P. 1
Uji Satu Sampel A

Uji Satu Sampel A

|Views: 12|Likes:
Published by Bima Bintang
sampel geo tanah
sampel geo tanah

More info:

Categories:Types, Research
Published by: Bima Bintang on May 27, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

12/07/2013

pdf

text

original

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

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

kami mendapat kepercayaan untuk menyusun sebuah makalah tentang analisis data dan uji satu sampel. B. Apa yang dimaksud dengan uji satu sampel? C. beberapa hal yang melatarbelakangi penyusunan makalah ini adalah kita kedepannya akan mengadakan sebuah penelitian. Kita dapat mengetahui tentang analisis data 2. diantaranya: 1.BAB I PENDAHULUAN A. Pada kesempatan kali 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. Selain itu. Kita dapat mengetahui tentang uji satu sampel . Rumusan Masalah Adapun rumusan masalah dalam penyusunan makalah ini yang harus kita selesaikan. 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. Latar Belakang Pada semester V kali ini. diantaranya: 1. Tujuan Adapun tujuan dari penyusunan makalah ini.

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

Keeratan hubungan antara satu variabel dengan variabel lainnya. Data dapat diberi arti makna yang berguna dalam memecahkan masalah – masalah penelitian. biasa disebut dengan koofisien korelasi yang ditandai dengan ”r”.Tingkat keeratan hubungan (koofisien korelasi) bergerak dari 0-1. jika mendekati 0 (misalnya 0. dan satuan uraian dasar sehingga dapat ditemukan tema dan dapat dirumuskan hipotesis kerja seperti yang disarankan oleh data. Koofisien korelasi ”r” merupakan taksiran dari korelasi populasi dengan kondisi sample normal (acak). . Tujuan analisis data Tujuan dari analisis data ini antara lain adalah sebagai berikut. 1. 4. Menurut Lexy J. A. analisis data adalah proses mengorganisasikan dan mengurutkan data kedalam pola. akan tatapi dengan mengeluarkan variabel lainnya yang mungkin dianggap berpangaruh dengan kata lain disebut kontrol.Moleong (2000). 1. Memperlihatkan hubungan – hubungan antara fenomena yang terdapat dalam penelitian. Korelasi dibagi menjadi dua àkorelasi bivariat :merupakan uji korelasi antara dua variabelàkorelasi partial : bertujuan untuk menghitung koefisien korelasi antara dua variabel.10) dapat dikatakan mempunyai hubungan yang rendah.Koofisien korelasi mempunyai harga -1 hingga +1. Bahan untuk membuat kesimpulan serta implikasi – implikasi dan saran – saran yang berguna untuk kebijakan penelitian selanjutnya. Sebaliknya.3. Sedangkan hubungan +1 menunjukan adanya hubungan sempurna positif. jika r mendekati 1 (misalnya 0. 3. kategori. 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 . 2.95) ini dapat dikatakan bahwa memiliki hubungan yang sangat erat. harga -1 menunjukan adanya hubungan yang sempurna bersifat terbalik antara kedua variabel. Untuk memberikan jawaban terhadap hipotesis yang diajukan dalam penelitian.

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 .

2333 Standara deviasi permintaan ukuran celana = 1.7000 51.000 30 1 .70496 8.29 29 28 28 29 Correlations 53 50 46 48 55 Descriptive Statistics Mean UkuranCelana BeratBadan 28.2333 Std. Deviation 1.21556 menggunakan korelasi person • Banyaknya data analisi = 30 Correlations UkuranCelana UkuranCelana Pearson Correlation Sig. (2-tailed) 30 .990 .990 .7000 Mean dari permintaan berat badan = 51. (2-tailed) N BeratBadan Pearson Correlation Sig.21556 N 30 30 Keterangan : • • • • Mean dari permintaan ukuran celana = 28.70496 menggunakan korelasi pearson Standar deviasi permintaan berat badan = 8.000 1 BeratBadan .

sedangkan berat badan dimasukkan peubah tak bebas (Y).985** . Disamping itu peubah bebas bisa juga berupa peubah tak bebasnya. jumlah mikroba daging setelah disimpan beberapa hari. berat ayam pada umu tertent dan sebagainya. (2-tailed) N BeratBadan Correlation Coefficient Sig.000 30 1.000 30 1. (2-tailed) N BeratBadan Correlation Coefficient Sig.938** . 30 . (2-tailed) N 30 . 2. misalnya dalam pengukuran panjang badan dan berat badan sapi.938** . umur ternak dan sebagainya.985** . 30 . kadar zat pengawet.000 .000 .000 .N Correlations 30 30 UkuranCelana Kendall's tau_b UkuranCelana Correlation Coefficient Sig. lama penyimpanan. Nilai p-value pada kolom sig. 30 Koefisien korelasi permintaan ukuran celana dengan berat badan 1. (2-tailed) N Spearman's rho UkuranCelana Correlation Coefficient Sig.(2-tailed) 0.000 berarti keeratan korelasi permintaan ukuran celana dengan berat badan sangat lemah. 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. Contoh .000 . karena panjang badan lebih mudah diukur maka panjang badan dimasukkan kedalam peubah bebas (X). misalnya jumlah sel darah merah akibat pengobatan dengan dosis tertentu.000 30 1. BeratBadan . sedangkan peubah tak bebas (Y) dalam penelitian berupa respon yang diukur akibat perlakuan/peubah bebas (X).00.000 30 1.

