LAPORAN PRAKTIKUM METSTAT II

LAPORAN PRAKTIKUM

METODE STATISTIKA II

Yogyakarta, 12 Juni 2015

Nama : Yulia Kurniasih

NIM : 14/364976/PA/16067

Prodi : Matematika

Dosen Pengampu : Vemmie Nastiti Lestari, S.Si., M.Sc.

Asisten Praktikum : Bagus Setyawan (15420)

Muhammad Ifdhal Zaky Elyasa (15692)

LABORATORIUM KOMPUTASI MATEMATIKA DAN STATISTIKA

JURUSAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS GADJAH MADA

YOGYAKARTA

2015

BAB I

PERMASALAHAN

1. Tiga varietas kentang hendak dibandingkan hasilnya. Percobaannya hendak dilaksanakan

dengan menggunakan 9 petak yang seragam di masing-masing 4 lokasi yang berbeda. Di

setiap lokasi setiap varietas dicobakan pada 3 petak yang ditentukan secara acak.

Hasilnya, dalam kwintal per petak, adalah sebagai berikut:

Lokasi Varietas Kentang

A B C

1 16 20 22

19 24 17

12 18 14

2 17 24 26

10 18 19

13 22 21

3 9 12 10

12 15 5

5 11 8

4 14 21 19

8 16 15

11 14 12

a) Analisis apa yang digunakan untuk kasus di atas? Mengapa?

b) Apakah terdapat perbedaan produksi kentang? Lakukan analisis lengkap namun

singkat padat jelas !

c) Sebagai seorang statistis, apa saran yang bisa kalian berikan kepada petani kentang?

2. Suatu survey dilaksanakan pada tujuh rumah sakit yang relatif sama di suatu kota untuk

mengetahui jumlah bayi yang lahir selama periode 1 tahun (12 bulan). Periode ini dibagi

menjadi 4 musim untuk mengetahui apakah tingkat kelahiran pada setiap musim sama

atau tidak. Hasilnya adalah sebagai berikut.

Rumah Sakit Jumlah kelahiran

Musim Dingin Musim Semi Musim Panas Musim Gugur

A 92 112 94 77

B 9 11 10 12

C 98 109 92 81

D 19 26 19 18

E 21 22 23 24

F 26 25 24 27

G 42 49 44 41

a) Analisis apa yang digunakan untuk kasus di atas? Mengapa?

b) Apakah terdapat perbedaan jumlah kelahiran bayi pada tiap musim? Lakukan analisis

lengkap namun singkat padat dan jelas!

3. Pada suatu hari Rani ingin meneliti apakah orang yang mengonsumsi sambal akan

menyebabkan sakit perut. Pada saat makan siang, Rani menanyakan mahasiswa yang

sedang makan siang di Kantin Kluster Sains. Dari 263 mahasiswa yang ditanya Rani, 225

diantaranya makan memakai sambal. Ada 150 mahasiswa yang mengaku tidak sakit

perut dan diantaranya 116 mahasiswa makan memakai sambal. Hanya 4 orang yang tidak

makan memakai sambal namun sakit perut.

a) Buatlah tabel kontingensi dari keterangan di atas!

b) Apakah penggunaan sambal independen terhadap sakit perut?

c) Berapa resiko orang yang makan memakai sambal untuk terserang sakit perut!

Interpretasikan!

4. Ingin diketahui apakah Penguasaan Kosa Kata, Pemahaman Tema, Pengetahuan Tata

Bahasa memengaruhi Kemampuan Menulis Siswa SMA?

a) Apakah uji asumsi terpenuhi?

b) Variabel apa saja yang mempengaruhi Kemampuan Menulis Siswa SMA?

c) Interpretasikan model terbaik!

No Penggunaan

Kosa Kata

Pemahaman

Tema

Pengetahuan

Tata Bahasa

Kemampuan

Menulis

1 8 10 20 6

2 8 12 21 7

3 7 12 21 6

4 9 14 23 7

5 8 15 24 7

6 8 8 20 6

7 9 15 22 7

8 6 8 18 5

9 7 20 26 8

10 9 18 28 8

11 6 10 16 5

12 5 7 15 4

13 10 22 30 9

14 9 12 19 6

15 10 15 20 7

5. Buatlah :

a) Kritik dan saran untuk asisten praktikum selama praktikum metode statistika II

kelas C

b) Pada praktikum metode statistika II, materi bagian manakah yang menurut Anda

cukup sulit, jelaskan alasan Anda!

BAB II

PEMBAHASAN

1. a. Permasalahan ini diselesaikan dengan Analisis Variansi 2 Arah (Anova 2 Arah).

