P. 1
Uji Lanjut

Uji Lanjut

|Views: 398|Likes:
Dipublikasikan oleh mwn7205
perhitungan statistik uji lanjut
perhitungan statistik uji lanjut

More info:

Published by: mwn7205 on Dec 18, 2011
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

06/24/2013

pdf

text

original

M. ALI GUNAWAN, S.

Pd

UJI PERBEDAAN (COMPARATIF)
UJI-t DAN ANALISIS VARIANS
Rumusan hipotesis 1. Hipotesis deskriptif (satu sampel) 2. Hipotesis komparatif 3. Hipotesis hubungan

TEORI DAN APLIKASI
26.00 30.00 31.00 78.00 34.00 40.00 45.00 70.00 47.00

Pengujian Hipotesis Komparatif Dua Sampel (berkorelasi dan independent) dengan Statistik Parametrik 1. Uji Perbedaan Mean (Uji t / Student’s Dua Pihak/Dua Ekor/Two Tile Contoh hipotesis penelitian: H0 : Tidak terdapat perbedaan kualitas kerja antara pegawai yang mengikuti DIKLATIPIM dengan yang tidak mengikuti DIKLATPIM Ha : Tidak terdapat perbedaan kualitas kerja antara pegawai yang mengikuti DIKLATIPIM dengan yang tidak mengikuti DIKLATPIM Hipotesis statistik: H0 : µ1 = µ2 Ha :

µ1 ≠ µ 2

50.00 69.00 55.00

a.

Sampel Berkorelasi t-test (Student’s), dengan rumus:

t=
60.00 58.00 57.00

X1 − X 2
2  s  s  s12 s2 + − 2r  1  2   n  n  n1 n2  1  2 

Keterangan:

DIBARENGI DENGAN APLIKASI SPSS 10 FOR WINDOWS
s1 s2 s12 s22 r

X 1 = Rata-rata sampel 1

X 2 = Rata-rata sampel 2
= Simpangan baku sampel 1 = Simpangan baku sampel 2 = Varians sampel 1 = Varians sampel 2 = korelasi antara dua sampel

Misalkan data hasil penelitian yang kita peroleh adalah sebagai berikut: Tabel 01: Nilai kualitas kerja 40 karyawan Dinas P dan K yang mengikuti dan tidak DIKLATPIM KUALITAS KERJA No Responden Tidak Mengikuti DIKLATPIM Mengikuti DIKLATPIM (X) (Y) 1 56 64 2 55 44 3 57 60 4 51 65 5 63 66 6 46 40 7 42 48 8 41 52 9 35 53 10 46 48 11 60 65 12 48 63 13 62 22 14 50 45 15 50 46 16 68 54 17 38 64 18 60 66 19 45 50 20 60 50 21 65 65 22 31 58 23 47 57 24 66 39 25 21 58 26 54 65 27 58 74 28 43 54 29 45 55 30 36 46 31 55 35 32 45 64 33 84 90 34 41 58

35 36 37 38 39 40

32 41 66 57 61 43

60 46 73 64 87 42

Rata-rata SD Varians Korelasi: rxy = rxy =

X 1 = 50.6
S1 = 12.21348561 S12 =149.1692308

X 2 = 56.375
S2 =13.14161037 S22 =172.7019231

{N ∑ X

N ∑ XY − (∑ X )(∑ Y )
2 2

− (∑ X ) N ∑ Y 2 − (∑ Y )

}{

2

}

Tabel 02: Nilai kualitas kerja 40 karyawan Dinas P dan K yang mengikuti dan tidak DIKLATPIM (N=40) Responden X Y X2 Y2 XY 1 56 64 2 55 44 3 57 60 4 51 65 5 63 66 6 46 40 7 42 48 8 41 52 9 35 53 10 46 48 11 60 65 12 48 63 13 62 22 14 50 45 15 50 46 16 68 54 17 38 64 18 60 66 19 45 50 20 60 50 21 65 65 22 31 58

