tugas statistika dan informatika
TRANSCRIPT
Tugas statistika dan informatika
Nama : Yusli
Nim : 451 410 132
Jurusan/prodi : Fisika / S1 Pendidikan Geografi
Mata Kuliah : Statistika & Informatika
1. Pertemuan I menjelaskan arti dari statistika dan mengetahui apa fungsi dari statistikan dalam
kehidupan dan manfaatnya dalam pengelolahan data dalam mengambil suatu keputusan.
Statistika pada awalnya digunakan sebagai menggambarkan suatu keadaan dan
menyelesaikan permasalahan – permasalahan kenegaraan asaja seperti perhitungan jumlah
penduduki, pembayaran pajak, mencatat pegawai masuk dan keluar, membayar gaji pegawai,
mencatat perkembangan hasil perkebunan dan lainya. Namun, di era Globalisasi ini di
gunakannya statistic, bergantung pada masalah yang di jelaskan oleh statistik itu sendiri.
Seperti halnya pendidikan, kedokteran, pertanian, pisikologi, administrasi, sosiologi, teknik,
hokum, bisnis, ekonomi bahkan politik.
Statistik terdiri dari teori metoda yang merupakan cabang dari ilmu matematika
terapan dan membicarakan tentang bagaimana cara mengumpulkan data, bagai mana
meringkas data, mengelolah dan menyajikandata, bagaimana menarik kesimpulan dari hasil
analisis, bagaimana menentukan keputusan dalam batas – batas resiko tertentu berdasarkan
strategi yang ada.
Dengan kata lain statistika merupakan suatu ilmu pengetahuan yang berhubungan
data, dan fakta yang benar adanya. Atau suatu kajian ilmu pengetahuana yang menggunakan
teknik pengumpulan data, teknik pengolahan data, teknik analisis data, penarikan kesimpulan,
dan pembuatan keputusan yang berdasarkan dengan alasan yang berdasarkan data dan fakta
yang benar adanya.
Dengan adanya statistika dapat mempermudah kita dalam mengelolah data yang kita
peroleh baik itu dalam menentukan fungsih dan manfaat dari data tersebut.
2. Pertemuan II melakukan simulasi mengolah data secara online di dalam membuat blog, e-
jurnal, yahoo mail, gmail, dan lain sebagainya.
dalam pertemuan ini banyak hal yang kita peroleh dalm membuat situs maupun web,
dalam membuatnya diperlukannya suatu data Statistik yang bertujuan menbuat informasi
ataupun administrasi dalam membuat situs dan web tersebut.
Dalam pembuatan situs dan web tersebut kita banyak memperoleh informasi penting
yang kita peroleh di antaranya kita dapat bergabung di jejaring sosial, memcari informasi
umum, mengapload artikel maupun berupa foto dsb, mengdownload tugas artikel maupun
software yang kita gunakan dan banyak hal lainya yang akan kita peroleh dalam penggunaan
statistikan secara online tersebut.
3. Pertemuan III mengolah data menggunakan software microsof exel dalm mempulis data
menjadi persen (%), penjumlahan (sum), mencari nilai rata-rata(average), mencari nilai
terkecil(min), nilal terbesar(max) dll.
Dalam pertemuan ini kita diberikan pembelajaran statistika menggunakan software
microsof exel dalam mengelolah data. Pengolahan data pada aplikasi exel ini bias dibilang
gampang – gampang susah sebab kita harus mengingat rumus yang akan kita gunakan dalam
mengelolah data yang kita peroleh. Untuk dapat kita lebih paham lagi kita pelu
menperaktekanya berulang kali agar supaya kita dapat lebih paham dan mengerti bagaiman
cara pengolahan data tersebut. Dengan banyak bertanya kepada yang sudah lebih mahir
ataupun membaca buku pengolahan data microsof exel tersebut.
4. Pertemuan IV mencari informasi bagaimana cara pengolahan data menggunakan statistik
dimana kita harus membuat sebuah resume dan mengirimkan tugas resume tersebut kealamat
email pak masri kudrat.
Pada pertemuan ini kita sekelas hanya di berikan sedikit informasi tentang materi
statistika yang selanjutnya kita lanjutkan sendiri dengan mengembangkan materi yang ada
tentang apa itu statistika dan bagai mana cara menerapkan pengolahan data dari statistika
tersebut di rumah masing - masing sebagian besar mencari informasi tersebut di warnet
adapun sebagian yang mencari di buku – buku di perpustakaan kampus, dalam penyusunan
tugas resume ini kami diberikan waktu satu minggu sebelum mata kuliah statistika masuk
jam perkuliahanya sehingga kita masih sempat untuk mencari dan belajar bagaimana tentang
informasi statistika tersebut.
