Buku Statistik Bisnis

Dr. H. Asep Suryana Natawiria, M .M ., M.Sc.
Dr. Riduwan, M.B.A.
STATISTIKA
B ISN IS
i-i
ni
Kim ALFABETA
handunc;
2010, Penerbit Alfabeta, Bandung

Sta36 (vi + 174; 16x24 cm)
Judul Buku
Desain Sampul
Cetakan Ke-1
ISBN
Statistika Bisnis
Abu Muhammad Ali Zainal Abidin
Alfabeta Bandung, Maret 2010
978-602-8361-90-3
Tim Penulis
: Dr. H. Asep Suryana Natawiria, M .M., M.Sc.
Ketua
: Dr. Riduwan, M.B.A.
Wakil
Anggota:
1. Herry Irawan, S.T., M .M .
2. Refi Rifaldi W.G., S.T., M .M .
3. Siska Noviaristanti, S.T., M .M .
Diterbitkan oleh ALFABETA

JI. G egerkalong Hilir 84 Bandung 40153
Tip: 0 2 2 -2 0 0 8 8 2 2 Fax: 0 2 2 -2 0 2 0 3 7 3
e m a il: alfa betabdg (ya h o o .ro . k I
W ebsite: w w w .c v iilla b o t.i.i om
A N G G O T A IKAPI JAW A BARAT
KATA PENGANTAR
uku ini sangat berguna bagi para pemula yang ingin menyusun
tugas akhir atau skripsi mahasiswa S-1 umum, khususnya
Institut Teknologi Telkom-lnstitut Manajemen TelkomPoliteknik Telkom dan Telkom Professional Development Center
(PDC). Juga dipakai siswa S-2 dan S-3 yang selama ini kesulitan
dalam memahami dan melakukan penelitian, baik penelitian mandiri
untuk syarat kenaikan pangkat maupun promosi jabatan; menyusun
tesis dan disertasi. Sebenarnya penelitian itu mudah dan tidak sesulit
yang dibayangkan, hanya saja kita harus meluangkan waktu dan
memahaminya dengan tekun.
Buku ini dirancang model modul untuk memenuhi kebutuhan

mahasiswa terhadap referensi matakuliah statistika bisnis. Oleh
karena itu, diharapkan buku ini dapat menjadi rujukan bagi
mahasiswa secara umum. Khususnya Institut Teknologi Telkomlnstitut Manajemen Telkom-Politeknik Telkom dan Telkom PDC.
untuk mengetahui dan memahami lebih mendalam tentang
matakuliah statistika bisnis, baik pada tatatan nasional maupun
internasional.
Buku ini merupakan analisis dasar statistika bisnis baik teori
maupun praktik serta disertai langkah-langkah yang mudah. Mem
bahas analisis data mulai dari analisis deskriptif-korelasi sederhana ganda-analisis regresi sederhana-ganda Uji beda satu, dua dan
banyak variabel (uji anova) sampai pada analisis jalur (path analysis).
Pada kesempatan ini penulis mengucapkan terimah kasih
kepada yang terhormat: Prof. Dr. H. Buchari Alma sebagai pimpinan
penerbit Alfabeta. Rekan-rekan dosen matakuliah statistika bisnis di
IM Telkom Herry Irawan, S.T., M .M - Refi Rifaldi W.G., S.T.,
M.M - Siska Noviaristanti, S.T., M.M. Semoga buku matakuliah
statistika bisnis dapat diikuti oleh dosen matakuliah lain.
Akhirnya, mudah-mudahan buku yang sederhana ini dapat
berguna untuk semua pihak yang membutuhkannya, terutama
mahasiswa sobagai salah satu sumber matakuliah statistika bisnis.
Terima kasih, somoga Allah SWT memberkahi dan meridhoi usaha
kila somua. Amin.
Ita n d u n i),
1 I I (.'timan OM)
' f t tm/i.*
DAFTAR ISI
KATA PENGANTAR
DAFTAR ISI - iv
BAB 1
- m
PENDAHULUAN
A. TUJUAN - 1
B. POKOK BAHASAN - 1
C. INTISARI BAC AAN - 2
1. Pengertian Dasar Statistika dan Statistik
2. Landasan Kerja Statistik - 4
3. Karakteristik Pokok Statistik - 5
4. Manfaat dan Kegunaan Statistika - 6
5. Variabel - 7
6. Skala - 8
7. Masalah Yang Dihadapi - 10
8. Pengambilan Keputusan - 12
D. RANGKUMAN - 14
E. SOAL LATIHAN - 16
BAB 2
ANALISIS FREKUENSI
A .T U JU A N - 19
B.
POKOK BAHASAN - 19
1. Tabel Frekuensi - 20
2. Tabel Frekuensi Relatif - 21
3. Presentasi Grafik Data Kualitatif - 21
4. Distribusi Frekuensi - 24
D. RANGKUMAN - 27
E. SOAL LATIHAN - 2 7
BAB 3
ANALISIS DESKRIPTIF (PENGUKURAN

GEJALA PUSAT)
A .T U JU A N - 29
B.
POKOK BAHASAN - 2 9
1. Rata-rata (mean) - 30
2. Mode - 35
3. Median - 38
D. RANGKUMAN - 43
I SOAI I A 1IIIAN
BAB 4
ANALISIS DESKRIPTIF (PENGUKURAN

PENYIMPANGAN)
A. TUJUAN - 45
1. Range - 47
2. Standard Deviation - 48
3. Variance - 51
D. RANGKUMAN - 51
BAB 5
KORELASI SPEARMAN RANK
BAB 6
A. TUJUAN - 53
C. INTISARI BA C AA N - 54
D. RANGKUMAN - 58
KORELASI PEARSON PRODUCT MOMENT (KPPM)
A. TUJUAN - 59
C. INTISARI BA C AA N - 60
D. RANGKUMAN - 64
BAB 7
KORELASI GANDA
A.
B.
C.
D.
E.
BAB 8
REGRESI SEDERHANA
A.
B.
C.
D.
E.
BAB 9
TUJUAN - 65
POKOK BAHASAN - 65
INTISARI BAC AAN - 66
RANGKUMAN - 73
SOAL LATIHAN - 7 3
TUJUAN - 75
POKOK BAHASAN - 7 5
INTISARI B A C AAN - 76
RANGKUMAN - 85
SOAL LATIHAN - 86
REGRESI GANDA
A.
R.
C.
I)
I
TUJUAN - 87
POKOK BAHASAN 87
IN I ISARI BACAAN HH
NANOKUMAN
i)M
!'.()AI I A l IIIAN
(M
BAB 10 CHI-KUADRAT
A.
B.
C.
D.
E.
TUJUAN - 95
POKOK BAHASAN - 95
RANGKUMAN - 99
SOAL LATIHAN - 100
BAB 11 PERBANDINGAN SATU VARIABEL

BEBAS (UJI t)
A.
B.
C.
D.
E.
TUJUAN - 101
POKOK BAHASAN - 101
RANGKUMAN - 109
SOAL LATIHAN - 109
BAB 12 PERBANDINGAN DUA VARIABEL BEBAS

(UJI t)
A.
B.
C.
D.
E.
TUJUAN - 111
POKOK BAHASAN - 111
RANGKUMAN - 115
SOAL LATIHAN - 115
BAB 13 ANOVA SATU JALUR (One Way - Anova)

A.
B.
C.
D.
E.
TUJUAN - 117
POKOK BAHASAN - 117
RANGKUMAN - 124
SOAL LATIHAN - 124
BAB 14 PATH ANALYSIS

A.PENGERTIAN PATH ANALYSIS - 125
B.
MANFAAT PATH ANALYSIS - 126
C. ASUMSI-ASUMSI PATH ANALYSIS - 126
D. MODEL PATH ANALYSIS - 127
E. MODEL PERSAMAAN STRUKTURAL - 127
F. KESIMPULAN BEBERAPA MODEL ANALISIS -130
G. RANGKUMAN - 154
H. SOAL LATIHAN - 154
DAFTAR PUSTAKA - 156
D A FTA R T A B E L - 157
RIWAYAT HIDUP PENULIS - 169
BAB 1
PENDAHULUAN
A. TUJUAN
Setelah menyelesaikan Bab 1 ini, Anda diharapkan akan dapat:
1. Mengetahui konsep-konsep dasar statistik
2. Menyebutkan dan memberikan pengertian konsep dasar statistik
B. POKOK BAHASAN
Pencapaian tujuan tersebut dalam Bab 1 dijelaskan:
1.
2.
3.
4.
Pengertian Dasar Statistika dan Statistik

Landasan Kerja Statistik
Karakteristik Pokok Statistik
Manfaat dan Kegunaan Statistika
5. V a ria b e l
6. S kala
7. M a s a la h ya ng D ih a d a p i
M I *<>11 <j n 1111>11<111 K e p u tu sa n
C. INTISARI BACAAN
1. Pengertian Dasar Statistika dan Statistik
idang statistika dapat dianggap sebagai bahasa khusus yang
juga dipakai untuk berkomunikasi. Kekhususan statistika
sebagai bahasa tidak berarti bahwa kita harus berkomunikasi secara
berbeda, tetapi kekhususan dimaksud hanya sekedar untuk
mendorong supaya cara kita berbicara atau menyajikan data lebih
tepat dan akurat.
Statistika sebagai bahasa juga memiliki aturan main
sebagaimana bahasa-bahasa lainnya, termasuk kata-kata dan
gramatikanya. Namun demikian, statistika merupakan bahasa
yang terbatas penggunaannya. Dengan statistika kita hanya
mampu membicarakan tentang ciri-ciri atau karakteristik tentang
berbagai hal (benda atau sifat) yang kita amati. Sebelum
statistika mampu berfungsi sebagai bahasa komunikasi yang
baik, ia harus diberikan masukan terlebih dahulu berupa data
mentah hasil observasi atau hasil penelitian (Suwarno, 2005:1).
Pengertian tersebut dalam buku ini dibedakan antara
statistika dan statistik. Tempo dulu statistik hanya digunakan untuk
menggambarkan keadaan dan menyelesaikan problem-problem
militer dan kenegaraan saja seperti: jumlah personel; peralatan
persenjataan perang, jumlah tentara yang mati, kekuatan personel
musuh,
perhitungan banyaknya penduduk, pembayaran pajak,
mencatat pegawai yang masuk dan keluar, membayar gaji pegawai,
mencatat perkembangan hasil kebun dan lainnya. Namun, di era
globalisasi ini hampir semua bidang menggunakan statistik
bergantung pada masalah yang dijelaskan oleh nama statistik itu
sendiri. Misalnya: militer, pendidikan, kedokteran, pertanian,
psikologi, administrasi, sosiologi, teknik, hukum, bisnis, ekonomi
bahkan politik. Pengertian statistik itu sendiri berasal dari kata slnto
(Yunani) yaitu negara dan digunakan untuk urusan nogara. Dari
uraian ini dapal dinyatakan bahwa statistik adalah rekapitulasi dan
fakta yang bentuk angka-angka disusun dalam bentuk tabel dan

diagram yang mendiskripsikan suatu permasalahan. Adapun jenis
tabel, yaitu: tabel biasa, tabel kontigensi. dan tabel distribusi
frekuensi, sedangkan jenis diagram, yaitu: (diagram batang, diagram
garis atau grafik, diagram lambang, lingkaran, diagram pastel,
diagram peta dan diagram pencar).
Statistik bisa digunakan untuk ukuran sebagai wakil dari
kelompok fakta mengenai: nilai rata-rata mahasiswa, rerata
produktivitas kerja perusahaan, persentase keberhasilan belajar,
ramalan kemampuan mahasiswa memprediksi hasil produksi
pertanian dan sebagainya. Untuk memperoleh sejumlah informasi
yang menjelaskan masalah untuk ditarik kesimpulan yang benar, arus
melalui beberapa proses, yaitu proses pengumpulan informasi,
pengolahan informasi, dan proses penarikan kesimpulan. Kesemuan
nya itu memerlukan pengetahuan, tersendiri yang disebut statistika.
Sedangkan menurut Sudjana (2004:2-3) Statistika adalah penge
tahuan yang berhubungan dengan cara-cara pengumpulan fakta,
pengolahan serta pembuatan keputusan yang cukup beralasan
berdasarkan fakta dan penganalisaan yang dilakukan, sedangkan
statistik dipakai untuk menyatakan kumpulan fakta, umumnya
berbentuk angka yang disusun dalam tabel atau diagram yang
melukiskan atau menggambarkan suatu persoalan.
Dalam perkembangannya untuk menyelesaikan suatu masalah
dapat digunakan beberapa pendekatan antara lain statistika dalam
arti sempit dan statistika dalam arti luas (Sutrisno Hadi, 2004:221).
Statistika dalam arti sempit (statistika deskriptif) ialah statistika
yang mendiskripsikan atau menggambarkan tentang data yang
disajikan dalam bentuk tabel, diagram, pengukuran tendensi sentral,
rata-rata hitung, rata-rata ukur, dan rata-rata harmonik), pengukuran
penempatan (median, kuartil, desil, dan persentil), pengukuran
penyimpangan (range, rentangan antar kuartil. rentangan semi antar
kuartil, simpangan rata rata, simpangan baku, varians, koefisien
varian:;, dan angka baku), angka indoks sorta moncari kuatnya
hubungan dua vnuabnl, molakukan pommalan (|>k ><likr i) dongan
menggunakan analisis regresi linier, membuat perbandingan

(komparatif). Tetapi dalam analisis korelasi, regresi maupun
komparatif tidak perlu menggunakan uji signifikansi lagi pula tidak
bermaksud membuat generalisasi (bersifat umum).
Statistika dalam arti luas disebut juga dengan statistika
inferensial atau statistika induktif atau statistika probabilitas yaitu
suatu alat pengumpul data, pengolah data, menarik kesimpulan,
membuat tindakan berdasarkan, analisis data yang dikumpulkan atau
statistika yang digunakan menganalisis data sampel dan hasilnya
dimanfaatkan (generalisasi) untuk populasi. Hal ini sejalan dikatakan
oleh Sudjana (2004:3) bahwa :
"Statistika (statistic) adalah ilmu terdiri dari teori dan
metode yang merupakan cabang dari matematika terapan dan
membicarakan tentang: bagaimana mengumpulkan data,
bagaimana meringkas data, mengolah dan menyajikan data,
bagaimana menarik kesimpulan dari hasil analisis, bagaimana
menentukan keputusan dalam batas-batas resiko tertentu
berdasarkan strategi yang ada.
Dengan demikian dapat dikatakan bahwa, statistika adalah
suatu ilmu pengetahuan yang berhubungan dengan data statistik dan
fakta yang benar atau suatu kajian ilmu pengetahuan dengan teknik
pengumpulan data, teknik pengolahan data, teknik analisis data,
penarikan kesimpulan, dan pembuatan kebijakan atau keputusan
yang cukup kuat alasannya berdasarkan data dan fakta yang akurat.
2. Landasan Kerja Statistik

Ada tiga jenis landasan kerja statistik, menurut Sutrisno Hadi
(2004:222-223) Yaitu:
a. Variasi. Didasarkan atas kenyataan bahwa seorang peneliti atau
penyelidik selalu menghadapi persoalan dan gejala yang
bermacam-macam (variasi) baik dnlnrn bcMiluk tingkalan dan
jenisnya.
b.
Reduksi. Hanya sebagian dan seluruh kejadian yang hendak

diteliti (penelitian sampling).
c.
Generalisasi. Sekalipun penelitian dilakukan terhadap sebagian

dan seluruh kejadian yang hendak diteliti. Namun kesimpulan dan
penelitian ini akan diperuntukkan bagi keseluruhan kejadian atau
gejala yang hendak diambil.
3. Karakteristik Pokok Statistik

Ada beberapa karakteristik atau ciri-ciri pokok statistik sebagai
berikut.
a. Statistik Bekerja dengan Angka. Angka-angka ini dalam statistik
mempunyai dua pengertian, yaitu:
1) Pertama, angka statistik sebagai jumlah atau frekuensi dan
angka statistik sebagai nilai atau harga. Pengertian ini
mengandung arti bahwa data statistik adalah data kuantitatif.
Contoh: jumlah pegawai Telkom Indonesia, jumlah dosen
Institut Manajemen Telkom Bandung yang diangkat Tahun
2010, jumlah pengguna HP di Indonesia, jumlah kriminal
pembobol bank yang ditangkap, jumlah jaringan tower
Indosat, jumlah kasus penggunaan HP yang nakal, perkara
bank Century yang belum tuntas, jumlah anggota DPR yang
melaksanakan hak angket, harga HP di BEC Bandung, harga
pulsa simpati, mentari dan As, harga pemasangan telpon
rumah. Angka-angka tersebut yang menyatakan nilai atau
harga sesuatu.
2) Kedua, angka statistik sebagai nilai mempunyai arti data
kualitatif yang diwujudkan dalam angka. Contoh: nilai kepriba
dian dosen Institut Manajemen Telkom, nilai kecerdasan
mahasiswa Institut Manajemen Telkom, metode mengajar
dosen
Institut
Manajemen Telkom,
kualitas
Institut
M ana|om en I olkom, mutu pemberdayaan dosen Institut
M ana|oinoii
I olkom, im plom eiilasi dan
pelaksanaan
111:. 111u I M aiui|om on lo lko n i, , dan seha^ainya.
I PM
b.
Statistik Bersifat Objektif. Statistik bekerja dengan angka

sehingga mempunyai sifat objektif, artinya angka statistik dapat
digunakan sebagai alat pencari fakta, pengungkap kenyataan
yang ada dan menberikan keterangan yang benar, kemudian
menentukan kebijakan sesuai fakta dan temuanya diungkapkan
apa adanya.
c.
Statistik Bersifat Universal (umum). Statistik tidak hanya diguna

kan dalam salah satu disiplin ilmu saja, tetapi dapat digunakan
secara umum dalam berbagai bentuk disiplin ilmu pengetahuan
dengan penuh keyakinan (Riduwan, 2009:4).
4. Manfaat dan Kegunaan Statistika

Dalam perkembangan Ilmu Pengetahuan dan Teknologi (Iptek)
saat ini, bahwa ilmu statistika telah mempengaruhi hampir seluruh
aspek kehidupan manusia. Hampir semua kebijakan publik dan
keputusan-keputusan yang diambil oleh pakar ilmu pegetahuan atau
para eksekutif (dalam mang lingkup ilmu mereka) didasarkan dengan
metode statistika serta hasil analisis dan interpretasi data, baik
secara kuantitatif maupun kualitatif. Selanjutnya statistika dapat
digunakan sebagai alat:
a. Komunikasi ialah sebagai penghubung beberapa pihak yang
menghasilkan data statistik atau berupa analisis statistik sehingga
beberapa pihak tersebut akan dapat mengambil keputusan melalui
informasi tersebut.
b. Deskripsi yaitu penyajian data dan mengilustrasikan data, misalnya
mengukur hasil produksi, laporan hasil liputan berita, indeks harga
konsumen, laporan keuangan, tingkat inflasi, jumlah penduduk,
hasil pendapatan dan pengeluaran negara dan lain sebagainya.
c. Regresi yaitu meramalkan pengaruh data yang satu dengan data
lainnya dan untuk mengantisipasi gejala-gejaia yang akan datang.
d. Korelasi yaitu untuk mencari kuatnya atau besarnya hubungan data

dalam suatu penelitian.
e. Komparasi yaitu membandingkan data dua kelompok atau lebih.
Kegunaan
statistika
banyak
memperoleh
reputasi jelek
karena sering berbuat bohong. Sebenarnya tidak fair untuk

mengatakan bahwa statistika lebih banyak bohong daripada
benarnya. Sebab yang bohong adalah si pemakai. Statistika
hanya sekadar alat mati dan ia tak mungkin berbohong. Jadi,
terserah kepada si pemakainya.
Bagi para pemakai statistika perlu dicatat bahwa sering
terjadi penggunaan prosedur statistika yang salah. Penggunaan
statistika atau beberapa prosedur statistika harus didasarkan
kepada: (a) sifat data yang tersedia dan (b) masalah yang
dihadapinya.
5. Variabel
Dalam studi ilmiah kita perlu mengamati dan merekam
beberapa karakteristik dari hal-hal yang kita alami di dunia nyata
tempat kita tinggal dan hidup, yakni dari apa yang kita lihat, kita
dengar, kita cium dan yang kita raba. Jika apa yang kita amati
berubah-ubah
dari
waktu
ke
waktu
hingga
menimbulkan
perbedaan antara subjek yang satu dengan subjek yang lain,

maka objek-objek tersebut kita nyatakan bervariasi. Dalam istilah
bahasa statistika, objek yang bervariasi disebut variabel. Jadi,
variabel adalah karakteristik yang dapat diamati dari sesuatu
(objok), dan mampu memberikan bermacam-macam nilai atau
beberapa kategori (Suwarno, 2005:1-2). Contohnya: berat adalah
variasi, sobzib somua objek beratnya tidak sama dan suatu objek
dapat s/1 j a bdiiitnya horubnh ubah dari waktu ko waktu. IJmur,
mini knmn|unn hnlnjai, |nm:, kolamin, kocnpntnn, knkuntnn dnn
apa saja yang
merupakan, yaitu: (a) ciri-ciri suatu objek (orang
atau benda);
(b) dapat diamati dan
(c) berbeda dari
satu
observasi ke observasi lainnya; disebut variabel, sedangkan

variabel adalah data mentah untuk statistika. Variabel yang
sering digunakan dalam penelitian, yaitu variabel: (a) bebas
(.independent)\
(b)
terikat
(dependent)\
(c)
moderator;
(d)
intervening; (e) dan kontrol.
6. Skala
Para ahli psikologi menyebut skala sikap yang
umum
digunakan dalam penelitian, yaitu skala (a) Likert; (b) Guttman;

(c)
Diferensial
Semantik;
(d)
Rating
Scala;
(e)
Thustone
(Riduwan, 2009:86-95)
Apabila data dari suatu variabel akan dipergunakan dalam
analisis statistika maka data itu harus tersusun dengan cara yang
sistematis (teratur). Kita perlu mendefinisikan setiap variabel
secara operasional, artinya harus mampu menjelas-kan dengan
langkah-langkah
yang
perlu
sesuai
dengan
kem ungkinan-
kemungkinan untuk mengubah nilai-nilai yang terkandung di

dalamnya.
Definisi seperti itu memerlukan gambaran yang jelas dari
ciri-ciri
atau
sifat-sifat yang akan
diamati
dan
memerlukan
spesifikasi dari kategori yang variasinya perlu dicatat. Para ahli

statistika
menyebut
prosedur
pendefinisian
variabel
secara
operasional tersebut dengan istilah scaling dan hasilnya disebut

scale atau skala.
Dapat dikatakan bahwa hampir semua skala ditentukan oleh
kebiasaan yang berlaku. Umur anak setahun berarti dihitung dari
ulang tahunnya yang pertama selolah Inliu
Dan selelah liari
ulang
tahunnya
yang
kedua,
ia
berumur
dua
tahun
dan
seterusnya. Jadi, seseorang yang menyatakan berumur 15 tahun,

paling tidak ia telah 15 tahun tinggal di dunia fana ini dan
mungkin lebih dua hari atau mungkin 340 hari. Jadi ,untuk umur
telah
tersedia
patokan
atau
ukuran
baku
untuk
menyusun
skalanya.
Perlu dicatat bahwa skala yang digunakan untuk mencatat
suatu variabel bukan bagian dari variabel tetapi merupakan
bagian dari definisi operasionalnya. Meskipun banyak variabel
yang telah mempunyai nilai atau kategori (menurut kebiasaan)
yang baku, akan tetapi di dalam ilmu sosial biasanya peneliti
sendiri yang menentukan. Variabel kelas sosial yang sering
dipakai oleh para peneliti ilmu-ilmu sosial (termasuk pendidikan)
kadang-kadang
diskalakan
menjadi
kaya-sedang-m iskin.
Variabel status sosial sering diskalakan menjadi tiga kategori,

tinggi-sedang-rendah, yang terpenting adalah setiap peneliti
hendaknya memperhitungkan dengan matang setiap variabel,
terutama mengoperasionalkannya sebelum dimasukkan sebagai
data mentah dalam analisis statistiknya.
Jadi, membuat skala harus merupakan definisi operasional
suatu
variabel
dan
sangat
penting
sebagai
cara
untuk
mempersiapkan data dalam suatu statistika. Perlu diingat oleh

kita semua, khususnya para peneliti, bahwa skala data itu
bermacam-macam : sejak dari skala yang terdiri dari dua kategori
tak berurutan
hingga skala yang sangat kompleks yang di
dalamnya merupakan serangkaian kelas-kelas dengan jarak atau

rontanc] yang sama dan dimulai dari titik nol.
7. Masalah Yang Dihadapi

Ratusan teknik statistika tersedia bagi para ilmuwan. Dari
sekian banyak, mungkin hanya puluhan saja di antaranya yang
dipergunakan secara teratur. Meskipun demikian, yang sedikit
jumlahnya itu sering menimbulkan persoalan (membingungkan).
Untuk
menghindari
kebingungan
tersebut,
setiap
pemakai
sebaiknya memahami terlebih dahulu cara-cara penggunaannya

secara baik.
Secara sederhana statistika yang sering dipergunakan dalam
ilmu-ilmu sosial berkisar pada: (a) meringkas hasil observasi
variabel univariate (tunggal); (b) menggambarkan hubungan relasi
atau asosiasi; (c) membuat keputusan (inference). Di lingkungan
kehidupan kampus sering kita mengamati berbagai fenomena yang
ada di hadapan kita. Seorang dosen mungkin berkata "wah tahun
ini hanya sedikit jumlah mahasiswa di kelasku". Dosen tersebut
sebenarnya ingin mengungkap-kan atau menggambarkan satu
karakteristik dari suatu objek, yakni mahasiswa merasakan bahwa
tahun
ini
jumlahnya
lebih
sedikit
dibanding
dengan
tahun
sebelumnya.
Dapat juga kita menggambarkan bukan hanya satu variabel
tetapi beberapa variabel sekaligus. "Tahun ini jumlah mahasiswa
dalam kelasku terlalu banyak, tetapi ruangannya semakin bersih
dan terang benderang". Di sini dosen ingin menggambarkan
beberapa variabel sekaligus, mahasiswanya, ruangannya dan
penerangannya. Tetapi gambaran tersebut jika dilihat dari katakata terasa terlalu panjang, dan masih dapat diringkas misalnya,
"tahun ini suasana kelas baik". Ungkapan yang dikemukakan
dosen tadi adalah dalam bahasa umum. Sebenarnya dapat saja
dipergunakan bahasa statistika. "Jumlah mahasiswa <li kelasku
tahun ini 45 orang, ruang kelasnya bersih sekali, dan lampu

penerangannya 1000 Watt." Dari ungkapan kalimat itu dapat
dirasakan segalanya serba akurat.
Banyak
teknik
statistika
yang
dapat
merangkum
hasil
observasi. Yang paling berguna adalah angka rata-rata hitung.

"Tahun ini jumlah kecelakaan lalu lintas di Kota Bandung sangat
tinggi", dapat lebih akurat jika dikatakan: "Tahun ini angka ra ta rata kecelakaan lalu lintas di Kota Bandung 10 kali lipat dibanding
dengan tahun-tahun sebelumnya." Meskipun kalimat yang terakhir
sudah cukup akurat tetapi kadang-kadang kurang memuaskan,
untuk itu masih ada teknik statistika dan yang dapat lebih
memuaskan
para peneliti, misalnya indeks variabilitas,
atau
lainnya.
Aspek kedua dari komunikasi dengan bahasa statistika
adalah menggambarkan suatu hubungan relasi atau asosiasi.
Salah satu tujuan
keruwetan
ilmuwan sosial adalah
kehidupan
sosial.
Apabila
menyederhanakan
kita
lihat
di
sekitar
lingkungan kita (tempat tinggal atau tempat kita bekerja), kita

dapat mengamati adanya perbedaanperbedaan sifat, perilaku,
dan lain-lain. Antara orang yang satu dengan yang lainnya.
Mereka
memasuki
mereka
mencari
organisasi
nafkah
di
kepartaian
tempat
yang
yang
tidak
berbeda,
sama,
mereka
berpenghasilan berbeda. Banyak orang selalu patuh terhadap

peraturan, tetapi banyak orang yang juga suka melanggarnya.
Ada
orang
yang
kuat
ada
orang
yang
lemah,
ada
yang
berperangai baik tetapi banyak juga yang berperangai jahat.

Akan tetapi seorang ahli ilmu sosial tidak perlu terganggu dengan
berbagai variasi dari perilaku manusia tersebut, sebab perilaku
manusia tidak selalu acak (miniom) dan bukan tidak mungkin
--------------- -----
untuk
diduga.
Dengan
berbagai kondisi yang
dapat diatur,
biasanya variasi (perilaku) dapat dikurangi (dihilang-kan), dan

apabila jika kondisi yang dimaksud telah dapat diuraikan dengan
jelas maka suatu bentuk hubungan akan muncul. Contoh, di
antara orang Eskimo individu-individu mempunyai tugas atau
pekerjaan yang berbeda-beda. Tetapi apabila individu-individu
tersebut dapat dikelompokkelompokkan sesuai dengan status,
dan jenis kelaminnya, maka perbedaan tersebut akan meng
hilang. Laki-laki dewasa berburu, perempuan dewasa menyiap
kan tempat perlindungan dan seterusnya. Jadi, variabel peker
jaan tidak bervariasi,
apabila variabel
status diperhitungkan
(dikontrol).
Dua
variabel
tersebut
dikatakan
berhubungan
apabila
hubungannya adalah sedemikian rupa sehingga dengan menge

tahui
keadaan
variabel
yang satu
dapat menduga
variabel
lainnya. Apabila dikatakan ada hubungan antara temperatur

dengan
curah
hujan
di
Kota
Bogor,
maka jika
seseorang
mengatakan bahwa hari Kamis kemarin temperatur Kota Bogor

rata-rata 15C maka dapat diduga curah hujan pasti di atas 2000
mm. Dengan bahasa sehari-hari kita dapat mengatakan suatu
bentuk hubungan, tetapi kurang tepat misalnya A dan B sangat
erat hubungannya. Dalam bahasa statistika dapat dinyatakan
dalam bahasa yang lebih tepat, sebab dapat diukur dengan
angka yang disebut koefisien korelasi.
8. Pengambilan Keputusan
Setiap hari banyak di antara kita yang terlibat di dalam
menentukan
keputusan
atau
membuat
generalisasi
hubungan) di masa lalu. Ketika kila nknn penji
(tentang
ke kanlm,
lazimnya kita lihat ke langit dan memutuskan apakah membawa

payung (jas hujan) atau tidak. Kita ketahui dari pengalaman
bahwa dengan warna langit seperti itu di masa lalu selalu ada
hubungannya
dengan
turun
atau
tidaknya
hujan,
dan
kita
berasumsi bahwa hubungan itu tetap berlaku. Jadi, sebenarnya

kita tidak sembarangan saja membawa atau tidak membawa
payung (jas hujan), tetapi atas dasar generalisasi hasil peng
amatan di masa lampau tentang hubungan antara langit dan
hujan.
Sama halnya juga dengan keputusan para orang tua untuk
menyekolahkan anaknya ke tingkat universitas, mungkin atas
dasar pengamatan di masa lampau, misalnya, tentang hubungan
antara tamatan perguruan tinggi dengan jenis pekerjaan. Namun
demikian, tidak semua generalisasi selalu benar. Banyak o ra n g orang tua kita yang membuat generalisasi berdasarkan kasus
pengalaman yang terlalu sedikit (tidak disertai follow-upr\ya).
Kasus: (a) Anak gadis tidak boleh duduk atau makan di depan
pintu (bangbarung- bahasa Sunda : artinya di pintu depan orang
masuk), sebab ia akan nongtot jodo atau sukar untuk mendapat
jodoh/suami, (b) orang laki-laki Sunda nikah dengan perempuan
Jawa,
alasannya
nikah
dengan
kakak,
itu
pamali=bahasa
Sundanya artinya kualat atau durhaka sehingga kelak mereka

hidupnya tidak bahagia), (c) apabila seorang pedagang mau kaya
dan laris manis dagangannya segeralah nyekar dan mengadakan
selamatan ke Gunung Kawi (Jawa Timur). Mungkin saja hal
tersebut pernah dialami oleh satu atau dua orang saja, tetapi
kejadian tiga kasus tersebut terlalu sedikit untuk membuat suatu
generalisasi.
Dongan
prosedur
statistik
yang
tepat
akan
membantu seomni) peneliti monjnwnb atas pertanyaan bagai

niniin menyusun (jonemlisnr.i yang baik (Hiduwan dan Akdon,
2006:1-10).
D. RANGKUMAN
Statistik bisa digunakan untuk menyatakan kumpulan fakta,
umumnya
berbentuk angka yang disusun
dalam tabel atau
diagram yang melukiskan atau menggambarkan suatu persoalan.

Jadi, statistik yang bersifat sebagai data.
Statistika adalah suatu ilmu pengetahuan yang berhubungan
dengan data statistik dan fakta yang benar atau suatu kajian ilmu
pengetahuan dengan teknik pengumpulan data, teknik pengolahan
data, teknik analisis data, penarikan kesimpulan, dan pembuatan
kebijakan atau keputusan yang cukup kuat alasannya berdasarkan
data dan fakta yang akurat. Jadi, statistika sebagai alat untuk
menghitung atau menganalisis data.
Landasan kerja statistik
ada tiga yaitu: (a) variasi. Didasar
kan atas kenyataan bahwa seorang peneliti atau penyelidik selalu

menghadapi persoalan dan gejala yang bermacam-macam (variasi)
baik dalam bentuk tingkatan dan jenisnya; (b) reduksi. Hanya
sebagian dan seluruh kejadian yang hendak diteliti (penelitian
sampling); (c) generalisasi. Sekalipun penelitian dilakukan terhadap
sebagian dan seluruh kejadian yang hendak diteliti.
Ada beberapa karakteristik atau ciri-ciri pokok statistik sebagai
berikut.
a. Statistik Bekerja dengan Angka.
1) Pertama, angka statistik sebagai jumlah atau frekuensi dan
angka
statistik
sebagai
nilai
atau
harga.
Pengertian
mengandung arti bahwa data statistik adalah data kuantitatif.

2) Kedua, angka statistik sebagai nilai mompunyni nrli
kualitatif yang diwujudkan dalam nn<)kn
-------- ------------------------------------ . -
ini
b. Statistik Bersifat Objektif.

c. Statistik Bersifat Universal (umum).
Manfaat statistika telah mempengaruhi hampir seluruh aspek
kehidupan
manusia,
seperti
kebijakan
publik
dan
keputusan-
keputusan yang diambil oleh pakar ilmu pegetahuan atau para

eksekutif (dalam ruang lingkup ilmu mereka) didasarkan dengan
metode statistika serta hasil analisis dan interpretasi data, baik
secara kuantitatif maupun kualitatif. Statistika dapat diguna-kan
sebagai alat (a) komunikasi; (b) deskripsi; (c) regresi; (d) korelasi; (e)
komparasi.
Variabel
adalah
karakteristik
yang
dapat
diamati
dari
sesuatu (objek), dan mampu memberikan bermacam-macam nilai

atau beberapa kategori. Variabel yang sering digunakan dalam
penelitian, yaitu variabel: (a) bebas (independent); (b) terikat
(dependent)\ (c) moderator; (d) intervening\ (e) dan kontrol.
Para
ahli
psikologi
menyebut
prosedur
pendefinisian
variabel secara operasional tersebut dengan istilah scaling dan

hasilnya disebut scale atau skala. Skala yang umum digunakan
dalam
penelitian,
yaitu
skala
(a)
Likert;
(b)
Guttman;
(c)
Diferensial Semantik; (d) Rating Scala; (e) Thustone.

