P. 1
Buku Statistik

Buku Statistik

|Views: 2,054|Likes:
Dipublikasikan oleh cv_rihama

More info:

Published by: cv_rihama on Jul 05, 2010
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

01/31/2015

pdf

text

original

1

BAB I
MENJALANKAN
PROGRAM R DAN SPSS
DI WI NDOWS
A. Cara I nstall R di OS Windows
Dari file .exe dari R (R-2.9.0-wi n32), ki ta eksekusi pada sistem
operasional komputer kita (operating system) dengan melakukan
double klik pada .exe tersebut, kemudian ikuti perintah/langkah
selanjutnya
setelah di klik double maka akan masuk ke perintah setup,
1
2 3
4 5
2
Tahap instalasi R telah selesai. Dan kita dapat menggunakannya
R.2.9.0 untuk di eksekusi atau di jalankan di OS wi ndows ki ta.
Namun kita perlu dan penting untuk mengcopykan packages dari
R yang telah disediakan dari CRAN (yang diperoleh dengan cara
mendownl oad sel ur uh package y ang ada), kar ena bany ak
kelengkapan baik uji dan grafik serta perintah-perintah yang perlu
dijalankan dari package tersebut.
Perlu di perhatikan bahwa R yang kita install tersebut baru
merupakan program R Gui dan R Console. Kita perlu melakukan
install R Commander (Rcmdr), sebagai aplikasi statistik terapannya.
sehingga langkah selanjutnya adalah instalasi Rcmdr ke dalam R
Gui. Instalasi Rcmdr dilakukan dengan, pertama langsung dengan
konek internet di http://cran.r-project.org/
B. Cara Download Packages R
Cara mencari package R adalah dengan kita mendownloadnya
dari CRAN pada menu software packages
6 7
8
3
Packages yang t er penti ng adal ah Rcmdr, namun untuk
mengakti fkan Rcmdr (Rcmdr_1.4-10) perlu adanya 9 packages
lainnya, yaitu : abind_1.1-0, aplpack_1.1.1, car_1.2-14, effects_2.0-
7, l mt est _0. 9- 23, mul t comp_1. 0- 7, r el i mp_1. 0-1, r gl _0. 84,
RODBC_1.2-5. Hasil kita mendownload adalah dalam file winrar :
Dalam Buku ini Packages R 2.9.0 disertakan dalam CD bersama R
2.9.0.exe. kesepuluh (10) Packages dimasukkan dalam folder Pack-
ages R 2.9.0.
C. I nstalasi Packages ke R 2.9.0 OS Windows
Folder Package yang berisi 10 packages dapat kita copykan ke
disk driver kita, misalkan pada driver D pada komputer kita, atau
tetap dalam CD. langkah dalam install packages adalah :
1. Kita Buka R 2.9.0 yang telah kita installkan di komputer kita,
maka akan terbuka R Gui dan R Console. selanjutnya kita klik
Packages, dan kita sorot dan klik pada Install Package(s) from
Local Zip File .....
4
Kemudian kita sorot kesepuluh (10) packages tersebut dan klik
OK, maka proses install packages berlangsung, yang dapat dilihat
pada R Console adalah sbb :
> utils: : : menuI nstallLocal()
package 'RODBC' successfully unpacked and MD5 sums checked
package 'abind' successfully unpacked and MD5 sums checked
package 'aplpack' successfully unpacked and MD5 sums checked
package 'car' successfully unpacked and MD5 sums checked
package 'effects' successfully unpacked and MD5 sums checked
package 'lmt est ' successfully unpacked and MD5 sums checked
package 'multcomp' successfully unpacked and MD5 sums checked
package 'Rcmdr' successfully unpacked and MD5 sums checked
package 'relimp' successfully unpacked and MD5 sums checked
package 'rgl' successfully unpacked and MD5 sums checked
updating HTML package descript ions
5
6
D. Menjalankan R 2.9.0. Di OS Windows
Seperti halnya program yang lainnya, R 2.9.0. for windows
di jalankan dari menu program fi le yang ada dari OS windows.
Adapun menjalankannya dapat dari menu desktop (apabila R 2.9.0.
tampil di desktop, maka dapat di eksekusi dengan klik double pada
desktop ini). Apabila tidak dapat dijalankan dari menu start > > All
Program File > > R > > R 2.9.0. dan doubel klik.
maka akan masuk ke program R dengan tampilan sbb :
7
E. Menjalankan Rcmdr pada R.
Rcmdr adalah package R yang digunakan sebagai perintah
Stati stik praktis. sehingga apabila ki ta akan melakukan anali si s
statistik, maka kita harus menjalankan Rcmdr tersebut.
Apabila ki ta telah mengi nstall 10 packages, maka secara
otomatis Rcmdr telah kita install/copykan ke library kita, sehingga
kita dapat mengopersionalkan dengan cara kita load Rcmdr, melalui
menu Packages dan Load Packages dari menu pada R Gui. Sehingga
cara kita melakukan load kita menggunakan operasi di R Gui, tidak
lagi kita jalankan operasi di R Console.
Perintah untuk menjalankan Rcmdr adalah dari R Gui kita klik
Load package, maka akan masuk ke pilihan menu dimana kita harus
memilih package yang ada, dengan kursor kita cari Rcmdr, setelah
kita peroleh kita sorot dengan kursor dan kita kklik OK. dengan
demikian kita telah menjalankan Rcmdr.
8
Menu penting dalam Rcmdr adalah Data dan Statistic. Menu
Data berguna untuk manajemen data (membuat data) dan menu
statistic digunakan untuk melakukan analisis uji statistic.
Menu Data adalah sbb :
Menu Statistik adalah sbb :
,
‘ ;
9
F. M enjal ankan SPSS
10
Menu yang penting dalam stati sti k adalah menu Analyze,
dengan bagian dari menu tersebut adalah :
-oOo-
11
B. Skor Baku (Prosentase, Skor Z Dan Skor T)
Pent i ng unt uk di ket ahui , dal am hi t ung st at i st i k adal ah
perhitungan untuk mencari skor baku yaitu parameter yang baku
yang dapat digunakan untuk mengkategorikan sebuah data inter-
val. Dalam hal i ni akan dibi carakan tiga buah skor baku, yai tu
prosentase, skor Z dan skor T.
1. Prosentase.
Skor ini digunakan untuk mengkategorikan data interval
dalam beberapa kategori, dapat menjadi 3 kategori atau 4
kategori. Dalam dunia pendidikan, skor prosentase ini sering
digunakan untuk merubah skor mentah (hasil ujian mahasiswa/
peserta didik) menjadi kategori misalnya dalam kategori baik
cukup, dan kurang. Prosentase ini sering digunakan dalam analisis
deskriptif tingkat pengetahuan.
Adapun rumus untuk memperoleh skor prosentase adalah
Skor yang diperoleh responden
skor = ----------------------------- x 100%
prosentase Total skor maksimum yang
seharusnya diperoleh
Contoh
Pengumpulan data dari kuesioner tentang pengetahuan remaja
tentang reproduksi , kuesi oner berjuml ah 12 i tem, dengan
alternatif jawaban benar diberi skor 1 salah diberi skor 0, hasil
jawaban yang berupa jumlah skor dari 10 responden adalah
sbb : 7, 8, 6, 7, 6, 8, 8, 9, 6, 7
Pengerjaan manual adalah (7/12)* 100, (8/12)* 100, ... ,(7/
12)* 100.
12
Dikerjakan dalam Rcmdr
buat data baru dengan Data > > New data set, diberi nama pr,
kemudian dientri dan dilihat dengan Edit data set, maka akan
terlihat data editor dengan data yang telah kita buat.
Kemudi an ki ta peri ntahkan untuk komputasi dengan (var1/
12)* 100, dari menu Data > > Manage variable in active data set
> > compute new variable.
Nama variabel yang akan kita buat adalah skor, sedangkan notasi
expression-nya (var1/12)* 100, untuk melihat hasil yang telah
kita buat adalah dari Edit data set dari Rcmdr,
13
2. Skor Z
Merupakan skor baku dengan notasi komputasi adalah
untuk mencari Z, dicari dahulu rata-rata dan standar deviasi.
Contoh :
Buat Data baru , yang berisi data 7, 8, 6, 7, 6, 8, 8, 9, 6, 7
Bekerja dalam Rcmdr
entri data baru dengan Data > > New data set
klik OK, akan muncul data dataeditor. kita entri data. klik Data
> > Manage variable in active data set > > Standardize vari-
ables
akan muncul
perintah variabel mana yang akan di analisis ? Yaitu var1 dalam
variable skor Z

