Pengantar Statistik Parametrik Untuk Penelitian Pendidikan (Analisis Regresi, Korelasi, Dan Analisis Varians)
Pengantar Statistik Parametrik Untuk Penelitian Pendidikan (Analisis Regresi, Korelasi, Dan Analisis Varians)
Disusun oleh:
Prof. Dr. I Wayan Koyan, M.Pd.
I. Pendahuluan
Statistik inferensial atau statistik induktif ada dua macam, yaitu: (a) statistik
parametrik, yang digunakan untuk menganalisis data interval dan rasio, yang diambil
dari populasi yang berdistribusi normal; dan (b) statistik non parametrik, yang
digunakan untuk menganalisis data nominal dan ordinal, yang diambil dari populasi yang
bebas disribusi (tidak harus normal). Dalam hal ini, teknik korelasi, analisis regresi dan
analisis varians berperan sebagai statistik parametrik. Mengenai macam-macam statistik,
dapat diperiksa bagan berikut.
Deskriptif
Statistik Parametrik
Inferensial
Nonparametrik
1
II. Menguji Perbedaan Rerata antar Dua Kelompok atau Lebih
1. Uji Perbedaan Mean (Uji t / Students Dua Pihak/Dua Ekor) untuk sampel
Berkorelasi
Hipotesis Statistik:
H0: 1 = 2
H1 : 1 2
Aturan keputusan: Jika haga t hitung t tabel, maka H0 ditolak dan H1 diterima
Jika harga t hitung < ttabel, maka H0 diterima dan H1 ditolak.
X1 X 2
t
2
s1 s 2
2
s s2
2r 1
n1 n2 n n
1 2
Keterangan:
X1 = Rata-rata sampel 1
1
X2 = Rata-rata sampel 2
S1 = simpangan baku sampel 1
S2 = simpangan baku sampel 2
S12 = varians sampel 1
S22 = varians sampel 2
r = korelasi antara dua sampel
Tabel 01. Nilai Produktivitas Kerja 25 Karyawan Dinas Pendidikan Sebelum dan
2
Sesudah Diberi Kendaraan Dinas
No. Responden Produktivitas Kerja
Sebelum (X) Sesudah (Y)
1 75 85
2 80 90
3 65 75
4 70 75
5 75 75
6 80 90
7 65 70
8 80 85
9 90 95
10 75 70
11 60 65
12 70 75
13 75 85
14 70 65
15 80 95
16 65 65
17 75 80
18 70 80
19 80 90
20 65 60
21 75 75
22 80 85
23 70 80
24 90 95
25 70 75
Rata-rata X 1 = 74,00 X 2 = 79,20
SD S1 = 7,50 S2 = 10,17
Varians S12 = 56,25 S22 = 103,50
N XY X Y
Korelasi : rxy = rxy
N X 2
X
2
N Y 2
Y
2
rxy = 0,863
Tabel 02. Nilai Produktivitas Kerja 25 Karyawan Dinas Pendidikan Sebelum dan
3
Sesudah Diberi Kendaraan Dinas (N=25)
No. subyek X Y X2 Y2 XY
N XY X Y
Korelasi : rxy = rxy
N X 2
X
2
N Y 2
Y
2
Korelasi : rxy =
74,00 79,20
t
56,25 103,50 7,50 10,17 = - 4,90
2 x0,863
25 25 25 25
4
2,015. Dengan demikian, harga t hitung lebih besar daripada harga t table, sehingga H0
ditolak dan H1 diterima. Ini berarti, terdapat perbedaan yang signifikan produktivitas
kerja antara karyawan dinas pendidikan sebelum diberi kendaraan dinas dan sesudah
diberi kendaraan dinas. Dari nilai rerata hitung diketahui bahwa rerata produktivitas kerja
sesudah diberi kendaraan dinas lebih besar daripada sebelum diberi kendaraan dinas ( X 1
= 74,00 < X 2 = 79,20). Kesimpulan: pemberian kendaraan dinas berpengaruh terhadap
peningkatan produktivitas kerja karyawan.
2. Uji Perbedaan Mean (Uji t / Students Dua Pihak/Dua Ekor) untuk sampel
Independen
X1 X 2
t
2 2
Rumus: s1 s rumus (separated varians)
2
n1 n 2
atau
X1 X 2
t
n1 1 s
1
2
n2 1 s2
2
1 1
rumus (polled varians)
n1 n2 2 n1 n2
Contoh: n1 = 25; berarti db 24, maka harga t table = 2,797; n2 = 13, db = 12; harga t table
= 3,005 ( untuk ts 1%). Jadi harga t table yang digunakan adalah 3,055 2,797 = 0,258.
Kemudian, harga ini ditambah dengan harga t terkecil; jadi 0,258 + 2,797 = 3,055
harga t ini sebagai pengganti t table.
Contoh: Untuk mengetahui kecepatan memasuki dunia kerja antara lulusan SMU
dan SMK; responden 22 orang lulusan SMU dan 18 lulusan SMK, datanya seperti table
berikut.
