ANALISIS DATA (9) Buatlah sebuah paper tentang
ANALISIS DATA
Tugas 1
1. Apakah nilai statistika dasar kelas X berbeda dengan kelas B? (KOMPARATIF
INDEPENDENT)
Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
nilai
N
Normal Parametersa
Most Extreme Differences
Mean
Std. Deviation
Absolute
Positive
Negative
Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)
Kelas
30
68.50
11.901
.129
.129
-.117
.707
.699
30
69.50
9.944
.141
.141
-.110
.774
.588
a. Test distribution is Normal.
Uji Normalitas dapat dilihat pada nilai KSZ (Kolmogorof Smirnov Z). jika nilai
KSZ >
α
maka data berdistribusi normal, sedangkan jika nilai KSZ < α
maka
data tidak berdistribusi normal. Pada tabel SPSS tersebut didapatkan nilai KSZ > α
(0,774 >0.05) maka data dapat dinyatakan berdistribusi normal.
a. Formulasi Hipotesis
Ho = x´x = x´b (tidak ada perbedaan rata-rata nilai stadas kelas X dan kelas B)
Hi =
x´x > x́ b ( Rata-rata nilai stadas kelas X lebih baik dari pada kelas B)
b. Kriteria Pengujian
∝ = 0.05% (5 %) pada spps tertulis 95 %
Uji SPSS
Karena pada soal nomer satu menggunakan uji satu pihak maka soal nomer satu
ini menggunakan uji satu pihak sehingga nilai
α
= α
dan nilai p= p. Dengan
kriteria pengujian jika nilai P > α
maka Ho diterima dan jika P ≤ α
maka
tolak Ho.
Uji t
Taraf nyata ( α ¿
=5% (0.05)
Ho diterima (Hi ditolak) apabila to ≤ t tabel
Ho ditolak (Hi diterima) apabila to > t tabel
c. Analisis Data
Group Statistics
kelas
Nilai
N
Mean
Std. Deviation
Std. Error Mean
1
30
68.50
11.901
2.173
2
30
69.50
9.944
1.815
Std. Deviation (simpangan baku) Menentukan nilai sebaran data
Std. Error Mean Menentukan nilai sebaran rata-rata data yang diambil dari
variabel satu ke varibel yang lain dan diambil dari distribusi yang sama
Independent Samples Test
Levene's
Test for
Equality of
Variances
t-test for Equality of Means
95% Confidence
Interval of the
F
Sig.
t
df
Sig. (2-
Mean
Std. Error
tailed)
Difference
Difference
Difference
Lower
Upper
Nila Equal
i
variances
1.509 .224 -.353
58
.725
-1.000
2.831
-6.668
4.668
-.353 56.223
.725
-1.000
2.831
-6.672
4.672
assumed
Equal
variances not
assumed
Levene's Test for Equality of Variances untuk melakukan uji kesamaan varians
(asumsi kedua varians sama)
t-test for Equality of Means untuk mengetahui perbedaan rata-rata
df derajat kebebasan (tabel)
Mean Difference Perbedaan rata-rata nilai statdas kelas x dan kelas b
Std. Error Difference untuk menentukan perbedaan sebaran nilai error varians
A. untuk melihat persamaan nilai stadas kelas X dan kelas B
1. Merumuskan hipotesis penelitian,
Ho : tidak ada perbadaan nilaistadas kelas x dan kelas b
Hi : ada perbedaan nilai stadas kelas x dan kelas b
2. kriteria pengambilan keputusan
- sig > 0.05 maka Ho diterima
- sig < 0.05 maka Ho ditolak
3. Cara mengambil keputusan
F = 1.509 ; sig = 0.725. Oleh karena angka sig > 0.05 maka Ho diterima artinya
tidak ada perbedaan nilai stadas kelas X dan kelas B.
B. untuk melihat apakah perbedaan rata-rata nilai kelas x dan kelas b.
H0 : tidak ada perbedaan nilai stadas kelas x dan kelas b.
Hi: ada perbedaan nilai statdas kelas x dan kelas b
Kriteria pengambilan keputusan
-
To > t tabel (Ho ditolak)
To < t tabel (Ho diterima)
Menghitung besar nilai T
-
Df = 60-2=58; t tabel=2.000 ketika α = 0.05.
Membuat keputusan
To = - 0.353; To < t tabel maka Ho diterima berarti tidak ada perbedaan nilai
stadas kelas X dan kelas B.
2. Apakah nilai Fisika dasar 1 lebih baik dari Fisika dasar 2 pada kelas A ?
(KOMPARATIF KORELASI)
Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
FISDAS 1
N
Normal Parametersa
30
30
68.50
78.67
10.680
8.996
Mean
Std. Deviation
FISDAS 2
Most Extreme
Absolute
.187
.226
Differences
Positive
.187
.141
Negative
-.129
-.226
1.024
1.236
.245
.094
Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)
a. Test distribution is Normal.
Uji Normalitas dapat dilihat pada nilai KSZ(Kolmogorof Smirnov Z). jika
nilai KSZ > α maka data berdistribusi normal, sedangka jika nilai KSZ < α
maka data tidak berdistribusi normal. Pada table SPSS tersebut didapatkan nilai
KSZ > α
(1,236 > 0.05) maka data dapat dinyatakan berdistribusi normal.
a. Formulasi Hipotesis
Ho = x́ 1 : x´2
(tidak ada perbedaan rata-rata nilai Fisdas 1 dan dan fisdas 2
pada kelas A
Hi =
x́ 1> x´2 ( Rata-rata nilai Fisdas 1 lebih baik dari pada Fisdas 2 pada
kelas A).
b. Kriteria Pengujian
∝ = 0.05% (5 %) pada spps tertulis 95 %
Uji SPSS
Karena pada soal nomer dua menggunakan uji satu pihak maka soal nomer
satu ini menggunakan uji satu pihak sehingga nilai
Dengan kriteria pengujian jika nilai P > α
α
α = α
dan nilai p= p.
maka Ho diterima dan jika P ≤
maka tolak Ho.
