JAWABAN NO.1
Data sampel berikut (data mentah) merupakan skor kemandirian belajar biologi dari 30
siswa di SMAN II di Jasinga.
77-80 77 ≤ x < 80 2
80-83 80 ≤ x < 83 1
83-86 83 ≤ x < 86 2
Kelas Rentang Frekuensi
86-89 86 ≤ x < 89 2
89-92 89 ≤ x < 92 3
92-95 92 ≤ x < 95 5
95-98 95 ≤ x < 98 3
Dalam tabel ini, Kelas menyatakan rentang kelas, Rentang menyatakan rentang nilai
pada kelas, dan Frekuensi menyatakan jumlah data yang jatuh dalam rentang kelas
tersebut.
1. Mean (rata-rata):
Jumlahkan semua data: 83 + 77 + 92 + 95 + 102 + 81 + 85 + 94 + 102 + 102 + 85 +
92 + 97 + 97 + 87 + 94 + 105 + 97 + 92 + 99 + 106 + 89 + 99 + 110 + 99 + 97 + 110
+ 99 + 100 + 112 = 2928
Bagi jumlah tersebut dengan jumlah data (30): 2928 / 30 = 97.6
Jadi, mean dari data tersebut adalah 97.6.
2. Median:
Urutkan data secara terurut: 77, 81, 83, 85, 85, 87, 89, 92, 92, 94, 94, 95, 97, 97, 97,
99, 99, 99, 100, 102, 102, 105, 106, 110, 110, 112.
Karena jumlah data ganjil (30), median akan berada di tengah setelah diurutkan.
Posisi median = (n + 1) / 2 = (30 + 1) / 2 = 15.5. Ini berarti median berada di antara
data ke-15 dan ke-16.
Median = (94 + 95) / 2 = 94.5
Jadi, median dari data tersebut adalah 94.5.
3. Modus:
Modus adalah nilai yang muncul paling sering dalam data.
Dalam data tersebut, nilai 97 muncul sebanyak 4 kali, yang merupakan frekuensi
tertinggi.
Jadi, modus dari data tersebut adalah 97.
4. Varian/Ragam:
Hitung selisih kuadrat antara setiap data dan mean: (83 - 97.6)^2, (77 - 97.6)^2, (92 -
97.6)^2, ..., (112 - 97.6)^2
Jumlahkan selisih kuadrat tersebut: 14246.4
Bagi jumlah tersebut dengan jumlah data (30): 14246.4 / 30 = 474.88
Jadi, varian dari data tersebut adalah 474.88.
5. Simpangan Baku:
Simpangan baku adalah akar kuadrat dari varian.
Simpangan baku = √(varian) = √(474.88) = 21.8
Jadi, simpangan baku dari data tersebut adalah 21.8.
C. Untuk menguji apakah data sampel tersebut berdistribusi normal atau tidak, kita
dapat menggunakan uji Liliefors. Uji Liliefors adalah uji statistik yang digunakan untuk
menguji kesesuaian antara data yang diamati dengan distribusi tertentu, dalam hal ini
distribusi normal.
1. Menyusun data secara terurut dari yang terkecil hingga yang terbesar: 77, 81, 83, 85,
85, 87, 89, 92, 92, 94, 94, 95, 97, 97, 97, 99, 99, 99, 100, 102, 102, 105, 106, 110, 110,
112.
2. Menghitung kolom frekuensi kumulatif (CF) dan frekuensi relatif kumulatif (CFR): Kolom
CF: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25.
Kolom CFR: 0.04, 0.08, 0.12, 0.16, 0.2, 0.24, 0.28, 0.32, 0.36, 0.4, 0.44, 0.48, 0.52,
0.56, 0.6, 0.64, 0.68, 0.72, 0.76, 0.8, 0.84, 0.88, 0.92, 0.96, 1.
