Untuk mengolah data di atas digunakan re
Tugas MID
PENGOLAHAN DATA KOMPUTER
OLEH :
JABAR
A1C3 10 062
PROGRAM STUDI PENDIDIKAN FISIKA
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS HALUOLEO
KENDARI
2013
1.
Akan diselidi apakah ada pengaruh tingkat pendidikan (lama tahun pendidikan), jumlah
pendapatan perbulan dan jumlah anggota keluarga terhadap jumlah pengeluaran perbulan
beberapa tenaga pengajar di SMA se-kota Kendari. Analisislah data pada table di bawah
ini dan jelaskan hasilnya
pengeluaran
pendapatan
275000
450000
650000
200000
300000
400000
995000
996000
765000
555000
1250000
1450000
650000
245000
350000
300000
500000
750000
225000
325000
450000
1250000
975000
865000
655000
1500000
1650000
560000
265000
365000
Tingkat
pendidikan
9
11
17
6
8
7
17
12
15
12
17
17
5
6
9
Jumlah anggota
keluarga
3
6
7
3
3
5
7
6
5
4
7
9
4
2
4
Untuk mengolah data di atas digunakan regresi, dan hasilnya adalah sebagai berikut
SUMMARY
OUTPUT
Regression
Statistics
Multiple R
R Square
Adjusted R
Square
Standard
Error
Observations
0,997138796
0,994285779
0,910000075
62243,18316
15
Tabel pertma ini adalah tabel SUMMARY OUTPUT .
Data tersebut menunjukan apakah ada pengaruh tingkat pendidikan (lama tahun
pendidikan), jumlah pendapatan perbulan dan jumlah anggota keluarga terhadap jumlah
pengeluaran perbulan beberapa tenaga pengajar di SMA se-kota Kendari, dimna yang
menjadi variabel terikatnya adalah pengeluaran perbulan tenaga pengajar di SMA se-kota
Kendari dan variabel bebasnya adalah tingkat pendidikan, pendapatan dan jumlah anggota
keluarga. Dari hasil pengolahan di dapat nilai multiple R adalah 0,997138796, hal ini
menunjukan bahwa ada keterkaitan antara ketiga variabel bebas yaitu tingkat pendidikan,
pendapatan dan jumlah anggota keluarga dengan varibel terikatnya yaitu jumlah
pengeluran. Nilai dari multiple R antara 0-1, maka pengaruh variabel bebas terhadap
variabel terikat sangat kuat, ini ditunjukan dengan nilai multiple R adalah 0,997138796.
R square R Square (R2) sering disebut dengan koefisien determinasi, adalah mengukur
kebaikan suai (goodness of fit) dari persamaan regresi; yaitu memberikan proporsi atau
persentase variasi total dalam variabel terikat yang dijelaskan oleh variabel bebas. Nilai R2
terletak antara 0 – 1, dan kecocokan model dikatakan lebih baik kalau R2 semakin
mendekati 1. Pada analisis ini nilai R2 adalah 0,994285779 sehingga ini menunjukan
bahwa keterkaitan antara varibel bebas dan varibel terikannya sngat besar atau dengan
artian, lama pendidikan, pendapatan dan jumlah anggota kelurga mempengaruhi
pengeluaran. Karena pada data ini menggunakan varibel bebasnya tiga varibel maka yang
akan digunkan adalah Adjusted R Square, dan pada analisis ini nilai Adjusted R Square =
0,910000075, hasil ini menunjukan keterkaitan yang erar atau pengaruh varibel bebas
terhadap variabel terikat itu besar.
Tabel 2 adalah ANOVA
ANOVA
SS
MS
F
Significance
F
3
8,08945E+12
2,69648E+12
696,0079
8,05689E-13
Residual
12
46490566193
3874213849
Total
15
8,13594E+12
df
Regression
Tabel ANOVA (Analysis of Variance) menguji penerimaan (acceptability) model dari
perspektif statistik dalam bentuk analisis sumber keragaman. ANOVA ini sering juga
diterjemahkan sebagai analisis ragam.Dari tabel ANOVA tersebut diungkapkan bahwa
keragaman data aktual variabel terikat (permintaan) bersumber dari model regresi dan dari
residual. Dalam pengertian sederhana untuk kasus kita adalah variasi (turun-naiknya atau
besar kecilnya) permintaan disebabkan oleh variasi dari pendapatan, tingkat pendidikan
dan jumlah anggota keluarga (model regresi) yang mempengaruhi pengeluaran guru sekota Kendari.