23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 Jumlah

47 66 21 54 58 43 45 36 55 45 84 41 32 41 66 57 61 43 2024

57 39 58 65 74 54 55 46 35 64 90 58 60 46 73 64 87 42 2255

=

− 5.775 5.644214744

=

− 5.775 = -2.430805577 2.375755615

t = -2.43 Harga t hitung, dibandingkan dengan harga t pada tabel dengan db = n1 + n2 – 2 = 80 – 2 = 78. Harga t tabel untuk db 78 dan dengan taraf signifikansi 5% (α = 0.05) adalah ……. Dengan demikian, harga t hitung lebih besar daripada t tabel, sehingga H0 ditolak dan H1 diterima. Ini berarti, terdapat perbedaan yang signifikan kualitas kerja antara karyawan dinas P dan K yang mengikuti DIKLATPIM dan yang tidak mengikuti DIKLATPIM. Kesimpulan: DIKLATPIM dinas P dan K berpengaruh terhadap peningkatan kualitas kerja karyawan. b. Sampel Independent (tidak berkorelasi) Rumus : t =
− −

X1− X 2
2 s12 s 2 + n1 n2

à Rumus (Separated varians)

108232

133861

115977

Atau

rxy = rxy =

{N ∑ X

N ∑ XY − (∑ X )(∑ Y )
2 2

t=
2

X1 − X 2
2 (n1 − 1) s12 + (n1 − 1) s 2  1  1 −    n  n n1 + n 2 − 2  1  2

− (∑ X ) N ∑ Y 2 − (∑ Y )

}{

}

   

à rumus (polled varians)

Korelasi : rxy = 0.299376

t=

X1 − X 2
2  s  s  s12 s2 + − 2r  1  2   n  n  n1 n2  1  2 

t=

50.6 − 56.375

1) Jika n1 = n2 dan varians homogen, dapat digunakan salah satu rumus tersebut di atas; dengan db = n1 + n2 – 2 2) Jika n1 ≠ n2 dan varians homogen, digunakan rumus polled varians; dengan db = n1 + n2 – 2 3) Jika n1 = n2 dan tidak homogen, dapat digunakan salah satu rumus di atas; dengan db = n1 – 1 atau n2 – 1 (bukan n1 + n2 – 2) 4) Jika n1 ≠ n2 dan tidak homogen, digunakan rumus separated varians, harga t pengganti t tabel dihitung selisih dari harga t tabel; dengan db = (n1 – 1) dan (n2 – 1), dibagi dua, kemudian ditambah dengan harga t yang terkait. Contoh: n1 = 40, berarti db 39, maka harga t tabel = …..; n2 = 40, db = 39; harga t tabel = ….. (untuk ts 1%). Jadi harga t tabel yang digunakan adalah ……. - …….. = …….. kemudian, harga ini ditambah dengan harga t terkecil; jadi …… + ……. = …….. à harga t ini sebagai pengganti t tabel. Contoh: Untuk mengetahui kecepatan memasuki dunia kerja antara lulusan SMU dan SMK; responden 22 orang lulusan SMU dan 18 lulusan SMK, datanya seperti tabel berikut:

149.1692308 172.7019231  12.21348561  13.14161037    + − 2 x(0.299376)    40 40 40 40    - 5.775 = 8.04677884 6 − 0.59875170 5x(1.93112 2)x (2.07787104 4 )

Tabel 03: Data Lama Menunggu Lulusan SMU dan SMK untuk Mendapatkan Pekerjaan Lama Menunggu SMU Lama Menunggu SMK No Responden dalam Tahun dalam Tahun 1 6 2 2 3 1 3 5 3 4 2 1 5 5 3 6 1 2 7 2 2 8 3 1 9 1 3 10 3 1 11 2 1 12 4 1 13 3 3 14 4 2 15 2 1 16 3 2 17 1 2 18 5 1 19 1 20 3 21 1 22 4 Jumlah n1 =22.00 n2 = 18.00
− −

F=

2,28 = 3,508; lihat tabel F dengan db pembilang = 22 – 1 dan db penyebut 18-1. 0,65

dengan ts. 5% ternyata harga F tabel = 2,22 (harga antara pembilang 20 dan 24). Dengan, harga F hitung = 3,508 > F tabel = 2,22, ini berarti H0 ditolak dan H1 diterima, jadi varians tidak homogen. Hipotesis penelitian: H0 : tidak terdapat perbedaan lama menunggu untuk mendapatkan pekerjaan antara lulusan SMU dan SMK. H1 : terdapat perbedaan lama menunggu untuk mendapatkan pekerjaan antara lulusan SMU dan SMK. Hipotesis statistik: H0 : µ1 = µ2 H1 :

µ1 ≠ µ 2

Rumus : t =

X1− X 2 s s + n1 n2
2 1 2 2

àt=

2.91 − 1.78 2.28 0.65 + 22 18

= 3.020

Rata-rata SD Varians

X 1 = 2.909090909 s1 = 1.508991808 s12 = 2.277056277

X 2 = 1.777777778 s 2 = 0.808452083 s12 = 0.653594771
2.

