PORTOFOLIO LATIHAN

STATISTIKA DATA SAINS

(PS801)

Asep Suparman
2104974
suparman@upi.edu

PENDIDIKAN BAHASA INGGRIS

FPBS, UPI
2021
DAFTAR ISI
DAFTAR ISI............................................................................................................................. i
1. Latihan EDA.................................................................................................................... 1
2. Latihan Korelasi.............................................................................................................. 5
3. Latihan Regresi Linear Sederhana..................................................................................6
4. Latihan Regresi Linear Berganda....................................................................................8
5. Latihan Anova............................................................................................................... 10
6. Latihan Ancova............................................................................................................. 13
7. Latihan Uji Lanjutan Anova...........................................................................................15
8. Latihan Loglinear........................................................................................................... 19
9. Latihan Path Analysis....................................................................................................20
7. Latihan Q Cochran........................................................................................................23
8. Latihan Friedman.......................................................................................................... 24
9. Latihan Uji Lanjutan Friedman.......................................................................................25
10. Latihan Perluasan Uji Chi-Square.................................................................................26
11. Latihan Uji Median.........................................................................................................27
12. Latihan Kruskal-Wallis...................................................................................................28
13. Latihan Lanjutan Kruskal-Wallis....................................................................................29
14. Latihan Manova............................................................................................................. 30

i
 1. Latihan EDA

Kelompok Berat Badan Waktu Bermain Tinggi Badan

1 34 100
1 34 3 112
1 54 4 132
1 56 5 123
1 54 3 113
1 56 4
1 5 134
1 56 2 154
1 67 2 165
2 65 123
2 67 3 123
2 65 4 1455
2 23 5 134
2 12 4 154
2 12 6 167
2 23 7 145
2 45 8
2 2 134
2 34 165
2 24 5 160
2 34 3 165

1) Analisis kerandoman missing value

a. Deskripsi data hilang

 Data yang hilang pada variable Berat Badan ada 2 responden

 Data yang hilang pada variable Waktu Bermain ada 3 responden
 Data yang hilang pada variable Tinggi Badan ada 2 responden
 Data kelompok lengkap
 Data yang ekstrim terjadi jika kurang dari Q1 – 1,5IQR, atau lebih dari Q3 +
1,5IQR (IQR = Q3 – Q1; interquatile range)

1
 b. Analisis keacakan data hilang

Data hilang bersifat acak karena pada Little’s MCAR test nilai Sig. 0.438>0.05
2) Lakukan pengisian untuk missing value

3) Apakah ada outlier dari pada masing-masing variable?

2
Terdapat outlier yaitu Case 12 pada variable tinggi badan.
4) Uji normalitas distribusinya

Karena data kurang dari 50, maka uji Shapiro-Wilk yang dipilih. Hasilnya terlihat
bahwa semua nilai Sig. di atas 0.05 (normal), kecuali data tinggi badan perempuan
(tidak normal).
5) Uji kehomogenan variabelnya

Data dikatakan homogen karena nilai Sig. lebih besar dari 0.05
6) Bagaimana hubungan antara:
a. Berat vs Waktu Bermain

3
 Karena nilai Sig. 0.6 > 0.05, maka Berat Badan dan Waktu bermain tidak
berkorelasi. Hal ini juga diperkuat dengan nilai rhitung 0,417 < rtabel 0,4329.
b. Berat vs Tinggi

Karena nilai Sig. 0.227 > 0.05, maka Berat Badan dan Tinggi Badan tidak
berkorelasi. Hal ini juga diperkuat dengan nilai rhitung 0,276 < rtabel 0,4329.

c. Waktu Bermain vs Tinggi

Karena nilai Sig. 0.973 > 0.05, maka Waktu Bermain dan Tinggi Badan tidak
berkorelasi. Hal ini juga diperkuat dengan nilai rhitung 0,008 < rtabel 0,4329.