Uji t
Ho diterima (Hi ditolak ) apabila to ≤
t tabel
Ho ditolak (Hi diterima) apabila to> t tabel
c. Analisis Data
Paired Samples Statistics
Mean
Pair 1
N
Std. Deviation
Std. Error Mean
FISDAS 1
68.50
30
10.680
1.950
FISDAS 2
78.67
30
8.996
1.642
Paired Samples Correlations
N
Pair 1
FISDAS 1 & FISDAS 2
Correlation
30
-.327
Sig.
.078
Jika nilai korelasi bernilai negatif maka dapat dikatakan nilai korelasi lemah.
Nilai signifikasi 0.078 < 0.05 maka signifikan.
Paired Samples Test
Paired Differences
95% Confidence
Interval of the
Std.
Std. Error
Mean Deviation
Pair FISDAS 1 1
FISDAS 2
Mean
Difference
Lower
Upper
Sig. (2t
df
tailed)
10.16
16.054
2.931
-16.161
-4.172 -3.469
29
.002
7
1. Merumuskan hipotesis penelitian,
Ho: tidak ada perbedaan
Hi: ada perbedaan
T hitung = -3,469; α = 0.05; df = jumlah data – 1 = 30-1 = 29 ; t table = 2,045
T hitung < t table ( -3,469 < 2.045 ) maka terima H0. Jadi tidak ada
perbedaan nilai fisdas 1 dan fisdas 2.
Pada soal nomer dua ini menggunakan uji satu pihak dengan aturan nilai α =
α
dan nilai p = p.
Sehingga didapatkan nilai
α = 0.05 dan nilai sig. (p) = 0.002. t0=-3469, t
table = 1.699.
Kesimpulan
Pada uji SPSS karena nilai p < α
t, karena nilai to
≤
t table (-1.591 ≤
(0.002 < 0.05), sedangkan pada uji
1.699)maka terima Ho(tolak Hi).
maka terima Ho(tolak Hi). Jadi tidak ada perbedaan
Fisdas 1 dan dan fisdas 2 pada kelas A
rata-rata nilai
Pada soal nomer satu ini menggunakan uji satu pihak dengan aturan nilai α
= α /2 dan nilai p= p/2. Sehingga didapatkan nilai α /2= 0.025 dan nilai p
= 0.652.
d. Kesimpulan
Karena nilai p > α
(0.652 > 0.025) maka terima Ho. Jadi tidak ada
perbedaan rata-rata nilai Fisdas 1 dan dan fisdas 2 pada kelas A.
Tugas 2
1. KOMPARATIF INDEPENDENT
Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
nilai
N
Normal Parametersa
Mean
Std. Deviation
Absolute
Positive
Negative
Most Extreme
Differences
Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)
30
68.50
11.901
.129
.129
-.117
.707
.699
kelas
30
69.50
9.944
.141
.141
-.110
.774
.588
a. Test distribution is Normal.
a. FormulasiHipotesis
Ho = x́ x : x´B
(tidak ada perbedaan rata-rata nilai statistika kelas X dan
kelas B)
Hi =
x´x ≠ x´B ( Rata-rata nilai stadas kelas X lebih baik dari pada kelas B)
b. Kriteria Pengujian
∝ = 0.05% (5 %) pada spps tertulis 95 %
Karena pada soal nomer satu menggunakan uji dua pihak sehingga kriteria
pengujian jika nilai P > α
Ho.
c.
Analisis Data
maka Ho diterima dan jika P ≤ α maka tolak
Independent Samples Test
Levene's
Test for
Equality of
Variances
t-test for Equality of Means
95%
Confidence
Interval of
F
Sig.
t
df
Std.
the
Error
Difference
Sig.
Mean
(2-
Differe Differe Low
tailed)
nce
nce
nilai Equal
variances
1.231 .272 -.408
58
.685 -1.167 2.858
-.408 56.616
.685 -1.167 2.858
assumed
Equal
variances
er
Upper
-
6.887
6.890
4.553
4.556
not assumed
Pada soal nomer satu ini menggunakan uji dua pihak. Dari data SPSS
didapatkan nilai p (sign test)= 0.685 sedangkan α =5 %(0.05)
d. Kesimpulan
Karena nilai p > α
(0.865 > 0.05) maka terima Ho. Jadi tidak ada
perbedaan rata-rata nilai stadas kelas X dan kelas B.
2. KOMPARATIF KORELASI
Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
fisdas 1
N
Normal Parametersa Mean
Std. Deviation
Most Extreme
Absolute
Positive
Differences
Negative
Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)
30
70.50
10.776
.162
.135
-.162
.887
.411
fisdas 2
30
69.17
11.677
.158
.150
-.158
.865
.442
a. Test distribution is Normal.
a. Formulasi Hipotesis
Ho = x́ 1= x́ 2
(tidak ada perbedaan rata-rata nilai Fisdas 1 dan dan fisdas 2
pada kelas A).
Hi =
x́ 1< x´2 ( Rata-rata nilai Fisdas 1 lebih baik dari pada Fisdas 2 pada
kelas A).
b. KriteriaPengujian
∝ = 0.05% (5 %) padasppstertulis 95 %
Karena pada soal nomer satu menggunakan uji dua pihak sehingga kriteria
pengujian jika nilai P > α
Ho.
c. Analisis Data
maka Ho diterima dan jika P ≤ α
maka tolak
Paired Samples Test
Paired Differences
95% Confidence
Std.