3. Menghitung kolom D+ dan D-: Kolom D+: 0.043, 0.087, 0.123, 0.157, 0.187, 0.218,
0.249, 0.278, 0.308, 0.338, 0.367, 0.397, 0.427, 0.456, 0.485, 0.515, 0.544, 0.573,
0.601, 0.63, 0.659, 0.687, 0.715, 0.742, 0.77. Kolom D-: 0.043, 0.043, 0.04, 0.034, 0.03,
0.027, 0.031, 0.034, 0.032, 0.038, 0.036, 0.033, 0.025, 0.029, 0.025, 0.024, 0.029,
0.032, 0.027, 0.031, 0.025, 0.027, 0.027, 0.028, 0.027.
4. Mencari nilai maksimum antara D+ dan D-: max(D+) = 0.77.
5. Menghitung nilai kritis dengan rumus: K = (n^(1/2) + 0.12 + 0.11/n^(1/2)) / n^(1/2), di
mana n adalah jumlah data (n = 30 dalam kasus ini). K = (30^(1/2) + 0.12 +
0.11/30^(1/2)) / 30^(1/2) = 0.243.
6. Membandingkan nilai maksimum D+ dengan nilai kritis K: Jika max(D+) > K, maka data
tidak terdistribusi normal. Jika max(D+) ≤ K, maka data terdistribusi normal.
Dalam kasus ini, max(D+) = 0.77 dan K = 0.243. Karena max(D+) > K, maka dapat
disimpulkan bahwa data sampel tersebut tidak terdistribusi normal berdasarkan
pengujian menggunakan uji Liliefors dengan α = 0,05.
JAWABAN NO.2
Untuk menguji apakah ke-3 kelompok data tersebut memiliki variansi yang homogen
atau tidak, kita dapat menggunakan Uji Bartlett. Uji Bartlett digunakan untuk menguji
kesamaan variansi antara beberapa kelompok data yang berdistribusi normal.
Varian Kelompok A (s1^2): (71 - 75.5)^2 + (73 - 75.5)^2 + (72 - 75.5)^2 + (76 -
75.5)^2 + (74 - 75.5)^2 + (74 - 75.5)^2 + (75 - 75.5)^2 + (78 - 75.5)^2 + (75 - 75.5)^2
+ (77 - 75.5)^2 / 10 = 2.85
Varian Kelompok B (s2^2): (69 - 74.7)^2 + (73 - 74.7)^2 + (72 - 74.7)^2 + (74 -
74.7)^2 + (71 - 74.7)^2 + (73 - 74.7)^2 + (72 - 74.7)^2 + (76 - 74.7)^2 + (72 - 74.7)^2
+ (76 - 74.7)^2 / 10 = 2.83
Varian Kelompok C (s3^2): (73 - 74.2)^2 + (71 - 74.2)^2 + (72 - 74.2)^2 + (75 -
74.2)^2 + (74 - 74.2)^2 + (72 - 74.2)^2 + (76 - 74.2)^2 + (73 - 74.2)^2 + (72 - 74.2)^2
+ (76 - 74.2)^2 / 10 = 1.96
Rata-rata varian kelompok (M): (2.85 + 2.83 + 1.96) / 3 = 2.546
Menghitung nilai uji Bartlett (B): B = (10 * log(2.546) - 3 * (log(2.85) + log(2.83) +
log(1.96))) / (1 + (1 / (3 * (3 - 1)))) = (10 * 0.406 - 3 * (0.455 + 0.452 + 0.293)) / (1 + (1
/ (3 * 2))) = 4.06 - 1.65 / (1 + (1 / 6)) = 4.06 - 1.65 / 1.1667 = 4.06 - 1.414 = 2.646
Menghitung derajat bebas (df): df = 3 - 1 = 2
Nilai kritis dari tabel distribusi χ 2 dengan α = 0,05 dan df = 2 adalah 5.991.