Secara sederhana statistika yang sering dipergunakan dalam
dunia sehari-hari khususnya bagi ilmu-ilmu sosial berkisar pada:
(a) meringkas hasil observasi variabel univariate (tunggal); (b)
menggambarkan hubungan relasi atau asosiasi; (c) membuat
koputusan (inference).
Alasan
menggunakan
statistik
sebagai
pengambilan
koputusan knrona sotinp hari banyak di antara kita yang terlibat

di dalam monontukan koputusan baik yang bersifat korolasi,
(liul>uiH|an), MM|ionl (mmalan) dan porhndaan sorta membual
generalisasi.
E. SOAL LATIHAN
1. Apa perbedaan statistika dan statistik dalam penelitian
a. Statistik berkaitan dengan data, sedangkan statistika bersifat
ilmu pengetahuan yang berhubungan dengan data statistik dan
sebagai alat untuk menghitung atau menganalisis data.
b. Statistik berkaitan dengan ilmu statistik, sedangkan statistika
berkaitan dengan data.
c. Statistik berkaitan dengan angka, sedangkan statistika kalimat.
d. Statistik berhubungan dengan grafik, sedangkan statistika
bersifat hitungan.
2. Landasan kerja statistik
yang dipakai dalam penelitian,
yaitu:
a.
Aliansi, korelasi, dan regresi.
b.
Uji beda, uji regresi, dan uji korelasi.
c.
Masalah, tujuan, manfaat, kerangka pikir, dan hipotesis.
d.
Variasi, reduksi, dan generalisasi.
3. Karakteristik apa saja yang Anda ketahui tentang statistik

a. Dependent, independent, moderator, intervening dan kontrol.
b. Bekerja dengan kalimat, bersifat subjektif, dan lokal.
c.
Bekerja
dengan
angka,
bersifat objektif,
dan
universal
(umum).
d. Bekerja dengan responden, bersifat kontradiktif, dan umum.
4. Apa saja manfaat dan kegunaan statistika
a. Manfaat untuk menghitung dan moncjanalisi:; data dan dapat
(li(|imakan :u>ba(|ai alat inongiikur manusia
b. Manfaat
seluruh
aspek
kehidupan
manusia
dan
dapat
digunakan sebagai alat (1) komunikasi; (2) deskripsi; (3)

regresi; (4) korelasi; (4) komparasi.
c. Manfaat statistika untuk mengukur kebijakan perusahaan dan
dapat digunakan sebagai alat mengukur rugi-laba.
d. Manfaat statistika untuk mengukur cuaca dan dapat digunakan
sebagai mengukur hujan.
5. Variabel-variabel yang digunakan dalam penelitian
a. bebas, terikat, endogen, oksogen dan kontrol.
b. Endogen, oksogen, dependent, independent, dan moderator.
c.
Dependent, independent, moderator, intervening dan kontrol.
d. Intervening, independent, dan kontrol.

6. Macam skala pengukuran dalam statistik meliputi:
a.
Likert, Guttman,
Diferensial, Semantik, Rating Scala, dan
Thustone.
b.
Nominal, ordinal, Interval, dan Ratio.
c.
Likert, Guttman, Nominal, dan ordinal.
d.
Interval, Ratio, Semantik, dan Thustone.
7. Masalah yang dibahas dalam statitistika

a.
Meringkas hasil observasi, wawancara, dan analisis data.
b.
Penelitian kualitatif, kuantitatif, dan gabungan.
c.
Mombahas data, analisis, variabel dan skala.
d.
M ering ka s
hasil
m nii<)(|nm bafknn
o bservasi
va ria b el
lu ih m u ja n
m e m bual k o p iiltis a n ( in loi om <>)
relasi
univariate
atau
(tunggal),
a sosiasi
dan
8. Alasan menggunakan statistika sebagai pengambilan keputusan

a.
Karena untuk menhitung data penelitian dengan mudah

dan aman
b.
Karena setiap hari banyak di antara kita yang terlibat di

dalam menentukan keputusan baik yang bersifat korelasi,
(hubungan),
regresi
(ramalan)
dan
membuat generalisasi.
c.
Mudah dan bisa diamati dengan jelas.
d.
Dapat dipercaya dan reliabel (ajeg).
9. Analisis korelasi digunakan untuk

a. Menganalisis hubungan antar variabel.
b. Mengukur pengaruh antar variabel.
c.
Menguji perbedaan antar variabel.
d. Membuat hipopesis penelitian.

10. Analisis regresi digunakan untuk
a. Menganalisis hubungan antar variabel.
b. Menganalisis pengaruh antar variabel.
c. Menguji perbedaan antar variabel.
d. Membuat hipopesis penelitian.
perbedaan
serta
BAB 2
DISTRIBUSI FREKUENSI
A. TUJUAN
1. Mengetahui distribusi frekuensi
2. Menyusun data kualitatif ke dalam tabel frekuensi
3. Menampilkan tabel frekuensi dalam bentuk diagram batang dan
lingkaran
4. Menyusun data kuantitatif ke dalam distribusi frekuensi
5. Menyajikan distribusi frekuensi menggunakan histogram dan
poligon.
B. POKOK BAHASAN
1. Tabol Frekuensi
Diagram Batang dan Lingkarang
:t. D i st ri b us i I r o ki i on si
A
l)in<)tnm l l i s l o ( | m i n dan l olitjon
C. INTISARI BACAAN
eringkah kita dihadapkan pada sekumpulan data yang begitu
banyak sehingga menyulitkan kita dalam membaca dan
menganalisisnya. Dalam bahasan ini akan dijelaskan bagaimana
cara kita merangkum data dan menyajikannya dalam bentuk yang
mudah untuk dibaca dan difahami. Materi yang dibahas berkaitan
dengan penyajian data untuk data kualitatif dan data kuantitatif
dengan pendekatan tabel frekuensi dan distribusi frekuensi, serta
penggunaan diagram seperti batang, lingkaran, histogram, poligon,
dan ogive.
1. Tabel Frekuensi
Pada data yang bersifat kualitatif, data disusun dan dikelom
pokkan berdasarkan masing-masing variabel yang ingin ditunjukkan
beserta jumlah/ frekuensi dari masing-masing variabel tersebut.
Kemudian hasil pengelompokkan disajikan dalam bentuk tabel yang
disebut tabel frekuensi.
Contoh 1
Diketahui jumlah pelanggan telepon bergerak berbasis GSM setiap
operator telekomunikasi yang ada di Indonesia sebagai berikut:
Telkomsel 80,5 juta, Indosat 28 juta, XL 27 juta, Hutchinson 7,5 juta,
Mobile-8 (fren) 3 juta, dan Axis 3 juta, (sumber: Telkom, 2009).
Maka berdasarkan data tersebut dapat disusun dalam bentuk tabel
frekuensi sebagai berikut.
Tabel 2.1: Jumlah Pelanggan Operator Telekomunikasi GSM di Indonesia
No.
1
2
3
4
5
6
Operator
Telkomsel
Indosat
XL
Hutchinson
Mobile-8 (fren)
Axis
Ji.mhili
Jumlah pelanggan (juta

orang)
80,5
28
27
A'
1
1
M' )
tiiim lm i: In lk o in ?()(><>
2. Tabel Frekuensi Relatif

Kita dapat mengubah frekuensi menjadi frekuensi relatif untuk
menunjukkan persentase dari total jumlah pengamatan masingmasing kelas. Jadi frekuensi relatif menangkap hubungan antara total
kelas dan jumlah pengamatan total. Untuk mengubah frekuensi
menjadi frekuensi relatif, setiap frekuensi dibagi dengan jumlah total
pengamatan. Contohnya 54% diperoleh dari 80,5 dibagi 149. Nilai
frekuensi relatif dalam kasus operator telekomunikasi ini dapat
dimaknai sebagai pangsa pasar. Tabel frekuensi relatif dari contoh 1
dapat dilihat pada tabel 2.2. berikut.
No.
1
2
3
4
5
6
Tabel 2.2: Frekuensi relatif Pangsa pasar Operator

Telekomunikasi GSM di Indonesia
Operator
Jumlah pelanggan
Frekuensi
(juta orang)
Relatif
Telkomsel
80,5
54%
Indosat
28
19%
XL
27
18%
Hutchinson
7,5
5%
Mobile-8 (fren)
3
2%
Axis
3
2%
Jumlah
149
100%
3. Presentasi Grafik Data Kualitatif

Data kualitatif, data dapat disajikan dalam bentuk yang lebih
menarik yaitu dengan menggunakan grafik/ diagram. Diagram yang
umum digunakan untuk menyajikan data khususnya data kualitatif,
adalam diagram batang (barchart) dan lingkaran (p/'e chart).
Contoh 2:
Berdasarkan contoh 1 tadi, setelah kita mendapatkan tabel frekuensi,
kita dapat menggambarkannya dalam bentuk diagram sebagai
berikut.
Jumlah Pelanggan Operator Telekomunikasi
GSM di Indonesia (dalam juta pelanggan)
100 r 80.5
80
y
<e>
\<>
p*
Gambar 2.1: Diagram Batang Jumlah Pelanggan

Operator Telekomunikasi GSM di Indonesia
Pangsa Pasar Operator Telekomunikasi GSM

di Indonesia
(dalam prosen)
Telkomsel
Indosat
XL
Hutchinson
M obile-8 (fren)
Axis
Gambar 2.2: Diagram Lingkaran Pnngsn Pasar

Operator Telekomunikasi GSM dl Indonosla
Penyajian data juga dapat dilakukan untuk kelompok data yang

berbeda. Seperti yang terlihat pada contoh 3 berikut.
Contoh 3
Diketahui data karyawan PT. XYZ yang disusun berdasarkan latar
belakang pendidikan dan jenis kelamin.
Tabel 2.3: Karyawan PT. XYZ Berdasarkan
Latar Pendidikan dan Jenis Kelamin
J e n is
Kelam in
Pria
Wanita
Jumlah
SM P
SM A
130
110
240
S arjana
93
97
190
Ju m la h
67
81
148
290
288
578
Sajikan data tersebut dengan menggunakan diagram batang (bar

chart).
Jawab:
Grafik Batang
Pria
Wanita
SM A
Sarjana
Gnmbnr 2.3 Dln(jrnm Bntnng Knryawan PT. XYZ
4. Distribusi Frekuensi
Jenis data kuantitatif, penyajian data dilakukan dengan tahapan
yang lebih banyak. Data akan disusun dalam bentuk distribusi
frekuensi. Distribusi frekuensi merupakan pengelompokkan data
menjadi
kelas-kelas
yang
tidak terikat
satu
sama
lain
yang
menunjukkan jumlah pengamatan dalam tiap kelasnya. Untuk lebih

jelasnya, tahapan penyusunan distribusi frekuensi akan dijelaskan
pada contoh 4 berikut:
Contoh 4
Diketahui hasil penilaian kinerja pegawai di lingkungan
Kominfo Jabar yang berjumlah 70 orang, diperoleh data:
Dinas
70, 70, 71, 60, 63,80, 81,81, 74, 74, 66, 66, 67, 67, 67, 68, 76, 76,
77, 77, 77, 80, 80,80, 80, 73, 73, 74, 74, 74, 71, 72, 72, 72, 72, 83,
84, 84, 84, 84,
75,75, 75, 75, 75, 75, 75, 78, 78, 78, 78, 78, 78, 79,
79, 81, 82, 82,
83,89, 85, 85, 87, 90, 93, 94, 94, 87, 87,
89.
Langkah-langkah menyusun distribusi frekuensi:

1) Urutkan data dari terkecil sampai terbesar.
60, 63,
66, 66, 67, 67, 67, 68
70, 70, 71, 71, 72, 72, 72, 72, 73, 73, 74, 74, 74, 74, 74
75, 75, 75, 75, 75, 75, 75, 75, 76, 76, 77, 77, 77, 78, 78, 78, 78, 78, 79, 79
80, 80, 80, 80, 80, 81,81,81, 82, 82, 83, 83, 84, 84, 84, 84
85, 85, 87, 87, 87, 89, 89
90, 93, 94, 94
2) Hitung jarak atau rentangan (R)

R = data tertinggi - data terendah
R = 94 - 60 = 34
3) Hitung jumlah kelas (K) dengan Sturges.

K = 1 + 3,3 log 70
K = 1 +3,3. 1,845
K = 1 + 6,0885 = 7,0887 = 7
4) Hitung panjang kelas interval (P)
P =
Rentangan (R)
_ 34
Jumlah Kelas (K) ~ 7
4,857 - 5
5) Tentukan batas kelas interval dengan rumus:

(60 + 5 ) = 65 - 1 = 64
(65 + 5 ) = 70 - 1 = 69
(70 + 5 ) = 75 - 1 = 74
(75 + 5 ) = 80 - 1 = 79
(80 + 5 ) = 85 - 1 = 84
(85 + 5 ) = 90 - 1 = 89
(90 + 5 ) = 95 - 1 = 94
6) Buatlah Tabel sementa
yang sesuai dengan urutan interval kelas
Tabel 2.4: Distribusi Frekuensi Nilai Kinerja
Pegawai Dinas Kominfo Jabar
Nilai
Rincian
Frekuensi (f)
6 0 -6 4
6 5 -6 9
7 0 -7 4
7 5 -7 9
8 0 -8 4
85 - 89
90 - 94
II
-w r i
-H tr m r w r
M r 1UHWMW''TTiT'-ttTr'tTTi' I
-rn t n
III!
Jumlah
2
6
15
20
16
7
4
>.f 70
5. Histogram dan Poligon

Penyajian data yang lebih ringkas untuk menunjukkan distribusi
frekuensi dapat menggunakan grafik/ diagram histogram dan poligon.
Histogram merupakan grafik berbentuk batang yang menggambarkan
kelas-kelas dalam sumbu horizontal dan frekuensi kelas dalam
sumbu vertikalnya. Pada penggambaran data dengan histogram,
pada setiap batang tidak ada jarak. Berdasarkan data pada tabel 2.4
dapat disajikan dalam bentuk histogram sebagai berikut.
Histogram
Nilai Kinerja Pegawai Dinas
Kominfo Jabar
25 i.
20
20
{
15
16
15 f
10 4
i
!
5 +|
o4
---
60-64 65-69 70-74 75-79 80-84 85-89 90-94

Gambar 2.4: Histogram Nilai Kinerja
Poligon menunjukkan bentuk distribusi dan mirip dengan

histogram. Poligon tordiri atas bagian garis yang menghubungkan
titik-titik yang merupakan perpotongan antara titik tengah kelas dan

frekuensi kelas. Berdasarkan data pada tabel 2.3, poligon dapat
disajikan sebagai berikut.
Poligon
Nilai Kinerja Pegawai Dinas
Kominfo Jabar
Gambar 2.5: Poligon Nilai Kinerja

D. RANGKUMAN
Prinsip penyajian data adalah ditampilkan dalam bentuk yang
mudah dibaca dan difahami. Penyajian data untuk jenis data kualitatif
dapat menggunakan tabel frekuensi dan diagram batang (bar chart)
dan lingkaran (pie chart).
Sedangkan
untuk data kuantitatif dilakukan tabulasi data
dongan tahapan: urutkan data, hitung jarak/ rentangan, hitung jumlah

kolas, hitung batas kelas interval, kemudian sajikan dalam tabel
distribusi frokuensi. Sodangkan ponampilan distribusi frekuensi selain
m(!n<)(jiinnknn tnhul lusa monggunaknn diagram histogram dan
| X>ll()( >11
E. SOAL LATIHAN
1. Bagaimana data bisa disajikan agar mudah untuk dibaca
dan dipahami?
2. Apa perbedaan diagram batang dengan histogram?
3. Diketahui jum lah pelanggan enam operator telekom unikasi
berbasis CDMA di Indonesia, sebagai berikut:
Jumlah
pelanggan
(juta orang)
1 Telkomsel
15,08
2
Indosat
9,28
XL
3
2,61
4
Hutchinson
0,87
0,58
5
Mobile-8 (fren)
6
Axis
0,58
Jumlah
29
Tentukan pangsa pasar m asing-masing operator yang
ditentukan dari frekuensi relatifnya. Gambarkan diagram
batang dan diagram lingkarannya.
No.
Operator
4. Diketahui data kemampuan karyawan pengetesan jaringan

telepon seluler PT. XYZ sebagai berikut:
80
72
65
58
70
90
56
62
67
70
54
57
62
75
65
54
69
59
59
55
60
77
55
73
67
62
71
60
60
69
85
60
63
60
70
64
Tentukan dan buatlah:

a. Rentangan
b. Banyak kelas dan panjang kelas
c. Tabel distribusi frekuensi
d. Histogram
e. Poligon
Ingat! buatlah Inngknh langkah monjnwnb ynnrj bonar.
68
72
70
72
BAB 3
ANALISIS DESKRIPTIF
(PENGUKURAN GEJALA PUSAT)
A. TUJUAN
1.
2.
3.
4.
5.
Mengetahui pengukuran gejala

Mengetahui dan menjelaskan
Menjelaskan dan memberikan
median.
pusat
rata-rata
(mean)
mode
median
contohrata-rata (mean); mode dan
B. POKOK BAHASAN
I. Raln ratn (m onn)
Modo
:t Mntlinn
C. INTISARI BACAAN
nalisis deskriptif adalah analisis yang menggam-barkan suatu
data yang akan dibuat baik sendiri maupun secara kelompok.
Tujuan analisis deskriptif untuk membuat gambaran secara sistematis
data yang faktual dan akurat mengenai fakta-fakta serta hubungan
antar fenomena yang diselidiki atau diteliti. Dalam penyajian ini akan
dibahas mengenai pengukuran gejala pusat misalnya Mean, Mode,
dan Median.
1. Rata-Rata (Mean)
Rata-rata hitung atau disingkat dengan mean. Penggunaan
rata-rata hitung untuk sampel bersimbul ( X
dibaca: eks bar).
Perhitungan mean dibagi dua yaitu mean data tunggal dan mean
data kelompok.
a. Mean Data Tunggal

Data yang dipakai untuk menghitung mean tunggal hanya
sedikit jumlahnya, perhitungannya dengan cara menunjukkan semua
nilai data dibagi banyaknya data, dengan rumus:
IX t
x = ---- L
n
Keterangan
X
~LXi
= Mean
= Jumlah tiap data
= Jumlah data
Contoh 1
Diketahui enam pegawai bagian penjualan (sales) alat
telekomunikasi menghasilkan penjualan minggu ini dengan nilai
masing-masing (dalam juta rupiah): 120, 180, 155, 95, 140, 225,
carilah nilai meannya:
Jawab: x
120 + 180 + 155 + 95 + 140+225

6
Jadi, penjualan rata-rata keenam staf = 152,5 juta rupiah.
Contoh 2
Direkur PT Bnet21 ingin membagikan uang kepada lima orang
anak buahnya untuk keperluan lebaran tahun ini: Fathimahtush
Sholihah Rp 6 juta, Juma'adi Rp 9 juta, Hamidah Nur Husna Rp 6,5
juta, Miftakhul Anang Rp 7,5 juta, dan Cahyo Kuncoro Rp 5 juta.
Berapakah rata-rata uang yang diterima kelima orang tersebut?
Jawab
Jadi, rata-rata uang yang diterima kelima anak buah sebesar =

Rp 6,8 juta
b. Rata-rata Tertimbang (weighted meari)

Dalam kasus tertentu, beberapa data yang akan dihitung
memiliki nilai yang sama. Untuk mempermudah perhitungan, dapat
menggunakan rata-rata tertimbang. Rumus untuk menghitung ratarata tertimbang :
y
- Z(.WV
Contoh 3
Sebuah perusahaan subkontraktor yang menjadi mitra PT.
Telkomsel membayar karyawannya setiap minggu sebesar
Rp250.000,00; Rp275.000,00; dan Rp300.000,00. Saat ini ada 28
karyawan yang bekerja, 15 di antaranya dibayar Rp250.000,00; 10
dibayar Rp275.000,00; dan sisanya dibayar Rp300.000,00. Berapa
jumlah bayaran rata-rata per minggu dari ke-28 karyawannya?
Jawab :
c. Rata-rata Geometris
Rata-rata geometris digunakan untuk menentukan rata-rata
perubahan persentase, rasio, indeks, atau tingkat perubahan dari
waktu ke waktu. Rata-rata geometris dihitung dengan menggunakan
rumus :
GM = y(.Xx)(X2) ... {Xn)

Contoh 4
Kenaikan persentase penjualan selama empat bulan terakhir
produk Speedy PT. Telkom adalah 4,91; 5,75; 8,12; dan 21,60.
Berapa rata-rata geometrisnya?
Jawab:
GM = V(4,91)(5,75)(8,12)(21,60) = 8,39
d. Mean Data Kelompok
Apabila data yang sudah dikelompokkan dalam distribusi
frekuensi, maka data tersebut akan berbaur sehingga keaslian data
itu akan hilang bercampur dengan data lain menurut kelasnya, hanya
dalam perhitungan mean kelompok diambil titik tengahnya yaitu
setengah dari jumlah ujung bawah kelas dan ujung atas kelas untuk
mewakili setiap kelas interval. Hal ini dimaksudkan untuk menghindari
kemungkinan data yang ada di setiap interval mempunyai nilai yang
lebih besar atau lebih kecil dari titik tengah. Perhitungan data mean
kelompok dapat dicari dengan rumus:
X(tr f,)
x - ----------v,
Keterangan:
X = Mean
ti = Titik Tengah
fi = Frekuensi
E (t, fi) = Jumlah Frekuensi
Contoh 5
Diketahui hasil penilaian kinerja pegawai di lingkungan Dina:;
Kominfo Jabar yang borjumlah 70 orang soperli torlihat pada tabui
borikut. Bornpnknh rata rata nilai kinorja toniobut.
m-------------------------------------------------------------------- --------------
Tabel 3.1
Distribusi Frekuensi Nilai Kinerja Pegawai
Dinas Kominfo Jabar
Nilai Interval
Frekuensi (f)
2
6 0 -6 4
6 5 -6 9
6
7 0 -7 4
15
20
7 5 -7 9
8 0 -8 4
16
7
8 5 -8 9
9 0 -9 4
4
Jumlah
70
Langkah-langkah menjawab:
1) Buatlah Tabe! dan susunlah data dengan menambah kolom
Tabel 3.2
No
1.
2.
3.
4.
5.
6.
7.

Dinas Kominfo Jabar
Nilai
Titik
Frekuensi
Jumlah
Interval
Tengah
(fi)
m
(ti)
6 0 -6 4
62
2
124
6 5 -6 9
67
6
402
7 0 -7 4
72
15
1080
7 5 -7 9
77
20
1540
8 0 -8 4
82
16
1312
8 5 -8 9
87
7
609
9 0 -9 4
92
4
368
Jumlah
Z(tifj) = 5435
Sfi = 70
2) Berilah notasi statistik angka yang sudah ada untuk memudahkan

perhitungan ^
= 70 dan Z(t|fj) = 5435
3) Hitunglah nilai rata-rata dengan rumus:

\
v/,
/0
T I.M \
Judi, nilni min mla knlompnk
//,(>4,'l
Contoh 6
Teori lain untuk menghitung mean kelompok dapat dihitung
dengan menggunakan rumus:
Keterangan
X = Mean
= Titik tengah ke-0
= Frekuensi
= Tanda angka meningkat atau
menurun
= Jumlah frekuensi
= Panjang kelas
Tabel 3.3
Distribusi Frekuensi Nilai Kinerja Pegawai Dinas Kominfo Jabar
Nilai Interval
60-64
65-69
70-74
75-79
80-84
85-89
90-94
2
6
15
20
16
7
4
1) Buatlah Tabel baru dan susunlah data seperti berikut.
Tabel 3.4
Distribusi Frekuensi Nilai Kinerja Pegawai Dinas Kominfo Jabar
No.
Nilai
Jumlah
Titik
Si
fi
Interval
Tengah
(fi S|)
(ti)
1.
-4
60-64
62
2
-2
2.
65-69
67
- 1
-6
6
70-74
72*>
3.
15
o>
0
4.
75-79
77
1
20
20
5.
80-84
82
2
32
16
6.
87
7
21
85-89
3
7.
90 - 94 _
4
4
16
92
Juminh
>.f, 70
> :(U )
/<>
------------------------------------- -- ---- ------------------ -- ------------ . . .
2) Pilihlah satu dari titik tengah sembarang, misalnya t0 = 72

kemudian berilah angka 0 pada kolom Si.
3) Urutkan nilai titik tengah yang lebih kecil dari t0 dengan angka
-1,
-2 pada kolom Sj dan nilai titik tengah yang lebih besar dengan
angka 1,2,3,4 pada kolom s^
4) Hitunglah nilai rata-rata dengan rumus:
X = tn
O+ P.
Lw
= 72 + 5.
j
79
= 77,643
_70_
Jadi, nilai kinerja rata-rata kelompok = 77,643
2. Mode
Mode atau disingkat dengan (Mo) ialah nilai dari data yang
mempunyai frekuensi tertinggi baik data tunggal maupun data
distribusi atau nilai yang sering muncul dalam kelompok data.
a. Menghitung Mode Data Tunggal

Menghitung mode dengan data tunggal dilakukan sangat
sederhana, yaitu dengan cara mencari nilai yang sering muncul di
antara sebaran data. Ukuran ini sering dipakai untuk rata-rata data
kualitatif.
Misalnya sebagian besar penyakit AIDS di Amerika disebabkan
oleh hubungan bebas, pada umumnya masyarakat Jepang bekerja
koras, sebagian besar rakyat Indonesia bercocok tanam dan lain-lain.
Penggunaan modo bagi data kualitatif maupun data kuantitatif
dongan cara mnnonlukan frokuonsi torbanyak di antara data yang
ada
Contoh 1
Diketahui frekuensi kedatangan pelanggan ke Gerai Telkomsel
BEC pada hari Sabtu setiap minggunya selama 10 minggu sebagai
berikut: 140; 160; 160; 165; 172; 160; 170; 160; 180; dan 190.
Jawab: nilai mode frekuensi kedatangan
Jakarta, yaitu pada nilai 160 karena muncul 4 kali.
pelanggan
dari
Contoh 2
Diketahui tingkat penyelesaian berkas pengaduan (komplain)
setiap minggu di salah satu operator seluler sebagai berikut : 35; 35;
25; 20; 32; 27; 32; dan 32.
Jawab:
Mode tingkat penyelesaian berkas pengaduan (komplain)

di salah satu operator seluler adalah 32 berkas/ minggu
karena muncul 3 kali.
b. Menghitung Mode Berdistribusi

Apabila kita sudah mengerti mode berbentuk tunggal tadi maka
kita akan lebih mudah memahami mode berbentuk distribusi. Dalam
hal ini dapat dihitung dengan rumus:
Keterangan:
Mc = Nilai mode
M - Bh + P.
y F\ + F 2 j Bb = Batas bawah kelas yang mengandung
nilai mode.
P = Panjang kelas nilai mode
F, = Selisih antara frekuensi mode (f) dengan
frekuensi sebelumnya (fsd)
= Selisih antara frekuensi mode (f) dengan
frekuensi sesudahnya (fsd)_________
Contoh 3
Diketahui data distribusi frekuensi sebagai berikut.
Tabel 3.5
Dinas Kominfo Jabar
Nilai Interval
f
6 0 -6 4
2
6 5 -6 9
6
7 0 -7 4
15
7 5 -79
20
8 0 -8 4
8 5 -8 9
9 0 -9 4
16
7
4
M
ll
o
Jumlah
Tandailah (Bb, P, Ft dan F2) pada Tabel 6 kemudian hitung modenya:

1) Carilah jumlah frekuensi (f) mode yang terbanyak dalam gugusan
data yang mendekati rerata, yaitu 20. Nilai mode terletak di kelas
interval ke-4.
2) Carilah batas bawah kelas mode (Bb) *
Bb = 1/2 (74+75) = 74,5
3) Hitunglah panjang kelas mode (P)
P = 75 -7 9 = 5
4) Carilah (F^, yaitu selisih antara frekuensi mode dengan frekuensi

sebelumnya.
= f fsb= 20 15 = 5.
5) Carilah (F2), yaitu selisih antara frekuensi mode dengan frekuensi

sesudahnya.
-> F2 = f - fsd = 20 - 16 = 4
6) Hitung mode dengan rumus:
/;i 1 74,5 l 5. f 5 ) = 77,278

r. (
(S i4J
l /'i ' /'. ^
Tabel 3.6
Dinas Kominfo Jabar
Nilai Kelas Interval
No
1.
2.
3.
6 0 -6 4
6 5 -6 9
7 0 -7 4
Bb = 1
/ 2 (74+75) = 74,5
2 0
II
CD
CM
7.
'O
t/i
8 0 -8 4
8 5 -8 9
9 0 -9 4
20 ^
O
CM
II
5.
6.
P= 5
F, = f - fsb = 20 - 15 = 5
II
75 - 79
15 * fsb
LL
4.
2
6
1 6 * f sd
7
4
Jumlah
I f
= 70
3. Median
Median (Me) ialah nilai tengah dari gugusan data yang telah
diurutkan (disusun) mulai dari data terkecil sampai data terbesar atau
sebaliknya dari data terbesar sampai data terkecil. Median dibagi
menjadi dua perhitungan, yaitu median data tunggal dan median data
kelompok.
a. Mencari Median Bentuk Data Tunggal

Mencari median data tunggal dengan cara mengurutkan data
tersebut dari data terkecil sampai data terbesar atau sebaliknya dari
data terbesar sampai data terkecil, kemudian posisi median dicari
dengan rumus: Me = Vz(n = 1) dimana n = jumlah data.
Contoh 1: Data Ganjil

Diketahui data: 65; 70; 90; 40; 35; 45; 70; M); dan 50
----------------------------------------------- ----------
---------- -----
1) Urutkan data dari data terkecil sampai data terbesar:
35; 40; 45; 50; 65; 70; 70; 80; 90
2) Carilah posisi median dengan rumus: Me = 1/2 (n + 1)
Me = 1/2 (9 + 1) = 5 (posisi pada data ke-5)
Jadi, Letak Me = 65
Contoh 2: Data Genap

Diketahui data: 50; 65; 70; 90; 40; 35; 45; 70; 80; dan 90
1) Urutkan data dari data terkecil sampai data terbesar:
35; 40; 45; 50; 50; 65; 70; 70; 80; 90
2) Carilah posisi median dengan rumus: Me = V2 (n + 1)
Me = 1/2 (10 + 1) = 5,5 (posisi pada data ke-5,5)
Jadi, Posisi Me = Vz (50 + 65) = 57,5
b. Mencari Median Data Kelompok

Mencari median data kelompok ini perlu dibuat susunan
distribusi frekuensi terlebih dahulu dengan cara mengurutkan datadata terkecil sampai data terbesar atau sebaliknya dari data terbesar
r,ampai data terkecil, kemudian menghitung Rentangan (R), Jumlah
Kelas (K) dan Panjang Kelas Interval (P). Kemudian membuat
distribusi frekuensi dilanjutkan mencari nilai mediannya dengan
rumus:
f J . n - J f )
M e = Bh + P. --------------/
____________ v_________y__________________________
Keterangan
Me = Nilai Median
Bb = Batas bawah kelas sebelum nilai median akan terletak
P = Panjang kelas nilai median
n = Jumlah data
f
= Banyaknya frekuensi kelas median
Jf = Jumlah dari semua frekuensi kumulatif sebelum kelas
median
Contoh 1
Diketahui hasil penilaian kinerja pegawai di lingkungan Dinas
Kominfo Jabar yang berjumlah 70 orang, diperoleh data:
70, 70, 71, 60, 63, 80, 81, 81, 74, 74, 66, 66, 67, 67, 67, 68, 76, 76,
77, 77, 77, 80, 80, 80, 80, 73, 73, 74, 74, 74, 71, 72, 72, 72, 72, 83,
84, 84, 84, 84, 75, 75, 75, 75, 75, 75, 75, 78, 78, 78, 78, 78, 78, 79,
79, 81, 82, 82, 83, 89, 85, 85, 87, 90, 93, 94, 94, 87, 87, 89.
1) Urutkan data dari terkecil sampai terbesar.
60, 63
66, 66, 67, 6, 67, 68
70, 70, 71, 71, 72, 72, 72, 72, 73, 73, 74, 74, 74,
74, 74
75, 75, 75, 75, 75, 75, 75,75, 76, 76, 77, 77, 77, 78, 78, 78, 78, 78, 79, 79
80, 80, 80, 80, 80, 81, 81, 81, 82, 82, 83, 83, 84,
85, 85, 87, 87, 87, 89, 89
90, 93, 94, 94
2) Hitung jarak atau rentangan (R)

R ~ 94 - 60 =34
84, 84, 84
3) Hitung jumlah kelas (K) dengan Sturges.

K = 1 + 3,3 log 70
K = 1 +3,3. 1,845
K = 1 + 6,0885 = 7,0887 7
4) Hitung panjang kelas interval (P)
Rentangan (R)
Jumlah Kelas (K)
_ 34
7
4,857 - 5
5) Tentukan batas kelas interval dengan rumus:
(60 + 5 = 6 5 - 1 =64
(65 + 5 = 7 0 - 1 =69
(70 + 5 = 7 5 - 1 =74
(75 + 5 = 8 0 - 1 =79
(80 + 5 = 8 5 - 1 =84
(85 + 5 = 9 0 - 1 =89
(90 + 5 = 9 5 - 1 =94
6) Buatlah Tabel sementara dengan cara dihitung satu demi satu
yang sesuai dengan urutan interval kelas
Tabel 3.7
Dinas Kominfo Jabar
Nilai
Rincian
Frekuensi (f)
6 0 -6 4
6 5 -6 9
7 0 -7 4
7 5 -7 9
8 0 -8 4
85 H0
90 04
II
-tttr i
-m r - w tr w - r
m - iw-LUPiw
"fflr-'tttr'm r i
- ttit n
mi
Junilah
2
6
15
20
16
7
4
>,f /0
7) Cari nilai interval yang mengandung unsur median dengan rumus

Vz n = Vz x 70 = 35. Jadi median diperkirakan terletak di kelas
interval ke-4 seperti pada Tabel 8.
8) Cari batas bawah kelas median (Bb)
Bb = 1/2 (74 + 75) = 74,5 atau 74 + 1/2 = 74,5
9) Hitung panjang kelas median (P) > P = 75 - 79 = 5
10) Carilah jumlah frekuensi kelas median (f) - f = 20
11) Cari jumlah dari semua frekuensi kumulatif di bawah kelas
median
(Jf) > Jf = 2 + 6 + 15 = 23
12) Hitung nilai median dengan rumus:
74,5 + 5.
Me = Bh + P.
/
77,5
20
Jadi, nilai Median (Me) = 77,5
Tabel 3.8
Dinas Kominfo Jabar
No Nilai Interval
3.
6 0 -6 4
6 5 -6 9
7 0 -7 4 *
4.
5.
6.
7.
7 5 -7 9
8 0 -8 4
8 5 -8 9
9 0 -9 4
1.
2.
Frekuensi (f)
Bb = 74 + y2 = 74,5
2
6
----- J f = 2 + 6 + 15 = 23
15
20
16
7
4
P=5
Jumlah
I f = 70
20
D. RANGKUMAN
Rata-rata hitung atau mean ( X ) adalah hasil dari jumlah
keseluruhan data dibagi n (jumlah responden). Rata-rata tertimbang
dapat digunakan untuk menghitung rata-rata dari data dimana
terdapat beberapa data yang nilainya sama. Sedangkan rata-rata
geometris digunakan untuk menghitung rata-rata dari perubahan
persentase, rasio, indeks, atau tingkat perubahan dari waktu ke
waktu.
Mode (Mo) ialah nilai dari data yang mempunyai frekuensi
tertinggi baik data tunggal maupun data distribusi atau nilai yang
sering muncul dalam kelompok data.
Median (Me) ialah nilai tengah dari gugusan data yang telah
diurutkan (disusun) mulai dari data terkecil sampai data terbesar atau
sebaliknya dari data terbesar sampai data terkecil. Median dibagi
menjadi dua perhitungan, yaitu median data tunggal dan median data
kelompok.
E. SOAL LATIHAN
1.
2.
Sebutkan pengertian rata-rata (mean) m enurut Anda?

Berapa nilai rata-rata (mean) tunggal untuk mata kuliah
Statistika Bisnis?
75
77 80
85
88
90
79
55 58
57
85
80
3. Pembagian dividen per saham PT Telkom pada tahun 2003 s.d.

2007 berturut-turut adalah Rp165,58/lbr, Rp158,09/lbr, Rp144,90,
Rp267,27/lbr, dan Rp 303,25/lbr. Jika Faisal memiliki jumlah
saham PT Telkom yang berbeda-beda dari tahun 2003 s.d. 2007
seperti berikut 100 ribu lembar (tahun 2003), 125 ribu lembar
(2004), 210 ribu lembar (2005), 200 ribu lembar (2006), dan 250
ribu lembar (2007). Berapa rata-rata deviden per saham yang
diterima Faisal dari tahun 2003 sampai tahun 2007
A. Apa yang Anda ketahui tentang mode atau modus?
5.
Berapa nilai modus tunggal untuk motivasi karyawan ?

