Analisis Data Eksploratif.docx
-
Upload
belikat-usang -
Category
Documents
-
view
29 -
download
0
description
Transcript of Analisis Data Eksploratif.docx
-
5/19/2018 Analisis Data Eksploratif.docx
1/31
UJI NORMALITAS DISTRIBUSI 1
A. DASAR TEORI
1. Uji Chi-Square
a. Kegunaan & Karakteristik ChiSquareDigunakan pada data yang telah dikelompokkan dalam tabel distribusi frekuensi.
Uji Chi-Kuadrat baik digunakan untuk data kategorial, data diskrit, atau data
nominal/ordinal.
Uji Chi-Kuadrat juga dapat digunakan untuk melakukan tes kenormalan terhadap
distribusi data (sebaran data).
Prinsip uji Chi-Kuadrat adalah membandingkan antara data dengan kurva normal.
Persentase Luas Kurva Normal
Batas Luas (%) Luas Dibulatkan
+2s ke atas : 2.15 2
+1s hingga +s : 13.59 14
Mean hingga +1s : 34.13 34
-1s hingga mean : 34.13 34
-2s hingga -1s : 13.59 14
2s ke bawah : 2.15 2
b. Rumus Chi-Square
[( ) ]Di mana:
2: Nilai chi-kuadrat
fe: Frekuensi yang diharapkan
fo: Frekuensi yang diperoleh/diamati
2. Uji Liliefors
a. Hipotesis : H0 : Sampel berasal dari distribusi Normal
H1: Sampel tidak berasal dari distribusi Normal
b. Langkah-Langkah :
-
5/19/2018 Analisis Data Eksploratif.docx
2/31
1)Pengamatan x1, x2,...xndijadikan bilangan baku z1,z2,...zn dengan rumus: 2)Untuk setiap bilangan baku yang diperoleh hitung nilai peluang berdasarkan tabel
distribusi normal baku F(zi) = P(z nilai Ltabel.
3. KS (Kolmogorov Smirnov)
Gambaran yang menarik dari tes ini adalah distribusi dari statistik uji KS itu sendiri tidak
tergantung pada fungsi distribusi komulatif yang mendasari pengujian. Kelebihan lainnya
yaitu ketika sebuah tes eksak (Uji keselarasan chi-kuadrat tergantung pada ukuran sampelyang memadai untuk perkiraan yang akan berlaku). Selain memiliki beberapa kelebihan
tersebut, Uji KS juga memiliki beberapa keterbatasan (kelemahan) yang cukup penting
untuk diketahui, yaitu:
1. Hanya berlaku untuk distribusi kontinu.2. Uji KS cenderung lebih sensitif di dekat pusat distribusi daripada di ekor (ujung).3. Mungkin keterbatasan yang paling serius yaitu distribusinya harus benar-benar
ditentukan. Artinya, jika lokasi, skala, dan bentuk parameter diperkirakan dari data,
daerah kritis dari pengujian KS tidak lagi berlaku. Biasanya harus ditentukan dengan
simulasi.
Uji Statistik: Uji statistik Kolmogorov Smirnov didefinisikan sebagai:
(() ())
Dengan F adalah distribusi kumulatif teoretis dari distribusi yang
sedang diuji yang harus berdistribusi kontinu (tidak ada masalah
seperti distribusi diskrit binomial atau Poisson), dan harus
sepenuhnya ditentukan (yaitu, lokasi, skala, dan bentuk parameter
tidak dapat diperkirakan dari data).
Taraf Signifikansi: = 0,05
Nilai Kritis: Hipotesis mengenai bentuk distribusi ditolak jika uji statistik, D,adalah lebih besar daripada nilai kritis yang diperoleh dari tabel. Ada
beberapa variasi tabel ini dalam literatur yang menggunakan skala
agak berbeda untuk statistik uji KS dan daerah-daerah kritis.
Rumusan alternatif ini harus setara, tetapi diperlukan untuk
memastikan bahwa uji statistik dihitung dengan cara yang konsisten
dengan bagaimana nilai-nilai kritis dalam tabel.
B. PERMASALAHAN
Mengaplikasikan secara manual dan spss:
1. Uji Normalitas Distribusi Normal Chi Kuadrat2. Uji Normalitas Distribusi Normal Liliefors
3. KS (Kolmogorov Smirnov)
C. PEMBAHASAN
-
5/19/2018 Analisis Data Eksploratif.docx
3/31
Apakah distribusi frekuensi Data tabel 1. Dibawah ini mengikuti pola distribusi normal?
