JURUSAN MANAJEMEN FAKULTAS EKONOMI UNIVERSITAS HALUOLEO KENDARI 2008

1

DAFTAR ISI Hal : HALAMAN JUDUL DAFTAR ISI KATA PENGANTAR POKOK BAHASAN I POKOK BAHASAN II POKOK BAHASAN III POKOK BAHASAN IV POKOK BAHASAN V POKOK BAHASAN VI KONSEP & PENGERTIAN STATISTIKA EKONOMI i ii iii 1

KONSEP & PEMODELAN STATISTIKA PARAMETRIK METODE & DISTRIBUSI SAMPLING TEORI PENDUGAAN STATISTIK (PROBABILITAS)

8 13 24 37 54 59 75 82 101 117

PENGUJIAN HIPOTESIS UJI VALIDITAS & RELIBILITAS INSTRUMEN

POKOK UJI BEDA (t- TES) BAHASAN VII POKOK ANALISIS KORELASI BAHASAN VIII POKOK ANALISIS REGRESI BAHASAN IX POKOK BAHASAN X ANALISIS NON-PARAMETRIK

DAFTAR PUSTAKA

2

KATA PENGANTAR Alhamdulillah, dengan memanjatkan puji syukur ke hadirat Allah SWT, atas limpahan Rahmat, Taufik dan Hidayah-Nya telah memberikan petunjuk, kesehatan, kesempatan dan kekuatan kepada penulis sehingga dapat menyajikan tulisan Buku Ajar mata kuliah Statistika Ekonomi Lanjutan. Di dalam tulisan ini, disajikan pokok-pokok bahasan yang terdiri atas sepuluh 10 Pokok Bahasan yang disusun sebagai bahan penuntun atau pegangan mahasiswa di lingkup Jurusan Manajemen, Fakultas Ekonomi Universitas Haluoleo dengan materi yang telah disesuaikan khususnya mata kuliah Statistika Ekonomi Lanjutan. Sebagai materi dalam Bahan Ajar ini merupakan hasil penyempurnaan dari materi yang dilakukan dalam perkuliahan yang telah disusun sebelum ditambah dengan beberapa contoh kasus dan trend baru keilmuan Statistika Ekonomi. Harapan penyusun bahwa Bahan Ajar ini dapat membantu para mahasiswa dan tim pengajar dalam kegiatan perkuliahan. Ucapan terimah kasih disampaikan kepada semua pihak yang telah banyak membantu dan mengarahkan dalam penyusunan Buku Ajar ini. Disadari bahwa dengan kekurangan dan keterbatan yang dimiliki penulis, walaupun telah dikerahkan segala kemampuan untuk lebih teliti, tetapi masih dirasakan banyak kekurangtepatan, oleh karena itu penulis mengharapkan kritik dan saran yang membangun agar tulisan ini bermanfaat bagi yang membutuhkan. Kendari, Oktober 2008 Penulis,

La Hatani, S.E., M.M. NIP. 132 308 766

2. c. akuntansi dan bidang lainnya. dijaman gereja untuk mencatat kelahiran. 3. e. TUJUAN KHUSUS a. Mahasiswa diharapkan dapat menjelaskan arti dan jenis data. . Menyimpulkan hasil analisis untuk pengambilan keputusan 5. kegunaan dan pengertian statistika ekonomi serta penerapannya dalam kehidupan nyata. dan pernikahan. d. alat untuk mengendalikan kualitas dan memungkinkan untuk mengetahui peluang suatu kejadian di masa mendatang. Mahasiswa diharapkan dapat menjelaskan arti dan jenis variabel. b. pimpinan perusahaan baik dalam bidang keuangan. Statistika sering digunakan oleh ekonom. Mahasiswa diharapkan dapat membedakan skala pengukuran. Skala Pengukuran & Variabel 4. Pendahuluan Dalam kehidupan sehari-hari statistika telah banyak digunakan. Mengiterprestasikan hasil analisis data. Ilmu statistika berguna untuk membantu dalam pengambilan keputusan atas masalah tertentu. Mengumpulkan data dan pengukuran data b. secara histories perkembangan statistika di awali pada jaman Mesir dan Cina untuk menentukan besar pajak. Pada prinsipnya statistika dapat diartikan sebagai kegiatan untuk: a. kematian. Menganalisis data dengan metode tertentu d. RANGKUMAN Statistika membantu dalam mengambil keputusan yang tepat. Data. TUJUAN UMUM Diharapkan mahasiswa mampu menjelaskan secara komprehensip konsep.3 1. KATA KUNCI: Arti Statistika. URAIAN PEMBELAJARAN A. Meringkas dan menyajikan data c. Mahasiswa diharapkan dapat menjelaskan pengertian statistik dan statistika baik secara teori maupun secara empiris. manajemen.

Mencermati fenomena empiris tidak dapat dipingkiri para pengambil keputusan baik pada instansi pemerintah maupun swasta dan interaksi kehidupan bermasyarakat telah banyak menggunakan kaidah-kaidah statistika seperti menghitung rata-rata penghasilan sebuah keluarga setiap bulan. Contoh statistik deskriptif adalah pembuatan distribusi frekuensi. dan sebagainya . melihat hubungan antara aktivitas yang dikerjakan dengan prestasi yang diraih. rata-rata. Tahun 1950. Bayes mengembangkan Teori Pengambilan Keputusan. ”Statistika adalah ilmu atau seni yang berkaitan dengan tata cara (metode) pengumpulan data. 1972)”. Statistika Deskriptif adalah metode statistika yang digunakan untuk menggambarkan atau mendeskripsikan data yang telah dikumpulkan menjadi sebuah informasi. stándar deviasi dan penyebaran 2. mengukur tinkat produktivitas usaha. dan korelasi dan lain-lain. 2007)”.4 Selanjutnya ditahun 1937 Tinbergen mengembangkan ekonomi statistic dan Hicks mengembangkan matematika ekonomi untuk analisis IS-LM. bilangan maupun non-bilangan (fakta) yang disusun dalam tabel atau diagram yang melukiskan atau menggambarkan suatu persoalan (Supangat. diagram. data. ukuran pemusatan. Pokok bahasan ini menjelaskan tentang arti statistika. “Statistik digunakan untuk menyatakan kumpulan data. regresi. pengujian statistik. Pengertian dan Kegunaan Statistika Agar tidak menumbulkan kesalahan penafsiran bagi para pengguna statistika terlebih dahulu akan dijelaskan perbeadaan arti statistik dan statistika. Statistika deskriptif yang digunakan untuk menggambarkan atau mengdeskripsikan data menjadi informasi yang berguna untuk pengambilan keputusan. Pada umumnya statistika dikelompokan menjadi dua bagian yaitu: 1. Analisis Data dan interprestasi hasil analisis untuk mendapatkan informasi guna penarikan kesimpulan dan pengambilan keputusan (Tuban. variabel dan skala pengukuran data. B. Contoh teori probabilitas. Statistika Inferensial (Induktif) adalah metode yang digunakan untuk mengetahui populasi berdasarkan sampel dengan menganalisis dan menginterprestasikan data menjadi sebuah kesimpulan.

Analisis pertumbuhan ekonomi. pesangon. dan tunjangan karyawan. 3. Tingkat pengembalian investasi beberapa sektor ekonomi. Pengguna Statistika dan Berbagai Permasalahan Yang Dihadapi Pengguna Statistika Manajemen Masalah yang Dihadapi 1. Statistika berhubungan dengan pengolahan data atau yang menjadi imput dalam proses statistika adalah data. Analisis resiko setiap usaha. pengangguran dan kemiskinan. 2. Analisis rasio keuangan perusahaan 1. 2. Manajemen produksi agribisnis. Ramalan penjualan. ternak. Agribisnis C. segmentasi dan diskriminasi pasar. 4. 3. Pertumbuhan penduduk. Penentuan depresiasi dan apresiasi barang dan jasa. Analisis potensi pasar. 2. Pemasaran Keuangan Ekonomi Pembangunan 1. 4. Arti dan Jenis Data Data adalah bentuk jamak dari datum artinya kumpulan angka. 1. fakta. Potensi peluang naik/turun harga saham & suku bunga. 3.1. Penentuan jumlah persediaan barang Evaluasi produktivitas karyawan. Analisis pertumbuhan laba dan cadangan usaha. inflasi dan suku bunga. Data kuantitatif adalah data yang dinyatakan dalam bantuk angka yang diasumsikan sebagai informasi dalam bentuk pernyataan “bilangan” yang didasarkan pada hasil perhitungan. 2. 4. Analisis produksi tanaman. 2. 1. Efektivitas kegiatan promosi penjualan. Akuntansi 1.5 Tabel 1. Penelitian dan pengembangan produk. Kelayakan usaha dan skala ekonomi. fenomena atau keadaan lainnya. 3. . 2. 3. 4. merupakan hasil pengamatan. Dari sudut pandang statistika data dikelompokan menjadi dua jenis yaitu: 1. Penentuan standar audit barang dan jasa. 3. Data kualitatif adalah data yang dinyatakan dalam bentuk bukan angka (sifat). ikan dan kehutanan. pengukuran atau pencacahan dan sebagainya terhadap obyek. Evaluasi kinerja perusahaan. 2. Analisis ekspor dan impor produk pertanian. yang berfungsi dapat membedakan obyek yang satu dengan lainnya pada variabel yang sama. Indeks harga konsumen dan perdagangan besar. Penentuan struktur gaji.

Skala rasio merupakan skala dengan hirarki paling tinggi dibanding skala-skala lainnya yang merupakan angka atau bilangan dari hasil perbandingan. 3. Contoh: jenis kelamin yaitu laki-laki diberi tanda 1 dan perempuan diberi tanda 2. Contoh: Kualitas produksi yaitu sangat tinggi dikategorikan 5. 2. tinggi dikategorikan 4. Contoh: tingkat produktivitas merupakan perbandingan antara input dan ouput. 3. Data sekunder adalah data yang diperoleh secara tidak langsung untuk mendapatkan informasi/keterangan dari obyek yang diteliti. Skala rasio adalah skala interval yang memiliki nilai dasar (based value) yang tidak dapat dirubah atau skala yang memiliki nilai nol dan rasio dua nilai yang memiliki arti. Data tersier yaitu data yang diperoleh secara tidak langsung dari obyek yang diteliti biasanya data tersebut diperoleh dari pihak ketiga baik dari individu maupun kelompok yang sengaja mengungkapkan fakta dari pihak kedua. Stevens (1946) skala pengukuran data dapat dikelompokan menjadi empat jenis yaitu: 1. D. sedang dikategorikan 3. . Skala ordinal adalah data yang diperoleh dengan cara kategorik atau klasifikasi namun diantara data tersebut memiliki hubungan atau angka yang diberikan di mana angka-angka tersebut mengandung pengertian tingkatan.6 Pengelompokan data menurut cara perolehan menurut statistika terdiri atas: 1. Skala nominal adalah angka yang diberikan kepada obyek mempunyai arti sebagai label saja. Skala Pengukuran Data Pengukuran merupakan suatu proses dimana suatu angka atau symbol diletakan pada suatu karakteristik atau stimulti sesuai dengan aturan atau prosedur yang telah ditetapkan. 4. dan tidak menunjukkan tingkatan apa-apa atau merupakan skala pengukuran yang menyatakan kategorik dari kelompok suatu obyek. dan tidak berkualitas dikategorikan 1. 2. rendah dikategorikan 2. Contoh : temperatur suhu ruangan yang dengan celcius pada 00C sampai 100C. Data primer adalah data yang diperoleh secara langsung dari obyak yang diteliti baik secara individu maupun kelompok/organisasi. Skala interval adalah suatu skala pemberian angka pada obyek yang mempunyai sifat ukuran ordinal dan mempunyai jarak atau interval yang sama.

Tabel 1.2. Variabel Extraneous yaitu variabel yang tidak dimasukan dalam hipotesis penelitian yang meliputi: H Variabel pembaur (confounding variables) adalah suatu variabel yang tercakup dalam hipotesis penelitian. Arti dan Jenis Variabel Variabel (Peubah) adalah karakteristik atau sifat yang merupakan penamaan yang melekat pada suatu obyek yang dikaji. akan tetapi muncul dalam penelitian dan . Pada prinsipnya pengolongan variabel dapat dibedakan atas dua jenis yaitu: 1. keragamannya dipengaruhi oleh variabel lain H Variabel bebas adalah variabel yang yang tercakup dalam hipotesis penelitian dan berpengaruh atau mempengaruhi variabel tergantung H Variabel antara (intervene variables) adalah variabel yang bersifat menjadi perantara dari hubungan variabel bebas ke variabel tergantung. Ciri-ciri Skala Pengkuran Data Nominal F Komponen Nama (Nomos) Ordinal F Komponen Nama (Nomos) F Komponen Peringkat (Order) Interval H Komponen Nama (Nomos) H Komponen Peringkat (Order) H Komponen Jarak (Interval) H Nilai Nol Tidak Mutlak (Absolut) Rasio H Komponen Nama (Nomos) H Komponen Peringkat (Order) H Komponen Jarak (Interval) H Komponen Ratio H Nilai Nol Mutlak (Absolut) E.7 Agar dapat membedakan dari ke empat jenis skala pengukuran data di atas dapat dikemukakan ciri-ciri dari setiap skala pengkuran data. Variabel Intraneous yaitu variabel yang dimasukan dalam hipotesis penelitian yang meliputi: H Variabel tergantung adalah variabel yang tercakup dalam hipotesis penelitian. H Variabel Moderator adalah variabel yang bersifat memperkuat atau memperlemah pengaruh variabel bebas terhadap variabel tergantung 2.

Variabel ini tidak dapat dikendalikan. yaitu membagi obyek penelitian menjadi kelompok-kelompok yang relatif homogen. dapat dilihat pada gambar berikut: Gambar 1. dengan konsekuensi harus diamati dan pengaruh baurnya harus dieliminir atau dihilangkan pada saat analisis data. Lebih jelasnya pengelompokan variabel.1. Pengendalian dapat dilakukan dengan cara eksklusi (mengeluarkan obyek yang tidak memenuhi kriteria) dan inklusi (menjadikan obyek yang memenuhi kriteria untuk diikutkan dalam sampel penelitian) atau dengan blocking. Pengelompokan Jenis Variabel Secara empiris data dan variabel memiliki hubungan erat dalam statistika. Agar memudahkan melihat keterkaitan data dan variabel dalam statistika disajikan pada tabel berikut: .8 berpengaruh terhadap variabel tergantung dan pengaruh tersebut mencampuri/berbaur dengan variabel bebas H Variabel kendali (control variables) adalah variabel pembaur yang dapat dikendalikan pada saat riset design. H Variabel penyerta (concomitant variables) adalah suatu variabel pembaur (cofounding) yang tidak dapat dikendalikan saat riset design. sehingga tetap menyertai (terikut) dalam proses penelitian.

Bagaimana menurut Anda cara mendapatkan data tersebut. Diminta: a.3. Apa skala pengukuran yang dipakai dalam soal di atas? 4) Berikut adalah hasil survei tentang mutu buah-buahan di sebuah Pasar buah di Kendari. EVALUASI 1) Jelaskan pentingnya statistika dalam kehidupan sehari-hari. Telkom Indonesia adalah Rp 350 per lembar. Telkom Indonesia dua kali saham PT. termasuk data primer atau sekunder? Kualitatif atau kuantitatif? 5) Harga saham dari 3 perusahaan di Bursa Efek Indonesia pada tahun 2007 Diminta: Skala pengukuran apa yang digunakan untuk menggambarkan harga saham di BEI. Angka dalam persen. Pos Indonesia. Jelaskan menurut Anda.9 Tabel 1. Hubungan Data & Variabel 6. dan nilai saham PT. Dapatkah Anda membuat skala rasio dari hasil tersebut? dan apa kesimpulannya? c. survei tersebut termasuk skala apa? b. dan siapa saja yang menggunakan statistika? Sebutkan contoh penggunaan statistika dalam manajemen? 2) Jelaskan perbedaan statistika deskriptif dan statistika iferensial? Berikan contoh dari kasus sehari-hari yang Anda temui! 3) Dikatakan bahwa keuntungan saham PT. mengapa? .

TUJUAN KHUSUS a. agar dapat memahamiminya. sektor kehidupan hukum. Mahasiswa dapat menyebutkan kelebihan dan kekurangan statistika Parametrik d. Lebih lanjut cara-cara sosial mempelajari lingkup permasalahannya. seseorang harus banyak melakukan latihan. sebagai bidang ilmu yang sarat dengan perhitungan matematis maka dalam pengolahan data dapat dipilah menjadi parametrik dan non-parametrik. dan hubungan antara dua sifat (peubah) atau lebih bagi parameter-parameter yang mempunyai sebaran (distribusi normal) tertentu yang diketahui. URAIAN PEMBELAJARAN A.10 1. diantaranya sektor kehidupan ekonomi dengan segi kehidupan politik. Disamping. Statistika parametrik merupakan metode statistika yang menyangkut pendugaan parameter. Mahasiswa diharapkan dapat menjelaskan pengertian Statistika Parametrik b. serta aplikasinya dalam kenyataan empiris khusunya ilmu ekonomi. Mahasiswa diharapakan dapat menjelaskan prosedur pengolahan data dengan statistika Parametrik c. kegunaan dan pemodelan statistika parametrik serta. kehidupan agama dan sebagainya. TUJUAN UMUM Diharapkan mahasiswa mampu menjelaskan secara komprehensip konsep dasar. 5. 3. secara prinsip terdapat dua cara atau . RANGKUMAN Ilmu statistika pada penerapanya adalah ilmu yang sangat praktis. Mahasiswa mampu menggolongkan metode analisis statistika parametrik dan pemodelan statistika secara empiris. Pendahuluan Proses sosial merupakan pengaruh timbal balik antara berbagai sisi kehidupan. 2. KATA KUNCI: Statistika Parametrik & Kaidah Pemodelan Statistika 4. pengujian hipotesis. pembentukan selang kepercayaan.

11

pendekatan yaitu dengan cara penyelesaian yang bersifat kualitatif dan metode penyelesaian yang bersifat kuantitatif. Metode kuantitatif atau dikatakan juga sebagai metode parametrik merupakan metode yang bersifat atau berlandaskan asumsi-asumsi dalam pendugaan parameter, penentuan selang kepercayaan dan pengujian hubungan antara dua sifat atau lebih. Pokok bahasan ini akan menyajikan pengertian statistika parametrik; prosedur pengolahan data; kelebihan dan kekurangan statistika parametrik; serta rancangan pemodelan statistika. B. Pengertian Statistika Parametrik Statistika Parametrik (Metode Kuantitatif) adalah metode statistika yang menyangkut pendugaan parameter, pengujian hipotesis, pembentukan selang kepercayaan, dan hubungan antara dua sifat (peubah) atau lebih bagi parameterparameter yang mempunyai sebaran (distribusi normal) tertentu yang diketahui. Metode statistika parametrik berlandaskan pada anggapan-anggapan tertentu yang telah disusun terlebih dahulu, jika anggapan-anggapan tersebut tidak sesuai dengan keadaan sebenarnya, apalagi jika menyimpang jauh maka keampuhan metode ini tidak dapat dijamin atau bahkan dapat menyesatkan. Pengolongan Statistika Parametrik antara lain: Regresi, Path (Jalur), SEM, Korelasi Kanonik, Faktor, deskriminan, claster, regresi logistik, probit & tobit, multivariat. Prosedur penggunaan statistika parametrik harus mempertimbankan: 1. Penentuan Hipotesis 2. Pemilihan uji statistika (alat analisis) 3. Penentuan 4. Taraf Nyata α dan ukuran cuplikan (n) 5. Menentukan sebaran cuplikan (Sampling distribution) 6. Penentukan daerah penolakan Ho 7. Pengambilan keputusan dan penarikan kesimpulan. C. Kelebihan & Kekurangan Statistika Parametrik Dalam kenyataan, penggunaan metode satatistik tidak terlepas dari berbagai kelebihan dan kekurangan. Adapun kelebihan dan kekurangan statistika parametrik sebagai berikut:

12

1. Kelebihan statistika parametrik adalah: F Dapat digunakan untuk menduga atau meramal. F Hasil analisis dapat diperoleh dengan pasti dan akurat apabila digunakan sesuai aturan-aturan yang telah ditetapkan. F Dapat digunakan untuk mengukur interaksi hudungan antara dua atau lebih variabel (peubah). F Dapat menyederhanakan realitas permasalahan yang kompleks & rumit dalam sebuah model sederhana. 2. Kekurangan statistika parametrik adalah: F Berdasarkan pada anggapan-anggapan (Asumsi) F Asumsi tidak sesuai dengan realitas yang terjadi atau menyimpang jauh maka kemampuannya tidak dapat dijamin bahkan menyesatkan. F Data harus berdistribusi normal dengan skala pengukuran data yang harus digunakan adalah interval & rasio. F Dapat digunakan untuk menganalisis data yang populasi/sampelnya sama. F Tidak dapat dipergunakan untuk menganalisis dengan cuplikan (Sampel) yang jumlahnya sedikit (> 30) D. Pemodelan Statistika Parametrik Model adalah suatu konsep yang digunakan untuk menyatakan sesuatu keadaan (permasalahan) ke dalam bentuk simbolik, ikonik atau analog. Pada hakekatnya model adalah perwakil realitas, oleh karena itu wujudnya harus lebih sederhana. Pemodelan statistika adalah upaya memodelkan permasalahan ke dalam konsep statistika dengan prosedur: (1) Ubah pernyataan ke dalam lambang statistika (2) Pemilihan metode analisis yang tepat (3) Aplikasi metode secara benar Agar memudahkan dalam memahami secara empiris pemodelan statistika, berikut ini disajikan gambar kaidah analisis data (Pemodelan Statistika); Model Parematrik & Nonparametrik; Pemodelan Dependensi Pada Multivariat dan Model Statistika Interdependesi sebagai berikut:

13

Gambar 2.1. Kaidah Analisis Data (Pemodelan Statistika)

Gambar 2.2. Model Parematrik & Nonparametrik

3.3.14 Gambar 2. Pemodelan Dependensi Pada Multivariat Gambar 2. Model Statistika Interdependesi 6. EVALUASI 1) Jelaskan pengertian statistika parametrik? 2) Jelaskan prosedur yang dipertimbangkan dalam pengolahan data statistika parametrik? Berikan contoh penggunaan statatistika parametrik dalam kehidupan sehari-hari! 3) Sebutkan kelebihan dan kelemahan statistika parametrik? 4) Jelaskan penggolongan analisis statistika parametrik dan kaidah-kaidah pemodelan statistik parametrik? .