85
88 65
55 60 70
57
59 60
70 70 80
6.
7.
Sebutkan pengertian median menurut Anda?

Berapa
nilaimedian tunggal untuk
keteram pilan
Custom er Service dalam melayani pelanggan?
90
95 90
80 85 88
99
96 70
75 70 60
8.
Diketahui data survey penggunaan internet di suatu

kampus (jam /bulan)sebagai b e rik u t:
60
65 70 60 65
68 79 76 50
55
55
44 49 50 68
70 74 77 75
75
77
79 55 58 57
60 62 61
66
65
Tabulasikan data tersebut menjadi data kelompok (distribusi).
Hitunglah :
a. Rata-rata (Mean);
b. Modus;
c. Median
In g a t! buatlah langkah-langkah menjawab yang benar.
staf
BAB 4
ANALISIS DESKRIPTIF
(PENGUKURAN PENYIMPANGAN)
A. TUJUAN
1. Mengetahui pengukuran penyimpangan
2. Mengetahui dan menganalisis range
3. Mengetahui dan menganalisis standar deviation
4. Mengetahui dan menganalisis variance
B. POKOK BAHASAN
1. Range
2. Standard Deviation
3. Varianco
C. INTISARI BACAAN
n
engukuran penyimpangan (Range, Standard Deviation, dan
Variance). Pengukuran ini digunakan untuk menjaring data yang
menunjukkan pusat atau pertengahan dari gugusan data yang

menyebar. Nilai rerata dari kelompok data, diperkirakan dapat
mewakili seluruh nilai data yang ada dalam kelompok tersebut.
Tujuan analisis deskriptif untuk membuat gambaran secara sistematis
data yang faktual dan akurat mengenai fakta-fakta serta hubungan
antar fenomena yang diselidiki atau diteliti.
Pengukuran
penyimpangan
adalah
suatu
ukuran
yang
menunjukkan tinggi rendahnya perbedaan data yang diperoleh dari

rata-ratanya.
Misalnya,
diambil
nilai
keterampilan
penyelesaian
masalah (problem solving skill) dari dua group karyawan bagian

teknis Group A dan Group B masing-masing 10 orang. Diperoleh
data:
Group A : 90, 80, 70, 90, 70, 100, 80, 50, 75, 70
Group B : 80, 80, 75, 95, 75, 70, 95, 60, 85, 60
Nilai rata-rata karyawan Group A dan Group B = 77,5 tetapi
simpangan baku Group A dan Group B berbeda yaitu Group A = 13,9
sedangkan Group B = 12,3.
Apabila manajer memutuskan nilai berdasarkan nilai rata-rata
dan jumlah data saja untuk diberi ranking, maka hal itu kurang adil.
Karena realitas menunjukkan tidak demikian kenyataannya, nilai
keterampilan Group A terletak antara 50-100 dan Nilai Keterampilan
Group B terletak antara 60- 95. Hal ini dapat ditarik kesimpulan
bahwa Nilai Kotorampilan Group [3 loltih mmala dari pada Nilai
Keterampilan Group A. Nilai Group A lebih tinggi dari Group B. Oleh

sebab itu, digunakan ukuran yang menunjukkan derajat atau tinggi
rendahnya penyimpangan antar data tersebut. Sehingga ukuran
simpangan itu, sangat penting. Artinya kita bisa mengetahui derajat
perbedaan
data yang satu dengan data yang
lainnya.
Pada
kesempatan ini, pengukuran penyimpangan akan membahas Range,

Standard Deviation, dan Variance.
1. Range
Range
terendah.
Rumus:
(rentangan)
adalah
data
tertinggi
dikurangi
data
Contoh 1:
Data Nilai Kemampuan Mahasiswa Semester V dan

Semester VI
Semester V : 90, 80, 70, 90, 70, 100, 80, 50, 75, 70
Semester VI
: 80, 80, 75, 95, 75, 70, 95, 60, 85, 60
Urutkan dulu kemudian dihitung rentangannya
Semester V
: 50, 70, 70, 70, 75, 80, 80, 90, 90, 100
Semester VI
: 60, 60, 70, 75, 75, 80, 80, 85, 95, 95
Rentangan Semester V
: 100 - 50 = 50
Rentangan Semester VI
9 5 - 6 0 = 35
Contoh 2
Dikolnhui cinta Prostasi Mahasiswa Institut Manajemen Telkom (IM
l olkom) N(bagai bonku!
Prestasi
Prestasi
Prestasi
Prestasi
Mahasiswa
Mahasiswa
Mahasiswa
Mahasiswa
A
B
C
D
45,
45,
45,
45,
50,
49,
48,
46,
60,
55,
50,
50,
65,
60,
52,
51,
70,
75,
60,
70,
80
80
80
80
Keempat data Mahasiswa IM Telkom menunjukkan nilai rentangan

yang sama yaitu 80-45 = 35, tetapi penyebaran variasi berbeda.
2. Standard Deviation
Standard deviation (simpangan baku) adalah suatu nilai yang
menunjukkan tingkat (derajat) variasi kelompok atau ukuran standar
penyimpangan dari reratanya. Simbol simpangan baku populasi (a
atau on ) sedangkan untuk sampel (s, sd atau an-i )
a. Rumus simpangan baku data tunggal:

Simpangan baku untuk SAMPEL
(S X )2
2*
n -l =
n
n- 1
Model 1
atau
IX 2
s~v
7 Model 2
\n - 1
Contoh: Data Skor Kemampuan karyawan bagian perakitan per

usahaan antena TV sebagai berikut.
Model 1
Tabel 4.1 a: Kemampuan Karyawan Bagian Perakitan
X
No.
X
5625
75
1.
2.
4900
70
80
6400
3.
4.
7225
85
3600
5.
60
5625
75
6.
7.
100
10000
8100
8.
90
0025
9.
95
;>(>:>!>
10.
75
n = 10
>;x = 805
X = 66125
(805);
10
10-1
66125
IX '
n___ __
(1322,5
= V l 4 6 , 9 = 1 2 ,1 2 (data sampel)
Model 2
Tabel 4.1b: Data sama dengan cara berbeda
No.
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
75
70
80
85
60
75
100
90
95
75
I X = 805
x2
(X - X )
X
u
c
Mencari rerata X
dulu --------
-5,5
-10,5
-0,5
4,5
-20,5
-5,5
19,5
9,5
14,5
-5,5
0
30,25
110,25
0,25
20,25
420,25
30,25
380,25
90,25
210,25
30,25
I x 2 = 1322,5
x =
n
Kemudian mencari
10
= 80,5
.v = , i - ^ =
\ n - 1 V 1 0 -1
.v - yj 146,9 = 12,12 (data sampel)
b. Rumus simpangan baku data distribusi: untuk POPULASI

,2 ^(W
ZfX2- ^)2
s/
s/ - 1
Yly1
v = . - Model 2
V Zf -1
Model 1 atau
Model 1
Tabel 4.2-. Distribusi Frekuensi Nilai Kinerja Pegawai
Dinas Kominfo Jabar
Titik Tengah
Nilai
f
f X
X2
f
Interval
(x)
No
1.
2.
3.
4.
5.
6.
7.
6 0 -6 4
6 5 -6 9
7 0 -7 4
7 5 -7 9
8 0 -8 4
8 5 -8 9
9 0 -9 4
Zfic
No
62
67
72
77
82
87
92
124
402
1080
1540
1312
609
368
3844
4489
5184
5929
6724
7569
8464
7688
26934
77760
118580
107584
52983
33856
Ef = 70
Ifx = 5435
E f xz = 425385
(m 2
s/
<r-i =
7,n-1
x2
2
6
15
20
16
7
4
2 /-1
4 2 5 3 8 5 -^
425385_ 19539225
_________ 70
_ J___________70
70-1
V
69
425385-421988,93
----------- -------------= y 49,22 = 7,016populasi
Model 2
Data sama dengan cara berbeda
Tabel 4.2b. Distribusi Frekuensi Nilai Kinerja Pegawai
Dinas Kominfo Jabar
Batas Kelas
Nilai
(X - ^ )
f
f x2
Interval
x2
(X)
X
1.
2.
3.
4.
5.
6.
7.
60-64
65-69
7 0 -74
75-79
80-84
85-89
90-94
2
64,5
6
69,5
15
74,5
20
79,5
16
84,5
7
89,5
4
94,5
= 70 XX =556,5
-15
-10
-5
0
5
10
15
0
225
100
25
0
25
100
225
v x 700
450
600
375
0
400
700
900
X f x5 - 342!)
Mencari rerata
>
dulu
Dilanjutkan mencari i
'Zfx
I f - 1
7 0 -1
J 4 9 64 = 7,045 populasi
y
3. Variance
Variance
(varians) adalah
kuadrat dari
simpangan
baku.
Fungsinya untuk mengetahui tingkat penyebaran atau variasi data.

Simbol Varians Populasi (c2 atau a2n ) sedangkan untuk Sampel (S
atau c2n-i )
Contoh :
Standar deviasi (s) = 12,12, maka Varians (S) = 146,9 (data sampei)
Standar deviasi (s) = 7,045, maka Varians (S) = 49,64 <datapopulasi)
D. RANGKUMAN
Range
(rentangan)
adalah
data
tertinggi
dikurangi
data
terendah, sedangkan yang dimaksud Standard deviation (simpangan

baku) adalah suatu nilai yang menunjukkan tingkat (derajat) variasi
kelompok atau ukuran standar penyimpangan dari reratanya. Simbol
simpangan baku populasi (a atau an ) sedangkan untuk sampel (s, sd
atau cTn.i ).
Variance
(varians) adalah
kuadrat dari
simpangan
baku.
I ungsinya untuk mengetahui tingkat penyebaran atau variasi data.

Simbol Varians Populasi (o2 atau c?n ) sedangkan untuk Sampel (S
atau a' ,, ( )
E. SOAL LATIHAN
1. Sebutkan pengertian range menurut Anda?
2. Berapa nilai range untuk Matakuliah Statistika Bisnis?
75
77
80
85
88
90
79
55 58
57
85
80
3. Apa yang Anda ketahui tentang standar deviasi?

4. Sebutkan pengertian variasi (varians) menurut Anda?
5. Diketahui data hasil kompetensi karyawan bagian perakitan.
90 99
100 110100 90 105 90
100 80 85 80 90
75
85
99 89
65 55 60
60
99
90
70 57
Tabulasikan data
kemudian hitunglah nilai
dan
Variasi
59
70 70 80 95
tersebutmenjadi
datakelompok,
Simpangan Baku (Standard Deviasi)
( Varians) serta
Buatlah
Lingkaran dengan langkah-langkahnya.
Grafik
Batang
dan
BAB 5
KORELASI SPEARMAN RANK
A. TUJUAN
1. Mengetahui analisis korelasi Spearman Rank
2 . Menganalisis korelasi Spearman Rank
Mengaplikasikan korelasi Spearman Rank
B. POKOK BAHASAN
1. Dofinisi korolnsi Spoarman Rank
2. Mongnnnlir.i:; korolnsi Spoarman Rank
Mnnijfipllknnlknn
langkah langkah praktis korolasi
UfHuimuin llniik
C. INTISARI BACAAN
etode Korelasi Spearman Rank (rho) bisa juga disebut korelasi
berjenjang, atau korelasi berpangkat, dan ditulis dengan notasi
(rs). Metode ini dikemukakan oleh Cari Spearman Tahun 1904.
Kegunaannya untuk mengukur tingkat atau eratnya hubungan antara
dua variabel yaitu variabel bebas dan variabel terikat yang berskala
ordinal, mengetahui tingkat kecocokan dari dua variabel terhadap
grup yang sama, mendapatkan validitas empiris (concusrent validity)
alat pengumpul data, dan mengetahui reliabilitas (keajekan) alat
pengumpul data yang dimodifikasi dengan William Brown sehingga
menghasilkan
rumus baru yaitu Spearman-Brown bersimbol (rn)=
2r:1+2r. dan juga untuk mengukur data kuantitatif secara eksakta sulit
dilakukan misalnya mengukur tingkat kesukaan (kesenangan), tingkat
produktivitas pegawai, tingkat motivasi pegawai, tingkat moralitas
pegawai dan lain-lain.
Metode Korelasi Spearman Rank tidak terikat oleh asumsi
bahwa populasi yang diselidiki harus berdistribusi normal, populasi
sampel yang diambil sebagai sampel maksimal 5 < n < 30 pasang,
data dapat diubah dari data interval menjadi data ordinal. Rumus
Korelasi Spearman Rank yang digunakan yaitu:
,
6S i/2
r = 1------- ------n(n~ - 1)
rs = Nilai Korelasi Spearman Rank

d 2 - Selisih setiap pasangan rank
n = Jumlah pasangan rank untuk Spearman (5 < n
< 30)
Bila dilanjutkan untuk mencari signifikan, maka digunakan rumus Zhitung

z hitung -
. r*...|
Jn-l
Caranya mencari nilai Korelasi Spearman fhnk mula-mula buatlah

hipotesis berbentuk kalimat dan statistik, buallah labol untuk morankiruj
komudian hitunglah nilai rs ,,miMg. Totapkan dulu tnml Ignllikan, cutilah nilai
Tabel r Spearman dan buatlah perbandingan antara rs hitung dengan rs tabeiKemudian carilah nilai Zhiiung, buatlah aturan untuk pengambilan keputusan,
bandingkan Zhitung > Ztabei. maka tolak Ho (signifikan), kemudian simpulkan.
Contoh
Akan diteliti apakah terdapat hubungan antara motivasi belajar
dengan prestasi belajar mahasiswa Institut Manajemen Telkom. Kemudian
diambil 10 mahasiswa Institut Manajemen Telkom sebagai sampel dengan
taraf signifikan 5%. Data motivasi belajar (X) dan prestasi belajar Matakuliah
Statistika Bisnis (Y). Buktikan apakah data tersebut ada korelasi dan
signifikan.
X : 70, 60, 55, 50, 89, 85, 75, 95, 90, dan 92.
Y : 50, 50, 40, 90, 80, 80, 70, 65, 65, dan 50.
Langkah 1. Membuat Ha dan Ho dalam bentuk kalim at:
Ha: Ada hubungan yang signifikan antara motivasi belajar dengan prestasi
belajar mahasiswa Institut Manajemen Telkom dalam Matakuliah
Statistika Bisnis.
Ho: Tidak ada hubungan yang signifikan antara motivasi belajar dengan
prestasi belajar mahasiswa Institut Manajemen Telkom dalam
Matakuliah Statistika Bisnis.
Langkah 2. Membuat Ha dan Ho dalam bentuk statistik:

Ha : r i
0
Ho : r = 0
Langkah 3. Membuat tabel penolong untuk menghitung ranking:_________
Rank X - Y
Rank
Nilai
No.
Nama
Nilai
Mahasiswa Motivasi (X) Prestasi
(Y)
(d2)
(d)
Belajar
Belajar
1.
?.
3.
A.
5.
6
l.
n
<)
10
Sari Dewi
Tuti
Dcdcn
Nyoman
Arif
Novi
Iwnn
Candra
Yullslln
Anlwi
70
60
55
50
89
05
/!>
!)!>
(K)
<X'
7
8
9
10
4
5
6
I
:)
'
50
50
40
90
80
80
70
65
<>5
50
8
8
10
1
2,5
2,5
4
5,5
5,5
H
-1
1
0
0
1
- 1
9
81
1,5
2,25
2,5
6,25
2
4
4,5
20,25
0,?5
?,5
:t(i
(i
Jumlnh >;<r i s
Langkah 4. Mencari
r s hitung
dengan rumus:
,i= 1
=
n(n -1 )
10.(102 -1 )
0.042
990
Langkah 5. Mencari Nilai rs tabei Spearman:

Dengan a = 0,05 dan n = 10,
Kemudian membandingkan
maka rs tabei = 0,648

antara rs n^ng dengan rs tabei,
ternyata rs hitung lebih kecil dengan rs tabei atau 0,042< 0,648,

maka Ho diterima dan Ha ditolak.
Langkah 6. Mencari ZhitUng dengan rumus :
7
hl,un* ~
4n-i
- 042 - 042- n n
~
1 " 0,33
VlO-l
Dengan tingkat signifikansi 5%, harga Z tabei dicari pada Tabel Kurve
Normal Z ^sj- y2.[o,o5] > = Zo,475.
Apabila harga dalam kurve normal 0,475, maka harga Z tabei = 1,96.
Jika Zhitung ^ Z tabei, rnaka tolak Ho artinya signifikan dan
Zhitung ^ Z tabei, maka terima Ho artinya tidak signifikan
Ternyata Zhitung lebih kecil dari Z tabei, atau 0,13 < 1,96, maka Ho
diterima, artinya Tidak ada hubungan yang signifikan antara motivasi
belajar dengan prestasi belajar Matakuliah Statistika Bisnis.
Langkah 5. Membuat kesimpulan

Penelitian ini bermakna bahwa hubungan motivasi belajar
dengan prestasi belajar mahasiswa Institut Manajemen Telkom
dalam Matakuliah Statistika Bisnis adalah tidak ndn hubungan yang
signifikan atau tidak ada korelasi yang signifikan.
Cara meranking data:

Contoh 1. Diketahui data : 70, 60, 55, 50, 89, 85, 75, 95, 90, dan 92.
Langkah-langkah menjawab : Urutkan data mulai data yang tebesar
sampai data terkecil atau sebaliknya atau kemudian buatlah tabel
penolong :
Nilai
: 95, 92, 90, 89, 85, 75, 70, 60, 55, 50.
No Urut : 1, 2, 3, 4, 5, 6, 7, 8, 9, 10.
Tabel Penolong_______ ________
No.
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
Nilai Kemampuan Kerja

95
92
90
89
85
75
70
60
55
50
Ranking
1
2
3
4
5
6
7
8
9
10
Contoh 2. Diketahui data: 50, 50, 40, 90, 80, 80, 70, 65, 65, dan 50.
Langkah-langkah menjawab: Urutkan data mulai data yang terbesar
sampai data terkecil atau sebaliknya atau kemudian buatlah tabel
penolong :
Nilai
: 90, 80, 80, 70, 65, 65, 50, 50, 50, 40.
No Urut : 1, 2, 3, 4, 5, 6, 7, 8, 9, 10.
Tabel Penolong
No.
1.
2.
3.
4.
5.
6.
7.
n.
9
10
Nilai Motivasi Kerja

Pegawai Telkom
90
80
80
70
65
65
50
!.()
!>()
40
Proses Rank
Ranking
(2 + 3):2 = 2,5
1
2,5
2,5
4
5,5
5,5
8
8
8
10
(5 + 6):2 = 5,5
(7 i 8 i 9) :3 = 8
10
D. RANGKUMAN
Metode
Korelasi
Spearman
Rank (rho) digunakan
untuk
mengukur tingkat atau eratnya hubungan antara dua variabel yaitu

variabel bebas dan variabel terikat yang berskala ordinal. Korelasi
Spearman Rank tidak terikat oleh asumsi bahwa populasi yang
diselidiki harus berdistribusi normal, populasi sampel yang diambil
sebagai sampel maksimal 5 < n < 30 pasang, data dapat diubah dari
data interval menjadi data ordinal.
E. SOAL LATIHAN
1. Apa yang Anda ketahui tentang korelasi Spearman Rank?
2. Diketahui data gaji pegawai (X) dengan produktivitas
kerja (Y) di PT Telkomsel.
X = 85
74
Y = 65
60
76 90
85
87 94
98
5565 55
70 65
70
81
91
76 74
55 70
50 55
Ha: Ada hubungan yang signifikan gaji pegawai
dengan
produktivitas kerja PT Telkomsel.

Ho: Tidak ada hubungan yang signifikan gaji pegawai dengan
produktivitas kerja PT Telkomsel
BAB 6
KORELASI PEARSON PRODUCT
MOMENT (PPM)
A. TUJUAN
i.
Mengetahui analisis korelasi Pearson Product Moment
12. Menganalisis korelasi Pearson Product Moment
Mengaplikasikan korelasi Pearson Product Moment
B. POKOK BAHASAN
I. M endefinisikan korelasi Ponrson Product Moment
Menganalisis koiolasi / e,f/son Product Moment
,'i M engaplikasikan domjan langkah langkah praktis korelasi
/Vvi/no/i I nului l Moniciit
C. INTISARI BACAAN
nalisis korelasi banyak jenisnya, ada sembilan jenis

korelasi yaitu: Korelasi Pearson Product Moment (r);
Korelasi Ratio (A); Korelasi Spearman Rartk atau Rho (rs
atau p); Korelasi Berserial (rb); Korelasi Korelasi Poin Berserial (rpb);
Korelasi Phi (0); Korelasi Tetrachoric (rt); Korelasi Kontigency (C);
Korelasi Kendalls Tau (S). Bagaimana cara menggunakannya ?
tergantung pada jenis data yang dihubungkan.
Berdasarkan sembilan teknik analisis korelasi tersebut, maka
dipilih dan dibahas ialah Korelasi Pearson Product Moment (r) karena
sangat populer dan sering dipakai oleh mahasiswa dan para peneliti.
Korelasi ini dikemukakan oleh Kari Pearson Tahun 1900.
Kegunaannya untuk mengetahui derajat hubungan dan kontribusi
variabel bebas (independent) dengan variabel terikat (dependent).
Teknik analisis Korelasi PPM termasuk teknik statistik
parametrik yang menggunakan data interval dan ratio dengan
persyaratan tertentu. Misalnya: data dipilih secara acak (random);
datanya berdistribusi normal; data yang dihubungkan berpola linier;
dan data yang dihubungkan mempunyai pasangan yang sama sesuai
dengan subjek yang sama. Kalau salah satu tidak terpenuhi
persyaratan tersebut analisis korelasi tidak dapat dilakukan. Rumus
yang digunakan Korelasi PPM.
n (L x y )-(lX ).(IiO
/r y ---------------------i-----------------------------------------------------------.---------------------------------------------------------------------
V { . 2 ; x 2 - ( Z X ) 2} . j . E F 2 - ( l r ) 2 |
Korelasi PPM dilambangkan (r) dengan ketentuan nilai r tidak
lebih dari harga (-1 < r < +1). Apabila nilai r = - 1 artinya korelasinya
negatif sempurna; r = 0 artinya tidak ada korelasi; dan r = 1 berarti
korelasinya sangat kuat. Sedangkan arti harga r akan dikonsultasikan
dengan Tabel interpretasi Nilai r sebagai borikul.
Interpretasi Koefisien Korelasi
Interval
Koefisien
0 ,8 0 -1 ,0 0 0
0 ,6 0 -0 ,7 9 9
0 ,4 0 -0 ,5 9 9
0 ,2 0 -0 ,3 9 9
0 ,0 0 -0 ,1 9 9
Nilai r
Tingkat Hubungan
Sangat Kuat
Kuat
Cukup Kuat
Rendah
Sangat Rendah
Selanjutnya untuk menyatakan besar kecilnya sumbangan

variabel X terhadap Y dapat ditentukan dengan rumus koefisien
diterminan sebagai berikut.
KD = r 2x 100%
Dimana : KD = Nilai Koefisien Diterminan

r = Nilai Koefisien Korelasi.
Pengujian lanjutan yaitu uji signifikansi yang berfungsi apabila

peneliti ingin mencari makna hubungan variabel X terhadap Y, maka
hasil korelasi PPM tersebut diuji dengan Uji Signifikansi dengan
rum us:
Dimana: t hitung = Nilai t

r = Nilai Koefisien Korelasi
n = Jumlah Sampel
Contoh: Hubungan Kreativitas dengan Kinerja Dosen IM Telkom

Kreativitas (X)
Kinerja (Y)
: 60; 70; 75; 65; 70; 60; 80; 75; 85; 90; 70; dan 85
: 450;475; 450; 470; 475; 455; 475; 470; 485; 480; 475; dan 480.
Pertanyaan;
a. Berapakah besar hubungan kreativitas dengan kinerja dosen?
b. Berapakah besar sumbangan (kontribusi) kreativitas dengan
kinorjn doson?
c. Buktikan npnknh ndn hubungan ynng signifikan kreativitas dengan
kinorjn dononV
Langkah 1. Membuat Ha dan Ho dalam bentuk kalim at:
Ha: Ada hubungan yang signifikan kreativitas dengan kinerja dosen.
Ho: Tidak ada hubungan yang signifikan kreativitas dengan kinerja dosen.

Ha :
Ho :
r * 0
r = 0
Langkah 3. Membuat tabel penolong untuk menghitung Korelasi PPM:

X
Y2
XY
No
X
Y
27000
1.
60
3600
202500
450
2.
4900
225625
33250
70
475
202500
33750
3.
75
5625
450
4.
4225
220900
30550
65
470
4900
225625
33250
5.
70
475
3600
207025
27300
6.
60
455
7.
6400
225625
38000
80
475
8.
5625
220900
35250
75
470
7225
235225
41225
9.
85
485
8100
230400
43200
10.
90
480
11.
4900
33250
70
225625
475
12.
85
7225
230400
40800
480
Statistik
SXY
XX
SYZ
IY
zxa
2652350
416825
Jumlah
885
5640
66325
Langkah 4. Mencari r hitung dengan cara masukkan angka statistik

dari tabel penolong dengan rumus:
n (Z X Y )-0 ;X ).< Z Y )
rXY
n .IX 2- ( lX ) 2Mn.SF2- ( l y ) 2}
____________12(416825) ~(885).(5460)__________
r XY
V(12.(66325) - (885)2}.{12.(2652350) - (5640)2}

10500
10500
/wol
r XY = = = =
= -------------= 0,684
>/235755000 15354,32
Langkah 5. Mencari besarnya sumbangan (kontribusi) variabel X

terhadap Y dengan rumus :
KD = r2 x 100% = 0,6842 x 100% = 46,79%.
Artinya kreativitas memberikan kontribusi terhadap kinerja
dosen sebesar 46,79 % dan sisanya 53,21% ditentukan oleh variabel
lain.
Langkah 6. Menguji signifikansi dengan rumus t hitung:
0 ,6 8 4 V l2 - 2
t,.,
= ;- - .
......
V T 7
V l- 0 ,6 8 4 2
2,16
.
= ------ = 2,963
0,729
Kaidah pengujian :
Jika t hitung ^ t tabei, maka tolak Ho artinya signifikan dan
t hitung ^ t tabei, terima Ho artinya tidak signifikan
Berdasarkan perhitungan di atas, a = 0,05 dan n = 12,
uji dua pihak;
dk = n - 2 = 1 2 - 2 = 10 sehingga diperoleh t tabei = 2,228
Ternyata t hitimg lebih besar dari t tabei, atau 2,963 >2,228, maka
Ho ditolak, artinya Ada hubungan yang signifikan kreativitas dengan
kinerja dosen.
1. Berapakah besar hubungan kreativitas dengan kinerja dosen?
rxy sebesar 0,684 kategori kuat.
2. Berapakah besar sumbangan (kontribusi) kreativitas dengan
kinerja dosen?
KD = r2 x 100% = 0,6842 x 100% = 46,79% . Artinya kreativitas
memberikan kontribusi terhadap kinerja dosen sebesar 46,79 %
dan sisanya 53,21% ditentukan oleh variabel lain.
3. Buktikan apakah ada hubungan yang signifikan kreativitas dengan
kinerja dosen? Terbukti bahwa ada hubungan yang signifikan
kreativitas dengan kinerja dosen.
Tornyata 1 1,,,,,,, lobih bosar dari t t;it><!i. atau 2,963 > 2,228, maka Ho
ditolak, artinya Ada hubungan yang signifikan kreativitas dengan
kinoi|a ( I o n i i i i
-- -- ...........- - .......
- ------------------ ----------
D. R A N G K U M A N
Analisis Korelasi Pearson Product Moment (PPM) susatu
analisis yang digunakan untuk mengetahui derajat hubungan dan
kontribusi variabel bebas (independent) dengan variabel terikat
(dependent). Teknik analisis Korelasi PPM termasuk teknik statistik
parametrik yang menggunakan data interval dan ratio dengan
persyaratan tertentu. Misalnya: data dipilih secara acak (random);
datanya berdistribusi normal; data yang dihubungkan berpola linier;
dan data yang dihubungkan mempunyai pasangan yang sama
sesuai dengan subjek yang sama. Kalau salah satu tidak terpenuhi
persyaratan tersebut analisis korelasi tidak dapat dilakukan.
E. S O A L LA TIH A N
1. Apa kugunaan analisis korelasi Pearson Product Moment?
2. Berikut ini data motivasi belajar dengan prestasi belajar
mahasiswa IM Telkom. Sampel diambil 12 orang
mahasiswa.
Kode
Responden
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
X
38
45
46
30
53
54
61
50
52
51
69
53
Y
60
50
62
40
68
59
79
69
65
70
89
79
Pertanyaan!
a.
b.
c.
Berapa besar koefisien korelasinya ?

Berapa besar sumbangan antar variabel ?
Buktikan apakah ada hubungan yangsignifikan
antara
motivasi belajar mahasiswa donfjan pmsl.ir.i belajar
mahasiswa. Apabila alfa (o) 0,0!i <lnn diuji <lun pihak ?
------------------------------------------------------------------
-...- - ....
BAB 7
KORELASI GANDA
A. TUJUAN
1. Mengetahui analisis korelasi ganda
2 . Menganalisis korelasi ganda
Mengaplikasikan korelasi ganda
B. POKOK BAHASAN
1 . M endefinisikan korelasi ganda
Monganalisi:; korelasi ganda

;t. M engaplikasikan dongan langkah langkah praktis korelasi
ganda
..................- -------------------------------------------- -- -----------
C. INTISARI BACAAN
nalisis Korelasi Ganda berfungsi untuk mencari besarnya
hubungan dan kontribusi dua variabel bebas (X) atau
lebih secara simultan (bersama-sama) dengan variabel
terikat (Y). Desain penelitian dan Rumus Korelasi Ganda sebagai
berikut.
Rumus Korelasi Ganda

f2
R,
'X IT
+ r2
'
X 2.Y
.X2.Y
' 2 (rxi.K)-(rX2T )~(rXI.X2 )

I - r X I.X 2
Selanjutnya untuk mengetahui signifikansi Korelasi Ganda

dicari dulu Fhitung kemudian dibandingkan dengan F tabei/j 2
FHM,n, = _ 2 ,
n- k- 1
Dimana: R = Nilai Koefisien Korelasi Ganda

k =
Jumlah
Variabel
Bebas
(Independent)
n = Jumlah Sampel
Fhitung = Nilai F yang dihitung
Kaidah pengujian signifikansi:

Jika F hitung ^ F tabei, maka tolak Ho artinya signifikan dan
F hitung ^ F tabei, terima Ho artinya tidak signifikan
Carilah nilai F tabei menggunakan Tabel F dengan rumus:
Taraf signifikan: u = 0,01 atau a = 0,05
F t;U)0 l ~ F |( l
) (ilk
k), (<lk n I, I))
Langkah 1. Membuat Ha dan Ho dalam bentuk kalimat:
Langkah 3. Membuat tabel penolong untuk menghitung Korelasi Ganda:
Langkah4. Mencari r hitung dengan cara masukkan angka statistik dari tabel
penolong dengan rumus:
n(TlX iY ) - a , X i).<ZY)
rXi.Y =
V { n . I ^ 2 - ( Z X ;)2 } . { n . S r 2 - ( E F ) 2}
Dari hasil korelasi kemudian dimasukkan pada rumus korelasi
ganda (R) dengan rumus:
^
i X I.X 2 .Y
_
~
\ r X \ . Y "I" VX 2 . Y ~ 2 ( r x i T ) ' ( r X 2 . y ) - ( r X-l. * 2 )

, _
2
r X l.X 2
Langkah 5. Menguji signifikansi dengan rumus F|hitung

R 2
F
lutung
(1
R 1)
n - k - 1
Jika F hitUng > F tabei, maka tolak Ho artinya signifikan dan
F mtung ^ F tabei, terima Ho artinya tidak signifikan
Taraf signifikan: a = 0,01 atau a = 0,05
F
tabel =
{(i _ a ) (dk=k), (dk=n-k-1))
Contoh: Ada judul penelitian yang berbunyiHUBUNGAN KEPUASAN

KERJA DAN DISIPLIN KERJA TERHADAP EFEKTIVITAS KERJA
PEGAWAI PT TELKOM DI BANDUNG
Dal;i (liari(](|a|) momonuhi asumsi dan persyaratan analisis; data
dipilih socara random, bnidistribusi normal; berpola linier; data sudah
liomo<)on dan mempunyai par.amjan yancj sama sosuai dongan subjok yang
nama
Diketahui:
a. Variabel Kepuasan Kerja (X!)
b. Variabel Disiplin Kerja (X2)
c. Variabel Efektivitas kerja (Y)
d. Sampel sebanyak (n) = 64 orang dengan taraf signifikan (a = 0,05)
Buktikan apakah ada hubungan yang signifikan variabel X,, X2 terhadap Y!
Data Penelitian untuk variabel X1pX2dan Y

No
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
Xi
48
47
47
41
41
42
61
69
62
65
48
52
47
47
47
41
55
75
62
68
48
X2
97
77
99
77
77
55
88
120
87
87
50
87
87
87
81
55
88
98
87
87
44
Y
61
40
48
54
34
48
68
67
67
75
56
60
47
60
61
47
68
68
74
75
55
No
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.
41.
42.
Xi
49
48
54
54
48
61
54
68
68
47
41
42
41
55
68
61
61
54
48
40
34
x2
94
77
55
76
65
90
119
119
98
55
66
67
58
90
77
99
109
76
75
77
67
Y
61
46
61
58
50
68
75
75
75
56
61
54
50
61
47
68
82
67
69
55
48
No
43.
44.
45.
46.
47.
48.
49.
50.
51.
52.
53.
54.
55.
56.
57.
58.
59.
60.
61.
62.
63.
64.
Xi
48
38
55
62
68
56
38
61
68
60
55
27
48
40
40
48
38
57
68
61
35
40
x2
68
67
89
87
87
87
65
98
105
78
77
66
66
55
78
79
75
98
98
87
87
77
Y
47
55
61
61
68
65
70
75
61
54
60
55
55
47
56
54
69
74
68
66
61
69

Ha: Terdapat hubungan yang signifikan antara kepuasan kerja dan disiplin
kerja secara simultan terhadap efektivitas kerja pegawai PT Telkom di
Bandung.
Ho: Tidak terdapat hubungan yang signifikan antara kepuasan kerja dan
disiplin kerja secara simultan terhadap efektivitas kerja pegawai PT
Telkom di Bandung.

Ha: r * 0
Ho: r = 0
Langkah 3. Membuat tabel penolong untuk menghitung Korelasi Ganda:
Setelah dihitung dengan Kalkulator FX 3600 maka diperoleh:
a. Menghitung nilai Korelasi X1terhadap Y

Ringkasan Statistik X 1 terhadap Y
Sim bol Statistik
Nilai Statistik
64
3320
n
ZXi
Y
E Z ,2
3871
179456
2YZ
240425
SX iY
204514
n(lx,r)-(Zx,).gr)
_____________64 (204514) ~(3320).(3871)___________

V{ (64).(179456) - (3320)2}.{(64) .(240425) - (3871)2}
b. Menghitung nilai Korelasi X2terhadap Y

_______Ringkasan Statistik X2 terhadap Y_____
Simbol Statistik
n
X2
Y
Nilai Statistik
64
5198
3871
439670
XY2
XX;,Y
240425
320416
n(>;.Y,n (Y.X,).Cl.Y)
(>;.y .)' i i >;r (>;r)*i
____________ 64(32041Q-(5198).(387D__________
-7{ (64).(43900)-(5198)2}. {(64). (240423 - (3X71)2 }

c. Menghitung nilai Korelasi X^dengan X2
______ Ringkasan Statistik X 1 dengan X2
Nilai Statistik
Simbol Statistik
n
EX,
64
3320
XX,2
179456
ZX;
439670
X, x 2
276596
5198
n(ZX1X2)-(IX,).(SX2)
^X1 X 2
I-------------------------------------------------------
t/(
rx, x2 =
n.SX,2-(Z A ',)2}.{n.i:A'2a-(S X 2)2(

64 (2 7 6 5 9 6 )-< 3 3 2 0 ).(5 198)
- _
...
^ = 0,618
(64).( 179456) - (3320)2}.{(6 4 ) .(439670) - (5198)2}
Langkah 4. Mencari nilai korelasi antar variabel dan korelasi

ganda (R x i.x 2.y)
Ringkasan Hasil Korelasi
Simbol Statistik
r x i .y
l' X2.Y
f X1.X2
Nilai Statistik
0,549
0,574
0,618
Dari hasil korelasi kemudian dimasukkan pada rumus korelasi

ganda (R) dengan rumus:
R X l.X 2.Y
0,5492 +0,5742 - 2.(0,549).(0,574).(0,618)

1- (0,618)2
R X I . X 2 .Y
0,63-0,39
0,62
Hubungan kepuasan kerja dan disiplin kerja secara simultan

terhadap efektivitas kerja pegawai di Bagian Keuangan Provinsi
Banten tergolong kuat atau tinggi. Kontribusi secara simultan R2 x
100% = 0,622 x 100%= 38,44% dan sisanya 37,44% ditentukan oleh
variabel lain.
Langkah 5. Menguji signifikansi dengan rumus

R1
0,62
n-k-l
6 4 -2 -1
F hjtung

Dengan taraf signifikan (a) = 0,05
Carilah nilai F
menggunakan Tabel F dengan rumus:
F t.iliol ~ F |(| l() (,ik
k), (dk
l ' |(l
I
o.o'i) (<lk
|(( |,IK ,). ( .'. 0 1 ) )
mk
(dk
I))
M
;>
t))
Cara mencari F tabei: angka 2 sebagai angka pembilang

angka 61 sebagai angka penyebut.
F tabei = 3,148 (interpolasi)
Cara mencari interpolasi pada Tabel F.

