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

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

Malang, 10 Oktober 2010 Hormat kami,

Penyusun

BAB I PENDAHULUAN

A. Latar Belakang Pada semester V kali ini, kita mahasiswa matematika UIN Maulana Malik Ibrahim Malang menempuh salah satu mata kuliah yaitu Metodelogi Penelitian. Pada kesempatan kali ini, kami mendapat kepercayaan untuk menyusun sebuah makalah tentang analisis data dan uji satu sampel. Selain itu, beberapa hal yang melatarbelakangi penyusunan makalah ini adalah kita kedepannya akan mengadakan sebuah penelitian, leh sebab itu akan sangat berguna nantinya jika kita bisa memahami konsep dan teori yang ada dalam makalah ini. Selain itu kami berharap kita bisa menerapkan teori ini dalam penelitian kita dengan baik.

B. Rumusan Masalah Adapun rumusan masalah dalam penyusunan makalah ini yang harus kita selesaikan, diantaranya: 1. Apa pengertian dari analisis data? 2. Apa yang dimaksud dengan uji satu sampel?

C. Tujuan Adapun tujuan dari penyusunan makalah ini, diantaranya: 1. Kita dapat mengetahui tentang analisis data 2. Kita dapat mengetahui tentang uji satu sampel

BAB II PEMBAHASAN

A.

Pengertian Analisis Data

Analisa data adalah mengelompokkan, membuat suatu urutan, memanipulasi serta

menyingkatkan data sehingga mudah untuk dibaca. Step pertama dalam analisa adalah membagi data atas kelompok atau kategori-kategori. Kategori tidak lain dari bagian-bagian. Beberapa ciri dalam membuat kategori, adalah: a. Kategori harus dibuat sesuai dengan masalah dan tujuan penelitian. b. Kategori harus lengkap c. Kategori harus bebas dan terpisah d. Tiap kategori harus berasal dari satu kaidah klasifikasi e. Tiap kategori harus dalam satu level. Kategori harus sesuai dengan masalah penelitian, sehingga kategori tersebut dapat mencapai tujuan penelitian dalam memecahkan masalah. Dengan demikian, analisa yang dibuat akan sesuai dengan keinginan untuk memecahkan masalah. Kategori yang dibuat juga harus dapat menguji hipotesa yang dirumuskan. Kategori harus lengkap, yang berarti bahwa semua subjek atau responden harus termasuk ke dalam kategori tersebut. Kategori juga harus bebas dan terpisah nyata. Tiap individu atau objek harus termasuk dalam satu kategori saja. Peneliti harus dapat membuat variabel sedemikian rupa sehingga tiap objek dapat dimasukkan dalam satu kategori, dan hanya satu kategori saja. Definisi lainj dari analisis data adalah seperti yang dikemukakan oleh beberapa ahli seperti berikut ini.
1.

Menurut

paton

(1940),

analisis

data

adalah

proses

mengatur

urutan

data,

mengorganisasikannya kedalam suatu pola, kategori, dan satuan uraian dasar. 2. Menurut bogdan dan taylor (1975), 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.

3.

Menurut Lexy J.Moleong (2000), analisis data adalah proses mengorganisasikan dan

mengurutkan data kedalam pola, kategori, dan satuan uraian dasar sehingga dapat ditemukan tema dan dapat dirumuskan hipotesis kerja seperti yang disarankan oleh data. A. Tujuan analisis data Tujuan dari analisis data ini antara lain adalah sebagai berikut. 1. Data dapat diberi arti makna yang berguna dalam memecahkan masalah masalah

penelitian. 2. 3. 4. Memperlihatkan hubungan hubungan antara fenomena yang terdapat dalam penelitian. Untuk memberikan jawaban terhadap hipotesis yang diajukan dalam penelitian. Bahan untuk membuat kesimpulan serta implikasi implikasi dan saran saran yang