Banyaknya faktor kendala atau penghambat seperti populasi tidak dapat dimintai keterangan karena faktor situasi dan kondisi yang tidak mungkin. jika mempunyai harapan yang sama dengan parameter yang diestimasi (populasi). Sampel adalah suatu bagian dari populasi tertentu yang menjadi perhatian. Mahasiswa diharapakan dapat merancang metode penarikan sampel dan kesalahan penarikan sampel c. URAIAN PEMBELAJARAN A. Populasi adalah sebuah kumpulan dari semua kemungkinan orang-orang. RANGKUMAN Mengiterprestasikan persoalan terhadap suatu populasi. Mahasiswa diharapkan dapat menjelaskan pengertian populasi dan sampel b. Pendahuluan Sampel dikatakan sebagai estimator yang baik. Sampel & Metode Distribusi Sampling 4. 2. tenaga dan faktor ketepatan (akurasi data). waktu. TUJUAN UMUM Diharapkan mahasiswa mampu menjelaskan kegunaan metode dan distribusi sampling. KATA KUNCI: Populasi. Pada pokok bahasan ini akan menyajikan tentang metode dan distribusi − . 5. Tidak dapat dipungkiri bahwa informasi yang lengkap adalah informasi yang diperoleh dari populasi secara keseluruhan.15 1. benda-benda dan ukuran lain dari obyek yang menjadi perhatian. 3. namun dalam kenyataannya hal tersebut tidak mudah untuk didapatkan. serta aplikasinya dalam kehidupan nyata khusunya ilmu ekonomi. Mahasiswa diharapkan dapat menjelaskan metode-metode distribusi sampling dan memberikan contoh penerapannya dalam bidang ilmu ekonomi. TUJUAN KHUSUS a. peneliti atau pengamat perlu mendapatkan informasi secara lengkap dan jelas. Dalam mengani kendala atau persolan tersebut sebagai langkah dalam pengambilan keputusan cukup digunakan sampling. faktor biaya. π adalah lambang rata-rata populasi dan estimator X (rata-rata sampel).

bendabenda dan ukuran lain dari objek yang menjadi perhatian yang mempunyai ciri atau karakteristik yang sama. Pengertian Sampel dan Populasi Populasi adalah sebuah kumpulan dari semua kemungkinan orang-orang. Lebih jelasnya pengertian populasi dan sampel dapat dilihat melalui hubungan antara populasi dan sampel yang disajikan pada gambar berikut: Gambar 3. Sampel non-probabilitas merupakan suatu sampel yang dipilih sedemikian rupa dari populasi sehingga setiap anggota tidak memiliki probabilitas atau peluang yang sama untuk dijadikan sampel. metode penarikan sampel dan kesalahan penarikan sampel.16 sampling yang meliputi: pengertian populasi dan sampel. Sampel probabilitas merupakan suatu sampel yang dipilih sedemikian rupa dari populasi sehingga masing-masing anggota populasi memiliki probabilitas atau peluang yang sama untuk dijadikan sampel. Metode Penarikan Sampel Metode penarikan sampling pada prinsipnya dapat dilakukan dengan melalui dua pendekatan yaitu: 1. Secara sederhana sampel adalah Suatu bagian dari populasi tertentu yang menjadi perhatian.1. dan metode-metode distribusi sampling. Sampel yaitu bagian dari populasi yang dijadikan sebagai bahan penelaahan dengan harapan sampel yang diambil dari populasi tersebut dapat mewakili (representative) terhadap populasinya. B. Hubungan Sampling dan Populasi C. . 2.

Lebih jelasnya penarikan sampel acak terstruktur (stratified random sampling) dapat dilihat pada gambar berikut: . Metode Penarikan Sampel Keterangan: F Metode penarikan sampel probabilitas meliputi: 1. 2. Dalam penggunaannya ditentukan dahulu titik awal (starting point). lalu suatu sampel dipilih dari masing-masing stratum. Dua cara sampel acak sederhana yaitu: a. Lebih jelasnya dapat dilihat pada skema berikut: Gambar 3.2. Penarikan sampel acak sederhana (simple random sampling) merupakan pengambilan sampel dari populasi secara acak tanpa memperhatikan strata yang ada dalam populasi dan setiap anggota populasi memiliki kesempatan yang sama untuk dijadikan sampel. Menggunakan tabel acak yaitu memilih sampel dengan menggunakan suatu tabel.17 Metode penarikan sampel baik probabilitas maupun non-probabilitas dapat dilakukan penentuan sampling dengan berbagai cara. Penarikan sampel acak terstruktur (stratified random sampling) dilakukan dengan membagi anggota populasi dalam beberapa sub kelompok yang disebut strata. Sistem kocokan yaitu sistem sampel acak sederhana dengan cara sama sistem arisan. b.

29 x 10) 5 (0. lalu suatu sampel dipilih dari masing-masing area kelompok.4. Perbedaan penarikan sampling cluster dan stratified random sampling dapat dilihat pada gambar berikut: Gambar 3. Proses Penarikan Sampel Stratifikasi Contoh Menentukan Jumlah Sampel Setiap Stratum Stratum Kelompok 1 Bulat 2 Kotak 3 Segitiga Jumlah Total Jumlah anggota 5 7 12 24 Persentase dari total 21 29 50 100 Jumlah sampel per stratum 2 (0.3. Penarikan sampel cluster (cluster sampling) dilakukan dengan membagi anggota populasi dalam beberapa kelompok.50 x 10) 10 3.21 x 10) 3 (0.18 Gambar 3. Perbedaan Penarikan sampling cluster dan stratified .

Distribusi Sampel Rata-rata Distribusi Sampling rata-rata adalah merupakan distribusi probabilitas yang terjadi dari rata-rata sampelnya yang didasarkan pada sejumlah sampel dari parameter populasinya. tidak dapat dipungkiri sering terjadi kekeliruan dalam penarikan sampel. Contoh menghitung tingkat produktivitas UKM di Sulawesi Tenggara Kabupaten/Kota Buton Utara Konawe Bau-bau Kolaka Muna Penyelesaian: Produktivitas (%) 2 4 6 4 4 . Metode-metode penarikan sampel di atas. Penarikan sampel kuota (kuota sampling) yaitu metode penarikan sampling apabila setiap unsur atau anggota dalam populasi telah diketahui atau telah ditentukan terlebih dahulu. Distribusi sampling secara umum dapat dibedakan atas 4 metode yaitu: 1. D. Kesalahan penarikan sampel merupakan perbedaan antara nilai statistik sampel dengan nilai parameter dari populasi. Penarikan sampel purposive (purposive sampling) yaitu metode penarikan sampel berdasarkan porporsi atau persentase dari jumlah populasi.19 F Metode penarikan sampel non-probabilitas meliputi: 1. dan probabilitas terjadinya dihubungkan dengan setiap rata-rata hitung sampel. 3. dari besar kecil atau sebaliknya-kemudian dipilih titik awal secara acak lalu setiap anggota ke K dari populasi dipilih sebagai sampel 2. Penarikan sampel sistematis (systematic sampling) yaitu penarikan sampel apabila setiap unsur atau anggota dalam populasi disusun dengan cara tertentusecara alfabetis. Metode dan Distribusi sampling Distribusi sampel dari rata-rata hitung sampel adalah suatu distribusi probabilitas yang terdiri dari seluruh kemungkinan rata-rata hitung sampel dari suatu ukuran sampel tertentu yang dipilih dari populasi.

Nilai rata-rata populasi dan sampel apabila diambil sampel 2 dari 5 Kabupaten/Kota 2) Perhitungan rata-rata dari setiap sampel Kabupaten/Kota Buton Utara – Konawe Buton Utara – Bau-Bau Buton Utara – Kolaka Buton Utara – Muna Konawe – Bau-Bau Konawe – Kolaka Konawe – Muna Bau-bau – Kolaka Bau-bau – Muna Kolaka – Muna Kombinasi Produktivitas (%) 2+4 2+6 2+4 2+4 4+6 4+4 4+4 6+4 6+4 4+4 Rata-Rata Hitung ( x ) (6/2) = 3 (8/2) = 4 (6/2) = 3 (6/2) = 3 (10/2) = 5 (8/2) = 4 (8/2) = 4 (10/2) = 5 (10/2) = 5 (8/2) = 4 3) Nilai rata-rata sampel c. Nilai rata-rata populasi .20 a. Nilai rata-rata populasi μ= ∑ x = 2 + 4 + 6 + 4 + 4 = 20 = 4 N 5 5 b.

21 Distribusi probabilitas dalam bentuk poligon d. Standar deviasi populasi Hubungan Standar Deviasi Sampel Dan Populasi .

Distribusi Sampling Propori Distribusi sampling proporsi adalah distribusi probabilitas yang dapat terjadi dari proporsi sampel yang didasarkan pada sejumlah sampel tertentu dari parameter proporsi populasinya. Gambar 3. Distribusi Sampling Selisih Rata-rata Distribusi sampling selisih rata-rata adalah distribusi probabilitas yang dapat terjadi dari dari selisih rata-rata dua sampel yang berbeda yang didasarkan pada dua sampel tertentu dari ukuran parameter dua populasinya.5. Skema Selisih Populasi Atau Sampel Adapun formulasi distribusi sampling selisis rata-rata sebagai berikut: .22 2. Adapun rumus distribusi sampling proporsi adalah: 3.

23 Gambar 3. Kurva distribusi selisih rata-rata 4. Adapun formulasi distribusi sampling selisis porporsi sebagai berikut: Gambar 3.7.6. Kurva distribusi selisih proporsi . Distribusi sampling selisih proporsi Distribusi sampling selisih proporsi adalah Distribusi sampling selisih rata-rata adalah distribusi probabilitas yang dapat terjadi dari dari selisih rata-rata dua sampel yang didasarkan pada dua sampel tertentu dari ukuran parameter dua populasinya.

EVALUASI 1) Jelaskan pengertian sampling dan populasi? Berikan contoh penggunaan sampel dan populasi dalam kehidupan sehari-hari! 2) Berikut adalah hasil investasi pada 5 perusahaan perusahaan perikanan di Kendari untuk tahun 2007 Perusahaan Hasil Investasi (%/tahun) Sultra Tuna Samudra 17 Yanagi 15 Kinatan Saputra 10 Jayanti Grub 11 Samudra Jasa Mandiri 14 Seorang investor ingin menanamkan modal di perusahaan perikanan kendari dengan mencoba survei pada 3 perusahaan Perikanan. Varian Sampel σ2/N. di mana rata-rata hitung distribusi sampel sama dengan rata-rata hitung populasi dan varians distribusi sampel sama dengan σ2/n. rata-rata hitung distribusi sampel dari seluruh kemungkinan kombinasi sampel berukuran n yang diperoleh dari populasi akan mendekati distribusi normal. Hitunglah berapa nilai rata-rata dan standar deviasi dari distribusi sampel rata-rata.67 pada minggu terakhir Agustus . Berapa peluang terpilihnya perusahaan untuk disurvey dengan harapan perusahaan tersebut mempunyai hasil investasi di atas 13%. maka distribusi sampling untuk populasi dengan rata-rata μ dan varians σ2. 3) Seorang Manajer Investasi ANU dari Mitra Investdana memberikan saran untuk 6 saham lapis pertama dibeli 0. 6.33 sedang ditahan 0.24 Dari ke empat metode distribusi sampling di atas perlu dilakukan faktor koreksi atas penarikan sampling untuk Populasi Terbatas dengan formulasi sebagai berikut: Sampel Sama Dengan Populasi.

Berapa probabilitas yang mungkin terjadi apabila PT. Apabila seorang investor mempunyai 100 lot. dipanggil 100 karyawan dari PT. menunjukan keuntungan rata-rata 500 juta dengan standar deviasi 75 juta. BB sekitar 10% dan CC 15% dari total karyawan yang ada. Pacar Grub menginginkan selisih dari kedua perusahaan kurang dari 150 juta. BB dan 200 dari PT. Pacar Grub mempunyai dua anak perusahaan yaitu PT AYU yang bergerak dalam konveksi dan PT. Pengamatan selama 30 bulan PT AYU. Apabila pemerintah menginginkan perbedaan di Kendari dan di Bau-Bau hanya 5%. . berapa peluang keinginan tersebut tercapai? 8) Ada anggapan bahwa peluang usaha di Kendari untuk relatif berhasil lebih besar dibandingkan dengan di Bau-bau. Berapa probabilitas beda persentase tentang PHK di PT. akan mensurvei 45 unit UKM dari binaan Kadin. Ganteng yang bergerak dalam realestate. CC untuk wawancara. Untuk keperluan tersebut. Apabila PT. Sebuah survey menunjukkan bahwa 200 UKM di Kendari. 30%-nya berhasil. BB dan CC. Berapa probabilitas dari sampel yang diambil terdiri dari UKM yang memiliki pendapatan rata-rata di bawah 1. 45%-nya berhasil dan 100 UKM di Bau-Bau. Kedua diharapkan mempunyai kinerja yang sama baiknya.5 juta rupiah? 5) PT. BB 5% akan lebih kecil dari PT. berapa peluang keinginan tersebut tercapai.25 2007. CC? 6) Peluang harga BBM meningkat pada bulan Maret 2008 adalah 67%. Departemen Koperasi dan UKM ingin lebih membantu Kadin. Pada tahun 2007 ada 950 unit UKM binaannya dan mempunyai rata-rata pendapatan sebesar 3 juta perbulan dan standar deviasi 1. PT AA juga merencanakan PHK dalam rangka efisiensi yaitu pada PT. AA merencanakan akan memergerkan dua perusahaan yaitu PT. Sedangkan pengamatan terhadap PT.2 juta. berapa peluang lebih dari 40% sahamnya akan dibeli? 4) Kadin Kendari mempunyai kegiatan dalam pembinaan UKM. Pertamina melakukan 50 transaksi dan kurang dari 50% dari transaksi tersebut mengalami kenaikan harga BBM? 7) PT. oleh sebab itu. Ganteng selama 50 bulan menunjukkan keuntungan rata-rata 300 juta dengan standar deviasi 52 juta.

KATA KUNCI: Pendugaan Statistika (Probabilitas/Kemungkinan) 9. TUJUAN UMUM Diharapkan mahasiswa mampu menjelaskan teori pendugaan statistika (probabilitas) dan keguanaannya dalam kehidupan nyata.26 6. Besarnya ukuran dari nilai probabilitas antara 0 sampai dengan 1. secara spesifik pernyataan tersebut dapat diartikan sebagai gambaran sebuah pernyataan ”kepastian dan atau ketidak pastian” yang dapat dikatakan sebagi probabilitas atau kemungkinan. seperti kemungkinan . Pendekatan empiris yaitu pendekatan yang sifatnya merupakan suatu hasil uji coba dari beberapa kali pengujian (berulang-ulang). Pendekatan yang dapat dilakukan dalam pengukuran probabilitas yaitu: 1. Kaitan dengan kehidupan seharihari sering kali dihadapkan dengan asumsi-asumsi probabilitas. Mahasiswa diharapkan dapat menyatakan pendugaan titik parameter dan interval c. TUJUAN KHUSUS a. 7. Mahasiswa diharapkan dapat menjelaskan teori dan kegunaan probabilitas. 2. URAIAN PEMBELAJARAN A. Mahasiswa diharapkan dapat menyusun interval keyakinan baik secara rata-rata dan proporsi serta selisih rata-rata dan proporsi e. b. Mahasiswa dapat nenghitung kesalahan standar dari rata-rata hitung sampel d. Pendekatan matematis adalah ukuran kepastian yang dapat dihitung secara pasti sedangkan yang dikatakan ketidak pastian adalah peristiwa munculnya kejadian. Mahasiswa diharapkan dapat memilih ukuran sampel 8. RANGKUMAN Pendugaan statistika (probabilitas) dapat diartikan sebagai suatu ukuran mengenai kemungkinan akan terjadinya suatu peristiwa (event). 10. Pendahuluan Kenyataan sehari-hari sering kali kita mendengar adanya pernyataan ”mungkin dan atau tidak mungkin”.

Pendugaan titik parameter adalah penduga tunggal sebagai fungsi unsur populasi. Pada pokok bahasan ini mengkanji teori dan kegunaan pendugaan statistika (probabilitas).27 terjadi lonjakan harga. Kegunaan pendugaan statistik (probabilitas) antara lain: 1. Dapat memproyeksikan kemungkinan yang akan terjadi dimasa datang C. Pengertian dan Kegunaan Pendugaan Statistika (Probabilitas) Probabilitas adalah ukuran mengenai kemungkinan akan terjadinya peristiwa (event). Dasar pengambilan keputusan 2. Di dalam probabilitas dimungkinkan adanya ruang sampel yang merupakan himpunan dari kejadian-kejadian yang mungkin terjadi pada suatu peristiwa. Memperkecil tingkat resiko dan ketidak pastian dalam pelaksaan kegitan 3. meliputi: pendugaan titik parameter dan interval. kesalahan standar dari rata-rata hitung sampel. Formulasi untuk menentukan pendugaan titik parameter adalah sebagai berikut: . B. kemungkinan terjadinya gejolak dimasyarakat akibat kenaikan harga. Mengurangi konflik adanya sebuah keputusan 4. Pendugaan Titik Parameter & Interval 1. penentuan interval keyakinan baik secara ratarata dan proporsi serta selisih rata-rata dan proporsi dan memilih ukuran sampel. Pendugaan Titik Parameter Pendugaan titik parameter apabila terjadi atau tidak terjadinya peristiwa tidak saling mempengaruhi pada kemungkinan kejadian lainnya.

rata-rata atau nilai harapan (expexted value) dari statistik sampel sama dengan parameter populasi (μ) atau dapat dilambangkan dengan E( ) = μ.2. Pendugaan Bersifat Tidak Bias dan Bias 2.28 Sifat-sifat pendugaan statistika (probabilitas) yaitu: 1. Penduga Tidak Bias Penduga titik dikatakan tidak bias (unbiased estimator) jika di dalam sampel random yang berasal dari populasi.1. Berikut ini akan disajikan gambar pendugaan bias dan tidak bias sebagai berikut: Gambar 4. Pendugaan Bersifat Efisien . Gambar pendugaan bersifat efisien adalah: Gambar 4. Penduga Efisien Penduga yang efisien (efficient estimator) adalah penduga yang tidak bias dan mempunyai varians terkecil (sx2) dari penduga-penduga lainnya.

