STATISTIKA PARAMETRIK

MAKALAH

Diajukan Untuk Memenuhi Salah Satu Tugas Mata Kuliah Statistika Inferensial

Oleh :
Ipan Septiawan 142151037
Wendayani 142151032
Silfa Junia 142151162
Kelas 2014 C

JURUSAN PENDIDIKAN MATEMATIKA

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS SILIWANGI
TASIKMALAYA
2017
 KATA PENGANTAR

Puji syukur penulis panjatkan kehadirat Alloh SWT karena berkat rahmat

hidayah dan karunia-Nya, penulis dapat menyelesaikan laporan penelitian dengan

judul “Statistika Parametrik”.

Penyusunan laporan ini bertujuan untuk memenuhi salah satu tugas mata

kuliah Statistika Inferensial. Dalam penyusunan laporan ini, penulis banyak

mendapat bantuan, bimbingan, dan petunjuk dari berbagai pihak. Oleh karena itu

penulis mengucapkan terima kasih dan penghargaan yang setinggi – tingginya

kepada yang terhormat :

1. Bapak Depi Ardian Nugraha,, M.Pd., selaku dosen mata kuliah Statistika

Inferensial yang telah memberikan bimbingan, arahan, pemikiran dan petunjuk

dalam penulisan laporan ini

2. Kedua orang tua yang telah senantiasa memberikan doa dan motivasi serta

dukungan baik moral maupun materi

3. Rekan – rekan seperjuangan yang telah memotivasi penulis untuk

menyelesaikan laporan ini

4. Semua pihak yang telah membantu penyelesaian laporan ini.

Semoga bantuan yang telah diberikan kepada penulis mendapatkan

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

baik dari teori maupun praktek terutama dari pembimbing.

Akhirnya semoga laporan ini dapat bermanfaat bagi penulis khususnya dan

bagi pembaca pada umumnya.

Tasikmalaya, 15 Mei 2017

Penulis

ii
 BAB I
PENDAHULUAN

A. Latar Belakang Masalah

Menurut KBBI (1995) bahwa statistika adalah ilmu tentang cara-
cara mengumpulkan, menabulasi, menggolong-golongkan, menganalisis,
dan mencari keterangan yang berarti dari data yang berupa angka atau
pengetahuan yang berhubungan dengan pengumpulan data yang
penyelidikan catatan bilangan (angka-angka). Dengan demikian dapat
dijelaskan bahwa statistika adalah pengetahuan yang berhubungan dengan
cara-cara pengumpulan fakta, pengolahan serta penganalisisnya, penarikan
kesimpulan serta pembuatan keputusan yang cukup beralasan berdasarkan
fakta dan penganalisaan yang dilakukan.
Statistika merupakan pengetahuan tentang penguraian, penjelasan
atau kesimpulan tentang persoalan-persoalan yang dihadapi. Sebelum
kesimpulan dibuat, keterangan atau data yang dikumpulkan terlebih dahulu
dipelajari, dianalisis atau diolah dan berdasarkan pengolahan inilah baru
kesimpulan yang dibuat. Dalam pengumpulan fakta atau keterangan,
pengolahan atau pembuatan kesimpulan harus dilakukan dengan baik,
cermat, hati-hati, mengikuti cara-cara dan teori yang benar dan dapat
dipertanggung jawabkan.
Statistika adalah ilmu yang mempelajari seluk-beluk data, yaitu
tentang pengumpulan, pengolahan, penafsiran, dan penarikan kesimpulan
dari data yang berbentuk angka-angka. Berdasarkan parameternya statistic
dibagi menjadi dua macam yaitu statistik parametrik dan non-parametrik.
Statistik parametrik adalah bagian statistik yang parameter dari populasi
mengikuti suatu distribusi tertentu, seperti distribusi normal dan memiliki
varian yang homogen.
B. Rumusan Masalah
1. Apa itu statistika parametris?
2. Apa saja jenis – jenis statistika parametris?

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

B. Jenis – jenis Statistika Parametrik

1. T test
Dalam statistik parametrik diperlukan syarat bahwa data yang akan
dianalisis harus berdistribusi normal. Untuk itu perlu dilakukan pengujian
normalitas data. Salah satu cara untuk pengujian normalitas data antara lain
dilakukan dengan: T-Test.
Uji T Satu Sampel
a) Teori Dasar
Uji-T Satu Sampel biasanya digunakan untuk menguji hipotesa
deskriptif dimana kalimat hipotesanya yang akan menentukan termasuk
One Tail Test/Two Tail Test. One Tail Test dibagi menjadi dua yaitu uji
pihak kiri dan uji pihak kanan Two Tail Test biasanya digunakan bila
hipotesa nol (𝐻𝑜) berbunyi “sama dengan” dan Hipotesa altenatif (𝐻𝑎)
berbunyi “tidak sama dengan”
1) Uji-T One Tail Test (Kiri)

