JAWABAN UJIAN AKHIR SEMESTER

STATISTIKA PENDIDIKAN

Disusun Oleh :

Hedyana Bunga Prastami

4101417170

JURUSAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS NEGERI SEMARANG

2020
1. Dari populasi siswa SMPN55 Pati sebanyak 1100 orang nilai matematikanya berdistribusi
normal. Diambil sampel acak 25 siswa dan diperoleh data nilai matematika:
70 , 68 ,64 , 80 ,72 , 72, 68 , 68 , 64 , 66 , 64 , 60 ,70 , 72 ,76 ,70 , 68 , 64 , 60 , 80, 82, 78, 76, 78, 84.
Tentukan titik penaksiran rata-rata nilai matematika populasi tersebut dengan koofisien
kepercayaan 95 %.

Penyelesaian :

Langkah-langkah pengujian:

1). Input data pada SPSS

2). Klik Analyze – Compare Means – One-Sample T Test.
3). Muncul kotak dialog “One-Sample T Test”, selanjutnya masukkan variabel ke kotak
Test Variable (s)
4). Pada bagian Test Value ketikkan angka yang dijadikan minimal pencapaian .
5). Klik OK.

Tabel di atas merupakan hasil out dari SPSS.

Kesimpulan :
Titik penasksiran rata-rata nilai matematika populasi siswa SMP 55 Pati yang sebanyak
1100 orang dan diambil sampel acak 25 siswa dengan koefisien kepercayaan 95% adalah
70,96

2. KKM Mata Pelajaran Matematika tentang Statistika SMPN 80 Semarang adalah 8 paling
sedikit 75% siswa mendapat nilai minimal 80. Dengan pembelajaran RME guru matematika
sekolah tsb mengklaim bahwa siswa kelas VII SMPN 80 Semarang mencapai KKM untuk
 materi Statistika. Dengan α =5 % ujilah apakah klaim guru tersebut diterima bila skor hasil
belajar Statistika dari 30 siswa sampel sbb:
72,68,87,72,74,74,71,73,67,87,89,90,85,84,76,71,72,73,73,74,85,76,56,78,70,76,
71,72,74,76.

Penyelesaian :

Langkah-langkah pengujian :

1). Input data pada SPSS

2). Klik Analyze – Nonparametric Test – Binomial
3). Muncul kotak dialog
 Pada test variable list masukkan variabel.
 Pada Define Dichotomi aktifkan Cut Point dan ketikkan nilai yang akan diuji
dalam hal ini adalah 80
4). Klik OK.

Tabel di atas merupakan output dari SPSS.

Kesimpulan :
Dari tabel dapat dilihat bahwa ternyata klaim dari guru tersebut adalah salah. Karena nilai
sig = 0,001 yang berarti kurang dari nilai alfa = 0,05. Maka dari itu H0 ditolak.

3. Dari populasi siswa SMPN 50 Kudus nilai matematikanya normal dengan simpangan baku
9. Dari sampel dengan ukuran 31 diketahui x́=70, ujilah hipotesis yang mengatakan bahwa
rata-rata nilai matematika populasi adalah 67 dengan α =5 %

Penyelesaian :

a. Hipotesis Pengujian
H0 : π = 67 (rata-rata nilai matematika populasi adalah 67)
H1 : π ≠ 67 (rata-rata nilai matematika populasi tidak sama dengan 67)
 b. Taraf signifikan : α =5 %
c. Kriteria pengujian :
Terima H0 jika :
−Z 0,5(1−α ) <Z < Z 0,5(1−α )

−Z 0,5(1−0,05) < Z< Z 0,5 (1−0,05)

−Z 0 ,476 <Z < Z 0 ,475

−1,96< Z <1,96
d. Statistik hitung :
z=1,8559
e. Kesimpulan
Rata-rat matematika dari populasi di SMPN 50 Kudus sama dengan 67.

4. Berikut adalah data skore pretes (Xi) dan postes(Yi) kemampuan literasi matematika siswa
SMPN 90 Rembang sebelum dan sesudah pembelajaran PBL sebagai berikut:

xi 56 62 64 76 54 64 69 58 62 72

yi 60 75 75 90 76 87 67 78 89 92

Dengan α =5 % ujilah apakah ada peningkatan yang signifikan skore kemampuan literasi
matematika sebelum dan sesudah pembelajaran PBL dari populasi tersebut?