1. Degree of Freedom (df) atau derajat bebas dari total adalah n-1, dimana n adalah
banyaknya observasi. Karena observasi kita ada 16, maka derajat bebas total adalah
15. Derajat bebas dari model regresi adalah 3, karena ada dua variabel bebas dalam
model kita (harga dan pendapatan). Derajat bebas untuk residual adalah sisanya yaitu
derajat bebas total – derajat bebas regresi = 15 – 3 = 12.
2. SS total kita adalah 8,13594E+12. Artinya, variasi dari pemintaan yang dikuadratkan
adalah sebesar nilai tersebut. Sebagian berasal dari variabel bebas
yaitu sebesar
8,08945E+12 (regresi). Lalu sisanya, yang sebesar 46490566193disebabkan oleh
variabel lain, tetapi tidak dimasukkan dalam model (residual).Kalau kita bandingkan
(bagi) antara SS regresi dengan SS total, maka akan kita dapatkan proporsi dari total
variasi permintaan yang disebabkan oleh variasi harga dan pendapatan. Coba kita
bagi: 8,08945E+12 / 8,08945E+12 = 0,994286. Nilai 0,994286merupakan R2 atau
koefisien determinasi yang telah kita bahas diatas.
3. Selanjutnya kolom berikutnya dari ANOVA adalah kolom MS (Mean of Square) atau
rata-rata jumlah kuadrat. Ini adalah hasil bagi antara kolom SS dengan kolom df. Pada
analisis tersebut di dapat nilai F sebesar 696,0079. Pada tabei ini pula kita
mendapatkan p-value (Significance F)sebesar 8,05689E-13 taraf nyata yang di pilih
adalah 0,05; karena (Significance F)sebesar 8,05689E-13 < taraf nyata 0,05 maka dapat
disimpulkan bahwa variabel bebas mempengaruhi variabel terikatnya.
Tabel 3 sebagai berikut
Standard
Error
t Stat
P-value
Lower 95%
Upper 95%
Lower
95,0%
Upper
95,0%
#N/A
#N/A
#N/A
#N/A
#N/A
#N/A
#N/A
0,831265052
10961,22705
0,069744
5,21549E-08
0,67930664
0,98322346
0,67930664
0,98322346
6774,046
11,91885981
1,618121061
0,131603168
-25720,606
3798,152
-25720,606
3798,152
32263,40893
16371,74
1,970677431
0,07227215
-3407,5376
67934,3554
-3407,5376
67934,3554
Coefficients
Intercept
pendapatan
Tingkat
pendidikan
Jumlah
anggota
keluarga
0
Tabel diatas menampilkan nilai-nilai koefisien, standard error, tsat, P-value dan selang
kepercayaan.Dalam pengujian hipotesis regresi, tahap berikutnya setelah pengujian secara
simultan (uji F seperti yang telah kita sampaikan sebelumnya) adalah pengujian koefisien
regresi secara parsial.Dalam uji parsial, kita menggunakan uji t, yaitu membandingkan antara
t-hitung (t Stat) dengan t tabel. Jika t hitung > t tabel pada taraf nyata tertentu, maka dapat
disimpulkan variabel tersebut berpengaruh secara signifikan.Dalam tabel tersebut untuk
pendapatan p value < 0,05 ini menyatakan berpengaruh secara signifikan dalam taraf kebenaran 95 %.
Begitupun dengan jumlah anggota keluarga juga nilai p-value < 0,05, sehingga berpengaruh juga secara
signifikan terhadappengeluaran dalam taraf kebenaran 95%, namun untuk tingkat pendidikan tidak
berpengaruh karena nilai p-value > 0,05.