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

- Data harusnya mendekati distribusi normal

c) Rumus

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 rata-rata data

- Hitung standar deviasi

- Hitung nilai t

- Menggambar kurva

- Meletakan kedudukan t hitung dan t tabel dalam kurva yang telah

dibuat

- Membuat keputusan pengujian hipotesis dengan membandingkan

nilai t tabel dengan (𝑑𝑘 = 𝑛 − 1)

Ketentuannya:
 6

𝑡ℎ𝑖𝑡𝑢𝑛𝑔 ≤ 𝑡𝑡𝑎𝑏𝑒𝑙 𝑚𝑎𝑘𝑎 Ho diterima

𝑡ℎ𝑖𝑡𝑢𝑛𝑔 > 𝑡𝑡𝑎𝑏𝑒𝑙 maka Ho ditolak

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

Simpangan baku sampel = 68,25 berdasarkan rumus

∑(𝑥𝑖 −𝑥̅ )2
𝑆𝐷 = √ (𝑛−1)

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

̅ = rata-rata selisih pengukuran 1 dan 2

𝐷
𝑆𝐷 = standar deviasi selisih pengukuran 1 dan 2
𝑛 = jumlah sampel
Interpretasi
a. Untuk menginterpretasikan uji t-test terlebih dahulu harus
ditentukan:
 Nilai signifikan 𝛼
 Df = N – k, khusus untuk paired sample t-test df = N – 1
b. Bandingkan nilai 𝑡ℎ𝑖𝑡 dengan 𝑡𝑡𝑎𝑏=𝛼;𝑛−1
c. Apabila :
𝑡ℎ𝑖𝑡 > 𝑡𝑡𝑎𝑏 , maka 𝐻0 ditolak
d) Langkah – langkah
- Menentukan hipotesis
- Menentukan taraf signifikan
- Menentukan nilai 𝑡𝑡𝑎𝑏𝑒𝑙
- Melakukan perhitungan
- Menentukan kriteria pengujian
- Kesimpulan
e) Contoh Kasus
Seorang peneliti ingin mengetahui efektivitas pengaruh model
pembelajaran Cooperative Learning type Jigsaw terhadap prestasi
belajar matematika. Dari satu kelas hanya diambil sample 10 siswa dan
dilakukan tes prestasi sebelum dan sesudah diterapkan model
pembelajaran Cooperative Learning Type Jigsaw.
ID Sebelum Sesudah
A 76 77
B 78 78
C 75 80
D 80 82
E 74 82
 9

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

Sebelum Sesudah ((𝑥𝑗 − 𝑥𝑖) ((𝑥𝑗 − 𝑥𝑖)

No (𝑥𝑗 − 𝑥𝑖) ̅
𝐷
(xi) (xj) ̅)
−𝐷 ̅ )2
−𝐷
1 76 77 1 5,8 -4,8 23,04
2 78 78 0 -5,8 33,64
3 75 80 6 -0,8 0,64
4 80 82 2 -3,8 14,44
5 74 82 8 2,2 4,84
6 72 76 4 -1,8 3,24
7 68 78 10 4,2 17,64
8 67 80 13 7,2 51,84
9 69 79 10 4,2 17,64
 10

10 79 84 5 -0,8 0,64
∑ 58 167,6

Dari tabel perhitungan diperoleh:

̅ = 58 = 5,8
𝐷 10

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

- Sampel harus dindependen (bebas).

c) Rumus

Rumus T Test Independent (jumlah ke dua sampel tersebut sama)

̅̅̅ ̅̅̅2
𝑋1 − 𝑋
𝑡=
𝑆12 𝑆22
√ +
𝑁1 𝑁2

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

Setelah selang beberapa bulan di adakan tes prestasi belajar matematika

dan berikut hasil belajarnya:

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

Sumber Derajat Kuadrat Total Rasio

Jumlah Kuadrat (JK)
Varians Kebebasan (dk) (KT) Varians (F)
𝐽2 𝑅𝑦
Rata – rata 1 𝑅𝑦 = 𝑅=
∑ 𝑛𝑖 1
Antar 𝐽𝑖2 𝐴𝑦 𝐴
𝑘−1 𝐴𝑦 = ∑ ( ) − 𝑅𝑦 𝐴= 𝐹=
Kelompok 𝑛𝑖 (𝑘 − 1) 𝐷
Dalam 𝐷𝑦
∑(𝑛𝑖 − 1) 𝐷𝑦 = ∑ 𝑦 2 − 𝑅𝑦 − 𝐴𝑦 𝐷=
Kelompok ∑(𝑛𝑖 − 1)

