66
METODE PENELITIAN

Tatap Muka - M8

Embed Size (px)

DESCRIPTION

materi kuliah

Citation preview

  • METODE PENELITIAN

  • DASAR-DASAR PENGETAHUAN PenalaranKegiatan berpikir menurut pola/logika tertentu dgn tujuan untuk menghasilkan pengetahuan Aliran yang menggunakan penalaran sebagai sumber kebenaran disebut rasionalisme & yang menganggap fakta dapat tertangkap melalui pengalaman sebagai kebenaran disebut aliran empirisme. Logika (Cara Penarikan Kesimpulan) Pengkajian untuk berpikir secara sahih (valid) Logika induktif dan deduktif (Laksono, 2011)

  • KRITERIA KEBENARAN Salah satu kriteria kebenaran adalah adanya konsistensi dengan pernyataan terdahulu yang dianggap benar Beberapa kriteria kebenaran Teori Koherensi (Konsisten), suatu pernyataan dianggap benar bila pernyataan itu bersifat koheren dan konsisten Teori Korespondensi (Pernyataan sesuai kenyataan), suatu pernyataan dianggap benar apabila materi pengetahuan yang dikandung berkorespondensi dengan objek yang dituju oleh pernyataan tersebut (Bertrand Russel) Teori Pragmatis (Kegunaan di lapangan), kebenaran suatu pernyataan diukur dengan kriteria apakah pernyataan tersebut bersifat fungsional dalam kehidupan praktis (Charles S Pierce), suatu teori tidak akan abadi, dalam jangka waktu tertentu itu dapat diubah dengan mengadakan revisi (Laksono, 2011)

  • BEBERAPA PENGERTIAN DASAR Konsep, istilah dan definisi yang digunakan untuk menggambarkan gejala secara abstrak. Diharapkan peneliti mampu mem-formulasikan pemikirannya kedalam konsep secara jelas dalam kaitannya dng penyederhanaan beberapa masalah yg berkaitan satu dengan yang lainnya.Konstruk (construct), suatu konsep yang diciptakan dan digunakan dengan kesengajaan dan kesadaran untuk tujuan-tujuan ilmiah tertentu.Proposisi hubungan yang logis antara dua konsep. Dalam penelitian sosial dikenal ada dua jenis proposisi : yang pertama aksioma atau postulat, yang kedua teorema. Aksioma ialah proposisi yang kebenarannya sudah tidak lagi dalam penelitian; sedang teorema ialah proposisi yag dideduksikan dari aksioma.

    ( Laksono, 2011)

  • BEBERAPA PENGERTIAN DASAR (lanjutan)Teori, serangkaian asumsi, konsep, konstruk, definisi dan proposisi untuk menerangkan suatu fenomena secara sistematis dengan cara merumuskan hubungan antar konsep (Kerlinger, FN) Teori mempunyai beberapa karakteristik sebagai berikut : harus konsisten dengan teori-teori sebelumnya, harus cocok dengan fakta-fakta empiris.Ada empat cara teori dibangun menurut Melvin Marx : Model Based Theory, berdasarkan teori pertama teori berkembang adanya jaringan konseptual yang kemudian diuji secara empiris. Teori Deduktif, suatu teori yang menekankan pada struktur konseptual dan validitas substansialnya. Teori ini juga berfokus pada pembangunan konsep sebelum pengujian empiris. Teori Induktif, menekankan pada pendekatan empiris untuk mendapatkan generalisasi.Teori Fungsional, suatu teori dikembangkan melalui interaksi yang berkelanjutan antara proses konseptualisasi dan pengujian empiris yang mengikutinya

  • BEBERAPA PENGERTIAN DASAR (lanjutan)Logika Ilmiah, gabungan antara logika deduktif dan induktif dimana rasionalisme dan empirisme bersama-sama dalam suatu system dengan mekanisme korektif. Hipotesis, jawaban sementara terhadap permasalahan yang sedang diteliti. Hipotesis merupakan saran penelitian ilmiah karena hipotesis adalah instrumen kerja dari suatu teori dan bersifat spesifik yang siap diuji secara empiris. Dalam merumuskan hipotesis pernyataannya harus merupakan pencerminan adanya hubungan antara dua variabel atau lebih.Variabel ialah konstruk-konstruk atau sifat-sifat yang sedang dipelajari Ada lima tipe variable yang dikenal dalam penelitian, yaitu: variable bebas (independent), variable tergantung (dependent), variable perantara (moderate), variable pengganggu (intervening) dan variable kontrol (control)Definisi Operasional, spesifikasi kegiatan peneliti dalam mengukur atau memanipulasi suatu variabel (Laksono, 2011)

  • KERANGKA ILMIAH Perumusan masalah : pertanyaan tentang obyek empiris yang jelas batas-batasnya serta dapat diidentifikasikan faktor-2 yang terkait didalamnya.Penyusunan kerangka dalam pengajuan hipotesis :Menjelaskan hubungan antara faktor yang terkaitDisusun secara rasionalDidasarkan pada premis-premis ilmiahMemperhatikan faktor-faktor empiris yang cocokPengujian hipotesis : mencari fakta-fakta yang mendukung hipotesisPenarikan kesimpulan(Laksono, 2011)

  • SARANA BERPIKIR ILMIAH Bahasa, ialah bahasa ilmiah yg merupakan sarana komunikasi ilmiah yang ditujukan untuk menyampaikan informasi berupa pengetahuan, syarat-syarat :bebas dari unsur emotifreproduktifobyektifeksplisit Matematika, pengetahuan sbg sarana berpikir deduktif sifat : jelas, spesifik dan informatiftidak menimbulkan konotasi emosionalKuantitatifStatistika, pengetahuan sebagai sarana berpikir induktif sifat : dapat digunakan untuk menguji tingkat ketelitian untuk menentukan hubungan kausalitas antar factor terkait(Laksono, 2011)

  • PENENTUAN VARIABEL PENELITIAN Macam-macam Variabel : Variabel Kontinu & Diskret Variabel Bebas & Tidak Bebas Variabel Moderator dan Random Variabel Aktif Variabel Atribut. Definisi Variabel : Konstitutif , diberikan kepada suatu variabel dengan menggunakan bantuan variabel yang lain. Operasional, diberikan dengan cara memberikan arti. Definisi Konsep :Suatu fenomena secara abstrak yang dibentuk dengan membuat generalisasi terhadap sesuatu yang spesifik (khas) Variabel = Konsep yang mempunyai bermacam-macam nilai

