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

Penyusun . Malang. dari kelompok 2 bisa menyelesaikan makalah metode penelitian tentang “Analisis Data dan Uji Satu Sampel” dengan baik. semoga makalah yang kami susun ini bisa bermanfaat bagi kita semua baik untuk ilmu pengetahuan maupun dalam kehidupan sehari-hari. Wr. Terimakasih. Wb. Wassalammu’alaikum. selaku dosen mata kulian metodelogi penelitian 2. Tak lupa rasa terimakasih ini juga kami sampaikan kepada pihak-pihak yang sangat membantu dalam penyusunan makalah ini. 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. 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. Bapak Abdul Aziz. seperti: 1.

Tujuan Adapun tujuan dari penyusunan makalah ini. 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. beberapa hal yang melatarbelakangi penyusunan makalah ini adalah kita kedepannya akan mengadakan sebuah penelitian. Rumusan Masalah Adapun rumusan masalah dalam penyusunan makalah ini yang harus kita selesaikan. Kita dapat mengetahui tentang analisis data 2.BAB I PENDAHULUAN A. diantaranya: 1. B. Kita dapat mengetahui tentang uji satu sampel . Latar Belakang Pada semester V kali ini. Selain itu. Selain itu kami berharap kita bisa menerapkan teori ini dalam penelitian kita dengan baik. Apa pengertian dari analisis data? 2. Pada kesempatan kali ini. leh sebab itu akan sangat berguna nantinya jika kita bisa memahami konsep dan teori yang ada dalam makalah ini. diantaranya: 1.

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

. jika mendekati 0 (misalnya 0.10) 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. 1.Moleong (2000). Data dapat diberi arti makna yang berguna dalam memecahkan masalah – masalah penelitian. dan satuan uraian dasar sehingga dapat ditemukan tema dan dapat dirumuskan hipotesis kerja seperti yang disarankan oleh data. Sedangkan hubungan +1 menunjukan adanya hubungan sempurna positif.3. Sebaliknya. 4. 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 . kategori. 1. analisis data adalah proses mengorganisasikan dan mengurutkan data kedalam pola. Korelasi dibagi menjadi dua àkorelasi bivariat :merupakan uji korelasi antara dua variabelàkorelasi partial : bertujuan untuk menghitung koefisien korelasi antara dua variabel.Tingkat keeratan hubungan (koofisien korelasi) bergerak dari 0-1. harga -1 menunjukan adanya hubungan yang sempurna bersifat terbalik antara kedua variabel. Tujuan analisis data Tujuan dari analisis data ini antara lain adalah sebagai berikut. Memperlihatkan hubungan – hubungan antara fenomena yang terdapat dalam penelitian. 2. Menurut Lexy J. biasa disebut dengan koofisien korelasi yang ditandai dengan ”r”. 3. jika r mendekati 1 (misalnya 0. Untuk memberikan jawaban terhadap hipotesis yang diajukan dalam penelitian.95) ini dapat dikatakan bahwa memiliki hubungan yang sangat erat. Koofisien korelasi ”r” merupakan taksiran dari korelasi populasi dengan kondisi sample normal (acak). A. akan tatapi dengan mengeluarkan variabel lainnya yang mungkin dianggap berpangaruh dengan kata lain disebut kontrol. Keeratan hubungan antara satu variabel dengan variabel lainnya.

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 .

Deviation 1.000 30 1 .2333 Standara deviasi permintaan ukuran celana = 1.29 29 28 28 29 Correlations 53 50 46 48 55 Descriptive Statistics Mean UkuranCelana BeratBadan 28.000 1 BeratBadan .21556 N 30 30 Keterangan : • • • • Mean dari permintaan ukuran celana = 28. (2-tailed) 30 .2333 Std.990 .21556 menggunakan korelasi person • Banyaknya data analisi = 30 Correlations UkuranCelana UkuranCelana Pearson Correlation Sig.7000 51.990 .70496 menggunakan korelasi pearson Standar deviasi permintaan berat badan = 8. (2-tailed) N BeratBadan Pearson Correlation Sig.7000 Mean dari permintaan berat badan = 51.70496 8.