Kemudian, t tabel dihitung dari selisih harga t tabel dengan db = n1 – 1 dan db = n2 – 1 dibagi dua, dan kemudian ditambahkan dengan harga t terkecil seperti berikut: n1 = 22; db = 21; maka t tabel = 2,08 (α = 5%) n2 = 18; db = 17; maka t tabel = 2,11 Selisihnya dibagi dua, yaitu (2,11 – 2,08): 2 = 0,015; kemudian ditambah dengan harga t tabel terkecil, yaitu 2,08, sehingga menjadi: 2,08 +0,015 = 2,095. Ternyata t hitung = 3,020 > 2,095, sehingga H0 ditolak dan H1 diterima. Kesimpulan: terdapat perbedaan secara signifikan masa menunggu untuk mendapatkan pekerjaan antara lulusan SMK dan SMU. Dilihat dari nilai rata-rata, ternyata lulusan SMK cenderung lebih cepat memperoleh pekerjaan. Analisis Varians (Uji F / Fisher) = ANAVA (ANOVA) a. Analisis Varians Satu Jalur (ANAVA klasifikasi tunggal = ANAVA A) b. Analisis Varians K jalur (ANAVA klasifikasi jamak = ANAVA AB, ABC, dst)

Setelah diuji dengan Uji F (Uji Fisher), variansnya tidak homogen, maka digunakan rumus separated varians. Rumus uji F =

Varians..terbesar Varians..terkecil

2.a. Analisis Varians Satu Jalur (ANAVA klasifikasi tunggal = ANAVA TUNGGAL) Langkah-langkah pengujian hipotesis dengan anava satu jalur 1) Menghitung Jumlah Kuadrat Total (JKtot)

JK tot =

∑X

2 tot

(∑ X ) −
tot

2

N

Jika terdapat perbedaan yang signifikan, teruskan dengan uji lanjut dengan uji-t, dengan rumus berikut:
2

2) Menghitung Jumlah Kuadrat Antar Kelompok (JKantar)

JK antar = ∑

(∑ X ) (∑ X ) −
2 A tot

t=

M1 − M 2
2  s  s s12 s 2 + − 2r  1  2  n  n n1 n2  1  2

nA

N

3) Menghitung Jumlah Kuadrat Dalam Kelompok ((JKd)

   

JK d = JK tot − JK antar

4) Menghitung Mean Kuadrat Antar Kelompok (MKantar)

MK antar = MK d =

JK antar à a = jumlah kelompok a −1

5) Menghitung Mean Kuadrat Dalam Kelompok (MKd)

Contoh : Seorang peneliti ingin mengetahui pengaruh penggunaan alat kerja baru terhadap produktivitas kerja karyawan perusahaan rokok. Untuk itu diadakan eksperimen selama 6 bulan, dengan periode waktu pengukuran produktivitas kerja sebelum menggunakan alat kerja baru, sesudah menggunakan 3 bulan, dan 6 bulan. Hipotesis penelitian: H0 : Tidak terdapat perbedaan produktivitas kerja karyawan antara sebelum dan sesudah menggunakan alat kerja baru. Ha : Terdapat perbedaan produktivitas kerja karyawan antara sebelum dan sesudah menggunakan alat kerja baru. Hipotesis statistik: H0 : Ha :

JK d à N = jumlah seluruh sampel N −a

6) Menghitung harga Fhitung dengan rumus:

MK antar MK d
7) Konsultasikan pada tabel F dengan db pembilang (a-1) dan db penyebut (N-1) 8) Aturan keputusan: Jika Fhitung lebih besar daripada F tabel pada taraf signifikansi tertentu (Misalnya: ts 5% atau 1%), maka Ha diterima dan H0 ditolak. 9) Membuat kesimpulan, apakah terdapat perbedaan yang signifikan atau tidak 10) Membuat tabel ringkasan Analisis Varians untuk menguji Hipotesis k sampel. Tabel 04: Tabel Ringkasan Analisis Varians untuk Menguji Hipotesis k Sampel Sumber JK db MK Fh Ftab Variasi 2 a–1 Antar …… JK MK

µ1 = µ2 µ1 ≠ µ 2 ≠ µ 3

(salah satu tanda ≠)

Keputusan …….