( )
sd
x x
z
i
÷
=
14
klik OK dan kita lihat hasil analisis skor Z pada Edit data set
3. Skor T
Merupakan skor baku dengan memberikan notasi penjumlahan
dari skor Z. Penggunaan prakti s dari skor T adalah untuk
mengkategori kan rating scale, yang sering digunakan untuk
mengkategorikan kategori sikap, minat, bakat, motivasi dalam
kategori dikotomi yaitu positif maupun negatif. Pengkategorian
didasarkan atas mean T atau median T, dikatakan
positif/mendukung bila skor T responden > Mean T
negatif/tidak mendukung, skor T responden
s
Mean T
Adapun rumus mencari Skor T adalah 50 + 10(skor Z), yaitu
Contoh
Dal am penel i t i an t ent ang si kap r esonden t ent ang KB,
responden 10 orang, dengan model jawaban SS, S, R, TS, STS
di peroleh hasi l 20,20,23,26,26,23,25,25,20,21.
Jawab
Dari perhitungan di peroleh rata-rata 22,9 dengan standar
deviasi 2,51 maka skor T dapat di cari dengan mudah di sistem
operasi MS Office Excel, atau Open Office Spreadsheet, sbb :

( )
sd
x x
T
i
÷
+ = . 10 50
15
A B C D E
1 X Rumus Skor T di Excel Skor T Perintah untuk IF Kategori
2 20 38.45 IF(C2>50;"Mendukung";"Tidak Mendukung") Tidak Mendukung
3 20 38.45 IF(C3>50;"Mendukung";"Tidak Mendukung") Tidak Mendukung
4 23 50.4 IF(C4>50;"Mendukung";"Tidak Mendukung") Mendukung
5 26 62.35 IF(C5>50;"Mendukung";"Tidak Mendukung") Mendukung
6 26 62.35 IF(C6>50;"Mendukung";"Tidak Mendukung") Mendukung
7 23 50.4 IF(C7>50;"Mendukung";"Tidak Mendukung") Mendukung
8 25 58.37 IF(C8>50;"Mendukung";"Tidak Mendukung") Mendukung
9 25 58.37 IF(C9>50;"Mendukung";"Tidak Mendukung") Mendukung
10 20 38.45 IF(C10>50;"Mendukung";"Tidak Mendukung") Tidak Mendukung
11 21 42.43 IF(C11>50;"Mendukung";"Tidak Mendukung") Tidak Mendukung
22.9 Average(c2:c11) 50
50+10*((A2-22.9)/2.51)
50+10*((A3-22.9)/2.51)
50+10*((A4-22.9)/2.51)
50+10*((A5-22.9)/2.51)
50+10*((A6-22.9)/2.51)
50+10*((A7-22.9)/2.51)
50+10*((A8-22.9)/2.51)
50+10*((A9-22.9)/2.51)
50+10*((A10-22.9)/2.51)
50+10*((A11-22.9)/2.51)
dimana untuk X
1
= 20, maka skor T = 50 + 10((20-22,9)/
2,51) = 38,45, ................ dst
selanjutnya untuk mengkategori kan dalam di kotomi , maka
berdasarkan mean T yang diperoleh, yaitu 50, maka skor T
responden yang diatas 50 termasuk mendukung dan dibawah
50 tidak mendukung.
Untuk bekerja dalam sistem operasi MS Office Excel, atau
Open Office Spreadsheet, maka kita menggunakan logical IF,
yaitu = IF(C2> 50;” Mendukung” ;” Tidak Mendukung” ) artinya
kita menggunakan logika berfikir bila cell C2 nilainya lebih besar
dari 50, maka disebut mendukung (“ Mendukung” ), jika tidak
maka disebut tidak mendukung (“ Tidak Mendukung” ).
Bekerja di Rcmdr
Langkah awal kita loadpackages Rcmdr, kemudian kita buat data
baru dar i Dat a > > New dat a set. Ki t a beri nama dat aT,
selanjutnya kita entri data sikap 10 responden, sbb :
16
selanjutnya kita akan membuat variabel baru yang kita beri
nama skorT dan kita buat rumus/notasi numerical dari var1
yaitu ((var1-22.9)/2.51)* 10+ 50.
Langkah di Rcmdr adalah Data > > Manage variables in
active data set > > Compute new variable
Ki ta klik OK, untuk meli hat hasil komputasi , maka ki ta
melihat datanya dari Edit data set :
17
C. Distribusi Normal
Sebaran data dalam bentuk skala interval/rasio, untuk dianalisis
dengan stati sti k i nferensi al, maka harus memenuhi salah satu
persyaratan yaitu sebaran data tersebut berdistribusi normal.
Untuk menguji apakah sebaran data berdistribusi normal atau
tidak, perlu dilakukan uji statistik. Adapun beberapa uji statistik
yang digunakan dalam uji distribusi normal adalah :
1. Dengan mengetahui ni lai z dari masi ng-masi ng data yang
dibandingkan dengan z
tabel
dari sebaran data tersebut. Adapun
z
tabel
untuk a : 0,05 dengan jenis pengujian 2 sisi, maka diperoleh
nilai -1,96 sampai + 1,96. bila z
hitung
dari data yang ada diantara
nilai z
tabel
(Z
hitung
< Z
tabel
), maka data tersebut termasuk dalam
kategori distribusi normal.
2. Uji normalitas data, dilakukan dengan menggunakan uji one
sampel kolmogorov-smirnov. Uji ini bertujuan menguji apakah
sebaran data yang ada dalam di stribusi normal atau ti dak.
Keluaran hasil uji adalah dengan melihat z
hitung
yang dibandingkan
dengan z
tabel
, bila z
hitung
< z
tabel
artinya z hitung masih diantara nilai
– 1,96 sampai dengan 1,96, maka dapat dikatakan bahwa data
berdistribusi normal. Atau cara yang paling praktis adalah dengan
melihat besarnya nilai signifikasi atau probabilitas (p-value)
apabila nilai p-value > 0,05 (a: 5 %) maka data dalam distribusi
