uji satu sampel a 2
TRANSCRIPT
METODELOGI PENELITIAN
Analisis data dan Uji satu sampel
Dosen Pembimbing:
Abdul Azis, M. Si
Oleh:
Zainul Abidin 07610025 Anang Fakhmi 08610001 Oky Dwi Ardian 08610006 Tri Wahyu Dianto 08610028
M. Annasrudin 08610038
UNIVERSITAS ISLAM NEGERI (UIN) MAULANA MALIK IBRAHIM MALANG FAKULTAS SAINS DAN TEKNOLOGI
JURUSAN MATEMATIKA 10 Oktober 2010
KATA PENGANTAR
Puja dan puji syukur selalu kita panjatkan kepada Allah SWT yang mana dengan limpahan
rahmat serka hidayah-Nya akhirnya kita, dari kelompok 2 bisa menyelesaikan makalah metode
penelitian tentang “Analisis Data dan Uji Satu Sampel” dengan baik.
Tak lupa rasa terimakasih ini juga kami sampaikan kepada pihak-pihak yang sangat
membantu dalam penyusunan makalah ini, seperti:
1. Bapak Abdul Aziz, selaku dosen mata kulian metodelogi penelitian
2. Perpustakaan UIN Malang yang telah menyediakan begitu banyak referensi bagi kami
3. Serta teman-teman yang secara langsung maupun tidak langsung telah memperlancar dan
memudahkan penyusunan makalah ini
Harapan kami selanjutnya, semoga makalah yang kami susun ini bisa bermanfaat bagi kita
semua baik untuk ilmu pengetahuan maupun dalam kehidupan sehari-hari. Terimakasih.
Wassalammu’alaikum. Wr. Wb.
Malang, 10 Oktober 2010
Hormat kami,
Penyusun
BAB I
PENDAHULUAN
A. Latar Belakang
Pada semester V kali ini, kita mahasiswa matematika UIN Maulana Malik Ibrahim Ma-
lang menempuh salah satu mata kuliah yaitu Metodelogi Penelitian. Pada kesempatan kali ini,
kami mendapat kepercayaan untuk menyusun sebuah makalah tentang analisis data dan uji
satu sampel.
Selain itu, beberapa hal yang melatarbelakangi penyusunan makalah ini adalah kita kede-
pannya akan mengadakan sebuah penelitian, leh sebab itu akan sangat berguna nantinya jika
kita bisa memahami konsep dan teori yang ada dalam makalah ini. Selain itu kami berharap
kita bisa menerapkan teori ini dalam penelitian kita dengan baik.
B. Rumusan Masalah
Adapun rumusan masalah dalam penyusunan makalah ini yang harus kita selesaikan, di-
antaranya:
1. Apa pengertian dari analisis data?
2. Apa yang dimaksud dengan uji satu sampel?
C. Tujuan
Adapun tujuan dari penyusunan makalah ini, diantaranya:
1. Kita dapat mengetahui tentang analisis data
2. Kita dapat mengetahui tentang uji satu sampel
BAB II
PEMBAHASAN
A. Pengertian Analisis Data
Analisa data adalah mengelompokkan, membuat suatu urutan, memanipulasi serta
menyingkatkan data sehingga mudah untuk dibaca. Step pertama dalam analisa adalah membagi
data atas kelompok atau kategori-kategori. Kategori tidak lain dari bagian-bagian. Beberapa ciri
dalam membuat kategori, adalah:
a. Kategori harus dibuat sesuai dengan masalah dan tujuan penelitian.
b. Kategori harus lengkap
c. Kategori harus bebas dan terpisah
d. Tiap kategori harus berasal dari satu kaidah klasifikasi
e. Tiap kategori harus dalam satu level.
Kategori harus sesuai dengan masalah penelitian, sehingga kategori tersebut dapat
mencapai tujuan penelitian dalam memecahkan masalah. Dengan demikian, analisa yang dibuat
akan sesuai dengan keinginan untuk memecahkan masalah. Kategori yang dibuat juga harus
dapat menguji hipotesa yang dirumuskan.
