MAKALAH

STATISTIK DASAR

HALAMAN SAMPUL
DISUSUN OLEH :

ADE WIRA PUTRA RAMADANA (09320170129)

VARREL HENRY SIAGIAN (09320170140)
ABD. MANAF SU ONG (09320120
C4

PROGRAM STUDI TEKNIK PERTAMBANGAN

FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS MUSLIM INDONESIA

MAKASSAR
2019

i
 KATA PENGANTAR

Assalamu Alaikum Warahmatullahi Wabarakatu

Segala puji dan syukur bagi Alaah SWT, atas limpahan rahmat dan hidayah-
nya sehingga penulis dapat mengerjakan dan menyelesaikan tugas Statistik dasar dan
akan dikumpul dengan tepat pada waktunya. Salam dan shalawat penulis panjatkan
kepada Nabi Muhammad SAW beserta seluruh keluarga dan para sahabatnya yang
selalu istiqomah di jalan-Nya dan sebagai penolong umat manusia dalam alam
kegelapan yang penuh penyiksaan ke alam terang-benderang yang penuh dengan
kenikmatan dan kesyukuran yang luar biasa tak terhingga.
Adapun judul tugas ini yang diberikan oleh Dosen kepada penulis adalah
mengenai pengertian kolerasi, kolerasi pearson dan metode z skor untuk menghitung
kolerasi, pada mata kuliah Statistik dasar. Yang kemudian menjadi salah satu tugas
yang harus dikerjakan guna mendapatkan nilai pada mata kuliah tersebut.

Makassar, 27 April 2019

Penulis

ii
 DAFTAR ISI

Halaman

HALAMAN SAMPUL ................................................................................. i

KATA PENGANTAR .................................................................................. ii
DAFTAR ISI ................................................................................................. iii
DAFTAR GAMBAR .................................................................................... iv
DAFTAR TABEL......................................................................................... iv
BAB I PENDAHULUAN ............................................................................. 1
1.1 Latar Belakang ...................................................................................... 1
1.2 Rumusan Masalah................................................................................. 2
1.3 Tujuan Penulisan .................................................................................. 2
1.4 Manfaat Penulisan ................................................................................ 2
BAB II PEMBAHASAN .............................................................................. 3
2.1 Pengertian Korelasi............................................................................... 3
2.2 Macam-macam Kolerasi ....................................................................... 4
2.3 Korelasi Product Moment (Pearson). ................................................... 4
2.4 Korelasi Pearson dengan metode Z ...................................................... 11
KESIMPULAN ............................................................................................. 17
DAFTAR PUSTAKA ................................................................................... 18

iii
 DAFTAR GAMBAR

Gambar Halaman

2. 1 Distribusi Normal (Mean = 70).......................................................... 12

2. 2 0.5 < z < 0.5 ...................................................................................... 13
2. 3 Table z-score ...................................................................................... 14
2. 5 Hasil Z skor ........................................................................................ 15
2. 4 Untuk 400 mahasiswa dengan nilai tertinggi ..................................... 15

iv
 DAFTAR TABEL

Tabel Halaman

2. 2 Cari Peluangnya dengan menggunakan Tabel Bilangan z ............................. 13

2. 1 jika sudah diketahui, maka buatlah tabel seperti dibawah ini: ....................... 13

v
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Banyak analisis statistika bertujuan untuk mengetahui apakah ada hubungan

antara dua atau lebih peubah. Bila hubungan demikian ini dapat dinyatakan dalam
bentuk rumus matematik, maka kita akan dapat menggunakannya untuk keperluan
peramalan.
Kata “ Korelasi” berasal dari bahasa inggris yaitu “ Correlation” yang dalam
bahasa Indonesia artinnya hubungan atau saling hubung atau hubungan timbale balik.
Dalam dunia statistik pendidikan korelasi adalah hubungan antara dua variable atau
lebih yang sifatnnya kuantitatif. Lambang yang digunakan korelasi adalah rxy
artinnya korelasi antara variable X dan variable Y. Nilai korelasi berkisar antara 0
(nol) sampai dengan 1.00 artinya nilai korelasi paling rendah adalah nol dan paling
tinggi adalah 1.00.
Hubungan antara variable itu jika ditilik dari segi arahnya, dapat dibedakan
menjadi dua macam yaitu hubungan yang sifatnya satu arah dan hubungan yang
sifatnya berlawanan arah. Hubungan yang sifatnya searah diberi nama korelasi
positif, sedangkan yang berlawanan arah disebut korelasi negative. Disebut korelasi
positif, jika dua variable (atau lebih) yang berkolerasi berjalan parallel, artinya bahwa
hubungan antara dua variable (atau lebih) itu menunjukan arah yang sama. Jadi
apabila variable X mengalami kenaikan atau pertambahan akan diikuti pula dengan
kenaikan atau pertambahan, akan diikuti pula dengan kenaikan atau pertambahan
pada variable Y atau sebaliknya, penurunan dan pengurangan pada variable X akan
akan diikuti pula dengan penurunan dan pengurangan pada variable Y.

