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

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

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

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

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 .

21556 menggunakan korelasi person • Banyaknya data analisi = 30 Correlations UkuranCelana UkuranCelana Pearson Correlation Sig. Deviation 1.2333 Standara deviasi permintaan ukuran celana = 1.7000 51. (2-tailed) N BeratBadan Pearson Correlation Sig.7000 Mean dari permintaan berat badan = 51.990 .29 29 28 28 29 Correlations 53 50 46 48 55 Descriptive Statistics Mean UkuranCelana BeratBadan 28.000 1 BeratBadan .70496 menggunakan korelasi pearson Standar deviasi permintaan berat badan = 8.21556 N 30 30 Keterangan : • • • • Mean dari permintaan ukuran celana = 28.990 . (2-tailed) 30 .000 30 1 .2333 Std.70496 8.

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

3.45 ∑ n i =1 20 1 n 1 Yi = = 1055 = 52.2.…………………….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+……………………….Rataan 13.+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..20 disini Ŷi adalah dugaan Yi jadi persamaan normalnya adalah : X’Y =X’Xβ .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=1.45 52..

atau korelasi berpangkat.103 ⎦ 3.442 + 4. Koefisien Kontingensi Uji statistika nonparametrik yang digunakan untuk melihat hubungan antar dua variabel salah satunya adalah koefisien kontingensi. memerlukan tabel kontingensi dan tiap sel harus mempunyai kesamaan sifat dalam bentuk baris serta kolomnya. KORELASI SPEARMAN RANK Metode korelasi spearman rank (rho) bisa juga disebut korelasi berjenjang. Tehnik ini mempunyai kaitan erat dengan Chi kuadrat yang digunakan untuk menguji komparatif k sampel independent sebab dalam koefisien kontingensi terdapat rumus chi kuadrat. 4.Untuk mengukur data kuantitatif secara eksakta sulit dilakukan misalnya mengukur . tidak diperlukan asumsi kontinuitas pengukuran pada salahsatu atau kedua variabel tanda tersebut. mendapatkan validitas empiris. Koefisien kontingensi digunakan untuk menghitung hubungan variabel bila skala pengukurannya berbentuk nominal. Metode ini dikemukakan olejh Carl Spearman tahun 1904. dan mengetahui reliabilitas. alat pengumpul data.103 Xi. kegunaanya untuk mengukur tingkat atau eratnya hubungan antara dua variabel yaitu variabel bebas dan variabel terikat yang berskala ordinal.⎡ 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. ⎡ 3719 − 269⎤ ⎡ 1055 ⎤ ⎡− 2. Koefisien kontingensi dalam perhitungannya.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. mengetahui tingkat kecocokan dari dua variabel terhadap grup yang sama. Dalam penggunaan koefisien kontingensi.

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

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

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

Jika biaya sebuah tuduhan palsu terlalu tinggi. Tabel tersedia secara luas untuk memberikan signifikansi yang diamati jumlah observasi dalam kategori untuk kasus ini. Dimana ada lebih dari dua kategori.0172037.17 diharapkan . yang tidak mungkin (signifikan pada tingkat 5%) untuk datang dari mati yang tidak dimuat untuk memberikan banyak 6s ( uji satu sisi ). Uji Binomial Dalam statistik . tes multinomial . Contoh uji binomial Misalkan kita memiliki papan permainan yang bergantung pada gulungan mati . Jika mati adalah wajar. kita akan mengharapkan 6 untuk datang 235 / 6 = 39. Kami kemudian menemukan probabilitas penemuan tepatnya 52. Penggunaan paling umum dari uji binomial adalah dalam hal mana hipotesis nol bahwa dua kategori yang sama mungkin terjadi.17 kali. kita berkonsultasi dengan distribusi binomial B (235. dengan ditemukan 51 vs 39. Jadi sekarang kita harus menemukan probabilitas bahwa yang mati akan menggulung enam 27 kali atau kurang (39. Jelas mati bisa roll berenam juga beberapa semudah terlalu banyak dan kita akan sama mencurigakan. kita mungkin . Apakah proporsi 6s signifikan lebih tinggi dari yang diharapkan secara kebetulan.0265443. pada hipotesis nol dari sebuah dadu? Untuk menemukan jawaban atas pertanyaan ini menggunakan uji binomial.17 diharapkan.0437480. . kita mendapatkan probabilitas untuk mendapatkan hasil yang diamati (51 6s) atau hasil yang lebih ekstrim (> 51 6s) dan dalam contoh 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. dan seterusnya sampai dengan 235.3. mati adalah 235 kali digulung. Dengan cara ini. Namun. yang signifikan pada 5% tingkat signifikansi . karena itulah cara berenam lebih banyak ada dari yang diharapkan. uji binomial tidak terbatas pada kasus ini. hasilnya adalah 0. uji binomial adalah exact test dari signifikansi statistik penyimpangan dari distribusi yang diharapkan secara teoritis pengamatan ke dalam dua kategori. Menjumlahkan semua probabilitas (<28 6s) menghasilkan 0. . . tepatnya 53. dan kepentingan khusus yang melekat untuk melinting 6. Berikut ukuran efek adalah 11. dan tes yang tepat diperlukan.83 efek ukuran yang sama).11. seperti contoh di bawah ini menunjukkan. dan 6 muncul 51 kali. Dalam sebuah permainan tertentu. dan menambahkan semua probabilitas bersamasama. kita mendapatkan . sehingga kita harus menggunakan tes berekor dua yang mempertimbangkan kemungkinan memiliki ukuran efek tertentu baik di atas atau di bawah ekspektasi. harus digunakan sebagai pengganti uji binomial. Ketika kita menambahkan ini ke hasil pertama.83. berdasarkan distribusi multinomial .

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 .

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

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