Kategori harus lengkap, yang berarti bahwa semua subjek atau responden harus termasuk
ke dalam kategori tersebut. Kategori juga harus bebas dan terpisah nyata. Tiap individu atau
objek harus termasuk dalam satu kategori saja. Peneliti harus dapat membuat variabel
sedemikian rupa sehingga tiap objek dapat dimasukkan dalam satu kategori, dan hanya satu
kategori saja.
Definisi lainj dari analisis data adalah seperti yang dikemukakan oleh beberapa ahli
seperti berikut ini.
1. Menurut paton (1940), analisis data adalah proses mengatur urutan data,
mengorganisasikannya kedalam suatu pola, kategori, dan satuan uraian dasar.
2. Menurut bogdan dan taylor (1975), analisis data adalah proses yang merinci usaha formal
untuk menemukan tema dan merumuskan hipotesis (ide) seperti yang disarankan oleh data dan
sebagai usaha untuk memberikan bantuan pada tema dan hipotesis itu.
3. Menurut Lexy J.Moleong (2000), analisis data adalah proses mengorganisasikan dan
mengurutkan data kedalam pola, kategori, dan satuan uraian dasar sehingga dapat ditemukan
tema dan dapat dirumuskan hipotesis kerja seperti yang disarankan oleh data.
A. Tujuan analisis data
Tujuan dari analisis data ini antara lain adalah sebagai berikut.
1. Data dapat diberi arti makna yang berguna dalam memecahkan masalah – masalah
penelitian.
2. Memperlihatkan hubungan – hubungan antara fenomena yang terdapat dalam penelitian.
3. Untuk memberikan jawaban terhadap hipotesis yang diajukan dalam penelitian.
4. Bahan untuk membuat kesimpulan serta implikasi – implikasi dan saran – saran yang
berguna untuk kebijakan penelitian selanjutnya.
1. KORELASI
PENGERTIAN KORELASI
Korelasi adalah salah satu teknik statistik yang digunakan untuk untuk mencari hubungan antara dua variabel atau lebih yang sifatnya kuantitatif � Misalkan kita mempunyai dua variabel x dan y kita ingin menguji apakah hubungannya berbanding lurus atau terbalik atau bahkan tidak mempunyai hubungan sama sekali .� Korelasi dibagi menjadi dua àkorelasi bivariat :merupakan uji korelasi antara dua variabelàkorelasi partial : bertujuan untuk menghitung koefisien korelasi antara dua variabel, akan tatapi dengan mengeluarkan variabel lainnya yang mungkin dianggap berpangaruh dengan kata lain disebut kontrol.
Keeratan hubungan antara satu variabel dengan variabel lainnya, biasa disebut dengan koofisien korelasi yang ditandai dengan ”r”. Koofisien korelasi ”r” merupakan taksiran dari korelasi populasi dengan kondisi sample normal (acak).Tingkat keeratan hubungan (koofisien korelasi) bergerak dari 0-1. jika r mendekati 1 (misalnya 0.95) ini dapat dikatakan bahwa memiliki hubungan yang sangat erat. Sebaliknya, jika mendekati 0 (misalnya 0.10) dapat dikatakan mempunyai hubungan yang rendah.Koofisien korelasi mempunyai harga -1 hingga +1. harga -1 menunjukan adanya hubungan yang sempurna bersifat terbalik antara kedua variabel. Sedangkan hubungan +1 menunjukan adanya hubungan sempurna positif.
