LAPORAN PRAKTIKUM_MOD5

LAPORAN PRAKTIKUM
 STATISTIK DAN PEMOGRAMAN
 Pertemuan V










Disusun Oleh :
NAMA           : Khatibul Umam
NIM    : 145610153

LABORATORIUM TERPADU
SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER
AKAKOM
YOGYAKARTA
2014



UJI KENORMALAN

     I.     TUJUAN
1.      Mahasiswa dapat melakukan uji kenormalan
2.      Mahasiswa dapat melakukan analisis terhadap hasil uji kenormalan dalam berbagai bentuk
  II.     Teori singkat
Normalitas merupakan suatu distribusi yang menunjukkan sebaran data yang seimbang. Sebagian besar data berada pada nilai di tengah. Normalitas merupakan syarat dan keharusan dan pertama pada Analisis Parametrik dan Analisis Regresi
III.     PEMBAHASAN
A.    Membuat descriptive data, melakukan uji kenormalan dan membuat analisis
Akan dilakukan uji kenormalan pada data yang disajikan pada tabel di bawah ini untuk variabel Bagian responden dengan Gaji responden.


Untuk melakukan uji kenormalan  tersebut, digunakan pilihan Explore pada menu Analyze dan sub menu Descriptive Statistics. Setelah dilakukan desain variabel dan pengisian data, Kemudian dilakukan langkah sebagai berikut.
1.        Klik Menu Analyze
2.        Pilih Descriptive Statistics ; Explore
Kemudian  tampak tampilan kotak dialog seperti diperlihatkan pada Gambar dibawah:

Gambar Kotak Dialog Explore

1.            Pada kotak Dependent List atau variabel tergantung isikan dengan variabel Gaji.
2.            Untuk Factor List isikan dengan variabel Bidang.
3.            Kosongkan kotak Label Case by.
4.            Klik pada tombol Statistics
5.            Pilih Descriptives, M-estimators dan Outliers. Tampilan kotak dialog akan terlihat seperti pada Gambar di bawah ini :

Gambar Kotak Dialog Explore : Statistics

6.            Kemudian tekan Continue untuk melanjutkan proses selanjutnya.
7.        Klik pilihan Plots, isikan Factors levels together pada Boxplots dan Stem-and-leaf pada Descriptive. Kemudia tampak tampilan seperti Gambar dibawah ini :

Gambar Kotak pilihan Explore : Plots

8.            Tekan Continue setelah selesai input untuk melanjutkan proses berikutnya.
9.            Pada bagian Displays, pilih Both yang berarti baik Statistics maupun Plots akan digunakan.
10.       Tekan OK untuk proses hasil.
Hasilnya sebagaimana terlihat pada Gambar  dibawah berikut ini :

Gambar Hasil case processing summary

Gambar Hasil Descriptives

Gambar 5.6 Hasil M-Estimators dan Extreme Values


Gambar Hasil Boxplot

Analisis :
Terdapat 5 bagian analisis, yaitu :
1.       Hasil Case Processing Summary
Semua data responden sebanyak 13 orang valid (100%)
2.       Hasil Descriptives
Bagian ini berisi mengenai ringkasan statistik deskripsi dari gaji responden berdasarkan bidangnya. Penjelasan lengkap bisa mengacu pada modul sebelumnya.
3.       Hasil M-Estimators
M-estimators (mean estimators) bisa sebagai alternatif pengukuran pusat, yaitu dengan memberi bobot (weight) pada data. Sebagai contoh, menurut pengukuran Hubers, rata-rata gaji bagian keuangan adalah 2500000, sedangkan menurut pengukuran Tukeys adalah 2497523. Demikian seterusnya.
4.       Hasil Extreme Value
Hasil ini menampilkan nilai tertinggi dan nilai terendah gaji dari setiap bagian. Case Number akan menampilkan data yang berisi nilai gaji terendah dan tertinggi.
5.       Hasil Stem and Leaf
       Pada baris pertama terlihat gaji karyawan pada bagian Humas, dengan jumlah karyawan 3 dan gajinya adalah 3.000.000, dengan leaf atau cabang 002 yang berarti ada 3 orang dengan salah satu cabangnya memiliki gaji bernilai ratusan, sehingga ada satu yang bergaji 3.200.000.
6.       Hasil Boxplot
       Boxplot adalah kotak dengan garis tebal horizontal di kotak tersebut. Kotak tersebut memuat 50% data, atau mempunyai batas persentil ke 25 dan 75. Sedangkan garis tebal menunjukkan median data.
Secara teori, data dikatakan berdistribusi normal jika nilai median ada ditengah kotak, nilai whisker terbagi secara merata dan tidak ada nilai ekstrem atau outlier.
Pada hasil di atas terlihat ada kotak yang terbagi merata dan nilai median ada ditengah kotak sehingga kemungkinan besar sebaran data normal.
o   
IV.     Latihan
Terlampir
  V.     tugas
Terlampir

VI.     KESIMPULAN
Pada bagian test of normality dapat dilihat di bagian shapiro-wilk. Kolom sig. Menunjukkan kenormalan data distribusi. Data dikatakan normal apabila nilai sig. Lebih dari 0.05

Data dapat dikatakan berdistribusi normal apabilanilaimedian adadi tengah kotak,nilai whisker terbagi secara merata dan tidak ada nilai extrem atau outlier

Komentar

Postingan populer dari blog ini

makalah hak dan kewajiban manusia terhadap Allah

SEJARAH ORACLE

PROFIL SAYA