Disusun Oleh :
Nama : Yosita
NIM : 181077007
Jurusan : Sistem Komputer
Puji syukur kami panjatkan kehadirat Allah SWT yang telah memberikan
rahmat serta karunia-Nya sehingg kami dapat menyelesaikan laporan ini dengan
tepat waktu. Tanpa pertolongan-Nya tentunya kami tidak akan sanggup untuk
menyelesaikannya.
Kami menyadari bahwa laporan ini masih jauh dari kata sempurna dan
masih banyak terdapat kesalahan serta kekurangan di dalamnya. Untuk itu, kami
mengharapkan kritik dan saran dari pembaca untuk laporan ini, supaya laporan ini
nantinya dapat menjadi laporan yang lebih baik lagi.
Penulis
ii
DAFTAR ISI
HALAMAN JUDUL................................................................................................ i
KATA PENGANTAR ............................................................................................ ii
DAFTAR ISI .......................................................................................................... iii
DAFTAR GAMBAR ............................................................................................. iv
DAFTAR LAMPIRAN ........................................................................................... v
BAB I PENDAHULUAN ....................................................................................... 1
1.1 Latar Belakang ............................................................................................. 1
1.2 Rumusan Masalah ........................................................................................ 2
1.3 Batasan Masalah........................................................................................... 2
1.4 Tujuan .......................................................................................................... 3
1.5 Manfaat ........................................................................................................ 3
BAB II LANDASAN TEORI ................................................................................. 4
2.1 Inferensi Statistik Rata-rata Dua Populasi (Dependent) .............................. 4
2.2 Inferensi Statistik Rata-rata Dua Populasi (Independent) ............................ 5
2.3 Inferensi Statistik Lebih dari Dua Sample (One Way ANOVA) ................. 6
2.4 Statistik Deskriptif ....................................................................................... 8
BAB III METODE PENELITIAN.......................................................................... 9
3.1 Objek Penelitian ........................................................................................... 9
3.2 Variabel Penelitian ..................................................................................... 11
3.3 Metode Analisis Data ................................................................................. 12
BAB IV ANALISIS DAN PEMBAHASAN ........................................................ 15
4.1 Inferensi Statistik Rata-rata Dua Populasi (Dependent) ............................ 15
4.2 Inferensi Statistik Rata-rata Dua Populasi (Independent) .......................... 17
4.3 Inferensi Statistik Lebih dari Dua Sample (One Way ANOVA) ............... 18
4.4 Statistik Deskriptif ..................................................................................... 23
BAB V PENUTUP ................................................................................................ 31
5.1 Kesimpulan ................................................................................................ 31
5.2 Saran ........................................................................................................... 32
Daftar Pustaka ....................................................................................................... 33
Lampiran ............................................................................................................... 34
iii
DAFTAR GAMBAR
iv
DAFTAR LAMPIRAN
Lampiran 1 ............................................................................................................ 34
Lampiran 2 ............................................................................................................ 34
Lampiran 3 ............................................................................................................ 34
Lampiran 4 ............................................................................................................ 35
Lampiran 5 ............................................................................................................ 35
Lampiran 6 ............................................................................................................ 36
Lampiran 7 ............................................................................................................ 36
Lampiran 8 ............................................................................................................ 36
Lampiran 9 ............................................................................................................ 37
Lampiran 10 .......................................................................................................... 37
Lampiran 11 .......................................................................................................... 38
Lampiran 12 .......................................................................................................... 38
Lampiran 13 .......................................................................................................... 38
Lampiran 14 .......................................................................................................... 39
Lampiran 15 .......................................................................................................... 39
Lampiran 16 .......................................................................................................... 39
Lampiran 17 .......................................................................................................... 40
Lampiran 18 .......................................................................................................... 40
Lampiran 19 .......................................................................................................... 41
Lampiran 20 .......................................................................................................... 41
Lampiran 21 .......................................................................................................... 41
Lampiran 22 .......................................................................................................... 42
Lampiran 23 .......................................................................................................... 42
Lampiran 24 .......................................................................................................... 42
Lampiran 25 .......................................................................................................... 43
Lampiran 26 .......................................................................................................... 43
Lampiran 27 .......................................................................................................... 43
Lampiran 28 .......................................................................................................... 44
Lampiran 29 .......................................................................................................... 44
v
BAB I
PENDAHULUAN
1
Indeks Pembangunan Manusia (IPM) menurut Komponen dan
Kabupaten/Kota di D.I. Yogyakarta tahun 2016.
2
menurut Komponen dan Kabupaten/Kota di D.I. Yogyakarta tahun 2016 yaitu
statistik deskriptif menggunakan software Microsoft Excel dan SPSS.
1.4 Tujuan
1. Mengetahui hasil dari analisis dan hipotesis dari suatu data dengan
inferensi statistik rata-rata dua populasi (Dependent) menggunakan
software SPSS.