berguna untuk kebijakan penelitian selanjutnya. 1. 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 . Korelasi dibagi menjadi dua korelasi bivariat :merupakan uji korelasi antara dua variabelkorelasi partial : bertujuan untuk menghitung koefisien korelasi antara dua variabel, akan tatapi dengan mengeluarkan variabel lainnya yang mungkin dianggap berpangaruh dengan kata lain disebut kontrol. Keeratan hubungan antara satu variabel dengan variabel lainnya, biasa disebut dengan koofisien korelasi yang ditandai dengan r. Koofisien korelasi r merupakan taksiran dari korelasi populasi dengan kondisi sample normal (acak).Tingkat keeratan hubungan (koofisien korelasi) bergerak dari 0-1. jika r mendekati 1 (misalnya 0.95) ini dapat dikatakan bahwa memiliki hubungan yang sangat erat. Sebaliknya, jika mendekati 0 (misalnya 0.10) dapat dikatakan mempunyai hubungan yang rendah.Koofisien korelasi mempunyai harga -1 hingga +1. harga -1 menunjukan adanya hubungan yang sempurna bersifat terbalik antara kedua variabel. Sedangkan hubungan +1 menunjukan adanya hubungan sempurna positif.

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

29 29 28 28 29 Correlations

53 50 46 48 55

Descriptive Statistics Mean UkuranCelana BeratBadan 28.7000 51.2333 Std. Deviation 1.70496 8.21556 N 30 30

Keterangan : Mean dari permintaan ukuran celana = 28.7000 Mean dari permintaan berat badan = 51.2333 Standara deviasi permintaan ukuran celana = 1.70496 menggunakan korelasi pearson Standar deviasi permintaan berat badan = 8.21556 menggunakan korelasi person

Banyaknya data analisi = 30

Correlations UkuranCelana UkuranCelana Pearson Correlation Sig. (2-tailed) N BeratBadan Pearson Correlation Sig. (2-tailed) 30 .990 .000 1 BeratBadan .990 .000 30 1

N Correlations

30

30

UkuranCelana Kendall's tau_b UkuranCelana Correlation Coefficient Sig. (2-tailed) N BeratBadan Correlation Coefficient Sig. (2-tailed) N Spearman's rho UkuranCelana Correlation Coefficient Sig. (2-tailed) N BeratBadan Correlation Coefficient Sig. (2-tailed) N 30 .985** .000 30 1.000 . 30 .938** .000 30 1.000 .

BeratBadan .938** .000 30 1.000 . 30 .985** .000 30 1.000 . 30

Koefisien korelasi permintaan ukuran celana dengan berat badan 1.000 berarti keeratan korelasi permintaan ukuran celana dengan berat badan sangat lemah. Nilai p-value pada kolom sig.(2-tailed) 0,00. 2. ANALISIS REGRESI

Analisis regresi mempelajari bentuk hubungan antara satu atau lebih peubah bebas (X) dengan satu peubah tak bebas (Y). dalam penelitian peubah bebas ( X) biasanya peubah yang ditentukan oelh peneliti secara bebas misalnya dosis obat, lama penyimpanan, kadar zat pengawet, umur ternak dan sebagainya. Disamping itu peubah bebas bisa juga berupa peubah tak bebasnya, misalnya dalam pengukuran panjang badan dan berat badan sapi, karena panjang badan lebih mudah diukur maka panjang badan dimasukkan kedalam peubah bebas (X), sedangkan berat badan dimasukkan peubah tak bebas (Y). sedangkan peubah tak bebas (Y) dalam penelitian berupa respon yang diukur akibat perlakuan/peubah bebas (X). misalnya jumlah sel darah merah akibat pengobatan dengan dosis tertentu, jumlah mikroba daging setelah disimpan beberapa hari, berat ayam pada umu tertent dan sebagainya. Contoh

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

Rataan

13,45

52,75

Dari data diatas kita bisa menghitung :

X
i =1

=12+14+13++15=269

Y
i =1 n

=45+50+51+.+63=1055
2 i

X
i =1

=122+142+132++152=3719

Y
i =1 n

=452+502+512++622=57449

X Y
i =1

i i

=12x45+14x50+13x51++15x63=14604

X =

1 n 1 Xi = = 269 = 13,45 n i =1 20 1 n 1 Yi = = 1055 = 52,75 n i =1 20

X =

Bila kita duga bentuk hubungan antara jumlah cacing (X)dan jumlah telurnya (Y) adalah : i=0 +1Xi+i i=1,2,3,..,20 disini i adalah dugaan Yi jadi persamaan normalnya adalah : XY =XX