Rumus untuk menentukan pendugaan interval adalah: . Penduga Konsisten Penduga yang konsisten (consistent estimator) adalah nilai dugaan ( ) yang semakin mendekati nilai yang sebenarnya μ dengan semakin bertambahnya jumlah sampel (n). Gambar pendugaan bersifat efisien adalah: Gambar 4.29 3. Pendugaan Bersifat Konsisten 2. Pendugaan Interval Pendugaan interval adalah menyatakan jarak di dalam mana suatu parameter populasi mungkin berada.3.

58sx) = 0.99.58sx < m + 2. Luas kurva adalah 1.4750 maka akan diperoleh nilai Z sebesar 1.95 apabila dibagi menjadi dua bagian simetris maka menjadi 0. dan simetris yaitu sisi kanan dan kiri luasnya sama yaitu 0. .58 kali standar deviasinya. maka dapat dibuat interval keyakinan dengan mudah misalnya untuk C= 0.58.4950. maka rata-rata hitungnya juga akan terletak di dalam ± 2.96σx dan untuk C=0.99/2 = 0. Sedangkan untuk keyakinan 99%. Interval keyakinan juga dapat dituliskan untuk C= 0.96 sampai 1.95 sedang untuk C= 0.99. Begitu juga untuk C= 0.5.96sx < m < < + 1. Apabila digunakan tabel luas di bawah kurva normal untuk probabilitas 0.4750 yang diperoleh dari 0.99 adalah P( – 2.95/2. nilai probabilitas ini terhubung dengan nilai Z= 2.96. maka probabilitasnya adalah 0.96.99 adalah μ ± 2.96sx) = 0.96 kali standar deviasinya.95 adalah μ ± 1. Setelah menemukan nilai Z dan standar deviasinya.58sx. Ini dapat diartikan juga bahwa 95% dari rata-rata hitung sampel akan terletak di dalam ± 1. Nilai C= 0.30 Contoh pendugaan interval dengan menentukan jumlah sampel setiap stratum Pada gambar terlihat untuk interval keyakinan 95% terhubungkan dengan nilai Z antara –1.95 adalah P( – 1.

D. Berikut ini disajikan skema proses interval keyakinan. Jadi interval keyakinan C= 95 dapat diartikan bahwa sebanyak 95% interval mengandung nilai parameter aslinya yaitu m dan hanya 5% yang tidak mengandung parameternya. Kesalahan Standar dari Rata-rata Hitung Sampel Kesalahan standar dari rata-rata hitung sampel adalah standar deviasi distribusi sampel dari rata-rata hitung sampel. Kesalahan standar dari rata-rata hitung dihitung dengan rumus sebagai berikut: E. . Interval Keyakinan Interval keyakinan merupakan derajat tingkat kepercayaan terhadap suatu hasil pengujian yang telah ditetapkan.31 Pada gambar di atas terlihat bahwa interval 1 dengan nilai rata-rata interval 95 dengan rata-rata 95 mengandung nilai parameternya yaitu dan hanya 96 sampai 100 atau 5% interval saja yang tidak dari statistik mengandung m.

58 s/√n 2. sedangkan nilai Z untuk beberapa nilai C Contoh interval keyakinan rata-rata hitung: Berdasarkan pada nilai Z dan diasumsikan bahwa n>30 maka dapat disusun interval beberapa keyakinan sebagai berikut: 1. faktor koreksi menjadi √(N-n)/N-1. Interval keyakinan 85%: ± 1.44 s/√n 6. Interval Keyakinan Rata-rata dan Proporsi a.65 s/√n 5.28 s/√n Interval keyakinan tersebut dapat juga digambarkan sebagai berikut: .33 s/√n 3. Interval keyakinan untuk rata-rata hitung diformulasikan : Untuk populasi yang terbatas. Interval keyakinan 98%: ± 2. Interval keyakinan 95%: ± 1. Interval keyakinan 99%: ± 2. Interval keyakinan 95%: ± 1. Nilai merupakan rata-rata dari sampel.4. Interval keyakinan 90%: ± 1.96 s/√n 4.32 Gambar 4. Skema Proses Interval Keyakinan 1.

Interval Keyakinan Hitung Nilai parameter yang sebenarnya diharapkan adan terdapat pada interval 1 . Distribusi normal dan standar deviasi populasi diketahui dengan rumus: Di mana: : Rata-rata dari sampel Zα/2 : Nilai Z dari tingkat kepercayaan α .Sp<P< p + Zα/2.33 Gambar 4.Zα/2. Interval keyakinan untuk Proporsi diformulasikan : 1) Untuk populasi yang tidak terbatas 2) Untuk populasi yang terbatas Bentuk pendugaan proporsi populasi dirumuskan sebagai berikut: Probabilitas (p . b.5.α dengan batas bawah -Zα /2 dan batas atas Zα /2.Sp) Di mana: p : Proporsi sampel Zα/2 : Nilai Z dari tingkat keyakinan α P :Proporsi populasi yang diduga Sp : Standar error/kesalahan dari proporsi C :Tingkat keyakinan α :1 – C Selanjutnya ada beberapa pendekatan distribusi sampling yang digunakan untuk mengukur Interval Keyakinan Rata-rata dan Proporsi yaitu: 1.

34 μ σx C : Rata-rata populasi yang diduga : Standar error / kesalahan standar dari rata-rata hitung sampel : Tingkat keyakinan α = (1 – C) 2. Distribusi normal dan standar deviasi populasi tidak diketahui dengan rumus: a.05: Gambar 4. Standar error untuk populasi yang terbatas dan n/N > 0. Distribusi sampling mendekati normal dan standar deviasi populasi tidak diketahui dengan rumus: . Interval Keyakinan Distribusi Normal Dan Standar Deviasi Populasi Tidak Diketahui 3. Standar error untuk populasi tidak terbatas b.6.

sp1 : Standar error selisih proporsi dari dua populasi n1.35 2. maka dapat diduga dengan standar deviasi sampel yaitu: Di mana: σx1-x2 : Standar deviasi selisih rata-rata populasi sx1-x2 : Standar error selisih rata-rata sx1. Tingkat keyakinan yang dipilih. sp1-p2) Di mana standar error dari nilai selisih proporsi adalah: Ket : p1. Rumus menghitung jumlah sampel dapat dilakukan dengan dua metode yaitu: . Memilih Ukuran Sampel Faktor yang mempengaruhi jumlah sampel adalah : 1. 2. Kesalahan maksimum yang diperbolehkan. n2: Jumlah sampel setiap populasi b. p2 : Proporsi sampel dari dua populasi Sp1. Interval Keyakinan Selisih Rata-rata dan Proporsi a.Zα/2. Interval keyakinan untuk Selisih Rata-rata dapat dihitung dengan rumus : Probabilitas : Di mana standar error dari nilai selisih rata-rata adalah: Apabila standar deviasi dari populasi tidak ada. n2 : Jumlah sampel setiap populasi F. Variasi dari populasi. sp1-p2) <(P1-P2) < (p1-p2) + Zα/2. Interval keyakinan untuk Selisih Proporsi dapat dihitung dengan rumus : Probabilitas : ((p1-p2) . 3. sx1: Standar deviasi sampel dari dua populasi n1.

EVALUASI 1) Jelaskan pengertian pendugaan statistika (probabilitas) dan keguanaannya? Berikan contoh riil dalam khidupan sehari-hari! 2) Pemerintah Daerah Sulawesi Tenggara ingin mendata tentang jumlah kamar hotel.36 1) Rumus jumlah sampel untuk menduga rata-rata populasi Rumus jumlah sampel dalam populasi dirumuskan sebagai berikut: Rumus tersebut diturunkan dari interval keyakinan sebagaimana diuraikan sebagai berikut: 2) Rumus jumlah sampel untuk menduga rata-rata proporsi populasi Untuk mendapatkan rumus jumlah sampel dalam pendugaan proporsi populasi dapat diturunkan sebagai berikut: 6. sebagai upaya untuk peningkatan pendapatan asli daerah. Dari 500 buah kamar yang didata ternyata sewa per kamarnya rata-rata Rp 200 ribu dengan standar deviasi sebesar Rp 30 ribu. Dengan menggunakan tingkat kepercayaan 95%. buatlah interval keyakinan untuk biaya sewa kamar hotel di Sultra?. .

Untuk kepentingan tersebut diambil sampel 25 orang dari 500 orang yang membayar pajak pada tanggal 24 Agustus 2007. Dengan tingkat kepercayaan 95%.37 3) Departemen Perindustrian dan Perdagangan ingin mengetahui pendapatan rata-rata dari usaha UKM di Sultra tahun 2007. 6) Dinas Perpajakan Kota Kendari ingin mengetahui berapa interval dari beban pajak setiap rumah tangga. ternyata 360 pria dan 500 wanita menyukai Gubernur terpilih dengan suara terbanyak. Kendari. Untuk mengetahui apakah proyek ini berhasil atau tidak.46 juta. 5) PT. Dari sampel diketahui bahwa rata-rata pajak yang dibayar adalah 2. maka akan dibedakan antara orang yang mengikuti proyek dan tidak. Fatih merasa bahwa produknya terlalu konvensional. Rata-rata pendapatan perbulannya ternyata meningkat menjadi Rp. buatlah interval proporsi penduduk yang tidak tamat SMU tersebut. Dari total 660 UKM di bawah bimbingan Departemen. Pemerintah ingin mengetahui berapa interval penduduk yang tidak tamat wajib belajar.8 juta. Buatlah interval keyakinan tentang kesukaan pelanggan dengan menggunakan tingkat keyakinan 99%. Dengan tingkat keyakinan 95%. Dari survei di beberapa tempat terhadap 500 orang ternyata 130 orang tidak tamat wajib belajar. Kendari membuat jajak pendapat. Untuk itu perusahaan ingin mengetahui apakah konsumen masih menyukai produk tersebut atau tidak. Dari 400 pelanggan diambil sampel 15 orang dan ternyata 80% dari sampel masih menyukai produk tersebut. Berapa beda proporsi antara pria dan wanita yang menyukai gubernur terpilih dengan suara terbanyak dengan menggunakan tingkat keyakinan 95%? 8) Pemerintah Konawe mengadakan program peningkatan usaha kecil dan menengah dalam rangka peningkatan pendapatan golongan ekonomi lemah. buatlah interval rata-rata kenaikan pendapatan UKM di Sultra! 4) Bagi pemerintah daerah Kepulauan Muna sangatlah sulit untuk mendapatkan data dari seluruh penduduk yang sangat tersebar dari sekitar Muna sampai Buton Utara. Konawe dan Kolaka.4 juta dengan standar deviasi 0. diambil sampel 120 UKM yang terdapat di Bau-Bau. Dengan tingkat kepercayaan 99%. Pendapatan 13 orang dari 67 peserta yang ikut proyek .1 juta dengan standar deviasi populasinya 0. 2. buatlah interval pembayaran pajak tersebut! 7) Kontroversi tentang Pilgub Sultra mendorong sebuah stasiun TV. Dari 1400 orang yang terdiri dari 800 pria dan 600 wanita.

1 juta. Sedang pendapatan 5 orang dari 34 orang nonpeserta rata-rata sebesar 0. Berdasarkan pada pengalaman. dengan tingkat kepercayaan 95%. Berdasarkan data di Kecamatan diketahui standar deviasi pendapatan masyarakat sebesar 0. kemudian manajemen memutuskan bahwa kesalahan yang ditoleransi adalah 2%. supaya mutu ikan tetap terjaga baik? 11) PT. Apabila diasumsikan bahwa kesalahan penarikan sampel sebesar 0.2 juta perbulan dengan standar deviasi sebesar 0. dengan tingkat kepercayaan 99%.8 juta dengan standar deviasi 0.38 sebesar 1. proporsi susu rusak sebesar 8%.8 juta. Hasil sementara menunjukkan rata-rata perjalanan 150 ribu dengan standar deviasi 14 ribu. apabila diinginkan kesalahan yang ditoliler adalah 2 ribu dan tingkat keyakinan 99%? .2 juta. Poasia. berapa sampel pengalengan ikan yang harus diambil. Untuk keperluan tersebut diadakan survey tentang daya beli masyarakat. Dengan menggunakan tingkat keyakinan 99%. berapa sampel yang harus diambil oleh PT Wahana Permai? 10) PT. Kendari Pos ingin mengetahui jumlah rata-rata nilai penjualan per hari dari tenaga pemasaran sebagai dasar dari penentuan prestasinya. Wahana Permai yang merupakan perusahaan perumahan di Kendari akan membangun perumahan di Kambu. 9) PT. Berapa sampel pramuniaga yang harus diambil. Darma Samudra telah mendapatkan ISO 9000 untuk pengendalian mutu produk pengalengan ikannnya.4. buatlah interval keyakinan tentang selisih dari kedua kelompok tersebut.

Mahasiswa dapat menjelaskan kriteria sampel kecil dan ciri-ciri distribusi t-student e. TUJUAN UMUM Diharapkan mahasiswa mampu menjelaskan teori pengujian hipotesis dan keguanaannya untuk sampel besar dan kecil serta aplikasinya secara empiris. Mahasiswa diharapkan dapat menghitung pengujian rata-rata hitung dan selisih ratarata hitung populasi f. Mahasiswa dapat menyatakan Jenis Kesalahan I dan II pada pengujian hipotesis 3. RANGKUMAN Hipotesis dapat diartikan sama dengan praduga atau kesimpulan sementara yang harus diuji kebenaranya. . Mahasiswa diharapkan dapat menjelaskan teori dan kegunaan pengujian hipotesis . Ada dua bentuk hipotesis yang biasa kemukakan menurut metode statistika yaitu: 1. b. 2. Hipotesis nol (Ho) atau hipotesis dasar adalah merupakan kesimpulan sementara (anggapan) terhadap suatu kondisi/teori atau asumsi bagi suatu parameter dari mana subyek akan dilakukan pengujian statistik.39 1. Mahasiswa dapat menghitung pengujian data berpasangan dan analisis varians g. 2. Mahasiswa dapat menyebutkan prosedur pengujian hipotesa dan menyatakan uji signifikansi untuk sampel besar dan kecil c. Hipotesis alternatif (Ha) atau hipotesis penelitian adalah hipotesis yang menyimpulkan apa yang dinyatakan pada Ho dalam Ha akan ditolak atau kebalikan hipotesis nolnya terhadap suatu kondisi atau teori yang ada. TUJUAN KHUSUS a. Pada prinsipnya pengujian hipotesis ini adalah membuat kesimpulan sementara untuk melakukan penyanggahan dan atau pembenaran dari permasalahan yang akan ditelaah baik pada ukuran sampel besar maupun kecil. Mahasiswa dapat menghitung pengujian hipotesa rata-rata dan proporsi serta selisih rata-rata dan proporsi sampel besar d. KATA KUNCI: Pengujian Hipotesis Sampel Besar & Kecil 4.

Pada topik pengujian hipotesi akan dibahas: teori dan kegunaan pengujian hipotesis. Pada prinsipnya pengujian hipotesis ini adalah membuat kesimpulan sementara untuk melakukan penyanggahan dan atau pembenaran dari permasalahan yang akan ditelaah baik pada ukuran sampel besar maupun kecil. prosedur pengujian hipotesis. B. .40 5. ”Pengujian hipotesa adalah prosedur yang didasarkan pada bukti sampel yang dipakai untuk menentukan apakah hipotesa merupakan suatu pernyataan yang wajar dan oleh karenanya tidak ditolak. uji signifikansi untuk sampel besar dan kecil. URAIAN PEMBELAJARAN A. Hipotesis nol (H0) atau hipotesis dasar adalah Satu pernyataan mengenai nilai parameter populasi yang merupakan kesimpulan sementara (anggapan) terhadap suatu kondisi/teori atau asumsi bagi suatu parameter dari mana subyek akan dilakukan pengujian statistik. Pendahuluan Pengujian hipotesis merupakan salah satu cara dalam statistika untuk menguji ”parameter” populasi berdasarkan statistika sampelnya untuk dapat diterima atau ditolak pada tingkat signifingkasi tertentu. Sebagai wahana untuk menetapkan kesimpulan sementara tersebut kemudian ditetapkan hipotesis nol dan hipotesis alternatifnya. pengujian rata-rata hitung dan selisih rata-rata hitung populasi sampel kecil. Pengertian & Prosedur Hipotesis ”Hipotesa adalah suatu pernyataan mengenai nilai suatu parameter populasi yang dimaksudkan untuk pengujian atau kesimpulan sementara yang harus diuji kebenaranya yang berguna untuk pengambilan keputusan”. Hipotesis nol biasanya kasus yang kita uji mempunyai sifat yang serba sama (mempunyai tanda =) dengan notasi matematis adalah: H0= μA = μB atau μA -μB = 0. atau hipotesa tersebut tidak wajar dan oleh karena itu harus ditolak”. Merumuskan hipotesis dengan pendekatan statistika dapat dibedakan atas dua bentuk yaitu: 1. pengujian hipotesa rata-rata dan proporsi serta selisih rata-rata dan proporsi sampel besar. pengujian data berpasangan dan analisis varians. Jenis Kesalahan I dan II pada pengujian hipotesis. kriteria sampel kecil dan ciri-ciri distribusi t-student.

maka Ha : (a). Hipotesis alternatif dinyatakan dengan notasi matematis adalah: Jika H0 : A = B. Hipotesis alternatif dapat menyimpulkan apa yang dinyatakan pada H0 dalam Ha ditolak atau kebalikan hipotesis nolnya terhadap suatu kondisi atau teori yang ada. ”Taraf nyata adalah Probabilitas menolak hipotesa nol apabila hipotesa nol tersebut adalah benar”. μA < μB (c). .1. Prosedur Pengujian Hipotesis dan Uji Signifikan 1. μA ≠ μB C. Prosedur Pengujian Hipotesis Pengujian hipotesis dapat dilakukan dengan prosedur/langkah-langkah berikut: Gambar 5. Uji Signifikansi/Taraf Nyata Pengujian hipotesis bagi setiap peneliti terlebih dahulu menentukan taraf nyata atau tingkat kepercayaan. ”Uji statistik adalah suatu nilai yang diperoleh dari sampel dan digunakan untuk memutuskan apakah akan menerima atau menolak hipotesa”. Prosedur Pengujian Hipotesis 2. μA > μB (b). Hipotesis alternatif (Ha) atau hipotesis penelitian adalah Suatu pernyataan yang diterima jika data sampel memberikan cukup bukti bahwa hipotesa nol adalah salah.41 2.

Penentuan daerah keputusan: b. Karena hanya satu daerah penolakan berarti luas daerah penolakan tersebut sebesar taraf nyata yaitu a. Karena mempunyai dua daerah. Penentuan daerah keputusan: . Uji signifingkasi dua arah adalah daerah penolakan Ho ada dua daerah yaitu terletak di ekor sebelah kanan dan kiri. maka masing-masing daerah mempunyai luas ½ dari taraf nyata yang dilambangkan dengan ½α. Uji signifingkasi satu arah yaitu daerah penolakan Ho hanya satu yaitu terletak di ekor sebelah kanan saja atau ekor sebelah kiri saja. dan untuk nilai kritisnya biasa ditulis dengan Zα.42 Formulasi untuk menentukan uji satatistika misalnya Nilai Z diperoleh: Selanjutnya dalam pengujian signifikansi dapat dilakukan dengan dua cara yaitu: a. dan nilai kritisnya biasa dilambangkan dengan Z ½α.

17 Ha : μ > 13.2. Uji Signifikansi Tanda Lebih Besar Dan Lebih Kecil (Satu Arah) Contoh uji signifikansi menggunakan Dua Arah 1. Gambar 5. misalkan hipotesanya adalah selisih dua rata-rata populasi lebih besar sama dengan 0. H0 : μpa– μpl ≥ 0 Ha : μpa– μpl < 0 Untuk tanda ≥ pada H0 menunjukkan daerah penerimaan H0. Ujilah nilai rata-rata sama dengan 13.17%. Maka hipotesanya dirumuskan sebagai berikut: H0 : b = 0 Ha : b ≠ 0. 2. Maka perumusan hipotesanya menjadi: H0 : μ ≤ 13.17 Untuk tanda μ pada H0 menunjukkan daerah penerimaan H0. Maka hipotesanya dirumuskan: H0: μ = 13. Ha : μ ≠ 13. sedang tanda < pada Ha menunjukkan daerah penolakan di sebelah ekor kiri seperti Gambar B. Ujilah beda rata-rata populasi. sedang tanda > pada Ha menunjukkan daerah penolakan di sebelah ekor kanan seperti Gambar A.17%.43 Contoh uji signifikansi menggunakan tanda lebih besar dan lebih kecil (satu arah) 1. .17%. Ujilah nilai koefisien untuk b sama dengan 0. misalkan hipotesanya adalah rata-rata hasil produksi lebih kecil dari 13. Ujilah beda selisih dua rata-rata populasi. 2.17%.

maka lembaga konsultan Bisnis mengadakan penelitian pada 36 perusahaan Daerah di Sultra dan didapatkan hasil bahwa rata-rata hasil investasi adalah 11. Pengujian Hipotesis Sampel Besar Pengujian hipotesis sampel besar dapat dilakukan dengan 2 metode yaitu : 1.09%. Ujilah apakah pernyataan perusahaan daerah di Sultra tersebut benar dengan taraf nyata 5%.44 Gambar 5. Langkah-langkah pengujian: . Uji Signifikansi Dua Arah D. Menguji Hipotesa Rata-rata dan Proporsi Sampel Besar Contoh menguji hipotesa rata-rata sampel besar: Perusahaan Daerah di Sultra menyatakan bahwa hasil investasinya rata-rata mencapai 13. Untuk menguji apakah pernyataan tersebut benar.2.17%.39% dan standar deviasinya 2.

