00 Materi Statistika

I.
STATISTIKA DAN PENELITIAN
A. PENGERTIAN PENELITIAN
Bagi seorang guru yang professional, penelitian merupakan salah satu jenis Karya Tulis Ilmiah
(KTI) yang mempunyai nilai (angka kredit) tertentu bagi pengembangan profesinya.
Menurut Prof. Ir. SUHARDJONO, M. Pd., Dipl. Eng. ada 3 macam KTI, yaitu :
● Penelitian
● Pengembangan
● Penilaian
Penelitian merupakan cara ilmiah untuk mendapatkan data dengan tujuan dan kegunaan
tertentu.
Unsur- unsur definisi diatas:
1. Cara ilmiah :
a. Rasional: cara-cara yang digunakan masuk akal dan dapat dinalar oleh akal manusia.
b. Empiris : cara-cara yang digunakan dalampenelitian itu teramati oleh indra manusia,
sehingga orang lain dapat mengamati dapat mengamati dan mengetahui cara-cara
yang akan digunakan.
c. Sistematis : menggunakan langkah-langkah tertentu yang bersifat logis.
2. Data
Data adalah ukuran suatu nilai.

Data yang diperoleh melalui penelitian mempunyai kriteria:
● Valid :
Validitas data menunjukkan ketepatan antara data yang sesungguhnya terjadi pada
obyek dengan data yang diperoleh/dilaporkan oleh peneliti.
● Reliabel
Reliabilitas menunnjukkan derajat konsistensi (keajegan) dalaminterval waktu tertentu.
Misalnya penelitian terhadap keberhasilan prestasi belajar siswa.
● Obyektif
Obyektifitas menunjukkan derajat persamaan persepsi antar orang ( interpersonal
agreement).
Berdasarkan jenisnya data dibedakan menjadi :

● Data Numerik (kuantitatif) → dinyatakan dalam besaran numerik (angka),
Misalnya : Data pendapatan per kapita, pengeluaran, harga, jarak, dll.
● Data Kategorik (Kualitatif) → diklasifikasikan berdasarkan kategori/kelas tertentu
Misalnya :
● Kategori Mahasiswa Berprestasi dan Tidak Berprestasi,
● Kategori kota kecil, sedang dan besar,
● Kategori pendukung partai politik XXX, YYY, ZZZ, dll.
Empat tingkat Skala/Pengukuran berikut karakteristiknya:

1. Nominal : Tidak ada urutan, urutan tidak menunjukkan tingkatan (rangking) Tidak
ada titik awal Tidak ada perbedaan
Misalnya : Apa warna favorit anda :
00 Materi Statistika Page 1

1. Ungu 2. Abu-abu 3. Coklat 4. Putih
2. Ordinal : Ada urutan. urutan menunjukkan tingkatan (rangking) Tidak ada titik awal
Tidak ada perbedaan.
3. Interval: ada urutan, ada perbedaan, tidak ada titik awal

Misalnya:
● Temperatur atau suhu : 0°C bukan berarti tidak mempunyai suhu.
● Tangga nada
● IQ
4. Rasio : ada urutan, ada perbedaan, ada titik awal
Misalnya:
Pendapatan (Rp. 135 245,23 per bulan): Pendapatan Rp. 0 berarti tidak ada
(bandingkan dengan 0°C pada suhu)
Skala Interval dan Rasio digunakan berkaitan dengan data numerik/kuantitatif.
3. Tujuan
Tujuan penelitian secara umum meliputi 3 macam:
menemukan data baru yang sebelumya belum pernah diketahui,misalnya menemukan
a.
metode mengajar yang efektif, efisien dan menyenangkan.
b. Membuktikan sesuatu keraguan terhadap suatu pengetahuan, misalnya
mengembangkan metode mengajar yang telah ada sehingga menjadi lebih efektif.
c. Mengembangkan dan memperdalam suatu pengetahuan, misalnya membuktikan
keragu-raguan metode mengajar yang diadopsi dari luar negeri.
4. Kegunaan
Dengan penelitian, peneliti memperoleh data akurat yang dapat digunakan untuk
memahami, memecahkan dan menganalisis masalah.
B. MACAM-MACAM STATISTIK.
Dalam arti sempit, statistik dapat diartikan sebagai data, tetapi dalam arti luas statistik dapat
diartikan sebagai alat. Yaitu alat untuk menganalisis dan mengambil keputusan.
Statistik dapat dibagi 2 (dua) yaitu :
1. Statistika Deskriptif (Descriptive Statistics)
Statistik yang digunakan untuk menggambarkan dan menyajikan data, hanya untuk
menggambarkan atau menganalisis data, tetapi tidak menyimpulkan atau menyusun suatu
generalisasi (inferensi).
Descriptive : bersifat memberi gambaran
2. Statistika Inferensial = Statistika Induktif (Inferential Statistics)
Statistik yang digunakan untuk menganalisis, meramalkan, menduga dan menarik
kesimpulan untuk populasi dimana sampel itu diambil.
Inferential : bersifat melakukan generalisasi (penarikan kesimpulan).
Statistika Inferensial dapat dibedakan menjadi 2 (dua) :

1. Statistik Parametris : digunakan untuk menganalisis data interval atau rasio, yang diambil
dari populasi yang berdistribusi normal.
2. Statistik Non Parametris : digunakan untuk menganalisis data nominal dan ordinal, yang
diambil dari populasi yang bebas distribusi (tidak harus berdistribusi normal).
C. VARIABEL PENELITIAN.

Adalah segala sesuatu yang berbentuk apa saja, yang ditetapkan oleh peneliti untuk dipelajari
sehingga diperoleh informasi tentang hal tersebut, yang kemudian ditarik kesimpulannya.
Dinamakan variabel karena ada variasinya.
Dapat merupakan atribut dari bidang keilmuan ataau kegiatan tertentu.
Tinggi, berat badan, sikap, pengetahuan, kepemimpinan, motivasi kerja, dll.
Macam-macam Variabel:
1. Variabel independen (variabel bebas) adalah variabel yang mempengaruhi atau
menjadi sebab perubahannya atau timbulnya variabel dependen (terikat).
2. Variabel dependen (variabel terikat) variabel yang dipengaruhi atau yang menjadi
akibat.
Motivasi belajar (x)

Prestasi belajar (y)
D. PERANAN STATISTIK DALAM PENELITIAN.

Peranan statistik dalam penelitian adalah :
1. Untuk menghitung besarnya sampel yang diambil dari suatu populasi, sehingga jumlah
dan kriteria sampel yang diambil dapat dipertanggungjawabkan.
2. Untuk menguji validitas dan reliabilitas instrumen penelitian.
3. Untuk menyajikan data-data yang telah diperoleh dalam penelitian.
4. Untuk menganalisis atau menguji hipotesis penelitian yang diajukan.
II.

POPULASI , SAMPEL
DAN PENGUJIAN NORMALITAS DATA
A. POPULASI.
Adalah wilayah generalisasi yang terdiri atas obyek/subyek yang mempunyai kualitas dan karakteristik
tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. Populasi
bukan hanya sekedar jumlah tetapi meliputi karakteristik/sifat yang dimiliki oleh obyek yang diteliti
Ada juga yang berpendapat, bahwa populasi adalah keseluruhansubyek penelitian.
A population is a set (or collection) of all elements prossessing oneor more attributes of interest.
B. SAMPEL
Adalah bagian dari jumlah dan karaketristik yang dimiliki oleh populasi.
Agar apa yang dipelajari dan disimpulkan dari sampel dapat diberlakukan pada populasi, maka sampel
harus bersifat representative terhadap populasi.
C. PENGUJIAN NORMALITAS DATA

Statistik parametris bekerja berdasarkan asumsi bahwa data setiap variabel yang akan dianalisis
berdasarkan distribusi normal. Karena itu sebelum peneliti menggunakan statistik parametris, maka
kenormalan data harus diuji. Pengujian normalitas data dapat dilakukan dengan cara membandingkan
kurve normal yang terbentuk dari data yang diperoleh dari penelitian (B) dengan kurve normal
baku/standard (A). Bila B tidak berbeda secara signifikan dengan A, maka B merupakan data yang
berdistribusi normal. Kurve normal baku yang luasnya mendekati 100% dibagi menjadi 6 bidang
berdasarkan simpangan bakunya, yaitu tiga bidang dibawah rata-rata (mean) dan tiga bidang diatas
rata-rata. Luas 6 bidang dalam kurve normal baku adalah: 2,14% ; 13,59 % ; 34,13 % ; 34,13% ; 13,59% ;
2,14 %.
Contoh Penggunaan kurve normal:
Rumus angka baku: z =
z = angka baku
xi = data ke – i dari suatu kelompok data