 20 Yi 20 20i =1 = 20 XY X i i i i =1 i =1

0 i =1 20 2 1 X1 i =1

1055 20 269 o 14604 = 269 3719 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

o = 20 1 20 X 2 1
i =1

o 1 = 2 1 20(3719) (269)
Jadi =-2,442 + 4,103 Xi,

3719 269 1055 2,442 269 = 20 14604 4,103

3.

Koefisien Kontingensi

Uji statistika nonparametrik yang digunakan untuk melihat hubungan antar dua variabel salah satunya adalah koefisien kontingensi. Koefisien kontingensi digunakan untuk menghitung hubungan variabel bila skala pengukurannya berbentuk nominal. Tehnik ini mempunyai kaitan erat dengan Chi kuadrat yang digunakan untuk menguji komparatif k sampel independent sebab dalam koefisien kontingensi terdapat rumus chi kuadrat. Dalam penggunaan koefisien kontingensi, tidak diperlukan asumsi kontinuitas pengukuran pada salahsatu atau kedua variabel tanda tersebut. Koefisien kontingensi dalam perhitungannya, memerlukan tabel kontingensi dan tiap sel harus mempunyai kesamaan sifat dalam bentuk baris serta kolomnya. Dalam penelitian ini akan dicari koefisien korelasi kontingensi C serta aplikasinya dengan soft-ware SPSS untuk koefisien korelasi dari beberapa sampel.

4.

KORELASI SPEARMAN RANK

Metode korelasi spearman rank (rho) bisa juga disebut korelasi berjenjang, atau korelasi berpangkat. Metode ini dikemukakan olejh Carl Spearman tahun 1904. kegunaanya untuk mengukur tingkat atau eratnya hubungan antara dua variabel yaitu variabel bebas dan variabel terikat yang berskala ordinal, mengetahui tingkat kecocokan dari dua variabel terhadap grup yang sama, mendapatkan validitas empiris, alat pengumpul data, dan mengetahui reliabilitas.Untuk mengukur data kuantitatif secara eksakta sulit dilakukan misalnya mengukur

tingkat kesukaan (kesenangan ), tingkat produktifitas pegawai, tingkat motifasi pegawai, tingkat moralitas pegawai dll. Metode korelasi Spearman Rank tidak terikat oleh asumsi bahwa populasi yang diselidiki harus berdistribusi normal, populasi sampel yang diambil sebagai sampel maksimal 5<n<30 pasang, data dapat diubah dari data interval menjadi data ordinal Koefisien korelasi Rank Spearman dinotasikan. Dalam aplikasinya, setiap data xi dan yi ditetapkan peringkat relatifnya terhadap data x dan y lainnya dari data terkecil sampai yang terbesar. Peringkat terkecil diberi nilai 1 dan jika terdapat data yang sama maka masing-masing nilai diberi peringkat rata-rata dari posisi yang seharusnya.
5. Korelasi Kendall Tau

Teknik korelasi ini mempunyai fungsi yang sama dengan korelasi Rank Spearman, yakni untuk menganalisis data penelitian yang mempunyai karakteristik: 1. Hipotesis yang diajukan hipotesis asosiatif 2. Skala data ordinal 3. Data tidak harus berdistribusi normal

Contoh Kasus

Seorang peneliti ingin mengetahui hubungan antara kepemimpinan kepala desa, partisipasi wajib pajak, 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. Diberikan sebuah populasi berdistribusi normal dengan rata-rata dan varian kuadrat tidak diketahui. Akan dilakukan uji hipotesis untuk menjawab apakah sebuah rata-rata populasi nilainya sama dengan sebuah nilai yang ditetapkan. Diambil sampel random X1,X2,,Xn dengan ukuran n dan dari sampel dapat dihitung rata-rata sampel X bar dan varian sampel S kuadrat.