(∑ X )
A

antar

antar

(∑ X ) −
tot

nA

a −1

MK d

2

N

Dalam Total

JKd = JKtot - JKantar

N–a
2

∑X

2 tot

(∑ X ) −
tot

JK d N −a
……

…… ……

…… ……

…… ……

N–1

N

Tabel 05: Produktivitas Kerja Karyawan Perusahaan Rokok Produktivitas Sesudah 3 Produktivitas Sebelum No Bulan Memakai Alat Memakai Alat Kerja Subjek Kerja Baru (X2) Baru (X1) 1 12 13 2 13 15 3 10 12 4 15 18 5 13 15 6 14 17 7 10 18 8 12 20 9 13 14 10 14 16 11 13 18 12 10 16 13 13 15

Produktivitas Sesudah 6 Bulan Memakai Alat Kerja Baru (X3) 18 18 14 20 15 19 20 21 18 17 17 19 16

14 15 Jumlah

10 15 187 12.47 1.77 3.12

13 16 236 15.73 2.22 4.92

17 14 263 17.53 2.13 4.55

JK antar JK antar

(∑ X ) − (∑ X ) =∑
2 A tot

2

X
s s2

(∑ X ) (∑ X ) =∑ −
2 A tot

nA

N

2

nA

N

(∑ X ) (∑ X ) (∑ X ) (∑ X ) = + + −
2 2 2 A1 A2 A3 tot

2

n A1

n A2

n A3

N

Persyaratan Analisis : 1) Sampel diambil secara random (acak) 2) Sebaran data berdistribusi normal 3) Varians antar sampel, homogen (F = Varians terbesar dibagi varians terkecil) Tabel 06: Tabel Penolong untuk Perhitungan Anava Satu Jalur No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 n Perhitungan: X1 12 13 10 15 13 14 10 12 13 14 13 10 13 10 15 187 15 X2 13 15 12 18 15 17 18 20 14 16 18 16 15 13 16 236 15 X3 18 18 14 20 15 19 20 21 18 17 17 19 16 17 14 263 15

=

187 2 236 2 2632 686 2 + + − = 197,91 15 15 15 45

∑X

total

43 46 36 53 43 50 48 53 45 47 48 45 44 40 45 686 45

(X1)2 144 169 100 225 169 196 100 144 169 196 169 100 169 100 225 2375 -

(X2)2 169 225 144 324 225 289 324 400 196 256 324 256 225 169 256 3782 -

(X3)2 324 324 196 400 225 361 400 441 324 289 289 361 256 289 196 4675 -

∑X

2 total

637 718 440 949 619 846 824 985 689 741 782 717 650 558 677 10832 -

JK d = JK tot − JK antar = 374,311 – 197,91 = 176,399 JK antar 197,91 = 98,955 MK antar = = 3 −1 a −1 JK d 176,399 = 4,20 = MK d = 45 − 3 N −a MK antar 98,955 = 23,56 à lihat tabel F = Fhitung = 4,20 MK d
Masukkan ke dalam tabel ringkasan ANAVA Tabel 07: Tabel Ringkasan Analisis Varians untuk Menguji Hipotesis k Sampel Ftab Sumber JK db MK Fh Variasi 5% 1% Antar 197,91 a – 1 = 3-1 = 98,955 23,561 3,22 5,15 2 Dalam 176,399 N–a 4,20 = 45 -3 = 42 Total 374,31 N –1 = 45–1 = 44 Kesimpulan : Harga F hitung lebih besar daripada harga F tabel, baik untuk ts 5% maupun 1% maka H0 ditolak dan Ha diterima. Jadi terdapat perbedaan yang signifikan produktivitas kerja karyawan antara sebelum dan sesudah menggunakan alat kerja baru. Pertanyaan: manakah paling baik dan mana yang berbeda secara signifikan diantara ketiga kelompok tersebut?

