Disusun untuk memenuhi salah satu tugas Statistika Terapan
DI SUSUN OLEH: Nama :Anis Khaerunnisa NIM :2118120028
PROGRAM STUDI PENDIDIKAN MATEMATIKA FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN UNIVERSITAS GALUH CIAMIS 2014 Pada modul ini akan dipelajari Daftar Pengolahan Data lebih dari Dua Variabel, yang meliputi: Uji banding data normal dan homogen one way Uji banding data normal dan homogen two way Uji banding data tidak normal atau tidak homogen one way Uji banding data tidak normal atau tidak homogen two way Uji korelasi data normal dan homogen Uji regresi ganda data normal dan homogen (multiple regression) Menggunakan pengujian hipotesis dan penarikan kesimpulan berdasarkan sampel yang diteliti. Oleh karena itu, dalam modul ini akan dipelajari langkah- langkah yang harus dilakukan menggunakan SPSS 16 untuk pengujian hipotesis yang sering dilakukan dalam penelitian. A. UJI BANDING DATA NORMAL DAN HOMOGEN ONE WAY Apabila ada tiga kelompok sampel atau lebih, dan kita akan membandingkan rerata ketiga kelompok tersebut, kita tidak dapat menggunakan uji-t. Karena uji-t hanya untuk membandingkan dua kelompok sampel tersebut. Sebagai penggantinya kita gunakan uji Anova. ANOVA merupakan lanjutan dari uji-t independen dimana kita memiliki dua kelompok percobaan atau lebih. ANOVA biasa digunakan untuk membandingkan mean dari dua kelompok sampel independen (bebas). Uji ANOVA ini juga biasa disebut sebagai One Way Analysis of Variance. Contoh kasus: Penelitian di olahraga tentang Studi banding tentang keterampilanmemukul bola softball yang diakibatkan dari teknikpemberian umpan dengan posisi kaki. Dipilih 4 sampel berbeda masing-masing 20 anggota. Diukur ketrampilan memukul bola dari posisi kaki tetap pukulan arah bawah (A1), posisi kaki tetap pukulan arah atas (A2), posisi kaki melangkah pukulan arah bawah (A3), dan posisi kaki melangkah pukulan arah atas (A4). Keempat kelompok tersebut masih ada dalam satu variabel ketrampilan memukul bola. Data skoring penelitian diberikan pada tabel di bawah ini. A1 A2 B1 B2 13 15 13 15 18 20 11 15 11 12 14 18 17 18 14 15 14 15 16 16 17 18 11 14 11 17 16 13 19 20 9 15 13 12 16 18 15 15 11 16 9 12 11 16 14 16 13 15 14 15 9 12 14 17 11 12 12 14 9 11 14 18 14 14 16 12 12 14 13 17 17 14 10 11 12 9 16 15 11 11
Untuk melakukan uji banding empat sampel tersebut digunakan uji F. Namun terlebih dahulu data harus melewati uji persyaratan. Uji persyaratan analisis diperlukan guna mengetahui apakah analisis data untuk pengujian hipotesis dapat dilanjutkan atau tidak. Analisis varian mempersyaratkan bahwa data berasal dari populasi yang berdistribusi normal dan kelompok-kelompok yang dibandingkan homogen. Oleh karena itu analisis varian mempersyaratkan uji normalitas dan homogenitas data. 1. Uji Normalitas Uji normalitas dilakukan untuk memperlihatkan bahwa data berasal dari populasi yang berdistribusi normal. Adapun langkah-langkah menguji normalitas menggunakan SPSS adalah sebagai berikut: Input data contoh kasus di atas ke dalam SPSS, seperti gambar di bawah ini.
Keempat data tersebut digabungkan dalam kolom baru.
Pilih menu Analyze Descriptives Statistics Explore Seperti tampak gambar berikut.
Setelah menu dipilih, tampak kotak dialog seperti gambar di bawah.