1
1.2 Rumusan Masalah

Berdasarkan dari latar belakang tersebut, maka rumusan masalah pada makalah
ini sebagai berikut:
a. Apa yang dimaksud dengan korelasi?
b. Apa itu kolerasi pearson ?
c. Bagaimana metode Z skor untuk menghitung kolerasi ?

1.3 Tujuan Penulisan

Dari rumusan masalah tersebut penulis dapat menyimpulkan tujuan dari

makasalah ini, yaitu:
a. Untuk mengetahui apa itu kolerasi
b. Untuk mengetahui penggunaan kolerasi pearson
c. Untuk mengetahui metode penggunakan cara z skor pada kolerasi

1.4 Manfaat Penulisan

Agar kita memahami dan mengerti apa itu kolerasi serta macam-macamnya
dan dapat menggunakan metode z skor untuk menghitung kolerasi.

2
 BAB II
PEMBAHASAN

2.1 Pengertian Korelasi

Dalam kegiatan statistik khususnya statistik inferensial, analisis korelasi

merupakan hubungan antara dua variabel atau lebih, yaitu antara variable bebas dan
variable terikat. Hubungan korelasi terdiri atas dua jenis yakni bivariate dan
multivariate correlation. Bevariated correlation yaitu analisis terhadap hubungan
antara dua variable, satu varaiabel bebas dengan satu variable terikat, sedangkan
multivariate correlation yaitu analisis hubungan antara lebih dua variable bebas
(Syah, 2007).
Variabel yang dikorelasikan dalam analisis korelasional adalah hubungan
antara dua variable yang terdiri dependend variable terikat atau varaibel yang
dipengaruhi dan independend vriabel yang mempengaruhi atau disebut juga variable
bebas.
Kata “ Korelasi” berasal dari bahasa inggris yaitu “ Correlation” yang dalam
bahasa Indonesia artinnya hubungan atau saling hubung atau hubungan timbale balik.
Dalam dunia statistik pendidikan korelasi adalah hubungan antara dua variable atau
lebih yang sifatnnya kuantitatif. Lambang yang digunakan korelasi adalah rxy
artinnya korelasi antara variable X dan variable Y. Nilai korelasi berkisar antara 0
(nol) sampai dengan 1.00 artinya nilai korelasi paling rendah adalah nol dan paling
tinggi adalah 1.00 (Hariadi, 2009).
Korelasi adalah istilah statistic yang menyatakan derajat hubungan linear
antara dua variable atau lebih, yang ditemukan oleh Karl Pearson pada awal 1900
oleh itu terkenal dengan sebutan korelasi pearson product moment (PPM) Korelasi
adalah salah satu teknik analisis statistic yang paling banyak digunakan oleh para
peneliti, karena peneliti pada umumnya tertarik terhadap peristiwa-peristiwa yang
terjadi dan mencoba untuk menghubungkannya. Misalnnya kita ingin
menghubungkan antara tinggi badan dan berat badan, antara umur dengan tekanan
darahnya, antara motivasi dengan prestasi belajar atau bekerja dan seterusnya.
Hubungan antara dua variable didalam teknik korelasi bukanlah dalam arti hubungan
sebab akibat melainkan hanya hubungan searah saja (Usman, 2006).

