Statistika Parametrik Kelompok 7
Statistika Parametrik Kelompok 7
MAKALAH
Diajukan Untuk Memenuhi Salah Satu Tugas Mata Kuliah Statistika Inferensial
Oleh :
Ipan Septiawan 142151037
Wendayani 142151032
Silfa Junia 142151162
Kelas 2014 C
Puji syukur penulis panjatkan kehadirat Alloh SWT karena berkat rahmat
Penyusunan laporan ini bertujuan untuk memenuhi salah satu tugas mata
mendapat bantuan, bimbingan, dan petunjuk dari berbagai pihak. Oleh karena itu
1. Bapak Depi Ardian Nugraha,, M.Pd., selaku dosen mata kuliah Statistika
2. Kedua orang tua yang telah senantiasa memberikan doa dan motivasi serta
balasan yang berlipat ganda dari Alloh SWT. Penulis menyadari sepenuhnya dalam
laporan ini baik dari segi isi, bahasa, dan teknik penulisan laporan ini masih jauh
dari sempurna. Oleh karena itu, penulis pengharapkan kritik dan saran yang
i
sifatnya membangun dari semua pihak yang menaruh perhatian dalam bidang ini
Akhirnya semoga laporan ini dapat bermanfaat bagi penulis khususnya dan
Penulis
ii
BAB I
PENDAHULUAN
1
2
3. Apa saja cara yang dapat dilakukan untuk menguji hipotesis rata-rata k
sampel yang berpasangan dalam uji parametrik?
C. Tujuan Makalah
1. Mengetahui apa itu statistika parametris.
2. Mengetahui jenis – jenis statistika parametris.
3. Mengetahui cara yang dapat dilakukan untuk menguji hipotesis rata-rata
k sampel yang berpasangan dalam uji parametric.
D. Kegunaan Makalah
Makalah ini disusun dengan harapan memberikan kegunaan baik
secara teoritis maupun secara praktis. Secara teoritis, makalah ini berguna
sebagai pengembangan pola pikir. Secara praktis makalah ini diharapkan
bermanfaat bagi:
1. Penulis, sebagai wahana penambah wawasan mengenai uji statistik
parametrik.
2. Pembaca, sebagai media informasi dan menambah pengetahuan para
pembaca tentang uji statistik parametrik.
E. Prosedur Makalah
Metode yang digunakan dalam penyusunan makalah ini adalah
pengumpulan data secara studi pustaka, artinya penulis mengambil data
melalui kegiatan membaca berbagai literature yang relevan dengan tema
makalah seperti buku-buku yang berhubungan dengan tema dan internet.
Data tersebut diolah dengan teknik analisis isi melalui kegiatan
mengeksposisikan data dan mengaplikasikannya dalam konteks tema
makalah.
BAB II
PEMBAHASAN
A. Statistika Parametrik
Statistik Parametrik yaitu ilmu statistik yang mempertimbangkan jenis
sebaran atau distribusi data, yaitu apakah data menyebar secara normal atau
tidak. Dengan kata lain, data yang akan dianalisis menggunakan statistik
parametrik harus memenuhi asumsi normalitas. Pada umumnya, jika data tidak
menyebar normal, maka data seharusnya dikerjakan dengan metode statistik
non-parametrik, atau setidak-tidaknya dilakukan transformasi terlebih dahulu
agar data mengikuti sebaran normal, sehingga bisa dikerjakan dengan statistik
parametrik.
Syarat uji statistik parametrik:
- Sampel berasal dari populasi dengan distribusi normal
- Sampel diambil secara random
- Sampel mempunyai varians yang sama
- Skala pengukuran interval atau rasio
Keunggulan:
- Syarat syarat parameter dari suatu populasi yang menjadi sampel
biasanya tidak diuji dan dianggap memenuhi syarat.
- Sampel berasal populasi yang berdistribusi normal dan memiliki varian
yang homogen.
Kelemahan:
- Populasi harus memiliki varian yang sama.
- Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam skala
interval.
- Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi
harus normal dan bervarian sama, dan harus merupakan kombinasi linear
dari efek-efek yang ditimbulkan.
3
4
One tail test (uji pihak kiri) biasanya digunakan bila Ho berbunyi
“lebih besar/sama dengan (≥)” dan Ha berbunyi “lebih kecil(<)”
Contoh rumusan hipotesa:
Ho = daya tahan lampu minimal 400 jam (≥ 400𝑗𝑎𝑚)
Ha = daya tahan lampu lebih kecil dari 400 jam (< 400𝑗𝑎𝑚)
2) Uji-T One Tail Test (Kanani)
One Tail Test (uji pihak kanan) biasanya digunakan apabila Ho
berbunyi “lebih kecil atau sama dengan(≤)” dan Ha berbunyi “lebih
besar (>)”
Contoh rumusan hipotesa:
Ho = pedagang labu paling banyak menjual 100 kg/hari (≤ 100𝑘𝑔)
Ha = pedagang labu dapat menjual lebih dari 100kg/hari(> 100𝑘𝑔)
b) Asumsi Dasar
- Data merupakan data kuantitatif
- Data harusnya diukur dengan skala interval atau rasio
5
𝑥̅ − 𝜇0
𝑡=
𝑆𝐷
√𝑛
Keterangan:
𝑡 = Nilai t yang dihitung , selanjutnya disebut t hitung
𝑥̅ = Rata-rata 𝑥𝑖
𝜇0 = Nilai yang dihipotesiskan
𝑆𝐷 = Standar deviasi
𝑛 = Jumlah anggota sampel
Rumus standar deviasi
∑(𝑥𝑖 − 𝑥̅ )2
𝑆𝐷 = √
(𝑛 − 1)
Keterangan:
𝑥𝑖 = Data ke i
𝑥̅ = Mean
𝑛 = Jumlah data
d) Langkah – langkah
- Hitung nilai t
- Menggambar kurva
Ketentuannya:
6
e) Contoh Kasus
Suatu perusahaan lampu pijar merk Laser, menyatakan bahwa daya
tahan lampu yang dibuat paling sedikit 400 jam. Berdasarkan
pernyataan produsen tersebut, maka lembaga konsumen akan
meelakukan pengujian, apakah daya tahan lampu itu betul 400 jam atau
tidak, sebab ada keluhan dari masyarakat yang menyatakan bahwa
lampu pijar merk Laser tersebut cepat putus.