Tabel 1. Data hasil belajar statistika
4 9 25 36 36 36 49 64 64 81 81 81 81
9 25 25 36 36 36 53 64 64 81 81 81 81
9 25 36 36 36 36 64 64 64 81 81 81 100
9 25 36 36 36 49 64 64 81 81 81 81 100
9 25 36 36 36 49 64 64 81 81 81 81 100
1. Uji normalitas Chi Kuadrat.
Hipotesis : H0:f0 distribusi sampel= fh distribusi teoritik
H1:f0 distribusi sampel fh distribusi teoritik
Tabel 2
Persentase Luas Kurva NormalBatas Luas (%) Luas Dibulatkan
+2s ke atas : 2.15 2
+1s hingga +s : 13.59 14
Mean hingga +1s : 34.13 34
-1s hingga mean : 34.13 34
-2s hingga -1s : 13.59 14
2s ke bawah : 2.15 2
Tabel 3
Batas Interval
Batas Interval
+2s ke atas : 106,70 132,99
+1s hingga +s : 80,41 106,70
Mean hingga +1s : 54,12 80,41
-1s hingga mean : 27,83 54,12
-2s hingga -1s : 1,55 27,83
2s ke bawah : -24,74 1,55
Mean : 54,12308 s 26,29
Tabel 4
Data Luas Kurva Normal
Tes hasil
belajarf0 fh f0-fh (f0-fh)
2 (f0-fh)2/fh
104-88 3 1,3 1,7 2,89 2,22
87-71 19 9,1 9,9 98,01 10,7770-54 11 22,1 -11,1 123,21 5,58
-
5/19/2018 Analisis Data Eksploratif.docx
4/31
53-37 4 22,1 -18,1 327,61 14,82
36-20 22 9,1 12,9 166,41 18,29
19-3 6 1,3 4,7 22,09 16,99
Jumlah 65 65 68,67
a. Bandingkan dengan nilai tabel , dk = fh -1 = 6 1 = 5, = 5%, diperoleh tabelsebesar 11,070 (sesuai dengan tabel L.5 Ronald E. Wapold, Pengantar statistic dan
Lampiran A-7 Yusuf Wibisono, Metode Statistik). Nilai hasil hitungan sebesar68,67.
b. Keputusan pengujian hipotesis.H0ditolak dan H1 diterima karena
hasil hitungan (68,67) > dari tabel (11,070).Artinya distribusi sampel tidak sama dengan distribusi teoritik atau sampel tidak
terdistribusi secara normal.
2. Uji normalitas distribusi Liliefors.
a. Hipotesis : H0 : Sampel berasal dari distribusi Normal
H1: Sampel tidak berasal dari distribusi Normal
b. Langkah-Langkah :
1)Pengamatan x1, x2,...xndijadikan bilangan baku z1,z2,...zn dengan rumus:
Tabel 5
Data Hasil Zi
Xi Zi Xi Zi Xi Zi Xi Zi Xi Zi
4,00 -1,91 36,00 -0,69 36,00 -0,69 64,00 0,38 81,00 1,02
9,00 -1,72 36,00 -0,69 36,00 -0,69 64,00 0,38 81,00 1,02
9,00 -1,72 36,00 -0,69 49,00 -0,19 64,00 0,38 81,00 1,02
9,00 -1,72 36,00 -0,69 49,00 -0,19 64,00 0,38 81,00 1,02
9,00 -1,72 36,00 -0,69 49,00 -0,19 81,00 1,02 81,00 1,02
9,00 -1,72 36,00 -0,69 53,00 -0,04 81,00 1,02 81,00 1,02
25,00 -1,11 36,00 -0,69 64,00 0,38 81,00 1,02 81,00 1,02
25,00 -1,11 36,00 -0,69 64,00 0,38 81,00 1,02 81,00 1,02
25,00 -1,11 36,00 -0,69 64,00 0,38 81,00 1,02 81,00 1,02
25,00 -1,11 36,00 -0,69 64,00 0,38 81,00 1,02 81,00 1,02
25,00 -1,11 36,00 -0,69 64,00 0,38 81,00 1,02 100,00 1,75
25,00 -1,11 36,00 -0,69 64,00 0,38 81,00 1,02 100,00 1,75
36,00 -0,69 36,00 -0,69 64,00 0,38 81,00 1,02 100,00 1,75
-17,83 -8,96 0,62 10,70 15,46
235 -17,825 468,00 -8,96 720,00 0,62 985,00 10,70 1110,00 15,46
Total 3518,00
Mean 54,12
Std 26,29
2)Untuk setiap bilangan baku yang diperoleh hitung nilai peluang berdasarkan tabeldistribusi normal baku F(zi) = P(z
-
5/19/2018 Analisis Data Eksploratif.docx
5/31
-1,91 0,03 -0,69 0,25 -0,69 0,25 0,38 0,65 1,02 0,85
-1,72 0,04 -0,69 0,25 -0,69 0,25 0,38 0,65 1,02 0,85
-1,72 0,04 -0,69 0,25 -0,19 0,42 0,38 0,65 1,02 0,85
-1,72 0,04 -0,69 0,25 -0,19 0,42 0,38 0,65 1,02 0,85
-1,72 0,04 -0,69 0,25 -0,19 0,42 1,02 0,85 1,02 0,85
-1,72 0,04 -0,69 0,25 -0,04 0,48 1,02 0,85 1,02 0,85-1,11 0,13 -0,69 0,25 0,38 0,65 1,02 0,85 1,02 0,85
-1,11 0,13 -0,69 0,25 0,38 0,65 1,02 0,85 1,02 0,85
-1,11 0,13 -0,69 0,25 0,38 0,65 1,02 0,85 1,02 0,85
-1,11 0,13 -0,69 0,25 0,38 0,65 1,02 0,85 1,02 0,85
-1,11 0,13 -0,69 0,25 0,38 0,65 1,02 0,85 1,75 0,96