Deviati Std. Error
Mean
on
Mean
Interval of the
Sig.
Difference
(2-
Lower Upper
t
df tailed)
Pair 1 FISDAS
1FISDAS
1.333 16.024
2.926 -4.650
7.317 .456 29
.652
2
Pada soal nomer satu ini menggunakan uji dua pihak. Dari data SPSS
didapatkan nilai p (sign test)= 0.652 sedangkan α =5 %(0.05)
d. Kesimpulan
Karena nilai p > α
(0.652 > 0.05) maka terima Ho. Jadi tidak ada
perbedaan nilai fisika dasar 1 dan fisika dasar 2 kelas B)
3. KORELASI PEARSONS
Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
fisdas 1
N
Normal Parametersa Mean
Std. Deviation
Most Extreme
Absolute
Positive
Differences
Negative
Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)
fisdas 2
30
70.50
10.776
.162
.135
-.162
.887
.411
30
69.17
11.677
.158
.150
-.158
.865
.442
a. Test distribution is Normal.
a. Formulasi Hipotesis
Ho = x́ 1= x́ 2
(tidak ada hubungan antara nilai Fisdas 1 dan fisdas 2 pada
kelas A)
Hi =
x́ 1 ≠ x́2 ( Ada hubungan antara nilai Fisdas 1 dan Fisdas 2 pada kelas
A.)
b. Kriteria Pengujian
∝ = 0.05% (5 %) pada spps tertulis 95 %
Karena pada soal nomer satu menggunakan uji dua pihak sehingga kriteria
pengujian jika nilai P > α
maka Ho diterima dan jika P ≤ α maka tolak
Ho.
Correlations
x
c. X
Pearson Correlation
y
Analisis Data
1
Sig. (2-tailed)
N
Pearson Correlation
Y
Sig. (2-tailed)
N
-.017
.928
30
30
-.017
1
.928
30
30
Pada soal nomer satu ini menggunakan uji dua pihak. Dari data SPSS
didapatkan nilai p (sign test) = 0.928 sedangkan α =5 % (0.05)
d. Kesimpulan
Karena nilai p > α
(0.928.> 0.05) maka terima Ho. Jadi tidak ada
hubungan antara nilai Fisdas 1 dan Fisdas 2 pada kelas A.
4. Apakah ada pengaruh antara fisdas I dengan fisdas II pada kelas A? (REGRESI
LINEAR SEDERHANA)
Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
fisdas 1 fisdas 2
N
Normal
Parametersa
Most Extreme
Mean
Std. Deviation
30
70.50
30
69.17
10.776
11.677
.162
.135
-.162
.887
.411
.158
.150
-.158
.865
.442
Absolute
Positive
Differences
Negative
Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)
a. Test distribution is Normal.
a. Formulasi Hipotesis
Ho = X́ 1= X́ 2
( Tidak ada pengaruh rata-rata nilai fisdas 1 dan nilai fisdas
2)
Hi =
X́ 1 ≠ X́ 2 ( Ada pengaruh rata-rata nilai fisdas 1 dari fisdas 2)
b. Kriteria Pengujian
∝
= 0,05 (5 %) Dalam bentuk spss dituliskan 95% (Dituliskan 95 % ,
karna untuk mencapai 100%, maka (100%-95% = 5 % ).
Diketahui pada soal no 1 menggunakan uji dua pihak,
Dengan kriteria pengujian nilai :
H0 diterima ( H1 ditolak ) apabila P > α
H0 ditolak ( H1 diterima ) apabila P ≤ α
c. Analisis Data
Descriptive Statistics
Mean
Std. Deviation
N
FISDAS 2
78.67
8.996
30
FISDAS 1
68.17
10.296
30
Correlations
FISDAS 2
Pearson Correlation
Sig. (1-tailed)
N
FISDAS 1
FISDAS 2
1.000
-.381
FISDAS 1
-.381
1.000
FISDAS 2
.
.019
FISDAS 1
.019
.
FISDAS 2
30
30
FISDAS 1
30
30
Hubungan antara kedua variabel berlawanan arah
Pearson Correlation Besar hubungan antara nilai fisdas 1 dan nilai fisdas 2
adalah -0.381 hubungan kedua variabel kurang kuat.
Hubungan antara nilai fisdas 2 dan nilai fisdas 1 jika dilihat dari nilai
signifikansi (sig) sebesar 0,019 < 0,05 hubungan antara kedua variabel
signifikan.
Variables Entered/Removedb
Model
1
Variables Entered
FISDAS 1
Variables Removed
Method
a
. Enter
a. All requested variables entered.
b. Dependent Variable: FISDAS 2
Pada bagian ini menunjukkan informasi dalam memasukkan
variabel yang akan dianalisis menggunakan metode “enter”.
Model Summaryb
Model
1
R
R
Adjusted R
Std. Error of the
Square
Square
Estimate
.381a
.145
.115
Durbin-Watson
8.464
1.590
a. Predictors: (Constant), FISDAS 1
b. Dependent Variable: FISDAS 2
R = korelasi pearson
R square = koefisien diterminasi (korelasi pearson yang dikuadratkan)
jika nilai berkisar 0-1 maka semakin kecil Rs maka hub keduanya semakin
lemah, jika mendekati 1 semakin kuat. Berarti 0.145 termasuk memiliki
diterminasi lemah.