45 Selanjutnya untuk menguji hipotesis proporsi sampel besar dapat dilakukan dengan formulasi sebagai berikut: Di mana: Z : Nilai uji Z p : Proporsi sampel P : Proporsi populasi n : Jumlah sampel .

untuk standar deviasi proporsi populasi dapat dirumuskan sebagai berikut: .46 2. Menguji Hipotesa Selisih Rata-rata dan Proporsi Sampel Besar Distribusi sampling dari selisih rata-rata proporsi memiliki distribusi normal dan mempunyai standar deviasi sebagai berikut: Sedangkan nilai uji statistik Z dirumuskan sebagai berikut: Rumus standar deviasi selisih dua sampel adalah sebagai berikut: Hipotesa selisih proporsi sampel besar.

rating acara Kenaikan harga BBM mencapai 35. Menurut majalah ini.47 Sedangkan nilai uji statistik Z dirumuskan sebagai berikut: Standar deviasi selisih dua sampel adalah sebagai berikut: Contoh uji satu arah selisih proporsi Majalah prospektif edisi 25 membahas tentang fenomena kenaikan harga dengan tema Kenaikan Harga BBM Menyensarakan Rakyat. artinya pada waktu yang sama ditonton 35 juta orang. sedang responden menolak sebanyak 400 orang dan 350 orang menerima. Dengan taraf nyata 5% ujilah apakah proporsi menolak dan menerima kenaikan harga BBM sama? Langkah-langkah pengujian adalah: . Sebuah perusahaan Pertamina ingin memasang iklan pada acara tersebut. dan ingin mengetahui apakah proporsi menolak dan menerima kenaikan harga BBM sama. Untuk mengetahui hasil tersebut dicari responden per telepon sebanyak 300 menolak dan sebanyak 150 orang menerima.

48 .

tetapi dengan standar deviasi yang berbeda-beda. Distribusi t-student seperti distribusi Z berbentuk genta atau lonceng dan simetris dengan nilai rata-rata sama dengan 0. 25 dan sebagainya. sehingga nilai uji Z (Z = /s√n) tidak bersifat normal. Pengertian Sampel Kecil dan Ciri-ciri Distribusi t-student Sampel kecil yang jumlah sampel kurang dari 30.49 E. untuk sebaran distribusi sampel kecil dikembangkan suatu distribusi khusus yang dikenal sebagai distribusi t atau t-Student. Nilai-nilai distribusi t dinyatakan sebagai berikut: Di mana: t : Nilai distribusi t μ : Nilai rata-rata populasi : Nilai rata-rata sampel s : Standar deviasi sampel n : Jumlah sampel Ciri-ciri distribusi t-student yaitu: 1. 2. Ada distribusi t untuk sampel berukuran 2. tetapi keluarga dari distribusi t. yang berbeda dengan distribusi untuk sampel sebanyak 15. maka nilai standar deviasi (s) berfluktuasi relatif besar. Oleh karena itu. di mana nilainya dapat menempati semua titik pengamatan. Pengujian Hipotesis Sampel Kecil 1. Setiap distribusi t mempunyai rata-rata hitung sama dengan nol. 3. Distribusi t-student seperti distribusi Z merupakan sebuah distribusi kontinu. Apabila sampel semakin besar maka distribusi t akan mendekati normal. Pendekatan distribusi t-student semakin banyak sampel mendekati normal . sesuai dengan besarnya sampel (n). Distribusi t-student bukan merupakan satu kurva seperti kurva Z.

5% atau pada taraf lainnya serta mengetahui titik kritis berdasarkan pada tabel t-student. (c) Menentukan uji statistik dengan menggunakan rumus uji-t. (d) menentukan daerah keputusan yaitu daerah tidak menolak H0 dan daerah menolak H0. Rumus dari varians gabungan rata-rata hitung dan selisih rata-rata hitung populasi adalah sebagai berikut: dan uji t menjadi Nilai pembagi pada varians gabungan yaitu (n1 + n2) – 2 juga merupakan derajat bebas gabungan antara dua sampel.50 Perbedaan Antara Skala Z Dan Skala t 2. (b) Menentukan taraf nyata apakah 1%. Pengujian Rata-rata dan Selisih Rata-rata Hitung Populasi Populasi Tahap menguji rata-rata hitung populasi dalam sampel kecil: (a) Merumuskan hipotesa nol dan hipotesa alternatif (H0 dan H1). . Sedang untuk satu sampel derajat bebasnya adalah n – 1. dan (e) Mengambil keputusan untuk menolak dan menerima dengan membandingkan nilai kritis taraf nyata dengan nilai uji-t.

7) dan df(29. Distribusi F lebih mirip dengan distribusi t. yaitu mempunyai “keluarga” distribusi F. 3. .5) mempunyai distribusi F yang berbeda dengan distribusi df(20.28).51 3. Distribusi F seluruhnya adalah positif atau menjulur ke positif (positively skewed) dan merupakan distribusi kontinu yang menempati seluruh titik di kurva distribusinya. Apabila nilai F meningkat. 2. Distribusi F tidak pernah mempunyai nilai negatif sebagaimana pada distribusi Z. maka distribusi F mendekati sumbu X. namun tidak pernah menyentuh sumbu X tersebut. Pengujian Data Berpasangan & Analisis Varians Uji statistik untuk pengujian hipotesa data berpasangan dinyatakan: dan standar deviasi (sd) dirumuskan sebagai berikut: Di mana: t : Nilai distribusi t : Nilai rata-rata perbedaan antara pengamatan berpasangan Sd : Standar deviasi dari perbedaan antara pengamatan berpasangan n : Jumlah pengamatan berpasangan d : Perbedaan antara data berpasangan Selanjutnya pengujian varians dengan menggunakan uji F dengan ciri-ciri distribusi F sebagai berikut: 1. Distribusi Z mempunyai nilai positif di sisi kanan dan negatif sisi kiri nilai tengahnya. Nilai distribusi F mempunyai rentang dari tidak terhingga sampai 0. Pada gambar di atas terlihat bahwa distribusi dengan derajat bebas pembilang 5 dan penyebut 5 yang ditulis df (5.

Dari 100 orang yang mengikuti program ini ternyata penurunan rata-rata hitung berat badan mencapai 1. F. sedang pada tahun 2007 penjualan 50 aset perumahan mencapai 125 hari dengan deviasi 15 hari. (b) populasi mempunyai standar deviasi yang sama. 6.37 miliar. 1. Dengan taraf nyata 1%. Jenis Kesalahan I dan II pada Pengujian Hipotesis ”Kesalahan Jenis I. EVALUASI 1) Jelaskan pengertian hipotesi dan kegunaan hipotesis? Berikan contoh pengujian hipotesis dalam kehidupan sehari-hari! 2) Sebutkan prosedur pengujian hipotesis untuk sampel besar dan kecil? 3) Jelaskan pengertian uji signifikansi dan pendekatan pengujian pengujian signifikansi sampel besar dan kecil!. ujilah apakah harga mobil orang sama sama dengan Rp 1 miliar? 6) Perusahaan Wahana Permai merupakan perusahaan penjual aset berupa perumahan di Kendari. apakah pernyataan bahwa penjualan tahun ini lebih lama 20 hari dari tahun lalu benar? . Salah satu bentuk pelayanan adalah mobil mewah. Distribusi F juga memerlukan syarat yaitu: (a) populasi yang diteliti mempunyai distribusi yang normal. dan (c) sampel yang ditarik dari populasi bersifat bebas serta diambil secara acak. Harga mobil orang-orang kaya rata-rata mencapai Rp 1 miliar. pada hal seharusnya H0 benar".44 miliar dengan standar deviasi 0. ”Kesalahan Jenis II.23 kg. apabila keputusan menerima H0. Perusahaan ini menjamin bahwa konsumen akan turun berat badannya lebih 2 kg selama dua minggu.52 4. apabila keputusan menolak H0. Makanan Lezat merupakan perusahaan yang bergerak pada makanan nonkolesterol. Hasil survei terhadap 36 dealer mobil mewah diketahui harga rata-rata mencapai Rp. apakah pernyataan dari perusahaan ini benar? 5) Bisnis yang menguntungkan sejak krisis adalah melayani orang-orang kaya.5 kg dan deviasi standar 0. Dengan taraf nyata 5%. Berdasarkan pada data tahun 2006 terlihat bahwa rata-rata penjualan dari 250 aset perumahan adalah 80 hari dengan deviasi 10 hari. 4) PT. padahal seharusnya H0 salah". Taraf nyata 5%.

penjualan akan sukses. 530 menyataka suka.53 7) Untuk melihat peranan perbankan sebagai sumber pembiayaan. Hasil survei di Kendari yang sering macet terhadap 16 kapal ternyata rata-rata ada 6 rit .000. Jati Raya memproduksi keripik pisang dengan harga Rp 3500 setiap 0. Perusahaan ini menjamin bahwa padi akan tumbuh lebih dari 90%. Dengan taraf nyata 5% apakah proporsi kedua mobil tersebut sama atau tidak? 11) PT Pertani merupakan produsen benih padi. Hasil survei terhadap 36 warung padang menghasilkan harga rata-rata Rp 8. Pada tahun 2007 ada 77 produk iklan dan 64 menunjukkan penjualan meningkat dan 13 mengalami kegagalan. apakah kinerja kedua perusahaan tersebut sama atau tidak? 8) Eksekutif seperti Sampurna. ujilah apakah harga makanan padang masih dalam kategori murah? 13) NV. Perusahaan memperkirakan setiap kapal dapat melakukan 8 rit. Dari 650 remaja wanita konsumennya. Superjet merupakan salah satu perusahaan yang bergerak dalam bidang transportasi. Dari 1000 bibit yang ditanam ternyata 800 bibit dapat tumbuh dengan baik. maka dilihat kinerja perusahaan yang mendapatkan modal dari perbankan dan tidak.000.25 Kg.500 dengan standar deviasi 2. Pisang Indah di Jl. Dengan taraf nyata 5%. Dari data tersebut apakah pernyataan bahwa 90% lebih iklan mengalami kesuksesan dengan taraf nyata 5%? 9) PT. Keripik ini dipasarkan untuk remaja wanita dan ibu-ibu dewasa. Harga dalam konotasi murah adalah kurang dari Rp 10. 2500 menyatakan suka. Jumlah perusahaan yang tidak menggunakan modal perbankan ada 1300 dengan rata-rata pendapatan 28 juta dengan deviasi standar 13 juta. Dengan taraf nyata 1%. 1100 menyataan suka. Djarum. sedang 3000 konsumen Avanza. Apabila perusahaan ini menginginkan adanya proporsi remaja lebih 20% dibandingkan dengan ibu-ibu. 10) PT Astra memperkenalkan dua mobil baru yaitu Xenia dan Avanza. apakah hal tersebut tercapai dengan taraf nyata 5%. Jumlah perusahaan yang menggunakan modal perbankan ada 2000 dengan rata-rata pendapatan 46 juta rupiah perbulan dengan standar deviasi 9 juta per bulan. Dari ibu-ibu wanita sebanyak 300. Dari 1500 konsumen Xenia. 200 menyatakan suka. Unilever sangat yakin bahwa dengan beriklan. Dengan taraf nyata 1% apakah pernyataan PT Pertani benar? 12) Harga di warung masakan Padang biasanya dianggap murah.

Si mendapatkan training tentang bagaimana teknik mengajar secara efektif.87. .27%. Untuk membuktikan asumsi tersebut dipilih sampel 4 sampel bank BMUN dan rata-rata NPL 6. apakah kewajiban dari setiap agen masih terpenuhi? 15) Salah satu indikator bank yang sehat adalah nilai NPL (non-performing loan) yang rendah.00% dan standar deviasinya 1. Hal pelacakan terhadap 16 agen di Jakarta ternyata rata-rata agen mengunjungi perguruan tinggi adalah 44 kali dengan standar deviasi 3.54 dengan standar deviasi 2 rit.M. Mahasiswa La Hardi La Maswadi La Suparmi La Winardi Wa Lili La Suratmo Wa Sri Anah Wa Augustina Nilai sebelum training 78 65 45 95 83 72 62 56 Nilai sesudah training 85 68 44 96 90 80 70 65 Dengan taraf nyata 5% terbuktikah bahwa metode sesudah training lebih tinggi dibandingkan dengan metode sebelum training. Dengan taraf nyata 1% apakah asumsi bahwa NPL bank BUMN lebih besar dari bank swasta dapat terbukti? 16) Dr. Dengan taraf nyata 5%.. Untuk itu diberikan tes sebelum metode dan sesudah metode training. Dengan taraf nyata 5%. apakah keinginan perusahaan masih terpenuhi? 14) PT Salemba Empat merupakan salah satu penerbit besar mewajibkan setiap agennya untuk mengunjungi perguruan tinggi minimal 40 kali dalam seminggu. MQ Net mengadakan survey terhadap pendapatan agennya sebelum masuk dan sesudah menjadi agen MQ Net.80% dan standar deviasi 10. Berikut adalah hasilnya. 17) MQ Net adalah perusahaan multi level marketing yang relatif besar. Untuk mendukung jaringannya. Berikut adalah hasil survei terhadap 4 orang agen MQ Net. Ada asumsi bahwa bank-bank BUMN mempunyai NPL lebih tinggi dibandingkan dengan NPL bank swasta. Untuk bank swasta dipilih 16 bank dengan rata-rata NPL 11. Hal ini menunjukkan adanya kehati-hatian dalam memberikan kredit di bank. SE. Kunjungan tersebut untuk digunakan memperkenalkan buku baru serta perkembangan mutahir. La Ode Tamba Lagi.

3 19.1 17.9 11.6 Perdagangan 15.1 Dengan taraf uji 5% apakah rata-rata hasilnya sama atau berbeda? 19) Koperasi Sama Turu merupakan fund manager yang relatif besar. Dari data tersebut apakah terbukti bahwa tahun 2007 lebih baik daripada tahun 2006 dengan taraf nyata 5%. industri.1 11. Hal ini bisa dilihat dari perkembangan indikator ekonomi secara umum.1 11. ujilah apakah pernyataan bahwa setelah menjadi agen MQ Net pendapatan menjadi meningkat benar? 18) Analisis permodalan ingin mengetahui apakah ada perbedaan rata-rata tingkat keuntungan antara investasi pada sektor pertanian.5 Industri 11.3 18.7 18.5 12.5 12.55 Nama agen La Ode Sulbiantoro Wa Ode Suspinah Wa Ode Sri Anastasia La Suparmi Sebelum (juta) 12 10 14 12 Sesudah (juta) 14 12 18 10 Dengan taraf nyata 5%. dan perdagangan. Emiten Alas Kaki Asuransi Farmasi Makanan dan Minuman Pertambangan 2002 1550 70 400 817 85 2003 1500 150 400 940 110 . Dengan taraf nyata 5% apakah target keuntungan koperasi tersebut dapat tercapai? 20) Tahun 2007 dinyatakan lebih baik daripada tahun 2006. Berikut adalah data pembagian deviden yang diberikan perusahaan yang telah go public. Untuk itu dilakukan survey terhadap 15 perusahan dengan hasil sebagai berikut: Pertanian 14.8 17. Pada tahun 2007 koperasi ini memprediksi keuntungan rata-rata per harinya Rp 75 juta.7 18.2 14. Data sampai 6 bulan pertama atau satu semester menunjukkan bahwa rata-rata keuntungan mencapai 56 juta perbulan dengan standar deviasi 8 juta.

Sedangkan Instrumen dikatakan reliabel jika dapat digunakan untuk mengukur variabel berulangkali yang menghasilkan data yang sama atau hanya sedikit bervariasi 5. RANGKUMAN Suatu data yang bersumber dari instrumen dapat dikatakan benar dan sah apabila terlebih dahulu dilakukan uji validitas dan reliabilitas. sosial umum variabel-variabel penelitian dirumuskan sebagai sebuh variabel laten yaitu variabel yang tidak dapat diukur secara langsung tetapi dibentuk melalui demensi-demensi yang diamati. formulasi menghitung uji validitas dan relibilitas instrumen dan memperagakan pengolahan uji validitas dan reliabilitas instrumen serta menginterprestasikanya dengan menggunakan sofware SPSS . psikologi. Pendahuluan Pada penelitian dibidang ilmu sosial seperti manajemen. URAIAN PEMBELAJARAN A. TUJUAN UMUM Diharapkan mahasiswa mampu menjelaskan pengertian dan kegunaan uji validitas dan reliabilitas Instrumen serta aplikasinya dalam dunia empiris. Instrumen tersebut dikatakan valid jika dapat mengukur apa yang seharusnya diukur atau mengukur apa yang diinginkan dengan tepat. 2. KATA KUNCI: Uji Validitas & Reliabilitas Instrumen 4. Pokok bahasan ini akan menjelaskan pengertian dan kegunaan uji validitas dan reliabilitas. Mahasiswa diharapkan dapat mempraktekan pengolahan uji validitas dan reliabilitas instrumen serta menginterprestasikanya dengan menggunakan sofware SPSS 3. Mahasiswa diharapkan dapat menghitung uji validitas dan relibilitas instrumen c. Demensi-demensi yang diamati tersebut agar memiliki akurasi yang baik dalam pengukuran maka perlu terlebih dahulu diuji validitas dan reliabilitasnya.56 1. Mahasiswa dapat menjelaskan pengertian dan kegunaan uji validitas dan Reliabilitas b. TUJUAN KHUSUS a.

05 dengan rumus Korelasi Product Moment Pearson. Uji reliabilitas untuk menguji konsistensi instrumen menggunakan koefisien Alpha Cronbach dan memiliki tingkat kehandalan yang dapat diterima (reliabel). Pengujian validitas. atau kosistensi alat dalam mengungkap gejala tertentu pada waktu yang berbeda. instrumen diuji dengan menghitung koefisien korelasi antara skor item dan skor totalnya dalam taraf signifikansi 0. Nilai koefesien reliabilitas yang terukur ≥ 0. Uji Validitas (Kesahihan) Data Instrumen tersebut dikatakan valid jika dapat mengukur apa yang seharusnya diukur atau mengukur apa yang diinginkan dengan tepat (Supranto. kestabilan. kemudian pilih submenu Corrolate lalu pilih Bivariate F Tampak dilayar tampilan Windows Bivariate Correlation F Isikan data ke Kotak Variabel Yaitu Variabel Konstruk dan Skor Total F Pilih Correlation Coefficients Pearson F Pilih Oke F Tampilkan Output SPSS C.57 B.05 (Santoso 2004) dengan rumus: Langkah analisis uji validitas dengan SPSS. Instrumen dikatakan reliabel jika dapat digunakan untuk mengukur variabel berulangkali yang menghasilkan data yang sama atau hanya sedikit bervariasi.1997).Instrumen bisa dikatakan valid mempunyai nilai r hitung > r tabel dengan tingkat signifikansi korelasi di bawah α = 0.6 (Uma Sekaran. Uji Reliabilitas Instrumen (Data) Uji reliabilitas untuk mengetahui apakah alat pengumpul data menunjukkan tingkat ketepatan. keakuratan. dengan rumus : . yaitu: F Masukan data ke Worksheet SPSS dengan perintah File/Open/Data F Dari menu utama SPSS pilih menu Analyze. 2000).

pilih item.58 Langkah-Langkah Uji Reliabilitas dengan SPSS. scala. scala if item deleted dan inter-item Corelation F Pilih continue dan oke tampil Output SPSS . yaitu: F Masukan data ke Worksheet SPSS dengan perintah File/Open/Data F Dari menu utama SPSS pilih menu Analyze. kemudian pilih submenu Scale lalu pilih Reliability Analysis F Tampak dilayar tampilan Windows Reliability Analysis F Isikan data kotak indicator variabel kedalam kotak Items dan pilih Model Alpha F Pilih tombol Statistics sehingga tampak dilayar windows Reliability analysis statistics F Pilih bagian descriptive for.