4
 2. Latihan Korelasi
Korelasi antara Background Knowledge Hasil SPSS
dengan Translation Quality
N Background Translation
o Knowledge quality
1 65 55
2 64 55
3 74 60
4 81 78
5 53 50
6 48 78 Karena nilai Sig. 0.002 < 0.05, maka
7 57 60 Background Knowledge berkorelasi
8 48 65 dengan Translation Quality. Hal ini
9 70 65 juga diperkuat dengan nilai rhitung 0,540
10 73 65 > rtabel 0,3610
11 77 60
12 45 60
13 85 70
14 75 70
15 65 65
16 77 70
17 55 60
18 58 54
19 60 60
20 65 63
21 74 70
22 90 85
23 95 70
24 78 75
25 83 80
26 85 86
27 89 70
28 70 65
29 85 70
30 67 40

5
 3. Latihan Regresi Linear Sederhana

Reading
No Vocabulary Comprehension
1 60 73
2 56 70
3 67 75
4 78 75
5 70 80
6 75 92
7 85 95
8 92 98
9 90 97
10 63 75
11 75 85
12 68 73
13 95 98
14 92 90
15 78 85
16 80 93
17 84 95
18 85 90
19 88 97
20 89 94

Hasil SPSS
Model regresi yang dihasilkan dapat diterjemahkan ke dalam persamaan berikut:

Ŷ = 25,729+0,774X

Ada hubungan signifikan antara Vocabulary (X) dengan Reading Comprehension (Y)
dengan nilai Sig. 0.000 (<0.05).
Vocab (X) 90 Reading (Y

6
Kontribusi Vocabulary (X) terhadap Reading Comprehension (Y) dinyatakan dengan nilai R
Square sebesar 80,9% atau Adjusted R Square sebesar 79,8%, dan sisanya dipengaruhi
oleh variabel lain yang tidak diteliti.

7
 4. Latihan Regresi Linear Berganda

Reading Achievement
(Y) Verbal Aptitude (X1) Motivation (X2) Background Knowledge (X3)
2 2 4 5
1 2 4 5
1 1 4 2
1 1 3 4
5 3 6 3
4 4 6 7
7 5 3 4
6 5 4 3
7 7 3 2
8 6 3 5
3 4 5 6
3 3 5 7
6 6 9 7
6 6 8 6
10 8 6 5
9 9 7 8
6 10 5 8
6 9 5 4
9 4 7 5
10 4 7 5

Hasil SPSS
Menggunakan metode backward, pengolahan data berbantuan SPSS menghasilkan tiga
model. Namun, model pertama dan kedua harus direvisi dengan menghilangkan variabel
Background Knowledge (X3) dan Motivation (X2) karena hubungannya dengan Reading
Achievement (Y) dianggap tidak signifikan dengan nilai Sig. 0.149 dan 0.070 (> 0.05) secara
berturut-turut. Sehingga model regresi yang digunakan adalah model yang ketiga.

8
Model ketiga tersebut dapat diterjemahkan kedalam persamaan berikut:

Ŷ = 1,814+0,745X1

Besaran kontribusi dari Verbal Aptitude (X1) terhadap Reading Achievement (Y) dinyatakan
dengan nilai R Square yaitu sebesar 45,4% atau Adjusted R Square sebesar 42,3%.
Sisanya dipengaruhi oleh variabel lain yang tidak diteliti.

9
 5. Latihan Anova
Diketahui hasil ulangan siswa yang belajar dengan 5 model pembelajaran yang berbeda A,
B, C, D, dan E sebagai berikut:

Metode
Metode A Metode C Metode D Metode E
B

5 9 3 2 7

4 7 5 3 6

8 8 2 4 9

6 6 3 1 4

3 9 7 4 7

4 8 3 4 8

Uji apakah hasil ulangan pada setiap kelompok tersebut tidak berbeda!

Hasil SPSS

Karena nilai Sig. 0.000 < 0.05, setidaknya ada dua nilai mean yang berbeda. Nilai mean
yang berbeda terlihat pada uji lanjutannya.