= rata – rata hitung.
s = simpangan baku
Contoh 1:
Terdapat 200 mahasiswa yang mengikuti ujian mata kuliah statistika. Nilai rata-rata ujian adalah
6,5 dan simpangan bakunya 1,5. Berapa mahasiswa yang mendapat nilai 8 atau lebih ?
Berdasarkan rumus angka banku diatas, diperoleh:
z = 1
Dari tabel (kurve) dapat dilihat bahwa daerah 0 sampai dengan 1, luasnya adalah 34,13.
Persentase tersebut menunjukkan jarak antaramean (rata-rata) dengan suatu titik yang jaraknya
1 SD diatasmean, yang menunjukkan persentase mahasiswa yang mendapatkan nilai antara
rata-rata (6,5) sampai dengan 8. Dengan demikian persentase mahasiswa yang mendapat nilai 8
keatas adalah 50% - 34,13 % = 15,87 %.
Jadi jumlah mahasiswa yang mendapat nilai 8 atau lebih adalah
= 15,87 % x 200
= 31,74 ( dibulatkan 32)

Contoh 2 :
Nilai ujian Mata kuliah Statistik dari 150 mahasiswa adalah sbb:
27 79 69 40 51 88 55 48 36 61
53 44 93 51 65 42 58 55 69 63
70 48 61 55 60 25 47 78 61 54
57 76 73 62 36 67 40 51 59 68
27 46 62 43 54 83 59 13 72 57
82 45 54 52 71 53 82 69 60 35
41 65 62 75 60 42 55 34 49 45
49 64 40 61 73 44 59 46 71 86
43 69 54 31 36 51 75 44 66 53
80 71 53 56 91 60 41 29 56 57
35 54 43 39 56 27 62 44 85 61
59 89 60 51 71 53 58 26 77 68
62 57 48 69 76 52 49 45 54 41
33 61 80 57 42 45 59 44 68 73
55 70 39 59 69 51 85 46 55 67
Selidikilah, apakah data tersebut diatas memenuhi/sesuai dengan kurve normal ?

Langkah-langkah menentukan normalitas data tersebut adalah:
1. Menyusun tabel distribusi frekuensi dari data menjadi 6 (enam) kelas interval, sesuai
pembagian bidang pada kurve normal.
2. Menentukan panjang kelas interval.
3. Menyusun ke dalamtabel distribusi frekuensi, sekaligus tabel penolong untuk menghitung
harga Chi kuadrat hitung.
4. Menghitung fh (frekuensi yang diharapkan) tiap-tiap kelas interval (dengan cara mengalikan
persentase masing-masing bidang pada kurve normal dengan jumlah sampel).
5. Memasukkan nilai fh pada tabel , menghitung nilai (fo – fh )2 dan nilai 2 =
6. Membandingkan harga Chi kuadrat Hitung dengan Chi kuadrat tabel. Apabila hasil Chi
kuadrat hitung lebih kecil daripada nilai Chi kuadrat tabel, maka distribusi data dinyatakan
normal, dan apabila lebih besar maka dinyatakan tidak normal.

Tabel perhitungan Normalitas data dengan Chi kuadrat:
Interval fo fh fo – fh (fo – fh )2 2 =

13 – 27 3 4 1 1 0,25
28 – 42 21 20 1 1 0,05
43 – 57 56 51 5 25 0,49
58 – 72 45 51 6 36 0,70
73 – 87 21 20 1 1 0,05
88 – 102 4 4 0 0 0
Jumlah 150 150 0 1,55
fo = frekuensi/jumlah data hasil observasi.

fh = jumlah/frekuensi yang diharapkan (persentase luas tiap bidang dikalikan dengan n)
fo – fh = selisih data fo dengan fh
Dalam perhitungan ternyata diperoleh Chi kuadrat hitung = 1,55, selanjutnya harga ini dibandingkan
dengan harga Chi kuadrat tabel dengan dk (derajat kebebasan) 6 – 1 = 5.
Berdasarkan tabel Chi kuadrat , bahwa bila dk = 5 dan kesalahan = 5 %, harga chi kuadrat = 11,070.
Karena nilai chi kuadrat dari hasil perhitungan data yang dikerjakan diperoleh 1,55, artinya mempunyai
nilai lebih kecil dari harga chi kuadrat tabel (11,070), maka dapat disimpulkan bahwa distribusi data
nilai statistik 150 mahasiswa tersebut dinyatakan normal.

III.

TEKNIK SAMPLING.
A. DEFINISI
Teknik sampling adalah teknik/cara/model pengambilan sampel dari populasi yang tersedia sehingga
memenuhi standar yang dipergunakan dalam penelitian.
Mengapa menggunakan sampel ?
Data yang dipergunakan dalam suatu penelitian belum tentu merupakan keseluruhan dari suatu
populasi karena beberapa kendala :
● Kendala biaya
● Kendala waktu
● Kendala tenaga
● Populasi yang tidak terdefinisikan
Untuk mengatasi masalah dalam pemakaian data yang mengalami kendala-kendala, maka dapat
dipergunakan SAMPEL.
Untuk resiko perbedaan hasil antara populasi dengan sampel, dipergunakan kemungkinan tingkat
kesalahan (misalnya 1%, 5%, 10%). Angka tingkat kesalahan tersebut pararel dengan tingkat
kepercayaan/ kebenaran (misalnya 99%, 95%, 90%).
B. MACAM – MACAM TEKNIK SAMPLING.
Secara umum beberapa macam teknik sampling seperti yang tergambar di bawah ini :
Teknik sampling
Probability sampling
Non Probability sampling
Simple random sampling
Area (cluster) sampling
Disproportionate stratified random sampling
Proportionate stratified random sampling

Sampling sistematis
Sampling kuota
Sampling insidental
Snowball sampling
Sampling jenuh
Purporsive sampling
1. Probability Sampling
Adalah teknik pengambilan sampel yang memberikan peluang yang sama bagi unsur (anggota)
populasi untuk dipilih menjadi anggota sampel.
Beberapa macam probability sampling antara lain:
a. Simple random sampling.
Pengambilan anggota sampel dari populasi dilakukan secara acak tanpa memperhatikan
strata yang ada dalam populasi itu.
Simple random sampling dilakukan apabila anggota populasi dianggap homogeny, bisa
dilakukan dengan undian, pengacakan nomor, dll.
b. Proportionate Stratified Random Sampling.
Apabila populasi mempunyai anggota/unsur yang tidak homogen dan berstrata secara

proporsional, misalnya tingkat pendidikan, status sosial (strata) masyarakat, dll.
Misal, dari pegawai suatu perusahaan setelah didata menurut strata pendidikan,
diperoleh :
S-3 = 100 orang
S-2 = 150 orang
S-1 = 200 orang
SMU = 800 orang
SMK = 900 orang
Maka pengambilan sampel dilakukan dengan proporsi (perbandingan) jumlah pegawai
sesuai kualifikasi yang ada pada populasi tersebut.
c. Disproportionate Stratified Random Sampling.

Apabila populasi berstrata tetapi kurang proporsional.
Misal, dari pegawai suatu perusahaan setelah didata menurut strata pendidikan,
diperoleh :
S-3 = 2orang
S-2 = 5 orang
S-1 = 6 orang
SMU = 750 orang
SMK= 900 orang
Maka pegawai dengan kualifikasi sarjana seluruhnya menjadi anggota sampel.
d. Area (cluster) sampling.
Apabila obyek yang didata cukup luas, (misal: penduduk suatu negara, atau propinsi, dll) ,
maka pengambilan sampel dilakukan secara bertahap sampai pada daerah terkecil pada
populasi tersebut.
2. Nonprobability Sampling.
Adalah teknik pengambilan sampel yang tidak memberikan peluang yang sama bagi unsur
(anggota) populasi untuk dipilih menjadi anggota sampel.
Beberapa macam teknik pengambilan sampel adalah:
a. Sampling sistematis.
Sampling sistematis adalah teknik pengambilan sampel berdasarkan urutan anggota
populasi yang telah diberi nomor urut. Pengambilan dapat dilakukan dengan memilih
nomor secara urut, atau bernomor ganjil saja, atau kelipatan 5 saja misalnya.
b. Sampling kuota .
Sampling kuota adalah teknik pengambilan sampel dari populasi yang mempunyai ciri-ciri
tertentu sampai jumlah (kuota) yang diinginkan/dibutuhkan. Misal pengambilan sampel
dari siswa disuatu sekolah dengan kriteria tinggi tertentu sampai 100 siswa dari 1000
siswa sekolah tersebut.
c. Sampling insidental.
Sampling insidental adalah teknik pengambilan sampel dari populasi berdasarkan
kebetulan, yaitu siapa saja yang secara kebetulan bertemu dengan peneliti digunakan
sebagai sampel, bila ditemukan secara kebetulan dan cocok sebagai sumber data.
d. Sampling Purposive .
Sampling Purposive adalah teknik pengambilan sampel dari populasi dengan
pertimbangan tertentu.
Penelitian tentang pendidikan, maka sampelnya adalah orang-orang atau obyek yang

berkaitan atau ahli di bidang pendidikan.
e. Sampling jenuh (disebut juga sensus)
Sampling jenuh adalah teknik pengambilan sampel bila semua anggota populasi dijadikan
sampel, yaitu apabila populasi sangat kecil (kurang dari 30).
f. Snowball sampling.
Snowball sampling adalah teknik penentuan sampel yang mula-mula jumlahnya kecil,
kemudian membesar (makin banyak jumlahnya) karena diperlukan kevalidan yang lebih
dari suatu penelitian.
C. MENENTUKAN UKURAN SAMPEL.

