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

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

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

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

3. Sedangkan hubungan +1 menunjukan adanya hubungan sempurna positif. 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 .Tingkat keeratan hubungan (koofisien korelasi) bergerak dari 0-1. 4. Untuk memberikan jawaban terhadap hipotesis yang diajukan dalam penelitian. 1. biasa disebut dengan koofisien korelasi yang ditandai dengan ”r”. akan tatapi dengan mengeluarkan variabel lainnya yang mungkin dianggap berpangaruh dengan kata lain disebut kontrol. Sebaliknya. jika mendekati 0 (misalnya 0. Menurut Lexy J. jika r mendekati 1 (misalnya 0. Keeratan hubungan antara satu variabel dengan variabel lainnya. kategori. Koofisien korelasi ”r” merupakan taksiran dari korelasi populasi dengan kondisi sample normal (acak).95) ini dapat dikatakan bahwa memiliki hubungan yang sangat erat. 1. 2. analisis data adalah proses mengorganisasikan dan mengurutkan data kedalam pola.Moleong (2000). 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. Data dapat diberi arti makna yang berguna dalam memecahkan masalah – masalah penelitian.3.Koofisien korelasi mempunyai harga -1 hingga +1. 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. . Bahan untuk membuat kesimpulan serta implikasi – implikasi dan saran – saran yang berguna untuk kebijakan penelitian selanjutnya. harga -1 menunjukan adanya hubungan yang sempurna bersifat terbalik antara kedua variabel.

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 .

7000 51.000 1 BeratBadan .70496 menggunakan korelasi pearson Standar deviasi permintaan berat badan = 8.7000 Mean dari permintaan berat badan = 51.29 29 28 28 29 Correlations 53 50 46 48 55 Descriptive Statistics Mean UkuranCelana BeratBadan 28. Deviation 1.000 30 1 .70496 8. (2-tailed) N BeratBadan Pearson Correlation Sig.21556 menggunakan korelasi person • Banyaknya data analisi = 30 Correlations UkuranCelana UkuranCelana Pearson Correlation Sig.2333 Std.21556 N 30 30 Keterangan : • • • • Mean dari permintaan ukuran celana = 28. (2-tailed) 30 .990 .2333 Standara deviasi permintaan ukuran celana = 1.990 .

N Correlations 30 30 UkuranCelana Kendall's tau_b UkuranCelana Correlation Coefficient Sig. 30 Koefisien korelasi permintaan ukuran celana dengan berat badan 1. 30 . sedangkan berat badan dimasukkan peubah tak bebas (Y).(2-tailed) 0. karena panjang badan lebih mudah diukur maka panjang badan dimasukkan kedalam peubah bebas (X). ANALISIS REGRESI Analisis regresi mempelajari bentuk hubungan antara satu atau lebih peubah bebas (X) dengan satu peubah tak bebas (Y).000 .000 30 1. 30 . kadar zat pengawet. Disamping itu peubah bebas bisa juga berupa peubah tak bebasnya. (2-tailed) N BeratBadan Correlation Coefficient Sig. jumlah mikroba daging setelah disimpan beberapa hari. (2-tailed) N BeratBadan Correlation Coefficient Sig.985** .000 30 1.985** .000 . Nilai p-value pada kolom sig.938** . (2-tailed) N Spearman's rho UkuranCelana Correlation Coefficient Sig.00. Contoh . (2-tailed) N 30 . misalnya jumlah sel darah merah akibat pengobatan dengan dosis tertentu.000 30 1.000 . 2.000 30 1. BeratBadan . lama penyimpanan. umur ternak dan sebagainya. berat ayam pada umu tertent dan sebagainya.000 berarti keeratan korelasi permintaan ukuran celana dengan berat badan sangat lemah. sedangkan peubah tak bebas (Y) dalam penelitian berupa respon yang diukur akibat perlakuan/peubah bebas (X).938** . dalam penelitian peubah bebas ( X) biasanya peubah yang ditentukan oelh peneliti secara bebas misalnya dosis obat. misalnya dalam pengukuran panjang badan dan berat badan sapi.000 .

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.