Keputusan signifikan

JK tot =

X tot

2

(∑ X ) −
tot

2

N

= 10832 −

686 2 = 374,311 45

Hal ini bisa dijawab dengan melakukan uji lanjut dengan uji t, dengan rumus berkorelasi sebagai berikut:

t=

X1 − X 2
2  s  s  s12 s2 + − 2r  1  2   n  n  n1 n2  1  2 

Untuk n1 ≠ n2: t =

X1 − X 2 1 1 MK d  +  n n   1 2 

, dimana db t = db dalam

Hitung korelasi antara X1 dan X2 à r = 0,307 Hitung korelasi antara X1 dan X3 à r = 0,089 Hitung korelasi antara X2 dan X3 à r = 0,621 1) t =

Contoh: Seorang peneliti ingin mengetahui pengaruh metode mengajar terhadap prestasi belajar IPA. Metode mengajar digolongkan menjadi 4, yaitu: Metode ceramah (A1), Metode Diskusi (A2), Metode Pemberian Tugas (A3), dan Metode campuran (A4) Hipotesis Penelitian: H0 : Metode mengajar tidak berpengaruh terhadap prestasi belajar IPA H1 : Metode mengajar berpengaruh terhadap prestasi belajar IPA

12,47 − 15,73 3,12 4,92  1,77  2,22    + − 2 x 0,307    15 15  15  15  12,47 − 17,53 3,12 4,55  1,77  2,13    + − 2 x0,089    15 15  15  15  15,73 − 17,53 4,92 4,55  2,22  2,13    + − 2 x 0,62    15 15  15  15 

= - 5,322 à non signifikan Hipotesis Statistik:

2) t =

= - 2,817 à signifikan

H 0 : µ1 = µ 2 = µ 3 = µ 4 H 1 : µ1 ≠ µ 2 ≠ µ3 ≠ µ 4 (salah satu tanda ≠)
(A4) 8 9 10 9 8 n4 = 5
3 2 3

3) t =

= -3,671 à signifikan

Tabel 08: Data hasil Belajar IPA Siswa SMA klas X di ….. (A1) (A2) (A3) 3 5 5 2 6 8 4 5 7 0 7 7 4 4 7 n1 = 5

TOTAL

Hitung harga mutlak, kemudian bandingkan dengan harga t tabel dengan db = n1 + n2 – 2 = 15 +15-2 = 28 (uji dua pihak) Berdasarkan db 28, untuk ts 5% harga t tabel = 2,048. ternyata harga t hitung lebih besar daripada t tabel, sehingga Ha diterima dan H0 ditolak. Kesimpulan: Terdapat perbedaan yang signifikan produktivitas kerja karyawan sesudah 3 bulan dan 6 bulan bekerja dengan menggunakan alat baru. Catatan : Jika kedua kelompok itu independent (tidak berkorelasi), dan terdapat perbedaan yang signifikan (F hitung lebih besar daripada F tabel), maka uji lanjut menggunakan uji t-Scheffe, baik untuk jumlah n sama ataupun n tidak sama. Rumusnya adalah sebagai berikut:

∑X ∑X

n2 = 5
1 2 1

= 13 = 45

∑X ∑X

n3 = 5
2 2 2

= 27 = 151

∑X ∑X

= 34 = 236

∑X ∑X

N = 20
4 2 4

= 44 = 390

∑X ∑X

tot 2 tot

= 118 = 822

X 1 = 2,6

X 2 = 5,4

X 3 = 6,8

X 4 = 8,8

X tot = 5,9

Masukkan ke dalam rumus: Perhitungan:

Untuk n1 = n2: t =

X1− X 2 2 xMK d n

JK tot =
, dimana db t = db dalam

∑ X tot

2

(∑ X ) −
tot

2

JK antar

(∑ X ) − (∑ X ) =∑
2 A tot

N

= 822 −
2

118 2 = 125,8 20

nA

N

JK antar = ∑

(∑ X ) (∑ X ) −
2 A tot

2

(∑ X ) −
tot

nA

N

(∑ X ) (∑ X ) (∑ X ) (∑ X ) = + + +
2 2 2 A1 A2 A3 A4

2

n A1

n A2

n A3

n A4

t1-4: t =

X1− X 4 2 xMK d n X2− X3 2 xMK d n X2− X4 2 xMK d n X3− X 4 2 xMK d n
− − − − − −