-1,11 0,13 -0,69 0,25 0,38 0,65 1,02 0,85 1,75 0,96
-0,69 0,25 -0,69 0,25 0,38 0,65 1,02 0,85 1,75 0,96
-17,83 1,29 -8,96 3,19 0,62 6,77 10,70 10,21 15,46 11,35
3)Selanjutnya dihitung proporsi z1, z2,..znyang lebih kecil atau sama dengan zi, jika proporsiini dinyatakan oleh S(zi), maka S(zi) = (banyak z1,z2,...zn< zi)/n
Tabel 7
Data Hasil S(Zi)
Xi S(Zi) Xi S(Zi) Xi S(Zi) Xi S(Zi) Xi S(Zi)
4,00 0,015 36,00 0,431 36,00 0,431 64,00 0,662 81,00 0,815
9,00 0,092 36,00 0,431 36,00 0,431 64,00 0,662 81,00 0,831
9,00 0,092 36,00 0,431 49,00 0,446 64,00 0,662 81,00 0,846
9,00 0,092 36,00 0,431 49,00 0,462 64,00 0,662 81,00 0,862
9,00 0,092 36,00 0,431 49,00 0,477 81,00 0,677 81,00 0,877
9,00 0,092 36,00 0,431 53,00 0,492 81,00 0,692 81,00 0,892
25,00 0,185 36,00 0,431 64,00 0,662 81,00 0,708 81,00 0,908
25,00 0,185 36,00 0,431 64,00 0,662 81,00 0,723 81,00 0,923
25,00 0,185 36,00 0,431 64,00 0,662 81,00 0,738 81,00 0,938
25,00 0,185 36,00 0,431 64,00 0,662 81,00 0,754 81,00 0,954
25,00 0,185 36,00 0,431 64,00 0,662 81,00 0,769 100,00 0,969
25,00 0,185 36,00 0,431 64,00 0,662 81,00 0,785 100,00 0,985
36,00 0,431 36,00 0,431 64,00 0,662 81,00 0,800 100,00 1,000
235,00 2,015 468,00 5,600 720,00 7,369 985,00 9,292 1110,00 11,800
Total 3518,00
4)Hitung selisih F(zi)S(zi), kemudian tentukan harga mutlaknya.
Lihat Tabel 8. Data Hasil selisih F(zi)S(zi).
-
5/19/2018 Analisis Data Eksploratif.docx
6/31
5)Carilah nilai L0, yaitu harga mutlak terbesar dari harga mutlak-harga mutlak yang telahdiperoleh.
Didapat L0=0,185
6)Dengan mengambil nilai signifikan 5% atau 1 %, maka bandingkan nilai L0dengan nilai Lpada tabel Liliefors. Tolak H
0jika nilai L
0> nilai Ltabel.
Dari perhitungan diperoleh L0 = 0,185, sedangkan dari tabel dengan n = 65 dan taraf
signifkansi 5%, diperoleh L0,05.65= = 0,109895
berarti L0 > L0,05.65 maka hipotesis nol ditolak dan hipotesis alternatif diterima.
Kesimpulannya adalah bahwa sampel yang diambil dari populasi yang tidak terdistribusi
secara normal.
Tabel 8
Data Hasil F(zi)S(zi)
No Xi Zi F(Zi) S(Zi) F(Zi)-S(Zi) ()()1 4,000 -1,907 0,028 0,015 0,013 0,013
2 9,000 -1,716 0,043 0,092 -0,049 0,049
3 9,000 -1,716 0,043 0,092 -0,049 0,049
4 9,000 -1,716 0,043 0,092 -0,049 0,049
5 9,000 -1,716 0,043 0,092 -0,049 0,049
6 9,000 -1,716 0,043 0,092 -0,049 0,049
7 25,000 -1,108 0,134 0,185 -0,051 0,051
8 25,000 -1,108 0,134 0,185 -0,051 0,0519 25,000 -1,108 0,134 0,185 -0,051 0,051
10 25,000 -1,108 0,134 0,185 -0,051 0,051
11 25,000 -1,108 0,134 0,185 -0,051 0,051
12 25,000 -1,108 0,134 0,185 -0,051 0,051
13 36,000 -0,689 0,245 0,431 -0,185 0,185
14 36,000 -0,689 0,245 0,431 -0,185 0,185
15 36,000 -0,689 0,245 0,431 -0,185 0,185
16 36,000 -0,689 0,245 0,431 -0,185 0,185
17 36,000 -0,689 0,245 0,431 -0,185 0,18518 36,000 -0,689 0,245 0,431 -0,185 0,185
19 36,000 -0,689 0,245 0,431 -0,185 0,185
20 36,000 -0,689 0,245 0,431 -0,185 0,185
21 36,000 -0,689 0,245 0,431 -0,185 0,185
22 36,000 -0,689 0,245 0,431 -0,185 0,185
23 36,000 -0,689 0,245 0,431 -0,185 0,185
24 36,000 -0,689 0,245 0,431 -0,185 0,185
25 36,000 -0,689 0,245 0,431 -0,185 0,185
26 36,000 -0,689 0,245 0,431 -0,185 0,18527 36,000 -0,689 0,245 0,431 -0,185 0,185
28 36,000 -0,689 0,245 0,431 -0,185 0,185
29 49,000 -0,195 0,423 0,477 -0,054 0,054
30 49,000 -0,195 0,423 0,477 -0,054 0,054
31 49,000 -0,195 0,423 0,477 -0,054 0,054
-
5/19/2018 Analisis Data Eksploratif.docx
7/31
32 53,000 -0,043 0,483 0,492 -0,009 0,009
33 64,000 0,376 0,646 0,508 0,139 0,139
34 64,000 0,376 0,646 0,523 0,123 0,123
35 64,000 0,376 0,646 0,662 -0,015 0,015
Lanjutan......