2. Mengetahui hasil dari analisis dan hipotesis dari suatu data dengan
inferensi statistik rata-rata dua populasi (Independent) menggunakan
software SPSS.
3. Mengetahui hasil dari analisis dan hipotesis dari suatu data dengan
inferensi statistik lebih dari dua sample (One Way ANOVA)
menggunakan software SPSS.
4. Mengetahui hasil dari analisis dari suatu kasus dengan statistik deskriptif
menggunakan software Microsoft Excel dan SPSS.
1.5 Manfaat
3
BAB II
LANDASAN TEORI
4
2.2 Inferensi Statistik Rata-rata Dua Populasi (Independent)
Inferensi statistik rata-rata dua populasi “independent” atau saling bebas,
untuk uji mean/rata-rata dua sample normal independent menggunakan uji
t(student_t). Jadi untuk rata-rata sample independent dua populasi tidak dapat
digunakan uji Z. Namun dari teori statistika telah diketahui bahwa jika ukuran
sample besar, maka uji t akan mendekati uji Z, yakni bentuk distribusi
student_t akan menjadi bentuk normal standar secara asimtotik. Dengan
menggunakan prinsip ini, maka untuk melakukan uji Z (jika ukuran sample n
besar), kita dapat mengambil nilai pendekatan dengan menggunakan menu
uji t pada SPSS (walaupun secara prinsip kita dapat melakukan uji Z secara
eksak dengan perhitungan manual menggunakan menu compute dari SPSS)
(Tim Dosen dan Tim Asisten, 2019).
Dalam pengertian lain, Inferensi statistik rata-rata dua populasi
“independent” atau saling bebas adalah uji beda untuk mengetahui adakah
perbedaan mean atau rerata yang bermakna antara 2 kelompok bebas yang
berskala data interval/rasio. Dua kelompok bebas yang dimaksud disini
adalah dua kelompok yang tidak berpasangan, artinya sumber data berasal
dari subjek yang berbeda (Hidayat, 2014).
Statistik hitung apabila di asumsikan kedua variansi tidak sama adalah:
( x1 x2 ) (µ1 µ 2 )
t=
s12 s22
n1 n2
5
α = 5% = 0,05
c) Statistik Uji
P-Value
d) Daerah Kritis
H0 ditolak jika P-Value < α
e) Kesimpulan
2.3 Inferensi Statistik Lebih dari Dua Sample (One Way ANOVA)
ANOVA merupakan singkatan dari Analysis of Variance, merupakan
prosedur uji statistik yang mirip dengan T-Test. Namun kelebihan dari
ANOVA adalah dapat menguji perbedaan lebih dari dua kelompok. Berbeda
dengan Independent sample T-Test yang hanya bisa menguji perbedaan rata-
rata dari dua kelompok saja (Hidayat, 2012).
ANOVA adalah kumpulam model statistik yang digunakan untuk
menganalisis perbedaan rata-rata antara kelompok dan prosedur terkait( sepeti
“variansi” antar kelompok). Dalam pengaturan ANOVA, varians diamati
pada variabel tertentu dibagi menjadi komponen disebabkan berbagai sumber
variansi. Dalam bentuk yang paling sederhana, ANOVA menyediakan uji
statistik apakah rata-rata beberapa kelompok adalah sama, dan adanya
generalisasi t-test unutk lebih dari dua kelompok. Seperti melakukan
beberapa dua-sample t-test akan menghasilkan peningkatan kesempatan
dalam mengamati tipe kesalahan statistik, maka ANOVA berguna untuk
membandingkan (pengujian) tiga atau lebih berarti (kelompok atau variabel)
untuk signifikansi statistik (Binus University, 2015).
Dalam ANOVA (analisa variansi) dapat dilakukan dua uji, yaitu uji rata-
rata dan uji variansi (homogenitas). Dalam uji ANOVA jumlah sample bisa
lebih dari dua sedangkan uji t maksimal dua sample. One Way ANOVA
digunakan untuk menguji perbedaan rata-rata lebih dari dua sample (Tim
Dosen dan Tim Asisten, 2019).
Apabila varians populasi yang akan diuji ada yang tidak sama (melalui
uji homogenitas) maka hendaknya tidak dilanjutkan dengan uji rata-ratanya.
Karena dalam matematika statistika dibuktikan dengan sifat yang biasa.
6
Pembuktiannya dapat dijumpai di berbagai buku matematika statistik. Untuk
itu dalam penelitian yang sesungguhnya harus dilakukan transformasi data,
atau jumlah sample diperbanyak (Tim Dosen dan Tim Asisten, 2019).