  • Variabel Kontinyu : Variabel yang dapat ditentukan nilainya, dalam jarak tertentu, dgn desimal yang tidak terbatas. Variabel Diskret : Variabel yg tidak dapat ditentukan nilainya, dlm bentuk pecahan atau desimal di belakang koma. Variabel Bebas & Tidak Bebas : Jika variabel Y ditentukan nilainya oleh variabel X, maka variabel Y disebut variabel konsekuensi, sedangkan variabel X disebut antecendent. Variabel Moderator : Variabel yang dianggap berpengaruh namun tidak mempunyai pengaruh utama. Variabel Random (Acak) : Variabel yg pengaruhnya dapat dilihat berdasarkan error yang timbul dlm mengadakan estimasi. Variabel Aktif : Variabel yg dimanipulasikan oleh peneliti Variabel Atribut : Variabel yg sukar /tidak bisa di manipulasi, umumnya merupakan karakteristik manusia.

  • PERCOBAAN FAKTORIAL Suatu percobaan tentang pengaruh 2(dua) jenis pupuk dengan 4(empat) buah dosis dari masing-masing pupuk tersebut, maka faktor pupuk dengan 2 jenis, p1 dan p2 faktor dosis dengan 4 tingkatan (level), d1, d2, d3, dan d4 Jumlah perlakuan kombinasi antar faktor : 2 x 4 = 8 p1d1, p1d2, p1d3, p1d4, dan p2d1, p2d2, p2d3, p2d4.Jika percobaan dengan 3 faktor : faktor a dengan 2 level, a1 dan a2 faktor b dengan 2 level, b1 dan b2 faktor c dengan 3 level, c1, c2, dan c3 Jumlah perlakuan kombinasi antar faktor : 2 x 2 x 3 = 12 perlakuan dan dapat dinyatakan dengan simbol berikut : a1b1c1, a1b1c2, a1b1c3, a1b2c1, a1b2c2, a1b2c3, dan a2b1c1, a2b1c2, a2b1c3, a2b2c1, a2b2c2, a2b2c3.Percobaan tersebut dinamakan percobaan 3 (tiga) Faktorial

  • PENGARUH & INTERAKSI ANTAR FAKTORHasil-hasil penelitian, menunjukkan bahwa kadang kala lebih dari satu variabel bebas yang memberikan pengaruh terhadap variabel konsekuensi. Pengaruh thd Variabel tinjauan : Masing-masing faktor dapat berpengaruh secara independen/bebas sendiri-sendiri yg biasanya disebut sebagai pengaruh utamaUntuk keperluan desain percobaan, variabel bebas dapat disebut faktor (dinyatakan a, b, c, dsb.)nilai-nilai atau klasifikasi sebuah faktor biasanya disebut taraf faktor, atau tingkatan faktor, atau level faktor (dinyatakan dgn 1, 2, 3, dst.)Faktor penelitian dapat ditulis : a1, c2, b3, dsb. Interaksi antar Faktor : Yang umum terjadi, faktor secara interdependen memberikan pengaruh (campuran) dan biasanya disebut sebagai pengaruh interaksi antar faktor

  • STATISTIKA :Kegiatan untuk : mengumpulkan data menyajikan data menganalisis data dengan metode tertentu menginterpretasikan hasil analisisKEGUNAAN?STATISTIKA DESKRIPTIF :Berkenaan dengan pengumpulan, pengolahan, dan penyajian sebagianatau seluruh data (pengamatan) tanpa pengambilan kesimpulanSTATISTIKA INFERENSI :Setelah data dikumpulkan, maka dilakukan berbagai metode statistik untukmenganalisis data, dan kemudian dilakukan interpretasi serta diambil kesimpulan.Statistika inferensi akan menghasilkan generalisasi (jika sampel representatif)Melalui fasedan fase1. Konsep Statistika

  • 2. Statistika & Metode IlmiahMETODE ILMIAH :Adalah salah satu cara mencari kebenaran yang bila ditinjau dari segi penerapannya, resiko untuk keliru paling kecil.LANGKAH-LANGKAH DALAM METODE ILMIAH :Merumuskan masalahMelakukan studi literaturMembuat dugaan-dugaan, pertanyaan-pertanyaan atau hipotesis

    Mengumpulkan dan mengolah data, menguji hipotesis, atau menjawab pertanyaan

    Mengambil kesimpulanPERAN STATISTIKAINSTRUMENSAMPELVARIABELSIFAT DATAMETODE ANALISIS

  • 3. DataDATA terbagi atas DATA KUALITATIF dan DATA KUANTITATIFDATA KUALITATIF :Data yang dinyatakan dalam bentuk bukan angka.Contoh : jenis pekerjaan, status marital, tingkat kepuasan kerjaDATA KUANTITATIF :Data yang dinyatakan dalam bentuk angkaContoh : lama bekerja, jumlah gaji, usia, hasil ulanganDATAJENISDATANOMINALORDINALINTERVALRASIOKUALITATIFKUANTITATIF

  • 4. DataDATA NOMINAL :Data berskala nominal adalah data yang diperoleh dengan cara kategorisasi atau klasifikasi.CIRI : posisi data setara tidak bisa dilakukan operasi matematika (+, -, x, :)CONTOH : jenis kelamin, jenis pekerjaanDATA ORDINAL :Data berskala ordinal adalah data yang dipeoleh dengan cara kategorisasi atau klasifikasi, tetapi di antara data tersebut terdapat hubunganCIRI : posisi data tidak setara tidak bisa dilakukan operasi matematika (+, -, x, :)CONTOH : kepuasan kerja, motivasiDATA INTERVAL :Data berskala interval adalah data yang diperoleh dengan cara pengukuran, di mana jarak antara dua titik skala sudah diketahui.CIRI : Tidak ada kategorisasi bisa dilakukan operasi matematikaCONTOH : temperatur yang diukur berdasarkan 0C dan 0F, sistem kalenderDATA RASIO :Data berskala rasio adalah data yang diperoleh dengan cara pengukuran, di mana jarak antara dua titik skala sudah diketahui dan mempunyai titik 0 absolut.CIRI : tidak ada kategorisasi bisa dilakukan operasi matematikaCONTOH : gaji, skor ujian, jumlah buku

  • 5. Pengolahan DataPROSEDUR PENGOLAHAN DATA :

    PARAMETER : Berdasarkan parameter yang ada statistik dibagi menjadi

    Statistik PARAMETRIK : berhubungan dengan inferensi statistik yang membahas parameter-parameter populasi; jenis data interval atau rasio; distribusi data normal atau mendekati normal.