Total ∑ 𝑛𝑖 ∑ 𝑦2

Keterangan:
𝑘 = 𝐵𝑎𝑛𝑦𝑎𝑘 𝑘𝑎𝑡𝑒𝑔𝑜𝑟𝑖 𝑎𝑡𝑎𝑢 𝑘𝑒𝑙𝑜𝑚𝑝𝑜𝑘

∑ 𝑛𝑖 = 𝐽𝑢𝑚𝑙𝑎ℎ 𝑎𝑛𝑔𝑔𝑜𝑡𝑎 𝑑𝑎𝑟𝑖 𝑠𝑒𝑡𝑖𝑎𝑝 𝑘𝑒𝑙𝑜𝑚𝑝𝑜𝑘

𝐽2 = 𝑗𝑢𝑚𝑙𝑎ℎ 𝑎𝑛𝑔𝑔𝑜𝑡𝑎 𝑘𝑒𝑙𝑜𝑚𝑝𝑜𝑘 𝑑𝑖𝑘𝑢𝑎𝑑𝑟𝑎𝑡𝑘𝑎𝑛

∑ 𝑦 2 = 𝑗𝑢𝑚𝑙𝑎ℎ 𝑘𝑢𝑑𝑟𝑎𝑡 𝑑𝑎𝑟𝑖 𝑠𝑒𝑚𝑢𝑎 𝑛𝑖𝑙𝑎𝑖 𝑝𝑒𝑛𝑔𝑎𝑚𝑎𝑡𝑎𝑛

- 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

Daftar pertambahan berat daging kambing (dalam Kg) setelah

percobaan selesai
Pertambahan berat karena makanan ke
1 2 3 4
12 14 6 9
Data Hasil 20 15 16 14
23 10 16 18
Pengamatan
10 19 20 19
17 22
Jumlah 𝐽1 = 82 𝐽2 = 80 𝐽3 = 58 𝐽4 = 60
Rata – rata 16,4 16 14,5 15

Langkah 1: menentukan hipotesis

𝐻0 = tidak ada perbedaan keempat macam campuran makanan yang
menyebabkan pertambahan berat badan kambing.
𝐻1 = paling sedikit ada satu perbedaan keempat macam campuran
makanan yang menyebabkan pertambahan berat badan kambing.

Langkah 2: Membuat tabel anova satu arah

Derajat Rasio
Sumber Kuadrat Total
Kebebasan Jumlah Kuadrat (JK) Varians
Varians (KT)
(dk) (F)
𝐽2 𝑅𝑦
𝑅𝑦 = 𝑅=
∑ 𝑛𝑖 1
4355,56
Rata – rata 1 (82 + 80 + 58 + 60)2 𝑅=
𝑅𝑦 = 1
5+5+4+4
78400 𝑅 = 4355,56 𝐴
𝑅𝑦 = = 4355,56 𝐹=
18 𝐷
𝐴𝑦 3,41
𝐴= 𝐹=
𝐽𝑖2 (𝑘 − 1) 26,59
𝐴𝑦 = ∑ ( ) − 𝑅𝑦
𝑘−1 𝑛𝑖 10,24 𝐹 = 0,128
Antar 𝐴=
=4−1 822 802 582 602 (4 − 1)
Kelompok 𝐴𝑦 = ( + + + ) − 4335,56
=3 5 5 4 4 10,24
𝐴=
𝐴𝑦 = 10,24 3
𝐴 = 3,41
 16

∑(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

Langkah 3: Mencari F tabel

 Menentukan 𝑑𝑘 pembilang dengan cara (𝑘 − 1)

(𝑘 − 1) = (4 − 1) = 3
 Menentukan 𝑑𝑘 penyebut dengan cara ∑(𝑛𝑖 − 1)

∑(𝑛𝑖 − 1) = (5 − 1) + (5 − 1) + (4 − 1) + (4 − 1) = 14

 Menentukan 𝛼 (alpha)
Peluangnya 0,95 jadi 𝛼 = 0,05

𝐹𝑡𝑎𝑏𝑒𝑙 = 𝐹(3,14) = 3,34

Langkah 4: Menentukan Kriteria Pengujian

𝐻0 𝑑𝑖𝑡𝑜𝑙𝑎𝑘, 𝑗𝑖𝑘𝑎 𝐹ℎ𝑖𝑡 > 𝐹𝑡𝑎𝑏𝑒𝑙

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.