Untuk menguji rata-rata digunakan statistik uji F, dengan persamaan:
MST
Fhit = , dimana: MSE = Mean Square Error; MST = Mean Square of
MSE
Treatment
H0 ditolak apabila: F ≥ Fα,df1,df2 dimana: df1 = k-1; df2 = ∑n-1 atau
signifikan < alpha yang digunakan.
k = jumlah atau sample variabel
n = banyak data
Uji hipotesis untuk rata-rata lebih dari dua populasi (One Way Anova) yaitu:
Uji Normalitas (Kolmogorov-Smirnov)
a) Hipotesis
H0 : Data berdistribusi normal
H1 : Data tidak berdistribusi normal
b) Taraf Signifikansi
α = 5% = 0,05
c) Statistik Uji
P-Value
d) Daerah Kritis
H0 ditolak jika P-Value < α
e) Kesimpulan
Jika data berdistribusi normal, maka dilanjutkan uji variansi dan uji
rata-rata.
Uji Hipotesis Variansi (Test of Homogeneity of Variances)
a) Hipotesis
H0 : σ12 = σ22 (Variansi kedua populasi sama)
H1 : σ12 ≠ σ22 (Variansi kedua populasi tidak sama)
b) Taraf Signifikansi
α = 5% = 0,05
c) Statistik Uji
P-Value
7
d) Daerah Kritis
H0 ditolak jika P-value < α
e) Kesimpulan
Uji Hipotesis Rata-Rata (ANOVA)
a) Hipotesis
H0 : μ1 = μ2 = μ3 (Rata-rata kedua populasi sama)
H1 : μ1 ≠ μ2 ≠ μ3 (Rata-rata kedua populasi tidak sama)
b) Taraf Signifikansi
α = 5% = 0,05
c) Statistik Uji
P-Value
d) Daerah Kritis
H0 ditolak jika P-Value < α
e) Kesimpulan
Jika terdapat tanda petik atau bintang, itu menunjukkan rata-
ratanya berbeda. Maka jika rata-ratanya berbeda, dilanjutkan uji
Post Hoc untuk mengetahui data mana yang berbeda.
8
BAB III
METODE PENELITIAN
2. Sebuah perusahaan penghasil bahan bakar mobil hendak memilih satu dari
dua ramuan kimia yang akan dijadikan campuran di dalam produknya.
Ramuan tersebut adalah Research and Development Explosive (RDX) dan
DLL. Untuk memutuskannya, departemen riset perusahaan tersebut
9
mengadakan penelitian untuk menguji efisiensi penggunaan bahan bakar
setelah diberi kedua campuran tersebut. Dalam penelitian ini, digunakan
52 buah mobil, 26 diantaranya diberi bahan bakar dengan campuran RDX
dan 26 mobil sisanya diberi bahan bakar dengan campuran DLL. Ketiga
puluh mobil kemudian dijalankan oleh 52 orang pengemudi yang
homogen pada suatu lintasan tertentu. Dengan memberikan 1 liter bahan
bakar untuk setiap mobil, jarak tempuh 26 mobil yang diberi bahan bakar
bercampur RDX dan 26 mobil dengan bahan bakar bercampur DLL
kemudian dicatat. Apakah terdapat perbedaan jarak tempuh antara
menggunakan RDX dan DLL?
Data jarak tempuh (dalam kilometer) disajikan dalam table berikut :
RDX DLL
5.21 5.27 5.60 5.39
5.31 5.35 5.21 5.49
5.32 5.09 5.43 5.31
5.12 5.29 5.34 5.36
5.16 5.30 5.41 5.47
5.54 5.14 5.26 5.43
5.29 5.25 5.24 5.37
5.20 5.38 5.42 5.47
5.14 5.39 5.31 5.48
5.22 5.30 5.15 5.59
5.22 5.18 5.39 5.34
5.01 5.35 5.50 5.47
5.19 5.29 5.38 5.53
10
4 23 30 25
5 25 23 23
6 24 27 21
7 26 26 22
8 25 25 21
9 22 27 20
10 24 28 24
Angka
Harapan Harapan lama Rata-rata Pengeluaraan
Kabupaten/ Kota Hidup (Tahun) Sekolah Lama Sekolah Riil Perkapita
1. Kulon Progo 75,03 13,97 8,50 8938
Provinsi D.I
74,71 15,23 9,12 13229
Yogyakarta
11
Berdasarkan soal keempat, variabel penelitiannya adalah:
x1 = Angka harapan hidup (tahun).
x2 = Harapan lama sekolah.
x3 = Rata-rata lama sekolah.
x4 = Pengeluaran riil perkapita.
12
menggunakan uji Z dengan mengambil nilai pendekatan jika jumlah
sample > 30.
b) Asumsi
Karena soal kedua merupakan contoh variabel bebas maka kita
menggunakan inferensi statistik rata-rata dua populasi “Independent”,
sesuai dengan kasus di atas.
c) Teori Mendasar tentang Metode Analisa yang Digunakan
Jika ukuran sample besar, maka uji t akan mendekati uji Z, yakni
bentuk distribusi student_t akan menjadi bentuk normal standar secara
asimtotik. Dengan menggunakan prinsip ini, maka untuk melakukan uji
Z (jika ukuran sample n besar), kita dapat mengambil nilai pendekatan
dengan menggunakan menu uji t pada SPSS. Walaupun secara prinsip
kita dapat melekukan uji Z secara eksak dengan perhitungan manual
menggunakan menu compute dari SPSS (Tim Dosen dan Asisten,
2019).