DATA TENTANG UKURAN CELANA DAN BERAT BADAN KELAS D DAN E
UKURAN CELANA BERAT BADAN
27 42
28 47
26 38
30 56
32 67
31 62
29 53
27 44
26 39
29 53
30 58
31 62
30 57
29 54
27 43
28 48
29 52
27 42
28 46
30 57
31 63
32 68
27 44
28 50
26 40
29 53
29 50
28 46
28 48
29 55
Correlations
Descriptive Statistics
Mean Std. Deviation N
UkuranCelana 28.7000 1.70496 30
BeratBadan 51.2333 8.21556 30
Keterangan :
• Mean dari permintaan ukuran celana = 28.7000
• Mean dari permintaan berat badan = 51.2333
• Standara deviasi permintaan ukuran celana = 1.70496 menggunakan korelasi pearson
• Standar deviasi permintaan berat badan = 8.21556 menggunakan korelasi person
• Banyaknya data analisi = 30
Correlations
UkuranCelana BeratBadan
UkuranCelana Pearson Correlation 1 .990
Sig. (2-tailed) .000
N 30 30
BeratBadan Pearson Correlation .990 1
Sig. (2-tailed) .000
N 30 30
Correlations
UkuranCelana BeratBadan
Kendall's tau_b UkuranCelana Correlation Coefficient 1.000 .938**
Sig. (2-tailed) . .000
N 30 30
BeratBadan Correlation Coefficient .938** 1.000
Sig. (2-tailed) .000 .
N 30 30
Spearman's rho UkuranCelana Correlation Coefficient 1.000 .985**
Sig. (2-tailed) . .000
N 30 30
BeratBadan Correlation Coefficient .985** 1.000
Sig. (2-tailed) .000 .
N 30 30
Koefisien korelasi permintaan ukuran celana dengan berat badan 1.000 berarti keeratan korelasi permintaan ukuran celana dengan berat badan sangat lemah. Nilai p-value pada kolom sig.(2-tailed) 0,00.
2. ANALISIS REGRESI
Analisis regresi mempelajari bentuk hubungan antara satu atau lebih peubah bebas (X) dengan satu peubah tak bebas (Y). dalam penelitian peubah bebas ( X) biasanya peubah yang ditentukan oelh peneliti secara bebas misalnya dosis obat, lama penyimpanan, kadar zat pengawet, umur ternak dan sebagainya. Disamping itu peubah bebas bisa juga berupa peubah tak bebasnya, misalnya dalam pengukuran panjang badan dan berat badan sapi, karena panjang badan lebih mudah diukur maka panjang badan dimasukkan kedalam peubah bebas (X), sedangkan berat badan dimasukkan peubah tak bebas (Y). sedangkan peubah tak bebas (Y) dalam penelitian berupa respon yang diukur akibat perlakuan/peubah bebas (X). misalnya jumlah sel darah merah akibat pengobatan dengan dosis tertentu, jumlah mikroba daging setelah disimpan beberapa hari, berat ayam pada umu tertent dan sebagainya.
Contoh
Seorang peneliti ingin mengetahui bentuk hubungan antara jumlah cacing jenis tertentu
denagn jumlah telurnya pada usus ayam buras. Untuk tujuan tersebut diperiksa 20 ekor ayam dan
ditemukan sebagai berikut
Tabel 1 jumlah cacing dan jumlah telurnya pada usus ayam buras.
No Jumlah Cacing ( Xi) Jumlah telurnya (Yi)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
12
14
13
12
15
16
13
11
10
11
12
13
17
19
13
11
16
12
14
15
45
50
51
43
61
62
50
43
40
44
48
52
70
76
53
43
60
48
53
63
Total 269 1055
Rataan 13,45 52,75
Dari data diatas kita bisa menghitung :
∑=
n
iiX
1 =12+14+13+…………………………+15=269
∑=
n
iiY
1 =45+50+51+……………………….+63=1055
∑=
n
iiX
1
2
=122+142+132+……………………+152=3719
∑=
n
iiY
1
2
=452+502+512+……………………+622=57449
∑=
n
iiiYX
1 =12x45+14x50+13x51+…………………+15x63=14604
45,132692011
1
==== ∑=
n
iiX
nX
75,5210552011
1
==== ∑=
n
iiY
nX
Bila kita duga bentuk hubungan antara jumlah cacing (X)dan jumlah telurnya (Y) adalah :
Ŷi=β0 +β1Xi+εi
i=1,2,3,……………………..,20
