Download - Draft Soal Ujian
Anova1. Perusahaan Siaumay sedang meneliti efek promosi di social media terhadap ketiga jenis smartphone yang dijual di Indonesia. Smartphone tersebut adalah Mi3, Mi4, dan Mi Note. Samsul sebagai direktur marketing mendapatkan data penjualan ketiga smartphone seperti dibawah:
Mi3Mi4Mi Note
293927
354429
333323
353329
334231
293927
333923
333725
374429
313323
Bantulah Samsul untuk menganalisa:a. Apakah data penjualan berdistribusi normal? (Bobot: 5%)b. Apakah data penjualan memiliki kesamaan varian? (Bobot 10%)c. Apakah terdapat perbedaan rata-rata tingkat penjualan antara smartphone Siaumay? (Bobot 10%)d. Apakah terdapat perbedaan rata-rata tingkat penjualan antara Mi3 dan Mi4 menurut Bonferroni? (Bobot 10%)
Jawaban:Tests of Normality
SmartphoneKolmogorov-SmirnovaShapiro-Wilk
StatisticdfSig.StatisticdfSig.
PenjualanMi3.23110.139.92410.392
Mi4.19110.200*.88210.138
Mi Note.19210.200*.88710.158
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
a. Uji normalitasHipotesisHo: data berdistribusi normalH1: data berdistribusi tidak normal
Dasar Pengambilan KeputusanSig > Ho diterima
Sig < Ho ditolak
KeputusanMi3 = 0.392 > 0.05 Ho diterimaMi4 = 0.138 > 0.05 Ho diterimaMi Note= 0.158 > 0.05 Ho diterima
KesimpulanData penjualan ketiga smartphone Siaumay berdistribusi normal.
Test of Homogeneity of Variances
Penjualan
Levene Statisticdf1df2Sig.
1.880227.172
b. Uji variansHipotesisHo: tidak ada perbedaan variansH1: ada perbedaan varians
Dasar Pengambilan KeputusanSig > Ho diterima
Sig < Ho ditolak
Keputusan0.172 > 0.05 = Ho diterimaKesimpulantidak ada perbedaan varians
ANOVA
Penjualan
Sum of SquaresdfMean SquareFSig.
Between Groups685.2672342.63330.421.000
Within Groups304.1002711.263
Total989.36729
F 5% = 3.35
c. Uji anovaHipotesisHo: tidak ada perbedaan rata-rata penjualan 3 macam smartphone SiaumayH1: ada perbedaan rata-rata penjualan 3 macam smartphone Siaumay
Dasar Pengambilan KeputusanUji sigSig > Ho diterima
Sig < Ho ditolak
Uji FF hitung > t tabel Ho ditolakF hitung < t tabel Ho diterima
KeputusanUji sig0.000 < 0.05 Ho ditolak
Uji F30.421 > 3.35 Ho ditolak
Kesimpulanada perbedaan rata-rata penjualan 3 macam smartphone Siaumay.
Multiple Comparisons
Dependent Variable: Penjualan
(I) Smartphone(J) SmartphoneMean Difference (I-J)Std. ErrorSig.95% Confidence Interval
Lower BoundUpper Bound
Tukey HSDMi3Mi4-5.50000*1.50086.003-9.2213-1.7787
Mi Note6.20000*1.50086.0012.47879.9213
Mi4Mi35.50000*1.50086.0031.77879.2213
Mi Note11.70000*1.50086.0007.978715.4213
Mi NoteMi3-6.20000*1.50086.001-9.9213-2.4787
Mi4-11.70000*1.50086.000-15.4213-7.9787
BonferroniMi3Mi4-5.50000*1.50086.003-9.3309-1.6691
Mi Note6.20000*1.50086.0012.369110.0309
Mi4Mi35.50000*1.50086.0031.66919.3309
Mi Note11.70000*1.50086.0007.869115.5309
Mi NoteMi3-6.20000*1.50086.001-10.0309-2.3691
Mi4-11.70000*1.50086.000-15.5309-7.8691
*. The mean difference is significant at the 0.05 level.
d. Uji anova (Bonferroni)HipotesisHo: tidak ada perbedaan rata-rata penjualan antara Mi3 dan Mi4 menurut BonferroniH1: ada perbedaan rata-rata penjualan antara Mi3 dan Mi4 menurut Bonferroni
Dasar Pengambilan KeputusanUji sigSig > Ho diterima
Sig < Ho ditolak
KeputusanUji sig0.003 < 0.05 Ho ditolak
Kesimpulanada perbedaan rata-rata penjualan antara Mi3 dan Mi4 menurut Bonferroni.
