Nama : Dimas Rio Sentosa

Kelas : MA20C1
Nim : 112010036
Mata Kuliah : Statistik

Jawaban UAS

1. Analisis bivariat merupakan analisis yang dilakukan untuk mengetahui hubungan antara
2 variabel. Dalam analisis ini, dua pengukuran dilakukan untuk masing-masing observasi.

Dalam analisis bivariat, sampel yang digunakan bisa saja berpasangan atau masing-masing
independen dengan perlakuan tersendiri.

Analisis Deskriptif
Pada analisis deskriptif, analisis bivariat bisa berlaku pada hampir seluruh visualisasi
data. Jenis tampilan visualisasi seperti grafik batang, grafik garis, grafik column, dll
masih bisa digunakan untuk analisis bivariat.
Salah satu visualisasi data menarik yang biasa dilakukan dengan analisis bivariat adalah
scatterplot.

Analisis Deskriptif
Pada analisis deskriptif, analisis bivariat bisa berlaku pada hampir seluruh visualisasi
data. Jenis tampilan visualisasi seperti grafik batang, grafik garis, grafik column, dll
masih bisa digunakan untuk analisis bivariat.
Salah satu visualisasi data menarik yang biasa dilakukan dengan analisis bivariat adalah
scatterplot.

2 Uji Normalitas. ...

1. Uji Multikolinearitas. ...
2. Uji Heteroskedastisitas. ...
3. Uji Autokorelasi.

3. Secara garis besar, penelitian digolongkan menjadi dua macam yaitu penelitian
kualitatif dan penelitian kuantitatif. Penelitian kuantitatif merupakan penelitian
yang mencakup data-data berupa angka. Sedangkan, penelitian kualitatif adalah
penelitian yang bersifat deskriptif dan menggunakan analisis secara detail.
Fenomenologi. Penelitian fenomenologi ini artinya peneliti yang melakukan penelitian akan melakukan
pengumpulan data melalui observasi partisipan untuk dapat mengetahui fenomena esensial partisipan
apa yang ada di dalam hidupnya atau sepanjang pengalaman hidupnya. b. Penelitian Grounded Theory.
Jenis penelitian selanjutnya adalah penelitian grounded theory yang mana peneliti dapat
menggeneralisasi apa saja yang ia amati atau ia analisis secara induktif.

Penelitian Studi Kasus. Penelitian studi kasus di dalam jenis-jenis penelitian kualitatif ini akan
mengenal lebih dalam atau memahami secara mendalam mengenai alasan suatu fenomena atau
kasus tersebut bisa terjadi.
Penelitian Kuantitatif
Jenis-jenis penelitian yang selanjutnya adalah penelitian kuantitatif. Arti dari jenis-jenis
penelitian kuantitatif adalah jenis penelitian yang merupakan investasi sistematis mengenai
sebuah fenomena atau situasi dengan mengumpulkan data yang dapat diukur menggunakan
teknik statistik, matematika, atau komputasi.
Penelitian Deskriptif
Jenis-jenis penelitian selanjutnya yakni penelitian deskriptif. Penelitian deskriptif dilakukan
menggunakan metode penelitian yang dalam proses pengumpulan datanya memungkinkan
peneliti untuk dapat menghasilkan deskripsi mengenai fenomena sosial yang diteliti. Selanjutnya,
melalui data deskriptif yang didapat, peneliti dapat mengidentifikasi bagaimana fenomena
tersebut terjadi

4 . Menurut (Sugiyono, 2015:96) “variabel independen adalah variabel yang

mempengaruhi atau yang menjadi sebab perubahannya atau timbulnya variabel
dependen (terikat)”.
Menurut (Sugiyono, 2015:97) “variabel Dependen merupakan variabel yang
dipengaruhi atau yang menjadi akibat, karena adanya variabel bebas”.
Contoh hipotesis : Terdapat pengaruh model pembelajaran terhadap hasil belajar
siswa.

