statistik reta

3. Ujilah hipotesis yang menyatakan ada hubungan positif antara kemampuan numerikal dan penalaranNoNumerikalPenalaran

16244

22262

35971

44660

54676

65164

74676

87369

984100

104162

1189100

129791

137371

144384

157391

167382

175976

184347

1910096

205973

213880

225982

235473

243036

257627

266280

274167

287082

296891

303867

316264

325776

336551

345469

355791

362749

377380

388487

393869

407376

Ho : Tidak ada hubungan positif antara kemampuan numerikal dan penalaranHa : Ada hubungan positif antara kemampuan numerikal dan penalaranjika probabilitas > 0,05 maka tidak terdapat korelasi, dan sebaliknya jika probabilitas < 0,05 maka terdapat korelasi numerical dengan penalaran

Berdasarkan uji korelasi diperoleh :

Descriptive Statistics

MeanStd. DeviationN

numerical59.125018.5018240

penalaran72.300016.6243640

Correlations

numericalpenalaran

numericalPearson Correlation1.513**

Sig. (2-tailed).001

N4040

penalaranPearson Correlation.513**1

Sig. (2-tailed).001

N4040

**. Correlation is significant at the 0.01 level (2-tailed).

Penjelasan dari output diatas:Pada output terlihat korelasi/hubungan antara numerikal dengan penalaran menghasilkan angka 0,513. Angka tersebut menunjukkan hubungan positif antara numerical dengan penalaran karena nilai r di atas 0,5. Sedangkan tanda * menunjukkan bahwa semakin tinggi penalaran, maka akan semakin tinggi numericalnya, dan begitu sebaliknya.

Penarikan kesimpulan a. jika probabilitas > 0,05 maka tidak terdapat korelasi, dan sebaliknya jika probabilitas < 0,05 maka terdapat korelasi numerical dengan penalaran. Dari uji korelasi diperoleh nilai probabilitas 0,01, sehingga nilai sig < 0,05, maka dapat disimpulkan terdapat korelasi atau hubungan positif yang signifikan antara kemampuan numerical dan kemampuan penalaran atau dengan kata lain hipotesis yang menyatakan ada hubungan positif antara kemampuan numerikal dan penalaran diterima.b. Signifikan tidaknya korelasi dua variabel dapat juga dilihat dari adanya tanda * pada pasangan data yang dikorelasikan pada proses perhitungan di atas. Dari pasangan di atas pasangan numerikal dengan penalaran diberi tanda *. Ini berarti pasangan kemampuan numerical dengan penalaran mempunyai hubungan yang signifikan.

4. Ujilah hipotesis yang menyatakan ada perbedaan kemampuan akademik pada siswa yang berasal dari SMK,SMA (IPA) dan SMA (IPS)

NOSMKSMA IPSSMA IPA

1596953

22610066

3596971

4636993

5546590

6467496

7438766

84475

95375

105771

115671

122971

134684

145174

1560

1650

1743

1837

1941

Ho : Tidak ada perbedaan kemampuan akademik pada siswa yang berasal dari SMK,SMA (IPA) dan SMA (IPS)Ha : ada perbedaan kemampuan akademik pada siswa yang berasal dari SMK,SMA (IPA) dan SMA (IPS)Nilai sig > 0.05 Ho diterimaNilai sig < 0.05 Ho ditolak (Ha diterima)Untuk menguji hipotesis di atas terlebih dahulu dilakukan uji anova, dan hasilnya adalah sebagai berikutOneway

Descriptives

akademik

NMeanStd. DeviationStd. Error95% Confidence Interval for MeanMinimumMaximum

Lower BoundUpper Bound

smk1948.263210.321732.3679743.288253.238126.0063.00

sma ips776.142912.707334.8029264.390587.895265.00100.00

sma ipa1475.428611.699543.1268368.673582.183753.0096.00

Total4062.650017.657062.7918357.003068.297026.00100.00

Dari tabelDescriptivesnampak bahwa siswa SMK rata-rata kemampuan akademiknya sebesar 48,2632, siswa SMA (IPS) rata-rata kemampuan akademiknya sebesar 76.1429, dan siswa SMA (IPA) rata-rata kemampuan akademiknya 75.4286.

