Upload
zaqiah-larashyati
View
212
Download
0
Embed Size (px)
DESCRIPTION
tugas 2
Citation preview
1. Analisis hubungan kemampuan matematika dengan kemampuan fisika hasil Ujian Nasional 2013 di SMAN 2 Jember.
N
O
NAMA matematika Fisika
1 NURIKE HANANI 9.00 9.00
2 DINI SYARIFAH 3.75 9.25
3 RAMADHANI MASITOH 4.00 8.25
4 FIRDHA CHOIRUN 8.50 9.25
5 NADIA ZAQIAH 7.50 9.50
6 NIKEN NAHDIA 9.00 9.00
7 MEITA DANIA 3.75 6.75
8 MEGAWATI 8.25 9.50
9 UMAR SYAFIQ 8.75 9.00
10 KAREN ADIMAS 7.75 9.25
11 AFIF MAKSUM 8.50 8.75
12 PANDU MAULANA 8.00 9.00
13 FAJAR PRANATA 8.00 7.75
14 ABDI UTOMO 5.75 9.25
15 UNGGUL TEGUH 7.75 9.50
16 SATRIANING NUSWANTORO 5.25 9.00
17 MUHAMMAD FIRMANSYAH 9.00 9.25
18 MUHAMMAD FIRDANSYAH 7.75 8.75
19 APRILIA DWI 8.25 7.50
20 QORIFA DAMARANI 8.00 9.00
21 FANDI BAGUS 8.00 9.25
22 BAGUS PRATAMA 8.25 9.00
23 MAULANA HAQIQI 4.00 6.00
24 HUSNIA DANIA 8.25 9.25
25 SALVI DWI 7.75 9.50
26 MIRZA SYAFI 9.00 9.25
27 MARATUS SHOLIHA 3.75 8.25
28 MAGHFIRO 8.75 9.25
29 IMAN LUTFIANTO 8.00 9.00
30 HAPPY RIZKA 8.50 9.25
Hipotesis
H 0 = Tidak ada hubungan antara kemampuan matematika dengan kemampuan fisika
pada hasil Ujian Nasional 2013 di SMAN 2 Jember
H 1 = Ada hubungan positif antara kemampuan matematika dengan kemampuan
fisika pada hasil Ujian Nasional 2013 di SMAN 2 Jember
Uji normalitas1. Buka lembar kerja baru caranya pilih file-new
2. Mendefinisikan Variable View
3. Mengisi data pada data view sesuai dengan data yang diperlukan4. Pilih Analyze – Nonparametric Test – 1 sample KS, masukkan variable
5. Berikut adalah data output SPS
Terlihat bahwa pada kolom asymp sig (2-tailed) untuk diuji 2 sisi adalah 0.000 pada variabel matematika dan fisika. Disini didapat probabilitas dibawah 0.05 maka distribusi populasi tidak normal.
Rumus Statistik yang digunakanUji statistic korelasi non parametric dua sampel saling berhubungan (two dependent sample ) interval dengan interval menggunakan test korelasi Kendall’s Tau dan Spearman
Langkah-langkah:
a. Mendefinisikan Variable View
b. Menginput data pada Data View
One-Sample Kolmogorov-Smirnov Test
nilai_matematika nilai_fisika
N 30 30
Normal Parametersa Mean 7.3333 8.8167
Std. Deviation 1.79815 .82507
Most Extreme Differences Absolute .314 .321
Positive .177 .204
Negative -.314 -.321
Kolmogorov-Smirnov Z 1.721 1.760
Asymp. Sig. (2-tailed) .005 .004
a. Test distribution is Normal.
c. pilih Analyze – correlate – biverate
d. Setelah itu memindahkan variabel matematika dan fisika pada kolom variables, sedangkan untuk correlation coefficient pilihlah Kendall’s tau-b dan spearman, lalu continue
e. Berikut adalah output SPSS
Correlations
matematika fisika
Kendall's tau_b matematika Correlation Coefficient 1.000 .146
Sig. (2-tailed) . .307
N 30 30
fisika Correlation Coefficient .146 1.000
Sig. (2-tailed) .307 .