Keterangan:
Rumus mencari interpolasi
C = C0+
B
B0
B,
C
Co
Ci
= nilai dk yang dicari

= nilai dk pada awal nilai yang sudah ada
= nilai dk pada akhir nilai yang sudah ada
= nilai F tabei yang dicari
= nilai F tabei pada awal nilai yang sudah ada
= nilai F tabei pada akhir nilai yang sudah ada
Dari Tabel F diperoleh:

B
B0
B,
C
Co
C,
= 61 (dk = n - k - 1 = 64 - 2 - 1 = 61)
= 60
= 65
= nilai F tabei yang dicari melalui interpolasi = 3,148
=3,15
=3,14
C = Cn +
(B -
) = 3,15 +
~^
(65-60)
.( 6 1 -
60)
= 3,15 + -9^!.(1) = 3,15-0,02 = 3,148

Setelah dihitung ternyata F hitung > F tabei atau 19,22 > 3,148,
maka tolak Ho dan terima Ha artinya terdapat hubungan yang
signifikan antara kepuasan kerja dan disiplin kerja secara simultan
terhadap efektivitas kerja pegawai PT Telkom di Bandung.
D. RANGKUMAN
Analisis Korelasi Ganda berfungsi untuk mencari besarnya
hubungan dan kontribusi antara dua variabel bebas (X) atau lebih
secara simultan (bersama-sama) dengan variabel terikat (Y).
E. SOAL LATIHAN
1. Apa kegunaan analisis korelasi ganda?
2. Sebuah penelitian dilakukan untuk mengetahui apakah ada
hubungan penampilan kerja (Xi) dan iklim organisasi (X2)
terhadap efektivitas kerja pegawai (Y) di PT PLN di Bandung.
Angket disebar kepada 40 pegawai secara random dan diperoleh
data sebagai berikut.
N
60
30
78
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
iO
Y
45
34
70
49
x2
58
33
69
70
49
29
48
54
60
34
76
42
56
42
58
53
76
4r.
48
27
46
57
60
31
74
45
55
40
56
55
70
41
1)0
!>4
i),1)
34
68
50
30
40
54
58
26
78
45
47
34
57
53
77
68
X!
21
45
49
50
29
69
45
55
45
54
40
41
56
69
55
43
53
43
39
69
A?
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
x2
42
44
53
27
70
54
66
51
37
38
45
62
68
50
41
42
53
53
49
44
Y
50
48
49
30
63
49
50
48
50
44
39
68
67
48
54
56
49
36
60
40
Pertanyaan!
a. Berapa besar koefisien korelasi:
1)
dengan Y
2 ) X 2 dengan Y
3) Xt dan X 2
4) Xi dan X 2 terhadap Y
b. Berapa besar sumbangan antar variabel X! dan X 2
terhadap Y?
c. Buktikan! Apakah ada hubungan yang signifikan secara
bersama-sama penampilan kerja dan iklim organisasi
terhadap efektivitas kerja pegawai di PT PLN di Bandung?
BAB 8
REGRESI SEDERHANA
A. TUJUAN
1. Mengetahui analisis regresi sederhana
2 . Menganalisis regresi sederhana
Mengaplikasikan regresi sederhana
B. POKOK BAHASAN
1. M endefinisikan rogresi sederhana
Monrjnnnlisis rorjrosi sederhana
M oiujaplikasikan (I<.*n <]; i n lan<jkah langkah praktis regresi
nioihnna
.............
........................................................... - ...-
--
C. INTISARI BACAAN
egresi atau peramalan adalah suatu proses memperkirakan
secara sistematis tentang apa yang paling mungkin terjadi di
masa yang akan datang berdasarkan informasi masa lalu dan
sekarang yang dimiliki agar kesalahannya dapat diperkecil. Regresi
dapat juga diartikan sebagai usaha memperkirakan perubahan.
Supaya tidak salah paham bahwa peramalan tidak memberikan
jawaban pasti tentang apa yang akan terjadi, melainkan berusaha
mencari pendekatan apa yang akan terjadi. Jadi, regresi mengemu
kakan tentang keingintahuan apa yang terjadi di masa depan untuk
memberikan kontribusi menentukan keputusan yang terbaik.
Keingintahuan di masa depan sejak dulu merupakan bahasan

yang menarik dan penting. Beberapa nama besar seperti Joyoboyo
(raja Kediri kuno) dan Ronggo Wasito (pujangga kerajaan Surakarta)
mendapat tempat terhormat di masyarakat Jawa karena akurasi
ramalannya. Demikian juga dengan Alfin Toffler (future Shock, 1970
dan The Third Wave, 1980), John Naisbitt (Megatrends 2000) dan
Michael Porter (Competitive Advantage of Nation) mereka menjadi
terkenal dan kaya atas hasil karyanya tentang perkiraan masa depan.
Sampai saat ini semua organisasi memerlukan perkiraan masa
depan untuk membantu menentukan keputusan yang terbaik.
Kegunaan regresi dalam penelitian salah satunya adalah untuk
meramalkan atau memprediksi variabel terikat (Y) apabila variabel
bebas (X) diketahui. Regresi sederhana
dapat dianalisis karena
didasari oleh hubungan fungsional atau hubungan sebab akibat

(kausal) variabel bebas (X) terhadap variabel terikat (Y). Karena ada
perbedaan yang mendasar dari analisis korelasi dan analisis regresi.
Pada dasarnya analisis regresi dan analisis korolasi keduanya punya
hubungan yang sangat kuat dan mempunyai koomt/m Soliap analisis
regresi otomatis ndn nnnlisis korolnsinyn, tnln|>l snbnliknyn nnnlisis
korelasi belum tentu diuji regresi atau diteruskan dengan analisis

regresi.
Analisis korelasi yang tidak dilanjutkan dengan analisis regresi
adalah analisis korelasi yang kedua variabelnya tidak mempunyai
hubungan fungsional dan sebab akibat. Apabila peneliti mengetahui
hal ini lebih lanjut, maka perlu konsep dan teori yang mendasari
kedua variabel tersebut.
Persamaan regresi dirumuskan: Y = a + bX
Dimana:
Y
X
a
b
= (baca Y topi) subjek variabel terikat yang diproyeksikan

= Variabel bebas yang mempunyai nilai tertentu untuk diprediksikan
= Nilai konstanta harga Y jika X = 0
= Nilai arah sebagai penentu ramalan (prediksi) yang menunjukkan nilai
pening-katan (+) atau nilai penurunan (- ) variabel Y
h _ n .X X Y -.X X Z Y
a=
~ n I X 2- { Y X ) 2
n.
Langkah-langkah menjawab Regresi Sederhana:

Langkah 3.
Membuat tabel penolong untuk menghitung angka

statistik:
Langkah 4. Masukkan angka-angka statistik dari tabel penolong dengan

rumus:
nXXY - , X X . X K
_ .Z F -6 .IX
/j _ ------------------------ a -----------------------------------n XX - ( XX )n.
Langkah 5. Moncnri Jumlah Kuadrat Regresi (JKReg [aj) dengan

rumus:
IK II. i
( X 1 )
Langkah 6. Mencari Jumlah Kuadrat Regresi (JKReg

rumus:
[b|a])
dengan
Langkah 7. Mencari Jumlah Kuadrat Residu (JKRes) dengan rumus:
J K Reg^ a] J K Re
Langkah 8. Mencari Rata-rata Jumlah Kuadrat Regresi (RJKReg |a]) dengan
rumus:
R J K reg[a] = J K Reg[a]
Langkah 9. Mencari Rata-rata Jumlah Kuadrat Regresi (RJKReg[b|a]) dengan
rumus:
R J K r eg[b\a] = J K Rtg[b\a]
Langkah 10. Mencari Rata-rata Jumlah Kuadrat Residu (RJKr6s) dengan rumus:
JK a
R J K Re,
n -2
Langkah 11. Menguji Signifikansi dengan rumus:
f'
^ ^ ReS(b\Q
hitung
R J K kcs
Dengan taraf signifikan: a = 0,01 atau oc = 0,05
Carilah nilai F 1abei menggunakan Tabel F dengan rumus:
F tabel = F
((1
- a) (dk Reg [b|a]), (dk Res)}
Contoh: Ada Judul Penelitian yang berbunyi

PENGARUH PENGALAMAN KERJA TERHADAP PENJUALAN
HP DI BANDUNG
Data dianggap memenuhi asumsi dan persyaratan analisis;
data dipilih secara random; berdistribusi normal; berpola linier; data
sudah homogen dan mempunyai pasangan yang sama sesuai
dengan subjek yang sama. Data sebagai berikut:
Pengalaman Kerja (X) tahun
Penjualan barang (Y) unit
2 3 1 4 1 3 2 2
50 60 30 70 40 50 40 35
Pertanyaan:
a. Bagaimana persamaan regresinya?
b. Gambarkan diagram pencarnya!
c. Gambarkan arah garis regresi!
d. Buktikan apakah ada pengaruh yang signifikan antara pengalaman
kerja (X) terhadap penjualan barang (Y).
e. Buktikan apakah data tersebut berpola linier?

Ha: Terdapat pengaruh yang signifikan antara pengalaman kerja
terhadap penjualan HP di Bandung.
Ho: Tidak terdapat pengaruh yang signifikan antara pengalaman kerja
terhadap penjualan HP di Bandung.

Ha: r / 0
Ho: r
Langkah 3. Membuat tabel penolong untuk menghitung angka statistik:

No
X2
Y2
XY
1
2
4
9
2500
3600
900
4900
1600
2500
1600
1225
180
30
280
40
150
80
70
Statistik
Jumlah
X
18
Y
375
1
1
16
1
9
4
4
M
-<ro
3
4
5
50
60
30
70
40
50
40
35
100
X2
48 18825
ZXY
930
Langkah 4. Masukkan angka-angka statistik dari tabel penolong dengan

rumus:
(1) Menghitung rumus b
_ n lX Y - I X Z Y _ 8.(930)-(18).(375) _ 690 _ n g
~ n Z X 2 ~ (Z X )2
8.(48)-(18)2
60
(2) Menghitung rumus a
IY -b Z X
375-11,5.(18)
168
a = ------------------= ------------------------- = ------- = 2 1
(3) Menghitung persamaan regresi sederhana
Y =a +bx =21 + 11,5.(X)
........... Jawaban a
(4) Membuat garis persamaan regresi:

(a) Menghitung rata-rata X dengan rumus:
X = ^
= i * = 2 ,2 5
(b) Menghitung rata-rata Y dengan rumus:
80
70
60
50
40
l1
*6
*7
35
30
20
10
I--- 1------ 1----12
Gambar: Diagram Pencar
Gambar: Persamaan Garis Regresi
(Jawaban b)
(Jawaban c)
Menguji Signifikansi dengan Langkah-langkah berikut:

Langkah 1. Mencari Jumlah Kuadrat Regresi (JKReg{aj) dengan rumus:
jK
(LY )2
(375)
140625
17578,125
Langkah 2. Mencari Jumlah Kuadrat Regresi (JKReg{b[a]) dengan rumus:

JK.......
. 99.,875
1
Langkah 3. Mencari Jumlah Kuadrat Residu (JKRes) dengan rumus:

- ZY
" 18825-991,875-17578,125 - 255
Langkah 4. Moncnrl Itnln uiIji Jumlah Kuadrat Regresi (RJKfl<,(, [i) dengan
rumus.
KJK.
. .
./A',.. . ,
17.S7X,I25
-
Langkah 5. Mencari Rata-rata Jumlah Kuadrat Regresi (RJKReg [b|a]) dengan

rumus:
K J K R c i m = J K R e g m = 9 9 l,& 1 5
Langkah 6.
Mencari Rata-rata Jumlah Kuadrat Residu (RJKRes) dengan rumus:
K * ,
R J K Rcs=
^ = 225 = 42,5
n 2
8 - 2
Langkah 7. Menguji Signifikansi dengan rumus:

RJKRes
991,875
42,5

Jika F
hitung ^
F tabei, maka tolak Ho artinya signifikan dan
F hitung ^ F ,abei, terima Ho artinya tidak signifikan

F tabel = F ((1 - ) (dk Reg [b|a]), (dk Res)}
= F {(1 - 0,05) (dk Reg [b|a]=1), (dk Res=8 - 2 =6)}
= F ((0,95)(1,6)}
Cara mencari F tabei: angka 1 = pembilang
angka 6 = penyebut.
F tabel = 5,99
Ternyata F hitung > F tabei, maka tolak Ho artinya signifikan

Karena F hitung lebih besar dari F tab0|, maka tolak Ho dan terima
Ha. Dengan demikian terdapat pengaruh ynruj signifikan antara
pengalaman korja torhadnp penjualan I IP di MmikIuiiu
(Jawaban d )
Menguji Linieritas dengan Langkah-langkah berikut:

Langkah 1. Mencari Jumlah Kuadrat Error (JKE) dengan rumus:
J
Z|Zr2
~ ('S F)
= 2247,01
Sebelum mencari nilai JKE urutkan data X mulai dari data yang
paling
kecil
sampai
data
yang
paling
besar
berikut
disertai
pasangannya (Y), seperti tabel penolong berikut:

Tabel Penolong Pasangan Variabel X dan Y untuk Mencari (JKE)
No.
2
3
1
4
1
3
2
2
50
60
30
70
40
50
40
35
2
3
4
5
6
7
8
Diurutkan dari
data terkecil
hingga data
terbesar
-----------\
M E N JA D I
k 1
K2
k 3
k 4
X
1
1
2
2
2
3
3
4
Keterangan: n = jumlah kelompok yang sama
(
\2 , Af\2
JKe = 30 + 40
Kelompok
30
40
35
40
50
50
60
70
k = 4 kelompok
2>
(30 + 40)2A '
+ 35^ 40- 1 50^- (35 + 40 + 501
y
2A
50= + 60=
70
(70) 2 A
= (50 + 116,67 + 50 + 0)
JKC= 216,67
Langkah 2. Mencari Jumlah Kuadrat Tuna Cocok (JKTc) dengan

rumus:
JK ,t
./AKi i \ J K ,
225
2 16,67 = 38,33
Langkah 3. Mencari Rata-rata Jumlah Kuadrat Tuna Cocok (RJKTC)

dengan rumus:
J K.
38
33
RJKTr = = ! = 19 165
k -2
4 -2
Keterangan k = jumlah kelompok = 4
Langkah 4. Mencari Rata-rata Jumlah Kuadrat Error (RJKE) dengan rumus:

i
n -k
=
8 -4
Langkah 5. Mencari nilai
F hitung
dengan rumus:
_ RJKtc _ 19,165 _n oc
RJK,
54,1675
Perlu diketahui bahwa uji linieritas berbeda dengan uji signifikansi,
adapun perbedaannya terletak pada pengambilan keputusan
(kaidah pengujian), yaitu.
(1) Menentukan Keputusan Pengujian Signifikansi
Jika F hitung ^ F tabei, maka tolak Ho artinya Signifikan dan
F hitung ^ F tabei, terima Hoartinya Tidak Signifikan
(2) Menentukan Keputusan Pengujian Linieritas
Jika F hitung ^ F tabei, maka tolak Ho artinya data berpola Linier dan
F hitung ^ F tabei, maka terima Ho artinya data berpola Tidak Linier
Langkah 6. Menentukan Keputusan Pengujian Linieritas

Jika
< F tabei, rnaka tolak Ho artinya data berpola Linier dan

^ F tabei, rnaka terima Ho artinya data berpola Tidak Linier
Fhitung
F hitung
F tabel
= F (1 =
=
=
a)
(dk TC, dk E)
F (1 _ o,05) (dk = k - 2, dk = n - k)
F (1 - 0,05) (dk = 4 - 2 , dk = 8 - 4)
F (1 - 0 ,0 5 ) (dk = 2 , dk = 4)
= F (0,95) ( 2, 4)
Cara mencari = F lab0i
dk-2
dk
pombilann
po n yu lM il
6,94
Langkah 7. Membandingkan F hitung dengan F tabei

Ternyata F hitung < F tabei atau 0,35 <
berpola Linier
6,94,
maka tolak Hoartinya data
Kesimpulan variabel pengalaman kerja terhadap penjualan barang

berpola L in ie r.......... (Jawaban e)
Tabel Ringkasan Anava Variabel X dan

Linieritas
Sum ber
V a ria n si
d e ra ja t
kebebasan
(dk)
Total
Regresi (a)
Regresi (b|a)
Residu
Tuna Cocok
Kesalahan (Error)
1
1
n- 2
k- 2
n- k
R ata-rata
J u m la h
K u a d ra t
(R J K)
Ju m la h
K uadrat
(JK )
ZY2
Fhitung
Ftabei
Signifikan
Linier
Keterangan:
R J K R e g (a)
RJKReg(b|a) Perbandingan F hitung
dengan F tabei
RJ KRes
Signifikan dan
RJKtc
Linieritas
RJ Ke
J K R e g (a)
JKReg(b|a)
JK R es
J K
Y uji Signifikansidan Uji

____
tc
JKe
Tabel Ringkasan Anava Variabel X dan Y uji Signifikansi dan Uji

Linieritas
Sumber Variansi
derajat
kebebasan
(dk)
Rata-rata
Jumlah
Kuadrat
(RJK)
Jumlah
Kuadrat
(JK)
Total
18825
Regresi (a)
Rogresi (b|a)
Rosidu
1una Cocok
Kesalahan (Error)
1
1
17578,125
991,875
255
83,33
216,67
17578,125
991,875
42,5
19,165
54,1675
6
2
4
Fhitung
F tabel
5,99
Sig = 23,24
6,94
Linier = 0,35
Keterangan:
Perbandingan F litung
dengan F tabei Signifikan
dan Linieritas, ternyata:
23,24 > 5,99 signifikan
0,35 < 6,94 pola linier
D. RANGKUMAN
Rogrosi nlau pornmnlnn adalah suatu proses memperkirakan
socurn sislomnlis lonlmu) npn yang pnling mungkin lorjndi di m nsn
y/iN() nknn Inlniiy botdnumknn inlormiir.i mnsn Inlu dun nokurniu)
yang dimiliki agar kesalahannya dapat diperkecil. Kegunaan regresi

dalam penelitian salah satunya adalah untuk meramalkan atau
memprediksi variabel terikat (Y) apabila variabel bebas (X) diketahui.
E. SOAL LATIHAN
1. Apa yang Anda ketahui tentang regresi sederhana?
2. Sebuah penelitian dilakukan terhadap mahasiswa IM Telkom
untuk mengetahui apakah ada pengaruh kebiasaan menonton
televisi
film
kekerasan
dengan
kecenderungan
perilaku
mahasiswa malas belajar diukur skala 100 poin. Angket disebar

kepada 20 mahasiswa semester 5. Diasumsikan bahwa apabila
mahasiswa sering menonton TV, maka kecenderungan semakin
malas belajar. Rata-rata nonton TV 4 - 5 jam per hari. Waktu
penelitian 2 minggu berturut-turut. Diperoleh data sebagai berikut.
Variabel kebiasaan menonton televisi film kekerasan (X)
60
50
30
45
60
47
39
34
50
57
30
53
40
55
54
49
58
59
26
34
Variabel kecenderungan perilaku mahasiswa malas belajar (Y)

58
33
69
35
44
49
29
48
54
60
34
45
42
56
42
58
53
76
45
54
a. Hitung persamaan regresinya?
b. Jika, mahasiswa-mahasiswa menonton televisi film kekerasan
selama 75 jam, berapa kecenderungan perilaku mahasiswa
malas belajar tersebut?
BAB 9
REGRESI GANDA
A. TUJUAN
i. Mengetahui analisis regresi ganda
Menganalisis regresi ganda
Mengaplikasikan regresi ganda
B. POKOK BAHASAN
Pcncapaian tujuan tersebut dalam Bab 9 dijelaskan:
1. M endefinisikan rogresi ganda.
?. Menganalisis togrosi ganda.
:t. M engaplikasikan dongan langkah-langkah praktis regrosi
ganda
C. INTISARI BACAAN
nalisis regresi ganda adalah pengembangan dari analisis regresi
sederhana. Kegunaannya yaitu untuk meramalkan nilai variabel
terikat (Y) apabila variabel bebas minimal dua atau lebih.
Analisis regresi ganda ialah suatu alat analisis peramalan nilai
pengaruh dua variabel bebas atau lebih terhadap variabel terikat
untuk membuktikan ada atau tidaknya hubungan fungsi atau
hubungan kausal antara dua variabel bebas atau lebih (X!), (X2),
(X3).........(Xn) dengan satu variabel terikat.
Asumsi dan arti persamaan regresi sederhana berlaku pada
regresi ganda, tetapi bedanya terletak pada rumusnya, sedangkan
analisis regresi ganda dapat dihitung dengan cara komputer dengan
program Statistical Product and Service Solutions (SPSS) versi 7.5;
hingga versi 17; dan ada juga dengan menggunakan kalkulator atau
manual.
Persamaan regresi ganda dirumuskan:

a. Dua Variabel Bebas : Y - a + b ,X { + b 2X 2
b. Tiga Variabel Bebas : Y = a + bi X l + b 2X 2 + b ?iX i
c. Empat Variabel Bebas: Y = a + bl X l + b 2X 2 + b i X i + b 4X 4
d. Ke-n Variabel Bebas : Y = a + bl X l + b 2X 2.... + bnX n
Langkah-langkah menjawab Regresi Ganda:

Langkah 3. Membuat tabel penolong untuk menghitung angka
statistik:
Langkah 4. Hitung nilai-nilai persamaan bi, b2,dan a dengan rumus:

Rumus nilai persamaan untuk 2 variabel bebas CARA PERTAMA
--------------------------------------------------------XY = a.n + b{.XX, + b2.XX 2
X X ,Y = a.XX, + bt .XX ,2 + b2.XX , X 2
X X 2Y = a . X X 2 + h i I X l X i + b y X X ;
v________________________________/
Rumus nilai porsnmnnn untuk 2 variabol bobnn ( :AHA Kl DUA
No
Xi
X2
* ,2
Y2
XiY
X2Y
XX,Y
s x 2y
x1X2
1.
2.
3.
n
_ Y 2
Statistik ZXi e x 2 SY X X 2 XX 2
XXi
x2
Masukkan hasil dari nilai-nilai statistik ke dalam rumus:

a. Xxf = X X 2 - (SX|)
n
b. ^ - z x 2 - ^ ^ n
c. Xy2 = X Y 2
d.
l y = X X lY-
(ZY)2
n
(XX{).(XY)
e. Xx2y = X X 2Y
(XX2).(XY)
1 2
Kemudian masukkan hasil dari jumlah kuadrat ke persamaan b1f b2,

dan a:
_ ( ^ ) - ( ' x ly )-('Z x iX 2).(Jjc2y)
i
(Xv,2) . ( a %2 ) - (Xx. x ^ ) 2
XY
,
~
XX. )
_._L
l " ,
u _ { X x l) .( X x 2y ) - ( X x , x 2).{Xx,y)
t)-,
----------------- ------------------------------- ----------( X x f).(X x ;) - (X x ,x 2) 2
"
Langkah 5. Monoari Korolasi Ganda dengan rumus:
Langkah 6. Mencari Nilai Kontribusi Korelasi Ganda dengan rumus:
Langkah 7. Menguji Signifikansi dengan membandingkan
F h jtu n g
dengan Ftabei dengan rumus:

_ R1( n - m - 1)
h itu n g
/,
r t 2 \
m \\-R
dimana:
n = jumlah responden
m = jumlah variabel bebas
Jika F
hitung
> F tabei, maka tolak Ho artinya signifikan dan

Dengan taraf signifikan: a = 0,01 atau a = 0,05
F tabel = F
{(1 -
a)
(dk pembilang = m), (dk penyebut = n - m -1)}

Contoh: Judul Pengaruh Umur dan Tinggi terhadap Berat
Badan di IM Telkom Bandung.
Data dianggap memenuhi asumsi dan persyaratan analisis;
data dipilih secara random; berdistribusi normal; berpola linier; data
sudah homogen dan mempunyai pasangan yang sama sesuai
dengan subjek yang sama. Data sebagai berikut:
Umur (Xi) tahun
9 12 6 10 9 10 7 8 11 6 10 8 12 10
Tinggi (X2) cm
125 137 99 122 129 128 95 104 132 95 114 101 146 132
Berat Badan (Y) kg 37 41 34 39 39 40 37 39 42 35 41 40 43 38
Pertanyaan:
a. Tentukan persamaan regresi ganda?
b. Buktikan apakah ada pengaruh yang signiliknu /ml/im umur, tinggi,
dun borat budan?
Langkah-langkah menjawab Regresi Ganda:

Ha: Terdapat pengaruh yang signifikan antara umur dan tinggi
terhadap berat badan di IM Telkom Bandung.
Ho: Tidak terdapat pengaruh yang signifikan antara umur dan tinggi
terhadap berat badan di IM Telkom Bandung.

Ha: R * 0
Ho: R = 0
X ,2
X,Y
X2Y
37
41
34
39
39
40
37
39
42
35
41
40
43
38
81
144
36
100
81
100
49
64
121
36
100
64
144
100
* 22
15625
18769
9801
14884
16641
16384
9216
10816
17424
9025
12996
10201
21316
17424
Y2
2
3
4
5
6
7
8
9
10
11
12
13
14
x2
125
137
99
122
129
128
96
104
132
95
114
101
146
132
9
12
6
10
9
10
7
8
11
6
10
8
12
10
1369
1681
1156
1521
1521
1600
1369
1521
1764
1225
1681
1600
1849
1444
333
492
204
390
351
400
259
312
462
210
410
320
516
380
4625
5617
3366
4758
5031
5120
3552
4056
5544
3325
4674
4040
6278
5016
X, x 2
1125
1644
594
1220
1161
1280
672
832
1452
570
1140
808
1752
1320
Statistik
XX,
IX 2
ZY
ZX[
IX ;
EY2
IX , Y
IX 2Y
X, X2
X,
No
1
Jumlah
128 1660 545
1220 200522 21301
5039 65002 15570
Langkah 4. Hitung nilai-nilai persamaan b1; b2, dan a:

Masukkan hasil dari nilai-nilai statistik ke dalam rumus:
a. v v;
v.Y|'
1220
(128)
n
I). Vy
>;.v
o :.y
14
2 0 0 S .V
= 49,71
(IM )())
3 (< > vn
c. X y ! = J . Y 2
d.
e.
= 21301
)
n
=84.93
= 5 0 3 9 -(128)-(M5) = 56.14
14
- Z X 2r - g ^ > - g y ) - 6 5 0 0 2 - (l6 6 0 545). = 380.57
392,86
14
Kemudian masukkan hasil dari jumlah kuadrat ke persamaan

dan a;
b
'
_ - ( X r 2 ) . ( X t i y ) - ( X x , x 2 ) . ( 2 k 2y )
( 3 6 9 3 ,4 3 ) .( 5 6 ,1 4 ) - ( 3 9 2 ,8 6 ) .( 3 8 0 ,5 7 )
(S^c,2 ).(S X 2 ) - (2 jc, JC2 ) 2
b2,
_ 1?g
(4 9 ,7 1 ).(3 6 9 3 ,4 3 ) - ( 3 9 2 ,8 6 ) 2
b _ (Xy,2).(2k2y )-(2 k ,x 2).(Xxiy ) _ (49,71).(380,57)-(392,86).(56,14) _ Q n

2
(Zjc,2).(2L*:2) (2jc, jc2)2
(49,71).(3693,43) - (392,86)2
K)
00
/ 1660,
545
u ( t.x A - V
a = ------ o,.
-1,98.
= 33,83
-(-0 ,1 1 ).
n
{ n )
t 14 J
1 n J
14
\ 14 '
Jadi, persamaan regresi ganda:
Y = a +biX i +b2X 2 = 33,83 + 1,98Z, -0,1 I X 2 ... (Jawaban a)
Langkah 5. Mencari
(
)=
v x,.x7. r /
Korelasi Ganda dengan rumus:
V X v , , ^ X v 2v =
Langkah 6. Mencari
]j
(1.98).(5_6J4) + ( - 0 , l l ) .(3 8 Q ,5 7 J = v ^
8 4 ,9 3
Nilai Kontribusi Korelasi Ganda dengan rumus:
K P = (r x^ 2J )2.100% = 0,92.100% = 81 %
Langkah 7.
Menguji Signifikansi dengan membandingkan Fhilun(l dengan

Ftabei dengan rumus:
F
- R2( n - m - 1) __0.9 (M
n m - R' )
?.(l
?. I)
o,'')

Jika
F hitUng
>
F tabei,
maka tolak Ho artinya signifikan dan
F hitung
F tabei,
terima Ho artinya tidak signifikan
Dengan taraf signifikan: a = 0,05

Carilah nilai
F tabel = F
F tabei
menggunakan Tabel
dengan rumus:
((1 - ) (dk pembilang = m), (dk penyebut = n - m -1)}
F tabel = F ((i _ o,05) (dk pembilang = 2), (dk penyebut = 1 4 - 2 - 1 ) }

F tabel = F {(0i9 5 ) (2 ), ( 1 1 )}
F tabel
3,98
Langkah 8. Membuat kesimpulan............. (Jawaban b)

Ternyata
h it U n g
>
F tabei,
atau 23,45 lebih besar dari pada 3,98,
maka tolak Ho dan terima Ha artinya terdapatpengaruh
yang
signifikan antara umur dan tinggi terhadap berat badan di IMTelkom

Bandung.
D. RANGKUMAN
Analisis regresi ganda adalah pengembangan dari analisis
regresi sederhana. Kegunaannya yaitu untuk meramalkan nilai
variabel terikat (Y) apabila variabel bebas minimal dua atau lebih.
Analisis regresi ganda ialah suatu alat analisis peramalan nilai
pengaruh dua variabel bebas atau lebih terhadap variabel terikat
untuk
membuktikan ada atau tidaknya
hubungan fungsi atau
hubungan kausal antara dua variabel bebas atau lebih (X!), (X2),
(X,i)........ (X) dongan satu variabel terikat.
E. SOAL LATIHAN
1. Apa yang Anda ketahui tentang regresi ganda?
2. Sebuah
penelitian
dilakukan
untuk
mengetahui apakah
ada
pengaruh distribusi barang (X t) dan pengeluaran (X2) terhadap

penjualan (Y) di Kafe Gegerkalong Girang Bandung. Data sebagai
berikut.
Resp
1
2
3
4
5
Xi
8
10
7
12
x2
125
137
37
41
100
122
129
39
34
9
10
128
40
42
98
38
103
42
11
130
40
10
11
95
10
115
36
41
12
105
38
a. Berapa besar persamaan regresi gandanya?

b. Buktikan apakah terdapat pengaruh yang signifikan distribusi
barang dan pengeluaran terhadap penjualan di Kafe Geger
kalong Girang Bandung?
BAB 10
CHI-KUADRAT
A. TUJUAN
1. Mengetahui analisis chi-kuadrat
2. Menganalisis chi-kuadrat
3. Mengaplikasikan chi-kuadrat
B. POKOK BAHASAN
1. Definisi chi-kuadrat
?. Mongnnalisis chi-kuadrat
;t. M engaplikasikan dongan Inngknh-lnngkah praktis
chi kuadrat
C. INTISARI BACAAN
I I I I etode chi-kuadrat (%2) digunakan untuk mengadakan pende* katan (mengestimate) dari beberapa faktor atau mengevaluasi
frekuensi yang diselidiki atau frekuensi hasil observasi (fo) dengan
frekuensi
hubungan
yang
diharapkan
(fe) dari
atau
perbedaan
yang
sampel
signifikan
apakah
atau
terdapat
tidak.
Untuk
mengatasi permasalahan seperti ini, maka perlu diadakan teknik

pengujian yang dinamakan pengujian %2.
Metode x2 menggunakan data nominal (deskrit), data tersebut
diper-oleh dari hasil menghitung. Sedangkan besarnya nilai %2 bukan
merupakan ukuran derajat hubungan atau perbedaan.
Cara menguji %2 pertama buatlah hipotesis berbentuk kalimat,
tetapkan tingkat signifikansi, hitungkah nilai %2, buatlah kaidah
keputusan yaitu jika
%2hitung
>
%2tabei,
maka tolak Ho artinya signifikan,
carilah %2tabei, dengan menggunakan Tabel %2 kemudian buatlah

perbandingan antara %2hitung dengan %2tabei, yang terakhir simpulkan.
Rumus yang digunakan untuk menghitung %2 yaitu:
fe
X2 = Nilai chi-kuadrat
f o = frekuensi yang diobservasi (frekuensi empiris)
f e = frekuensi yang diharapkan (frekuensi teoritis)
Rumus mencari frekuensi teoritis (fe)

fe
fk
H b
n
= frekuensi yang diharapkan (frekuensi teoritis)

= jum lah frekuensi padu kolom
= jum lah frekuonsl pm ln huriii
= jum lah ko so lu riilu in lmil!> m I i i i i kolom
Contoh: Diadakan penelitian oleh Yayasan Telkom Bandung

yang tujuannya untuk mengetahui pelaksanaan Gerakan Kebersihan
Kampus (GKK) antara Institut Manajemen Telkom (IM Telkom),
Institut Teknologi Telkom (IT Telkom) dan Telkom PDC/Politeknik
Telkom. Sampel diambil sebanyak 725 orang yang menyebar IM
Telkom = 275 orang,
IT Telkom = 250 orang, dan Telkom
PDC/Politeknik Telkom = 200 orang.
Frekuensi Observasi dari 725 orang

Pelaksanaan Gerakan Kebersihan Kampus (GKK) Yayasan Bandung
Pelaksanaan GKK
Rendah
Tinggi
Cukup
Total
Pegawai
IM Telkom
IT Telkom
Telkom PDC/Politeknik Telkom
Jumlah
(100-85)
(84 - 66)
(65 - 0)
150
75
150
375
75
150
25
250
50
25
25
275
250
100
725
200
Langkah 1. Membuat Ha dan Ho dalam bentuk kalimat
Ha: Ada perbedaan yang signifikan antara pegawai IM Telkom, IT
Telkom dan Telkom PDC/Politeknik Telkom dalam pelaksanaan
GKK.
Ilo: Tidak
ada
perbedaan
yang
signifikan
antara
pegawai
IM
TELKOM, IT Tolkom dan Telkom PDC/Politeknik Telkom dalam

polaks.'innnn GKK.
Langkah 2. Mencari frekuensi yang diharapkan (fe) pada tiap sel

dengan rumus: f e
(375)x(275) _ 142 2 4
725
(250)x(275)
(100)x(275) =
725
(375)x(250) _ 129 3 ,
.^ 0 ) x ( 2 5_0)
725
725
(375)x(200)
725
(250W200)
725
725
2[
(UW W 2S0)
725
= 2 7 ,5 9
725
Langkah 3. Mencari chi-kuadrat (x2) dengan rumus: ^
(150-142,24)^
142,24
(7 5 -9 4 ,8 3 )2 = / ] 1 5
(75-129,31)2
----------- L
= 22,81
129,31
103,45
94,83
(150-86,21)2
----------- = 41,2
86,21
_ ^ { f o - f e )1
(50 - 37,93):
37,93
(2 5 -3 4 ,4 8 )2
--- = 2,61
34,48
= 20,95 ( 2 5 - 6896)i = 28,02 ^ L i l = o.34