Penyelesaian:
Dari uji coba diperoleh dta tentang daya tahan 25 lampu sebagai
berikut:
450 390 400 480 500 380 350 400 340
300 300 345 375 425 400 425 390 340
350 360 300 200 300 250 400
Rumusan hipotesis statistik adalah:
𝐻0 : 𝜇0 ≥ 400 𝑗𝑎𝑚
𝐻1 : 𝜇0 < 400 𝑗𝑎𝑚
Pengujiannya dilakukan dengan uji pihak kiri.
450+390+400+⋯+400
𝑥̅ = = 366
25
𝑥̅ −𝜇0
𝑡= 𝑠
√𝑛
366−400
= 68,25
√25
= −2,49
𝑑𝑘 = 24 dan taraf kesalahan 5% untuk uji satu pihak = 1,711.
7
𝑡ℎ𝑖𝑡𝑢𝑛𝑔 = −2,49 < 𝑡𝑡𝑎𝑏𝑒𝑙 = −1, 711, dengan demikian 𝐻0 𝑑𝑖𝑡𝑜𝑙𝑎𝑘 dan
𝐻1 diteriam. Maka, dapat disimpulkan bahwa daya tahan lampu kurang
dari 400 jam.
2. T test related
a) Dasar Teori
Uji – t berpasangan (paired t-test) adalah salah satu metode pengujian
hipotesis dimana data yang digunakan tidak bebas (berpasangan). Ciri-
ciri yang paling sering ditemui pada kasus yang berpasangan adalah
satu individu (objek penelitian) dikenai 2 buah perlakuan yang berbeda.
Walaupun menggunakan individu yang sama, peneliti tetap
memperoleh 2 macam data sampel, yaitu data dari perlakuan pertama
dan data dari perlakuan kedua.
Hipotesis dari kasus ini dapat ditulis :
𝐻0 = 𝜇1 − 𝜇2 = 0
𝐻1 = 𝜇1 − 𝜇2 ≠ 0
Digunakan untuk membandingkan mean dari suatu sampel yang
berpasangan (paired). Sampel berpasangan adalah sebuah kelompok
sampel dengan subyek yang sama namun mengalami dua perlakuan
atau pengukuran yang berbeda. Menguji perbedaan kondisi awal /
sebelum dan setelah perlakukan.
b) Asumsi Dasar
- Data yang di kumpulkan dari dua sample yang saling berhubungan.
- Data yang digunakan biasanya berskala interval atau rasio.
- Data harus mendekati distribusi normal.
c) Rumus
𝐷̅
𝑡ℎ𝑖𝑡 =
𝑆𝐷
√𝑛
Keterangan:
𝑡 = nilai hitung
8
F 72 76
G 68 78
H 67 80
I 69 79
J 79 84
Dengan taraf signifikansi α = 0,05. Apakah terdapat pengaruh model
pembelajaran Cooperative learning type jigsaw terhadap prestasi
belejar matematika?
Penyelesaian :
1. Hipotesis
𝐻0 = 𝜇1 − 𝜇2 = 0
𝐻1 = 𝜇1 − 𝜇2 ≠ 0
2. Uji statistik t (karena 𝛼 tidak diketahui, 𝛼 = 0,05)
3. Wilayah kritis : 𝑡ℎ𝑖𝑡 < 𝑡𝛼;(𝑛−1) 𝑎𝑡𝑎𝑢 𝑡ℎ𝑖𝑡 > 𝑡𝛼;9𝑛−1)
4. Perhitungan
𝐷̅
𝑡=
𝑆𝐷
√𝑛
Tabel perhitungan statistik
10 79 84 5 -0,8 0,64
∑ 58 167,6
1 2
𝑠 2 (𝑣𝑎𝑟𝑖𝑎𝑛𝑠) ̅)
= 𝑛−1 ∑ ((𝑥𝑗 − 𝑥𝑖 ) − 𝐷
1
= 9 (167,6)
= 18,62
𝑠 = √𝑣𝑎𝑟𝑖𝑎𝑛𝑠
= √18,62
= 4,32
̅
𝐷
𝑡 = 𝑆𝐷
√𝑛
5,8
= 4,32
√10
= 4,246
Karena 𝑡ℎ𝑖𝑡 = 4,246 > 𝑡𝑡𝑎𝑏 = 2,262 disimpulkan untuk menolak 𝐻0 ,
artinya pernyataan bahwa selisih rata-rata antara sebelum dan sesudah
diterapkan model Cooperative Learning ype Jigsaw berbeda. Atau
dapat dikatakan terdapat pengaruh / efektif Cooperative learning type
jigsaw terhadap prestasi belajar matematika.
3. T test independen
a) Teori Dasar
Digunakan untuk membandingkan dua kelompok mean dari dua sampel
yang berbeda (independent). Prinsipnya ingin mengetahui apakah ada
perbedaan mean antara dua populasi, dengan membandingkan dua mean
sampelnya. Misal: Melihat perbedaan antara kelas yang diberi pelatihan
dan yang tidak diberi pelatihan.
b) Asumsi Dasar
- Data harus mendekati distribusi normal.