RESIDUAL
OUTPUT
Observation
Predicted
pengeluaran
Residuals
Standard Residuals
1
247518,6988
27481,30124
0,493628817
2
488639,4817
-38639,48174
-0,694055987
3
662951,7912
-12951,79122
-0,232644638
4
218057,5011
-18057,50105
-0,324355197
5
279261,5521
20738,4479
0,372511309
6
458657,7284
-58657,72845
-1,053630788
7
1078584,317
-83584,31699
-1,501370955
8
872529,1542
123470,8458
2,217826841
9
715942,9084
49057,0916
0,881180766
10
541997,5198
13002,48018
0,233555131
11
1286400,58
-36400,57987
-0,653840042
12
1475617,155
-25617,15545
-0,460144373
13
539755,9293
110244,0707
1,980242845
14
219044,6942
25955,30581
0,466218349
15
333814,336
16185,66397
0,2907326
PROBABILITY OUTPUT
Percentile
3,333333333
10
16,66666667
23,33333333
30
36,66666667
43,33333333
50
56,66666667
63,33333333
70
76,66666667
83,33333333
90
96,66666667
pengeluaran
200000
245000
275000
300000
350000
400000
450000
555000
650000
650000
765000
995000
996000
1250000
1450000
2. Akan dilakukan pembandingan terhadap jumlah kursi yang disediakan di beberapa prodi
di tiga PTN yaitu UHO UNHAS dan UGM pada SPMB tahun 2013. Analisislah data pada
table di bawah ini dan jelaskan hasilnya
UHO
UNHAS
UGM
50
120
140
30
70
125
40
70
80
30
65
90
50
90
70
30
70
80
75
70
80
Sealanjutnya akan dilakukan ujian hipotesis untuk mengetahui apakah ada perbedaan dari
variasi data pada masing masing universitas
Hipotesis
H0 : 1 2 3
H1 : tidak ada semua means sama
Anova: Two-Factor Without Replication
SUMMARY
Count
Sum
Average
Variance
50
2
260
130
200
30
2
195
97,5
1512,5
40
2
150
75
50
30
2
155
77,5
312,5
50
2
160
80
200
30
2
150
75
50
75
2
150
75
50
UNHAS
7
555
79,28571
386,9048
UGM
7
665
95
708,3333
ANOVA
Source of
Variation
SS
df
MS
F
P-value
F crit
Rows
5060,714
6
843,4524
3,349882
0,083453
4,283866
Columns
864,2857
1
864,2857
3,432624
0,11336
5,987378
Error
1510,714
6
251,7857
Total
7435,714
13
UHO
UNHAS
UGM
UHO
UNHAS
UGM
233,6735
73,97959 331,6327
-60,7143 253,5714 607,1429
Dari hasil pengolahan data di atas menunjukan bahwa variasi untuh UHO adalah
233,6735, Unhas sebesar 386,9048 dan UGM adalah 708,333.
Dalam tabel hasil anlisis diperoleh F hitunf < f crit/tabel. Sehingga, sehingga H1 diterima. Jadi dapat
disipulkan bahwa untuk penyebaran penerimaan SPMB 2013 berbeda antara UHO, UNHAS dan UGM.
PENGOLAHAN DATA KOMPUTER
OLEH :
JABAR
A1C3 10 062
PROGRAM STUDI PENDIDIKAN FISIKA
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS HALUOLEO
KENDARI
2013
1.
Akan diselidi apakah ada pengaruh tingkat pendidikan (lama tahun pendidikan), jumlah
pendapatan perbulan dan jumlah anggota keluarga terhadap jumlah pengeluaran perbulan
beberapa tenaga pengajar di SMA se-kota Kendari. Analisislah data pada table di bawah
ini dan jelaskan hasilnya
pengeluaran
pendapatan
275000
450000
650000
200000
300000
400000
995000
996000
765000
555000
1250000
1450000
650000
245000
350000
300000
500000
750000
225000
325000
450000
1250000
975000
865000
655000
1500000
1650000
560000
265000
365000
Tingkat
pendidikan
9
11
17
6
8
7
17
12
15
12
17
17
5
6
9
Jumlah anggota
keluarga
3
6
7
3
3
5
7
6
5
4
7
9
4
2
4
Untuk mengolah data di atas digunakan regresi, dan hasilnya adalah sebagai berikut
SUMMARY
OUTPUT
Regression
Statistics
Multiple R
R Square
Adjusted R
Square
Standard
Error
Observations
0,997138796
0,994285779
0,910000075
62243,18316
15
Tabel pertma ini adalah tabel SUMMARY OUTPUT .
Data tersebut menunjukan apakah ada pengaruh tingkat pendidikan (lama tahun
pendidikan), jumlah pendapatan perbulan dan jumlah anggota keluarga terhadap jumlah
pengeluaran perbulan beberapa tenaga pengajar di SMA se-kota Kendari, dimna yang
menjadi variabel terikatnya adalah pengeluaran perbulan tenaga pengajar di SMA se-kota
Kendari dan variabel bebasnya adalah tingkat pendidikan, pendapatan dan jumlah anggota
keluarga. Dari hasil pengolahan di dapat nilai multiple R adalah 0,997138796, hal ini
menunjukan bahwa ada keterkaitan antara ketiga variabel bebas yaitu tingkat pendidikan,
pendapatan dan jumlah anggota keluarga dengan varibel terikatnya yaitu jumlah
pengeluran. Nilai dari multiple R antara 0-1, maka pengaruh variabel bebas terhadap
variabel terikat sangat kuat, ini ditunjukan dengan nilai multiple R adalah 0,997138796.