5
No. resp. Lama menunggu SMU Lama menunggu SMK
dalam Tahun dalam Tahun
1 6 2
2 3 1
3 5 3
4 2 1
5 5 3
6 1 2
7 2 2
8 3 1
9 1 3
10 3 1
11 2 1
12 4 1
13 3 3
14 4 2
15 2 1
16 3 2
17 1 2
18 5 1
19 1 -
20 3 -
21 1 -
22 4 -
n1 = 22,00 n2 = 18,00
X1 = 2,91 X 2 = 1,78
s1 = 1,51 s2 = 0,81
s12 = 2,28 s22 = 0,65
Varianster besar
Rumus uji F =
Varianster kecil
2,28
F = 0,65 = 3,508; lihat table F dengan db pembilang = 22-1 dan db penyebut 18-1.
Dengan ts. 5%, ternyata harga F table = 2,22 (harga antara pembilang 20 dan 24). Dengan
demikian, harga F hitung = 3,508 > dari F table = 2,22); ini berarti H0 ditolak dan H1
diterima; jadi varians tidak homogen.
Setelah diuji dengan Uji F (Uji Fisher), variansnya tidak homogen, maka digunakan
rumus separated varians.
Hipotesis Penelitian:
H0: Tidak terdapat perbedaan lama menunggu untuk mendapatkan pekerjaan antara
6
lulusan SMU dan SMK
H1: Terdapat perbedaan lama menunggu untuk mendapatkan pekerjaan antara lulusan
SMU dan SMK
Hipotesis statistik:
H0: 1 = 2
H1: 1 2
X1 X 2 2,91 1,78
t t
2 2
Rumus: s1 s 2,28 0,65 = 3,020
2
n1 n2 22 18
JKtot = Xtot 2 X
tot
2
N
2) Menghitung Jumlah Kuadrad Antar Kelompok (JKantar):
JKantar =
XA
2
X tot
2
nA N
3) Menghitunng Jumlah Kuadrad Dalam Kelompok (JKdal):
JKdal = JKtot JKantar
4) Menghitung Rerata Jumlah Kuadrad Antar Kelompok (RJKantar):
RJKantar = JKantar a = banyaknya kelompok
7
a-1
5) Menghitung Rerata Jumlah Kuadrad Dalam Kelompok (RJKdal)
RJKdal = JKdal N = jumlah seluruh sampel
N-a
6) Menghitung harga Fhitung dengan rumus:
RJKantar
RJKdal
7) Konsultasikan pada table F dengan db pembilang (a-1) dan db penyebut (N-1)
8) Aturan keputusan : Jika F hitung lebih besar daripada F table pada taraf signifikansi
tertentu (Misalnya: ts 5% atau 1%), maka Ha diterima dan H0 ditolak.
9) Membuat kesimpulan, apakah terdapat perbedaan yang signifikan atau tidak.
10) Membuat Tabel Ringkasan Analisis Varians untuk Menguji Hipotesis k Sampel
X tot
2
N
dalam JKdal = JKtot JKantar N-a JKdal -- -- --
N-a
Total
Xtot 2 X tot
2 N-1 -- -- -- --
N
Jika harga F signifikan, harus dilanjutkan dengan uji pasangan dengan t-Scheffe sebagai
berikut.
X1 X 2
t
Untuk n1 = n2 : 2 xRJKdal , dimana db t = db dalam
n
X1 X 2
t
Untuk n1 n2: 1 1 , dimana db t = db dalam
RJKdal
n1 n2
Contoh:
8
4, yaitu : Metode ceramah (A1), Metode Diskusi (A2), Metode Pemberian Tugas (A3), dan
Metode campuran (A4).