11
Dimana :
̅̅̅1 = rata-rata sampel 1
𝑋
̅̅̅2 = rata-rata sampel 2
𝑋
𝑆12 = varians sampel 1
𝑆22 = varians sampel 2
𝑁 = jumlah sampel
Rumus Independent T Test (jumlah ke dua sampel tersebut sama)
̅̅̅1 − 𝑋
𝑋 ̅̅̅2
𝑡=
(𝑛 − 1)𝑆12 + (𝑛2 − 1)𝑆22 1 1
√ 1 (𝑛 + 𝑛 )
𝑛1 + 𝑛2 − 2 1 2
d) Langkah – langkah
- Menentukan hipotesis
- Menentukan taraf signifikan
- Menentukan nilai 𝑡ℎ𝑖𝑡𝑢𝑛𝑔
- Menentukan nilai 𝑡𝑡𝑎𝑏𝑒𝑙
- Menentukan kriteria pengujian
- Kesimpulan
e) Contoh Kasus
Seorang guru SMA Mercu Buana ingin meneliti pengaruh les tambahan
di sekolah terhadap prestasi belajar siswanya untuk mata pelajaran
matematika. Dari 20 siswa akan di bagi menjadi 2 kelompok, yaitu
mengikuti les tambahan (LT) dan tidak mengikuti les tambahan (TLT).
12
No LT No TLT
1 80 1 78
2 78 2 76
3 77 3 74
4 68 4 70
5 82 5 74
6 76 6 70
7 75 7 75
8 78 8 70
9 70 9 72
10 73 10 70
Tingkat signikansi α = 0,05
Penyelesaian:
- Menentukan Hipotesis
𝐻0 ∶ tidak ada pengaruh les tambahan terhadap prestasi belajar
siswa.
𝐻1 : ada pengaruh les tambahan terhadap prestasi belajar siswa.
- Taraf signifikansi 𝛼 = 0,05 dan df = 18
𝑥1 = 75,7
̅̅̅
𝑥2 = 72,9
̅̅̅
𝑠12 = 18,9
𝑠22 = 8,544
𝑛1 = 10
𝑛2 = 10
- Menentukan nilai 𝑡ℎ𝑖𝑡𝑢𝑛𝑔
̅̅̅̅
𝑋1 −𝑋̅̅̅̅
2
𝑡=
(𝑛 −1)𝑆2 2
1 +(𝑛2 −1)𝑆2 ( 1 + 1 )
√ 1
𝑛1 +𝑛2 −2 𝑛1 𝑛2
13
75,7−72,9
𝑡= (10−1)18,9+(10−1)8,544 1 1
√ ( + )
10+10−2 10 10
𝑡 = 1,690
- Menentukan nilai 𝑡𝑡𝑎𝑏𝑒𝑙
𝑡𝑡𝑎𝑏 = 𝑡0,05 ,18 = 2,101
- Kriteria
Karena 𝑡ℎ𝑖𝑡 = 1,690 < 𝑡𝑡𝑎𝑏 = 2,101, maka 𝐻0 diterima artinya
tidak
- Kesimpulan
Ada pengaruh les tambahan terhadap prestasi belajar.
4. One Way Anova
a) Teori Dasar
Anova satu jalur adalah anova yang meperhatikan satu buah peubah
bebas.
b) Asumsi Dasar
- Data berdistribusi normal, karena pengujiannya menggunakan uji
F–Snedecor
- Varians atau ragamnya homogen, dikenal sebagai
homoskedastisitas, karena hanya digunakan satu penduga
(estimate) untuk varians dalam contoh
- Masing – masing contoh saling bebas, yang harus dapat diatur
dengan perancangan percobaan yang tepat
- Komponen – komponen dalam modelnya bersifat aditif (saling
menjumlah)
c) Langkah – langkah
- Tentukan hipotesis 𝐻0 dan 𝐻1
𝐻0 ∶ 𝜇1 = 𝜇2 = ⋯ = 𝜇𝑘
𝐻1 = 𝑝𝑎𝑙𝑖𝑛𝑔 𝑠𝑒𝑑𝑖𝑘𝑖𝑡 𝑎𝑑𝑎 𝑠𝑎𝑡𝑢 𝑡𝑎𝑛𝑑𝑎 𝑡𝑖𝑑𝑎𝑘 𝑠𝑎𝑚𝑎 𝑑𝑒𝑛𝑔𝑎𝑛
- Membuat tabel anova satu arah
14
Total ∑ 𝑛𝑖 ∑ 𝑦2
Keterangan:
𝑘 = 𝐵𝑎𝑛𝑦𝑎𝑘 𝑘𝑎𝑡𝑒𝑔𝑜𝑟𝑖 𝑎𝑡𝑎𝑢 𝑘𝑒𝑙𝑜𝑚𝑝𝑜𝑘
- Mencari F tabel
Menentukan 𝑑𝑘 pembilang dengan cara (𝑘 − 1)
Menentukan 𝑑𝑘 penyebut dengan cara ∑(𝑛𝑖 − 1)
Menentukan 𝛼 (alpha)
- Menentukan Kriteria Pengujian
𝐻0 𝑑𝑖𝑡𝑜𝑙𝑎𝑘, 𝑗𝑖𝑘𝑎 𝐹ℎ𝑖𝑡 > 𝐹𝑡𝑎𝑏𝑒𝑙
d) Contoh Kasus
Empat macam campuran makanan diberikan kepada kambing dalam
rangka percobaan untuk meningkatkan pertambahan berat
dagingnya. Setelah percobaan selesai, pertambahan berat dagingnya
dicatat dan hasilnya sebagai berikut:
15
∑(𝑛𝑖 − 1)
𝐷𝑦
= (5 − 1) 2 𝐷=
𝐷𝑦 = ∑ 𝑦 − 𝑅𝑦 − 𝐴𝑦 ∑(𝑛𝑖 − 1)
Dalam + (5 − 1)
𝐷𝑦 = 4738 − 4355,56 − 10,24 373,20
Kelompok + (4 − 1) 𝐷=
14
𝐷𝑦 = 372,20
+ (4 − 1) 𝐷 = 26,59
= 14
∑ 𝑛𝑖
∑ 𝑦2
Total =1+3
= 122 + 202 + 232 + ⋯ + 182 + 192
+ 14
= 4738
= 18
∑(𝑛𝑖 − 1) = (5 − 1) + (5 − 1) + (4 − 1) + (4 − 1) = 14
Menentukan 𝛼 (alpha)
Peluangnya 0,95 jadi 𝛼 = 0,05
Ternyata 𝐹ℎ𝑖𝑡 < 𝐹𝑡𝑎𝑏𝑒𝑙 = 0,128 < 3,34, artinya 𝐻0 diterima dalam
taraf nyata 0,05. Jadi tidak ada perbedaan keempat macam campuran
makanan yang menyebabkan pertambahan berat badan kambing.