10
Dari tabel di atas, kita dapat melihat bahwa nilai mean model A dengan model B berbeda.
Hal ini dibuktikan dengan nilai Sig. 0.035<0.05. Sementara model A dengan model C, D, E,
tidak berbeda signifikan karena semua nilai Sig.-nya melebihi 0.05. Perbedaan signifikan
juga ditunjukkan dengan tanda bintang (*). Jika tidak ada tanda bintang, maka perbedaan
mean tidak signifikan.
Model B dengan model C dan D juga berbeda signifikan karena nilai Sig.-nya berada di
bawah 0.05, tetapi tidak berbeda signifikan dengan model E karena nilai Sig.-nya di atas
0.05. Interpretasi seterusnya mengikuti pola ini.

11
Model mana yang paling efektif?

Dengan melihat nilai Lower Bound-Upper Bounda dan nilai Minimum-Maximum, dapat
terlihat bahwa Model B adalah model yang paling efektif.

12
 6. Latihan Ancova
Misalkan akan dibandingkan 3 model pembelajaran, Model A, Model B, dan Model C.
Penerapan ketigan model diduga (berdasarkan teorinya) dipengaruhi oleh kemampuan awal
siwsa. Untuk itu ketika dibandingkan hasil belajarnya, maka kemampuan awal perlu
dipertimbangkan dalam analisisnya.

Hasil SPSS

Karena nilai Sig. 0.033 < 0.05, dapat dikatakan bahwa Hasil Belajar berkorelasi
dengan Kemampuan Awal Murid. Hal ini juga diperkuat dengan nilai rhitung 0.551 >
rtabel 0.514.
Karena ada korelasi signifikan antar Kemapuan Awal Murid dengan Hasil Belajar,
analisis dapat dilanjutkan ke pengujian Ancova.

13
 Nilai R squared 0.814 menunjukkan besarnya pengaruh semua independen variabel
terhadap Hasil Belajar.
 Nilai Sig. 0.001 (<0.05) menunjukkan bahwa ada perbedaan pengaruh signifikan dari
metode belajar A, B, C terhadap Hasil Belajar dengan memperhatikan kemampuan
awal. Hal ini dapat dibuktikan dengan perhitungan Anova berikut:

14
 7. Latihan Uji Lanjutan Anova

Menuli Menyima Jenis Membac Menyima Jenis

Membaca Menulis
s k Model a k Model
75.00 67.00 34.00 1.00 89.00 73.00 67.00 3.00
67.00 67.00 35.00 1.00 89.00 74.00 65.00 3.00
68.00 76.00 36.00 1.00 90.00 72.00 48.00 3.00
70.00 76.00 45.00 1.00 98.00 71.00 59.00 3.00
75.00 67.00 43.00 1.00 78.00 73.00 56.00 3.00
70.00 78.00 45.00 1.00 67.00 75.00 59.00 3.00
76.00 75.00 56.00 1.00 65.00 74.00 60.00 3.00
75.00 74.00 54.00 1.00 99.00 77.00 65.00 3.00
60.00 76.00 54.00 2.00
65.00 67.00 56.00 2.00 Keterangan:
65.00 75.00 67.00 2.00 1 : Model Pembelajaran A
63.00 76.00 76.00 2.00 2 : Model Pembelajaran B
64.00 76.00 75.00 2.00 3 : Model Pembelajaran C
68.00 73.00 64.00 2.00
55.00 72.00 67.00 2.00
55.00 70.00 47.00 2.00

Hasil SPSS

Signifikan

Tidak
Signifikan

Signifikan

Berdasarkan hasil pengujian Anova di atas, terdapat perbedaan pengaruh setidaknya 2 dari
3 perlakuan yang dipelajari terhadap skor membaca dan skor menyimak, dibuktikan dengan
Sig. 0.000 (<0.05). Namun, perbedaan pada skor menulis, perbedaan pengaruh ketiga
perlakuan tersebut tidak signifikan dengan nilai Sig. 0.813 (>0.05). Sehingga, uji post hoc
hanya dilakukan pada skor membaca dan menyimak saja.