Langkah selanjutnya: Pilih gab sebagai Dependent List, abaikan yang lain Klik tombol Plots Pilih Normality Plots with Tests, seperti tampak pada gambar di bawah ini, abaikan yang lain Klik Continue lalu Ok
Akan ditunjukan output sebagai berikut
Hasil output pada gambar di atas menunjukan uji normalitas gabungan keempat kelompok data. Pengujian dengan SPSS harus dipilih salah satu, misalnya berdasarkan uji Kolmogorov-Smirnov. Hipotesis yang diuji adalah: Ho: data berdistribusi normal H 1 : data berdistribusi tidak normal Pada hasil output di atas diperoleh taraf signifikansi 0,054 > 0,05 maka Ho diterima, artinya data berasal dari populasi yang berdistribusi normal. 2. Uji Homogenitas Uji variansi atau homogenitas dapat dilakukan setelah ditambahkan kode. Setelah tadi kita menggabungkan keempat kelompok data, selanjutnya untuk membedakan antar kelompok masukan data satu lagi di sebelah kanannya masing-masing berturut 1 untuk kelompok A1, 2 untuk kelompok A2, 3 untuk kelompok B1, dan 4 untuk kelompok B2. Selanjutnya pada variable view berilah nama variabel baru dengan kelas, pada kolom decimals masing- masing diberi angka 0, pada value berilah label 1 untuk A1, 2 untuk A2, 3 untuk B1, dan 4 untuk B2, selanjutnya kembali ke menu data view seperti tampak pada gambar di bawah.
Tests of Normality Kolmogorov-Smirnov a Shapiro-Wilk Statistic df Sig. Statistic df Sig. gab .098 80 .054 .972 80 .072 a. Lilliefors Significance Correction
Langkah-langkah pengujian homogenitas menggunakan SPSS Buka file yang akan dianalisis Pilih menu Analyze Compare Means One Way Anova Seperti tampak gambarberikut.
Setelah muncul kotak dialog, masukkan variabel gab ke kotak Dependen List dan kelas ke kotak factor. Maka akan muncul seperti gambar di bawah
Klik menu options homogenity of variance tests, abaikan yang lain continue ok
Ditunjukan dengan output sebagai berikut Test of Homogeneity of Variances Gab Levene Statistic df1 df2 Sig. 1.629 3 76 .190
Pada hasil output di atas, nilai signifikansi yang diperoleh 0,19. Adapun hipotesis yang diuji adalah: Ho: variansi pada tiap kelompok sama (homogen) H 1 : variansi pada tiap kelompok berbeda (tidak homogen) Karena 0,19 > 0,05 maka Ho diterima artinya variansi pada tiap kelompok adalah homogen.
3. Uji Banding Langkah- langkah uji homogenitas dilakukan secara bersamaan dengan uji banding menggunakan uji f. Adapun hasil output uji banding ditunjukan dengan tabel bertuliskan Anova seperti gambar di bawah.
ANOVA Gab
Sum of Squares df Mean Square F Sig. Between Groups 173.650 3 57.883 10.935 .000 Within Groups 402.300 76 5.293 Total 575.950 79 Hipotesis uji banding Ho: rataan data tiap kelompok sama H1: salah satu rataan data kelompok berbeda Signifikansi 0,00 < dari 0,005 artinya salah satu rataan kelompok data berikut berbeda. Kesimpulan: Keterampilan memukul bola softball berdasarkan posisi kaki memiliki rataan yang berbeda antar kelompok. B. UJI BANDING ANALISIS DUA JALUR Analisis dua jalur digunakan untuk menguji perbedaan mean dari tiga kelompok sampel atau lebih dengan dua variabel independen dan satu variabel dependen Contoh kasus: Penelitian pada bidang biologi tentang kekuatan tikus dalam memakan suatu makanan (dalam gram) untuk waktu yang ditentukan. Dipilih 30 tikus jantan dan 30 tikus betina yang homogen dalam umur dan berat. Masing- masing 10 tikus diberi suntikan tiga jenis hormon nafsu makan pada konsentrasi 5%, 10% dan 15%. Ingin diselidiki apakah ada perbedaan kemampuan tikus menyelesaikan tugas makan pada pengelompokan berdasar konsentrasi hormon dan berdasar jenis kelamin, selanjutnya pada pengelompokan kedua hal tersebut (hormon dan jenis kelamin) apa terjadi saling mempengaruhi. Kelompok Hormon 1 Hormon 2 Hormon 3 Betina 6.8 8.0 7.3 Betina 6.4 8.0 7.5 Betina 7.5 7.8 8.0 Betina 6.8 7.6 7.7 Betina 6.8 9.6 6.9 Betina 6.8 8.4 8.2 Betina 6.8 8.0 7.4 Betina 8.5 9.2 5.7 Betina 5.6 8.8 7.8 Betina 6.4 8.0 7.9 Jantan 6.0 8.8 5.7 Jantan 5.8 7.6 7.3 Jantan 6.4 9.2 7.8 Jantan 6.0 7.6 7.9 Jantan 5.6 8.8 7.8 Jantan 6.4 8.0 7.9 Jantan 6.0 8.8 8.5 Jantan 7.6 7.6 7.2 Jantan 6.4 7.2 7.6 Jantan 6.0 7.3 7.9
Untuk kasus ini kita bisa membayangkan dalam baris dan kolom. Untuk konsentrasi hormon ada 3 kolom masing-masing kolom ada 20 tikus. Sedangkan untuk jenis kelamin ada dua baris, kelompok baris pertama ada 30 tikus betina dan baris kedua 30 tikus jantan. Seperti gambar dibawah:
Setelah data di input, akan diuji asumsi terlebih dahulu agar data tersebut valid untuk dibandingkan. 1. Uji Normalitas Pilih menu Analyze deskriptif Statistics explore. Pada dependent list masukkan data gab. Pada plot pilih normality plot with test, selanjutnya continue
Selanjutnya ok, analisis outputnya adalah sebagai berikut: Untuk menguji normalitas data, kita melihat output Test of Normality.