Hipotesis Penelitian:
H0: Metode mengajar tidak berpengaruh terhadap prestasi belajar IPA
H1: Metode mengajar berpengaruh terhadap prestasi belajar IPA
Hipotesis Statistik:
H0: 1 = 2 = 3 = 4
H1 : 1 2 3 4 (salah satu tanda )
Tabel 05. Data Hasil Belajar IPA Siswa SMA Klas II di kota X
(A1) (A2) (A3) (A4) Total
3 5 5 8
2 6 8 9
4 5 7 10
0 7 7 9
4 4 7 8
n1 = 5 n2 = 5 n3 = 5 n4 = 5 N = 20
X1 = 13 X2 = 27 X3 = 34 X4 = 44 Xtot = 118
X12 = 45 X22 = 151 X32 = 236 X42 = 390 Xtot2 = 822
Stt A1 A2 A3 A4 Total
n 5 5 5 5 20
X 13 27 34 44 118
JKtot 2
= Xtot
X tot
2
= 822
118 2
= 125,8
N 20
X 2
X 2
A tot
JKantar =
nA N
9
X X X X X
A1
2
A2
2
A3
2
A4
2
tot
2
=
n A1 n A2 n A3 n A4 N
2 2 2 2 2
13 27 34 44 118
= - 101,8
5 5 5 5 20
= 822
118 2
= 125,8
N 20
X 2
X 2
A tot
JKantar =
nA N
X X X X X
A1
2
A2
2
A3
2
A4
2
tot
2
=
n A1 n A2 n A3 n A4 N
13 2 27 2 34 2 44 2 118 2
= - 101,8
5 5 5 5 20
JKdal = JKtot JKantar = 125,8 101,8 = 24
X A2 13 2 27 2 34 2 44 2
Atau JK dal: X 2
tot
nA
822
5
24
5 5 5
DbA = a-1 = 4-1 = 3
Uji t Scheffe:
10
2,6 5,4
t 3,615
t1-2 : 2 x1,5 signifikan
5
2,6 6,8
t
t1-3: 2 x1,5 5,422 signifikan
5
2,6 8,8
t
t1-4: 2 x1,5 -8,004 signifikan
5
5,4 6,8
t
t2-3: 2 x1,5 -1,807 non signifikan
5
4 8,8
t
t2-4: 2 x1,5 - 4,389 signifikan
5
6,8 8,8
t
t3-4: 2 x1,5 - 2,582 signifikan
5
Menarik kesimpulan:
2. Analisis Varian Dua Jalur (ANAVA Faktorial 2x2, 2x3, 3x3, dst)
11
3) Variabel terikat:
Prestasi belajar matematika (Y)
Hipotesis Penelitian:
H0: (1) Tidak terdapat perbedaan prestasi belajar matematika antara siswa yang
mengikuti pembelajaran dengan metode inovatif dan konvensional.
(2) Tidak terdapat perbedaan prestasi belajar matematika antara siswa yang
mengikuti pembelajaran dengan kepemimpinan otoriter dan demokratis
(3) Tidak terdapat pengaruh interaksi antara metode pembelajaran dan tipe
kepemimpinan terhadap prestasi belajar matematika.
H1: (1) Terdapat perbedaan prestasi belajar matematika antara siswa yang
mengikuti pembelajaran dengan metode inovatif dan konvensional.
(2) Terdapat perbedaan prestasi belajar matematika antara siswa yang
mengikuti pembelajaran dengan kepemimpinan otoriter dan demokratis
(3) Terdapat pengaruh interaksi antara metode pembelajaran dan tipe
kepemimpinan terhadap prestasi belajar matematika.
.Hipotesis Statistik:
H0: (1) 1 = 2
(2) 1 = 2
(3) Inter AB = 0
H1: (1) 1 2
(2) 1 2
(3) Inter AB 0
12
2,5 3,5 3,5 4,0
3,0 4,0 3,0 3,0
2,0 3,0 2,5 2,5
2,0 3,5 2,0 2,5
1,5 2,5 2,5 2,5
Perhitungan:
tot
b. JKantar A =
nA N
X A1
2
X A2
2
X tot
2
X 2
X 2
B tot
c. JK antarB =
nB N
X B
2
X B2
2
X tot
2
AB tot
d. JKinter AB = JK A JK B =112/5 + (16.5)2/5 + (13.5)2/5 +
n AB N
(14.5)2/5 0.0125 2.1125 = 157.15 154.0125 - 0.0125 2.1125 = 1.0125
db A = a-1 = 2-1 = 1
db B = b-1 = 2-1 = 1
db inter AB = db A x db B = 1 x 1 = 1
db dalam = N a b = 20 2 2 = 16
db total = N 1 = 20 1 = 19
13
RJKA = JKA : dbA = 0.0125/1 = 0.0125
RJKB = JKB : dbB = 2.1125/1 = 2.1125
RJKAB = JKAB dbAB = 1.0125/1 = 1.0125
RJKdalam = JKdal : dbdal = 5.35/16 = 0,334375.
FA = RJKA : RJKdalam = 0.0125/ 0.334375 = 0.03738 = 0.0374
FB = RJKB : RJKdalam = 2.1125/0.334375 = 6.317757 = 6.3178
FAB = RJKAB:RJKdalam = 1.0125/0.334375 = 3.0280
ns = non signifikan
*) = signifikan pada ts. 5%
Kesimpulan:
(1) Tidak terdapat perbedaan prestasi belajar matematika antara siswa yang
mengikuti pembelajaran dengan meto de inovatif dan konvensional.
(2) Terdapat perbedaan prestasi belajar matematika antara siswa yang
mengikuti pembelajaran dengan kepemimpinan otoriter dan demokratis
Dari rerata hitung diketahui bahwa rerata hitung prestasi belajar matematika pada
siswa yang dipimpin secara demokratis lebih besar daripada siswa yang dipimpin
secara otoriter ( X B2 = 3.1 > X B2 = 2.45). Dengan demikian disimpulkan bahwa
kepemimpinan berpengaruh terhadap prestasi belajar matematika pada siswa
(3) Tidak terdapat pengaruh interaksi antara metode pembelajaran dan tipe
kepemimpinan terhadap prestasi belajar matematika
Jika pengaruh interaksi tidak signifikan, tidak perlu dilanjutkan dengan uji uji simple
effect. Jika pengaruh interaksi signifikan, dilanjutkan dengan uji t-Scheffe atau uji Tukey,
dengan rumus sebagai berikut.