SEE standart perkiraan kesalahan
SEE = 8,464, SD = 8,996 nilai SEE < SD maka prediktor yang digunakan
untuk memprediksi variable terikat (fisdas 2) sudah layak.
DW= pada table DW =1,590 maka tidak terjadi otokorelasi (korelasi dalam
variabel bebas yang mengganggu hubungan variabel bebas tersebut dengan
variabel terikat) dikatakan otokorelasi ketika 1 < DW > 3
ANOVAb
Model
Sum of Squares
1Regression
df
Mean Square
.364
1
.364
Residual
3886.303
28
138.797
Total
3886.667
29
F
Sig.
.003 .960a
a. Predictors: (Constant), FISDAS 1
b. Dependent Variable:
FISDAS 2
Ho = tidak ada pengaruh nilai fisdas 1 terhadap nilai fisdas 2 pada kelas A
Hi = ada pengaruh nilai fisdas 1 terhadap nilai fisdas 2 pada kelas A
Menghitung F table
α = 0.05 ; F tabel = 30-2 = 28 4.20
Menentukan kriteria
- jika F hitung > F tabel maka Ho ditolak
-jika F hitung < F tabel maka Ho diterima
Karena F tabel anova 0.003 < 4.20 maka Ho diterima
Coefficientsa
Standardized
Unstandardized Coefficients
Model
B
Std. Error
1 (Constant)
68.601
14.474
FISDAS 1
.010
.203
Coefficients
Beta
t
.010
Sig.
4.740
.000
.051
.960
a. Dependent Variable: FISDAS 2
Pers. Regresinya
Y = a + bX
Y = 68.601 + 0.010X ;
a = angka konstan dari Unstandardized Coefficients, angka ini merupakan
angka konstan besarnya fisdas II saat fisdas I = 0;
b = angka koefisien regresi sebesar 0.010 mempunyai arti bahwa setiap
penambahan 1 nilai fisdas I, maka nilai fisdas II akan meningkat
sebesar 0.010. sebaliknya jika angka ini negative maka berlaku
penurunan pada tingkat kepuasan.
Y = 68.601 + 0.010X
Untuk menguji koefisien regresi maka dilakukan uji T dengan membuat
hipotesis
-
Ho=koef. Reg. tdk sig.
-
Hi=koef. Reg. sig.
α /2 = 0.05/2 = 0.025
DF = 30-2 = 28 dengan T table 2.048
-
T hitung > t table Ho ditolak
-
T hitung < t table Ho diterima
Kesimpulan 4.740 > 2.048 maka Ho ditolak. sehingga koefisien Regresi
sig.
Casewise Diagnosticsa
Case
Numbe
r
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Std. Residual FISDAS 2 Predicted Value Residual
.915
.477
-.381
-.801
-1.645
1.343
-.385
.486
-.783
.473
-.774
-.359
1.335
.919
.477
-.372
1.330
1.741
-1.649
-1.203
-.783
.486
-.359
-.796
.906
1.321
.044
.473
-.796
-1.641
80
75
65
60
50
85
65
75
60
75
60
65
85
80
75
65
85
90
50
55
60
75
65
60
80
85
70
75
60
50
a. Dependent Variable: FISDAS 2
69.22
69.38
69.48
69.43
69.38
69.17
69.54
69.28
69.22
69.43
69.12
69.22
69.28
69.17
69.38
69.38
69.33
69.48
69.43
69.17
69.22
69.28
69.22
69.38
69.33
69.43
69.48
69.43
69.38
69.33
10.776
5.620
-4.484
-9.432
-19.380
15.828
-4.536
5.724
-9.224
5.568
-9.120
-4.224
15.724
10.828
5.620
-4.380
15.672
20.516
-19.432
-14.172
-9.224
5.724
-4.224
-9.380
10.672
15.568
.516
5.568
-9.380
-19.328
Pada bagian ini menunjukkan hasil prediksi persamaan regresi.
Pada tabel sebelumnya sudah didapatkan nilai pada persamaan regresi Y = 68.601
+ 0.010X. Y merupakan nilai prediksi Fisdas 2.
Residual merupakan selisih nilai Fisdas II dan nilai prediksi.
Std residual adalah nilai residual yang di standardkan dengan cara (residual/
SEE).
Besar kecilnya angka residual dan std residual memberikan makna bagi
persamaan regresi yang akan digunakan untuk memprediksi data. Semakin kecil
angka residual dan std residual maka model regresi semakin baik digunakan untuk
regresi.
Residuals Statisticsa
Minimum Maximum
Predicted Value
Residual
Std. Predicted Value
Std. Residual
69.12
-19.432
-1.902
-1.649
a. Dependent Variable: FISDAS 2
69.54
20.516
1.810
1.741
Mean
69.33
.000
.000
.000
Std. Deviation
.112
11.576
1.000
.983
N
30
30
30
30
Distribusi normal berbentuk lonceng
Grafik ini menujukkan adanya hubungan linier antara fisdas 1 dan fisdas 2.
Grafik ini untuk menguji kelayakan model regresi. Jika lingkaran kecil berada
pada sebaran nol pada sumbu Y maka model regresi ini layak untuk digunakan.
Grafik ini menunjukkan adanya hubungan antara Fisdas II dengan nilai
prediksi. Model yang memenuhi syarat adalah sebaran di mulai dari sebelah
kiri bawah kemudian lurus kearah atas. Dapat disimpulkan model regresi ini
layak untuk digunakan dalam memprediksi fariabel fisdas II.