13
c) Teori Mendasar tentang Metode Analisa yang Digunakan
ANOVA merupakan salah satu dari berbagai jenis uji parametris,
karena adanya distribusi normal pada variabee terikat perlakuan atau
distribusi normal pada residual. Syarat normalitas ini mengasumsikan
bahwa sample diambil secara acak dan dapat mewakili keseluruhan
populasi agar hasil penelitian dapat digunakan sebagai generalisasi.
Namun keunikannya, uji ini dapat dikatakan relative robust atau kebal
terhadap adanya asumsi tersebut (Hidayat, 2012).
Dalam ANOVA (analisa variansi) dapat dilakukan dua uji, yaitu uji
rata-rata dan uji variansi (homogenitas). Dalam uji ANOVA, jumlah
sample bisa lebih dari sedangkan uji t maksimal dua sample.One Way
ANOVA digunakan untuk menguji perbedaan rata-rata lebih dari dua
sample (Hidayat, 2012).
4. Statistik Deskriptif
a) Pengertian
Statistik deskriptif adalah metode yang berkaitan dengan
pengumpulan atau penyajian data hingga memberi informasi yang
berguna. Dengan statistika deskriptif, kumpulan data bisa tersaji dengan
ringkas dan rapi serta mampu memberikan informasi inti dari kumpulan
data yang ada.
b) Asumsi
Karena soal keempat merupakan contoh kasus data kuantitatif yang
akan dianalisis, maka menggunakan statistik deskriptif, sesuai dengan
kasus di atas.
c) Teori Mendasar tentang Metode Analisa yang Digunakan
Kriteria penggunaan statistik deskriptif, yaitu:
Data merupakan sample dari suatu populasi.
Data merupakan jenis numerik atau berupa angka.
Uji Statistik Deskriptif
Uji statistik deskriptif ini dilakukan untuk menampilkan ringkasan
statistik suatu data dan menyajikan data agar data lebih mudah untuk
dipahami oleh pembaca.
14
BAB IV
ANALISIS DAN PEMBAHASAN
15
α = 5% = 0,05
Statistik Uji
P-Value = 0,000
Daerah Kritis
H0 ditolak jika P-Value < α
Diperoleh nilai P-Value = 0,000 < α = 0,05, maka H0 ditolak
Kesimpulan
Berdasarkan analisis yang diperoleh dari nilai P-Value = 0,000 <
α = 0,05 maka H0 ditolak, yang artinya cukup bukti dengan tingkat
kepercayaan 95% untuk mengatakan bahwa ada korelasi yang
signifikan antara nilai sebelum menggunakan metode dan nilai
sesudah menggunakan metode.
c) Hasil Output Paired Samples Test
Paired Differences
95% Confidence
Interval of the
Std.
Difference
Std. Error Sig. (2-
Mean Deviation Mean Lower Upper t df tailed)
Pair sebelum –
-4.950 6.022 1.346 -7.768 -2.132 -3.676 19 .002
1 sesudah
Gambar 4.3 : Hasil Output Paired Samples Test
Hipotesis
H0 : µ1 = µ2 (Rata-rata nilai sebelum dan sesudah menggunakan
metode jigsaw sama)
H1 : µ1 ≠ µ2 (Rata-rata nilai sebelum dan sesudah menggunakan
metode jigsaw tidak sama)
Taraf signifikansi
α = 5% = 0,05
Statistik Uji
P-Value = 0,002
Daerah Kritis
16
H0 ditolak jika P-Value < α
Diperoleh nilai P-Value = 0,002 < α = 0,05, maka H0 ditolak
Kesimpulan
Berdasarkan analisis yang diperoleh dari nilai P-Value = 0,002 <
α = 0,05 maka H0 ditolak, yang artinya cukup bukti dengan tingkat
kepercayaan 95% untuk mengatakan bahwa rata-rata nilai sebelum
dan sesudah menggunakan metode jigsaw tidak sama.
17
Gambar 4.5 : Hasil Output Independent Samples Test
Hipotesis
H0 : µ1 = µ2 (Rata-rata jarak tempuh menggunakan RDX dan DLL
sama)
H1 : µ1 ≠ µ2 (Rata-rata jarak tempuh menggunakan RDX dan DLL
tidak sama)
Taraf signifikansi
α = 5% = 0,05
Statistik Uji
P-Value = 0,000
Daerah Kritis
H0 ditolak jika P-Value < α
Diperoleh nilai P-Value = 0,000 < α = 0,05, maka H0 ditolak
Kesimpulan
Berdasarkan analisis yang diperoleh dari nilai P-Value = 0,000 <
α = 0,05 maka H0 ditolak, yang artinya cukup bukti dengan tingkat
kepercayaan 95% untuk mengatakan bahwa rata-rata jarak tempuh
menggunakan RDX dan DLL tidak sama.