68,96
27,59
X2 = 0,42 + 4,15 + 3,84 + 22,81 + 47,2 + 2,61 + 20,95 + 28,02 + 0,24
Langkah 4. Mencari x 2tabei, dengan rumus:

dk = (k 1 ). (b - 1 )
dk = (3 1). (3 1)
dk = 2 x 2 = 4
Nilai %2tabei, untuk a 0,01 = 13,28 dan a 0,05 = 9,49
Kemudian membandingkan antara
x 2Ntung
dengan
x 2tabei,
Jika x2hitung ^ X2 abei, maka tolak Ho artinya signifikan dan

X2hitung ^ X2tabei, maka terima Ho artinya tidak signifikan
Ternyata x2hitung
>
X2tabei, atau 130,24 > 13,28, maka Ho ditolak
artinya signifikan

Jadi, ada perbedaan yang signifikan antara pegawai
IM
Telkom, IT Telkom dan Telkom PDC/Politeknik Telkom dalam pelak

sanaan GKK. Pegawai Telkom PDC/Politeknik Telkom cenderung
melaksanakan GKK dengan predikat yang rendah karena kurang
disiplin,
kurang
patuh,
kurang
mengindahkan
peraturan
yang
dicanangkan oleh pemerintah melalui instansinya masing-masing.
D. RANGKUMAN
Motodo
chi kuadral
(x ) suatu
analisis
mniHjndaknn
pondnluilnn
(nioiitjor.tiinalo)
digunakan
untuk
dari hohmapn
laktor,
menggunakan data nominal (deskrit), data tersebut diperoleh dari

hasil menghitung. Sedangkan besarnya nilai %2 bukan merupakan
ukuran derajat hubungan atau perbedaan.
E. SOAL LATIHAN
1. Sebutkan pengertian chi-kuadrat yang Anda pahami ?
2. Sebuah survei dilakukan terhadap 250 orang pengguna HP.
Dalam angket tersebut ditanyakan penggunaan merk HP yang
paling favorit menurut mereka. Data hasil survei.
Frekuensi Observasi dari 250 orang pengguna HP
Merk HP Yang Paling Favorit
Pengguna HP
Total
115
80
25
10
Nokia
90
Samsung
25
40
25
45
Flexi
20
10
15
250
Jumlah
125
75
50
Uji hipotesis
Ha : Masyarakat memiliki minat yang berbeda terhadap 3 Pengguna Merk
HP.
Ho: Masyarakat memiliki minat yang sama terhadap 3 Pengguna Merk HP.
BAB 11
PERBANDINGAN SATU
VARIABEL BEBAS (UJI t)
A. TUJUAN
i. Mengetahui analisis perbandingan satu variabel bebas (Uji t)
.2 Menganalisis perbandingan satu variabel bebas (Uji t)
Mengaplikasikan perbandingan satu variabel bebas (Uji t)
B. POKOK BAHASAN
1 . Mendefinisikan perbandingan satu variabel bebas (Uji t)
Menganalisis porbandingan satu variabel bebas (Uji t)

3. M e n g a p lik a s ik a n d o n g a n la n g ka h la n g k a h p r akt i s a n a lis is
perbandingan satu vaiiahol bebas (Uji t)
C. INTISARI BACAAN
nalisis perbandingan satu variabel bebas dikenal dengan
Uji t atau t tes. Tujuan Uji t adalah untuk mengetahui
perbedaan variabel yang dihipotesis-kan. Uji t ini mempunyai dua
rumus yang dapat digunakan, yaitu
a. Standar deviasi populasi diketahui, menggunakan rumus z hitung

Dimana:
',Unii
[Jj
Z hitung = Harga yang dihitung dan menunjukkan nilai

standar deviasi pada distribusi normal
(Tabel z)
= Rata-rata nilai yang diperoleh dari hasil
pengumpulan data.
1^ o = Rata-rata nilai yang dihipotesiskan
a
= Standar deviasi populasi yang telah
diketahui
N
= Jumlah populasi penelitian
b. Standar deviasi sampel tidak diketahui, menggunakan rumus t hitung
Keterangan:
- _
huunn = -------- ~
^
t hitung = Harga yang dihitung dan menunjukkan nilai

standar deviasi dari distribusi t (Tabel t)
= Rata"rata nilai yang diperoleh dari hasil
pengumpulan data.
Ho
= Nilai yang dihipotesiskan
a
= Standar deviasi sampel yang dihitung
N
= Jumlah sampel penelitian
Pengujian hipotesis deskriptif ada dua jenis, yaitu: uji dua pihak
dan uji satu pihak (uji pihak kiri dan uji pihak kanan). Dalam kajian ini
yang dibahas adalah Uji t.
Langkah-langkah Uji t
Langkah 2. Membuat Ha dan Ho model statistik:
Langkah 3. Mencari t hitung dengan rumus:
Langkah 4.
_ x - ju 0
hitung ~ ~
Tn
Menentukan kriteria (kaidah) pengujian dengan cara
tentukan terlebih dahulu taraf signifikansinya, misalnya (a = 0,0 1 atau

a = 0,05) kemudian dicari t tabei dengan ketentuan dk = n - 1, juga
diketahui
posisi pengujiannya. Apakah menggunakan pihak kiri,
pihak kanan atau dua pihak. Dalam hal ini tergantung bunyi
hipotesisnya. Dengan menggunakan tabel diperoleh t tabe|. serta
rumuskan kriteria (kaidah) pengujian.
Langkah 5. Membandingkan t hitung dengan t tabei

Langkah 6. Membuat kesimpulan.
Contoh: Hasil Musyawarah Nasional Kementrian Pendidikan seIndonesia menduga bahwa:
a. Kompetensi Mengajar Dosen Tahun 2009 paling tinggi 70% dari
rata-rata nilai ideal.
b. Kompetensi Mengajar Dosen Tahun 2009 paling rendah 70% dari
c. Kompetensi Mengajar Dosen Tahun 2009 sama dengan 70% dari
Dengan pernyataan tersebut, ditindaklanjuti atau dibuktikan
oleh Balitbang Dikti dengan suatu penelitian di berbagai kota besar
se Indonesia. Kemudian disebar kepada 61 dosen untuk mengisi
angket yang isinya mengenai kompetensi mengajar pada Tahun
2009. Jumlah pertanyaan angket penelitian 15 item dengan
instrumen dibori skala nilai: 4 = sangat baik; 3 = Baik; 2 = Cukup
L3nik; dan 1 Kurang Baik. Adapun taraf signifikansi a = 0,05. Data
dipoioloh :,<>l>n(|ni borikul.
59 60 58 59 60 58 6059 5060 59 50 60
59 58 50 59 60 59 6059 5060 60
60
60 60 50 59 60 60 6059 6060 60
60
60 60 60 50 60 60 6059 6060 60
60
58 60 58 50 58 60 6058 6060 60
60
LANGKAH-LANGKAH MENJAWAB
Sebelum
dilakukan
perumusan
hipotesis
dihitung
terlebih
dahulu rata-rata nilai yang dihipotesiskan (jn 0)

Nilai ideal = 1 5 x 4 x 6 1 =3660
Rata-rata nilai ideal = 3660: 61 = 60
Jadi, 70% dari rata-rata nilai ideal = 0,7 x 60 = 42 atau
0)= 42 %.
Dihitung dengan kalkulator FX 3600 diperoleh:
I X ' - W
s=
n- 1
1208939^
< 3 5 6 5 )!
61-1
61
- = 3 ,1 4
_
3565 CO/M.
x = ---- = -------= 58,443
n
61
Jaw aban Pertanyaan
a (Uji Pihak Kiri)

Ha: Kompetensi Mengajar Dosen Tahun 2009 paling tinggi 70% dari
Ho: Kompetensi Mengajar Dosen Tahun 2009 paling rendah 70% dari

Ha :
Ho :
o < 42 %
\ i 0 > 42 %
Langkah 3. Mencari t hitung dengan rumus:

= Z M L = 5 8.443-42 = 1 M 4 3
j_
304
4n
4e\
0,4
Langkah 4. Menentukan kaidah pengujian

Taraf signifikansinya (a = 0,05)
dk = n - 1 = 61 - 1 = 60 sehingga diperoleh t tabei = 1,671
Kriteria pengujian pihak kiri
Jika: - 1 tabei ^ t hitung, maka H0 diterima dan Ha ditolak
Langkah 5. Membandingkan t tabei dengan t hitung

Ternyata - t ,abei lebih kecil dari t
H0 diterima dan Ha ditolak.
h,tung
atau - 1,671 < 41, maka
Langkah 6. Kesimpulan
Ha: Kompetensi Mengajar Dosen Tahun 2009 paling tinggi 70%
dari rata-rata nilai ideal ditolak. Sedangkan H0: Kompetensi Mengajar
Dosen Tahun 2009 paling rendah 70% dari rata-rata nilai ideal
diterima.
Jadi, Kompetensi Mengajar Dosen Tahun 2009 paling tinggi
70% dari rata-rata nilai ideal itu kurang tepat bahkan lebih dari apa
yang mereka duga.
Jawaban Pertanyaan b (Uji Pihak Kanan)

Langkah-langkah menjawab
Ha: Kompetensi Mengajar Dosen Tahun 2009 paling rendah 70%
dari rata-rata nilai ideal.
Ho: Kompetensi Mengajar Dosen Tahun 2009 paling tinggi 70% dari

Ha :
Ho :
o > 42 %
(i, o < 42 %
Langkah 3. Mencari t hitung dengan standar deviasi (s) = 3,14 dan

rata-rata (x ) = 58,443. Jadi, diperoleh t
h itu n g

dk = n - 1 = 61 - 1 = 60 sehingga diperoleh t tabei = 1,671
Kriteria pengujian pihak kanan
Jika: + 1 tabei ^ t hitung maka H diterima dnn I ln dilolnk
= 41
Langkah 5. Membandingkan t tabei dengan t hitung

Ternyata + 1 tabei lebih kecil dari t hitUng atau +1,671 < 41, maka H
ditolak dan Ha diterima.
Gambar 11.2. Uji Pihak Kanan

Ha: Kompetensi Mengajar Dosen Tahun 2009 paling rendah
70% dari rata-rata nilai ideal diterima. Sedangkan H0: Kompetensi
Mengajar Dosen Tahun 2009 paling tinggi 70% dari rata-rata nilai
ideal ditolak.
Jadi, Kompetensi Mengajar Dosen Tahun 2009 paling rendah
70% dari rata-rata nilai ideal itu benar bahkan lebih dari 70% yang
selama ini mereka duga. Dengan demikian Kompetensi Mengajar
Dosen pada Tahun 2009 lebih berkompetensi dari tahun sebelumnya.
Jawaban Pertanyaan c (Uji Dua Pihak)

Langkah-langkah menjawab
I la: Kompetensi Mengajar Dosen Tahun 2009 sama dengan 70%
dari rata rata nilai ideal.
I lo: Kompotonsi Momjajar Doson Tahun 2009 tidak sama dengan

/ 0 % dan rata lala nilai uloal.
........-.... -................ - -.......... - ------- ------------------------------------ -

Ha :
Ho :
o. o # 42 %
o = 42 %
Langkah 3. Mencari t
hitung dengan standar deviasi (s) = 3,14 dan

rata-rata ( x ) = 58,443. Jadi, diperoleh t hitung = 41

dk = n - 1 = 6 1 - 1 = 6 0 sehingga diperoleh t tabei = 2
Kriteria pengujian dua pihak
Jika: - 1 tabei ^ t hitung < + 1 tabei, maka H0 diterima dan Ha ditolak
Langkah 5. Membandingkan t ,abei dengan t hitung

Ternyata - 1 tabei < t
h i, u n g
< + t tabei, atau - 2 < 41 > 2, maka
H0 ditolak dan Ha diterima.
Gambar 11.3. Uji Dua Pihak
Ha: Kompetensi Mengajar Dosen Tahun 2009 sama dengan
70% dari rata-rata nilai ideal diterima. Sedangkan H0: Kompetensi
mengajar Dosen Tahun 2009 tidak sama dengan 70% dari rata-rata
nilai ideal ditolak.
Jadi, Kompetensi Mengajar Dosen Tahun 2009 sama dengan
70% dari rata-rata nilai ideal itu benar terjadi bahkan lebih.
D. RANGKUMAN
Analisis perbandingan satu variabel bebas dikenal dengan Uji t
atau t
Tujuan Uji t adalah untuk mengetahui perbedaan variabel
tes.
yang dihipotesiskan.
E. SOAL LATIHAN
1. Apa kegunaan analisis perbandingan satu variabel bebas (Uji t)?
2 . Hasil Penelitian tentang kinerja dosen se Indonesia menduga
bahwa:
a. Penjualan Saham PT Telkom Tahun 2010 paling tinggi 65%
b. Penjualan Saham PT Telkom Tahun 2010 paling rendah 65%
c. Penjualan Saham PT Telkom Tahun 2010 sama dengan 65%
Dongan pornyataan tersebut, dibuktikan oleh PT Telkom
dongan r.uatu ponolitinn di borbagai kota besar di Asean dengan
rnsponon M poiijiunaha
socara rniulom unluk mon()isi aiujkol
yang isinya mengenai Penjualan Saham PT Telkom Tahun 2010.

Jumlah pertanyaan angket penelitian 15 item dengan instrumen
diberi skala nilai: 4 = sangat baik;
3 = Baik; 2 = Cukup; dan 1 =
Kurang Baik. Adapun taraf signifikansi a = 0,05. Data diperoleh

jutaan lembar saham sebagai berikut.
78
45
47
34
57
53
77
49
59
45
49
50
29
69
45
55
45
54
70
44
49
29
48
54
60
59
60
70
44
49
29
48
54
70
44
49
56
42
58
53
76
45
56
42
58
53
27
70
54
66
51
53
27
70
BAB 12
PERBANDINGAN DUA
VARIABEL BEBAS (UJI t)
A. TUJUAN
1. Mengetahui analisis perbandingan dua variabel bebas (Uji t)
2 . Menganalisis perbandingan dua variabel bebas (Uji t)
3 . Mengaplikasikan perbandingan dua variabel bebas (Uji t)
B. POKOK BAHASAN
1. M endefinisikan perbandingan dua variabel bebas (Uji t)
2. Menganalisis perbandingan dua variabel bebas (Uji t)
3. M ongaplikasikan dongan langkah-langkah praktis analisis
poihandlnfian dua vanahol hobas (IJji I)
C. INTISARI BACAAN
J " ujuan Uji t dua variabel bebas adalah untuk memban-dingkan
(membedakan) apakah kedua variabel tersebut sama atau
berbada. Gunanya untuk menguji kemampuan generalisasi (signifi
kansi hasil penelitian yang berupa perbandingan dua rata-rata
sampel). Rumus uji t dua variabel sebagai berikut.
r = Nilai korelasi X, dengan X2

n = Jumlah sampel
3c, = Rata-rata sampel ke-1
x2- Rata-rata sampel ke-2
s, = Standar Deviasi sampel ke-1
s2 = Standar Deviasi sampel ke-2
51 = Varians sampel ke-1
5 2 = Varians sampel ke-2
CONTOH: JUDUL PENELITIAN PERBEDAAN ANTARA KINERJA

PEGAWAI TELKOM DENGAN PLN DI BANDUNG
Data sebanyak 30 pegawai diambil secara acak sebagai berikut.

No.
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
KINERJA
Pegawai
PLN
Telkom
(X2)
(X,)
77
99
77
77
55
88
120
87
87
50
40
48
54
34
48
68
67
67
75
56
No.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
KINERJA
PLN
Pegawai
Telkom
(X2)
(X,)
No.
87
87
87
90
81
55
60
47
60
70
61
47
88
68
68
23.
24.
25.
26.
77.
;>h .
74
7!)
:io
98
87
87
21.
22.
KINERJA
Pegawai
PLN
Telkom
(X2)
(X,)
44
94
77
55
76
65
90
55
61
46
61
58
50
00
75
/!)
/f)
H!)
!)(>
68
LANGKAH-LANGKAH MENJAWAB

Ha: Terdapat perbedaan yang signifikan antara kinerja pegawai
Telkom dengan PLN di Bandung.
Ho: Tidak terdapat perbedaan yang signifikan Perbandingan antara
kinerja pegawai Telkom dengan PLN di Bandung.

Ha :
|x 1 * n 2
Ho :
n 1 = ji 2
Langkah 3. Mencari rata-rata (jc); standar deviasi (s); varians (S)

dan korelasi. Setelah dihitung dengan menggunakan
kalkulator
FX 3600, maka diperoleh hasil sebagai berikut.
Rata-rata
xx
=81,07
x2
= 60,37
Standar deviasi
Si
=16,48
s2
= 11,53
Varians
Si
=271,59
S2
= 132,94
Korelasi
Langkah 4. Mencari t
h it u n g
=0,44
dengan rumus:

dk = nt + n2 - 2 = 30 + 30 - 2 = 58
sehingga diperoleh t tabei = 2,004 (interpolasi)
Kriteria pengujian dua pihak
Jika: - 1 tabei ^ t hitung < + t tabei, maka H0 diterima dan Ha ditolak
Langkah 6. Membandingkan t tabei dengan t hilung

Ternyata t tabel t hitung + t tabel,
atau - 2,004 < 6,9 > 2,004, maka H0 ditolak dan Ha diterima.
Gambar 12.1. Uji Dua Pihak
Ha:Terdapat perbedaan yang signifikan antara kinerja pegawai
Telkom dengan PLN di Bandung DITERIMA. Sedangkan H0: Tidak
terdapat perbedaan yang signifikan Perbandingan antara kinerja
pegawai Telkom dengan PLN di Bandung DITOLAK.
Jadi, ada perbedaan bahwa kinerja pegawai Telkom lebih
unggul dari pada PLN bila dilihat dari nilai rata-ratanya. Dengan
demikian hasil data ini dapat diberlakukan untuk populasi.
D. RANGKUMAN
Tujuan Uji t dua variabel bebas adalah untuk membandingkan
(membedakan) apakah kedua variabel tersebut sama atau berbada.
Gunanya untuk menguji kemampuan generalisasi (signifikansi hasil
penelitian yang berupa perbandingan dua rata-rata sampel).
E. SOAL LATIHAN
1.
Apa
kegunaan analisis perbandingan dua variabel bebas
(Uji t)?
2. Penelitian tentang perbedaan pengguna [laptop merk Tosiba]
mahasiswa dengan pegawai di Bandung Electronik Centre (BEC).
Menggunakan sampel acak sejumlah masing-masing 20 orang
dan tingkat signifikan 0,01
No Mahasiswa
1
94
2
92
3
91
4
90
5
90
6
89
7
89
8
87
87
9
10
86
Pegawai No Mahasiswa
62
11
60
12
60
55
63
13
56
14
68
52
71
15
48
60
16
45
54
17
45
54
18
43
52
19
49
59
20
42
a. Rumuskan hipotesis statistiknya.

b. Uji hipotesis tersebut.
Pegawai
86
80
80
80
78
77
76
75
74
74
BAB 13
ANOVA SATU JALUR
(One Way -Anova)
A. TUJUAN
t. Mengetahui anova satu jalur
ii. Menghitung anova satu jalur
3 . Mengaplikasikan anova satu jalur
B. POKOK BAHASAN
1 . M cndolinisiknn nnova satu jalur
2. Monghituruj nnova satu jalur
3. M om jnpliknslknn nnova r.alu jalur dongan langkah langkah
ptaklis
C. INTISARI BACAAN
nava atau analysis of variance (anova) adalah tergolong analisis
ik
komparatif lebih dari dua variabel atau lebih dari dua rata-rata.
Tujuannya ialah untuk membandingkan lebih dari dua rata-rata.
Gunanya
untuk menguji
kemampuan generalisasi
artinya data
sampel dianggap dapat mewakili populasi.

Anova lebih dikenal dengan Uji - F (Fisher Test), sedangkan
arti variansi atau varians itu asal-usulnya dari pengertian konsep
Mean Square atau Kuadrat Rerata (KR) rumus sistematisnya :
Dimana:
JK = Jumlah Kuadrat (some of square)
dk = derajat Kebebasan (degree of freedom)
dk
Menghitung nilai anova atau
F h itU n g
dengan rumus :
_ V A _ K R a _ J K a \ d k A _ Varians Antar Group

hitung
^7^
J K D :dkD
Varians Dalam Group
Varians Dalam Group dapat juga disebut Varians Kesalahan (Varians

Galat). Lebih lanjut dapat dirumuskan :
(XX Ai)2
(XX T)
untuk dkA = A - 1
N
J K d = Z X t2 - z (SXai)
n A,
)
untuk dkD = N - A
= sebagai faktor koreksi
N
N = Jumlah Keseluruhan sampel (jumlah kasus dalam ponolitian)
A = Jumlah Keseluruhan group sampoi
Langkah-langkah uji anova satu jalur

Diasumsikan bahwa data dipilih secara acak, berdistribusi normal,
dan variannya homogen.
Langkah 1. Membuat Ha dan Ho dalam bentuk
kalim at:
Langkah 2. Membuat Ha dan Ho dalam bentuk
statistik:
Langkah 3. Membuat tabel penolong untuk menghitung angka

statistik:
Langkah 4. Mencari Jumlah Kuadrat antar group (JKA) dengan

rumus:
( s x , , ) 2 a x Ty-
J K . = E-
q x M)2 | czxA2) |
(ZXr y
/13
Langkah 5. Mencari derajat kebebasan antar group (dkA)dengan

rumus: dkA= A - 1
Langkah 6. Mencari Kuadrat Rerata antar group (KRA) dengan
rumus:
KR _ JK*
A dkA
Langkah 7. Mencari Jumlah Kuadrat Dalam antar group (JKD) dengan

rumus:
/y y
\2
J K = S X ; - l _ ^ L = (ZX*,
g * , , ) 2 + W A2y; + (X,3r
+ z x 2m ) -
n Ai
' l AI
"A2
"M
Langkah 8. Mencari derajat kebebasan Dalam antar group (dkD)dengan

rumus: dkD= N - A
Langkah 9. Mencari Kuadrat Rerata Dalam antar group (KRD) dengan

rumus:
k r
fK
dkD
Langkah 10. Mencari nilai Fhjtung dengan rumus: Frhitung, =
KR
Langkah 11. Mononlukan Kaidah Pengujian

Jika I hiiunu
I
i.iiiinU . I
I i ,
i,ii.ni,
maka tolak Ho artinya signifikan

maka lorima I lo artinya tidak signifikan
Langkah 12. Mencari F tabei dengan rumus :

F tabel = F (i _ ) (dkA, dk D)
Cara mencari = Ftabei
dkA = pembilang
dkD = penyebut.
Langkah 13. Membandingkan F hitung dengan F tabei

TABEL RINGKASAN ANAVA SATU JALUR
Sumber Variansi
derajat
Jumlah
Kuadrat
(SV)
kebebasan
Kuadrat
Rerata
(dk)
(JK)
(KR)
^czxMy c?*TyN
JK a
dkA
I X} -Z*"?
JK D
dkD
Antar group (A)
)alam group (D)
A- 1
N -A
n A,
Total
N- 1
Fhitung
k r a
Ftabel
a = 0,05
KRn
Keterangan:
1X'T - W r ?
N
Langkah 14. Simpulkan
CONTOH: PENELITIAN DENGAN JUDUL PERBEDAAN HASIL BELAJAR

STATISTIKA BISNIS MAHASISWA AKUTANSI, ILMU KOMUNIKASI,
DAN ADMINISTRASI NIAGA DI INSTITUT MANAJEMEN TELKOM
BANDUNG
Akutansi (Ai) =
5 7 7 6
Ilmu Komunikasi
(A2) =
Administrasi Niaga 6
(Aa) =
5 5 5 6
9 8 7 8 9 6
= 11 orang
5 6
7 =12 orang
9 8 6
8 =12 orang
Pertanyaan: Buktikan apakah terdapat porbodaan y;in<i suinilikan ?
Langkah-langkah menjawab uji anova satu alur

Diasumsikan bahwa data dipilih secara acak, berdistribusi normal,
dan variannya homogen.

Ha: Ada perbedaan yang signifikan hasil belajar statistika bisnis
mahasiswa akutansi, ilmu komunikasi, dan administrasi niaga di
Institut Manajemen Telkom Bandung.
Ho: Tidak ada perbedaan yang signifikan hasil belajar statistika bisnis
mahasiswa akutansi, ilmu komunikasi, dan administrasi niaga di
Institut Manajemen Telkom Bandung.

Ha: A1 ^ A 2 A3
Ho: A-j A 2 A3
STATISTIK
n
i;x
xx?
Y
(>.xf/nA,
Vnrinns (S)
HASIL BELAJAR STATISTIKA

BISNIS mahasiswa IM Telkom
No.
Ai
a2
A3
1.
6
5
6
2.
8
6
9
3.
5
6
8
4.
7
7
7
5.
7
5
8
6.
6
5
9
7.
6
5
6
8.
8
6
6
9.
7
5
9
10 .
6
6
8
11 .
7
8
6
12 .
7
8
11
12
12
73
943
6,636
85,73
0,85
71
431
5,917
35,92
0,99
90
692
7,5
57,67
1,55
TOTAL (T)
N = 35
234
2066
6,68
179,31
1,13
Langkah 4.
Mencari Jumlah Kuadrat antar group (JKA) dengan

rumus:
(SX.r ) 2
( X X A i) 2
Langkah 5.
(7 3 )2 , ( 7 1)2 , (9 0 )2'l (2 3 4 )
+
+
- - ------ = 1579,53 - 1 5 6 4 ,4 6 = 15,07
11
12
12
35
Mencari derajat kebebasan antar group (dkA)dengan

rumus:
dkA = A - 1 = 3 - 1 = 2
Langkah 6. Mencari Kuadrat Rerata antar group (KRA) dengan

rumus:
KRa = ^
= I ^ L =1m
2
dkA
Langkah 7. Mencari Jumlah Kuadrat Dalam antar group (JKD)

dengan rumus:
J K = 1 X 1 - 1 , a X '- ]
= (493 + 431 + 692) -
| = 2066 -1579,53 = 486,47
{
{
11
12
12
Langkah 8. Mencari
derajat kebebasan Dalam antar

(dkD)dengan rumus: dkD = N - A = 3 5 - 3 = 32
group
Langkah 9. Mencari Kuadrat Rerata Dalam antar group (KRD)

dengan rumus:
D
dkn
32
Langkah 10. Mencari nilai Fhitung dengan rumus:

_ K R ^ _ 7^5 4 ,
h"m
KR d
1 5 ,2
Langkah 11. Menentukan Kaidah Pengujian

Jika F hitUng ^ Ftaboi, maka tolak Ho artinya :;i((iiilikiin
FhiuiiKi ^ F|,,i,| maka torim a lio artinyn lidnk :.itjnilik.'in
L a n g ka h 12. Mencari
F tabei
F tabel = F (1 -
dengan rumus :
a) (dkA, dk D)
F tabel = F (1 _ o,05) (2, 32)

F tabel = F (0,95) (2, 32)
F ta b e l = 3,30
Cara mencari = Ftabei 2 = pembilang
32 = penyebut.
Langkah 13. Membandingkan Fhitung dengan Ftabe,

Setelah dikonsultasikan dengan Tabel
kan antara
F hitung
dengan
F tabei
Ternyata
F hitung
kemudian dibanding
lebih kecil dari pada
tabei atau 0,5 < 3,30, maka terima H0 artinya tidak signifikan.
Sumber
Variansi
(SV)
Antar group (A)
Tabel Ringkasan Anava Satu Jalur

derajat
Jumlah Kuadrat
kebebasan
Kuadrat Re rata Fhitung
(dk)
(KR)
(JK)
7,54
2
15,07
0,5
Dalam group (D)
32
486,47
Total
34
501,54
15,2
Ftabel
3,30
Keterangan:
0,5 < 3,30, tidak
signifikan.
Langkah 14. Simpulkan

Ternyata F hitung lebih besar dari pada F tabei atau 0,5 < 3,30,
maka terima H0 dan Ha tolak artinya tidak ada perbedaan yang
signifikan hasil belajar statistika bisnis mahasiswa akutansi, ilmu
komunikasi,
Bandung.
dan administrasi niaga di Institut Manajemen Telkom
D. RANGKUMAN
Anava atau analysis of variance (anova) adalah tergolong
analisis komparatif lebih dari dua variabel atau lebih dari dua ratarata. Tujuannya ialah untuk membandingkan lebih dari dua rata-rata.
Gunanya
untuk menguji
kemampuan generalisasi artinya data
sampel dianggap dapat mewakili populasi.
E. SOAL LATIHAN
1.
Apa kegunaan anova satu jalur?
2. Penelitian tentang perbedaan gaya mengajar dosen IM Telkom,

IT Telkom dan Politeknik Telkom. Sampel diambil secara acak
sejumlah masing-masing 20 dosen dengan signifikan 0,05.
No
1
2
3
4
5
6
7
8
9
10
IM
Telkom
90
89
89
87
94
92
91
90
90
86
IT
Telkom
62
60
63
68
71
80
78
77
76
59
Politeknik
Telkom
60
55
56
52
39
68
67
80
80
42
No
11
12
13
14
15
16
17
18
19
20
IM
Telkom
77
76
39
68
67
48
54
43
49
42
IT
Telkom
86
80
80
80
78
77
76
75
74
74
Politeknik
Telkom
48
50
44
39
68
67
48
54
56
49
a. Rumuskan hipotesis statistiknya.

b. Uji hipotesis tersebut, apakah ada perbedaan atau tidak.
BAB 14
PATH ANALYSIS
A. PENGERTIAN PATH ANALYSIS
nalisis jalur yang dikenal dengan path analysis dikembangkan
pertama tahun 1920-an oleh seorang ahli genetika yaitu

Sewali Wright (Joreskog & Sorbom,1996; Johnson & Wichern,1992).
Path analysis diartikan oleh Bohrnstedt (1974 dalam Kusnendi,
2005:1) bahwa "a technique for estimating the effect's a set of
independent variables has on a dependent variable from a set of
observed correlations, given a set of hypothesized causal asymetric
relation among the variables. Sedangkan Tujuan utama path
analysis adalah ...... a method of measuring the direct influence
along each separate path in such a system and thus of finding the
degree to which variation of a given effect is determined by each
particular cnuso. The method depend on the combination of
knowlodgo ot Iho dogroo of correlation among the variables in a
.sysfom w illi r.uch hnowlodgo as may possossod of tho causal
lolnlionr, (Mnmynma, 1!)!)(); Hi).
Jadi, model path analysis digunakan untuk menganalisis pola

hubungan antar variabel dengan tujuan untuk mengetahui pengaruh
langsung
maupun tidak
langsung
seperangkat variabel
bebas
(eksogen) terhadap variabel terikat (endogen). Model path analysis

yang dibicarakan adalah pola hubungan sebab akibat atau "a set of
hypothesized causal asym etric relation among the variables". Oleh
Sebab itu, rumusan masalah penelitian dalam kerangka path analysis
berkisar pada: (1) Apakah variabel eksogen
(X^ X2, ..... Xk)
berpengaruh terhadap variabel endogen Y? dan (2) Berapa besar

pengaruh kausal langsung, kausal tidak langsung, kausal total
maupun secara simultan seperangkat variabel eksogen (Xu X2, .....
Xk) terhadap variabel endogen Y?
B. MANFAAT PATH ANALYSIS

Manfaat lain model path analysis adalah untuk: (1) Penjelasan
(explanation) terhadap fenomena yang dipelajari atau permasalahan
yang diteliti; (2) Prediksi nilai variabel terikat (Y) berdasarkan nilai
variabel bebas (X), dan prediksi dengan path analysis ini bersifat
kualitatif; (3) Faktor diterminan yaitu penentuan variabel bebas (X)
mana yang berpengaruh dominan terhadap variabel terikat (Y), juga
dapat digunakan untuk menelusuri mekanisme (jalur-jalur) pengaruh
variabel bebas (X) terhadap variabel terikat (Y); (4) Pengujian model,
menggunakan theory triming, baik untuk uji reliabelitas (uji keajegan)
konsep yang sudah ada ataupun uji pengembangan konsep baru.
C. ASUMSI-ASUMSI PATH ANALYSIS

Asumsi yang mendasari path analysis sebagai berikut: (1) Pada
model path analysis, hubungan antar variabel adalah bersifat linier,
adaptif dan bersifat normal; (2) Hanya sistem aliran kausal ke satu
arah artinya tidak ada arah kausalitas yang berbalik; (3) Variabel
terikat (endogen) minimal dalam skala ukur interval dan ratio; (4)
Menggunakan sampel probability sampling ynitu tnkmk pengambilan
sampel untuk memberikan peluang yang :;nmn patin sutinp nn<)<jotn
populasi untuk dipilih
monjndi mi<j<)oln iwimpul,
(!))
Olwoivori
variables diukur tanpa kesalahan (instrumen pengukuran valid dan

reliable) artinya variabel yang diteliti dapat diobservasi secara
langsung; (6) Model yang dianalisis dispesifikasikan (diidentifikasi)
dengan benar berdasarkan teori-teori dan konsep-konsep yang
relevan
artinya
model
teori
yang
dikaji
atau
diuji
dibangun
berdasarkan kerangka teoritis tertentu yang mampu menjelaskan

hubungan kausalitas antar variabel yang diteliti.
D. Model Path Analysis
(a) Correlated Path Model
(b) Mediated Path Model
(c) Independent Path Model
Gambar 14.1: Jenis Umum Model Path Analysis

Sumber: Schumacker dan Lomax (1996:41-42)
E. MODEL PERSAMAAN STRUKTURAL

Persamaan struktural atau juga disebut model struktural yaitu
apabila setiap variabel terikat/endogen (Y) secara unik keadaannya
ditentukan oleh seperangkat variabel bebas/eksogen (X). Selanjutnya
gambar yang meragakan struktur hubungan kausal antar variabel
disebut diagram jalur (path diagram). Jadi, persamaan ini Y = F (X^X;>; X:)) dan Z = F (X,; X3; Y) merupakan persamaan struktural karena
sotinp persamaan menjelaskan hubungan kausal yaitu variabel
nksogon X, ; X.. dan X , terhadap variabel endogen Y dan Z. Lebih
jolnsnyn.mnkn (li<|nmhnrkun diagram jalur untuk model struktural
nuhnjjni lioilkut
Gambar 14.2: Diagram Jalur Hubungan Kausal
X2, X3 dan Y ke Z
Persamaan struktural untuk diagram jalur yaitu:
Y = PYX1 * 1 + PYX2 X 2 + PYX3 * 3 + El

