Komputer Instalasi

Jasa Instalasi Komputer/Laptop

JASA INSTAL ULANG DAN UPGRADE HARDWARE LAPTOP/NOTEBOOK/NETBOOK/PC
JANGAN RAGU UNTUK SMS/BBM/TELEPON
JASA INSTAL ULANG TETAP BUKA
CARA DAN KETERANGAN INSTALASI
Menggunakan DVD atau FLASHDISK BOOTABLE (bagi yg tidak ada DVD-ROM).
Lama Pengerjaan 1-2 Jam tergantung spesifikasi Perangkat.

Saya akan instalkan DRIVER & beberapa SOFTWARE STANDAR :

TARIF JASA INSTAL ULANG
WINDOWS 7 Ultimate-Profesional(Termasuk DRIVER & SOFTWARE STANDAR)
WILAYAH : Kab KOTIM/SAMPIT dan sekitarnya.
HARGA : Rp 60.000,- (Sudah termasuk ongkos jalan)
(*Untuk penginstalan lebih dari 1 unit selanjutnya Rp 50.000,-/unit berikutnya)

WINDOWS 8 (Termasuk DRIVER & SOFTWARE STANDAR)
WILAYAH : Kab KOTIM/SAMPIT dan sekitarnya.
HARGA : Rp 80.000,- *(Sudah termasuk ongkos jalan)
(*Untuk penginstalan lebih dari 1 unit selanjutnya Rp 70.000,-/unit berikutnya)

Windows 8

Windows 7 Ultimate

Windows 7 Profesional

UNTUK MINAT ATAU TANYA/KONSULTASI MASALAH LAPTOP/PC DAN MERAKIT PC BISA HUBUNGI : 085292614634 (no.Hp)

KETENTUAN :

- Agar nyaman dan tidak tergesa-gesa, usahakan konfirmasi 1x24 Jam sebelum saya datang ke tempat agan.
- Saya hanya membantu jasa instalasi software saja, Legalitas software sepenuhnya menjadi tanggung jawab user.
- Pastikan kondisi komputer / laptop sudah pasrah alias tinggal di instal ulang aja.
- Garansi berlaku 7 hari setelah mendapatkan servis dari saya.
- Untuk yang mau tanya-tanya silahkan jangan ragu konsultasi sama saya.
- Cek Laptop anda terlebih dahulu sebelum di install, kami tidak bertanggung jawab jika ada masalah di laptop anda.

Instal Bulan September 2015 mendapat Game berkelas.

Bye : Hendi Rian Hidayat

Independen T Test dengan SPSS

                                            Independen T Test dengan SPSS

Independen T Test dengan SPSS Independen T Test adalah uji komparatif atau uji beda untuk mengetahui adakah perbedaan mean atau rerata yang bermakna antara 2 kelompok bebas yang berskala data interval/rasio. Dua kelompok bebas yang dimaksud di sini adalah dua kelompok yang tidak berpasangan, artinya sumber data berasal dari subjek yang berbeda. Misal Kelompok Kelas A dan Kelompok kelas B, di mana responden dalam kelas A dan kelas B adalah 2 kelompok yang subjeknya berbeda. Bandingkan dengan nilai pretest dan posttest pada kelas A, di mana nilai pretest dan posttest berasal dari subjek yang sama atau disebut dengan data berpasangan. Apabila menemui kasus yang data berpasangan, maka uji beda yang tepat adalah uji paired t test. Asumsi yang harus dipenuhi pada independen t test antara lain: 

1.Skala data interval/rasio. 

2. Kelompok data saling bebas atau tidak berpasangan. 

3. Data per kelompok berdistribusi normal. 

4. Data per kelompok tidak terdapat outlier. 

5. Varians antar kelompok sama atau homogen. 

Untuk asumsi poin no. 1 dan 2, anda tidak perlu mengujinya dengan SPSS. Sedangkan untuk asumsi no. 3 dan no. 5 anda harus mengujinya dengan SPSS. Untuk uji normalitas secara lengkap baca DISINI. Untuk uji homogenitas secara lengkap, baca DISINI. 

