#SUMBER DATA

Data yang saya gunakan adalah data sample kelas salah satu SMK Walijawa Tahun Angkatan 2019/2020 Data semeseter ganjil merupakan data pembelajran secara offlane dan data semester genap merupakan data pembelajaran online. nilai ini diambil dari rata-rata salah satu kelas SMK Walijawa Jurusan Administrasi Perkantoran.

#DESKRIPSI DATA

Saya memilih data ini dengan tujuan untuk mengetahui nilai pembelajaran secara offlane dan online salah satu kelas SMK Walijawa. Apakah ada perbedaan nilai dalam belajar secara online dan offline?

Manfaat yang bisa diambil adalah sebagai evaluasi untuk pengajar atau guru supaya mencari metode mengajar yang efektif ketika kelas online

#Hubungan Antar Variabel

Hubungan Antar Variabel Adalah sama sama data Nilai rata-rata Semester salah satu Kelas tahun angkatan 2019/2020

##Source Data

[Data Rata-rata] = (https://drive.google.com/file/d/1S8vbz7v3x7rSQhLvfdOn0h_Uv4iCrPtx/view?usp=sharing)

[Data Asli Semester Genap] = (https://drive.google.com/file/d/1koeOlDQmC3dDW9tEE2oKYWTEG_vU-fO5/view?usp=sharing)

[Data Asli Semester Genjil] = (https://drive.google.com/file/d/1sNFHELiE1PlYjhZeLC8PI0sjg6o1KLcw/view?usp=sharing)

Import Library dan data

library(readxl)
data <- read_excel("D:/e/Materi Kuliah BOYSSSSSS/Semester 3/Statistika/data.xlsx")
View(data)

Hapus kolom nama karena tidak dperlukan

#mengurangi 1 kolom yang tidak digunakan
data_new = data[,-1]
data_new
## # A tibble: 12 x 2
##    `Semester Ganjil` `Semester Genap`
##                <dbl>            <dbl>
##  1              78.6             78.1
##  2              76.9             76.7
##  3              77.1             77  
##  4              76.6             76.4
##  5              75.1             74.8
##  6              77.3             76.9
##  7              76.9             76.6
##  8              75.1             75.2
##  9              77.7             76.8
## 10              73.6             73.2
## 11              76.9             76.9
## 12              71.6             71.6

Menguji normalitas

#menguji normalitas dengan Boxplot
boxplot(data_new)

a = c(t(as.matrix(data_new)))
a
##  [1] 78.5893 78.0536 76.8571 76.6786 77.0893 77.0000 76.6071 76.3750 75.0893
## [10] 74.8214 77.2679 76.9464 76.8750 76.6250 75.1071 75.1786 77.6607 76.7679
## [19] 73.5714 73.1607 76.8571 76.8571 71.5893 71.5893

##Membuat variabel baru

#Buat variabel baru untuk kategori, level treatment, dan data treatment.
f = c("OFFLINE", "ONLINE")
k = 2 #treatment levels
n = 12 #data tiap treatment

##Buat factor

#Buat factor level sesuai anggota variabel r, gunakan fungsi gl.
tm = gl(k, 1, n*k, factor(f))
tm
##  [1] OFFLINE ONLINE  OFFLINE ONLINE  OFFLINE ONLINE  OFFLINE ONLINE  OFFLINE
## [10] ONLINE  OFFLINE ONLINE  OFFLINE ONLINE  OFFLINE ONLINE  OFFLINE ONLINE 
## [19] OFFLINE ONLINE  OFFLINE ONLINE  OFFLINE ONLINE 
## Levels: OFFLINE ONLINE

##Fungsi Anova

#Gunakan fungsi aov untuk uji Anova, kemudian print out hasilnya menggunakan fungsi summary.
nilai = aov(a~tm)
summary(nilai)
##             Df Sum Sq Mean Sq F value Pr(>F)
## tm           1   0.40   0.402   0.111  0.742
## Residuals   22  79.42   3.610

##Hasil Pengujian

  1. Nilai dari F value kurang dari 0.05 jadi perbedaan nilai antara nilai pembelajran Offline dengan dengan pembelajaran Online tidak terlalu signifikan
  2. Nilai dari P value lebih besar dari level signifikan (0,05) maka hipotesis diterima
  3. Dapat dikatakan bahwa nilai ketika pembelajaran Offline dengan Online sama

##Kesimpulan

Kesimpulan dari pengujian diatas adalah nilai rata rata nilai pembelajaran dari salah satu kelas di SMK Walijawa tidak berbeda. Guru dan Murid bisa beradaptasi dengan baik.