5. Two Way Anova

a) Teori Dasar
 17

Two Way Anovadikenal juga dengan factorial design atau

Randomized Block Design. Pada Two way Anova pengujian
dilakukan dengan tidak hanya melihat satu faktor atau perlakuan
saja, tetapi juga dengan mempertimbangkan faktor blok. Uji blok
dilakukan untuk mengetahui pengaruh blok terhadap perbedaan rata-
rata.
Anova dua arah dibagi menjadi dua jenis:
 Anova Dua Arah tanpa Interaksi
Pengujian klasifikasi dua arah tanpa interaksi merupakan
pengujian hipotesis beda tiga rata-rata atau lebih dengan dua
faktor yang berpengaruh dan interaksi antara kedua faktor
tersebut ditiadakan. Tujuan dari pengujian anova dua arah
adalah untuk mengetahui apakah ada pengaruh dan berbagai
kriteria yang diuji terhadap hasil yang diinginkan.
 Anova Dua Arah dengan Interaksi
Pengujian dua arah dengan interaksi merupakan pengujian beda
tiga rata – rata atau lebih dengan dua faktor yang berpengaruh
dan pengaruh interaksi antara kedua faktor tersebut
diperhitungkan.
b) Asumsi Dasar
 Populasi yang diuji berdistribusi normal
 Varians atau ragam dan populasi yang diuji sama
 Sampel tidak berhubungan satu dengan yang lain

Tujuan dari pegujian anova dua arah adalah untuk mengetahui

apakah ada pengaruh dari berbagai kriteria yang diuji terhadap hasil
yang diinginkan.

c) Langkah – langkah
Anova Dua Arah tanpa Interaksi
 Penuhi asumsi data
 Membuat tabel pengamatan
 18

Dengan mengasumsikan bahwa kita memiliki 𝑟 blok (misalnya

sebagai faktor pertama) dan 𝑘 perlakuan (misalnya sebagai
faktor kedua), maka dapat disusun tabel:
perlakuan
1 2 … 𝑘
Kriteria blok 1 𝑎11 𝑎12 … 𝑎1𝑘
2 𝑎21 𝑎22 … 𝑎2𝑘
… … … … …
𝑟 𝑎𝑟1 𝑎𝑟2 … 𝑎𝑟𝑘

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

Jumlah Kuadrat Kolom:

2𝑘
𝑇∗𝑗 𝑇∗∗2
𝐽𝐾𝐾 = ∑ ( ) − ( )
𝑘 𝑟𝑘
𝑗=1

Jumlah Kuadrat Baris:

 19

𝑟
𝑇𝑖∗2 𝑇∗∗2
𝐽𝐾𝐵 = ∑ ( ) − ( )
𝑘 𝑟𝑘
𝑖=1

Jumlah Kuadrat Galat (error):

𝐽𝐾𝐺 = 𝐽𝐾𝑇 − 𝐽𝐾𝐾 − 𝐽𝐾𝐵

 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

 Menentukan taraf signifikansi

Biasanya menggunakan alpha 5% yang artinya terdapat sekitar
5 dari 100 peluang bahwa akan menolak hipotesis yang
seharusnya diterima atau melakukan kesalahan.
 Membuat hasil perhitungan kedalam tabel anova dan
menentukan F tabel
Sumber
JK df MK F
variansi
𝐽𝐾𝐵 𝑀𝐾𝐵
Antar baris JKB 𝑟−1 𝑀𝐾𝐵 = 𝐹𝑏𝑎𝑟𝑖𝑠 =
𝑑𝑓 𝑀𝐾𝐺
𝐽𝐾𝐾 𝑀𝐾𝐾
Antar kolom JKK 𝑘−1 𝑀𝐾𝐾 = 𝐹𝑘𝑜𝑙𝑜𝑚 =
𝑑𝑓 𝑀𝐾𝐺
𝐽𝐾𝐺
Error JKE (𝑟 − 1)(𝑘 − 1) 𝑀𝐾𝐺 =
𝑑𝑓
 20

𝐽𝐾𝑇
Total JKT 𝑟𝑘 − 1 𝑀𝐾𝑇 =
𝑑𝑓

 Menentukan wilayah kritis atau kriteria pengujian

Daerah kritis disesuaikan dengan F-tabel dan derajat bebas.
Untuk menentukan derajat bebas terdiri dari:
𝑑𝑓 𝑏𝑎𝑟𝑖𝑠 = (𝑟 − 1)
𝑑𝑓 𝑘𝑜𝑙𝑜𝑚 = (𝑘 − 1)
𝑑𝑓 𝑔𝑎𝑙𝑎𝑡 = (𝑟 − 1)(𝑘 − 1)
𝑑𝑓 𝑡𝑜𝑡𝑎𝑙 = (𝑟𝑘 − 1)
Mencari F-tabel terbagi atas dua, yaitu:
𝑅𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑏𝑎𝑟𝑖𝑠 = 𝐹𝑡𝑎𝑏𝑒𝑙 (𝛼; 𝑑𝑓𝑏𝑎𝑟𝑖𝑠 ; 𝑑𝑓𝑔𝑎𝑙𝑎𝑡 )
𝑅𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑘𝑜𝑙𝑜𝑚 = 𝐹𝑡𝑎𝑏𝑒𝑙 (𝛼; 𝑑𝑓𝑘𝑜𝑙𝑜𝑚 ; 𝑑𝑓𝑔𝑎𝑙𝑎𝑡 )
Mencari wilayah kritis atau daerah pengujian yaitu mencari
batas wilayah penolakan 𝐻0 atau penerimaan 𝐻0 , yaitu:
𝐻0 𝑑𝑖𝑡𝑜𝑙𝑎𝑘, 𝑗𝑖𝑘𝑎 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐹𝑡𝑎𝑏𝑒𝑙
 Keputusan
 Membuat kesimpulan yang disesuaikan dengan hipotesis

