Dosen Pengampu:
Oleh:
KELAS A13
PROGRAM STUDI PENDIDIKAN MATEMATIKA
JURUSAN MATEMATIKA
UNIVERSITAS NEGERI MAKASSAR
TAHUN 2023-2024
Tugas 1 Resume Materi kelompok 4 sampai 9
KELOMPOK 4
UJI PERBANDINGAN INDEPENDENT SAMPLE T-TEST DAN
NORMALISASI N-GAIN
Kelebihan :
Kekurangan :
• Tidak bisa menguji kelompok yang sama dan pada sampel pada jumlah
sedikit;
Asumsi-asumsi :
Analisis Variansi (ANOVA) adalah suatu teknik statistik yang digunakan untuk
membandingkan rata-rata dari tiga kelompok atau lebih dalam suatu eksperimen.
Berikut adalah tujuan dan asumsi utama dari ANOVA:
Analisis korelasi adalah teknik statistik yang digunakan untuk mengukur hubungan
antara dua atau lebih variabel. Tujuannya adalah untuk memahami apakah ada
hubungan statistik yang signifikan antara variabel-variabel tersebut. Berikut adalah
tujuan dan asumsi utama analisis korelasi:
• Tujuan utama analisis korelasi adalah untuk mengukur sejauh mana dua atau
lebih variabel terkait atau berkorelasi satu sama lain. Dengan kata lain,
apakah perubahan dalam satu variabel berkaitan dengan perubahan dalam
variabel lain.
• Analisis korelasi dapat membantu dalam mengidentifikasi pola-pola
hubungan antara variabel-variabel tersebut. Ini bisa digunakan untuk
menjelaskan atau memprediksi perilaku variabel terkait.
Analisis regresi linear sederhana adalah teknik statistik yang digunakan untuk
memahami dan memodelkan hubungan antara dua variabel, yaitu variabel
independen (penjelas) dan variabel dependen. Analisis regresi linear sederhana
untuk mengetahui pengaruh satu variable bebas terhadap variable terikat/dependen.
KELOMPOK 8
ANALISIS REGRESI LINEAR BERGANDA
Analisis regresi linear berganda adalah teknik statistik yang digunakan untuk
memahami hubungan antara satu variabel dependen dan dua atau lebih variabel
independen. Tujuannya adalah untuk memodelkan hubungan linier antara variabel-
variabel ini dan memprediksi atau menjelaskan variasi dalam variabel dependen.
Berikut adalah tujuan dan asumsi utama analisis regresi linear berganda:
KELOMPOK 9
ANALISIS JALUR
Analisis jalur merupakan perluasan dari model regresi. Analisis jalur dikembangkan
sebagai metode untuk mempelajari pengaruh (efek) secara langsung dan secara
tidak langsung dari variable bebas terhadap variable tergantung. Analisis ini
merupakan metode untuk menerangkan dan mencari hubungan kausal antar
variable. Analisis jalur adalah sebuah metode untuk mempelajari pengaruh
langsung (direct effect) dan pengaruh tidak langsung (indirect effect) suatu peubah
terhadap peubah lainnya. Dalam Analisis Jalur dikenal istilah variabel eksogen dan
variabel endogen. Variabel eksogen atau variabel yang “memengaruhi” adalah
variabel yang variasinya diasumsikan terjadi bukan karena sebab sebab dalam
model. Sedangkan variabel endogen atau variabel yang “dipengaruhi” adalah
variabel yang variasinya terjelaskan oleh variabel eksogen ataupun variabel
endogen lain dalam model.
Tujuan Analisis Jalur adalah :
• Peubah peubah sisaan (residual) dalam model tidak saling berkorelasi, dan
tidak berkorelasi dengan peubah peubah yang mendahuluinya.
• Hanya ada hubungan kausal satu arah dalam model dan tidak boleh adanya
hubungan dua arah
Tugas 2 Mencari dan menguji data terkait dengan uji independent
sampel T test!
Contoh soal :
1 52 64
2 68 68
3 65 76
4 83 83
5 80 58
6 59 84
7 60 73
8 78 82
9 81 67
10 74 68
∑ 700 723
Penyelesaian :
H0 = 𝜇1 = 𝜇2
H1 = 𝜇1 ≠ 𝜇2
4. Kaidah pengujian
Tabel Penolong
1 52 64 324 64
2 68 68 4 16
3 65 76 25 16
4 83 81 169 81
5 80 58 100 196
6 59 84 121 144
7 60 72 100 0
8 78 82 64 100
9 81 67 121 25
10 74 68 16 16
n1,2 = 10, Ẋ1 = 70 Ẋ2 = 72 - -
∑(𝑋₁−Ẋ₁)² 1044
• S12 = = = 116
𝑛₁−1 9
∑(𝑋₂−Ẋ₂)² 658
• S22 = = = 73.1
𝑛₂−1 9
70−72
Thitung =
(10−1)116+(10−1)73.1 1 1
√ 10+10−2 ( + )
10 10
−2
Thitung = = −0.105
18.91
db = n – 2 = 20 – 2 =18
4 Menarik kesimpulan :
Thitung = −0.105
Ttabel = 2.101
Thitung < Ttabel maka H0 diterima sehingga tidak ada perbedaan rata-rata nilai
ujian antara kedua kelas tersebut.
