Professional Documents
Culture Documents
Pertemuan Ke-7 Dan 8
Pertemuan Ke-7 Dan 8
Statistik dasar
MODUL 7 DAN 8
Disusun oleh :
Nama
Nim
Jurusan
: mohamad hanaf
: 095410134
: teknik informatika
Laboratorium terpadu
Sekolah tinggi manajemen informatika
STMIK AKAKOM YOGYAKARTA
2010
PERTEMUAN KE-7
UJI PERBANDINGAN RATA-RATA DUA POPULASI
1. TEORI
2. PEMBAHASAN
Independent-sample T test
Independent-sample T test digunakan untuk menguji signifikansi beda ratarata dua kelompok. Tes ini juga digunakan untuk menguji pengaruh variable
independen terhadap variable dependent , untuk mendefinisikan group
pastikan variable grup sudah pada kotak grouping variable, kemudian klik
tombol define groups.. bila variable grup numeric akan tampil kotak dialog
kemudian salah satu , use specified values akan membagi file data anda
menjadi dua kelompok berdasarkan value-value variable group yang anda
isikan pada otak teks yang tersedia. contoh pada Independent-sample T test
adalah sebagai berikut :
Mean
Std. Deviation
laki-laki
10
50.00
30.277
9.574
perempuan
10
50.00
30.277
9.574
F
tk_cerdas
Sig.
.000
t
1.000
df
Sig. (2-tailed)
.000
18
1.000
.000
18.000
1.000
Std.
Deviation
Std. Error
Mean
1.7735E2
10
14.45885
4.57229
1.6080E2
10
11.73835
3.71199
83.5580
10
9.11618
2.88279
77.7000
10
6.65916
2.10581
Pair 2
Correlation
Sig.
10
.056
.877
10
.979
.000
Pair 2
Std. Deviation
Lower
1.65500E1
18.10226
5.72444
3.60043
29.49957
5.85800
2.92147
.92385
3.76811
7.94789
Pada table paired samples test, kolom means menunjukkan perbedaan rata-rata sebelum
treatment dengan sesudah treatmen. Kolom std.deviation menunjukkan standart deviasi
dari nilai perbedaan rata-rata. Kolom std error mean merupakan indeks variabilitas.
Kolom t merupakan hasil bagi antara nilai perbedaan rata-rata dengan standart error.
Kolom sig (2-tailed) merupakan nilai probabilitas untuk mencapai t statistic dimana nilai
absolutnya adalah sama atau lebih besar dari t statistic.( mohon maaf karena dalam table
(2-tailed) tidak kelihatan soalnnya aku tidak bisa mengedit.
3. TUGAS
Case Summariesa
Nama
JK
Nilaipre
Nilaipost
Dyah
52
60
Ninuk
42
54
Endah
50
40
Toni
59
60
Jane
45
44
Wida
50
52
Mimi
49
45
Tono
45
45
Andi
56
60
10
Dodi
61
56
10
10
10
Total
10
Upper
Group Statistics
JK
Nilaipre
Mean
Std. Deviation
55.25
7.136
3.568
48.00
3.742
1.528
F
Nilaipre
Sig.
1.361
t
.277
df
Sig. (2-tailed)
2.129
.066
1.868
4.118
.133
Ada perbedaan pada nilai pre sangat jelas sekali yaitu pada nilai means untuk yang laki-laki(1)
(55.25). dan yang perempuan adalah (2) (48.00) dan masih banyak yang lainnya lagi.
Group Statistics
JK
Nilaipost
Mean
Std. Deviation
55.25
7.089
3.544
49.17
7.441
3.038
F
Nilaipost
Sig.
.221
t
.651
df
Sig. (2-tailed)
1.289
.233
1.303
6.819
.235
Ada perbedaan pada nilai post yang laki-laki maupun yang perempuan. Adapun yang laki-laki
(1) (55.25) yang perempuan (2) (49.17)
Paired Samples Statistics
Mean
Pair 1
Std. Deviation
Nilaipre
50.90
10
6.226
1.969
Nilaipost
51.60
10
7.575
2.395
Correlation
10
Sig.
.588
.074
Nilaipre - Nilaipost
-.700
Std. Deviation
6.378
Lower
Upper
-5.262
Ada perbedaan pada nilai pre dan post nilai pre adalah (50.90) nilai post (51.60) dan masih
banyak lagi perbedaan yang lainnya.