Anova Dua Arah dengan Interaksi

 Penuhi asumsi data

 Menghitung variabilitas dari seluruh sampel
Jumlah Kuadrat Total:
𝑟 𝑘 𝑛
2
2
𝑇∗∗∗
𝐽𝐾𝑇 = ∑ ∑ ∑ 𝑥𝑖𝑗𝑚 −( )
𝑟𝑘𝑛
𝑖=1 𝑗=1 𝑚=1

Jumlah Kuadrat Kolom:

𝑘
2
𝑇∗𝑗∗ 2
𝑇∗∗∗
𝐽𝐾𝐾 = ∑ −( )
𝑟𝑛 𝑟𝑘𝑛
𝑗=1

Jumlah Kuadrat Baris:

 21

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

𝑅𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑏𝑎𝑟𝑖𝑠 = 𝐹𝑡𝑎𝑏𝑒𝑙 (𝛼; 𝑑𝑓𝑏𝑎𝑟𝑖𝑠 ; 𝑑𝑓𝑔𝑎𝑙𝑎𝑡 )

𝑅𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑘𝑜𝑙𝑜𝑚 = 𝐹𝑡𝑎𝑏𝑒𝑙 (𝛼; 𝑑𝑓𝑘𝑜𝑙𝑜𝑚 ; 𝑑𝑓𝑔𝑎𝑙𝑎𝑡 )
 Menentukan Kriteria Pengujian
𝐻0 𝑑𝑖𝑡𝑜𝑙𝑎𝑘, 𝑗𝑖𝑘𝑎 𝐹ℎ𝑖𝑡 > 𝐹𝑡𝑎𝑏𝑒𝑙
 Buat kesimpulan disesuaikan dengan hipotesis
d) Contoh Kasus
 Anova Dua Arah tanpa Interaksi
Seorang konsultan mesin dari perusahaan penyalur atau DEALER
kendaraan diminta untuk mengkaji apakah ada perbedaan rata-rata
efisiensi pemakaian BBM (kilometer/liter) antara tiga merek mobil.
Disamping itu, ia diminta juga untuk mengkaji apakah ada
perbedaan rata-rata efisiensi pemakaian BBM yang disebabkan oleh
kapasitas mesin. Dari hasil pengumpulan data yang dilakukan
konsultan tersebut diperoleh data sebagai berikut:
merek mobil
kapasitas Jumlah (baris)
𝐴−1 𝐴−2 𝐴−3
1300 ml 10 11 11 32
1500 ml 11 12 11 34
Jumlah (kolom) 21 23 22 66

Langkah 1. Uji Asumsi Data

Dalam hal ini kita anggap sudah memenuhi asumsi, karena langkah
uji asumsi data sama dengan sebelumnya. Namun uji asumsi ini
wajib dilakukan agar analisis ANOVA yang diperoleh memiliki
keakuratan yang baik.
Langkah 2. Tabel Pengamatan
 23

Langkah 3. Melakukan Perhitungan

jumlah baris (r) = 2
jumlah kolom (k) = 3
T.. = 66
T1. = 32
T2. = 34
T.1 = 21
T.2 = 23
T.3 = 22

df (baris) = r-1 = 2-1 = 1

df (kolom) = k-1 = 3-1 =2
df (galat) = (r-1)(k-1) = 1*2 = 2
df (total) = (2*3 - 1) = 5
Langkah 4. Merumuskan Hipotesis
Hipotesis Uji untuk Kolom :
Ho : Rata-rata efisiensi pemakaian BBM ketiga merek mobil
tersebut adalah sama
Ha : Rata-rata efisiensi pemakaian BBM ketiga merek mobil
tersebut adalah berbeda
Hipotesis Uji untuk Kolom :
 24

Ho : Rata-rata efisiensi pemakaian BBM kedua kapasitas mesin

mobil tersebut adalah sama
Ha : Rata-rata efisiensi pemakaian BBM kedua kapasitas
mesin mobil tersebut adalah berbeda
Langkah 5. Menentukan Tarf Signifikansi
Kita pilih nilai signifikansi alpha 5%.
Langkah 6. Membuat Hasil Perhitungan kedalam Tabel
ANOVA dan Menentukan F-Tabel

Langkah 7. Menentukan Wilayah Kritis atau Kriteria

Pengujian
Mencari nilai F-tabel untuk:
Baris : F-tabel = F(5%; 1; 2) = 18,513
Kolom : F-tabel = F(5%; 2; 2) = 19,000
Langkah 8. Keputusan
Baris : F-hitung = 4 < F-tabel = 18,513. Ho diterima
Kolom : F-Hitung = 3 < F-tabel = 19,000. Ho diterima
Langkah 9. Kesimpulan
Tidak ada perbedaan nyata rata-rata efisiensi pemakaian BBM
terhadap ketiga merek mobil tersebut.
Tidak ada perbedaan nyata rata-rata efisiensi pemakaian BBM
terhadap kedua kapasitas mesin tersebut.

