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

Bagan 01. Macam-macam Statistik

Statistik Inferensial/induktif, digunakan untuk melakukan: (a) generalisasi,

dari sampel ke populasi, (b) uji hipotesis (membandingkan atau uji
perbedaan/kesamaan, dan menghubungkan, yaitu uji keterkaitan, kontribusi)
Untuk memprediksi, digunakan teknik: (a) regresi linier (hubungan fungsional), (b)
regresi kurvilinier, kuadratik, logaritmik hiperbolik, dll), (c) korelasi, keterkaitan,
hubungan timbal balik, yaitu derajat hubungan (koefisien korelasi) dan kadar
sumbangan (koefisien determinasi). Dalam kajian ini, analisis regresi dibatasi pada
analisis regresi linier.

1
II. Menguji Perbedaan Rerata antar Dua Kelompok atau Lebih

A. Pengujian Hipotesis Komparatif Dua Sampel (berkorelasi dan independent)

dengan Statistik Parametrik

1. Uji Perbedaan Mean (Uji t / Students Dua Pihak/Dua Ekor) untuk sampel
Berkorelasi

Contoh Hipotesis Penelitian:

H0: Tidak terdapat perbedaan produktivitas kerja pegawai antara sebelum dan sesudah
mendapat kendaraan dinas
Ha: Terdapat perbedaan produktivitas kerja pegawai antara sebelum dan sesudah
mendapat kendaraan dinas.

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.

t-test (Students), dengan rumus:

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

1 75 85 (hitung) (hitung) (hitung)

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
Jumlah () 1850 1980 138250 159300 148100

N XY X Y
Korelasi : rxy = rxy
N X 2
X
2
N Y 2
Y
2

Korelasi : rxy =

Masukan ke dalam rumus di atas, menjadi:

74,00 79,20
t
56,25 103,50 7,50 10,17 = - 4,90
2 x0,863
25 25 25 25

Harga t hitung, dibandingkan dengan harga t pada table dengan db = n1 + n2 2 =

50-2 = 48. Harga t table untuk db 48 dan dengan taraf signifikansi 5% ( = 0,05) adalah

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

1) Jika n1 = n2 dan varians homogen, dapat digunakan salah satu rumus

tsb di atas; dengan db = n1 + n2 2
2) Jika n1 n2 dan varians homogen, digunakan rumus polled varians; dengan db =
n1 + n2 2
3) Jika n1 = n2 dan tidak homogen, dapat digunakan salah satu rumus di atas;
dengan db = n1 1 atau n2 1 (bukan n1 + n2 2).
4) Jika n1 n2 dan tidak homogen, digunakan rumus separated varians, harga t
pengganti t table dihitung selisih dari harga t table; dengan db = (n 1 1) dan db =
(n2 1), dibagi dua, kemudian ditambah dengan dengan harga t yang terkecil.

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.

Tabel 03. Data Lama Menunggu Lulusan SMU dan SMK

Untuk Mendapatkan Pekerjaan

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

Uji homogenitas varians (dengan uji F)

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

Kemudian, t table dihitung dari selisih harga t table dengan db = n 1 1 dan db = n2 1

dibagi dua, dan kemudian ditambahkan dengan harga t terkecil seperti berikut.

n1 = 22; db = 21; maka t table = 2,08 ( = 5%)

n2 = 18; db = 17; maka t table = 2,11
Selisihnya dibagi dua, yaitu: (2,11 2,08 ) : 2 = 0,015; kemudian ditambah dengan harga
t table terkecil, yaitu 2,08, sehingga menjadi: 2,08 + 0,015 = 2,095. Ternyata t hitung =
3,020 > 2,095, sehingga H0 ditolak dan H1 diterima.
Kesimpulan: terdapat perbedaan secara signifikan masa menunggu untuk mendapatkan
pekerjaan antara lulusan SMK dan SMU. Dilihat dari nilai rata-rata, ternyata lulusan
SMK cenderung lebih cepat memperoleh pekerjaan.

B. Analisis Varians (Uji F / Fisher) = ANAVA (ANOVA)

1. Analisis Varian Satu Jalur (ANAVA klasifikasi tunggal = ANAVA A)

2. Analisis Varians K jalur (ANAVA klasifikasi jamak = ANAVA AB, ABC dst)

1. Analisis Varian Satu Jalur (ANAVA klasifikasi tunggal = ANAVA A)

Langkah-langkah pengujian hipotesis dengan anava satu jalur.

