Pembahasan Tugas 1 Adi Setiawan.

Slides:



Advertisements
Presentasi serupa
METODOLOGI PENELITIAN SESI 10 UJI KWALITAS DATA. JENIS DATA 1.PRIMER 2.SEKUNDER.
Advertisements

UJI HIPOTESIS.
Uji Validitas dan Reliabilitas Alat Ukur
MODEL REGRESI LINIER GANDA
Latar Belakang Masalah
UJI ASUMSI KLASIK.
TUGAS AKHIR SEMESTER STATISTIKA LANJUT
UJI VALIDITAS DAN UJI RELIABILITAS
Nama : Ana Meilina NPM : Jurusan : Manajemen
PEMBAHASAN Hasil SPSS 21.
PENGOLAHAN DATA.
KORELASI & REGRESI LINIER
UJI VALIDITAS DAN UJI RELIABILITAS
Uji Goodness of Fit : Distribusi Normal
FEB Univ. 17 Agustus 1945 Jakarta
Contoh Perhitungan Regresi Oleh Jonathan Sarwono.
FEB Univ. 17 Agustus 1945 Jakarta
oleh: Hutomo Atman Maulana, S.Pd. M.Si
FEB Univ. 17 Agustus 1945 Jakarta
Uji Hipotesis.
FEB Univ. 17 Agustus 1945 Jakarta
FEB Univ. 17 Agustus 1945 Jakarta
FEB Univ. 17 Agustus 1945 Jakarta
PENGANTAR STATISTIKA LANJUTAN
Validitas dan reliabilitas
Uji Validitas & Uji Reliabilitas
UJI NORMALITAS.
Uji VALIDITAS DAN RELIABILITAS Dosen: EVELLIN D. LUSIANA, S.Si, M.Si
TUGAS AKHIR SEMESTER STATISTIKA MPSI
TUGAS AKHIR SEMESTER STATISTIKA LANJUT
Analisis Korelasi dan Regresi linier
UJI ASUMSI KLASIK & GOODNESS OF FIT MODEL REGRESI LINEAR
Analisis Korelasi & Regresi
UJI VALIDITAS & RELIABILITAS
MENDETEKSI PENGARUH NAMA : NURYADI.
VALIDITAS & RELIABLITAS KUESIONER; DISTRIBUSI DATA
Uji Kolmogorov-Smirnov
STATISTIK MULTIVARIAT
KORELASI BERGANDA UJI KELAYAKAN INSTRUMEN
HASIL PENELITIAN & PEMBAHASAN
Analisis REGRESI.
Uji Asumsi Klasik Multikolinearitas Normalitas
Analisis Regresi & Analisis Korelasi
ANALISIS REGRESI GANDA
STATISTIKA INFERENSIAL
Uji Goodness of Fit : Distribusi Normal
ANALISIS TABEL KONTINGENSI k  r
TUGAS AKHIR SEMESTER DATA ANALYSIS
PENGOLAHAN DATA.
VALIDITAS DAN REABILITAS REGRESI BERGANDA Nori Sahrun, S.Kom., M.Kom
REGRESI BERGANDA dan PENGEMBANGAN Nori Sahrun., S.Kom., M.Kom
Pengujian Alat Pengumpulan Data.
METODE PENELITIAN KORELASIONAL
UJI VALIDITAS & REALIBILITAS
Contoh Dilakukan penelitian tentang hubungan antara frekuensi belajar mahasiswa dan tingkat pendidikan dengan prestasi akademik mahasiswa. Frekuensi.
KORELASI.
Probabilitas dan Statistika
TUGAS AKHIR SEMESTER STATISTIKA LANJUT MPSI
PENGARUH DESAIN PEKERJAAN, GAYA KEPEMIMPINAN
KORELASI & REGRESI LINIER
UJI ASUMSI KLASIK.
REGRESI DAN KORELASI DISUSUN OLEH : 1.AVERIO ALVAREZ ( ) 2.FRANS HENDRIKO MARPAUNG ( ) 3.CLAUDIA ELSHA ALVINCE ( ) 4.STEVEN.
ANALISIS REGRESI GANDA
ANALISIS REGRESI GANDA
Uji Normalitas dengan Statistik Kolmogorov-Smirnov
Analisis KORELASIONAL.
PROBLEM SOLVING.
Analisis Regresi Ganda
Ukuran Distribusi.
Seminar Hasil Penelitian PENGARUH GAYA KEPEMIMPINAN, MOTIVASI KERJA, DISIPLIN KERJA TERHADAP KINERJA KARYAWAN PADA PD.PASAR MAKASSAR RAYA DEVY DAMAYANTI.
Transcript presentasi:

Pembahasan Tugas 1 Adi Setiawan

Data

Ringkasan Data Dosis 1500

Rata-rata pertumbuhan Basillus subtilis pada dosis 1500 adalah 18 Rata-rata pertumbuhan Basillus subtilis pada dosis 1500 adalah 18.1083 dan standard deviasi 0.2065. Di samping itu skewness 1.864 berarti skewnessnya positif artinya ekor histogramnya di sebelah kanan atau lebih banyak data yang kecil dibandingkan data yang besar.

Ringkasan Data Dosis 2K

Ringkasan Dosis 3K

Ringkasan Data Dosis 1500 dengan Gambar

Ringkasan Data Dosis 2K dengan Gambar

Ringkasan Data Dosis 3K dengan Gambar

Uji Normalitas Data dengan Uji Kolmogorov-Smirnov Uji KS untuk data dosis 1500, 2K dan 3K berturut-turut mempunyai nilai-p yaitu 0.107, 0.169, 0.679 sehingga semuanya berdistribusi normal.

QQ-plot dari Data

Dari QQ-plot belum tampak benar bahwa distribusi data normal Dari QQ-plot belum tampak benar bahwa distribusi data normal. Kemungkinan karena ukuran data kecil (n = 12).

Uji t antara data dosis 1500 dan dosis 2K Terlihat bahwa nilai-p = 0.000 < 0.05 sehingga Ho ditolak artinya ada perbedaan rata-rata hasil dosis 1500 dan dosis 2K. Rata-rata hasil Dosis 2K berbeda signifikan (lebih tinggi) dibandingkan rata-rata hasil dosis 1500.

Uji t antara data dosis 1500 dan dosis 3K Terlihat bahwa nilai-p = 0.000 < 0.05 sehingga Ho ditolak artinya ada perbedaan rata-rata hasil dosis 1500 dan dosis 3K. Rata-rata hasil Dosis 3K berbeda signifikan (lebih tinggi) dibandingkan rata-rata hasil dosis 1500.

Uji t antara data dosis 2K dan dosis 3K Terlihat bahwa nilai-p = 0.000 < 0.05 sehingga Ho ditolak artinya ada perbedaan rata-rata hasil dosis 2K dan dosis 3K. Rata-rata hasil Dosis 3K berbeda signifikan (lebih tinggi) dibandingkan rata-rata hasil dosis 2K.

Pembahasan Tugas 2

Soal 1

Data

Uji Hipotesis Dalam Anava H0A : Tidak terdapat pengaruh Dosis Fraksi Etil Asetat Ekstrak Ampas Teh Hijau terhadap pertumbuhan Bacillus subtilis. H1A : Terdapat pengaruh Dosis Fraksi Etil Asetat Ekstrak Ampas Teh Hijau terhadap pertumbuhan Bacillus subtilis.

H0B : Tidak terdapat pengaruh Treatmen terhadap pertumbuhan Bacillus subtilis. H1B : Terdapat pengaruh Treatmen terhadap pertumbuhan Bacillus subtilis. H0C : Tidak terdapat pengaruh interaksi antara Dosis Fraksi Etil Asetat Ekstrak Ampas Teh Hijau dan Treatmen terhadap pertumbuhan Bacillus subtilis. H1C : Terdapat pengaruh interaksi antara Dosis Fraksi Etil Asetat Ekstrak Ampas Teh Hijau dan Treatmen terhadap pertumbuhan Bacillus subtilis.