X1 X 2
Q
Rumus Tukey: RJKdal db Q = n dan m (n = sampel, dan m = banyaknya
n
kelompok)
14
X1 X 2
t
atau Untuk n1 = n2 : 2 xRJKdal , dimana db t = db dalam
n
3. Analisis Varian Dua Jalur (ANAVA Faktorial 2x2) dengan Variabel Moderator
Hipotesis Penelitian:
Ha: (1) Terdapat perbedaan prestasi belajar matematika antara siswa yang
mengikuti pembelajaran dengan metode inovatif dan konvensional.
(2) Pada siswa yang memiliki motivasi belajar tinggi, terdapat perbedaan
prestasi belajar matematika antara siswa yang mengikuti pembelajaran
dengan metode inovatif dan konvensional.
(3) Pada siswa yang memiliki motivasi belajar rendah, terdapat perbedaan
prestasi belajar matematika antara siswa yang mengikuti pembelajaran
dengan metode inovatif dan konvensional.
(4) Terdapat pengaruh interaksi antara metode pembelajaran dan motivasi
belajar terhadap prestasi belajar matematika.
.Hipotesis Statistik:
H0: (1) 1 = 2
(2) 1 = 2
(3) Inter AB = 0
H1: (1) 1 2
(2) 1 2
(3) Inter AB 0
15
Motivasi Belajar Rendah A1 B2 A 2 B2
(B2)
Dengan data yang sama dengan analisis varians tersebut di atas, diperoleh hasil
perhitungan seperti pada tabel 12 dan 13 berikut.
Kesimpulan:
(1) Tidak terdapat perbedaan prestasi belajar matematika antara siswa yang
mengikuti pembelajaran dengan metode inovatif dan konvensional.
(4) Tidak terdapat pengaruh interaksi antara metode pembelajaran dan motivasi belajar
terhadap prestasi belajar matematika
16
Karena pengaruh interaksi non signifikan, maka hipotesis (2) dan (3) tidak perlu
diuji, karena pasti hasilnya non signifikan ( hipotesis dua dan tiga adalah untuk menguji
simple effect). Sedangkan hipotesis (1) dan (4) adalah untuk menguji main effect.
Jika pengaruh interaksi signifikan, dilanjutkan dengan uji t-Scheffe atau uji Tukey, untuk
menguji hipotesis dua dan tiga dengan rumus sebagai berikut.
X1 X 2
Q
Rumus Tukey: RJKdal db Q = n dan m (n = sampel, dan m = banyaknya
n
kelompok)
X1 X 2
t
atau Untuk n1 = n2 : 2 xRJKdal , dimana db t = db dalam
n
Y X X XY
2
Rumus: a
n X X
2 2
n XY X Y
b
n X 2 X
2
Tabel 15. Skor Motivasi (X) dan Skor Prestasi belajar (Y)
Responden X Y XY X2 Y2
1 34 32 1088 1156 1024
17
2 38 35 1368 1444 1296
3 34 31 1054 1156 961
4 40 38 1520 160 1444
5 30 29 870 900 841
6 40 35 1400 1600 1225
7 40 33 1320 1600 1089
8 34 30 1020 1156 900
9 35 32 1120 1225 1024
10 39 36 1404 1521 1296
11 33 31 1023 1089 961
12 32 31 992 1024 961
13 42 36 1512 1764 1296
14 40 37 1480 1600 1369
15 42 35 1470 1764 1225
16 42 38 1596 1764 1444
17 41 37 1517 1681 1369
18 32 30 960 1024 900
19 34 30 1020 1156 900
20 36 30 1080 1296 900
21 37 33 1221 1369 1089
22 36 32 1152 1296 1024
23 37 34 1258 1369 1156
24 39 35 1365 1521 1225
25 40 36 1440 1600 1296
26 33 32 1056 1089 1024
27 34 32 1088 1156 1024
28 36 34 1224 1296 1156
29 37 32 1184 1369 1024
30 38 34 1292 1444 1156
Jumlah () 1105 1001 37094 41029 33599
Diketahui: X = 1105
Y = 1001
XY = 37094
X2 = 41029
Y2 = 33599
a
1001 41029 1105 37094 8,24
30 41029 1105
2
30(37094) (1105)(1001)
b 0,68
30(41029) (1105) 2
18
-30,00...........
= 8,24 + 0,68X
-8,24
30 32 34 36 X
Langkah mengerjakan:
(1) Urutkan data X dari terkecil hingga data terbesar, diikuti oleh data Y
19
39 9 2 36
39 35
40 10 5 38
40 35
40 33
40 37
40 36
41 11 1 37
42 12 3 36
42 35
42 38
(2) Hitung berturut-turut Jumlah Kuadrat (JK) = Sum Square (SS) dengan rumus
berikut.