 Anova Dua Arah dengan Interaksi

Terdapat 4 metode diet, 3 kelompok umur dan 3 ulangan. Berikut
adalah data rata-rata penurunan berat badan setelah 1 bulan
 25

melakukan diet. Ujilah apakah penurunan berat badan sama untuk

setiap metode diet, kelompok umur dan interaksi dengan taraf uji 5
%?

Penurunan Berat Badan (Kg)

Umur
Metode 1 Metode 2 Metode 3 Metode 4

< 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

Langkah 1. Merumuskan Hipotesis

o Hipotesis anova kolom
H0: a1 = a2 = ... = ak, Tidak ada perbedaan yang nyata antara
rata-rata hitung dari kategori Metode(kolom)
H1: a1 ≠ a2 ≠ ... ≠ ak, Ada perbedaan yang nyata antara rata-rata
hitung dari kategori Metode (kolom)

o Hipotesis anova baris

H0: b1 = b2 = ... = bj, Tidak ada perbedaan yang nyata antara
rata-rata hitung dari kategori umur (baris)
H1: b1 ≠ b2 ≠ ... ≠ bj, Ada perbedaan yang nyata antara rata-rata
hitung dari kategori umur (baris)
 26

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:

Penurunan Berat Badan (Kg)

Umur Total Baris
Metode 1 Metode 2 Metode 3 Metode 4
 27

< 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

T31* = T32* = T34* =

T33* = 5
13 10 14

Total T*1* = T*2* = T*3* = T*4* = Total

Kolom 40 20 28 32 T***=120

Langkah 5. Perhitungan Tabel anova

Agar mempermudah perhitungan kita menggunakan tabel berikut,

Sumber Jumlah Derajat Bebas Kuadrat F

Keragaman (SK) Kuadrat (JK) (db) Tengah (KT) hitung

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

Langkah 6. Menghitung F tabel

o F table Kolom pada α = 0.05 db JKK=3 dan db JKG=4 adalah
3,01
o F table Baris pada α = 0.05 db JKB=2 dan db JKG=24 adalah 3,40
o F table Interaksi pada α = 0.05 db JK[BK]=6 dan db JKG=24
adalah 2,51
Langkah 7. Kesimpulan:
Perhitungan menunjukkan bahwa rata-rata penurunan berat badan
pada Baris [Kel. Umur] dan Interaksi tidak berbeda [masih dianggap
sama] hal ini terlihat dari f tabel untuk baris dan interaksi lebih kecil
dari f hitung sedangkan rata-rata penurunan berat badan dalam
Kolom [metode diet] dapat dikatakan berbeda karena f tabel lebih
besar dari f hitung.

6. Pearson Product Moment

 29

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

𝚺𝑿 = ⋯ 𝚺𝒀 = ⋯ 𝚺𝑿𝒀 = ⋯ 𝚺𝑿𝟐 = ⋯ 𝚺𝒀𝟐 = ⋯

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

𝐻0 : Tidak ada hubungan yang signifikan antara motivasi

dengan kinerja dosen
𝐻𝑎 : Ada hubungan yang signifikan antara motivasi
dengan kinerja dosen

b) Membuat hipotesis dalam bentuk statistik

𝐻0 : 𝑟𝑥𝑦 = 0
𝐻𝑎 : 𝑟𝑥𝑦 ≠ 0

c) Membuat tabel pembantu

Motivasi Kinerja
XY 𝑿𝟐 𝒀𝟐
X Y
60 450 27000 3600 202500
70 475 33250 4900 225625
75 450 33750 5625 202500
65 470 30550 4225 220900
70 475 33250 4900 225625
60 455 27300 3600 207025
80 475 38000 6400 225625
75 470 35250 5625 220900
85 485 41225 7225 325225
90 480 43200 8100 230400
70 475 33250 4900 225625
85 480 40800 7225 230400
𝚺𝑿𝒀 𝚺𝑿𝟐 𝚺𝒀𝟐
𝚺𝑿 = 𝟖𝟖𝟓 𝚺𝒀 = 𝟓𝟔𝟒𝟎
= 𝟒𝟏𝟔𝟖𝟐𝟓 = 𝟔𝟔𝟑𝟐𝟓 = 𝟐𝟔𝟓𝟐𝟑𝟓𝟎

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

e) Menentukan besarnya sumbangan koefisien determinan atau

koefisien penentu variabel x terhadap variabel y dengan rumus
𝐾𝐷 = 𝑟 2 × 100%
= 0,4652 × 100%
= 21,62%
f) Menentukan nilai 𝑡ℎ𝑖𝑡𝑢𝑛𝑔

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

𝑡𝑡𝑎𝑏𝑒𝑙 (2,228) 𝐻0 ditolak, artinya ada hubungan yang

signifikan antara motivasi dengan kinerja dosen.

