Uji F

Uji F digunakan untuk mengetahui pengaruh variabel bebas secara bersama-sama (simultan) terhadap
variabel terikat. Signifikan berarti hubungan yang terjadi dapat berlaku untuk populasi.

Penggunaan tingkat signifikansinya beragam, tergantung keinginan peneliti, yaitu 0,01 (1%) ; 0,05
(5%) dan 0,10 (10%).

Hasil uji F dilihat dalam tabel ANOVA dalam kolom sig. Sebagai contoh, kita menggunakan taraf
signifikansi 5% (0,05), jika nilai probabilitas < 0,05, maka dapat dikatakan terdapat pengaruh yang
signifikan secara bersama-sama antara variabel bebas terhadap variabel terikat.

Namun, jika nilai signifikansi > 0,05 maka tidak terdapat pengaruh yang signifikan secara bersama-
sama antara variabel bebas terhadap variabel terikat.

Uji t
Uji t digunakan untuk menguji secara parsial masing-masing variabel. Hasil uji t dapat dilihat pada
tabel coefficients pada kolom sig (significance). Jika probabilitas nilai t atau signifikansi < 0,05,
maka dapat dikatakan bahwa terdapat pengaruh antara variabel bebas terhadap variabel terikat secara
parsial.
Namun, jika probabilitas nilai t atau signifikansi > 0,05, maka dapat dikatakan bahwa tidak terdapat
pengaruh yang signifikan antara masing-masing variabel bebas terhadap variabel terikat.

1
Uji F atau uji koefisien regresi secara serentak yaitu untuk mengetahui pengaruh variabel independen
secara serentak terhadap variabel dependen, apakah pengaruhnya signifikan atau tidak.
Tahap pengujiannya sebagai berikut :
Menentukan hipotesis nol (Ho) dan hipotesis alternatif (Ha)
Ho : b1 = b2 = b3 = 0
Artinya variabel X1 dan X2 secara serentak tidak berpengaruh terhadap variabel Y
Ha : b1 ≠ b2 ≠ b3 ≠ 0
Artinya variabel X1 dan X2 secara serentak berpengaruh terhadap variabel Y

Menentukan taraf signifikansi.

Taraf signifikansi menggunakan 0.05
F hitung dan F kritis
F hitung adalah nilai yang didapat dari hasil output SPSS (tabel ANOVA)
F kritis dapat dicari pada tabel statistik atau biasa disebut dengan F Tabel pada signifikansi 0.05 df1
= k-1 (jumlah variabel – 1), dan df2 = n-k (sampel – jumlah variabel) maka dapat diketahui F kritis
Cara lain mencari F kritis yaitu menggunakan program MS Excel.
Contoh pada cell kosong ketik =FINV(0.05,2,46) kemudian tekan Enter.
Ket :
0.05 adalah taraf signifikansi,
2 adalah jumlah variabel – 1, dan
46 adalah sampel – jumlah variabel.
Pengambilan keputusan
F hitung ≤ F kritis maka Ho diterima
F hitung ≥ F kritis maka Ho ditolak
Kesimpulan
Apabila F hiting > F Tabel maka hipotesis nol ditolak
Apabila F hiting < F Tabel maka hipotesis nol diterima
Contoh :
Penelitian pengaruh X1 dan X2 terhadap Y dengan sampel 49. Dari olah data maka output yang
dihasilkan akan seperti seperti ini

Penjelasan :
Dari hasil output diperoleh nilai F hitung sebesar 192.575 sedangkan F tabel sebesar 3.199. Maka di
ketahui F hitung (192.575) > F tabel (3.199) atau dengan kata lain hipotesis nol (Ho) di tolak,
kesimpulannya yaitu X1 dan X2 secara serentak berpengaruh terhadap Y

2
4.1 Mengenal Korelasi

Apa sebenarnya korelasi itu? Korelasi merupakan teknik analisis yang termasuk dalam salah satu
teknik pengukuran asosiasi / hubungan (measures of association). Pengukuran asosiasi merupakan
istilah umum yang mengacu pada sekelompok teknik dalam statistik bivariat yang digunakan untuk
mengukur kekuatan hubungan antara dua variabel. Diantara sekian banyak teknik-teknik pengukuran
asosiasi, terdapat dua teknik korelasi yang sangat populer sampai sekarang, yaitu Korelasi Pearson
Product Moment dan Korelasi Rank Spearman. Pengukuran asosiasi mengenakan nilai numerik untuk
mengetahui tingkatan asosiasi atau kekuatan hubungan antara variabel. Dua variabel dikatakan
berasosiasi jika perilaku variabel yang satu mempengaruhi variabel yang lain. Jika tidak terjadi
pengaruh, maka kedua variabel tersebut disebut independen.