3
2.2 Macam-macam Kolerasi

Macam-macam Teknik Korelasi :

a. Product Moment Pearson : Kedua variabelnya berskala interval
b. Rank Spearman : Kedua variabelnya berskala ordinal
c. Point Serial : Satu berskala nominal sebenarnya dan satu berskala interval
d. Biserial : Satu berskala nominal buatan dan satu berskala interval
e. Koefisien kontingensi : Kedua varibelnya berskala nominal

2.3 Korelasi Product Moment (Pearson).

Diatas sudah disebutkan macam-macam korelasi, berikut ini akan
dijelaskan apa itu kolerasi product moment (pearson) serta beberapa contohnya.
Korelasi Product Moment merupakan salah satu teknik korelasi yang sering
digunakan untuk mencari korelasi antar dua variable. Korelasi Product Moment
dikembangkan oleh Karl Pearson yang kemudian teknik ini dinamakan dengan teknik
korelasi pearson, disebut juga Korelasi Product Moment karena koefisien korelasinya
didapatkan dengan mengalihkan antara moment-moment variable yang
dikorelasikan. (Hariadi, 2009).
Korelasi Product Moment ditemukan oleh Karl Pearson digunakan untuk
melukiskan hubungan antara dua buah variable yang sama–sama berjenis interval
atau rasio. Analisis korelasi digunakan untuk menjelaskan kekuatan dan arah
hubungan antara dua variabel. Korelasi bersifat undirectional yang artinya tidak ada
yang ditempatkan sebagai predictor dan respon (IV dan DV).
Angka korelasi berkisar antara -1 s/d +1. Semakin mendekati 1 maka korelasi
semakin mendekati sempurna. Sementara nilai negative dan positif mengindikasikan
arah hubungan. Arah hubungan yang positif menandakan bahwa pola hubungan searah
atau semakin tinggi A menyebabkan kenaikan pula B (A dan B ditempatkan sebagai
variabel)

4
 Untuk menerapkan koefisien korelasi antara dua variabel yang masing-masing
mempunyai skala pengukuran interval maka digunakan korelasi product moment yang
dikembangkan oleh Karl Pearson.
Korelasi product momen ini ada dua macam, yaitu:
1. Korelasi product moment dengan rumus simpangan (deviasi).
∑ 𝑥.𝑦
𝑟𝑥𝑦 =
√(∑ 𝑋 2 )(∑ 𝑌 2 )

2. Korelasi Product moment dengan rumus angka kasar.

𝑁. ∑ 𝑥. 𝑦 − (∑ 𝑋) (∑ 𝑌)
𝑟𝑥𝑦 =
√[𝑁. ∑ 𝑋 2 − (∑ 𝑋)2 ][𝑁. ∑ 𝑌2 − (∑ 𝑌)2 ]
Ket :
𝑟𝑥𝑦 = 𝐾𝑜𝑒𝑓𝑖𝑠𝑖𝑒𝑛 𝑘𝑜𝑟𝑒𝑙𝑎𝑠𝑖 𝑎𝑛𝑡𝑎𝑟𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙 𝑋 𝑑𝑎𝑛 𝑌
𝑋 = 𝑑𝑒𝑣𝑖𝑎𝑠𝑖 𝑑𝑎𝑟𝑖 𝑚𝑒𝑎𝑛 𝑢𝑛𝑡𝑢𝑘 𝑛𝑖𝑙𝑎𝑖 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙 𝑋
𝑌 = 𝑑𝑒𝑣𝑖𝑎𝑠𝑖 𝑑𝑎𝑟𝑖 𝑚𝑒𝑎𝑛 𝑢𝑛𝑡𝑢𝑘 𝑛𝑖𝑙𝑎𝑖 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙 𝑌

∑ 𝑥. 𝑦 = 𝑗𝑢𝑚𝑙𝑎ℎ 𝑝𝑒𝑟𝑘𝑎𝑙𝑖𝑎𝑛 𝑎𝑛𝑡𝑎𝑟𝑎 𝑛𝑖𝑙𝑎𝑖 𝑋 𝑑𝑎𝑛 𝑌

𝑋 2 = 𝐾𝑢𝑎𝑑𝑟𝑎𝑡 𝑑𝑎𝑟𝑖 𝑛𝑖𝑙𝑎𝑖 𝑋

𝑌 2 = 𝐾𝑢𝑎𝑑𝑟𝑎𝑡 𝑑𝑎𝑟𝑖 𝑛𝑖𝑙𝑎𝑖 𝑌

Soal :
Suatu penelitian yang ingin melihat apakah ada hubungan antara banyaknya
kredit yang diambil dengan indeks prestasi yanng dicapai mahasiswa dalam satu
semester. Setelah dilakukan pengumpulan data dari 10 mahasiswa ternyata penyebaran
kredit dan indeks prestasi yang dicapai sebagai berikut:

NOMOR URUT JUMLAH KREDIT INDEKS PRESTASI

MAHASISWA YANG DIAMBIL
1 20 3,1
2 18 4,0
3 15 2,8
4 20 4,0
5 10 3,0
6 12 3,6

5
 7 16 4,0
8 14 3,2
9 18 3,5
10 12 4,0

2.3.1 Cara Menghitung Korelasi Product Moment Dengan Simpangan

Rumus ini memerlukan suatu perhitungan rata-rata dari masing-masing
kelompok, yang selanjutnya perlu perhitungan selisih masing-masing skor dengan
rata-ratanya, serta kuadrat simpangan skor dengan rata-ratanya, maupun hasil kali
simpangan masing-masing kelompok.
Tahapan yang harus dilalui untuk menyelesaikan Rumus Korelasi Product
Moment dengan Simpangan adalah:
1. Jika jumlah kredit mata kuliah yang diambil mahasiswa merupakan variabel X,
maka indeks prestasi merupakan variabel Y
2. Buatlah tabel penolong yang mengandung unsur-unsur atau faktor-faktor yang
diperlukan dalam perhitungan korelasi sesuai dengan kebutuhan tabel Korelasi
Product Moment dengan Simpangan.
3. Menjumlahkan subyek penelitian
4. Menjumlahkan skor X dan skor Y
∑𝑥
5. Menghitung Mean variabel X dengan rumus: 𝑀𝑥 = dan hasilnya menjadi
𝑁

155/10=15,5
𝛴𝑌
6. Menghitung Mean variabel Y dengan rumus: 𝑀𝑦 = dan hasilnya menjadi
𝑁

35,2/10=3,52
7. Menghitung deviasi masing-masing skor x dengan rumus : x=X-M
8. X baris ke 1,kolom ke 4 kita isi menjadi, contohnya = 20-15,5=4,5, dan
seterusnya.
9. Menghitung deviasi masing-masing skor y dengan rumus: y =Y-M
10. y baris ke 1, kolom ke 5 kita isi menjadi, contohnya= y=3,1-3,52=-0,42,dan
seterusnya
11. Mengalikan deviasi x dengan y
12. Menguadratkan seluruh deviasi x dan menjumlahkannya
13. Menguadratkan seluruh deviasi y dan menjumlahkannya

6
 14. Menyelesaikan rumus Korelasi Product Moment dengan Simpangan, yaitu:

SISWA X Y x y xy 𝑥2 𝑦2
KE
1 20 3,1 4,5 -0,42 -1,89 20,25 0,1764
2 18 4,0 2,5 0,48 1,2 6,25 0,2304
3 15 2,8 -0,5 -0,72 0,36 0,25 0,5184
4 20 4,0 4,5 0,48 2,16 20,25 0,2304
5 10 3,0 -5,5 -0,52 2,86 30,25 0,2704
6 12 3,6 -3,5 0,08 -0,28 12,25 0,0064
7 16 4,0 0,5 0,48 0,24 0,25 0,2304
8 14 3,2 -1,5 -0,32 0,48 2,25 0,1024
9 18 3,5 2,5 -,02 -0,05 6,25 0,0004
10 12 4,0 -3,5 0,48 -1,68 12,25 0,2304
N=10 155 35,2 0 0 3,4 110,5 1,996

Hal yang perlu diingat (sebagai bahan koreksi perhitungan) adalah jumlah
simpangan masing-masing nilai dengan rata-ratanya adalah 0. Disamping itu kita tidak
perlu menghilangkan tanda negatif (-).
Jadi,
3,4
𝑟𝑥𝑦 =
√(110,5)(1,996)

