Professional Documents
Culture Documents
Perlakuan
Blok
10.19
Kontrol
Timur
9.26
Kontrol
Tengah
12.73
Kontrol
Barat
32.02
K2P1
Timur
25.76
K2P1
Tengah
4.
5.
6.
7.
19.72
K2P1
Barat
23.91
K2P2
Timur
21.99
K2P2
Tengah
21.42
K2P2
Barat
17.15
K2P3
Timur
15.66
K2P3
Tengah
10.37
K2P3
Barat
10.35
K2P4
Timur
13.31
K2P4
Tengah
14.31
K2P4
Barat
21.98
K3P1
Timur
19.43
K3P1
Tengah
16.16
K3P1
Barat
18.08
K3P2
Timur
13.50
K3P2
Tengah
18.32
K3P2
Barat
18.07
K3P3
Timur
14.01
K3P3
Tengah
14.39
K3P3
Barat
12.37
K3P4
Timur
16.32
K3P4
Tengah
10.20
K3P4
Barat
Klik Analyze.
Klik General Linear.
Klik Univariate.
Pindahkan keefektifan pupuk pada kolom dependent variable, dan pindahkan
perlakuan dan blok pada fixed factor.
8. Pilih model, dan tandai costum. Selanjutnya pindahkan faktor perlakuan dan blok pada
kolom model dan gunakan type main effects.
9. Pilih Post Hoc, kemudian pindahkan factor perlakuan dan blok pada kolom Post Hoc
Test. Centang Tukey pada Equal variances assumed.
10. Klik Ok.
OUTPUT:
Univariate Analysis of Variance
Between-Subjects Factors
Value Label
Kontrol
K2P1
K2P2
K2P3
K2P4
K3P1
K3P2
K3P3
K3P4
Timur
Tengah
Barat
Perlakuan 1
Blok
df
Mean Square
(Kuadrat Tengah)
Sig.
7.082
.000
Corrected Model
625.250
10
62.525
Intercept
7532.702
7532.702
Perlakuan
586.040
73.255
8.297
.000
Blok
39.211
19.605
2.221
.141
Error
141.261
16
8.829
Total
8299.213
27
Corrected Total
766.511
26
853.197 .000
K2P1
-15.1067*
2.42608
.000
-23.7373
-6.4760
K2P2
-11.7133*
2.42608
.004
-20.3440
-3.0827
K2P3
-3.6667
2.42608
.835
-12.2973
4.9640
K2P4
-1.9300
2.42608
.995
-10.5607
6.7007
K3P1
-8.4633
2.42608
.057
-17.0940
.1673
K3P2
-5.9067
2.42608
.330
-14.5373
2.7240
K3P3
-4.7633
2.42608
.585
-13.3940
3.8673
K3P4
-2.2367
2.42608
.988
-10.8673
6.3940
15.1067
2.42608
.000
6.4760
23.7373
3.3933
Kontrol
K2P3
2.42608
.883
-5.2373
12.0240
2.42608
.005
2.8093
20.0707
11.4400
K2P4
13.1767
2.42608
.001
4.5460
21.8073
K3P1
6.6433
2.42608
.209
-1.9873
15.2740
K3P2
2.42608
.032
.5693
17.8307
2.42608
.013
1.7127
18.9740
K3P4
12.8700
2.42608
.002
4.2393
21.5007
Kontrol
11.7133*
2.42608
.004
3.0827
20.3440
K2P1
-3.3933
2.42608
.883
-12.0240
5.2373
K2P3
8.0467
2.42608
.078
-.5840
16.6773
K2P4
9.7833*
2.42608
.020
1.1527
18.4140
K3P1
3.2500
2.42608
.904
-5.3807
11.8807
K3P2
5.8067
2.42608
.349
-2.8240
14.4373
K3P3
6.9500
2.42608
.170
-1.6807
15.5807
K3P4
9.4767*
2.42608
.026
.8460
18.1073
Kontrol
3.6667
2.42608
.835
-4.9640
12.2973
K2P1
-11.4400*
2.42608
.005
-20.0707
-2.8093
K2P2
-8.0467
2.42608
.078
-16.6773
.5840
K2P4
1.7367
2.42608
.998
-6.8940
10.3673
K3P3
K2P3
Sig.