Karena akan membandingkan hasil kentang dari tiga varietas kentang yang berbeda dari

4 lokasi berbeda.

b. Sebelum melakukan Uji Anova 2 Arah dilakukan terlebih dahulu uji asumsi, yaitu

a) -- Uji Normalitas Data Lokasi Setiap Varietas Kentang

- Uji Hipotesis

H0 : Data lokasi setiap varietas kentang berdistribusi normal

H1 : Data lokasi setiap varietas kentang tidak berdistribusi normal

- Tingkat Signifikansi

α = 5 %

- Statistik Uji

p value lokasi 1 = 0,999




- Daerah Kritik

H0 ditolak jika p value < α

p value lokasi 1 = 0,999 > 0,050 H0 tidak ditolak




- Kesimpulan

Karena semua H0 tidak ditolak pada tingkat signifikansi 5%, maka H0

diterima. Jadi, semua data lokasi setiap varietas kentang tersebut berdistribusi

normal.

Tests of Normality

lokasi Kolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

data

1

lokasi 1 .078 9 .200* .993 9 .999

lokasi 2 .134 9 .200* .974 9 .925

lokasi 3 .143 9 .200* .949 9 .681

lokasi 4 .125 9 .200* .982 9 .975

a. Lilliefors Significance

Correction

*. This is a lower bound of the true

significance.

-- Uji Normalitas Data Varietas Kentang

- Uji Hipotesis

H0 : Data varietas kentang berdistribusi normal

H1 : Data varietas kentang tidak berdistribusi normal


α = 5 %

- Statistik Uji

Tests of Normality

varietas_

kentang

Kolmogorov-Smirnova Shapiro-Wilk


data

1

A .100 12 .200* .991 12 1.000

B .098 12 .200* .952 12 .672

C .122 12 .200* .986 12 .998


Correction


significance.

p value varietas kentang A = 1,000

p value varietas kentang B = 0,672

p value varietas kentang C = 0,998

- Daerah Kritik


p value varietas kentang A = 1,000 > 0,050 H0 tidak ditolak

p value varietas kentang B = 0,672 > 0,050 H0 tidak ditolak

p value varietas kentang C = 0,998 > 0,050 H0 tidak ditolak

- Kesimpulan

Karena semua H0 tidak ditolak pada tingkat signifikansi 5%, maka H0

diterima. Jadi, semua data setiap varietas kentang tersebut berdistribusi

normal.

b) -- Uji Kesamaan Variansi Data Lokasi Setiap Varietas Kentang

- Uji Hipotesis

H0 : Variansi data lokasi 1 sama dengan variansi data lokasi 2 sama dengan

variansi data lokasi 3 sama dengan variansi data lokasi 4 (σlokasi 1 = σlokasi 2 =

σlokasi 3 = σlokasi 4)

H1 : Tidak semua variansi data keempat lokasi sama


α = 5%

- Statistik Uji

Test of Homogeneity of Variance

Levene

Statistic

df1 df2 Sig.

data1 Based on Mean .498 3 32 .686

p value = 0,686

- Daerah Kritik


0,686 > 0,050

H0 tidak ditolak

- Kesimpulan

Karena H0 tidak ditolak pada tingkat signifikansi 5%, maka H0 diterima.

Sehingga, variansi data lokasi 1 sama dengan variansi data lokasi 2 sama

dengan variansi data lokasi 3 sama dengan variansi data lokasi 4 (σlokasi 1 =

σlokasi 2 = σlokasi 3 = σlokasi 4) artinya semua data lokasi memiliki variansi yang

sama.

-- Uji Kesamaan Variansi Data Varietas Kentang

- Uji Hipotesis

H0 : Variansi data varietas kentang A sama dengan variansi data varietas

kentang B sama dengan variansi data varietas kentang C (σkentang A = σkentang B

= σkentang C)

H1 : Tidak semua variansi ketiga varietas kentang sama


α = 5%

- Statistik Uji

p value = 0,203

- Daerah Kritik


0,203 > 0,050

H0 tidak ditolak

- Kesimpulan


Sehingga, variansi data varietas kentang A sama dengan variansi data varietas

Based on Median .493 3 32 .690

Based on Median and

with adjusted df

.493 3 28.840 .690

Based on trimmed

mean

.485 3 32 .695


Levene

Statistic

df1 df2 Sig.

data1 Based on Mean 1.672 2 33 .203

Based on Median 1.683 2 33 .201

Based on Median and

with adjusted df

1.683 2 29.696 .203

Based on trimmed

mean

1.668 2 33 .204

kentang B sama dengan variansi data varietas kentang C (σkentang A = σkentang B

= σkentang C).

Setelah semua asumsi terpenuhi maka akan dilakukan uji interaksi.

c) Uji Interaksi

- Uji Hipotesis

H0 : Tidak ada interaksi antara keempat lokasi (lokasi 1, lokasi 2, lokasi 3,

dan lokasi 4) dengan ketiga varietas kentang (kentang A, kentang B, dan

kentang C)

H1 : Ada interaksi antara keempat lokasi (lokasi 1, lokais 2, lokasi 3, dan

lokasi 4) dengan ketiga varietas kentang (kentang A, kentang B, dan kentang

C)