15
 (a) Skor membaca

Tidak signifikan

Tidak signifikan

Berdasarkan uji subset di atas, terdapat perbedaan hasil antara SNK dan Duncan dengan
Tukey HSD dan Scheffe.

 SNK & Duncan

Menurut uji SNK dan Duncan, perbedaan pengaruh ketiga perlakuan terhadap skor
membaca bersifat signifikan. Hal ini dibuktikan dengan nilai mean dari ketiga perlakuan
berada pada kelompok subset yang berbeda.

 Tukey HSD & Scheffe

Pada skor membaca, menurut uji Tukey HSD dan Scheffe:

- Perbedaan pengaruh Model B dengan A tidak signifikan karena kedua nilai rata-
ratanya berada pada satu kelompok subset yang sama
- Perbedaan pengaruh Model B dengan C signifikan karena kedua nilai rata-ratanya
berada pada kelompok subset yang berbeda. Model C dengan nilai rata-rata 83.4
bisa dianggap lebih efektif dari model B dengan nilai rata-rata 61.88.
- Perbedaan pengaruh Model A dengan C signifikan karena kedua nilai rata-ratanya
berada pada kelompok subset yang berbeda. Model C dengan nilai rata-rata 83.4
bisa dianggap lebih efektif dari model A dengan nilai rata-rata 72.

16
  LSD
Menurut uji LSD, perbedaan pengaruh dari ketiga perlakuan dianggap signifikan. Hal ini
dibuktikan dengan semua nilai Sig. yang berada di bawah 0.05 dan selisih rata-ratanya
ditandai dengan tanda asterisk (*).

(b) Skor menyimak

Tidak signifikan

Tidak signifikan

Tidak signifikan

Tidak signifikan

17
  SNK, Tukey HSD, Duncan, dan Scheffe
Pada skor menyimak, menurut uji SNK, Tukey HSD, Duncan, dan Scheffe:

- Perbedaan pengaruh Model A dengan C signifikan karena kedua nilai rata-ratanya

berada pada kelompok subset yang berbeda. Model C dengan nilai rata-rata 59.88
bisa dianggap lebih efektif dari model A dengan nilai rata-rata 43.50.
- Perbedaan pengaruh Model A dengan B signifikan karena kedua nilai rata-ratanya
berada pada kelompok subset yang berbeda. Model B dengan nilai rata-rata 63.25
bisa dianggap lebih efektif dari model A dengan nilai rata-rata 43.50.
- Perbedaan pengaruh Model B dengan C tidak signifikan karena kedua nilai rata-
ratanya berada pada satu kelompok subset yang sama.

 LSD
Seperti halnya dengan keempat uji lainnya, hasil uji LSD juga menunjukkan bahwa:

- Perbedaan pengaruh Model A dengan B signifikan dengan nilai Sig. 0.000 (< 0.05)
dan selisihnya ditandai dengan tanda asterisk (*).
- Perbedaan pengaruh Model A dengan C signifikan dengan nilai Sig. 0.001 (< 0.05)
dan selisihnya ditandai dengan tanda asterisk (*).
- Perbedaan pengaruh Model B dengan C tidak signifikan dengan nilai Sig. 0.431 (>
0.05).