2. Saat musim hujan seperti ini, Tony dan Tono senang meneliti intensitas spektrum warna pelangi sehabis hujan. Setiap hari setelah hujan mereka meneliti dengan seksama pelangi yang muncul di depan rumahnya. Lalu setelah 12 hari 12 malam dunia selalu diguyur hujan, kini langit menjadi sangat cerah dan mengentikan penelitian mereka. Berikut data yang mereka dapat:
HariMerahKuningHijau
1252728
2262525
3232824
4222426
5222029
6222216
7242532
8252718
9292529
10232224
11262033
12222624
Bantulah Tony dan Tono untuk menganalisa:a. Apakah data spektrum pelangi berdistribusi normal? (Bobot: 5%)b. Apakah data spektrum pelangi memiliki kesamaan varian? (Bobot 10%)c. Apakah terdapat perbedaan rata-rata intensitas spektrum ketiga warna pelangi? (Bobot 10%)d. Apakah terdapat perbedaan rata-rata intensitas spektrum antara warna Merah dengan Hijau menurut Tukey? (Bobot 10%)
Tests of Normality
WarnaKolmogorov-SmirnovaShapiro-Wilk
StatisticdfSig.StatisticdfSig.
IntensitasMerah.18912.200*.87212.069
Kuning.19312.200*.92312.315
Hijau.20412.178.94312.543
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
a. Uji normalitasHipotesisHo: data berdistribusi normalH1: data berdistribusi tidak normal
Dasar Pengambilan KeputusanSig > Ho diterima
Sig < Ho ditolak
KeputusanMerah = 0.069 > 0.05 Ho diterimaKuning= 0.315 > 0.05 Ho diterimaHijau= 0.543 > 0.05 Ho diterima
KesimpulanData intensitas ketiga warna pelangi berdistribusi normal.
Test of Homogeneity of Variances
Intensitas
Levene Statisticdf1df2Sig.
3.272233.051
b. Uji variansHipotesisHo: tidak ada perbedaan variansH1: ada perbedaan varians
Dasar Pengambilan KeputusanSig > Ho diterima
Sig < Ho ditolak
Keputusan0.051 > 0.05 = Ho diterimaKesimpulantidak ada perbedaan varians
ANOVA
Intensitas
Sum of SquaresdfMean SquareFSig.
Between Groups18.16729.083.721.494
Within Groups415.8333312.601
Total434.00035
F 5% = 3.28
c. Uji anovaHipotesisHo: tidak ada perbedaan rata-rata intensitas ketiga warna pelangiH1: ada perbedaan rata-rata intensitas ketiga warna pelangi
Dasar Pengambilan KeputusanUji sigSig > Ho diterima
Sig < Ho ditolak
Uji FF hitung > t tabel Ho ditolakF hitung < t tabel Ho diterima
KeputusanUji sig0.494 > 0.05 Ho diterima
Uji F0.721 < 3.28 Ho diterima
Kesimpulantidak ada perbedaan rata-rata intensitas ketiga warna pelangi.
Multiple Comparisons
Dependent Variable: Intensitas
(I) Warna(J) WarnaMean Difference (I-J)Std. ErrorSig.95% Confidence Interval
Lower BoundUpper Bound
Tukey HSDMerahKuning-.166671.44920.993-3.72273.3894
Hijau-1.583331.44920.525-5.13941.9727
KuningMerah.166671.44920.993-3.38943.7227
Hijau-1.416671.44920.596-4.97272.1394
HijauMerah1.583331.44920.525-1.97275.1394
Kuning1.416671.44920.596-2.13944.9727
BonferroniMerahKuning-.166671.449201.000-3.82183.4885
Hijau-1.583331.44920.847-5.23852.0718
KuningMerah.166671.449201.000-3.48853.8218
Hijau-1.416671.449201.000-5.07182.2385
HijauMerah1.583331.44920.847-2.07185.2385
Kuning1.416671.449201.000-2.23855.0718
d. Uji anova (Bonferroni)HipotesisHo: tidak ada perbedaan rata-rata intensitas spektrum antara warna Merah dengan Hijau menurut TukeyH1: ada perbedaan rata-rata intensitas spektrum antara warna Merah dengan Hijau menurut Tukey
Dasar Pengambilan KeputusanUji sigSig > Ho diterima
Sig < Ho ditolak
KeputusanUji sig0.525 > 0.05 Ho diterima
Kesimpulantidak ada perbedaan rata-rata intensitas spektrum antara warna Merah dengan Hijau menurut Tukey. Kruskall Wallis1. Setia Novanti adalah pemegang saham istimewa di perusahaan tambang PT Preefort. Beliau memiliki hak untuk mengatur manajemen perusahaan karena kepemilikan saham istimewa-nya. Saat ini, beliau ingin meninjau kinerja perusahaan nya dari performa ketiga top-level-manager di PT Preefort yaitu Fahri, Fadli, dan Donald. Berikut hasil kuisioner para karyawan atas kinerja mereka bertiga: (Skala penilaian 1=Sangat Buruk hingga 6=Sangat Baik)
FahriFadliDonald
455
466
545
446
456
555
556
454
346
356
366
455
456
545
356
435
456
445
Bantulah Setia Novanti untuk menganalisa apakah terdapat perbedaan kinerja ketiga general manager PT Preefort. (Bobot 25%)
Jawaban:Tests of Normality
NamaKolmogorov-SmirnovaShapiro-Wilk
StatisticdfSig.StatisticdfSig.