Penyelesaian :

Langkah-Langkah Pengujian :

1). Buka SPSS, klik Variable View dan isikan Nama serta Label
2). Klik Data View
3). Input data pada SPSS
4). Klik Analyze – compare Means – Paired Sample T Test
5). Pindahkan variable pada kolom kanan (Paired Variables)
6). Klik OK

Paired Samples Statistics

 Mean N Std. Deviation Std. Error Mean

Pre Test 63.7000 10 6.99285 2.21133

Pair 1
Post test 78.9000 10 10.54567 3.33483

Paired Samples Correlations

N Correlation Sig.

Pair 1 Pre Test & Post test 10 .530 .115

Paired Samples Test

Paired Differences t df Sig. (2-

Mean Std. Std. Error 95% Confidence Interval of the tailed)

Deviation Mean Difference

Lower Upper

Pair Pre Test - -

-15.20000 9.05293 2.86279 -21.67608 -8.72392 9 .000
1 Post test 5.310

Dasar Pengambilan Keputusan :

1. Jika nilai Sig. (2-tailed) < 0,05, maka terdapat perbedaan yang signifikan antara
kemampuan literasi matematika pada data pretest dan posttest.
2. Jika nilai Sig. (2-tailed) > 0,05, maka tidak terdapat perbedaan yang signifikan antara
kemampuan literasi matematika pada data pretest dan posttest.

Pengambilan Keputusan:
Diketahui bahwa nilai Sig. (2-tailed) sebesar 0,000 < 0,05 maka dapat disimpulkan bahwa
terdapat peningkatan yang signifikan antara kemampuan literasi matematika pada data
pretest dan posttest.

5. Data tentang sikap ilmiah (X) dan hasil belajar matematika (Y) dari 14 siswa SMP Taruna
Nusanegara sebagai berikut:

Nama X Y

A 62 72
 B 74 82

C 78 84

D 52 65

E 84 96

F 90 98

G 75 84

H 75 84

I 64 72

J 83 94

K 90 98

L 64 72

M 92 98

N 80 92

Hitunglah koefisien korelasi antara X dan Y dengan cara product momen dan range
Spearman.

Penyelesaian :

 Menggunakan Product Momen

Correlations

Sikap Ilmiah Hasil Belajar

Matematika

Pearson Correlation 1 .984**

Sikap Ilmiah Sig. (2-tailed) .000

N 14 14
**
Pearson Correlation .984 1

Hasil Belajar Matematika Sig. (2-tailed) .000

N 14 14

**. Correlation is significant at the 0.01 level (2-tailed).

 Dari tabel didapatkan bahwa :

Person (r hitung) = 0,984

Signifikansi = 0,000

Hipotesis :

H0 : Tidak terdapat hubungan antara sikap ilmiah dengan hasil belajar matematika
siswa

H1 : Terdapat hubungan antara sikap ilmiah dengan hasil belajar matematika siswa

Kriteria Pengujian :

Nilai signifikansi < 0,05 atau nilai r hitung > r table maka H1 diterima

Sampel (n) = 14, maka r table = 0,497

Sehingga,

Nilai signifikansi = 0,000 < 0,05 sehingga H1 diterima, dan

R hitung = 0,984 > 0,947 sehingga H1 diterima

Kesimpulan :

Terdapat hubungan antara sikap ilmiah dengan hasil belajar matematika siswa

 Menggunakan Rank Spearman

Correlations

Sikap Ilmiah Hasil Belajar

Matematika

Correlation Coefficient 1.000 .990**

Sikap Ilmiah Sig. (2-tailed) . .000

N 14 14
Spearman's rho
Correlation Coefficient .990** 1.000

Hasil Belajar Matematika Sig. (2-tailed) .000 .

N 14 14
 **. Correlation is significant at the 0.01 level (2-tailed).

Analisis Output :

 Angka 0,990 menunjukkan koefisien korelasi Rank Spearman, dengan tanda bintang
dua (**). Tanda tersebut menunjukkan korelasi signifikan pada tingkat signifikan
0,01.
 Angka 0,000 menunjukkan tingkat signifikansi, karena tingkat signifikansi kecil dari
0,05 dengan arah positif sehingga korelasi antara sikap ilmiah dengan hasil belajar
matematika dinyatakan positif dan signifikan.
 Nilai 0,920 berada pada kriteria 0,80-1,00, berarti korelasi yang terjadi antara sikap
ilmiah dengan hasil belajar matematika.