Z = pzxi X-| + pzx3 X3 + pzy Y + e2
Gambar 14.2a
Sub Struktur 1. Hubungan Kausol X, Xy dmi X , ko Y
Gambar 14.2b
Sub Struktur 2. Hubungan Kausal X1? X3> dan Y ke Z
Keterangan:
pik merupakan koefisien jalur (path coefficient) untuk setiap variabel
eksogen k (Li, Ching Chun, 1975:103 dan Kusnendi, 2005:6).
Koefisien jalur menunjukkan pengaruh langsung variabel eksogen k
terhadap variabel endogen i. Sedangkan e -, menunjuk-kan variabel
atau faktor residual yang fungsinya menjelaskan pengaruh variabel
lain yang telah teridentifikasi oleh teori, tetapi tidak diteliti atau
variabel lainnya yang belum teridentifikasi oleh teori, atau muncul
sebagai akibat dari kekeliruan pengukuran variabel. Sebuah diagram
jalur, tanda panah berujung ganda ( <------ ) menunjukkan hubungan
korelasional dan tanda panah satu arah (-------- ) menunjukkan
hubungan kausal atau pengaruh langsung dari variabel eksogen (X)
terhadap variabel endogen (Y).
Jadi, Secara sistematik path analysis mengikuti pola model
struktural, sehingga langkah awal untuk mengerjakan atau penerapan
model put h nnnly:;is yaitu dengan merumuskan persamaan struktural
dan diagiam |n Iu r yang berdasarkan kajian teori tertentu yang telah
diuraikan di alas Moimmt Solimun (^OO; :!^)) informasi diberikan
apabila tujuan penelitian ingin mendapatkan model untuk kepenting

an prediksi, maka yang tepat digunakan adalah model struktural.
Model ini mirip dengan path analysis, yang membedakan adalah
kalau di dalam path analysis data yang dianalisis adalah data baku
(standardize), sedangkan di dalam model struktural menggunakan
data mentah (raw data)" Dengan demikian hasil analisis model
struktural kurang tepat jika disajikan dalam bentuk diagram path dan
lebih cocok disajikan dalam sistem persamaan.
Path analysis walaupun cukup lama dikembangkan, tetapi baru
dikenal secara luas oleh para ahli ilmu-ilmu sosial setelah sosiolog
Otis D. Duncan pada tahun 1966 memperkenalkannya ke dalam
literatur sosiologi lewat tulisannya "Path Analysis: Sociological
Example " yang dimuat dalam AJS (American Journal of Sosiology).
Sejak itulah, path analysis banyak dibicarakan, khususnya oleh para
ahli sosiologi, bahkan diantaranya ada yang menganggap path
analysis sebagai "the modus operandi of sociological research "
(Miller & Stokes, 1975: 193). Sekarang path analysis bukanlah
monopoli para sosiolog lagi. Path analysis telah menjadi model
analisis para ilmuwan sosial lainnya. Bahkan pada tahun 1970-an,
Karl G. Joreskog dan Dag Sorbom dari Departemen Statistika
Universitas Uppsala Swedia, telah mengembangkan model path
analysis menjadi model yang sekarang dikenal sebagai LISREL (Li
near S-rtuctural REL-ationship) atau sering disebut SEM (Structural
Equation Modeling).
F. KESIMPULAN BEBERAPA MODEL ANALISIS

Tabel
14.1.
memberikan
keterangan
tentang
perbedaan
beberapa model analisis yaitu korelasi, regresi, path, dan struktural

sebagai berikut.
Tabel 14.1.
Rangkuman Model: Korelasi, Regresi, Path Anatysis, dan Struktural
P e n je la sa r
Variabel
Korelasi
T idak ada
ketentuan
Kegunaan 1. Explanation
(penjelasan)
2. hubungan dan
predikasi
kualitatif.
Hubungan
yang
dianalisis
Jenis data
yang
dianalisis
Asumsi
Tunggal
atau ganda
Skala interval dan
ratio
M O D E L ANALISIS
P a t h (Jalur)
Regresi
Bebas (X)
Terikat (Y)
1. Penjelasan
terhadap
fenom ena yang
dipelajari atau
perm asalahan
yang diteliti.
2. Prediksi
kuantitatif.
3. Faktor diterminan, yaitu penen
tuan variabel
bebas (X) yang
berpengaruh
dom inan terha
dap variabel
terikat (Y).
Bersifat tunggal
Skala interval dan ratio
t . Pada prinsipnya
1. Hubungan antar
sama dengan
variabel berpola
linier, bersifat
korelasi, hanya
sistem aliran kausal
normal.
ke satu arah.
2. Sistem aliran
kausal dua arah.
3. Minimal skala ukur
interval dan ratio.
1. Sampel random.
5. Data yang diukur
valid dan reliabel.
3 Model yang
dianalisis
berdasarkan toorifoori yar\f| rolovan
!iim il>m. IlliJ u w m i (VOIO II)
Struktural
E k s o g e n (X )
E k s o g e n (X )
E n d e o g e n (Y )
E n d e o g e n (Y )
In te r v e n in g
I n t e r v e n i n g ( b ila
( b ila a d a )
ada)
1. Penjelasan
Penjelasan
2. Prediksi
Prediksi kualitatif.
kuantitatif.
Faktor diterm inan.
3. Pengujian
Penelusuran
m odel,
m ekanism e
m engguna-kan
(lintasan)
uji t, baik untuk
pengaruh.
u ji keajegan
5. Pengujian m odel,
m enggunakan teori
konsep yang
sudah ada
t r im in g , baik untuk
ataupun uji
uji keajegan
pengem
konsep yang sudah
ada ataupun uji
bangan konsep
pengem bangan
baru.
konsep baru.
1.
2.
3.
4.
Tunggal
atau ganda
Tunggal atau ganda
Data mentah (ra w

Minimal skala interval
data).
dan data dinyatakan
dalam satuan baku atau
2 score
I .Pada prinsipnya
1 Pada prinsipnya sama
sama dengan
dengan korelasi dan
regresi.
korelasi, regresi,
dan p a th a n a ly s is .
1. Sistem aliran kausal ke
2.Pola hubungan
satu arah.
yang sesuai
B. Variabel
terikat/endogen (Y)
adalah pola
hubungan yang
minimal dalam skala
mengikuti model
ukur interval dan ratio.
regresi,
sedangkan untuk
tujuan hubungan
sebab akibat pola
yang tepat adalah
model s tru k tu ra l
Secara maternatik
analisis jalur
mengikuti pola
model struktural
Model dekomposisi adalah model yang menekankan pada

pengaruh yang bersifat kausalitas antarvariabel, baik pengaruh
langsung maupun tidak langsung dalam kerangka path analysis,
sedangkan hubungan yang sifatnya nonkausalitas atau hubungan
korelasional yang terjadi antarvariabel eksogen tidak termasuk dalam
perhitungan ini. Argumen dekomposisi didukung oleh Maruyama
(1998:36) (Joreskog & Sorbom, 1993; 1996; Schumacker & Lomax,
1996; Bollen, 1987; Kusnendi, 2005:13). For causal effects, there are
effects that go directly from one variable to a second variable (direct
effects) and effects between two variables that are mediated by one
or more intervening variables (indirect effects). Model dekomposisi
pengaruh kausalitas antarvariabel ini banyak digunakan oleh peneliti.
Perhitungan menggunakan analisis jalur dengan
model
dekomposisi pengaruh kausal antarvariabel dapat dibedakan menjadi
tiga sebagai berikut.
1. Direct causal effects (Pengaruh Kausal Langsung =PKL) adalah
pengaruh satu variabel eksogen terhadap variabel endogen yang
terjadi tanpa melalui variabel endogen lain.
2. Indirect causal effects (Pengaruh Kausal Tidak Langsung = PKTL)
adalah pengaruh satu variabel eksogen terhadap variabel
endogen yang terjadi melalui variabel endogen lain yang terdapat
dalam satu model kausalitas yang sedang dianalisis.
3. Total causal effects (Pengaruh Kausal Total = PKT) adalah jumlah
dari pengaruh kausal langsung (PKL) dan Pengaruh Kausal
Tidak Langsung (PKTL) atau PKT = PKL + PKTL.
Bagaimana dekomposisi pengaruh kausalitas antarvariabel itu
diwujudkan dalam bentuk diagram sebagai berikut.
Kerangka hubungan kausal empiris antara jalur dapat dibuat
melalui persamaan struktur sebagai borikut.
Gambar 14.3
Dekom posisi Pengaruh Kausalitas Antarvariabel
Sumber: Dimodivikasi dari Maruyama (1998: 38)
Tabel 14.2
Model Dekom posisi Pengaruh Kausalitas Antarvariabel
Pengaruh
variabel
A terhadap C
A terhadap D
A terhadap Y
Pengaruh Kausal
Tidak Langsung
Langsung Melalui
Melalui
Melalui
D
C
C dan D
(D
(3)
(2)
(1)(7)
(1)(8)
(3) (9)
(1) (7) (9)
Total
(1)
(3) + (1) (7)
(2) + (1) (8) +
(3) (9) + (1)(7) (9)
B terhadap C
B terhadap D
B terhadap Y
(4)
(6)
(5)
C terhadap D
C terhadap Y
D terhadap Y
(7)
(8)
(9)
(4) (7)
(4) (8)
(6) (9)
(4) (7) (9)
(7) (9)
-
Koterangnn:
Atitjkfi I
!) Ininya mini poncjamh antarvariabel
(4)
(6) + (4) (7)
(5) + (4) (8) +
(6) (9) + (4) (7) (9)
(7)
(8) + (7) (9)
0)
CONTOH PENELITIAN
Pengaruh Harga (X!) dan Fasilitas (X2) terhadap Promosi (Y ^ dan
Produk (Y2) serta dampaknya pada Citra Pelanggan (Z)
Data Tabel 14.3
Kode
Responden
Z
Xi
y2
x2
Yi
1.
2.
3,
4.
5.
6.
7.
8.
9.
10.
11.
12.
55
45
60
35
64
44
70
65
63
74
84
73
36
46
47
25
68
69
57
49
58
67
79
52
38
45
46
30
53
54
61
50
52
51
69
53
64
55
72
50
79
77
78
72
66
82
87
82
Langkah Pertama: membuat paradigma penelitian

El
Gambar 14.4
Paradigma Ponolltlnn
60
50
62
40
68
59
79
69
65
70
89
79
Langkah Kedua: merumuskan masalah penelitian

1. Apakah harga dan fasilitas berpengaruh terhadap promosi?
2.
Apakah harga, fasilitas dan promosi berpengaruh terhadap

produk?
3.
Apakah harga, fasilitas, promosi, dan produk berpengaruh

terhadap citra pelanggan?
Langkah Ketiga: membuat model hipotesis

1. Y 1 = F (X 1;X 2):
Harga dan fasilitas secara simultan

maupun individual berpengaruh terhadap
promosi.
2. Y2 =F (X!; X2; Yi):
Harga, fasilitas dan promosi secara
simultan maupun individual berpengaruh
terhadap produk.
3. Z = F (Xi; X2; Yu Y2): Harga, fasilitas, promosi, dan produk
secara simultan maupun individual ber
pengaruh terhadap citra pelanggan.
Langkah Keempat: membuat diagram jalur dan persamaan struktur
Berdasarkan model hipotesis yang diajukan, maka dibuatlah

sub struktur yang tujuannya untuk menjelaskan dan memper
mudah perhitungan sebagai berikut.
0
Sub Struktur - 1 Hipotesis - 1
Gambar 14.6
Sub Struktur - 1 Hubungan Kausal
dan X2 terhadap Yi
Keterangan:
Variabel endogen (Y,)
Variabel eksogen (X, dan X2)
Persamaan Struktur Y i = p yi xi X i + p yi X2 X 2 + p yi e 1 1
0 Sub Struktur - 2 Hipotesis - 2
Gambar 14.7
Sub Struktur - 2 Hubungan Kausal X1f X2, dan Y) terhadap Y2
Keterangan:
Variabel endogen (Y2)
Variabel eksogen (X|, X2 dan Y ,)
Porsamaan Struktur Y2 = py;>xi X| -f py;>x;>x2 i py;'Vi Y| i py;i ,
B Sub Struktur - 3 Hipotesis - 3
Gambar 14.8
Sub Struktur - 3 Hubungan Kausal Xi, X2, Y1; dan Y2 terhadap Z
Keterangan:
Variabel endogen (Z)
Variabel eksogen (Xi, X2, Yi, dan Y2)
Persamaan Struktur Z = pzx1
+ pzx2 x2 + Pzyi Y, +
Y2 + pZF3 E3
Langkah Kelima: Menguji tiap hipotesis untuk tiap Sub-Struktur
1. Memaknai Analisis Jalur Sub-Struktur - 1

Dari hasil pengolahan data program SPSS versi 14 pada substruktur -1 tersebut, terlihat Tabel 14.4 sampai Tabel 14.6), koefisien
jalur yang diperoleh diuji sebagai berikut.
Tabel 14.4
Sum of
Modol
1
Squares
flofirosiHion
li.ln l
df
M ean Square
947 687
473.843
1!>7 900
17.553
1K)!> (!(;/
11
Ji l'tmli Iniri (< n in tu iil), h n lh ln s (X.*).
F
26.994
Sig.
.000
(X 1)
l> I >it|i'iiilniil V m litlilo rin liK iid (Y I)
Tabel 14.5
C o e fficie n ts0
Unstandardized
Coefficients
Model
1
Standardized
Coefficients
(Constant)
B
11.393
Std. Error
Harga <X1)
.244
.116
Fasilitas (X2)
.439
.108
Beta
t
1.988
Siq.
.078
.345
2.101
.065
.666
4.062
.003
5.731
a. Dependent Variable: Prom osi (Y1)
Tabel 14.6
Model Summar^
C h an q e S tatistics
M odel
1
R
,9 2 6 a
R S quare
A djusted
R S qu a re
Std. E rror of
th e E stim ate
R S quare
C hange
.857
.825
4.190
.857
F C han q e
26.9 94
df 1
Sig. F C hange
df2
2
.000
a- P re d icto rs: (C on stan t), F a silita s (X 2), H a rg a (X 1)

b- D e p e n d e n t V aria b le : P rom osi (Y 1)
a. Pengujian Secara Secara simultan (Keseluruhan)

Uji secara keseluruhan ditunjukkan oleh Tabel 14.4
Hipotesis statistik dirumuskan sebagai berikut.
Anova.
H a- Py1x1 = Py1x2 ^ 0
H 0 - Py1x1 = Py1x2 = 0
Hipotesis bentuk kalimat.

Ha: Harga dan fasilitas secara simultan berpengaruh terhadap
promosi.
Ho: Harga dan fasilitas secara simultan tidak berpengaruh terhadap
promosi.
Tabel Anova diperoleh nilai F untuk sebesar 26,994 dengan
nilai probabilitas (sig)=0,000. Karena nilai sig < 0,05, maka
keputusannya adalah Ho ditolak dan Ha diterima artinya harga dan
fasilitas secara simultan berpengaruh terhadap promosi.
Besarnya koefisien diterminan R sqUare atau R2 ytxi x? = 0,857
85,7% (Tabel 14.6 Model Summary) dan besarnya pengaruh variabel
lain p y1e1 =yj\ -0,857 -0 ,3 7 8 =0,378P =0,14:
M ,:r
b. Pengujian Secara Individual Sub-Struktur - 1

1) Pengaruh harga terhadap promosi
Uji secara individual ditunjukkan oleh Tabel 14.5 Coelficients.
Hipotesis penelitian yang akan diuji dirumuskan menjadi hipotesis
statistik berikut.
Ha- Py1x1 0
Ho- Py1x1 = 0
Hipotesis bentuk kalimat

Ha: Harga berpengaruh terhadap promosi.
Ho: Harga tidak berpengaruh terhadap promosi.
Selanjutnya, untuk mengetahui signifikansi analisis jalur, maka
Saudara bandingkan antara nilai probabilitas 0,05 dengan nilai
probabilitas Sig dengan dasar pengambilan keputusan sebagai
berikut.
El Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai
probabilitas Sig atau [0,05 < Sig], maka Ho diterima dan Ha
ditolak, artinya tidak signifikan.
0 Jika nilai probabilitas 0,05
probabilitas Sig
atau
lebih besar atau sama dengan nilai
[0,05 > Sig], maka Ho ditolak dan Ha
diterima, artinya signifikan.

Keputusan:
Terlihat bahwa pada kolom Sig (signifikan) pada Tabel
Coclficionts
14.5
didapat nilai sig. 0,065. Ternyata nilai sig. 0,065 lebih
besnr dari nilai probabilitas 0,05 atau nilai 0,05 < 0,065, maka Ho
dilnrima <l;m lla dilolak artinya harga tidak berpengaruh terhadap
pmuior.i
2) Pengaruh fasilitas terhadap promosi

statistik berikut.
H a- Py1x2 0
H o- Py1x2 0

Ha: Fasilitas berpengaruh terhadap promosi.
Ho: Fasilitas tidak berpengaruh terhadap promosi.
Keputusan:
Dari Tabel 14.5 Coelficients
didapat nilai sig. 0,003. Ternyata
nilai sig. 0,003 lebih kecil dari nilai probabilitas 0,05 atau nilai 0,05
>
0,003,
maka
Ho ditolak
dan
Ha diterima
artinya fasilitas
berpengaruh terhadap promosi.

Hasil pengujian analisis jalur untuk Sub-Struktur-1 dirangkum
seperti Tabel 14.7 sebagai berikut.
Tabel 14.7
Rangkuman Hasil Koefisien Jalur Sub-Struktur -1
Pengaruh Koefisien Nilai t
antarvariabel Jalur
(Beta)
Nilai F
Hasil
Pengujian
Koefisien Koefisien
Diterminan variabel
R square lain (sisa)
atau
PylEl
R 2v 1 x 1 x 2
Xi tehadap Yi 0,345
X2 tehadap Yi 0,666
2,101
Ho diterima
4,062 26,994 Ho ditolak
0,857
0,378^
atau
0,143

Dari hasil pengolahan data program SPSS versi 14 pada substruktur - 2 tersebut, terlihat Tabel 14.8 sampai Tabel 14.10),
koefisien jalur yang diperoleh diuji sebagai berikut.
T abel 14.8
A N O VA b
Sum of
Squares
Model
1
Regression
Mean Square
394.197
225.409
28.176
1408.000
11
df
1182.591
Residual
Total
Sig.
,002a
F
13.990
a Predictors: (Constant), Prom osi (Y1), Harga (X1), Fasilitas (X2)

b. Dependent Variable: Produk (Y2)
Tabel 14.9
Coefficients3
Unstandardized
Coefficients
Model
1
B
(Constant)
Standardized
Coefficients
Std. Error
27.294
Beta
Sig.
.014
3.134
8.710
H arga (X 1 )
.414
.179
.519
2.306
.050
Fasilitas (X2)
.391
.231
.526
1.696
.128
Prom osi (Y1)
-3.66E-02
.422
-.032
-.087
.933
a- Dependent Variable: Produk (Y2)
T abel 14.10
Model Summary
Chanqe Statistics
R
Model
1
916a
R Square
Adjusted
R Square
.840
.780
Std. Error of
the Estimate
5.308
R Square
Chanqe
F Change
.840
13.990
d(2
df 1
3
Siq. F Chanqe
8
.002
a Predictors: (Constant), Promosi (Y1), Harga (X1}, Fasilitas (X2)

h Dependent Variable: Produk (Y2)
a.
Pengujian Secara Secara simultan (Keseluruhan)

Anova.

Hn- P yiKl
P y;1*; - Pyiy 1 ^ 0
H,,. Py;'xi
fV:*
------ 1
Pv;,v' ~
------ -----------------------------------------------------------
-------

Ha: Harga, fasilitas dan promosi secara simultan berpengaruh terhadap
produk
Ho: Harga, fasilitas dan promosi secara simultan tidak berpengaruh
terhadap produk
Dari Tabel Anova diperoleh nilai F untuk sebesar 13,990

dengan nilai probabilitas (sig)=0,002. Karena nilai sig < 0,05, maka
keputusannya adalah Ho ditolak dan Ha diterima artinya harga,
fasilitas dan promosi secara simultan berpengaruh terhadap produk.
Besarnya koefisien diterminan
S q u a re
atau
R 2y2y ix ix 2
= 0,84 =
84% (Tabel 14.10 Model Summary) dan besarnya pengaruh variabel

lain
py2e2 = V l- 0 ,8 4 = 0,4 =0,42 =0,16 = 16%.

1) Pengaruh harga terhadap produk
statistik berikut.
Ha^ Py2x1 0
H 0: Py2x1 = 0

Ha: Harga berpengaruh terhadap produk
Ho: Harga tidak berpengaruh terhadap produk
Saudara bandingkan antara nilai probabilitas 0,05 dongan nilai
probabilitas Sig dengan dasar pengambilan kopulusan sebagai
berikut.
-------------- ------
0 Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai
m Jika nilai probabilitas 0,05
lebih besar atau sama dengan nilai
probabilitas Sig atau [0,05 > Sig], maka Ho ditolak dan Ha

Keputusan:
Terlihat bahwa pada kolom Sig (signifikan) pada Tabel
Coelficients
14.9
didapat nilai sig. 0,050. Ternyata nilai sig. 0,050 lebih
besar atau sama dengan dari nilai probabilitas 0,05 atau nilai 0,05 >
0,05,
maka Ho diterima dan Ha ditolak artinya harga tidak
berpengaruh terhadap produk.
2) Pengaruh fasilitas terhadap produk

statistik berikut.
H a : Py2x2 ^ 0
H o- Py2x2 = 0

Ha: Fasilitas berpengaruh terhadap produk.
Ho: Fasilitas tidak berpengaruh terhadap produk.
Keputusan:
nilai sig. 0,120 lobih besar dari nilai probabilitas 0,05 atau nilai 0,05
0.12M, mnku lio ditorima dan Ha dilolak artinya fasilitas tidak
l)O i|iuii;|iuiih Inilim ljip produk.
3) Pengaruh promosi terhadap produk

statistik berikut.
Ha- Py2y1 0
H0: Py2y1

Ha: Promosi berpengaruh terhadap produk
Ho: Promosi tidak berpengaruh terhadap produk
Keputusan:
nilai sig. 0,933 lebih besar dari nilai probabilitas 0,05 atau nilai 0,05
< 0,933, maka Ho diterima dan Ha ditolak artinya promosi tidak
berpengaruh terhadap produk.
Hasil pengujian analisis jalur untuk Sub-Struktur-2 dirangkum
seperti Tabel 14.11 sebagai berikut.
Tabel 14.11
Rangkuman Hasil Koefisien Jalur Sub-Struktur - 2
Pengaruh Koefisien Nilai t
antarvariabel Jalur
(Beta)
Nilai F
Hasil
Pengujian
Koefisien
Koefisien
Diterminan variabel lain
(sisa)
R square
atau
Py2 ^ 2
r->2
H v2v1x1x2
Xi tehadap Y2 0,519
2,306
Ho diterima
X2 tehadap Y2 0,526
1,696
13,990 Ho diterima
Yitehadap Y2 - 0,032 -0,087
Ho ditorima
0,84
0,42
atau
0,16

Dari hasil pengolahan data program SPSS versi 14 pada substruktur - 3 tersebut, terlihat Tabel 14.12 sampai Tabel 14.14),
koefisien jalur yang diperoleh diuji sebagai berikut.
T abel 14.12
AN0VAb
Sum of
R eg ressio n
1905.393
476.348
24.274
3.468
1929.667
11
R esid u al
Total
M ean S q u are
dt
Sq u are s
M odel
1
Sit).
137.366
.000''
a. Pred icto rs: (C o n stan t), Produk (Y 2 ), F a silita s (X 2 ), H arga (X 1 ), Prom osi (Y 1 )
b- D ependent V ariab le: C itra Pelan gg an (Z )
T abel 14.13
Coefficients
Standardized
C oefficients
Unstandardized
C oefficients
M odel
1
Std. Error
B
(C o nstant)
-10.307
4.560
H arg a (X1 )
.427
.081
B e ta
Sig .
-2.260
.058
.457
5.255
.001
Fa silita s (X2 )
-.361
.094
-.415
-3.828
.006
Prom osi (Y 1 )
.792
.148
.600
5.346
.001
Produk (Y 2 )
.417
.124
.356
3.359
.012
a. D ependent V a riab le: C itra Pelan g g an (Z )
T abel 14.14
Model Summary*
Chanqe Statistics
Model
1
R Square
R
,994a
.987
Adjusted
R Square
.980
Std Error of
the Estimate
1.862
R Square
Chanqe
.987
F Chanqe
137.366
df1
d!2
4
Siq. F Chanqe
.000
a Predictors: (Constant), Produk (Y2), Fasilitas (X2), Harga (X1), Promosi (Y1)
b Dependent Variable: Citra Pelanggan (Z)
a. Pengujian Secara Secara simultan (Keseluruhan)

H ji- P/m1
P /x i r P /y t P /y i ^ 0
H(i- P/Ml
P / m/
P/yl
P /y i
Anova.

Ha: Harga, fasilitas, promosi dan produk secara simultan
berpengaruh terhadap citra pelanggan
Ho: Harga, fasilitas, promosi dan produk secara simultan tidak
berpengaruh terhadap citra pelanggan
Dari Tabel Anova diperoleh nilai F untuk sebesar 137,366
dengan nilai probabilitas (sig)=0,000. Karena nilai sig < 0,05, maka
keputusannya adalah Ho ditolak dan Ha diterima artinya harga,
fasilitas, promosi dan produk secara simultan berpengaruh terhadap
citra pelanggan.
Besarnya koefisien diterminan R square atau R2zy2yixix2 = 0,987
98,7% (Tabel 14.14 Model Summary) dan besarnya pengaruh variabel lain
pzg3 = V l - 0,987 = 0,114 =0,1142=0,013=1,3%.

1) Pengaruh harga terhadap citra pelanggan
statistik berikut.
Ha- Pzx1 0
Ho- Pzx1 = 0
Ha: Harga berpengaruh terhadap citra pelanggan
Ho: Harga tidak berpengaruh terhadap citra polangcjan

Saudara bandingkan antara nilai probabilitas 0,05 dengan nilai
probabilitas Sig dengan dasar pengambilan keputusan sebagai
berikut.
0
Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai
S Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai
probabilitas Sig atau [0,05 > Sig], maka Ho ditolak dan Ha
Keputusan:
Terlihat bahwa pada kolom Sig (signifikan) pada Tabel 14.13
Coelficients didapat nilai sig. 0,001. Ternyata nilai sig. 0,001 lebih
kecil dari nilai probabilitas 0,05 atau nilai 0,05 > 0,001, maka Ho
ditolak dan Ha diterima artinya harga berpengaruh terhadap citra
pelanggan.
2) Pengaruh fasilitas terhadap citra pelanggan

statistik berikut.
Ha: Pzx2 > 0

H0: Pzx2 = 0
Ha: Fasilitas berpengaruh terhadap citra pelanggan
Ho: Fasilitas tidak berpengaruh terhadap citra pelanggan
Keputusan:
Dari Tabol 14.13 Coelficients didapat nilai sig. 0,006. Ternyata
nilai si(j. 0,00G. Ternyata nilai sig. 0,006 lebih kecil dari nilai
prohabililas 0,0!) alau nilai 0,05 :> 0,006, irtaka Ho ditolak dan Ha
dllnilmu nilinya lasllilas Ix>r|x>t<jnnili Imhadap citra polaiifjfjan
3) Pengaruh promosi terhadap citra pelanggan

statistik berikut.
H a ' Pzy1 0
H o- Pzy 1 = 0

Ha: Promosi berpengaruh terhadap citra pelanggan
Ho: Promosi tidak berpengaruh terhadap citra pelanggan
Keputusan:
Dari Tabel 14.13 Coelficients didapat nilai sig. 0,001. Ternyata
> 0,001, maka Ho ditolak dan Ha diterima artinya promosi
berpengaruh terhadap citra pelanggan.
4) Pengaruh produk terhadap citra pelanggan

statistik berikut.
Ha' Pzy2 0
H0: Pzy2 = 0
Ha: Produk berpengaruh terhadap citra pelanggan
Ho: Produk tidak berpengaruh terhadap citra pelanggan
Keputusan:
Dari Tabel 14.13 Coelficients didapat nilai sig. 0,012. Ternyata
> 0,012, maka Ho ditolak dan Ha diterima artinya produk
berpengaruh terhadap citra pelanggan.
Hasil pengujian analisis jalur untuk Sub Struktur 'A dirangkum
soporti Tabel 14.15 sebagai borikut.
Tabel 14.15
Rangkuman Hasil Koefisien Jalur Sub-Struktur - 3
Pengaruh
Koefisien
Jalur
antarvariabel
(Beta)
Nilai t
Nilai F
Hasil
Pengujian
Koefisien
Diterminan
R square
atau
Koefisien
variabel
lain (sisa)
PZ 8 3
R 2z v 2 v 1 x 1 x 2
Xi tehadap Z
0,457
5,255
Ho ditolak
X2 tehadap Z
- 0 ,4 1 5 -3 ,8 2 8
137,366 Ho ditolak
Yi tehadap Z
0,600
5,346
Ho ditolak
Y2 tehadap Z
0,356
3,359
Ho ditolak
0,1142
atau
0,987
0,013
Langkah Keenam: membuat diagram Hubungan Kausal Empiris

Antarvariabel Penelitian
Gambar 14.9
Hubungnn Kausal Empiris Antarvarlabol Ponolltlnn
Hasil perhitungan dibuat persamaan struktur sebagai berikut.

Persamaan Struktur - 1:
Y i = Py1x1 X 1 + Py1x2 X 2 + Pyl. E1 El;
Rscjuare
= 0,345 Xi + 0,666 X2 + 0,378 El;
Rsquare= 0,857
Persamaan Struktur - 2;
Y 2 = Py2x1 X 1 + Py2x2 x 2 + Py2y1 Y 1 + py2. f 2 ^2; Rsquare
= 0,510x1 + 0,526x2 + (-0,032) Yi + 0,4 e2;
Rsquare= 0,84
Persamaan Struktur - 3:
Z = Pzx1 Xi + pZX2 X2 + Pzyi Yi + pzy2 Y 2 + pZE.3 83; Rsquare
= 0,457x1 + (-0,415) x2 + 0,6 Y, + 0,356 Y2 + 0,114 e3; Rsqyare= 0,987
MEMAKNAI HASIL ANALISIS JALUR

Berdasakan hasil perhitungan secara keseluruhan, maka dapat
dimaknai sehingga memberikan informasi secara objektif sebagai
berikut.
1. Hipotesis pertama yang berbunyi harga dan fasilitas secara
simultan maupun individual berpengaruh terhadap promosi.
Bahwa secara keseluruhan menyatakan signifikan. Secara
individu tidak semua sub variabel diterima, karena berdasarkan
pengujian koefisien jalur sub-struktur -1 hanya koefisien jalur X ,
terhadap Yt (harga terhadap promosi) yang secara statistik tidak
signifikan, sedangkan koefisien jalur X2 terhadap Y t (fasilitas
terhadap promosi) adalah signifikan.
2. Hipotesis kedua yang berbunyi harga, fasilitas dan promosi
secara simultan maupun individual berpengaruh terhadap
produk. Bahwa secara keseluruhan menyatakan signifikan.
Secara individu semua sub variabel tidak signifikan atau tidak
diterima, yaitu (a) koefisien jalur X , terhadap Y;. (harga terhadap
produk); (b) koefisien jalur X? terhadap Y;> (lasiliias terhadap
produk); dan (c) koefisien jalur Y, torhadap Y., (promosi terhadap
produk).
3. Hipotesis ketiga yang berbunyi harga, fasilitas, promosi, dan

produk secara simultan maupun individual berpengaruh terhadap
citra pelanggan. Bahwa secara keseluruhan menyatakan
signifikan. Secara individu semua sub variabel signifikan, yaitu (a)
koefisien jalur X^ terhadap Z (harga terhadap citra pelanggan); (b)
koefisien jalur X2 terhadap Z (fasilitas terhadap citra pelanggan);
(c) koefisien jalur Y^ terhadap Z (promosi terhadap citra
pelanggan); dan; (d) koefisien jalur Y2 terhadap Z (produk
terhadap citra pelanggan).
4. Bebarapa pengaruh langsung dan tidak langsung (melalui
Y2
serta Yi dan Y2) dan pengaruh total tentang pengaruh harga (X,),
fasilitas (X2), promosi (Y^, dan produk (Y2) terhadap citra
pelanggan (Z) diuraikan sebagai berikut.
a. Pengaruh langsung variabel Xi terhadap Y1 = 0,345 =
pengaruh total
b. Pengaruh langsung variabel X, terhadap Y2 = 0,519
Pengaruh tidak langsung variabel X, terhadap Y2 melalui Y^ =
0,011
s? Pengaruh total X1 terhadap Y2 = 0,508

c. Pengaruh langsung variabel Xi terhadap Z = 0,457
Pengaruh tidak langsung variabel X1 terhadap Z melalui
= 0,207
Y!
Y2
= 0,1848
Pengaruh tidak langsung variabel X1 terhadap Z melalui Yi
dan Y2 = 0,00039
ra Pengaruh total X1 terhadap Z = 0,848
d. Pengaruh langsung variabel X2 terhadap Yi = 0,666= pengaruh
total
e. Pengaruh langsung variabel X2 terhadap Y2 = 0,526
Pongnruh tidak langsung variabel X,> terhadap Y2 melalui Y ^
o;ia
. * l'oniinm h lolnl X;. InrluuJnp Y..
(),!i()47
f.
Pengaruh langsung variabel X2 terhadap Z = -0,415

0,3996
Y1 =

0,1873
Y2 =
Pengaruh tidak langsung variabel X2 terhadap Z melalui Yi dan
Y2 =
-0 ,00 0 76
s? Pengaruh total X2 terhadap Z =0,171

g. Pengaruh langsung variabel Y2 terhadap Y^ = -0,032
pengaruh total
h. Pengaruh langsung variabel Y: terhadap Z = 0,6
Pengaruh tidak langsung variabel Y^ terhadap Z melalui
-0,0114
Y2 =
Pengaruh total Yi terhadap Z = 0,5886

i.
Pengaruh langsung variabel X2 terhadap Z = 0,356

pengaruh total
Jawaban terhadap masalah penelitian tersebut di ringkas

melalui proses perhitungan manual sebagai berikut.
Tabel 14.16
PROSES 1
Pengaruh
variabel
Pengaruh Kausal
Tidak Langsung
Langsung Melalui Melalui
Melalui
Yi dan Y2
Yi
y2
Xi terhadap Yi
(1 )
Xi terhadap Y2
Xi terhadap Z
(3)
(1)(7)
( 1 ) (8 )
(2)
X2 terhadap Yi
X2 terhadap Y2
X2 terhadap Z
(4)
(6)
(4) (7)
(4) (8 )
Yi terhadap Y2
Yi terhadap Z
Y2 terhadap Z
(7)
(8 )
(9)
(5)
Total
(1 )
(3) + (1) (7)
(3) (9)
(1)(7) (9)
(6 ) (9)
(4) (7) (9)
(7) (9)
Keterangan:
Angka 1 - 9 isinya: nilai pongaruh antarvnrinbol
Huruf X|, X;>, Yi, Y;>, dan Z: varinhol
(2) + (1) (8) +

(3) (9) + (1) (7) (9)
(4)
(6) + (4) (7)

(5) + (4) (8 ) +
(6) (9) (4) (7) (9)
(7)
() ' (7) (9)
(!>)
Tabel 14.17
PROSES 2
Pengaruh Kausal
Pengaruh
variabel
Tidak Langsung
Langsung
Xi terhadap Yi
Xi terhadap Y2
0,345
0,519
Xi terhadap Z
0,457
X2 terhadap Y1
X2 terhadap Y2
0,666
0,526
X2 terhadap Z
-0,415
Y1 terhadap Y2
Y1 terhadap Z
- 0,032
0,6
Y2 terhadap Z
0,356
Melalui
Yi
Melalui
y2
Melalui
dan Y2
-
(0,345) x (0,519)x
(0,6)
(0,356)
(0,345) x
(-0,032) x
(0,356)
(0,666) x
(-0,032)
(0,666) x (0,526) x
(0,6)
(0,356)
(0,666) x
(-0,032) x
(0,356)
(-0,032)
x (0,356)
-
0 ,3 4 5
(0,519) +
[(0,345) x
(-0,032)|
(0,345) x
(-0,032)
T o ta l
Yi
(0 ,4 5 7 ) +
[(0 ,3 4 b ) x (0 ,6 )]
+ [(0 ,5 1 9 ) x
(0 ,3 5 6 )|+
1(0,345) x
( 0 ,0 3 2 ) x
(0,356)1
0 ,6 6 6
(0,526) +
[(0,666) x
(-0,032)]
(-0,415 ) +
[ (0,666) x (0,6)]
+[(0,526) x
(0,356)]+
[ (0,666) x
(-0,032) x
(0,356)1
- 0,032
(0,6) + [(-0,032)
x (0,356)1
0,356
Setelah dikalikan dan dijumlah hasil analisis tersebut dapat

dirangkum menjadi seperti Tabel 14.18
Tabel 14.18
PROSES 3
Rangkuman Dekomposisi dari koefisien jalur, pengaruh
langsung dan tidak langsung, dan pengaruh total tentang
pengaruh harga (Xi), fasilitas (X2), promosi (Yi), dan produk (Y2)
__________
terhadap citra pelanggan (Z)_____________
Pengaruh Kausal
Pengaruh
Tidak Langsung
variabel
L angsung
Melalui
Xi terhadap Y1
0,345
Y1
-
Xi terhadap Y2
0,519
Xi terhadap Z
Melalui
y2
Melalui
Total
Y1 dan Y2
-
-0,011
0,508
0,457
0,207
0,1848
- 0,00039
0,848
X2 terhadap Y1
0,666
0,666
X2 terhadap Y2
0,526
-0,0213
0,5047
X2 terhadap Z
-0,415
0,3996
0,1873
Y1 terhadap Y2
- 0,032
- 0,032
Y1 terhadap Z
0,6
-0,0114
0,5886
Y2 terhadap Z
0,356
0,356
-0,00076
0,345
0,171
G. RANGKUMAN
Analisis jalur (path analysis) digunakan untuk menganalisis pola
hubungan antar variabel dengan tujuan untuk mengetahui pengaruh
langsung maupun tidak langsung variabel bebas (eksogen) terhadap
variabel terikat (endogen).
H. SOAL LATIHAN
Kontribusi kinerja dosen (X,), dan bauran pemasaran (X2) terhadap
kepuasan mahasiswa (Y) serta dampaknya pada loyalitas mahasiswa (Z) di
Universitas XYZ.
Pertanyaan: Buktikan apakah signifikan dan berapa masing-masing
pengaruhnya, baik langsung maupun tidak langsung?
No
X!
x2
Y
Z
1
48
47
47
41
2
97
77
99
77
3
61
40
48
54
4
49
48
54
54
5
94
77
55
76
6
61
46
61
58
7
48
38
55
62
8
68
67
89
87
9
47
55
61
61
--------------------------------------------
10
65
48
52
47
11
87
50
87
87
12
75
56
60
4/
13 14 15 16 17 18 19
47 55 f>6 60 70 54 40
41 60 01 !>r> 7/ 60 40
42 0/ !>4 'j/ nn !>!. 48
41 M l M l 411 M i (>!> :m
20
55
78
/9
/!.
...... ..... ---------------------------------
DAFTAR PUSTAKA
Anderson, TW, (1958). An Introduction to Multivariate Statistical
Analysis, New York: John Wiley and Sons Inc.
Al-Rasyid Harun (1994). Analisis Jalur (Path Analysis) scbagai
Sarana Statistika dalam Analisis Kausal.
Bandung: LP3S
Fakultas Ekonomi UNPAD.
Alwin, Duane P. & Robert M. Hauser. (1975). Decomposition of
Effects in Path Analysis Amarican Sosiological Review. Vol.
40. p37-47.
Bachrudin, Achmad & Harapan L. Tobing. (2003) Analisis Data untuk
Penelitian Survai dengan Menggunakan LISREL 8. Bandung:
Jurusan Statistika FMIPA Unpad.
Berenson, Mark L. And Levine, David M. (1996J Basic Business
Statistics Concepts and applications. Sixth Edition New
York:Prentice-Hall International, Inc.
Cooper, Donald R. & William C. Emory. (1997). Metode Penelitian
Bisnis. Edisi Bahasa Indonesia. Jakarta: Erlangga.
Drape, N.R. and Smith H, Applied Regression Analysis, New York:
John Wiley and Sons Inc.
Ferdinand, Augusty. 2002. SEM dalam Penelitian Manajemen.
Semarang: BP-UNDIP.
Fox. John, (1980), Effects Analysis Sructural Equation Modeling,
Sociological Method and Research. Vol. 9. p.3-28.
Haise, David R. (1969). Problem in Path Analysis and Causal
Inference. In Edgar F. Borgaita. Editor. Sociological
Methodology. San Francisco: Jossey-Bass Behavioral
Science, p.38-73.
Hair, Joseph F. Jr. dan Rolph Anderson (1998).Multivariate Data
Analysis 5f/'.Edition, Prentice Hall International, Inc.
Isaac, S., dan Michael, W.B. (1983), Hand Book in Research and
Evaluation. 2n<l Edition. California-USA: Edits Publishers.
Johnson, Richard A.. & Dean W. Wichern. (1992). Appliod
Multlvtuintu Statistical Analysis. Now Jorsoy: Pronlico Hall.
< nylowc )<u I Clilln.
____
Kenny, D.A. (1979). Correlation and Causality. New York: John

Willey & Sons, Inc.
Kerllnger, FN et.al (1973) Multiple Regression in Behavioral
Research, New York: Holt Rinehart and Winston Inc.
Kohout, FJ (1974) Statistics for Social Scientist, A.Wiley Trans
Edition.
Kusnendi, (2004). Komputasi Analisis Jalur Melalui Aplikasi
Program SPSS. Manajerial. Jurnal Manaiemen dan Sistem
ln/ormasi. Program Studi Penidikan Manajemen UPI. Vol. 2.
No. 4 Januari 2004. Hal. 108-127.
Land, Kenneth C. (1969). Principles of Path Analysis. In Edgar F.
Borgatta (editor). Sociological Methodology. San Francisco:
Jossey-Bass Behavioral Science, p.3-37.
Li, Ching Chun (1975).
Boxwood Press.
Path Analysis Primer. California: The
Lockyer, K.G. (1977). An Introduction to Critical Path Analysis.