normal (karena Ho dari pengujian adalah data berdistribusi
normal, berarti p > 0,05, maka Ho diterima, berarti data
berdistribusi normal).
3. Uj i Shapi ro- Wi l k, ket ent uan unt uk pembacaan hasi l
berdasarkan dengan nilai W yang diperoleh, Ho ditetapkan
data berdistribusi normal, menolak Ho bila W yang diperoleh
terlalu kecil, dan menolak Ho bila W besar ( yang disebut besar
bila nilainya > 0,80, dan dikatakan kecil bila nilainya < 0,02 )
Cont oh : Dat a t ent ang umur i bu hami l yang memer i ksakan
kehamilannya di BPS Ny Suharti, adalah sebagai berikut :
18
Bekerja dengan SPSS
ki t a masukkan v ar i abel
umuribu ke Test Variable List
dengan klik tanda
setelah itu kita klik
19
Dari hasil analisis one sample kolmogorov-smirnov, diperoleh bahwa
nilai Z hitungnya 0,808 dan Asymp.sig 0,531, dimana besar Z tabel
adalah 1,96. Kesimpulan diambil berdasarkan besarnya Z hitung <
Z tabel (0,808 < 1,96) dengan demikian Ho diterima, artinya Data
Berdistribusi Normal (karena Ho : Data berdistribusi normal), atau
dengan cara praktis berdasarkan besarnya asymp.sig (0,531) yang
besarnya lebih besar dari 0,05, (asymp.sig > 0,05) berarti Ho
diterima, Data berdistribusi normal.
Bekerja dengan Rcmdr
Perlu diketahui bahwa setiap analisis statistik kita akan menggunakan
Rcmdr dalam analisis statistik.
Langkah pertama adalah kita buka dahulu Rcmdr, dari menu R
Gui kita Load Package dan kita pilih Rcmdr, selanjutnya kita klik OK
20
Kita Entri data
sej uml ah 30
dat a, set el ah
sel esai ki t a
dapat meli hat
hasil entri dari
menu Rcmdr
dengan klik
21
Selanjutnya kita ketikkan rumus one sample kolmogorov-smirnov
di dalam Rcmdr , kita ketikkan pada Script window sbb :
ks.test(umuribu, "pnorm", mean =
mean(umuribu), sd = sqrt(var(umuribu)))
lalu kita klik di sisi kanan Output Windows, dan akan
tampak hasil sbb :
One-sample Kolmogorov-Smirnov test
data: umuribu
D = 0.1475, p-value = 0.5315
alternative hypothesis: two-sided
Dari hasi l tersebut dapat diketahui bahwa Besarnya Difference
sebesar 0,1475 (yang besarnya sama dengan Most Extreme Differ-
ence pada hasil pengujian SPSS, yaitu 0,147). dan nilai P-value
0,5315 (hasil ini sama dengan besarnya Asymp.sig di SPSS).
Kesimpulannya adalah berdasarkan P-value (0,5315) > 0,05, maka
Ho diterima, artinya Data berdistribusi normal.
22
E
E O k
i
2
2
) ( ÷
=
¯

V ARI ABEL D EPEN D EN
Skal a D at a N omi nal O r di nal I nt er val / Rasi o
N omi nal Koef i si en
Kont i ngensi (Chi
Squar e)
Kor el asi
Poi nbi ser i al /
Kor el asi Bi sser i al

O r di nal - Spear man Rank
- Kendal l Tau


V
A
R
I
A
B
E
L

I
N
D
E
P
E
N
D
E
N

I nt er val /
Rasi o
Kor el asi
Poi nbi ser i al /
Kor el asi Bi sser i al
Pear son Pr oduct
M oment



BAB I I I
UJI KORELASI
A. Pendahuluan
UJI CHI SQUARE
dikerjakan dengan R, langfkah pertama adalah dengan membuka
R cmdr dari R Gui yang telah ada. adapun caranya adalah :
23
24
akan tampil perintah Enter Two Way Table, kita akan mengisi data
pada Enter Count,
Penting diketahui :
Besarnya kolom dan baris dapat
ki t a ubah dengan menggeser
number of rows atau number of
colomns
dalam keadaan standar besaranya
jumlah kolom dan baris adalah 2,
artinya kita membuat tabel silang
2 x 2, yaitu 2 baris dan 2 kolom.
setelah kita isi semua data dan nama baris serta kolomnya, maka
kita pilih uji chi square, selanjutnya kita klik OK, maka hasil analisis
chi square akan terdapat pada output window sbb :
Pearson’s Chi-squared test
data: .Table
X-squared = 0.8809, df = 1, p-value = 0.3479
25
I nterpretasi hasil
Secara praktis adalah dengan melihat nilai p-value (nilai
signifikasi) dimana bila p-value < 0,05, maka Ho ditolak, dan
bila p-value > 0,05, maka Ho diterima. Ho adalah Tidak ada
hubungan antara umur ibu dengan kejadian preeklamsi.
Melihat hasil dimana p-value 0,3479, maka p-value > 0,05
sehingga Ho diterima, artinya Tidak ada hubungan antara umur
ibu dengan kejadian preeklamsi.
Perhatian :
Analisis data dengan cara diatas (data yang telah ditabulasi
dalam tabel b x k) hanya dapat dilakukan pada Rcmdr,
sedangkan pada SPSS tidak ada fasilitas tersebut. sedangkan
untuk SPSS, data yang kita masukkan adalah data mentah
(dalam bentuk data berpasangan antara variabel independen
dengan variabel dependennya).
N o Persepsi (X )
K emampu-
an (Y)
Rank
X
Rank
Y
d d
2
1 3068 2.9 1 10 -9 81
2 2584 3.6 2 9 -7 49
3 2067 1.3 3 12 -9 81
4 1584 6.8 4 4 0 0
5 1093 4.9 5 6 -1 1
6 847 1.8 6 11 -5 25
7 698 4.3 7 8 -1 1
8 563 8.6 8 2 6 36
9 398 5.7 9 5 4 16
10 304 8.9 10 1 9 81
11 218 4.7 11 7 4 16
12 130 7.5 12 3 9 81
EX EY Ed Ed
2