    Statistik NONPARAMETRIK : inferensi statistik tidak membahas parameter-parameter populasi; jenis data nominal atau ordinal; distribusi data tidak diketahui atau tidak normal JUMLAH VARIABEL : berdasarkan jumlah variabel dibagi menjadi

    Analisis UNIVARIAT : hanya ada 1 pengukuran (variabel) untuk n sampel atau beberapa variabel tetapi masing-masing variabel dianalisis sendiri-sendiri. Contoh : korelasi motivasi dengan pencapaian akademik.

    Analisis MULTIVARIAT : dua atau lebih pengukuran (variabel) untuk n sampel di mana analisis antar variabel dilakukan bersamaan. Contoh : pengaruh motivasi terhadap pencapaian akademik yang dipengaruhi oleh faktor latar belakang pendidikan orang tua, faktor sosial ekonomi, faktor sekolah.

  • 6. Pengolahan DataMULAIJumlahVariabel ?AnalisisUnivariatAnalisisMultivariatJenisData ?StatistikParametrikStatistikNon ParametrikSATUDUA / LEBIHINTERVALRASIONOMINALORDINAL

  • 7. Penyajian DataTABELGRAFIK

  • 8. Membuat TabelTABEL : memberikan informasi secara rinci. Terdiri atas kolom dan barisTABELKOLOMKolom pertama : LABELKolom kedua . n : Frekuensi atau label BARISBerisikan data berdasarkan kolomTabel Tabulasi Silang

    Asal WilayahPendapat tentang sertifikasiJumlahSangat perluPerlu Tidak tahuTidak perlu Sangat tdk perluJawa BaratJawa TengahJawa TimurNTTPapuaJumlah

  • 9. Membuat Grafik GRAFIK : memberikan informasi dengan benar dan cepat, tetapi tidak rinci. Syarat :Pemilihan sumbu (sumbu tegak dan sumbu datar), kecuali grafik lingkaranPenetapan skala (skala biasa, skala logaritma, skala lain)Ukuran grafik (tidak terlalu besar, tinggi, pendek)Sumbu tegak12341234Sumbu datar0TitikpangkalJenis Grafik :

    Grafik Batang (Bar)

    Grafik Garis (line)

    Grafik Lingkaran (Pie)

    Grafik Interaksi (Interactive)

  • 10. Jenis Grafik Grafik Batang (Bar)Grafik Garis (line)Grafik lingkaran (pie)Grafik Interaksi (interactive)

  • 11. FrekuensiFREKUENSI : banyaknya data untuk satu kelompok/klasifikasi kn = fi i=1 kn = fi = f1 + f2 + f3 +.. + fi + + fk i=1

    KELOMPOKFREKUENSIKelompok ke-1f1Kelompok ke-2f2Kelompok ke-3f3Kelompok ke-ifiKelompok ke-kfk

    Pendidikan FrekuensiS162S219S3990

  • DISTRIBUSI FREKUENSI : mengelompokkan data interval/rasio dan menghitung banyaknya data dalam satu kelompok/klasifikasi12. Distribusi FrekuensiMembuat distribusi frekuensi :Mencari sebaran (range) yakni selisih antara data paling besar dengan data paling kecil) 35 20 = 15Menentukan banyak kelas dengan rumus k = 1 + 3,3 log n 7Menentukan panjang kelas dengan rumus p = sebaran / banyak kelas 15/7 = 2

    KELOMPOK USIAFREKUENSI20 211122 231724 251426 271228 29730 311832 - 33534 - 351

    USIAFREKUENSI20521622132342472572672752832943015313335351

  • 13. Ukuran Tendensi Sentral RATA-RATA : suatu bilangan yang bertindak mewakili sekumpulan bilanganRATA-RATA HITUNG (RERATA) : jumlah bilangan dibagi banyaknyaX1 + X2 + X3 + + Xn n n Xii =1 nX =Bila terdapat sekumpulan bilangan di mana masing-masing bilangannya memiliki frekuensi,maka rata-rata hitung menjadi :X1 f1 + X2 f2 + X3 f3 + + Xkfk f1 + f2 + f3 + + fkX =k Xifii =1 k fii =1 Cara menghitung :Maka :X =695 10= 69.5

    Bilangan (Xi) Frekuensi (fi)Xi fi703210635315852170Jumlah10695

  • 14. Median MEDIAN : nilai tengah dari sekumpulan data setelah diurutkan yang fungsinya membantumemperjelas kedudukan suatu data.Contoh : diketahui rata-rata hitung nilai ulangan dari sejumlah siswa adalah 6.55. Pertanyaannya adalah apakah siswa yang memperoleh nilai 7 termasuk istimewa, baik, atau biasa-biasa saja ? Jika nilai ulangan tersebut adalah : 10 10 8 7 7 6 5 5 5 5 4,maka rata-rata hitung = 6.55, median = 6Kesimpulan : nilai 7 termasuk kategori baik sebab berada di atas rata-rata hitung dan median (kelompok 50% atas)Jika nilai ulangan tersebut adalah : 8 8 8 8 8 8 7 5 5 4 3, maka rata-rata hitung = 6.55, median = 8Kesimpulan : nilai 7 termasuk kategori kurang sebab berada di bawah median (kelompok 50% bawah)Jika sekumpulan data banyak bilangannya genap (tidak mempunyai bilangan tengah)Maka mediannya adalah rerata dari dua bilangan yang ditengahnya.Contoh : 1 2 3 4 5 6 7 8 8 9 maka median (5+6) : 2 = 5.5

  • 15. Modus MODUS : bilangan yang paling banyak muncul dari sekumpulan bilangan, yang fungsinya untuk melihat kecenderungan dari sekumpulan bilangan tersebut.Contoh : nilai ulangan 10 10 8 7 7 6 5 5 5 5 4 Maka : s = 6 ; k = 3 ; p =2 rata-rata hitung = 6.55 ; median = 6 modus = 5 ; kelas modus = 5 - 7MoXMe+-Kurva positif apabila rata-rata hitung > modus / medianKurva negatif apabila rata-rata hitung < modus / median