18
 8. Latihan Loglinear

Keterangan

 Jenis kelamin:
1 = laki-laki
2 = perempuan
 Program
1 = S-1
2 = S-2
3 = S-3
 Kelulusan:
1 = tepat waktu
2 = tidak tepat waktu

Hasil SPSS

Tabel Convergence Information di atas menunjukkan bahwa terdapat interaksi antara

jenis_kelamin*program*kelulusan, yaitu tipe 3 dimensi Saturated Model (XYZ).
X Y Z XYZ
Model terbaik adalah vij = λ+ λ i + λ j + λ k + λ ijk

19
 9. Latihan Path Analysis

X1 = Self-regulation

X2 = Critical thinking skills

Y = Problem-solving skills

Z = Learning outcomes

Gambar 1 Conceptual Model

Gambar 2 Empirical Model

X2 = 0,484X1, R2 = 0,235
Y = 0,336X1+0,403X2, R2 = 0,407
Z = 0,156X1+0,146X2+0,612Y, R2 = 0,645

20
Gambar 3 Setelah Bootstrapping

Tabel di atas menujukkan bahwa seluruh p-value berada di bawah 0,05 sehingga dapat
disimpulkan bahwa:

21
 1. Terdapat pengaruh langsung yang signifikan dari X1 terhadap X2

2. Terdapat pengaruh langsung yang signifikan dari X1 terhadap Y

3. Terdapat pengaruh langsung yang signifikan dari X1 terhadap Z

4. Terdapat pengaruh langsung yang signifikan dari X2 terhadap Y

5. Terdapat pengaruh langsung yang signifikan dari X2 terhadap Z

6. Terdapat pengaruh langsung yang signifikan dari Y terhadap Z

Tafsiran ditambah pengaruh tidak langsung dan pengaruh total

22
 7. Latihan Q Cochran
Empat orang peramal saham masing-masing diminta agar meramalkan 10 hari yang terpilih
secara acak apakah 100 indeks saham akan naik atau turun pada hari berikutnya. Jika
ramalan mereka tepat, diberi skor 1, dan jika tidak tepat diberi skor 0. apakah skor-skor yang
dicatat di bawah ini menunjukkan perbedaan kemampuan meramal secara tepat?

Peramal Hari
Saham 1 2 3 4 5 6 7 8 9 10 G G2
Peramal 1 1 0 0 1 1 1 1 0 1 1 7 49
Peramal 2 1 1 1 1 0 1 1 0 0 0 6 36
Peramal 3 1 1 0 1 1 1 1 1 0 1 8 64
Peramal 4 1 1 0 0 0 1 1 1 0 1 6 36
L 4 3 1 3 2 4 4 2 1 3
1
L2 16 9 1 9 4 16 6 4 1 9

H0 = tidak ada perbedaan ketepatan ramalan di antara keempat peramal

H1 = terdapat perbedaan ketepatan ramalan di antar keempat peramal
k =4
n = 10
df = k-1 = 3

  L L2 G G2
1 4 16 7 49  k  k 
2

2 3 9 6 36 k  1k  G j    G j  
2
3 1 1 8 64  j 1  j 1  
4 3 9 6 36
5 2 4    
Q n n
6 4 16     k  Li   L2i
7 4 16     i 1 i 1
8 2 4    
9 1 1    
10 3 9    
Σ 27 85 27 185

2
3( 4 x 185−27 ) 33
Q= = =1,435
4 x 27−85 23
Menggunakan α = 0,05 dan df = 3, diketahui bahwa nilai c2 tabel adalah 7,82.

 Keputusannya: karena nilai 1,435 < 7,82, H0 diterima

 Kesimpulan: tidak ada perbedaan ketepatan ramalan di antara keempat peramal.

23
 8. Latihan Friedman
Cohen (1983) memberikan data untuk jumlah kelahiran di suatu negara untuk setiap hari
pada Tahun 1975. Kita memberikan data di bawah untuk jumlah kelahiran pada setiap hari
minggu ke-10, ke-20, ke-30, dan ke-40 dari tahun tersebut. Uji apakah ada perbedaan
kelahiran antara hari-hari dari minggu tersebut!