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. Test hipotesis H0 : =0 (rata-rata populasi sama dengan 0) H1 : 0 (rata-rata populasi tidak sama dengan 0) dimana 0 adalah sebuah nilai khusus. Test statistika t hitung = (X bar 0)/(S/n) yang mengikuti distribusi t dengan derajat bebas n-1, dimana X bar adalah rata-rata sampel, S standar deviasi sampel dan n adalah ukuran sampel. Tingkat signifikansi . Pada umumnya digunakan =0.05 Daerah kritis Tolak H0 jika t hitung > t (/2 ; n-1) atau t hitung < -t (/2 ; n-1)

1.

Run Test

Run Test of Randomness pada prinsipnya bertujuan untuk melihat apakah sampel yang sedang diteliti diambil secara acak (random) dari populasinya. Pengujian terhadap keacakan ini penting untuk menghindari kebiasan yang terjadi dalam penarikan kesimpulan terhadap keadaan populasi. Jika ternyata sampel yang sedang diteliti tidak melibatkan unsur acak, maka sampel tersebut tidak dapat digunakan untuk dianalisis lebih lanjut. Sebagai penggambaran awal, mari kita tilik menggunaan kata "RUN" dalam nama uji ini. Arti RUN dapat digambarkan dengan serentetan data berikut:
++++---+--Dari rentetan tanda '+' dan '-' tersebut, terdapat 4 tanda '+' secara beruntun, kemudian diikuti dengan 3 tanda '-' secara beruntun lalu tanda '+' dan dilanjutkan dengan 3 tanda '-'. Setiap rentetan data yang berkelompok tersebut disebut sebagai satu RUN. Dengan demikian deretan tanda di atas terdiri atas 4 RUN, yakni RUN pertama terdiri atas 4 tanda '+'. lalu RUN kedua terdiri atas tiga tanda '-', lalu RUN ketiga terdiri atas satu tanda '+',dan yang RUN yang terakhir terdiri dari tiga tanda '+'. Dari jumlah RUN tersebut dapat diketahui apakah sebuah data yang berurutan adalah bersifat acak atau tidak, Jika jumlah RUN sedikit, maka semakin kecil tingkat keacakannya. Sebaliknya, semakin besar jumlah RUN, semakin besar tingkat keacakannya.Sampel yang

bersifat acak menandakan bahwa sampel diambil secara BEBAS. Dan jika sampel yang kita teliti merupakan sampel yang diambil secara bebas, maka dapat dikatakan sampel sudah merepresentasikan populasi.

2.

Chi-square

Square uji chi (juga chi-kuadrat atau 2 test) adalah setiap statistik uji hipotesis di mana distribusi sampling dari statistik uji adalah distribusi chi-kuadrat ketika hipotesis nol adalah benar, 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. 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, tes ini biasanya dipahami (untuk tes yang tepat digunakan di tempat 2, lihat pasti uji's Fisher ).

Yates uji chi-square , juga dikenal sebagai Yates koreksi untuk kontinuitas. Mantel-Mantel-uji chi square . Linear-by-linear asosiasi-uji chi square . Para uji portmanteau dalam analisis time-series , pengujian keberadaan autokorelasi Kemungkinan-rasio tes dalam pemodelan statistik umum, untuk menguji apakah ada bukti kebutuhan untuk berpindah dari model sederhana ke rumit satu lagi (dimana model sederhana adalah bersarang di dalam satu kompleks). 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 . Tes semacam ini jarang terjadi dalam praktek karena nilai varians uji terhadap jarang diketahui secara pasti. Jika sampel ukuran n diambil dari populasi memiliki distribusi normal , maka ada hasil yang dikenal dengan baik (lihat distribusi dari varians sampel ) yang memungkinkan tes harus terbuat dari apakah varians populasi memiliki pra- ditentukan nilai. Sebagai contoh, sebuah proses manufaktur mungkin telah dalam kondisi stabil untuk jangka panjang, yang memungkinkan sebuah nilai untuk varians yang akan ditentukan pada dasarnya tanpa kesalahan. Misalkan varian proses sedang diuji, sehingga menimbulkan contoh kecil item produk yang variasi yang akan diuji. T statistik uji dalam hal ini dapat diatur menjadi jumlah kuadrat dari mean sampel, dibagi dengan nilai nominal untuk varian (yaitu nilai yang akan diuji sebagai memegang). Sebagai contoh jika ukuran sampel adalah 21, daerah penerimaan untuk T untuk tingkat signifikansi 5% adalah 9,59 interval untuk 34,17.