London: Pitman Publishing Limited.
Mendehall, W and Reinmuth, J.E. (1982), Statistics
Management and Economics. Boston: Duxbury Press.
for
Miller, Michael K. & Shannon C. Stokes. (1975). Path Analysis in

Sociological Research: Commentary. Rural Sociology.
Norusis, Marija J. (1986).
Chicago: SPSS Inc
Advanced
Statistics
SPSS/PC+.
Riduwan dan Sunarto (2010). Pengantar Statistika untuk Penelitian

Pendidikan, Sosial, Ekonomi, Komunikasi dan Bisnis. Bandung:
CV Alfabeta.
Sitepu, Nirwana SK (1994). Analisis Jalur (Path Analysis). Bandung:
Jurusan Statistika FMIPA Universitas Padjadjaran.
Singgih Santoso (2006). Menguasai Statistik di Era Informasi dengan
SPSS 14 Jakarta: PT Elex Media Komputindo.
Sugiyono. (2010). Metode Penelitian Bisnis. Bandung: CV.Alfabeta
Wibisono. Dermawan (2003), Riset Bisnis Panduan bagi Praktisi dan
Akademisi. Bandung. PT Gramedia Puslaka Ulama.
DAFTAR TABEL
TABEL 1 : DISTRIBUSI NORMAL BAKU: dari 0 - z

TABEL 2 : KOORDINAT KURVE NORMAL BAKU
TABEL 3 : CHI-SQUARE/CHI- KUADRAT {%)
TABEL 4 : DISTRIBUSI t
TABEL 5 : PRODUCT MOMENT (r)
TABEL 6 : SPEARMAN RANK atau Rho (p)
TABEL 7 : NILAI-NILAI UNTUK DISTRIBUSI
T A B E L 1 : D ISTR IBU SI N O R M AL B A K U : d a ri 0 - z
z
0,0
0,1
0,2
0,3
0,4
0,0000
0,0398
0,0793
0,1179
0,1554
0,0040
0,0438
0,0832
0,1217
0,1591
0,0080
0,0478
0,0871
0,1255
0,1628
0,0120
0,0517
0,0910
0,1293
0,1664
0,0160
0,0557
0,0948
0,1331
0,1700
0,0199
0,0596
0,0987
0,1368
0,1736
0,0239
0,0636
0,1026
0,1406
0,1772
0,0279
0,0675
0,1064
0,1443
0,1808
0,0319
0,0714
0,1103
0,1480
0,1844
0,0359
0,0753
0,1141
0,1517
0,1879
0,5
0,6
0,7
0,8
0,9
0,1915
0,2257
0,2580
0,2881
0,3159
0,1950
0,2291
0,2611
0,2910
0,3186
0,1985
0,2324
0,2642
0,2939
0,3212
0,2019
0,2357
0,2673
0,2967
0,3238
0,2054
0,2389
0,2703
0,2995
0,3264
0,2088
0,2422
0,2734
0,3023
0,3289
0,2123
0,2454
0,2764
0,3051
0,3315
0,2157
0,2486
0,2794
0,3078
0,3340
0,2190
0,2517
0,2823
0,3106
0,3365
0,2224
0,2549
0,2852
0,3133
0,3389
1,0
1,1
1,2
1,3
1,4
0,3413
0,3643
0,3849
0,4032
0,4192
0,3438
0,3665
0,3869
0,4049
0,4207
0,3461
0,3686
0,3888
0,4066
0,4222
0,3485
0,3708
0,3907
0,4082
0,4236
0,3508
0,3729
0,3925
0,4099
0,4251
0,3531
0,3749
0,3944
0,4115
0,4265
0,3554
0,3770
0,3962
0,4131
0,4279
0,3577
0,3790
0,3980
0,4147
0,4292
0,3599
0,3810
0,3997
0,4162
0,4306
0,3621
0,3830
0,4015
0,4177
0,4319
1,5
1,6
1,7
1,8
1,9
0,4332
0,4452
0,4554
0,4641
0,4713
0,4345
0,4463
0,4564
0,4649
0,4719
0,4357
0,4474
0,4573
0,4656
0,4726
0,4370
0,4484
0,4582
0,4664
0,4732
0,4382
0,4495
0,4591
0,4671
0,4738
0,4394
0,4505
0,4599
0,4678
0,4744
0,4406
0,4515
0,4608
0,4686
0,4750
0,4419
0,4525
0,4616
0,4693
0,4756
0,4429
0,4535
0,4625
0,4699
0,4761
0,4441
0,4545
0,4633
0,4706
0,4767
2,0
2,1
2,2
2,3
2,4
0,4772
0,4821
0,4861
0,4898
0,4918
0,4778
0,4826
0,4864
0,4896
0,4920
0,4783
0,4830
0,4868
0,4898
0,4922
0,4788
0,4834
0,4871
0,4901
0,4025
0,4793
0,4838
0,4875
0,4004
0,4927
0,4798
0,4842
0,4878
0,4906
0,4929
0,4803
0,4846
0,4881
0,4909
0,4931
0,4808
0,4850
0,4884
0,4911
0,4932
0,4812
0,4854
0,4887
0,4913
0,4934
0,4817
0,4857
0,4890
0,4916
0,4936
2,5
2,6
2,7
2,8
2,9
0,4938
0,4953
0,4965
0,4074
0,4981
0,4940
0,4955
0,4966
0,4975
0,4982
0,4941
0,4956
0,4967
0,4976
0,4982
0,4043
0,4957
0,4968
0,4977
0,4083
0,4945
0,4959
0,4969
0,4977
0,4984
0,4946
0,4960
0,4970
0,4978
0,4984
0,4948
0,4961
0,4971
0,4979
0,4985
0,4949
0,4962
0,4972
0,4979
0,4985
0,4951
0,4963
0,4973
0,4980
0,4986
0,4952
0,4964
0,4974
0,4981
0,4986
3,0
3,1
3,2
3,3
3,4
0,4987
0,4990
0,4993
0,4995
0,4997
0,4987
0,4991
0,4993
0,4995
0,4997
0,4987
0,4991
0,4994
0,4995
0,4997
0,4988
0,4991
0,4994
0,4996
0,4997
0,4988
0,4992
0,4994
0,4996
0,4997
0,4989
0,4992
0,4994
0,4996
0,4997
0,4989
0,4992
0,4994
0,4996
0,4997
0,4989
0,4992
0,4995
0,4996
0 ,4 !)!)/
0,4990
0,4993
0,4995
0,4997
0 ,4 !)9 /
0,4990
0,4993
0,4995
0,4997
0,4998
3,5
3,6
3,7
3,8
3,9
0,4998
0,4998
0,4990
0,4999
0,4998
0,4998
0,499')
0,4909
o,r,ooo
(),',()()()
0,4998 0,4998 0,4998

0,4999 0,4999 0,4999
0,4999 0,499!) 0,4!)!)!)
0,41)!)!) 0,-1!)!)!) 0,4!)!)!)
O.i.OOO ( I, f >()()() 0,1,000
0,4990
0,499!)
0,4!)!)!)
0,41)1)1)
O/iOOO
(),4 !)!ia 0,-1!)! 111

0,-1! I!* l 0,41)!)!) (). -1<)! >!)
0 ,- m iiii (),-l1l!l!l 0 4 ! III!)
0,-1111)1) (1,-1111111 ().-1()!)()
OjM IIIO l l (M)()l) ()/,()()()
0 ,4 !)!)
0,49911
0,-1!)!)!)
0,-1!)!)')
0,-1111)11
o.Mton
T A B E L 2: KO O R D IN AT KURVE N O R M A L B A K U
0,0
0,1
0,2
0,3989
0,3970
0,3910
0,3814
0,3683
0,3989
0,3965
0,3902
0,3802
0,3668
0,3989
0,3961
0,3894
0,3790
0,3653
0,3988
0,3956
0,3885
0,3778
0,3637
0,3986
0,3951
0,3876
0,3765
0,3621
0,3984
0,3945
0,3867
0,3752
0,3605
0,3982
0,3939
0,3857
0,3739
0,3589
0,3980
0,3932
0 ,3 8 4 /
0,3725
0,3572
0,3977
0,3925
0,383(5
0,3712
0,35!,5
0 ,3 9 /3
0,3918
0,382!)
0 ,3 6 9 /
0,3538
0,3521
0,3332
0,3123
0,2897
0,2661
0,3503
0,3312
0,3101
0,2874
0,2637
0,3485
0,3292
0,3079
0,2850
0,2613
0,3467
0,3271
0,3056
0,2827
0,2589
0,3448
0,3251
0,3034
0,2803
0,2565
0,3429
0,3230
0,3011
0,2780
0,2541
0,3410
0,3209
0,2989
0,2756
0,2516
0,3391
0,3187
0,2966
0,2732
0,2492
0,3372
0,3166
0,2943
0,2709
0,2468
0,3352
0,3144
0,2920
0,2685
0,2444
0,2420
0,2179
0,1942
0,1714
0,1497
0,2396
0,2155
0,1919
0,1691
0,1476
0,2371
0,2131
0,1895
0,1669
0,1456
0,2347
0,2107
0,1872
0,1647
0,1435
0,2323
0,2083
0,1849
0,1626
0,1415
0,2299
0,2059
0,1-826
0,1604
0,1394
0,2275
0,2036
0,1804
0,1582
0,1374
0,2251
0,2012
0,1781
0,1561
0,1354
0,2227
0,1989
0,1758
0,1539
0,1334
0,2203
0,1965
0,1736
0,1518
0,1315
0,1295
0,1109
0,0940
0,0790
0,0656
0,1276
0,1092
0,0925
0,0775
0,0644
0,1257
0,1074
0,0909
0,0761
0,0632
0,1238
0,1057
0,0893
0,0748
0,0620
0,1219
0,1040
0,0878
0,0734
0,0608
0,1200
0,1023
0,0863
0,0721
0,0596
0,1182
0,1006
0,0848
0,0707
0,0584
0,1163
0,0989
0,0833
0,0694
0,0573
0,1145
0,0973
0,0818
0,0681
0,0562
0,1127
0,0957
0,0804
0,0669
0,0551
0,0540
0,0440
0,0355
0,0283
0,0224
0,0529
0,0431
0,0347
0,0277
0,0219
0,0519
0,0422
0,0339
0,0270
0,0213
0,0508
0,0413
0,0332
0,0264
0,0208
0,0498
0,0404
0,0325
0,0258
0,0203
0,0488
0,0396
0,0317
0,0252
0,0198
0,0478
0,0387
0,0310
0,0246
0,0194
0,0468
0,0379
0,0303
0,0241
0,0189
0,0459
0,0371
0,0297
0,0235
0,0184
0,0449
0,0363
0,0290
0,0229
0,0180
2,9
0,0175
0,0136
0,0104
0,0079
0,0060
0,0171
0,0132
0,0101
0,0077
0,0058
0,0167
0,0129
0,0099
0,0075
0,0056
0,0163
0,0126
0,0096
0,0073
0,0055
0,0158
0,0122
0,0093
0,0071
0,0053
0,0154
0,0119
0,0091
0,0069
0,0051
0,0151
0,0116
0,0088
0,0067
0,0050
0,0147
0,0113
0,0086
0,0065
0,0048
0,0143
0,0110
0,0084
0,0063
0,0047
0,0139
0,0107
0,0081
0,0061
0,0046
3,0
3,1
3,2
3,3
3,4
0,0044
0,0033
0,0024
0,0017
0,0012
0,0043
0,0032
0,0023
0,0017
0,0012
0,0042
0,0031
0,0022
0,0016
0,0012
0,0042
0,0030
0,0022
0,0016
0,0011
0,0040
0,0029
0,0021
0,0015
0,0011
0,0039
0,0028
0,0020
0,0015
0,0010
0,0038
0,0027
0,0020
0,0014
0,0010
0,0037
0,0026
0,0019
0,0014
0,0010
0,0035
0,0025
0,0018
0,0013
0,0009
0,0034
0,0025
0,0018
0,0013
0,0009
3,5
0,0009
0,0000
0,0004
0 .000:1
o <)<m ;1
0,0008
0,0006
0,0004
O.OIKKl
(M )()():>
0,0008
0,0006
0,0004
0,()00:i
0,0002
0,0008
0,0005
0,0004
0,0003
0,0002
0,0008
0,0005
0,0004
0,0003
0,0002
0,0007
0,0005
0,0004
0,0003
0,0002
0,0007
0,0005
0,0003
0,0002
0,0002
0,0007
0,0005
0,0003
0,0002
0,0002
0,0007
0,0005
0,0003
0,0002
0,0001
0,0006
0,0004
0,0003
0,0002
0,0001
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
3,6
3,7
3,8
3,9
TABEL 3 : CHI-SQUARE/CHI- KUADRAT (x)

dk
50%
30%
Taraf sig nifikansi

10%
20%
5%,
1%
1
2
3
4
5
0,455
1,386
2,366
3,357
4,351
1,074
2,408
3,665
4,878
6,064
1,642
3,219
4,642
5,989
7,289
2,706
4,605
6,251
7,779
9,236
3,841
5,991
7,815
9,488
11,070
6,635
9,210
11,341
13,277
15,086
6
7
8
9
10
5,348
6,346
7,344
8,343
9,342
7,231
8,383
9,524
10,656
11,781
8,558
9,803
11,030
12,242
13,442
10,645
12,017
13,362
14,684
15,987
12,592
14,067
15,507
16,919
18,307
16,812
18,475
20,090
21,666
23,209
11
12
13
14
15
10,341
11,340
12,340
13,339
14,339
12,899
14,011
15,119
16,222
17,322
14,631
15,812
16,985
18,151
19,311
17,275
18,549
19,812
21,064
22,307
19,675
21,026
22,362
23,685
24,996
24,725
26,217
27,688
29,141
30,578
16
17
18
19
20
15,338
16,338
17,338
18,338
19,337
18,418
19,511
20,601
21,689
22,775
20,465
21,615
22,760
23,900
25,038
23,542
24,769
25,989
27,204
28,412
26,296
27,587
28,869
30,144
31,410
32,000
33,409
34,805
36,191
37,566
21
22
23
24
25
20,337
21,337
22,337
23,337
24,337
23,858
24,939
26,018
27,096
28,172
26,171
27,301
28,429
29,553
30,675
29,615
30,813
32,007
33,196
34,382
32,671
33,924
35,172
35,415
37,652
38,932
40,289
41,638
42,980
44,314
26
27
28
29
30
25,336
26,336
27,336
28,336
29,336
29,246
30,319
31,391
32,461
33,530
31,795
32,912
34,027
35,139
36,250
35,563
36,741
37,916
39,087
40,2!,(i
38,885
40,113
41,337
4:\,v>/
a :\,//:<
45,642
46,963
48,278
49,588
50,89?
TABEL 4 : DISTRIBUSI t
a untuk Uji Satu Pihak (one ta il test)
0,25
dk
0,50
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
60
120
...
1,000
0,816
0,765
0,741
0,727
0,718
0,711
0,706
0,703
0,700
0,697
0,695
0,692
0,691
0,690
0,689
0,688
0,688
0,687
0,687
0,686
0,686
0,685
0,685
0,684
0,684
0,684
0,683
0,683
0,683
0,681
0,679
0,677
0,674
0,10
0,01
0,05
0,025
a untuk Uji Dua Pihak ( two tail test)
0,02
0,20
0,10
0,05
0,005
31,821
6,965
4,541
3,747
3,365
3,143
2,998
2,896
2,821
2,764
2,718
2,681
2,650
2,624
2,602'
2,583
2,567
2,552
2,539
2,528
2,518
2,508
2,500
2,492
2,485
2,479
2,473
2,467
2,462
2,457
2,423
2,390
2,358
2,326
63,657
9,925
5,841
4,604
4,03?
3,707
3,499
3,355
3,250
3,169
3,106
3,055
3,012
2,977
2,947
2,921
2,898
2,878
2,861
2,845
2,831
2,819
2,807
2,797
2,787
2,779
2,771
2,763
2,756
2,750
2,704
2,660
2,617
2,576
3,078
1,886
1,638
1,533
1,476
1,440
1,415
1,397
1,383
1,372
1,363
1,356
1,350
1,345
1,341
1,337
1,333
1,330
1,328
1,325
1,323
1,321
1,319
1,318
1,316
1,315
1,314
1,313
1,311
1,310
1,303
1,296
1,289
1,282
6,314
2,920
2,353
2,132
2,015
1,943
1,895
1,860
1,833
1,812
1,796
1,782
1,771
1,761
1,753
1,746
1,740
1,734
1,729
1,725
1,721
1,717
1,714
1,711
1,708
1,706
1,703
1,701
1,699
1,697
1,684
1,671
1,658
1,645
12,706
4,303
3,182
2,776
2,571
2,447
2,365
2,306
2,262
2,228
2,201
2,179
2,160
2,145
2,131
2,120
2,110
2,101
2,093
2,086
2,080
2,074
2,069
2,064
2,060
2,056
2,052
2,048
2,045
2,042
2,021
2,000
1,980
1,960
0,01
TABEL 5 : PRODUCT MOMENT (r)
Taraf
Signifikan
5%
1%
3
4
5
0,997
0,950
0,878
0,999
0,990
0,959
6
7
8
9
10
0,811
0,754
0,707
0,666
0,632
11
12
13
14
15
Taraf
Signifikan
5%
1%
27
28
29
0,381
0,374
0,367
0,487
0,478
0,470
0,917
0,874
0,834
0,798
0,765
30
31
32
33
34
0,361
0,355
0,349
0,344
0,339
0,602
0,576
0,553
0,532
0,514
0,735
0,708
0,684
0,661
0,641
35
36
37
38
39
16
17
18
19
20
0,497
0,482
0,468
0,456
0,444
0,623
0,606
0,590
0,575
0,561
21
22
23
24
25
26
0,433
0,423
0,413
0,404
0,396
0,388
0,549
0,537
0,526
0,515
0,505
0,496
Taraf
Signifikan
5%
1%
55
60
65
0,26
0,25
0,24
0,345
0,330
0,317
0,463
0,456
0,449
0,442
0,436
70
75
80
85
90
0,23
0,22
0,22
0,21
0,20
0,306
0,296
0,286
0,278
0,270
0,334
0,329
0,325
0,320
0,316
0,430
0,424
0,418
0,413
0,408
95
10
12
15
17
0,20
0,19
0,17
0,15
0,14
0,263
0,256
0,230
0,210
0,194
40
41
42
43
44
0,312
0,308
0,304
0,301
0,297
0,403
0,398
0,393
0,389
0,384
20
30
40
50
60
0,13
0,11
0,09
0,08
0,08
0,181
0,148
0,128
0,115
0,105
45
46
47
48
49
50
0,294
0,380 700
0,376 800
0,372 900
0,368 1000
0,364
0,361
0,07
0,07
0,06
0,06
0,097
0,091
0,086
0,081
0,291
0,288
0,284
0,281
0,279
TABEL 6 : SPEARMAN RANK atau Rho (p)
Taraf Sig nifikansi

5%
1%
1,000
0,886
Taraf Signifikansi
5%
1%
16
0,506
0,665
1,000
18
0,475
0,626
0,786
0,929
20
0,450
0,591
0,738
0,881
22
0,428
0,562
0,683
0,833
24
0,409
0,537
10
0,648
0,794
26
0,392
0,515
12
0,591
0,777
28
0,377
0,496
14
0,544
0,715
30
0,364
0,478
IZ'Z
Zt
ez'z
w i
LZ'Z
9/L
ee'z
08U
9Z
Wz
98' l
6t>z
68' 1.
85Z
W l.
99'Z
86't
Wz
ZO'Z
58Z
60Z
S6Z
e i 'z
eos
81.Z
60'E
ZZ'Z
re
ZZ'Z
SZ'E
oe'z
9S'
9'Z
OS'S
ZP'Z
Z9
IS Z
06'e
Z9Z
ZZ'P
ZL'Z
ZL'P
19'S
Z8U
uoe
o re
Z8'Z
9Z'f
9ZZ
9z 'i
BZZ
LL'l
ZZ'Z
6/l
LZ'Z
28' 1.
IP'Z
W l
8frZ
88' l
ES'Z
16'l
Z9Z
96' 1.
0/Z
OO'Z
8Z'Z
WZ
68Z
Ol-'Z
/6'Z
wz
/0E
OZ'Z
k e
wz
i-Z'E
8Z'Z
oe'e
Z'Z
Ufr'E
8'Z
we
St Z
L/e
es'z
we
wz
9Z'P
08Z
9Z>
Eo'e
99S
Zt'E
88Z
8Z>
lZ
ZL'l
ee'z
08' 1.
LZ'Z
18'l
ZP'Z
W l
9P'Z
/8 'i
ES'Z
16' l
8SZ
66'I-
/9Z
86' l
SZ'Z
0Z
8'Z
/O'Z
WZ
Zl'Z
ZO'E
8 l Z
Z IS
ZZ'Z
8 re
9ZZ
9Z'e
OE'Z
S'
se z
st>'e
OP'Z
6Se
LP'Z
9/e
ss'z
66'e
99Z
ie>
ZZ'Z
ZZ'P
soe
ZZ'S
t^'E
ttL
0 7
9'Z
m
8'S
CM
OO
S9 L
ZVZ
W l
LVZ
/8' 1-
IS'Z
68'i
8SZ
6' 1-
9Z
96' l
ZL'Z
OO'Z
08'Z
SO'Z
88Z
60Z
66Z
Sl'Z
zo'e
OZ'Z
/re
SZ'Z
we
ZZ'Z
('
Z'Z
on
/CZ
IS'C
ZP'Z
s 9e
6frZ
is 'e
/s'z
po 'p
89Z
LZ'P
wz
/8>
zo'e
8/S
Zt'E
zoe
ZZr
ZP'Z
W l
wz
S8l
LP'Z
/8 l-
ES'Z
06' l
9SZ
Z6l
E9Z
96' l
69Z
66'L
ZZ'Z
WZ
98Z
80Z
WZ
Zl'Z
SOS
8 lZ
e t's
ez'z
eze
SZ'Z
o e e
IZ'Z
/e'e
sez
sve
OP'Z
9se
SP'Z
U 'Z
Z9Z
/8e
09'Z
l'P
IL'Z
ZP'P
LZ'Z
P6P
Ot-'S
S8S
6fr'E
Cl ?
St 7
6 fS
88t
LS'3
06i-
Wz
16 l
09Z
W l
9Z
96'L
O/'Z
OO'Z
9/'Z
ZO'Z
WZ
/O'Z
Z6'Z
U'Z
OO'E
St'Z
Zl'Z
IZ'Z
6i'
9Z'Z
oz'z
IZ'Z
9Ee
wz
et?e
se'z
zs'e
St'Z
e9e
8 fZ
LL'Z
SS'Z
w e
e9z
L l'P
PL'Z
ost06Z
Ws
e i'e
e6s
z se
s. =
* ;
ZS'Z
Z6l
6SZ
6'l
Z9'Z
S6l-
89'Z
86' 1.
IL'Z
OO'Z
8/'Z
WZ
E8Z
/O'Z
16Z
U 'Z
OO'E
St'Z
/0E
61-'Z
6 lE
SZ'Z
LZ'Z
6ZZ
LZZ
wz
wz
LZ'Z
is's
Wz
09e
9t?Z
U 'Z
19Z
ss'e
8SZ
K
99Z
SZP
U 'Z
8S>
e6z
60S
91.e
tO'S
?=
iZ .7 T
S9Z
96J.
/9'Z 00/Z
Z6U 66 l
9/Z
ZO'Z
6/Z
WZ
98Z
80Z
Z6Z
U'Z
OO'E
St'Z
80'E
61-Z
9 l
ez'z
LZZ
BZ'Z
see
ee'z
st>e
8EZ
zse
It-'Z
6S'e
St-'Z
89e
os'z
6/e
ss'z
eee
Z9Z
Ol't
o/z
PZ'P
IZ'Z
L9V
96Z
8t'S
oz'e
U S
6S'
97 7
SZ'Z
iO'Z
Z/'S
ZO'Z
082
WZ
98Z
/O'Z
68Z
60Z
96Z
ei-'z
10
9l'Z
oi'e
oz'z
8 ie
WZ
sz'e
8ZZ
LZ'Z
ZZ'Z
Sfr'E
LZ'Z
ss'e
ZP'Z
U9e
SP'Z
69e
6f'Z
8/'e
wz
68e
6SZ
eot99Z
OZ'P
PL'Z
WP
S8Z
LL'P
uoe
6Z'S
PZ'Z
EZ'9
9'
9 5
67 7
LZ'Z
ZO'Z
68Z
80S
Z6Z
Ol'Z
/6'Z
Zl'Z
oo'e
si'z
/O'E
8 lZ
Z U'E
iZ'Z
OZ'E
SZ'Z
6ze
6ZZ
9Ee
EE'Z
ZP'Z
6EZ
9se
Ef'Z
/9E
ZP'Z
ZL' S
IS'Z
08'e
ssz
68e
6S'Z
00>
Wz
P l'P
OL'Z
ze>
6/Z
9S>
06Z
68>
90e
ZPS
6Ze
9 9
89E
S9 9
79 7
r .
oo'e
si'z
ZO'E
H Z
90e
9l'Z
n e
IZ'E
WZ
9Z
LZ'Z
W
tsz
Efr'e
se'z
l-S'E
6EZ
Z9e
wz
O/'E
ZVZ
08'e
esz
98'e
9SZ
we
09Z
ZO'P
S9Z
P l P
o/z
ZZ'P
LL'Z
9t?f
S8Z
69>
96Z
eos
u 'e
9S5
ws
L9'3
9 9
6U'2
n e
IZ'Z
F it
9i-e
t zz
s i 'e
LZ'Z
9ZZ
oe's
8Z'Z
/'
Z'Z
ZP'Z
WZ
i s 'e
6se
ZP'Z
/9e
9PZ
ZL'Z
IS'Z
S8S
ss'z
96e
09Z
ZO'P
E9Z
0l>
/9Z
6 l fr
z/z
0>
LL'Z
WP
WZ
Z9'P
Z6'Z
98>
zo'e
OZ'S
8 L'S
ws
m
"7
:
zz'z
iz'e
WZ
-9 7
9e'e
oe'z
8e
is'z
m
ZZ
9t?'e
se'z
6fre
9Z
9S
OP'Z
19'
ZVZ
o/'e
98'E
WZ
86E
09Z
S0>
WZ
gut
69Z
ZZ'P
ZL'Z
oe>
9/Z
ee't08Z
os>
S8Z
S9>
Z6Z
Z8>
oo'e
90'S
u 'e
lfr'5
9Z'
S6'S
67'
: i
i: :
rj r
9 fZ
ZL'Z
0SZ
oos
00Z
001
SZ
09
Ofr
pz
oz
91.
Zl
01.
8SZ
r~
z _
z .
ys
r-
7.
r is - ls -
6uB|;quidd >|p= lA
*c ^
TABEL 7 : NILAI-NILAI UNTUK DISTRIBUSI
Baris atas untuk 5%

Baris bawah untuk 1%
V;=dk
Penyebut
V , = dk pembilang
2
10
11
161
4,052
200
4,999
216
225
5,625
230
5,764
234
5,403
5,859
237
5,928
239
5,981
241
6,022
242
6,056
243
6,082
244
245
248
249
250
246
6,106 6,142 6,169 6,208 6,234 6,258
252
251
6,286 6,302
18,51
98,49
19,00 19,16
99,OU 99,1/
19,25
99,25
19,30
99,30
19,33 19,36
99,33 99,34
19,37
99,36
19,38 19,39
99,38 99,40
19,4
99,41
19,41 19,42 19,43 19,44 19,45 19,46