=

2,6 − 8,8 2 x1,5 5 4 − 6,8 2 x1,5 5 4 − 8,8 2 x1,5 5 6,8 − 8,8 2 x1,5 5

= -8,004 à signifikan

2

N 13 2 27 2 34 2 44 2 118 2 = + + + − = 101,8 5 5 5 5 20 JK d = JK tot − JK antar = 125,8 – 101,8 = 24

t2-3: t =

=

= -1,807 à non signifikan

dbA = a – 1 = 4 – 1 = 3

t2-4: t =

=

= -4,389 à signifikan

JK antar 101,8 = 33,93 = 4 −1 a −1 JK d 24 = 1,5 = MK d = N − a 16 MK antar 33,93 = 22,66 à lihat tabel F Fhitung = = 1,5 MK d MK antar =
Tabel 09: Tabel Ringkasan Analisis Varians untuk Menguji Hipotesis 4 Sampel Sumber JK db MK Fh Ftab Keputusan Variasi 5% 1% Antar 101,8 3 33,93 22,62 3,24 5,29 Signifikan Dalam 24 16 1,5 Total 125,8 19 Uji t Scheffe: t1-2: t =
− −

t3-4: t =

=

= -2,582 à signifikan

Menarik Kesimpulan: 1. Metode mengajar berpengaruh terhadap hasil belajar siswa 2. Metode mengajar IV lebih berpengaruh terhadap hasil belajar siswa daripada metode mengajar III, II, dan I 3. Metode mengajar III lebih berpengaruh terhadap prestasi belajar siswa daripada metode mengajar II dan I 4. Metode mengajar II lebih berpengaruh terhadap prestasi belajar siswa dibandingkan dengan metode mengajar I 2.b ANAVA DUA JALUR (ANAVA AB) = Faktorial (2 x 2)

X1− X 2 2 xMK d n X1− X 3 2 xMK d n
− −

=

2,6 − 5,4 2 x1,5 5 2,6 − 6,8 2 x1,5 5

= -3,615 à signifikan

Misalnya, seorang peneliti ingin mengetahui pengaruh insentif dan motivasi kerja terhadap peningkatan produktivitas kerja Hipotes Penelitian : H0 : (1) Tidak terdapat perbedaan produktivitas kerja antara karyawan yang diberi insentif dengan karyawan yang tidak diberi insentif. (2) Tidak terdapat perbedaan produktivitas kerja antara karyawan yang memiliki motivasi tinggi dan karyawan yang memiliki motivasi rendah. (3) Tidak ada pengaruh interaksi antara insentif dan motivasi kerja terhadap produktivitas kerja.

t1-3: t =

=

= 5,422 à signifikan

H1 : (1) Terdapat perbedaan produktivitas kerja antara karyawan yang diberi insentif dengan karyawan yang tidak diberi insentif. (2) Terdapat perbedaan produktivitas kerja antara karyawan yang memiliki motivasi tinggi dan karyawan yang memiliki motivasi rendah. (3) Ada pengaruh interaksi antara insentif dan motivasi kerja terhadap produktivitas kerja. Hipotesis Statsitik: H0 : (1) µ1 = µ 2

Tabel 12: tabel Statistik Induk A1 A2 Stat B1 B2 B1 B2 n 5 5 5 5

TOTAL 20 55.5 162.75 11.1

A1 10 27.5 81.25 2.75

A2 10 28 81.5 2.8

B1 10 24.5 63.25 2.45

B2 10 31 99.5 3.1

(2) µ1 = µ 2 (3) Inter AB = 0

∑X ∑X

11
2

16.5 55.75 3.3

13.5 37.75 2.7

14.5 43.75 2.9

25.50 2.2

X

H1 : (1)