5. Pertemuan V mendeskripsikan tugas narasi yang di yang telah diberikan oleh pak masri
kudrat yang dimana tugas yang diberikan sebelumnya mencari informasi bagaimana cara
pengolahan data menggunakan statistik dan bagaimana cara pengolahan data dari penggunaan
statistika apakah terdapat perbedaan di antara pengolahan data menggunakan program exel
dengan program spss 17.
6. Pertemuan VI dimana kita di tugaskan untuk mendonload aplikasi spss 17 agar dapt
mengolah data yang akn kita coba.
Pada pertemuan ini kita di tugaskan untuk mengolah data pada aplikasi spss 17 namun
sebelum masuk pada pengolahan data kita ditugaskan mendownloadnya terlebih dahulu
sebelum itu pak masri menjelaskan terlebih dahulu bagaimana aplikasi spss 17 itu dan cara
menggunakannya setelah itu barulah kita di berikan kesempatan untuk mencoba sendiri
setelah mendownload aplikasi spss 17 tersebut di rumah masing - masing.
Setelah di tugaskan kamipun langsung bergegas ke warnet untuk mencari software
spss 17 tersebut kemudian kita mendownloadnya, setelah kita mendapatkan apliasi tersebut
kitapun langsung menginstal program spss 17 tersebut. Kemudian kita mencoba kembali
bagaimana cara pengolahan data tersebut dirumah masing – masing seperti apa yang telah di
jelaskan dan diberikan oleh pak masri kudrat, seperti halnya menentukan varibel X1, X2 dan
Y di masukan di varibel view pada kolom yang tersedia yang berisikan keterangan name,
type, width, decimals, label, value dll. Kita masukan keterangan yang mana menjadi variable
yang kita masukkan yang kemudian kita berikan keterangan pada kolom label tersebut sesuai
variable yang kita buatkan setelah seluruh variabel tersebut kita buat barulah kita masukkan
data yang akan kita.
7. Pertemuan VII mengorasikan kembali aplikasi spss 17 yang telah kita miliki kita masuk
pada pengenalan aplikasi tersebut setelah di masukan variabelnya.
Pada pertemuan berikut ini dimana kita dapat mengubah data tersebut pengolahan
data Regression, Frequencies, Means, Correlations, Ratio Statistics, Variance Components
Estimation, NPar Tests, Chi-Square Test, Descriptive, dll. Dalm penjelasan pak masri kudrat
dalm mengoprasikan aplikasi spss17 tersebut.
8. Pertemuan VIII melanjutkan kegiatan dari pertemuan VII kita memperaktikan aplikasi spss
17 kita dapat mengubah data tersebut pengolahan data Regression, Frequencies, Means,
Correlations, Ratio Statistics, Variance Components Estimation, NPar Tests, Chi-Square
Test, Descriptive, dll.
Dalam mengolah data tersebut perlunya suatu data yang akan kita olah dari skripsi
yang telah dibuat namun kita perlu menentukan varibel X1, X2 dan Y di masukan di varibel
view pada kolom yang tersedia yang berisikan keterangan name, type, width, decimals, label,
value dll. Kemudian kita masukan data yang akan kita olah :
Keterangan :
X : Kompetensi pedagogik pendidik TK.
Y : Perkembangan kognitif anak usia 5-6 tahun.
NO X Y
1 40 502 46 473 42 474 43 505 41 506 47 507 46 508 39 489 46 4910 47 5011 50 5012 37 5013 50 5014 42 5015 44 5016 46 3617 43 2918 46 40
19 30 4620 46 5021 42 4922 41 5023 43 5024 42 5025 43 5026 47 4927 47 4828 46 5029 50 4730 39 4231 47 5032 46 4733 50 4134 34 1035 46 4836 42 5037 46 4838 42 4939 50 4940 46 4941 42 5042 46 5043 50 4444 50 5045 34 4646 50 4547 42 4448 50 4849 43 5050 50 4351 43 5052 43 5053 39 4954 46 4955 33 4956 50 5057 46 5058 39 4459 46 5060 47 46
61 47 4562 46 4463 50 4864 42 5065 41 4366 46 5067 50 5068 43 4469 46 5070 39 4671 37 4572 42 4473 50 4874 46 5075 33 4376 46 5077 50 4978 47 5079 46 5080 47 4481 33 5082 47 4683 43 4584 50 4485 39 4886 50 5087 37 4388 34 4589 38 5090 38 50 3952 4239
Setelah itu barulah masuk pada pengolahan data kia pilih menu yan g kita perlukan dalam menentukan keterangan apa yang akan kita inginkan apakah itu pengolahan data Regression, Frequencies, Means, Correlations, Ratio Statistics, Variance Components Estimation, NPar Tests, Chi-Square Test, Descriptive, dll.