Untuk menentukan ukuran sampel dalam penelitian ada beberapa pendapat/teori:
1. Roscoe dalam Research Methods for Business
a. Ukuran sampel yang layak dalam penelitian adalah antara 30 sampai dengan 500.
b. Bila sampel dibagi dalam beberapa kategori, maka jumlah anggota sampel tiap-tiap kategori
minimal 30.
c. Untuk penelitian eksperimen yang sederhana, yang menggunakan kelompok eksperimen
dan kelompok kontrol, maka jumlah anggota sampel pada masing-masing kelompok antara
10 s/d 20.
2. Slovin.
Menggunakan rumus :
n = ukuran sampel
N = ukuran populasi
e = persen kelonggaran ketidaktelitian karena kesalahan pengambilan sampel yang masih
dapat ditolerir atau diinginkan, misalnya 2%.
3. Kracjie
Secara prinsip, sama dengan Slovin, hanya untuk ά = 5 % dan jumlah populasi N mulai dari 10
sampai 100.000.
Dalam perhitungan akhirnya diperoleh jumlah sampel yang hampir sama dengan yang dilakukan
menggunakan teori Slovin.
4. Harry king
Harry King menghitung jumlah sampel menggunakan nomogram dan jumlah populasi maksimum
2000 dengan α bervariasi sampai dengan 15%

Tabel penentuan jumlah sampel dari populasi yang dikembangkan oleh Isaac dan Michael sebagai berikut:
N Jumlah Jumlah Jumlah

N N
Sampel sampel sampel
1% 5% 10% 1% 5% 10 % 1% 5% 10 %
10 10 10 10 280 197 155 138 2800 537 310 247
15 15 14 14 290 202 158 140 3000 543 312 248
20 19 19 19 300 207 161 143 3500 558 317 251
25 24 23 23 320 216 167 147 4000 569 320 254
30 29 28 27 340 225 172 151 4500 578 323 255
35 33 32 31 360 234 177 155 5000 586 326 257
40 38 36 35 380 242 182 158 6000 598 329 259
45 42 40 39 400 250 186 162 7000 606 332 261
50 47 44 42 420 257 191 165 8000 613 334 263
55 51 48 46 440 265 195 168 9000 618 335 263
60 55 51 49 460 272 198 171 10000 622 336 263
65 59 55 53 480 279 202 173 15000 635 340 266
70 63 58 56 500 285 205 176 20000 642 342 267
75 67 62 59 550 301 213 182 30000 649 344 268
80 71 65 62 600 315 221 187 40000 563 345 269
85 75 68 65 650 329 227 191 50000 655 346 269
90 79 72 68 700 341 233 195 75000 658 346 270
95 83 75 71 750 352 238 199 100000 659 347 270
100 87 78 73 800 363 243 202 150000 661 347 270
110 94 84 78 850 373 247 205 200000 661 347 270
120 102 89 83 900 382 251 208 250000 662 348 270
130 109 95 88 950 391 255 211 300000 662 348 270
140 116 100 92 1000 399 258 213 350000 662 348 270
150 122 105 97 1100 414 265 217 400000 662 348 270
160 129 110 101 1200 427 270 221 450000 663 348 270
170 135 114 105 1300 440 275 224 500000 663 348 270
180 142 119 108 1400 450 279 227 550000 663 348 270
190 148 123 112 1500 460 283 229 600000 663 348 270
200 154 127 115 1600 469 286 232 650000 663 348 270
210 160 131 118 1700 477 289 234 700000 663 348 270
220 165 135 122 1800 485 292 235 750000 663 348 270
230 171 139 125 1900 492 294 237 800000 663 348 271
240 176 142 127 2000 498 297 238 850000 663 348 271
250 182 146 130 2200 510 301 241 900000 663 348 271
260 187 149 133 2400 520 304 243 950000 663 348 271
270 192 152 135 2600 529 307 245 1000000 663 348 271
∞ 664 349 272
IV.

RUMUSAN HIPOTESIS
A. DEFINISI.
Dalam statistik, hipotesis dapat diartikan sebagai pernyataan statistik tentang parameter populasi.
Dalam penelitian, hipotesis merupakan jawaban sementara terhadap rumusan masalah penelitian.
Dikatakan sementara, karena jawaban yang diberikan baru didasarkan pada fakta-fakta empiris yang
diperoleh melalui pengumpulan data. Jadi hipotesis juga dapat dinyatakan sebagai jawaban teoritis
terhadap rumusan masalah penelitian, belum jawaban yang empiric dengan data.
B. BENTUK RUMUSAN HIPOTESIS.

Bentuk-bentuk rumusan hipotesis penelitian, sangat terkait dengan rumusan masalah penelitian. Bila
dilihat dari tingkat eksplanasi hipotesis yang akan diuji, maka rumusan hipotesis dapat dikelompokkan
menjadi 3 (tiga) macam, yaitu :
● Hipotesis deskriptif (variabel mandiri).
● Hipotesis komparatif (perbandingan).
● Hipotesis asosiatif (hubungan)
1. Hipotesis Deskriptif.
Adalah dugaan tentang nilai suatu variabel mandiri, tidak membuat perbandingan atau hubungan.
Perhatikan beberapa contoh dibawah ini !
No Rumusan masalah Hipotesis

Seberapa lama daya tahan lampu
1 Daya tahan lampu merk X mencapai 800 jam
merk X ?
Seberapa besar produktivitas jagung Produktivitas jagung di kabupaten Jombang 10
2
di kabupaten Jombang ? ton/ha.
Seberapa baik kepemimpinan di Kepemimpinan di instansi A telah mencapai 75
3
instansi A ? % dari yang diharapkan.
Seberapa semangat belajar Semangat belajar mahasiswa Prodi Bahasa
4 mahasiswa Prodi Bahasa Inggris STKIP Inggris STKIP PGRI Jombang = 75% dari criteria
PGRI Jombang ? ideal yang ditetapkan.
2. Hipotesis Komparatif.
Hipotesis Komparatif adalah pernyataan yang menunjukkan dugaan nilai dalam satu variabel atau
lebih pada sampel yang berbeda.
Contoh:

a. Ho : Tidak terdapat perbedaan prestasi
belajar mahasiswa Perguruan Tinggi X
bila dibandingkan dengan Perguruan
Bagaimana prestasi belajar Tinggi Y.
mahasiswa Perguruan Tinggi X bila b. Ho : Prestasi belajar mahasiswa
1 Perguruan Tinggi X lebih besar atau
dibandingkan dengan Perguruan
Tinggi Y. sama dengan (  )Perguruan Tinggi Y.
c. Ho : Prestasi belajar mahasiswa
Perguruan Tinggi X lebih kecil atau sama
dengan (  )Perguruan Tinggi Y.
3. Hipotesis Hubungan (Asosiatif).

Hipotesis Asosiatif adalah suatu pernyataan yang menunjukkan dugaan tentang hubungan antara
dua variabel atau lebih.

Contoh :

Ho : Tidak terdapat hubungan yang positif dan
Adakah hubungan yang positif dan signifikan antara metode pembelajaran dengan
signifikan antara metode prestasi belajar siswa.
1
pembelajaran dengan prestasi belajar Ha : Terdapat hubungan yang positif dan
siswa. signifikan antara metode pembelajaran dengan
prestasi belajar siswa.
Ho : TIdak terdapat hubungan yang positif dan
Adakah hubungan yang positif dan signifikan antara metode pembelajaran dengan
signifikan antara tingkat pendidikan prestasi belajar siswa.
2
orang tua dengan prestasi belajar Ha : Terdapat hubungan yang positif dan
siswa. signifikan antara tingkat pendidikan orang tua
dengan prestasi belajar siswa.
Karakteristik hipotesis yang baik:

1. Merupakan dugaan terhadap keadaan variabel mandiri, perbandingan keadaan variabel pada
berbagai sampel, dan merupakan dugaan tentang hubungan antara dua variabel atau lebih.
2. Dinyatakan dalam kalimat yang jelas, sehingga tidak menimbulkan berbagai penafsiran.
3. Dapat diuji dengan data yang dikumpulkan dengan metode – metode ilmiah.
C. TARAF KESALAHAN DALAM PENGUJIAN HIPOTESIS.
Pada dasarnya, menguji hipotesis adalah menaksir parameter populasi berdasarkan data sampel.
Terdapat dua cara menaksir, yaitu, a point estimate dan interval estimate atau sering disebut confidence
interval. A point estimate (titik taksiran) adalah suatu taksiran parameter populasi berdasarkan satu nilai
data sampel. Sedangkan ionterval estimate (taksiran interval) adalah suatu taksiran parameter populasi
berdasarkan nilai interval data sampel.
Contoh :
● Daya tahan kerja orang Indonesia adalah 10 jam/hari (a point estimate).
● Daya tahan kerja orang Indonesia antara 8 sampai 12 jam/hari. (interval estimate).
Menaksir (menyusun hipotesis) menggunakan nilai tunggal (a point estimate) mempunyai resiko
kesalahan yang lebih tinggi dibandingkan dengan menggunakan interval estimate. Makin besar interval
taksirannya, maka akan semakin kecil kesalahannya.
D. DUA KESALAHAN DALAM PENGUJIAN HIPOTESIS.