Korelasi bermanfaat untuk mengukur kekuatan hubungan antara dua variabel (kadang lebih dari dua
variabel) dengan skala-skala tertentu, misalnya Pearson data harus berskala interval atau rasio;
Spearman dan Kendal menggunakan skala ordinal. Kuat lemah hubungan diukur menggunakan jarak
(range) 0 sampai dengan 1. Korelasi mempunyai kemungkinan pengujian hipotesis dua arah (two
tailed). Korelasi searah jika nilai koefesien korelasi diketemukan positif; sebaliknya jika nilai
koefesien korelasi negatif, korelasi disebut tidak searah. Yang dimaksud dengan koefesien korelasi
ialah suatu pengukuran statistik kovariasi atau asosiasi antara dua variabel. Jika koefesien korelasi
diketemukan tidak sama dengan nol (0), maka terdapat hubungan antara dua variabel tersebut. Jika
koefesien korelasi diketemukan +1. maka hubungan tersebut disebut sebagai korelasi sempurna atau
hubungan linear sempurna dengan kemiringan (slope) positif. Sebaliknya. jika koefesien korelasi
diketemukan -1. maka hubungan tersebut disebut sebagai korelasi sempurna atau hubungan linear
sempurna dengan kemiringan (slope) negatif. Dalam korelasi sempurna tidak diperlukan lagi
pengujian hipotesis mengenai signifikansi antar variabel yang dikorelasikan, karena kedua variabel
mempunyai hubungan linear yang sempurna. Artinya variabel X mempunyai hubungan sangat kuat
dengan variabel Y. Jika korelasi sama dengan nol (0), maka tidak terdapat hubungan antara kedua
variabel tersebut.

4.2 Kegunaan Korelasi

Pengukuran asosiasi berguna untuk mengukur kekuatan (strength) dan arah hubungan hubungan antar
dua variabel atau lebih. Contoh: mengukur hubungan antara variabel: 1) Motivasi kerja dengan
produktivitas; 2)Kualitas layanan dengan kepuasan pelangga; 3)Tingkat inflasi dengan IHSG

Pengukuran ini hubungan antara dua variabel untuk masing-masing kasus akan menghasilkan
keputusan, diantaranya: a) Hubungan kedua variabel tidak ada; b) Hubungan kedua variabel lemah; c)
Hubungan kedua variabel cukup kuat; d) Hubungan kedua variabel kuat; dan e) Hubungan kedua
variabel sangat kuat.Penentuan tersebut didasarkan pada kriteria yang menyebutkan jika hubungan
mendekati 1, maka hubungan semakin kuat; sebaliknya jika hubungan mendekati 0, maka hubungan
semakin lemah

3
KORELASI

Merupakan teknik statistik yang digunakan untuk meguji ada/tidaknya hubungan serta arah hubungan
dari dua variabel atau lebih

Korelasi yang akan dibahas dalam pelatihan ini adalah :

1. Korelasi sederhana pearson & spearman
2. Korelasi partial
3. Korelasi ganda.

KOEFISIEN KORELASI

Besar kecilnya hubungan antara dua variabel dinyatakan dalam bilangan yang disebut Koefisien
Korelasi
a. Besarnya Koefisien korelasi antara -1 0 +1
b. Besaran koefisien korelasi -1 & 1 adalah korelasi yang sempurna
c. Koefisien korelasi 0 atau mendekati 0 dianggap tidak berhubungan antara dua variabel yang diuji

ARAH HUBUNGAN

a. Positif (Koefisien 0 s/d 1)

b. Negatif (Koefisien 0 s/d -1)
c. Nihil (Koefisien 0)

PEARSON CORRELATION

Digunakan untuk data interval & rasio

Distribusi data normal
Terdiri dari dua variabel
1 Variabel X (Independen)
1 Variabel Y (dependen)
CONTOH

Judul: Hubungan antara intensitas belajar dengan prestasi mata kuliah statistik
Variabel X : Intensitas belajar (diukur dari lamanya belajar dalam satu minggu)
Variabel Y : Prestasi matakuliah statistik (diukur dari nilai ujian akhir semester)
Hipotesa:
H0: Tidak ada hubungan antara Intenitas belajar dengan prestasi mata kuliah statistik
Ha: Ada hubungan antara Intenitas belajar dengan prestasi mata kuliah statistik