Tabel 8
Data Hasil F(zi)S(zi)
No Xi Zi F(Zi) S(Zi) F(Zi)-S(Zi) ()()36 64,000 0,376 0,646 0,662 -0,015 0,015
37 64,000 0,376 0,646 0,662 -0,015 0,015
38 64,000 0,376 0,646 0,662 -0,015 0,015
39 64,000 0,376 0,646 0,662 -0,015 0,01540 64,000 0,376 0,646 0,662 -0,015 0,015
41 64,000 0,376 0,646 0,662 -0,015 0,015
42 64,000 0,376 0,646 0,662 -0,015 0,015
43 64,000 0,376 0,646 0,662 -0,015 0,015
44 81,000 1,022 0,847 0,954 -0,107 0,107
45 81,000 1,022 0,847 0,954 -0,107 0,107
46 81,000 1,022 0,847 0,954 -0,107 0,107
47 81,000 1,022 0,847 0,954 -0,107 0,107
48 81,000 1,022 0,847 0,954 -0,107 0,107
49 81,000 1,022 0,847 0,954 -0,107 0,107
50 81,000 1,022 0,847 0,954 -0,107 0,107
51 81,000 1,022 0,847 0,954 -0,107 0,107
52 81,000 1,022 0,847 0,954 -0,107 0,107
53 81,000 1,022 0,847 0,954 -0,107 0,107
54 81,000 1,022 0,847 0,954 -0,107 0,107
55 81,000 1,022 0,847 0,954 -0,107 0,107
56 81,000 1,022 0,847 0,954 -0,107 0,107
57 81,000 1,022 0,847 0,954 -0,107 0,107
58 81,000 1,022 0,847 0,954 -0,107 0,107
59 81,000 1,022 0,847 0,954 -0,107 0,107
60 81,000 1,022 0,847 0,954 -0,107 0,107
61 81,000 1,022 0,847 0,954 -0,107 0,107
62 81,000 1,022 0,847 0,954 -0,107 0,107
63 100,000 1,745 0,960 1,000 -0,040 0,040
64 100,000 1,745 0,960 1,000 -0,040 0,040
65 100,000 1,745 0,960 1,000 -0,040 0,040
3518,000
R 54,123
STD 26,288
-
5/19/2018 Analisis Data Eksploratif.docx
8/31
Tabel Nilai Kritis Untuk Uji Liliefors
UkuranSampel Taraf Nyata (
)0.01 0.05 0.10 0.15 0.20
n = 4 0.417 0.381 0.352 0.319 0.300
5 0.405 0.337 0.315 0.299 0.285
6 0.364 0.319 0.294 0.277 0.265
7 0.348 0.300 0.276 0.258 0.247
8 0.331 0.285 0.261 0.244 0.233
9 0.311 0.271 0.249 0.233 0.223
10 0.294 0.258 0.239 0.224 0.215
11 0.284 0.249 0.230 0.217 0.206
12 0.275 0.242 0.223 0.212 0.199
13 0.268 0.234 0.214 0.202 0.19014 0.261 0.227 0.207 0.194 0.183
15 0.257 0.220 0.201 0.187 0.177
16 0.250 0.213 0.195 0.182 0.173
17 0.245 0.206 0.289 0.177 0.169
18 0.239 0.200 0.184 0.173 0.166
19 0.235 0.195 0.179 0.169 0.163
20 0.231 0.190 0.174 0.166 0.160
25 0.200 0.173 0.158 0.147 0.142
30 0.187 0.161 0.144 0.136 0.131
n > 30n
1.031
n
0.886
n
0.805
n
0.768
n
0.736
Sumber : Sudjana (1992)
3. KS (Kolmogorov Smirnov)
Perumusan hipotesis :
Secara Matematis
H0: Fn(x) = F0(x)
H1 : Fn(x) F0(x)
Dengan
)(xFn
adalah fungsi distribusi empirik (berdasarkan sampel)
)(0 xF adalah fungsi distribusi teoritik (sesuai yang dihipotesiskan)
Secara Umum
H0: data sampel berasal dari distribusi normal
H1: data sampel tidak berasal dari distribusi normal
Statistik Uji : )()(Sup 0 xFxFD nx
Daerah Kritis : Tolak Ho Jika D > D
D adalah nilai kritis untuk uji kolmogorov smirnov satu sampel, diperoleh dari tabel
kolmogorov smirnov satu sampel)(xF
nadalah nilai peluang kumulatif (fungsi distribusi kumulatif) berdasarkan data
sampel
)(0 xF adalah nilai peluang kumulatif (fungsi distribusi kumulatif ) dibawah H0
P(Z
-
5/19/2018 Analisis Data Eksploratif.docx
9/31
Untuk = 0,05 dan derajat bebas = n = 65 maka dari tabel Kolmogorov Smirnov
diperoleh nilai D0,05 ; 65= 0,166
Tabel Nilai Kritis Uji Kolmogorov-Smirnov
N = 0,20 = 0,10 = 0,05 = 0,02 = 0,01