N 30 30
Spearman's rho matematika Correlation Coefficient 1.000 .196
Sig. (2-tailed) . .299
N 30 30
fisika Correlation Coefficient .196 1.000
Sig. (2-tailed) .299 .
N 30 30
Hasil Analisis
Kendall’s Tau-B
Correlation Coefficient = 0.146Asymp sig ( 2-Tailed) = 0.307
SpearmanCorrelation Coefficient = 0.196Asymp sig ( 2-Tailed) = 0.299
Kesimpulan berdasarkan hasil analisis
Kendall’s Tau-Bo Dengan melihat koefisien korelasi
Dari output terlihat bahwa koefisien korelasi kendall’s tau bernilai 0.146 hal ini menunjukkan ada hubungan positif antara kemampuan matematika dan fisika namun dalam kategori rendah
o Dengan pengambilan keputusan berdasarkan probabilitasTerlihat pada kolom asymp sig (2-Tailed) adalah 0.307 . Disini didapat probabilitas diatas 0.05 maka terima Ho sehingga tidak ada hubungan positif
antara kemampuan matematika dengan kemampuan fisika pada hasil Ujian Nasional 2014 di SMAN 1 Jember
SpearmanDengan melihat koefisien korelasiDari output terlihat bahwa koefisien korelasi spearman bernilai 0.196 hal ini menunjukkan ada hubungan positif antara kemampuan matematika dan fisika namun dalam kategori rendah Dengan pengambilan keputusan berdasarkan probabilitasTerlihat pada kolom asymp sig (2-Tailed) adalah 0.299 . Disini didapat probabilitas dibawa 0.05 maka terima Ho sehingga tidak ada hubungan positif antara kemampuan matematika dengan kemampuan fisika pada hasil Ujian Nasional 2014 di SMAN 2 Jember
2) Analisis perbandingan kemampuan fisika siswa kelas aklselerasi dengan kelas regular pada hasil Ujian Nasional 2014 di SMAN 2 Jember
KELAS REGULER
NO NAMA fisika
1 NURIKE HANANI 9.00
2 DINI SYARIFAH 9.25
3 RAMADHANI MASITOH 8.25
4 FIRDHA CHOIRUN 9.25
5 NADIA ZAQIAH 9.50
6 NIKEN NAHDIA 9.00
7 MEITA DANIA 6.75
8 MEGAWATI 9.50
9 UMAR SYAFIQ 9.00
10 KAREN ADIMAS 9.25
11 AFIF MAKSUM 8.75
12 PANDU MAULANA 9.00
13 FAJAR PRANATA 7.75
14 ABDI UTOMO 9.25
15 UNGGUL TEGUH 9.50
16 SATRIANING NUSWANTORO 9.00
17 MUHAMMAD FIRMANSYAH 9.25
18 MUHAMMAD FIRDANSYAH 8.75
19 APRILIA DWI 7.50
20 QORIFA DAMARANI 9.00
21 FANDI BAGUS 9.25
22 BAGUS PRATAMA 9.00
23 MAULANA HAQIQI 6.00
24 HUSNIA DANIA 9.25
25 SALVI DWI 9.50
26 MIRZA SYAFI 9.25
27 MARATUS SHOLIHA 8.25
28 MAGHFIRO 9.25
29 IMAN LUTFIANTO 9.00
30 HAPPY RIZKA 9.25
Kelas AKSELERASI
NO Nama fisika
1 LAILA CANDRA 8.50
2 ANDRA PUTRI 8.50
3 RISKA AMALIA 8.50
4 DWI HADI 9.25
5 MONICA SALSABILA 9.00
6 FIFI DWITASARI 8.75
7 AFIF MAKSUM 6.75
8 RAHMA WULANDARI 6.50
9 TEDY SYAHLANI 9.25
10 TIAN BASTIAN 7.25
11 SUBHAN AFANDI 9.00
12 DESI MARDIASARI 8.50
13 ANTA BAGAKARA 9.25
14 DITA MARLITA 8.25
15 YOHANDRI SUKMA 9.00
16 AGUNG LANJATI 8.75
17 MIRZA MAULANA 8.75
18 WAHYU MAULANA 7.75
19 DEBY DEVIANT 9.00
20 DENY FERNANDA 8.75
21 LARASATI 9.50
22 DINDA DEWI 7.75
23 ISTIQOMARIA 8.75
24 MUHKLIS 9.25
25 PANJI 9.50
26 PRASETYO 9.25
27 UNGGUL 9.25
28 DINI SUKMIANTI 8.50
29 YUYUN QUROTA 5.50
30 YANTI SAFIRA 8.00
1. HipotesisH 0 = (X1 = X2)H1 = (X1 ≠ X2 )Keterangan : X1 = nilai fisika kelas reguler X2 = nilai fisika kelas akselerasi
2. Uji normalitas menggunakan chi square1. Buka lembar kerja baru caranya pilih file-new2. Isikan data variabel sesuai dengan data yang diperlukan
3. Sebelum melakukan proses analisa, dilakukan proses weight cases terlebih dahulu. Dari menu pilih data weight cases. Pilih weight cases by lalu masukkan variabel fisika pada frequency variabel.
