TUGAS

Mata Kuliah Statistik Untuk Studi Lingkungan

RAHMAT NAFRIADIN
18/435101/PMU/09612

PROGRAM STUDI MAGISTER ILMU LINGKUNGAN

SEKOLAH PASCASARJANA
UNIVERSITAS GADJAH MADA
YOGYAKARTA
2018
 TUGAS STATISTIK
(Korelasi, Comparison, Regresi)

1. Korelasi

Dalam uji dengan tujuan korelasi saya mengambil contoh kasus sebagai berikut:
"Seorang guru ingin mengetahui seberapa kuat hubungan antara tingkat IQ siswa
dengan hasil belajar yang diperoleh".
Metode statistik yang akan digunakan adalah Kendall Tau. Guru kemudian mengumpulkan
data dengan menggunakan survey pada 15 orang siswa. Uji Kendall Tau dipilih karena sesuai
dengan asumsi/ syarat datanya:
1) Merupakan statistik non parametrik
2) Skala data ordinal
3) Data tidak berdistribusi normal
4) Dimulai dengan perengkingan data
5) Cocok digunakan untuk sampel kecil ( < 40 )

Data yang diperoleh sebagai berikut:

Nomor Tingkat IQ Hasil Belajar

Responden Siswa Siswa
1 3 3
2 3 3
3 4 4
4 4 4
5 3 2
6 3 3
7 4 3
8 3 2
9 4 4
10 4 4
11 4 4
12 3 2
13 4 4
14 3 2
15 3 2

Data yang diperoleh selanjutnya diuji dengan menggunakan SPSS 16.0, menghasilkan output
sebagai berikut:
Hipotesis:

H0 : Tidak terdapat hubungan antara tingkat IQ siswa dengan hasil belajar siswa
H1 : Terdapat hubungan antara tingkat IQ siswa dengan hasil belajar siswa
Hasil Output data SPSS 16.0

Kesimpulan:

Nilai sig. (0,001) < 0,05 maka H0 ditolak dan menerima H1 , artinya terdapat hubungan yang
signifikan antara tingkat IQ siswa dengan hasil belajar siswa
Nilai koefisien korelasi yaitu (0,823), artinya antara tingkat IQ siswa dengan hasil belajar
siswa memiliki hubungan yang sangat kuat.

2. Comparison
Dalam uji dengan tujuan comparison, saya mengambil contoh kasus sebagai berikut:
" Seorang guru ingin mengetahui di antara dua model pembelajaran yang akan
digunakan, model pembelajaran mana yang dapat memberikan hasil belajar lebih baik
pada siswa".
Metode statistik yang akan digunakan adalah Uji Independent Sample T-Test. Guru
kemudian mengumpulkan data dengan menggunakan beberapa rangkaian tes sebelumnya
yaitu uji validitas dan reliabilitas, uji pretest dan posttest, uji normalitas data, dan uji
homogenitas varians data. Setelah keseluruhan rangkaian test selesai, selanjutnya Uji
Independent Sample T-Test. Sampel dipilih secara acak yaitu 23 orang siswa pada kelas
kontrol dan 20 orang siswa pada kelas eksperimen. Uji Independent Sample T-Test. dipilih
karena sesuai dengan asumsi/ syarat datanya:
1) Pengambilan sampel secara acak
2) Data harus berdistribusi normal
3) Skala data interval atau rasio
4) Hubungan sampel tidak berpasangan (tidak harus berjumlah sama)
5) Data bersumber dari individu yang berbeda
Data yang diperoleh sebagai berikut:

Kelas Kontrol Kelas Eksperimen

No.
Nama Nilai Nama Nilai
1 A 35.0 AA 95.0
2 B 40.0 BB 90.0
3 C 45.0 CC 85.0
4 D 40.0 DD 75.0
5 E 50.0 EE 75.0
6 F 45.0 FF 75.0
7 G 60.0 GG 75.0
8 H 40.0 HH 75.0
9 I 50.0 II 70.0
10 J 50.0 JJ 70.0
11 K 50.0 KK 65.0
12 L 55.0 LL 65.0
13 M 60.0 MM 65.0
14 N 60.0 NN 65.0
15 O 60.0 OO 65.0
16 P 65.0 PP 65.0
17 Q 70.0 QQ 55.0
18 R 65.0 RR 45.0
19 S 70.0 SS 45.0
20 T 75.0 TT 30.0
21 U 75.0
22 V 70.0
23 W 75.0

Data yang diperoleh selanjutnya diuji dengan menggunakan SPSS 16.0, menghasilkan output
sebagai berikut:

Hipotesis:

H0 : tidak terdapat perbedaan yang signifikan antara rata-rata hasil belajar siswa pada
kelas kontrol dibandingkan dengan kelas eksperimen
H1 : tidak terdapat perbedaan yang signifikan antara rata-rata hasil belajar siswa pada
kelas kontrol dibandingkan dengan kelas eksperimen