Dalam menaksir parameter populasi berdasarkan data sampel, kemungkinan akan terdapat dua
kesalahan yaitu:
1. Kesalahan type I adalah suatu kesalahan bila menolak hipotesis nol (Ho) yang benar (seharusnya
diterima). Dalam hal ini tingkat kesalahan dinyatakan dengan ά (alpha).
2. Kesalahan type II adalah suatu kesalahan bila menerima hipotesis nol yang salah (seharusnya
ditolak). Dalam hal ini tingkat kesalahan dinyatakan dengan β (betha)
Bila nilai statistik (data sampel) yang diperoleh dari hasil pengumpulan data, sama dengan nilai
parameter polpulasi atau berada pada nilai interval parameter populasi, maka hipotesis yang
dirumuskan 100% diterima atau tidak terdapat kesalahan. Apabila nilai statistic di luar parameter
populasi, maka akan terdapat kesalahan. Kesalahan ini akan semakin besar bila nilai statistic jauh dari
nilai parameter populasi.
V.

PENGUJIAN HIPOTESIS DESKRIPTIF.
A. STATISTIK PARAMETRIS.
Terdapat beberapa macam teknik statistik yang dapat digunakan untuk menguji hipotesis deskriptif.
Tabel di bawah ini menggambarkan teknik statistik yang dipakai sesuai dengan jenis data yang diperoleh:
Teknik Statistik yang digunakan untuk

No Jenis / tingkatan data
pengujian
1. Test Binomial
1 Nominal
2. Chi kuadrat ( 1 sampel )
2 Ordinal Run test
3 Interval / ratio t – test
Sesuai tabel diatas, statistik parametris yang dapat digunakan untuk menguji hipotesis deskriptif bila
datanya interval atau rasio adalah t-test 1 sampel.
Terdapat dua macam pengujian hipotesis deskriptif, yaitu dengan uji dua pihak (two tail test) dan uji satu
pihak (one tail test). Uji satu fihak ada dua macam yaitu uji fihak kanan dan uji fihak kiri. Jenis uji mana
yang akan digunakan tergantung bunyi kalimat hipotesisnya.
Rumus t-test yang digunakan untuk menghitung adalah:
t = nilai t yang dihitung, selanjutnya disebut t hitung.

= rata-rata sampel.
o = nilai yang dihipotesiskan.
s = simpangan baku.
n = jumlah anggota sampel.
1. Uji Dua Fihak (Two Tail Test).

Uji dua pihak digunakan apabila hipotesis nol (Ho) berbunyi ” sama dengan ” dan hipotesis
alternatifnya (Ha) berbunyi ” tidak sama dengan ”. ( Ho = ; Ha  ).
Dalam pengujian hipotesis yang mengunakan uji dua pihak ini berlaku ketentuan, bahwa bila harga t
hitung berada dalam daerah penerimaan Ho atau terletak diantara harga tabel, maka Ho diterima
dan Ha ditolak. Dengan demikian bila harga t hitung kurang dari atau sama dengan harga tabel,
maka Ho diterima. Harga t hitung merupakan harga mutlak.
Contoh:
Dilakukan pengumpulan data untuk menguji hipotesis yang menyatakan bahwa ketahanan belajar
siswa SMA X adalah 60 menit/hari. Berdasarkan sampel yang 41 siswa yang diambil secara random
dari seluruh siswa SMA X diperoleh data sbb:
37 79 69 40 51 88 55 48 69
53 44 93 51 65 42 58 55
70 48 61 55 60 35 47 78
57 76 73 62 36 67 40 51
45 46 62 43 54 83 59 33
Dari data dan pertanyaan tersebut diatas, diperoleh :

Ho : Ketahanan belajar siswa SMA X = 60 menit/hari..
Ha : Ketahanan belajar siswa SMA X  60 menit/hari.
n = 41 ; o = 60 menit/hari.

Dari perhitungan statistik diperoleh :
= 57,51
s = 14,77
Jadi rata-rata ketahahan belajar siswa SMA X berdasarkan data sampel 41 responden adalah = 57,51
menit/hari. Selanjutnya akan diuji, apakah ada perbedaan yang signifikan atau tidak dengan yang
dihipotesiskan, yaitu ketahanan belajar siswa adalah 60 menit/hari.
Untuk pengujian hipotesis ini digunakan Rumus t diatas =
= – 1,07851887
Untuk membuat keputusan apakah hipotesis ini terbukti atau tidak, maka harga t hitung tersebut
dibandingkan dengan t tabel (tabel t ).
Pada taraf kesalahan 5% dengan menggunakan uji dua fihak, maka harga t tabel adalah = 2,021.
Untuk mempermudah dimana kedudukan t hitung dan t tabel dapat dilukis gambar sebagai berikut.
Dalam gambar tersebut ternyata harga t hitung berada pada daerah penerimaan Ho (karena nilai t
hitung lebih kecil dari t tabel). Dengan demikian hipotesis Ho yang menyatakan bahwa ketahanan
belajar siswa SMA X adalah 60 menit/hari diterima. Sehingga kesimpulan ini dapat digeneralisasikan
untuk seluruh populasi.
Daerah penerimaan Ho
Daerah penolakan Ho
Daerah penolakan Ho
- 2,021
-1,0785
2,021
1,0785
2.

Uji Satu Fihak (One Tail Test).
a. Uji pihak kiri.
Uji pihak kiri digunakan apabila hipotesis nol (Ho) berbunyi ”lebih besar dari atau sama dengan”
dan hipotesis alternatif (Ha) berbunyi ” lebih kecil ”.
Contoh :
Ho : Daya tahan lampu merk A paling sedikit 400 jam (  400 jam).
Ha : Daya tahan lampu merk A lebih kecil dari (  ) 400 jam.
Atau dapat ditulis :
Ho : o  400 jam.
Ha : o  400 jam.
Apabila diperoleh harga t hitung lebih besar atau sama dengan nilai t tabel, maka Ho diterima
dan Ha ditolak.
b. Uji pihak kanan.

Uji pihak kanan digunakan apabila hipotesis nol (Ho) berbunyi ”lebih kecil dari atau sama
dengan” dan hipotesis alternatifnya berbunyi ” lebih besar ”.
Contoh :
Ho : Daya tahan lampu merk A paling lama 400 jam (  400 jam).
Ha : Daya tahan lampu merk A lebih besar dari (  ) 400 jam.
Atau dapat ditulis :
Ho : o  400 jam.
Ha : o  400 jam.
Apabila diperoleh harga t hitung lebih kecil atau sama dengan nilai t tabel, maka Ho diterima
dan Ha ditolak.
B. STATISTIK NONPARAMETRIS.
1. TEST BINOMIAL
Test binomial digunakan untuk menguji hipotesis bila dalam populasi terdiri atas dua
kelompok klas, datanya berbentuk nominal dan jumlahnya kecil ( kurang dari 25).
Dua kelompok kelas itu misalnya kelas pria dan wanita, senior dan yunior, sarjana dan
bukan sarjana, kaya dan miskin, pemimpin dan rakyat, dsb.
Test ini dinamakan test Binomial karena distribusi data dalam populasi itu berbentuk
Binomial. Distribusi Binomial adalah suatu distribusi yang terdiri dari dua kelas, sehingga
bila dalam suatu populasi yang jumlahnya N, terdapat satu kelas yang berkategori x, maka
kategori yang lain adalah ( N – x ). Sehingga probabilitas untuk memperoleh x obyek
dalam satu kategori dan (N – x) dalam kategori yang lain adalah :
P(x) = ( N C x ) p x . q (N-x)

Selanjutnya dalam menentukan nilai probablitas, dapat menggunakan tabel yang tersedia
(Tabel IV dari buku Prof. Dr. Sugiyono).
Ho : p1 = p 2 = 0.5.
Ha : p1 ≠ p 2 ≠ 0.5.
Kaidah pengambilan keputusan: Bila harga p hitung lebih besar dari taraf signifikan yang
ditetapkan, maka Ho diterima dan Ha ditolak.
2. Chi Kuadrat ( χ 2 ).

Chi kuadrat satu sampel digunakan untuk menguji hipotesis bila dalam populasi terdiri atas

dua atau lebih kelas dimana data berbentuk nominal dan sampelnya besar.
Misalnya untuk mengetahui kemungkinan masyarakat memilih dua calon Kepala Desa di
Tambakberas Jombang. Calonnya adalah pria dan wanita. Sampel diambil sebanyak 300
orang. Ternyata 200 orang memilih pria dan 100 orang memilih wanita.
Hipotesisnya adalah:
Ho : Peluang calon pria dan wanita adalah sama..
Ha : Peluang calon pria dan wanita adalah tidak sama.
Pengambilan keputusan: Bila Chi kuadrat hitung lebih kecil dari nilai Chi kiuadrat tabel,
maka Ho diterima dan Ha ditolak dan sebaliknya. (Tabel VI dari buku Prof. Dr. Sugiyono).
3. Run Test
Run test digunakan untuk menguji hipotesis deskriptif satu sampel bila skala
pengukurannya ordinal. Run test digunakan untuk mengukur urutan suatu kejadian.
Pengujian dilakukan dengan cara mengukur kerandoman populasi yang didasarkan atas
data hasil pengamatan melalui data sampel.
Pengujian Ho dilakukan dengan membandingkan jumlah run dalam tabel observasi dengan
nilai yang ada dalam tabel VIIa dan VII b dengan tingkat signifikansi tertentu.
Kaidah pengambilan keputusannya sebagai berikut:
Bila nilai run observasi berada diantara nilai run kecil (VIIa) dan run besar (VIIb), maka
Ho diterima dan Ha ditolak.
VI.