Langsung saja kita buat data sebagai berikut: Data di bawah ini menunjukkan bahwa ada 2 kelompok yaitu 1 dan 2, di mana tiap kelompok terdapat 10 responden/observasi.

                                                                                      Dataset Independen T Test

Langkah pertama adalah menguji asumsi normalitas, outlier dan homogenitas. Yaitu pada menu SPSS, klik Analyze, Descriptive Statistics, Explore. Maka akan muncul jendela seperti berikut:

Klik tombol Plots, setelah muncul jendela, centang Factor levels together, Stem-and-leaf, Histogram, Normality plots with tests dan Power estimation. Kemudian Klik Continue.

Kemudian klik OK pada jendela utama. Lihat output!

                                                                                Normalitas Independen T Test

Tabel di atas menunjukkan hasil uji Shapiro Wilk dan Lilliefors. Nilai p value (Sig) lilliefors 0,200 pada 2 kelompok di mana > 0,05 maka berdasarkan uji lilliefors, data tiap kelompok berdistribusi normal. P value uji Shapiro wilk pada kelompok 1 sebesar 0,884 > 0,05 dan pada kelompok 2 sebesar 0,778 > 0,05. Karena semua > 0,05 maka kedua kelompok sama-sama berdistribusi normal berdasarkan uji Shapiro wilk.

Homogenitas Independen T Test

Tabel di atas menunjukkan hasil uji homogenitas dengan metode Levene's Test. Nilai Levene ditunjukkan pada baris Nilai based on Mean, yaitu 0,001 dengan p value (sig) sebesar 0,979 di mana > 0,05 yang berarti terdapat kesamaan varians antar kelompok atau yang berarti homogen.

Stem-leaf Independen T Test

Diagram di atas adalah diagram stem-leaf yang berfungsi untuk mendeteksi adanya outlier. Ada outlier apabila terdapat nilai Extrem di atas dan di bawah stem-leaf. Pada data anda tidak terdapat nilai exkstrem, maka tidak terdapat outlier. Deteksi outlier juga bisa dinilai dengan Box-plot seperti di bawah ini:

Boxplot Independen T Test

Box-Plot di atas tidak menunjukkan terdapat plot-plot di atas dan/atau  di bawah boxplot yang berarti tidak terdapat outlier.

Oleh karena semua asumsi terpenuhi, maka dapat dilanjutkan ke uji selanjutnya yaitu uji Independen T Test.

Pada menu SPSS, klik Analyze, Compare Means, Independen Samples T Test. Maka akan muncul jendela sebagai berikut: Kemudian masukkan variabel terikat anda yaitu Nilai ke kotak Test Variable(s)dan masukkan variabel bebas anda yaitu Kelompok ke kotak Grouping Variables.

Klik tombol Define Groups kemudian masukkan kode 1 dan 2.

Klik Continue. Dan pada jendela utama klik OK kemudian lihat Output!

                                                                              Mean Independen T Test

Tabel di atas menunjukkan Mean atau rerata tiap kelompok, yaitu pada kelompok 1 nilainya 56 di mana lebih rendah dari kelompok 2 yaitu 73,1. Apakah perbedaan ini bermakna? lihat di bawah ini:

                                                                                           Output Independen T Test

Nilai hasil uji levene test untuk homogenitas sama dengan bahasan di atas, yaitu homogen. Karena homogen, maka gunakan baris pertama yaitu nilai t hitung -2,577 pada DF 18. DF pada uji t adalah N-2, yaitu pada kasus ini 20-2=18. Nilai t hitung ini anda bandingkan dengan t tabel pada DF 18 dan probabilitas 0,05.

Untuk menjawab hipotesis ada 2 cara:

Dengan membandingkan antara t hitung dengan t tabel:

Apabila nilai t hitung positif: Ada perbedaan bermakna apabila t hitung > t tabel.

