NAMA :ACI

STAMBUK : A1L1 15 086

KELAS : GENAP (B)
JAWABAN TUGAS FINAL STATISTIKA DASAR

1. a. Perbedaan Analisis regresi dan analisis korelasi

Analisis korelasi digunakan untuk mencari arah dan kuatnya hubungan antara dua
variabel atau lebih, baik hubungan yang bersifat simetris, kausal dan reciprocal sedangkan
analisis regresi digunakan untuk memprediksikan seberapa jauh perubahan nilai variable
dependen, bila nilai variabel independent dimanipulasi atau dirubah-rubah atau dinaik
turunkan. Selain itu perbedaan antara analisis regresi dan analisis korelasi terletak pada
pengukuran yang dilakukan. Analisis korelasi mengukur besar hubungan antara dua variabel,
sedangkan analisis regresi mengukur hubungan yang terjadi antara variabe bebas dan variabel
terikat.
b. Apakah setiap korelasi perlu analisis regresi? Jelaskan!
Korelasi dan regresi mempunyai hubungan yang sangat erat. Setiap regresi pasti ada
korelasinya, tetapi korelasi belum tentu dilanjutkan dengan regresi. Korelasi yang tidak
dilanjutkan dengan regresi, adalah korelasi antara dua variabel yang tidak mempunyai
hubungan kausal/sebab–akibat atau hubungan fungsional. Analisis regresi dilakukan bila
hubungan dua variabel berupa hubungan kausal atau fungsional. Untuk menetapkan kedua
variabel mempunyai hubungan kausa atau tidak, maka harus didasarkan pada teori atau
konsep-konsep tentang dua variabe tersebut
c. Pengaruh lama belajar (X1), dan IQ (X2) terhadap prestasi belajar siswa SMA (Y)
a. Persamaan regresi X1 terhadap Y
*Analisis regresi menggunakan SPSS
Coefficientsa
Model Unstandardized Standardized t Sig.
Coefficients Coefficients
B Std. Error Beta
(Constant) 87.904 6.858 12.819 .000
1
Lama Belajar -2.878 1.375 -.502 -2.093 .057
a. Dependent Variable: Prestasi Belajar Siswa

Dari data tesebut persamaan regresi X1 terhadap Y adalah :

Y = -2,878X1 + 87,904

b. Persamaan Regresi X2 terhadap Y

Coefficientsa
Model Unstandardized Standardized T Sig.
Coefficients Coefficients
B Std. Error Beta
(Constant) 32.652 13.309 2.453 .029
1
IQ .307 .096 .664 3.205 .007
a. Dependent Variable: Prestasi Belajar Siswa
Dari data tersebut persamaan regersi X2 terhadap Y adalah :
Y = 0,307X2 + 32,652

c. Persamaan regresi X1 terhadap X2 bersama-bersama terhadap Y

Coefficientsa
Model Unstandardized Standardized t Sig.
Coefficients Coefficients
B Std. Error Beta
1 (Constant) 47.380 13.275 3.569 .004
 Lama -2.375 1.045 -.414 -2.272 .042
Belajar
IQ .280 .084 .604 3.313 .006
a. Dependent Variable: Prestasi Belajar Siswa
Dari data tersebut persamaan regresi X1 terhadap X2 bersama-sama terhadap Y adalah :
Y = -2,375X1 + 0,280X2 + 47,380

d. Nilai prestasi belajar bila lama belajar (X1) diperpanjang 10 jam/hari

Dari data pengaruh lama belajar (X1) terhadap prestasi belajar siswa (Y) diperoleh
persamaan :
Y = -2,878X1 + 87,904
Dengan X1 niai signifikan = 0,057 > 0,05 (X1 = -2,878)
Bila lama belajar diperpanjang 10 jam/hari maka nilai prestasi belajar siswa adalah:
Y = -2,878(10) + 87,904
Y = -28,78 + 87,904 = 59,124
Jadi, nilai prestasi belajar siswa meningkat bila lama belajar diperpanjang