3,4
= 14,85119524

=0,2289378023
=0,23

7
2.3.2 Cara Menghitung Korelasi Product Moment Dengan Angka Kasar
Tahapan yang harus dilalui untuk menyelesaikan Rumus Korelasi Product
Moment dengan ANGKA KASAR adalah:
1. Jika jumlah kredit mata kuliah yang diambil mahasiswa merupakan variabel X,
maka indeks prestasi merupakan variabel Y
2. Buatlah tabel penolong yang mengandung unsur-unsur atau faktor-faktor yang
diperlukan dalam perhitungan korelasi sesuai dengan kebutuhan tabel Korelasi
Product Moment dengan ANGKA KASAR.
3. Menjumlahkan subyek penelitian
4. Menjumlahkan variabel X dan variabel Y
5. Mengalikan antara variabel X dan variabel Y
6. Mengkuadratkan variabel X dan menjumlahkannya
7. Mengkuadratkan variabel Y dan menjumlahkannya
8. Menyelesaikan rumus Korelasi Product Moment dengan angka kasar untuk
mencari koefisien korelasinya

SISWA KE X Y XY 𝑋2 𝑌2
1 20 3,1 62 400 9,61
2 18 4,0 72 324 16
3 15 2,8 42 225 7,84
4 20 4,0 80 400 16
5 10 3,0 30 100 9
6 12 3,6 43,2 144 12,96
7 16 4,0 64 156 16
8 14 3,2 44,8 196 10,24
9 18 3,5 63 324 12,25
10 12 4,0 48 144 16
N=10 155 35,2 549 2513 125,90

Setelah kita inventarisir seluruh faktor yang diperlukan dalam rumus Korelasi
Product Moment dengan Angka Kasar, maka angka-angka tersebut kita masukkan
dalam rumus di bawah ini. Dengan demikian, maka hasil perhitungan Korelasi Product
Moment dengan Angka Kasar sebagai berikut:
8
 𝑁𝛴𝑥𝑦−(∑𝑥) (∑𝑦)
𝑟𝑥𝑦 =
√(𝑁𝛴𝑥 2 −(∑𝑥)2 (𝑁𝛴𝑦 2 −(𝛴𝑦)2)

(10𝑥549)−(155𝑥35,2)
=
√(10𝑥2513)−(155)2 (10𝑥125,90)−(35,2)2

34
= 148,5119524

= 0,2289378023

= 0,23

Dengan demikian telah terbukti bahwa menggunakan rumus pertama maupun

kedua menghasilkan hasil yang sama. Oleh karena kedua rumus korelasi product
moment di atas benar-benar sama, maka keduanya bisa dipakai pada kondisi yang
sama, tetapi disarankan untuk memakai rumus yang kedua karena lebih simpel
perhitungannya
2.3.3 Cara Memberi Interpretasi Terhadap 𝒓𝒙𝒚
Untuk memberikan interpretasi mengenai besarnya koefisien korelasi ada dua
cara, yaitu dengan kasar atau sederhana dan dengan berkonsultasi dengan Tabel Nilai
r Product Moment. Namun sebelumnya saya perlu mengemukakan suatu pedoman
statistik yang terkait dengan interpretasi nanti.
Hasil perhitungan korelasi pada dasarnya dapat dikelompokkan menjadi 3
kelompok besar:
1. Korelasi positif kuat, apabila hasil perhitungan korelasi mendekati +1. Ini
berarti bahwa setiap setiap kenaikan skor/nilai pada variabel X akan diikuti
dengan kenaikan skor/nilai variabel Y. Sebaliknya, jika variabel X
mengalami penurunan, maka akan diikuti dengan penurunan variabel Y.
2. Korelasi negatif kuat, apabila hasil perhitungan korelasi mendekati -1 atau
sama dengan -1. Ini berarti bahwa setiap kenaikan skor/nilai pada variabel
X akan diikuti dengan penurunan skor/nilai variabel Y. Sebaliknya, apabila
skor/nilai dari variabel X turun, maka skor/nilai dari variabel Y akan naik.