Hasil Output data SPSS 16.0

Kesimpulan:

Nilai sig (0,015) < 0,05, maka Ho ditolak dan menerima H1, artinya terdapat perbedaan
yang signifikan antara rata-rata hasil belajar siswa pada kelas kontrol dibandingkan
dengan kelas eksperimen

3. Regresi

Dalam uji dengan tujuan prediksi, saya mengambil contoh kasus sebagai berikut:
" Guru ingin mengetahui apakah disiplin belajar berpengaruh terhadap prestasi
belajar siswa dan seberapa besar pengaruh disiplin belajar terhadap prestasi belajar
siswa".
Metode statistik yang akan digunakan adalah Uji Regresi Linear Sederhana. Guru kemudian
mengumpulkan data disiplin belajar dengan menggunakan kuisioner dengan skala Likert
(penskoran data) sedangkan data prestasi belajar diperoleh melalui nilai raport siswa. Data
disiplin belajar yang dikumpulkan dibuat menjadi data numerik untuk diolah menggunakan
aplikasi SPSS. Uji ini yang dipilih karena sesuai dengan asumsi/ syarat datanya:
1) Data harus berdistribusi normal
2) Data berskala interval atau rasio
3) Kedua variabel bersifat dependen
4) Model regresi dikatakan layak  jika angka signifikansi pada ANOVA sebesar < 0,05
5) Predictor yang digunakan sebagai variabel bebas harus layak yaitu jika angka Standard
Error of Estimate < Standard Deviation
6) Koefesien regresi harus signifikan.
7) Terdapat hubungan linier antara variabel bebas (X) dan variabel tergantung (Y)

Data yang diperoleh sebagai berikut:

Responden Disiplin Belajar Prestasi Belajar

1 75 80
2 60 75
3 65 75
4 75 90
5 65 85
6 80 85
7 75 95
8 80 95
9 65 80
10 80 90
11 60 75
12 65 75

Data yang diperoleh selanjutnya diuji dengan menggunakan SPSS 16.0, menghasilkan output
sebagai berikut:
Hipotesis:
H0 : Tidak terdapat pengaruh yang signifikan variabel disiplin belajar terhadap variabel
prestasi belajar siswa
H1 : Terdapat pengaruh yang signifikan variabel disiplin belajar terhadap variabel
prestasi belajar siswa.
Hasil output data SPSS 16.0

Tabel 1. Memberikan gambaran mengenai nilai rata-rata, standar deviasi, dan jumlah data
yang telah diproses.
Tabel 2. Memberikan gambaran variabel dependent (prestasi belajar) dan variabel
independent (disiplin belajar).

Tabel 3. menampilkan nilai R yang merupakan simbol dari nilai koefisien korelasi. Pada
contoh diatas nilai korelasi adalah 0,796. Nilai ini dapat diinterpretasikan bahwa hubungan
kedua variabel penelitian ada di kategori kuat. Melalui tabel ini juga diperoleh nilai R Square
atau koefisien determinasi (KD) yang menunjukkan seberapa bagus model regresi yang
dibentuk oleh interaksi variabel bebas dan variabel terikat. Nilai KD yang diperoleh adalah
63,4% yang dapat ditafsirkan bahwa variabel bebas X memiliki pengaruh kontribusi sebesar
63,4% terhadap variabel Y dan 36,6% lainnya dipengaruhi oleh faktor-faktor lain diluar
variabel X. Pada bagian std. error of the estimate memiliki nilai (4,939) < nilai standar
deviasi ( 7,821) yang menunjukkan bahwa prediktor layak untuk digunakan.

Tabel 4. menampilkan nilai sig. (0,002) < 0,05 yang menunjukkan bahwa model regresi yang
digunakan adalah linear dan layak untuk digunakan.

Tabel 5. menampilkan nilai sig. (0,002) < 0,05 yang menunjukkan bahwa H0 ditolak dan
menerima H1 , artinya terdapat pengaruh yang signifikan variabel disiplin belajar terhadap
variabel prestasi belajar siswa. Selain itu, pada kolom Unstandardized Coefficients B
menginformasikan model persamaan regresi yang diperoleh dengan koefisien konstanta dan
koefisien variabel. Sehingga diperoleh persamaan regresi sebagai berikut:
 Y =27,523+ 0,793X

Chart normal P-P Plot of Regression Residual memberikan informasi grafik normalitas
data.  Dengan ketentuan ; jika residual berasal dari distribusi normal maka nilai-
nilai sebaran data akan terletak disekitar garis lurus. Pada grafik tersebut terlihat
bahwa nilai-nilai sebaran data terletak disekitar garis lurus yang berarti bahwa data
berdistribusi normal. Untuk lebih meyakinkan data ini normal atau tidak maka bisa
di uji dengan menggunakan uji Kolmogorof-Smirnov.