59  Output Hasil Uji Validitas Dari output uji validitas instrumen (data) menunjukkan bahwa keseluruhan item adalah valid karena memiliki koefisien korelasi (r) ≥ 0.30 atau dan nilai signifikan dari seluruh instrumen berada di bawah α = 0.05. Sehingga seluruh item-item dalam instrumen penelitian ini dapat dipergunakan dalam analisis selanjutnya.  Output Hasil Uji Reliabilitas .

Deduktif (x2) dan Induktif (x3) para dosen jurusan manajemen Fakultas Ekonomi Unhalu Kendari. Berdasarkan hasil wawancara dengan 20 orang mahasiswa yang dijadikan sampel diperoleh data sebagai berikut: Sampel Metode Pengajaran (n) Deduktif (x2) Induktif (x3) Lecturing (x1). EVALUASI 1) Jelaskan pengertian uji validitas dan reliabilitas instrumen? 2) Sebutkan kegunaan uji validitas dan relibilitas? Berikan contoh rill pada bidang manajemen! 3) Berikut ini adalah data hasil wawancara dengan menggunakan skala likert atas variabel metode pengajaran Dosen mata kuliah statistik ekonomi yang meliputi indikator Lecturing (x1). 1 4 3 5 2 4 3 5 3 4 3 5 4 4 4 5 5 4 3 5 6 4 4 4 7 4 3 4 8 3 3 4 9 3 4 3 10 3 3 4 11 3 3 4 12 3 4 4 13 4 4 4 14 3 4 5 15 3 4 5 16 4 4 5 17 4 4 5 18 4 4 5 19 4 4 4 20 4 4 5 Diminta : Lakukan pengujian validitas dan reliabilitas atas data tersebut di atas? .60 berarti semua item data (instrumen) dapat dipercaya keandalannya.60 Dari output uji reliabilitas menunjukkan nilai koefisien alpha (α) dari seluruh item instrumen ≥ 0. 6. Dapat disimpulkan bahwa seluruh butir (item) yang digunakan adalah reliabel oleh karena itu. kusioner yang digunakan dapat dikatakan layak sebagai instrumen untuk melakukan pengukuran.

TUJUAN KHUSUS a. TUJUAN UMUM Diharapkan mahasiswa mampu menjelaskan pengertian dan kegunaan uji beda (t-Tes) serta aplikasinya dalam kehidupan sehari-hari. Pendahuluan Dalam analisis dependensi kita sering diperhadapkan dengan analisis data yang ingin melihat hubungan antara variabel independent (yang bersifat kategori atau skala non-metrik) dan variabel dependent (yang bersifat kontinyu. menggunakan sofware SPSS 3. Oleh karena ini. Mahasiswa diharapkan dapat menghitung uji beda (t-Tes) baik satu sampel maupun dua sampel c. Mahasiswa diharapkan dapat memperagakan pengolahan data dengan uji beda (tTes) serta menginterprestasikan hasil pengolahan. 2. Uji Beda Dua Sampel (Two Sample t Test) adalah Membandingkan rata-rata dua group yang berhubungan satu dengan yang lain (independent Sampel t test) atau Menguji dua sampel yang berpasangan (Paired Sampel t test). Alat uji statistika yang cocok untuk masalah tersebut tergantung dari jumlah kategorik dari variabel independent.61 1. Alat uji yang sering digunakan adalah Uji Beda Satu Sampel (One-Sample t Test). One-Sample t Test & Two Sample t Test 4. pokok bahasan ini akan mengkaji pengujian statistika dengan menggunakan uji beda . RANGKUMAN Alat uji yang sering digunakan untuk data berskala non-metrik adalah Uji Beda Satu Sampel (One-Sample t Test). URAIAN PEMBELAJARAN A. Uji Beda Satu Sampel (One-Sample t Test) adalah menguji suatu nilai tertentu yang diberikan sebagai pembanding berbeda secara nyata ataukah tidak dengan rata-rata sebuah sampel. 5. metrik yang berskala interval dan rasio). Apakah kedua grup tersebut mempunyai rata-rata secara Nyata. KATA KUNCI: Uji Beda (t-Tes). Mahasiswa dapat menjelaskan pengertian dan kegunaan uji beda (t-Tes) b.

yaitu Ho akan ditolak apabila nilai hitung (thitung) lebih kecil dari daerah kritis negatif (kiri) atau lebih besar dari titik kritis positif (kanan). dan pengolahan data dengan uji beda (t-Tes) serta menginterprestasikan hasil pengolahan data dengan menggunakan sofware SPSS. Bentuk hipotesis yang akan menolak Ho pada dua daerah penolakan. B. menghitung uji beda (t-Tes) baik satu sampel maupun dua sampel. karena hasil hitungnya selalu positif. Uji Beda Dua Sampel (Two tailed Test) adalah Uji Beda Dua Sampel (Two Sample t Test) adalah Membandingkan rata-rata dua group yang berhubungan satu dengan yang lain (independent Sampel t test) atau Menguji dua sampel yang berpasangan (Paired Sampel t test). Pengertian Uji Beda Satu Sampel dan Dua Sampel 1.1 Daerah penerimaan atau penolakan Ho uji beda satu sampel . Bentuk pernyataan hipotesis yang daerah penolakannya hanya berada pada satu sisi saja dari kurva normal. karena hasil hitungnya selalu Negatif.62 (t-Tes) yang meliputi: pengertian dan kegunaan. Jika daerah penolakan berada pada sisi kanan maka disebut uji beda satu arah (One-tailed Test) positif. Selanjutnya apabila daerah penolakan berada pada sisi kiri maka disebut uji beda satu arah (One-tailed Test) positif. Uji Beda Satu Sampel (One-tailed Test) adalah adalah menguji suatu nilai tertentu yang diberikan sebagai pembanding berbeda secara nyata ataukah tidak dengan rata-rata sebuah sampel. Apakah kedua grup tersebut mempunyai ratarata secara Nyata/Signifikan. Daerah penerimaan atau penolakan Ho uji beda satu sampel dan dua sampel Gambar 6. 2.

. Data Xi menebar mengikuti sebaran normal (2). Uji Beda Satu Sampel (One-Sample t Test) Prosedur Pengujian Uji Beda Satu Sampel (One-Sample t Test) adalah : Karakteristik: Dipergunakan untuk menguji data sampel yang mempunyai rata-rata yang masih sama dengan populasinya atau masih sama dengan nilai standarnya.. Nilai μ diketahui (sebagai standar pembanding) (3). Tentukan besarnya n (sampel). dihitung: (∑ X i )2 n n −1 S 2 = ∑ X i2 − Data: Susun data X1. Asumsi : (1). (Sebaiknya dalam bentuk kolom) kemudian hitunglah rata-rata x serta S2.2 Daerah penerimaan atau penolakan Ho uji beda dua sampel C.63 Gambar 6.. t sebagai pembanding) Uji Statistika : thitung = X − μ − S − (S − X = X S n Kaidah Keputusan : Jika Ha: X > μ Jika Ha: X < μ Jika Ha: X ≠ μ Tolak Ho apabila thitung > tα atau sig.. t < α Tolak Ho apabila thitung > tα/2 atau sig.Xn. X2. σ2 tidak diketahui dan harus diduga dengan S2 Hipotesis Nol : Ho : X = μ (Penggunaan Tabel t/Sig.. t < α . t < α Tolak Ho apabila thitung < -tα atau sig. Dalam pengujian ini varians σ2 tidak diketahui..

Masukan data ke Worksheet SPSS dengan perintah File/Open/Data 2. lalu Ketik angka standar yang ditetapkan pada test Value 5. Isikan data ke Kotak Test Variabel Yaitu Produktivitas. Pilih Oke 6. lalu pilih One-Sample t-Test 3. Dari menu utama SPSS pilih menu Analyze. Tampak dilayar tampilan Windows One-Sample t-Test 4.64 Langkah-langkah uji beda satu sampel (One-Sample t Test) dengan SPSS Yaitu: 1. Tampilkan Output SPSS . kemudian pilih submenu Compare Means.

tes dilakukan dengan cara membandingkan perbedaan antara dua nilai rata-rata dengan standar error dari perbedaan rata-rata dua sampel atau formulasinnya sbb: Selanjutnya dalam pengujian Uji beda t-test dua sampel dapat dilakukan dengan dua cara yaitu: 1. Uji beda t. . Apakah kedua grup (sampel) mempunyai rata-rata yang sama atau tidak.65 Output dan hasil interprestasi uji beda satu sampel dengan sofware SPSS Yaitu: D. Uji Independent Sampel t Test (Uji Dua Sampel Independent/ Unpaired) yaitu membandingkan rata-rata dari dua grup (sampel) yang tidak berhubungan satu dengan yang lainnya. Uji Beda Dua Sampel (Two Sample t Test ) Uji beda t-test dua sampel digunakan untuk menentukan apakah dua sampel yang tidak berhubungan memiliki nilai rata-rata yang berbeda.

Cth: Uji Dua Sampel Independent/ Unpaired Manajer Pemasaran Roti Karunia Mandiri Kendari ingin mengetahui apakah ada perbedaan prestasi penjualan roti berdasarkan jenis kelamin (gender) salesmennya.66 2.05 (5%) atau taraf kepercayaan 95%. Berdasarkan pengamatan sementara maka dugaan yang diajukkan oleh manajer pemasaran bahwa “Terdapat perbedaan prestasi penjualan roti yang signifikan antara jenis kelamin wanita dan pria” Untuk membuktikan dugaan manajer pemasaran Roti Karunia Mandiri perlu dilakukan pengujian dengan level of signifikan α=0. Uji Dependent Sampel t Test (Uji Dua Sampel Dependent/Paired) yaitu menguji dua sampel yang berpasangan apakah mempunyai rata-rata yang secara nyata berbeda atau tidak. Data yang diperoleh untuk melakukan pengujian dengan mengambil sampel 30 orang tenaga salesmennya sebagai berikut: .

Masukan data ke Worksheet SPSS dengan perintah File/Open/Data 2. dan pada Kotak Group Variabel Bertipe Kualitatif yaitu Gender 5. Kemudian Variabel Tersebut Harus didefinisikan dan pilih Define Group lalu pada grup 0 (Wanita) dan Grup 1 (Pria) . yaitu: 1. kemudian pilih submenu Compare Means.67 Prosedur Pengolahan data untuk uji dua sampel independent/unpaired) dengan software SPSS. Tampak dilayar tampilan Windows Independent Sample t-Test 4. lalu pilih Independet Sample t-Test 3. Dari menu utama SPSS pilih menu Analyze. Isikan data ke Kotak Test Variabel Yaitu Volume Penjualan Roti.

Pilih Continues dan Oke Tampilkan Output SPSS Output Uji Dua Sampel Independent/ Unpaired Intreprestasi estasi & Kesimpulan Hasil pengujian Uji Dua Sampel Independent .68 6.

69

Cth: Uji Dua Sampel Dependent/Paired Sampel t Test Seorang mahasiswa yang cerdas pada Fekon jurusan Manajemen Unhalu ingin melakukan pengujian sikap konsumen terhadap status pioneer Air mineral merek aqua dengan Arindo sebagi merek pengikut di Kota Kendari. Berdasarkan sejumlah teori yang dikembangkan, maka hipotesis yang diajukan oleh mahasiswa tersebut adalah “Terdapat perbedaan sikap yang signifikan antara konsumen yang mengetahui bahwa Aqua sebagai merek pioneer dengan konsumen yang tidak mengetahui”. Pengambilan sampel dilakukan secara purposive sampling pada 25 orang mahasiwa Jurusan Manajemen. Data yang diperoleh atas penilain mahasiswa terhadap atribut produk Aqua sebagai pioneer dan Arindo sebagai merek pengikut sebagai berikut:

70

Langkah-Langkah Pengolahan Data Uji Dua Sampel Dependent/Paired) Dengan sofware SPSS Yaitu: 1. Masukan data ke Worksheet SPSS dengan perintah File/Open/Data 2. Dari menu utama SPSS pilih menu Analyze, kemudian pilih submenu Compare Means, lalu pilih Paired-Sample t-Test 3. Tampak dilayar tampilan Windows Paired Sampel t-Test 4. Isikan data ke Paired Sampel t-Test Yaitu Aqua dan Arindo pada Kotak Paired Variabel lalu tekan tombol option. 5. Pilih Continues dan Oke jika pengisian sudah selesai Tampilkan Output SPSS

71

Output Pengolahan Uji Dua Sampel Dependent/ Paired

Intreprestasi & Kesimpulan Ouput Pengujian Dua Sampel Dependent/ Paired 1. Group Statistics, Sikap konsumen atas penilain atribut produk air minum mineral untuk merek Aqua rata-rata 26,92 sedangkan Arindo rata-rata 22,16. 2. Paired samples Correlations, Hasil korelasi antara kedua variabel menghasilkan angka 0,413 dengan nilai signifikan 0,04 < α = 0,05. Dapat disimpulkan bahwa rata-rata Sikap konsumen atas penilain atribut produk air minum mineral untuk merek Aqua dengan merek Arindo adalah kuat atau signifikan. 3. Paired Samples Test, Dasar pengambilan keputusan: Jika signifingkasi/Probablitas > α = 0,05, Ho diterima jadi variance sama Jika signifingkasi/Probablitas < α = 0,05, Ho ditolak variance berbeda. Terlihat dari output SPSS bahwa probabilitas/signifikan (sig. 2-tailed) adalah 0,000. Karena probabilitas/signifikan < α = 0,05. Dengan demikian dapat disimpulkan “Terdapat perbedaan sikap yang signifikan secara nyata antara konsumen yang mengetahui bahwa Aqua sebagai merek pioneer dengan konsumen yang tidak mengetahui” sehingga Ha dapat diterima.

45 1.67 3.89 4.24 2.00 3. Untuk kepentingan pengujian penarikan sampel secara Jugmend atas 17 orang mahasiswa.64 3.10 (10%) . Data yang diperoleh atas pengukuran pretasi belajar melalui Indeks Prestasi Komulatif (IPK) dalam kurun waktu 2 semester terakhir sebagai berikut: Rekapitulasi Data Hasil Observasi Sampel Status Mahasiswa (X) 1 BT 2 TBT 3 TBT 4 BT 5 TBT 6 TBT 7 TBT 8 BT 9 TBT 10 BT 11 BT 12 BT 13 TBT 14 BT 15 TBT 16 BT 17 TBT Nama Varibel Status Mahasiswa Prestasi Belajar Tipe Data Numerik/Kategorik/Nominal (Kualitatif) Numerik/Rasio (Kuantitatif) IPK (Y) 2.24 3. Lakukan perhitungan Uji Beda (t-Tes) melalui software SPSS b.50 2. EVALUASI 1) Jelaskan pengertian uji beda one-sample t test dan two sample t test? 2) Dalam pengujian uji beda dua sampel (two sample t test) dapat dilakukan dengan dua metode sebutkan dan jelaskan? 3) Seorang mahasiswa Jurusan Manajemen melakukan observasi apakah pretasi belajar mahasiswa bebas tes sama dengan prestasi belajar mahasiwa yang mengikuti tes.55 2.45 2.78 3.25 2. Berdasarkan kondisi empiris yang terjadi.78 1.86 3. maka dugaan sementara oleh mahasiswa yang melakukan observasi tersebut bahwa “Tidak terdapat perbedaan yang signifikan antara pretasi belajar mahasiwa yang bebas tes dan yang mengikuti tes”.65 3.12 2. Interprestasikan dan simpulkan output dari hasil pengujian dengan level of signifikan α = 0.46 Label 1 = BT (Bebas Tes) 2 = TBT (Tidak Bebas Tes) Indeks Prestasi Komulatif (IPK) Diminta: a.72 6.

Pendahuluan Pada pokok bahasan sebelumnya telah diuraikan tentang pengujian hipotesis. 5. 2. Pada pokok bahasan analisis varians akan diuraikan pengertian dan kegunaan ANOVA. Sedangkan pengaruh interaksi (interaction effect) adalah pengaruh bersama atau joint effect dua atau lebih variabel independent terhadap variabel dependent. baik dari populasi yang sama maupun dari populasi yang berbeda. dalam hal ini membandingkan dua nilai rata-rata. URAIAN PEMBELAJARAN A. formulasi dan metode perhitungan Analisis Of Variance serta pengolahan data menggunakan Analisis Of output dengan sofware SPSS. Mahasiswa dapat menjelaskan pengertian dan kegunaan Analisis Of Variance b. TUJUAN KHUSUS a. KATA KUNCI: Analisis Of Variance (ANOVA) 4. Mahasiswa diharapkan dapat mempraktekan pengolahan data menggunakan Analisis Of Variance (ANOVA) serta penginterprestasian output dengan sofware SPSS 3. Mahasiswa diharapkan dapat menghitung Analisis Of Variance (ANOVA) c. TUJUAN UMUM Diharapkan mahasiswa mampu menjelaskan pengertian dan kegunaan Analisis Of Variance (ANOVA) serta aplikasinya dalam kajian empiris. RANGKUMAN Anova digunakan untuk mengetahui pengaruh utama (main effect) dan pengaruh interaksi (interaction effect) dari variabel independent kategorikal (sering disebut faktor) terhadap variabel dependent metrik.73 1. Variance serta penginterprestasian . Pengaruh utama (main effect) adalah pengaruh langsung variabel independen terhadap variabel dependent. Sekarang apabila kita bermaksud untuk membandingkan tiga atau lebih nilai rata-rata dapat dilakukan melalui metode analisis varians.

Multyvariat Normality yaitu populasi/sampel yang akan diuji berdistribusi normal 4. Random sampling yaitu Sampel tidak berhubungan satu dengan yang lain 3. .74 B. Menguji dua buah sampel yang mempunyai varians populasi yang sama/tidak. Asumsi yang diperlukan dalam analisis varians adalah: 1. Pengertian dan Kegunaan ANOVA ANOVA (Analisis of variance) merupakan metode untuk menguji hubungan antara satu variabel dependent (Skala ANOVA digunakan dengan tujuan untuk: 1. Homogeneity of varians yaitu varians dari populasi/sampel adalah sama. 2. Menguji rata-rata dua sampel yang berbeda secara signifikan atau tidak 2. Data kuantitatif dan kualitatif Formulasi ANOVA adalah: metrik) dengan satu atau lebih variabel independent (skala non metrik/kategorikal).

lalu pilih One-Way ANOVA 3. Dependent list atau variabel dependen yang akan diuji Pilih Sales. abaikan yang laian lalu Continue 7. 5. Pilih Continues dan Oke jika pengisian sudah selesai. kemudian pilih submenu Compare Means. Untuk kolom Post-Hot atau analisis lanjutan dari F test dengan mengklik akan tampak dilayar One-Way ANOVA: Post Hoc Multiple Comparisons. agar seragam klik Benferroni dan tukey. Klik kota dialok Option akan tampak dilayar One-Way ANOVA: Option pilih Deskriptive dan Homogeneyty-of-Variance. Masukan data ke Worksheet SPSS dengan perintah File/Open/Data 2. 8. Faktor atau group pilih Roti 6. Tampilkan Output SPSS Output Pengolahan Data ANOVA . Tampak dilayar tampilan Windows One-Way ANOVA 4.75 Prosedur pengolahan data ANOVA dengan sofware SPSS Yaitu: 1. Dari menu utama SPSS pilih menu Analyze.

76 Intreprestasi & Kesimpulan Ouput Pengujian ANOVA Output (Group Statistics) Terlihat ada perbedaan yang besar antara masing-masing jenis roti. roti sley 403.05. maka Ho ditolak Terlihat bahwa nilai probabilitas/signifingkasi hasil uji Levene Test adalah 0. Untuk itu analisis selanjutnya dapat dilakukan karena asumsi ANOVA terpenuhi. karena rata-rata penjualan jenis roti kacang 392. Dasar pengambilan keputusan: Jika signifingkasi/Probablitas > α = 0.00 Ouput Test Homogeneyty of varians Analisis bertujuan untuk menguji salah asatu Asumsi ANOVA dimana sampel yang diamati mempunyai varians yang sama.963 karena signifikansinya > α = 0.13.05. maka Ho diterima Jika signifingkasi/Probablitas < α = 0. . maka Ho diterima atau ketiga sampel mempunyai varian yang sama.75 dan roti tawar 371.05.