4.3 Inferensi Statistik Lebih dari Dua Populasi (One Way ANOVA)
a) Hasil Output Test Of Normality
18
Statistik Uji
P-Value jigsaw = 0,200
Daerah Kritis
H0 ditolak jika P-Value < α
Diperoleh nilai P-Value = 0,200 > α = 0,05, maka H0 tidak ditolak
Kesimpulan
Berdasarkan analisis yang diperoleh dari nilai P-Value = 0,200 > α =
0,05 maka H0 tidak ditolak, yang artinya cukup bukti dengan tingkat
kepercayaan 95% untuk mengatakan bahwa data berdistribusi normal.
Karena uji normalitas dari kedua populasi menunjukkan bahwa data
berdistribusi normal, maka analisis dilanjutkan untuk uji variansi dan
uji rata-rata.
b) Hasil Output Descriptive Statistics
Descriptives
hasil belajar
19
data sampel semakin bervariasi dari rata-ratanya. Sedangkan untuk standar
error hasil belajar tipe JIGSAW adalah 0,467; tipe STAD adalah 0,663;
dan tipe TAI adalah 0,559; sehingga total standar error hasil belajar ketiga
tipe adalah 0,446. Semakin banyak sample, maka standar error semakin
kecil. Untuk batas bawah dan batas atas tipe JIGSAW adalah 23,14 dan
25,26. Batas bawah dan batas atas tipe STAD adalah 25,30 dan 28,30.
Batas bawah dan batas atas tipe TAI adalah 21,44 dan 23,96. Total atas
bawah dan batas atas hasil belajar ketiga tipe adalah 23,65 dan 25,48.
Sedangkan nilai minimum dan nilai maksimum tipe JIGSAW adalah 22
dan 26. Nilai minimum dan nilai maksimum tipe STAD adalah 23 dan 30.
Nilai minimum dan nilai maksimum tipe TAI adalah 20 dan 25. Total nilai
minimum dan maksimum hasil belajar ketiga tipe adalah 20 dan 30.
c) Hasil Output Test of Homogeneity of Variances
20
kepercayaan 95% untuk mengatakan bahwa variansi hasil belajar
ketiga tipe sama.
d) Hasil Ouput Uji Rata-rata ANOVA
ANOVA
hasil belajar
Total 173.367 29
21
e) Hasil Output Post Hoc
Multiple Comparisons
22
Gambar 4.11 :Hasil Output Homogeneous Subsets
Homogeneous digunakan untuk melihat variabel mana yang memiliki
jumlah yang tidak signifikan. Pada output Homogeneous kolom subset 1
terdapat dua nilai dari variabel tipe A dan tipe B memiliki perbedaan yang
signifikan.
75.03
74.6
74.3
73.76
73.5
23
Harapan lama Sekolah
20
15
10 Harapan lama
5 Sekolah
0
1 2 3 4 5
15000
0
1 2 3 4 5
24
Rata-rata 74.238 14.904 9.254 12995.2
Median 74.3 14.73 9.09 14880
Modus - - - -
Nilai
Maksimum 75.03 16.81 11.42 17770
Nilai Minimum 73.5 12.93 6.62 8467
Standard
Deviasi 0.619532081 1.566454596 1.88055311 4093.45083
Variansi 0.38382 2.45378 3.53648 16756339.7
Count 5 5 5 5
Kurtosis -1.555687974 -1.552578824 -0.587958331 -2.490450382
Skewness 0.058361873 0.004171099 -0.368594049 -0.224377069
Standard Error 0.27706317 0.700539792 0.841008918 1830.646864
Gambar 4.16 : Hasil Statistik Deskriptif Manual
Hasil Statistik Deskriptif Menggunakan Tools Statistik
Angka Harapan Harapan lama Rata-rata Lama Pengeluaraan Riil
Hidup (Tahun) Sekolah Sekolah Perkapita
14.90 12995.
