Uts Korelasi-regresi (1)
-
Upload
rendyandromeda -
Category
Documents
-
view
216 -
download
0
description
Transcript of Uts Korelasi-regresi (1)
TUGAS 1MATA KULIAH : STATISTIK BOBOT SKS : 2 SKSSIFAT : OPEN BOOKANGK./KELAS : 2014/K
KERJAKAN SOAL BERIKUT INI ! Diperbolehkan bantuan kalkulator dan daftar tabel
Soal:
Seorang guru ingin meneliti hubungan lama belajar siswa dengan prestasi belajarnya. Untuk itu
diteliti dengan mengambil sampel sebanyak 14 siswa dengan data berikut:
Siswa Lama Belajar (dalam jam)
Prestasi Belajar
1 5 602 8 823 6 724 6 685 7 786 8 867 8 848 6 649 9 9510 9 9211 6 7012 7 7613 5 6214 6 65
Pertanyaan:
1. Rumuskan judul penelitiannya.
Jawab : Hubungan Antara Lama Belajar Terhadap Hasil Prestasi Belajar Siswa
2. Rumuskan permasalahannya.
Jawab : Apakah terdapat hubungan antara lama belajar terhadap hasil prestasi belajar
siswa.
3. Buat hipotesis penelitiannya
Terdapat hubungan antara lama belajar terhadap prestasi belajar siswa.
4. Carilah korelasinya (nilai r)
Jawab : Nilai R = 0,959
PROGRAM STUDI TEKNOLOGI PEMBELAJARANPROGRAM PASCA SARJANA
UNIVERSITAS PGRI ADI BUANA SURABAYAJl.Dukuh Menanggal XII/4 Surabaya. Telp.(031) 827 39999
5. Bagaimanakah hasil pengetesan hipotesisnya.
Jawab : Bahwa variabel bebas prestasi belajar menjelaskan veriabel terikat lama belajar
secara linier sebesar 95,9%, atau ada sebesar 6,1% yang tidak dapat dijelaskan secara
linier oleh lama belajar. Dengan demikian maka variabel prestasi belajar merupakan
variabel yang sangat baik untuk menjalaskan variabel lama belajar.
6. Tentukan garis regresinya.
7. Buatkan tabel prediksi jika lama belajar siswa: 5, 6, 7, 8, 9, 10 jam
Jawab :
Siswa Lama Belajar (dalam jam)
Prestasi Belajar
1 5 602 8 823 6 724 10 975 7 786 8 867 10 968 6 649 9 9510 9 9211 6 7012 7 7613 5 6214 6 65
Model Summary
Model R R Square Adjusted R Square
Std. Error of the
Estimate
1 .981a .962 .959 .350
a. Predictors: (Constant), prestasi_belajar
Bahwa variabel bebas prestasi belajar menjelaskan veriabel terikat lama belajar secara linier sebesar 96,2%, atau ada sebesar 3,8% yang tidak dapat dijelaskan secara linier oleh lama belajar. Dengan demikian maka variabel prestasi belajar merupakan variabel yang sangat baik untuk menjalaskan variabel lama belajar.
8. Buat analisis variansi terhadap garis regresi (Uji F)
Jawab : hasil uji tersebut menunjukan bahwa F hitung sebesar 283,837 dengan taraf
signifikan sebesar 0,000. Nilai ini kemudian dibandingkan dengan nilai F tabel yang
dihitung dengan derajad bebas pembilang (df pembilang) sebesar 1 dan derajad bebas
penyebut (df penyebut) sebasar 12 pada α sebasar 0,05 yang nilainya adalah 4,75.
Sehingga dapat disimpulkan bahwa model yang dihasilkan adalah baik dan lama belajar
terdapat hubungan terhadap hasil prestasi belajar siswa.
-----good luck-----
LAMPIRAN
Regression
Notes
Output Created 08-Feb-2015 20:48:52
Comments
Input Active Dataset DataSet0
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working Data File 14
Missing Value Handling Definition of Missing User-defined missing values are treated as missing.
Cases Used Statistics are based on cases with no missing values for any variable used.
Syntax REGRESSION /DESCRIPTIVES MEAN STDDEV CORR SIG N /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA CHANGE /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT Prestasi_belajar /METHOD=ENTER lama_belajar.
Resources Processor Time 00:00:00.171
Elapsed Time 00:00:00.125
Memory Required 1348 bytes
Additional Memory Required for Residual Plots
0 bytes
Descriptive Statistics
Mean Std. Deviation N
Prestasi_belajar 75.29 11.255 14
lama_belajar 6.86 1.351 14
Correlations
Prestasi_belajar lama_belajar
Pearson Correlation Prestasi_belajar 1.000 .980
lama_belajar .980 1.000
Sig. (1-tailed) Prestasi_belajar . .000
lama_belajar .000 .
N Prestasi_belajar 14 14
lama_belajar 14 14
Variables Entered/Removedb
Model Variables Entered
Variables
Removed Method
1 lama_belajara . Enter
a. All requested variables entered.
b. Dependent Variable: Prestasi_belajar
Model Summary
Model R R Square
Adjusted R
Square
Std. Error of
the Estimate
Change Statistics
R Square
Change F Change df1 df2
Sig. F
Change
1 .980a .959 .956 2.359 .959 283.837 1 12 .000
a. Predictors: (Constant), lama_belajar
ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1 Regression 1580.056 1 1580.056 283.837 .000a
Residual 66.801 12 5.567
Total 1646.857 13
a. Predictors: (Constant), lama_belajar
b. Dependent Variable: Prestasi_belajar
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.B Std. Error Beta
1 (Constant) 19.313 3.382 5.711 .000
lama_belajar 8.163 .485 .980 16.847 .000
a. Dependent Variable: Prestasi_belajar