K2P1
K2P2
K2P2
Std.
Error
9.2000
10.3433
K2P4
K3P1
K3P2
K3P3
K3P1
-4.7967
2.42608
.577
-13.4273
3.8340
K3P2
-2.2400
2.42608
.988
-10.8707
6.3907
K3P3
-1.0967
2.42608
1.000
-9.7273
7.5340
K3P4
1.4300
2.42608
.999
-7.2007
10.0607
Kontrol
1.9300
2.42608
.995
-6.7007
10.5607
K2P1
-13.1767
2.42608
.001
-21.8073
-4.5460
K2P2
-9.7833
2.42608
.020
-18.4140
-1.1527
K2P3
-1.7367
2.42608
.998
-10.3673
6.8940
K3P1
-6.5333
2.42608
.224
-15.1640
2.0973
K3P2
-3.9767
2.42608
.772
-12.6073
4.6540
K3P3
-2.8333
2.42608
.953
-11.4640
5.7973
K3P4
-.3067
2.42608
1.000
-8.9373
8.3240
Kontrol
8.4633
2.42608
.057
-.1673
17.0940
K2P1
-6.6433
2.42608
.209
-15.2740
1.9873
K2P2
-3.2500
2.42608
.904
-11.8807
5.3807
K2P3
4.7967
2.42608
.577
-3.8340
13.4273
K2P4
6.5333
2.42608
.224
-2.0973
15.1640
K3P2
2.5567
2.42608
.973
-6.0740
11.1873
K3P3
3.7000
2.42608
.829
-4.9307
12.3307
K3P4
6.2267
2.42608
.272
-2.4040
14.8573
Kontrol
5.9067
2.42608
.330
-2.7240
14.5373
K2P1
-9.2000*
2.42608
.032
-17.8307
-.5693
K2P2
-5.8067
2.42608
.349
-14.4373
2.8240
K2P3
2.2400
2.42608
.988
-6.3907
10.8707
K2P4
3.9767
2.42608
.772
-4.6540
12.6073
K3P1
-2.5567
2.42608
.973
-11.1873
6.0740
K3P3
1.1433
2.42608
1.000
-7.4873
9.7740
K3P4
3.6700
2.42608
.834
-4.9607
12.3007
Kontrol
4.7633
2.42608
.585
-3.8673
13.3940
K2P1
-10.3433*
2.42608
.013
-18.9740
-1.7127
K2P2
-6.9500
2.42608
.170
-15.5807
1.6807
K2P3
1.0967
2.42608
1.000
-7.5340
9.7273
K2P4
2.8333
2.42608
.953
-5.7973
11.4640
K3P1
-3.7000
2.42608
.829
-12.3307
4.9307
K3P4
K3P2
-1.1433
2.42608
1.000
-9.7740
7.4873
K3P4
2.5267
2.42608
.975
-6.1040
11.1573
Kontrol
2.2367
2.42608
.988
-6.3940
10.8673
K2P1
-12.8700*
2.42608
.002
-21.5007
-4.2393
K2P2
-9.4767*
2.42608
.026
-18.1073
-.8460
K2P3
-1.4300
2.42608
.999
-10.0607
7.2007
K2P4
.3067
2.42608
1.000
-8.3240
8.9373
K3P1
-6.2267
2.42608
.272
-14.8573
2.4040
K3P2
-3.6700
2.42608
.834
-12.3007
4.9607
K3P3
-2.5267
2.42608
.975
-11.1573
6.1040
Homogeneous Subset
Keefektifan
Tukey HSD
Subset
Perlakuan
Kontrol
10.7267
K2P4
12.6567
K3P4
12.9633
K2P3
14.3933
14.3933
K3P3
15.4900
15.4900
K3P2
16.6333
16.6333
K3P1
19.1900
19.1900
19.1900
K2P2
22.4400
22.4400
K2P1
Sig.