KinerjaFahri.27818.001.80818.002
Fadli.31118.000.84718.008
Donald.34618.000.72618.000
a. Lilliefors Significance Correction
a. Uji normalitasHipotesisHo: data berdistribusi normalH1: data berdistribusi tidak normal
Dasar Pengambilan KeputusanUji sigSig > Ho diterima
Sig < Ho ditolak
KeputusanFahri= 0.002 < 0.05 Ho ditolakFadli= 0.008 < 0.05 Ho ditolakDonald= 0.000 < 0.05 Ho ditolak
KesimpulanData kinerja ketiga general manager berdistribusi bebas.
Ranks
NamaNMean Rank
KinerjaFahri1815.28
Fadli1827.08
Donald1840.14
Total54
Test Statisticsa,b
VAR00006
Chi-Square24.891
df2
Asymp. Sig..000
a. Kruskal Wallis Test
b. Grouping Variable: Nama
X = 5.99
b. Uji Kruskall WallisHipotesisHo: Tidak terdapat perbedaan yang signifikan antara kinerja ketiga general manager PT PreefortH1: Terdapat perbedaan yang signifikan antara kinerja ketiga general manager PT Preefort
Dasar Pengambilan KeputusanUji SigSig > Ho diterima
Sig < Ho ditolak
Uji Chi SquareX hitung > X tabel Ho ditolakX hitung < X tabel Ho diterima
KeputusanUji sig0.000 < 0.05 Ho ditolak
Uji Chi Square24.891 > 5.99 Ho ditolak
KesimpulanTerdapat perbedaan yang signifikan antara kinerja ketiga general manager PT Preefort.
2. dr. Kun adalah seorang dokter spesialis wajah memiliki empat klinik praktik di Jakarta, Bogor, Bekasi, dan Tangerang. Beliau ingin mengetahui apakah keempat klinik miliknya memiliki kesamaan kepuasan pelanggan satu dengan yang lain. Beliau kemudian meminta para asisten di setiap klinik untuk menyebarkan kuisioner kepuasan pelanggan. Berikut hasil yang didapatnya: (Skala penilaian 1-100)
JakartaBogorBekasiTangerang
67804155
78608567
79637161
86855067
81556571
83813654
63593636
63548636
63548536
81863667
Bantulah dr. Kun untuk menganalisa perbedaan kepuasan pelanggannya dengan nilai toleransi () sebesar 10%! (Bobot 25%)
Jawaban:
Tests of Normality
KlinikKolmogorov-SmirnovaShapiro-Wilk
StatisticdfSig.StatisticdfSig.
HasilJakarta.25110.074.83310.036
Bogor.23610.123.81910.025
Bekasi.19710.200*.83510.038
Tangerang.21010.200*.83110.034
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
a. Uji normalitasHipotesisHo: data berdistribusi normalH1: data berdistribusi tidak normal
Dasar Pengambilan KeputusanUji sigSig > Ho diterima
Sig < Ho ditolak
KeputusanJakarta= 0.036 < 0.10 Ho ditolakBogor= 0.025 < 0.10 Ho ditolakBekasi= 0.038 < 0.10 Ho ditolakTangerang= 0.034 < 0.10 Ho ditolak
KesimpulanData kepuasan pelanggan keempat klinik dr. Kun berdistribusi bebas.
