Halo Teman-taman semua, perkenalkan saya Patricius Ari dari kelompok dua. pada kesempatan kali ini saya akan membagikan materi Anova 1: Prasyarat Analisis, Anova Satu Jalur.
berikut link mengenai materi tersebut:
Terimakasih
Rabu, 02 November 2022
Rabu, 26 Oktober 2022
pertemuan ke sembilan: Komparatif: prasyarat analisis, uji t dan non-parametrik yang relevan
Judul Artikel : PENGARUH GOOGLE CLASSROOM BERBASIS WEB DENGAN IMPLEMENTASI MODEL PROJECT BASED LEARNING TERHADAP HASIL BELAJAR PESERTA DIDIK
link artikel: https://ejournal.undiksha.ac.id/index.php/JJPF/article/view/39286/20118
Analisis Novelty
Penelitian ini
bertujuan untuk mengetahui
hasil belajar siswa
dalam penggunaan aplikasi Google Classroomberbasis web dengan
penerapan model pembelajaran berbasis proyek pada materi pokok fisika
termodinamika. Selain itu, respon siswa terhadap perlakuan yang diberikan juga
menjadi bahan evaluasi peneliti. Metode penelitian yang digunakan adalah
kuantitatif dengan pendekatan pra-eksperimen
dan menggunakan desain
penelitian one-shot case study.
Analisis Statistika Inferens
Teknik analisis data yang
digunakan yaitu uji normalitas dan uji hipotesis. Untuk uji normalitas menggunakan teknik
pengujian kecocokan data dengan menggunakan uji statistik chi kuadrat (χ2),
dengan rumus (Sudjana, 2005: 273) sebagai berikut
Keterangan:
χ2= harga chi kuadrat
Oi= frekuensi observasi
Ei= frekuensi harapan
Hipotesis ini mengandung pengertian minimum, dengan
rumus (Sudjana, 2005: 227):
Analisis hipostatik data penelitian menggunakan teknik uji rata-rata dengan statistik uji t, dimana pengujian hipotesis akan didasarkan pada KKM di sekolah penelitian yaitu 75. Berdasarkan hasil pengujian hipotesis, maka diketahui bahwa nilai t hitung untuk masing-masing kelas adalah 7,27, 3,44, dan 4,17 yang lebih besar dari harga t tabel yaitu 1,69 (thit> ttab), maka hipotesis statistik yang berlaku adalah H0diterima dan Ha ditolak untuk semua kelas penelitian, dimana H0menyatakan hasil belajar siswa minimal 75 dengan predikat baik (B).
Rabu, 05 Oktober 2022
Regresi !: Analisis Regresi Tunggal
Halo Teman-teman, saya Patricis Ari akan membagikan materi Analisis Regresi Linear Tunggal
Berikut lampiran dari materi tersebut:
Makalah Regresi Linear Tunggal
Revisi Makalah Regresi Linear Tunggal
Terima kasih
Senin, 03 Oktober 2022
Essay: Pengujian Hipotesis Asosiatif Parametrik dan Non-Parametrik
Hipotesis Asosiatif
Hipotesis asosiatif adalah dugaan hubungan antara variabel dalam populasi, yang akan diuji melalui hubungan antar variabel dalam sampel. Langkah pembuktian yaitu dengan menghitung terlebih dahulu koefisien korelasi yang ada pada sampel untuk diberlakukan pada seluruh populasi. Terdapat tiga hubungan Asosiatif yaitu; Simetris, Sebab akibat (kasual), dan Interaktif (saling mempengaruhi)
o Pedoman memilih teknik korelasi
1. Statistik
Parametrik
Statistik parametrik adalah suatu teknik statistik yang dapat digunakan untuk menguji hipotesis dengan melibatkan parameter populasi. Statistik parametrik memiliki keterbatasan penggunaan jenis data yaitu minimal menggunakan data interval dan rasio. Kelompok data yang dapat digunakan dalam teknik statistik parametrik memiliki ciri berupa populasi yang berdistribusi normal dengan varian-varian yang sama. Berikut beberapa contoh statistik parametrik yang dapat digunakan sebagai statistik uji: Uji T, Anova, Regresi, Korelasi (Korelasi product moment, Korelasi Ganda Korelasi Berganda (Multiple Correlation) dan Korelasi Parsial Korelasi parsial) serta Analisis Jalur
2. Statistik Non-Parametrik
Pendugaan
parameter atau nilai-nilai populasi disebut dengan statistik parametrik
sedangkan statistik non parametrik tidak melibatkan pendugaan nilai populasi.
