatkan validitas empiris. memerlukan tabel kontingensi dan tiap sel harus mempunyai kesamaan sifat dalam bentuk baris serta kolomnya. Metode ini dikemukakan olejh Carl Spearman tahun 1904. alat pengumpul data.442 + 4.442⎤ ⎢− 269 ⎢ ⎥=⎢ ⎥ 20 ⎥ ⎣ ⎦ ⎣14604⎦ ⎣ 4. Dalam penelitian ini akan dicari koefisien korelasi kontingensi C serta aplikasinya dengan soft-ware SPSS untuk koefisien korelasi dari beberapa sampel. dan mengetahui reliabilitas. mengetahui tingkat kecocokan dari dua variabel terhadap grup yang sama.Untuk mengukur data kuantitatif secara eksakta sulit dilakukan misalnya mengukur . ⎡ 3719 − 269⎤ ⎡ 1055 ⎤ ⎡− 2. tidak diperlukan asumsi kontinuitas pengukuran pada salahsatu atau kedua variabel tanda tersebut. atau korelasi berpangkat.103 ⎦ 3.103 Xi. kegunaanya untuk mengukur tingkat atau eratnya hubungan antara dua variabel yaitu variabel bebas dan variabel terikat yang berskala ordinal. Koefisien Kontingensi Uji statistika nonparametrik yang digunakan untuk melihat hubungan antar dua variabel salah satunya adalah koefisien kontingensi.⎡ 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. Tehnik ini mempunyai kaitan erat dengan Chi kuadrat yang digunakan untuk menguji komparatif k sampel independent sebab dalam koefisien kontingensi terdapat rumus chi kuadrat. KORELASI SPEARMAN RANK Metode korelasi spearman rank (rho) bisa juga disebut korelasi berjenjang.

setiap data xi dan yi ditetapkan peringkat relatifnya terhadap data x dan y lainnya dari data terkecil sampai yang terbesar. Diambil sampel random X1. tingkat motifasi pegawai.tingkat kesukaan (kesenangan ). Skala data ordinal 3. tingkat moralitas pegawai dll. Data tidak harus berdistribusi normal Contoh Kasus Seorang peneliti ingin mengetahui hubungan antara kepemimpinan kepala desa. partisipasi wajib pajak. 5.Xn dengan ukuran n dan dari sampel dapat dihitung rata-rata sampel X bar dan varian sampel S kuadrat. Diberikan sebuah populasi berdistribusi normal dengan rata-rata µ dan varian σ kuadrat tidak diketahui.X2. Metode korelasi Spearman Rank tidak terikat oleh asumsi bahwa populasi yang diselidiki harus berdistribusi normal. yakni untuk menganalisis data penelitian yang mempunyai karakteristik: 1. dan efektivitas pelunasan Pajak Bumi dan Bangunan (PBB). Akan dilakukan uji hipotesis untuk menjawab apakah sebuah rata-rata populasi µ nilainya sama dengan sebuah nilai yang ditetapkan. Hipotesis yang diajukan hipotesis asosiatif 2. .…. 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. tingkat produktifitas pegawai. Dalam aplikasinya. 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. populasi sampel yang diambil sebagai sampel maksimal 5<n<30 pasang. Korelasi Kendall Tau Teknik korelasi ini mempunyai fungsi yang sama dengan korelasi Rank Spearman.