1 0,900 0,950 0,975 0,990 0,9952 0,684 0,776 0,842 0,900 0,929
3 0,565 0,636 0,708 0,785 0,829
4 0,493 0,565 0,624 0,689 0,734
5 0,447 0,509 0,563 0,627 0,669
6 0,410 0,468 0,519 0,577 0,617
7 0,381 0,436 0,483 0,538 0,576
8 0,359 0,410 0,454 0,507 0,542
9 0,339 0,387 0,430 0,480 0,513
10 0,323 0,369 0,409 0,457 0,486
11 0,308 0,352 0,391 0,437 0,468
12 0,296 0,338 0,375 0,419 0,44913 0,285 0,325 0,361 0,404 0,432
14 0,275 0,314 0,349 0,390 0,418
15 0,266 0,304 0,338 0,377 0,404
16 0,258 0,295 0,327 0,366 0,392
17 0,250 0,286 0,318 0,355 0,381
18 0,244 0,279 0,309 0,346 0,371
19 0,237 0,271 0,301 0,337 0,361
20 0,232 0,265 0,294 0,329 0,352
21 0,226 0,259 0,287 0,321 0,344
22 0,221 0,253 0,281 0,314 0,337
23 0,216 0,247 0,275 0,307 0,33024 0,212 0,242 0,269 0,301 0,323
25 0,208 0,238 0,264 0,295 0,317
26 0,204 0,233 0,259 0,290 0,311
27 0,200 0,229 0,254 0,284 0,305
28 0,197 0,225 0,250 0,279 0,300
29 0,193 0,221 0,246 0,275 0,295
30 0,190 0,218 0,242 0,270 0,290
35 0,177 0,202 0,224 0,251 0,269
40 0,165 0,189 0,210 0,235 0,252
45 0,156 0,179 0,198 0,222 0,238
50 0,148 0,170 0,188 0,211 0,22655 0,142 0,162 0,180 0,201 0,216
60 0,136 0,155 0,172 0,193 0,207
65 0,131 0,149 0,166 0,185 0,199
Tabel Nilai Kritis Uji Kolmogorov-Smirnov
N = 0,20 = 0,10 = 0,05 = 0,02 = 0,01
70 0,126 0,144 0,160 0,179 0,192
75 0,122 0,139 0,154 0,173 0,185
80 0,118 0,135 0,150 0,167 0,179
85 0,114 0,131 0,145 0,162 0,174
-
5/19/2018 Analisis Data Eksploratif.docx
10/31
90 0,111 0,127 0,141 0,158 0,169
95 0,108 0,124 0,137 0,154 0,165
100 0,106 0,121 0,134 0,150 0,161
Pendekatan 1,07/n 1,22/n 1,36/n 1,52/n 1,63/n
Sumber : Siegel, Sidney, 1956, Non Parametric Statistics For The
Behavioral Sciences, New York : Mc Graw-Hill Book Company.
Tabel 9. Perhitungan Uji Kolmogorov Smirnov
Xi F Fkum Fn(x)s
xxz i
Fo(x) = P(ZD= D0,05 ; 65 = 0,166 berarti tolak Ho terima H1sehingga dapat
disimpulkan bahwa kumpulan data tersebut berasal dari distribusi tidak normal.
4. Analisis Data Dengan SPSS
a. Uji normalitas Chi Kuadrat.
Chi-Square Test
Frequencies
Hasil belajar Statistika
Observed N Expected N Residual
4 4 390,9 -386,9
9 45 390,9 -345,9
25 150 390,9 -240,9
36 576 390,9 185,1
49 147 390,9 -243,9
-
5/19/2018 Analisis Data Eksploratif.docx
11/31
53 53 390,9 -337,9
64 704 390,9 313,1
81 1539 390,9 1148,1
100 300 390,9 -90,9
Total 3518
Test Statistics
Hasil
belajar
Statistika
Chi-Square 5013,509a
df 8
Asymp. Sig. ,000
a. 0 cells (0,0%) have
expected frequencies
less than 5. The
minimum expected cell
frequency is 390,9.
Normalitas
1). hasil hitungan (68,67)< Chi-Square 5013,5092). Jika Nilai Sig. < 0,05, maka H0 ditolak, bahwa data berdistribusi normal ditolak.
Hal ini berarti data sampel berasal dari populasi berdistribusi tidak normal.
3). Jika Nilai Sig. > 0,05, maka H0diterima. Hal ini berarti data sampel berasal daripopulasi berdistribusi normal.
Dengan demikian dapat disimpulkan data normalitas tidak signifikan.
b. Uji normalitas distribusi Liliefors.
c. KS (Kolmogorov Smirnov)
Case Processing Summary
Cases
Valid Missing TotalN Percent N Percent N Percent
Hasil
belajar
Statistika
3518 100,0% 0 0,0% 3518 100,0%
Descriptives
Statistic Std.