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

𝑟𝑥2 𝑦− (𝑟𝑥2 𝑥1 )(𝑟𝑦𝑥1 )

𝑟𝑥2 𝑦𝑥1 =
√1 − 𝑟𝑥21 𝑥2 √1 − 𝑟𝑦𝑥
2
2

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

cari koefisien parsial, jika x1 tetap

analisis korelasi parsial
 Jika X1 tetap maka :

X1 rx1 y⬚
rx1x2
Y
X2 rx2 y⬚

rx2 y − rx1 y . rx1 x2

rx1 (x2 y) =
√(1 − rx21 y )(1 − rx21 x2 )

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⬚

r1y − rx2 y . rx1 x2

rx2 (x1 y) =
√(1 − rx22 y )(1 − rx21 x2 )

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

Untuk uji signifikansinya menggunakan rumus :

rpar √n−3
t hitung =
√1−r2par

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

b) Membuat tabel pembantu

c) Menentukan nilai 𝑟𝑝𝑎𝑟𝑠𝑖𝑎𝑙
𝑟𝑥2 𝑦 −𝑟𝑥1 𝑦 .𝑟𝑥1 𝑥2
𝑟𝑥1 (𝑥2 𝑦) =
√(1−𝑟𝑥21 𝑦 )(1−𝑟𝑥21 𝑥2 )

d) Menentukan nilai KP
𝐾𝑃 = 𝑟 2 . 100%
e) Menentukan nilai 𝑡ℎ𝑖𝑡𝑢𝑛𝑔
rpar √n−3
t hitung =
√1−r2par

f) Menentukan nilai 𝑡𝑡𝑎𝑏𝑒𝑙

Taraf signifikansinya   0,05 , db = n – 1

g) Kriteria pengujian
thitung ≥ ttabel ; maka tolak H0 (signifikan)
thitung < ttabel ; maka terima H0 (tidak signifikan)
h) kesimpulan
 37

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 )

= −0.082 ( Hasil mencari 𝑟𝑝𝑎𝑟𝑠𝑖𝑎𝑙 )

d) Menentukan nilai KP
𝐾𝑃 = 𝑟 2 . 100%

= (−0,082)2 . 100%

= 0,67 %

e) Menentukan nilai 𝑡ℎ𝑖𝑡𝑢𝑛𝑔

rpar √n−3
t hitung =
√1−r2par
 40

−0,082√12−3
=
√1−(−0,082)2

= −0,25
f) Menentukan nilai 𝑡𝑡𝑎𝑏𝑒𝑙

Taraf signifikansinya   0,05 , db = n – 1 <=> 12 – 1 = 11

Nilai ttabel dengan signifikansi 5 % untuk uji 2 pihak nilainya adalah
1,796
g) Kriteria pengujian
thitung < ttabel ; maka terima H0 artinya Tidak ada pengaruh yang
signifikan antara curah hujan (X2) dan pertumbuhan bibit kelapa sawit
(Y) jika dosis pemupukan (X1) tetap.
h) Kesimpulan
Apakah terdapat pengaruh yang signifikan antara antara dosis
pemupukan (X1) dengan curah hujan (X2) terhadap pertumbuhan bibit
kelapa sawit (Y)?
thitung < ttabel ; maka terima H0 artinya Tidak ada pengaruh yang
signifikan antara curah hujan (X2) dan pertumbuhan bibit kelapa sawit
(Y) jika dosis pemupukan (X1) tetap.

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)

Dengan : R : Nilai korelasi ganda

k : jumlah variabel independen
n : jumlah anggota sampel
Dk pembilang : k
Dk penyebut : (𝑛 − 𝑘 − 1)

Kaidah pengujian signifikansi :

Jika 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐹𝑡𝑎𝑏𝑒𝑙, maka signifikan.
Jika 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 < 𝐹𝑡𝑎𝑏𝑒𝑙, maka tidak signifikan.
4) Langkah – langkah
a) Menentukan hipotesis
𝐻0 : Tidak ada pengaruh yang signifikan antara X1 dan X2
secara simultan terhadap Y.
𝐻𝑎 : Ada pengaruh yang signifikan antara X1 dan X2 secara
simultan terhadap Y.
b) Jika harga r belum diketahui, maka hitunglah harga r. Biasanya
sudah ada karena kelanjutan dari korelasi tunggal.
c) Hitunglah rhitung dengan rumus sebagai berikut
 42

untuk dua variabel bebas rumusnya :

