TUGAS METODOLOGI PENELITIAN JAGAR ERWIN RIZNANDO TAMBUNAN

23622029

1. Data Set A
Data Set A adalah Data Tinggi Badan (Body Height) menggunakan satuan (cm)
dari seluruh mahasiswa dan mahasiswi kelas dengan mata kuliah Metodologi
Penelitian. Data tersebut diperoleh ke dalam format excel dengan nama file
Tugas Metodologi Penelitian.
Di bawah ini adalah data console yang didapatkan untuk membuat Data Set A:

library(readxl)
> Tugas Metodologi Penelitian <- read_excel("Tugas Metodologi
Penelitian.xlsx")
> View(Tugas Metodologi Penelitian)
> library(readxl)
> Data_Set_A=Tugas Metodologi Penelitian[1:2]
> Data_Set_A
Gender Body Height (cm)
1 Male 205
2 Male 163
3 Male 165
4 Male 170
5 Male 167
6 Male 176
7 Male 172
8 Male 167
9 Male 169
10 Male 173
11 Male 170
12 Male 180
13 Male 167
14 Male 172
15 Male 168

# … with 75 more rows

# ℹ Use `print(n = ...)` to see more rows

2. Data Set B
Data Set B merupakan data Kecepatan Mengetik [Typing Speed(WPM)]dari
seluruh seluruh mahasiswa dan mahasiswi kelas dengan mata kuliah Metodologi
Penelitian.

> Data_Set_B=Tugas Metodologi Penelitian[,c(1,3)]

> Data_Set_B
# A tibble: 90 × 2
Gender `Typing speed(WPM)`
<chr> <dbl>
1 Male 59
2 Male 50
3 Male 54
4 Male 38
5 Male 44
6 Male 45
7 Male 33
8 Male 42
9 Male 41
10 Male 46
11 Male 40
12 Male 46
13 Male 52
14 Male 39
15 Male 32
TUGAS METODOLOGI PENELITIAN JAGAR ERWIN RIZNANDO TAMBUNAN
23622029

# … with 75 more rows

# ℹ Use `print(n = ...)` to see more rows

3. Angka-angka penting dari Data Set A dan Data Set B

Untuk mendapatkan angka-angka dari data Tinggi Badan dan Kecepatan
Mengetik masukkan perintah Summary dan dihasilkan data sebagai berikut:
> summary(Data_Set_A)
Gender:
Length:90
Class :character
Mode :character

Body Height (cm).

Min. :151.0
1st Qu.:165.0
Median :170.0
Mean :169.3
3rd Qu.:173.0
Max. :205.0

> summary(Data_Set_B)
Gender: Typing speed(WPM)
Length:90 Min. : 28.00
Class :character 1st Qu.: 38.00
Mode :character Median : 44.00
Mean : 48.66
3rd Qu.: 55.75
Max. :108.00

4. Visualize the Distribution of the Data

Memvisualisasikan data distribusi menggunakan histogram dan boxplot
dengan perintah dan hasil di bawah ini:
> Body_Height <- Data_Set_A$'Body Height(cm)'
> hist(`Body Height(cm)`)
TUGAS METODOLOGI PENELITIAN JAGAR ERWIN RIZNANDO TAMBUNAN
23622029

Typing_Speed <- Data_Set_B$`Typing speed (WPM)`

> hist(`Typing Speed (WPM)`)

> boxplot(Body_Height(cm),Typing_Speed(WPM), main="Data Set A &

Data Set B",names=c("Body Height(cm)","Typing Speed(WPM)"))

Dari hasil histogram dan boxplot di atas diketahui bahwa dari kedua data
masing-masing terdapat 3 outlayer.
TUGAS METODOLOGI PENELITIAN JAGAR ERWIN RIZNANDO TAMBUNAN
23622029

5. Quartile dan Quantile of The Data

Data Quartile didapat ketika proses perintah summary sehingga data
didapat sebagai berikut:
Body Height (cm)
1st Qu.:165.0
2nd Qu.: 44.00
3rd Qu.: 55.75

Typing Speed (WPM)

1st Qu.: 38.00
2nd Qu.: 44.00
3rd Qu.: 55.75

Agar mendapatkan data 0.1, 0.2, 0.8 dan 0.9 - Quantile memasukkan
perintah dan didapat hasil di bawah ini:
> quantile(Data_Set_A$`Body Height (cm)`, c(.10, .20, .80, .90))
10% 20% 80% 90%
160 164 174 179
> quantile(Data_Set_B$`Typing speed (WPM)`,c(.10, .20, .80, .90))
10% 20% 80% 90%
33 37 59 71