    Nilai Frekuensi1028172615441Jumlah11

    NilaiFrekuensi8 1035 772 41Jumlah11

  • 16. Ukuran Penyebaran Rentang (range) : selisih bilangan terbesar dengan bilangan terkecil. Sebaran merupakan ukuran penyebaran yang sangat kasar, sebab hanya bersangkutan dengan bilangan terbesar dan terkecil.A : 100 90 80 70 60 50 40 30 20 10B : 100 100 100 100 100 10 10 10 10 10C : 100 100 100 90 80 30 20 10 10 10Contoh :X = 55r = 100 10 = 90UKURAN YANG MENYATAKAN HOMOGENITAS / HETEROGENITAS :RENTANG (Range)DEVIASI RATA-RATA (Average Deviation)VARIANS (Variance)DEVIASI STANDAR (Standard Deviation)Rata-rata

  • 17. Deviasi rata-rata Deviasi Rata-rata : penyebaran Berdasarkan harga mutlak simpanganbilangan-bilangan terhadap rata-ratanya. Kelompok AKelompok BDR = 250 = 25 10DR = 390 = 39 10Makin besar simpangan,makin besar nilai deviasi rata-rataDR = n i=1|Xi X| n

    Rata-rataRata-rata

    Nilai XX - X|X X|100 4545903535802525701515605550-5540-151530-252520-353510-4545Jumlah0250

    Nilai XX - X|X X|10045451004545100454590353580252530-252520-353510-454510-454510-4545Jumlah0390

  • 18. Varians & Deviasi Standar Varians : penyebaran berdasarkan jumlah kuadrat simpangan bilangan-bilangan terhadap rata-ratanya ; melihat ketidaksamaan sekelompok datas2 = n i=1(Xi X)2n-1Deviasi Standar : penyebaranberdasarkan akar dari varians ;menunjukkan keragaman kelompok datas = n i=1(Xi X)2n-1Kelompok AKelompok Bs = 8250 9= 30.28s = 15850 9= 41.97Kesimpulan :Kelompok A : rata-rata = 55 ; DR = 25 ; s = 30.28 Kelompok B : rata-rata = 55 ; DR = 39 ; s = 41.97 Maka data kelompok B lebih tersebar daripada kelompok A

    Nilai XX -X(XX)2100 45202590351225802562570152256052550-52540-1522530-2562520-35122510-452025Jumlah8250

    Nilai XX -X(X X)210045202510045202510045202590351225802562530-2562520-35122510-45202510-45202510-452025Jumlah15850

  • 19. Normalitas, Hipotesis, Pengujian Distribusi Normal : kurva berbentuk bel, simetris, simetris terhadap sumbu yang melalui nilai rata-rata +s +2s +3s -s +2s+3s68%95%99% Lakukan uji normalitas Rasio Skewness & Kurtosis berada 2 sampai +2 Rasio =

    Jika tidak berdistribusi normal, lakukan uji normalitas non parametrik (Wilcoxon, Mann-White, Tau Kendall)Skewness = kemiringanKurtosis = keruncingannilaiStandard error

  • 20. Normalitas, Hipotesis, Pengujian Hipotesis : uji signifikansi (keberartian) terhadap hipotesis yang dibuat ; berbentuk hipotesis penelitian dan hipotesis statistik (H0) ; hipotesis bisa terarah, bisa juga tidak terarah ; akibat dari adanya Ho, maka akan ada Ha (hipotesis alternatif) yakni hipotesis yang akan diterima seandainya Ho ditolak

    HIPOTESISTERARAHTIDAK TERARAHHipotesis PenelitianSiswa yang belajar bahasa lebih serius daripada siswa yang belajar IPSAda perbedaan keseriusan siswa antara yang belajar bahasa dengan yang belajar IPSHipotesis Nol(Yang diuji)Siswa yang belajar bahasa tidak menunjukkan kelebihan keseriusan daripada yang belajar IPSHo : b < iHa : b > iTidak terdapat perbedaan keseriusan belajar siswa antara bahasa dan IPS

    Ho : b = iHa : b I

  • Pengujian : bila Ho terarah, maka pengujian signifikansi satu pihak bila Ho tidak terarah, maka pengujian signifikansi dua pihak21. Normalitas, Hipotesis, Pengujian Pengujian signifikansi satu arah (hipotesis terarah):Siswa yang belajar bahasa tidak menunjukkan kelebihan keseriusan daripadayang belajar IPS Ho : b < iJika Ho ditolak, maka Ha diterima ; daerah penolakan berada di sebelah kananDaerah penerimaan hipotesisDaerah penolakan hipotesis5%Pengujian signifikansi dua arah (hipotesis tidak terarah):Tidak terdapat perbedaan keseriusan belajar siswa antara bahasa dan IPS Ho : b = iJika Ho ditolak, maka Ha diterima ; daerah penolakan bisa berada di sebelah kiri atau kananDaerah penerimaan hipotesisDaerah penolakan hipotesisDaerah penolakan hipotesis2.5%2.5%

  • 22. Uji t Uji t : menguji apakah rata-rata suatu populasi sama dengan suatu harga tertentu atauapakah rata-rata dua populasi sama/berbeda secara signifikan.1. Uji t satu sampelMenguji apakah satu sampel sama/berbeda dengan rata-rata populasinya hitung rata-rata dan std. dev (s) df = n 1 tingkat signifikansi ( = 0.025 atau 0.05) pengujian apakah menggunakan 1 ekor atau 2 ekor diperoleh t hitung ; lalu bandingkan dengan t tabel : jika t hitung > t tabel Ho ditolakt =( - )s / nContoh :Peneliti ingin mengetahui apakah guru yang bekerja selama 8 tahun memang berbeda dibandingkan dengan guru lainnya. Ho : p1 = p2Diperoleh rata2 = 17.26 ; std. Dev = 7.6 ; df = 89 ; t hitung = 11.55Berdasarkan tabel df=89 dan = 0.05 diperoleh t tabel = 1.987 Kesimpulan : t hitung > t tabel sehingga Ho ditolak guru yang bekerja selama 8 tahun secara signifikan berbeda dengan guru lainnya