Apabila nilai t hitung negatif: ada perbedaan bermakna apabila t hitung < t tabel.

Cara kedua adalah dengan melihat nilai Sig (2 tailed) atau p value. Pada kasus di atas nilai p value sebesar 0,019 di mana < 0,05. Karena < 0,05 maka perbedaan bermakna secara statistik atau signifikan pada probabilitas 0,05.

Besarnya perbedaan rerata atau mean kedua kelompok ditunjukkan pada kolom Mean Difference, yaitu -17,1. Karena bernilai negatif, maka berarti kelompok pertama memiliki Mean lebih rendah dari pada kelompok kedua.

Demikian pembahasan tentang Independen T Test dengan SPSS. Untuk pengujian dengan Excel, silahkan anda baca disini.

Uji Normalitas dengan menggunakan SPSS (Normality Test)

Uji Normalitas dengan menggunakan SPSS (Normality Test)

Distribusi normal, disebut pula distribusi Gauss, adalah distribusi probabilitas yang paling banyak digunakan dalam berbagai analisis statistika. Distribusi normal baku adalah distribusi normal yang memiliki rata-rata nol dan simpangan baku satu. Distribusi ini juga dijuluki kurva lonceng (bell curve) karena grafik fungsi kepekatan probabilitasnya mirip dengan bentuk lonceng. Distribusi normal memodelkan fenomena kuantitatif pada ilmu alam maupun ilmu sosial. Beragam skor pengujian psikologi dan fenomena fisika seperti jumlah foton dapat dihitung melalui pendekatan dengan mengikuti distribusi normal. Distribusi normal banyak digunakan dalam berbagai bidang statistika, misalnya distribusi sampling rata-rata akan mendekati normal, meski distribusi populasi yang diambil tidak berdistribusi normal. Distribusi normal juga banyak digunakan dalam berbagai distribusi dalam statistika, dan kebanyakan pengujian hipotesis mengasumsikan normalitas suatu data. (Wikipedia) Uji Normalitas merupakan salah satu uji mendasar yang dilakukan sebelum melakukan analisis data lebih lanjut atau lebih dalam, data yang normal sering dijadikan landasan dalam beberapa uji statistik meskipun semua data tidak dituntut untuk harus normal. Uji normalitas itu sendiri berfungsi untuk melihat bahwa data sampel yang kita ambil atau kita gunakan mengikuti atau mendekati distribusi normal (distribusi data tersebut tidak menceng ke kiri atau ke kanan). Ada beberapa teknik yang dapat digunakan untuk menguji normalitas data, antara lain: Dengan kertas peluang normal, uji chi-kuadrat, uji Liliefors, dengan Teknik Kolmogorov-Smirnov, Shapiro Wilk dll. Studi kasus NO RAS (WARNA KULIT) PUTIH HITAM LAINNYA 1 3629 3790 3303 2 3005 3402 4054 3 2836 1928 2551 4 2466 1135 3203 5 3459 2367 1588 6 3062 3042 2733 7 3860 2523 3321 8 3756 3860 2282 9 3600 2920 3629 10 3473 2495 3941 11 3940 2187 1729 12 3827 3067 3090 13 2877 2977 1899 14 1790 2381 3969 15 3062 3444 3104 16 3997 2126 3487 17 2977 2438 2055 18 3651 2920 2622 19 1928 2920 3544 20 2920 3374 3835 21 3651 2381 2395 22 3651 2778 2807 23 2977 3317 2863 24 3234 1701 2877 25 3416 2948 3572 26 2100 2298 3770 Untuk melakukan uji normalitas terhadap data diatas, berikut langkah-langkah yang dilakukan: 1.Membuka aplikasi SPSS dengan melakukan double click pada icon desktop. 2.Setelah aplikasi SPSS terbuka, buat nama variabel beserta tipe datanya, dalam hal ini nama variabel yang dibuat adalah No, RAS dan Berat dengan tipe data numeric, kemudian pada values diberikan deklarasi yaitu 1=Putih, 2=Hitang, 3=Lainnya.