e. Nilai prestasi belajar bila lama belajar (X1) dibuat 9 jam/hari dan IQ (X2) 150
Dari data hubungan lama belajar (X1) terhadap IQ (X2) bersama-sama terhadap nilai
prestasi belajar (Y) diperoleh persamaan :
Y = -2,375X1 + 0,280X2 + 47,380
Dengan nilai signifikan = 0,042 > 0,05 (X1= -2,375)
Bila lama belajar (X1) dibuat 9 jam/hari dan IQ (X2) 150 maka nilai prestasi belajar
siswa adalah :
Y = -2,375(9) + 0,280(150) + 47,380
Y = -21,375 + 42 + 47,380
Y = 68,005
 f. Koefisien korelasi ganda antara X1 dan X2 terhadap Y
* Koefisien korelasi X1 terhadap Y
Coefficientsa
Model Unstandardized Standardized Correlations
Coefficients Coefficients
B Std. Beta Zero-order Partial Part
Error
(Constant) 87.904 6.858
1
Lama Belajar -2.878 1.375 -.502 -.502 -.502 -.502
a. Dependent Variable: Prestasi Belajar Siswa
Dari data hubungan X1 terhadap Y, maka diperoleh koefisien korelasi X1 terhadap Y
adalah -0,502
*Koefisien Korelasi X2 terhadap Y
Coefficientsa
Model Unstandardized Standardized Correlations
Coefficients Coefficients
B Std. Error Beta Zero-order Partial Part
(Consta 32.652 13.309
1 nt)
IQ .307 .096 .664 .664 .664 .664
a. Dependent Variable: Prestasi Belajar Siswa
Dari data hubungan X2 terhadap Y, maka diperoleh koefisien korelasi X2 terhadap Y
adalah 0,664
2. Pembuktian Hipotesis bahwa “ ada hubungan yang signifikan antara rangking di SD (X)
dan di SMU (Y)
X 1 2 7 4 2 5 6 7 4 7 2 4 7 5 6 7 8 1 9 10
Y 7 1 4 3 3 4 7 2 2 7 1 3 4 2 5 5 7 2 5 7

*Menggunakan Uji Pearson Correlation

Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
rangking di SD 20 1 10 5.20 2.648
rangking di SMU 20 1 7 4.05 2.114
Valid N (listwise) 20

Correlations
rangking di rangking di
SD SMU
Pearson Correlation 1 .534*
Sig. (2-tailed) .015
rangking di SD Sum of Squares and Cross-products 133.200 56.800
Covariance 7.011 2.989
N 20 20
Pearson Correlation .534* 1
Sig. (2-tailed) .015
rangking di
Sum of Squares and Cross-products 56.800 84.950
SMU
Covariance 2.989 4.471
N 20 20
*. Correlation is significant at the 0.05 level (2-tailed).
Dari data tersebut diperooleh nilai sig.(2-tailed) sebesar 0,015 dimana 0,015 < 0,05 ini
berarti terdapat hubungan yang signifikan antara rangking di SD dan di SMU.
3. a. Perbedaan Analisis regresi dan analisis jalur
Perbedaan analisis regresi dan analisis jalur dapa dilihat pada tabel berikut :
Penjelasan Model Analisis
Regresi
Variabel Bebas (X), Terikat (Y)
Kegunaan 1.Penjelasan terhadap fenomena
yang dipelajari atau
permasalahan yang diteliti.
2. Prediksi kuantitatif.
3. Faktor diterminan yaitu
penentuan variable bebas (X)
yang berpengaruh dominan
terhadap variable terikat (Y).
Hubungan yang Bersifat tunggal
dianalisis
Jenis data yang Skala interval dan ratio
dianalisis
Jalur
Eksogen (X), Endogen (Y),
Intervening bila ada
1. Penjelasan terhadap fenomena
yang dipelajari atau permasalahan
yang diteliti.
2. Prediksi kuantitatif.
3. Faktor diterminan yaitu penentuan
variable bebas (X) yang
berpengaruh dominan terhadap
variable terikat (Y).
4. Penelusuran mekanisme (lintasan)
pengaruh.
5. Pengujian model, menggunakan
teori trimming, baik untuk uji
reabilitas konsep yang sudah ada
ataupun uji pengembangan
konsep baru.
Tunggal atau ganda
Minimal skala interval dan data
dinyatakan dalam satuan baku atau z
skor
 b. Syarat yang harus dipenuhi untuk dilakukannya analisis jalur
1. Hubungan sebab akibat (landasan teoris)
2. Hubungan antar variabel haruslah linier dan aditif.
3. Semua variabel residu tak punya korelasi satu sama lain.
4. Pola hubungan antar variabel adalah rekursif atau hubungan yang tidak melibatkan arah
pengaruh yang timbal balik.
5. Tingkat pengukuran semua variabel sekurang-kurangnya adalah interval
6. Terdapat masukan korelasi yang sesuai.
*Uji yang dilakukan sebelum analisis jalur yaitu :
1. Uji Normalitas
2. Uji Multikolinearitas (apabila menggunakan Lisrel dan apabila variabel bebasnya lebih
dari satu)
3. Uji Linearitas
4. Uji Autokorelasi (bisa diabaikan apabila datanya cross section)