1) Menghitung Jumlah Kuadrad Total (JKtot):

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

Tabel 04. Tabel Ringkasan Analisis Varians untuk Menguji

Hipotesis k Sampel
Sumber JK db RJK Fh Ftab Keputus
Variasi an
Antar X A 2 a-1 JKantar RJKantar/ .
n a-1 RJKdal
A

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:

Seorang peneliti ingin mengetahui pengaruh metode pembelajaran terhadap

prestasi belajar IPA pada siswa klas II di kota X. Metode mengajar digolongkan menjadi

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

X 1 = 2,6 X 2 = 5,4 X 3 = 6,8 X 4 = 8,8 X tot = 5,9

Tabel 06. Statistik Induk

Stt A1 A2 A3 A4 Total
n 5 5 5 5 20

X 13 27 34 44 118

X2 45 151 236 390 822

Masukkan ke dalam rumus:

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

JKtot = Xtot 2 X tot

2

= 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

RJKantar = JKantar = 101,8 = 33,93.

a-1 4-1
db dalam = N a = 20-4 = 16

RJKdal = JKdal = 24/16 = 1,5

db.dal
Fhitung = RJKantar = 33,93 : 1,5 = 22,66 lihat table F
RJKdal

Tabel 07. Tabel Ringkasan Analisis Varians untuk Menguji

Hipotesis 4 Sampel

Sumber JK db RJK Fh Ftab Keputusan

Variasi 5% 1%
antar A 101,8 3 33,93 22,62 3,24 5,29 Signifikan
dalam 24 16 1,5 -- -- -- --
Total 125,8 19 -- -- -- -- --

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:

1. Metode mengajar berpengaruh terhadap hasil belajar siswa

2. Metode mengajar IV lebih berpengaruh terhadap hasil belajar siswa dari pada
metode mengajar III, II, dan I
3. Metode mengajar III lebih berpengaruh terhadap prestasi belajar siswa daripada
metode mengajar II dan I
4. Metode mengajar II lebih berpengaruh terhadap prestasi belajar siswa
dibandingkan dengan metode mengajar I.

2. Analisis Varian Dua Jalur (ANAVA Faktorial 2x2, 2x3, 3x3, dst)

Misalnya, seorang peneliti ingin mengetahui pengaruh metode pembelajaran dan

tipe kepemimpinan terhadap prestasi belajar matematika pada siswa SMA kls II di kota X
Variabel bebas:
1). Metode Pembelajaran, terdiri atas dua faktor:
A1 = metode inovatif
A2 = metode konvensional
2) Tipe kepemimpinan, terdiri atas dua faktor:
B1 = Kepemimpinan otoriter
B2 = Kepemimpinan demokratis

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

Tabel 08.Rancangan Anava 2 Jalur (Faktorial 2x2)

Metode Pembel (A)
A1 A2
Kepemimpinan (B) (Pembel. inovatif) (pembel. konvensional)
Kepemimp. Otoriter A1 B1 A 2 B1
(B1)
Kepemimp. Demokratis A1 B2 A 2 B2
(B2)

Tabel 09. Data Hasil Penelitian

A1 A2
B1 B2 B1 B2
X X X X

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

Tabel 09. Tabel Statistik Induk

Stat A1 A2 Total A1 A2 B1 B2
B1 B2 B1 B2
n 5 5 5 5 20 10 10 10 10
X 11 16.5 13.5 14.5 55.5 27.5 28 24.5 31
X2 25.5 55.75 37.5 43.75 162.5 81.25 81.25 63 99.5
X 2.2 3.3 2.7 2.9 2.275 2.75 2.8 2.45 3.1