PENGUJIAN HIPOTESIS ASOSIATIF.
Hipotesis Asosiatif merupakan dugaan tentang adanya hubungan antar variabel dalam populasi yang
akan diuji melalui hubungan antar variabel dalam sampel yang diambil dari populasi tersebut.
Langkah-langkah pembuktiannya:
● Hitung koefisien korelasi antar variabel dalam sampel.
● Menguji signifikansi koefisien korelasi yang ditemukan.
Terdapat 3 (tiga) macam bentuk hubungan antar variabel, yaitu :
1. hubungan simetris
2. hubungan sebab akibat (kausal).
3. hubungan interaktif (saling mempengaruhi).
Untuk mengetahui hubungan antara dua variabel atau lebih, dilakukan dengan menghitung koefisien
korelasi antara variabel yang akan dicari hubungannya. Korelasi merupakan angka yang menunjukkan
arah dan kuatnya hubungan antara dua variabel atau lebih. Arah dinyatakan dalam bentuk hubungan
positif atau negatif, sedang kuatnya hubungan dinyatakan oleh besarnya koefisien korelasi.
Hubungan antar variabel dinyatakan positif, apabila nilai suatu variabel ditingkatkan, maka akan
meningkatkan nilai variabel yang lain.
Kuatnya hubungan antar variabel dinyatakan dalam koefisien korelasi. Koefisien

korelasi positif terbesar adalah 1 dan koefisien korelasi negative terbesar adalah – 1.
Tabel untuk memilih teknik korelasi dalam pengujian hipotesis.
No Jenis / tingkatan data Teknik korelasi yang digunakan

1 Nominal Koefisien kontingensi
Spearman Rank
2 Ordinal
Kendal tau
Pearson Product Moment
3 Interval / ratio Korelasi Ganda
Korelasi Parsial
1.

Korelasi Product Moment.
Untuk menguji ada tidaknya hubungan dan membuktikan hipotesis hubungan dua variabel dipakai
rumus berikut :
Dimana :
r = korelasi antara variabel x dan y
x = (xi – )
y = (yi – )
atau dengan menggunakan rumus berikut :
Ho : Tidak ada hubungan antara variabel x dan variabel y.
Ha : Ada hubungan antara variabel x dan variabel y.
Apabila harga r hitung > r tabel, maka Ho ditolak dan Ha diterima dan sebaliknya.
Interpertasi terhadap hasil uji koefisien korelasi, sebagai berikut:

0,00 – 0,199 = sangat rendah
0,20 – 0,399 = rendah
0,40 – 0,599 = sedang
0,60 – 0,799 = kuat
0,80 – 1,000 = sangat kuat.
Contoh :
Dilakukan penelitian untuk mengetahui ada tidaknya hubungan antara pendapatan dan
pengeluaran. Terhadap 10 responden yang diambil secara random, diperoleh data sebagai berikut :
Pendapatan (x) dan pengelauaran (y), masing-masing dalam ribuan :
x 800 900 700 600 700 800 900 600 500 500
y 300 300 200 200 200 200 300 100 100 100
Hipotesisnya adalah sebagai berikut:

Ho : Tidak ada hubungan antara pendapatan dan pengeluaran
Ha : Ada hubungan antara pendapatan dan pengeluaran.

Dengan menggunakan tabel penolong penghitungan koefisien korelasi sebagai berikut:
No x1 y1 xi- yi – x2 y2 x. y xi* yi xi 2 yi 2
1 8 3 1 1 1 1 1 24 64 9
2 9 3 2 1 4 1 2 27 81 9
3 7 2 0 0 0 0 0 14 49 4
4 6 2 -1 0 1 0 0 12 36 4
5 7 2 0 0 0 0 0 14 49 4
6 8 2 1 0 1 0 0 16 64 4
7 9 3 2 1 4 1 2 27 81 9
8 6 1 -1 -1 1 1 1 6 36 1
9 5 1 -2 -1 4 1 2 5 25 1
10 5 1 -2 -1 4 1 2 5 25 1
Jumlah 70 20 0 0 20 6 10 150 510 46
Rata-rata 7 2
Berdasarkan rumus diatas, dapat dihitung koefisien korelasi sebagai berikut:
= 0,91287
Dari hasil tersebut, dapat disimpulkan ada korelasi positif sebesar 0,91287 antara pendapatan dan
pengeluaran tiap bulan. Hal ini berarti semakin besar pendapatan, maka semakin besar pula
pengeluaran. Sedangkan signifikansi koefisien korelasi hasil perhitungan tersebut dapat
dibandingkan dengan r tabel (Tabel r Product Moment).
Untuk taraf kesalahan 5 % dan N = 10, nilai r tabel = 0,632. Ternyata nilai r hitung lebih besar dari
harga r tabel, sehingga Ho ditolak dan Ha diterima. Jadi kesimpulannya ada hubungan positif dan
nilai koefisien antara pendapatan dan pengeluaran sebesar 0, 91287.
2. Korelasi Ganda.
Korelasi ganda (multiple correlation) merupakan angka dan arah yang menunjukkan kuatnya
hubungan antara dua variabel independen secara bersama-sama atau lebih dengan satu variabel
dependen. Secara mudah, korelasi ganda dapat diskemakan sebagai berikut.
Nilai Matematika (x2)

Nilai Bahasa Inggris (x1)
Nilai Mata pelajaran Kejuruan (y)
r 3
r1
R
r 2
Dimana :
r1 = korelasi Product Moment antara variabel x1 dengan variabel y.
r2 = korelasi Product Moment antara variabel x2 dengan variabel y.

r3 = korelasi Product Moment antara variabel x1 dengan variabel x2.
R = korelasi antara variabel x1 dan variabel x2 secara bersama-sama dengan variabel y.
Dalam hal ini korelasi ganda R bukan merupakan penjumlahan dari korelasi sederhana yang ada
pada setiap variabel. Dengan kata lain R  r1 + r2 + r3 .
Korelasi ganda merupakan hubungan secara bersama-sama x1 dan x2 dengan y.
Untuk menentukan nilai R digunakan rumus berikut :
R =
Untuk menghitung korelasi ganda, maka harus dihitung terlebih dahulu korelasi sederhananya dulu
melalui korelasi Product Moment dari Pearson.
Contoh/Tugas (Untuk dikerjakan kelompok, maksimal 6 orang tiap kelompok).

Dilakukan pengumpulan data terhadap nilai Bahasa Inggris (x1 ) , nilai Matematika (x2) dan nilai
Mata Pelajaran Kejuruan (y). dari 20 siswa yang diambil secara random, sebagai berikut:
(untuk N = 20 dan taraf kesalahan 5 %, nilai r tabel = 0,444 ).
x1 70 80 72 67 64 70 71 78 90 96 54 52 65 71 66 89 80 64 50 74
x2 64 72 70 45 62 90 71 86 80 71 42 36 71 60 57 52 70 46 30 71
y 70 67 74 56 73 79 57 58 71 66 72 43 76 55 81 54 66 57 51 69
1. Hitunglah koefisien korelasi antara x1 dengan y, x2 dengan y dan x1 dengan x2.
2. Secara bersama-sama berapakah hubungan antara x1 dan x2 dengan y ?
VII.

PENGUJIAN HIPOTESIS KOMPARATIF.
Menguji hipotesis komparatif berarti menguji parameter populasi berbentuk perbandingan melalui
ukuran sampel yang juga berbentuk perbandingan. Hal ini juga dapat berarti menguji kemampuan
generalisasi (signifikansi hasil penelitian) yang berupa perbandingan keadaan variabel dari dua sampel
berbeda.
Komparatif dua sampel yang berkorelasi.
Statistik parametris yang digunakan untuk menguji hipotesis komparatif rata-rata dua sampel bila
datanya berbentuk interval atau rasio adalah menggunakan t-test.
Sampel yang berkorelasi, biasanya terdapat dalam desain penelitian eksperimen. Misalnya
perbandingan kinerja pegawai sebelum dan sesudah mendapat insentif, nilai pretest dan postest siswa,
pegawai yang dididik dengan latihan tertentu dan tidak dilatih.
Sampel yang tidak berkorelasi (independen) adalah sampel yang tidak berkaitan (lepas satu sama lain).
Misalnya membandingkan dua kelompok siswa (SMA dan SMK) mengenai rentang waktu (masa
tunggu mereka mendapat pekerjaan).
Rumusan t-test yang digunakan untuk menguji hipotesis komparatif dua sampel yang berkorelasi
adalah :
Dimana :
= rata-rata sampel 1
= rata-rata sampel 2
s 1.= simpangan baku sampel 1.
s 2. = simpangan baku sampel 2.
= varians sampel 1.
= varians sampel 2.
Komparatif dua sampel yang tidak berkorelasi (independen).
Rumus t yang digunakan untuk sampel independen:

( 1 ) atau
(2)
1. Bila n1 = n2 dan varians homogen ( 12= 22) bisa memakai rumus 1 maupun rumus 2.
2. Bila n1  n2 dan varians homogen (12= 22) memakai rumus 2.
3. Bila n1 = n2 dan varians tidak homogen (12 22) bisa memakai rumus 1 maupun rumus 2.
4. Bila n1  n2 dan varians tidak homogen (12  22) , maka memakai rumus 1.
Kaidah pengambilan keputusan:

Bila | t hitung | > | t tabel |, maka Ho ditolak dan Ha diterima (terdapat perbedaan) antara dua kelompok
sampel yang diteliti.