Hasil Output SPSS

Berdasarkan hasil output SPSS terlihat bahwa terdapat pengaruh Dosis Fraksi Etil Asetat Ekstrak Ampas Teh Hijau terhadap pertumbuhan Bacillus subtilis (nilai-p = 0.000 lebih kecil dari tingkat signifikansi =0.05 ). Berdasarkan hasil output SPSS terlihat bahwa tidak terdapat pengaruh Treatmen terhadap pertumbuhan Bacillus subtilis (nilai-p = 0.547 lebih besar dari tingkat signifikansi =0.05 ). Berdasarkan hasil output SPSS terlihat bahwa tidak terdapat pengaruh interaksi antara Dosis Fraksi Etil Asetat Ekstrak Ampas Teh Hijau dan Treatmen terhadap pertumbuhan Bacillus subtilis (nilai-p = 0.598 lebih besar dari tingkat signifikansi =0.05 ).

Terlihat bahwa hasil masing-masing dosis berbeda dengan hasil dosis yang lain.

Soal 2

Scatter Plot Usia Vs Pengambilan Oksigen Maksimal Dari scatter plot Usia vs Pengambilan Oksigen maksimal, terlihat bahwa tidak bisa dibuat garis regresi hubungan antara Usia dan Pengambilan Oksigen Maksimal

Scatter Plot Tinggi Badan Vs Pengambilan Oksigen Maksimal Dari scatter plot Tinggi Badan vs Pengambilan Oksigen maksimal, terlihat bahwa dapat dibuat garis regresi hubungan antara Tinggi Badan dan Pengambilan Oksigen Maksimal

Scatter Plot Berat Badan Vs Pengambilan Oksigen Maksimal Dari scatter plot Berat Badan vs Pengambilan Oksigen maksimal, terlihat bahwa dapat dibuat garis regresi hubungan antara Berat Badan dan Pengambilan Oksigen Maksimal

Scatter Plot Lebar Dada Vs Pengambilan Oksigen Maksimal Dari scatter plot Lebar vs Pengambilan Oksigen maksimal, terlihat bahwa dapat dibuat garis regresi hubungan antara Lebar Dada dan Pengambilan Oksigen Maksimal

Analisis Korelasi Terlihat bahwa korelasi antara Pengambilan Oksigen maksimal dengan Tinggi Badan, Berat Badan dan Lebar dada berturut-turut adalah 0,952, 0,658 dan 0,718 dengan nilai-p masing-masing 0,000; 0,039 dan 0,019. Dengan Usia korelasinya hanya 0,136 dengan nilai-p 0,708 (tidak signifikan). Beralasan untuk menggunakan variabel Tinggi Badan dalam model.

Model : Oksi = a + b Tinggi Apabila hanya digunakan model tersebut maka akan diperoleh R2 = 0,906 dengan RSS = 0,02.

Apakah perlu memasukkan variabel lain ? Misalkan dipilih Lebar Dada untuk masuk ke dalam model sehingga model menjadi : Model : Oksi = a + b Tinggi + c Lebar. Diperoleh R2 = 0,909 dan RSS = 0,019.

Uji-F Parsial Ho : c = 0; b  0; a  0 H1 : c  0; b  0; a  0 Tingkat signifikansi  = 0,05. Ho ditolak jika Fhitung > Ftabel = F1,10-2-1,0.95 = 5.591 Dalam hal ini n = 10, p=1, q=2. RSSq = 0.02, RSSp = 0.019 sehingga Fhitung = (10-2-1)*(0.020-0.019)/[(2-1)*0.02] = 0.35 Karena Fhitung < Ftabel maka tidak perlu menambahkan variabel Lebar Dada ke dalam model.

Model Terpilih : Oksi = -3.843 + 0.041 Tinggi Terlihat bahwa model terpilih mempunyai gradien positif sehingga hal itu berarti bahwa semakin tinggi seseorang maka akan semakin tinggi pengambilan oksigen maksimalnya.

Analisis residu model terpilih Tabel di atas memperlihatkan estimasi data pengambilan oksigen maksimal (kolom 5) berdasarkan model terpilih. Akan diuji juga apakah residu model terpilih berdistribusi normal atau tidak.