α = 5%

- Statistik Uji

Tests of Between-Subjects Effects

Dependent

Variable:data1

Source Type III

Sum of

Squares

df Mean

Square

F Sig. Partial Eta

Squared

Corrected

Model

750.750a 11 68.250 6.300 .000 .743

Intercept 8372.250 1 8372.250 772.823 .000 .970

Lokasi 473.639 3 157.880 14.574 .000 .646

varietas_k

entang

201.500 2 100.750 9.300 .001 .437

lokasi *

varietas_k

entang

75.611 6 12.602 1.163 .358 .225

Error 260.000 24 10.833

Total 9383.000 36

Corrected

Total

1010.750 35

a. R Squared = .743 (Adjusted

R Squared = .625)

p value = 0,358

- Daerah Kritik


0,358 > 0,050

H0 tidak ditolak

- Kesimpulan


Sehingga, tidak ada interaksi antara keempat lokasi (lokasi 1, lokasi 2, lokasi

3, dan lokasi 4) dengan ketiga varietas kentang (kentang A, kentang B, dan

kentang C).

Karena H0 tidak ditolak maka selanjutnya akan dilakukan uji efek faktor

lokasi dan uji efek faktor varietas kentang.

d) -- Uji Efek Faktor Lokasi

- Uji Hipotesis

H0 : Tidak ada efek faktor lokasi terhadap hasil produksi kentang

H1 : Ada efek faktor lokasi terhadap hasil produksi kentang


α = 5%

- Statistik Uji


Dependent Variable:data1

Source Type III Sum

of Squares

df Mean

Square

F Sig. Partial Eta

Squared

Corrected

Model

750.750a 11 68.250 6.300 .000 .743

Intercept 8372.250 1 8372.250 772.823 .000 .970

Lokasi 473.639 3 157.880 14.574 .000 .646

varietas_k

entang

201.500 2 100.750 9.300 .001 .437

lokasi *

varietas_k

entang

75.611 6 12.602 1.163 .358 .225

Error 260.000 24 10.833

Total 9383.000 36

Corrected

Total

1010.750 35

a. R Squared = .743 (Adjusted R

Squared = .625)

p value = 0,000

- Daerah Kritik


0,000 < 0,050

H0 ditolak

- Kesimpulan

Karena H0 ditolak pada tingkat signifikansi 5%, maka tidak ada efek faktor

lokasi terhadap hasil produksi kentang.

-- Uji Efek Faktor Varietas Kentang

- Uji Hipotesis

H0 : Tidak ada efek faktor varietas kentang terhadap hasil produksi kentang

H1 : Ada efek faktor varietas kentang terhadap hasil produksi kentang


α = 5%

- Statistik Uji


Dependent Variable:data1

Source Type III Sum

of Squares

df Mean

Square

F Sig. Partial Eta

Squared

Corrected

Model

750.750a 11 68.250 6.300 .000 .743

Intercept 8372.250 1 8372.250 772.823 .000 .970

Lokasi 473.639 3 157.880 14.574 .000 .646

varietas_k

entang

201.500 2 100.750 9.300 .001 .437

lokasi *

varietas_k

entang

75.611 6 12.602 1.163 .358 .225

Error 260.000 24 10.833

Total 9383.000 36

Corrected

Total

1010.750 35

a. R Squared = .743 (Adjusted R

Squared = .625)

p value = 0,001

- Daerah Kritik


0,001 < 0,050

H0 ditolak

- Kesimpulan

Karena H0 ditolak pada tingkat signifikansi 5%, maka tidak ada efek faktor

varietas kentang terhadap hasil produksi kentang.

Karena pada kedua uji efek faktor H0 ditolak maka selanjutnya akan dilakukan

uji MCA untuk data lokasi dan uji MCA untuk varietas kentang.

e) -- Uji MCA Data Lokasi

- Uji Hipotesis

H0 : Tidak ada perbedaan yang signifikan antar keempat lokasi

H1 : Ada perbedaan yang signifikan antar keempat lokasi


α = 5%

- Statistik Uji

p

v

a

l

u

p value lokasi 1 vs p value lokasi 2 = 0,572






- Daerah Kritik


Multiple Comparisons

data1

LSD

(I)

lokasi

(J)

lokasi

Mean

Difference

(I-J)

Std.

Error

Sig. 95% Confidence Interval

Lower

Bound

Upper

Bound

lokasi

1

lokasi

2

-.8889 1.55158 .572 -4.0912 2.3134

lokasi

3

8.3333* 1.55158 .000 5.1310 11.5356

lokasi

4

3.5556* 1.55158 .031 .3532 6.7579

lokasi

2

lokasi

1

.8889 1.55158 .572 -2.3134 4.0912

lokasi

3

9.2222* 1.55158 .000 6.0199 12.4245

lokasi

4

4.4444* 1.55158 .009 1.2421 7.6468

lokasi

3

lokasi

1

-8.3333* 1.55158 .000 -11.5356 -5.1310

lokasi

2

-9.2222* 1.55158 .000 -12.4245 -6.0199

lokasi

4

-4.7778* 1.55158 .005 -7.9801 -1.5755

lokasi

4

lokasi

1

-3.5556* 1.55158 .031 -6.7579 -.3532

lokasi

2

-4.4444* 1.55158 .009 -7.6468 -1.2421

lokasi

3

4.7778* 1.55158 .005 1.5755 7.9801

Based on observed means.