Perhitungan:

a. JKtot = Xtot 2 X tot

2

= 162.5 (55.5)2 /20 = 162.5 154.0125 = 8,4875

N
X A 2 X 2

tot
b. JKantar A =
nA N
X A1
2
X A2
2
X tot
2

= = (27.5)2/10 + 282/10 154.0125 = 0.0125

n A1 n A2 N

X 2
X 2

B tot
c. JK antarB =
nB N
X B
2
X B2
2
X tot
2

= (24.5)2/10 + 312/10 154.0125 = 2.1125

n B1 nB2 N
X 2
X
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

e. JK dal = JKtot JKantarA JKantarB JKinterAB = 8,4875 - 0.0125 - 2.1125 - 1.0125 =

5.35

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

Tabel 10. Tabel Ringkasan ANAVA AB

SV JK db RJK Fh Ftab
5% 1%

Antar A 0.0125 1 0.0125 0.0374 ns 4.49 8.53

Antar B 2.1125 1 2.1125 6.3178 *) 4.49 8.53
Inter AB 1.0125 1 1.0125 3.0280 ns 4.49 8.53
dalam 5.35 16 0.334375 - -
Total 8,4875 19 -- - -- --

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

Contoh: Seorang peneliti ingin mengetahui pengaruh metode pembelajaran terhadap

prestasi belajar matematika dirinjai dari motivasi Belajar
Variabel bebas: Metode pembelajaran
(A1 = metode inovatif; A2 = metode konvensional)
Variabel moderator: motivasi belajar
( B1 = Motivasi Belajar Tinggi; B2 = motivasi belajar rendah)
Variabel terikat: prestasi belajar matematika (Y)

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

Tabel 11.Rancangan Anava 2 Jalur (Faktorial 2x2)

Metode Pembel (A)
A1 A2
Motivasi (B) (Pembel. inovatif) (pembel. konvensional)
Motivasi Belajar Tinggi A1 B1 A 2 B1
(B1)

15
 Motivasi Belajar Rendah A1 B2 A 2 B2
(B2)

Tabel 12. Data Hasil Penelitian

A1 A2
B1 B2 B1 B2
X X X X
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

Dengan data yang sama dengan analisis varians tersebut di atas, diperoleh hasil
perhitungan seperti pada tabel 12 dan 13 berikut.

Tabel 13. Tabel Statistik Induk

Stat A1 A2 Total A1 A2 B1 B2
B1 B2 B1 B2
n 5 5 5 5 20 10 10 10 10
X 11 16.5 13.5 14.5 55.5 27.5 28 24.5 31
X2 25.5 55.75 37.5 43.75 162.5 81.25 81.25 63 99.5
X 2.2 3.3 2.7 2.9 2.275 2.75 2.8 2.45 3.1

Tabel 14. Tabel Ringkasan ANAVA AB

SV JK db RJK Fh Ftab
5% 1%

Antar A 0.0125 1 0.0125 0.0374 ns 4.49 8.53

Antar B 2.1125 1 2.1125 6.3178 *) 4.49 8.53
Inter AB 1.0125 1 1.0125 3.0280 ns 4.49 8.53
dalam 5.35 16 0.334375 - -
-- - -- --
Total 8,4875 19

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

III. Analisis Regresi dan Korelasi

1. Analisis Regresi Linear Sederhana dan Koprelasi Product Moment (Pearson)

Regresi adalah bentuk hubungan fungsional antara variabel respon dan prediktor.
Guna regresi adalah untuk prediksi. Dalam hal ini, regresi linear sederhana Y atas X.
Misalnya, apakah prestasi belajar (Y) dapat diprediksi dari motivasi (X)? Atau apakah
terdapat hubungan fungsional antara motivasi dan prestasi belajar?
Variabel X = variabel prediktor (bebas, independen)
Variabel Y = variabel kriterium (respon, terikat, tergantung, dependen)
Persamaam regresi linear sederhana: Rumus: = a + bX
Keterangan: a = konstanta (bilangan konstan)
b = koefisien arah regresi

Y X X XY
2

Rumus: a
n X X
2 2

n XY X Y
b
n X 2 X
2

1). Contoh analisis regresi sederhana

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

2). Langkah-langkah Perhitungan

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

Dengan demikian, persamaan garis regresinya: = 8,24 + 0,68X

Jika X = 32, maka = 8,24+0,68 * 32 = 28,64

Gambar persamaan garis regresi:

18


-30,00...........
= 8,24 + 0,68X

-8,24

30 32 34 36 X

3) Uji Kelinearan dan Keberartian Regresi

Hipotesis yang diuji adalah:

(1) H0: Regresi linear
H1: Regresi non linear

(2) H0: Harga F regresi non signifikan/tidak bermakna/tidak berarti

H1: Harga F regresi signifikan/bermakna/berarti

Langkah mengerjakan:

(1) Urutkan data X dari terkecil hingga data terbesar, diikuti oleh data Y

Tabel 16. Pengelompokkan data Skor Motivasi dan Prestasi Belajar

X Kelompok ni Y
30 1 1 29
32 2 2 31
32 30
33 3 2 31
33 32
34 4 5 32
34 31
34 30
34 30
34 32
35 5 1 32
36 6 3 30
36 32
36 34
37 7 3 33
37 34
37 32
38 8 2 36
38 34

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

Dengan demikian, terdapat 12 kelompok

(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

(5) Hitung harga F regresi dan F tuna cocok sebagai berikut.

F (Reg) = RJK(Reg) : RJK(Sisa) = 152,21 : 1,67 = 91,14
F(TC) = RJK(TC) : RJK(G) = 0,91 : 2,09 = 0,44

(5) Masukkan ke dalam tabel F (ANAVA) untuk Regresi Linear berikut

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:

JK (T) = Jumlah Kuadrat Total

JK(a) = Jumlah kuadrat (a) koefisien (a) = konstanta, X=0
JK(ba) = Jumlah kuadrat (ba) koefisien regresi
JK(S) = Jumlah Kuadrat Sisa (residu)
JK(G) = Jumlah kuadrat Galat (error)
JK(TC) = Jumlah Kuadrat Tuna Cocok (penyimpangan linearitas)
Mean Square (MS) = Rerata Jumlah Kudrat (RJK); Sum Square (SS) = Jumlah Kuadrat
(6) Aturan keputusan (kesimpulan):

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

Untuk uji signifikansi koefisien korelasi, digunakan table nilai-nilai r Product

Moment untuk n = 30 pada taraf siginifikansi 5%. Nilai r table untuk n = 30 pada taraf

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.

Catatan: Selain pengujian signifikansi menggunakan tabel r, dapat juga

menggunakan uji-t, dengan rumus berikut (jika tidak ada tabel nilai-nilai r product
moment)

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.

2. Analisis Regresi Linear Ganda/jamak (Multiple Regression)

a. Analisis Regresi Dua Prediktor

1) Konstelasi Masalah

23
 X1

X2

Misalnya, X1 = Kemampuan kerja karyawan

X2 = Kepemimpinan direktif
Y = Produktivitas kerja
Rumus persamaan regresi: = b0 + b1X1+ b2X2
b0 = a = (konstan)
2) Tabel Data

Tabel 18. Data Skor Kemampuan kerja, Kepemimpinan direktif,

dan Produktivitas kerja
Respon- X1 X2 Y X 12 X22 X1 X2 X1Y X2Y Y2
den
1 10 7 23 100 49 70 230 161 529
2 2 3 7 4 9 6 14 21 49
3 4 2 15 16 4 8 60 30 225
4 6 4 17 36 16 24 102 68 289
5 8 6 23 64 36 48 184 38 529
6 7 5 22 49 25 35 154 110 484
7 4 3 10 16 9 12 40 30 100
8 6 3 14 36 9 18 84 42 196
9 7 4 20 49 16 28 140 80 400
10 6 3 19 36 9 18 114 57 361
60 40 170 406 182 267 1122 737 3162

3). Menghitung beta

Menghitung harga-harga : b0; b1, b2 dengan menggunakan persamaan berikut, dengan
menggunakan skor angka kasar:

(1) Y = nb0 + b1X1 + b2X2

2
(2) X1Y = b0X1 + b1 X1 + b2X1X2
(3) X2Y = b0X2 + b1X1X2 + b2X22
Masukkan harga-harga di atas dimasukkan ke dalam persamaan tersebut sehingga
menjadi:

(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 6, persamaan (2) dikalikan 1, kemudian dikurangkan sehingga

menjadi sebagai berikut.

