LAPORAN PRAKTI KUM METSTAT II

(1)

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

(2)

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

(3)

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 apakahPenguasaan 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

(4)

5. Buatlah :

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

(5)

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 p value lokasi 2 = 0,925 p value lokasi 3 = 0,681 p value lokasi 4 = 0,975 - Daerah Kritik

H0 ditolak jika p value < α

p value lokasi 1 = 0,999 > 0,050 H0 tidak ditolak p value lokasi 2 = 0,925 > 0,050 H0 tidak ditolak p value lokasi 3 = 0,681 > 0,050 H0 tidak ditolak p value lokasi 4 = 0,975 > 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

(6)

-- Uji Normalitas Data Varietas Kentang - Uji Hipotesis

H0 : Data varietas kentang berdistribusi normal H1 : Data varietas kentang tidak berdistribusi normal - Tingkat Signifikansi

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 - Tingkat Signifikansi

α = 5% - Statistik Uji

Test of Homogeneity of Variance

Levene Statistic

df1 df2 Sig.

(7)

p value = 0,686 - Daerah Kritik

0,686 > 0,050

-- 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 - Tingkat Signifikansi

0,203 > 0,050 H0 tidak ditolak

- Kesimpulan

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

1.683 2 29.696 .203

(8)

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

(9)

Karena H0 tidak ditolak pada tingkat signifikansi 5%, maka H0 diterima. 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 - Tingkat Signifikansi lokasi terhadap hasil produksi kentang.

(10)

H0 : Tidak ada efek faktor varietas kentang terhadap hasil produksi kentang H1 : Ada efek faktor varietas kentang terhadap hasil produksi kentang - Tingkat Signifikansi

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 - Tingkat Signifikansi

(11)

p

Sig. 95% Confidence Interval Lower

Based on observed means.

(12)

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

 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 - Tingkat Signifikansi

Sig. 95% Confidence Interval Lower

Bound

(13)

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.

(14)

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 - Tingkat Signifikansi

musim Kolmogorov-Smirnova Shapiro-Wilk Statistic df Sig. Statistic df Sig.

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

*. This is a lower bound of the true 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

(15)

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 berdistribusi normal.

 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

- Tingkat Signifikansi

Levene Statistic

df1 df2 Sig.

data Based on Mean .507 3 24 .681

Based on Median .115 3 24 .951

.115 3 21.255 .951

.438 3 24 .728

(16)

Karena H0 tidak ditolak pada tingkat signifikansi 5%, maka H0 diterima. 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 ≠) - Tingkat Signifikansi

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

- Kesimpulan

(17)

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

(18)

Count

a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 16.33.

b. Computed only for a 2x2 table

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

(19)

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 - Tingkat Signifikansi

- Kesimpulan

Karena H0 tidak ditolak pada tingkat signifikansi 5%, maka H0 diterima. Sehinga, didapatkan bahwa data kemampuan menulis siswa SMA berdistribusi normal.

Kolmogorov-Smirnova Shapiro-Wilk Statistic Df Sig. Statistic df Sig. kemampuan_menulis .173 15 .200* .958 15 .666

(20)

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

(21)

H0: Model regresi tidak layak digunakan H1: Model regresi layak digunakan -Tingkat Signifikansi

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 didapatkan bahwa model regresi layak digunakan.

b) Uji Parsial -Uji Hipotesis

H0 : Konstan tidak signifikan H1 : Konstan signifikan -Tingkat Signifikansi

α = 5 % -Statistik Uji

Perhatikan tabel koefisien berikut ini :

(22)

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

(23)

b. Variabel yang mempengaruhi kemampuan menulis siswa SMA adalah variabel penggunaan kosakata, variabel pemahaman tema, dan variabel pengetahuan tatabahasa.

c. Model terbaik

Kemampuan menulis = 0,297 penggunaan kosakata + 0,076 pemahaman tema + 0,144 pengetahuan tatabahasa

 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.

(24)

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 jumlah bayi yang lahir di musim gugur sama dengan rata-rata jumlah bayi yang lahir di musim panas artinya semua rata-rata-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.