The error term is Mean Square(Error) = 10.833.

*. The mean difference is significant at the .05

level.

p value lokasi 1 vs p value lokasi 2 = 0,572 > 0,050 H0 tidak ditolak

p value lokasi 1 vs p value lokasi 3 = 0,000 < 0,050 H0 ditolak





- Kesimpulan

Untuk lokasi 1 dan lokasi 2, H0 tidak ditolak pada tingkat signifikansi 5%,

sehingga dapat disimpulkan bahwa tidak ada perbedaan yang signifikan antara

lokasi 1 dengan lokasi 2

Untuk lokasi 1 dan lokasi 3, H0 ditolak pada tingkat signifikansi 5%, sehingga

dapat disimpulkan bahwa ada perbedaan yang signifikan antara lokasi 1

dengan lokasi 3



dengan lokasi 4



dengan lokasi 3



dengan lokasi 4

Untuk lokasi 3 dan lokasi 4, H0 tidak ditolak pada tingkat signifikansi 5%,

sehingga dapat disimpulkan bahwa tidak ada perbedaan yang signifikan antara

lokasi 3 dengan lokasi 4

Kemudian, jika dilihat dari nilai pada kolom Mean Difference, nilai Mean

Difference pada lokasi 2 – lokasi 3, maka dapat disimpulkan bahwa lokasi 2

lebih baik dibandingkan lokasi 3, lokasi 1, dan lokasi 4.

-- Uji MCA Data Varietas Kentang

- Uji Hipotesis

H0 : Tidak ada perbedaan yang signifikan antar ketiga varietas kentang

H1 : Ada perbedaan yang signifikan antar ketiga varietas kentang


α = 5%

- Statistik Uji

Multiple Comparisons

data1

LSD

(I)

varie

tas_

kent

ang

(J)

varie

tas_

kent

ang

Mean

Difference

(I-J)

Std.

Error

Sig. 95% Confidence Interval

Lower

Bound

Upper

Bound

p value varietas kentang A vs p value varietas kentang B = 0,000

p value varietas kentang A vs p value varietas kentang C = 0,016

p value varietas kentang B vs p value varietas kentang C = 0,107

- Daerah Kritik


p value varietas kentang A vs p value varietas kentang B = 0,000 < 0,050

H0 ditolak

p value varietas kentang A vs p value varietas kentang C = 0,016 < 0,050

H0 ditolak

p value varietas kentang B vs p value varietas kentang C = 0,107 > 0,050

H0 tidak ditolak

- Kesimpulan

Untuk varietas kentang A dan varietas kentang B, H0 ditolak pada tingkat

signifikansi 5%, sehingga dapat disimpulkan bahwa ada perbedaan yang

signifikan antara varietas kentang A dan varietas kentang B

Untuk varietas kentang A dan varietas kentang C, H0 ditolak pada tingkat

signifikansi 5%, sehingga dapat disimpulkan bahwa ada perbedaan yang

signifikan antara varietas kentang A dan varietas kentang C

Untuk varietas kentang B dan varietas kentang C, H0 tidak ditolak pada

tingkat signifikansi 5%, sehingga dapat disimpulkan bahwa tidak ada

perbedaan yang signifikan antara varietas kentang B dan varietas kentang C

Kemudian, jika dilihat dari nilai pada kolom Mean Difference, nilai Mean

Difference pada varietas kentang B – varietas kentang A, maka dapat

disimpulkan bahwa varietas kentang B lebih baik dibandingkan varietas

kentang A dan varietas kentang C.

c. Saran saya untuk petani kentang adalah jika ingin mendapatkan hasil produksi

kentang yang maksimal, maka pilih varietas kentang B dan tanam pada lokasi 2.

Interpretasi :

Untuk menyelesaikan permasalahan 1, kita selesaikan dengan menggunakan Anova 2

Arah. Sebelumnya perlu dilakukan uji asumsi, yaitu uji normalitas data dan uji

A B -5.7500* 1.34371 .000 -8.5233 -2.9767

C -3.5000* 1.34371 .016 -6.2733 -.7267

B A 5.7500* 1.34371 .000 2.9767 8.5233

C 2.2500 1.34371 .107 -.5233 5.0233

C A 3.5000* 1.34371 .016 .7267 6.2733

B -2.2500 1.34371 .107 -5.0233 .5233

Based on observed means.

The error term is Mean Square(Error) = 10.833.

*. The mean difference is significant at the .05

level.

kesamaan variansi. Dari uji normalitas didapatkan bahwa semua data setiap varietas

kentang berdistribusi normal begitu juga dengan semua data lokasi setiap berdistribusi

normal. Pada uji kesamaan variansi didapatkan bahwa semua data lokasi memiliki

variansi yang sama begitu pula dengan semua data varietas kentang memiliki variansi

yang sama. Selanjutnya, dilakukan uji interaksi, didapatkan bahwa H0 ditolak.