1020 = 60 b0 + 360 b1 + 240 b2

1122 = 60 b0 + 406 b1 + 267 b2
______________________________________
- 102 = 0 + -46 b1 + -27 b2
(4) - 102 = -46 b1 - 27 b2

Persamaan (1) dikalikan dengan 4, persamaan (3) dikalikan dengan 1, hingga hasilnya
menjadi sebagai berikut:

680 = 40 b0 + 240 b1 + 160 b2

737 = 40 b0 + 267 b1 + 182 b2
________________________________
-57 = 0 + - 27 b1 + - 22 b2
(5) -57 = - 27 b1 - 22 b2

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

b2 = -132 : 283 = - 0,466

Harga b2 dimasukkan ke dalam salah satu persamaan (4) atau (5). Dalam hal ini,
dimasukkan ke dalam persamaan (4), sehingga menjadi:
-102 = -46 b1 27 (-0,466)
-102 = -46 b1 +12,582
46b1 = 114,582 b1 = 2,4909 = 2,491

Harga b1 dan b2 dimasukkan dalam persamaan (1), sehingga menjadi:

170 = 10 b0 + 60 (2,4909) + 40 (-0,466)

170 = 10 b0 + 149,454 - 18,640
10 b0 = 170 149,454 + 18,640
b0 = 39,186 : 10 = 3,9186 =3,919

Jadi, persamaan regresi linear ganda untuk dua prediktor:

= 3,919 + 2,491X1 - 0,466X2
Ini berarti produktivitas kerja pegawai akan naik, jika kemampuan pegawai
ditingkatkan, dan akan turun jika kepemimpinan direktif (otoriter) ditingkatkan. Jika

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.

4). Menghitung beta dengan rumus deviasi

Cara perhitungan koefisien-koefisien b0, b1, dan b2 di atas sangat panjang dan
rumit. Untuk mengatasi hal tersebut, dapat digunakan cara lain yang lebih sederhana,
yaitu hanya dengan dua persamaan, tetapi harus diubah menjadi skor deviasi terlebih
dahulu. Dengan demikian, persamaannya menjadi:
= b0+b1x1 + b2x2

b1, b2 dapat dihitung dari persamaan berikut

x y b x1 b2 x1 x2
2
1 1

x y b x1 x2 b2 x2
2
2 1

Sedangkan b0 dapat dihitung menggunakan b1, dan b2 serta rata-rata X 1 , X 2 , danY

5) Menghitung skor deviasi

Selanjutnya, koefisien regresi dapat dihitung menggunakan rumus berikut.

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

Untuk menghitung skor simpangan (deviasi), digunakan rumus-rumus berikut.

( 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

Skor rata-rata X 1 6, X 2 4, danY 17 (lihat tabel di atas, rata-rata = X dibagi n).

Telah diketahui (lihat tabel data di atas):

N = 10
X1 = 60
X2 = 40
Y = 170
X12 = 406
X22 = 182
X1X2 = 267
X1Y = 1122
X2Y = 737
Y2 = 3162

Selanjutnya dapat dihitung harga-harga skor deviasi (menggunakan lambang huruf

kecil)sebagai berikut.

( 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

6) Keberartian Regresi Ganda

Setelah diperoleh koefisien arah regresi, dilanjutkan dengan menghitung korelasi
ganda untuk 2 prediktor, dengan rumus berikut.

b1 x1 y b2 x 2 y
Ry (1,2) =
y 2

( 2,491 * 102) ( 0,466 * 57)

= 0,912
272

Koefisien determinasi (R2) = 0,832; ini artinya bahwa sebesar 83,20%

produktivitas kerja karyawan dapat dijelaskan oleh variabel kemampuan kerja dan
kepemimpinan direktif.

7) Uji Keberartian Regresi

Untuk Uji signifikansi regresi, menggunakan uji F regresi: F =
JK ( reg ) / k
= RJK reg/RJK sisa
JK ( sisa ) /( n k 1)
JK(reg) = b1 x1 y b2 x 2 y
= (2,491)(102)+(-0,466)(57)= 227,52
JK(T) = y2 = 272
JK(sisa) = JK(T) = y2 JK(reg) = 272 227,52 = 44,48
dk reg = k (prediktor = 2)
RJK (reg) = JK(reg)/dk reg = 227,52 : 2 = 113,76
dk (sisa) = n k 1 = 10-2-1 = 7
RJKK(sisa) = JK(sisa)/dk sisa = 44,48 : 7 = 6,354
F reg = RJK(reg)/RJK(sisa) = 113,76 : 6,354 = 17,90