Hari
Minggu Senin Selasa Rabu Kamis Jumat Sabtu Minggu
10 108 106 100 85 85 92 96
20 82 82 99 89 125 74 100
30 96 101 108 103 108 96 110
40 124 106 111 115 99 96 111

H0 = tidak ada perbedaan rangking dari jumlah bayi yang lahir berdasarkan hari
H1 = terdapat perbedaan rangking dari jumlah bayi yang lahir berdasarkan hari
Tabel Ranking

Hari
Minggu Seni
Ke- n Selasa Rabu Kamis Jumat Sabtu Minggu
10 7 6 5 1,5 1,5 3 4
20 2,5 2,5 5 4 7 1 6
30 1,5 3 5,5 4 5,5 1,5 7
40 7 3 4,5 6 2 1 4,5
Σ 18 14,5 20 15,5 16 6,5 21,5
 Σ2 324 210,25 400 240,25 256 42,25 462,25 1935

n=4
k=7
α = 0,05
df = k-1 = 6

F r= ( 4 x127 x 8 x 1935)−( 3 x 4 x 8) =7,660714

Dengan menggunakan α = 0,05 dan df = 6, diketahui bahwa F rtabel = 12,592

 Keputusan: karena nilai F rhitung = 7,660714 < F rtabel = 12,592, H0 diterima

 Kesimpulan: tidak ada perbedaan rangking dari jumlah bayi yang lahir berdasarkan
hari

24
 9. Latihan Uji Lanjutan Friedman
Diketahui tabel rangking kelahiran bayi berdasarkan hari sebagai berikut:

Hari
Minggu Sabt
ke- Senin Selasa Rabu Kamis Jumat u Minggu
10 4 6 5 1,5 1,5 3 7
20 2,5 2,5 5 4 7 1 6
30 1,5 3 5,5 4 5,5 1,5 7
40 3,5 2 3,5 5,5 5,5 1 7
SUM 11,5 13,5 19 15 19,5 6,5 27
SUMSQ 2052
Dan diketahui bahwa:
Fr = 13,92857143
Fr table = 12,59158724
Keputusan: Karena Fr hitung>Frtabel, H0 ditolak
Kesimpulan: Minimal ada 2 hari yang berbeda dalam jumlah kelahirannya.
Uji lanjutannya adalah sebagai berikut:

n=4
k=7
α = 0,05
df = k-1 = 6
α 0,05
= =0,001190476
k ( k−1 ) 7 x 6
Dengan menggunakan Ms Excel Z α/k(k-1) = ABS(NORM.S.INV(0,001190476)) =
3,038074305

Fr lanjutan = 3,038074305
√ 4 x7 x8
6
=18,56294063

Selisih rangking mutlak:

Rab
  Sabtu Senin Selasa Kamis u Jumat Minggu
Sabtu   5 7 8,5 12,5 13 20,5
Senin     2 3,5 7,5 8 15,5
Selas
a       1,5 5,5 6 13,5
Kamis         4 4,5 12
Rabu           0,5 7,5
Jumat             7,5
Tabel di atas menunjukkan bahwa selisih mutlak antara rangking hari sabtu dan Minggu
adalah 20,5 (> Fr lanjutan = 18,56294063) sehingga rangking Sabtu dan Minggu berbeda
secara signifikan. Sedangkan selisih yang lainnya berada di bawah nilai Fr lanjutan.

25
Sehingga dapat disimpulkan bahwa yang berbeda secara signifikan hanya rangking Sabtu
dan Minggu.

26
 10. Latihan Perluasan Uji Chi-Square
One hundred students take a multiple-choice test. We wish to test the hypothesis that the
students guessed at random on question 36. The frequencies of responses for that question
were as follows:

Alternative A B C D E
Observed Frequency 15 40 5 12 28
Expected Frequency 20 20 20 20 20

a. State Ho in symbolic form

H0 = θa = θb = θc = θd = θe
H1 = minimal ada θi ≠ θj, i ≠ j

b. Compute χ 2and test Ho at  = 0.01

k=5
 = 0.01
df = k-1 = 4

2 2 2 2 2
(15−20) (40−20) (5−20) (12−20) (28−20)
c2 = + + + + =38,9
20 20 20 20 20

Dengan  = 0.01 dan df = 4, diketahui bahwa nilai c2 tabel adalah 13,28.

c. Draw final conclusions

Keputusan: karena c2 hitung 3,89 > c2 hitung 13,28, H0 ditolak
Kesimpulan: minimal ada dua frekuensi yang berbeda pada pilihan ganda item soal
tersebut.