Terdapat tiga uji asosiatif nonparametrik yang sering digunakan. Uji tersebut
adalah uji koefisien kontingensi (Coefficient Contingency), koefisien korelasi
rank Spearman dan tau-b Kendall test.
Ciri- kelompok data yang dapat diuji dengan statistik non-parametrik:
o Kelompok data tidak berdistribusi normal
o Umumnya data yang dimiliki memiliki skala nominal dan ordinal
o Sering ditemukan pada kasus penelitian ilmu sosial
o Ukuran sampel kecil dan tidak berdistribusi normal
Berikut beberapa
pasangan uji yang dapat dipakai dan sepadan antara uji parametrik dan non
parametrik
Perbedaan antara
penggunaan statistik
parametrik dan non parametrik dapat dilihat pada tabel dibawah ini
Patricius Ari_220321801888
Rabu, 28 September 2022
Asosiatif: prasyarat analisis, pengujian hipotesis asosiatif parametrik, dan non-parametrik yang relevan
Judul artikel:
PENGEMBANGAN PERANGKAT PEMBELAJARAN FISIKA MODEL INKUIRI TERBIMBING UNTUK MELATIHKAN KEMAMPUAN MULTI REPRESENTASI SISWA SMA
1. Analisis Novelty
Artikel yang telah
direview tidak memiliki novelty. Namun dalam artikel ada tujuan yang
ditargetkan yaitu untuk menghasilkan perangkat pembelajaran fisika model
inkuiri terbimbing yang valid, praktis, dan efektif untuk melatihkan kemampuan
multi representasi siswa SMA. Ada beberapa permasalahan yang ditemui peneliti
sselama melakukan observasi yaitu: Keterbatasan
waktu guru mata pelajaran fisika untuk dapat menyediakan perangkat pembelajaran
dalam melatih kemampuan multi representasi siswa; (2) Siswa mengalami kesulitan
menggunakan kemampuan multi representasi fisika; dan (3) Guru bidang studi
fisika kesulitan menangani siswa dengan kemampuan rendah dapat aktif dan
termotivasi belajar fisika. Solusi yang memungkinkan untuk diterapkan dalam
rangka mencapai ketuntasan indikator bagi siswa yang masih lemah dalam
kemampuan multi representasi adalah memberikan lebih banyak soal yang berkaitan,
siswa memperoleh pemahaman konsep fisika yang kontekstual melalui kegiatan
multi representasi, dan bimbingan guru selama pembelajaran harus lebih intensif
bagi siswa yang memiliki kecepatan belajar yang masih rendah.
2. Analisis
Statistik
Teknik analisis data
menggunakan analisis uji statistik non parametrik. Dengan bentuk ujinya adalah menggunakan
uji U Mann-Witney pada data n-gain ternormalisasi dengan hipotesis sebagai
berikut:
H0: Tidak terdapat
perbedaan peningkatan kemampuan multi representasi siswa pada kelas yang satu
dengan kelas yang lain.
H1:Terdapat perbedaan
peningkatan kemampuan multi representasi siswa pada kelas yang satu dengan
kelas yang lain.
Jika P-value < α,
maka H0 ditolak Jika P- value ≥ α, maka H0 tidak dapat ditolak (Sugiyono, 2014)
Pada kelas X1 dan X2; kelas X1 dan X3; dan kelas X2 dan X3 nilai sig. > 0.05, hal ini berarti tidak terdapat perbedaan kemampuan multi representasi awal siswa pada kelas yang satu dengan kelas yang lain.
Representasi Siswa Uji
perbedaan peningkatan kemampuan multi representasi setelah pembelajaran siswa
menggunakan n-gain kemampuan multi representasi tiap kelas menggunakaan uji
Mann-Whitney U dengan taraf signifikansi α = 0.05 (2-tailed) .
Pada kelas X1 dan X2;
kelas X1 dan X3; kelas X2 dan X3 memiliki nilai sig. > 0.05, hal ini berarti
tidak terdapat perbedaan peningkatan kemampuan multi representasi siswa pada
kelas yang satu dengan kelas yang lain.