3.

Uji Binomial

Dalam statistik , 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. Tabel tersedia secara luas untuk memberikan signifikansi yang diamati jumlah observasi dalam kategori untuk kasus ini. Namun, seperti contoh di bawah ini menunjukkan, uji binomial tidak terbatas pada kasus ini. Dimana ada lebih dari dua kategori, dan tes yang tepat diperlukan, tes multinomial , berdasarkan distribusi multinomial , harus digunakan sebagai pengganti uji binomial.
Contoh uji binomial

Misalkan kita memiliki papan permainan yang bergantung pada gulungan mati , dan kepentingan khusus yang melekat untuk melinting 6. . Dalam sebuah permainan tertentu, mati adalah 235 kali digulung, dan 6 muncul 51 kali. . Jika mati adalah wajar, kita akan mengharapkan 6 untuk datang 235 / 6 = 39,17 kali. Apakah proporsi 6s signifikan lebih tinggi dari yang diharapkan secara kebetulan, pada hipotesis nol dari sebuah dadu? Untuk menemukan jawaban atas pertanyaan ini menggunakan uji binomial, kita berkonsultasi dengan distribusi binomial B (235,1 / 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. Kami kemudian menemukan probabilitas penemuan tepatnya 52, tepatnya 53, dan seterusnya sampai dengan 235, dan menambahkan semua probabilitas bersamasama. . Dengan cara ini, kita mendapatkan probabilitas untuk mendapatkan hasil yang diamati (51 6s) atau hasil yang lebih ekstrim (> 51 6s) dan dalam contoh ini, hasilnya adalah 0,0265443, yang tidak mungkin (signifikan pada tingkat 5%) untuk datang dari mati yang tidak dimuat untuk memberikan banyak 6s ( uji satu sisi ). 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. Berikut ukuran efek adalah 11,83, karena itulah cara berenam lebih banyak ada dari yang diharapkan, dengan ditemukan 51 vs 39,17 diharapkan. Jadi sekarang kita harus menemukan probabilitas bahwa yang mati akan menggulung enam 27 kali atau kurang (39,17 diharapkan - 11,83 efek ukuran yang sama). Menjumlahkan semua probabilitas (<28 6s) menghasilkan 0,0172037. Ketika kita menambahkan ini ke hasil pertama, kita mendapatkan .0437480, yang signifikan pada 5% tingkat signifikansi . Jika biaya sebuah tuduhan palsu terlalu tinggi, kita mungkin

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

BAB III SIMPULAN

ANALISIS DATA

Analisa data adalah mengelompokkan, membuat suatu urutan, memanipulasi serta menyingkatkan data sehingga mudah untuk dibaca. Tujuan dari analisis data ini antara lain adalah sebagai berikut. Data dapat diberi arti makna yang berguna dalam memecahkan masalah masalah penelitian, Memperlihatkan hubungan hubungan antara fenomena yang terdapat dalam penelitian, Untuk memberikan jawaban terhadap hipotesis yang diajukan dalam penelitian. Bahan untuk membuat kesimpulan serta implikasi implikasi dan saran saran yang berguna untuk kebijakan penelitian selanjutnya. Teknik pengolahan data terdiri dari korelasi, regresi, koefisien kontingensi, korelasi spearman rank, korelasi kendal tau.

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. Uji satu sampel terdiri atas run test, binomial test, dan chi square test. Run Test of Randomness pada prinsipnya bertujuan untuk melihat apakah sampel yang sedang diteliti diambil secara acak (random) dari populasinya. Square uji adalah setiap statistik uji hipotesis di mana distribusi sampling dari statistik uji adalah distribusi chi-kuadrat ketika hipotesis nol adalah benar, 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. 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

DAFTAR PUSTAKA

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