Bab ini merupakan pengantar dalam mempelajari Statistika. Anda akan dibantu
untuk memahami sejarah dan konsep dasar statistika.
SOAL EVALUASI
I. Isilah!
1. Jelaskan tentang pengertian statistik dan statistika!
2. Manfaat apakah yang dapat dipetik mahasiswa selaku calon ahli madia,
dengan mempelajari Statistika Pendidikan? Jelaskan jawaban saudara!
3. Syarat apakah yang harus dipenuhi sekumpulan angka atau bilangan,
sehingga ia dapat disebut data Statistika?
4. Sebutkan tiga prinsip yang harus dipegang dalam rangka pengumpulan
data Statistika!
5. Jelaskan mengenai cara yang akan ditempuh dan alat yang dapat
dipergunakan, dalam rangka menghimpun data Statistik!
6. Jelaskan pengertian Statistika deskriptif dan statistika inferensial!
7. Jelaskan Jenis-jenis skala dan berikan contohnya masing-masing!
8. Jelaskan perbedaan diantara data kontinu dan data diskrit.
9. Jelaskan pula tentang perbedaan antara data interval dan data ordinal.
10. Berikan contoh demikian rupa sehingga menjadi cukup jelas apa yang
dimaksud dengan data primer dan data sekunder.
i : indeks, 1,2,3,...n
xi : nilai ke-i untuk variabel ke-1
yi : nilai ke-i untuk variabel ke-2
zi : nilai ke-i untuk variabel ke-3
Dalil-2 :
Jika c adalah konstanta maka :
Dalil-3:
Jika c adalah konstanta maka :
Jawab
2. Sederhanakanlah !
Jawab
Hitunglah !
1. Jika x1= 4 ; x2 = -3 ; x3 = 6 dan x4 = -1, hitunglah :
Data Frekuensi
2 4
3 4
4 3
5 2
6 4
Jadi kalau misalnya hasil pengukuran kita tentang tinggi orang yang tertinggi
adalah 180cm dan yang terendah adalah 145cm, dan kita telah menetapkan jumlah
intervalnya sebanyak 9 buah, maka
3. Tentukan limit bawah kelas bagi selang yang pertama dan kemudian limit
bawah bagi selang yang kedua dengan menambahkan lebar kelas
4. Tentukan batas kelas dengan cara : BK = (LBK2 – LAK1)/2
5. Tentukan batas bawah kelas dengan cara : LBK1 – BK, dan batas atas kelas
dengan cara : LAK1 + BK
6. Tentukan titik tengah kelas bagi masing-masing selang dengan meratakan
limit kelas.
7. tentukan frekuensi bagi masing-masing kelas
8. Jumlahkan kolom frekuensi dan periksa apakah hasilnya sama dengan
banyaknya total pengamatan
9. tentukan frekuensi relatif dengan cara membagi frekuensi kelas dengan
frekuensi total
10. frekuensi komulatif adalah frekuensi total semua nilai yang lebih kecil atau
lebih besar dari pada batas atas kelas suatu selang kelas tertentu.
Tabel dua arah atau dua komponen adalah tabel yang menunjukkan dua
kategori atau dua karakteristik. Tabel berikut ini adalah contoh tabel dua
arah.
Tabel 3.7. Jumlah Mahasiswa baru POLTEKBA menurut
Program Studi dan Asal Daerah T.A. 2013/2014
WNI WNA
Luar
Program Studi Kalimantan Jumlah
Kalimantan
Timur
Timur
Teknik Mesin Alat Berat 50 10 60
Teknik elektronika 75 25 90
Teknik Sipil 55 15 70
Tata Boga 54 16 70
Keuangan Perbankan 25 15 40
Jumlah 259 81 330
Sumber : Data Buatan
1. Data : 5 7 8 9 4 5 6 3 7
6 4 4 6 7 4 8 9 9
5 6 7 6 7 8 3 4 6
Buatlah table Distribusi Frekuensi numeriknya
4 6 8 6 8 5 7 5 9 7
3 4 6 5 5 4 8 6 5 6
9 7 5 8 6 4 6 7 8 10
7 6 3 9 5 7 6 3 8 7
10 8 7 6 6 5 7 7 6 6
Soal : Aturlah (susunlah) dan kemudian sajikanlah data tersebut diatas dalam
bentuk:
a. Tabel Distribusi Frekuensi, dengan mengindahkan persyaratan tertentu
sehingga dapat disebut Tabel distribusi frekuensi yang baik.
b. Tabel Presentase Komulatif
5. Jelaskan jenis-jenis skala!
1. menjelaskan rumus mean baik data tak kelompok maupun data berkelompok
2. menjelaskan rumus median baik data tak kelompok maupun data berkelompok
3. menjelaskan rumus modus baik data tak kelompok maupun data berkelompok
4.2. Mean
Mean berarti “angka rata-rata”. Dari segi aritmetik Mean adalah “jumlah
nilainilai dibagi dengan jumlah individu”. Sebagai contoh, ada tiga orang
berpenghasilan 10, 15 dan 20 rupiah tiap harinya. Rata-rata penghasilan mereka
adalah 15 rupiah tiap harinya. Ini dicari dengan cara sebagai berikut :
Simbul Σ adalah huruf Yunani yang disebut “Sigma” dan mempunyai arti jumlah.