Mean 74.238 Mean 4 Mean 9.254 Mean 2
Standard 0.27706 Standard 0.700 Standard 0.841 Standard 1830.6
Error 32 Error 5 Error 01 Error 47
Median 74.3 Median 14.73 Median 9.09 Median 14880
Mode - Mode - Mode - Mode -
Standard 0.61953 Standard 1.566 Standard 1.880 Standard 4093.4
Deviation 21 Deviation 5 Deviation 55 Deviation 51
Sample Sample 2.453 Sample 3.536 Sample 167563
Variance 0.38382 Variance 8 Variance 48 Variance 40
- - -
1.55568 0.587 2.4904
Kurtosis 8 Kurtosis -1.553 Kurtosis 96 Kurtosis 5
- -
0.05836 0.004 0.368 0.2243
Skewness 19 Skewness 2 Skewness 59Skewness 8
Range 1.53 Range 3.88 Range 4.8Range 9303
Minimum 73.5 Minimum 12.93 Minimum 6.62 Minimum 8467
Maximum 75.03 Maximum 16.81 Maximum 11.42 Maximum 17770
Sum 371.19 Sum 74.52 Sum 46.27 Sum 64976
Count 5 Count 5 Count 5Count 5
Largest(1) 75.03 Largest(1) 16.81 Largest(1) 11.42 Largest(1) 17770
Smallest( Smallest( Smallest( Smallest(
1) 73.5 1) 12.93 1) 6.62 1) 8467
Confidenc 0.76925 Confidenc Confidenc 2.335 Confidenc 5082.6
e 07 e 1.945 e 02 e 91
25
Level(95.0 Level(95.0 Level(95.0 Level(95.0
%) %) %) %)
Gambar 4.17 : Statistik Deskriptif Menggunakan Tools Statistik
Hasil Interpretasi
Dari analisa manual dan tools statistika yang sudah dilakukan pada
angka harapan hidup(tahun) , dengan 5 sample didapatkan jumlah
317.19 sehingga didapatkan hasil mean adalah 74.238. Nilai maksimum
dan nilai minimumnya adalah 75.03 dan 73.5 sehingga didapatkan
range 1.53. Untuk mediannya 74.3 dan modusnya tidak ada. Untuk
variansinya 0.38382, dengan kurtosis dan skewness adalah -
1.552578824 dan 0.058361873. Standar deviasinya adalah 0.619532081
dan standar errornya adalah 0.27706317.
Pada harapan lama sekolah, dengan 5 sample didapatkan jumlah
74.52 sehingga didapatkan hasil mean adalah 14.904. Nilai maksimum
dan nilai minimumnya adalah 16.81 dan 12.93 sehingga didapatkan
range 3.88. Untuk mediannya 14.73 dan modusnya tidak ada. Untuk
variansinya 2.45378, dengan kurtosis dan skewness adalah -
1.552578824 dan 0.004171099. Standar deviasinya adalah 1.566454596
dan standar errornya adalah 0.700539792.
Pada rata-rata lama sekolah, dengan 5 sample didapatkan jumlah
46.27 sehingga didapatkan hasil mean adalah 9.254. Nilai maksimum
dan nilai minimumnya adalah 11.42 dan 6.62 sehingga didapatkan
range 4.8. Untuk mediannya 9.09 dan modusnya tidak ada. Untuk
variansinya 3.53648 dengan kurtosis dan skewness adalah -
0,587958331 dan -0.368594049. Standar deviasinya adalah 1.88055311
dan standar errornya adalah 0.841008918.
Pada pengeluaran riil perkapita, dengan 5 sample didapatkan
jumlah 64976 sehingga didapatkan hasil mean adalah 129995.2. Nilai
maksimum dan nilai minimumnya adalah 17770 dan 8467 sehingga
didapatkan range 9303. Untuk mediannya 14880 dan modusnya tidak
ada. Untuk variansinya 16756339.7, dengan kurtosis dan skewness
adalah -2.490450382 dan -0.224377069. Standar deviasinya adalah
4093.45083 dan standar errornya adalah 1830.646864.
26
b) Menggunakan SPSS
Grafik Angka Harapan Hidup (Tahun)
27
Grafik Rata-Rata Lama Sekolah
Descriptive Statistics
Std.
Rang Minimu Maximu Deviati Varia
N e m m Sum Mean on nce Skewness Kurtosis
28
angka -
harapan hidup 5 1.53 73.50 75.03 371.19 74.2380 .61953 .384 .058 .913 1.55 2.000
6
harapan lama -
1.5664
sekolah 5 3.88 12.93 16.81 74.52 14.9040 2.454 .004 .913 1.55 2.000
5
3
pengeluaran -
9303. 8467.0 17770. 4093.4 1.676 -
perkapita 5 6.50E4 1.2995E4 .913 2.49 2.000
00 0 00 5083 E7 .224
0
Valid N
5
(listwise)
Gambar 4.22 : Hasil Statistik Deskriptif SPSS
Hasil Interpretasi
Dari analisa menggunakan software SPSS yang sudah dilakukan
pada angka harapan hidup(tahun) , dengan 5 sample didapatkan jumlah
317.19 sehingga didapatkan hasil mean adalah 74.2380. Nilai
maksimum dan nilai minimumnya adalah 75.03 dan 73.50 sehingga
didapatkan range 1.53. Untuk variansinya 0.384, dengan kurtosis dan
skewness adalah -1.556 dan 0.058. Standar deviasinya adalah 0.61953.
Standar error skewness adalah 0.913 dan standard error kurtosis adalah
2.000.
Pada harapan lama sekolah, dengan 5 sample didapatkan jumlah
74.52 sehingga didapatkan hasil mean adalah 14.9040. Nilai maksimum
dan nilai minimumnya adalah 16.81 dan 12.93 sehingga didapatkan
range 3.88. Untuk variansinya 2.454, dengan kurtosis dan skewness
adalah -1.553 dan 0.004. Standar deviasinya adalah 1.56645. Standar
error skewness adalah 0.913 dan standard error kurtosis adalah 2.000.