Error
Hasil
belajarStatistika
Mean 66,70 ,368
95% ConfidenceInterval for Mean Lower Bound 65,97Upper Bound 67,42
5% Trimmed Mean 67,42
-
5/19/2018 Analisis Data Eksploratif.docx
12/31
Median 81,00
Variance 477,043
Std. Deviation 21,841
Minimum 4
Maximum 100
Range 96Interquartile Range 32
Skewness -,615 ,041
Kurtosis -,531 ,083
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Hasil belajar
Statistika,266 3518 ,000 ,874 3518 ,000
a. Lilliefors Significance Correction
Keluaran pada gambar di atas menunjukkan uji normalitas data y, yang sudah diuji
sebelumnya secara manual dengan uji Lilliefors dan Kolmogorov-Smirnov. Pengujian
dengan SPSS berdasarkan pada uji KolmogorovSmirnov dan Shapiro-Wilk. Pilih salah
satu saja misalnya KolmogorovSmirnov. Hipotesis yang diuji adalah:
H0: Sampel berasal dari populasi berdistribusi normal
H1: Sampel tidak berasal dari populasi berdistribusi normal
Dengan demikian, normalitas dipenuhi jika hasil uji tidak signifikan untuk suatu taraf
signifikasi ( ) tertentu (Biasanya = 0.05 atau 0.01). Sebaliknya, jika hasil uji signifikan
maka normalitas tidak terpenuhi. Cara mengetahui signifikan atau tidak signifikan hasil ujinormalitas adalah dengan memperhatikan bilangan pada kolom signifikansi (Sig.). Untuk
menetapkan kenormalan, kriteria yang berlaku adalah sebagai berikut.
Tetapkan tarap signifikansi uji misalnya = 0.05 Bandingkan p dengan taraf signifikansi yang diperoleh Jika signifikansi yang diperoleh >, maka sampel berasal dari populasi yang
berdistribusi normal
Jika signifikansi yang diperoleh
-
5/19/2018 Analisis Data Eksploratif.docx
13/31
-
5/19/2018 Analisis Data Eksploratif.docx
14/31
D. KESIMPULAN
1. Kesimpulan singkat yang diperoleh adalah bahwa terdapat kesamaan antara hasil yangdikerjakan secara manual dengan hasil SPSS.
2. Uji normalitas berguna untuk menentukan data yang telah dikumpulkan berdistribusi
normal atau diambil dari populasi normal. Metode klasik dalam pengujian normalitassuatu data tidak begitu rumit. Berdasarkan pengalaman empiris beberapa pakar statistik,
data yang banyaknya lebih dari 30 angka (n > 30), maka sudah dapat diasumsikan
berdistribusi normal. Biasa dikatakan sebagai sampel besar.
3. Namun untuk memberikan kepastian, data yang dimiliki berdistribusi normal atau tidak,sebaiknya digunakan uji statistik normalitas. Karena belum tentu data yang lebih dari 30
bisa dipastikan berdistribusi normal, demikian sebaliknya data yang banyaknya kurang
dari 30 belum tentu tidak berdistribusi normal, untuk itu perlu suatu pembuktian. uji
statistik normalitas yang dapat digunakan diantaranya Chi-Square, Kolmogorov Smirnov,
Lilliefors, Shapiro Wilk.
4. Keunggulan Kolmogorov Smirnov (KS) dibanding (Chi Square)a. CS memerlukan data yang terkelompokkan, KS tidak memerlukannya.
b. CS tidak bisa untuk sampel kecil, sementara KS bisa. Bayangkan jika data andaberjumlah 5, sedangkan anda harus membuat 6 kategori sd, Cs tidak bisa digunakan
bukan?
c. Oleh karena data Chi Square adalah bersifat kategorik. Maka ada data yang terbuangmaknanya. Misalkan kategori 11-15. Anda membuat angka 15 marah-marah. Ia merasa
rugi karena dibulatkan ke bawah, padahal kurang satu nol dia masuk kategori 16-20.
Dan anda membuat angka 11 untung, karena ia dibulatkan ke atas, dan disamakan
dengan angka di atasnya yaitu 12,13, 14 dan 15.
d. KS lebih fleksibel dibanding CS. KS dapat mengestimasi variasi sd, sedangkan CS, sdnya sama, karena dibagi secara seimbang.
-
5/19/2018 Analisis Data Eksploratif.docx
15/31
BAB II
TABEL KATEGORIK 2 x 2
1. Pengantar
Data kategorik termasuk data kelas, tingkat, golongan sering dimanfaatkan dalam
penghitungan frekuensinya. Dalam inferensi sederhana juga telah dikenal analisis data
kategorik dalam uji proporsi baik satu populasi maupun dua populasi. Pada topik kali ini
kita akan mempelajari analisis data kategonk berupa dua data kategorik yang
dikiasifikasikan silang dalam bentuk tabel silang 2 x 2 atau ukuran yang lebih besar.
Dipunyai n observasi yang dikiasifikasikan silang dalam dua variabel kategorik dan
dihasilkan empat sell observasi seperti dalam desain di bawah ini :
Ada dua macam uji hipotesis dalam analisis data kategorik tabulasi silang:
1. Uji Homogenitas (dua sampel)
2. Uji Independensi (satu sampel)
-
5/19/2018 Analisis Data Eksploratif.docx
16/31
2. Uji Homogenitas
Pada uji homogenitas sampel berasal dan dua populasi baris. Jadi ditentukan terlebih
dahulu besarnya sampel n1 dan n2 , sedangkan n sebagai akibat dan jumlah n1 + n2.