Tabel 4.1. Contoh Mencari Mean dari data yang tidak dikelompokkan
Penghasilan (x) Frekuensi (f) fx
20 1 20
15 1 15
10 4 40
N=6
Rumus Mean yang ditimbang (Data yang tidak dikelompokkan ) adalah sebagai
berikut :
dan
N : ukuran Populasi
x : rata-rata hitung sampel
n : ukuran Sampel
xi : data ke-i
Contoh 1 :
Contoh 2 :
Setiap 12 jam sekali bagian QC pabrik minuman ringan memeriksa 6 kaleng
contoh untuk diperiksa kadar gula sintetisnya (%). Berikut adalah data 6 kaleng
minuman contoh yang diperiksa :
13.5 12.5 13 12 11.5 12.5
Jawab :
4.3. Median
Median dapat dibatasi sebagai “suatu nilai yang membatasi 50 persen
frekuensi distribusi bagian bawah dengan 50 per sen frekuensi distribusi bagian
atas.” Kita misalkan ada distribusi penghasilan dari tujuh orang seperti tersebut
dalam tabel di bawah ini.
Tabel 4.3. Contoh Distribusi Penghasilan Untuk Mencari Median
Individu Penghasilan (Rp)
1 10
2 12
3 13
4 14
5 16
6 16
7 20
Contoh 1 :
Tinggi Badan 5 mahasiswa :
n = 5:
Contoh 2 :
Tinggi 6 mahasiswa :
1.60 1.73 1.75 1.78 1.78 1.80 meter (Sorted)
Dalam mana :
Bb Adalah batas bawah (nyata) dari interval yang mengandung median
Cfb Frekuensi kumulatif (frekuensi meningkat) di bawah interval yang
mengandung median,
fd Frekuensi dalam interval yang mengandung median
i Lebar interval, dan
N Jumlah frekuensi dalam distribusi
Penggunaan rumus itu dapat kita lihat dari pekerjaan di bawah ini :
Tabel 4.4. Contoh Menghitung Median Dari Distribusi data yang dikelompokkan
Interval Nilai F Cf
100-104 1 55
95-99 fd 3 54
90-94 5 51
85-89 9 46
80-84 (13) 37
75-79 10 (24)
70-74 6 14
65-69 4 8
60-64 3 4
55-59 1 1
Jumlah 55 --
4.4. Modus
4.4.1. Data yang tidak dikelompokkan
Merupakan nilai yang paling sering muncul atau dengan frekuensi
yang paling tinggi. Modus tidak selalu ada, ini terjadi jika frekuensi semua data
sama. Modus juga dapat lebih dari satu, jika terdapat lebih da ri satu frekuensi
tertinggi yang sama dan dikatakan sebagai bimodus.
Contoh : Sumbangan PMI warga Depok
Rp. 7500 8000 9000 8000 3000 5000 8000
Modus : Rp. 8000
Bisa terjadi data dengan beberapa modus (multi-modus), bisa juga terjadi data
tanpa modus
Contoh:
a. Berat 5 orang bayi : 3.6 3.5 2.9 3.1 3.0 (Tidak Ada Modus)
b. Umur Mahasiswa : 19 18 19 18 23 21 19
Dimana:
BB = batas bawah dari kelas yang mengandung median
d1 = selisih frekuensi kelas yang mengandung modus dengan frekuensi
sebelumnya
d2 = selisih frekuensi kelas yang mengandung modus dengan frekuensi
sesudahnya
fk = frek.kumulatif di atas kelas yang berisi median
i = interval kelas
Tabel 4.5. Contoh Menghitung Modus Dari Distribusi data yang Dikelompokkan
Nilai tengah
Kelas Batas Kelas Frekuensi Fk
60 – 62 1 61 61 1
63 – 65 2 64 128 3
66 – 68
13 67 871 16
69 – 71
72 – 74 68.5 – 71.5 20 70 1400 36
75 – 77 11 73 803 47
3 76 228 50
Mean:
Median:
Modus:
1. Jelaskan tentang segi segi kebaikan dan kelemahan yang dimiliki oleh:
a. Mean; b. Median; c. Modus.
2. Dalam kedaan yang bagaimana seharusnya kita mencari (menghitung):
a. Mean; b. Median; c. Modus.
3. Jelaskan adanya saling hubungan antara Mean, Median dan Modus dengan
mengemukakan contohnya!
4. Jelaskan bahwa Percentile sangat berguna untuk dipergunakan sebagai alat
atau ukuran untuk:
a. Mengubah raw score menjadi Nilai Standart Sebelas (Stanel).
b. Menetapkan Nilai Batas Lulus dalam suatu tes atau seleksi.