6. Agar bisa membandingkan distribusi data set A dengan rata-rata tinggi badan
orang Indonesia, dilakukan normalisasi dengan memasukkan perintah dan
mendapatkan hasil sebagai berikut:
> INDmean <- 151.7
> INDsd <- 6.5
> DisNormI <- rnorm(275600000,mean = INDmean, sd = INDsd)
> sd(Body_Height(cm)[1] 7.668743
> sd(Typing_Speed (WPM))[1] 15.27133
> t.test(Body_Height(cm),DisNormI,conf.level=0.95)

Welch Two Sample t-test data:

Body_Height(cm) and DisNormI

t = 21.744, df = 89, p-value < 2.2e-16
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
15.97106 19.18343
sample estimates:
mean of x mean of y
169.2778 151.7005

Dari hasil di atas disimpulkan bahwa tingi rata-rata seluruh mahasiswa dan
mahasiswi kelas dengan mata kuliah Metodelogi Penelitian di atas rata-rata
tinggi badan orang Indonesia. Dengan p-value < 0.05, dapat disimpulkan pula
bahwa analisa Tinggi Badan seluruh mahasiswa dan mahasiswi kelas dengan
mata kuliah Metodologi Penelitian menolak kesimpulan rata-rata tinggi badan
orang Indonesia.
H0≥ µ0 dimana p-value (2.2e- 16) dibawah nilai significant level 5% sehingga
nul hypothesis nya dapat ditolak.
TUGAS METODOLOGI PENELITIAN JAGAR ERWIN RIZNANDO TAMBUNAN
23622029

7. Untuk membandingkan distribusi data set B dengan rata-rata kecepatan

mengetik seluruh mahasiswa dan mahasiswi kelas dengan mata kuliah
Metodelogi Penelitian, dengan memasukkan perintah dan mendapatkan hasil
sebagai berikut:

> t.test(Typing_Speed(WPM),mu = 48.67, sd=15.27)

One Sample t-test

data: Typing_Speed(WPM)
t = -0.0020707, df = 89, p-value = 0.9984
alternative hypothesis: true mean is not equal to 48.67
95 percent confidence interval:
45.46815 51.86518
sample estimates:
mean of x
48.66667

H0 = µ0 dimana p-value (0.99) diatas nilai significant level 5% sehingga

nul hypothesis nya tidak dapat ditolak.

8. Correlation Data
Agar data tersebut memiliki korelasi, maka dimasukkan perintah
sebagai berikut:
> cor.test(Body_Height(cm),Typing_Speed(WPM))

Pearson's product-moment correlation

data: Body_Height(cm) and Typing_Speed(WPM)

t = 1.9856, df = 88, p-value = 0.05019
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
-1.691027e-05 3.971355e-01
sample estimates:
cor
0.2070749

Dari hasil di atas, diketahui bahwa nilai p-value= 0.05019 yang dapat
disimpulkan bahwa Tinggi Badan tidak memiliki korelasi dengan Kecepatan
mengetik (p-value > 0,01)

9. Differences
Agar mendapatkan perbedaan hasil data Kecepatan Mengetik laki-laki dan
perempuan, lakukan penyusunan data terlebih dahulu dengan perintah
sebagai berikut:
> arrange(Data_Set_B, Gender) %>% print(n=Inf)
> Female <- arrange(Data_Set_B, Gender)[(1:16),] %>% print(n=16)
> Male <- arrange(Data_Set_B, Gender)[(17:90),] %>% print(n=74)

Dari data di atas didapat bahwa jumlah mahasiswi perempuan yang mengisi
data adalah 16 orang mahasiswi dan laki-laki berjumlah 74 orang mahasiswa.
Dan untuk membandingkan perbedaannya, lakukan perintah Summary agar
mendapatkan perbandingan sebagai berikut:
TUGAS METODOLOGI PENELITIAN JAGAR ERWIN RIZNANDO TAMBUNAN
23622029

> mean(Male$`Typing speed(WPM)`)

[1] 49.62162
> summary(Female$`Typing speed(WPM)`)
Min. 1st Qu. Median Mean 3rd Qu. Max.
33.00 37.75 40.50 44.25 45.25 80.00
> summary(Male$`Typing speed(WPM)`)
Min. 1st Qu. Median Mean 3rd Qu. Max.
28.00 38.25 46.00 49.62 58.00 108.00
> boxplot(Female$`Typing speed(WPM)`,Male$`Typing
speed`,names=c("Female","Male"))