Ranks
KlinikNMean Rank
HasilJakarta1027.30
Bogor1021.70
Bekasi1018.40
Tangerang1014.60
Total40
Test Statisticsa,b
VAR00009
Chi-Square6.402
df3
Asymp. Sig..094
a. Kruskal Wallis Test
b. Grouping Variable: VAR00010
X=6.25
b. Uji Kruskall WallisHipotesisHo: Tidak terdapat perbedaan yang signifikan kepuasan pelanggan di keempat klinik milik dr. KunH1: Terdapat perbedaan yang signifikan kepuasan pelanggan di keempat klinik milik dr. Kun
Dasar Pengambilan KeputusanUji SigSig > Ho diterima
Sig < Ho ditolak
Uji Chi SquareX hitung > X tabel Ho ditolakX hitung < X tabel Ho diterima
KeputusanUji sig0.094 < 0.10 Ho ditolak
Uji Chi Square6.402 > 6.25 Ho ditolak
KesimpulanTerdapat perbedaan yang signifikan kepuasan pelanggan di keempat klinik milik dr. Kun.
ChiSquareGoodness of Fit Test1. Isyana adalah pemilik salah satu Biro Jodoh terkemuka di Tangerang. Dia telah berhasil menyatukan ribuan pasang pria dan wanita melalui jasa nya. Namun akhir-akhir ini Isyana melihat tidak sedikit pasangan yang gagal bersatu. Isyana kemudian menganalisa dari berbagai faktor, salah satunya melalui jenis bunga yang disediakan. Isyana ingin menganalisa apakah jenis bunga yang disediakannya memiliki tingkat keberhasilan yang merata atau tidak. Berikut data yang didapat:
Jenis BungaResponden
Anggrek350
Rafflesia arnoldii220
Mawar420
Melati250
Bantulah Isyana untuk menganalisa data tersebut! (Bobot )
Jawaban:Tests of Normality
Kolmogorov-SmirnovaShapiro-Wilk
StatisticdfSig.StatisticdfSig.
Jenis Bunga.2241240.000.8111240.000
a. Lilliefors Significance Correction
a. Uji normalitasHipotesisHo: data berdistribusi normalH1: data berdistribusi tidak normal
Dasar Pengambilan KeputusanUji sigSig > Ho diterima
Sig < Ho ditolak
Keputusan0.000 < 0.05 Ho ditolak
KesimpulanData jenis bunga Isyana berdistribusi bebas.
Jenis Bunga
Observed NExpected NResidual
Anggrek350310.040.0
Rafflesia arnoldii220310.0-90.0
Mawar420310.0110.0
Melati250310.0-60.0
Total1240
Test Statistics
Jenis Bunga
Chi-Square81.935a
df3
Asymp. Sig..000
a. 0 cells (0.0%) have expected frequencies less than 5. The minimum expected cell frequency is 310.0.
b. Uji Goodness of FitHipotesisHo: Keempat jenis bunga mengalami tingkat keberhasilan yang tidak merataH1: Keempat jenis bunga mengalami tingkat keberhasilan yang merata
Dasar Pengambilan KeputusanUji sigSig > Ho diterima
Sig < Ho ditolak
Keputusan0.000 < 0.05 Ho ditolak
KesimpulanKeempat jenis bunga mengalami tingkat keberhasilan yang merata
2. Basuki Cahaya Utama atau biasa disebut Ahoy merupakan gubernur di provinsi Yacata. Beliau ingin melakukan audit atas rusun (rumah susun) yang disediakan pemerintah telah sesuai dengan rencana atau tidak. Ahoy kemudian meminta tim khusus untuk mendata jumlah rusun di setiap bagian wilayah Yacata untuk kemudian dibandingkan dengan penyebaran rusun sesuai rencana. Hasil yang didapat dari tim khusus adalah sebagai berikut:
WilayahHasil observasiJumlah rusun yang diharapkan
Yacata Utara350370
Yacata Pusat220230
Yacata Barat420400
Yacata Selatan250240
Bantulah Ahoy untuk meneliti apakah rusun yang ada telah merata sesuai rencana!
Jawaban:Tests of Normality
Kolmogorov-SmirnovaShapiro-Wilk
StatisticdfSig.StatisticdfSig.
Hasil Observasi.2241240.000.8111240.000
a. Lilliefors Significance Correction
a. Uji normalitasHipotesisHo: data berdistribusi normalH1: data berdistribusi tidak normal
Dasar Pengambilan KeputusanUji sigSig > Ho diterima
Sig < Ho ditolak
Keputusan0.000 < 0.05 Ho ditolak
KesimpulanData jumlah rusun di Yacata berdistribusi bebas.