  • 2. Uji t dua sampel bebasMenguji apakah rata-rata dua kelompok yang tidak berhubungan sama/berbeda 23. Uji t t =(X Y)Sx-y Di manaSx-y = (x2 + y2) (1/nx + 1/ny)(nx + ny 2)Contoh :Peneliti ingin mengetahi apakah ada perbedaan penghasilan (sebelum sertifikasi) antara guru yang lulusan S1 dengan yang lulusan S3Ho : Pb = PkDiperoleh : rata2 x = 1951613 ; y = 2722222 ; t hitung = - 7.369Berdasarkan tabel df=69 dan = 0.025 diperoleh t tabel = 1.994Kesimpulan : t hitung > t tabel sehingga Ho ditolak Rata-rata penghasilan guru yang S1 berbeda secara signifikan dengan penghasilan guru yang S3

  • 24. Uji t 3. Uji t dua sampel berpasanganMenguji apakah rata-rata dua sampel yang berpasangan sama/berbeda t = DsDDi mana D = rata-rata selisih skor pasangansD = d2N(N-1) d2 =ND2 (D)2Contoh :Seorang guru ingin mengetahui efektivitas model pembelajaran diskusi. Setelah selesai pembelajaran pertama, ia memberikan tes dan setelah selesai pembelajaran kedua kembali ia memberikan tes. Kedua hasil tes tersebut dibandingkan dengan harapan adanya perbedaan rata-rata tes pertama dengan kedua.Ho : Nd = NcDiperoleh rata2d = 66.28 ; rata2c = 73.84 ; t hitung = -8.904Berdasarkan tabel df=163 dan = 0.05 diperoleh t tabel = 1.960Kesimpulan : t hitung > t tabel sehingga Ho ditolak Terdapat perbedaan yang signifikan antara hasil tes pertama dengan hasil tes kedua, sehingga ia menyimpulkan model diskusi efektif meningkatkan hasil belajar siswanya

  • 25. Uji Keterkaitan Korelasi : hubungan keterkaitan antara dua atau lebih variabel. Angka koefisien korelasi ( r ) bergerak -1 r +1NOL tidak ada atau tidak menentunya hubungan dua variabelcontoh : pandai matematika dan jago olah raga ; pandai matematika dan tidak bisa olah raga ; tidak pandai matematika dan tidak bisa olah raga korelasi nol antara matematika dengan olah ragaPOSITIFmakin besar nilai variabel 1menyebabkan makin besarpula nilai variabel 2Contoh : makin banyak waktubelajar, makin tinggi skor Ulangan korelasi positif antara waktu belajar dengan nilai ulanganNEGATIFmakin besar nilai variabel 1 menyebabkan makin kecil nilai variabel 2contoh : makin banyak waktu bermain, makin kecil skor Ulangan korelasi negatif antara waktu bermain dengan nilai ulangan

  • 1. KORELASI PEARSON : apakah di antara kedua variabel terdapat hubungan, dan jika ada hubungan bagaimana arah hubungan dan berapa besar hubungan tersebut. Digunakan jika data variabel kontinyu dan kuantitatif 26. Uji Keterkaitan r=NXY (X) (Y)NX2 (X)2 xNY2 (Y)2Contoh :10 orang siswa yang memiliki waktu belajar berbeda dites dengan tes IPSSiswa : A B C D E F G H I JWaktu (X) : 2 2 1 3 4 3 4 1 1 2Tes (Y) : 6 6 4 8 8 7 9 5 4 6Apakah ada korelasi antara waktu belajar dengan hasil tes ?XY = jumlah perkalian X dan YX2 = jumlah kuadrat XY2 = jumlah kuadrat YN = banyak pasangan nilaiDi mana :

    SiswaXX2YY2XYABXX2YY2XY

  • 2. KORELASI SPEARMAN (rho) dan Kendall (tau) :Digunakan jika data variabel ordinal (berjenjang atau peringkat). Disebut juga korelasi non parametrik 27. Uji Keterkaitan rp =1 -6d2N(N2 1)N = banyak pasangand = selisih peringkatDi mana :Contoh :10 orang siswa yang memiliki perilaku (sangat baik, baik, cukup, kurang) dibandingkan dengan tingkat kerajinannya (sangat rajin, rajin, biasa, malas)Siswa : A B C D E F G H I JPerilaku : 2 4 1 3 4 2 3 1 3 2Kerajinan : 3 2 1 4 4 3 2 1 2 3Apakah ada korelasi antara perilaku siswa dengan kerajinannya ?

    SiswaABCDPerilakuKerajinandd2d2

  • 28. Uji Chi-Square (X2) Chi-Square (tes independensi) : menguji apakah ada hubungan antara baris dengankolom pada sebuah tabel kontingensi. Data yang digunakan adalah data kualitatif.X2 =(O E)2EDi manaO = skor yang diobservasiE = skor yang diharapkan (expected)Contoh :Terdapat 20 siswa perempuan dan 10 siswa laki-laki yang fasih berbahasa Inggris, serta 10 siswa perempuan dan 30 siswa laki-laki yang tidak fasih berbahasa Inggris.Apakah ada hubungan antara jenis kelamin dengan kefasihan berbahasa Inggris ? Ho = tidak ada hubungan antara baris dengan kolomH1 = ada hubungan antara baris dengan kolomLPFasihTidak fasihabcddf = (kolom 1)(baris 1)Jika X2 hitung < X2 tabel, maka Ho diterimaJika X2 hitung > X2 tabel, maka Ho ditolak

    OE(O-E)(O-E)2(O-E)2/Ea20(a+b)(a+c)/Nb10(a+b)(b+d)/Nc10(c+d)(a+c)/Nd30(c+d)(b+d)/N

  • 29. Uji Chi-Square (X2) Chi-Square dengan menggunakan SPSSKASUS : apakah ada hubungan pendidikan dengan status marital respondenHo = tidak ada hubungan antara baris dengan kolom atau tidak ada hubungan pendidikan dengan status maritalH1 = ada hubungan pendidikan dengan status maritalDasar pengambilan keputusan :X2 hitung < X2 tabel Ho diterima ; X2 hitung > X2 tabel Ho ditolakprobabilitas > 0.05 Ho diterima ; probabilitas < 0.05 Ho ditolak Hasil : tingkat signifikansi = 5% ; df = 6 ; X2 tabel = 9.431 ; X2 hitung = 12.592 ; asymp. sig = 0.000 ; contingency coeff. = 0.526Karena : X2 hitung < X2 tabel maka Ho diterima asymp. Sig > 0.05 maka Ho diterimaArtinya tidak ada perbedaan tingkat pendidikan berdasarkan status maritalnyadan hal ini diperlihatkan dengan kuatnya hubungan yang hanya 30.8%

    pendidikan terakhirTotalS1S2S3status perkawinanbelum kawin213125kawin329647janda53210duda4408Total6219990

