Kelompok 4:
1. Priscilia Ayu Yuliani (19709251004)
2. Fetty Faridatun Solikhah (19709251009)
3. Ari Kusdinar (19709251010)
4. Asri Dwita (19709251014)
1. (quantum.csv) suatu penelitian telah dilakukan untuk membandingkan dua jalur metode
pembelajaran Quantum Learning (QL) dengan Project Based Learning (PjBL) dalam
prestasi belajar, kemampuan penalaran, dan sikap siswa terhadap matematika untuk siswa
kelas VII SMP. Berdasarkan data post-test, buatlah stars plot dari ketiga variabel (prestasi
belajar, kemampuan penalaran, dan sikap siswa) untuk masing-masing metode
pembelajaran. Berikan interpretasi dari stars plot ini:
Penyelesaian:
¿ dat1 <- read.csv(file="D:/Data/quantum.csv",head=TRUE)
Fungsi dari #subset data post-test untuk metode QL, adalah menetapkan subset dari
data post_test berpasangan dengan metode QL
Fungsi dari QLpos <- subset(dat1, Tes =="Post" & Metode == "QL") berarti R membaca
dalam file quantum.csv dengan QLpos yang merupakan bagian dari metode QL dengan
tesnya yaitu post test.
Fungsi dari PjBLpos <- subset(dat1, Tes =="Post" & Metode == "QL") berarti R
membaca dalam file quantum.csv dengan PjBLpos yang merupakan bagian dari metode
PjBL dengan tesnya yaitu post test.
¿library (ggplot2)
Fungsi dari library (ggplot2)adalah memberikan perintah pada R untuk visualisasi data.
¿library (GGally)
Fungsi dari library (GGally) adalah memberikan perintah pada R untuk melakukan
analisis.
Fungsi dari win.graph (width = 10, height = 15) adalah membuka jendela grafik baru
untuk plot data dengan panjang 10 dan tinggi 15.
Fungsi dari win.graph (width = 10, height = 15) adalah membuka jendela grafik baru
untuk plot data dengan panjang 10 dan tinggi 15.
Berikut adalah stars plot untuk metode Project Based Learning (PjBL):
Dari stars plot di atas, terlihat bahwa warna hitam menginterpretasikan kemampuan penalaran
siswa, warna hijau menginterpretasikan skor sikap siswa dan warna merah
menginterpretasikan prestasi belajar siswa. Dari interpretasi di atas terlihat bahwa yang
memiliki prestasi belajar dan kemampuan penalaran terbaik adalah subjek S4. Dari data di
atas, terlihat bahwa S28 memiliki skor sikap terbaik.
Subjek S22 dan S27 memiliki prestasi dan kemampuan penalaran yang sangat rendah.
Selanjutnya S2 memiliki skor sikar terendah.
2. (react.csv) Dari data ini, buat matriks X untuk ketiga variabel (Pemecahan, Prestasi,
Apresiasi) pada skor post-test dari strategi pembelajaran REACT.
a. Hitung rata-rata skor untuk masing-masing variabel
b. Tentukan matriks variansi dan kovariansi sampel (S). Ekstrak nilai variansi untuk
setiap variabel dari matriks S tersebut.
c. Tentukan matriks korelasi sampel (R) dan tampilkan dengan 3 digit di belakang
koma
¿dat2 <- read.csv(file="D:/Data/react.csv",head=TRUE)
¿REACTpos <- subset(dat2, Tes == "Post" & Strategi == "REACT",
select=c(Pemecahan,Prestasi,Apresiasi))
¿head(REACTpos,n=2)
Pemecahan Prestasi Apresiasi
24 83.33 70 103
25 55.56 65 131
Penyelesaian:
Fungsi dari ¿REACTpos <- subset(dat2, Tes == "Post" & Strategi == "REACT",
select=c(Pemecahan,Prestasi,Apresiasi))
berarti R membaca dalam file react.csv dengan REACTpos yang merupakan bagian
dari strategi REACT dengan tesnya yaitu post test dan variabel pemecahan, prestasi dan
apresiasi.
¿head(REACTpos,n=2)
Keterangan:
: variansi
: kovariansi
c. Matriks korelasi
> cor(REACTpos)
[ ] [ ]
A= 2 3 , B= 1 0
3 6 0 1
Hitung perkalian berikut: AB dan BA.
Bagaimana hasil dari perkalian-perkalian tersebut?
Penyelesaian:
> A
Fungsi dari > A adalah menyatakan matriks yang sudah dinyatakan sebelumnya.