4. Untuk menguji normalitas suatu data pilih Analyze – Nonparametric Test – chi square kemudian akan muncul jendela seperti gambar dibawah ini
5. Setelah itu memindahkan variabel fisika pada kolom test variabel list6. Berikut adalah data output SPSS
fisika
Observed N Expected N Residual
5.5 6 21.6 -15.6
6.5 7 21.6 -14.6
6.75 7 21.6 -14.6
7.25 7 21.6 -14.6
7.75 16 21.6 -5.6
8 8 21.6 -13.6
8.25 8 21.6 -13.6
8.5 45 21.6 23.4
8.75 45 21.6 23.4
9 36 21.6 14.4
9.25 54 21.6 32.4
9.5 20 21.6 -1.6
Total 259
Test Statistics
fisika
Chi-Square 1.686E2a
df 11
Asymp. Sig. .000
a. 0 cells (.0%) have
expected frequencies less
than 5. The minimum
expected cell frequency is
21.6.
Terlihat bahwa pada kolom asymp sig (2-tailed) untuk diuji 2 sisi adalah 0.000 pada variabel fisika. Disini didapat probabilitas dibawah 0.05 maka distribusi populasi tidak normal.
7. Untuk menjalankan prosedur ini pilih Analyze – Nonparametric Test – 2 independent samples kemudian akan muncul jendela seperti pada gambar dibawah ini :
8. Selanjutnya klik variabel fisika, kemudian masukkan dalam test variabel list9. Selanjutnya klik variabel kelas, kemudian masukkan dalam grouping variabel
seperti pada gambar di bawah ini
10. Setelah itu pada kolom test type pilih Mann-Whitney, Kolmogorov-Smirnov dan Wald Wolfowitz
11. Berikut ini adalah data output SPSS
Mann-Whitney Test
Ranks
kelas N Mean Rank Sum of Ranks
fisika reguler 259 259.50 67210.50
akselerasi 259 259.50 67210.50
Total 518
Test Statisticsa
fisika
Mann-Whitney U 3.354E4
Wilcoxon W 6.721E4
Z .000
Asymp. Sig. (2-tailed) 1.000
a. Grouping Variable: kelas
Two-Sample Kolmogorov-Smirnov Test
Frequencies
kelas N
fisika reguler 259
akselerasi 259
Total 518
Test Statisticsa
fisika
Most Extreme Differences Absolute .000
Positive .000
Negative .000
Kolmogorov-Smirnov Z .000
Asymp. Sig. (2-tailed) 1.000
a. Grouping Variable: kelas
Wald-Wolfowitz Test
Frequencies
kelas N
fisika reguler 259
akselerasi 259
Total 518
Test Statisticsb,c
Number of Runs Z
Asymp. Sig. (1-
tailed)
fisika Minimum Possible 13a -21.726 .000
Maximum Possible 518a 22.694 1.000
a. There are 12 inter-group ties involving 518 cases.
b. Wald-Wolfowitz Test
Test Statisticsb,c
Number of Runs Z
Asymp. Sig. (1-
tailed)
fisika Minimum Possible 13a -21.726 .000
Maximum Possible 518a 22.694 1.000
a. There are 12 inter-group ties involving 518 cases.