Test of Homogeneity of Variances

akademik

Levene Statisticdf1df2Sig.

.147237.864

Sebelum melanjutkan ke uji anova, perlu diingat bahwa salah satu prasyarat nya adalah varian nya harus sama atau homogen. Dari tabel Test of Homogeneity of Variances didapat nilai sig 0,864, nilai Sig > 0,05 yang berarti varian data ketiga kelompok tersebut adalah sama/homogen.

ANOVA

akademik

Sum of SquaresdfMean SquareFSig.

Between Groups7493.13023746.56529.709.000

Within Groups4665.97037126.107

Total12159.10039

Selanjutnya untuk melihat apakah ada perbedaan kemampuan akademik dari ketiga siswa sekolah tersebut, kita lihat output tabel Anova. Dari output itu kita lihat kolom Sig, ternyata diperoleh nilai Sig sebesar 0,000. Karena nilai Sig < 0,05 maka pada taraf 0,05 kita menolak Ho dan menerima Ha. Sehingga dapat dapat diambil kesimpulan bahwa ada perbedaan kemampuan akademik pada siswa yang berasal dari SMK,SMA (IPA) dan SMA (IPS)

Karena hasil uji Anova menunjukan adanya perbedaan yang bermakna, maka uji selanjutnya adalah melihat kelompok/populasi mana saja yang berbeda

Multiple Comparisons

Dependent Variable:akademik

(I) sekolah(J) sekolahMean Difference (I-J)Std. ErrorSig.95% Confidence Interval

Lower BoundUpper Bound

LSDsmksma ips-27.87970*4.96513.000-37.9400-17.8194

sma ipa-27.16541*3.95536.000-35.1797-19.1511

sma ipssmk27.87970*4.96513.00017.819437.9400

sma ipa.714295.19836.891-9.818611.2472

sma ipasmk27.16541*3.95536.00019.151135.1797

sma ips-.714295.19836.891-11.24729.8186

*. The mean difference is significant at the 0.05 level.

Untuk tahu populasi mana yang berbeda signifikan , kita lihat pada tabel multiple Comparisons (kita gunakan Tukey) dengan melihat ada tidaknya tanda * pada kolom Mean Difference. Dari tabel tersebut dapat kita tentukan bahwaa. Kemampuan akademik siswa SMK berbeda signifikan dengan siswa SMA (IPS) b. Kemampuan akademik siswa SMK berbeda signifikan dengan siswa SMA (IPA)

Homogeneousakademik

sekolahNSubset for alpha = 0.05

12

Tukey Basmk1948.2632

sma ipa1475.4286

sma ips776.1429

Means for groups in homogeneous subsets are displayed.

a. Uses Harmonic Mean Sample Size = 11.239.

Dari tabel homogeneous dapat juga dilihat bahwa kemampuan akademik siswa dari SMK dan SMA (IPA dan IPS) berbeda

5. Ujilah hipotesis yang menyatakan bahwa kemampuan akademik dapat diprediksikan dari kemampuan verbal dan numericalHo : kemampuan akademik dapat diprediksikan dari kemampuan verbal dan numericalHa : kemampuan akademik tidak dapat diprediksikan dari kemampuan verbal dan numerical

Descriptive Statistics

MeanStd. DeviationN

Kemampuan_akademik62.650017.6570640

Kemampuan_verbal64.700019.6601940

Kemampuan_numerikal59.125018.5018240

Correlations

Kemampuan_akademikKemampuan_verbalKemampuan_numerikal

Pearson CorrelationKemampuan_akademik1.000.897.918

Kemampuan_verbal.8971.000.648

Kemampuan_numerikal.918.6481.000

Sig. (1-tailed)Kemampuan_akademik..000.000

Kemampuan_verbal.000..000

Kemampuan_numerikal.000.000.