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

17. yang memungkinkan sebuah nilai untuk varians yang akan ditentukan pada dasarnya tanpa kesalahan. juga dikenal sebagai Yates koreksi untuk kontinuitas. Jika sampel ukuran n diambil dari populasi memiliki distribusi normal . • Yates uji chi-square . 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. • Linear-by-linear asosiasi-uji chi square . Tes semacam ini jarang terjadi dalam praktek karena nilai varians uji terhadap jarang diketahui secara pasti. 2. pengujian keberadaan autokorelasi • Kemungkinan-rasio tes dalam pemodelan statistik umum. Dan jika sampel yang kita teliti merupakan sampel yang diambil secara bebas. • Para uji portmanteau dalam analisis time-series . maka dapat dikatakan sampel sudah merepresentasikan populasi. lihat pasti uji's Fisher ). atau di mana ini adalah benar asimtotik . maka ada hasil yang dikenal dengan baik (lihat distribusi dari varians sampel ) yang memungkinkan tes harus terbuat dari apakah varians populasi memiliki pra. Misalkan varian proses sedang diuji.bersifat acak menandakan bahwa sampel diambil secara BEBAS. Sebagai contoh jika ukuran sampel adalah 21.ditentukan nilai. sehingga menimbulkan contoh kecil item produk yang variasi yang akan diuji. 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. Ketika disebutkan tanpa pengubah atau tanpa konteks menghalangi lain. dibagi dengan nilai nominal untuk varian (yaitu nilai yang akan diuji sebagai memegang). tes ini biasanya dipahami (untuk tes yang tepat digunakan di tempat χ 2. sebuah proses manufaktur mungkin telah dalam kondisi stabil untuk jangka panjang. 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 . • Mantel-Mantel-uji chi square . T statistik uji dalam hal ini dapat diatur menjadi jumlah kuadrat dari mean sampel. Sebagai contoh. daerah penerimaan untuk T untuk tingkat signifikansi 5% adalah 9.59 interval untuk 34. untuk menguji apakah ada bukti kebutuhan untuk berpindah dari model sederhana ke rumit satu lagi (dimana model sederhana adalah bersarang di dalam satu kompleks). . 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.

Ketika kita menambahkan ini ke hasil pertama. Contoh uji binomial Misalkan kita memiliki papan permainan yang bergantung pada gulungan mati . Dalam sebuah permainan tertentu. hasilnya adalah 0. dan kepentingan khusus yang melekat untuk melinting 6. sehingga kita harus menggunakan tes berekor dua yang mempertimbangkan kemungkinan memiliki ukuran efek tertentu baik di atas atau di bawah ekspektasi. Apakah proporsi 6s signifikan lebih tinggi dari yang diharapkan secara kebetulan. Penggunaan paling umum dari uji binomial adalah dalam hal mana hipotesis nol bahwa dua kategori yang sama mungkin terjadi. dan tes yang tepat diperlukan. uji binomial adalah exact test dari signifikansi statistik penyimpangan dari distribusi yang diharapkan secara teoritis pengamatan ke dalam dua kategori.17 diharapkan . mati adalah 235 kali digulung. Tabel tersedia secara luas untuk memberikan signifikansi yang diamati jumlah observasi dalam kategori untuk kasus ini. dengan ditemukan 51 vs 39. Dimana ada lebih dari dua kategori.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. kita mungkin . Kami kemudian menemukan probabilitas penemuan tepatnya 52. tes multinomial . Jika mati adalah wajar. Menjumlahkan semua probabilitas (<28 6s) menghasilkan 0. Jadi sekarang kita harus menemukan probabilitas bahwa yang mati akan menggulung enam 27 kali atau kurang (39.83 efek ukuran yang sama).0172037. kita berkonsultasi dengan distribusi binomial B (235. Berikut ukuran efek adalah 11. Namun. karena itulah cara berenam lebih banyak ada dari yang diharapkan. kita mendapatkan . yang signifikan pada 5% tingkat signifikansi .17 kali.0437480. tepatnya 53. yang tidak mungkin (signifikan pada tingkat 5%) untuk datang dari mati yang tidak dimuat untuk memberikan banyak 6s ( uji satu sisi ). Jika biaya sebuah tuduhan palsu terlalu tinggi. dan 6 muncul 51 kali. kita mendapatkan probabilitas untuk mendapatkan hasil yang diamati (51 6s) atau hasil yang lebih ekstrim (> 51 6s) dan dalam contoh ini. . harus digunakan sebagai pengganti uji binomial.83.11. .3. dan seterusnya sampai dengan 235. pada hipotesis nol dari sebuah dadu? Untuk menemukan jawaban atas pertanyaan ini menggunakan uji binomial. uji binomial tidak terbatas pada kasus ini. . Jelas mati bisa roll berenam juga beberapa semudah terlalu banyak dan kita akan sama mencurigakan. berdasarkan distribusi multinomial . Dengan cara ini. kita akan mengharapkan 6 untuk datang 235 / 6 = 39.0265443. Uji Binomial Dalam statistik . dan menambahkan semua probabilitas bersamasama. seperti contoh di bawah ini menunjukkan.17 diharapkan.

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

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

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

Sign up to vote on this title
UsefulNot useful