925 > α = 0. PT. menunjukan ketiga jenis roti tidak mempunyai perbedaan nyata karena nilai signifinkasinya subset 0. Ade Taksi 200 210 225 180 175 200 210 175 PT. Tampak bahwa Fhitung sebesar 0. Ade Swalyan. karena signifingkasinya > α = 0. Manajemen sedang memikirkan apakah akan tetap menjual saham ketiga perusahaan atau dijadikan satu saja. Dengan demikian dapat disimpulkan bahwa ketiga jenis roti ramayana memang tidak mempunyai perbedaan yang nyata dalam penjualannya. Ade Swalyan 210 280 250 210 250 210 210 225 PT. maka akan dijual satu saham perusahaan saja.064 dengan signifingkasi 0. Ade Buku. apabila harga rata-ratanya sama. Apabila rata-rata harga sahamnya berbeda. EVALUASI 1) Jelaskan pengertian ANOVA (Analisis of variance) dan sebutkan kegunaannya? 2) Jelaskan Asumsi yang diperlukan dalam ANOVA (Analisis of variance? 3) PT. 6.939. maka dapat disimpulkan terdapat perbedaan yang tidak signifikan antara penjualan ketiga jenis roti.05.05.77 Output ANOVA ANOVA (Analysis of Variancs) dilakukan untuk menguji apakah ketiga sampel mempunyai rata-rata yang sama. Dengan taraf uji 5% apakah harga saham ketiga perusahaan tersebut sama atau tidak. Ade Taksi. PT. maka akan tetap dijual tiga saham. Ouput Post Hoc Test Tampak bahwa hasil pengujian tidak ada tanda ’*’ pada kolom Difference. Output Homogeneus Subset Terlihat bahwa ketiga sampel dalam subset. PT. maka Ho diterima & Ha ditolak bahwa Tidak terdapat perbedaan atas penjualan roti ramayana Kendari. Ade Buku 575 575 560 575 600 575 500 675 . Ade Group mempunyai 3 perusahaan di Kota Kendari dalam bidang property yaitu PT.

KATA KUNCI: Analisis Korelasi 4. Dalam analisis korelasi dikenal ada dua jenis hubungan yaitu positif dan negatif.78 1. TUJUAN UMUM Diharapkan mahasiswa mampu menjelaskan konsep dan kegunaan analisis korelasi dalam Kajian empiris. B. 5. 2. URAIAN PEMBELAJARAN A. bagaimana arah hubungan dan seberapa besar hubungan tersebut. Pengertian Analisis Korelasi Analisis korelasi adalah suatu teknik statistika yang digunakan untuk mengukur keeratan hubungan atau korelasi antara dua variabel atau lebih. Mahasiswa dapat menjelaskan pengertian dan kegunaan analisis korelasi b. salah satu metode analisis statistika yang dapat digunakan adalah korelasi. Korelasi tidak menunjukan hubungan fungsional atau dengan kata lain analisis korelasi tidak membedakan antara variabel dependent dengan variabel independent. Mahasiswa diharapkan dapat mempraktekan pengolahan data menggunakan analisis korelasi serta penginterprestasian output dengan sofware excel 3. Mahasiswa diharapkan dapat menghitung analisis korelasi c. RANGKUMAN Analisis korelasi bertujuan untuk mengukur kekuatan asosiasi (hubungan) linear antara dua variabel. seperti yang nampak pada gambar berikut: . metode perhitungan analisis korelasi dan pengolahan data menggunakan analisis korelasi serta penginterprestasian output dengan sofware excel. TUJUAN KHUSUS a. Pokok bahasan analisis korelasi akan disajikan pengertian dan kegunaan analisis korelasi. Pendahuluan Ingin mengetahui apakah diantara dua variabel terdapat hubungan. dan jika ada hubungan.

1. Rumus Untuk Menentukan Koefisien Korelasi Rumus koefisien korelasi tersebut dinyatakan sebagai berikut: Selanjutnya bentuk hubungan yang kuat atau lemah pada analisis korelasi dapat dilihat pada gambar berikut: . Bentuk Hubungan Positif dan Negatif Pada Analisis Korelasi C.79 Gambar 8.

80 Gambar 8. Bentuk Hubungan Kuat Dan Lemahnya Suatu Korelasi Contoh: Analisis korelasi atas permintaan dipengaruhi harga dan pendapatan dengan data sebagai berikut: .1.

3.025 dan df =7 adalah = 2.36. sedangkan k adalah jumlah variabel yaitu Y dan X. Perumusan hipotesa: Hipotesa yang diuji adalah koefisien korelasi sama dengan nol. Ingat bahwa n adalah jumlah data pengamatan yaitu = 9.86 pada hubungan antara harga minyak dan produksi kelapa sawit sama dengan nol pada taraf nyata 5%? Langkah-langkah pengujin: 1. Korelasi dalam populasi dilambangkan dengan sedang pada sampel r. Nilai taraf nyata a/2= 0. Taraf nyata 5% untuk uji dua arah (a/2=0.2 = 7. Koefisien determinasi (r2) Dalam analisis korlasi juga penting untuk menentukan koefisien determinasi yaitu bagian dari keragaman total variabel tak bebas Y (variabel yang dipengaruhi atau dependent) yang dapat diterangkan atau diperhitungkan oleh keragaman variabel bebas X (variabel yang mempengaruhi atau independent). Menentukan nilai uji t . H0 : r = 0 H1 : r ≠ 0 2.81 D.412 pada hubungan antara suku bunga dan investasi dan (b) r = 0. Ujilah apakah (a) nilai r = . Koefisien determinasi = r2 Rumus Uji t Untuk Uji Korelasi yaitu: Di mana: t : Nilai t-hitung r : Nilai koefisien korelasi n : Jumlah data pengamatan Contoh: Uji t untuk uji korelasi dari data permintaan dipengaruhi harga dan pendapatan.05/2=0.025) dengan derajat bebas (df) = n-k = 9 . jadi k=2.0.

hubungan antara tingkat suku bunga dengan investasi lemah dan tidak nyata. Menggunakan Ms Excel Untuk Mencari Korelasi . Nilai t-hitung ternyata terletak pada daerah tidak menolak H0. Menentukan keputusan.82 4. Menentukan daerah keputusan dengan nilai kritis 2. Ini menunjukkan bahwa tidak terdapat cukup bukti untuk menolak H0. sehingga dapat disimpulkan bahwa korelasi dalam populasi sama dengan nol.36 5. E.

EVALUASI 1) Jelaskan pengertian dan kegunaan analisis korelasi 2) Ada dugaan bahwa kota-kota di Sultra yang menjadi tujuan wisata mempunyai inflasi yang lebih tinggi. cobalah hitung: a. Koefisien korelasi b. Hitunglah koefisien regresi dimana Y (inflasi) dan X (hunian hotel) . Hal tersebut diakibatkan banyaknya wisatawan yang datang dan membelanjakan uangnya pada daerah tujuan wisata. Pada beberapa kota di Sultra adalah berikut: Kota Inflasi Hunian Hotel (%) Kendari 66 27 Bau-Bau 84 40 Kolaka 87 41 Konawe 74 32 Wakatobi 73 33 Muna 72 37 Dengan menggunakan data tersebut.83 6. Untuk menguji hal tersebut diukurlah tingkat inflasi dan jumlah wisatawan yang dicerminkan dari tingkat hunian hotel pada tahun 2007.

7 8.05 ? N0.6 3. LD.1 Sumber data: Fiktif (Untuk Latihan) Biaya Operasional 22. Data 28. La Valid 19.6 6.48 11. Hitunglah berapa besarnya koefisien korelasi penjualan terhadap keuntungan dengan biaya operasional berfungsi sebagai kontrol dengan menggunakan SPSS. La Alfa 18.9 2.76 13.8 4. Nama Pedagang Penjualan (juta) Keuntungan (juta) 1. Berikut adalah Data penjualan.4 3.0 5.1 7.2 8. LD Reliabel 51.9 1. LD.6 6. La Regresi 11. La Tambalagi 46.2 4. Interprestasikan hasil pengolahan data dengan taraf uji 95% atau α = 0.58 38.56 14.7 9. Kuadrat 17.3 4.5 2.2 1.84 Cth: Ada keyakinan bahwa antara penjualan dan keuntungan ada hubungannya namun untuk memperbesar keuntungan diharapkan dapat meminimumkan biaya.6 4.5 10. La Kurang 58.18 . LD. Beta 89. LD.65 20.2 11.12 12.22 56.44 48.52 56.6 6. Bagi 71.62 21.6 8. La Min 18. laba dan biaya operasional dari 11 pedagang buah yang ada di Kendari tahun 2007.

Hasil regresi adalah berupa koefisien dari masing-masing variabel independent. 5. Metode OLS diperkenalkan pertama kali oleh Carsl Freidrich Gauss.85 1. Mahasiswa diharapkan dapat mempraktekan pengolahan data menggunakan analisis regresi serta penginterprestasian output dengan sofware MS EXCEL & SPSS. Pendahuluan Istilah ”Regresi” pertama kali diperkenalkan oleh Sir Francis Galton pada tahun 1886. Galton menemukan adanya tendesi bahwa orang tua yang memiliki tubuh tinggi. Ordinary Least Square (OLS) 4. Mahasiswa dapat menjelaskan pengertian dan kegunaan analisis regresi b. TUJUAN KHUSUS a. Inti metode OLS adalah mengestimasi suatu garis regresi dengan jalan meminimalkan jumlah dari kuadrat kesalahan setiap observasi terhadap garis tersebut. KATA KUNCI: Analisis Regresi. URAIAN PEMBELAJARAN A. RANGKUMAN Analisis regresi bertujuan mengukur kekuatan hubungan antara dua variabel atau lebih. seorang ahli matematik dari Jerman. 3. Teknik estimasi variabel dependent yang melandasi analisis regresi yang disebut Ordinary Least Square (OLS) (pangkat kuadrat terkecil). Subyek analisis . 2. Koefisien ini diperoleh dengan cara memprediksi nilai variabel dependent dengan suatu persamaan. memiliki anak-anak yang tinggi pula begitu pula sebaliknya. TUJUAN UMUM Diharapkan mahasiswa mampu menjelaskan konsep dan kegunaan analisis regresi dalam kajian empiris. Secara ringkas analisis regresi mempelajari sejauh mana variabel respon (Y) bergantung pada variabel predikator (X). Mahasiswa diharapkan dapat menghitung analisis regresi c. juga menunjukan arah hubungan antara variabel dependent dengan variabel independent.

.…………. Pokok bahasan analisis regresi akan dijelaskan pengertian dan kegunaan analisis regresi. 2. (a) ∑X1Y = a∑X1 + b1∑X12 + b2∑X1 ∑X2 ……………. (c) Kegunaan analisis regresi adalah: 1. prediksi nilai variabel tergantung berdasarkan nilaia variabel bebas. B. Bentuk persamaan regresi dengan dua variabel indenpenden adalah: Y = a + b1 X1 + b2 X2 Bentuk persaman regresi dengan 3 veriabel independen adalah: Y = a + b X1 + b2 X2 + b3 X3 Bentuk umum persamaan regresi untuk k variabel indendent dapat dirumuskan: Y = a + b1 X1 + b2 X2 + b3X3 + … + bk Xk Persamaan untuk mendapatkan koefisien regresi pada prinsipnya menggunakan metode ordinary least square(OLS) adalah meminimumkan jumlah kuadrat deviasi di sekitar garis regresi. dan b2 dapat dipecahkan secara simultan dari tiga persamaan berikut: ∑Y = na + b1∑X1 + b2∑X2 ……………. pengolahan data menggunakan analisis regresi serta penginterprestasian output dengan sofware MS Excel dan SPSS. metode perhitungan analisis resgresi dan asumsi-asumsi yang mendasari. yaitu penentuan variabel bebas mana (pada regresi berganda yang berpengaruh dominan terhadap variabel tergantung. Penjelasan (explanation) terhadap fenomena yang dipelajari atau permasalahan yang diteliti. (b) ∑X2Y = a∑X2 + b1∑X1 ∑X2 + b2∑X22……………. Tujuan analisis regresi yaitu memprediksi besarnya variabel tergantung dengan menggunakan data variabel bebas yang sudah diketahui besarnya. Pengertian dan Kegunaan Analisis Regresi Analisis regresi adalah suatu persamaan matematika yang mendefinisikan hubungan antara dua variabel. Faktor determinan. yang mana prediksi dengan regresi ini dapat dilakukan secara kuantitataif 3. Hal ini dapat dilakukan bilaman unit satuan data seluruh variabel sama dan skala data seluruh seluruh variabel homogen. Nilai koefisien regresi a.…………. b1.………….86 regresi mempelajari hubungan antara variabel dengan tujuan untuk membentuk suatu model untuk kepentingan peramalan.

Regresi berganda : Tidak ada multikolinearitas (Condition index: lebih kecil 30 berarti tidak ada multikolinearitas).εj) = 0 (Durbin Watson : sekitar 2 tidak ada otokorelasi) c. E(ε)= 0 da E(ε2) =σ2 (Park atau Plot Sisaan Terstudent dengan Fit: Random. semakin kecil semakin baik Scharz Criterion.87 C. Hubungan antara Y dengan X adalah tetap (RESET test. E(εi. Interprestasi Asumsi (Teori GAUSS-MARKOV) analisis regresi yaitu: 1. R . homoskedastisitas) b. 5. Variabel X bersifat fix atau nonstokastik (teoritis) 3. F Ketelitian model : P-Value uji F pada ANOVA (Uji koefisien serempak) untuk kepentingan generalisasi hasil prediksi) dan P-Value uji t (uji koefisien regresi secara parsiil) untuk kepentingan generalisasi eksplanasi. Erorr memiliki nilai harapan nol. Antara εI tidak berkorelasi. a. Menentukan Spesifikasi Model H Spesifikasi model sesuai dengan mekanisme subtansi pada bidang yang dikaji (teoritis) H Spesifikasi model ditentukan secara empiris (Scatter diagram) 2. semakin besar semakin akurat untuk 2 kepentingan prediksi. Variabel εi menyebar normal d. Spesifikasi Model : a. uji F dan sebagainya). menguji signifikansi model (uji t. Identifikasi Variabel Dependent dan Independent (Teoritis dan Empiris) b. semakin kecil semakin baik R2 adjusted. . Periksa Asumsi 4. Validitas Model dan Prosedur analisis Regresi Analisis regresi memiliki validitasi model yang dapat dibedakan atas tiga yaitu: F Akurasi model : Koefisien determinasi. semakin besar semakin baik. F Pemilihan Model : Akaike Information Criterion. teorits) 2. Langkah-Langkah Analisis Regresi adalah : 1. Pendugaan Parameter 3.

88

Contoh: Permintaan dipengaruhi harga dan pendapatan dengan data sebagai berikut:

Untuk mendapatkan koefisien regresi. sesuai dengan persamaan (a). (b) dan (c). perlu dihitung lebih dahulu dari nilai-nilai sebagai berikut: ∑Y. ∑X1. ∑X2. ∑X1Y. ∑X12. ∑X1 ∑X2. ∑X2Y. ∑X22

89

Untuk mendapatkan nilai Untuk mendapatkan nilai koefisien regresi a. b1. dan b2 dapat dilakukan dengan Subtitusi antar persamaan

Dari persamaan 6. maka nilai b2 adalah = -8.65/21.06 = -0.41. Setelah menemukan nilai b2. maka nilai b1 dapat dicari dengan mempergunakan persamaan 4 atau 5.

Dengan menemukan nilai koefisien regresi a. b1. dan b2 maka persamaan regresinya dapat dinyatakan sebagai berikut:

90

Penggunaan MS excel untuk mencari koefisien regresi berganda

Y)2.Y)2 terhadap varian total (total sum of squares. Rumus Koefisien Determinasi Koefisien Determinasi menunjukkan suatu proporsi dari varian yang dapat diterangkan oleh persamaan regresi (regression of sum squares.∑ YX 1 + b2 ) − ( ∑ Y ) 2 n. TSS)(Y . Besarnya koefisien determinasi dirumuskan sebagai berikut: Varian yang diterangka n persamaan regresi (RSS) R = Varian Total (TSS) 2 ˆ − Y )2 (Y R = (Y − Y ) 2 2 R = 2 n ( a.91 D.∑ Y + b1 .∑ Y 2 − ( ∑ Y ) 2 . RSS) (Ŷ .

Pelanggaran asumsi multikoniear antar variabel bebas ada korelasi. Heteroskedastititas varian atau residu tidak konstan. . b. namun ternyata variabel bebasnya berpengaruh tidak nyata.X1. Asumsi Dan Pelanggaranasumsi Pada Regresi Berganda Beberapa asumsi dalam regresi berganda adalah sebagai berikut: 1) Variabel tidak bebas dan variabel bebas memiliki hubungan yang Linier atau hubungan garis lurus. 2) Variabel tidak bebas haruslah variabel bersifat kontinu dan paling tidak berskala selang. dan rX1X1. 4) Pengamatan-pengamatan untuk variabel tidak bebas dari satu pengamatan ke pengamatan lain harus bebas atau tidak berkorelasi.92 E. Hal ini penting untuk data yang bersifat deret berkala. namun ternyata setiap variabel bebasnya secara parsial pengaruhnya tidak nyata. Heteroskedastisitas untuk menunjukkan nilai varians (Y – Ŷ) antar nilai Y tidaklah sama atau hetero. atau Uji F-nya nyata. maka datanya ditransformasi terlebih dahulu menjadi Linier dan biasanya data di log-kan terlebih dahulu. Nilai koefisien korelasi parsial yaitu rYX1.Ŷ) harus sama untuk semua nilai Y.Y ada yang lebih besar dari koefisien determinasinya. (uji-t tidak nyata). (uji-t-nya tidak nyata). bagaimana kalau tidak Linier? namun untuk persamaan yang tidak Linier. beberapa teknik untuk mengenali multikolinieritas: a. (Y – Ŷ = θ). Jadi hubungan Y dengan X harus Linier. c. sehingga menjadi Linier. Variabel kontinu ini adalah variabel yang dapat menempati pada semua titik dan biasanya merupakan data dari proses pengukuran. Variabel bebas secara bersama-sama pengaruhnya nyata.Ŷ) yang sama untuk semua nilai Y. menyebar normal dan mempunyai rata-rata 0. Nilai koefisien determinasi R2 sangat besar. rYX2.X2. Asumsi ini menyatakan bahwa nilai residu bersifat konstan untuk semua data Y. Asumsi ini memperlihatkan kondisi Homoskedastisitas yaitu nilai residu (Y . 3) Nilai keragaman atau residu yaitu selisih antara data pengamatan dan data dugaan hasil regresi (Y .

Analisis Regresi Dengan Sofware SPSS F Masukan data ke Worksheet SPSS F Klik Analyze. Cari regression dan pilih linear F Masukan variabel yang akan diananlisis F Klik Statistics. F Variabel yang diamati adalah pelaksanaan program pengembagan karir yang meliputi : mutasi. promosi. Ada beberapa penyebab autokorelasi yaitu: a. dan pelatihan) terhadap peningkatan motivasi kerja. Identifikasi variabel dependent dan independent : F Pengujian dilakukan dengan tujuan untuk mengetahui pengaruh pelaksanaan program pengembangan karir (mutasi. kemudian pilih Unstardized pda Predieted values dan Studentized di Residual (untuk uji heterokedastisitas). promosi. Selanjutnya Klik CONTINUE F Klic Save. F.93 Autokorelasi antar data pengamatan berkorelasi. . biasanya terjadi dalam fenomena ekonomi di mana sesuatu akan mempengaruhi sesuatu mengikuti siklus bisnis atau saling kait mengkait. kemudian pilih Durbin-Watson dan Collinearity Diagnostics (Uji autokorelasi dan multikolinearitas). seperti semestinya bentuk nonLinier digunakan Linier atau sebaliknya. Autokorelasi merupakan korelasi antara anggota observasi yang disusun menurut urutan waktu. Terjadi bias dalam spesifikasi yaitu ada beberapa variabel yang tidak termasuk dalam model. Kelembamam. kemudian pilih Normal Probability Plot (Uji Normalitas). dan pelatihan sebagai variabel independent. b. dan c. Spesifikasi Model 1. Bentuk fungsi yang dipergunakan tidak tepat. Selanjutnya klik CONTINUE F Klik plot. Selanjutnya Klik CONTINUE F Klik OK Contoh: Analisis Regresi Pengaruh Pelaksanaan Program Pengembangan Karir Terhadap Motivasi Kerja Pegawai Langkah-Langkah Analisis Regresi : A.