NKemampuan_akademik404040

Kemampuan_verbal404040

Kemampuan_numerikal404040

Variables Entered/Removeda

ModelVariables EnteredVariables RemovedMethod

1Kemampuan_numerikal.Stepwise (Criteria: Probability-of-F-to-enter = .100).

2Kemampuan_verbal.Stepwise (Criteria: Probability-of-F-to-enter = .100).

a. Dependent Variable: Kemampuan_akademik

Model Summaryc

ModelRR SquareAdjusted R SquareStd. Error of the Estimate

1.918a.842.8387.11450

21.000b1.0001.000.26717

a. Predictors: (Constant), Kemampuan_numerikal

b. Predictors: (Constant), Kemampuan_numerikal, Kemampuan_verbal

c. Dependent Variable: Kemampuan_akademik

ANOVAc

ModelSum of SquaresdfMean SquareFSig.

1Regression10235.687110235.687202.222.000a

Residual1923.4133850.616

Total12159.10039

2Regression12156.45926078.2308.516E4.000b

Residual2.64137.071

Total12159.10039

a. Predictors: (Constant), Kemampuan_numerikal

b. Predictors: (Constant), Kemampuan_numerikal, Kemampuan_verbal

c. Dependent Variable: Kemampuan_akademik

Coefficientsa

ModelUnstandardized CoefficientsStandardized CoefficientstSig.95% Confidence Interval for B

BStd. ErrorBetaLower BoundUpper Bound

1(Constant)10.8793.8102.855.0073.16618.593

Kemampuan_numerikal.876.062.91814.220.000.7511.000

2(Constant)-.367.159-2.313.026-.688-.045

Kemampuan_numerikal.553.003.580182.231.000.547.559

Kemampuan_verbal.469.003.522164.043.000.463.474


Excluded Variablesb

ModelBeta IntSig.Partial CorrelationCollinearity Statistics

Tolerance

1Kemampuan_verbal.522a164.043.000.999.580

a. Predictors in the Model: (Constant), Kemampuan_numerikal

b. Dependent Variable: Kemampuan_akademik

Residuals Statisticsa

MinimumMaximumMeanStd. DeviationN

Predicted Value26.3262100.391962.650017.6551440

Residual-.59414.41146.00000.2602340

Std. Predicted Value-2.0572.138.0001.00040

Std. Residual-2.2241.540.000.97440


Hasil analisis regresi ganda: variabel kemampuan verbal (X1) dan numerikal (X2) berpengaruh terhadap kemampuan akademik (Y) secara simultan/bersama-sama menunjukan hasil nilai Fhitung adalah sebesar 202.222 dengan nilai Sig sebesar 0.000 atau lebih kecil dari 0,05 (5%), sehingga Ho ditolak dan Ha diterima. Jadi dapat disimpulkan bahwa kemampuan akademik dapat diprediksikan dari kemampuan verbal dan numerikalSelanjutnya dari analisis regresi berganda diperoleh nilai R sebesar 0,918. Hasil ini menunjukan bahwa semua variabel bebas yaitu kemampuan verbal (X1) dan numerikal (X2) mempunyai keeratan hubungan dengan kemampuan akademik (Y) sebesar 0, 918. Pada penelitian ini, untuk mengetahui kontribusi variabel bebas terhadap variabel terikat dilakukan dengan menggunakan besaran angka R square. Hasil R square didapat sebesar 0, 842 (di peroleh dari pengkuadratan R yaitu = 0,918 x 0,918). Angka ini menunjukkan bahwa kontribusi semua variabel bebas yaitu kemampuan verbal (X1) dan numerikal (X2) terhadap kemampuan akademik (Y) sebesar 84,2%, sisanya dipengaruhi oleh variabel lain yang tidak ada dalam penelitian ini

Documents

statistik reta