6. Hasil pengukuran sikap ilmiah (X) dan hasil belajar matematika (Y) dari 10 siswa SMA
Negara Jaya sbb;

Hari X Y

1 100 98

2 98 96

3 94 94

4 92 90

5 89 88

6 85 84

7 84 86

8 80 82

9 80 84

10 76 72

a. Estimasikan persamaan regresi Y atas X!

b. Uji keberartian koefisien arah persamaan regresi!
c. Ujilah kelinearan model regresi!
d. Bila dapat, prediksikan hasil belajar matematika siswa yang mempunyai motivasi 86
( α =5 % )!

Penyelesaian :
Langkah-Langkah Pengujian :

1). Buka SPSS, klik Variable View dan isikan Nama serta Label
2). Klik Data View
3). Input data pada SPSS
4). Klik Analyze – Regression – Linear
5). Pilih Y sebagai variabel dependen dan X sebagai variabel Independen
6). Klik OK

Variables Entered/Removeda

Model Variables Variables Method

Entered Removed
b
1 Sikap Ilmiah . Enter

a. Dependent Variable: Hasil Belajar Matematika

b. All requested variables entered.

Model Summary

Model R R Square Adjusted R Std. Error of the

Square Estimate
 1 .955a .912 .901 2.41287

a. Predictors: (Constant), Sikap Ilmiah

ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 481.825 1 481.825 82.760 .000b

1 Residual 46.575 8 5.822

Total 528.400 9

a. Dependent Variable: Hasil Belajar Matematika

b. Predictors: (Constant), Sikap Ilmiah

Coefficientsa

Model Unstandardized Coefficients Standardized t Sig.

Coefficients

B Std. Error Beta

(Constant) 8.297 8.729 .951 .370

1
Sikap Ilmiah .901 .099 .955 9.097 .000

a. Dependent Variable: Hasil Belajar Matematika

a. Dari table ke empat atas diketahui nilai Constant (a) sebesar 8,297, sedang nilai Sikap
Ilmiah (b / koefisien regresi) sebesar 0,901 sehingga persamaan regresinya dapat
ditulis :
Y = a +bX
Y = 8,297 + 0,901X
b. Ujian keberartian koefisien arah persamaan regresi didapatkan dari table kedua. Table
kedua merupakan nilai R yang merupakan symbol dari nilai koefisien korelasi. Pada
hasil di atas nilai korelasinya adalah 0,955. Nilai ini diinterpretasikan bahwa hubungan
kedua variabel penelitian ada di kategori kuat dan searah. Melalui table 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 0,912, berarti 91,2 % variasi atau perubahan dalam
variabel Y dapat dijelaskan dan dipengaruhi oleh terjadinya perubahan pada variabel X
dan 8,5% lainnya dipengaruhi oleh factor-faktor laindiluar variabel X.
 c. Uji kelinearan model regresi didapatkan dari table ketiga. Berdasarkan table ketiga
diperoleh nilai sig=0,000 yang berarti < kriteria signifikansi 0,05. Dengan demikian
model persamaan regresi berdasarkan data penelitian adalah signifikan. Artinya model
regresi linear memenuhi kriteria linieritas.
d. Diketahu:
α = 0,05
Ý =10 ,576+ 0,874 X
Ditanya : hasil belajar matematika jika motivasinya adalah 86
Penyelesaian :
Ý =8,297+0,901 X
Ý =10,576 +0,874 ( 86 )
Ý =85,74

7. Kemampuan Pemecahan Masalah dari sampel kelompok siswa dengan pembelajaran PBL,
PjBL, DL sebagai berikut:

Kemampuan Pemecahan Masalah

PBL PjBL DL

92 78 76

88 86 78

88 78 76

78 78 78

86 76 74

89 78 66

87 89 66

85 87 67

75 87 75

76 87 67

78 88 77

79 76 78
 83 87 75

81 87 74

80 87 77

Dengan ujilah apakah ada perbedaan rata-rata kemampuan Pemecahan Masalah antar tiga
kelompok tersebut?jika ada lakukan uji post hoc untuk menganalisis kelompok mana yang
terbaik rata-rata Pemecahan Masalahnya.