2 + 𝑟 2 − 2𝑟 2 𝑟 2 𝑟 2
𝑟𝑦𝑥 𝑦𝑥2 𝑦𝑥1 𝑦𝑥2 𝑥1 𝑥2
𝑟𝑦.𝑥1 .𝑥2 =√ 1 2
1 − 𝑟𝑥1 𝑥2

d) Mencari koefisien determinasi dengan rumus :

𝐾𝑃 = 𝑟 2 × 100%
Keterangan :
KP adalah besarnya koefisien penentu (diterminan)
r adalah koefisien korelasi
e) Menentukan nilai 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 dengan rumus :
𝑅2
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 𝑘
(1 − 𝑅 2 )2
(𝑛 − 𝑘 − 1)
f) Menentukan nilai 𝐹𝑡𝑎𝑏𝑒𝑙 = 𝐹(1−𝛼) , dengan
𝑑𝑘𝑝𝑒𝑚𝑏𝑖𝑙𝑎𝑛𝑔 = 𝑘
𝑑𝑘𝑝𝑒𝑛𝑦𝑒𝑏𝑢𝑡 = 𝑛 − 𝑘 − 1
dimana k = banyaknya variabel bebas
n = banyaknya anggota sampel
g) Bandingkan nilai Fhitung dengan Ftabel
Dengan kriteria pengujian R, yaitu :
𝐻𝑎 : 𝑅𝑦 𝑥1 𝑥2 = 0, tidak siginifikan
𝐻0 : 𝑅𝑦 𝑥1 𝑥2 ≠ 0, signifikan
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 ≤ 𝐹𝑡𝑎𝑏𝑒𝑙 maka terima 𝐻0 (tidak signifikan)
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 ≥ 𝐹𝑡𝑎𝑏𝑒𝑙 maka tolak 𝐻0 (signifikan)
h) Buat kesimpulannya

5) Contoh Kasus
KASUS
Judul Penelitian
 43

HUBUNGAN MOTIVASI KERJA DAN KEMAMPUAN

PEGAWAI TERHADAP PELAYANAN ADMINISTRASI PADA
DINAS PENDIDIKAN KOTA SURABAYA

1) Variabel Motivasi Kerja (𝑋1 )

2) Variabel Kemampuan Pegawai (𝑋2 )
3) Variabel Pelayanan Administrasi (𝑌)
4) Sampel sebanyak 64 responden
5) Tingkat Kesalahan 𝛼 = 0,05
Pertanyaan: apakah ada hubungan yang signifikan antara (𝑋1 )
dengan (𝑋2 ) secara bersama – sama terhadap (𝑌), buktikan!
Data penelitian sebagai berikut:
 44

Hipotesis:
 45

𝐻0 = Tidak terdapat hubungan yang signifikan antara motivasi kerja dan

kemampuan pegawai terhadap Pelayanan Administrasi pada Dinas
Pendidikan Kota Surabaya.
𝐻1 = Terdapat hubungan yang signifikan antara motivasi kerja dan
kemampuan pegawai terhadap Pelayanan Administrasi pada Dinas
Pendidikan Kota Surabaya.
Tabel Penolong untuk menghitung nilai korelasi ganda
1. Korelasi 𝑋1 dengan 𝑌
Ringkasan Statistika 𝑋1 dengan 𝑌
Simbol Statistik Nilai Statistik
𝑛 64

∑ 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

4. Rumus Analisis Korelasi Ganda (𝑅)

 47

5. Menguji signifikansi dengan rumus 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 :

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

Ardiani, Dini. (2015). Statistika Parametrik. [Online] Tersedia:

http://diniiarr.blogspot.co.id/2015/09/statistik-parametrik.html [15 mei
2017]
Fitri, M.E.Y. (2014). Contoh Two Way Anova. [Online] Tersedia: http://www.jam-
statistic.id/2014/04/contoh-two-way-anova.html [15 Mei 2017]
Hasanah, A.N. Tanpa Tahun. Statistik II – Analisis Korelasi Ganda | 1 ANALISIS
KORELASI GANDA. [Online] Tersedia:
https://www.academia.edu/6077378/Statistik_II_Analisis_Korelasi_Gand
a_1_ANALISIS_KORELASI_GANDA [15 mei 2017]
Ruseffendi, E.T. (2012). Statistika Dasar untuk Penelitian Pendidikan. Bandung:
IKIP Bandung Press.
Setiawan, Nasrul. (2014). Analisis Ragam / Analysis of variance (Anova) dua arah
dengan interaksi. [Online] Tersedia:
http://statistikceria.blogspot.co.id/2014/01/analisis-ragam-analysis-of-
variance-anova-dua-arah-dengan-interaksi.html [15 Mei 2017]
Sudjana. (2013). Metoda Statistika. Bandung: Tarsito

50