5. Dari sejumlah 266 orang lulusan SMK yang mengikuti Tes Seleksi
Penerimaan Calon Mahasiswa Baru pada sebuah Perguruan Tinggi, berhasil
dicatat sekor hasil ujian mereka dalam mata ujian Fisika sebagai berikut:
Skor Frekuensi
90-94 4
85-89 10
80-84 14
75-79 19
70-74 30
65-69 33
60-64 40
55-59 32
50-54 25
45-49 21
40-44 18
35-39 10
30-34 6
25-29 3
20-24 1
N = 266
Soal:
a. Berapakah Nilai Rata –rata hitung yang berhasil dicapai oleh 266 orang
calon yang mengikuti Tes Seleksi tersebut (dengan catatan bahwa
Carilah Nilai Rata-rata Ukur dari sekor hasil eksperimen tersebut di atas tanpa
menggunakan daftar logarithma.
7. Banyaknya jawaban yang salah pada suatu quiz dengan soal benar salah
dari lima belas siswa yang di pilih secara acak adalah : 2, 1, 3, 0, 1, 3, 6, 0, 3,
3, 5, 2, 1, 4, dan 2. Tentukanlah :
a. Mediannya
b. Meannya
c. Modusnya
8. Lama reaksi terhadap suatu ransangan tertentu dari sembilan individu yang
diambil secara acak adalah : 2.5, 3.6, 3.1, 4.3, 2.9, 2.3, 2.6, 4.1, dan 3.4 detik.
Tentukan :
a. Meannya b. Modusnya
9. IQ rata-rata sepuluh mahasiswa yang mengambil kuliah matematika
adalah 114. Bila sembilan mahasiswa di antaranya memiliki IQ 101, 125,
118, 128, 106, 115, 99, 118, dan 109. Berapa IQ mahasiswa yang satunya
Mahasiswa mampu menjelaskan rumus-rumus ukuran pusat yaitu kuartil, desil, dan
persentil baik data tak kelompok maupun data berkelompok
5.1. Kuartil
Kuartil adalah nilai yang membagi gugus data yang telah tersortir
(ascending) menjadi 4 bagian yang sama besar.
Di mana :
n : banyak data
Kelas Kuartil ke -q : Kelas di mana Kuartil ke -q berada
Kelas Kuartil ke-q didapatkan dengan membandingkan Letak Kuartil ke-q dengan
Frekuensi Kumulatif.
q : 1,2 dan 3
Frek.
Kelas Frekuensi
Kumulatif
16 – 23 10 10
24 – 31 17 27
32 – 39 7 34
40 – 47 10 44
48 – 55 3 47
56 - 63 3 50
∑ 50 ----
Kelas Kuartil ke -3
interval = i = 8
Letak Kuartil ke-3 = 3n/4 =3 x 50 = 37.5
Kuartil ke-3 = Data ke-37.5 terletak di kelas 40 - 47
Jadi, Kelas Kuartil ke-3 = 40 - 47
5.2. Desil
Desil adalah nilai yang membagi gugus data yang telah tersortir
(ascending) menjadi 10 bagian yang sama besar
n : banyak data
Kelas Desil ke-d : Kelas di mana Desil ke-d berada
Kelas Desil ke-d didapatkan dengan membandingkan Letak Desil ke-d dengan
Frekuensi Kumulatif.
atau
Frek.
Kelas Frekuensi
Kumulatif
16 – 23 10 10
24 – 31 17 27
32 – 39 7 34
40 – 47 10 44
48 – 55 3 47
56 - 63 3 50
∑ 50 ----
Kelas Desil ke-9
TBB Kelas Desil ke-9 = 47.5 dan TBA Kelas Desil ke-9 = 55.5
fD = 3
n : banyak data
Kelas Persentil ke-p : Kelas di mana Persentil ke-p berada
Kelas Persentil ke-p didapatkan dengan membandingkan Letak Persentil ke-p
dengan Frekuensi Kumulatif.
atau
p : 1,2,3...99
di mana : TBB
: Tepi Batas Bawah
s
: selisih antara Letak Persentil ke-p dengan Frekuensi
Kumulatif sebelum kelas Persentil ke-p
TBA : Tepi Batas Atas
s’ : selisih antara Letak Persentil ke-p dengan
Frekuensi Kumulatif sampai kelas Persentil ke-p
i : interval kelas
fP : Frekuensi kelas Persentil ke-p
Contoh : Tentukan Persentil ke -56
Frek.
Kelas Frekuensi
Komulatif
16 – 23 10 10
interval = i = 8
SOAL EVALUASI
Dimana:
MD = Mean Deviasi
= Jumlah deviasi dalam harga mutlaknya
N = Jumlah Individu / Kasus
Bagaimana menerapkan rumus itu untuk memperhitungkan mean deviasi dari
suatu distribusi dapat dilihat dari contoh sederhana di halaman berikut:
Tabel 6.1. Contoh Mencari Mean Deviation
Deviasi dari Mean
Nilai Variabel
Dengan nilainya absolute
19 5
18 4
17 3
16 2
15 1
14 0
13 1
Dengan mengetahui mean ini kita dapat mencari deviasi nilai individual dari
mean. Ini dicantumkan dalam kolom kedua. Jumlah deviasi dari mean ini, yaitu Σ,
x1. harus sama dengan NOL.