4. KESIMPULAN
5. LISTING
Terlampir
t
3.862
-.34
PERTEMUAN KE-8
ANALISIS REGRESI DAN KOLERASI
1. TEORI
2. PEMBAHASAN
ANALISIS REGRESI
Digunakan untuk megetahiu hubungan antara variable
independen(bebas) dan variable dependen(terikat). Hubungan . apabila
model regresinyamelibatkan variable independen lebih dari satu maka
dinamakan regresi ganda. Namun apabila model regresinya melibatkan
variable independen Cuma satu maka dinamakan regresi sederhana.
Linier printah ini digunakan untuk uji regresi secara linier, biasanya
variable independen x berpangkat satu. Sub-sub perintah dariperintah
linier :
Dependent adalah variable terikat yang bergantung pada variable
independen, biasnnya notasi dari variable dependen adalah y.
Independent(s) adalah variable bebas dan tidak bergantung pada variable
dependen, semua nilai yang ada dalam variable dependent akan
Pada missing value (data yang tidak tersedia) SPSS menyediakan dua alternative
perlakukan:
Exclude cases pairwise yaitu pasangan yang salah satu tidak ada datannya tidak
dimasukkan dalam perhitungan. Misal kolerasi antara variable tilang dengan motor,
maka kasus nomor 7 yang hilang dari tilang mengakibatkan kolerasi hanya untuk 9
data. Namun untuk kolerasi variable mobil dan motor, karena ada dua data mobil
yang hilang, maka kolerasi hanya 8 data. Dengan demikian pilihan pairwise
mengakibatkan jumlah data tiap kolerasi bervariasi, tergantung jumlah data yang
missing (tidak ada).
Exclude cases listwise di sini jumlah data untuk seluruh kolerasi sama, sehingga
yang dibuang adalah kasus yang salah satu variablenya terdapat missing data. Dalam
kasus diatas terlihat pada kasus nomor 5,7, dan 8 terdapat data yang missing, maka
tiga kasus tersebut dikeluarkan (exclude), sehingga jumlah kasus menjadi 10-3=7.
Case Summariesa
Dearah label
Tilang label
Mobil label
Motor
polisi
20
258
589
89
24
265
587
52
25
249
698
59
18
125
625
57
15
712
52
16
124
692
48
251
681
49
10
634
29
12
124
697
27
10
10
17
159
521
59
10
10
10
Total
Pearson Correlation
Motor
Motor
Pearson Correlation
Sig. (2-tailed)
N
polisi
.499
.852*
.765
.208
.015
-.127
-.410
-.195
.240
.615
.765
8
10
10
Pearson Correlation
.499
-.410
.631
Sig. (2-tailed)
.208
.240
10
10
Pearson Correlation
.852*
-.195
.631
Sig. (2-tailed)
.015
.615
.069
N
Tilang label
Tilang label
-.127
Sig. (2-tailed)
N
polisi
.069
Pada table diatas yang diberi tanda * berarti nilai tersebut menunjukkan missing atau tidak
diketahui
prestasi label
Iq label
84
85
85
87
87
110
92
98
91
90
96
88
83
82
87
86
88
100
10
10
90
105
10
10
10
Total
Descriptive Statistics
Mean
Std. Deviation
prestasi label
88.78
3.930
Iq label
94.00
9.605
Correlations
prestasi label
Pearson Correlation
prestasi label
1.000
.169
.169
1.000
.332
.332
prestasi label
Iq label
Iq label
Sig. (1-tailed)
prestasi label
Iq label
Iq label
Model Summaryb
Model
R
.169a
Adjusted R
Square
Estimate
R Square
.029
-.110
4.141
ANOVAb
Model
1
Sum of Squares
Regression
df
Mean Square
3.524
3.524
Residual
120.031
17.147
Total
123.556
Sig.
.664a
.206
Coefficientsa
Standardized
Unstandardized Coefficients
Model
1
B
(Constant)
Iq label
Coefficients
Std. Error
Beta
82.282
14.395
.069
.152
.169
Sig.
5.716
.001
.453
.664
Residuals Statisticsa
Minimum
Predicted Value
Maximum
Mean
Std. Deviation
87.95
89.88
88.78
.664
Residual
-4.949
7.637
.000
3.873
-1.249
1.666
.000
1.000
Std. Residual
-1.195
1.844
.000
.935
3. TUGAS
terlampir
4. KESIMPULAN
Analisis hubungan antar variable secara garis besar ada dua, yaitu
analisis kolerasi dan analisis regresi. Kedua analisis tersebut saling
terkait. Analisis kolerasi menyatakan derajat keeratan hubungan
antar variable, sedangkan analisis regresi dugunakan dalam
peramalan variable dependen berdasar variable-variable
independennya.
5. LISTING
Terlampir