Sehingga, tidak ada interaksi antara keempat lokasi dengan ketiga varietas kentang.

Karena H0 tidak ditolak maka selanjutnya akan dilakukan uji efek faktor. Didapatkan

bahwa H0 ditolak, maka tidak ada efek faktor lokasi dan tidak ada efek faktor varietas

kentang terhadap hasil produksi kentang. Langkah selanjutnya adalah uji MCA faktor

lokasi dan faktor varietas kentang. Didapatkan hasil bahwa lokasi 2 lebih baik

dibandingkan lokasi lainnya dan varietas kentang B lebih baik dibandingkan varietas

kentang lainnya. Jadi, untuk mendapatkan hasil produksi kentang yang maksimal, maka

pilih varietas kentang B dan tanam pada lokasi 2.

2. a. Permasalahan ini diselesaikan dengan Statistika Non Parametrik dengan

menggunakan Uji Kruskal Wallis. Karena akan diuji signifikansi perbedaan antara tujuh

kelompok atau sampel independen (rumah sakit).

b. Uji Asumsi

a) Uji Normalitas

- Uji Hipotesis

H0 : Data jumlah bayi yang lahir di tiap musim berdistribusi normal

H1 : Data jumlah bayi yang lahir ditiap musim tidak berdistribusi normal


α = 5 %

- Statistik Uji

Tests of Normality

musim Kolmogorov-Smirnova Shapiro-Wilk


data dingin .260 7 .167 .818 7 .062

semi .290 7 .077 .793 7 .035

panas .284 7 .093 .807 7 .048

gugur .250 7 .200* .844 7 .108


Correction


significance.

p value musim dingin = 0,062

p value musim semi = 0,035

p value musim panas = 0,048

p value musim gugur = 0,108

- Daerah Kritik


p value musim dingin = 0,062 > 0,050 H0 tidak ditolak

p value musim semi = 0,035 < 0,050 H0 ditolak

p value musim panas = 0,048 < 0,050 H0 ditolak

p value musim gugur = 0,108 > 0,050 H0 tidak ditolak

- Kesimpulan

Untuk data musim dingin, H0 tidak ditolak pada tingkat signifikansi 5%,

sehingga dapat disimpulkan bahwa data jumlah bayi yang lahir di musim

dingin berdistribusi normal.

Untuk data musim semi, H0 ditolak pada tingkat signifikansi 5%, sehingga

dapat disimpulkan bahwa data jumlah bayi yang lahir di musim semi tidak

berdistribusi normal.

Untuk data musim panas, H0 ditolak pada tingkat signifikansi 5%, sehingga

dapat disimpulkan bahwa data jumlah bayi yang lahir di musim panas tidak


Untuk data musim gugur, H0 tidak ditolak pada tingkat signifikansi 5%,

sehingga dapat disimpulkan bahwa data jumlah bayi yang lahir di musim

gugur berdistribusi normal.

b) Uji Kesamaan Variansi

- Uji Hipotesis

H0 : Variansi data jumlah bayi yang lahir di musim dingin sama dengan

variansi data jumlah bayi yang lahir di musim semi sama dengan variansi data

jumlah bayi yang lahir di musim panas sama dengan variansi data jumlah bayi

yang lahir di musim gugur (σdingin = σsemi= σpanas= σgugur)

H1 : Tidak semua variansi data jumlah bayi yang lahir di keempat musim

sama


α = 5%

- Statistik Uji


Levene

Statistic

df1 df2 Sig.

data Based on Mean .507 3 24 .681

Based on Median .115 3 24 .951

Based on Median and

with adjusted df

.115 3 21.255 .951

Based on trimmed

mean

.438 3 24 .728

p value = 0,681

- Daerah Kritik


0,681 > 0,050

H0 tidak ditolak

- Kesimpulan


Sehingga, variansi data jumlah bayi yang lahir di musim dingin sama dengan

variansi data jumlah bayi yang lahir di musim semi sama dengan variansi data

jumlah bayi yang lahir di musim panas sama dengan variansi data jumlah bayi

yang lahir di musim gugur (σdingin = σsemi= σpanas= σgugur).

c) Uji Kruskal Wallis

- Uji Hipotesis

H0 : Rata-rata jumlah bayi yang lahir di musim dingin sama dengan rata-rata

jumlah bayi yang lahir di musim semi sama dengan rata-rata jumlah bayi yang

lahir di musim gugur sama dengan rata-rata jumlah bayi yang lahir di musim

panas (µbayi lahir di musim dingin = µbayi lahir di musim semi = µbayi lahir di musim gugur = µbayi lahir

di musim panas)

H1 : Ada rata-rata jumlah bayi yang lahir di suatu musim tertentu tidak sama

dengan rata-rata jumlah bayi yang lahir di musim lainnya (µbayi lahir di musim i ≠)