(2) (3) Inter AB ≠ 0 Tabel 10: Rancangan ANAVA 2 Jalur (Faktorial 2 x 2) Intensif (A) A1 (Dapat intensif) Motivasi Kerja (B) A1B1 Motivasi Tinggi (B1) Motivasi Rendah A1B2 (B2) Keterangan: A = Insentif (A1 = dapat insentif dan A2 = tidak dapat insentif) B = Motivasi Kerja (B1 = Tinggi; B2 = Rendah) Y = Produktivitas Kerja Tabel 11: Data Hasil Penelitian A1 B1 B2 X X 2.5 3.5 3.0 4.0 2.0 3.0 2.0 3.5 1.5 2.5

µ1 ≠ µ 2 µ1 ≠ µ 2

Atau dalam bentuk berikut: Tabel 13: Statistik Induk (A) A1 (B)

A2

TOTAL

n=5
2

n=5

n = 10
2

A2 (tidak dapat intensif) A2B1 A2B2

B1

∑ X =..... ∑ X = ...
X = .... n=5

∑ X =..... ∑ X = ...
X = .... n=5

∑ X =..... ∑ X = ...
2

X = .... n = 10

B2

∑ X =..... ∑ X = ...
2

∑ X =..... ∑ X = ...
2

∑ X =..... ∑ X = ...
2

X = .... n = 10
B2 X 4.0 3.0 2.5 2.5 2.5 TOTAL

X = .... n = 10

X = .... n = 20

A2 B1 X 3.5 3.0 2.5 2.0 2.5

∑ X =..... ∑ X = ...
2

∑ X =..... ∑ X = ...
2

∑ X =..... ∑ X = ...
2

X = ....
2) Perhitungan

X = ....
2

X = ....

JK tot =

∑X

2 tot

(∑ X ) −
tot

N

= …..

JK antar

(∑ X ) − (∑ X ) =∑
2 A tot

2

nA

N

(∑ X ) + (∑ X ) − (∑ X ) =
2 2 A1 A2 tot

2

Dalam = ……… Total =………

n A1

n A2

N

∑X
∑X

2 tot

(∑ X ) −∑
AB

2

…..

…..

…..

……

…..

JK antarB = ∑ JK antarAB

(∑ X ) − (∑ X )
2 B tot

2

(∑ X ) − (∑ X ) =∑
2 AB tot 2

nB

N

=
2

(∑ X ) + (∑ X ) − (∑ X )
2 2 B1 B2 tot

2

2 tot

(∑ X ) =
tot

n AB

2

…..

…..

…..

……

…..

N

n B1

nB 2

N

JK d = ∑ X tot

(∑ X ) −∑
AB

n AB

N

− JK A − JK B = ………..

Kesimpulan : FA = MKA : MKd = ……… = MKB : MKd = ……… FB FAB = MKAB : MKd = ……… Jika pengaruh interaksi signifikan, dilanjutkan dengan uji t-Scheffe atau uji Tukey, dengan rumus :

2

n AB

=………..

Atau JK d = JK tot − JK antarA − JK antarB − JK Inter = …………

JK tot = JK A + JK B + JK AB + JK d = …………
db A = a – 1 = …….. db B = b – 1 = …….. db inter AB = db A x db B = …… MKA = JKA : dbA = ……… MKB = JKB : dbB = ……… MKAB = JKAB : dbAB = ……… MKd = JKd : dbd = ……… FA = MKA : MKd = ……… FB = MKB : MKd = ……… FAB = MKAB : MKd = ……… SV Antar A
2

X − X2 Rumus Tukey : Q = 1 à db Q = n dan m ( n = sampel, dan m = jumlah kelompok) MK d n
Atau untuk n1 = n2 : t =

X3− X 4 2 xMK d n

, dimana db t = db dalam

2.c ANALISIS DUA JALUR (ANAVA AB) = Faktorial (3 x 3) Tabel 15: Rancangan ANAVA 2 Jalur (Faktorial 2 x 2) Metode (A) A2 A1 Intelegensi (B) Intelegensi Tinggi (B1) Inetelegensi Sedang (B2) Inetelegensi Rendah (B3) Keterangan: A = Metode Mengajar A1 = Metode Mengajar I (ceramah)

JK

db
2

MK …..

Fh …..

(∑ X ) − (∑ X ) ∑
A tot

…..

Ftab 5% 1% …… …..

A3

A1B1 A1B2 A1B3

A2B1 A2B2 A2B3

A3B1 A3B2 A3B3

Antar B

(∑ X ) − (∑ X )
2 B tot

nA

N

2

…..