c. Grouping Variable: kelas
Hasil Analisis
Mann-Whitney TestAsymp sig ( 2-Tailed) = 1.000
Two sample Kolmogorov Smirnov TestAsymp sig ( 2-Tailed) = 1.000
Wald Wolfowitz TestAsymp sig ( 2-Tailed) = 1.000
Kesimpulan
Mann-Whitney TestTerlihat pada kolom asymp sig (2-Tailed) adalah 1.000 . Disini didapat probabilitas diatas 0.05 maka terima Ho sehingga tidak ada perbedaan antara kemampuan fisika kelas regular dengan kelas akselerasi pada hasil Ujian Nasional 2014 di SMAN 2 Jember (X1 ¿ X2 )
Two sample Kolmogorov Smirnov TestTerlihat pada kolom asymp sig (2-Tailed) adalah 1.000 . Disini didapat probabilitas diatas 0.05 maka terima Ho sehingga tidak ada perbedaan antara kemampuan fisika kelas regular dengan kelas akselerasi pada hasil Ujian Nasional 2014 di SMAN 2 Jember (X1 ¿ X2 )
Wald Wolfowitz TestTerlihat pada kolom asymp sig (2-Tailed) adalah 1.000 . Disini didapat probabilitas diatas 0.05 maka terima Ho sehingga tidak ada perbedaan antara kemampuan fisika kelas regular dengan kelas akselerasi pada hasil Ujian Nasional 2014 di SMAN 2 Jember (X1 ¿ X2 )
3. Analisis Pengaruh kemampuan matematika terhadap hasil belajar fisika hasil UN di SMAN 2 jember
N
O
NAMA mtk Fisika
1 NURIKE HANANI 9.00 9.00
2 DINI SYARIFAH 3.75 9.25
3 RAMADHANI MASITOH 4.00 8.25
4 FIRDHA CHOIRUN 8.50 9.25
5 NADIA ZAQIAH 7.50 9.50
6 NIKEN NAHDIA 9.00 9.00
7 MEITA DANIA 3.75 6.75
8 MEGAWATI 8.25 9.50
9 UMAR SYAFIQ 8.75 9.00
10 KAREN ADIMAS 7.75 9.25
11 AFIF MAKSUM 8.50 8.75
12 PANDU MAULANA 8.00 9.00
13 FAJAR PRANATA 8.00 7.75
14 ABDI UTOMO 5.75 9.25
15 UNGGUL TEGUH 7.75 9.50
16 SATRIANING NUSWANTORO 5.25 9.00
17 MUHAMMAD FIRMANSYAH 9.00 9.25
18 MUHAMMAD FIRDANSYAH 7.75 8.75
19 APRILIA DWI 8.25 7.50
20 QORIFA DAMARANI 8.00 9.00
21 FANDI BAGUS 8.00 9.25
22 BAGUS PRATAMA 8.25 9.00
23 MAULANA HAQIQI 4.00 6.00
24 HUSNIA DANIA 8.25 9.25
25 SALVI DWI 7.75 9.50
26 MIRZA SYAFI 9.00 9.25
27 MARATUS SHOLIHA 3.75 8.25
28 MAGHFIRO 8.75 9.25
29 IMAN LUTFIANTO 8.00 9.00
30 HAPPY RIZKA 8.50 9.25
Taraf signifikasinya adalah 100% - 95% = 5% = 0,05.
Ada 3 uji yang digunakan :
1) Uji Korelasi
H 0 : diduga tidak ada pengaruh antara kemampuan matematika terhadap hasil
belajar Fisika hasil UN di SMAN 2 jember
H1 : diduga ada pengaruh antara kemampuan matematika terhadap hasil belajar
Fisika hasil UN di SMAN 2 Jember
2) Uji Anova
H 0 : diduga koefisien korelasinya tidak sama.
H 1 : diduga koefisien korelasinya sama.
3) Uji Koefisien
H 0 : diduga koefisien regresinya tidak signifikan.
H 1 : diduga koefisien regresinya signifikan.
Pengambilan Keputusan
H 0 : diterima jika taraf signifikan ≥ 0,05, maka H 1 ditolak.
H 1 : diterima jika taraf signifikan ¿0,05, maka H 0 ditolak.
Uji Statistik
Statistik uji yang digunakan adalah uji regresi.