ANALISIS DATA SPSS
(disusun guna memenuhi tugas mata kuliah setatistika dasar)
Disusun oleh :
Rizky Maulidiyah
(120210102123)
PROGRAM STUDI PENDIDIKAN FISIKA
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS JEMBER
2015
Tugas 1
1. Apakah nilai statistika dasar kelas X berbeda dengan kelas B? (KOMPARATIF
INDEPENDENT)
Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
nilai
N
Normal Parametersa
Most Extreme Differences
Mean
Std. Deviation
Absolute
Positive
Negative
Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)
Kelas
30
68.50
11.901
.129
.129
-.117
.707
.699
30
69.50
9.944
.141
.141
-.110
.774
.588
a. Test distribution is Normal.
Uji Normalitas dapat dilihat pada nilai KSZ (Kolmogorof Smirnov Z). jika nilai
KSZ >
α
maka data berdistribusi normal, sedangkan jika nilai KSZ < α
maka
data tidak berdistribusi normal. Pada tabel SPSS tersebut didapatkan nilai KSZ > α
(0,774 >0.05) maka data dapat dinyatakan berdistribusi normal.
a. Formulasi Hipotesis
Ho = x´x = x´b (tidak ada perbedaan rata-rata nilai stadas kelas X dan kelas B)
Hi =
x´x > x́ b ( Rata-rata nilai stadas kelas X lebih baik dari pada kelas B)
b. Kriteria Pengujian
∝ = 0.05% (5 %) pada spps tertulis 95 %
Uji SPSS
Karena pada soal nomer satu menggunakan uji satu pihak maka soal nomer satu
ini menggunakan uji satu pihak sehingga nilai
α
= α
dan nilai p= p. Dengan
kriteria pengujian jika nilai P > α
maka Ho diterima dan jika P ≤ α
maka
tolak Ho.
Uji t
Taraf nyata ( α ¿
=5% (0.05)
Ho diterima (Hi ditolak) apabila to ≤ t tabel
Ho ditolak (Hi diterima) apabila to > t tabel
c. Analisis Data
Group Statistics
kelas
Nilai
N
Mean
Std. Deviation
Std. Error Mean
1
30
68.50
11.901
2.173
2
30
69.50
9.944
1.815
Std. Deviation (simpangan baku) Menentukan nilai sebaran data
Std. Error Mean Menentukan nilai sebaran rata-rata data yang diambil dari
variabel satu ke varibel yang lain dan diambil dari distribusi yang sama
Independent Samples Test
Levene's
Test for
Equality of
Variances
t-test for Equality of Means
95% Confidence
Interval of the
F
Sig.
t
df
Sig. (2-
Mean
Std. Error
tailed)
Difference
Difference
Difference
Lower
Upper
Nila Equal
i
variances
1.509 .224 -.353
58
.725
-1.000
2.831
-6.668
4.668
-.353 56.223
.725
-1.000
2.831
-6.672
4.672
assumed
Equal
variances not
assumed
Levene's Test for Equality of Variances untuk melakukan uji kesamaan varians
(asumsi kedua varians sama)
t-test for Equality of Means untuk mengetahui perbedaan rata-rata
df derajat kebebasan (tabel)
Mean Difference Perbedaan rata-rata nilai statdas kelas x dan kelas b
Std. Error Difference untuk menentukan perbedaan sebaran nilai error varians
A. untuk melihat persamaan nilai stadas kelas X dan kelas B
1. Merumuskan hipotesis penelitian,
Ho : tidak ada perbadaan nilaistadas kelas x dan kelas b
Hi : ada perbedaan nilai stadas kelas x dan kelas b
2. kriteria pengambilan keputusan
- sig > 0.05 maka Ho diterima
- sig < 0.05 maka Ho ditolak
3. Cara mengambil keputusan
F = 1.509 ; sig = 0.725. Oleh karena angka sig > 0.05 maka Ho diterima artinya
tidak ada perbedaan nilai stadas kelas X dan kelas B.
B. untuk melihat apakah perbedaan rata-rata nilai kelas x dan kelas b.
H0 : tidak ada perbedaan nilai stadas kelas x dan kelas b.
Hi: ada perbedaan nilai statdas kelas x dan kelas b
Kriteria pengambilan keputusan
-
To > t tabel (Ho ditolak)
To < t tabel (Ho diterima)
Menghitung besar nilai T
-
Df = 60-2=58; t tabel=2.000 ketika α = 0.05.
Membuat keputusan
To = - 0.353; To < t tabel maka Ho diterima berarti tidak ada perbedaan nilai
stadas kelas X dan kelas B.
2. Apakah nilai Fisika dasar 1 lebih baik dari Fisika dasar 2 pada kelas A ?
(KOMPARATIF KORELASI)
Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
FISDAS 1
N
Normal Parametersa
30
30
68.50
78.67
10.680
8.996
Mean
Std. Deviation
FISDAS 2
Most Extreme
Absolute
.187
.226
Differences
Positive
.187
.141
Negative
-.129
-.226
1.024
1.236
.245
.094
Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)
a. Test distribution is Normal.
Uji Normalitas dapat dilihat pada nilai KSZ(Kolmogorof Smirnov Z). jika
nilai KSZ > α maka data berdistribusi normal, sedangka jika nilai KSZ < α
maka data tidak berdistribusi normal. Pada table SPSS tersebut didapatkan nilai
KSZ > α
(1,236 > 0.05) maka data dapat dinyatakan berdistribusi normal.
a. Formulasi Hipotesis
Ho = x́ 1 : x´2
(tidak ada perbedaan rata-rata nilai Fisdas 1 dan dan fisdas 2
pada kelas A
Hi =
x́ 1> x´2 ( Rata-rata nilai Fisdas 1 lebih baik dari pada Fisdas 2 pada
kelas A).
b. Kriteria Pengujian
∝ = 0.05% (5 %) pada spps tertulis 95 %
Uji SPSS
Karena pada soal nomer dua menggunakan uji satu pihak maka soal nomer
satu ini menggunakan uji satu pihak sehingga nilai
Dengan kriteria pengujian jika nilai P > α
α
α = α
dan nilai p= p.
maka Ho diterima dan jika P ≤
maka tolak Ho.