c) Langkah – langkah
Anova Dua Arah tanpa Interaksi
Penuhi asumsi data
Membuat tabel pengamatan
18
Dimana:
𝑟 = 𝑏𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎 𝑏𝑎𝑟𝑖𝑠 (𝑏𝑙𝑜𝑘), 𝑖 = 1,2,3, … , 𝑟
𝑘 = 𝑏𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎 𝑘𝑜𝑙𝑜𝑚 (𝑝𝑒𝑟𝑙𝑎𝑘𝑢𝑎𝑛), 𝑗 = 1,2,3, … , 𝑘
𝑥𝑖𝑗 = 𝑑𝑎𝑡𝑎 𝑝𝑎𝑑𝑎 𝑏𝑎𝑟𝑖𝑠 𝑘𝑒 − 𝑖 𝑑𝑎𝑛 𝑘𝑜𝑙𝑜𝑚 𝑘𝑒 − 𝑗
𝑇𝑖∗ = 𝑡𝑜𝑡𝑎𝑙 (𝑗𝑢𝑚𝑙𝑎ℎ) 𝑏𝑎𝑟𝑖𝑠 𝑘𝑒 − 𝑖
𝑇∗𝑗 = 𝑡𝑜𝑡𝑎𝑙 (𝑗𝑢𝑚𝑙𝑎ℎ) 𝑘𝑜𝑙𝑜𝑚 𝑘𝑒 − 𝑗
𝑇∗∗ = 𝑡𝑜𝑡𝑎𝑙 𝑠𝑒𝑙𝑢𝑟𝑢ℎ 𝑝𝑒𝑛𝑔𝑎𝑚𝑎𝑡𝑎𝑛
Melakukan perhitungan
Dalam hal ini perhitungan sama dengan anova satu arah, yaitu
menghitung berbagai jumlah kuadrat:
𝐽𝐾𝑇 = 𝐽𝐾𝐵 + 𝐽𝐾𝐾 + 𝐽𝐾𝐺
Dimana:
Jumlah Kuadrat Total:
𝑟 𝑘
2
𝑇∗∗2
𝐽𝐾𝑇 = ∑ ∑ 𝑥𝑖𝑗 −( )
𝑟𝑘
𝑖=1 𝑗=1
𝑟
𝑇𝑖∗2 𝑇∗∗2
𝐽𝐾𝐵 = ∑ ( ) − ( )
𝑘 𝑟𝑘
𝑖=1
Merumuskan hipotesis
Dalam anovadua arah terdapat dua kasus yang diuji: mean
semua perlakuan (kolom) dan mean semua blok (baris)
a. Membandingkan mean semua perlakuan (kolom)
Hipotesis uji:
𝐻0 : semua rata – rata perlakuan (kolom) adalah sama
𝐻1 : ada rata – rata perlakuan (kolom) yang berbeda
b. Membandingkan mean semua blok (baris)
Hipotesis uji:
𝐻0 : semua rata – rata blok (baris) adalah sama
𝐻1 : ada rata – rata blok (baris) yang berbeda
𝐽𝐾𝑇
Total JKT 𝑟𝑘 − 1 𝑀𝐾𝑇 =
𝑑𝑓
𝑟 2 2
𝑇𝑖∗∗ 𝑇∗∗∗
𝐽𝐾𝐵 = ∑ −( )
𝑘𝑛 𝑟𝑘𝑛
𝑖=1
Interaksi JK (BK):
∑𝑟𝑖=1 ∑𝑘𝑗=1 𝑇𝑖𝑗∗
2
∑𝑟𝑖=1 𝑇𝑖∗∗
2 ∑𝑘𝑗=1 𝑇∗𝑗∗
2 2
𝑇∗∗∗
𝐽𝐾[𝐵𝐾] = − − +
𝑛 𝑘𝑛 𝑟𝑛 𝑟𝑘𝑛
Jumlah Kuadrat Galat:
𝐽𝐾𝐺 = 𝐽𝐾𝑇 − 𝐽𝐾𝐾 − 𝐽𝐾𝐵 − 𝐽𝐾[𝐵𝐾]
Menghitung derajat kebebasan
𝑑𝑘 𝑡𝑜𝑡𝑎𝑙 = (𝑟𝑘𝑛 − 1)
𝑑𝑘 𝑘𝑜𝑙𝑜𝑚 = (𝑘 − 1)
𝑑𝑘 𝑏𝑎𝑟𝑖𝑠 = (𝑟 − 1)
𝑑𝑘 𝐽𝐾[𝐵𝐾] = [𝑟 − 1][𝑘 − 1]
𝑑𝑘 𝑔𝑎𝑙𝑎𝑡 = 𝑟𝑘[𝑛 − 1]
Menghitung varians antar kelompok dan varians dalam
kelompok
𝐽𝐾𝐾
𝐾𝑇𝐾 =
𝑑𝑏. 𝐽𝐾𝐾
𝐽𝐾𝐵
𝐾𝑇𝐵 =
𝑑𝑏 𝐽𝐾𝐵
𝐽𝐾𝐺
𝐾𝑇𝐺 =
𝑑𝑏 𝐽𝐾𝐺
𝐽𝐾[𝐵𝐾]
𝐾𝑇[𝐵𝐾] =
𝑑𝑏 𝐽𝐾[𝐵𝐾]
Menghitung F hitung
𝐾𝑇𝐾
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 (𝑘𝑜𝑙𝑜𝑚) =
𝐾𝑇𝐺
𝐾𝑇𝐵
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 (𝑏𝑎𝑟𝑖𝑠) =
𝐾𝑇𝐺
𝐾𝑇[𝐵𝐾]
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 (𝑖𝑛𝑡𝑒𝑟𝑎𝑘𝑠𝑖) =
𝐽𝐾𝐺
Mencari F tabel
22
< 20 tahun
5 0 3 4
#1
4 2 4 2
#2
5 1 8 2
#3
20-40 tahun
5 4 2 5
#1
6 2 2 3
#2
2 1 4 2
#3
> 40 tahun
4 5 2 6
#1
4 5 1 4
#2
5 0 2 4
#3
o Hipotesis interaksi
H0: (ab)11 = (ab)12 = ... = (ab)kj, Tidak ada interaksi antara