27
 11. Latihan Uji Median
Diketahui data kemampuan menulis dari tiga kelompok berikut:

K2
K1 (IPA) K3 (Bahasa)
(IPS)
5 7 8
3 6 7
6 4 7
4 3 6
7 5 9
10 10 5
9 8 4
8 2  
5 4  
  9  
  8  
  7  
Median total 6,5
Apakah ada perbedaan kemampuan menulis diantara 3 kelompok beradasar jurusan di
SMA?
H0: tidak ada perbedaan kemampuan di antara ketiga kelompok
H1: minimal terdapat dua kelompok yang berbeda dalam kemampuan menulisnya
Observed frequency
Frekuensi Nilai  K1 K2 K3 Jumlah Baris
Di atas median 4 6 4 14
Di bawah median 5 6 3 14
Jumlah Kolom 9 12 7 28

Expected frequency
  K1 K2 K3
Di atas median 4,5 6 3,5
Di bawah median 4,5 6 3,5
k=3
 = 0.05
df = k-1 = 2

2 2 2 2 2 2
( 4−4,5) (6−6) (4−3,5) (5−4,5) (6−6) (3−3,5)
c2 = + + + + + =0,254
4,5 6 3,5 4,5 6 3,5
Dengan  = 0.05 dan df = 2, diketahui bahwa nilai c2 tabel adalah 5,991
 Keputusan: karena c2 hitung 0,254 < c2 hitung 5,991, H0 diterima
 Kesimpulan: tidak ada perbedaan kemampuan di antara ketiga kelompok
 Catatan: 20% frekuensi harapan, tidak boleh kurang 5. Pada kasus ini yang kurang dari
5 lebih dari 20% sehingga sebetulnya uji median ini tidak bisa dilakukan kecuali dengan
metode penggabungan kelompok.

28
29
 12. Latihan Kruskal-Wallis
Dalam edisi karya tulis yang sama dari tiga penulis fiksi detektif, jumlah kalimat per halaman
secara acak pada halaman-halaman yang terpilih dari masing-masing karya adalah sebagai
berikut:

Pengarang Banyak Kalimat

C.E. Vulliamy 13 27 26 22 2
6
Ellery Queen 43 35 47 32 3 37
1
Helen 33 37 33 26 4 33 54
McCloy 4
Gunakan Uji Kruskal-Wallis untuk menentukan apakah beralasan untuk menduga ada
perbedaan dalam rata-rata banyak kalimat antara pengarang-pengarang tersebut. Jika ada,
gunakan uji lanjutan untuk menganalisis perbedaan antar pengarang!
H0: tidak ada perbedaan rata-rata banyak kalimat di antara ketiga penulis
H1: minimal ada dua rata-rata banyak kalimat yang berbeda di antara ketiga penulis

Hasil SPSS

 Keputusan: karena nilai Asymp. Sig. 0,010 < 0,05, H0 ditolak

 Kesimpulan: minimal ada dua rata-rata banyak kalimat yang berbeda di antara ketiga
penulis
Untuk mengetahui penulis mana yang berbeda, perlu dilakukan uji lanjutan (lihat hal
selanjutnya).