9
 3. Tidak ada korelasi, apabila hasil perhitungan korelasi( mendekati 0 atau
sama dengan 0). Hal ini berarti bahwa naik turunnya skor/nilai satu variabel
tidak mempunyai kaitan dengan naik turunnya skor/nilai variabel yang
lainnya. Apabila skor/nilai variabel X naik, maka tidak selalu diikuti dengan
naik atau turunnya skor/nilai variabel Y. Demikian juga sebaliknya.
Hasil perhitungan korelasi product moment bergerak antara -1 sampai dengan
+1. Jadi kalau ada hasil perhitungan korelasi product moment lebih besar (>) dari pada
+1 atau kurang dari (<) -1, maka perhitungan tersebut jelas salah. Dengan berpedoman
pada pernyataan tersebut maka dapat dilakukan rincian sebagai berikut:
-antara 0,800 s/d 1,000 =hubungan sangat tinggi/sangat kuat

-anatara 0,600 s/d 0,800 =hubungan tinggi/kuat

-antara 0,400 s/d 0,600 =hubungan cukup

-antara 0,2000 s/d 0,400 =hubungan rendah/lemah

-antara 0,000 s/d 0,2000 =hubungan rendah sekali/lemah sekali

Interpretasi juga dapat dilakukan dengan cara berkonsultasi terhadap Tabel

Nilai r Product Moment dengan jalan:
a. .Membuat hipotesis alternatif (Ha) dan hipotesis nihil (Ho).
b. Menguji benar tidaknya hipotesis yang dikemukakan dengan cara
membandingkan antara r diperoleh(ro) dengan cara r tabel (rt).
2.3.4 Interpretasi Secara Kasar/Sederhana
Dari perhitungan di atas diperoleh 𝑟𝑥𝑦 sebesar 0,23, ini menunjukkan terdapat
hubungan searah. Dan 𝑟𝑥𝑦 sebesar 0,23 berada di antara 0,2000 s/d 0,400.
Berdasarkan pedoman yang telah dikemukakan di atas dapat dinyatakan bahwa
korelasi antara variabel X dan variabel Y tergolong rendah/lemah. Dengan demikian
dapat dikemukakan bahwa hubungan antara banyaknya kredit yang diambil dengan
indeks prestasi yanng dicapai mahasiswa dalam satu semester di kampus X adalah
lemah.

10
2.3.5 Interpretasi Dengan Menggunakan Tabel Nilai R Product Moment
Interpretasi dengan cara ini dapat dilakukan dengan langkah-langkah berikut
ini:
a. Merumuskan hipotesis alternatif(Ha): Ada korelasi antara banyaknya kredit
yang diambil dengan indeks prestasi yanng dicapai mahasiswa dalam satu
semester di kampus X
b. Merumuskan hipotesis nihil (Ho): Tidak ada korelasi antara banyaknya
kredit yang diambil dengan indeks prestasi yanng dicapai mahasiswa dalam
satu semester di kampus X
c. Berkonsultasi dengan Tabel Nilai r Product Moment: - rt pada t.s 5%=0,666
-rt pada t.s 1% =0,798
d. Membandingkan besar 𝑟𝑥𝑦 atau ro dengan rt. Dimana ro sebesar 0,23
sedangkan rt pada t.s 5%=0,666 dan rt pada t.s 1%=0,798. Dengan demikian
ternyata ro lebih kecil dari rt, maka hipotesis alternatif(Ha) ditolak dan
hipotesis nihil(Ho) diterima.Dengan demikian dapat dinyatakan bahwa
korelasi antara banyaknya kredit yang diambil dengan indeks prestasi yanng
dicapai mahasiswa dalam satu semester di kampus X dikategorikan
lemah/rendah (Hartono,2010).

2.4 Korelasi Pearson dengan metode Z

Korelasi Pearson dengan metode Z digunakan jika salah satu syarat yang harus
dipenuhi, yaitu rentangan nilai kedua variabel tidak sama. Untuk perhitungan Korelasi
Pearson yang didasarkan pada z skor, dapat digunakan rumus;

Untuk memperoleh Z skor digunakan rumus:

11
Contoh Soal:
Jika diketahui sebaran nilai statistik dari 1000 orang mahasiswa Universitas
Borobudur dalam 5 tahun terakhir berdistribusi normal dengan nilai rata-rata 70 dan
simpangan baku 10, maka hitunglah:
1. Jumlah mahasiswa yang mendapat nilai statistik antara 65 s/d 75
2. Jumlah mahasiswa yang mendapat nilai lebih besar dari 80
3. Dari 400 orang mahasiswa yang mendapat nilai tertinggi, dan berapakah nilai
tertendah dari mereka?
4. Dari 300 orang yang nilainya terendah, berapakah nilai tertinggi dari mereka?
TIPS:

Gambar 2. 1 Distribusi Normal (Mean = 70)

Karena berdistribusi normal maka bentuk grafiknya sebagaimana disamping
dengan nilai rata-rata dan sudah diketahui nmahasiswa = 1000 serta sbaku = 10. Untuk
menjawab pertanyaan diatas, dapat menggunakan bilangan z (z-score) yang
dirumuskan dengan zi = (xi – x )/s dimana i = 1,2,3, …,n. Adapun dalam table z-score
variable (data baru) dari z1, z2, z3, …,zn rata-ratanya sama dengan 0 dan simpangan
bakunya sama dengan 1.

12
PENYELESAIAN
Tabel 2. 2 Jika sudah diketahui, maka buatlah tabel seperti dibawah ini:

Tabel 2. 1 Cari Peluangnya dengan menggunakan Tabel Bilangan z

JAWAB:

Gambar 2. 2 0.5 < z < 0.5

13
1) Jumlah mahasiswa yang mendapat nilai statistik antara 65 s/d 75 adalah sama
dengan Jumlah Peluang yang mendapat nilai 65 dari 1000 mahasiswa ditambah
Jumlah Peluang yang mendapat nilai 75.

Jadi, jumlah mahasiswa yang mendapat nilai statistik antara 65 s/d 75

adalah 383 orang.

Gambar 2. 3 Table z-score

2) Jumlah mahasiswa yang mendapat nilai lebih besar dari 80 adalah jumlah
peluang yang dibatasi oleh nilai lebih besar dari (> 80):

Atau dibulatkan menjadi 341 orang yang mendapatkan nilai > 80 (lihat model
grafik diatas)

14
 Gambar 2. 5 Untuk 400 mahasiswa dengan nilai tertinggi

3) Dari Σ400 orang mahasiswa yang mendapat nilai tertinggi, dengan

menggunakan table z-score dan perhitungan diatas, maka nilai tertendah dari
mereka adalah 82.8. Perhitungannya dari orang, maka peluangnya (lihat
table z-score) mendekati 0.3997 dari 1000 populasi yang ada dan diketahui
nilai z-nya = 1.28. Maka, jika z dirumuskan dengan zi = (xi – x)/s maka
didapatkan xi – x = z dikali dengan s. (lihat cara hitung diatas).

Gambar 2. 4 Hasil Z skor

15
4) Dari 300 orang yang nilainya terendah, untuk mengetahui nilai tertinggi dari
mereka dapat menggunakan table z-score dan dari Σ300 orang, maka
peluangnya (lihat table z-score) mendekati 0.2996 dari 1000 populasi yang ada
dan diketahui nilai z-nya = -0.84. Nilai (-) diberikan karena posisinya berada
disebelah kiri dari nilai rata-rata (mean).
Dengan demikian (lihat perhitungan diatas) maka dari 300 mahasiswa yang nilainya
terendah, maka nilai tertinggi mereka adalah 61.6.

16
 KESIMPULAN

Korelasi adalah istilah statistic yang menyatakan derajat hubungan linear

antara dua variable atau lebih, yang ditemukan oleh Karl Pearson pada awal 1900
oleh itu terkenal dengan sebutan korelasi pearson product moment (PPM) Korelasi
adalah salah satu teknik analisis statistic yang paling banyak digunakan oleh para
peneliti, karena peneliti pada umumnya tertarik terhadap peristiwa-peristiwa yang
terjadi dan mencoba untuk menghubungkannya. Misalnnya kita ingin
menghubungkan antara tinggi badan dan berat badan, antara umur dengan tekanan
darahnya, antara motivasi dengan prestasi belajar atau bekerja dan seterusnya..

17
 DAFTAR PUSTAKA

Darwyan Syah, dkk, Pengantar Statistik Pendidikan, Jakarta : Gaung Persada Press,
2009.
Hartono, Statisitik Untuk Penelitian, (Zanafa Publishing, Riau : 2010), hal. 79
Moh Hariyadi . 2009 . Statistik Pendidikan. Jakarta: Penerbit Prestasi Pustaka.
R. Purnomo Setiady Akbar, Husaini Usman. 2006. Pengantar Statistika. Jakarta: Bumi
Aksara

18