Adapun hipotesis yang diuji adalah: Ho: data berasal dari populasi berdistribusi normal H 1 : data berasal dari populasi tidak berdistribusi normal Tests of Normality Kolmogorov-Smirnov a Shapiro-Wilk Statistic df Sig. Statistic df Sig. gab .108 60 .080 .968 60 .118 a. Lilliefors Significance Correction Berdasarkan hasil output di atas, terlihat nilai signifikansinya 0.080 lebih besar dari 0,05, sehingga Ho diterima artinya populasi berdistribusi normal. 2. Uji Homogenitas dan Uji Banding Untuk uji kesamaan variansi, dilakukan bersamaan dengan uji anava 2 arah. Setelah asumsi terpenuhi, selanjutnya akan dilakukan anova dua arah sebagai berikut: Pilih menu Analyze General Linear Model Univariate. Akan tampak gambar seperti di bawah
Kemudian masukan variable gab pada Dependent Variable, variable kolom dan baris dimasukkan pada Fixed Faktor(s) seperti pada tampilan dibawah ini :
Klik menu Options, masukan variabel OVERALL ke dalam kolom Display Means for, selanjutnya klik menu Homogenity tests dan tekan continue
Klik OK , akan tampil hasil outputnya
Levene's Test of Equality of Error Variances a
Dependent Variable:gab F df1 df2 Sig. .376 5 54 .863 Tests the null hypothesis that the error variance of the dependent variable is equal across groups. a. Design: Intercept + kolom + baris + kolom * baris
Hipotesis yang diuji: Ho: variansi data sama (homogen) H 1 : variansi data berbeda (tidak homogen) Dari output di atas diketahui bahwa nilai signifikansinya 0.863 yang lebih besar dari 0.05 ( ). Dengan demikian, dapat disimpulkan bahwa asumsi kesamaan variansi dapat diterima. Analisis selanjutnya adalah tabel ANOVA
Tests of Between-Subjects Effects Dependent Variable:gab Source Type III Sum of Squares df Mean Square F Sig. Corrected Model 30.915 a 5 6.183 12.714 .000 Intercept 3298.933 1 3298.933 6.784E3 .000 kolom 28.609 2 14.304 29.414 .000 baris .938 1 .938 1.928 .171 kolom * baris 1.369 2 .684 1.408 .254 Error 26.261 54 .486 Total 3356.110 60 Corrected Total 57.176 59 a. R Squared = ,541 (Adjusted R Squared = ,498) Dari output di atas dapat diuji hipotesis sebagai berikut : Uji Interaksi kolom*baris Ho: tidak terjadi interaksi antara kolom dan baris H 1 : terjadi interaksi antara kolom dan baris (saling tergantung) Oleh karena signifikansinya. = 0.254 > 0.05 = , maka Ho diterima yang berarti tidak ada interaksi antara faktor hormon dan faktor jenis kelamin, saling bebas satu sama lain tidak saling mempengaruhi. Uji Kolom Ho: rataan ketiga kolom adalah sama H1: salah satu rataan berbeda Karena nilai signifikansinya 0,00 < 0,05 maka Ho ditolak berarti rataan salah satu sampel berbeda. Dengan demikian dapat disimpulkan bahwa terdapat pengaruh pemberian tiga jenis hormon terhadap kekuatan tikus dalam memakan suatu makanan. Uji baris Ho: rataan kedua baris adalah sama H 1 : salah satu rataan berbeda Nilai signifikansi yang diperoleh dari output di atas = 0,171 0,05, maka Ho diterima. Maka dapat disimpulkan bahwa jenis kelamin tidak mempengaruhi kekuatan tikus dalam memakan suatu makanan. C. UJI BANDING DATA TIDAK NORMAL atau TIDAK HOMOGEN ONE WAY Contoh kasus Dari hasil penelitian pembelajaran di tiga kelas dengan metode yang berbeda pula. Ingin diketahui apakah ada perbedaan prestasi belajar yang dihasilkan berdasar metode pembelajaran yang digunakan. Data hasil penelitian diberikan sebagai berikut. No. Kelompok Kelas A Kelas B Kelas C 1 Tinggi 68 80 73 2 Tinggi 64 80 75 3 Tinggi 60 78 80 4 Tinggi 68 76 77 5 Tinggi 68 96 69 6 Tinggi 68 84 82 7 Tinggi 68 80 74 8 Rendah 60 92 75 9 Rendah 56 88 78 10 Rendah 64 80 79 11 Rendah 60 88 75 12 Rendah 76 76 75 13 Rendah 64 76 78 14 Rendah 60 76 79 Ujilah secarabersama-sama perbandingan ketiga kelas tersebut. Setelah data di input ke dalam SPSS, akan diuji asumsi terlebih dahulu agar data tersebut valid untuk dibandingkan. 1. Uji Normalitas Pilih menu Analyze deskriptif Statistics explore. Pada dependent list masukkan data gab. Pada plot pilih normality plot with test, selanjutnya continue