R square R Square (R2) sering disebut dengan koefisien determinasi, adalah mengukur
kebaikan suai (goodness of fit) dari persamaan regresi; yaitu memberikan proporsi atau
persentase variasi total dalam variabel terikat yang dijelaskan oleh variabel bebas. Nilai R2
terletak antara 0 – 1, dan kecocokan model dikatakan lebih baik kalau R2 semakin
mendekati 1. Pada analisis ini nilai R2 adalah 0,994285779 sehingga ini menunjukan
bahwa keterkaitan antara varibel bebas dan varibel terikannya sngat besar atau dengan
artian, lama pendidikan, pendapatan dan jumlah anggota kelurga mempengaruhi
pengeluaran. Karena pada data ini menggunakan varibel bebasnya tiga varibel maka yang
akan digunkan adalah Adjusted R Square, dan pada analisis ini nilai Adjusted R Square =
0,910000075, hasil ini menunjukan keterkaitan yang erar atau pengaruh varibel bebas
terhadap variabel terikat itu besar.
Tabel 2 adalah ANOVA
ANOVA
SS
MS
F
Significance
F
3
8,08945E+12
2,69648E+12
696,0079
8,05689E-13
Residual
12
46490566193
3874213849
Total
15
8,13594E+12
df
Regression
Tabel ANOVA (Analysis of Variance) menguji penerimaan (acceptability) model dari
perspektif statistik dalam bentuk analisis sumber keragaman. ANOVA ini sering juga
diterjemahkan sebagai analisis ragam.Dari tabel ANOVA tersebut diungkapkan bahwa
keragaman data aktual variabel terikat (permintaan) bersumber dari model regresi dan dari
residual. Dalam pengertian sederhana untuk kasus kita adalah variasi (turun-naiknya atau
besar kecilnya) permintaan disebabkan oleh variasi dari pendapatan, tingkat pendidikan
dan jumlah anggota keluarga (model regresi) yang mempengaruhi pengeluaran guru sekota Kendari.
1. Degree of Freedom (df) atau derajat bebas dari total adalah n-1, dimana n adalah
banyaknya observasi. Karena observasi kita ada 16, maka derajat bebas total adalah
15. Derajat bebas dari model regresi adalah 3, karena ada dua variabel bebas dalam
model kita (harga dan pendapatan). Derajat bebas untuk residual adalah sisanya yaitu
derajat bebas total – derajat bebas regresi = 15 – 3 = 12.
2. SS total kita adalah 8,13594E+12. Artinya, variasi dari pemintaan yang dikuadratkan
adalah sebesar nilai tersebut. Sebagian berasal dari variabel bebas
yaitu sebesar
8,08945E+12 (regresi). Lalu sisanya, yang sebesar 46490566193disebabkan oleh
variabel lain, tetapi tidak dimasukkan dalam model (residual).Kalau kita bandingkan
(bagi) antara SS regresi dengan SS total, maka akan kita dapatkan proporsi dari total
variasi permintaan yang disebabkan oleh variasi harga dan pendapatan. Coba kita
bagi: 8,08945E+12 / 8,08945E+12 = 0,994286. Nilai 0,994286merupakan R2 atau
koefisien determinasi yang telah kita bahas diatas.
3. Selanjutnya kolom berikutnya dari ANOVA adalah kolom MS (Mean of Square) atau
rata-rata jumlah kuadrat. Ini adalah hasil bagi antara kolom SS dengan kolom df. Pada
analisis tersebut di dapat nilai F sebesar 696,0079. Pada tabei ini pula kita
mendapatkan p-value (Significance F)sebesar 8,05689E-13 taraf nyata yang di pilih
adalah 0,05; karena (Significance F)sebesar 8,05689E-13 < taraf nyata 0,05 maka dapat
disimpulkan bahwa variabel bebas mempengaruhi variabel terikatnya.