2 Tekan “Variable View.” Masukkan kelas dan nilai pada kolom “Name” dan
pada kolom label untuk “kelas” masukkan jenis kelas sementara “nilai”
masukkan nilai ulangan
3 Pada kolom “values” masukkan dua jenis kelas yakni kelas A11 dan A12.
Lalu tekan ok.
4 Tekan “Data View” untuk memasukkan data yang akan diuji independent
sampel t-test. Apabila datanya sudah dimasukkan maka tampilannya seperti
dibawah.
5 Tekan “Analyze”, pilih “Compare Mean” dan “Independent Sampel T
Test”
6 Akan muncul jendela seperti dibawah ini. Pada kolom “Test Variable”
masukkan nilai ulangan sedangkan pada “Grouping Variable” masukkan
kelas.
8 Klik “options” lalu akan tampil jendela seperti dibawah. Pada “Confidence
Interval Percentage” pastikan bernilai 95% lalu tekan “Exclude Cases
Analysis By Analysis.” Tekan “Continue” dan ok.
9 Maka muncul output seperti dibawah.
10 Menarik kesimpulan
• Pada kolom “Group Statistic” terlihat rata-rata nilai A11 adalah 70
sedangkan A12 adalah 72.
• Pada kolom independent sampels test lihat kolom sig (2-tailed)
Nilai sig. (2-tailed) 0.651 > 0.05 maka H0 diterima sehingga tidak
terdapat perbedaan nilai rata-rata kedua kelas.
Tugas 3 Mencari Dan Menganalisis Data Sesuai Keinginan (Analisis Varians)
Contoh soal:
Pertanyaan :
Penyelesaian :
MSB = 𝑆𝑆𝐵 = 20 = 20
𝐵−1 1
Gender 20 1 20 9.81
Error 37 18 2.06
Total 59.25 23
7. Kesimpulan :
Perlakuan 1 for gender
F hitung = 9.81
Ftabel = 3.55
F hitung > F table maka H0 ditolak sehingga jenis kelamin berpengaruh
signifikan terhadap nilai yang diperoleh
Perlakuan 2 for noise
F hitung = 48.73
F tabel = 4.41
F hitung > F table maka H0 ditolak sehingga kebisingan berpengaruh
signifikan tehadap niliai yang diperoleh
Perlakuan 3 for interaction between noise and gender
F hitung = 3.97 > Ftabel = 3.55 maka H0 ditolak sehingga jenis kelamin
yang berbeda berperilaku berbeda terhadap kebisingan.
Langkah-Langkah Analisis ANOVA Dengan SPSS
2. Setelah terbuka, tekan “Variable View” dan masukkan nama variabel pada
kolom “name” seperti : jenis kelamin dan kebisingan. Pada kolom “label”
masukkan : jenis kelamin pada baris “jenis kelamin” dan tangka kebisingan
pada baris “kebisingan” seperti gambar dibawah ini.
3. Pada baris jenis kelamin, tekan “Value” untuk memasukkan jenis kelamin
yaitu laki-laki dan Perempuan. Untuk membedakannya, berikan angka
untuk kedua jenis kelamin seperti gambar dibawah. Lalu tekan Ok.
4. Begitu pula dengan baris kebisingan, tekan kolom “Value” dan masukkan
tingkat kebisingan seperti rendah, sedang, dan tinggi seperti tampilan
dibawah ini. Lalu tekan Ok.
5. Setelah itu, tekan “View Data” untuk memasukkan data-data yang akan
dianalisis secara Anova.
6. Setelah memasukkan data, tekan “Analyze”. Akan tampil opsi, lalu tekan
“General Linear Model” lalu “Univariate”
7. Pada kolom “Dependent Variable” masukkan Hasil nilai, sedangkan pada
kolom “Fixer Factor” masukkan dua faktor yang diketahui yakni: jenis
kelamin dan tingkat kebisingan. Lalu tekan “Save”.
8. Pada menu “Residual” centang “Standardized” lalu tekan “Continue” dan
tekan Ok.
9. Maka output dari analisis Anova seperti dibawah. Untuk menarik
kesimpulan maka kita bisa lihat hasil signifikansi pada “Tests of Between-
Subjects Effects” pada baris metode, matkul dan Metode*Matkul karena
terdapat dua faktor.
10. Kesimpulan :
Perlakuan 1 untuk jenis kelamin
Nilai sif < 0.05 maka H0 ditolak sehingga jenis kelamin berpengaruh
signifikan terhadap nilai yang diperoleh.
Perlakuan 2 untuk kebisingan
Nilai sig < 0.05 maka H0 ditolak sehingga kebisingan berpengaruh
signifikan tehadap niliai yang diperoleh.
Perlakuan 3 for interaction between noise and gender
Nilai sig > 0.05 maka H0 diterima tidak terdapat pengaruh antara jenis
kelamin dan kebisingan.