Uji t
Ho diterima (Hi ditolak ) apabila to ≤
t tabel
Ho ditolak (Hi diterima) apabila to> t tabel
c. Analisis Data
Paired Samples Statistics
Mean
Pair 1
N
Std. Deviation
Std. Error Mean
FISDAS 1
68.50
30
10.680
1.950
FISDAS 2
78.67
30
8.996
1.642
Paired Samples Correlations
N
Pair 1
FISDAS 1 & FISDAS 2
Correlation
30
-.327
Sig.
.078
Jika nilai korelasi bernilai negatif maka dapat dikatakan nilai korelasi lemah.
Nilai signifikasi 0.078 < 0.05 maka signifikan.
Paired Samples Test
Paired Differences
95% Confidence
Interval of the
Std.
Std. Error
Mean Deviation
Pair FISDAS 1 1
FISDAS 2
Mean
Difference
Lower
Upper
Sig. (2t
df
tailed)
10.16
16.054
2.931
-16.161
-4.172 -3.469
29
.002
7
1. Merumuskan hipotesis penelitian,
Ho: tidak ada perbedaan
Hi: ada perbedaan
T hitung = -3,469; α = 0.05; df = jumlah data – 1 = 30-1 = 29 ; t table = 2,045
T hitung < t table ( -3,469 < 2.045 ) maka terima H0. Jadi tidak ada
perbedaan nilai fisdas 1 dan fisdas 2.
Pada soal nomer dua ini menggunakan uji satu pihak dengan aturan nilai α =
α
dan nilai p = p.
Sehingga didapatkan nilai
α = 0.05 dan nilai sig. (p) = 0.002. t0=-3469, t
table = 1.699.
Kesimpulan
Pada uji SPSS karena nilai p < α
t, karena nilai to
≤
t table (-1.591 ≤
(0.002 < 0.05), sedangkan pada uji
1.699)maka terima Ho(tolak Hi).
maka terima Ho(tolak Hi). Jadi tidak ada perbedaan
Fisdas 1 dan dan fisdas 2 pada kelas A
rata-rata nilai
Pada soal nomer satu ini menggunakan uji satu pihak dengan aturan nilai α
= α /2 dan nilai p= p/2. Sehingga didapatkan nilai α /2= 0.025 dan nilai p
= 0.652.
d. Kesimpulan
Karena nilai p > α
(0.652 > 0.025) maka terima Ho. Jadi tidak ada
perbedaan rata-rata nilai Fisdas 1 dan dan fisdas 2 pada kelas A.
Tugas 2
1. KOMPARATIF INDEPENDENT
Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
nilai
N
Normal Parametersa
Mean
Std. Deviation
Absolute
Positive
Negative
Most Extreme
Differences
Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)
30
68.50
11.901
.129
.129
-.117
.707
.699
kelas
30
69.50
9.944
.141
.141
-.110
.774
.588
a. Test distribution is Normal.
a. FormulasiHipotesis
Ho = x́ x : x´B
(tidak ada perbedaan rata-rata nilai statistika kelas X dan
kelas B)
Hi =
x´x ≠ x´B ( Rata-rata nilai stadas kelas X lebih baik dari pada kelas B)
b. Kriteria Pengujian
∝ = 0.05% (5 %) pada spps tertulis 95 %
Karena pada soal nomer satu menggunakan uji dua pihak sehingga kriteria
pengujian jika nilai P > α
Ho.
c.
Analisis Data
maka Ho diterima dan jika P ≤ α maka tolak
Independent Samples Test
Levene's
Test for
Equality of
Variances
t-test for Equality of Means
95%
Confidence
Interval of
F
Sig.
t
df
Std.
the
Error
Difference
Sig.
Mean
(2-
Differe Differe Low
tailed)
nce
nce
nilai Equal
variances
1.231 .272 -.408
58
.685 -1.167 2.858
-.408 56.616
.685 -1.167 2.858
assumed
Equal
variances
er
Upper
-
6.887
6.890
4.553
4.556
not assumed
Pada soal nomer satu ini menggunakan uji dua pihak. Dari data SPSS
didapatkan nilai p (sign test)= 0.685 sedangkan α =5 %(0.05)
d. Kesimpulan
Karena nilai p > α
(0.865 > 0.05) maka terima Ho. Jadi tidak ada
perbedaan rata-rata nilai stadas kelas X dan kelas B.
2. KOMPARATIF KORELASI
Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
fisdas 1
N
Normal Parametersa Mean
Std. Deviation
Most Extreme
Absolute
Positive
Differences
Negative
Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)
30
70.50
10.776
.162
.135
-.162
.887
.411
fisdas 2
30
69.17
11.677
.158
.150
-.158
.865
.442
a. Test distribution is Normal.
a. Formulasi Hipotesis
Ho = x́ 1= x́ 2
(tidak ada perbedaan rata-rata nilai Fisdas 1 dan dan fisdas 2
pada kelas A).
Hi =
x́ 1< x´2 ( Rata-rata nilai Fisdas 1 lebih baik dari pada Fisdas 2 pada
kelas A).
b. KriteriaPengujian
∝ = 0.05% (5 %) padasppstertulis 95 %
Karena pada soal nomer satu menggunakan uji dua pihak sehingga kriteria
pengujian jika nilai P > α
Ho.
c. Analisis Data
maka Ho diterima dan jika P ≤ α
maka tolak
Paired Samples Test
Paired Differences
95% Confidence
Std.
