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
Posting Komentar