variabel metode dan umur
H1: (ab)11 ≠ (ab)12 ≠ ... ≠(ab)kj, ada interaksi antara variabel
metode dan umur
Langkah 2. Identifikasi model.
Pertama, berdasarkan hipotesis yang digunakan yaitu
membandingkan rata-rata lebih dari dua kelompok maka metode
yang mungkin adalah Anova. Kedua Sampel yang digunakan tiap
kelompok sudah dikategorikan sehingga tipe anova yang cocok
adalah Anova dua arah. Kemudian dari tiap kategori tersebut
dilakukan pengulangan sehingga kita menggunakan anova dua arah
dengan interaksi.
Langkah 3. Memeriksa asumsi Anova.
Dalam metode anova yang perlu diperhatikan ada empat seperti
pada keterangan diatas. Asumsi normal dan homogenitas antar
varians kelompok harus terpenuhi. Dalam contoh ini kita
asumsikan asumsi terpenuhi karena kita fokus pada langkah-
langkah anova dua arah dengan interaksi. Kemudian kelompok
yang dianalisis berasal dari kelompok saling bebas dan data yang
digunakan merupakan data rasio. Setelah asumsi ini terpenuhi
maka bisa lanjut ke perhitungan selanjutnya, kalau tidak ganti
metode.
Langkah 4. Menyusun/mengkategorikan tabel data agar lebih
mudah menghitungnya.
Penghitungannya agak berbeda dengan jenis anova yang lain,
perhitungannya terpisah seperti berikut:
< 20 tahun
#1 5 0 3 4
T1** = 40
#2 4 2 4 2
#3 5 1 8 2
T11* = T13* =
T12* = 3 T14* = 8
14 15
20-40 tahun
#1 5 4 2 5
T2**
#2 6 2 2 3
#3 2 1 4 2
T21* = T24* =
T22* = 7 T23* = 8
13 10
> 40 tahun
#1 4 5 2 6
T3**=42
#2 4 5 1 4
#3 5 0 2 4
F
Kolom (K) JKK = 23,11 db JKK = 4-1 = 3 KTK =7,70
hitung
28
=
3,04
F
hitung
Baris (B) JKB = 0,67 db JKB = 3-1 =2 KTB =0.085
=
0.13
F
JK[BK] = db JK[BK] = 2x3 KT[BK] hitung
Interaksi (BK)
31,56 =6 =5.26 =
0.28
db JKG=
Galat (G) JKG = 60,67 KTG =2,53
3x4x2=24
db JKT=[3x4x3]
Total (T) JKT =116
-1 =35
1) Teori Dasar
Korelasi adalah istilah statistik yang menyatakan derajat hubungan
linear (searah bukan timbal balik) antara dua variabel atau lebih.
2) Kegunaan
- Untuk menyatakan ada atau tidaknya hubungan yang signifikan
antara variabel X dengan Y.
- Untuk menyatakan besarnya sumbangan variabel satu terhadap
variabel yang lainnya yang dinyatakan dalam persen (%).