Pada rata-rata lama sekolah, dengan 5 sample didapatkan jumlah
46.27 sehingga didapatkan hasil mean adalah 9.2540. Nilai maksimum
dan nilai minimumnya adalah 11.42 dan 6.62 sehingga didapatkan
range 4.80. Untuk variansinya 3.536 dengan kurtosis dan skewness
29
adalah -0,588 dan -0.369. Standar deviasinya adalah 1.88055. Standar
error skewness adalah 0.913 dan standard error kurtosis adalah 2.000.
Pada pengeluaran riil perkapita, dengan 5 sample didapatkan
jumlah 6.50 x 104 sehingga didapatkan hasil mean adalah 1.2995 x 104 .
Nilai maksimum dan nilai minimumnya adalah 17770 dan 8467
sehingga didapatkan range 9303. Untuk variansinya 1.676 x 104,
dengan kurtosis dan skewness adalah -2.490 dan -0.224. Standar
deviasinya adalah 4093.45083. Standar error skewness adalah 0.913
dan standard error kurtosis adalah 2.000.
30
BAB V
KESIMPULAN
5.1 Kesimpulan
Berdasarkan hasil analisis soal pertama yang menggunakan inferensi
statistik rata-rata dua populasi ( Dependent) didapatkan kesimpulan bahwa
terdapat korelasi yang signifikan antara nilai mata kuliah statistika
probabilitas sebelum dan sesudah menggunakan metode jigsaw. Kemudian
untuk uji rata-ratanya didapatkan kesimpulan bahwa rata-rata nilai sebelum
dan sesudah menggunkaan metode jigsaw adalah tidak sama.
Berdasarkan hasil analisis soal kedua yang menggunakan inferensi
statistik rata-rata dua populasi (Independent), didapatkan kesimpulan dari uji
rata-ratanya bahwa rata-rata jarak tempuh menggunakan bahan bakar RDX
dan DLL adalah tidak sama.
Berdasarkan hasil analisis soal ketiga yang menggunakan inferensi
statistik lebih dari dua sample (One Way Anava) didapatkan bahwa data
tersebut berdistribusi normal sehingga bisa dilanjutkan untuk uji variansi dan
uji rata-rata. Untuk uji variansi didapatkan kesimpulan bahwa variansi hasil
belajar ketiga tipe dari JIGSAW, STAD, dan TAI adalah sama. Untuk uji
rata-rata (ANOVA) didapatkan kesimpulan bahwa rata-rata hasil belajar dari
ketiga tipe tidak sama atau minimal ada satu rata-rata yang berbeda. Rata-ra
yang berbeda bisa dilihat menggunkan uji post hoc didapatkan hasil rata-rata
JIGSAW dengan STAD berbeda, STAD dengan JIGSAW berbeda, STAD
dengan TAI, TAI dengan STAD.
Berdasarkan hasil analisis soal keempat yang menggunakan statistik
deskriptif dengan software Ms. Excel dan SPSS didapatkan suatu kesimpulan
bahwa hasil yang diperoleh sama hanya berbeda angka di belakang koma.
Menggunakan software SPSS lebih mudah karena tidak perlu menuliskan
formulanya.
31
5.2 Saran
Berdasarkan laporan tugas akhir ini, penulis sadar bahwa masih banyak
kekurangan dalam menyusun laporan. Untuk itu penulis mengharapkan kritik
dan saran yang membangun untuk penyempurnaan laporan ini. Mungkin
hanya itu saja, penulis berharap laporan ini dapat bermanfaat bagi penulis
sendiri dan bagi pembaca.
32
DAFTAR PUSTAKA
Murjana, Angga. 2019. Statistika Deskriptif dan Inferensial Beserta Contoh,
Gambar, Perbedaanya di
https://www.statistikian.com/2012/11/one-way-ANOVA-dalam-spss.html
(diakses 21 Juni 2019).
Hidayat, Anwar. 2012. Uji ANOVA-One Way ANOVA dalam SPSS di
https://www.statistikian.com/2012/11/one-way-ANOVA-dalam-spss.html
(diakses 21 Juni 2019).
Hidayat, Anwar. 2014. Independen T Test dengan SPSS di
https://www.statistikian.com/2014/04/independen-t-test-dengan-spss.html
(diakses 21 Juni 2019).
Binus University. 2015. Anova Analysis of Variance di
https://sbm.binus.ac.id/2015/11/20/anova-analysis-of-variance (diakses 20
Juni 2019).
FNI Statistics. 2013. Pengertian Statistik Deskriptif di https://fni-
statistics.blogspot.com/2013/06/pengertian-statistik-deskriptif.html?m=1
(diakses 20 Juni 2019).
Tim Dosen dan Tim Asisten. 2019. Modul Praktikum Statistika dan Probabilitas
dengan Software Excel dan SPSS. FST IST AKPRIND. Yogyakarta.