Mutasi.867 df 3 26 29 Mean Square 250. Promosi b. Skala ukuran yang digunakan adalah skala likert. Error of the Estimate 1. Promosi b. dan pelatihan) berpengaruh terhadap motivasi kerja. sedangkan untuk variabel promosi dan motivasi kerja diukur dengan 3 indikator.944a R Square .892 b Motivasi Kerja (Y) Adjusted R Square .94 sedangkan motivasi kerja sebagai variabel dependent. Pelatihan. Pelatihan. Predictors: (Constant). X2 = Promosi. Dependent Variable: Motivasi Kerja . Skatter diagram : Pengembangan Karir Mutasi (X1) Promosi (X2) Pelatihan B.974 90.000a Regression Residual Total a.325 3. promosi. Pendugaan Parameter : OLS (Software SPSS 11. Perumusan spesifikasi model secara ekonomimetrika : Y = a + b1x1 + b2x2 + b3x3 + ei b. Mutasi. dimana variabel mutasi dan pelatihan diukur dengan 4 indikator (item). Dependent Variable: Motivasi Kerja ANOVAb Model 1 Sum of Squares 750.606 Sig. Menentukan spesifikasi model : a.870 Durbin-W atson 1. Predictors: (Constant). Instrumen penelitian berupa kuisioner.892 841. Secara empiris : Variabel Variabel dependent : Y = Motivasi kerja independent pelaksanaan pengembangan karir meliputi : X1 = Mutasi.707 a.5) Model Summary Model 1 R .496 F 71. Secara teoritis : Variabel pelaksanaan program pengembangan karir (mutasi. . X3 = Pelatihan.880 Std. 2.

333 4 . secara statistik akan mendorong motivasi kerja pegawai.421 Collinearity Statistics Tolerance VIF .292 3.839X1 + 1. Pemeriksaan Asumsi Agar estimasi dari koefisien regresi tidak bias.108 + 0.310 .839 .881 .310X3 + 1. Model regresi yang baik mempunyai distribusi data normal atau mendekati normal.455 . Deteksi normalitas dapat dilakukan dengan uji chi Square dan metode grafik yaitu: a. Dependent Variable: Motivasi Kerja Berdasarkan hasil olahan data. maka estimasi parameter dapat disusun dalam bentuk persamaan regresi sebagai berikut : ^ Y = 5. bertujuan untuk mengetahui kenormalan data yang berdistribusi normal apabila nilai residual mendekati angka nol.366 .292 1. berarti distribusi data adalah normal atau mendekati normal. Persamaan regresi diperoleh bahwa semua nilai koefisien regresi memiliki tanda positif.002 .95 a Coefficients Model 1 (Constant) Mutasi Promosi Pelatihan Unstandardized Standardized Coefficients Coefficients B Std. Error Beta 5.0%) have expected frequencies less than 5.379 . Uji normalitas.0.870.697 4.207 3. a.109 2.149 .422 . sebelum melakukan proses analisis harus dilakukan lebih dulu pengujian beberapa asumsi kalsik sebagai berikut: 1.045 .576 .116 t 2.000 yang jauh berada di bawah tingkat signifikan 0. berarti arah pengaruh positif dapat disimpulkan jika variabel X1. .000 Chi-Square df Asymp.256 . Perhitungan melalui uji chi Square menghasilkan nilai chi Square= 20.333 dengan probablitas = 0.108 2. C.05.910 6. The minimum expected cell frequency is 6.544 . X2 dan X3 ditingkatkan. Chi-Square Test Test Statistics Standardized Residual 20. sehingga dapat disimpulkan bahwa data yang dianalisis memenuhi asumsi kenormalan data.817 Sig. .030 . Sig.826 a.881X2 + 0. a 0 cells (. Uji normalitas dilakukan dengan menggunakan histrogram dimana nilai residualnya rata-rata mendekati angka nol dan kurva membentul lonceng/genta.

75 Expected Cum Prob . Deteksi adanya multikolinearitas dapat dilakukan dengan cara melihat besarnya VIF (Variance Inflation Factor) dan toleransi.96 b.25 .00 Observed Cum Prob 2.00 0. maka model regresi tidak memenuhi asumsi normalitas. . maka model regresi memenuhi asumsi normalitas. serta penyebarannya mengikuti arah garis diagonal maka model regresi layak dipakai untuk prediksi dan telah memenuhi asumsi normalitas.25 0.910 sampai dengan 6. (2) jika data menyebar jauh dari garis diagonal dan tidak mengikuti arah garis diagonal.50 .75 1.50 . Dari hasil olahan data menunjukkan bahwa nilai VIF semua variabel independen berkisar antara 3.00 . terlihat titik menyebar disekitar garis diagonal.00 . asumsi klasik model regresi linear adalah tidak boleh terdapat multikolinieritas diantara variabel-variabel bebas di dalam model. Normal P-P Plot of Regression Standardized Residual Dependent Variable: Motivasi Kerja 1. Dari hasil uji metode grafik dengan melihat penyebaran titik pada sumbu diagonal dari grafik. kriteria suatu model regresi yang bebas dari multikolinearitas apabila mempunyai nilai VIF (Variance Inflation Factor) disekitar angka 1 dan besaran nilai toleransi mendekati 1. Dengan demikian dapat disimpulkan tidak terjadi gejala multikolinearitas dalam model regresi yang digunakan.1.697 yang berarti tidak lebih dari angka 10 dan nilai toleransinya di atas 0. Uji multikolinieritas. Dasar pengambilan keputusan: (1) jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal. Dari grafik di bawah ini.

Mutasi. Promosi b. Uji Heterokedastisitas digunakan mendeteksi terjadinya heteroskedastisitas ditunjukan dengan adanya ketidaksamaan varian nilai residualnya antara .379 .576 .207 3. Predictors: (Constant).292 3. Secara umum yang menjadi dasar kriteria mengenai angka D-W untuk mendeteksi autokorelasi.880 Std. berarti model regresi linear berganda tidak terjadi gejala atau terdapat masalah autokorelasi.310 .97 a Coefficients Model 1 (Constant) Mutasi Promosi Pelatihan Unstandardized Standardized Coefficients Coefficients B Std. deviasi dari nilai ini menunjukkan bahwa residu tersersebut tidak terdistribusi secara acak.149 .817 Sig.116 t 2.910 6.109 2.944a R Square .045 . Model regresi yang baik adalah bebas dari autokorelasi atau korelasi serial.697 4.002 .455 . yaitu: a) Angka D-W di bawah – 2 berarti terjadi korelasi positif b) Angka D-W di bawah – 2 sampai + 2 berarti tidak terjadi korelasi c) Angka D-W di atas + 2 berarti terjadi korelasi negatif Model Summary b Model 1 R . 4.892 Adjusted R Square .256 .030 .544 . Hal ini senada dengan pendapat Hirschey (1995 .870 Durbin-W atson 1. Error of the Estimate 1.421 Collinearity Statistics Tolerance VIF . .707 a.707 dimana berada diantara – 2 sampai + 2. Dependent Variable: Motivasi Kerja Hasil uji pada bagian model summary di atas menunjukkan nilai D-W = 1. Pelatihan.292 1. dilakukan untuk menguji suatu model regresi linear apakah terdapat korelasi antara residual (kesalahan pengganggu) dari suatu priode ke priode lainnya. 231) bahwa apabila nilai yang mendekati 2 untuk statistika Durbin-Waston menunjukkan tidak adanya korelasi serial. Dependent Variable: Motivasi Kerja 3.881 . Deteksi adanya autokorelasi dapat dilihat nilai Durbin-Watson (DW).108 2.422 .366 .839 . Uji autokorelasi. Error Beta 5.826 a.

000 .000 Sig.338 .019 Prob.923 N 30 **.98 variabel-variabel bebas yang dapat dideteksi melaui perhitungan uji koefisien korelasi rank Spearman dan grafik (scatterplot) sebagai berikut: a.000 .211 -0.262 N 30 Promosi Correlation Coefficien -.181 Sig.855** 1. N 30 Mutasi Correlation Coefficien -. Ini dapat dilakukan dengan melihat ada tidaknya pola tertentu (bergelombang) melebar kemudian menyempit pada .859** .01 level (2-tailed). .05. Hasil uji adalah sebagai berikut : Nonparametric Correlations Correlations ABS-RES Spearman's rho ABS-RES Correlation Coefficien 1. 0.262 .262 0.777** .338 0.181 0. (2-tailed) . (2-tailed) .855** . b. yang berarti model regresi linear berganda yang digunakan dalam penelitian ini tidak terjadi heteroskedastisitas. 30 30 30 Hasil uji nonparametric correlations dengan korelasi Rank Spearman dapat diringkas: Hasil Uji Heteroskedastisitas Variabel Bebas X1 X2 X3 Koefisien korelasi -0.777** .211 Sig. di mana sumbu X dan Y yang telah dipresdiksi dan telah distandardized.000 . (2-tailed) . .923 Keterangan Homoskedastisitas Homoskedastisitas Homoskedastisitas Pada di atas menunjukan bahwa koefisien korelasi dari seluruh variabel bebas adalah lebih kecil dari 0.211 -.019 Sig.019 .000 .000 30 30 30 .181 .000 . Mutasi Promosi Pelatihan -. Deteksi adanya heteroskedastisitas dapat pula dilakukan dengan melihat ada tidaknya pola tertentu pada grafik.000 . (2-tailed) .859** 1.000 30 30 30 . Correlation is significant at the 0. Perhitungan uji koefisien korelasi Rank Spearman yang mengkorelasikan antara nilai absolute residual dengan setiap variabel bebas.923 30 30 30 1.000 .338 N 30 Pelatihan Correlation Coefficien .

Uji linearitas. Uji linearitas dilakukan melalui scatter plot (diagran pancar). sehingga dapat dikatakan bahwa model regresi dalam penelitian ini telah memenuhi asumsi linearitas. tersebar baik di atas maupun di bawah angka 0 pada sumbu Y berarti tidak terjadi heterokedastisitas. sehingga model regresi layak dipakai untuk prediksi. (2) jika tidak ada pola yang jelas serta titik menyebar di atas dan di bawah angka 0 pada sumbu Y. dilakukan untuk mengetahui hubungan antara variabel bebas dengan variabel terikat yang mempunyai fungsi linear atau tidak. terlihat titik menyebar secara acak atau tidak membentuk suatu pola tertentu. Dasar pengambilan keputusan: (1) jika ada pola tertentu. seperti titik (point-point) yang ada membentuk pola tertentu yang teratur (bergelombang. Dari grafik di bawah ini. dari variabel bebas terhadap variabel terikat terpenuhi jika diantara nilai residual dan nilai prediksinya tidak membentuk pola tertentu. Scatterplot Dependent Variable: ABS-RES 3 Regression Standardized Residual 2 1 0 -1 -2 -3 -2 -1 0 1 2 Regression Standardized Predicted Value 5. maka tidak terjadi heterokedastisitas. . melebar dan kemudian menyempit) maka telah terjadi heterokedastisitas.99 grafik plot (scatter plot) antara nilai prediksi variabel terikat (ZPRED) dengan residualnya (SRESID). Hasil uji linearitas terlihat secara visual nilai residual dan nilai prediksinya tidak membentuk pola tertentu (acak).

Dependent Variable: ABS-RES Mean Std. maka diperoleh hasil persamaan regresi untuk variabel X1.781 Std. Interprestasi Berdasarkan hasil analisis regresi linear berganda.000 . Deviation . Nilai constant (β0) sebesar 5.7363 1.0888 1.29526 . Persamaan regresi dibentuk berdasarkan nilai unstandardized coefficients B dan standar erros estimasi.000 .400 2. Residual -1.2625 Residual -.870 searah jika variabel bebas (X1.881X2 + 0. maka Motivasi kerja (Y) sebesar 5.947 N 30 30 30 30 Scatterplot Dependent Variable: Motivasi Kerja 3 Regression Standardized Residual 2 1 0 -1 -2 -3 -3 -2 -1 0 1 2 Regression Standardized Predicted Value D.X2 dan X3 terhadap Y sebagai berikut: ^ Y = 5.194 1.0000 .108 1.100 a Residuals Statistics Minimum Maximum Predicted Value .X2 dan X3) menunjukkan tidak ada perubahan atau dengan kata lain tetap.108 berarti mempunyai pengaruh positif yang 2.49802 .297 a.839X1 + 1.108 + 0. dimana persamaan regresi linear berganda tersebut dapat dilihat arah hubungan dari variabel bebas (X1.2084 Std.7366 . Predicted Value -2.310X3 + 1. X2 dan X3) semuanya bertanda positif berarti setiap penambahan atau peningkatan pada masingmasing variabel berpengaruh positif terhadap Motivasi Kerja (Y) .000 1.

t = 0.05 berarti variabel X1 mempunyai pengaruh yang signifikan terhadap Y. Pelaksanaan program pengembangan karir (X1.000 < α = 0. hal ini dapat dilihat dari sebagai berikut : a.944 menunjukkan korelasi hubungan antara variabel bebas (X1. Nilai koefisien determinasi (R–Square (R2)) = 0. < 0.05. 5. 6.8% dijelaskan oleh variabel lain di luar model analisis. t = 0. berarti mempunyai pengaruh signifikan antara variabel X2 terhadap Y.101 3. c.05.5.2% kontribusi pengaruh atas variasi perubahan yang terjadi pada motivasi kerja pegawai dijelaskan oleh variasi perubahan yang terjadi pada faktor pelaksanaan program pengembangan karir (X1. . berarti tidak ada pengaruh nyata/signifikan antara variabel X3 terhadap Y.870.000).05. 4. maka model regresi dapat digunakan untuk memprediksi motivasi kerja (Y).2% variasi dari motivasi kerja pegawai (Y) dijelaskan oleh variabel bebas (X1.05) adalah X1 dan X2. b. X2 dan X3) secara simultan mempunyai pengaruh yang signifikan terhadap motivasi kerja pegawai. X2 dan X3). Uji koefisien secara simultan/Uji F signifikan (p = 0. Variabel X3 dengan sig.t) = 0. Uji t adalah untuk menguji signifikansi konstanta dari setiap variabel independent. menjukkan angka yang relatif kecil berarti model regresi yang digunakan semakin akurat untuk memperdiksi motivasi kerja pegawai (Y). Standar Error Estimate (SEE) sebesar 1. X2 dan X3) dan sisanya 10.030 < 0. sedangkan yang tidak signifikan adalah X3. 7. X2 dan X3) terhadap Motivasi kerja pegawai (Y) adalah kuat karena nilainya berada di atas 0. karena probabilitasnya lebih kecil dari 0. Nilai Multiple R sebesar 0.8% dijelaskan oleh variasi perubahan yang terjadi di luar variabel yang tidak dimasukkan dalam model.892 dapat diartikan bahwa 89. Atau menunjukkan 89.421 > 0. Sisanya 10. Kemaknaan ini dapat dilihat dari nilai signifikansi F sebesar 0.002 < 0. Variabel X2 sig.05). Variabel X1 nilai signifikan (sig. Koefisien regresi yang signifikan (sig.

102 6. apakah untuk meningkatkan produktivitas diperlukan peningkatan gaji karyawan. Untuk membuktikan teori tersebut. diadakan survei terhadap beberapa bagian di perusahaan dan berikut adalah hasilnya. EVALUASI 1) Jelaskan pengertian dan kegunaan analisis Regresi? 2) Sebutkan tahapan-tahapan dalam analisis regresi? 3) Jelaskan validitasi model analisis regresi dan asumsi analisis regresi?. X1 pendapatan keluarga dan X2 jumlah anggota keluarga. . 4) Teori Keynesian menyatakan bahwa konsumsi suatu keluarga dipengaruhi oleh pendapatan keluarga dan jumlah anggota keluarga.000/bl) 700 500 900 500 700 600 800 700 1700 1400 Jumlah Anggota 4 2 4 1 2 4 3 4 5 3 Dari soal di atas cobalah hitung dengan MS Excel: a. maka akan semakin tinggi konsumsinya. Berdasarkan pada kedua hal tersebut. demikian juga semakin banyak anggota keluarga. Hal yang disadari perusahaan. terkadang tenaga kerja tidak produktif bukan karena masalah gaji tetapi disebabkan unsur kemalasan. maka diadakan penelitian terhadap 10 keluarga di Kelurahan Kembangan Utara Jakarta Barat dan hasilnya adalah sebagai berikut: Nomor Responden 1 2 3 4 5 6 7 8 9 10 Konsumsi (Rp.000/bl) 500 400 600 300 400 500 400 500 600 500 Pendapatan (Rp. atau diperlukan tambahan pengawas. maka semakin tinggi konsumsinya. Hitunglah koefisien determinasinya c. Teori ini menyatakan bahwa semakin tinggi pendapatan. oleh sebab itu diperlukan tambahan jumlah pengawas. Koefisien regresi dari persamaan Y = a + b1 X1 + b2 X2 di mana Y adalah konsumsi keluarga. b. Ujilah signifikansinya dari Uji F dan Uji t 5) Perusahaan masih memikirkan masalah produktivitas.

5 3.720 2.2 3. cobalah Anda buktikan apakah keyakinan bahwa gaji sebagai wujud keberhasilan alumni memang dipengaruhi oleh IPK dan lama studinya dengan MS Excel! .785 IPK 3.1 3.785 1. Ujilah dengan uji F dan uji-t d. Untuk keperluan tersebut dilakukan survei terhadap 10 alumni di 10 perusahaan dan berikut adalah hasilnya.380 2.4 2.3 2.103 Responden 1 2 3 4 5 6 7 8 9 10 Produksi 40 25 35 10 20 50 35 10 25 15 Gaji 850 610 680 200 340 950 700 160 350 150 Pengawas 9 5 7 5 7 13 15 11 16 10 Diminta menghitung dengan menggunakan software SPSS: a.9 2.805 2.210 3.7 3.955 1. Responden 1 2 3 4 5 6 7 8 9 10 Gaji (juta/bl) 1.6 3.615 2. Hitung koefisien determinasi dan korelasinya c. Buatlah regresi dan hitung koefisiennya b.7 3.230 1.5 Lama Studi 6 5 6 4 5 4 4 5 4 6 Diminta : Dengan data tersebut.975 2. Bahaslah apa yang sebaiknya dilakukan oleh pengusaha sepatu? 6) Ada pemikiran di Universitas Haluoleo Kendari untuk mengetahui keberhasilan alumninya dengan melihat adakah hubungan antara keberhasilan alumni yang dilihat dari besarnya gaji yang diterima dengan IPK dan lama studi.

5. . dan paraktek pengolahan data menggunakan metode-metode non-parametrik serta penginterprestasian output dengan sofware excel dan SPSS. Mahasiswa dapat menjelaskan pengertian dan kegunaan analisis non-parametrik b. 2. KATA KUNCI: Analisis Non-Parametrik. Statistika nonparametrik merupakan statistik yang tidak memerlukan pembuatan asumsi tentang bentuk distribusi atau bebas distribusi. TUJUAN UMUM Diharapkan mahasiswa mampu menjelaskan konsep teori dan kegunaan analisis nonparametrik serta aplikasi dalam kehidupan nyata. Sehingga analisis dari data yang bersifat kualitatif tersebut perlu dilakukan tahapan tersendiri dalam melakukan langkah perhitungan dan pengujiannya. metode-metode yang digunakan dalam analisis non-parametrik. sehingga tidak memerlukan asumsi terhadap populasi yang akan diuji. RANGKUMAN Metode kualitatif atau sering juga disebut metode metode non-parametrik merupakan metode yang bersifat historis. dan sebagainya. komperatif. TUJUAN KHUSUS a. case study. Pendahuluan Pokok bahasan statistika nonparametrik secara khusus mengenai data yang berskala ordinal (jenjang) dimana data tersebut mempunyai arti berdasarkan urutan tingkat kepentingan. Mahasiswa diharapkan dapat menghitung metode-metode analisis dengan mengunakan pendekatan analisis non-parametrik c. 4. URAIAN PEMBELAJARAN A. Dalam kajian statistika nonparametrik akan diuraikan pengertian dan kegunaan analisis statistika nonparametrik.104 1. Mahasiswa diharapkan dapat mempraktekan pengolahan data menggunakan metodemetode nonparametrik serta interprestasi output dengan sofware excel dan SPSS. 3.

case study. maka kesimpulan analisis yang diperolah kemungkinan akan membias. sebagaimana yang disajikan pada skema berikut: . Goodnes of Fit Tes. Š Dapat dipergunakan untuk menganalisis data yang ukuranya menurut skala ordinal & nominal. Uji tanda. Pengertian Statistika Nonparametrik (Kualitatif) ”Statistika nonparametrik adalah statistik yang tidak memerlukan pembuatan asumsi tentang bentuk distribusi atau bebas distribusi. Š Metode analisis relatif mudah dengan hanya mempergunakan aljabar yang sederhana Š Mudah dipelajari dan diaplikasikan. 2. sehingga tidak memerlukan asumsi terhadap populasi yang akan diuji”. Anova. Satatistika nonparametrik merupakan metode statistika yang tidak memerlukan suatu anggapan tertentu mengenai bentuk sebaran atau parameter dari variabel random yang diselidiki atau metode yang bersifat historis. uji peluang pasti Fisher. Š Dapat dipergunakan untuk menganalisis dengan cuplikan (populasi) yang sedikit Š Dapat menganalisis data yang populasinya atau sampelnya berbeda. Kelemahan statistika nonparmetrik : 1. Tidak dapat dipergunakan untuk mengukur interaksi 3. Pengolongan Statistika Nonparametrik yaitu: chi Square.105 B. run test. independent dua Sampel. Goodman & Kruskal. dan sebagainya. Bila asumsi sebaran normal dapat dipenuhi. uji perubahan tanda. Tidak dapat dipakai sebagai alat untuk menduga atau meramal. Selanjutnya dalam menggunakan statistik nonparametrik ada beberapa alasan yang mendasar dan yang harus dipahami. Manfaat Statistika nonparmetrik: Š Nilai peluang hasil analisis dapat diperoleh dengan pasti karna tidak berdasarkan pada anggapan (Asumsi). komperatif.