3) Asumsi Dasar
- Data dipilih secara acak
- Data harus berbentuk interval atau rasio
- Variabel yang dihubungkan mempunyai data yang berdistribusi
normal
- Variabel yang dihubungkan mempunyai data linear
- Variabel yang dihubungkan mempunyai pasangan sama dari
subjek yang sama pula (homogen)
4) Rumus
Σ𝑥𝑦
𝑟𝑥𝑦 =
√(Σ𝑥 2 )(Σ𝑦 2 )
Keterangan:
𝑟𝑥𝑦 = korelasi antar variabel x dengan y
𝑥 = (𝑥𝑖 − 𝑥̅ )
𝑦 = (𝑦𝑖 − 𝑦̅)
Atau,
𝑛Σ𝑋𝑌 − Σ𝑋Σ𝑌
𝑟𝑋𝑌 =
√{𝑛Σ𝑋 2 − (Σ𝑋)2 }{𝑛Σ𝑌 2 − (Σ𝑌)2 }
Untuk mengatakan besar kecilnya sumbangan variabel X terhadap
Y dapat ditentukan dengan rumus koefisien determinan:
𝐾𝐷 = 𝑟 2 × 100%
Keterangan:
𝐾𝐷 = besarnya koefisien determinan
30
𝑟 = koefisien korelasi
Rumus Uji Signifikansi dengan rumus T Tes dengan 𝑑𝑘 = 𝑛 − 2
𝑟√𝑛 − 2
𝑡ℎ𝑖𝑡 =
√1 − 𝑟 2
5) Kelayakan nilai r
- Batas nilai 𝑟, nilai r terbesat +1 dan terkecil −1 = −1 ≤ 𝑟 ≤
+1
- Untuk 𝑟 = +1 disebut hubungan positif sempurna dan
hubungan langsung sangat tinggi
- Untuk 𝑟 = −1 disebut hubungan negatif sempurna dan
hubungan tidak langsung sangat tinggi
- Hanya untuk hubungan linier
- Tidak berlaku utk sampel dg varian = 0
- 𝑟 tidak mempunyai satuan (dimensi), jika nilai 𝑟 berada di antara
−1 dg +1, maka makna dari 𝑟 dapat dikonsultasikan dengan
tabel :
Tabel 2.1 interpretasi dari nilai 𝒓
R Interpretasi
0 Tidak berkorelasi
0,01 − 0,20 Sangat rendah
0,20 − 0,40 rendah
0,41 − 0,60 Agak rendah
0,61 − 0,80 Cukup
0,81 − 0,99 Tinggi
1 Sangat tinggi
6) Langkah-langkah
a) Membuat hipotesis dalam bentuk kalimat
b) Membuat hipotesis dalam bentuk statistik
c) Membuat tabel pembantu
Biaya Nilai
Promosi Penjualan XY 𝑿𝟐 𝒀𝟐
X Y
31
d) Mencari 𝑟ℎ𝑖𝑡𝑢𝑛𝑔 :
𝑛Σ𝑋𝑌 − Σ𝑋Σ𝑌
𝑟𝑋𝑌 =
√{𝑛Σ𝑋 2 − (Σ𝑋)2 }{𝑛Σ𝑌 2 − (Σ𝑌)2 }
e) Menentukan besarnya sumbangan koefisien determinan atau
koefisien penentu variabel x terhadap variabel y dengan rumus
𝐾𝐷 = 𝑟 2 × 100%
f) Menentukan nilai 𝑡ℎ𝑖𝑡𝑢𝑛𝑔
𝑟√𝑛 − 2
𝑡ℎ𝑖𝑡 =
√1 − 𝑟 2
g) Menentukan nilai 𝑡𝑡𝑎𝑏𝑒𝑙
𝛼
Dengan 𝛼 = 2 dan 𝑑𝑘 = 𝑛 − 2
h) Kriterian pengujian
Jika 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 ≥ 𝑡𝑡𝑎𝑏𝑒𝑙 𝐻0 ditolak maka signifikan
Jika 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 < 𝑡𝑡𝑎𝑏𝑒𝑙 𝐻0 diterima maka tidak signifikan
i) kesimpulan
7) Contoh kasus
“Hubungan Motivasi dengan Kinerja Dosen STAI Daruttaqwa
Gresik”
Motivasi : 60 70 75 65 70 60 80 75 85 90 70 85
(X)
Kinerja : 450 475 450 470 475 455 475 470 485 480 475 480
(Y)
1) Berapakah besar hubungan motivasi dengan kinerja dosen?
2) Berapakah besar sumbangan (kontribusi) motivasi dengan
kinerja dosen?
3) Buktikan apakah ada hubungan yang signifikan antara motivasi
dengan kinerja dosen?
Penyelesaian:
a) Membuat hipotesis dalam bentuk kalimat
32
d) Mencari 𝑟ℎ𝑖𝑡𝑢𝑛𝑔 :
𝑛Σ𝑋𝑌 − Σ𝑋Σ𝑌
𝑟𝑋𝑌 =
√{𝑛Σ𝑋 2 − (Σ𝑋)2 }{𝑛Σ𝑌 2 − (Σ𝑌)2 }
12(416.825) − (885)(5.460)
=
√{12(66.325) − (885)2 }{12(2.652.350) − (5640)2 }
169.900
=
365.327,02
= 0,465
33
𝑟√𝑛 − 2
𝑡ℎ𝑖𝑡 =
√1 − 𝑟 2
0,465√12 − 2
=
√1 − 0,4652
= 3,329
g) Menentukan nilai 𝑡𝑡𝑎𝑏𝑒𝑙
Dengan 𝛼 = 0,05 dan 𝑑𝑘 = 𝑛 − 2
𝑡𝑡𝑎𝑏𝑒𝑙 = 2,228
h) Kriterian pengujian
Jika 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 (3,329) > 𝑡𝑡𝑎𝑏𝑒𝑙 (2,228) 𝐻0 ditolak, artinya ada
hubungan yang signifikan antara motivasi dengan kinerja dosen.
i) Kesimpulan
1) Berapakah besar hubungan motivasi dengan kinerja dosen?
𝑟𝑥𝑦 sebesar 0,465 tergolong kategoricukup kuat.
2) Berapakah besar sumbangan (kontribusi) motivasi dengan
kinerja dosen?