    ValuedfAsymp. Sig. (2-sided)Pearson Chi-Square9,4316,151Likelihood Ratio9,5416,145Linear-by-Linear Association3,0701,080N of Valid Cases90

    ValueApprox. Sig.Nominal by NominalContingency Coefficient,308,151N of Valid Cases90

  • Membuat tabel X2Pada file baru, buat variabel dengan nama dfIsi variabel tersebut dengan angka berurutan Buka menu transform > computePada target variabel ketik chi_5 (untuk 95%)Numeric expr gunakan fungsi IDF.CHISQ (0.95,df)Tekan OK

  • 30. Uji Anova Anova : menguji rata-rata satu kelompok / lebih melalui satu variabel dependen / lebih berbeda secara signifikan atau tidak. ONE WAY ANOVASatu variabel dependen (kuantitatif) dan satu kelompok (kualitatif)Contoh : apakah pandangan siswa tentang IPS (kuantitatif) berbeda berdasarkan jenjang pendidikannya (kualitatif : SD, SLTP, SMU)MULTIVARIAT ANOVAVariabel dependen lebih dari satu tetapikelompok samaContoh : apakah rata-rata ulangan dan pandangan siswa terhadap IPS berbeda untuk tiap daerahSatu variabel dependen tetapi kelompok berbeda Contoh : apakah rata-rata ulangan berbeda berdasar kan klasifikasi sekolah dan kelompok penelitianVariabel dependen lebih dari satu dan kelompok berbedaContoh : apakah rata-rata ulangan dan pandangan siswa terhadap IPS berbeda berdasarkan klasifikasiSekolah dan kelompok penelitianUNIVARIAT ANOVA

  • 31. Uji Anova ONE WAY ANOVAF =RJKaRJKiJKa =kj=1J2jnj-J2NJki =kj=1nji=1X2ij-kj=1J2jnjDi mana : J = jumlah seluruh dataN = banyak datak = banyak kelompoknj = banyak anggota kelompok jJj = jumlah data dalam kelompok jContoh :Apakah terdapat perbedaan pandangan terhadap IPS siswa SD, SLTP, SMU ?Ho : 1 = 2 = 3 (tidak terdapat perbedaan sikap)

    X1X2X331241252341352521715x4.21.43

  • = 0.05 ; df = 2 dan 12 ; F tabel = 3.88 ; F hitung = 11.838F hitung > F tabel , maka Ho ditolak Terdapat perbedaan pandangan siswa SD, SLTP, SMU terhadap IPS32. Uji Anova Cara membaca tabel F :Arah horisontal adalah numerator, df nya antar kelompokArah vertikal adalah denominator, df nya inter kelompokSkor dalam tiap sel bagian atas adalah untuk 95% dan bagian bawah untuk 99%Contoh : kasus di atas, df antar kelompok 2 ; df inter kelompok 12 ; distribusi F 95%Maka membaca tabelnya adalah horisontal lihat kolom df 2, vertikal lihat baris 12Lalu lihat angka pada sel pertemuan 2 dan 12 bagian atas yakni 3.88Maka F tabel adalah 3.88

    Sumber adanya perbedaanJumlah Kuadrat (JK)Derajat Kebebasan (df)Rata-rata Jumlah Kuadrat (RJK)FAntar kelompok19.73k 1 = 29.86511.838

    Inter kelompok10N k = 120.833

  • Apakah ada perbedaan rata-rata penghasilan sesudah sertifikasi jika dilihat dari asal wilayah ?Ho = rata-rata penghasilan tidak berbeda dilihat dari asal wilayahHo : varians populasi identikProbabilitas > 0.05 Ho diterimaDescriptivespenghasilan sesudah lulus sertifikasi

    Test of Homogeneity of Variancespenghasilan sesudah lulus sertifikasi

    32. Uji Anova ANOVApenghasilan sesudah lulus sertifikasi

    F hitung < F tabel maka Ho diterimapenghasilan tidak berbeda Berdasarkan asal wilayahOne way anova

    NMeanStd. DeviationStd. Error95% Confidence Interval for MeanMinimumMaximumLower BoundUpper Boundjabar193094736,84269719,36961877,8672964736,273224737,4224000003700000jateng143057142,86194992,25152113,8712944557,683169728,0326000003400000jatim183194444,44285888,13667384,4803052275,623336613,2728000003800000NTT193152631,58368734,20384593,4282974907,383330355,7821000003700000Papua203325000,00297135,44766441,5063185936,333464063,6727000003800000Total903172222,22301691,03131801,0273109034,263235410,1921000003800000

    Levene Statisticdf1df2Sig.1,263485,291

    Sum of SquaresdfMean SquareFSig.Between Groups782483291562,2384195620822890,5602,272,068Within Groups7318072263993,3108586094967811,687 Total8100555555555,55089

  • 33. Uji Anova MULTIVARIAT ANOVA dengan menggunakan SPSSKasus : apakah status marital mempunyai pengaruh yang signifikan terhadap dana dikeluarkan & usiaVariabel dependen adalah dana yang dikeluarkan & usia ; Faktor (kelompok) adalah status marital Uji varians dilakukan 2 tahap :Varians tiap-tiap variabel dependen ; Ho = varians populasi identik (sama) alat analisis : Lavene Test ; keputusan : probabilitas > 0.05 maka Ho diterimaVarians populasi secara keseluruhan ; Ho = matriks varians sama alat analisis : Boxs M ; keputusan : probabilitas > 0.05 maka Ho diterimaUji Multivariat ; Ho = rata-rata vektor sampel identik (sama) alat analisis : Pillai Trace, Wilk Lambda, Hotelling Trace, Roys keputusan : probabilitas > 0.05 maka Ho diterimaHo diterimaVarians tiap variabel identikHo diterimaVarians populasi identikLevene's Test of Equality of Error Variances(a)Box's Test of Equality of Covariance Matrices(a)

    Fdf1df2Sig.umur responden8,811386,000dana yang dikeluarkan untuk sertifikasi,319386,812