25.8333
.057
.078
.209
Blok
Multiple Comparisons
Keefektifan Tukey HSD
Mean Difference
(I) Blok (J) Blok
(I-J)
Timur
Sig.
Tengah
1.6533
1.40070
.481
-1.9609
5.2676
Barat
2.9444
1.40070
.121
-.6698
6.5587
-1.6533
1.40070
.481
-5.2676
1.9609
Barat
1.2911
1.40070
.635
-2.3232
4.9054
Timur
-2.9444
1.40070
.121
-6.5587
.6698
Tengah
-1.2911
1.40070
.635
-4.9054
2.3232
Tengah Timur
Barat
Std.
Error
Barat
15.2911
Tengah
16.5822
Timur
18.2356
Sig.
.121
TUGAS 2
Pada soal no. 2 ini digunakan uji anova 1 arah, dimana One-Way ANOVA itu sendiri
digunakan untuk menguji perbedaan rata-rata untuk lebih dari dua kelompok sampel.
Karena dalam soal ini kita ingin mengetahui perbedaan hasil belajar matematika siswa yang
didasarkan pada pengelompokan menurut jenis pekerjaan orang tua, maka kita dapat
menggunakan prosedur One-Way ANOVA.
Hipotesis:
H0: Jenis pekerjaan orangtua tidak mempengaruhi nilai belajar siswa (A = B = C = D).
H1: Jenis pekerjaan orangtua mempengaruhi nilai belajar siswa (A B C D).
Langkah-Langkah :
1. Buka SPSS.
2. Pada jendela SPSS Editor, klik tab Variable View.
Tulis dan isi Name, Type, Width, Decimals, Label, Values, Missing, Columns, Align,
dan Measure.
3. Klik tab Data View.
Isi data view, dengan kolom pertama yang menyatakan jenis pekerjaan orangtua dan
kolom kedua menyatakan daftar nilai matematika siswa. Dimana datanya sbb:
Jenis Pekerjaan Orangtua Nilai Matematika Siswa
PNS & ABRI
70
60
75
65
65
90
85
90
75
70
GURU
80
GURU
85
GURU
75
GURU
90
GURU
85
GURU
75
GURU
85
GURU
95
GURU
90
GURU
100
PETANI
75
PETANI
80
PETANI
85
PETANI
80
PETANI
70
PETANI
75
PETANI
70
PETANI
60
PETANI
75
PETANI
95
BURUH
65
BURUH
70
BURUH
75
BURUH
60
BURUH
60
BURUH
75
BURUH
75
BURUH
70
BURUH
65
BURUH
85
4. Klik Analyze.
OUTPUT :
ANOVA
Nilai_Matematika_Siswa
Sum of Squares
(Jumlah Kuadrat)
df
Mean Square
(Kuadrat Tengah)
Sig.
Between Groups
1362.500
454.167
5.514
.003
Within Groups
2965.000
36
82.361
Total
4327.500
39
GURU
PETANI
4.059 .036
-22.43
-.57
PETANI
-2.000
4.059 .960
-12.93
8.93
BURUH
4.500
4.059 .687
-6.43
15.43
4.059 .036
.57
22.43
PETANI
9.500
4.059 .108
-1.43
20.43
BURUH
4.059 .002
5.07
26.93
2.000
4.059 .960
-8.93
12.93
-9.500
4.059 .108
-20.43
1.43
6.500
4.059 .391
-4.43
17.43
-4.500
4.059 .687
-15.43
6.43
4.059 .002
-26.93
-5.07
-6.500
4.059 .391
-17.43
4.43
GURU
BURUH
-11.500
11.500
16.000
-16.000
Homogeneous Subsets
Nilai_Matematika_Siswa
Subset for alpha = 0.05
Tukey
HSDa
Jenis_Pekerjaan_Orangtua
BURUH
10
70.00
10
74.50
PETANI
10
76.50
GURU
10
Sig.
Duncana
76.50
86.00
.391
BURUH
10
70.00
10
74.50
PETANI
10
76.50
GURU
10
Sig.