JK(T) = Y2
JK(a) = (Y)2
N
X Y
XY N
JK(ba) = b
JK(S) = JK(T) JK(a) JK(ba)
Y 2
JK(G) = Y 2
n
JK(TC) = JK(S) JK(G)
Perhitungan:
JK(T) = Y2 = 33599
JK(a) = (Y)2 = (1001)2 : 30 = 33400,03
N
X Y
XY N
(1105)(1001)
JK(ba) = b (0,68) 37094 152,21
30
JK(S) = JK(T) JK(a) JK(ba) = 33599 33400,03 152,21 = 46,76
Y 2
( 29) 2 (31 30) 2
JK(G) = Y 2
n
29
2
1
31 30
2 2
2
(31 32) 2 (32 31 30 30 32) 2
31 32 32 31 30 30 32
2 2 2 2 2 2 2
2 5
(32)
2
(30 32 34) 2
2
(33 34 32) 2
32 30 32 34 33 34 32
2 2 2 2 2 2
1 3 3
20
(36 34) 2 (36 35) 2
36 34
2 2 2 2
36 35
2 2
(38 35 33 37 36) (37) 2
38 35 33 37 36
2 2 2 2 2 2
37
5 1
(36 35 38) 2
36 2 35 2 38 2 37,67
3
JK (G) = 37,67
JK(TC) = JK(S) JK(G) = 46,76 37,67 = 9,09
(3) Hitung derajat kebebasan (dk) sebagai berikut.
dk (a) = 1 dk = derajat kebebasan = degree of freedom (df)
dk (b|a) = 1 jumlah prediktor 1
dk sisa = n-2 = 30-2 = 28
dk tuna cocok = k-2 = 12-2 = 10 k= jumlah pengelompokan data X = 12
dk galat = n-k = 30-12 =18
(4) Hitung Mean Square (MS) atau Rerata Jumlah Kuadrat (RJK) sebagai berikut.
RJK(T) = JK(T) : n = 33599 : 30 =1119,97
RJK(S) = JK(S) : dk(S) = n-2 = 46,76: 28 = 1,67
RJK(Reg) = JK(Reg) : dk(reg) = 152,21 : 1 = 152,21
Tabel 17. Tabel Ringkasan Anava Untuk Menguji Keberartian dan Linearitas Regresi
Sumber Variasi JK (SS) dk (df) RJK (MS) F hitung F tabel
Total 33599 30 1119,97 - -
Koefisien (a) 33400,03 1 - - -
Regresi (ba) 152,21 1 152,21 91,14*) 4,20
Sisa(residu) 46,76 28 1,67
Tuna Cocok 9,09 10 0,91 0,44ns 2,42
Galat (error) 37,67 18 2,09
Keterangan:
21
Jika F hitung (regresi) lebih besar dari harga F tabel pada taraf signifikansi 5% (
0,05), maka harga F hitung (regresi) signifikan, yang berarti bahwa koefisien regresi
adalah berarti (bermakna). Dalam hal ini, F hitung (regresi) = 91,14, sedangkan F tabel
untuk dk 1:28 (pembilang = 1; dan penyebut = 18) untuk taraf signifikansi 5% = 4,20. Ini
berarti, harga F regresi > dari harga F tabel, sehingga hipotesis nol ditolak dan hipotesis
alternatif diterima, sehingga harga F regresi adalah signifikan. Dengan demikian, terdapat
hubungan fungsional yang signifikan antara variabel motivasi dan prestasi belajar.
Jika harga F hitung (tuna cocok) lebih kecil dari harga F tabel, maka harga F
hitung (tuna cocok) non signifikan, yang berarti bahwa hipotesis nol diterima dan
hipotesis altenatif ditolak, sehingga regresi Y atas X adalah linear. Dalam hal ini, F hitung
(tuna cocok) = 0,44, sedangkan F tabel untuk taraf signifikansi 5% = 2,42, dengan
demikian harga F tuna cocok < dari harga F tabel. Ini berarti, H0 diterima sehingga harga
F tuna cocok adalah non signifikan. Dengan demikian, hubungan antara variabel motivasi
dan prestasi belajar adalah linear.
Atas dasar analisis regresi, dapat dihitung kadar hubungan antara X dan Y atau
kadar kontribusi X terhadap Y. Koefisien korelasi (r) dapat dihitung dengan rumus
berikut:
JK (TD ) JK ( S )
r2 = , dimana JK(TD) = jumlah kuadrat total dikoreksi.
JK (TD)
JK(TD) = JK(T) JK(a) = 33599 - 33400,03 = 198,97. Jadi r2 =
198,97 46,76
0,765
198,97
Koefisien korelasinya (r) = 0,765 0,875.
Dengan rumus korelasi produk moment, juga dapat dihitung koefisien korelasinya, yaitu
sebagai berikut:
Telah diketahui (telah dihitung di atas):
X = 1105
Y = 1001
XY = 37094
X2 = 41029
Y2 = 33599
N XY X Y
rxy
N X 2
X
2
N Y 2
Y
2
(30 x37094) (1105 x1001)
rxy 0,875
(30 x41029) (1105) (30 x33599) (1001)
2 2
22
signifikansi 5% = 0,361; dan untuk taraf signifikansi 1% = 0,463. Dengan demikian, nilai
r hitung = 0,875 lebih besar dari nilai r table, baik pada taraf signifikansi 1% maupun 5%.