    Box's M16,104F1,654df19df24738,050Sig.,094

  • 34. Uji Anova F hitung > F tabel maka Ho tolak rata2 vektor sampel tidak identikProb < 0.05 Ho ditolakKesimpulan : status perkawinan mempunyai pengaruh terhadap dana yang dikeluarkan dan usia Artinya :Ada kemungkinan responden yang sudah kawin atau pernah kawin mengeluarkan dana yang berbeda dibandingkan dengan yang belum kawin dan kemungkinan usia responden berpengaruh terhadap status perkawinan, artinya makin tua usia responden kemungkinan sudah menikah makin besar

    Perbedaan dapat dilihat jika dilakukan pengujian lanjutan dengan post hoc Multivariate Tests

    Effect ValueFHypothesis dfError dfSig.InterceptPillai's Trace,9721491,496(a)2,00085,000,000 Wilks' Lambda,0281491,496(a)2,00085,000,000 Hotelling's Trace35,0941491,496(a)2,00085,000,000 Roy's Largest Root35,0941491,496(a)2,00085,000,000maritalPillai's Trace,5069,7076,000172,000,000 Wilks' Lambda,50511,523(a)6,000170,000,000 Hotelling's Trace,95613,3906,000168,000,000 Roy's Largest Root,93226,731(b)3,00086,000,000

  • DESAIN PERCOBAAN Kegunaan : Memperoleh keterangan yang maksimum mengenai cara membuat percobaan, bagaimana proses perencanaan serta pelaksanaan percobaan yang dilakukan. Ciri-ciri desain Percobaan: Variabel dan kondisi yang diperlukan diatur secara ketat, Manipulasi (perlakuan) terhadap variabel penelitian, Variabel yang diteliti dibandingkan dengan variabel kontrol, Digunakan Analisa Varian yang ditujukan untuk : minimalisasi variansi dari galat, minimalisasi dari variansi variabel yang tidak diteliti, dan maksimalisasi variansi dari variabel yang diteliti. Definisi :Semua proses yang diperlukan dalam merencanakan dan melaksanakan percobaan (Nasir, 1988)

  • VALIDITAS DESAIN PERCOBAANA. Replikasi, pengulangan dari percobaan dasar untuk : Memberikan error estimasi & menentukan jarak interval kepercayaan, Menghasilkan estimasi yang lebih akurat untuk error percobaan, Memperoleh estimasi yang lebih baik tentang pengaruh rata-rata (mean effect) dari tiap faktor karena: Sx = E2/ n E = error percobaan n = banyaknya pengulanganTerdapat 2(dua) jenis validitas yg perlu diperhatikan:Validitas EksternalHasil percobaan dapat dibuat generalisasi untuk memberi ukuran terhadap populasi secara mantap, randomisasi atau sampling harus diupayakan semaksimal mungkin.b.Validitas InternalSuatu percobaan harus dibuat sedemikian rupa sehingga perbedaan yang terjadi benar-benar disebabkan oleh perlakuan yang diberikan bukan oleh variabel diluar percobaan. 3 Prinsip Dasar Desain Percobaan

  • B. Randomisasi (Pengacakan) , pengamatan harus secara acak untuk menghindari terjadinya bias desain percobaan.

    C. Kontrol Internal, banyaknya pertimbangan, bloking, dan pengelompokkan dari unit- unit percobaan yang digunakan dalam desain percobaan, yg meliputi :

    Grouping : Membagi unit-unit percobaan dlm kelompok yang homogen. Bloking : Kelompok yang homogen dibagi lagi kedalam kelompok lain. Balancing : Cara seorang peneliti membagi unit-unit percobaan dalam kelompok, dalam blok, atau menentukan jumlah unit percobaan pada satu perlakuan, sehingga terdapat suatu kesimbangan. Confounding : Mengurangi terjadinya pengaruh campuran

  • KELEBIHAN & KELEMAHAN DESAIN PERCOBAAN Kelemahan :a. Desain dan analisa percobaan selalu dinyatakan dalam bahasa Statitiskab. Desain percobaan memerlukan biaya yang besar dan waktu yang lama. Kelebihan :Terjalin kerjasama antara ahli statistik dgn peneliti (analisa & interpretasi data),Peneliti dapat membuat pre-planning yg sistematis lebih dini,Full attention terhadap hubungan-hubungan tertentu dalam mengukur & mengenal sumber-sumber variasi,Jumlah test yang digunakan dapat ditentukan dgn tingkat kepercayaan yg tinggi,Dengan grouping, pengaruh yang diukur lebih tepat,Kesimpulan yg diperoleh dapat diketahui secara pasti berbasis matematika.

  • CHEK LIST DALAM DESAIN PERCOBAAN Penjelasan tentang Masalah : Jelaskan sejauh mana cakupan area masalah, Identifikasi outline masalah & limitasi-limitasi yang ada, Jelaskan scope (jangkauan) dari program & desain percobaan tersebut, Tentukan hubungan dari masalah yang khas dengan masalah keseluruhan. Pengumpulan keterangan : Pelajari & selidiki semua keterangan, dari sumber-sumber yang ada (Pustaka), Record & tabulasikan data yang ada, dan kaitan hubungan dengan percobaan.

  • a. Diskusi dengan anggota peneliti tentang hal-hal berikut : Perumusan hipotesa yang mau diuji, Pemilihan variabel-variabel yang akan digunakan, Pembuatan alternatif hasil yang akan dirumuskan, Pemilihan range (rentang) praktis dari faktor-faktor dan level yg akan dipakai Penentuan ukuran yang akan digunakan,, Pertimbangan efek variabilitas sampling & ketetapan yg akan digunakan, Pertimbangan pertimbangan tentang kemungkinan interaksi antar faktor, Penentuan limitasi waktu, biaya, material, tenaga, alat-alat, dan fasilitas lain, Pertimbangan atas human relationship.b. Rencanakan Program Pendahuluan : Buat jadwal yang sistematis & kemungkinan perubahan, Randomisasi, balancing, kontrol internal, Pemilihan metode statistik untuk analisa, Survai metode yg tepat untuk perolehan data yang baik. Pembuatan Program Desain Percobaan :

  • c. Telaah ulang desain dgn pertimbangan pertimbangan masak : Perbaikan terhadap desain yang dipilih lebih awal, , Review tahapan yang akan dilakukan dalam bahasa yang mudah dimengerti.d. Rencanakan Pelaksanaan Percobaan : Pilih metode, material serta alat-alat yg percobaan, Pelaksanaan metode dan teknik-teknik pengujian, Check ulang semua yang berkenaan dengan desain percobaan, Record segala modifikasi yg dilakukan, Kumpulkan data secra cermat dan hati-hati, , Catat progres dari percobaan.e. Analisa Data : Kuantifikasi dari data yang diperoleh,, Pergunakan teknik matematika & statistik yg cocok dan tepat guna.