Berikut ini pengolahan datanya :
REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT X /METHOD=ENTER Y.
Regression
Variables Entered/Removedb
Model Variables Entered
Variables
Removed Method
1 Perkembangan
kognitifa
. Enter
a. All requested variables entered.
b. Dependent Variable: Kompetensi pedagogik pendidik TK
Model Summary
Model R R Square Adjusted R Square
Std. Error of the
Estimate
1 .210a .044 .033 4.78222
a. Predictors: (Constant), Perkembangan kognitif
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 92.761 1 92.761 4.056 .047a
Residual 2012.528 88 22.870
Total 2105.289 89
a. Predictors: (Constant), Perkembangan kognitif
b. Dependent Variable: Kompetensi pedagogik pendidik TK
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.B Std. Error Beta
1 (Constant) 34.824 4.540 7.670 .000
Perkembangan kognitif .193 .096 .210 2.014 .047
a. Dependent Variable: Kompetensi pedagogik pendidik TK
FREQUENCIES VARIABLES=X Y /NTILES=4 /NTILES=10 /STATISTICS=STDDEV VARIANCE RANGE MINIMUM MAXIMUM SEMEAN MEAN MEDIAN MODE SUM SKEWNESS SESKEW KURTOSIS SEKURT /GROUPED=X Y /ORDER=ANALYSIS.
Frequencies
Notes
Output Created 20-Nov-2012 20:08:16
Comments
Input Data G:\jkh8o.sav
Active Dataset DataSet1
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working Data File 90
Missing Value Handling Definition of Missing User-defined missing values are treated as
missing.
Cases Used Statistics are based on all cases with valid
data.
Syntax FREQUENCIES VARIABLES=X Y
/NTILES=4
/NTILES=10
/STATISTICS=STDDEV VARIANCE
RANGE MINIMUM MAXIMUM SEMEAN
MEAN MEDIAN MODE SUM SKEWNESS
SESKEW KURTOSIS SEKURT
/GROUPED=X Y
/ORDER=ANALYSIS.
Resources Processor Time 0:00:00.015
Elapsed Time 0:00:00.031
[DataSet1] G:\jkh8o.sav
Statistics
Kompetensi
pedagogik pendidik
TK
Perkembangan
kognitif
N Valid 90 90
Missing 0 0
Mean 43.9111 47.1000
Std. Error of Mean .51267 .55778
Median 44.6364a 49.0000a
Mode 46.00 50.00
Std. Deviation 4.86363 5.29161
Variance 23.655 28.001
Skewness -.750 -4.544
Std. Error of Skewness .254 .254
Kurtosis .053 27.963
Std. Error of Kurtosis .503 .503
Range 20.00 40.00
Minimum 30.00 10.00
Maximum 50.00 50.00
Sum 3952.00 4239.00
Percentiles 10 37.2000b 43.1667b
20 39.8571 44.6154
25 41.3077 45.4000
30 42.0000 46.3333
40 42.9474 48.0000
50 44.6364 49.0000
60 46.0968 49.3600
70 46.6774 49.7200
75 46.9677 49.9000
80 47.8889 .
90 49.8889 .
a. Calculated from grouped data.
b. Percentiles are calculated from grouped data.