Penyelesaian :

Didapatkan bahwa nilai sig. adalah 0,000 < 0,05 maka rata-rata tidak sama atau berbeda.

Berdasarkan output di atas, rata-rata terbaik didapatkan oleh kemampuan Pemecahan Masalah
PjBL.

8. Berikut data kemampuan literasi matematika sampel siswa yang diajar dengan model
pembelajaran dan pendekatan pembelajaran di SMPN 55 Semarang:

Pendekatan_ Pembelajaran

PMRI Humanis Saintifik

Model PBL 96, 96,88,100,88 84,84,88,76,74 74,66,76,78,66,

Pembelajaran 90,98,86,88,90 77,76,74,74,70 66,65,68,64,62

89,90,100,89,90 76,71,72,73,74 65.61,62,60,65

PjB 90, 98,89,70,88 76,88,88,76,75 65,67,76,78,66,

L
90,98,876,88,90 78,76,74,73,70 66,65,68,64,62

89,90,70,89,90 76,71,72,73,74 65.61,62,60,65

DL 90, 98,86,100,88 76,86,88,76,75 66,68,76,78,66,

90,98,87,88,90 77,76,74,73,70 66,65,67,64,62

69,90,70,89,90 76,71,72,73,74 65.61,62,60,65

Langkah-Langkah Pengujian :

1). Atur variabel sesuai dengan yang dibutuhkan.

2). Klik Data View dan masukkan data yang dimiliki beserta kode.
3). Klik Analyze -> General Linier Model -> Univariate...
4). Muncul kotak dialog “Univariate”, selanjutnya klik variabel hasil dan masukkan ke
kotak Dependent Variable. Klik variabel model pembelajaran dan pendekatan
pebelajaran ke kotak Fixed Factor(s), lalu klik Options
5). Muncul kotak dialog “Univariate: Options” masukkan semua variabel pada kolom
Display Means for, kemudian pada kolom “Display” beri tanda (v) untuk Descriptives
statistics dan Homogeneity test, lalu klik continue.
6). Klik ok

a. Apakah ada perbedaan mean kemampuan literasi matematika (LM) antar model
pembelajaran?
 Dari output di atas dapat dilihat bahwa ternyata terdapat perbedaan mean
kemampuan literasi matematika antar model pembelajaran. Bila ada perbedaan mean
LM yang signifikan lanjutkan Post Hoc Test dan berilah rekomendasi mean LM
tertinggi dan terendahnya.

Dari output di atas dapat dilihat bahwa mean tertinggi terdapat pada model
pembelajaran PBL dan mean terendah terdapat pada model pembelajaran DL. Dengan
begitu model pembelajaran PBL disarankan untuk digunakan pada proses pembelajaran.
b. Apakah ada perbedaan mean LM antar pendekatan pembelajaran?

Dari output di atas dapat dilihat bahwa pendekatan pembeajaran pada setiap
pendekatan pembelajaran memiliki perbedaan mean literasi matematika.

Bila ada perbedaan mean LM yang signifikan lanjutkan Post Hoc Test dan berilah
rekomendasi mean LM tertinggi dan terendahnya.

Dari output di atas dapat dilihat bahwa mean tertinggi terdapat pada pendekatan
pembelajaran PMRI dan mean terendah terdapat pada model pembelajaran
 SAINTIFIK. Dengan begitu pendekatan pembelajaran PMRI disarankan untuk
digunakan pada proses pembelajaran.

c. Apakah ada interaksi antara model pembelajaran dan pendekatan pembelajaran

terkait mean LM? Bila ada interaksi model pembelajaran dan pendekatan
pembelajaran yang membuat perbedaan mean LM yang signifikan lanjutkan Post
Hoc Test dan berilah rekomendasi mean LM tertinggi dan terendahnya diantara LM
pada 9 sel yang disebabkan dari faktor model pembelajaran dan faktor pendekatan
pembelajaran.

Dari data di atas dapat dilihat bahawa nilai Sig. untuk model*pendekatan 0,626
yang berarti lebih besar dari 0,05. Maka terdapat interaksi antara model
pembelajaran dan pendekatan pembalajaran terkait mean literasi matematika.
Dari data di atas dapat dilihat bahwa mean LM tertinggi adalah pembelajaran
model pembelajaran PBL dengan pendekatan PMRI dan mean LM terendah adalah
pada model pembelajaran PjBL dengan pendekatan SAINTIFIK.