 Variabel dependen : Hasil belajar siswa

 Variabel independen : Model pembelajaran

5 . Data Ordinal
Data ordinal adalah jenis statistik data kuantitatif di mana variabel ada dalam kategori terurut
yang terjadi secara alami. Dalam statistik, sekelompok bilangan ordinal menunjukkan data
ordinal dan sekelompok data ordinal direpresentasikan dengan menggunakan skala ordinal.
 Adapun untuk perbedaan utama antara data nominal dan ordinal adalah data ordinal memiliki
urutan kategori sedangkan nominal tidak.
Adapun untuk contoh-contoh data ordinal, misalnya:

Kemampuan berbahasa inggris 1. Rendah (Pemula)

  2. Menengah
3. Fasih

2 Tingkat kesepakatan 1. Sangat tidak setuju

2. Tidak setuju
3. Setuju
4. Sangat setuju

Data Rasio
Data rasio adalah jenis data kuantitatif dengan sifat yang sama seperti data interval, yaitu
memiliki rasio yang sama dan pasti antara setiap data dan “nol” absolut berlaku sebagai titik asal
data, atau dengan kata lain, dalam data rasio tidak ada nilai numerik yang bernilai negatif.
contoh rasio, misalnya:
1. Berapa berat badan Anda dalam kg?
 Kurang dari 50 kg
 51-60 kg
 61-70 kg
 71-80 kg
 81-90 kg
 Di atas 90 Kg
Berapa tinggi badan Anda dalam satuan kaki dan inci?
 Kurang dari 5 kaki.
 5 kaki 1 inci – 5 kaki 5 inci
 5 kaki 6 inci – 6 kaki
 Lebih dari 6 kaki
 Data Interval
Data interval yang juga disebut integer dianggap sebagai tipe data yang diukur dalam skala data,
di mana setiap titik ditempatkan pada jarak yang sama satu sama lain.
Data interval selalu muncul dalam bentuk angka atau nilai numerik dimana jarak antara dua titik
distandarkan dan sama. Data interval tidak dapat dikalikan atau dibagi, namun dapat
ditambahkan atau dikurangi. Data interval diukur pada skala interval.
sedangkan untuk penggunaan dalam contoh data interval, misalnya:
1. Seseorang dapat mengukur waktu sepanjang hari menggunakan format 12-jam, ini adalah
contoh data interval yang baik. Waktu dalam format 12 jam adalah ukuran rotasi yang
terus dimulai ulang dari nol pada periodisitas yang ditetapkan. Angka-angka ini berada
pada skala interval karena jarak di antara mereka dapat diukur dan dibandingkan.
Misalnya, perbedaan antara 5 menit dan 10 menit sama dengan 15 menit dan 20 menit
dalam format 12 jam.
Suhu diukur dalam Fahrenheit dan Celsius, tetapi tidak dalam Kelvin. Jika kita mengukur
suhu dalam Fahrenheit dan Celcius maka data interval akan dianggap sebagai 0
sembarang. Tapi dalam Kelvin, 0 mutlak. Tidak boleh ada suhu di bawah nol derajat di
Kelvin.
Saat kita menghitung skor kecerdasan dalam tes IQ. Tidak ada poin nol untuk IQ.
Menurut studi psikologi, seseorang tidak dapat memiliki kecerdasan nol, oleh karena itu
dalam contoh ini, nol adalah sembarang. IQ adalah data numerik yang dinyatakan dalam
interval menggunakan skala pengukuran tetap.

6 . Pengertian Data
Sebelum menuju pembahasan teknik pengumpulan data, mari kita mengenal terlebih dahulu
tentang apa itu data.
Data adalah sekumpulan fakta yang diperoleh dari pengamatan atau tindakan seorang peneliti
dalam situasi tertentu.
menjadi 2 macam, yaitu data kuantitatif dan data kualitatif.
masing-masing teknik pengumpulan data adalah sebagai berikut.
1. Angket (Kuesioner) Angket atau kuesioner adalah teknik pengumpulan data yang
dilakukan dengan cara memberikan beberapa pertanyaan atau pernyataan kepada
responden untuk dijawab.

beberapa teknik pengumpulan data secara umum:

 1 Observasi (pengamatan)

Nasution (1998) menyatakan bahwa, observasi adalah dasar semua ilmu pengetahuan.Para
ilmuwan hanya dapat bekerja berdasarkan data, yaitu fakta mengenai dunia kenyataan yang
diperoleh melalui observasi.Mursall (1995) menyatakan bahwa “through observation, the
researcher learn about behavior and the meaning attached to those behavior” melalui observasi,
peneliti belajar tentang perilaku, dan makna dari perilaku tersebut.