Yacata
Observed NExpected NResidual
Utara350370.0-20.0
Pusat220230.0-10.0
Barat420400.020.0
Selatan250240.010.0
Total1240
Test Statistics
Yacata
Chi-Square2.933a
df3
Asymp. Sig..402
a. 0 cells (0.0%) have expected frequencies less than 5. The minimum expected cell frequency is 230.0.
X 5% 7.81
b. Uji Goodness of FitHipotesisHo: Jumlah rusun di keempat wilayah Yacata tidak merata sesuai dengan rencanaH1: Jumlah rusun di keempat wilayah Yacata merata sesuai dengan rencana
Dasar Pengambilan KeputusanUji sigSig > Ho diterima
Sig < Ho ditolak
Uji Chi SquareX hitung > X tabel Ho ditolak
X hitung < X tabel Ho diterima
Keputusan0.402 > 0.05 Ho diterima2.933 < 7.81 Ho diterima
KesimpulanJumlah rusun di keempat wilayah Yacata tidak merata sesuai dengan rencana
Independence Test1. AEK merupakan restoran kekinian yang menyediakan berbagai jenis mie terkenal di Jakarta Pusat. AEK ingin membuka cabang di wilayah lain di Jakarta. Namun sebelumnya AEK ingin mengetahui apakah ada hubungan antara preferensi jenis mie yang ditawarkan dengan geografi wilayah para pecinta mie. Bantulah AEK untuk menganalisa data dibawah!
Jenis Mie
WilayahKeritingLebarUdonRamen
Utara12629517
Selatan12137478
Barat13925812
Timur117271114
Jawaban:Tests of Normality
Kolmogorov-SmirnovaShapiro-Wilk
StatisticdfSig.StatisticdfSig.
Rating.360743.000.756743.000
a. Lilliefors Significance Correction
Uji normalitasHipotesisHo: data berdistribusi normalH1: data berdistribusi tidak normal
Dasar Pengambilan KeputusanUji sigSig > Ho diterima
Sig < Ho ditolak
Keputusan0.000 < 0.05 Ho ditolak
KesimpulanData rating berdistribusi bebas.
Wilayah * Jenis_Mie Crosstabulation
Jenis_MieTotal
KeritingLebarUdonRamen
WilayahUtaraCount12629517177
Expected Count119.828.116.912.1177.0
SelatanCount12137478213
Expected Count144.233.820.414.6213.0
BaratCount13925812184
Expected Count124.629.217.612.6184.0
TimurCount117271114169
Expected Count114.426.816.111.6169.0
TotalCount5031187151743
Expected Count503.0118.071.051.0743.0
Chi-Square Tests
ValuedfAsymp. Sig. (2-sided)
Pearson Chi-Square62.320a9.000
Likelihood Ratio58.1349.000
Linear-by-Linear Association.6951.405
N of Valid Cases743
a. 0 cells (0.0%) have expected count less than 5. The minimum expected count is 11.60.
X 5% 16.95
Uji IndependenceHipotesisHo: Tidak terdapat hubungan antara preferensi jenis mie dengan geografi wilayahH1: terdapat hubungan antara preferensi jenis mie dengan geografi wilayah
Dasar Pengambilan KeputusanUji sigSig > Ho diterima
Sig < Ho ditolak
Uji Chi SquareX hitung > X tabel Ho ditolak
X hitung < X tabel Ho diterima
Keputusan0.000 < 0.05 Ho ditolak62.320 > 16.95 Ho ditolak
KesimpulanTerdapat hubungan antara preferensi jenis mie dengan geografi wilayah
2. Suseno selaku pengamat industri otomotif melihat adanya peristiwa yang unik. Beliau sedang meneliti tingkat pembelian mobil para karyawan di berbagai perusahaan multinasional di Jakarta. Beliau ingin melihat hubungan antara tingkat pembelian mobil dengan jabatan para karyawan. Data sampel yang didapat adalah sebagai berikut:
Jabatan
Jumlah mobilManagerAnalisStaf
07186
193823
2 atau 3349758
Lebih dari 3473130
Bantulah Suseno untuk menganalisa:a. Apakah data berdistribusi normal?b. Apakah ada hubungan jabatan para karyawan dengan tingkat pembelian mobil!