Kedua rumus yang telah kita ketahui itu disebut rumus deviasi. Distribusi
demikian karena rumus itu menggunakan deviasi dari mean sebagai salah satu
komponennya. Di halaman berikut contoh mencari SD dengan rumus itu.
Tabel 6.3. Menghitung SD Dengan Rumus Deviasi
x f fx x Fx fx2
10 3 30 +3,60 10,80 38,88
9 9 81 +2,60 23,40 60,84
8 13 104 +1,60 20,80 33,28
7 23 161 +0,60 13,80 8,28
6 24 144 -0,40 9,60 3,84
5 13 65 -1,40 18,20 25,48
4 10 40 -2,40 24,00 57,60
3 5 15 -3,40 17,00 57,80
N = 100 Σf2 = 286,00
Jadi, apa yang harus kita kerjakan untuk memperoleh SDM adalah: pertama,
mencari SD dari angka kasar dari sampel kita; kedua, membagi SD itu dengan
akar dari jumlah subyek dalam sampel dikurangi satu.
Tabel 6.5. Contoh Mencari SDM
Nilai (x) Frekuensi (f) fx fx2
8,0 3 30 38,88
7,5 9 81 60,84
7,0 13 104 33,28
6,5 23 161 8,28
6,0 24 144 3,84
5,5 13 65 25,48
5,0 10 40 57,60
4,5 5 15 57,80
Total 72 444,50 2771,75
Simbol N Σfx Σfx2
1. Berikan sebuah contoh sehingga menjadi cukup jelas, apa yang dimaksud
dengan deviasi!
2. Jelaskan hubungan antara deviasi Rata-rata (Average Deviation) dan deviasi
Standart (Standart deviation)!
3. Semakin kecil Deviasi Standart dari sekelompok data, maka data tersebut
semakin besifat homogen. Betulkah penyataan itu? Jelaskan denagn
menggunakan sebuah contoh!
4. Tunjukkan bahwa antara Deviasi Rata-rata dan Deviasi Standart terdapat
saling hubungan! Berikan contohnya!
5. Kemukakan beberapa keunggulan Deviasi Rata-rata dan Deviasi Standart.
6. Mean dan deviasi standart dapat dipergunakan sebagai alat bantu dalam
rangka Evaluasi Hasil Belajar Anak Didik. Jelaskan pernyataan tersebut!
7. Data yang tertera pada table berikut:
x f fx x x2 fx2
31 4 124
30 4 120
29 5 145
28 7 196
27 12 324
26 8 208
25 5 125
24 3 72
23 2 46
Total N = 50 1360
Soal:
a. Buatlah table distribusi frekuensinya;
b. Carilah Nilai Rata-rata Hitungnya;
c. Carilah Deviasi Rata-ratanya;
Keterangan:
= Standard Kesalahan Perbedaan Mean.
Contoh:
Tabel 7.1. Distribusi Hasil Ujian Semester Siswa Laki-Laki Dan Perempuan
LAKI-LAKI PEREMPUAN
Interval
x F Fx fx2 y f fy fy2
50-54 52 0 0 0 52 1 52 2.704
45-49 47 5 235 11.045 47 1 47 2.209
40-44 42 7 294 12.348 42 9 378 15.876
35-39 37 11 407 15.059 37 5 185 6.845
30-34 32 4 128 4.096 32 7 224 7.168
25-29 27 13 351 9.477 27 12 324 8.748
20-24 22 13 286 6.292 22 7 154 3.388
15-19 17 12 204 3.468 17 16 272 4.624
10-14 12 16 192 2.304 12 20 240 2.880
5-9 7 0 0 0 7 3 21 147
-- 81 2097 64.089 -- 81 1897 54589
Dengan kode x untuk laki-laki dan y untuk perempuan, maka statistiknya adalah
sebagai berikut:
1. Data tes kecerdasan siswa yang masuk pagi dan masuk siang:
Masuk Pagi Masuk Siang
Interval
X F Fx fx2 Y f fy fy2
50-54 50 0 52 1
45-49 42 5 47 1
40-44 41 7 42 9
35-39 37 11 35 5
30-34 32 4 32 7
25-29 25 13 25 12
Hitunglah:
a. Mean masing-masing variable
b. Standar deviasi
c. Standar deviasi perbedaan mean dari dua variable
Di mana :
rxy = Koefisien korelasi antara x dan y
xy = Product dari x kali y
SDx = Standard deviasi dari varaibel x
SDy = Standard deviasi dari variabel y.
N = Jumlah subyek yang diselidiki
Contoh menghitung korelasi product moment:
Tabel 8.1. Koefisien korelasi
Antara varaibel kemampuan berbahasa (X) dan matematik (Y)
Kemamp. Kemamp.
Subyek Matematik Subyek Matematik
Berbahasa Berbahasa
No. (Y) No. (Y)
(X) (X)
1. 130 20 16. 178 35
2. 132 24 17. 172 30
3. 152 28 18. 165 28
4. 142 23 19. 160 27
5. 184 37 20. 148 25
6. 190 32 21. 180 24
2. 2.
3. 3.
4.