Ini berarti, bahwa nilai r hitung adalah signifikan pada taraf signifikansi 5% maupun 1%.
Kesimpulan: H0 ditolak, dan H1 diterima, yang berarti bahwa terdapat korelasi positif
antara motivasi dan prestasi belajar.
r n2 0,875 30 2 4,630064794
t 9,564
1 r 2
1 (0,875) 2 0,484122918
Selanjutnya, harga t hitung tersebut dibandingkan dengan harga t tabel. Untuk uji
dua pihak pada taraf signifikan 5%, dk = n-2 = 30-2 = 28, maka harga t tabel = 2,048.
Ternyata harga t hitung lebih besar dari harga t tabel, sehingga H 0 ditolak, dan H1
diterima. Ini berarti, harga t hitung adalah signifikan, sehingga disimpulkan bahwa
terdapat korelasi positif dan signifikan antara motivasi dan prestasi belajar. Untuk
mengetahui kontribusi variabel prediktor terhadap kriterium, nilai koefisien korelasinya
dikuadratkan (r2)
Koefisien determinasi (r2) = (0,875)2 = 0,765 atau 76,5%; ini berarti sumbangan
atau kontribusi motivasi terhadap prestasi belajar adalah sebesar 76,5%, sedangkan
residunya sebesar 23,5% dijelaskan oleh variabel lain yang tidak diteliti.
1) Konstelasi Masalah
23
X1
X2
X2 = Kepemimpinan direktif
Y = Produktivitas kerja
Rumus persamaan regresi: = b0 + b1X1+ b2X2
b0 = a = (konstan)
2) Tabel Data
(1) 170 = 10 b0 + 60 b1 + 40 b2
(2) 1122 = 60 b0 + 406 b1 + 267 b2
(3) 737 = 40 b0 + 267 b1 + 182 b2
24
Untuk menyelesaikan persamaan tersebut untuk memperoleh koefisien b0, b1, dan b2,
dapat digunakan metode eliminasi berikut.
Persamaan (1) dikalikan dengan 4, persamaan (3) dikalikan dengan 1, hingga hasilnya
menjadi sebagai berikut:
Persamaan (4) dikalikan dengan 27, persamaan (5) dikalikan dengan 46, sehingga
hasilnya menjadi:
-2754 = -1242 b1 - 729 b2
-2622 = -1242 b1 - 1012 b2
_____________________________
-132 = 0 b1 + 283 b2
25
kemampuan pegawai ditingkatan menjadi 10, dan tingkat kepemimpinan direktif sampi
10, maka produktivitas kerja pegawai menjadi: = 3,9186 + 2,4909X1 - 0,466X2 =
3,9186 + (2,4909 x 10) (0,466 x 10) = 24,1676 Jadi diprediksi produktivitas kerja
pegawai
= 24,1676.
x y b x1 b2 x1 x2
2
1 1
x y b x1 x2 b2 x2
2
2 1
b0 Y b1 X 1 b2 X 2
( x 2 )( x1 y ) ( x1 x 2 )( x 2 y )
2
b1
( x1 )( x 2 ) ( x1 x 2 ) 2
2 2
( x1 )( x 2 y ) ( x1 x 2 )( x1 y )
2
b2
( x1 )( x 2 ) ( x1 x 2 ) 2
2 2
( Y ) 2
y 2 Y 2 n
( X ) 2
x 2
X2
n
26
( X i )( Y )
x y X Y
i i
n
( X i )( X j )
x xi j XiX j
n
( Y ) 2
y 2 Y 2 n
= 3162 (1702 : 10) = 272
( X 1 ) 2
x1 X 1 = 406- (602 : 10) = 46
2 2
n
( X 2 ) 2
x X2
2 2
2
= 182 (402 : 10) = 22
n
( X 1 )( Y )
x y X Y
1 1
n
= 1122 ((60x170) : 10) = 102
( X 2 )( Y )
x 2 y X 2Y
n
= 737 ((40x170) : 10) = 57
( X 1 )( X 2 )
x1 x2 X 1 X 2 n
= 267 ((60x40) : 10) = 27
Dengan menggunakan rumus deviasi, dapat dihitung harga b1, dan b2 sebagai berikut.
( 22)(102) ( 27)(57)
b1 705 : 283 = 2,491
(46)(22) ( 27) 2
( 46)(57) (27)(102)
b2 = - 0,466
(46)(22) ( 27) 2
b0 17 ( 2,491x 6) ( 0,466 x 4) 3,918
27
Dibandingkan dengan perhitungan menggunakan rumus panjang, tampak adanya
perbedaan hasil yang praktis dapat diabaikan (sangat kecil perbedaannya, karena adanya
pembulatan). Persamaan garis regesinya: = 3,918 + 2,491X1 - 0,466X2
b1 x1 y b2 x 2 y
Ry (1,2) =
y 2
28
17,90 > dari harga F tabel pada ts. 5% = 4,74; sehingga hipotesis nol ditolak dan hipotesis
alternatif, diterima. Ini berarti bahwa koefisien regresi ganda yang diperoleh adalah
bermakna/berarti.