Contoh 1:
Dilakukan penelitian untuk mengetahui ada tidaknya perbedaan produktifitas kerja pegawai sebelum
dan setelah diberi kendaraan dinas. Berdasarkan 25 sampel pegawai yang dipilih secara random
diperoleh data sebagai berikut:
No. Produktifitas
Responden Kerja
Sebelum Sesudah
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
Rumusan hipotesis untuk permasalahan tersebut diatas adalah :
Ho : Tidak terdapat perbedaan yang signifikan antara produktifitas kerja pegawai sebelum dan sesudah
diberikan fasilitas.
Ha : Ada perbedaan yang signifikan antara produktifitas kerja pegawai sebelum dan sesudah diberikan
fasilitas.

Untuk menentukan nilai-nilai rata-rata, simpangan baku dan korelasi antara dua kelompok sampel
diatas, perhatikan tabel berikut:
No responden Sebelum (x) Sesudah (y) (x – x) (x – x) 2 (y – y) (y – y) 2

1 75 85 1 1 5.8 33.64
2 80 90 6 36 10.8 116.64
3 65 75 -9 81 -4.2 17.64
4 70 75 -4 16 -4.2 17.64
5 75 75 1 1 -4.2 17.64
6 80 90 6 36 10.8 116.64
7 65 70 -9 81 -9.2 84.64
8 80 85 6 36 5.8 33.64
9 90 95 16 256 15.8 249.64
10 75 70 1 1 -9.2 84.64
11 60 65 -14 196 -14.2 201.64
12 70 75 -4 16 -4.2 17.64
13 75 85 1 1 5.8 33.64
14 70 65 -4 16 -14.2 201.64
15 80 95 6 36 15.8 249.64
16 65 65 -9 81 -14.2 201.64
17 75 80 1 1 0.8 0.64
18 70 80 -4 16 0.8 0.64
19 80 90 6 36 10.8 116.64
20 65 60 -9 81 -19.2 368.64
21 75 75 1 1 -4.2 17.64
22 80 85 6 36 5.8 33.64
23 70 80 -4 16 0.8 0.64
24 90 95 16 256 15.8 249.64
25 70 75 -4 16 -4.2 17.64
Jumlah 1850 1980 1350 2484
Rata-rata 74,00 79,20
Simpangan baku 7,50 10,17 10.17349
Varians 56.25 103.50 103.5
r xy =koefisien
0.86280848
korelasi
Berdasarkan tabel diatas, diperoleh :

Rata-rata data 1 = 74,00
Rata-rata data 2 = 79,20
Standar deviasi 1 = 7,50
Standar deviasi 2 = 10,171
Koefisien korelasi r = 0,86281
Varians 1 = (7,50) 2 = 56,25
Varians 1 = (10,17) 2 = 103,50
Sehingga diperoleh:

t = – 4,9062426
Apabila kita menggunakan SPSS, langkah-langkahnya sebagai berikut:

1. Masuk program SPSS.
2. Klik variabel view pada SPSS data editor.
3. Pada kolom Name (baris pertama) ketik sebelum, dan kolom Name (baris kedua) ketik sesudah.
4. Pada kolom Label, baris pertama ketik sebelum mendapatkan fasilitas dan pada baris kedua ketik
setelah fasilitas.
5. Untuk kolom-kolom lainnya boleh dihiraukan (isian default).
6. Buka data view pada SPSS data editor, maka didapat kolom variabel sebelum dan sesudah.
7. Ketikkan data sesuai dengan variabelnya.
8. Klik Analyze – Compare Means – Paired Sample Test.
9. Klik variabel mendapatkan fasilitas, kemudian klik variabel setelah mendapatkan fasilitas, dan
masukkan ke kotak Paired Variabels.
10. Klik OK, maka hasil output yang didapat pada tabel Paired Samples Statistics dan Paired Samples
Test adalah sebagai berikut.
Paired Samples Statistics
Mean N Std. Deviation Std. Error Mean

Pair 1 Kinerja sebelummendapat
74.00 25 7.500 1.500
fasilitas
Kinerja sesudah mendapat
79.20 25 10.173 2.035
fasilitas
Paired
Sample
s
Correlat
ions
N Correlation Sig.
fasilitas & Kinerja sesudah 25 .863 .000
mendapat fasilitas
Paired
Sample
s Test
Paired
Differences
95%
Std. Confidence
Std. Sig.
Mean Error Interval of t df
Deviation (2-tailed)
Mean the
Difference

Lower Upper
fasilitas - Kinerja sesudah -5.200 5.299 1.060 -7.387 -3.013 -4.906 24 .000
mendapat fasilitas
Menentukan hipotesis yang diterima:
Kesimpulan:
Nilai t hitung = – 4,906 < t tabel (– 2 ,064), maka Ho ditolak dan Ha diterima, artinya ada perbedaan kinerja
pegawai sebelum dan sesudah diberikan fasilitas.
Kaidah pengambilan keputusan:
Bila | t hitung | > | t tabel |, maka Ho ditolak dan Ha diterima (terdapat perbedaan) antara dua kelompok
sampel yang diteliti.

Contoh 2 ( Independent comparative).
Dilakukan penelitian untuk mengetahui kecepatan memasuki dunia kerja antara siswa lulusan SMA
dan SMK. Berdasarkan 22 responden lulusan SMA dan 18 siswa lulusan SMK diperoleh data bahwa
lama menunggu untuk mendapatkan pekerjaan kedua jenis sekolah tersebut adalah sebagaimana tabel
di bawah ini:
Lama menunggu Lama menunggu

Nomor lulusan SMA lulusan 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
Rata-rata 2.909090909 1.777777778
Standar
1.508991808 0.808452083
Deviasi
Varians 2.277056277 0.653594771
Dari data diatas, dapat kita hitung sebagai berikut:
3.025579
Kesimpulan :
Karena t hitung > t tabel, (3,026 > 2,095), maka Ho ditolak dan Ha diterima artinya ada perbedaan waktu
menunggu mendapat pekerjaan, antara siswa SMA dan siswa SMK.
Apabila menggunakan SPSS, maka langkah-langkahnya sebagai berikut:

3. Pada kolom Name (baris pertama) ketik Lama menunggu, dan kolom Name (baris kedua) ketik
jenis sekolah.
4. Pada kolom Decimals, ubah nilai menjadi 0 untuk semua variabel.
5. Pada kolom Label, baris pertama ketik Lama menunggu dan pada baris kedua ketik Jenis sekolah.
6. Pada kolom Values, untuk kolom pada baris pertama biarkan kosong (None).untuk kolom pada
baris ke – 2, klik pada kotak kecil, pada value ketik 1,pada value label ketik SMA, lalu klik Add,
langkah selanjutnya pada value ketik 2,pada value label ketik SMK, lalu klik Add. Kemudian klik
OK.
8. Buka data view pada SPSS data editor, maka didapat kolom variabel SMA dan SMK.
9. Ketikkan data sesuai dengan variabelnya(pada variabel jenis sekolah ketik 1dan 2 (1menunjukkan
lulusan SMA dan 2 menunjukkan lulusan SMK) .
10. Klik Analyze – Compare Means – Independent Sample T Test.
11. Klik variabel Lama menunggu dan masukkan ke kotak test variabel, kemudian klik variabel jenis
sekolah, dan masukkan ke kotak Grouping Variabels, kemudian klik Define Groups,pada group 1
ketik 1 dan pada group 2 ketik 2, lalu klik Continue .
12. Klik OK, maka hasil output yang didapat pada tabel Paired Samples Statistics dan Paired Samples
Test adalah sebagai berikut.
Group Statistics
Jenis
N Mean Std. Deviation Std. Error Mean
Sekolah
Lama Menunggu SMA 22 2.91 1.509 .322
SMK 18 1.78 .808 .191
Independent Samples Test.
Levene's t-test for

Test for
Equality Equality
of of
Variance Means
s
95%
Confidenc
Sig. Mean Std. Error
F Sig. t df e Interval
(2-tailed) Difference Difference
of the
Difference
Lower Upper
Lama Equal variances 5.162 .029 2.858 38 .007 1.131 .396 .330 1.933

Menunggu assumed
Equal variances 3.026 33.262 .005 1.131 .374 .371 1.892

not assumed
VIII.