Frequency Table
Kompetensi pedagogik pendidik TK
Frequency Percent Valid Percent Cumulative Percent
Valid 30.00 1 1.1 1.1 1.1
33.00 3 3.3 3.3 4.4
34.00 3 3.3 3.3 7.8
37.00 3 3.3 3.3 11.1
38.00 2 2.2 2.2 13.3
39.00 6 6.7 6.7 20.0
40.00 1 1.1 1.1 21.1
41.00 3 3.3 3.3 24.4
42.00 10 11.1 11.1 35.6
43.00 9 10.0 10.0 45.6
44.00 1 1.1 1.1 46.7
46.00 21 23.3 23.3 70.0
47.00 10 11.1 11.1 81.1
50.00 17 18.9 18.9 100.0
Total 90 100.0 100.0
Perkembangan kognitif
Frequency Percent Valid Percent Cumulative Percent
Valid 10.00 1 1.1 1.1 1.1
29.00 1 1.1 1.1 2.2
36.00 1 1.1 1.1 3.3
40.00 1 1.1 1.1 4.4
41.00 1 1.1 1.1 5.6
42.00 1 1.1 1.1 6.7
43.00 4 4.4 4.4 11.1
44.00 8 8.9 8.9 20.0
45.00 5 5.6 5.6 25.6
46.00 5 5.6 5.6 31.1
47.00 4 4.4 4.4 35.6
48.00 8 8.9 8.9 44.4
49.00 10 11.1 11.1 55.6
50.00 40 44.4 44.4 100.0
Total 90 100.0 100.0
Means
Notes
Output Created 20-Nov-2012 20:11:32
Comments
Input Data G:\jkh8o.sav
Active Dataset DataSet1
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working Data File 90
Missing Value Handling Definition of Missing For each dependent variable in a table, user-
defined missing values for the dependent and
all grouping variables are treated as missing.
Cases Used Cases used for each table have no missing
values in any independent variable, and not all
dependent variables have missing values.
Syntax MEANS TABLES=X BY Y
/CELLS MEAN COUNT STDDEV.
Resources Processor Time 0:00:00.016
Elapsed Time 0:00:00.017
[DataSet1] G:\jkh8o.sav
Case Processing Summary
Cases
Included Excluded Total
N Percent N Percent N Percent
Kompetensi pedagogik pendidik
TK * Perkembangan kognitif
90 100.0% 0 .0% 90 100.0%
Report
Kompetensi pedagogik pendidik TK
Perkemba
ngan
kognitif Mean N Std. Deviation
10.00 34.0000 1 .
29.00 43.0000 1 .
36.00 46.0000 1 .
40.00 46.0000 1 .
41.00 50.0000 1 .
42.00 39.0000 1 .
43.00 40.2500 4 7.27438
44.00 44.8750 8 4.01559
45.00 42.2000 5 6.68581
46.00 39.4000 5 7.63544
47.00 46.0000 4 3.26599
48.00 45.8750 8 4.58063
49.00 44.1000 10 5.23768
50.00 44.3500 40 3.89970
Total 43.9111 90 4.86363
Case Processing Summary
Cases
Included Excluded Total
N Percent N Percent N Percent
Kompetensi pedagogik pendidik
TK * Perkembangan kognitif
90 100.0% 0 .0% 90 100.0%
Report
Kompetensi pedagogik pendidik TK
Perkemba
ngan
kognitif Mean N Std. Deviation
10.00 34.0000 1 .
29.00 43.0000 1 .
36.00 46.0000 1 .
40.00 46.0000 1 .
41.00 50.0000 1 .
42.00 39.0000 1 .
43.00 40.2500 4 7.27438
44.00 44.8750 8 4.01559
45.00 42.2000 5 6.68581
46.00 39.4000 5 7.63544
47.00 46.0000 4 3.26599
48.00 45.8750 8 4.58063
49.00 44.1000 10 5.23768
50.00 44.3500 40 3.89970
Total 43.9111 90 4.86363
ANOVA Table
Sum of Squares df Mean Square F Sig.
Kompetensi pedagogik
pendidik TK *
Perkembangan kognitif
Between Groups (Combined) 402.789 13 30.984 1.383 .187
Linearity 92.761 1 92.761 4.141 .045
Deviation from
Linearity
310.028 12 25.836 1.153 .332
Within Groups 1702.500 76 22.401
Total 2105.289 89
Measures of Association
R R Squared Eta Eta Squared
Kompetensi pedagogik pendidik
TK * Perkembangan kognitif
.210 .044 .437 .191
Correlations
Notes
Output Created 20-Nov-2012 20:20:38
Comments
Input Data G:\jkh8o.sav
Active Dataset DataSet1
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working Data File 90
Missing Value Handling Definition of Missing User-defined missing values are treated as
missing.
Cases Used Statistics for each pair of variables are based
on all the cases with valid data for that pair.