Deviati Std. Error
Mean
on
Mean
Interval of the
Sig.
Difference
(2-
Lower Upper
t
df tailed)
Pair 1 FISDAS
1FISDAS
1.333 16.024
2.926 -4.650
7.317 .456 29
.652
2
Pada soal nomer satu ini menggunakan uji dua pihak. Dari data SPSS
didapatkan nilai p (sign test)= 0.652 sedangkan α =5 %(0.05)
d. Kesimpulan
Karena nilai p > α
(0.652 > 0.05) maka terima Ho. Jadi tidak ada
perbedaan nilai fisika dasar 1 dan fisika dasar 2 kelas B)
3. KORELASI PEARSONS
Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
fisdas 1
N
Normal Parametersa Mean
Std. Deviation
Most Extreme
Absolute
Positive
Differences
Negative
Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)
fisdas 2
30
70.50
10.776
.162
.135
-.162
.887
.411
30
69.17
11.677
.158
.150
-.158
.865
.442
a. Test distribution is Normal.
a. Formulasi Hipotesis
Ho = x́ 1= x́ 2
(tidak ada hubungan antara nilai Fisdas 1 dan fisdas 2 pada
kelas A)
Hi =
x́ 1 ≠ x́2 ( Ada hubungan antara nilai Fisdas 1 dan Fisdas 2 pada kelas
A.)
b. Kriteria Pengujian
∝ = 0.05% (5 %) pada spps tertulis 95 %
Karena pada soal nomer satu menggunakan uji dua pihak sehingga kriteria
pengujian jika nilai P > α
maka Ho diterima dan jika P ≤ α maka tolak
Ho.
Correlations
x
c. X
Pearson Correlation
y
Analisis Data
1
Sig. (2-tailed)
N
Pearson Correlation
Y
Sig. (2-tailed)
N
-.017
.928
30
30
-.017
1
.928
30
30
Pada soal nomer satu ini menggunakan uji dua pihak. Dari data SPSS
didapatkan nilai p (sign test) = 0.928 sedangkan α =5 % (0.05)
d. Kesimpulan
Karena nilai p > α
(0.928.> 0.05) maka terima Ho. Jadi tidak ada
hubungan antara nilai Fisdas 1 dan Fisdas 2 pada kelas A.
4. Apakah ada pengaruh antara fisdas I dengan fisdas II pada kelas A? (REGRESI
LINEAR SEDERHANA)
Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
fisdas 1 fisdas 2
N
Normal
Parametersa
Most Extreme
Mean
Std. Deviation
30
70.50
30
69.17
10.776
11.677
.162
.135
-.162
.887
.411
.158
.150
-.158
.865
.442
Absolute
Positive
Differences
Negative
Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)
a. Test distribution is Normal.
a. Formulasi Hipotesis
Ho = X́ 1= X́ 2
( Tidak ada pengaruh rata-rata nilai fisdas 1 dan nilai fisdas
2)
Hi =
X́ 1 ≠ X́ 2 ( Ada pengaruh rata-rata nilai fisdas 1 dari fisdas 2)
b. Kriteria Pengujian
∝
= 0,05 (5 %) Dalam bentuk spss dituliskan 95% (Dituliskan 95 % ,
karna untuk mencapai 100%, maka (100%-95% = 5 % ).
Diketahui pada soal no 1 menggunakan uji dua pihak,
Dengan kriteria pengujian nilai :
H0 diterima ( H1 ditolak ) apabila P > α
H0 ditolak ( H1 diterima ) apabila P ≤ α
c. Analisis Data
Descriptive Statistics
Mean
Std. Deviation
N
FISDAS 2
78.67
8.996
30
FISDAS 1
68.17
10.296
30
Correlations
FISDAS 2
Pearson Correlation
Sig. (1-tailed)
N
FISDAS 1
FISDAS 2
1.000
-.381
FISDAS 1
-.381
1.000
FISDAS 2
.
.019
FISDAS 1
.019
.
FISDAS 2
30
30
FISDAS 1
30
30
Hubungan antara kedua variabel berlawanan arah
Pearson Correlation Besar hubungan antara nilai fisdas 1 dan nilai fisdas 2
adalah -0.381 hubungan kedua variabel kurang kuat.
Hubungan antara nilai fisdas 2 dan nilai fisdas 1 jika dilihat dari nilai
signifikansi (sig) sebesar 0,019 < 0,05 hubungan antara kedua variabel
signifikan.
Variables Entered/Removedb
Model
1
Variables Entered
FISDAS 1
Variables Removed
Method
a
. Enter
a. All requested variables entered.
b. Dependent Variable: FISDAS 2
Pada bagian ini menunjukkan informasi dalam memasukkan
variabel yang akan dianalisis menggunakan metode “enter”.
Model Summaryb
Model
1
R
R
Adjusted R
Std. Error of the
Square
Square
Estimate
.381a
.145
.115
Durbin-Watson
8.464
1.590
a. Predictors: (Constant), FISDAS 1
b. Dependent Variable: FISDAS 2
R = korelasi pearson
R square = koefisien diterminasi (korelasi pearson yang dikuadratkan)
jika nilai berkisar 0-1 maka semakin kecil Rs maka hub keduanya semakin
lemah, jika mendekati 1 semakin kuat. Berarti 0.145 termasuk memiliki
diterminasi lemah.
SEE standart perkiraan kesalahan
SEE = 8,464, SD = 8,996 nilai SEE < SD maka prediktor yang digunakan
untuk memprediksi variable terikat (fisdas 2) sudah layak.