3.Selanjutnya klik pada button Data View, masukkan data pada variabel No, RAS dan Berat sesuai dengan studi kasus. cara menginput datanya dapat dilihat discreenshot dibawah ini.

4.Selanjutnya untuk menguji apakah data tersebut normal atau tidak, dapat dilakukan dengan cara Klik menu Analyze - Descriptive Statistics - Explore... kemudian masukkan variabel Berat ke kotak Dependent List dan variabel RAS ke kotak Factor List, selanjutnya klik Plots dan berikan centang pada Normalitu plots with tests kemudian klik button Continue dan OK.

5.Sehingga muncul beberapa tampilan, yang digunakan cukup ini saja.

INTERPRESTASI Berdasarkan output tabel Test of Normality. SPSS menyajikan dua tabel sekaligus. Analisis Shapiro-Wilk digunakan jika subjek atau kasus kurang dari 50. Uji Shapiro-Wilk dianggap lebih akurat ketika jumlah subjek/data yang dimiliki kurang dari 50. Karena pada kasus ini data yang dimiliki melebihi 50 maka yang digunakan adalah analisis Kormogorov-Smirnov. * Hipotesis H0 : Populasi berdistribusi normal H1 : Populasi tidak berdistribusi normal * Tingkat Signifikansi α = 5% * Daerah Kritis Jika Sig. ≤α : tolak H0 * Statistik Uji Sig.putih = 0.200 > α = 0.05 Sig.hitam = 0.200 > α = 0.05 Sig.lainnya = 0.200 > α = 0.05 * Keputusan Uji Karena nilai Sig. putih, Sig.hitam, Sig.lainnya > α maka keputusannya adalah gagal tolak H0 * Kesimpulan Jadi dengan tingkat signifikansi 5% didapatkan kesimpulan bahwa ketiga berat badan bayi yang dilahirkan berdasarkan warna kulit sang ibu memiliki data berdistribusi normal (gagal tolak H0) Jika dilihat sekilas dari Grafik Normal Q-Q Plot maka: Garis diagonal dalam grafik ini menggambarkan keadaan ideal dari data yang mengikuti distribusi normal. Titik-titik di sekitar garis adalah keadaan data yang diuji. Jika kebanyakan titik-titik berada sangat dekat dengan garis atau bahkan menempel pada garis, maka dapat disimpulkan bahwa data tersebut mengikuti distribusi normal. Yaa.. begitulah cara untuk menguji normalitas data dengan SPSS. Semoga Bermanfaat... Tag : Statistik SPSS

Contoh Regresi Linier Sederhana dengan SPSS

Contoh Regresi Linier Sederhana dengan SPSS Artikel ini akan mengupas contoh regresi linier sederhana dengan SPSS menggunakan data regresi yang dipakai seperti pada perhitungan korelasi. Analisis regresi linear sederhana merupakan salah satu metode regresi yang dapat dipakai sebagai alat inferensi statistik untuk menentukan pengaruh sebuah variabel bebas (independen) terhadap variabel terikat (dependen). Uji Regresi linear sederhana ataupun regresi linier berganda pada intinya memiliki beberapa tujuan, yaitu: 1. Menghitung nilai estimasi rata-rata dan nilai variabel terikat berdasarkan pada nilai variabel bebas. 2. Menguji hipotesis karakteristik dependensi 3. Meramalkan nilai rata-rata variabel bebas dengan didasarkan pada nilai variabel bebas diluar jangkaun sample. Pada analisis regresi sederhana dengan menggunakan SPSS ada beberapa asumsi dan persyaratan yang perlu diperiksa dan diuji, beberapa diantaranya adalah : 1. Variabel bebas tidak berkorelasi dengan disturbance term (Error). Nilai disturbance term sebesar 0 atau dengan simbol sebagai berikut: E (U / X) = 0, 2. Jika variabel bebas lebih dari satu, maka antara variabel bebas (explanatory) tidak ada hubungan linier yang nyata, 3. Model regresi dikatakan layak jika angka signifikansi pada ANOVA sebesar < 0.05, Predictor yang digunakan sebagai variabel bebas harus layak. Kelayakan ini diketahui jika angka Standard Error of Estimate < Standard Deviation, 4. Koefisien regresi harus signifikan. Pengujian dilakukan dengan Uji T. Koefesien regresi signifikan jika T hitung > T table (nilai kritis), 5. Model regresi dapat diterangkan dengan menggunakan nilai koefisien determinasi (KD = R Square x 100%) semakin besar nilai tersebut maka model semakin baik. Jika nilai mendekati 1 maka model regresi semakin baik, 6. Residual harus berdistribusi normal, 7. Data berskala interval atau rasio, 8. Kedua variabel bersifat dependen, artinya satu variabel merupakan variabel bebas (variabel predictor) sedang variabel lainnya variabel terikat (variabel response) Berikut ini contoh perhitungan regresi linier sederhana menggunakan software SPSS 20. Proses mulai dengan memilih menu Analyze, kemudian pilih Linear,