2.1 Contoh
Dua sampel random dan 100 orang mahasiswa dan 100 orang, mahasiswi. Dan
kepada mereka ditanyakan, Apakah mereka setuju atau tidak setuju dengan
Lurah wanita.
-
5/19/2018 Analisis Data Eksploratif.docx
17/31
3. Uji Independensi
Pada uji independensi sampel berasal dari satu populasi. Jadi ditentukan terlebih dahulu
besarnya n sampel, sedangkan n1 dan n2 diperoleh dari observasi sebagai bagian dari
sampel.
-
5/19/2018 Analisis Data Eksploratif.docx
18/31
3.1 Contoh
Suatu sampel random dengan 200 laki-laki berumur 50 sampai 65 tahun
menunjukkan banyak yang berpenyakit gula dan berpenyakit jantung sbb:
-
5/19/2018 Analisis Data Eksploratif.docx
19/31
4. Soal-soal
1. Suatu sampel random dan 137 ikan yang mensurvey tentang kadar merkuri dan
panjang ikan menghasilkan sebaran sebagai berikut:
Lakukan uji independensi antara kadar merkuri dan panjang ikan berdasarkan data di
atas dengan = 0.05
-
5/19/2018 Analisis Data Eksploratif.docx
20/31
REPRESENTASI CROSSTAB DALAM SPSS
Yang dimaksud dengan data kategorik atau data faktor adalah data berupa kategori
(tingkatan) atau kelompok. Misalnya ukuran baju : Big, Medium, Small. Tingkat
pendidikan seseorang : SMP, SMA, PT., Dan lain sebagainya. Salah satu analisis
data kategorik adalah Crosstab atau Tabel silang, yaitu tabel silang antara variabel
baris dan variabel kolom. Analisis data Crosstab dalam SPSS tidaklah sesederhana
seperti dalam Pogram Microstat yang bekerja pada DOS. Jika dalam microstat kita
dapat langsung membuat tabel silang dan langsung memasukkan data-datanya pada
masing-masing cell maka dalam SPSS tidak demikian halnya. Untuk lebih memahami
maka perhatikan tabel 2 x 2 berikut :
Dapat anda lihat bahwa ada dua variabel faktor untuk baris maupun kolom. Maka
dalam SPSS kita buat dua variabel faktor. Kombinasi variabel faktornya ini yang
dimasukkan dalam variabel sesuai banyaknya data observasi yang ada.
Disamping memakai kode angka 1,2,3 seperti di atas anda dapat juga memasukkan
data faktor seperti data ash. Misalkan untuk data kategorik jenis kelamin anda
masukkan laki-laki dan perempuan (type character) untuk data tingkat intelegensi
anda masukkan rendah, tinggi, dan sedang. Karena analisis tabel kontingensi ini
biasanya berhubungan dengan data yang jumlahnya tidak sedikit maka kelihatan
tidak efisien dalam memasukkan data. Akan tetapi biasanya analisis tabel
kontingensi ini memanfaatkan data asli yang sudah diinput, jadi memasukkan data
sesuai aslinya tanpa pengkodean bukan merupakan masalah.
Contoh :
Dipunyai data tentang orang yang merokok dan sekaligus mempunyai penyakit
batuk-batuk pada orang umur di atas 35 th. Diambil sampel 160 orang dan kepada
mereka ditanya apakah mereka merokok dan punya penyakit batuk. Uji apa yang
cocok dan bagaimana kesimpulannya.
-
5/19/2018 Analisis Data Eksploratif.docx
21/31
Langkah-langkah Praktikum dengan SPSS
1. Buka file data baru dalam SPSS. Ini dapat dilakukan dengan menggunakan menu
File kemudian pilih New, kemudian Data
2. Buat tiga variabel baru bernama Data, kemudian Faktor 1 (untuk kebiasaan
merokok) dan Faktor 2 (untuk status penyakit)
3. Isikan data ke dalam kolom bersesuaian. Lihat gambar berikut.
4. Selanjutnya, data akan kita boboti. Gunakan menu Data, kemudian Weigth
Cases, kemudian klik button Weight Cases by, dan pilih variabel Data sebagai
Frequency variable. Lalu OK
5. Kemudian, pilih menu Statistics, kemudian Summarize, kemudian CrossTabs.
Maka akan terbuka window dialog berikut:
-
5/19/2018 Analisis Data Eksploratif.docx
22/31
Untuk keperluan analisa bagi data kita diatas, pilih sebagai variabel pada baris
(rows) adalah faktor 1 dan sebagai variabel kolom adalah faktor 2. Statistik (dari
dialog menu Statistics) yang ditampilkan/ dipilih hanyalah ChiSquare. Kemudian
kita pilih pada dialog menu Cells untuk menampilkan count Observed dan
Expected. Jika semua telah anda kerjakan, tekan OK, maka akan ditampilkan
hasil berikut di layar output
Crosstabs
-
5/19/2018 Analisis Data Eksploratif.docx
23/31
Analisa output. Uji yang baik untuk data ini tentunya adalah untuk melihat apakahada pengaruh kebiasaan merokok terhadap penyakit batuk-batuk. Dari perhitungan
diatas diperoleh tingkat signifikan 0.87 untuk statistik ChiSquare bagi data, yang
berarti bahwa Ho diterima. Dapat diinterpretasikan bahwa penyakit batuk independen
dengan kebiasaan merokok.