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 .Seorang peneliti ingin mengetahui bentuk hubungan antara jumlah cacing jenis tertentu denagn jumlah telurnya pada usus ayam buras.

…………………….+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 = 13.2.20 disini Ŷi adalah dugaan Yi jadi persamaan normalnya adalah : X’Y =X’Xβ .45 52.3.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=1.75 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 ∑ n i =1 20 1 n 1 Yi = = 1055 = 52.

Koefisien Kontingensi Uji statistika nonparametrik yang digunakan untuk melihat hubungan antar dua variabel salah satunya adalah koefisien kontingensi. atau korelasi berpangkat. dan mengetahui reliabilitas. Koefisien kontingensi dalam perhitungannya. Metode ini dikemukakan olejh Carl Spearman tahun 1904.103 ⎦ 3. memerlukan tabel kontingensi dan tiap sel harus mempunyai kesamaan sifat dalam bentuk baris serta kolomnya. 4. alat pengumpul data. Koefisien kontingensi digunakan untuk menghitung hubungan variabel bila skala pengukurannya berbentuk nominal. ⎡ 3719 − 269⎤ ⎡ 1055 ⎤ ⎡− 2. kegunaanya untuk mengukur tingkat atau eratnya hubungan antara dua variabel yaitu variabel bebas dan variabel terikat yang berskala ordinal. KORELASI SPEARMAN RANK Metode korelasi spearman rank (rho) bisa juga disebut korelasi berjenjang. mendapatkan validitas empiris. Dalam penelitian ini akan dicari koefisien korelasi kontingensi C serta aplikasinya dengan soft-ware SPSS untuk koefisien korelasi dari beberapa sampel.⎡ 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. mengetahui tingkat kecocokan dari dua variabel terhadap grup yang sama.Untuk mengukur data kuantitatif secara eksakta sulit dilakukan misalnya mengukur . tidak diperlukan asumsi kontinuitas pengukuran pada salahsatu atau kedua variabel tanda tersebut. Tehnik ini mempunyai kaitan erat dengan Chi kuadrat yang digunakan untuk menguji komparatif k sampel independent sebab dalam koefisien kontingensi terdapat rumus chi kuadrat.442 + 4.442⎤ ⎢− 269 ⎢ ⎥=⎢ ⎥ 20 ⎥ ⎣ ⎦ ⎣14604⎦ ⎣ 4. Dalam penggunaan koefisien kontingensi.103 Xi.

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

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

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

3. dan kepentingan khusus yang melekat untuk melinting 6. kita mendapatkan probabilitas untuk mendapatkan hasil yang diamati (51 6s) atau hasil yang lebih ekstrim (> 51 6s) dan dalam contoh ini. Dalam sebuah permainan tertentu. Jika biaya sebuah tuduhan palsu terlalu tinggi. tepatnya 53. kita mendapatkan . Contoh uji binomial Misalkan kita memiliki papan permainan yang bergantung pada gulungan mati . yang tidak mungkin (signifikan pada tingkat 5%) untuk datang dari mati yang tidak dimuat untuk memberikan banyak 6s ( uji satu sisi ). dan menambahkan semua probabilitas bersamasama. Penggunaan paling umum dari uji binomial adalah dalam hal mana hipotesis nol bahwa dua kategori yang sama mungkin terjadi. uji binomial adalah exact test dari signifikansi statistik penyimpangan dari distribusi yang diharapkan secara teoritis pengamatan ke dalam dua kategori. Kami kemudian menemukan probabilitas penemuan tepatnya 52. dengan ditemukan 51 vs 39. Menjumlahkan semua probabilitas (<28 6s) menghasilkan 0. Dimana ada lebih dari dua kategori. mati adalah 235 kali digulung.17 kali. Tabel tersedia secara luas untuk memberikan signifikansi yang diamati jumlah observasi dalam kategori untuk kasus ini.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 . berdasarkan distribusi multinomial . sehingga kita harus menggunakan tes berekor dua yang mempertimbangkan kemungkinan memiliki ukuran efek tertentu baik di atas atau di bawah ekspektasi.0437480.83 efek ukuran yang sama). Uji Binomial Dalam statistik . tes multinomial . pada hipotesis nol dari sebuah dadu? Untuk menemukan jawaban atas pertanyaan ini menggunakan uji binomial. kita berkonsultasi dengan distribusi binomial B (235. harus digunakan sebagai pengganti uji binomial. uji binomial tidak terbatas pada kasus ini. .17 diharapkan . Berikut ukuran efek adalah 11. seperti contoh di bawah ini menunjukkan. dan seterusnya sampai dengan 235. Jika mati adalah wajar. Jadi sekarang kita harus menemukan probabilitas bahwa yang mati akan menggulung enam 27 kali atau kurang (39. .0172037. karena itulah cara berenam lebih banyak ada dari yang diharapkan. dan tes yang tepat diperlukan. hasilnya adalah 0.0265443. Apakah proporsi 6s signifikan lebih tinggi dari yang diharapkan secara kebetulan. Ketika kita menambahkan ini ke hasil pertama. yang signifikan pada 5% tingkat signifikansi . Jelas mati bisa roll berenam juga beberapa semudah terlalu banyak dan kita akan sama mencurigakan. kita akan mengharapkan 6 untuk datang 235 / 6 = 39. Dengan cara ini. Namun.17 diharapkan.11. dan 6 muncul 51 kali.83.

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

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

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

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->