Mania, Garasi Oto. 2016. Uji T Dependen (Berpasangan) Manual dan
Menggunakan SPSS (Paired) di
https://ujidata.blogspot.com/2016/07/uji-t-dependen-berpasangan-manual
dan.html?m=1 (diakses 22 Juni 2019).
33
Lampiran
Lampiran 1
b. Menginputkan data pada data view.
Lampiran 2
c. Pilih menu Analyze kemudian klik Compare Mean dan Paired Samples T-
Test.
Lampiran 3
34
d. Akan muncul kotak dialog, pada variabel 1 diisikan sebelum. Pada variabel
2 diisikan sesudah.
Lampiran 4
e. Klik Option dan diisi tingkat kepercayaan 95% dan memilih Exclude Cases
Analysis By Analysis pada missing value. Kemudian klik Continue dan
klik Ok.
Lampiran 5
35
Lampiran 6
b. Menginputkan data pada data view.
Lampiran 7
c. Pilih menu Analyze kemudian klik Compare Mean dan Independent
Samples T-Test.
Lampiran 8
d. Akan muncul kotak dialog, pada Test Variable(s) diisikan jarak tempuh.
Pada Grouping Variable diisikan bahan_bakar, klik Define Groups dan
diisikan 1 untuk RDX dan 2 untuk DLL. Klik continue.
36
Lampiran 9
e. Pada Options diisikan tingkat kepercayaan 95% dan memilih Exclude
Cases Analysis By Analysis pada missing value, kemudian klik continue
dan klik OK.
Lampiran 10
3. Langkah- langkah Inferensi Statistik Rata-rata Lebih dari Dua Populasi (One
Way ANOVA):
Melakukan Uji Normalitas
a. Membuat variabel pertama dengan nama tipe menggunakkan tipe data
numerik dan value diisi dengan 1 = JIGSAW, 2 = STAD, dan 3 = TAI.
Pada variabel kedua diberi hasil.
37
Lampiran 11
b. Menginputkan data pada data view.
Lampiran 12
c. Pilih menu Analyze kemudian klik Statistics Descriptive dan Explore.
Lampiran 13
d. Akan muncul kotak dialog Expore, kemudian isikan hasil belajar pada
Dependent List, isikan tipe pada Factor List. Klik Plots kemudian centang
Normally plots with tests. Klik Continue dan Ok.
38
Lampiran 14
Melakukan Uji One Waya Anova
a. Pilih menu Analyze kemudian klik Compare Mean dan One Way
ANOVA.
Lampiran 15
b. Akan muncul kotak dialog, pada Dependent List diisikan hasil belajar.
Pada Factor diisi tipe. Pada Options pilih Descriptive dan Homogenity of
Variance Test.
Lampiran 16
39
c. Klik Post Hoc dan pilih Bonferroni dan Tukey. Klik continue kemudian
OK.
Lampiran 17
Lampiran 18
b. Memasukkan rumus pada formula, meliputi jumlah = SUM(C4:C8)
rata-rata =AVERAGE(C4:C8), median =MEDIAN(C4:C8), modus
=MODE(C4:C8), nilai maksimum =MAX(C4:C8), nilai minimum
=MIN(C4:C8), standar deviasi =STDEV(C4:C8), variansi
=VAR(C4:C8), range =RANGE(C4:C8), count =COUNT(C4:C8),
kurtosis =KURT(C4:C8), skewness =SKEW(C4:C8), dan standar error
=STDEV(C4:C8)/SQRT(count(C4:C8)). Sehingga akan dihasilkan
data seperi lampiran 19.
40
Lampiran 19
Dengan Analisis Toolpak
a. Untuk melakukan analisis deskriptif, klik menu data dan klik Data
Analysis. Kemudian pilih Descriptive Statistik dan klik OK.
Lampiran 20
b. Klik button pada Input Range, dan masukkan data ke dalam Input
Range dengan cara mem-blok data pada sheet. Berikan tanda cek
pada Label in First Row. Klik pada kolom Output Range dan
tempatkan pointer pada sembarang cell yang kosong. Pilih
Summary Statistics dan klik OK.
Lampiran 21
41
Menggunakan SPSS
a. Membuat variabel pada variabel view sesuai data.
Lampiran 22
b. Memasukkan data pada data view.
Lampiran 23
c. Pilih Analyze, klik Descriptive Statistics dan klik Desriptive.
Lampiran 24
d. Masukkan seluruh variabel yang akan dianalisis ke dalam kolom
Variable(s).
42
Lampiran 25
e. Klik Option untuk memilih statistik deskriptif yang akan dihitung
nilainya. Kemudian klik continue dan klik OK.
Lampiran 26
Lampiran 27
43
Membuat Grafik dengan SPSS
a. Pilih menu Graphs, klik Legacy Dialog dan pilih grafik sesuai
keinginan (penulis memakai histogram).
Lampiran 28
Lampiran 29
44