DW= pada table DW =1,590 maka tidak terjadi otokorelasi (korelasi dalam
variabel bebas yang mengganggu hubungan variabel bebas tersebut dengan
variabel terikat) dikatakan otokorelasi ketika 1 < DW > 3
ANOVAb
Model
Sum of Squares
1Regression
df
Mean Square
.364
1
.364
Residual
3886.303
28
138.797
Total
3886.667
29
F
Sig.
.003 .960a
a. Predictors: (Constant), FISDAS 1
b. Dependent Variable:
FISDAS 2
Ho = tidak ada pengaruh nilai fisdas 1 terhadap nilai fisdas 2 pada kelas A
Hi = ada pengaruh nilai fisdas 1 terhadap nilai fisdas 2 pada kelas A
Menghitung F table
α = 0.05 ; F tabel = 30-2 = 28 4.20
Menentukan kriteria
- jika F hitung > F tabel maka Ho ditolak
-jika F hitung < F tabel maka Ho diterima
Karena F tabel anova 0.003 < 4.20 maka Ho diterima
Coefficientsa
Standardized
Unstandardized Coefficients
Model
B
Std. Error
1 (Constant)
68.601
14.474
FISDAS 1
.010
.203
Coefficients
Beta
t
.010
Sig.
4.740
.000
.051
.960
a. Dependent Variable: FISDAS 2
Pers. Regresinya
Y = a + bX
Y = 68.601 + 0.010X ;
a = angka konstan dari Unstandardized Coefficients, angka ini merupakan
angka konstan besarnya fisdas II saat fisdas I = 0;
b = angka koefisien regresi sebesar 0.010 mempunyai arti bahwa setiap
penambahan 1 nilai fisdas I, maka nilai fisdas II akan meningkat
sebesar 0.010. sebaliknya jika angka ini negative maka berlaku
penurunan pada tingkat kepuasan.
Y = 68.601 + 0.010X
Untuk menguji koefisien regresi maka dilakukan uji T dengan membuat
hipotesis
-
Ho=koef. Reg. tdk sig.
-
Hi=koef. Reg. sig.
α /2 = 0.05/2 = 0.025
DF = 30-2 = 28 dengan T table 2.048
-
T hitung > t table Ho ditolak
-
T hitung < t table Ho diterima
Kesimpulan 4.740 > 2.048 maka Ho ditolak. sehingga koefisien Regresi
sig.
Casewise Diagnosticsa
Case
Numbe
r
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Std. Residual FISDAS 2 Predicted Value Residual
.915
.477
-.381
-.801
-1.645
1.343
-.385
.486
-.783
.473
-.774
-.359
1.335
.919
.477
-.372
1.330
1.741
-1.649
-1.203
-.783
.486
-.359
-.796
.906
1.321
.044
.473
-.796
-1.641
80
75
65
60
50
85
65
75
60
75
60
65
85
80
75
65
85
90
50
55
60
75
65
60
80
85
70
75
60
50
a. Dependent Variable: FISDAS 2
69.22
69.38
69.48
69.43
69.38
69.17
69.54
69.28
69.22
69.43
69.12
69.22
69.28
69.17
69.38
69.38
69.33
69.48
69.43
69.17
69.22
69.28
69.22
69.38
69.33
69.43
69.48
69.43
69.38
69.33
10.776
5.620
-4.484
-9.432
-19.380
15.828
-4.536
5.724
-9.224
5.568
-9.120
-4.224
15.724
10.828
5.620
-4.380
15.672
20.516
-19.432
-14.172
-9.224
5.724
-4.224
-9.380
10.672
15.568
.516
5.568
-9.380
-19.328
Pada bagian ini menunjukkan hasil prediksi persamaan regresi.
Pada tabel sebelumnya sudah didapatkan nilai pada persamaan regresi Y = 68.601
+ 0.010X. Y merupakan nilai prediksi Fisdas 2.
Residual merupakan selisih nilai Fisdas II dan nilai prediksi.
Std residual adalah nilai residual yang di standardkan dengan cara (residual/
SEE).
Besar kecilnya angka residual dan std residual memberikan makna bagi
persamaan regresi yang akan digunakan untuk memprediksi data. Semakin kecil
angka residual dan std residual maka model regresi semakin baik digunakan untuk
regresi.
Residuals Statisticsa
Minimum Maximum
Predicted Value
Residual
Std. Predicted Value
Std. Residual
69.12
-19.432
-1.902
-1.649
a. Dependent Variable: FISDAS 2
69.54
20.516
1.810
1.741
Mean
69.33
.000
.000
.000
Std. Deviation
.112
11.576
1.000
.983
N
30
30
30
30
Distribusi normal berbentuk lonceng
Grafik ini menujukkan adanya hubungan linier antara fisdas 1 dan fisdas 2.
Grafik ini untuk menguji kelayakan model regresi. Jika lingkaran kecil berada
pada sebaran nol pada sumbu Y maka model regresi ini layak untuk digunakan.
Grafik ini menunjukkan adanya hubungan antara Fisdas II dengan nilai
prediksi. Model yang memenuhi syarat adalah sebaran di mulai dari sebelah
kiri bawah kemudian lurus kearah atas. Dapat disimpulkan model regresi ini
layak untuk digunakan dalam memprediksi fariabel fisdas II.
ANALISIS DATA SPSS
(disusun guna memenuhi tugas mata kuliah setatistika dasar)
Disusun oleh :
Rizky Maulidiyah
(120210102123)
PROGRAM STUDI PENDIDIKAN FISIKA
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS JEMBER
2015