𝐾𝐷 = 21,62% artinya motivasi memberikan kontribusi
terhadap kinerja dosen sebesar 21,62% dan sisnya 78,38%
ditentukan oleh variabel lain.
3) Buktikan apakah ada hubungan yang signifikan antara
motivasi dengan kinerja dosen?
Terbukti bahwa ada hubungan yang signifikan antara
motivasi dengan kinerja dosen. Ternyata 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 (3,329) >
34
7. Partial Correlation
1) Teori Dasar
Korelasi parsial (partial correlation) merupakan perluasan dari
korelasi sederhana atau korelasi pearson. Jika korelasi sederhana
melibatkan satu variabel terikat (dependent) dan satu variabel bebas
(independent), maka korelasi parsial melibatkan lebih dari satu
variabel bebas dan satu variabel terikat. Variabel bebasnya terbagi
atas dua penggunaan yaitu satu variabel bebas sebagai yang
memiliki hubungan dengan variabel terikat dan variabel bebas yang
lainnya sebagai variabel kontrol dimana variabel ini diduga
mempengaruhi hubungan antara satu variabel bebas dan satu
variabel terikat. Dengan demikian, analisis korelasi parsial
merupakan suatu metode yang digunakan untuk mengidentifikasi
kuat lemahnya hubungan antar variabel bebas dan variabel terikat,
dimana variabel bebas lainnya dikontrol atau dianggap berpengaruh.
2) Asumsi Dasar
- Sampel harus diambil secara acak
- Data harus berbentuk interval atau rasio
3) Rumus
Dimana:
𝑟𝑦𝑥1 = korelasi antara variabel terikat 𝑌 dengan variabel bebas 𝑋1
𝑟𝑦𝑥2 = korelasi antara variabel terikat 𝑌 dengan variabel bebas 𝑋2
𝑟𝑥1 𝑥2 = korelasi antara variabel bebas 𝑋1dengan variabel bebas 𝑋2
35
X1 rx1 y⬚
rx1x2
Y
X2 rx2 y⬚
Hepotesis :
Ha : Ada pengaruh yang signifikan antara X2 dan Y jika X1 tetap.
H0 : Tidak ada pengaruh yang signifikan antara X2 dan Y jika X1
tetap.
Jika X2 tetap maka :
X1 rx1 y⬚
rx1 x2
Y
X2 rx2 y⬚
Hepotesis :
Ha : Ada pengaruh yang signifikan antara X1 dan Y jika X2 tetap
H0 : Tidak ada pengaruh yang signifikan antara X1 dan Y jika X2
tetap
Menentukan koefisien determinasi
𝐾𝑃 = 𝑟 2 𝑥 100%
Keterangan:
KP = besarnya koefisien penentu (diterminan)
36
r = koefisien korelasi
Keterangan:
thitung = nilai yang akan dibandingkan dengan ttabel
rpar = nilai koefisien parsial
n = jumlah sampel
4) Langkah – langkah
a) Menentukan Hipotesis
𝐻0 : Tidak ada pengaruh yang signifikan
𝐻𝑎 : Ada pengaruh yang signifikan
d) Menentukan nilai KP
𝐾𝑃 = 𝑟 2 . 100%
e) Menentukan nilai 𝑡ℎ𝑖𝑡𝑢𝑛𝑔
rpar √n−3
t hitung =
√1−r2par
5) Contoh Kasus
Pada salah satu areal pembibitan di PT Tunas Agro telah diketahui
bahwa pertumbuhan bibit kelapa sawit di MN (main nursery) kurang
maksimal. Untuk mengetahui kurang maksimalnya pertumbuhan
bibit kelapa sawit tersebut, maka perusahaan melakukan riset untuk
mengetahui kuat lemahnya pengaruh hubungan antara dosis
pemupukan (X1) dengan curah hujan (X2) terhadap pertumbuhan
bibit kelapa sawit (Y).
Pada riset yang dilakukan kali ini akan menitik beratkan pengaruh
curah hujan terhadap pertumbuhan bibit kelapa sawit dengan dosis
pemupukan yang dikendalikan (konstan). Untuk itu perusahaan
mengambil 12 sampel bibit kelapa sawit pada beberapa lokasi
pembibitan di Main Nursery secara acak dan diperoleh data sebagai
berikut:
X1 X2 Y
5 26 1,20
5 97 1,24
5 47 1,30
10 88 1,33
10 97 1,42
10 75 1,50
20 88 1,57
20 75 1,61
20 20 1,74
40 88 1,81
40 53 1,89
40 75 1,96
∑X= 225 ∑Y=829 ∑Y=18,57
Keterangan :
X1 = Dosis Pupuk (gr)
X2 = Curah Hujan (mm)
38
Y = Pertumbuhan (m)
Apakah terdapat pengaruh yang signifikan antara antara dosis
pemupukan (X1) dengan curah hujan (X2) terhadap pertumbuhan
bibit kelapa sawit (Y)?
Penyelesaian:
a) Hipotesis
𝐻0 : Tidak ada pengaruh yang signifikan antara curah hujan (X2)
dan pertumbuhan bibit kelapa sawit (Y) jika dosis
pemupukan (X1) tetap.