000 30 1. misalnya dalam pengukuran panjang badan dan berat badan sapi. jumlah mikroba daging setelah disimpan beberapa hari. ANALISIS REGRESI Analisis regresi mempelajari bentuk hubungan antara satu atau lebih peubah bebas (X) dengan satu peubah tak bebas (Y).(2-tailed) 0. (2-tailed) N 30 . (2-tailed) N BeratBadan Correlation Coefficient Sig.N Correlations 30 30 UkuranCelana Kendall's tau_b UkuranCelana Correlation Coefficient Sig. kadar zat pengawet.000 . 30 Koefisien korelasi permintaan ukuran celana dengan berat badan 1. 30 .000 30 1. (2-tailed) N Spearman's rho UkuranCelana Correlation Coefficient Sig.985** .985** .938** .000 .000 30 1. berat ayam pada umu tertent dan sebagainya. 2. BeratBadan . sedangkan berat badan dimasukkan peubah tak bebas (Y).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). Disamping itu peubah bebas bisa juga berupa peubah tak bebasnya. (2-tailed) N BeratBadan Correlation Coefficient Sig. Contoh . 30 . Nilai p-value pada kolom sig.938** . misalnya jumlah sel darah merah akibat pengobatan dengan dosis tertentu. dalam penelitian peubah bebas ( X) biasanya peubah yang ditentukan oelh peneliti secara bebas misalnya dosis obat. umur ternak dan sebagainya. sedangkan peubah tak bebas (Y) dalam penelitian berupa respon yang diukur akibat perlakuan/peubah bebas (X).00.000 .000 .000 30 1. lama penyimpanan.

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 . Untuk tujuan tersebut diperiksa 20 ekor ayam dan ditemukan sebagai berikut Tabel 1 jumlah cacing dan jumlah telurnya pada usus ayam buras.

45 ∑ n i =1 20 1 n 1 Yi = = 1055 = 52.Rataan 13.…………………….45 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+……………………….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=1.3...+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 .

Untuk mengukur data kuantitatif secara eksakta sulit dilakukan misalnya mengukur .442 + 4. dan mengetahui reliabilitas.103 Xi.103 ⎦ 3. Koefisien kontingensi digunakan untuk menghitung hubungan variabel bila skala pengukurannya berbentuk nominal. alat pengumpul data. tidak diperlukan asumsi kontinuitas pengukuran pada salahsatu atau kedua variabel tanda tersebut. mendapatkan validitas empiris. atau korelasi berpangkat. Metode ini dikemukakan olejh Carl Spearman tahun 1904. 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. Tehnik ini mempunyai kaitan erat dengan Chi kuadrat yang digunakan untuk menguji komparatif k sampel independent sebab dalam koefisien kontingensi terdapat rumus chi kuadrat. mengetahui tingkat kecocokan dari dua variabel terhadap grup yang sama. Dalam penelitian ini akan dicari koefisien korelasi kontingensi C serta aplikasinya dengan soft-ware SPSS untuk koefisien korelasi dari beberapa sampel. 4. kegunaanya untuk mengukur tingkat atau eratnya hubungan antara dua variabel yaitu variabel bebas dan variabel terikat yang berskala ordinal. ⎡ 3719 − 269⎤ ⎡ 1055 ⎤ ⎡− 2. Dalam penggunaan koefisien kontingensi. KORELASI SPEARMAN RANK Metode korelasi spearman rank (rho) bisa juga disebut korelasi berjenjang.⎡ 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. Koefisien kontingensi dalam perhitungannya.442⎤ ⎢− 269 ⎢ ⎥=⎢ ⎥ 20 ⎥ ⎣ ⎦ ⎣14604⎦ ⎣ 4.