Tabel 19. Ringkasan Anava untuk Menguji Keberartian Regresi

Sumber JK dk RJK F hitung F tabel
Variasi 0,05 0,01
Regresi 227,52 2 113,76 17,90 4,74 9,55
Sisa 44,48 7 6,354 - - -
Total 272 9 - - - -

Harga F hitung selanjutnya dikonsultasikan dengan F tabel dengan derajat

kebebasan (dk) pembilang = 2 dan dk penyebut = 7 untuk taraf signifikansi 5%, diperoleh
F tabel = 4,74 dan untuk taraf signifikansi 1% = 9,55. Dengan demikian, harga F hitung =

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.

b. Analisis Regresi Linear Tiga Prediktor

1) Konstelasi Masalah:

X1

X2 Y

X3

Gambar: Hubungan antar Variabel Prediktor dan Kriterium

Keterangan:
X1 = Kemampuan kerja
X2 = Pemahaman Tugas
X3 = Motivasi kerja
Y = Produktivitas kerja

2). Contoh data

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

3). Persamaan garis regresi

Persamaan regresi: = b0 + b1X1+ b2X2 + b3X3

b0 Y b1 X 1 b2 X 2 b3 X 3

4). Menghitung koefisien regresi

Untuk menghitung koefisien regresi, digunakan skor deviasi berikut.

( 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

Skor deviasi di atas dimasukkan ke dalam persamaan tersebut, menjadi:

(1) 3044 = 3410 b1 + 3035 b2 + 2950 b3

(2) 2699 = 3035 b1 + 2802 b2 + 2595 b3
(3) 2628 = 2950 b1 + 2595 b2 + 2684 b3
Untuk menyelesaikan persamaan tersebut digunakan metode eliminasi dengan jalan:
persamaan (1) sama-sama dibagi 2950, persamaan (2) dibagi 2595, dan persamaan (3)
dibagi 2684, supaya b menjadi habis.

(1a) 1,032 = 1,190 b1 + 1,029 b2 + b3 (pembulatan)

(2a) 1,040 = 1,170 b1 + 1,080 b2 + b3 (pembulatan)
(3a) 0,979 = 1,099 b1 + 0,967 b2 + b3 (pembulatan)
----------------------------------------------------------------
(4) 1a 2a = -0,008 = 0,020 b1 + -0,051 b2 (dibagi -0,051)
(5) 2a 3a = 0,061 = 0,071 b1 + 0,113 b2 (dibagi 0,113)
---------------------------------------------------------------
(4a) 0,157 = -0,392 b1 + b2
(5a) 0,540 = 0,628 b1 + b2
--------------------------------------------------------------- -
(6) 4a 5a = -0,383 = -1,020 b1
b1 = (-0,383) : (-1,020) = 0,375 (pembulatan)
(5a) 0,540 = (0,628) (0,375) + b2
0,540 = 0,236 + b2
b2 = 0,540 - 0,236 = 0,304
(3a) 0,979 = 1,099 b1 + 0,967 b2 + b3
0,979 = (1,099)(0,375) + (0,967)(0,304) + b3
0,979 = 0,412 + 0,294 + b3
0,979 = 0,706 + b3

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

5). Menghitung harga korelasi ganda, dengan rumus berikut.

b1 x1 y b2 x 2 y b3 x3 y
Ry (1,2,3) =
y 2

(0,375 x3044) (0,304 x 2699) (0,273 x 2628)

= = 0,98423
2766

Koefisien determinasi (R2) = 0,9687; ini artinya bahwa sebesar 96,87%

produktivitas kerja karyawan dapat dijelaskan/diprediksi oleh variabel kemampuan kerja,
pemahaman kerja, dan motivasi kerja.