78 78 0 468
di mana
N = j uml ah dat a
d = beda ant ar a r anki ng pasangannya
1. Korelasi Spearman Rho (r)
Formula r adalah :


) 1 (
. 6
1
2
2
÷
E
÷ =
N N
d

26
cara menyelesaikan dengan spearman rank

) 1 (
. 6
1
2
2
÷
E
÷ =
N N
d


} 1 ) 12 {( 12
468 6
1
2
÷
÷ =
x

r = 1 – 1,636
= -0,636
I nterpretasi hasil:
Hasil r
hitung
sebesar – 0,636, sehingga dibandingkan dengan
r
tabel
: 0, 5, sehingga r
hitung
> r
tabel ,
maka Ho ditolak artinya ada
hubungan antara persepsi kinerja dengan kemampuan profes-
sional tenaga kesehatan.
a. Mengerjakan Spearman-Rho di R (Rcmdr)
Langkah awal buka R Gui, kemudian kita Load packages,
dan cari Rcmdr. Setelah Rcmdr tereksekusi, maka kita buat
data baru dari menu Data > > New data set, kita beri nama
latihrho.
27
28
Kemudian kita analisis spearman rho melalui Statistics > >
Summaries > > Correlation test
hasi l kor el asi adal ah
Spearman’s rank correlation rho
data: latihrho$Kemamuan and
latihrho$Persepsi
S = 468, p-value = 0.03011
alternative hypothesis: true rho is not
equal to 0
sample estimates:
rho
-0.6363636
Kita harus memilih kedua
var i abel t er sebut unt uk
dianalisis dengan kita blok
keduanya
Scr i pt Spear man’ s Rank di R adal ah:
>cor.test(Dataset$KEMAMPUAN, Dataset$PERSEPSI,
alternative="two.sided", method="spearman")
29
Nonparametric Correlations
Correlations
1.000 .760**
. .000
25 25
.760** 1.000
.000 .
25 25
Correlation Coefficient
Sig. (2-tailed)
N
Correlation Coefficient
Sig. (2-tailed)
N
IQ
PRESTASI
Kendall's tau_b
IQ PRESTASI
Correlation is significant at the 0.01 level (2-tailed).
**.
D. Korelasi I nterval by I nterval
Korelasi pearson-product moment digunakan untuk menguji
hubungan antara dua variabel dengan skala data interval atau rasio
dengan interval atau rasio. Formula untuk product-moment adalah

} ) ( }{ ) ( {
. . .
2 2 2 2
Y Y N X X N
Y X Y X N
r
E ÷ E E ÷ E
E E ÷ E
=
dimana X data-data dari variabel independent /variabel bebas
Y data-data dari variabel dependen/variabel terikat.
Sebagai contoh Sebuah penelitian untuk mengetahui apakah
ada hubungan antara Hb i bu hamil dengan berat badan bayi
lahirnya. Variabel independent adalah Hb ibu hamil dengan skala
data interval dan variabel dependen adalah berat badan bayi lahir
dengan skala data interval. Peneliti mengumpulkan data sebanyak
20 responden, melalui catatan medik di salah satu rumah sakit di
Jogjakarta. Hasil pengumpulan data adalah sebagai berikut :
H b
11.2
11.3
11.5
10.6
10.7
10.5
11.6
11.7
11.3
11.4
H b
10.7
10.1
10.3
11.9
12.1
12.2
11.9
12.5
12.3
12.4
BBL
2500
2450
2500
2450
2470
2490
2510
2570
2600
3000
BBL
2700
2560
2600
2700
3200
3400
3000
3200
3400
3400
30
Dari data tersebut maka kita akan membuat tabel Bantu dalam
mengerjakan formula pearson product-moment, dimana X dan Y
telah diketahui sehingga dapat dicari SX, SY, SX.Y, SX
2
, SY
2
, (SX)
2
,
(SY)
2
, untuk memudahkan mencarinya maka perlu dibuat tabel
Bantu seperti berikut:
N o X Y X
2
Y
2
X .Y
1 11.2 2500 125.44 6250000 28000
2 11.3 2450 127.69 6002500 27685
3 11.5 2500 132.25 6250000 28750
4 10.6 2450 112.36 6002500 25970
5 10.7 2470 114.49 6100900 26429
6 10.5 2490 110.25 6200100 26145
7 11.6 2510 134.56 6300100 29116
8 11.7 2570 136.89 6604900 30069
9 11.3 2600 127.69 6760000 29380
10 11.4 3000 129.96 9000000 34200
11 10.7 2700 114.49 7290000 28890
12 10.1 2560 102.01 6553600 25856
13 10.3 2600 106.09 6760000 26780
14 11.9 2700 141.61 7290000 32130
15 12.1 3200 146.41 10240000 38720
16 12.2 3400 148.84 11560000 41480
17 11.9 3000 141.61 9000000 35700
18 12.5 3200 156.25 10240000 40000
19 12.3 3400 151.29 11560000 41820
20 12.4 3400 153.76 11560000 42160
X Y X
2
Y
2
X.Y
228.2 55700 2613.94 157524600 639280
(X)
2
(Y)
2

52075.24 3102490000
Dari tabel tersebut, kita masukkan ke dalam formula product-
moment,

} ) ( }{ ) ( {
. . .
2 2 2 2
Y Y N X X N
Y X Y X N
r
E ÷ E E ÷ E
E E ÷ E
=

} 3102490000 157524600 20 }{ 24 , 52075 94 , 2613 20 {
55700 2 , 228 639280 20
÷ ÷
÷
=
x x
x x
r