c. Kriteria untuk memutuskan menolak atau menerima model yang dihipotesiskan

Yang di maksud dengan bentuk pengujian adalah sisi atau arah pengujian.
a. Penerimaan Ho terjadi jika nilai uji statistiknya lebih kecil atau lebih besar daripada nilai
positif atau negatif dari t tabel. Atau nilai uji statistik berada diluar nilai kritis.
b. Penolakan Ho terjadi jika nilai uji statistiknya lebih besar atau lebih kecil daripada nilai
positif atau negatif dari t tabel. Atau nilai uji statistik berada diluar nilai kritis

d. Dihipotesiskan model berikut dengan koefisien korelasi sebagai berikut:

 Dari data yang telah diberikan dapat dituliskan sebagai berikut:
X1X2 = 0,3 X2X4= 0,2
X1X3 = 0,25 X2X5= 0,3
X1X4 = 0,3 X2X6= 0,6
X1X5 = 0,3 X3X4= 0,2
X1X6 = 0,25 X3X5= 0,3
X2X3= 0,2 X3X6= 0,3
Mencari t hitung menggunakan rumus:

Keterangan: t = nilai t hitung

r = koefisien korelasi
n = banyak subjek
Diperoleh hasil :
*Untuk koefisien korelasi 0,2 diperoleh t hitung = 3,55
*Untuk koefisien korelasi 0,3 diperoleh t hitung = 51,7
*Untuk koefisien korelasi 0,6 diperoleh t hitung = 1,035
*Untuk koefisien korelasi 0,25 diperoleh t hitung =5,01

Untuk nilai koefisien korelasi 0,3 nilai t hitung yang diperoleh yaitu 51,7 kriteria
pengamatan t tabel<t hitung<t tabel. Untuk banyak sampel 300 maka nilai t tabel pada ∝ = 0,025
adalah 1,97 sehingga t hitung tidak berada pada rentang t tabel<t hitung<t tabel maka Ho ditolak
artinya terdapat hubungan yang signifikan antara X1 dan X2.
Untuk nilai koefisien 0,6 nilai t hitung yang diperoleh yaitu 1,035 t tabel>t hitung>t tabel.
Untuk banyak sampel 300 maka nilai ttabel pada∝ = 0,025 adalah 1,97, sehingga thitung berada
pada rentang t tabel>t hitung>t tabel maka Ho diterima artinya tidak terdapat hubungan yang
signifikan antara X2 dan X6. Oleh karena pada model initer dapat variabel yang tidak memiliki
hubungan yang signifikan maka model ini tidak cocok diterapkan.