30
 13. Latihan Lanjutan Kruskal-Wallis
Pengarang Banyak Kalimat
C.E. Vulliamy 13 27 26 22 2
6
Ellery Queen 43 35 47 32 3 37
1
Helen 33 37 33 26 4 33 54
McCloy 4

k=3
 = 0.05
df = k-1 = 2

α 0,05
= =0,025
k−1 3−1
Dengan menggunakan Ms Excel Zα/(k-1) = ABS(NORM.S.INV(0,025)) = 1,959963985

1. Lanjutan KW (C.E. Vulliamy vs Ellery Queen)

18∗19
√
= 1,959963985 (
12
1 1
) x ( + ¿ )=3,83655962¿
5 6

12√
2. Lanjutan KW(C.E. Vulliamy vs Hellen McCloy) = 1,959963985 ( 18∗19 1 1
) x ( + ¿)=3,587432372¿
5 7

√
3. Lanjutan KW(Ellery Queen vs Hellen McCloy) = 1,959963985 ( 18∗19
12
1 1
) x ( + ¿ )=3,238654224 ¿
6 7

Tabel Selisih Mean Rank

Ellery
  C.E. Vulliamy Queen Helen McCloy
C.E. Vulliamy   8,68 8,24
Ellery Queen     0,44
Hipotesis
1. H0: rank C.E. Vulliamy = rank Ellery Queen (ditolak)
H1: rank C.E. Vulliamy ≠ rank Ellery Queen
2. H0: rank C.E. Vulliamy = rank Helen McCloy (ditolak)
H1: rank C.E. Vulliamy ≠ rank Helen McCloy
3. H0: rank Ellery Queen = rank Helen McCloy (diterima)
H1: rank Ellery Queen ≠ rank Helen McCloy
Kesimpulan:

31
1. Karena selisih C.E. Vulliamy dengan Ellery Queen = 8,68 > 3,83655962, terdapat
perbedaan signifikan dalam jumlah kalimat di antara kedua penulis tersebut.
2. Karena selisih C.E. Vulliamy dengan Helen McCloy = 8,24 > 3,587432372, terdapat
perbedaan signifikan dalam jumlah kalimat di antara kedua penulis tersebut.
3. Karena selisih Ellery Queen dengan Helen McCloy = 0,44 < 3,238654224, tidak
terdapat perbedaan signifikan dalam jumlah kalimat di antara kedua penulis tersebut.

32
 14. Latihan Manova
Apakah ada perbedaan pengaruh dari
ketiga perlakuan baik secara simultan
maupun secara parsial?
Ket:

1. Kooperatif

2. Kontrol

3. PBL

H0 = μ1 = μ2 = μ3
H1 = minimal ada dua μ yang berbeda

Berdasarkan hasil pengujian Multivariate yang terdiri atas Pillai’s Trace, Wilks’ Lambda,
Hotteling’s Trace dan Roy’s Largest Toot, diketahui bahwa semua nilai Sig. 0,024, 0,011,
0,006, dan 0,001 berada di bawah 0,05. Sehingga:

 Keputusan: H0 ditolak
 Kesimpulan: Secara simultan, ketiga perlakuan pada kelompok Kooperatif, Kontrol,
dan PBL memberikan pengaruh yang berbeda secara signifikan terhadap
kemampuan kognitif, afektif, dan psikomotor

33
  Namun secara parsial, tabel Test of Between-Subject Effects menunjukkan bahwa
ketiga perlakuan hanya memberikan pengaruh yang berbeda secara signifikan
terhadap kemampuan kognitif dan afektif dengan nilai Sig. 0,001 dan 0,002 (< 0,05),
namun tidak terdapat perbedaan pengaruh signifikan terhadap kemampuan
psikomotor dengan nilai Sig. 0,399 (> 0,05). Sehingga uji post hoc Tukey hanya
dilakukan terhadap variate kognitif dan afektif.

Berdasarkan hasil uji Tukey di atas, baik pada variate kognitif maupun afektif, , terlihat
bahwa:

 terdapat perbedaan signifikan antara kelompok kooperatif dengan kelompok kontrol

 terdapat perbedaan signifikan antara kelompok PBL dengan kelompok kontrol,
namun
 tidak terdapat perbedaan signifikan antara kelompok kooperatif dan PBL

34
35