99,42 99,43 99,44 99,45 99,46 99,47
19,47 19,47 19.48

99,48 99,48 99.49
10,13 9,55
34,12 30,81
9,28
29,46
9,12
28,71
9,01
28,24
8,94
27,91
8,88
27,67
8,84
27,49
8,81
27,34
8,78
27,23
8,76
8,74
27,13 27,05
8,64
8,60
8,66
8,71
8,62
8,69
26,92 26,83 26,69 26,60 26,50 26,41
8.56
8,58
8.57
26,35 26,27 26.23
cz 1
7,71
21,20
6,94
18,00
6,59
16,69
6,39
15,98
6,26
15,52
6,16
15,21
6,09
14,98
6,04
14,80
6,00
14,66
5,96
14,54
5,93
14,45
5,91
14,37
5,87
14,24
5,84
14,15
5,80
14,02
5,77
13,93
5,74
13,83
5,71
13,74
5,70
13,69
5,68
13,61
5.66
13.57
3:2
6,61
16,26
5,79
13,27
5,41
12,06
5,19
11,39
5,05
10,97
4,95
10,67
4,88
10,45
4,82
10,27
4,78
10,15
4,74
10,05
4,70
9,96
4,68
9,89
4,64
9,77
4,60
9,68
4,56
9,55
4,53
9,47
4,50
9,38
4,46
9,29
4,44
9,24
4,42
9,17
4.40
9.13
43
_ - -
S "
~ ^
5,99
13,74
5,14
10,92
4,76
9,78
4,53
9,15
4,39
8,75
4,28
8,47
4,21
8,26
4,15
8,10
4,10
7,98
4,06
7,87
4,03
7,79
4,00
7,72
3,96
7,60
3,92
7,52
3,87
7,39
3,84
7,31
3,81
7,23
3,77
7,14
3,75
7,09
3,72
7,02
3.71
6,99
3=9
5.9-
5,59
12,25
4,74
9,55
4,35
8,45
4,14
7,85
3,97
8,46
3,87
8,19
3,79
7,00
3,73
6,84
3,68
6,71
3,63
6,62
3,60
6,54
3,57
6,47
3,51
6,35
3,49
6,27
3,44
6,15
3,41
6,07
3,38
5,98
3,34
5,90
3,32
5,85
3,29
5,78
3,28
5,75
3.25
5.71
5,32
11,26
4,46
8,65
4,07
7,59
3,84
7,01
3,69
6,63
3,58
6,37
3,50
6,19
3,44
6,03
3,39
5,91
3,34
5,82
3,31
5,74
3,28
5,67
3,23
5,56
3,20
5,48
3,15
5,36
3,12
5,28
3,08
5,20
3,05
5,11
3,03
5,06
3.00
5.00
2.98
4,96
2.93
4,9-
1 r
5,12
10,56
4,26
8,02
3,86
6,99
3,63
6,42
3,48
6,06
3,37
5,80
3,29
5,62
3,23
5,47
3,18
5,35
3,13
5,26
3,10
5,18
3,07
5,11
3,02
5,00
2,98
4,92
2,93
4,80
2,90
4,73
2,86
4,64
2,82
4,56
2,80
4,51
2,77
4,45
2.76
4,41
2 73
4.3c
10
4,96
10,04
4,10
7,56
3,71
6,55
3,48
5,99
3,33
5.64
3,22
5,39
3,14
5,21
3,07
5,06
3,02
4,95
2,97
4,85
2,94
4,78
2,91
4,71
2,86
4,60
2,82
4,52
2,77
4,41
2,74
4,33
2,70
4,25
2,67
4,17
2,64
4,12
2,61
4,05
2,59
4,01
2.55
: :
4,84
9,65
3,98
7,20
3,59
6,22
3,36
5,67
3.20
5.32
3,09
5,07
3,01
4,88
2,95
4,74
2,90
4,63
2,86
4,54
2,82
4,46
2,79
4,40
2,74
4,29
2,70
4,21
2,65
4,10
2,61
4,02
2,57
3,94
2,53
3,86
2,50
3,80
2,47
3,74
2.45
3,70
2 42
3.55
4
5
6
11
12
14
16
20
24
30
40
50
75
130
253
6.323
25-3
IM
19.49 9 9
S9.9 99 i r
164
J
:
IJ.
::
5o:
i H '
i 5
*r ::
r':
:
r:
tz
z z
-i
:
: z,-
*_
i j
- :
j.
^ '
:
3.96
- -"
f;
S ta tistik a Bis?
91-52'1-
ll'l
80'1
61-' 1
eu'u
82'I
6I I
6I I
eui.
W l
91' 1
se'i
8SI
ee'u
6l 'i
'!
S3l
LZ'l
SS
25'1
SE'I
6ZI
25'1
LS 'l
ZS'l
66'1
W l
813
IP'Z
88'1
IS'S
W l
10S
082
60S
20
IZ'Z
SL'Z
SZ'I
2'2
8' 1
SEE
69'1
PZ'Z
6Z I
PS'Z
O f!
69'1
9f 1
ZO'S
82' 1.
LZ'Z
09'3
66' 2
rS C
w i
96'1
19'1
Ifr'l
IZ 'I
LP'l
1-8' 1
e s'i
68'1
8SI
LO'2
S9l
602
OZ'I
OS'S
9ZI-
SZZ
081.
PZ'Z
W l
ZP'Z
68l
ES2
S6l
992
S02
S8 S
0 IS
WE
333
w e
8E 2
085
193
Z9'P
OO'Z
CC 2
92'I
PV l
OS' i-
SS
jv -
ZZ'l
ZP'l
SZ'I
LP'l
26'I
ZS'l
8EI
W l
ZP'l
PL'l
SP'l
PS'l
W l
26'1
09'1
W 2
L S'l
21-2
2ZI
ES'S
8Z I
6S'S
18' I
ZE'S
S8l
9fr'S
06'I
SS'2
96'I
692
02
S82
Z l'Z
90'E
ES'S
9E'E
6E2
E8E
S9'2
99'fr
soe
ozs
gc r
IC*
6l
8K I
ES'I
29'1
69'1
6Z'I
88'1
Z6'l
60Z
Zl'2
82'S
PZ'Z
IP'Z
OS2
092
EZ'S
6'S
u e
IV E
88
IL'P
9Z r
ZZ'l
92' 1.
26'1
SE'I.
ZP'l
SKI
2Sl
ZS'l
29'1
69' I
PL' I
8' 1
8' I.
Z8 U
26' U
86U
SOS
P l'Z
922
IP'Z
S92
WE
6= 2
S 'I
SS'I
et-'i.
02'1
IS 'I
W t
95'1
Zl
99'1
PP'l
2ZI
Zt-'l
68'1
W l
16'1
6S 'I
002
W l
Zl'Z
IL 'l
S2
9ZU
OE'S
S8l
LZ'Z
S8 U
PP'Z
68' I
SS
W l
292
002
9Z2
Z02
Z6Z
9 lZ
t t 6
LZ'Z
p p 'z
ZP'Z
16'
Z9'S
SZ'r
SC Z
O f ILZ'l
9P' I
1-EL
W I
SE'!
65'1
66' I.
89'1
Sfr1
SZ'I
SPl
to
oo
S I 'I
ll'l
02
S9l
Sl'Z
ZL'l
ES'S
ZZ'l
2
8'l
Ofr2
98' 1.
LP'Z
06' I
9SS
56'1.
S9S
I02
6ZS
80S
S62
zus
L l'Z
SZ'Z
LP'Z
PP'Z
we
893
5. r
Z Z
7: :
SS'I-
W l
09'1
ta
82
9frl
06'1
IS 'I
W l
63' 1.
66' I
WlZP'l
EZ'I
8t>l
6Z'I
IS 'I
68'IZS'l
86'1
9l
90'2
89'1
6 IS
SZ'I
9S'S
6ZI
96'S
S8l-
ZP'Z
88'I
l-S2
26' I
6SS
Z6 t-
692
E02
S8S
012
662
61.2
OZ'Z
OZ'Z
is'e
SP'Z
86'S
0Z'2
2=7
5C Z
V ;
r i:
X-
6*l
seu
ZS'l
se'i.
5' I
86' I
59U
ZP'l
OZ'I
Sfr'l
8ZI
IS 'I
W l
W l
W t
09' 1
EOS
S9l
ll'Z
OL'l
PZ'Z
ZZ'l
SE'S
s a'i
IP'Z
88'1
SP'Z
16'1
SS2
56't
W3
66U
PL'Z
S02
Z8S
Z l'Z
we
IS'S
S2
ee2
95e
8P'Z
WP
ZLZ
8Sr
I i. '
H r
h :
IS
SI
5E
95'1
LZ'l
29' I
OPl
69'1.
Sfr'l
PL'l
LP'l
28'1
SS'I
88'1
9S'I
86'1
29'1
ZO'S
Z9l
S I 2
SZ1
SZ'Z
6ZI
SE'S
W l
SP'Z
68' 1.
IS'S
66'1
652
Z6 l-
Z92
102
LL'Z
Z02
I6'S
P l'Z
Z06
es's
6se
52
09E
OS2
90P
PL'Z
26 c
1
.
ti I
I.
95' I
Z
09'1
6l
W l
ZP'l
IL 'l
9frl
9Z'I
6P'l
W l
PS'I
06'I
ZS'l
00S
69'1
602
89'1
8 IS
EZ1
062
08'1
ZS
S8l
LP'Z
06'1
W3
W l
192
86' I
OZ2
20S
6Z2
802
6S
S l 2
60'e
PZ'Z
WE
9E2
29'E
IS'2
Ol't'
SZ'S
Sc 7
71
r: _
h :
=9
09'I
6
9'l
I V 1-
89'1
PP'l
PL'l
et-'i.
6ZI
05'I
Z8l
9SI
66'1
6S'l
0'2
59'1
2I'2
OZ'I
OS'S
SZ'I
S62
I8 l
OP'Z
98'1
OS'S
36'L
9S'2
56' L
ZS'Z
66' 1
SZ'S
W2
S8S
012
S62
Z l 2
s i'e
S22
WE
LZ'Z
S9'
252
61'fr
9Z3
85 7
s i >:
-- r
W l
99' 1
BZ'l05' I
28' 1.
2S'I
06'1
85'1
96'1I9 'l
902
Z9l
S I'S
SZ'I
ES'S
9ZI
se's
68'1
ZP'Z
88'I-
ES'2
6L
6S'2
Z6l
99'2
002
SZ2
S02
S82
ll'Z
862
8 I S
S I'S
LZ'Z
LZ'Z
SZ'Z
89'6
W3
9 I>
8ZS
7.
Efr'l-
IL 'l
9t?l
:;c
H? U
Zl. Z
.
TT r
::
89'L
I-Z'l.
9fr'l
9/' I
8 ft
28'I
cn
ro
00' I
00'1
9l
Pt I
98' 1.
55' 1-
W l
09'1
002
69'I
012
69'1
8l'Z
PL'l
9SS
8ZI
66'S
58'1
SPZ
06'L
9S'2
S6 1-
292
86' U
OZ2
202
8Z'2
ZO2
882
l2
SO'E
OS'S
8 IE
63'S
Ifr'E
OP'Z
SZ'E
9S'S
OZ'P
Sl 'Z
K r
c, :
t l
I:
O/'L
SPl
EZ'l
LP'l
8Z'I
OS'I
W l
5'1
88' 1.
95' 1.
96' 1
19'1
20'2
W l
l l 2
OZ'I
OZ'Z
PL'l
8S2
6ZI
OP'Z
98'1
8^S
06*1-
8S2
96'I
PS'Z
66' I
IL'Z
ZO'Z
082
80S
062
P l'Z
WE
t-22
02'E
OS'S
ZP'Z
IP'Z
PL'Z
SS'S
SS'7
OZ'Z
t" r
005
002
00 L
SZ
05
Ofr
06
PZ
OS
91
Zl
01
l-t?' 1
-
CO
CO
L l 'l
65'1
09'fr
-
X I
:
.;:
Ci i
rj.
'C
_
r: -
c. t
7
l~
T CS*-c
Bueiiquiad >|p = >

a
V2=dk
Penyebut
Vi = dk pembilang
1
10
11
12
14
16
20
24
30
40
50
75
25
4,24
7,77
3,38
5,57
2,99
4,68
2,76
4,18
2,60
3,86
2,49
3,63
2,41
3,46
2,34
3,32
2,28
3,21
2,24
3,13
2,20
2,16
2,11
2,06
2,00
1,96
1,92
1.87
1.84
1.SC
26
4,22
7,72
3,37
5,53
2,98
4,64
2,74
4,14
2,59
3,82
2,47
3,59
2,39
3,42
2,32
3,29
2,27
3,17
2,22
27
4,21
7,68
3,35
5,49
2,96
4,60
2,73
4,11
2,57
3,79
2,46
3,56
2,37
3,39
2,30
3,26
28
4,20
7,64
3,34
5,45
2,95
4,57
2,71
4,07
2,56
3,76
2,44
3,53
2,36
3,36
4,18
7,60
3,33
5,42
2,93
4,54
2,70
4,04
2,54
3,73
2,43
3,50
4,17
7,56
3,32
5,39
2,92
4,51
2,69
4,02
2,53
3,70
4,15
7,50
3,30
5,34
2,90
4,46
2,67
3,97
4,13
7,44
3,28
5,29
2,88
4,42
4,11
7,39
3,26
5,25
4,10
7,35
40
42
29
30
32
34
36
38
44
46
1CC
-: r
3,05
2,99
2,89
2,81
2,70
2,62
2,54
2,45
2.40
2.32
2,15
2,96
2,10
2,05
1,99
1,95
1,90
1,85
1.82
1,/s
3,09
2,18
3,02
2,86
2,77
2,66
2,58
2,50
2.41
2,36
2.23
2,25
2,14
2,20
3,06
2,16
2,98
2,13
2,93
2,08
2,03
1,97
1,93
1,88
1,84
1,80
1.76
2,83
2,74
2,63
2,55
2,47
2,38
2,33
2.25
2,29
3,23
2,24
2,19
3,03
2,15
2,95
2,12
2,06
2,02
1,96
1,91
1,87
1.75
2,90
2,80
2,71
2,60
2,52
2,44
1,81
2,35
1,78
2,30
2.22
2,35
3,33
2,28
3,20
2,22
2,18
3,00
2,14
2,92
2,10
2,05
2,00
1,94
1,90
1,85
1,80
1,77
1,73
3,08
2,87
2,77
2,68
2,57
2,49
2,41
2,32
2,27
2,42
3,47
2,34
3,30
2,27
3,17
2,21
3,06
2,16
2,98
2,12
2,09
2,04
1,99
1,93
1,89
1,84
1,79
2,90
2,84
2,74
2,66
2,55
2,47
2,38
2,29
2,51
3,66
2,40
3,42
2,32
3,25
2,25
3,12
2,19
3,01
2,14
2,94
2,10
2,07
2,02
1,97
1,82
1,76
1,74
1,69
1,.67
2,80
2,70
2,62
1,91
2,51
1,86
2,86
2,42
2,34
2,25
2,20
2,12
2.08
2 w-i
2,65
3,93
2,49
3,61
2,38
3,38
2,30
3,21
2,23
3,08
2,17
2,97
2,12
2,89
2,08
2,82
2,05
2,76
2,00
1,95
1,89
1,84
1,80
1,74
1,71
1,67
1.64
* 5*
::
2,66
2,58
2,47
2,38
2,30
2,21
2,15
2,08
2,04
- ,9c
* 9-:
2,86
4,38
2,63
3,89
2,48
3,58
2,36
3,35
2,28
3,18
2,21
2,15
2,94
2,10
1,98
1.82
1,78
1,72
1,69
1,65
1,62
1 59
::
2,72
2,62
1,93
2,54
1,87
2,86
2,06
2,78
2,03
3,04
2,43
2,35
2,26
2,17
2,12
2,04
2,00
1.9-
3,25
5,21
2,85
4,34
2,62
3,86
2,46
3,54
2,35
3,32
2,26
3,15
2,19
3,02
2,14
2,91
2,09
2,82
2,05
2,75
2,02
1,96
1,92
1,85
1,80
1,76
1,71
1,67
1,63
1.6
1,5?
2,69
2,59
2,51
2,40
2,32
2,22
2,14
2,08
2,00
1.97
1,50
4,08
7,31
3,23
5,18
2,84
4,31
2,61
3,83
2,45
3,51
2,34
3,29
2,25
3,12
2,18
2,99
2,12
2,07
2,00
1,95
1,90
1,84
1,79
1,74
1,69
1,66
1,55 .
2,80
2,66
2,56
2,49
2,37
2,29
2,20
2,11
2,05
1,61
1,97
1,59
2,88
2,04
2,73
1,94
1,88
4,07
7,27
3,22
5,15
2,83
4,29
2,59
3,80
2.44
3.49
2.32
3,26
2,24
3,10
2,17
2,96
2,11
2,02
1,89
1,82
1,78
1,73
1,68
1,64
1,6
1,57
1.54
- ---
2,70
1,99
2,64
1,94
2,86
2,06
2,77
2,54
2,46
2,35
2,26
2,17
2,08
2,02
1,94
1,91
1.85
4,06
7,24
3,21
5,12
2.82
4,26
2,58
3,78
2,43
3,46
2,31
3,24
2,23
3,07
2,16
2,10
2,05
2,01
1,98
1,92
1,88
1,72
1,66
1,63
1,58
1,56
2,94
2,84
2,75
2,68
2,62
2,52
2,44
1,81
2,32
1,76
2,24
2,15
2,06
2,00
1,92
1,88
1.52
1.82 ,
4,05
3,20
5.10
2,81
4,24
2.57
3,76
2.42
3.44
2,30
3,22
2,22
3,05
2,14
2,92
2,09
2,82
2,04
2,73
2,00
2,66
1,97
1,91
1,87
1,80
1,75
1,71
1,65
1,62
1,57
1.54
1,51
2,60
2,50
2,42
2,30
2,22
2,13
2,04
1,98
1,90
1,86
7,21
3,11
2 2r
* :
2 -'
;;
i '~
2 ]
2.19
2.'z
: :
1 ^
1,76
1.72
69
-^
2,24
2,16
2.'3
166
:::
1.SC
ir
9:
'
' :
~-
- 9-
L.
r
- i.
S tatistika B*sn
RIWAYAT HIDUP PENULIS

ASEP SURYANA NATAWIRIA, lahir di Garut, 1 Mei
1957. Pendidikan formal sejak SD sampai SMA
diselesaikan di kota kelahirannya, di kota itu pula ia
memperoleh pendidikan keagamaan dari Pesantren
Persis. Kemudian, lulus Sarjana Pendidikan
Matematika IKIP Bandung (1981); dan MBA
kerjasama TELKOM dan AIM Philiphina (1993);
Magister Manajemen STMB Bandung (1996). Tahun
2008 meraih Doktor Administrasi Pondidik.in
Sekolah Pascasarjana-UPI.
Kariernya diawali sejak masih kuliah, yaitu
guru honorer di Pesantren Persis dan SMA Negeri Garut. S H H a h lulu:.
kemudian menjadi dosen di Universitas Siliwangi T a sikm alaya la lim i h i m i , i. i
diterima menjadi karyawan PT TELKOM melalui lima la h a p ,m seleksi y,ni<j cukup
ketat. Selama berdedikasi di PT TELKOM, A sep pernah m<;n<l.ip.ii k e p e u ;,iy , i.m
sebagai GM Datel Padang Kantor Divre I Medan
!')<)(>), SO l roduk
Kantor Perusahaan TELKOM, Direktorat Opsar (1996-199/); Sanioi Supervision
Marketing Kantor Perusahaan TELKOM, Direktorat SDM (1997-1998), AVP
Pengembangan Eksekutif Kantor Perusahaan TELKOM, Direktorat Operasi
(1998-2000); GM Datel Bekasi (2000-2005); GM Datel Jakarta Selatan (FebruariAgustus. 2005); TTC (Agustus 2005-Mei 2006). Sejak Mei 2006 menjabat Ketua
STMB TELKOM (sekarang Rektor Institut Manajemen TELKOM).
Pendidikan dan pelatihan yang pernah diikutinya adalah: Orientasi Sarjana,
di Pusdiklitbang PERUMTEL (1982); Penataran P4 (Tipe A/100 Jam)
mendapatkan predikat Terbaik Peringkat 6 (1982); Peningkatan Efektivitas
Kelompok, Dispsiad (1984); Perencanaan Tenaga Kerja Pengembangan Usaha
(1987); Adm Perguruan Tinggi 1989; Suspim III Rangking 5 (1989); Career
Development Strategy (1989); Lokakarya Modul Training (1992); Seminar
Teknologi Informasi (1992); Seminar Executive Leadership (1993); Top-300
Challenge of Change (1996); Suspim II (Terbaik 2) (1998); Suspim IA Ranking 6
(2006); Workshop Competitive Marketing 2000 (1996); Program Pendidikan
Reguler Angkatan XXLI Lemhanas (2008).
Selama itu pula Asep pernah melawat ke luar negeri, antara lain untuk
melaksanakan benchmark Kandatel ke Perancis (1996); Account Manager
Program ke Belanda (1997); benchmark bidang SDM ke Swedia (1999);
workshop ICT di Jerman (2000); benchmark MIS ke Perancis (2001); kerjasama
pendidikan tinggi manajemen bisnis infokom dengan Malaysia dan Singapore
(2006); dan studi banding leadership ke Korea Selatan (2007).
Riduwan, Lahir 24 Maret 1968 di BangilPasuruan-Jatim. anak dari pasangan Bapak

Ramun dan Ibu Rukilah. Menikah dengan
Nurmasriyati
dikaruniai
tiga
anak
Fathimatush Sholihah Kelas X SMA Negeri 2
Bandung dan Hamidah Nur Husna Kelas VIII
di SMP Negeri 12 Bandung, dan Muhammad
Ali Zainal Abidin (1 Juni 2009).
2.
3.
4.
5.
6.
7.
8.
Riwayat Pendidikan:
1. SD Negeri 1 Kalianyar - Bangil (1981)
Madrasah Ibtidaiyah Miftahul Anwar (MIMA) - Bangil hanya 2 tahun
(1983-1984)
SMP Negeri 2 Bangil - Pasuruan (1984)
STM Negeri 3 Surabaya (1987)
Sarjana Pendidikan Teknik di Fakultas Pendidikan Teknik Keguruan IKIP
Yogyakarta (sekarang Fakultas Teknik Universitas Negeri Yogyakarta)
melalui jalur PMDK (Penelusuran Minat dan Kemampuan) masuk PTN
tanpa tes dan lulus Tahun 1993.
S-2 Jurusan Administrasi Pendidikan UPI lulus tanggal 2 Mei 2006 (cume
laude) IPK 4,00.
S-3 Jurusan Administrasi Pendidikan UPI Masuk tahun 2006. Lulus 18
Agustus 2009 (cume laude) IPK 4,00.
Lulus Training of Trainers (TOT) Sustainable Capacity Building For
Decentralization Project (SCBD-DP) Kerja sama Lembaga Administrasi
Negara Republik Indonesia Tahun Oktober 2009.
Pengalaman Kerja:
1. PT Bina Anugera Balikpapan Kaltim bidang eksport arang kayu bakau
sebagai Manajer Produksi (1993-1994).
2. Marketing Buku Penerbit Alfabeta Bandung (1997 - sekarang)
3. Direktur Penerbit Buku Dewa Ruchi (2002 - sekarang)
4. Dosen Tetap Yayasan di STIA Bandung (2005-sekarang).
Widyaiswara Luar Biasa
1. Diklatpim Tingkat III Provinsi Jawa Barat Bidang Karya Tulis Ilmiah
(KKP) (1990-1996).
2. Diklatpim Tingkat II LAN RI Jakarta Bidang Observasi Lapangan (OL) di
Medan dan Samarinda (2004-2006).
3. Diklat Singkat Kejaksaan Negori Batam korjasama I AN RI (POOfi).
Pengalaman Konsultan
1. Diklat Aparatur Jarak Jauh, pada Bidang: Pengelola Diklat (Management
of Training/MOl); Analisis Kebutuhan dan Perenca-naan DiklatATNA;
dan Penyelenggara Diklat (Training Officer Course/TOC) di LAN Hl
(2003-2004).
2. PT NINCEC Multi Dimensi kerja sama Pusdiktek-Bandung (2004 200! >)
3. PT. METRO BHAKTI DINAMIKA Bidang Penelitian Poling Pon<li<lik.m
Balitbang Depdiknas (2006-2008).
4. Nara Sumber Analisis Statistika untuk membuat Pedoman KompuimiM
Guru Sekolah di Luar Negeri (SILN) secara Online Ponolilian I inilal .iM
Kelas (PTK) untuk mengajar guru-guru di luar negeri pada I )< >.ui<>m<>n
Pendidikan Nasional Direktorat Jenderal Peningkalan Mniu l <>imImlil'.m
dan Tenaga Kependidikan Direktorat Profesi Pendidik (;()())()
5. Narasumber pada kegiatan worshop penyusunan siam lai knmpnii'ir.i
widyaiswara di Direktorat Pembinaan Wnlyaiswaia I i>ml>a<ia
Administrasi Negara Republik Indonesia (I AN Hl) lam|<|al I /
ih
September 2008.
6. Nara sumber pada kegiatan worshop penyusunan pedoman loimasi
widyaiswara di Direktorat Pembinaan Widyaiswara I AN Hl tanggal 23 29 November 2008.
Dosen
1. STIA LAN RI Bandung mengajar Statistika dan Metode Perencanaan
Proyek Tingkat S-1 Tahun (1990-1998).
2. Mengajar Tingkat S-2 mata kuliah Statistika Bisnis di Kampus Pasteur
Bandung (2000-2002).
3. Universitas Jenderal Achmad Yani Cimahi Jurusan Ilmu Pemerintahan
Bidang Ajar Pengantar Statistika Sosial Tingkat S-1 (2005-sekarang).
4. Sekolah Tinggi Ilmu Kesehatan (Stikes A.Yani Cimahi) mengajar
Motodologi Penelitian Ilmu Kesehatan Tingkat S-1 (2006-2007).
5. Universitas Mustopo Beragama Jakarta (Fikom) mengajar Pengantar
Statistika Tingkat S-1 (2007-sekarang).
6. UPI Kampus Pusat Bandung Aplikasi Statistika Pendidikan Tingkat S-2
(2007-2008).
7. UPI Kampus Purwakarta SPSS untuk Penelitian Tingkat S-2 (2008).
8. Institut Manajemen Telkom Bandung mengajar Statistika Bisnis
(Februari 2010).
9. Dosen Tetap Yayasan di STIA Bandung (2005-sekarang).
Penelitian dan Pengabdian Masyarakat
1. Nara Sumber di Pusdiklat Spimnas Bidang Teknik dan Manajemen
Kobijakan Pombangunan (TMKP) LAN RI (2004-2006).
IIM l onoliti di Pusdiklat Spimnas Bidang I oknik dan Mana|omnn
Kubi|akan I ombangunan (IMKP) I AN III (;()()4 ;'()()(>)
3. Wakil Kepala Lembaga Penelitian dan Pengabdian Masyarakat di Stikes

Jenderal Ahmad Yani Cimahi (2004-2006).
4. Kepala Lembaga Penelitian dan Pengabdian Masyarakat di STIA
Bandung (2005- sampai sekarang).
5. Team Leader Utama PT. METRO BHAKTI DINAMIKA Bidang Penelitian
Poling Pendidikan Balitbang Depdiknas (2006-2008)
6. Penelaah bidang metodologi penelitian lapangan bagi siswa Sekolah
Staf dan Komando Angkatan Darat (Seskoad) Bandung (2006-2007)
7. Forum Komunikasi Mahasiswa Universitas Pendidikan Indonesia (FKM
UPI) sebagai Jurnalis dan komunikasi (2006 - 2008)
Kunjungan dan Seminar / Kongres Pendidikan
1. Kongres Ilmu Pengetahuan di Istana Negara Jakarta (9 September
1995).
2. Studi Banding Pendidikan Indonesia - Malaysia - Singapora (2004).
3. Konggres Pendidikan Malaysia dan Indonesia di UPI Bandung (2005).
Karya Ilmiah (buku yang sudah diterbitkan - ISBN)
1. Statistika untuk Pimpinan : Penerbit Alfabeta Bandung 1997.
2. Dasar-dasar Statistika : Penerbit Alfabeta Bandung 2003.
3. Skala Pengukuran Variabel-variabel Penelitian : Penerbit Alfabeta
Bandung 2003.
4. Statistika untuk Instansi dan Lembaga Penerbit Alfabeta Bandung 2006.
5. Metode dan Teknik Menyusun Tesis Penerbit Alfabeta Bandung 2004.
6. Rumus dan data dalam analiisis statistika, Penerbit Alfabeta Bandung
2004.
7. Belajar mudah Penelitian untuk guru-karyawan-dan peneliti pemula:
Penerbit Alfabeta Bandung 2005.
8. Memaknai Analisis Jalur (path analysis) Alfabeta Bandung 2006.
9. Pengantar Statistika untuk penelitian Pendidikan, sosial, ekonomi,
komunikasi dan bisnis-2007.
10. Metode dan Teknik Menyusun Proposal Penelitian (untuk Mahasiswa S1, S-2 dan S-3) Penerbit Alfabeta Bandung 2009.
11. Pengantar Statistika Sosial Penerbit Alfabeta Bandung 2009.
Editor Buku Ilmiah dan Bahan Ajar (ISBN)
1. Bahan Ajar Pengelola Diklat (Management of Training/MOT) - 2003
Lembaga Administrasi Negara Republik Indonesia Jakarta.
2. Bahan Ajar Analisis Kebutuhan dan Perencanaan Diklat/TNA - 2003
Lembaga Administrasi Negara Republik Indonesia Jakarta.
3. Penyelenggara Diklat (Training Officer CoursefTOC) - 2003 Lembaga
Administrasi Negara Republik Indonesia Jakarta.
4. Strategic Management for Educational Management 200G Alfabota
Bandung.
5. Sistem Ekonomi Indonesia 2005 Alfabota nnndutuj
6. Aplikasi Statistika dan Molodo Ponolitian untuk A<lininir.ti.i:;! K
Manajnmun
200!) Dowa lluchi llaii(lun<|
7.
Manajemen Sumber-daya Manusia (Cara Sukses Menjadi Staf

Paripurna) -2005 Dewa Ruchi Bandung.
8. Dasar-dasar Pengembangan Sekolah sebagai Pusat Pertumbuhan
2003 Mutiara Ilmu Bandung.
9. Perspektif Jabatan Fungsional Widyaiswara dalam Diklat PNS 200.)
Mutiara Ilmu Bandung.
10. Manfaat dan Tindak Lanjut Pembinaan Lulusan Pendidikan d;m
Pelatihan (Diklat) Penjenjangan Struktural Pegawai Negeri 200M
11. Pendidikan dan Pelatihan Orang Dewasa (Khusus Diklai I NS) :'(>o;i
12. Manajemen Stratejik dan Implementasinya - 2005 Muliaia Ilmu
Bandung.
13. Nilai-nilai Dasar Budaya Bangsa-2005 Mutiara Ilmu Bandun<i
14. Pengaruh Implementasi Kebijakan Desentralisasi l endidikan melalui
Kapabilitas Organisasi terhadap Kinerja Manaiemen Sekolah pada
Sekolah Dasar Negeri se-Kota Bandung 200!) Muliai a Ilmu Bandung.
15. Teori dan Isu Kependidikan (Kepemimpinan Keoigamsasian dan
Kompetensi Guru) - 2005 Mutiara Ilmu Bandung
16. Pengembangan Sekolah di Era Desentralisasi Otonomi Daerah 2005
17. Pendidikan Kepribadian - 2006 YBA Press Bandung.
18. Manajemen Peningkatan Kinerja Guru 2007 Mutiara Ilmu Bandung.
19. Model Tukar Belajar (Learning Exchange) dalam Perspektif Pendidikan
Luar Sekolah (PLS) - 2007 Mutiara Ilmu Bandung.
20. Manajemen Sumber daya Manusia - 2007 Mutiara Ilmu Bandung.
21. Pokok-pokok Ilmu Kedokteran Kehakiman - 2008 Alfabeta Bandung.
22. Manajemen Strategik dalam Kompetitif Kepemimpinan Profesional2008 Dewa Ruchi Bandung.
23. Strategi Implementasi Kebijakan Manajemen Peningkatan Mutu
Berbasis Sekolah dengan Pendekatan Manajemen Mutu Terpadu 2008 Dewa Ruchi Bandung.
24. Strategi Implementasi Kebijakan Manajemen Peningkatan Mutu
Berbasis Sekolah (MPMBS) dengan Pendekatan Manajemen Mutu
Terpadu pada Sekolah Menengah Pertama - 2008 Dewa Ruchi
Bandung.
25. Faktor-faktor yang Mempengaruhi Kinerja Guru Pendidikan Jasmani2008 Dewa Ruchi Bandung.
26. Manajemen Pendidikan Jasmani - 2008 Dewa Ruchi Bandung.
27. Pendidikan Pancasila untuk Perguruan Tinggi - 2008 Dewa Ruchi
Bandung.
28. Intisari Hukum Adat Indonesia (dalam Kajian Kepustakaan) - 2008
Allabota Bandung.
29. Manajemen Strategik untuk Pendidikan - Penerbit Alfabeta Bandung
2008
:) Anatomi Onjanisasi Kepemimpinan l eneibit Allabeta Bandung 200H
:tl I nknoloui Motoi Diesel I onoibit Allabota Handling 200M
...............
............. .
...........
<
........ - -
32.
33.
34.
35.
36.
37.
38.
39.
40.
41.
Inovasi Pendidikan- Penerbit Alfabeta Bandung 2008

Pengendalian Polusi Kendaraan - Penerbit Alfabeta Bandung 2009
Pengembangan Profesi Guru - Penerbit Alfabeta Bandung 2009
Manajemen Pendidikan Administrasi Pendidikan UPI - Penerbit
Alfabeta Bandung 2009.
Supervisi Profesional - Penerbit Alfabeta Bandung 2010.
Ekonomi Pendidikan - Penerbit Alfabeta Bandung 2010.
Filsafat Administrasi Pendidikan - Penerbit Alfabeta Bandung 2010.
Pokok-pokok Hukum Panitensier Indonesia - Penerbit Alfabeta
Bandung 2010.
Ilmu Pengantar Hukum - Penerbit Alfabeta Bandung 2010.
Sejarah dan Filsafat Olahraga - Penerbit Alfabeta Bandung 2010.
Penulis Opini Koran Kompas, tulisan yang populer berjudul: Alternatif

Pendidikan Dilema Pembiayaan (2001).
Penghargaan:
1. Dosen Terbaik Pertama Bidang Metodologi Penelitian dan Statistika di
STIA LAN RI Bandung Tahun 1996.
2. Wisudawan Terbaik S-2 Program Studi Administrasi Pendidikan di
Universitas Pendidikan Indonesia Mei 2006
3. Wisudawan Terbaik S-3 Program Studi Administrasi Pendidikan di
Universitas Pendidikan Indonesia Agustus 2009
Alamat Rumah
: Kompleks Perumahan Sariwangi Asri Blok E-4

Jl. Mekarwangi- Sariwangi Kecamatan Parongpong
Bandung Barat Kode Pos 40391
Telp (022) 82026129 HP.08156095045
e-mail: dewa_ruchi_12@yahoo.co.id
uku ini dirancang dengan model modul untuk mma.... n

kebutuhan m ahasisw a terhadap re ferensi matakuliNi
statistika bisnis. Oleh karena itu, diharapkan buku Ini
menjadi rujukan bagi mahasiswa secara umum.
uku ini sangat berguna bagi para pemula ynnu i"u '
menyusun tugas akhir atau skripsi bagi mahanluwn " 1
umum, khususnya Institut Teknologi Telkom -lnstitut M<ina|Min
Telkom - Politeknik Telkom dan Telkom Professional Dovnl..|n....
Center (PDC). Juga dipakai siswa S-2 dan S-3 yang salam 1
kesulitan dalam memahami dan melakukan penolltimi ' *
penelitian mandiri untuk syarat kenaikan pangkat inmiiim
prom osi jabatan; menyusun tesis dan disertasi. Solmu..
penelitian itu mudah dan tidak sesulit yang dibayangkan, i .....
saja kita harus meluangkan waktu dan memahaminya ....... h
tekun.
uku ini merupakan analisis dasar statistika blsnli* hnlk i*

maupun praktik, disertai langkah-langkah yang nuidnli Mh,
bahas analisis data mulai dari analisis d e skrlp llt knt*l
sederhana - ganda-analisis regresi sederhana-gando, Il|l ***
satu, dua dan banyak variabel (uji anova) sampai pada .n
ja lur (path analysis).

Buku Statistik Bisnis

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Buku Statistik Bisnis

Diunggah oleh

Hak Cipta:

Format Tersedia

Dr. H. Asep Suryana Natawiria, M .M ., M.Sc.

Dr. Riduwan, M.B.A.

2010, Penerbit Alfabeta, Bandung

Diterbitkan oleh ALFABETA

A N G G O T A IKAPI JAW A BARAT

Buku ini dirancang model modul untuk memenuhi kebutuhan

ANALISIS DESKRIPTIF (PENGUKURAN

ANALISIS DESKRIPTIF (PENGUKURAN

KORELASI SPEARMAN RANK

BAB 11 PERBANDINGAN SATU VARIABEL

BAB 12 PERBANDINGAN DUA VARIABEL BEBAS

BAB 13 ANOVA SATU JALUR (One Way - Anova)

BAB 14 PATH ANALYSIS

Pengertian Dasar Statistika dan Statistik

fakta yang bentuk angka-angka disusun dalam bentuk tabel dan

menggunakan analisis regresi linier, membuat perbandingan

2. Landasan Kerja Statistik

Reduksi. Hanya sebagian dan seluruh kejadian yang hendak

Generalisasi. Sekalipun penelitian dilakukan terhadap sebagian

3. Karakteristik Pokok Statistik

I olkom, im plom eiilasi dan

111:. 111u I M aiui|om on lo lko n i, , dan seha^ainya.

Statistik Bersifat Objektif. Statistik bekerja dengan angka

Statistik Bersifat Universal (umum). Statistik tidak hanya diguna

4. Manfaat dan Kegunaan Statistika

d. Korelasi yaitu untuk mencari kuatnya atau besarnya hubungan data

karena sering berbuat bohong. Sebenarnya tidak fair untuk

perbedaan antara subjek yang satu dengan subjek yang lain,

apa saja yang

merupakan, yaitu: (a) ciri-ciri suatu objek (orang

(b) dapat diamati dan

(c) berbeda dari

observasi ke observasi lainnya; disebut variabel, sedangkan

intervening; (e) dan kontrol.

digunakan dalam penelitian, yaitu skala (a) Likert; (b) Guttman;

kemungkinan untuk mengubah nilai-nilai yang terkandung di

sifat-sifat yang akan

spesifikasi dari kategori yang variasinya perlu dicatat. Para ahli

operasional tersebut dengan istilah scaling dan hasilnya disebut

Dan selelah liari

seterusnya. Jadi, seseorang yang menyatakan berumur 15 tahun,

Variabel status sosial sering diskalakan menjadi tiga kategori,

mempersiapkan data dalam suatu statistika. Perlu diingat oleh

hingga skala yang sangat kompleks yang di

dalamnya merupakan serangkaian kelas-kelas dengan jarak atau

7. Masalah Yang Dihadapi

sebaiknya memahami terlebih dahulu cara-cara penggunaannya

tahun ini 45 orang, ruang kelasnya bersih sekali, dan lampu

observasi. Yang paling berguna adalah angka rata-rata hitung.

para peneliti, misalnya indeks variabilitas,

ilmuwan sosial adalah

lingkungan kita (tempat tinggal atau tempat kita bekerja), kita

berpenghasilan berbeda. Banyak orang selalu patuh terhadap

berperangai baik tetapi banyak juga yang berperangai jahat.

berbagai kondisi yang

biasanya variasi (perilaku) dapat dikurangi (dihilang-kan), dan

hubungannya adalah sedemikian rupa sehingga dengan menge

lainnya. Apabila dikatakan ada hubungan antara temperatur

mengatakan bahwa hari Kamis kemarin temperatur Kota Bogor

hubungan) di masa lalu. Ketika kila nknn penji

lazimnya kita lihat ke langit dan memutuskan apakah membawa

berasumsi bahwa hubungan itu tetap berlaku. Jadi, sebenarnya

Sundanya artinya kualat atau durhaka sehingga kelak mereka

membantu seomni) peneliti monjnwnb atas pertanyaan bagai