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..2.20 disini Ŷi adalah dugaan Yi jadi persamaan normalnya adalah : X’Y =X’Xβ .…………………….45 52.3.45 ∑ 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 = 13.75 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+……………………….

mengetahui tingkat kecocokan dari dua variabel terhadap grup yang sama. 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.442⎤ ⎢− 269 ⎢ ⎥=⎢ ⎥ 20 ⎥ ⎣ ⎦ ⎣14604⎦ ⎣ 4.103 ⎦ 3. alat pengumpul data. memerlukan tabel kontingensi dan tiap sel harus mempunyai kesamaan sifat dalam bentuk baris serta kolomnya. 4. Dalam penggunaan koefisien kontingensi.103 Xi. Metode ini dikemukakan olejh Carl Spearman tahun 1904. Tehnik ini mempunyai kaitan erat dengan Chi kuadrat yang digunakan untuk menguji komparatif k sampel independent sebab dalam koefisien kontingensi terdapat rumus chi kuadrat. kegunaanya untuk mengukur tingkat atau eratnya hubungan antara dua variabel yaitu variabel bebas dan variabel terikat yang berskala ordinal.Untuk mengukur data kuantitatif secara eksakta sulit dilakukan misalnya mengukur . mendapatkan validitas empiris. atau korelasi berpangkat. Koefisien kontingensi dalam perhitungannya. Dalam penelitian ini akan dicari koefisien korelasi kontingensi C serta aplikasinya dengan soft-ware SPSS untuk koefisien korelasi dari beberapa sampel. tidak diperlukan asumsi kontinuitas pengukuran pada salahsatu atau kedua variabel tanda tersebut.442 + 4. ⎡ 3719 − 269⎤ ⎡ 1055 ⎤ ⎡− 2. KORELASI SPEARMAN RANK Metode korelasi spearman rank (rho) bisa juga disebut korelasi berjenjang. dan mengetahui reliabilitas.⎡ 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.

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

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

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

harus digunakan sebagai pengganti uji binomial.83 efek ukuran yang sama).0265443. dan tes yang tepat diperlukan. kita akan mengharapkan 6 untuk datang 235 / 6 = 39. Jadi sekarang kita harus menemukan probabilitas bahwa yang mati akan menggulung enam 27 kali atau kurang (39. kita berkonsultasi dengan distribusi binomial B (235. tepatnya 53. tes multinomial . hasilnya adalah 0. Berikut ukuran efek adalah 11. Namun. sehingga kita harus menggunakan tes berekor dua yang mempertimbangkan kemungkinan memiliki ukuran efek tertentu baik di atas atau di bawah ekspektasi. seperti contoh di bawah ini menunjukkan.11. Tabel tersedia secara luas untuk memberikan signifikansi yang diamati jumlah observasi dalam kategori untuk kasus ini.0172037.83.17 diharapkan .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. Jika biaya sebuah tuduhan palsu terlalu tinggi. dengan ditemukan 51 vs 39. uji binomial adalah exact test dari signifikansi statistik penyimpangan dari distribusi yang diharapkan secara teoritis pengamatan ke dalam dua kategori. Contoh uji binomial Misalkan kita memiliki papan permainan yang bergantung pada gulungan mati . Penggunaan paling umum dari uji binomial adalah dalam hal mana hipotesis nol bahwa dua kategori yang sama mungkin terjadi. Jelas mati bisa roll berenam juga beberapa semudah terlalu banyak dan kita akan sama mencurigakan. . kita mendapatkan probabilitas untuk mendapatkan hasil yang diamati (51 6s) atau hasil yang lebih ekstrim (> 51 6s) dan dalam contoh ini. dan 6 muncul 51 kali. yang tidak mungkin (signifikan pada tingkat 5%) untuk datang dari mati yang tidak dimuat untuk memberikan banyak 6s ( uji satu sisi ). kita mendapatkan . Uji Binomial Dalam statistik . uji binomial tidak terbatas pada kasus ini. yang signifikan pada 5% tingkat signifikansi . Kami kemudian menemukan probabilitas penemuan tepatnya 52. Menjumlahkan semua probabilitas (<28 6s) menghasilkan 0. pada hipotesis nol dari sebuah dadu? Untuk menemukan jawaban atas pertanyaan ini menggunakan uji binomial.0437480. Apakah proporsi 6s signifikan lebih tinggi dari yang diharapkan secara kebetulan. berdasarkan distribusi multinomial . dan kepentingan khusus yang melekat untuk melinting 6. Dimana ada lebih dari dua kategori. karena itulah cara berenam lebih banyak ada dari yang diharapkan. Ketika kita menambahkan ini ke hasil pertama. Jika mati adalah wajar.17 kali. Dalam sebuah permainan tertentu.17 diharapkan. . dan seterusnya sampai dengan 235. . dan menambahkan semua probabilitas bersamasama. kita mungkin .3. mati adalah 235 kali digulung. Dengan cara ini.

.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.

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

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

Sign up to vote on this title
UsefulNot useful