106 Gambar 10. Uji chi-Kuadrat (Kai Kuadrat) Uji Chi-Kuadrat adalah membandingkan antara fakta yang diperoleh berdasarkan hasil observasi dan fakta yang didasarkan atas teoritis (dihrapkan).1. Menggunakan Statistik Nonparametrik C. Formulasi untuk menghitung chi-kuadrat adalah: . Metode-metode Analisis Statistika Nonparametrik (Kualitatif) 1.

Uji Chi-Kuadrat untuk Keselarasan Gambar 10.107 Asumsi-Asumsi yang mendasari hasil perhitungan chi-kuadrat adalah: a. Jika X2 = 0. dapat diartikan bahwa frekwensi-frekwensi teoritis dan yang diharapkan adalah tetap sama dengan frekwensi-frekwensi hasil observasinya. Jika X2 > 0. Hasil perdagangan saham pada minggu pertama 2007 sebagai berikut: Langkah-langkah penyelesain: . Uji chi-square dapat dibedakan atas tiga jenis yaitu : 1. Berkeluarga Contoh: Uji keselarasan dengan frekuensi harapan sama. c. Semakin besar nilai X2 maka dapat diartikan semakin besar pula perbedaan antara frekwensi yang diobservasi dan yang diharpkan. 2. frekwensi-frekwensi terebut dapat diartikan tetap tidak sama. Grafik Chi-Kudrat Tidak Tunggal. b.

maka dapat dicari nilai kritis chi-kuadrat dengan menggunakan tabel chi-kuadrat sebagai berikut: F Melakukan perhitungan Chi-Squre (uji Kai Kuadrat) . Untuk kasus ini. nilai n adalah kategori atau sampel yaitu 10. Setelah menemukan nilai df dan taraf nyata. Hipotesa yang disusun adalah hipotesa nol (H0) dan hipotesa alternatif (Ha). jadi derajat bebasnya adalah df= 10 . H0. Ha. Hipotesa dinyatakan sebagai berikut: H0 : fo = fe Ha : fo ≠ fe F Menentukan Taraf Nyata dan Nilai Kritis. dimana k= 1. menyatakan bahwa ada perbedaan antara nilai atau frekuensi teramati dengan nilai atau frekuensi yang diharapkan.1= 9. Sedangkan hipotesa alternatif. Hipotesa nol. sedang k adalah variabel. menyatakan bahwa tidak ada perbedaan antara nilai atau frekuensi observasi atau teramati dengan nilai atau frekuensi harapan.108 F Menentukan hipotesa.

Jadi terdapat cukup bukti untuk menolak Ho. Uji Chi-Kuadrat untuk uji Kenormalan Gambar 10. Dengan demikian Ho ditolak dan Ha diterima.109 F Menentukan Daerah Keputusan F Menentukan Keputusan. Skema Langkah-Langkah Uji Normalitas . 3. 2. berdasarkan aturan pada langkah ke-4.5 dan nilai chi-kuadrat kritis 16. sehingga antara kenyataan yang terjadi dengan harapan dari analisis adalah tidak sama.919 berarti nilai chi-kuadrat hitung > dari chi kuadrat kritis. diketahui nilai chi-kuadrat hitung adalah 219.

Anda dapat menyusun hipotesa satu arah dan dua arah. Adapun analisis data berperingkat meliputi: 1) Uji Tanda Uji tanda adalah “Uji yang dimaksudkan untuk melihat adanya perbedaan dan bukan besarnya perbedaan serta didasarkan pada prosedur pada tanda positif dan negatif dari perbedaan antara pasangan data ordinal”. apabila hipotesa nol mengandung tanda sama dengan (=). Menentukan keputusan apakah menerima Ho atau menolak Ho. . sedang hipotesa mengandung tanda ketidaksamaan (≤. Menentukan nilai X2 dengan rumus: e.110 3. Menentukan hipotesa. Menentukan daerah kritis yaitu daerah penerimaan Ho dan penolakan Ho f. Uji Chi-Kuadrat untuk uji Independensi Bagaimana Melakukan Uji Independensi? Langkah-langkah yang dapat dilakukan pada uji Chi-Kuadrat untuk uji Independensi adalah: a. Menentukan nilai χ2 kritis dengan taraf nyata α dan derajat bebas df=(r . Hipotesa Ho biasanya menyatakan tidak ada hubungan antara dua variabel. Menyusun hipotesa. 2. Hipotesa nol (Ho) untuk uji tanda biasanya menyatakan bahwa tidak ada perbedaan. Menentukan frekuensi harapan (fe) dimana fe untuk setiap sel dirumuskan: d.1) x (c . sedang hipotesa alternatif (H1) menyatakan adanya perbedaan. b. sedangkan Ha menyatakan ada hubungan antara dua variabel. Hipotesa merupakan langkah pertama yang harus ditentukan. Data Beperingkat Statistika nonparametrik untuk data berperingkat menggunakan data ordinal yaitu data yang sudah diurutkan dengan urutan tertentu dan diberikan peringkatnya. Langkah-Langkah Uji Tanda adalah: a. berarti uji dua arah. ≥) menunjukkan uji satu arah.1) c.

sedang tanda 0 tidak dipergunakan. Menggunakan Excel Untuk Menghitung Probabilitas Sampel yaitu: . Nilai r biasanya dipilih berdasarkan tanda + atau – yang paling kecil dari n observasi yang relevan. menerima Ho apabila α ≤ probabilitas hasil sampel. Pada langkah ini kita ingin mengetahui berapa probabilitas suatu kejadian dari n sampel observasi yang relevan dengan r kejadian secara bersamaan. Taraf nyata ini merupakan tingkat toleransi terhadap kesalahan kita terhadap sampel. c. Kesimpulan yang diperoleh adalah menerima Ho atau menolak Ho. di mana jumlah r bisa sama dengan n atau lebih kecil dari n. Aturan umum dalam menentukan menerima atau menolak Ho adalah. maka perlu mengetahui nilai r yaitu jumlah obyek yang digunakan pada saat bersamaan. Pada umumnya anda dapat gunakan taraf nyata 1%. d. e. Menentukan probabilitas hasil sampel yang diobservasi. Pada langkah ini dilakukan perhitungan untuk jumlah observasi yang relevan (n) yaitu observasi yang mempunyai tanda + dan -. Menetukan kesimpulan. Menghitung Frekuensi tanda. Untuk keperluan ini kita dapat menggunakan tabel probabilitas binomial atau menghitung manual dengan rumus P (r) = (nCr)prqn-r. 5% atau 10%. sedang menolak Ho menunjukkan adanya perbedaan antara subyek yang dicocokkan. Setelah menentukan nilai observasi n. Menerima Ho menunjukkan bahwa tidak ada perbedaan. Memilih taraf nyata.111 b. dan menolak Ho atau menerima H1 apabila α ≥ probabilitas hasil sampel.

112 Rumus Z Untuk Sampel Besar Di mana: Z : Nilai Z hitung R : Jumlah tanda + N : Jumlah sampel yang relevan 2) Uji Peringkat Bertanda Wilcoxon Langkah-Langkah Dalam Uji Peringkat Bertanda Wilcoxon a. Menentukan Hipotesa. (c) memisahkan nilai rangking yang positif dan negatif. b. Nilai kritis diperoleh dengan mempergunakan tabel uji peringkat bertanda Wilcoxon. Untuk menentukan nilai statistik Wilcoxon ada beberapa langkah yaitu: (a) membuat perbedaan data berpasangan. Untuk menentukan nilai kritis diperlukan pengetahuan nilai observasi yang relevan (n) dan taraf nyata. Menentukan Nilai Statistik Wilcoxon. untuk nilai beda yang sama digunakan rata-rata rangking. c. Hipotesa kerja biasanya menunjukkan tidak ada perbedaan sedang hipotesa alternatif menunjukkan adanya perbedaan. (d) menjumlahkan nilai rangking positif dan negatif. Menentukan Nilai Kritis. nilai yang terkecil merupakan nilai statistik wilcoxon. (b) memberikan rangking untuk urutan beda data berpasangan tanpa memperhatikan tanda. .

Apabila nilai statistik wilcoxon < nilai kritis maka Ho ditolak dan H1 diterima. begitupula sebaliknya. Menentukan keputusan.113 d. Uji Jumlah Peringkat Wilcoxon dengan rumus: Di mana: Z : Nilai Z hitung W : Jumlah peringkat sampel pertama n1 : Jumlah observasi sampel relevan pertama n2 : Jumlah observasi sampel relevan kedua 3) Uji Kruskal-Wallies Gambar 10. 3. Skema Langkah-Langkah Kruskal-Wallies .

Skema Langkah-Langkah Koefisien Korelasi Spearman Contoh: Hubungan laba bank dengan harga saham berikut ini adalah data tentang laba dan harga saham dari 8 bank tahun 2007. Langkah Penyelasian : . 3.114 4) Koefisien Korelasi Spearman Koefisien korelasi berperingkat spearman pengujian dapat dilakuakan dengan beberapa tahapan sebagai berikut: Gambar 10.

6%. Hubungan antara harga saham dengan laba termasuk kuat. Menyusun peringkat data Langkah Kedua. Menghitung koefisien korelasi Spearman Nilai koefisien korelasi spearman 0. Menghitung Perbedaan Peringkat Langkah Ketiga.115 Langkah Pertama. ini menunjukkan bahwa ada hubungan antara harga saham dengan laba perbankan sebesar 78. .786. kinerja saham akan berhubungan dengan kinerja laba perbankan.

sehingga dapat mendorong perbaikan harga saham di bursa.22 Dengan data tersebut apakah target atau harapan pemerintah masih sesuai dengan kondisi sebenarnya dengan taraf nyata 5%? . EVALUASI 1) Jelaskan pengertian dan kegunaan statistika nonparametrik? Berikan contoh! 2) Sebutkan beberapa metode analisis dalam statistika nonparametrik? 3) PT. Angkutan Kilat adalah perusahaan transportasi untuk buah-buahan dari Landono ke Kendari. apakah antara harapan dan kenyataan masih sesuai? 5) Pemerintah menghendaki bahwa inflasi pada tahun 2007 sebesar 8% pertahun. apakah masih sesuai harapan dari perusahaan dengan taraf nyata 5%.116 6.08 Bandung 11. Berikut ini adalah data buah yang rusak selama 6 bulan terakhir.49 Banjarmasin 9. Bulan % Kerusakan Buah 1 9 2 12 3 14 4 15 5 18 6 16 4) Beberapa emiten merencanakan memberikan dividen yang lebih besar untuk tahun 2007.15 Denpasar 12.56 Surabaya 9.18 Makasar 8.25 Menado 15. Dari data tersebut.49 Palembang 12.97 Semarang 13. Berikut adalah dividen yang diharapkan atau direncanakan dan deviden yang dapat dibayarkan pada tahun 2007 dalam rupiah per lembarnya. Perusahaan fe fo Semen Gresik 231 268 Gudang Garam 500 300 Timan Tbk 119 25 Ramayana 75 100 Sampurna 57 90 Unilever 250 300 Dengan memperhatikan kondisi tersebut.25 Padang 10.22 Jakarta 9. Data tahun 2007 inflasi dibeberapa kota besar adalah sebagai berikut: Kota Inflasi (%) Medan 9. Perusahaan menginginkan kerusakan buah yang diangkut tidak sampai 15%.

Berikut adalah hasilnya: IPK Total Tingkat Penghasilan (jutaan) <0. ujilah dengan uji tanda.75-3.117 6) Pemerintah berusaha agar tingkat hidup petani semakin membaik.5 >3. ujilah apakah ada hubungan antara acara TV dengan kelompok umur? 8) Ada keyakinan bahwa apabila IPK tinggi.8 0. Berikut adalah hasil penelitian tersebut: Kelompok Total Acara TV umur Senetron Musik Kartun Dewasa 200 160 110 470 Remaja 150 150 120 420 Anak 160 130 110 400 Jumlah 510 440 340 1290 Data tersebut. . Berdasarkan keyakinan tersebut. Nani dari CESS tahun 2003 melakukan penelitian terhadap 751 sarjana dari berbagai PT yang bekerja disektor perbankan di Jakarta.5 67 80 73 17 237 <2.5 1. Berikut ini nilai NTP petani selama 2007.5-3. Usaha tersebut dilakukan dengan berbagai program diantaranya adalah pemberian kredit. apakah keyakinan adanya hubungan antara IPK dengan tingkat penghasilan dapat dibenarkan? 9) Berikut ini adalah data ekspor nonmigas pada tahun 2006 dan 2007 selama 10 bulan. Pada tahun 2007 diharapkan nilai tukar petani dapat mencapai 110 atau terjadi kelebihan 10% dari apa yang harus dibayar.5 22 31 31 8 92 2. apakah kondisi 2007 lebih baik dari tahun 2006. dengan nilai NTP tersebut apakah keinginan pemerintah dapat tercapai pada taraf uji 5%? Bulan NTP Bulan NTP 1 115 7 89 2 113 8 93 3 118 9 94 4 118 10 94 5 113 11 94 6 114 12 92 7) PT ABC memproduksi minuman sari asem dalam bentuk kemasan. Dengan data tersebut.5 >3. maka akan mendapatkan penghasilan tinggi.75 124 161 122 15 422 213 272 226 40 751 Dari data tersebut. Untuk mempersiapkan pengiklanan produk ini perusahaan ingin mengetahui apakah ada hubungan antara acara di TV dengan kelompok umur. Keinginan ini didasarkan perusahaan ingin produknya dikonsumsi remaja yang mempunyai hobi musik.8-1.

6 Sri Anah 1. Joni 70 85 WD.4 Tati Barus 2.8 Hasan 1. Dengan menggunakan uji jumlah peringkat wilcoxon.4 Yadi 2.5 Prapto 1.1 Nani 1.1 Asep 1. Berikut adalah hasil tes dari manajer tersebut sebelum dan sesudah training. Yono Suyono 20 65 La Junaedi 80 80 Rachmat 65 75 Wa Sri Anah 85 75 Zulfithri 90 85 11) Teori SDM konsentrasi terhadap kesempatan untuk mendapatkan gaji yang sama antara pria dan wanita. Waluyo 40 55 La Jumadi 38 38 Nurhidayat 50 80 Makmun 85 65 La Hardi 65 75 LD. apakah benar bahwa gaji karyawan wanita lebih rendah dibandingkan dengan kaum pria? Wanita Gaji (jutaan) Pria Gaji (jutaan) Augustina 1.6 Yuni Astuti 1.7 Anik 1.1 Afra 1.6 Purwo Handoko 1. Mardiyani 25 65 Khofifah 55 90 Wulandari 90 95 LD.2 Farida 2. Berikut ini adalah data gaji karyawan prian dan wanita.6 Zulfithri 3. untuk lebih mengoptimalkan pemanfaatan sumber daya manusia yang ada.3 Atep Afia 2.118 Bulan 1 2 3 4 5 6 7 8 9 10 Ekspor 2007 3727 3623 3814 3880 3920 4222 4252 3716 3885 3965 Ekspor 2006 3222 3366 3523 3747 3717 4105 4033 3884 4034 4182 10) PT PLN Persero mengirimkan 14 manajernya untuk training dalam menyusun job analysis. apakah ada perbedaan antara sebelum dan sesudah training? Nama Test awal Test Akhir LD. Ujilah dengan uji tanda.1 Utje 2.2 .

dengan taraf nyata 5%.119 12) Ada permintaan dari staf Bank Mandiri bagian penyelesaian kasus kredit. Diknas dan Deperindag. Berikut adalah data penghasilan usaha kecil dalam 1 tahun dalam jutaan. Dengan menggunakan uji wilcoxon. sedangkan apabila berbeda maka akan diteruskan. Internet dan antarjemput. Ada gagasan apabila hasil pembinaan dari ketiga departemen tersebut sama maka akan digabungkan saja. Ujilah dengan kruskal-wallis apakah hasil antar pembinaan sama atau tidak. ujilah apakah ada perbedaan sebelum dan sesudah pemberian fasilitas tersebut: Nama Kasus Awal Kasus Akhir Agus Mulyadharma 23 33 Nani 26 26 Suwito 24 30 Jose Hehamanua 17 25 Lucky 20 19 David Januaria 24 22 Hendro 30 29 Sisca Mardiana 21 25 Budi Oktavia 25 22 Santi K 21 23 Agustina 16 17 Farida 20 15 Utje Usman 17 9 Atep Afia 23 30 13) Pembinaan usaha kecil selama ini terpecah menjadi beberapa departemen yaitu Koperasi. Koperasi Diknas Deperindag 56 19 94 37 36 25 23 73 65 74 92 77 91 25 61 67 33 27 . agar suasana kerja diperbaiki. sehingga produktivitas meningkat. Telepon. Manajemen memutuskan memberikan tambahan fasilitas seperti AC.

1991. SPSS Statistika Multivariat. Marketing Research. Jakarta Hair. 2002. Statistika Teori dan Aplikasi. (1993): LISREL 8 User’s Reference Guide . Erlangga. Jakarta Supranto. Grafindo. Naresh K. Statistics For Managers Using Microsoft Excel. & Black.L. Bandung. Nazir. Imam. USA. M. Jakarta. 1998. 1992. Tatham. CV. 2005. Tarsito Bandung. Ekonomimetrika Dasar. W. Rineka Cipta Jakarta. 1997. 2001. Aplikasi Analisis Multivariat dengan Program SPSS. 2000. PT. Statistika Sosial. Joreskog. Malhorta. Sudjana. dan .C. Supangat. Andi. M. Singgih. 2004. 2004.. Chicago: Scientific Software International. G.all. An Applid Orientantion. Gujarati. Sugiyono. Universitas Dipanegaoro. The PrenticeHall. R. Rineka Cipta Jakarta. Statistika Dalam Kajian Deskriptif. Fakultas Pertanian Universitas Padjajaran. Anderson. Metode Penelitian Bisnis. Edisi ke-6. Análisis multivariante. J. & Sorbom D. Rineka Cipta Jakarta. Elex Media Komputindo.E. Santoso. Penerbit PT. Jakarta Purwadi.. R.. 2001. Sudrajat. 5ª ed. Metode Statistika. Tehnik Analisi Multivariat. Jakarta Ghozali. Dahmodar & Sumarno Zain. Penerbit Kencana Pernada Media Group. K.120 DAFTAR PUSTAKA Anto Dayan. J. 2002.. Riset Pemasaran Implementasi Dalam Bauran Pemasaran. Madrid.. 2004. Inc. Supranto. Pearson Edition Internasional. Metode Penelitian. Alfabeta. 2007. Inc. Erlangga. J. Prentice Hall Iberia. et. B. David.H. Supranto. Metode Riset. Statistika I & II. New Jersey. Ghalia Indnesia. Semarang. 1999. Levine. 1993. Nonparametrik. Jakarta. Bandung Iferensial. J.

Sign up to vote on this title
UsefulNot useful