ANALISIS REGRESI
Ada perbedaan yang mendasar antara analisis korelasi dan regresi. Analisis korelasi digunakan
untuk mencari arah dan hubungan antara dua variabel atau lebih, baik hubungan yang bersifat simetris,
kausal atau reciprocal, sedangkan analisis yang digunakan untuk memprediksikan seberapa jauh
perubahan nilai variabel dependen, bila nilai variabel independen dimanipulasi/dirubah-rubah atau
dinaik-turunkan.
Kuatnya hubungan antar variabel yang dihasilkan dari analisis korelasi dapat diketahui berdasarkan
besar kecilnya koefisien korelasi yang nilainya – 1 < r < 1. Koefisien korelasi yang mendekati – 1 atau
+ 1, berarti hubungan variabel tersebut sempurna negatif atau sempurna positif. Bila koefisien korelasi
(r) tinggi, pada umumnya koefisien regresi (b) juga tinggi, sehingga daya prediktifnya akan tinggi. Bila
koefisien korelasi minus ( – ) maka pada umumnya koefisien regresi juga minus ( – ) dan sebaliknya.
Persamaan umum regresi linier sederhana adalah:

Y = a + bX
Dimana :
Y = subyek dalam variabel dependen yang diprediksikan.
a = harga Y ketika harga X = 0 (harga konstan).
b = angka arah atau koefisien regresi, yang menunjukkan angka peningkatan, atau penurunan
variabel dependen yang didasarkan perubahan variabel independen. Bila (+) maka arah
garis naik dan bila (-) maka arah garis turun.
X = subyek pada variabel independen yang mempunyai nilai tertentu.
Harga b merupakan tangen dari (perbandingan) antara panjang garis variabel dependen, setelah
persamaan regresi ditentukan.
Harga a dan b dapat dinyatakan sebagai :
dan a = y – bx
r = koefisien korelasi product moment antara variabel x dengan variabel y.
sx = simpangan baku variabel x,
sy = simpangan baku variabel y.
Jadi harga b merupakan fungsi dari koefisien korelasi. Bila koefisien korelasi tinggi, maka nilai b juga
besar, dan sebaliknya bila koefisien korelasi rendah, maka nilai b juga kecil.
Nilai a dan b juga dapat dihitung dengan rumus berikut :
dan
Contoh:
Data berikut adalah hasil pengamatan terhadap nilai Kualitas Layanan (x) dan nilai rata-rata penjualan barang
tertentu tiap bulan (Y). Data kedua variabel seperti dalam tabel di bawah ini.
Susunlah persamaan regresi dari data tersebut !

Nomor …….. (x) …….. ( y ) x.y x2 y2
1 54 167 9018 2916 27889
2 50 155 7750 2500 24025
3 53 148 7844 2809 21904
4 45 146 6570 2025 21316
5 48 170 8160 2304 28900
6 63 173 10899 3969 29929
7 46 149 6854 2116 22201
8 56 166 9296 3136 27556
9 52 170 8840 2704 28900
10 56 174 9744 3136 30276
11 47 156 7332 2209 24336
12 56 158 8848 3136 24964
13 55 150 8250 3025 22500
14 52 160 8320 2704 25600
15 50 157 7850 2500 24649
16 60 177 10620 3600 31329
17 55 166 9130 3025 27556
18 45 160 7200 2025 25600
19 47 155 7285 2209 24025
20 53 159 8427 2809 25281
21 49 159 7791 2401 25281
22 56 172 9632 3136 29584
23 57 168 9576 3249 28224
24 50 159 7950 2500 25281
25 49 150 7350 2401 22500
26 58 165 9570 3364 27225
27 48 159 7632 2304 25281
28 52 162 8424 2704 26244
29 56 168 9408 3136 28224
30 54 166 8964 2916 27556
31 59 177 10443 3481 31329
32 47 149 7003 2209 22201
33 48 155 7440 2304 24025
34 56 160 8960 3136 25600
Jumlah 1782 5485 288380 94098 887291
Mean 52.41176471 161.3235294
Standard
4.60643586 8.58370757
Deviasi
Setelah dihitung diperoleh nilai a dan b sebagai berikut:
dan
a = 93.84954637 = 93,85 (pembulatan 2 desimal)

b = 1.287382392 = 1,29 ( pembulatan 2 desimal)
Maka persamaan Regresinya adalah:

Y = 93,85 + 1,29 x

Dari persamaan diatas dapat diartikan bahwa, bila nilai kualitas layanan (x) dinaikkan 1 poin, maka
nilai rata-rata penjualan barang tiap bulan (y) akan mengalami kenaikan sebesar 1,29.
Persamaan regresi ini dapat dipergunakan untuk memprediksi nilai Y (variabel dependen) apabila X
(variabel independen)-nya dirubah, sebagaimana dalam tabel di bawah ini :
No Var X Variabel Y Keterangan
1 64 93,85 + 1,29 x 64 = 176.2420195
2 53 93,85 + 1,29 x 53 = 162.0808132
3 56 93,85 + 1,29 x 56 = 165.9429603
4 54 93,85 + 1,29 x 54 = 163.3681956
Apabila menggunakan SPSS, maka langkah-langkahnya sebagai berikut:

3. Pada kolom Name ketik y, dan kolom Name (baris kedua) ketik x.
4. Pada kolom Label, untuk kolom baris pertama ketik Prestasi belajar dan pada baris kedua ketik
Lama belajar.
6. Buka data view pada SPSS data editor, maka didapat kolom variabel y dan x.
7. Ketikkan data sesuai dengan variabelnya.
8. Klik Analyze – Regression – Linear.
9. Klik variabel Prestasi belajar dan masukkan ke kotak dependent, kemudian klik variabel Lama
belajar, dan masukkan ke kotak Independent.
10. Klik Statistics, klik Casewise Diagnostics, klik All cases, klik Continue.
11. Klik OK, maka hasil output yang didapat pada kolom Coefficients dan Casewise Diagnostics
adalah sebagai berikut.
Variabe
ls
Entere
d/Rem
ovedb
Variabels Variabels
Model Entered Removed Method
a
1 Layanan . Enter
a. All
request
ed
variabel
s
entered
.
b.
Depend
ent

Variabe
l:
Penjual
an
Model
Summa
ryb
Adjusted R Std. Error of the
Model R R Square Square Estimate
a
1 .691 .477 .461 6.30204
a.
Predict
ors:
(Consta
nt),
Layana
n
b.
Depend
ent
Variabe
l:
Penjual
an
ANOVA
b
Model Sum of Squares Df Mean Square F Sig.

1 Regression 1160.537 1 1160.537 29.221 .000a
Residual 1270.904 32 39.716
Total 2431.441 33
a.
Predict
ors:
(Consta
nt),
Layana
n
b.
Depend
ent
Variabe
l:
Penjual
an
Coeffici
entsa
Unstandar
95%
dized Standardized
Model t Sig. Confidence
Coefficient Coefficients
Interval for B
s
B Std. Error Beta Lower Bound Upper Bound

1 (Constant) 93.850 12.529 7.491 .000 68.329 119.370
Layanan 1.287 .238 .691 5.406 .000 .802 1.772
a.
Depend
ent
Variabel
:
Penjual
an
Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value 151.7818 174.9546 161.3235 5.93024 34
Residual -14.65558 14.35610 .00000 6.20582 34
Std. Predicted Value -1.609 2.299 .000 1.000 34
Std. Residual -2.326 2.278 .000 .985 34
a. Dependent Variabel:
Penjualan

Casewi
se
Diagno
sticsa
Case
Std. Residual Penjualan Predicted Value Residual
Number
1 .576 167.00 163.3682 3.63180
2 -.511 155.00 158.2187 -3.21867
3 -2.234 148.00 162.0808 -14.08081
4 -.917 146.00 151.7818 -5.78175
5 2.278 170.00 155.6439 14.35610
6 -.310 173.00 174.9546 -1.95464
7 -.646 149.00 153.0691 -4.06914
8 .009 166.00 165.9430 .05704
9 1.461 170.00 160.7934 9.20657
10 1.278 174.00 165.9430 8.05704
11 .261 156.00 154.3565 1.64348
12 -1.260 158.00 165.9430 -7.94296
13 -2.326 150.00 164.6556 -14.65558
14 -.126 160.00 160.7934 -.79343
15 -.193 157.00 158.2187 -1.21867
16 .937 177.00 171.0925 5.90751
17 .213 166.00 164.6556 1.34442
18 1.304 160.00 151.7818 8.21825
19 .102 155.00 154.3565 .64348
20 -.489 159.00 162.0808 -3.08081
21 .328 159.00 156.9313 2.06872
22 .961 172.00 165.9430 6.05704
23 .122 168.00 167.2303 .76966
24 .124 159.00 158.2187 .78133
25 -1.100 150.00 156.9313 -6.93128
26 -.558 165.00 168.5177 -3.51773
27 .533 159.00 155.6439 3.35610
28 .191 162.00 160.7934 1.20657
29 .326 168.00 165.9430 2.05704
30 .418 166.00 163.3682 2.63180
31 1.142 177.00 169.8051 7.19489
32 -.850 149.00 154.3565 -5.35652
33 -.102 155.00 155.6439 -.64390
34 -.943 160.00 165.9430 -5.94296
a.
Depend
ent
Variabe
l:
Penjual
an

Soal – soal :
BAB II (Uji normalitas Data)
1. Hasil penimbangan berat badan dari 100 orang siswa di suatu SMA adalah sebagai berikut:
Berat badan (kg) Banyak siswa (f)

41 – 45 8
46 – 50 15
51 – 55 28
56 – 60 25
61 – 65 16
66 – 70 8
Jumlah 100
d. Dengan menggunakan Chi kuadrat selidikilah apakah data tersebut diatas membentuk
kurva normal atau tidak !
e. Apabila siswa yang berat badannya 63 kg atau lebih dinyatakan siswa yang gemuk,
berapakah jumlah siswa yang gemuk ?
2. Tabel hasil penelitian tingkat kecerdasan 150 orang siswa di suatu sekolah adalah sebagai berikut:
Kecerdasan Banyak siswa (f)

70 – 79 7
80 – 89 26
90 – 99 45
100 – 109 47
110 – 119 20
120 – 129 5
Jumlah 150
a. Dengan menggunakan Chi kuadrat selidikilah apakah data tersebut diatas membentuk
kurva normal atau tidak !
b. Apabila siswa yang kecerdasannya 115 atau lebih dinyatakan siswa yang cerdas,
berapakah jumlah siswa yang cerdas ?