Syntax CORRELATIONS
/VARIABLES=X Y
/PRINT=TWOTAIL NOSIG
/MISSING=PAIRWISE.
Resources Processor Time 0:00:00.016
Elapsed Time 0:00:00.125
[DataSet1] G:\jkh8o.sav
Correlations
Kompetensi
pedagogik pendidik
TK
Perkembangan
kognitif
Kompetensi pedagogik pendidik
TK
Pearson Correlation 1 .210*
Sig. (2-tailed) .047
N 90 90
Perkembangan kognitif Pearson Correlation .210* 1
Sig. (2-tailed) .047
N 90 90
*. Correlation is significant at the 0.05 level (2-tailed).
Ratio Statistics
Notes
Output Created 20-Nov-2012 20:24:43
Comments
Input Data G:\jkh8o.sav
Active Dataset DataSet1
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working Data File 90
Missing Value Handling Definition of Missing A case is treated as missing when it contains
system and/or user-defined missing values in
any variables used for this analysis.
Cases Used Cases used have non-negative values in the
numerator variable and positive values in the
denominator variable.
Syntax RATIO STATISTICS X WITH Y
/MISSING=EXCLUDE
/PRINT=COD MDCOV PRD.
Resources Processor Time 0:00:00.016
Elapsed Time 0:00:00.015
[DataSet1] G:\jkh8o.sav
Case Processing Summary
Count
Overall 90
Excluded 0
Total 90
Ratio Statistics for Kompetensi pedagogik pendidik TK / Perkembangan
kognitif
Price Related Differential 1.029
Coefficient of Dispersion .131
Coefficient of Variation Median Centered 31.7%
Variance Components Estimation
Notes
Output Created 20-Nov-2012 20:31:44
Comments
Input Data G:\jkh8o.sav
Active Dataset DataSet1
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working Data File 90
Missing Value Handling Definition of Missing User-defined missing values are treated as
missing.
Cases Used Statistics are based on all cases with valid data
for all variables in the model.
Syntax VARCOMP Y BY X
/RANDOM=X
/METHOD=MINQUE(1)
/DESIGN
/INTERCEPT=INCLUDE.
Resources Processor Time 0:00:00.000
Elapsed Time 0:00:00.017
[DataSet1] G:\jkh8o.sav
Factor Level Information
N
Kompetensi pedagogik pendidik
TK
30.00 1
33.00 3
34.00 3
37.00 3
38.00 2
39.00 6
40.00 1
41.00 3
42.00 10
43.00 9
44.00 1
46.00 21
47.00 10
50.00 17
Dependent Variable: Y
Variance Estimates
Component Estimate
Var(X) 7.892
Var(Error) 24.522
Dependent Variable: Y
Method: Minimum Norm
Quadratic Unbiased
Estimation (Weight = 1 for
Random Effects and
Residual)
[DataSet1] G:\jkh8o.sav
Chi-Square TestFrequencies
Kompetensi pedagogik pendidik TK
Observed N Expected N Residual
30.00 1 6.4 -5.4
33.00 3 6.4 -3.4
34.00 3 6.4 -3.4
37.00 3 6.4 -3.4
38.00 2 6.4 -4.4
39.00 6 6.4 -.4
40.00 1 6.4 -5.4
41.00 3 6.4 -3.4
42.00 10 6.4 3.6
43.00 9 6.4 2.6
44.00 1 6.4 -5.4
46.00 21 6.4 14.6
47.00 10 6.4 3.6
50.00 17 6.4 10.6
Total 90
Perkembangan kognitif
Observed N Expected N Residual
10.00 1 6.4 -5.4
29.00 1 6.4 -5.4
36.00 1 6.4 -5.4
40.00 1 6.4 -5.4
41.00 1 6.4 -5.4
42.00 1 6.4 -5.4
43.00 4 6.4 -2.4
44.00 8 6.4 1.6
45.00 5 6.4 -1.4
46.00 5 6.4 -1.4
47.00 4 6.4 -2.4
48.00 8 6.4 1.6
49.00 10 6.4 3.6
50.00 40 6.4 33.6
Total 90
Test Statistics
Kompetensi
pedagogik pendidik
TK
Perkembangan
kognitif
Chi-Square 79.556a 208.044a
df 13 13
Asymp. Sig. .000 .000
a. 0 cells (,0%) have expected frequencies less than 5. The
minimum expected cell frequency is 6,4.