Komputasi
Langkah-langkah:
1) Mendefinisikan Variable View
2) Menginput data pada Data View
3) Mengklik Analyze → Regression → Linear
4) Memasukkan kemampuan matematika ke kotak independent dan item hasil belajar fisika
hasil UN ke kotak dependent.
5) Memilih Statistics → check list Estimates, Mode fit, dan Descriptives → Continue
6) Mengklik Plots → memasukkan item DEPENDNT ke kotak Y dan item ADJEPRED ke
kotak X → check list Histogram dan Normal probability plot → Continue.
7) Mengklik Save → pada Predicted Values, check list Unstandardized → Continue
8) Klik Ok
Interpretasi
Deskripsi tabel
Descriptive Statistics
Mean Std. Deviation N
nilai_fisika 8.8167 .82507 30
nilai_matematika 7.3583 1.79160 30
Nilai Fisika
o Mean = 8.8167
o Standar deviasi = .82507
o Jumlah = 30
Nilai Matematika
o Mean = 7.3583
o Standar deviasi = 1.79160
o Jumlah = 30
Correlations
nilai_fisika nilai_matematika
Pearson Correlation nilai_fisika 1.000 .530
nilai_matematika .530 1.000
Sig. (1-tailed) nilai_fisika . .001
nilai_matematika .001 .
N nilai_fisika 30 30
nilai_matematika 30 30
Korelasi antara kemampuan matematika dengan kemampuan fisika hasil UN yaitu
sebesar 0,530
Probabilitas signifikansi = 0,001
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 .530a .281 .255 .71204
a. Predictors: (Constant), nilai_matematika
b. Dependent Variable: nilai_fisika
Besarnya pengaruh lama belajar terhadap IPK mahasiswa Fisika = 0,184
Menunjukkan pengertian bahwa sebesar 28,1 % sumbangan pengaruh kemampuan matematika
terhadap kemampuan fisika, sedangkan sisanya sebesar 71,9% dipengaruhi oleh faktor lain.
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 5.546 1 5.546 10.939 .003a
Residual 14.196 28 .507
Total 19.742 29
a. Predictors: (Constant), nilai_matematika
b. Dependent Variable: nilai_fisika
Fhitung = 10.939
Taraf signifikan = 0,003a
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.B Std. Error Beta
1 (Constant) 7.021 .558 12.573 .000
nilai_matematika .244 .074 .530 3.307 .003
a. Dependent Variable: nilai_fisika
a=7.021
b=0,530
y=a+bx
y=7,021+0,558 x
tHitung=3.307
Taraf signifikan = 0,003
Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value 7.9359 9.2174 8.8167 .43730 30
Std. Predicted Value -2.014 .916 .000 1.000 30
Standard Error of Predicted
Value.130 .296 .176 .055 30
Adjusted Predicted Value 7.6606 9.2318 8.8214 .44042 30
Residual -1.99695 1.31408 .00000 .69965 30
Std. Residual -2.805 1.846 .000 .983 30
Stud. Residual -3.050 2.030 -.003 1.041 30
Deleted Residual -2.36184 1.58936 -.00473 .78726 30
Stud. Deleted Residual -3.665 2.158 -.031 1.136 30
Mahal. Distance .006 4.056 .967 1.351 30
Cook's Distance .000 .850 .067 .178 30
Centered Leverage Value .000 .140 .033 .047 30
a. Dependent Variable: nilai_fisika
Predicted Value : Prediksi nilai
o Nilai minimum = 7.9359
o Nilai maksimum = 9.2174
o Mean = 8.8167
o Standar Deviasi = 0,43730
o Jumlah data = 30
Keputusan
Uji Korelasi
Taraf signifikan = 0,001 < 0,05jadi H 0 ditolak → H1 diterima sehingga ada
pengaruh antara lama belajar dan IPK mahasiswa Fisika FKIP Universitas Jember
Uji Anova
Taraf signifikan = 0,003 < 0,05jadi H 0 ditolak → H1 diterima sehingga koefisien
korelasinya adalah sama.
Uji Regresi
Taraf signifikan = 0,003 < 0,05 jadi H0 ditolak → H 1 diterima sehingga koefisien
regresinya signifikan.