Klik Ok, maka akan muncul tampilan output seperti di bawah ini
Hipotesis yang diuji: Ho: data berasal dari populasi yang berdistribusi normal H1: data berasal dari populasi yang tidak berdistribusi normal Karena nilai signifikansinya 0,022 kurang dari 0,05 maka Ho ditolak artinya, data berasal dari populasi yang tidak berdistribusi normal 2. Uji Homogenitas Uji variansi atau homogenitas dapat dilakukan setelah ditambahkan kode untuk membedakan antara Kelas A, B, dan C. Langkah Pengujiannya: Buka file yang akan dianalisis Pilih menu Analyze Compare Means One Way Anova Selanjutnya setelah muncul kotak dialog, masukan variabel gab kedalam kolom Dependent List dan koding kedalam kolom factor Pilih Options Homogenity tests continue
Tests of Normality Kolmogorov-Smirnov a Shapiro-Wilk Statistic df Sig. Statistic df Sig. gab .148 42 .022 .965 42 .223 a. Lilliefors Significance Correction
Klik Ok, selanjutnya perhatikan hasil output di bawah.
Hipotesis yang diuji: Ho: variansi data sama (homogen) H1: variansi data berbeda (tidak homogen) Berdasarkan output di atas diperoleh nilai signifikansinya 0,053 lebih besar dari 0,05 maka Ho diterima artinya variansi data sama. Selanjutnya karena data tidak memenuhi uji prasyarat yaitu data berasal dari populasi yang berdistribusi normal, maka kita akan melakukan uji non parametrik. Karena data yang kita miliki lebih dari dua sampel, maka yang digunakan adalah K-Independent Samples Perhatikan gambar dibawah Test of Homogeneity of Variances gab Levene Statistic df1 df2 Sig. 3.175 2 39 .053
Setelah muncul kotak dialog, masukan variabel gab ke dalam kolom test variable list dan koding dimasukan pada kolom grouping variable dan isi nilai minimum dan maksimumnya pada define range. Dan untuk tipenya kita pilih Kruskall-Wallis H.
Tekan Ok, hingga muncul tampilan output di bawah.
Test Statistics a,b
gab Chi-Square 28.694 df 2 Asymp. Sig. .000 a. Kruskal Wallis Test b. Grouping Variable: koding Hipotesis yang diuji adalah: Ho: Rataan ketiga kelompok sama H1: Rataan ketiga kelompok berbeda Dilihat dari nilai signifikansi pada output di atas yaitu 0,0 lebih kecil dari 0,05 sehingga Ho ditolak yang artinya rataan ketiga kelompok berbeda
D. UJI BANDING DATA TIDAK NORMAL ATAU TIDAK HOMOGEN TWO WAY Contoh kasus Suatu penelitian dilakukan untuk menguji pengaruh kombinasi perlakuan 3 tingkat kadar air dan 3 tingkat kadar yeast pada axial pengembangan roti. Pengujian setiap kombinasi perlakuan dilakukan dengan 5 ulangan. Hasilnya sbb: Kadar air Ulangan Yeast 5% Yeast 10% Yeast 15% 10% 1 2 3 4 5 22 25 24 23 23 44 45 47 46 45 47 46 47 48 45 20% 1 2 3 33 32 34 35 34 37 35 34 36 4 5 35 33 36 35 33 35 30% 1 2 3 4 5 54 55 57 56 58 57 55 54 55 56 64 63 65 61 60 Ujilah data tersebut dengan analisis dua jalur apa yang dapat anda simpulkan. 1. Uji Normalitas Untuk menguji normalitas data dengan SPSS, lakukan langkah - langkah berikut ini. Entry data atau buka file data yang akan dianalisis Pilih menu Analyze Descriptives Statistics Explore Menu SPSS akan tampak seperti gambar berikut.
