Analisis Data
Analisis Data
NILAI
N Valid 10
Missing 10
Mean 77,30
Analisis Deskriptif Median 78,00
Menggunakan Mode 78
Aplikasi SPSS Std. Deviation 8,820
Variance 77,789
Range 30
Minimum 60
Maximum 90
GRAFIK
Bar Charts Pie Charts
NILAI
NILAI 60
3,5 70
74
3,0
75
2,5
2,0
Undefined error #607 78
1,5
1,0
80
,5 90
0,0
60 70 74 75 78 80 90 Histogram
NILAI
NILAI 5
1
Std. Dev = 8,82
Mean = 77,3
0 N = 10,00
60,0 65,0 70,0 75,0 80,0 85,0 90,0
NILAI
ANALISIS INFERENSIAL
-Korelasi
Parametrik Pearson
-U ji t
Asumsi dll
Inferensial
-Spearman
-Wilcoxon
Non
-dll
Parametrik
ANALISIS DATA
Paramatrik: prosedur ini dapat digunakan bila asumsi-
asumsi parametrik terpenuhi.
Asumsi:
1. Data harus berdistribusi normal
2. Data minimal interval
3. Homogen
4. Linear
5. Random (dipilih secara acak)
Non Parametrik: prosedur ini digunakan bila asumsi
tersebut tidak terpenuhi/ tanpa menggunakan asumsi
statistik
ANALISIS INFERENSIAL
Parametrik:
- kelebihan: kesimpulan yang dihasilkan lebih kuat
dan akurat.
-Kelemahannya: data harus memenuhui asumsi-
asumsi parametrik dan jumlah sampel > 30
Non Parametrik:
-kelemahan: kesimpulan yang dihasilkan lebih
lemah dari parametrik
-Kelebihan: semua data dapat dianalisis dan dapat
digunakan pada sampel sedikit
ALUR ANALISIS DATA
mulai
Nominal/ordinal
Interval/rasio Tipe
data
> 30 <30
parametrik Jumlah
data
Bisa pakai uji t
Jika distribusi populasi
(Santoso, 2001:7) pasti normal
ANALISIS INFERENSIAL
Normalitas
Korelasi
Linearitas
Uji Asumsi
Normalitas
Perbedaan
Homogenitas
KORELASI PEARSON (r)
2. Uji Asumsi
- Normalitas : apakah variabel terdistribusi
normal (one-sample Kolmogorov-Smirnov
Tes )
- Normal : P> 0,05
- Linearitas : apakah hubungan variabel
linear/searah (Regression)
- linear: P < 0,05
APLIKASI SPSS
Uji Normalitas
Analyze----non parametrik test---1 sampel KS
Masukkan variabel ke kotak : test variabel list
Klik : Normal
Ok
Sig > 0.05 normal
Sig < 0.05 Tidak Normal
UJI NORMALITAS
UJI NORMALITAS
One-Sam ple Kol mogorov-Smirnov Te st
PERSEPSI KCEMASAN
N 80 80
Normal Parametersa,b Mean 10.0750 83.6250
St d. Deviation 4.44595 10.05476
Most Extreme Absolute .130 .046
Differences Positive .105 .044
Negat ive -.130 -.046
Kolmogorov-Smirnov Z 1.163 .409
As ymp. Sig. (2-tailed) .134 .996
a. Test distribution is Normal.
b. Calculated from data.
Sum of
Model Squares df Mean Square F Sig.
1 Regression 683,476 1 683,476 7,954 ,008a
Residual 3265,299 38 85,929
Total 3948,775 39
a. Predictors: (Constant), kepercayaan terhadap dosen
b. Dependent Variable: Motivasi Belajar
ANOVA Table
Sum of
Squares df Mean Square F Sig.
Motivasi Belajar Between (Combined) 2136,742 24 89,031 ,737 ,755
* kepercayaan Groups Linearity 683,476 1 683,476 5,658 ,031
terhadap dosen Deviation from Linearity 1453,266 23 63,185 ,523 ,921
Within Groups 1812,033 15 120,802
Total 3948,775 39
keperc ayaan
terhadap Motivasi
dosen Belajar
keperc ayaan Pears on Correlation 1 ,416**
terhadap dosen Sig. (2-tailed) . ,008
N 40 40
Motivasi Belajar Pears on Correlation ,416** 1
Sig. (2-tailed) ,008 .
N 40 40
**. Correlation is significant at the 0.01 level (2-tailed).
UJI HIPOTESIS
Perbedaan
Langkah:
Analyze
Compare mean
Independent sample T test
Masukkan variabel Y ke: kotak Tes variabel
Klik dan pindah variabel X (dikotomi) ke lotak :Grouping
Variabel
Klik Define Variabel
Masukkan angka (sesuai dengan nilai label )
Ok
HASIL
Independent Samples Test