Tabel 3 sebagai berikut
Standard
Error
t Stat
P-value
Lower 95%
Upper 95%
Lower
95,0%
Upper
95,0%
#N/A
#N/A
#N/A
#N/A
#N/A
#N/A
#N/A
0,831265052
10961,22705
0,069744
5,21549E-08
0,67930664
0,98322346
0,67930664
0,98322346
6774,046
11,91885981
1,618121061
0,131603168
-25720,606
3798,152
-25720,606
3798,152
32263,40893
16371,74
1,970677431
0,07227215
-3407,5376
67934,3554
-3407,5376
67934,3554
Coefficients
Intercept
pendapatan
Tingkat
pendidikan
Jumlah
anggota
keluarga
0
Tabel diatas menampilkan nilai-nilai koefisien, standard error, tsat, P-value dan selang
kepercayaan.Dalam pengujian hipotesis regresi, tahap berikutnya setelah pengujian secara
simultan (uji F seperti yang telah kita sampaikan sebelumnya) adalah pengujian koefisien
regresi secara parsial.Dalam uji parsial, kita menggunakan uji t, yaitu membandingkan antara
t-hitung (t Stat) dengan t tabel. Jika t hitung > t tabel pada taraf nyata tertentu, maka dapat
disimpulkan variabel tersebut berpengaruh secara signifikan.Dalam tabel tersebut untuk
pendapatan p value < 0,05 ini menyatakan berpengaruh secara signifikan dalam taraf kebenaran 95 %.
Begitupun dengan jumlah anggota keluarga juga nilai p-value < 0,05, sehingga berpengaruh juga secara
signifikan terhadappengeluaran dalam taraf kebenaran 95%, namun untuk tingkat pendidikan tidak
berpengaruh karena nilai p-value > 0,05.
RESIDUAL
OUTPUT
Observation
Predicted
pengeluaran
Residuals
Standard Residuals
1
247518,6988
27481,30124
0,493628817
2
488639,4817
-38639,48174
-0,694055987
3
662951,7912
-12951,79122
-0,232644638
4
218057,5011
-18057,50105
-0,324355197
5
279261,5521
20738,4479
0,372511309
6
458657,7284
-58657,72845
-1,053630788
7
1078584,317
-83584,31699
-1,501370955
8
872529,1542
123470,8458
2,217826841
9
715942,9084
49057,0916
0,881180766
10
541997,5198
13002,48018
0,233555131
11
1286400,58
-36400,57987
-0,653840042
12
1475617,155
-25617,15545
-0,460144373
13
539755,9293
110244,0707
1,980242845
14
219044,6942
25955,30581
0,466218349
15
333814,336
16185,66397
0,2907326
PROBABILITY OUTPUT
Percentile
3,333333333
10
16,66666667
23,33333333
30
36,66666667
43,33333333
50
56,66666667
63,33333333
70
76,66666667
83,33333333
90
96,66666667
pengeluaran
200000
245000
275000
300000
350000
400000
450000
555000
650000
650000
765000
995000
996000
1250000
1450000
2. Akan dilakukan pembandingan terhadap jumlah kursi yang disediakan di beberapa prodi
di tiga PTN yaitu UHO UNHAS dan UGM pada SPMB tahun 2013. Analisislah data pada
table di bawah ini dan jelaskan hasilnya
UHO
UNHAS
UGM
50
120
140
30
70
125
40
70
80
30
65
90
50
90
70
30
70
80
75
70
80
Sealanjutnya akan dilakukan ujian hipotesis untuk mengetahui apakah ada perbedaan dari
variasi data pada masing masing universitas
Hipotesis
H0 : 1 2 3
H1 : tidak ada semua means sama
Anova: Two-Factor Without Replication
SUMMARY
Count
Sum
Average
Variance
50
2
260
130
200
30
2
195
97,5
1512,5
40
2
150
75
50
30
2
155
77,5
312,5
50
2
160
80
200
30
2
150
75
50
75
2
150
75
50
UNHAS
7
555
79,28571
386,9048
UGM
7
665
95
708,3333
ANOVA
Source of
Variation
SS
df
MS
F
P-value
F crit
Rows
5060,714
6
843,4524
3,349882
0,083453
4,283866
Columns
864,2857
1
864,2857
3,432624
0,11336
5,987378
Error
1510,714
6
251,7857
Total
7435,714
13
UHO
UNHAS
UGM
UHO
UNHAS
UGM
233,6735
73,97959 331,6327
-60,7143 253,5714 607,1429
Dari hasil pengolahan data di atas menunjukan bahwa variasi untuh UHO adalah
233,6735, Unhas sebesar 386,9048 dan UGM adalah 708,333.
Dalam tabel hasil anlisis diperoleh F hitunf < f crit/tabel. Sehingga, sehingga H1 diterima. Jadi dapat
disipulkan bahwa untuk penyebaran penerimaan SPMB 2013 berbeda antara UHO, UNHAS dan UGM.