α = 5%

- Statistik Uji

Ranks

musim N Mean Rank

data dingin 7 13.93

semi 7 16.36

panas 7 13.93

gugur 7 13.79

Total 28

Test Statisticsa,b

data

Chi-Square .478

Df 3

Asymp. Sig. .924

a. Kruskal Wallis Test

b. Grouping Variable: musim

p value = 0,924

- Daerah Kritik


0,924 > 0,050

H0 tidak ditolak

- Kesimpulan

Karena H0 tidak ditolak pada tingkat signifikansi 5%, maka didapatkan

bahwa rata-rata jumlah bayi yang lahir di musim dingin sama dengan rata-rata

jumlah bayi yang lahir di musim semi sama dengan rata-rata jumlah bayi yang

lahir di musim gugur sama dengan rata-rata jumlah bayi yang lahir di musim

panas (µbayi lahir di musim dingin = µbayi lahir di musim semi = µbayi lahir di musim gugur = µbayi lahir

di musim panas) artinya semua rata-rata jumlah bayi yang lahir disetiap musim

adalah sama.

Interpretasi :

Untuk menyelesaikan permasalahan 2, kita selesaikan dengan menggunakan Uji

Kruskal Wallis. Setelah dilakukan uji kruskal wallis didapatkan bahwa H0 tidak

ditolak pada tingkat signifikansi 5%, maka rata-rata jumlah bayi yang lahir di

musim dingin sama dengan rata-rata jumlah bayi yang lahir di musim semi sama

dengan rata-rata jumlah bayi yang lahir di musim gugur sama dengan rata-rata

jumlah bayi yang lahir di musim panas (µbayi lahir di musim dingin = µbayi lahir di musim semi =

µbayi lahir di musim gugur = µbayi lahir di musim panas) artinya semua rata-rata jumlah bayi yang

lahir disetiap musim adalah sama.

3. Permasalahan ini diselesaikan dengan Analisis Data Kategorik dengan menggunakan Uji

Independensi

a. Tabel kontigensi

Sakit Perut Tidak Sakit Perut Total

Makan Sambel 109 116 225

Tidak Makan Sambel 4 34 38

Total 113 150 263

b. Uji Independensi

a) Uji Hipotesis

H0 : Variabel makan memakai sambel atau tidak independen terhadap variabel

terserang sakit perut atau tidak (P(AB)=P(A)P(B))

H1 : Variabel makan memakai sambel atau tidak dependen terhadap variabel

terserang sakit perut atau tidak (P(AB) ≠ P(A)P(B))

b) Tingkat Signifikansi

α = 5%

c) Statistik Uji

sambel * sakit Crosstabulation

sakit Total

sakit perut tidak sakit

perut

sambel makan

sambel

Count 109 116 225

Expected 96.7 128.3 225.0

Count

tidak

makan

sambel

Count 4 34 38

Expected

Count

16.3 21.7 38.0

Total Count 113 150 263

Expected

Count

113.0 150.0 263.0

Chi-Square Tests

Value df Asymp. Sig.

(2-sided)

Exact Sig.

(2-sided)

Exact Sig.

(1-sided)

Pearson Chi-

Square

19.074a 1 .000

Continuity

Correctionb

17.558 1 .000

Likelihood Ratio 22.101 1 .000

Fisher's Exact

Test

.000 .000

Linear-by-Linear

Association

19.002 1 .000

N of Valid Casesb 263

a. 0 cells (.0%) have expected count less than 5. The minimum expected count

is 16.33.

b. Computed only for

a 2x2 table

p value = 0,000

d) Daerah Kritik


0,000 < 0,050

H0 ditolak

e) Kesimpulan

Karena H0 ditolak pada tingkat signifikansi 5%, maka didapatkan bahwa variabel

makan memakai sambel atau tidak dependen terhadap variabel terserang sakit

perut atau tidak.

c. Perhatikan tabel dibawah ini

Risk Estimate

Value 95% Confidence Interval

Lower Upper

Odds Ratio for sambel (makan sambel

/ tidak makan sambel)

7.987 2.744 23.251

For cohort sakit = sakit perut 4.602 1.804 11.743

For cohort sakit = tidak sakit perut .576 .488 .681

N of Valid Cases 263

Interpretasi :

Orang yang makan sambel 7,987 kali lebih besar beresiko sakit perut dibandingkan

orang yang tidak makan sambel.

Interpretasi :

Untuk menyelesaikan permasalahan 3, kita selesaikan dengan menggunakan Uji

Independensi. Setelah dilakukan uji independensi, didapatkan bahwa H0 ditolak pada

tingkat signifikansi 5%, maka didapatkan bahwa variabel makan memakai sambel

atau tidak dependen terhadap variabel terserang sakit perut atau tidak. Diketahu

bahwa orang yang makan sambel 7,987 kali lebih besar beresiko sakit perut

dibandingkan orang yang tidak makan sambel.