disini Ŷi adalah dugaan Yi
jadi persamaan normalnya adalah :
X’Y =X’Xβ
⎥⎦
⎤⎢⎣
⎡
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
=
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
∑∑
∑
∑
∑
==
=
=
=
1
020
1
21
20
1
120
1
20
1
20
ββ
iii
n
ii
iii
ii
XX
X
YX
Y
⎥⎦
⎤⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡=⎥
⎦
⎤⎢⎣
⎡
1371926926920
146041055
ββo
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
−
−
−=⎥
⎦
⎤⎢⎣
⎡
∑
∑
∑
∑∑
∑ ∑=
=
=
==
= =
20
1
1
2
20
1
20
1
20
1
21
20
1
20
1
221
1 20)(20
1
iii
n
ii
ii
ii
i
i ii
o
YX
Y
X
XX
XXββ
⎥⎦
⎤⎢⎣
⎡−=⎥
⎦
⎤⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡−
−−
=⎥⎦
⎤⎢⎣
⎡103,4442,2
146041055
202692693719
)269()3719(201
21β
βo
Jadi Ŷ=-2,442 + 4,103 Xi,
3. Koefisien Kontingensi
Uji statistika nonparametrik yang digunakan untuk melihat hubungan antar dua variabel salah satunya adalah koefisien kontingensi. Koefisien kontingensi digunakan untuk menghitung hubungan variabel bila skala pengukurannya berbentuk nominal. Tehnik ini mempunyai kaitan erat dengan Chi kuadrat yang digunakan untuk menguji komparatif k sampel independent sebab dalam koefisien kontingensi terdapat rumus chi kuadrat. Dalam penggunaan koefisien kontingensi, tidak diperlukan asumsi kontinuitas pengukuran pada salahsatu atau kedua variabel tanda tersebut.
Koefisien kontingensi dalam perhitungannya, memerlukan tabel kontingensi dan tiap sel harus mempunyai kesamaan sifat dalam bentuk baris serta kolomnya. Dalam penelitian ini akan dicari koefisien korelasi kontingensi C serta aplikasinya dengan soft-ware SPSS untuk koefisien korelasi dari beberapa sampel.
4. KORELASI SPEARMAN RANK
Metode korelasi spearman rank (rho) bisa juga disebut korelasi berjenjang, atau korelasi berpangkat. Metode ini dikemukakan olejh Carl Spearman tahun 1904. kegunaanya untuk mengukur tingkat atau eratnya hubungan antara dua variabel yaitu variabel bebas dan variabel terikat yang berskala ordinal, mengetahui tingkat kecocokan dari dua variabel terhadap grup yang sama, mendapatkan validitas empiris, alat pengumpul data, dan mengetahui reliabilitas.Untuk mengukur data kuantitatif secara eksakta sulit dilakukan misalnya mengukur
tingkat kesukaan (kesenangan ), tingkat produktifitas pegawai, tingkat motifasi pegawai, tingkat moralitas pegawai dll.
Metode korelasi Spearman Rank tidak terikat oleh asumsi bahwa populasi yang diselidiki harus berdistribusi normal, populasi sampel yang diambil sebagai sampel maksimal 5<n<30 pasang, data dapat diubah dari data interval menjadi data ordinal
Koefisien korelasi Rank Spearman dinotasikan. Dalam aplikasinya, setiap data xi dan yi ditetapkan peringkat relatifnya terhadap data x dan y lainnya dari data terkecil sampai yang terbesar. Peringkat terkecil diberi nilai 1 dan jika terdapat data yang sama maka masing-masing nilai diberi peringkat rata-rata dari posisi yang seharusnya.
5. Korelasi Kendall Tau
Teknik korelasi ini mempunyai fungsi yang sama dengan korelasi Rank
Spearman, yakni untuk menganalisis data penelitian yang mempunyai
karakteristik:
1. Hipotesis yang diajukan hipotesis asosiatif
2. Skala data ordinal
3. Data tidak harus berdistribusi normal
Contoh Kasus
Seorang peneliti ingin mengetahui hubungan antara kepemimpinan kepala
desa, partisipasi wajib pajak, dan efektivitas pelunasan Pajak Bumi dan
Bangunan (PBB).