𝐻𝑎 : Ada pengaruh yang signifikan antara curah hujan (X2) dan
pertumbuhan bibit kelapa sawit (Y) jika dosis pemupukan
(X1) tetap.
b) Tabel pembantu
No X1 X2 Y X12 X22 Y2 X1Y X2Y X1X2
1 5 26 1,2 25 676 1,44 6 31,2 130
2 5 97 1,24 25 9409 1,5376 6,2 120,28 485
3 5 47 1,3 25 2209 1,69 6,5 61,1 235
4 10 88 1,33 100 7744 1,7689 13,3 117,04 880
5 10 97 1,42 100 9409 2,0164 14,2 137,74 970
6 10 75 1,5 100 5625 2,25 15 112,5 750
7 20 88 1,57 400 7744 2,4649 31,4 138,16 1760
8 20 75 1,61 400 5625 2,5921 32,2 120,75 1500
9 20 20 1,74 400 400 3,0276 34,8 34,8 400
10 40 88 1,81 1600 7744 3,2761 72,4 159,28 3520
11 40 53 1,89 1600 2809 3,5721 75,6 100,17 2120
12 40 75 1,96 1600 5625 3,8416 78,4 147 3000
Σ 225 829 18,57 6375 65019 29,48 386 1280,02 15750
c) Menentukan nilai
n. x1 y ( x1 )( y )
𝑟𝑥1 𝑦
n. x
=
( x1 ) 2 . n. y 2 ( y )
2 2
1
39
12.386 (225).(18,57)
=
12.6375 (225) . 12.29,48 (18,57)
2 2
= 0,94
n. x 2 y ( x 2 )( y )
𝑟𝑥2 𝑦 =
n. x 2
2
( x 2 ) 2 . n. y 2 ( y )
2
12.1280,02 (829).(18,57)
=
12.65019 (829) . 12.29,48 (18,57)
2 2
= −0,03
n. x1 x 2 ( x1 )( x 2 )
𝑟𝑥1 𝑥2
n. x
=
( x1 ) 2 . n. x 22 ( x 2 )
2 2
1
12.15750 (225).(829)
=
12.6375 (225) . 12.65019 (829)
2 2
= 0,05
𝑟𝑥2 𝑦 −𝑟𝑥1 𝑦 .𝑟𝑥1 𝑥2
𝑟𝑥1 (𝑥2 𝑦) =
√(1−𝑟𝑥21 𝑦 )(1−𝑟𝑥21 𝑥2 )
(−0,03)−(0,94 .0,05)
=
√(1−(0,94)2 )(1−(0,05)2 )
d) Menentukan nilai KP
𝐾𝑃 = 𝑟 2 . 100%
= (−0,082)2 . 100%
= 0,67 %
−0,082√12−3
=
√1−(−0,082)2
= −0,25
f) Menentukan nilai 𝑡𝑡𝑎𝑏𝑒𝑙
8. Multiple Correlation
1) Teori Dasar
Korelasi pada (multiple correlation) merupakan angka yang
menunjukan arah dan kuatnya hubungan antara dua variabel secara
bersama – sama atau lebih dengan variabel yang lain.
2) Asumsi Dasar
- Sampel diambil secara acak
- Data harus berbentuk interval atau rasio
3) Rumus
41
2 + 𝑟 2 − 2𝑟
𝑟𝑦𝑥 𝑦𝑥2 𝑦𝑥1 𝑟𝑦𝑥2 𝑟𝑥1 𝑥2
𝑅𝑦.𝑥1 𝑥2 = √ 1
1 − 𝑟𝑥21 𝑥2
Dimana:
𝑅𝑦.𝑥1 𝑥2 = Korelasi ganda antara variabel 𝑥1 dan 𝑥2 secara
bersama-sama dengan variabel Y
𝑟𝑦𝑥1 = Korelasi Product Moment antara 𝑥1 dengan Y
𝑟𝑦𝑥2 = Korelasi Product Moment antara 𝑥2 dengan Y
𝑟𝑥1 𝑥2 = Korelasi Product Moment antara 𝑥1 dengan 𝑥2
Uji Signifikansi korelasi ganda
𝑅2
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 𝑘
(1 − 𝑅 2 )
(𝑛 − 𝑘 − 1)
5) Contoh Kasus
KASUS
Judul Penelitian
43
Hipotesis:
45
∑ 𝑋1 3320
∑𝑌 3871
∑ 𝑋12 179456
∑ 𝑌2 240425
∑ 𝑋1 𝑌 204514
2. Korelasi 𝑋2 dengan 𝑌
Ringkasan Statistika 𝑋2 dengan 𝑌
Simbol Statistik Nilai Statistik
𝑛 64
∑ 𝑋2 5198
∑𝑌 3871
∑ 𝑋22 439670
46
∑ 𝑌2 240425
∑ 𝑋2 𝑌 320416
3. Korelasi 𝑋1 dengan 𝑋2
Ringkasan Statistika 𝑋1 dengan 𝑋2
Simbol Statistik Nilai Statistik
𝑛 64
∑ 𝑋1 3320
∑ 𝑋2 5198
∑ 𝑋12 179456
∑ 𝑋22 439670
∑ 𝑋1 𝑋2 276596
6. Menarik Kesimpulan
48
BAB III
PENUTUP
A. Kesimpulan
Statistik Parametrik yaitu ilmu statistik yang mempertimbangkan jenis
sebaran atau distribusi data, yaitu apakah data menyebar secara normal atau
tidak. Syarat uji statistik parametrik:
- Sampel berasal dari populasi dengan distribusi normal
- Sampel diambil secara random
- Sampel mempunyai varians yang sama
- Skala pengukuran interval atau rasio
Statistika parametrik terdiri dari t-test, t-test of related, t-test of
independen, one way anova, two way anova, pearson product moment, parsial
correlation, multiple correlation dan regresi.
B. Saran
Penulis menyarankan agar pembaca lebih memperbanyak lagi referensi-
referensi mengenai uji statistik parametrik selain makalah ini. Ini dikarenakan
oleh keterbatasan penulis dalam mencari referensi-referensi dalam penyusunan
makalah ini.
49
DAFTAR PUSTAKA
50