4. Permasalahan ini diselesaikan dengan Analisis Regresi Linear Ganda

a. Sebelum melakukan Uji Analisis Regresi Linear Ganda dilakukan terlebih dahulu uji

asumsi, yaitu

a) Uji Normalitas Variabel Dependen (Kemampuan Menulis Siswa SMA)

- Uji Hipotesis

H0 : Data hasil ternak berdistribusi normal

H1 : Data hasil ternak tidak berdistribusi normal


α = 5 %

- Statistik Uji

p value = 0,666

- Daerah Kritik


0,666 > 0,050

H0 tidak ditolak

- Kesimpulan


Sehinga, didapatkan bahwa data kemampuan menulis siswa SMA


Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Statistic Df Sig. Statistic df Sig.

kemampuan_menulis .173 15 .200* .958 15 .666

a. Lilliefors Significance Correction

*. This is a lower bound of the true significance.

b) Uji Linearitas

Didapatkan output seperti gambar dibawah ini

Interpretasi :

Variabel Kemampuan Menulis dengan variabel Penggunaan Kosakata

memiliki hubungan linear yang positif. (Karena garis menuju arah yang

menaik)

Variabel Kemampuan Menulis dengan variabel Pemahaman Tema memiliki

hubungan linear yang positif. (Karena garis menuju arah yang menaik)

Variabel Kemampuan Menulis dengan variabel Pengetahuan Tatabahasa

memiliki hubungan linear yang positif. (Karena garis menuju arah yang

menaik)

Setelah dilakukan uji asumsi, maka langkah selanjutnya adalah melakukan uji regresi

a) Uji Overall

- Uji Hipotesis

H0: Model regresi tidak layak digunakan

H1: Model regresi layak digunakan


α = 5 %

- Statistik Uji

ANOVAc,d

Model Sum of

Squares

df Mean

Square

F Sig.

1 Regression 9959.994 3 3319.998 4.304E5 .000a

Residual 2.006 260 .008

Total 9962.000b 263

a. Predictors: pengetahuan_tatabahasa, penggunaan_kosakata,

pemahaman_tema

b. This total sum of squares is not corrected for the constant because the

constant is zero for regression through the origin.

c. Dependent Variable: kemampuan_menulis

d. Linear Regression through the Origin

p value = 0,000

- Daerah Kritik


0,000 < 0,050

H0 ditolak

- Kesimpulan

Karena H0 ditolak pada tingkat signifikansi 5%, maka H1 diterima. Sehinga,

didapatkan bahwa model regresi layak digunakan.

b) Uji Parsial

- Uji Hipotesis

H0 : Konstan tidak signifikan

H1 : Konstan signifikan


α = 5 %

- Statistik Uji

Perhatikan tabel koefisien berikut ini :

Coefficientsa,b

Model Unstandardized

Coefficients

Standardized

Coefficients

t Sig.

B Std.

Error

Beta

1 penggunaan_

kosakata

.297 .010 .374 30.079 .000

pemahaman_

tema

.076 .007 .142 10.184 .000

pengetahuan_

tatabahasa

.144 .007 .486 20.988 .000

a. Dependent Variable:

kemampuan_menulis

b. Linear Regression through the

Origin

- Kesimpulan

Sehingga akan didapatkan model regresi terbaik yaitu

Kemampuan menulis = 0,297 penggunaan kosakata + 0,076 pemahaman tema +

0,144 pengetahuan tatabahasa

c) Model Summary

Model Summary

Model R R Squareb Adjusted R Square Std. Error of the Estimate

1 1.000a 1.000 1.000 .08783

a. Predictors: pengetahuan_tatabahasa, penggunaan_kosakata,

pemahaman_tema

b. For regression through the origin (the no-intercept model), R Square

measures the proportion of the variability in the dependent variable about the

origin explained by regression. This CANNOT be compared to R Square for

models which include an intercept.

R = 1,00

Artinya, variabel independen (penggunaan kosakata, pemahaman tema, dan

pengetahuan tatabahasa) erat hubungannya dengan variabel dependen

(kemampuan menulis siswa SMA) sebesar 100%. Hubungan yang ada

menunjukkan hubungan erat yang positif karena nilai R > 0,5.

R square = 1,00

Artinya, sebesar 100 % variabel dependen (kemampuan menulis siswa SMA)

dapat dijelaskan dengan variabel independen (penggunaan kosakata,

pemahaman tema, dan pengetahuan tatabahasa).

Adjusted R Square = 1,00

Artinya, nilai korelasi R square yang di dapat sebesar 100 %.

d) Model terbaik

Jadi, model terbaik untuk mengestimasi variabel dependen jika variabel

independen diketahui adalah



b. Variabel yang mempengaruhi kemampuan menulis siswa SMA adalah variabel

penggunaan kosakata, variabel pemahaman tema, dan variabel pengetahuan

tatabahasa.

c. Model terbaik



Artinya, setiap kenaikan 1 satuan penggunaan kosakata, maka nilai kemampuan

menulis akan ditambahkan sebesar 0,297 satuan, dengan mengabaikan variabel

lain.

Artinya, setiap kenaikan 1 satuan pemahaman tema, maka nilai kemampuan

menulis akan ditambahkan sebesar 0,076 satuan, dengan mengabaikan variabel

lain.