Pilih variabel Y sebagai variabel dependen (terikat) dan X1 sebagai variabel independen (bebas) lalu klik tombol OK,

Output SPSS akan menampilkan hasil berupa 4 buah tabel yaitu; 1.Tabel variabel penelitian, 2.Ringkasan model (model summary), 3.Tabel Anova, dan 4.Tabel Koefisien.

Output Regresi Linear SPSS Cara membaca output spss hasil uji regresi linier tersebut adalah : 1.Tabel pertama menunjukkan variabel apa saja yang diproses, mana yang menjadi variabel bebas dan variabel terikat. 2.Tabel kedua menampilkan nilai R yang merupakan simbol dari nilai koefisien korelasi. Pada contoh diatas nilai korelasi adalah 0,342. Nilai ini dapat diinterpretasikan bahwa hubungan kedua variabel penelitian ada di kategori lemah. Melalui tabel ini juga diperoleh nilai R Square atau koefisien determinasi (KD) yang menunjukkan seberapa bagus model regresi yang dibentuk oleh interaksi variabel bebas dan variabel terikat. Nilai KD yang diperoleh adalah 11,7% yang dapat ditafsirkan bahwa variabel bebas X1 memiliki pengaruh kontribusi sebesar 11,7% terhadap variabel Y dan 88,3% lainnya dipengaruhi oleh faktor-faktor lain diluar variabel X1. 3.Tabel ketiga digunakan untuk menentukan taraf signifikansi atau linieritas dari regresi. Kriterianya dapat ditentukan berdasarkan uji F atau uji nilai Signifikansi (Sig.). Cara yang paling mudah dengan uji Sig., dengan ketentuan, jika Nilai Sig. < 0,05, maka model regresi adalah linier, dan berlaku sebaliknya. Berdasarkan tabel ketiga, diperoleh nilai Sig. = 0,140 yang berarti > kriteria signifikan (0,05), dengan demikian model persamaan regresi berdasarkan data penelitian adalah tidak signifikan artinya, model regresi linier tidak memenuhi kriteria linieritas. Tabel keempat menginformasikan model persamaan regresi yang diperoleh dengan koefisien konstanta dan koefisien variabel yang ada di kolom Unstandardized Coefficients B. Berdasarkan tabel ini diperoleh model persamaan regresi : Y =38,256 + 0,229 X1. 4.Tabel keempat menginformasikan model persamaan regresi yang diperoleh dengan koefisien konstanta dan koefisien variabel yang ada di kolom Unstandardized Coefficients B. Berdasarkan tabel ini diperoleh model persamaan regresi : Y =38,256 + 0,229 X1. Agar anda memahami artikel ini, pelajari juga tentang Uji F dan Uji T: "Uji F dan Uji T" dan "Analisis Regresi Korelasi"