Analisis Residu Model Terpilih

Terlihat bahwa QQ-plot dari residu cenderung berada di sekitar garis lurus sehingga dapat dikatakan bahwa residunya berdistribusi normal. Hal itu juga didukung oleh uji KS yang mempunyai nilai-p sebesar sehingga lebih kecil dari tingkat signifikansi 0,05 (residu berdistribusi normal).

Contoh Penggunaan Model terpilih : Oksi = -3.843 + 0.041 Tinggi Apabila tinggi anak 135 cm maka akan mempunyai nilai pengambilan oksigen maksimal 1.692 unit yang sesuai.

Tugas 3

Soal 1

Data

H0 : Tidak terdapat keterkaitan antara asal pembaca dengan jenis artikel yang dibaca. H1 : Terdapat keterkaitan antara asal pembaca dengan jenis artikel yang dibaca. Tingkat signifikansi  = 0,05. H0 ditolak jika nilai-p < tingkat signifikansi .

Hasil Output SPSS Diperoleh X2 = 41.915 dan nilai-p = 0.000 sehingga H0 ditolak artinya terdapat keterkaitan antara asal pembaca dengan jenis artikel yang dibaca.

Interpretasi Grafik di samping adalah boxplot dari residu terstandard untuk tiap-tiap sel. Terlihat bahwa tidak ada titik ektrim sehingga tiap-tiap sel memberikan kontribusi yang relatif sama terhadap X2. Namun demikian ada kecenderungan bahwa orang yg bersal dari desa lebih suka hiburan daripada orang dari kota.

Soal 2 Sebuah penelitian dilakukan untuk mengetahui perbedaan perilaku konsumtif masyarakat kota X sebelum dan sesudah dibangun mall di kota X. Berikut ini data mengenai perilaku konsumtif masyarakat kota X sebelum dan sesudah ada mall. Apakah terdapat perbedaan perilaku konsumtif masyarakat kota X sebelum dan sesudah ada mall.

Data

Hasil Output SPSS H0 : tidak ada perbedaan perilaku konsumtif sebelum dan sesudah ada mall. H1 : ada perbedaan perilaku konsumtif sebelum dan sesudah ada mall. Tingkat signifikansi  = 0.05. Dari output SPSS diperoleh nilai-p = 0.029 sehingga Ho ditolak artinya ada perbedaan perilaku konsumtif sebelum dan sesudah ada mall yaitu skor perilaku konsumtif sesudah ada mall lebih tinggi dibandingkan dengan sebelum ada mall.

Soal 3 Terlampir data tentang kuesioner variabel IKLIM KEPEMIMPINAN. Ujilah validitas dan reliabilitas kuesioner (skala) tersebut. Selanjutnya dengan menggunakan hasil data yang sudah valid dan reliabel buatlah pengkategorian skor iklim kepemimpinan menjadi 3 kategori yaitu tinggi, sedang dan rendah.

Hasil Output SPSS

Uji Validitas Item Terdapat 14 item dan masing-masing item dihitung koefisien korelasi (corrected) sehingga diperoleh berurut-turut 0.073, 0.013, 0.250, 0.227, 0.181, 0.133, 0.529, 0.311, 0.393, -0.037, 0.226, 0.210, 0.462, 0.311. Titik kritis untuk n=44 adalah 0.297 sehingga diperoleh bahwa item-item yg valid adalah item 7, 8, 9, 13 dan 14.

Apabila hanya dipergunakan item-item yang valid maka akan diperoleh koefisien alfa Cronbach sebesar 0.670 sehingga reliabilitasnya cukup (reliable).

Hasil Output SPSS

Karena cuma ada 5 item yang valid maka skor total teoritis terkecil adalah 5 x 1 = 5 dan skor teoritis terbesar adalah 5 x 4 = 20 sehingga  = (20-5)/6 = 2.5. Rata-rata teoritisnya adalah  = 2.5 x 5 = 12.5. Pengkategoriannya adalah Tinggi jika skor   +  = 12.5 + 2.5 = 15, Sedang : 10 =  -   skor <  +  = 15, Rendah skor < 10.

Hasil Pengkategorian