Artinya, setiap kenaikan 1 satuan pengetahuan tatabahasa, maka nilai

kemampuan menulis akan ditambahkan sebesar 0,144 satuan, dengan

mengabaikan variabel lain.

Interpretasi :

Untuk menyelesaikan permasalahan 4, kita selesaikan dengan menggunakan

Analisis Regresi Linear Sederhana. Sebelumnya akan dilakukan uji asumsi, yaitu uji

normalitas data dependen dan uji linearitas. Pada uji normalitas didapatkan bahwa

H0 ditolak pada tingkat signifikansi 5%, maka didapatkan hasil bahwa data

kemampuan menulis siswa SMA berdistribusi normal. Pada uji linearitas didapatkan

hasil bahwa semua variabel independen (penggunaan kosakata, pemahaman tema,

dan pengetahuan tatabahasa) memiliki hubungan linear yang positif terhadap

variabel dependen (kemampuan menulis siswa SMA). Selanjutnya dilakukan uji

overall, pada uji ini didapatkan bahwa H0 ditolak pada tingkat signifikansi 5%,

maka H1 diterima. Sehinga, model regresi layak digunakan. Pada uji parsial

didapatkan bahwa model terbaik Kemampuan menulis = 0,297 penggunaan kosakata

+ 0,076 pemahaman tema + 0,144 pengetahuan tatabahasa.

5. a. Kritik dan saran untuk asisten praktikum selama praktikum metode statistika II kelas

C : sejauh ini sudah baik dan sudah bagus menjadi asisten praktikumnya, penjelasannya

juga tidak membuat binggung, masalahnya pada sarana dan prasarana yang ada, tulisan

di papan agak lebih besar aja dan harus keliatan tulisannya.

b. Pada praktikum metode statistika II, materi mengenai Statistika Non Parametrik,

karena belum begitu banyak latihan soalnya dan masih merasa agak sulit untuk

membedakan mana yang dependen dan mana yang independen.

BAB III

KESIMPULAN

1. a. Analisis yang digunakan adalah Analisis Variansi 2 Arah (Anova 2 Arah). Karena

akan membandingkan hasil kentang dari tiga varietas kentang yang berbeda dari 4 lokasi

berbeda.

b. Terdapat perbedaan produksi kentang. Dapat disimpulkan bahwa varietas kentang B

lebih baik dibandingkan varietas kentang A dan varietas kentang C. Dan penanaman

pada lokasi 2 lebih baik daripada penanaman pada lokasi 1, lokasi 3, dan lokasi 4.

c. Saran saya untuk petani kentang adalah jika ingin mendapatkan hasil produksi

kentang yang maksimal, maka pilih varietas kentang B dan tanam pada lokasi 2.

2. a. Analisis yang digunakan adalah Statistika Non Parametrik dengan menggunakan Uji

Kruskal Wallis. Karena akan diuji signifikansi perbedaan antara tujuh kelompok atau

sampel independen (rumah sakit).

b. Tidak terdapat perbedaan jumlah kelahiran bayi pada tiap musim, rata-rata jumlah

bayi yang lahir di musim dingin sama dengan rata-rata jumlah bayi yang lahir di musim

semi sama dengan rata-rata jumlah bayi yang lahir di musim gugur sama dengan rata-

rata jumlah bayi yang lahir di musim panas artinya semua rata-rata jumlah bayi yang

lahir disetiap musim adalah sama.

3. a. Tabel kontingensi :

Sakit Perut Tidak Sakit Perut Total

Makan Sambel 109 116 225

Tidak Makan Sambel 4 34 38

Total 113 150 263

b. Penggunaan sambal dependen terhadap sakit perut.

c. Orang yang makan sambel 7,987 kali lebih besar beresiko sakit perut dibandingkan

orang yang tidak makan sambel.

4. a. Asumsi terpenuhi, data kemampuan menulis siswa SMA berdistribusi normal.

b. Variabel yang mempengaruhi Kemampuan Menulis Siswa SMA adalah penggunaan

kosakata, pemahaman tema, dan pengetahuan tatabahasa.

c. Model terbaik : Kemampuan menulis = 0,297 penggunaan kosakata + 0,076

pemahaman tema + 0,144 pengetahuan tatabahasa

5. a. Kritik dan saran untuk asisten praktikum selama praktikum metode statistika II kelas

C : sejauh ini sudah baik dan sudah bagus menjadi asisten praktikumnya, penjelasannya

juga tidak membuat binggung, masalahnya pada sarana dan prasarana yang ada, tulisan

di papan agak lebih besar aja dan harus keliatan tulisannya.

b. Pada praktikum metode statistika II, materi mengenai Statistika Non Parametrik,

karena belum begitu banyak latihan soalnya dan masih merasa agak sulit untuk

membedakan mana yang dependen dan mana yang independen.

LAPORAN PRAKTIKUM METSTAT II

Documents

Transcript of LAPORAN PRAKTIKUM METSTAT II