Uji Satu Sampel Untuk menguji perbedaan mean data hasil kenyataan di lapangan dengan standar /ketentuan baku / peraturan atau mean datahasil kenyataan di lapangan yang dianggap sebagai standar.
Diberikan sebuah populasi berdistribusi normal dengan rata-rata µ dan varian σ kuadrat tidak diketahui. Akan dilakukan uji hipotesis untuk menjawab apakah sebuah rata-rata populasi µ nilainya sama dengan sebuah nilai yang ditetapkan. Diambil sampel random X1,X2,…,Xn dengan ukuran n dan dari sampel dapat dihitung rata-rata sampel X bar dan varian sampel S kuadrat.
Tujuan uji hipotesis ini adalah untuk menentukan apakah sebuah rata-rata populasi sama dengan (lebih besar/lebih kecil) dengan suatu nilai khusus yang telah ditetapkan. Test hipotesis
H0 : µ=µ0 (rata-rata populasi sama dengan µ0) H1 : µ≠µ0 (rata-rata populasi tidak sama dengan µ0)
dimana µ0 adalah sebuah nilai khusus. Test statistika
t hitung = (X bar – µ0)/(S/√n)
yang mengikuti distribusi t dengan derajat bebas n-1, dimana X bar adalah rata-rata sampel, S standar deviasi sampel dan n adalah ukuran sampel. Tingkat signifikansi
α . Pada umumnya digunakan α=0.05
Daerah kritis
Tolak H0 jika t hitung > t (α/2 ; n-1) atau t hitung < -t (α/2 ; n-1)
1. Run Test
Run Test of Randomness pada prinsipnya bertujuan untuk melihat apakah sampel yang sedang diteliti diambil secara acak (random) dari populasinya. Pengujian terhadap keacakan ini penting untuk menghindari kebiasan yang terjadi dalam penarikan kesimpulan terhadap keadaan populasi. Jika ternyata sampel yang sedang diteliti tidak melibatkan unsur acak, maka sampel tersebut tidak dapat digunakan untuk dianalisis lebih lanjut.
Sebagai penggambaran awal, mari kita tilik menggunaan kata "RUN" dalam nama uji ini. Arti RUN dapat digambarkan dengan serentetan data berikut:
+ + + + - - - + - - - Dari rentetan tanda '+' dan '-' tersebut, terdapat 4 tanda '+' secara beruntun, kemudian
diikuti dengan 3 tanda '-' secara beruntun lalu tanda '+' dan dilanjutkan dengan 3 tanda '-'. Setiap rentetan data yang berkelompok tersebut disebut sebagai satu RUN. Dengan demikian deretan tanda di atas terdiri atas 4 RUN, yakni RUN pertama terdiri atas 4 tanda '+'. lalu RUN kedua terdiri atas tiga tanda '-', lalu RUN ketiga terdiri atas satu tanda '+',dan yang RUN yang terakhir terdiri dari tiga tanda '+'.
Dari jumlah RUN tersebut dapat diketahui apakah sebuah data yang berurutan adalah bersifat acak atau tidak, Jika jumlah RUN sedikit, maka semakin kecil tingkat keacakannya. Sebaliknya, semakin besar jumlah RUN, semakin besar tingkat keacakannya.Sampel yang
bersifat acak menandakan bahwa sampel diambil secara BEBAS. Dan jika sampel yang kita teliti merupakan sampel yang diambil secara bebas, maka dapat dikatakan sampel sudah merepresentasikan populasi.
2. Chi-square
Square uji chi (juga chi-kuadrat atau χ 2 test) adalah setiap statistik uji hipotesis di mana distribusi sampling dari statistik uji adalah distribusi chi-kuadrat ketika hipotesis nol adalah benar, atau di mana ini adalah benar asimtotik , yang berarti bahwa distribusi sampling (jika hipotesis nol benar) dapat dibuat untuk perkiraan distribusi chi-kuadrat semaksimal yang diinginkan dengan membuat ukuran sampel yang cukup besar.