} 48002000 }{ 56 . 203 {
12710740 12785600 ÷
= r = 0,7573
31
a. Bekerja di R (Rcmdr)
Kita buka dulu Rcmdr dari R Gui melaui Packages > > Load
packages > > Rcmdr. Setelah terbuka kita buat data batu,
melalui Data > > New data set. Kemudian kita entri data
diatas :
32
setelah selesai kita entri, kita analisis dengan Statistics > >
Summaries > > Correlation test
Set el ah sel esai ent r i di Dat a Edi t or, ki t a t ut up Dat a Edi t or
(menyimpan sementara) selanjutnya kita buka/aktifkan lagi Rcmdr.
33
setelah kita klik OK, maka di output window akan muncul
hasil analisis kita, yaitu :
Pearson’s product-moment correlation
data: Rxy$X and Rxy$Y
t = 4.9199, df = 18, p-value = 0.0001104
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
0.4734573 0.8986654
sample estimates:
cor
0.7573104
Scr i pt U j i Pear son Product -M oment dal a R
>cor.test(Dataset$X, Dataset$Y,
alternative="two.sided", method="pearson")
34
UJI BEDA
A. Uji Beda Untuk Dua Kelompok Saling Bebas (I ndependen
sample t test)
Adapun rumus yang digunakan adalah:
|
|
.
|

\
|
+
÷
=
2 1
2 1
1 1
n n
s
x x
t

( ) ( ) | |
( ) 2
1 1
2 1
2
2 2
2
1 1
÷ +
÷ + ÷
=
n n
s n s n
s
1
) (
2
÷
÷ ¯
=
n
x x
S
dimana S1 dan
S2 di per ol eh
dari
Stati sti k Parametri k Stati sti k N on Parametri k
Sampel
Ber hubungan
(I ndependen
Sampl e)
Sampel Bebas
(Pai red Sampl e)
Sampel
Ber hubungan
(I ndependen
Sampl e)
Sampel Bebas
(Pai red Sampl e)
I ndependen
sampl e t t est
Pai red sampl e t
t est
Two-sampl e
wi l coxon t est
Pai r ed-sampl e
wi l coxon t est

35
Contoh:
Di lakukan peneli ti an untuk mengetahui lama sembuh
terhadap penggunaan dua buah obat luka. Berdasarkan 10
responden yang diberi obat jenis betadine yang selanjutnya diberi
kode (0), dan berdasar 10 responden yang diberi obat jenis
nebacitin yang selanjutnya diberi kode (1) diperoleh data seperti
tabel di bawah ini:
Hipotesis yang dapat diajukan :
Ho =
2 1
  =
Tabel Data Pemberian obat dan Lama sembuh
Responden Jenis O bat Lama Sembuh
1 0 5
2 0 5
3 0 6
4 0 7
5 0 7
6 0 7
7 0 6
8 0 6
9 0 5
10 0 4
n
1
= 10

8 , 5 = x


S
1
=1,0327

0667 , 1
2
1
= s

11 1 4
12 1 3
13 1 3
14 1 3
15 1 3
16 1 4
17 1 4
18 1 5
19 1 5
20 1 5
N
2
= 10

9 , 3 = x


S
2
=0,8756

7667 , 0
2
2
= s


Langkah awal adalah kita cari nilai s terlebih dahulu

( ) ( ) | |
( ) 2
1 1
2 1
2
2 2
2
1 1
÷ +
÷ + ÷
=
n n
s n s n
s
( ) ( ) | | ( ) 2 10 10 / 7667 , 0 1 10 0667 , 1 1 10 ÷ + ÷ + ÷ = s
36
18 / 9003 , 6 6003 , 9 + = s

9574 , 0
9167 , 0
=
=
s
s
Nilai s kemudian dimasukkan dalam rumus t :

|
|
.
|

\
|
+
÷
=
2 1
2 1
1 1
n n
s
x x
t


|
|
.
|

\
|
+
÷
=
10
1
10
1
957 , 0
9 , 3 8 , 5
t

437 , 4
4282 , 0
9 , 1
) 447 , 0 ( 957 , 0
9 , 1
= = = t
Harga t hitung 4,437 dibandingkan dengan t tabel dengan
df = n-1 = 10-1 = 9, sehingga t
(9,0, 95)
= 1,8333, sehingga
4,437 > 1,83 (t hitung > t tabel), dengan demikian Ho
ditolak, artinya ada beda secara signifikan lama sembuh luka
antara diberi betadine dengan nebacitin.
a. Bekerja di R(Rcmdr)
Buka dul u Rcmdr (R Commander ), sel anj ut nya ki t a
membuat data baru yang memuat uji beda, dan kita entri
data :
37
Penting diingat,
untuk dapat mengaktifkan uji t independen, maka kita perlu
membuat kode dari jenis obat, contohnya 0= ” Betadin” dan
1= ” Nebaci ti n” . Untuk mengaktifkan kode i ni , maka ki ta
bekerja di Rcmdr pada Data > > Managemen variables in
active data set > > Recode variables, sbb
38
saat kita klik OK maka akan masuk perintah membuat kode
:
maka hasil keseluruhan perintah kita telah selesai dan kita klik OK
kita bisa melihat hasil recode kita dengan klik Edit Dataset
pada Rcmdr, akan terlihat pada Data editor pada RGui:
kita akan membuat variabel baru
dar i v ar i abel y ang t el ah ada.
Variabel yanga akan di kode terlihat
pada variables to recode, pilih salah
sat u ( y ai t u
obat ) , ki t a
klik (sorot).
kemudi an ki t a membuat nama
variabel baru bentukan dari rekode
kita, kita tempatkan pada New vari-
abl es name or prefi x for multiple
recodes
39
selanjutnya, data telah si ap untuk di anali si s dari Rcmdr
dengan Statistics > > Means > > Independent sample t test,
sbb
kemudian
ki ta memi li h Response Var i abl e, dengan vari abel lama
sembuh (karena yang akan di bedakan adalah data dari
40
variabel lama sembuh), dan kita klik OK
hasil analisis terlihat pada output window, dengan hasil sbb
Welch Two Sample t-test
data: lamasembuh by klpobat
t = 4.4374, df = 17.531, p-value = 0.0003371
alternative hypothesis: true difference in means
is not equal to 0
95 percent confidence interval:
0.9987092 2.8012908
sample estimates:
mean in group Betadin mean in group Nebacitin
5.8 3.9
Cara Membaca Hasil Uji :
Dari hasi l analisis diketahui bahwa t
hitung
sebesar 4,4374, dengan
p-value 0,0003371, dengan demikian p-value < 0,05, maka
Ho ditolak artinya Ada beda lama sembu diantara kelompok obat.
Cara pembacaan tersebut, dapat dilihat dari confidence inter val
(CI), yang besarnya dari 0,9987 sampai 2,801, dari hasil ini dapat
dili hat bahwa CI > 0 dan melewati 1 sehingga Ho ditolak.
Perbedaan rata dari kedua kelompok diketahui bahwa Betadin
5,8 dan Nebacitin 3,9, sehi ngga Nebacitin lebih cepat sembuh
(3,9 < 5,8) dibandingkan dengan diberi Betadin.
Dari hasi l ini merekomendasikan untuk menggunakan Nebaci tin
untuk pengobatan luka.
41
B. Uji Dua Kelompok Berhubungan (Paired sample t test)
Uji t test termasuk dalam uji statistik parametrik yaitu uji
yang menggunakan asumsi-asumsi data berdistribusi normal,
dengan varians homogen dan diambil dari sampel yang acak.
Digunakan Uji t test apabila untuk membandingkan rata-rata
dari dua kelompok. Sedangkan menggunakan paired t test,
apabila data yang di kumpulkan dari dua sampel yang saling
berhubungan, artinya bahwa satu sampel akan mempunyai dua
data. Rancangan ini paling umum dikenal dengan Rancangan
pre-post, artinya membandingkan rata-rata nilai pre test dan
rata-rata post test dari satu sampel.
Penggunaan paired t test adalah untuk menguji efektifitas
suatu perlakuan terhadap suatu besaran variabel yang i ngin
di tentukan, mi salnya untuk mengetahui ef ekti fi tas metode
penyuluhan terhadap peningkatan pengetahuan dari responden.
Metode ini menggambarkan bahwa responden akan diukur test
pengetahuannya sebelum penyuluhan (nilai pre test) dan diukur
t est pengetahuannya setel ah penyul uhan (ni l ai post test )
42
selanjutnya nilai masing-masing responden dibandingkan antara
sebelum penyuluhan (pre test) dengan setelah penyuluhan (post
test).
Rumus umum paired sample t test adalah
dimana
d selisih/beda antara nilai pre dengan post.