…..

…..

……

…..

Inter AB

(∑ X ) − (∑ X ) ∑
2 AB tot

nB

N

2

…..

…..

…..

……

…..

n AB

N

− JK A − JK B

A2 = Metode Mengajar II (diskusi) A3 = Metode Mengajar III (pemberian tugas) B = Intelegensi B1 = Intelegensi Tinggi B2 = Intelegensi Sedang B3 = Intelegensi Rendah Misalnya, seorang peneliti ingin mengetahui pengaruh metode mengajar terhadap hasil belajar matematika Hipotesis penelitian: H0 : (1) Metode mengajar tidak berpengaruh terhadap prestasi belajar Matematika (2) Intelegensi tidak berpengaruh terhadap hasil belajar matematika (3) Tidak ada pengaruh interaksi metode mengajar dan intelegensi terhadap hasil belajar matematika H1 : (1) Metode mengajar berpengaruh terhadap prestasi belajar Matematika (2) Intelegensi berpengaruh terhadap hasil belajar matematika (3) Ada pengaruh interaksi metode mengajar dan intelegensi terhadap hasil belajar matematika Hipotesis Statistik: H0 : (1) µ1 = µ 2 = µ 3 (2) µ1 = µ 2 = µ 3 (3) Inter AB = 0 H1 : (1)

B = Intelegensi B1 = Intelegensi Tinggi B2 = Intelegensi Sedang B3 = Intelegensi Rendah X = IP (Indeks Prestasi) Langkah-langkah analisis: Tabel 17: Statistik Induk
STAT. B1 5 24 144 4.8 A1 B2 5 34 280 6.8 B3 5 43 387 8.6 B1 5 27 175 5.4 A2 B2 5 37 289 7.4 B3 5 31 209 6.2 B1 5 24 124 4.8 A3 B2 5 20 114 4 Tot B3 5 28 168 5.6 45 268 1890 6.0 A1 15 101 811 6.7 A2 15 104 842 6.9 A3 15 107 851 7.1 B1 15 75 443 5.0 B2 15 91 683 6.1 B3 15 102 764 6.8

∑X ∑X

n

2

X

(A) (B)

A1

A2

A3

TOTAL

(2) (3) Inter AB ≠ 0

µ1 ≠ µ 2 ≠ µ 3 (salah satu tanda tidak sama) µ1 ≠ µ 2 ≠ µ 3 (salah satu tanda tidak sama)

n=5
B1

n=5
2 2

n=5
2

n = 10
2

∑ X =24 ∑ X = 144
X = 4.8

∑ X =27 ∑ X =24 ∑ X =...... ∑ X = 175 ∑ X = 124 ∑ X = ...
X = 5. 4 n=5

Contoh: Tabel 16 : Data Hasil Penelitian A1 B1 B2 B3 B1 X X X X 2 3 10 4 5 9 5 2 5 9 10 7 9 3 9 5 3 10 9 9

X = 4.8 n=5

X = .... n = 10

A2 B2 X 6 10 5 8 8

B3 X 6 8 3 6 8

B1 X 7 5 5 3 4

A3 B2 X 3 4 9 2 2

n=5
B3 X 7 5 3 7 6 B2

∑ X =..... ∑ X = ...
2

∑ X =..... ∑ X = ...
2

∑ X =..... ∑ X = ...
2

∑ X =..... ∑ X = ...
2

X = .... n=5
B3

X = .... n=5

X = .... n=5

X = .... n = 10

Keterangan: A = Metode Mengajar A1 = Metode Mengajar I (ceramah) A2 = Metode Mengajar II (diskusi) A3 = Metode Mengajar III (pemberian tugas)

∑ X =..... ∑ X = ...
2

∑ X =..... ∑ X = ...
2

∑ X =..... ∑ X = ...
2

∑ X =..... ∑ X = ...
2

X = ....

X = ....

X = ....

X = ....

n = 10
TOTAL

n = 10

n = 10

n = 20

∑ X =..... ∑ X = ...
2

∑ X =..... ∑ X = ...
2

∑ X =..... ∑ X = ...
2

∑ X =..... ∑ X = ...
2

X = ....

X = ....

X = ....

X = ....

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->