Beberapa contoh tes chi-kuadrat dimana distribusi chi-kuadrat hanya kira-kira berlaku:
• Chi kuadrat Pearson test , juga dikenal sebagai uji fit persegi kebaikan-chi atau uji chi-square untuk kemerdekaan. Ketika disebutkan tanpa pengubah atau tanpa konteks menghalangi lain, tes ini biasanya dipahami (untuk tes yang tepat digunakan di tempat χ 2, lihat pasti uji's Fisher ).
• Yates uji chi-square , juga dikenal sebagai Yates koreksi untuk kontinuitas. • Mantel-Mantel-uji chi square . • Linear-by-linear asosiasi-uji chi square . • Para uji portmanteau dalam analisis time-series , pengujian keberadaan autokorelasi • Kemungkinan-rasio tes dalam pemodelan statistik umum, untuk menguji apakah ada
bukti kebutuhan untuk berpindah dari model sederhana ke rumit satu lagi (dimana model sederhana adalah bersarang di dalam satu kompleks).
Satu kasus di mana distribusi uji statistik adalah tepat distribusi chi-square adalah tes bahwa varians dari populasi-didistribusikan biasanya memiliki nilai diberikan berdasarkan varians sampel . Tes semacam ini jarang terjadi dalam praktek karena nilai varians uji terhadap jarang diketahui secara pasti.
Jika sampel ukuran n diambil dari populasi memiliki distribusi normal , maka ada hasil yang dikenal dengan baik (lihat distribusi dari varians sampel ) yang memungkinkan tes harus terbuat dari apakah varians populasi memiliki pra- ditentukan nilai. Sebagai contoh, sebuah proses manufaktur mungkin telah dalam kondisi stabil untuk jangka panjang, yang memungkinkan sebuah nilai untuk varians yang akan ditentukan pada dasarnya tanpa kesalahan. Misalkan varian proses sedang diuji, sehingga menimbulkan contoh kecil item produk yang variasi yang akan diuji. T statistik uji dalam hal ini dapat diatur menjadi jumlah kuadrat dari mean sampel, dibagi dengan nilai nominal untuk varian (yaitu nilai yang akan diuji sebagai memegang). Sebagai contoh jika ukuran sampel adalah 21, daerah penerimaan untuk T untuk tingkat signifikansi 5% adalah 9,59 interval untuk 34,17.
3. Uji Binomial
Dalam statistik , uji binomial adalah exact test dari signifikansi statistik penyimpangan dari distribusi yang diharapkan secara teoritis pengamatan ke dalam dua kategori. Penggunaan paling umum dari uji binomial adalah dalam hal mana hipotesis nol bahwa dua kategori yang sama mungkin terjadi. Tabel tersedia secara luas untuk memberikan signifikansi yang diamati jumlah observasi dalam kategori untuk kasus ini. Namun, seperti contoh di bawah ini menunjukkan, uji binomial tidak terbatas pada kasus ini. Dimana ada lebih dari dua kategori, dan tes yang tepat diperlukan, tes multinomial , berdasarkan distribusi multinomial , harus digunakan sebagai pengganti uji binomial.
Contoh uji binomial
Misalkan kita memiliki papan permainan yang bergantung pada gulungan mati , dan kepentingan khusus yang melekat untuk melinting 6. . Dalam sebuah permainan tertentu, mati adalah 235 kali digulung, dan 6 muncul 51 kali. . Jika mati adalah wajar, kita akan mengharapkan 6 untuk datang 235 / 6 = 39,17 kali. Apakah proporsi 6s signifikan lebih tinggi dari yang diharapkan secara kebetulan, pada hipotesis nol dari sebuah dadu?
Untuk menemukan jawaban atas pertanyaan ini menggunakan uji binomial, kita berkonsultasi dengan distribusi binomial B (235,1 / 6) untuk mencari tahu apa probabilitasnya adalah menemukan persis 51 berenam dalam sampel 235 jika kemungkinan benar dari 6 pada setiap percobaan adalah 1 / 6. Kami kemudian menemukan probabilitas penemuan tepatnya 52, tepatnya 53, dan seterusnya sampai dengan 235, dan menambahkan semua probabilitas bersama-sama. . Dengan cara ini, kita mendapatkan probabilitas untuk mendapatkan hasil yang diamati (51 6s) atau hasil yang lebih ekstrim (> 51 6s) dan dalam contoh ini, hasilnya adalah 0,0265443, yang tidak mungkin (signifikan pada tingkat 5%) untuk datang dari mati yang tidak dimuat untuk memberikan banyak 6s ( uji satu sisi ).