6). Menguji Signifikansi Regresi

JK ( reg ) / k
Untuk Uji signifikansi regresi, menggunakan uji F regresi: F =
JK ( sisa ) /( n k 1)
JK(reg) = b1 x1 y b2 x2 y b3 x3 y
= (0,375)(3044)+(0,304)(2699)+(0,273)(2628)= 2679,44
JK(T) = y2 = 2766
JK(sisa) = JK(T) = y2 JK(reg) = 2766 2679,44 = 86,56
dk reg = k (prediktor = 3)
RJK (reg) = JK(reg)/dk reg = 2679,44 : 3 = 893,147
dk (sisa) = n k 1 = 15-3-1 = 11
RJK(sisa) = JK(sisa)/dk sisa = 86,56 : 11 = 7,869
F reg = RJK(reg)/RJK(sisa) = 893,147 : 7,869 = 113,500

Tabel 21. Ringkasan Anava untuk Menguji Keberartian Regresi

Sumber JK dk RJK F hitung F tabel
Variasi
Regresi 2679,44 3 893,147 113,500*) 3,59
Sisa 86,56 11 7,869 -
Total 2766,00 14 - -

Harga F hitung selanjutnya dikonsultasikan dengan F tabel dengan derajat

kebebasan (dk) pembilang = 3 dan dk penyebut = 11 untuk taraf signifikansi 5%,
diperoleh F tabel= 3,59 dan untuk taraf signifikansi 1% = 6,22. Dengan demikian, harga
F hitung = 113,500 > dari harga F tabel pada ts. 5% = 3,59; sehingga hipotesis nol ditolak
dan hipotesis alternatif, diterima. Ini berarti bahwa koefisien regresi ganda yang
diperoleh adalah bermakna/berarti.

32
bermakna.

7). Menghitung sumbangan efektif masing-masing prediktor terhadap kriterium,

dengan langkah berikut.

(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

JK(reg) tersebut tersusun dari:

b1 x1 y (0,375)(3044) 1141,5
b2 x 2 y (0,304)(2699) 820,496
b3 x 3 y 0,273)( 2628) 717,444
-------------------------------------------- +
Total (JKreg) = 2679,44

(3) Menghitung Sumbangan Efektif dalam persen (SE%):

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:

Prediktor X1 (kemampuan kerja) dapat memberikan kontribusi terhadap kriterium

(produktivitas kerja) sebesar 41,27%; prediktor X2 ( pemahaman tugas) dapat
memberikan kontribusi terhadap produktivitas kerja sebesar 29,66%; dan prediktor X3
(motivasi kerja) dapat memberikan kontribusi terhadap produktivitas kerja sebesar
25,94%. Dengan perkataan lain bahwa produktivitas kerja karyawan dapat diprediksi oleh
kemampuan kerja sebesar 41,27%, pemahaman tugas sebesar 29,66%, dan motivasi kerja
sebesar 25,94%.

c. Korelasi Parsial

Untuk menghitung korelasi parsial, terlebih dahulu harus dihitung korelasi

sederhana antara variabel prediktor dengan variabel kriterium. Korelasi parsial bertujuan
untuk mengetahui besaran koefisien korelasi antara variabel prediktor dengan variabel
kriterium dengan mengendalikan variabel prediktor yang lain.
Korelasi antar variabel setelah dihitung dengan kalkulator, diperoleh koefisien
korelasi sebagai matrik berikut.

Tabel 22. Matrik Korelasi Antar Variabel (dihitung dengan kalkulator)

X X1 X2 X3 Y
X1 1,00 0,968 0,961 0,977
X2 1,00 0,946 0,969
X3 1,00 0,964
Y 1,00

(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.

(4) Korelasi parsial jenjang pertama untuk 3 prediktor:

r12 (r13 )( r23 ) 0,968 (0,961)(0,946) 0,058894

r12.3 0,657
(1 r 213 )(1 r 2 23 ) (1 0,9612 )(1 0,946 2 ) 0,08964775

r12 (r1 y )(r2 y ) 0,968 (0,977)(0,969) 0,021287

r12. y 0,404
(1 r 21 y )(1 r 2 2 y ) (1 0,977 2 )(1 0,969 2 ) 0,052683055

r13 (r12 )(r23 ) 0,961 (0,968)(0,946) 0,045272

r13.2 0,557
(1 r 212 )(1 r 2 23 ) (1 0,968 2 )(1 0,946 2 ) 0,081349677

r13 (r1 y )(r3 y ) 0,961 (0,977)(0,964 2 ) 0,019172

r13. y 0,338
(1 r 21 y )(1 r 2 3 y ) (1 0,977 2 )(1 0,964 2 ) 0,056700807

r23 (r12 )(r13 ) 0,946 (0,968)(0,961) 0,015752

r23.1 0,227
(1 r 212 )(1 r 213 ) (1 0,968 2 )(1 0,9612 ) 0,069399866

r23 (r2 y )(r3 y ) 0,946 (0,969)(0,964) 0,011884

r23. y 0,181
(1 r 2 2 y )(1 r 2 3 y ) (1 0,969 2 )(1 0,964 2 ) 0,065693998

r1 y (r12 )(r2 y ) 0,977 (0,968)(0,969) 0,039008

r1 y ..2 0,629
(1 r 212 )(1 r 2 2 y ) (1 0,968 2 )(1 0,969 2 ) 0,061999936

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

r3 y (r23 )(r2 y ) 0,964 (0,946)(0,969) 0,047326

r3 y .2 0,591
(1 r 2 23 )(1 r 2 2 y ) (1 0,946 2 )(1 0,969 2 ) 0,08008839

r13 (r12 )(r32 ) 0,961 (0,968)(0,946) 0,045272

r13..2 0,556
(1 r 212 )(1 r 2 32 ) (1 0,968 2 )(1 0,946 2 ) 0,081349677

r21 (r23 )(r13 ) 0,968 (0,946)(0,961) 0,058894

r21.3 0,657
(1 r 2 23 )(1 r 213 ) (1 0,946 2 )(1 0,9612 ) 0,08964775

r32 (r12 )(r13 ) 0,946 (0,968)(0,961) 0,015752

r32.1 0,227
(1 r 212 )(1 r 213 ) (1 0,968 2 )(1 0,9612 ) 0,069399866

r2 y (r23 )(r3 y ) 0,969 (0,946)(0,964) 0,057056

r2 y..3 0,662
(1 r 2 23 )(1 r 2 3 y ) (1 0,946 2 )(1 0,964 2 ) 0,08619663
r3 y (r13 )(r1 y ) 0,964 (0,961)(0,977) 0,025103
r3 y.1 0,426
(1 r 213 )(1 r 21 y ) (1 0,9612 )(1 0,977 2 ) 0,058970981
r1 y (r13 )(r3 y ) 0,977 (0,961)(0,964) 0,050596
r1 y ..3 0,688
(1 r 213 )(1 r 2 3 y ) (1 0,9612 )(1 0,964 2 ) 0,073554829

(5) Korelasi parsial jenjang kedua (untuk 3 prediktor):

Telah dihitung di atas:
ry1 = 0,977;
r y2 = 0,969;
r y3 = 0,964;
r12 = 0,968;
r13 = 0,961;
r23 = 0,946.
r12.3 0,657
r12. y 0,404
r13.2 0,557
r13. y 0,338
r23.1 0,227
r23. y 0,181
r1 y ..2 0,629
r2 y .1 0,435

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

ry1..2 ry 3.2 r13.2 0,629 (0,591)(0,556) 0,300404

ry1..23 0,448
(1 r 2 y 3.2 )(1 r 213.2 ) (1 0,591 )(1 0,556 )
2 2
0,670491112

ry 2..3 ry1..3 r21..3 0,662 (0,688)(0,657) 0,209984

ry 2..31 0,384
(1 r 2 y1..3 )(1 r 2 21..3 ) (1 0,688 2 )(1 0,657 2 ) 0,547106446
ry 3.1 ry 2.1 r32.1 0,426 (0,435)(0,227) 0,327255
ry 3.12 0,373
(1 r 2 y 2.1 )(1 r 2 32.1 ) (1 0,435 2 )(1 0,227 2 ) 0,876924497

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.

PENGANTAR STATISTIK PARAMETRIK

UNTUK PENELITIAN PENDIDIKAN
(Analisis Regresi, Korelasi, dan Analisis Varians)

38
 Disusun oleh:
Prof. Dr. I Wayan Koyan, M.Pd.

Materi Pelatihan untuk Dosen Muda

Tanggal 26 September 2009
Di Undiksha Singaraja

UNIVERSITAS PENDIDIKAN GANESHA

SINGARAJA
2009

39