Kesimpulan
Terdapat korelasi antara kemampuan matematika dengan kemampuan fisika, dengan nilai
korelasi (koefisien korelasi) adalah 0,003 dan menunjukkan bahwa adanya pengaruh
kemampuan matematika terhadap kemampuan fisika dan persamaan yang menunjukkan
hubungan antara variabel bebas dengan variable terikat adalah: nilai matematika
Y=7,021+0,558xnilai fisika siswa SMAN 2 Jember.
4. Analisis komparasi nilai UN fisika di SMA se kabupaten Jember
NO NAMA SEKOLAH NILAI UN FISIKA
1 SMAN 1 JEMBER 8.75
2 SMAN 2 JEMBER 9.00
3 SMAN 4 JEMBER 7.75
4 SMAN 5 JEMBER 9.25
5 SMAN KENCONG 9.50
6 SMAN 1 TANGGUL 9.00
7 SMAN 2 TANGGUL 9.25
8 SMAN GUMUKMAS 8.75
9 SMAN 1 BALUNG 7.50
10 SMAN 2 BALUNG 9.00
11 SMAN RAMBIPUJI 9.25
12 SMAN 2 KENCONG 9.00
13 SMAN 2 GUMUKMAS 6.00
14 SMAN 3 PUGER 9.25
15 SMAN 1 KASIYAN 9.50
16 SMAN 2 KASIYAN 9.25
17 SMAN 1 PUGER 8.25
18 SMAN 2 PUGER 9.25
19 SMAN ARJASA 9.00
20 SMAN SUKOWONO 9.25
1. HipotesisH 0 = ¿ = X2 = X3 = X 4=X5 = X6 = X7 = X 8 ¿ X 9 = X10 ¿ X11 = X12 ¿ X13 = X14 ¿ X15 =
X16=¿ X17 = X18 )H 1 = ¿ ≠ X2 ≠ X3 ≠ X 4≠ X5 ≠ X6 ≠ X7 ≠ X 8 ≠ X9 ≠ X10 ≠ X11 ≠ X12 ≠ X13 = X14 ≠ X15
≠ X16 ≠ X17 ≠ X18 )
Keterangan sekolah
SMAN 1 JEMBER = X1
SMAN 2 JEMBER =X2
SMAN 4 JEMBER = X3
SMAN 5 JEMBER=X 4
SMAN KENCONG = X5
SMAN 1 TANGGUL = X6
SMAN 2 TANGGUL = X7
SMAN GUMUKMAS = X 8
SMAN 1 BALUNG = X 9
SMAN 2 BALUNG = X10
SMAN RAMBIPUJI ¿ X11
SMAN 2 KENCONG = X12
SMAN 2 GUMUKMAS = X13
SMAN 3 PUGER = X14
SMAN 1 KASIYAN ¿ X15
SMAN 2 KASIYAN X16
SMAN 1 PUGER = X17
SMAN 2 PUGER = X18
SMAN ARJASA = X19
SMAN SUKOWONO = X20
2. Uji Normalitas1. Buka lembar kerja baru caranya pilih file-new2. Isikan data variabel sesuai dengan data yang diperlukan tampak dilayar seperti
pada gambar dibawah ini :
3. Pada penulisan variabel kelompok,nilai value diisikan sesuai dengan pilihan yang ada seperti tampak pada layar berikut ini :
4. Isikan data pada data view sesuai dengan data yang diperlukan5. Sebelum melakukan proses analisa, dilakukan proses weight cases terlebih dahulu.
Dari menu pilih data weight cases. Pilih weight cases by lalu masukkan variabel nilai pada frequency variabel. Seperti tampak pada tampilan gambar di bawah ini :
6. Untuk menguji normalitas suatu data pilih Analyze – Nonparametric Test – chi square kemudian akan muncul jendela seperti gambar dibawah ini
7. Setelah itu memindahkan variabel nilai pada kolom test variabel list8. Berikut adalah data output SPSS
fisika
Observed N Expected N Residual
6 6 22.0 -16.0
7.5 8 22.0 -14.0
7.75 8 22.0 -14.0
8.25 8 22.0 -14.0
8.75 18 22.0 -4.0
9 45 22.0 23.0
9.25 63 22.0 41.0
9.5 20 22.0 -2.0
Total 176
Test Statistics
fisika
Chi-Square 1.397E2a
df 7
Asymp. Sig. .000
a. 0 cells (.0%) have
expected frequencies less
than 5. The minimum
expected cell frequency is
22.0.