SOAL EVALUASI
Soal:
Coba selidiki dengan cara seksama, apa memang terdapat kolerasi positif yang
menyakinkan (signifikan) antara sekor variabel X dan sekor variabel Y, dengan
cara:
a. Merumuskan Hipotesis alternative
b. Merumuskan Hipotesa Nihilnya!
c. Melakukan perhitungan untuk memperoleh Angka Indeks Kolerasi “r”
Product Moment, dengan Tabel Nilai “r”!
d. Memberikan interpretasi terhadap rxy denagn menggunakan Tabel nilai
“r”!
e. Menarik Kesimpulan.
7. Dalam suatu kegiatan penelitian, diperoleh data sebagaimana tertera dalam
table berikut:
Sekolah Asal dan Prestasi Tes SIPENMARU dari 1760 Calon
Prestasi Tes Sekolah Asal: Jumlah
SIPENMARU: SLTA Negeri SLTA Swasta
Lulus 270 470 740
Tidak Lulus 180 840 1020
Jumlah 450 1310 1760
Soal:
a. Rumuskan hipotesis alternatif dan hipotesis nihilnya!
b. Cari / Hitunglah Angka Indeks Korelasinya, dengan menggunakan Teknik
Korelasi Koefisien Phi.
c. Berikan interpretasi terhadap Phi dan kemukakan kesimpulannya
Hanya saja dalam hubungan dengan pembicaraan kita sekarang ini kwalitas itu
tidak disebut varians, melainkan Mean KUADRAT, disingkat dari mean dari
jumlah KUADRAT, dan diberi simbul MK, dan diperoleh dengan rumus:
DK = jumlah KUADRAT,
d b = derajad kebebasan.
Dalam teknik Anava ini yang menjadi alat pengukuran variabilitas antar
kelompok adalah mean KUADRAT atar kelompok (disingkat dengan MKant),
sedang yang menjadi alat pengukuran variabilitas dalam kelompok adalah mean
KUADRAT dalam kelompok (disingkat dengan MKdal).
Hasil bagi dari kedua komponen ini, yaitu MKant dan MKdal, akan memjadi
petunjuk seberapa jauh jarak penyimpangan mean-mean kelompok kita itu dari
mean hipotetis (yaitu bahwa tidak ada perbedaan antara mean-mena variabel yang
diselidiki) sebagai akibat dari kesalahan sampling. Jadi sebenarnya yang kita cari
adalah menemukan MKant yang mewakili variabilitas dalam kelompok. Jika kedua
MKdal yang mewakili variabilitas dalam kelompok. Jika kedua MK itu sudah kita
ketemukan, maka perbandingan antara keduanya akan dapat digunakan sebagai
dasar menarik kesimpulan statistik tentang obyek yang sedang kita teliti.
9.2. F – Ratio
Adapun yang dimaksud dengan F-ratio adalah angka-angka perbandingan
antara MKant dengan MKdal dan didefinisikan dengan persamaan sebagai berikut:
F 4; 45 = 0,873
Untuk mengkosultasikan harga F diatas, dapat ditempuh dua cara. MK
yang lebih kecil adalah MKant = 4,93 Derajad kebebasan dari MK ini = 4. kita cari
db = 4 dalam kolom sebelah kiri, kit abaca kekanan sampai menyilang kolom db =
45 sebagai db dari MK kita yang lebih besar. Karena ternyata tidak ada kolom db
= 45, maka kita ambil saja suatu bilangan diantara db = 40 dan db = 50, yaitu
bilanganbilangan 5,71 dan 5,70, jika kita gunakan taraf signifikansi 5%, sedang
bilanganbilangan diantara 5,71 dan 5,70 adalah 5,705, taraf signifikansi 5%,
sedang bilanganbilangan pada baris bawah adalah bilangan-bilangan batas F pada
taraf signifikansi 1%.
Karena itu jika kita gunakan taraf signifikansi 1%, bilangan batas yang
kita cari adalah bilangan diantara 13,74 dan 13,69, yaitu bilangan 13,715. Dari
pemeriksaan pada tabel itu ternyata bahwa F yang kita peroleh sebesar 0,873
berada jauh di bawah batas signifikansi 5%, apalagi sebagai konsekuensinya
hipotesis nihil yang kita ajukan sebelum penelitian kita terima. Kesimpulan kita
akan berbunyi kira-kira sebagai berikut:
“Bahwa menurut bahan-bahan yang dikumpulkan dalam penelitian itu diperoleh
bukti-bukti antara pelajar-pelajar SMA dari berbagai daerah itu tidak terdapat
perbedaan yang signifikan mengenai pengetahuan kebudayaan”.