Catatan.
Untuk analisis data kategorik ukuran b x k prinsip yang kita gunakan sama seperti
prinsip di atas.
SPSS tidak membedakan antara uji independensi dan homogenitas, maka kita
dituntut untuk membedakannya sendiri.
Contoh data kategorik diatas dalam data entry dapat di tulis dengan cara lain, yakni
kita tidak menuliskan suatu data menurut frekuensinya, namun kita tulis berulang
sebanyak frekuensinya, seperti tabel berikut
-
5/19/2018 Analisis Data Eksploratif.docx
24/31
Bentuk seperti ini lebih umum digunakan sebenarnya dalam entry data asli hasil
suatu penelitian/ eksperimen. Namun perlu diingat bahwa jika anda menggunakan
metode entri data seperti ini anda tidak perlu melakukan pembobotan data (lihat
langkah 4 diatas, yakni tidak melakukan Weight Cases)
UKURAN HUBUNGAN TABEL KATEGORIK
Dari hasil analisis statistik kita dapat mengukur seberapa kuat hubungan
statistik itu acara numerik. Keeratan hubungan antara dua faktor, dapat dilihat dan
ukuran hubungan, dimana makin besar angka ukuran tersebut, makin erat hubungan
kedua faktor itu.
Koefisien Hubungan Cramer :
Koefisisen hubungan pearson:
Koefisien hubungan phi pearson dalam tabel 2 x 2
Keterangan :
q : menunjukkan banyak bans atau kolom, mana yang lebih kecil
n : menunjukkan ukuran sampel
w : menunjukkan statistik penguji
Ukuran-ukuran hubungan itu pada dasarnya berbeda satu dengan yang lain. Harga-
harga koefisien yang besar jelas menunjukkan kuatnya hubungan, tetapi harga-harga
yang sedang ataupun kecil sulit untuk diinterpretasi. Ini disebabkan ukuran sampel n
yang besar cenderung menyebabkan harga koefisien hubungan menjadi kecil
meskipun harga statistik w sangat signifikan (yakni jauh lebih besar harga batas
daerah kritik dengan kecil).
-
5/19/2018 Analisis Data Eksploratif.docx
25/31
4. TABEL KA TEGORIK B x K
Analisis data kategorik tabel silang antara dua variabel kategorik dapat diperluas
menjadi lebih dan dua kategon pada masing-masing variabelnya dengan disain
data seperti tampak di bawah :
4. Uji Independensi
-
5/19/2018 Analisis Data Eksploratif.docx
26/31
CONTOH UJ I INDEPENDENSI
Suatu sampel random dengan 1000 orang dikiasifikasi - silang menurut
kebiasaan merokok (berat, sedang, tidak merokok) dan tinggi badannya (tinggi,
sedang, pendek). Apakah hasil dibawah menunjukkan dependensi antara
kebiasaan merokok dan tinggi badan pada tingkat signifikansi = 0,01.
Tabel K lasi f ikasi Si lang Kebiasaan Merokok
Dan Tinggi Badan 1000 orang
Diperoleh output software SPSS sebagai berikut:
-
5/19/2018 Analisis Data Eksploratif.docx
27/31
SOAL UJI HOMOGENITAS
Suatu sampel random dengan 100 mahasiswa akademi MPH diambil dari masing keempat jurusan mahasiswa (A,B,C,D) pada akademi itu. Tiap-tiap pendapatnya
mahasiswa dalam sampel itu diminta pendapatnya tentang suatu pernyataan.
-
5/19/2018 Analisis Data Eksploratif.docx
28/31
-
5/19/2018 Analisis Data Eksploratif.docx
29/31
BAB III
TEKNIK NONPARAMETRIK
1. Uji Kruskal Walis untuk K sampel Independent
Uji ini adalah mirip dengan uji anova pada data parametrik, jadi akan diuji keidentikan K
populasi. Hanya saja di sini tidak dipenuhi anggapan kenormalan data sehingga analisis
yang digunakan berdasarkan Rij yaitu ranking data X ij
Contoh :
Dipunyai hasil panen jagung dan 4 jenis berbeda sbb. Disain datanya sama
seperti kita melakukan anova I arah. Dengan anggapan distribusi data tidak
harus normal dilakukan uji Kruskall-Wallis
-
5/19/2018 Analisis Data Eksploratif.docx
30/31
2. Uji Friedman untuk k samples berpasangan
Uji ini mirip dengan uji anava 2 arah data berpasangan yaitu data diambil dari individu
yang sama atau berasal dari sumber yang sama dengan pengamatan tunggal untuk tiap
sel. Tipe data yang cocok untuk uji ini adalah tipe data nominal atau ranking.
Contoh :
Dua belas siswa dipilih secara random terlibat dalam menyelesaikan empat daftar kata-
kata. Diperoleh skor di bawah. Apakah dapat disimpulkan bahwa keempat daftar kata-
kata itu mempunyai tingkat kesulitan yang sama
-
5/19/2018 Analisis Data Eksploratif.docx
31/31
3