Dalam penelitian kualitatif dilakukan dengan tidak terstruktur, karena fokus penelitian belum
jelas. Fokus observasi akan berkembang selama kegiatan observasi berlangsung. Kalau masalah
penelitian sudah jelas seperti dalam penelitian kuantitatif, maka observasi dapat dilakukan secara
berstruktur dengan menggunakan pedoman observasi.
Questioner (Kuesioner/Angket)
Questioner disebut pula angket atau self administrated questioner adalah teknik pengumpulan
data dengan cara mengirimkan suatu daftar pertanyaan kepada responden untuk diisi.

Questioner disebut pula angket atau self administrated questioner adalah teknik pengumpulan
data denga Interview (Wawancara)
Wawancara adalah suatu tanya jawab secara tatap muka yang dilaksanakan oleh pewawancara
dengan orang yang diwawancarai untuk memperoleh informasi yang dibutuhkan.
cara mengirimkan suatu daftar pertanyaan kepada responden untuk diisi.
Document (Dokumen)
Dokumen adalah merupakan catatan peristiwa yang telah lalu.Dokumen dapat berbentuk tulisan,
gambar, atau karya menumental dari seseorang lainnya.Dokumen yang berbentuk tulisan,
misalnya catatan harian, sejarah kehidupan (life histories), cerita, biografi, peraturan,
kebijakan.Dokumen yang berbentuk gambar, misalnya foto, gambar hidup, sketsa, film, video,
CD, DVD, cassete, dan lain-lain.Dokumen yang berbentuk karya misalnya karya seni, karya
lukis, patung naskah, tulisan, prasasti dan lain sebagainya.

7.A
Uji Normalitas
Variables Entered/Removeda

Variables Variables
Model Entered Removed Method

1 discount, brand, . Enter

hargab

a. Dependent Variable: penjulan

b. All requested variables entered.

ANOVAa
Model Sum of Squares df Mean Square
1 Regression 6.683 3
Residual 547.397 46
Total 554.080 49
a. Dependent Variable: penjulan
b. Predictors: (Constant), discount, brand, harga

Model Summaryb

Adjusted R Std. Error of the

Model R R Square Square Estimate

1 .110a .012 -.052 3.450

a. Predictors: (Constant), discount, brand, harga

b. Dependent Variable: penjulan

Uji Multikolinearitas
Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 30.023 5.851 5.131 .000

brand .013 .199 .014 .065 .948

harga .145 .252 .137 .576 .568

discount -.080 .212 -.076 -.377 .708

a. Dependent Variable: penjulan

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 31.59 33.31 32.72 .369 50

Residual -9.628 7.649 .000 3.342 50

Std. Predicted Value -3.050 1.594 .000 1.000 50

Std. Residual -2.791 2.217 .000 .969 50

a. Dependent Variable: penjulan

Collinearity Diagnosticsa

Variance Proportions

Model Dimension Eigenvalue Condition Index (Constant) brand harga discount

1 1 3.988 1.000 .00 .00 .00 .00

2 .006 26.868 .78 .30 .03 .00

3 .004 31.073 .22 .35 .01 .65

4 .002 41.912 .00 .35 .95 .35

a. Dependent Variable: penjualan

Uji Heterodeksitas

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 31.59 33.31 32.72 .369 50

Std. Predicted Value -3.050 1.594 .000 1.000 50

Standard Error of .498 2.396 .903 .372 50

Predicted Value

Adjusted Predicted Value 31.45 34.36 32.75 .529 50

Residual -9.628 7.649 .000 3.342 50

Std. Residual -2.791 2.217 .000 .969 50

Stud. Residual -2.840 2.274 -.003 1.014 50

Deleted Residual -10.358 8.045 -.026 3.675 50

Stud. Deleted Residual -3.093 2.387 -.014 1.054 50

Mahal. Distance .040 22.662 2.940 3.894 50

Cook's Distance .000 .339 .026 .063 50

Centered Leverage Value .001 .462 .060 .079 50

a. Dependent Variable: penjulan

Uji Kosmogorof Smirnof
One-Sample Kolmogorov-Smirnov Test

Unstandardized
Residual

N 50

Normal Parametersa,b Mean .0000000

Std. Deviation 3.34235890

Most Extreme Differences Absolute .131

Positive .105

Negative -.131

Test Statistic .131

Asymp. Sig. (2-tailed) .033c

a. Test distribution is Normal.

b. Calculated from data.

c. Lilliefors Significance Correction.