.108
86.00
.139
1.000
TUGAS 3
Untuk soal yang ketiga digunakan Analisis Regresi Berganda, karena data pada soal
ini mempunyai/terdapat lebih dari satu variable independent, yaitu gdp_cap, lifeexpf,
lifeexpm, literacy, dan babymort. Dimana Analisis Regresi Linear Berganda itu sendiri
digunakan untuk mengukur pengaruh antara lebih dari satu variabel prediktor (variabel
bebas) terhadap variabel terikat.
Hipotesis:
H0: 1 = 0 (model tidak tepat)
H1: 0 0 (model tepat)
Langkah-langkah :
1. Buka SPSS.
2. Klik file, kemudian pilih open dan data.
3. Buka my computer , disk c, selanjutnya pilih program file.
4. Cari SPSSinc, kemudian pilih folder samples dan pilih world95.sav.
5. Pada world95.sav data yang akan digunakan sudah ada, kemudian klik analyze.
6. Pilih regression dan selanjutnya pilih linear.
7. Isi kolom dependent dengan variable number of people (density).
8. Isi kolom independent dengan variable gdp_cap, lifeexpf, lifeexpm, literacy, dan
babymort.
9. Pilih statistics, kemudian centang estimates, model fit, dan R squared change.
Selanjutnya continue.
10. Pilih option, kemudian centang include constant in equation dan continue.
11. Klik Ok.
OUTPUT :
Variables Entered/Removedb
Model
Variables Entered
Variables Removed
Method
Enter
Model Summary
Change Statistics
Model
.308a
.050
664.4054
R Square
Sig. F
Change F Change df1 df2 Change
.095
2.121
5 101
.069
a. Predictors: (Constant), Infant mortality (deaths per 1000 live births), Gross domestic
product/capita, People who read (%), Average male life expectancy, Average female life
expectancy
ANOVAb
Model
1
Sum of Squares
df
Mean Square
Sig.
4681446.092
936289.218
2.121
.069a
Residual/error
4.458E7
101
441434.586
Total
4.927E7
106
Regression
a. Predictors: (Constant), Infant mortality (deaths per 1000 live births), Gross domestic
product / capita, People who read (%), Average male life expectancy, Average female
life expectancy
b. Dependent Variable: Number of people / sq. kilometer
Output baris regression menampilkan informasi sekitar variansi yang dapat
diterangkan oleh model regresi. Sedangkan baris residual menampilkan informasi sekitar
variansi yang tidak dapat diterangkan oleh model regresi. ANOVA tabel berguna untuk
mengetes kemampuan model untuk menerangkan variansi pada variabel dependent. Namun
tabel ANOVA tidak secara langsung mengukur kekuatan hubungan.
Uji serempak (Uji- F)
Hipotesis:
H0: I = 0 ( tidak mempengaruhi)
H1: i 0 ( mempengaruhi )
Berdasarkan tabel diperoleh :
a. Sum of Squares / Jumlah Kudrat terdiri dari :
JKR (Regression) = 4681446.092
JKE (Error) = 4.458E7
JKT (Total) = 4.927E7
b. Mean Square (Kuadrat Tengah) terdiri dari:
Nilai KTS=82,361
Nilai KTP=454,167.
c. Nilai Fhitung=2.121 dan Ftabel=10.13 sehingga menyebabkan Fhitung < Ftabel. Jadi
H0 diterima dan dapat disimpulkan bahwa gdp_cap, lifeexpf, lifeexpm, literacy, dan
babymort mempengaruhi variabel density.
d. Nilai signifikansi (Pvalue)=0,069 sehingga lebih besar dari 5% dan dapat disimpulkan
bahwa H0 diterima yang berarti gdp_cap, lifeexpf, lifeexpm, literacy, dan babymort
mempengaruhi variabel density.
Coefficientsa
Unstandardized Coefficients
Model
1
Std. Error
2618.258
1944.174
.018
.013
-36.864
Standardized
Coefficients
t
Sig.
1.347
.181
.171
1.368
.174
45.605
-.576
-.808
.421
24.778
41.633
.340
.595
.553
-13.169
7.171
-.442
-1.836
.069
-11.904
7.205
-.669
-1.652
.102
(Constant)
Gross domestic product /
capita
Beta