Patricius Ari_220321801888
Senin, 26 September 2022
Uji prasyarat Analisis: Normalitas, Linearitas dan Homogenitas
1. Uji Normalitas
Uji normalitas didefinisikan sebagai salah satu
pengujian dalam statistika dengan tujuan melihat sebaran data dalam suatu
populasi atau variable penelitian. uji normalitas ini karena sebagai langkah
awal penentuan analisis statistika data tersebut dapat menggunakan statistik parametrik
atau non-parametrik(Das & Imon, 2016). Hasil pengujian yang menunjukkan
sebaran data terdistribusi normal, maka analisisnya dilakukan dengan analisis statistik
parametrik. data yang terdistribusi normal akan membentuk kurva bergantung
kepada dua faktor yakni mean dan standar deviasi. Terdapat beberapa metode yang
dapat digunakan untuk uji normalitas, yakni sebagai berikut.
a. Uji Grafik
Metode pengujian normalitas dengan menggunakan
grafik ini dilakukan dengan memperhatikan penyebaran data pada sumber diagonal
dengan grafik normal P-P Plot of Regression Standardized Residual.
b. Kolmogorov Smirnov
Prinsip penting dalam pengaplikasian metode Kolmogorov Smirnov yakni peneliti diajak untuk membandingkan hasil Z-score yang telah diperoleh dengan Kolmogorov Smirnov table yang telah diasumsikan normal.
c. Shapiro Wilk
Metode Shapiro Wilk merupakan metode untuk uji
normalitas yang efektif digunakan dengan berjumlah kecil, yakni dilakukan
apabila data penelitiannya < 50 data.
d. Sknewness – Kurtosis
Pengujian normalitas dengan metode ini selain memberikan informasi terkait data yang terdistribusi normal atau tidak, juga menggambarkan kurva normalitasnya cenderung “menceng” ke kanan atau ke kiri, terlalu datar atau “gemuk” (mengumpul di tengah).
2.
Uji Linieritas
Pengujian ini dimaksudkan untuk mendapati adanya
hubungan antar dua variabel (variabel pengaruh dan variabel terpengaruh)
bersifat linier atau pun tidak secara signifikan. (Wahyu Widhiarso, 2010) Dalam
pengujian ini memperhatikan hubungan antara variabel X dan variabel Y, apakah
saling berbanding lurus ataupun berbanding terbalik. Adapun beberapa cara yag
dapat digunakan dalam membuktikan hubungan linier antar dua variabel seperti,
Bivariate Plot, Analisis Residual, dan Linearity Test and Curve Estimation.
A.
Jenis Uji Linieritas
a. Grafik Pencar (Scatterplot)
grafik digunakan untuk menjabarkan hubungan dua variabel yang diwujudkan dalam titik-titik yang mendeskripsikan sebaran data dalam suatu hubungan antar variabel
b. Analisis Grafik Residual (Residual Graph Analysis)
digunakan untuk menperhatikan dan mengonfrontasikan nilai residu dan prediksi yang terstandar menggunakan grafik
c. Estimasi Kurva (Curve Estimation Method)
menggunakan model atau pola hubungan antar dua variabel seperti linier (orde 1), kuadrat (orde 2), atau kuartik (orde ke-n).
d. Perbedaan Eta dan R kuadrat
menggunakan hubungan antara eta dan r, yang seperti sudah diketahui eta adalah koefisien asosiasi non-linier jika hubungannya linier nilainya akan sama dengan koefisien korelasi (r Pearson).
e. Linieritas dalam ANOVA
menggunakan ANOVA dapat dililhat dari hasil perhitungan nilai F dalam setiap pasang variabel
B.
Test for Liniearity
Dalam pengujian linieritas menggunakan
aplikasi SPSS yang bernama Test for linearity dengan taraf signifikansi 0,05 dengan
dua metode pengambilan keputusan yaitu:
·
Dikatakan linier
jika hubungan dua variabel memiliki signifikansi lebih dari 0,05 (Sig. >
0,05), dan sebaliknya.
·
Dikatakan linier
jika hubungan dua variabel dalam perhitungan manual nilai F hitung lebih besar
dibandingkan dengan F tabel, dan sebaliknya.
3.
Homogenitas
Uji homogenitas merupakan uji untuk mengetahui
varians dari beberapa populasi sama atau tidak. Uji ini sebagai syarat dari
uji-uji perbandingan (t test dana nova), dengan syarat cukup. Yang berarti jika
uji homogenitas tidak terpenuhi bisa menggunakan uji parametrik.
A.
Jenis-jenis Uji Homogenitas
a. Uji Bartlett
Uji prasyarat ini bertujuan untuk menguji homoskedastisitas dari dua populasi atau lebih yang terdistribusi normal (Barlett, 1937).
b. Uji Herley
Uji Hartley adalah uji yang paling sederhana karena hanya membandingkan variansi terbesar dengan variansi terkecil.
c. Uji Layard
Layard mengenalkan uji chi-square menggunakan fungsi kurtosis dari sampel untuk menentukan homogenitas varians.
d. Uji levene
Uji levene digunakan untuk mengetahui perbedaan dari dua variabel data dengan varians yang berbeda.
Langganan:
Postingan (Atom)