tugas 2

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




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



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


than 5. The minimum


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 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


than 5. The minimum


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)

Documents

tugas 2