Uji regresi linier berganda

Descriptive Statistics

Mean Std. Deviation N

penjualan 32.7200 3.36270 50

brand 33.9200 3.53317 50

harga 34.0400 3.16847 50

discount 33.5600 3.18901 50

Correlations

penjualan brand harga discount

Pearson Correlation penjualan 1.000 .069 .095 .024

brand .069 1.000 .706 .549

harga .095 .706 1.000 .678

discount .024 .549 .678 1.000

Sig. (1-tailed) penjualan . .318 .256 .433

brand .318 . .000 .000

harga .256 .000 . .000

discount .433 .000 .000 .

N penjualan 50 50 50 50

brand 50 50 50 50

harga 50 50 50 50

discount 50 50 50 50

B. interpretasi

Uji Normalitas Data

jika asymp sig ≤ 0,05, maka sampel berdistribusi tidak normal

b. Jika asymp sig > 0,05, maka sampel berdistribusi normal

Uji Heterodeksitas

Heteroskedastisitas terjadi apabila tidak adanya kesamaan deviasi standar nilai

variabel dependen pada setiap variabel independen. Bila terjadi gejala
heteroskedatisitas akan menimbulkan koefisien regresi menjadi minimum dan
confidence interval melebar sehingga uji signifikansi statistik tidak valid lagi.
Heteroskedastisitas dapat dideteksi dengan menggunakan scatter plot,
sebagaimana gambar di bawah.

heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu

pada grafik scatterplot antara prediksi variabel terikat dengan residualnya dimana
sumbu Y adalah Y yang diprediksi, dan sumbu X adalah residual (Y prediksi – Y
sesungguhnya) yang telah di-studentized. Scatterplot di atas tidak menunjukkan
pola atau bentuk tertentu, serta data menyebar secara merata, baik di atas sumbu 0
maupun di bawah sumbu 0, sehingga dinyatakan tidak terjadi problem

Uji Multikolinieritas

multikolinearitas dapat dilihat dari nilai Tolerance

dan lawannya Variance Inflation Factor (VIF). Kedua ukuran ini menunjukkan
setiap variabel bebas manakah yang dijelaskan oleh variabel bebas lainnya. Dalam
pengertian sederhana setiap variabel bebas menjadi variabel terikat dan diregres
terhadap variabel bebas lainnya. Tolerance mengukur variabilitas variabel bebas
yang terpilih yang tidak dapat dijelaskan oleh variabel bebas lainnya. Jadi nilai
tolerance rendah sama dengan nilai VIF tinggi (karena VIF= 1/tolerance) dan
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: Motivasi Guru Mengajar
Observed Cum Prob
1,0,9,8,7,6,5,4,3,2,10,0

Expected Cum Prob

1,0
,9
,8
,7
,6
,5
,4
,3
,2
,1
0,0

21
menunjukkan adanya kolinearitas yang tinggi. Nilai cut-off yang umum dipakai
adalah nilai tolerance 0,10 atau sama dengan nilai VIF di atas 10. Setiap analis
harus menentukan tingkat kolinearitas yang masih dapat ditolerir.

Uji Kosmogorof Smirnof

nilai Kolmogorov hitung ditunjukkan dengan nilai Absolute pada Most Extreme Differences. Misal pada
Var00001, kolmogorov hitung nilainya 0,072.

Kolmogorov-Smirnov Z” adalah D Absolute yang diubah menjadi sebuah standardized score (p. 52), yang
dimaksud standardized score adalah nilai Z dalam distribusi normal standar.
H0 ditolak jika Z-hitung (Kolmogorov-Smirnov) > Z-tabel pada level of significance α.

Kita mempunyai Z-hitung (Kolmogorov-Smirnov) = 0,78 dengan memilih level of significance α = 0,05 pada  dua
ujung wilayah kritis (the two-sided critical region),  Z-tabel pada tabel distribusi  normal standar
adalah 1,96. Oleh karena 0,78 < 1,96  atau Z-hitung (Kolmogorov-Smirnov) < Z-tabel, maka H0 diterima yang
berarti  data mengikuti distribusi normal.

bahwa jika nilainya di atas 0,05 maka distribusi data dinyatakan memenuhi asumsi normalitas, dan jika
nilainya di bawah 0,05 maka diinterpretasikan sebagai tidak normal.

Uji regresi linier berganda

diagram Normal P-P Plot, dikatakan memenuhi asumsi normalitas jika diagram menunjukkan plot-plot
mengikuti alur garis lurus.