Jawaban:Tests of Normality
Kolmogorov-SmirnovaShapiro-Wilk
StatisticdfSig.StatisticdfSig.
Responden.212305.000.880305.000
a. Lilliefors Significance Correction
a. Uji normalitasHipotesisHo: data berdistribusi normalH1: data berdistribusi tidak normal
Dasar Pengambilan KeputusanUji sigSig > Ho diterima
Sig < Ho ditolak
Keputusan0.000 < 0.05 Ho ditolak
KesimpulanData responden berdistribusi bebas.
Jumlah_Mobil * Jabatan Crosstabulation
JabatanTotal
ManagerAnalisStaf
Jumlah_Mobil0Count78621
Expected Count8.47.05.621.0
1Count24105488
Expected Count35.229.123.788.0
2 atau 3Count60359104
Expected Count41.634.428.0104.0
Lebih dari 3Count31481392
Expected Count36.830.524.792.0
TotalCount12210182305
Expected Count122.0101.082.0305.0
Chi-Square Tests
ValuedfAsymp. Sig. (2-sided)
Pearson Chi-Square93.037a6.000
Likelihood Ratio90.7306.000
Linear-by-Linear Association15.3351.000
N of Valid Cases305
a. 0 cells (0.0%) have expected count less than 5. The minimum expected count is 5.65.
X 5% 12.59
b. Uji IndependenceHipotesisHo: Tidak terdapat hubungan antara jabatan karyawan dengan tingkat pembelian mobilH1: terdapat hubungan antara jabatan karyawan dengan tingkat pembelian mobil
Dasar Pengambilan KeputusanUji sigSig > Ho diterima
Sig < Ho ditolak
Uji Chi SquareX hitung > X tabel Ho ditolak
X hitung < X tabel Ho diterima
Keputusan0.000 < 0.05 Ho ditolak93.037 > 12.59 Ho ditolak
Kesimpulanterdapat hubungan antara jabatan karyawan dengan tingkat pembelian mobil
Mann Whitney1. Nanban Ryori merupakan start-up bisnis makanan yang menyediakan berbagai jenis makanan khas Jepang. Oki selaku chef selalu berinovasi untuk meningkatkan kepuasan pelanggan. Oki kini sedang melakukan penelitian untuk memasuki pasar makanan di kalangan mahasiswa. Ia mencoba menggunakan 3 macam penambah rasa yang berbeda untuk mendapatkan tingkat kepuasan tertinggi di pasar makanan mahasiswa. Berikut sampel data penilaian para responden:
KikkomanMicinOregano
807796807
808795774
813796817
817816798
816796821
817799824
811817812
812814787
802812806
818791771
818801779
815791809
815803770
808816818
803798773
819820816
806810816
819791804
816804793
818819811
Bantulah Oki untuk menganalisa:a. Apakah data penilaian berdistribusi normal?b. Apakah ada perbedaan signifikan dari penggunaan perasa Kikkoman dengan Micin?c. Apakah ada perbedaan signifikan dari penggunaan perasa Micin dengan Oregano?
Jawaban:Tests of Normality
PerasaKolmogorov-SmirnovaShapiro-Wilk
StatisticdfSig.StatisticdfSig.
PenilaianKikkoman.20020.035.89220.029
Micin.14620.200*.89820.038
Oregano.18020.089.88720.023
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
a. Uji normalitasHipotesisHo: data berdistribusi normalH1: data berdistribusi tidak normal
Dasar Pengambilan KeputusanUji sigSig > Ho diterima
Sig < Ho ditolak
KeputusanKikkoman= 0.029 < 0.05 Ho ditolakMicin= 0.038 < 0.05 Ho ditolakOregano= 0.023 < 0.05 Ho ditolak
KesimpulanData penilaian ketiga perasa berdistribusi bebas.
Ranks
PerasaNMean RankSum of Ranks
PenilaianKikkoman2025.35507.00
Micin2015.65313.00
Total40
Test Statisticsa
Penilaian
Mann-Whitney U103.000
Wilcoxon W313.000
Z-2.628
Asymp. Sig. (2-tailed).009
Exact Sig. [2*(1-tailed Sig.)].008b
a. Grouping Variable: Perasa
b. Not corrected for ties.
b. Uji Mann Whitney (Kikkoman dengan Micin)HipotesisHo: Tidak terdapat perbedaan yang signifikan antara penilaian perasa Kikkoman dengan Micin H1: Terdapat perbedaan yang signifikan antara penilaian perasa Kikkoman dengan Micin
Dasar Pengambilan KeputusanSig > Ho diterima
Sig < Ho ditolak
Keputusan0.009 < 0.05 Ho ditolak
KesimpulanTerdapat perbedaan yang signifikan antara penilaian perasa Kikkoman dengan Micin.