d
rata-rata beda antara nilai pre dengan post,
( )
n
d d d
d
n
+ + +
=
...
2 1
s
d
adalah simpangan baku dari d
n adalah banyaknya sampel
sedangkan harga dari simpangan baku d (s
d
)adalah

( )
( ) 1
2
1
1
2
÷

÷
=
¯
¯
=
=
n
n
d
d
s
n
i
i n
i
i
d
Selanjutnya hasil t
hitung
dibandingkan dengan t
tabel
, tabel t
yang digunakan dengan derajat bebas (df= db= dk) = n – 1.
apabila t
hitung
> t
tabel
, maka Ho ditolak, dan menerima Ha. Artinya
ada beda secara signifikan antara rata-rata pre dan post.
Sebagai contoh dalam perhitungan manual adalah :
Sebuah penelitian ingin mengetahui efek oral contracep-
tives (OC) terhadap kenaikan takanan darah sistolik (sbp = sys-
tolic blood pressure). Penelitian menggambil 10 sampel wanita
yang berumur 16 – 49 tahun.
Ho yang ditetapkan adalah Ho : m
1
= m
2
= 0, artinya tidak
ada beda r ata-rata tekanan darah si stoli k antara sebelum
mengkonsumsi kontrasepsi oral dan setelah kontrasepsi oral, atau
dengan kata lain kontrasepsi oral tidak efektif untuk menaikkan
tekanan darah sistolik.
Setelah dilakukan penellitian, diperoleh data, yang selanjutnya
dilakukan tabulasi dengan hasil sebagai berikut:

n s
d
t
d
=
43
Responden
X
i 1
(sbp sebelum
menggunakan O C)
X
i2
(sbp set elah
menggunakan O C)
Sel i si h
(d
i
= X
i1
– X
i2
)
1 115 128 - 13
2 112 115 - 3
3 107 106 1
4 119 128 - 9
5 115 122 - 7
6 138 145 - 7
7 126 132 - 6
8 105 109 - 4
9 104 102 2
10 115 117 - 2
Dari hasil tersebut di atas maka dapat diketahui : n = 10
( )
n
d d d
d
n
+ + +
=
...
2 1
, maka
( )
10
) 2 ( ... ) 3 ( ) 13 ( ÷ + + ÷ + ÷
= d = - 4,8
dicari

( ) { ( ) ( ) }
( )
( ) 1 10
10
8 , 4
2 ... 3 13
2
2 2 2
÷

÷ + + +
=
d
s
=

844 , 20 = 4,566
masukkan ke rumus t adalah :