9. Terlihat bahwa pada kolom asymp sig (2-tailed) untuk diuji 2 sisi adalah 0.000 pada variabel fisika. Disini didapat probabilitas dibawah 0.05 maka distribusi populasi tidak normal.
5. Rumus Statistik yang digunakanUji statistic komparasi non parametric K sampel interval dengan interval menggunakan Median Extension dan Kruskal Walls
6. Analisis dengan SPSS1. Buka lembar kerja baru caranya pilih file-new2. Isikan data variabel sesuai dengan data yang diperlukan3. Pada penulisan variabel, nilai value diisikan sesuai dengan pilihan yang sudah ada4. Isilah data pada data view sesuai dengan data yang diperoleh5. Untuk menjalankan prosedur ini adalah dari menu kemudian pilih Analyze-
Nonparametric Test- K independent samples kemudian akan muncul jendela seperti pada gambar dibawah :
6. Selanjutnya klik variabel nilai, kemudian masukkan dalam test variabel list7. Selanjutnya klik variabel sekolah, masukkan dalam grouping variabel seperti pada
gambar dibawah ini :
8. Setelah itu pada kolom test type pilihlah Kruskall Walls H dan median9. Berikut adalah data output spss
Ranks
sekolah N Mean Rank
fisika SMAN 1 JEMBER 9 39.50
SMAN 2 JEMBER 9 71.00
SMAN 3 JEMBER 8 18.50
SMAN 4 JEMBER 9 125.00
SMAN KENCONG 10 166.50
SMAN 1 TANGGUL 9 71.00
SMAN 2 TANGGUL 9 125.00
SMAN GUMUKMAS 9 39.50
SMAN 1 BALUNG 8 10.50
SMAN 2 BALUNG 9 71.00
SMAN RAMBIPUJI 9 125.00
SMAN KENCONG 9 71.00
SMAN PUGER 6 3.50
SMAN PUGER 9 125.00
SMAN 1 KASIYAN 10 166.50
SMAN 2 KASIYAN 9 125.00
SMAN 2 PUGER 8 26.50
SMAN 3 PUGER 9 125.00
SMAN ARJASA 9 71.00
SMAN SUKOWONO 9 125.00
Total 176
Test Statisticsa,b
fisika
Chi-Square 175.000
df 19
Asymp. Sig. .000
a. Kruskal Wallis Test
b. Grouping Variable:
sekolah
Test Statisticsb
fisika
N 176
Median 9.0000
Chi-Square 1.760E2a
df 19
Asymp. Sig. .000
a. 38 cells (95.0%) have
expected frequencies less
than 5. The minimum
expected cell frequency is
2.8.
b. Grouping Variable:
sekolah
7. Hasil Analisis Median Extension
Asymp sig ( 2-Tailed) = 0.000 Kruskal Walls
Asymp sig ( 2-Tailed) = 0.0008. Kesimpulan berdasarkan hasil analisis
Median Extension Terlihat pada kolom asymp sig (2-Tailed) adalah 0.000 . Disini didapat probabilitas dibawah 0.05 maka tolak Ho sehingga ¿ ≠ X2 = X3 ≠ X 4≠ X5 ≠ X6 ≠ X7 ≠ X 8 ≠ X9 = X10 ≠ X11 = X12 ≠ X13≠ X14 ≠ X15≠ X16 ≠ X17≠ X18 ≠ X19 ≠ X20)
Kruskal WallsTerlihat pada kolom asymp sig (2-Tailed) adalah 0.899 . Disini didapat probabilitas diatas 0.05 maka terima Ho sehingga ¿ ≠ X2 = X3 ≠ X 4≠ X5 ≠ X6 ≠ X7 ≠ X 8 ≠ X9 = X10 ≠ X11 = X12 ≠ X13≠ X14 ≠ X15≠ X16 ≠ X17≠ X18 ≠ X19 ≠ X20)