Jelas mati bisa roll berenam juga beberapa semudah terlalu banyak dan kita akan sama mencurigakan, sehingga kita harus menggunakan tes berekor dua yang mempertimbangkan kemungkinan memiliki ukuran efek tertentu baik di atas atau di bawah ekspektasi. Berikut ukuran efek adalah 11,83, karena itulah cara berenam lebih banyak ada dari yang diharapkan, dengan ditemukan 51 vs 39,17 diharapkan. Jadi sekarang kita harus menemukan probabilitas bahwa yang mati akan menggulung enam 27 kali atau kurang (39,17 diharapkan - 11,83 efek ukuran yang sama). Menjumlahkan semua probabilitas (<28 6s) menghasilkan 0,0172037. Ketika kita menambahkan ini ke hasil pertama, kita mendapatkan .0437480, yang signifikan pada 5% tingkat signifikansi . Jika biaya sebuah tuduhan palsu terlalu tinggi, kita mungkin
memiliki persyaratan yang lebih ketat, seperti 1% tingkat kepercayaan , dalam hal ini kita tidak dapat menolak hipotesis nol dari sebuah dadu dengan kepastian yang memadai.
BAB III
SIMPULAN
ANALISIS DATA
Analisa data adalah mengelompokkan, membuat suatu urutan, memanipulasi serta menyingkatkan data sehingga mudah untuk dibaca. Tujuan dari analisis data ini antara lain adalah sebagai berikut. Data dapat diberi arti makna yang berguna dalam memecahkan masalah masalah penelitian, Memperlihatkan hubungan hubungan antara fenomena yang terdapat dalam penelitian, Untuk memberikan jawaban terhadap hipotesis yang diajukan dalam penelitian. Bahan untuk membuat kesimpulan serta implikasi – implikasi dan saran – saran yang berguna untuk kebijakan penelitian selanjutnya.
Teknik pengolahan data terdiri dari korelasi, regresi, koefisien kontingensi, korelasi spearman rank, korelasi kendal tau.
UJI SATU SAMPEL
Untuk menguji perbedaan mean data hasil kenyataan di lapangan dengan standar /ketentuan baku / peraturan atau mean datahasil kenyataan di lapangan yang dianggap sebagai standar. Uji satu sampel terdiri atas run test, binomial test, dan chi square test. Run Test of Randomness pada prinsipnya bertujuan untuk melihat apakah sampel yang sedang diteliti diambil secara acak (random) dari populasinya.
Square uji adalah setiap statistik uji hipotesis di mana distribusi sampling dari statistik uji adalah distribusi chi-kuadrat ketika hipotesis nol adalah benar, atau di mana ini adalah benar asimtotik , yang berarti bahwa distribusi sampling (jika hipotesis nol benar) dapat dibuat untuk perkiraan distribusi chi-kuadrat semaksimal yang diinginkan dengan membuat ukuran sampel yang cukup besar.
Uji binomial adalah exact test dari signifikansi statistik penyimpangan dari distribusi yang diharapkan secara teoritis pengamatan ke dalam dua kategori. Penggunaan paling umum dari uji binomial adalah dalam hal mana hipotesis nol bahwa dua kategori yang sama mungkin terjadi
DAFTAR PUSTAKA
Hasan, Iqbal. 2002. Pokok-pokok Materi Metodologi Penelitian& Aplikasinya. Jakarta: Ghalia
Indonesia
Riduan. 2005. Belajar Mudah Penelitian Untuk Guru, Karyawan dan Peneliti Pemula. Bandung:
ALFABETA
Nisfiannoor, Muhammad. 2009. Pendekatan Statistika Modern. Jakarta: Salemba Humanika