BAB III ( Teknik Sampling )
BAB IV ( Rumusan Hipotesis )

BAB V ( Pengujian Hipotesis Deskriptif )
1. Telah dilakukan pengumpulan data tentang produktivitas padi di kabupaten Cianjur pada tahun 2009.
Berdasarkan sampel 20 lokasi penelitian diperoleh data tentang produktivitas padi tiap hektar dalam
satuan ton sebagai berikut:
7 10 9 8 5 6 5 7 4 6
6 8 6 7 4 6 8 7 4 3
Buktikan hipotesis bahwa :
a. Produktivitas padi = 8 ton /ha.
b. Produktivitas padi paling sedikit 5 ton /ha.
c. Produktivitas padi paling tinggi 10 ton /ha.
2. As

BAB VI ( Pengujian Hipotesis Asosiatif)
1. Dilakukan penelitian terhadap supervisi pengawas (x1) , motivasi kerja ( x2 ) dan kinerja guru ( y ) di
suatu sekolah, diambil 45 responden secara random, hasinya sebagai berikut:
No
x1 x2 Y
responden
1 88 82 91
2 86 86 86
3 78 82 86
4 78 86 81
5 83 86 93
6 83 79 81
7 77 73 83
8 78 84 86
9 84 82 86
10 84 86 81
11 75 88 85
12 70 80 85
13 84 88 93
14 72 77 80
15 86 86 93
16 84 86 91
17 69 80 75
18 86 84 93
19 73 86 84
20 83 86 90
21 84 73 93
22 83 86 89
23 83 84 88
24 72 84 78
25 72 88 83
26 75 88 85
27 72 84 84
28 67 80 76
29 83 80 81
30 83 84 90
31 84 77 83
32 67 68 75
33 67 82 88
34 70 68 76
35 75 80 79
36 73 80 91
37 83 86 88
38 73 80 78
39 72 71 74
40 73 68 78
41 83 70 90
42 75 73 78
43 83 75 86
44 69 66 85
45 70 77 90
a. Tentukan koefisien korelasi antara x1 dengan y , x2 dengan y dan x1 dengan x2.
b. Secara bersama-sama, berapakah koefisien korelasi x1 dan x2 dengan y ?

BAB VII (Pengujian Hipotesis Komparatif )
1. Dilakukan penelitian untuk menguji hipotesis bahwa tidak ada perbedaan kemampuan pegawai pria
dan wanita dalam bidang penguasaan komputer. Berdasarkan sampel yang diambil secara random, dan
dites diperoleh kemampuan pegawai pria (x) dan pegawai wanita (y) sebagai berikut:
X 70 80 76 40 80 70 90 99 60 50 76 41 72 90 50
Y 70 70 90 40 90 80 70 40 50 90 70 40 72 80 42
Buktikan hipotesis tersebut !
Ho : Tidak ada perbedaan kemampuan pegawai pria dan wanita dalam bidang penguasaan komputer.
Ha : Ada perbedaan kemampuan pegawai pria dan wanita dalam bidang penguasaan komputer.
2.
3.

BAB VIII ( Analisis Regresi )
Dilakukan penelitian untuk mengetahui bagaimana pengaruh Lama belajar (x1) dan IQ (x2) terhadap
Prestasi Belajar (Y) di suatu SMA tertentu.
Dari sampel sebanyak 15 siswa diperoleh data sebagai berikut:
X1 (jam/hr) 5 4 2 1 4 6 7 8 2 4 6 7 4 5 4
X2 110 170 180 150 100 110 150 160 120 130 110 140 160 120 140
Y 72 96 98 92 70 71 72 75 67 63 65 62 70 72 75
Pertanyaan:
1. Susunlah persamaan regresi X1 terhadap Y ?
2. Susunlah persamaan regresi X2 terhadap Y ?
3. Apabila lama belajar diperpanjang sampai 2 jam/hari berapa nilai prestasi belajarnya ?
4. Apabila lama belajar diperpanjang sampai 3 jam/hari berapa nilai prestasi belajarnya ?
5. Apabila lama belajar diperpanjang sampai 0,5 jam/hari berapa nilai prestasi belajarnya ?
6. Apabila lama belajar diperpanjang sampai 1,2 jam/hari berapa nilai prestasi belajarnya ?

00 Materi Statistika

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

00 Materi Statistika

Diunggah oleh

Hak Cipta:

Format Tersedia

I.

STATISTIKA DAN PENELITIAN

Data adalah ukuran suatu nilai.

Berdasarkan jenisnya data dibedakan menjadi :

Empat tingkat Skala/Pengukuran berikut karakteristiknya:

00 Materi Statistika Page 1

3. Interval: ada urutan, ada perbedaan, tidak ada titik awal

Statistika Inferensial dapat dibedakan menjadi 2 (dua) :

00 Materi Statistika Page 2

Motivasi belajar (x)

D. PERANAN STATISTIK DALAM PENELITIAN.

00 Materi Statistika Page 3

C. PENGUJIAN NORMALITAS DATA

Contoh Penggunaan kurve normal:

Rumus angka baku: ​z​ =

x​i​ = data ke – i dari suatu kelompok data

00 Materi Statistika Page 4

Berdasarkan rumus angka banku diatas, diperoleh:

Jadi jumlah mahasiswa yang mendapat nilai 8 atau lebih adalah

= 31,74 ( dibulatkan 32)

00 Materi Statistika Page 5

Selidikilah, apakah data tersebut diatas memenuhi/sesuai dengan kurve normal ?

00 Materi Statistika Page 6

Interval f​o f​h f​o​ – f​h (​f​o​ – f​h​ )​2 ​2​ =

f​o = frekuensi/jumlah data hasil observasi.

00 Materi Statistika Page 7

00 Materi Statistika Page 8

B. MACAM – MACAM TEKNIK SAMPLING.

Proportionate stratified random sampling

00 Materi Statistika Page 9

c. Disproportionate Stratified Random Sampling.

00 Materi Statistika Page 10

C. MENENTUKAN UKURAN SAMPEL.

00 Materi Statistika Page 11

N Jumlah Jumlah Jumlah

00 Materi Statistika Page 12

B. BENTUK RUMUSAN HIPOTESIS.

No Rumusan masalah Hipotesis

No Rumusan masalah Hipotesis

3. Hipotesis Hubungan (Asosiatif).

00 Materi Statistika Page 13

No Rumusan masalah Hipotesis

Karakteristik hipotesis yang baik:

D. DUA KESALAHAN DALAM PENGUJIAN HIPOTESIS.

00 Materi Statistika Page 14

Teknik Statistik yang digunakan untuk

​t​ = nilai t yang dihitung, selanjutnya disebut t hitung.

1. Uji Dua Fihak (Two Tail Test).

Dari data dan pertanyaan tersebut diatas, diperoleh :

00 Materi Statistika Page 15

Untuk pengujian hipotesis ini digunakan Rumus t diatas =

00 Materi Statistika Page 16

b. Uji pihak kanan.

2. Chi Kuadrat ( χ 2​​ ).

00 Materi Statistika Page 17

00 Materi Statistika Page 18

Kuatnya hubungan antar variabel dinyatakan dalam koefisien korelasi. Koefisien

Tabel untuk memilih teknik korelasi dalam pengujian hipotesis.

No Jenis / tingkatan data Teknik korelasi yang digunakan

00 Materi Statistika Page 19

Ho : Tidak ada hubungan antara variabel x dan variabel y.

Ha : Ada hubungan antara variabel x dan variabel y.

Interpertasi terhadap hasil uji koefisien korelasi, sebagai berikut:

Hipotesisnya adalah sebagai berikut:

Rumus angka baku: z =

xi = data ke – i dari suatu kelompok data

Interval fo fh fo – fh (fo – fh )2 2 =

fo = frekuensi/jumlah data hasil observasi.

t = nilai t yang dihitung, selanjutnya disebut t hitung.

2. Chi Kuadrat ( χ 2 ).

melalui korelasi Product Moment dari Pearson.

No responden Sebelum (x) Sesudah (y) (x – x) (x – x) 2 (y – y) (y – y) 2

Independent Samples Test.

1. Masuk program SPSS.

Berat badan (kg) Banyak siswa (f)

Kecerdasan Banyak siswa (f)