Ranks
PerasaNMean RankSum of Ranks
PenilaianMicin2020.90418.00
Oregano2020.10402.00
Total40
Test Statisticsa
Penilaian
Mann-Whitney U192.000
Wilcoxon W402.000
Z-.217
Asymp. Sig. (2-tailed).829
Exact Sig. [2*(1-tailed Sig.)].841b
a. Grouping Variable: Perasa
b. Not corrected for ties.
c. Uji Mann Whitney (Micin dengan Oregano)HipotesisHo: Tidak terdapat perbedaan yang signifikan antara penilaian perasa Micin dengan OreganoH1: Terdapat perbedaan yang signifikan antara penilaian perasa Micin dengan Oregano
Dasar Pengambilan KeputusanSig > Ho diterima
Sig < Ho ditolak
Keputusan0.829 > 0.05 Ho diterima
KesimpulanTidak terdapat perbedaan yang signifikan antara penilaian perasa Micin dengan Oregano.
2. William seorang entrepreneur di bidang masakan Jepang sedang meneliti jumlah ketiga jenis makanan yang terjual saat bazaar di Pekan Raya Jakarta. Berikut data jenis makanan dan jumlah penjualannya.
GyudonMenchi KatsuChicken Curry
959587
969599
959597
969896
999896
969596
1009595
999695
9698100
969595
Bantulah William untuk menganalisa:a. Apakah data penjualan berdistribusi normal?b. Apakah ada perbedaan yang signifikan antara penjualan Gyudon dengan Mecnhi Katsu?
Jawaban:
Tests of Normality
JenisKolmogorov-SmirnovaShapiro-Wilk
StatisticdfSig.StatisticdfSig.
PenjualanGyudon.37010.000.78710.010
Menchi Katsu.36010.001.67010.000
Chicken Curry.33110.003.80210.015
a. Lilliefors Significance Correction
a. Uji normalitasHipotesisHo: data berdistribusi normalH1: data berdistribusi tidak normal
Dasar Pengambilan KeputusanUji sigSig > Ho diterima
Sig < Ho ditolak
KeputusanGyudon= 0.010 < 0.05 Ho ditolakMenchi Katsu= 0.000 < 0.05 Ho ditolakChicken Curry= 0.015 < 0.05 Ho ditolak
KesimpulanData penjualan ketiga jenis makanan berdistribusi bebas.
Ranks
JenisNMean RankSum of Ranks
PenjualanGyudon1012.35123.50
Menchi Katsu108.6586.50
Total20
Test Statisticsa
VAR00001
Mann-Whitney U31.500
Wilcoxon W86.500
Z-1.469
Asymp. Sig. (2-tailed).142
Exact Sig. [2*(1-tailed Sig.)].165b
a. Grouping Variable: VAR00002
b. Not corrected for ties.
b. Uji Mann Whitney (Gyudon dengan Menchi Katsu)HipotesisHo: Tidak terdapat perbedaan yang signifikan antara penjualan Gyudon dengan Menchi KatsuH1: Terdapat perbedaan yang signifikan antara penjualan Gyudon dengan Menchi Katsu
Dasar Pengambilan KeputusanSig > Ho diterima
Sig < Ho ditolak
Keputusan0.142 > 0.05 Ho diterima
KesimpulanTidak terdapat perbedaan yang signifikan antara penjualan Gyudon dengan Menchi Katsu
Sign-Wilcoxon1. Dokter Alvin yang merupakan dokter spesialis ibu dan anak sedang melakukan penelitian mengenai berat badan pra dan pasca pubertas anak. Beliau ingin mengetahui apakah pubertas menjadi faktor perubahan berat badan anak-anak. Dokter Alvin kemudian meneliti beberapa sampel anak yang sering melakukan check-up. Berikut datanya:
Pra PubertasPasca Pubertas
9192
9389
8676
9380
9485
8592
9089
8975
9075
9488
8592
9085
8978
8876
8589
8676
9587
8991
8584
8587
a. Apakah data berdistribusi normal?b. Apakah terdapat perbedaan yang signifikan antara berat badan anak pra dan pasca pubertas?
Jawaban:
Tests of Normality
Kolmogorov-SmirnovaShapiro-Wilk
StatisticdfSig.StatisticdfSig.