Setelah diketahui harga R bermakna, maka dapat disimpulkan bahwa sebesar
83,20% variasi yang terjadi pada produktivitas kerja karyawan (Y) dapat dijelaskan oleh
variabel kemampuan kerja (X1) dan kepemimpinan direktif (X2) melalui persamaan
regresi = 3,918 + 2,491X1 - 0,466X2.
1) Konstelasi Masalah:
X1
X2 Y
X3
Keterangan:
X1 = Kemampuan kerja
X2 = Pemahaman Tugas
X3 = Motivasi kerja
Y = Produktivitas kerja
Tabel 20.Tabel Data Skor Kemampuan kerja, Pemahaman kerja, Motivasi kerja,
dan Produktivitas kerja
No X1 X2 X3 Y X12 X22 X32 Y2 X1Y X2Y X3Y X1X2 X1X3 X2X3
1 60 59 67 56 3600 3481 4489 3136 3360 3304 3752 3540 4020 3953
2 31 33 41 36 961 1089 1681 1296 1116 1188 1476 1023 1271 1353
3 70 70 71 71 4900 4900 5041 5041 4970 4970 5041 4900 4970 4970
4 69 69 70 68 4761 4761 4900 4624 4692 4692 4760 4761 4830 4830
29
5 50 48 49 47 2500 2304 2401 2209 2350 2256 2303 2400 2450 2352
6 30 29 33 34 900 841 1089 1156 1020 986 1122 870 990 957
7 40 48 51 50 1600 2304 2601 2500 2000 2400 2550 1920 2040 2448
8 55 54 60 60 3025 2916 3600 3600 3300 3240 3600 2970 3300 3240
9 58 61 59 61 3364 3721 3481 3721 3538 3721 3599 3538 3422 3599
10 26 34 31 29 676 1156 961 841 754 986 899 884 806 1054
11 78 76 75 77 6084 5776 5625 5929 6006 5852 5775 5928 5850 5700
12 45 43 43 46 2025 1849 1849 2116 2070 1978 1978 1935 1935 1849
13 47 56 46 50 2209 3136 2116 2500 2350 2800 2300 2632 2162 2576
14 34 42 43 39 1156 1764 1849 1521 1326 1638 1677 1428 1462 1806
15 57 58 56 56 3249 3364 3136 3136 3192 3248 3136 3306 3192 3248
750 780 795 780 41010 43362 44819 43326 42044 43259 43968 42036 42700 43935
X 1 50
X 2 52
X 3 53
Y 52
( Y ) 2
y 2 Y 2 n
= 43326 (7802 : 15) = 2766
( X 1 ) 2
x X1 = 41010- (7502 : 15) = 3410
2 2
1
n
( X 2 ) 2
x X2
2 2
2
= 43362 (7802 : 15) = 2802
n
( X 3 ) 2
x X3 = 44819 (7952 : 15) = 2684
2 2
3
n
( X 1 )( Y )
x y X Y
1 1
n
= 42044 ((750x780) : 15) = 3044
( X 2 )( Y )
x 2 y X 2Y
n
= 43259 ((780x 780) : 15) = 2699
( X 3 )( Y )
x 3 y X 3Y
n
= 43968 (795x780) : 15) = 2628
( X 1 )( X 2 )
x1 x2 X 1 X 2 n
= 42035 ((750x780) : 15) = 3035
30
( X 1 )( X 3 )
x x 1 3 X1X 3
n
= 42700 ((750x795) : 15) = 2950
( X 2 )( X 3 )
x 2 x3 X 2 X 3
n
= 43935 ((780x795) : 15) = 2595
Persamaan regresi untuk menghitung b0, b1, b2, dan b3 digunakan persamaan
sebagai berikut.
x y b
1 1 x1 b2 x1 x2 b3 x1 x3
2
x y b x1 x2 b2 x2 b3 x2 x3
2
2 1
x y b1 x1 x3 b2 x2 x3 b3 x3
2
3
b0 Y b1 X 1 b2 X 2 b3 X 3
31
b3 = 0,979 0,706 = 0,273
b0 Y b1 X 1 b2 X 2 b3 X 3
= 52 (0,375) (50) - (0,304)(50) (0,273(53) = 3,581
Persamaan regresi = = b0 + b1X1+ b2X2 + b3X3
= 3,581 + 0,375X1+ 0,304X2 + 0,273X3
b1 x1 y b2 x 2 y b3 x3 y
Ry (1,2,3) =
y 2
32
bermakna.
(1) Efektivitas regresinya = JK(reg) berbanding JK(T) dikalikan 100%. Telah diketahui,
JK(reg) = 2679,44 ; JK(T) = 2766, maka efektivitas regresi = (2679,44 : 2766) x 100% =
96,87%. Ini sama dengan koefisien determinasinya.