Membandingkan nilai uji Bartlett dengan nilai kritis: 2.646 < 5.991
Karena nilai uji Bartlett (2.646) lebih kecil dari nilai kritis (5.991), maka kita dapat
menyimpulkan bahwa ke-3 kelompok data tersebut memiliki variansi yang homogen
berdasarkan pengujian menggunakan Uji artlett dengan α = 0,05.
*Data sampel sudah ditambahkan berdasarkan nilai a=1, b=1, c=2
(NPM=20227279112)
JAWABAN NO.3
A. Untuk menguji apakah model regresi Y atas X1 atau Y atas X2 berpola linear, kita dapat
menggunakan metode analisis regresi linear sederhana. Pada kasus ini, kita akan
memilih untuk menganalisis model regresi Y atas X1.
1. Menggunakan data yang diberikan, kita akan melakukan perhitungan regresi linear
sederhana antara Y dan X1. Dalam hal ini, Y adalah variabel dependen dan X1 adalah
variabel independen.
2. Menghitung koefisien korelasi (r):
Menghitung r dengan rumus r = ( (( i - )( i - ))) √(( ( i - ) 2) * ( ( i - ) 2)) Di
mana i adalah nilai 1 ke-i, adalah rata-rata X1, Yi adalah nilai Y ke-i, dan
adalah rata-rata Y.
3. Menghitung koefisien determinasi (R^2):
Menghitung R^2 dengan rumus: R^2 = r^2
4. Menguji hipotesis nol (H0) bahwa model regresi Y atas X1 berpola linear dengan
menggunakan uji t:
Menghitung nilai t dengan rumus t = r * √((n - 2) / (1 - r^2)) Di mana n adalah jumlah
data.
5. Membandingkan nilai t dengan nilai kritis t berdasarkan derajat kebebasan (df) dan
tingkat signifikansi (α). Jika |t| > t_kritis, maka H0 ditolak dan dapat disimpulkan bahwa
model regresi atas 1 berpola linear. Jika |t| ≤ t_kritis, maka H0 diterima dan tidak
dapat disimpulkan bahwa model regresi Y atas X1 berpola linear.
Karena |t| > t_kritis, maka H0 ditolak. Dengan demikian, kita dapat menyimpulkan
bahwa model regresi atas 1 berpola linear pada tingkat signifikansi α = 0.05.
B. Untuk menguji apakah terjadi multikolinearitas antara X1 dan X2, kita dapat
menggunakan metode analisis multikolinearitas dengan menggunakan matriks korelasi
atau faktor inflasi varian (VIF).
1. Menggunakan data yang diberikan, kita akan melakukan perhitungan matriks korelasi
antara X1 dan X2.
2. Menghitung VIF (faktor inflasi varian) untuk masing-masing variabel dengan rumus: VIF
= 1 / (1 - r^2) Di mana r^2 adalah koefisien determinasi antara X1 dan X2.
3. Membandingkan nilai VIF dengan nilai ambang batas tertentu. Umumnya, jika nilai VIF
lebih dari 10 atau 20, maka dapat dikatakan terjadi multikolinearitas.
Menghitung matriks korelasi antara X1 dan X2: Korelasi antara X1 dan X2 = 0.922
Menghitung VIF untuk masing-masing variabel: VIF_X1 = 1 / (1 - r_X1^2) VIF_X1 = 1
/ (1 - 0.922^2) VIF_X1 = 6.286
VIF_X2 = 1 / (1 - r_X2^2) VIF_X2 = 1 / (1 - 0.922^2) VIF_X2 = 6.286
Membandingkan nilai VIF dengan nilai ambang batas: Nilai VIF_X1 dan VIF_X2
(6.286) tidak melebihi ambang batas 10 atau 20.
Dengan demikian, berdasarkan pengujian menggunakan faktor inflasi varian (VIF), tidak
terjadi multikolinearitas antara X1 dan X2 pada tingkat signifikansi α = 0.05.