n1 = 10 n1 = 10 n1 = 10 ntot = 30
1)
2)
3)
4)
Jadi, dengan taraf signifikansi 5% kita akan menolak hipotesis nihilnya yang
mengatakan bahwa tidak ada perbedaan sikap antara ketiga kelompok yang
diselidiki. Kita menolaknya disebabkan karena kita meragukan bahwa variabilitas
antar kelompok sebesar 4,50 itu semata-mata disebabkan karena kesalahan
sampling. Bagaimana halnya jika kita gunakan taraf sigibifikansi 1%?. Bilangan
batas signifikansi atau batas penolakan hipotesis nihil dengan taraf signifikansi
1% adalah 5,49. Dengan demikian hipotesis nihil itu kita terima. Karena batas
penolaknnya masih belum dilewati. F yang kita peroleh = 4,50 dan ini masih di
bawah Ft = 5,49 sebagai batas signifikansinya. Kita menerima hipotesis nihilnya
karena jikalau kita menggunakan dasar taraf signifikansi 1%, kita memandang
deviasi-deviasi yang besarnya terjadi 5 kali dalam 100 atau 4 kali dalam 100
kemungkinan, atau malahan 2 kali dalam 100 kemungkinan masih disebabkan
karena kesalahan sampling. Hanya deviasi-deviasi yang terjadi 1 kali diantara 100
kejadian yang kita pandang tidak disebabkan oleh kesalahan sampling.
Kelompok II
n = 10 Σ x = 153. Σx2 = 2385
Dari perhitungan itu kita ketahui itu kita ketahui bahwa SD2 atau varians
yang lebih besar adalah varians dari kelompok I. Varians yang lebih besar ini
kemudian kita jadikan pembilang dalam test of variance kita. Karena itu
2)
3)
Tabel 9.5. Distribusi hasil tes Potensi Akademik dari tiga kelompok mahasiswa
Nila Kelompok I Kelompok II Kelompok III Total
i
f f f f
X
11 1 11 121 1 11 121 2 22 242 4 44 454
10 2 20 200 2 20 200 1 10 100 5 50 500
9 3 27 243 4 36 324 3 27 243 10 90 810
8 5 40 320 7 56 448 7 56 448 19 152 1216
7 9 63 441 11 77 539 5 35 245 25 175 1225
6 7 42 252 5 30 180 8 48 288 20 120 720
5 6 30 150 4 20 100 5 25 125 15 75 375
4 2 8 32 4 16 64 5 20 80 11 44 176
3 4 12 36 3 9 27 3 9 27 10 30 90
2 1 2 4 2 4 8 3 6 12 6 12 24
1 3 3 3 1 1 1 1 1 1 5 5 5
0 1 0 0 0 0 0 2 0 0 3 0 0
Tot
44 258 1802 44 280 2012 45 259 1811 133 797 5625
al
Anava dari bahan tersebut dapat dikerjakan dengan cara-cara yang biasa :
1.
2.
4.
5.
6.
db dari MK yang lebih besar adalah 130, sedang db dari MK yang lebih kecil
adalah 2. jika kita baca tabel F1 dengan db 130 lawan 2 maka akan kita ketahui
bahwa batas penolakan hipotesis pada taraf signifikansi 5% adalah 19,49, dan
pada taraf signifikansi 1% adalah 99,49. Ternyata nilai F yang kita peroleh itu
berada sangat jauh di bawah batas signifikansi 1%. Dengan begitu maka hipotesis
nihil yang kita ajukan, kita terima. Kesimpulan kita adalah bahwa atas dasar
bahan-bahan yang kita kumpulkan sampai sekian jauh, antara kelompok
signifikansi tentang pengetahuan psikologi mereka.
Tabel Singkatan Anava dari pekerjaan analisa tersebut di atas dapat dilihat pada
tabel 9.6 di bawah ini.
Tabel 9.6. Ringkasan Anava dari bahan dalam tabel 9.5
Sumber
Signifikansi
Variasi db DK MK Fo Ft
SV
Antar Kelompok 2 9,32 4,66 0,72 t.s.5% Nonsig
Dalam 13 839,67 6,46 =19,49
Kelompok
Total 132 848,99 - - - -
1.
2.
3.
4.
5.
6.
Dimasukkan dalam tabel ringkasan Anava:
Tabel 9.8. Ringkasan Anava dari bahan dalam tabel
Sumber
Signifikansi
Variasi db DK MK Fo Ft
SV
Sekse 1 15,93 15,93 8,17 t.s.1%=6,90 Sig
db dari MK yang lebih besar = 1, dan db dari MK yang lebih kecil = 105.
Pemeriksaan pada tabel F menunjukkan bahwa dengan taraf signifikansi 5% dan
1% batas penolakan itu maka hipotesis nihilnya kita tolak. Kita menyimpulkan
Dengan menggunakan Anava yang biasa kita dapata mengetest hipotesis nihil:
“Bahwa ada perbedaan konsumsi bensin antara kelima merk sepeda motor itu”.
Dengan Anava klasifikasi tunggal akan kita peroleh hasil-hasil sebagai berikut :
1.
2.
3.
4.
5.
6.
Hasil-hasil perhitungan itu kita masukkan ke dalam tabel ringkasan Anava sebagai
berikut:
Tabel 9.10. Ringkasan Anava dari bahan dalam tabel 9.5
Sumber
db DK MK Fo Ft Signifikansi
Variasi
Merk 4 60,04 17,26 1,06 t.s.5%=2,87 Non
Total 24 393,44 - - - -
DKmodel di atas kita sebut suku koreksi. Jumlah pembilang pada tiap-tiap pecahan
yang ditambahkan sebelum diKUADRATkan harus sama dengan pembilang dari
Total 24 393,44 - - -
2.