n s
d
t
d
=
,
maka

10 566 , 4
80 , 4 ÷
= t = - 3,32
Harga t hitung 3,32 dibandingkan dengan t
tabel
dengan df
= n-1 = 10-1 = 9, sehingga t
(9,0,95)
= 1,8333, sehingga 3,32 >
1,83 (t
hitung
> t
tabel
), dengan demikian Ho ditolak, artinya ada
beda secara signifikan tekanan darah sistolik antara sebelum
di beri OC dan setelah di ber i OC. Atau dengan kat a lai n
pemberian OC efektif untuk menurunkan tekanan darah sistolik,
karena tanda dari t adalah negatif (-) menunjukkan harga pre
lebih kecil dibandingkan dengan harga pos.
44
a. Bekerja di Rcmdr (R Commander)
Maka akan masuk ke Data Editor di dalam R Gui
maka kita entri data di Data editor, variabel
pre dan post
45
setelah selesai entri data, maka tutup Data editor (data
tersimpan semestara). dan kita klik Rcmdr. selanjutnya kita
klik Statistic > > Means > > Paired t test, sbb :
setelah kita pilih First variable, dan Second variable, klik OK,
maka di output window akan muncul hasil nalisis :
Paired t-test
data: tpaired$preOC and tpaired$posOC
t = -3.3247, df = 9, p-value = 0.008874
alternative hypothesis: true difference
in means is not equal to 0
95 percent confidence interval:
-8.066013 -1.533987
sample estimates:
mean of the differences
-4.8
46
Dari hasi l di ket ahui bahwa p-val ue 0,008874 < 0,05,
sehingga Ho ditolak, artinya Ada perbedaan tekanan darah
sistolik antara sebelum memakai oral kontrasepsi dengan
setelah memakai oral kontrasepsi. Perbedaan yang signifikan
dapat dilihat dari mean of differences - 4,8, sehingga tekanan
darah setelah memakai oral kontrasepsi terjadi peningkatan,
(dimana analisis dilakukan pre - post, sehingga hasilnya -
(negatif) artinya pre lebih kecil dari pada post)
47
Ari kunto, Suharsimi, 2002., Prosedur Peneli tian Suatu Pendekatan
Praktek, Jakarta : Rineka Ci pta
Basuki, Bastaman, 2000, Apl ikasi Metode Kasus-Kontr ol , Bagian
Ilmu Kedokteran Komunitas, Jakarta : FK UI
Br uni ng, James L . and B. L . Ki nt z. , 1968, Comput at i onal
Handbook of Statistics. Glenview, Illi nois: Scott, Foresman
and Company.
Cochran, W. G. 1963. Sampling Techniques, 2nd Ed., New York:
John Wiley and Sons, Inc.
Dupont WD, 1988, Power calculati ons for matched case-control
studi es, Bi ometrics
Dupont WD, Plummer WD, Jr, 1990, Power and Sampl e Si ze
Cal culati ons: A Review and Computer Progr am. Controlled
Clinical Trials
Friedrich Leisch, 2004, The Comprehensi ve R Archive network,
CRAN-Project
Hi nkle, E, Denni s, 1979, Appli ed Stati sti ks for the Behavior al
Sciences, Houghton Miffthin Company, London
Kirk, Roger E., 1995, Exper imental Design Pr ocedures for the
Behavior al Sci ences. London: Thomson Publishing
Mar t i n, Dani el l e, & St eve, Ger al d, L , (1977). Psychol ogi cal
education : A skill-oriented approach. Journal of counseling
Psychology, 24, 153-157)
Miaoulis, George, and R. D. Michener. 1976. An Introduction to
Sampl i ng. Dubuque, I owa: Kendal l / H unt Publ i shi ng
Company.
DAFTAR PUSTAKA
48
Munro, B H., M. A. Visintainer, and E. B. Page., 1987.Statisti cal
Met hods f or H eal t h Phi l adel phi a: J. 13. L i ppi ncot t
Company.
Rosner, Bernard, 1986, Fundamental of Biostatistiks, Duxbury Press,
Boston
Riwidikdo, Handoko, 2007, Statistik Kesehatan, Yogyakar ta, Mi tra
Cendiki a Press
Ri wi di kdo, Handoko, 2008, Apl i kasi Stati sti k Ter apan dengan
program R, Yogyakarta, Mitra Cendi kia Press
Sugiyono, 2003, Statisti k untuk Peneliti an, Bandung : Alfabeta
Team Development MaCor r, Sample Size Opti mizati on, MaCorr
Inc, 2008
Tull, Donald S and D. L. Hawki ns. 1984., Mar keti ng Reseach:
Measurement and Method. New York: Macmillan Publishing
Company.
Underwoou, B.J. 1954. Elententary Stati stics. New York: Appleton-
Centwy-Crofts, Inc.,
Werl, J.E Charlc.s. Ncidt, and I. Stanley Ahmari n. 1954 Statisti cal
Methods i n Educational and Psychologi cal Research. New
York: Appleton-Centur y-Crofis, Inc.
Yamane, Taro. 1967. Statistics, An Introductory Analysis, 2nd Ed.,
New York: Harper and Row.
49
z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 .0000 .0040 .0080 .0120 .0160 .0199 .0239 .0279 .0319 .0359
0.1 .0398 .0438 .0478 .0517 .0557 .0596 .0636 .0675 .0714 .0753
0.2 .0793 .0832 .0871 .0910 .0948 .0987 .1026 .1064 .1103 .1141
0.3 .1179 .1217 .1255 .1293 .1331 .1368 .1406 .1443 .1480 .15I7
0.4 .1554 .¶591 .1628 .1664 .1700 .1736 .1772 .1808 .1844 .1879
0.5 .1915 .1950 .1985 .2019 .2054 .2688 .2123 .2157 .2190 .2224
0.6 .2257 .2291 .2324 .2357 .2389 .2422 .2454 .2486 .2517 .2549
0.7 .2580 .26 11 .2642 .2673 .2704 .2734 .2764 .2794 .2823 .2852
0.8 .2881 .2910 .2939 .2967 .2995 .3023 .3051 .3078 .3106 .3133
0.9 .3159 .3186 .3212 .3238 .3264 .3290 .3315 .3340 .3365 .3389
1.0 .3413 .3438 .3461 .3485 .3508 .3531 .3554 .3577 .3599 .3621
1.1 .3643 .3665 .3686 .3708 .3729 .3749 .3770 .3790 .3810 .3830
1.2 .3849 .3869 .3888 .3907 .3925 .3944 .3962 .3980 .3997 .4015
1.3 .4032 .4049 .4066 .4082 .4099 .4115 .4131 .4147 .4162 .4177
1.4 .4192 .4207 .4222 .4236 .4251 .4265 .4279 .4292 .4306 .4319
1.5 .4332 .4345 .4357 .4370 .4383 .4394 .4406 .4418 .4429 .4441
1.6 .4452 .4463 .4474 .4484 .4495 .4505 .4515 .4525 .4535 .4545
1.7 .4554 .4564 .4573 .4582 .4591 .4599 .4608 .4616 .4625 .4633
1.8 .4641 .4649 .4656 .4664 .4671 .4678 .4686 .4693 .4699 .4706
1.9 .4733 .4719 .4726 .4732 .4738 .4744 .4750 .4756 .4761 .4767
2.0 .4772 .4778 .4783 .4788 .4793 .4798 .4803 .4808 .4812 .4817
2.1 .4821 .4826 .4830 .4834 .4838 .4842 .4846 .4850 .4854 .4857
2.2 .4861 .4864 .4868 .4871 .4875 .4878 .4881 .4884 .4887 .4890
2.3 .4893 .4896 .4898 .4901 .4904 .4906 .4909 .4911 .4913 .4916
2.4 .4918 .4920 .4922 .4925 .4927 .4929 .4931 .4932 .4934 .4936
2.5 .4938 .4940 .4941 .4943 .4945 .4946 .4948 .4949 .4951 .4952
2.6 .4953 .4955 .4956 .4957 .4959 .4960 .4961 .4962 .4963 .4964
2.7 .4965 .4966 .4967 .4968 .4969 .4970 .4971 .4972 .4973 .4974
2.8 .4974 .4975 .4976 .4977 .4977 .4978 .4979 .4979 .4980 .4981
2.9 .4981 .4982 .4982 .4983 .4984 .4984 .4985 .4985 .4986 .4986
3.0 .4987 .4987 .4987 .4988 .4988 .4989 .4989 .4989 .4990 .4990