NPar Tests
Notes
Output Created 20-Nov-2012 20:40:15
Comments
Input Data G:\jkh8o.sav
Active Dataset DataSet1
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working Data File 90
Missing Value Handling Definition of Missing User-defined missing values are treated as
missing.
Cases Used Statistics for each test are based on all cases
with valid data for the variable(s) used in that
test.
Syntax NPAR TESTS
/RUNS(MEDIAN)=X Y
/RUNS(MEAN)=X Y
/RUNS(MODE)=X Y
/MISSING ANALYSIS.
Resources Processor Time 0:00:00.031
Elapsed Time 0:00:00.094
Number of Cases Alloweda 157286
a. Based on availability of workspace memory.
[DataSet1] G:\jkh8o.sav
Runs Test
Kompetensi
pedagogik pendidik
TK
Perkembangan
kognitif
Test Valuea 46.00 49.00
Cases < Test Value 42 40
Cases >= Test Value 48 50
Total Cases 90 90
Number of Runs 53 39
Z 1.533 -1.384
Asymp. Sig. (2-tailed) .125 .166
a. Median
Runs Test 2
Kompetensi
pedagogik pendidik
TK
Perkembangan
kognitif
Test Valuea 43.9111 47.1000
Cases < Test Value 41 32
Cases >= Test Value 49 58
Total Cases 90 90
Number of Runs 53 33
Z 1.572 -2.141
Asymp. Sig. (2-tailed) .116 .032
a. Mean
Runs Test 3
Kompetensi
pedagogik pendidik
TK
Perkembangan
kognitif
Test Valuea 46.00 50.00
Cases < Test Value 42 50
Cases >= Test Value 48 40
Total Cases 90 90
Number of Runs 53 45
Z 1.533 -.095
Asymp. Sig. (2-tailed) .125 .924
a. Mode
DESCRIPTIVES VARIABLES=X Y /STATISTICS=MEAN STDDEV MIN MAX.
Descriptives
Notes
Output Created 20-Nov-2012 21:01:50
Comments
Input Data G:\jkh8o.sav
Active Dataset DataSet1
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working Data File 90
Missing Value Handling Definition of Missing User defined missing values are treated as
missing.
Cases Used All non-missing data are used.
Syntax DESCRIPTIVES VARIABLES=X Y
/STATISTICS=MEAN STDDEV MIN MAX.
Resources Processor Time 0:00:00.015
Elapsed Time 0:00:00.014
[DataSet1] G:\jkh8o.sav
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
Kompetensi pedagogik pendidik
TK
90 30 50 43.91 4.864
Perkembangan kognitif 90 10 50 47.10 5.292
Valid N (listwise) 90
9. Pertemuan IX MID sebagai tugas yang menjadi nilai mid kami di tugaskan mengolah data
skripsi perindividu, hasil tugasnya dapat di lihat pada pertemuan sebelumnya yang menjadi
contoh tugas Ujian Mid tersebut yang harus di kirim melalui email pak masri kudrat.
10. Pertemuan X kami di tugaskan untuk mencari buku panduan tentang program software spss
17 agar dapat mengetahui bagaimana cara mengaplikasikan program tersebut lebih baik lagi.
Dimana panduan spss 17 itu agar kita dapat mengetahui bagaimana cara pengerjaan
dalam pengolahan data spss 17 agar lebih baik lagi selain kita memperhatikan apa yang
diterangkan pak masri kudrat sudah seharusnyalah kita harus memiliki paduan spss 17 agar
apa yang telah kita pelajari sebelumnya dapat di ingat lagi berdasarkan apa yang kita peroleh
dari pak masri tetapi kita melihat dari buku panduan tersebut.
11. Pertemuan XI, XII, XIII pertemuan selanjutnya kita melakukan kita melakukan pengolahan
data lagi.
Sesuai dengan cara yang pak masri berikan dan kita melihat sesuai dengan panduan
dari spss 17 apakah dalam pengolahan data Regression, Frequencies, Means, Correlations,
Ratio Statistics, Variance Components Estimation, NPar Tests, Chi-Square Test, Descriptive,
dll. Sudalah tepat atau belum yang di bandingkan dengan pengolahan data secara manual
yang menggunakan rumus perhitungan pada dasarnya. Pada skripsi yang akan kita olah
kembali datanya mencari perbandingan antara pengolahan data secara manual dengan
menggunakan aplikasi spss.