3.
5. Untuk Model :
5.
6.
P < 0,01.
SOAL EVALUASI
Y = aX + K
Korelasi antara prediktor X dengan kriterium Y dapat kita cari melalui teknik
korelasi momen tangkar dari Pearson, dengan rumus umum:
Jika tekah kita lakukan komputasi terhadap data contoh hasil penelitian tersebut
(gunakan kalkulator yang ada fungsi statistiknya), akan kita temukan :
N = 10
ΣX = 1.650 ΣY = 620 ΣXY = 102.732
Untuk menguji apakah harga rxy = 0,946 itu signifikan apa tidak, kita
dapat berkonsultasi dengan tabel r – teoretik dengan dengan N = 10 atau derajat
kebebasan db = 10 – 2 (Catatan: ada tabel r = teoretik yang menggunakan N, ada
juga yang menggunakan db, Ambilah mana saja yang tersedia pada Anda). Dari
tabel r – teoretik dengan N = 10 (atau db = 8) akan kita ketemukan harga r-
teoretik pada taraf signifikansi 1% atau rt1% = 0,765. karena itu harga rxy sebesar
0,946 itu kita nyatakan sangat signifikan, dan kita dapat menyimpulkan bahwa
korelasi antara X dan Y, yaitu antara tinggi badan dan berat badan, sangat
signifikan. Dengan harga korelasi antara tinggi badan dan berat badan yang sangat
signifikan itu kita mempunyai landasan untuk meramalkan / mengestimasi berat
badan dari tinggi badan (sebenarnya boleh juga sebaliknya, kita dapat meramalkan
tinggi badan dari berat badan), dab karenanya kita dapat membuat garis regresi
untuk prediksi dengan rumus garis regresi untuk prediksi dengan rumus garis
regresi satu-prediktor yang sudah kita ketahui, yaitu :
Untuk mengisi persamaan garis regresi itu harga koefisien prediktor (yaitu
harga a) dan harga bilangan konstan K harus kita ketemukan lebih dahulu. Harga-
harga a dan K itu dapat kita ketemukan melalui dua jalan : (a) dengan metode skor
kasar, dan (b) dengan metode skor deviasi. Kedua metode ini akan menghasilkan
harga-harga a dan K yang sama. Nanti kita akan memilih salah satu dari dua
metode itu berdasarkan pertimbangan efisiensi.
(1)
(2)
Jika data yang sudah kita ketahui kita masukkan ke dalam rumus-rumus itu
(1) 102.732 = 272.460 a + 1.650 K
(2) 620 = 1.650 a + 10 K
dengan penyelesaian persamaan secara simultan akan kita ketemukan (dengan
membagi persamaan I dengan 1.650 dan persamaan 2 dengan 10) :
(3) 62, 26 = 165,13 a + K
(4) 62 = 165 a + K Subtitusi
(5) 0,26 = 0,13 a
(6) 62 = (165) (2) + K
K = - 268
Perlu dicatat bahwa dalam perhitungan terhadap data penelitian yang
sesungguhnya, ketelitian perhitungan harus diusahakan semaksimal mungkin,
dengan jumlah angka desimal yang lebih banyak, misalnya enam desimal atau
delapan desimal.
Dalam contoh perhitungan di atas hanya digunakan dua desimal. Maka jika
dalam komputasi digunakan kalkulator, biarkanlah desimalnya mengambang
(floating) sehingga perhitungan-perhitungannya dapat membawa terus jumlah
desimal sesuai dengan kemampuan kalkulator tesebut. Misalnya, jika dalam
perhitungan di atas digunakan desimal yang menggambang sampai enam angka,
hasilnya adalah a = 2,057143, dan K = - 277, 428 595. Tentu saja perhitungan
dengan enam desimal hasilnya akan jauh lebih teliti daripada perhitungan dengan
dua desimal. Dengan harga a = 2 dan K = - 268, persamaan garis regresinya
adalah :
Y = aX + K
Y = 2X – 268 , a = -268, b = 2
y = -268 + 2X
Dengan metode skor deviasi harga-harga a dan K dapat kita cari dari persamaan
Dalam mana:
y = 2,05x
Dari data yang dikumpulkan dapat dicari :
Karena itu untuk persamaan garis regresi y = ax atau Y - =a(X- ) dapat kita
selesaikan:
Y– 62 = (2.05)(X – 165)
Y = 2,05X – 338,2 + 62
Y = 2,05X – 276,25
Dengan etode skor kasar kita menemukan persamaan garis regresinya Y =
2X – 268, sedang dengan metode skor deviasi kita menemukan persamaan garis
regresinya Y = 2,05X – 276,25. Seharusnya dengan kedua metode itu kita tidak
menemukan hasil perhitungan yang berbeda. Perbedaan hasil perhitungan garis
regresi yang kita temukan itu semata-mata disebabkan karena ketelitian
perhitungan saja. Dengan jumlah decimal yang mengambang sampai enam
desimal, hasilnya adalah Y = 2,057143X - 277,428595
Baiklah kita coba dulu meramalkan berat badan dari persamaan garis
regresi Y =2X-268 seperti yang dihasilkan dengan perhitungan dengan metode
skor kasar. Maka untuk tinggi badan atau X tertentu, berat badannya atau Y-nya
akan
Untuk X = 175 Y = 2(175)-268 = 82;
Untuk X = 174 Y = 2(174)-268 = 80;
Dan seterusnya . . . .