  • LatinSquare DesignDESIGN EXPERIMENTSINGLE FACTOR DESIGNFACTORIAL DESIGNComplete Block DesignIncomplete Block DesignComplete Block DesignIncomplete Block DesignSplitPlot DesignRandomizedBlock DesignRandomizedComplete Block DesignBalancedLattice DesignPartiallyBalanced Lattice DesignRandomizedComplete Block DesignBalancedLattice DesignSplitPlotDesignConfounding DesignStripPlotDesign

  • a. RANDOMIZED BLOCK DESIGN : Percobaan bersifat homogen, cuaca dapat dikontrol, dan di laboratorium, Perlakuan secara random diberikan kepada unit-unit percobaan.b. RANDOMIZED COMPLETE BLOCK DESIGN : Unit percobaan dibagi atas beberapa blok terlebih dahulu, Jumlah blok harus sama dengan jumlah replikasi, Tiap blok mengandung semua perlakuan yang diberikan, Dapat digunakan untuk percobaan lapangan.c. LATIN SQUARE DESIGN : Blocking dapat dilakukan dua arah , sehingga tiap perlakuan muncul hanya sekali pada kolom dan baris, Jumlah perlakuan dan jumlah replikasi harus sama, Selang perlakuan hanya sekitar 4 ~ 8 perlakuan unit percobaan, Error baris dan error kolom.d. LATTICE DESIGN : Percobaan blok yang tidak komplit, jumlah perlakuan terlalu besar dan jumlah perlakuan tidak perlu sama dengan jumlah blok, Jumlah plot dalam tiap blok harus sama dengan akar jumlah perlakuan.

  • CONTOH : RANDOMIZED BLOCK DESIGN : Percobaan mengenai insektisida : A, B, C, dan D, Replikasi dibuat 5 pengulangan. 2 3 45 6 7 89 10 11 1213 14 15 1617 18 19 201 B 2 A 3 D 4 B5 D 6 C 7 A 8 B9 C 10 D 11 D 12 C13 B 14 C 15 A 16 C17 A 18 B 19 A 20 DMaka Lay out terakhir dari perlakuan adalahsebagai berikut :

  • ANALISIS VARIANS untuk RANDOMIZED BLOCK DESIGN :Untuk analisis data yg diperoleh berdasarkan desain eksperimen RBD :Misal: jumlah perlakuan k, dimana terdapat N i unit percobaan untuk perlakuan i (i=1,2,..k). Jika data pengamatan dinyatakan dengan Yij (i=1,2,.k) dan (j=1,2,..N i) yang berarti Yij = nilai pengamatan dari unit percobaan ke j karena perlakuan ke i, maka disusun Perlakuan Jumlah 1 2 k Y11 Y21 Yk1Data Pengamatan Y12 Y22 Yk2 .. .. .. .. .. .. Y1n1 Y2n2 Yknk

    Jumlah J1 J2 Jk J= SIGMA Ji untuk nilai i=1 s/d kBanyak Pengamatan n1 n2 nk n= SIGMA ni untuk nilai i=1 s/d kRata-rata Y1 Y2 Yk Y= J / SIGMA ni untuk nilai i-=1 s/d k

  • Maka perhitungan selanjutnya diperlukan : = jumlah kuadrat (JK) semua nilai pengamatan.

    = jumlah kuadrat-kuadrat (JK) untuk rata-rata.

    = jumlah kuadrat-kuadrat (JK) antar perlakuan. = jumlah kuadrat-kuadrat (JK) kekeliruan percobaan.

  • Sumber Derajat Jumlah Kuadrat TengahVariasi Kebebasan Kuadrat-kuadrat (KT) (dk) (JK)

    Rata-rata 1 Ry R = Ry

    Antar Perlakuan k 1 Py P = Py / (k-1)

    Kekeliruan Percobaan Ey

    Jumlah/ Total

    Maka Daftar Anava dapat disusun sebagai berikut :

  • Contoh detail dapat dilihat di buku-buku Text Book Statistik !!

  • ANALISIS VARIANS untuk RANDOMIZED BLOCK DESIGN :Misal: Untuk analisis data Mesin yang diberi 4 perlakuan dan diamati selama 4 (hari):jumlah perlakuan 4, dimana terdapat N i unit percobaan untuk perlakuan i (i=1,2,3,4). Jika data pengamatan dinyatakan dengan Yij (i=1,2,3,4) dan (j=1,2,3,4i) yang berarti Yij = nilai pengamatan dari unit percobaan ke j karena perlakuan ke i, maka disusun Blok Perlakuan (Mesin) Jumlah Rata-rata (Hari) A B C D

    1 260 308 323 330 1221 305.3Pengamatan 2 280 358 343 345 1326 331.5 3 298 353 350 333 1334 333.5 4 288 323 365 363 1339 334.8 Jumlah 1126 1342 1381 1371 5220

    Rata-rata 281.5 335.5 345.3 342.8 -

  • Maka perhitungan selanjutnya diperlukan : = (260) 2 + (280) 2 + ..+(363) 2 = 1718000

    = (5220) 2 / 16 = 1703025. (1221) 2 + (1326) 2 + (1334) 2 + (1339) 2 = ------------------------------------------------- = 2373.5. 4 (1126) 2 + (1342) 2 + (1381) 2 + (1371) 2 = ------------------------------------------------- = 10885.5 4

    = 1718000 1703025 2373.5 10885.5 = 1.716

  • Sumber Derajat Jumlah Kuadrat Tengah FVariasi Kebebasan Kuadrat-kuadrat (KT) (dk) (JK)

    Rata-rata 1 1703025 1703025Antar Perlakuan Blok (Hari) 3 2373.5 791.2Perlakuan (Mesin) 3 10885.5 3628.5 19.03Kekeliruan 9 1716 190.7Percobaan

    Jumlah/ Total 16 1718000 Maka Daftar Anava dapat disusun sebagai berikut :Dari tabel / daftar Nilai Percentil Distribusi F :Didapatkan untuk v1=3 dan v2=9 peluang 0.05 F= 3.86 < 19.03Maka Ho ditolak dan H alternatif diterima.

  • **********************************