LAMPIRAN-LAMPIRAN
Lampiran-1
TABEL LUAS KURVA NORMAL DARI 0 HINGGA z
50
Taraf Signifikansi
dk. 0,5 0,3 0,2 0,1 0,05 0,01
1 0,455 1,074 1,642 2,706 3,481 6,635
2 0,139 2,408 3,219 3,605 5,591 9,210
3 2,366 3,665 4,642 6,251 7,815 11,341
4 3,357 4,878 5,989 7,779 9,488 13,277
5 4,351 6,064 7,289 9,236 11,070 15,086
6 5,348 7,231 8,558 10,645 12,592 16,812
7 6,346 8,383 9,803 12,017 14,017 18,475
8 7,344 9,524 11,030 13,362 15,507 20,090
9 8,343 10,656 12,242 14,684 16,919 21,666
10 9,342 11,781 13,442 15,987 18,307 23,209
11 10,341 12,899 14,631 17,275 19,675 24,725
12 11,340 14,011 15,812 18,549 21,026 26,217
13 12,340 15,19 16,985 19,812 22,368 27,688
14 13,332 16,22 18,151 21,064 23,685 29,141
15 14,339 17,322 19,311 22,307 24,996 30,578
16 15,338 18,418 20,465 23,542 26,296 32,000
17 16,337 19,511 21,615 24,785 27,587 33,409
18 17,338 20,601 22,760 26,028 28,869 34,805
19 18,338 21,689 23,900 27,271 30,144 36,191
20 19,337 22,775 25,038 28,514 31,410 37,566
21 20,337 23,858 26,171 29,615 32,671 38,932
22 21,337 24,939 27,301 30,813 33,924 40,289
23 22,337 26,018 28,429 32,007 35,172 41,638
24 23,337 27,096 29,553 33,194 35,415 42,980
25 24,337 28,172 30,675 34,382 37,652 44,314
26 25,336 29,246 31,795 35,563 38,885 45,642
27 26,336 30,319 32,912 36,741 40,113 46,963
28 27,336 31,391 34,027 37,916 41,337 48,278
29 28,336 32,461 35,139 39,087 42,557 49,588
30 29,336 33,530 36,250 40,256 43,775 50,892
Lampiran-2
TABEL NILAI CHI KUADRAT
51
Alpha Uji Dua Fi hak
0,5 0,2 0,1 0,05 0,02 0,01
Alpha Uji Satu Fihak
dk. 0,25 0,10 0,05 0,025 0,01 0,005
1 1,000 3,078 6,314 12,706 31,821 63,657
2 0,816 1,886 2,920 4,303 6,965 9,925
3 0,765 1,638 2,353 3,182 4,541 5,841
4 0,741 1,533 2,132 2,776 3,747 4,604
5 0,727 1,486 2,015 2,571 3,365 4,032
6 0,718 1,440 1,943 2,447 3,143 3,707
7 0,711 1,415 1,895 2,365 2,998 3,499
8 0,706 1,397 1,860 2,306 2,896 3,355
9 0,703 1,383 1,833 2,262 2,821 3,250
10 0,700 1,372 1,812 2,228 2,764 3,165
11 0,697 1,363 1,796 2,201 2,718 3,106
12 0,695 1,356 1,782 2,178 2,681 3,055
13 0,692 1,350 1,771 2,160 2,650 3,012
14 0,691 1,345 1,761 2,145 2,624 2,977
15 0,690 1,341 1,753 2,132 2,623 2,947
16 0,689 1,337 1,746 2,120 2,583 2,921
17 0,688 1,333 1,740 2,110 2,567 2,898
18 0,688 1,330 1,743 2,101 2,552 2,878
19 0,687 1,328 1,729 2,093 2,539 2,861
20 0,687 1,325 1,725 2,086 2,528 2,845
21 0,686 1,323 1,721 2,080 2,518 2,831
22 0,686 1,321 1,717 2,074 2,508 2,819
23 0,685 1,319 1,714 2,069 2,500 2,807
24 0,685 1,318 1,711 2,064 2,492 2,797
25 0,684 1,316 1,708 2,060 2,485 2,787
26 0,684 1,315 1,706 2,056 2,479 2,779
27 0,684 1,314 1,703 2,052 2,473 2,771
28 0,683 1,313 1,701 2,048 2,467 2,763
29 0,683 1,311 1,699 2,045 2,462 2,756
30 0,683 1,310 1,697 2,042 2,457 2,750
40 0,681 1,303 1,684 2,021 2,423 2,704
60 0,679 1,296 1,671 2,000 2,390 2,660
120 0,677 1,289 1,658 1,980 2,358 2,617
~ 0,674 1,282 1,645 1,960 2,326 2,576
Lampiran-3
TABEL NILAI DISTRIBUSI t
52

Taraf
Signifikansi
Taraf
Signifikansi
Taraf
Signifikansi

n.
0,05 0,01

n.
0,05 0,01

n.
0,05 0,01
3 0,997 0,999 27 0,381 0,487 55 0,266 0,345
4 0,950 0,990 28 0,374 0,478 60 0,254 0,330
5 0,878 0,959 29 0,367 0,470 65 0,244 0,317
6 0,811 0,917 30 0,361 0,463 70 0,235 0,306
7 0,754 0,874 31 0,355 0,456 75 0,227 0,296
8 0,707 0,834 32 0,349 0,449 80 0,220 0,286
9 0,666 0,798 33 0,344 0,442 85 0,213 0,278
10 0,632 0,765 34 0,339 0,436 90 0,207 0,270
11 0,602 0,735 35 0,334 0,430 95 0,202 0,263
12 0,576 0,708 36 0,329 0,424 100 0,195 0,256
13 0,553 0,684 37 0,325 0,418 125 0,176 0,230
14 0,532 0,661 38 0,320 0,413 150 0,159 0,210
15 0,514 0,641 39 0,316 0,408 175 0,148 0,194
16 0,497 0,623 40 0,312 0,403 200 0,138 0,181
17 0,482 0,606 41 0,308 0,398 300 0,113 0,148
18 0,468 0,590 42 0,304 0,393 400 0,098 0,128
19 0,456 0,575 43 0,301 0,389 500 0,088 0,115
20 0,444 0,561 44 0,297 0,384 600 0,080 0,105
21 0,433 0,549 45 0,294 0,380 700 0,074 0,097
22 0,423 0,537 46 0,291 0,376 800 0,070 0,091
23 0,413 0,526 47 0,288 0,372 900 0,065 0,086
24 0,404 0,515 48 0,284 0,368 100 0,062 0,081
25 0,396 0,505 49 0,281 0,364
26 0,388 0,496 50 0,279 0,361
Lampiran-4
TABEL NILAI r PRODUCT MOMENT
53
Lampiran-5
KOEFISIEN KORELASI
RHO SPEARMAN - 
Taraf Signifikansi
N 5% 1%
5 1.000 --
6 0.886 1.000
7 0.786 0.929
8 0.738 0.881
9 0.683 0.823
10 0.648 0.794
12 0.591 0.777
14 0.544 0.715
16 0.506 0.665
18 0.475 0.625
20 0.450 0.591
22 0.428 0.562
24 0.409 0.537
26 0.392 0.515
28 0.377 0.496
30 0.364 0.478

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->