Dari tiga tabel raalan yang telah kita susun itu tabel yang terakhir ini
adalah yang paling teliti, sedang tabel yang pertama merupakan tabel yang paling
kurang teliti. Ketelitian itu mungkin ada akibatnya dalam kesalahan ramalan atau
residu. Ini dapat kita uji dari perbandingan seperti di bawah ini.
Total T N–1 -
(dari rxy)
Sumber
db JK RK
Variasi
Regresi (reg) 1
Total T N–1 - -
TABEL RINGKASAN
Sumber
db JK RK p
Variasi
Regresi (reg) 1 864 < 0,01
Total T 9 992 - - -
TABEL RINGKASAN
Sumber
Db JK RK p
Variasi
Regresi (reg) 1 888,69 888,69 < 0,01
Total T 9 992 - - -
Melalui rxy :
Telah kita ketemukan :
r= 0,946 Σy2 = 992 N = 10
Total T 9 992 - - -
Dari tiga perhitungan tersebut kita memperoleh harga F regresi yang berbeda-
beda: yang pertama F = 54,00; yang kedua F= 68,84; dan yang ketiga F = 68,13.
Dua harga F yabf terakhir boleh dikatakan sama, tetapi harga F dari perhitungan
yang pertama ternyata sangat rendah. Seharusnya, dengan metode manapun
hasilnya akan sama saja. Perbedaan itu disebabkan karena ketelitian perhitungan.
Jika hasil perhitungan itu kita ubah dalam skor deviasi maka akan kita peroleh :
Jadi,
Y = (0,198100375)(X1 – 59,6) + (-1,209667071)(X2 – 2,905) + 29,7
= 0,743643414
Jadi Ry (1,2) = 0,744
Dan R2y(1,2) = 0,553005527
Dalam perhitungan tersebut sekaligus dicari harga R2y(1,2) oleh karena dalam
analisis regresi nanti yang kita pakai adalah harga R2y(1,2).
Untuk menjawab pertanyaan, apakah harga Ry(1,2) = 0,744 itu signifikan apa
tidak, analisis regresi tidak lain adalah analisis regresi. Seperti sudah kita kenal,
analisis regresi tidak lain adalah analisis harga F si garis regresi. Dari analisis ini
kita akan menemukan harga F garis regresi, yang kemudian dapat kita uji apakah
harga F itu signifikan ataukah tidak. Rumus F yang paling efisien, jika koefisien
korelasi antara kriterium dengan prediktor-prediktorny a telah diketemukan,
adalah:
Total T N-1 --
Jadi
F = 4,330
Jika diinginkan mencari harga F regresi dengan rumus skor kasar, rumusnya
adalah:
Untuk mengingat kembali data dan hasil-hasil perhitungan yang sudah kita
ketemukan:
N = 10 m=2
a1 = 0,198100 375 a2 = 1,209667071 K = 21,40730049
ΣX1Y = 18.787 ΣX2Y = 867,75
ΣY = 297 ΣY2 = 9.199
Dikerjakan
N – m – 1 = 10 – 2 – 1 = 7
a1ΣX1Y = (0,198 100 375) (18.787) = 3.721,711 745
a2ΣX2Y = (-1,209 667 071) (867,75)= - 1.049,688 6
KΣY = (21,407 300 49) (297) = 6.375, 968 245
Diisikan :
Total T N-1 --
Jadi
Dikerjakan berikutnya :
Sebagaimana biasa dari hasil analisis variansi garis regresi dibuatlah tabel
ringkasan analisis. Maka jika kita buat tabel ringkasan analisis regresi, hasilnya
akan Nampak seperti tabel ringkasan analisis regresi seperti yang baru kita buat di
muka. Telah dikemukakan, apabila dalam mengerjakan analisis regresi kita hanya
mempunyai kalkulator tangan, cara yang paling efisien adalah menggunakan
metode skor deviasi. Karena itu untuk analisis-analisis berikutnya akan kita
gunakan saja metode skor deviasi, dan untuk metode skor kasar hanya akan
dikemukakan rumusnya, saja.
1. Jika suatu penelitian ingin menguji apakah berat badan orang pada kelompok
umur tertentu dapat diramalkan dari tinggi badan. Dalam penelitian itu
dikumpulkan data tinggi badan dan berat badan sepuluh orang sebagai berikut:
Tinggi Berat
Subyek
(dalam cm) (dalam kg)
No.
X. y
1 168 63
2 173 81
3 162 54
4 157 49
5 160 52
6 165 62
7 163 56
8 170 78
9 168 64
10 164 61
Ujilah pada taraf signifikansi 1%, dan gunakan table rangkuman analisis
regresi.