(2) Hitung sumbangan relatif dalam persen (SR%) tiap prediktor (dihitung harga
mutlaknya):
JK(reg) = b1 x1 y b2 x 2 y b3 x3 y
= (0,375)(3044)+(0,304)(2699)+(0,273)(2628)
= 1141,5 + 820,496 + 717,444 = 2679,44
b1 x1 y 1141,5
SE% X1 = (efektivitas ) (96,87%) 41,27%
JK ( reg ) 2679,44
b2 x2 y 820,496
SE% X2 = (efektivitas ) (96,87%) 29,66%
JK (reg ) 2679,44
b3 x3 y 717,444
SE% X3 = (efektivitas ) (96,87%) 25,94%
JK ( reg ) 2679,44
-------------------------------------------------------------------------------
Total = 96,87%
33
Kesimpulan:
c. Korelasi Parsial
(1) Korelasi parsial dengan dua prediktor (X1 dan X2) sebagai berikut:
ry1 ry 2 ry12
ry1..2
(1 r 2 y 2 )(1 r 212 )
ry 2 ry1 ry12
ry 2.1
(1 r 2 y1 )(1 r 212 )
(2) Korelasi parsial dengan tiga prediktor (X1 , X2 dan X3) sebagai berikut
34
ry1.2 ry 3.2 r13.2
ry1..23
(1 r 2 y 3.2 )(1 r 213.2 )
ry 2.3 ry1.3 r21.3
ry 2..31
(1 r 2 y1..3 )(1 r 2 21..3 )
ry 3.1 ry 2.1 r32.1
ry 3.12
(1 r 2 y 2.1 )(1 r 2 32.1 )
(3) Korelasi parsial 3 prediktor berdasarkan matrik korelasi di atas adalah sebagai
berikut. Telah diketahui (dihitung):korelasi jenjang nihil (sederhana): ry1 = 0,977;
r y2 = 0,969; r y3 = 0,964; r12 = 0,968; r13 = 0,961; dan r23 = 0,946.
35
r2. y (r12 )(r1 y ) 0,969 (0,968)(0,977) 0,023264
r2 y.1 0,435
(1 r 21 y )(1 r 212 ) (1 0,977 2 )(1 0,968 2 ) 0,053512444
36
r3 y .2 0,591
r13..2 0,556
r21.3 0,657
r32.1 0,227
r2 y ..3 0,662
r3 y .1 0,426
r1 y ..3 0,688
Kesimpulan:
(1) Terdapat korelasi positif dan signifikan antara variabel kemampuan kerja dengan
variabel produktivitas kerja setelah dikendalikan dengan variabel pemahaman
tugas dan motivasi kerja (r1y-23 = 0,448; r2 = 0,2007 = 20,07%; ini berarti bahwa
variabel kemampuan kerja memberikan kontribusi terhadap variabel produktivitas
kerja sebesar 20,07%).
(2) Terdapat korelasi positif dan signifikan antara variabel pemahaman tugas dengan
variabel produktivitas kerja setelah dikendalikan dengan variabel kemampuan
kerja dan motivasi kerja (r2y-31 = 0,384; r2 = 0,1475 = 14,75%; ini berarti bahwa
variabel pemahaman tugas memberikan kontribusi terhadap variabel produktivitas
kerja sebesar 14,75%).
(3) Terdapat korelasi positif dan signifikan antara variabel motivasi kerja dengan
produktivitas kerja setelah dikendalikan dengan variabel kemampuan kerja dan
pemahaman tugas (r3y-12 = 0,373; r2 = 0,1391 = 13,91%; ini berarti bahwa variabel
kemampuan kerja memberikan kontribusi terhadap variabel produktivitas kerja
sebesar 13,91%).
Daftar Pustaka
Anrderson, T.W., An Introductin to Multivariate Statistical Analysis, John Wiley & Sons,
Inc., New York, 1958.
Ching Chun Lie, Path Analysis a primer, California: Pasific Grove, 1975.
37
Everit, Brian S & Graham Dunn, Applied Multivariate Data Analysis, New York: Halsted
Press, 1991.
Guilford, J.P. and fruchter, B., Fundamental Statistics in Psycholoy and Education,., New
York: McGraw-Hill Ltd, 1978.
Kerlinger, F.N. and Pedhazur, E.J., Multiple Regression in Behavioral Research,., New
York: Holt Rinehart and Winston, Inc., 1973.
Sutrisno Hadi, Statistik, Jilid 2, 3, Yogyakarta: UGM, 1986.
Sutrisno Hadi, Analisis Regresi, Yoyakarta: UGM, 1986.
Sudjana, Metoda Statistika, Bandung: Tarsito, 1992.
Sudjana, Teknik Analisis Regresi dan Korelasi bagi Para Peneliti, Penerbit Tarsito,
Bandung, 1992.
Sugiyono, Statistika untuk Penelitian, Bandung: Penerbit CV Alfabeta, 2002.
38
Disusun oleh:
Prof. Dr. I Wayan Koyan, M.Pd.
39