Pra_Puber.16720.146.90220.044
Pasca_Puber.16620.152.87420.014
a. Lilliefors Significance Correction
a. Uji normalitasHipotesisHo: data berdistribusi normalH1: data berdistribusi tidak normal
Dasar Pengambilan KeputusanUji sigSig > Ho diterima
Sig < Ho ditolak
KeputusanPra Puber= 0.044 < 0.05 Ho ditolakPasca Puber= 0.014 < 0.05 Ho ditolak
KesimpulanData penjualan ketiga jenis makanan berdistribusi bebas.
Ranks
NMean RankSum of Ranks
Pasca_Puber Pra_PuberNegative Ranks14a12.25171.50
Positive Ranks6b6.4238.50
Ties0c
Total20
a. Pasca_Puber < Pra_Puber
b. Pasca_Puber > Pra_Puber
c. Pasca_Puber = Pra_Puber
Test Statisticsa
Pasca_Puber Pra_Puber
Z-2.484b
Asymp. Sig. (2-tailed).013
a. Wilcoxon Signed Ranks Test
b. Based on positive ranks.
b. Uji Sign-WilcoxonHipotesisHo: Tidak terdapat perbedaan yang signifikan antara berat badan anak pra dan pasca pubertasH1: Terdapat perbedaan yang signifikan antara berat badan anak pra dan pasca pubertas
Dasar Pengambilan KeputusanSig > Ho diterima
Sig < Ho ditolak
Keputusan0.013 < 0.05 Ho ditolak
KesimpulanTerdapat perbedaan yang signifikan antara berat badan anak pra dan pasca pubertas.Jika dilihat pada tabel rank, nilai negative lebih banyak dari pada nilai positif, hal ini mengindikasikan bahwa rata-rata terjadi penurunan pada berat badan anak pasca puber
2. Vutong merupakan guru di sekolah Muda Bahagia. Beliau sedang meneliti nilai murid di kelasnya. Ia akan meneliti apakah ada peningkatan antara nilai sebelum dan sesudah dia mengajar menggunakan teori buatannya sendiri. Berikut hasil nilai muridnya:
SebelumSesudah
5898
5196
5193
5198
6293
6399
6596
6597
5898
6390
5897
5195
5296
5899
6299
5891
6588
6197
5195
5898
a. Apakah data berdistribusi normal?b. Apakah terdapat perbedaan yang signifikan antara nilai murid sebelum dan sesudah diajarkan teori buatan Vutong?
Jawaban:Tests of Normality
Kolmogorov-SmirnovaShapiro-Wilk
StatisticdfSig.StatisticdfSig.
Sebelum.19620.042.86520.010
Sesudah.19420.046.87820.016
a. Lilliefors Significance Correction
a. Uji normalitasHipotesisHo: data berdistribusi normalH1: data berdistribusi tidak normal
Dasar Pengambilan KeputusanUji sigSig > Ho diterima
Sig < Ho ditolak
KeputusanSebelum= 0.010 < 0.05 Ho ditolakSesudah= 0.016 < 0.05 Ho ditolak
KesimpulanData nilai murid berdistribusi bebas.
Ranks
NMean RankSum of Ranks
Sesudah - SebelumNegative Ranks0a.00.00
Positive Ranks20b10.50210.00
Ties0c
Total20
a. Sesudah < Sebelum
b. Sesudah > Sebelum
c. Sesudah = Sebelum
Test Statisticsa
Sesudah - Sebelum
Z-3.923b
Asymp. Sig. (2-tailed).000
a. Wilcoxon Signed Ranks Test
b. Based on negative ranks.
b. Uji Sign-WilcoxonHipotesisHo: Tidak terdapat perbedaan yang signifikan antara nilai murid sebelum dan sesudah diajarkan teori buatan VutongH1: Terdapat perbedaan yang signifikan antara nilai murid sebelum dan sesudah diajarkan teori buatan Vutong
Dasar Pengambilan KeputusanSig > Ho diterima
Sig < Ho ditolak
Keputusan0.000 < 0.05 Ho ditolak
KesimpulanTerdapat perbedaan yang signifikan antara nilai murid sebelum dan sesudah diajarkan teori buatan Vutong.Jika dilihat pada tabel rank, nilai positif lebih banyak dari pada nilai negatif, hal ini mengindikasikan bahwa rata-rata terjadi peningkatan pada nilai murid sesudah diajarkan teori buatan Vutong.