[,1] [,2]
[1,] 2 3
[2,] 3 6
Fungsi dari > B adalah menyatakan matriks yang sudah dinyatakan sebelumnya.
[,1] [,2]
[1,] 1 0
[2,] 0 1
> A*B
[1,] 2 0
[2,] 0 6
> B*A
[,1] [,2]
[1,] 2 0
[2,] 0 6
Dari data di atas terlihat bahwa nilai matriks AB=BA untuk B merupakan matriks identitas
Group.1 Post_test_metakognitif
1 Inkuiri 67.16667
2 Langsung 59.37500
Rata-rata dari model pembelajaran inkuiri adalah 67.16667 dan rata-rata dari model
pembelajaran langsung adalah 59.37500.
Simpangan baku dari variabel keterampilan metakognitif
> aggregate(cbind(Post_test_metakognitif), by=list(Metode),
FUN=sd, na.rm=TRUE)
Group.1 Post_test_metakognitif
1 Inkuiri 6.131931
2 Langsung 8.025753
Simpangan baku dari model pembelajaran inkuiri adalah 6.131931 dan simpangan
baku dari model pembelajaran langsung adalah 8.025753.
c. Grafik boxplot model inkuiri dan langsung pada variabel keterampilan metakognitif
Pembelajaran inkuiri pada keterampilan metakognitif dapat dilihat tidak ada outliers
untuk nilai minimum
F hitung =17.85
> qf(0.95, df1=1, df2=58)
[1] 4.006873
F tabel=4.006873
Karena F hitung yaitu 17.85 lebih besar dari F tabel yaitu 4.006873 maka H 0 ditolak
sehingga ada pengaruh.
e. Dari hasil pengujian lanjutan dengan prosedur tukey, terlihat bahwa nilai diff, lwr, upr
bernilai negatif. Dalam hal ini, pembelajaran yang lebih baik adalah inkuiri.
diff lwr upr p adj
Langsung-Inkuiri -7.791667 -11.48289 -4.100442 8.54e-05
[ ]
x prestasi
b. Hitung vektor rata-rata dari ketiga skor tersebut, x= x penalaran
x sikap
c. Hitung matriks kovarians sampel, S.
d. Tentukan nilai T 2 Hotelling dan p-value
e. Tentukan nilai statistik uji F dan p-value
f. Berikan kesimpulan berdasarkan hipotesis pada (a) Gunakan taraf signifikansi α =0.05 .
g. Apakah asimsi normalitas multivariat terpenuhi? (Gunakan uji Henze-Zirkler)
Tuliskan!
h. Buat plot khi-liadrat untuk mengecek asumsi normalitas multivariat. Gunakan kuantil
khi-kuadrat vs jarak kuadrat umum.
i. Hitung interval kepercayaan secara simultan 95% bagi μ prestasi , μ penalarandan μsikap
berdasarkan uji t Bonferroni. Berikan interpretasi dan Kesimpulan
Penyelesaian:
[][ ]
μ1 79.99
a. H0: μ2 = 12
μ3 72.99
[][ ]
μ1 79.99
H1: μ2 ≠ 12
μ3 72.99
Dengan 𝜇1 adalah rata-rata populasi skor post-test prestasi belajar matematika pada
kelas yang memperoleh metode Quantum Learning. 𝜇2 adalah rata-rata populasi skor
post-test kemampuan penalaran matematika pada kelas yang memperoleh metode
Quantum Learning. 𝜇3 adalah rata-rata populasi skor post-test sikap siswa terhadap
matematika pada kelas yang memperoleh metode Quantum Learning.
[ ]
79,60000
b. X̄ = 14,90000
87,83333
[][ ]
μ1 79.99
μ2 ≠ 12
μ3 72.99
g. Test
HZ p value MVN
1 Henze-Zirkler 1.149768 0.002382699 NO
h.
Dari Chi-Square Q-Q plot untuk grup eksperimen terlihat bahwa titik-titik tidak terlalu dekat
dengan garis lurus mengindikasikan asumsi normalitas multivariate seperti akan tidak
terpenuhi.
Berikut adalah jarak kuadrat umumnya
i.
[][ ]
μ1 79.99
μ2 ≠ 12 karena tidak memenuhi asumsi berdasar uji t Bonferroni dengan
μ3 72.99
Interval kepercayaan secara simultan 95% bagi 𝜇1, 𝜇2, 𝜇3 yaitu
74.23186 ≤ 𝜇1 ≤ 84.96814
13.45159 ≤ 𝜇2 ≤ 16.34841
84.41764 ≤ 𝜇3 ≤ 91.24902