Masukan variabel data ke dalam kolom Dependent List klik tombol Plots ceklis normality plots with tests
Pilih Continue Ok, muncul hasil output
Tests of Normality Kolmogorov-Smirnov a Shapiro-Wilk Statistic df Sig. Statistic df Sig. data .154 45 .009 .943 45 .028 a. Lilliefors Significance Correction
Hipotesis yang diuji adalah: Ho: data berasal dari populasi berdistribusi normal H 1 : data berasal dari populasi tidak berdistribusi normal Karena nilai signifikansinya 0,009 kurang dari 0,05 maka Ho ditolak artinya data berasal dari populasi yang tidak berdistribusi normal. 2. Uji Homogenitas Adapun langkah-langkah pengujian kehomogenan menggunakan SPSS adalah sebagai berikut: Entry data atau buka file data yang akan dianalisis Pilih menu Analyze General Linear Model Univariate. Kemudian masukan variable data pada Dependent Variable, variable kolom dan baris dimasukkan pada Fixed Faktor(s) seperti pada tampilan dibawah ini
Klik menu Options, masukan variabel OVERALL ke dalam kolom Display Means for, selanjutnya klik menu Homogenity tests dan tekan continue
Klik Ok, akan tampil hasil output seperti di bawah ini Levene's Test of Equality of Error Variances a
Dependent Variable:data F df1 df2 Sig. .894 8 36 .532 Tests the null hypothesis that the error variance of the dependent variable is equal across groups. a. Design: Intercept + kolom + baris + kolom * baris Hipotesis yang diuji: Ho: variansi data sama (homogen) H 1 : variansi data berbeda (tidak homogen) Dari output di atas diketahui bahwa nilai signifikansinya 0.532 yang lebih besar dari 0.05 ( ). Dengan demikian, dapat disimpulkan bahwa asumsi kesamaan variansi dapat diterima. Analisis selanjutnya adalah tabel ANOVA
Tests of Between-Subjects Effects Dependent Variable:data Source Type III Sum of Squares df Mean Square F Sig. Corrected Model 6632.711 a 8 829.089 469.296 .000 Intercept 85717.689 1 85717.689 4.852E4 .000 kolom 870.178 2 435.089 246.277 .000 baris 4756.844 2 2378.422 1.346E3 .000 kolom * baris 1005.689 4 251.422 142.314 .000 Error 63.600 36 1.767 Total 92414.000 45 Corrected Total 6696.311 44 a. R Squared = ,991 (Adjusted R Squared = ,988) Dari output di atas dapat diuji hipotesis sebagai berikut : Uji Interaksi kolom*baris Ho: tidak terjadi interaksi antara kolom dan baris H 1 : terjadi interaksi antara kolom dan baris (saling tergantung) Oleh karena signifikansinya. = 0.00 < 0.05 = , maka Ho ditolak yang berarti terjadi interaksi antara prestasi belajar siswa dengan metode pembelajaran yang digunakan. Keduanya sama-sama saling mempengaruhi. Uji Kolom Ho: rataan ketiga kolom adalah sama H1: salah satu rataan berbeda Karena nilai signifikansinya 0,00 < 0,05 maka Ho ditolak berarti rataan salah satu sampel berbeda. Dengan demikian dapat disimpulkan bahwa terdapat pengaruh penggunaan metode pembelajaran terhadap hasil belajar siswa. Uji baris Ho: rataan kedua baris adalah sama H 1 : salah satu rataan berbeda Nilai signifikansi yang diperoleh dari output di atas = 0,00 < 0,05, maka Ho ditolak. Maka dapat disimpulkan bahwa tinggi rendahnya kemampuan/prestasi belajar siswa mempengaruhi hasil belajar siswa