Korelasi Kendall Tau Teknik korelasi ini mempunyai fungsi yang sama dengan korelasi Rank Spearman.tingkat kesukaan (kesenangan ). Diambil sampel random X1. Diberikan sebuah populasi berdistribusi normal dengan rata-rata µ dan varian σ kuadrat tidak diketahui. Dalam aplikasinya.…. . populasi sampel yang diambil sebagai sampel maksimal 5<n<30 pasang. tingkat produktifitas pegawai. Skala data ordinal 3. tingkat motifasi pegawai. 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. Data tidak harus berdistribusi normal Contoh Kasus Seorang peneliti ingin mengetahui hubungan antara kepemimpinan kepala desa. partisipasi wajib pajak. Peringkat terkecil diberi nilai 1 dan jika terdapat data yang sama maka masing-masing nilai diberi peringkat rata-rata dari posisi yang seharusnya. 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. dan efektivitas pelunasan Pajak Bumi dan Bangunan (PBB). 5. data dapat diubah dari data interval menjadi data ordinal Koefisien korelasi Rank Spearman dinotasikan.X2.Xn dengan ukuran n dan dari sampel dapat dihitung rata-rata sampel X bar dan varian sampel S kuadrat. yakni untuk menganalisis data penelitian yang mempunyai karakteristik: 1. tingkat moralitas pegawai dll. 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.

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

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

17 kali. uji binomial tidak terbatas pada kasus ini.3. Dalam sebuah permainan tertentu.0265443. Penggunaan paling umum dari uji binomial adalah dalam hal mana hipotesis nol bahwa dua kategori yang sama mungkin terjadi.83 efek ukuran yang sama). dengan ditemukan 51 vs 39. Kami kemudian menemukan probabilitas penemuan tepatnya 52.17 diharapkan . kita mungkin . Uji Binomial Dalam statistik .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. harus digunakan sebagai pengganti uji binomial. . karena itulah cara berenam lebih banyak ada dari yang diharapkan.11. berdasarkan distribusi multinomial . Jika biaya sebuah tuduhan palsu terlalu tinggi. uji binomial adalah exact test dari signifikansi statistik penyimpangan dari distribusi yang diharapkan secara teoritis pengamatan ke dalam dua kategori. kita mendapatkan probabilitas untuk mendapatkan hasil yang diamati (51 6s) atau hasil yang lebih ekstrim (> 51 6s) dan dalam contoh ini. Berikut ukuran efek adalah 11. 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. yang tidak mungkin (signifikan pada tingkat 5%) untuk datang dari mati yang tidak dimuat untuk memberikan banyak 6s ( uji satu sisi ). Namun. kita mendapatkan . Menjumlahkan semua probabilitas (<28 6s) menghasilkan 0. mati adalah 235 kali digulung. dan menambahkan semua probabilitas bersamasama. Jadi sekarang kita harus menemukan probabilitas bahwa yang mati akan menggulung enam 27 kali atau kurang (39.0437480.0172037. dan 6 muncul 51 kali. hasilnya adalah 0.17 diharapkan. Jika mati adalah wajar. Jelas mati bisa roll berenam juga beberapa semudah terlalu banyak dan kita akan sama mencurigakan. tepatnya 53. Contoh uji binomial Misalkan kita memiliki papan permainan yang bergantung pada gulungan mati . Tabel tersedia secara luas untuk memberikan signifikansi yang diamati jumlah observasi dalam kategori untuk kasus ini. Dengan cara ini.83. tes multinomial . dan kepentingan khusus yang melekat untuk melinting 6. kita akan mengharapkan 6 untuk datang 235 / 6 = 39. . seperti contoh di bawah ini menunjukkan. . Dimana ada lebih dari dua kategori. yang signifikan pada 5% tingkat signifikansi . sehingga kita harus menggunakan tes berekor dua yang mempertimbangkan kemungkinan memiliki ukuran efek tertentu baik di atas atau di bawah ekspektasi. dan tes yang tepat diperlukan. Ketika kita menambahkan ini ke hasil pertama. dan seterusnya sampai dengan 235. kita berkonsultasi dengan distribusi binomial B (235.

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

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

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

Sign up to vote on this title
UsefulNot useful