(Makalah ini disusun sebagai bahan diskusi mata kuliah Metode Statistika
jurusan Pendidikan Matematika semester 5 kelas 5A)
Disusun oleh:
Kelompok 5
PENDIDIKAN MATEMATIKA
1440 M/2018 H
KATA PENGANTAR
Puji syukur kehadirat Allah SWT atas segala limpahan rahmat, taufik dan
inayah-Nya sehingga penulis dapat menyelesaikan penyusunan makalah ini tepat
waktu. Semoga makalah ini dapat dipergunakan sebagai salah satu acuan,
petunjuk maupun pedoman bagi pembaca dalam memahami pengertian dan
langkah-langkah dalam uji statistik.
Makalah dengan judul “Analisis Regresi dan Uji Korelasi Parametrik”ini
dibuat untuk memenuhi tugas mata kuliah Metode Statistika. Harapan kami
semoga makalah ini membantu menambah pengetahuan dan pengalaman bagi
para pembaca, sehingga kami dapat memperbaiki bentuk maupun isi makalah ini
sehingga kedepannya dapat lebih baik.
Penulis sangat mengharapkan adanya kritik dan saran yang positif untuk
kesempurnaan makalah ini. Semoga makalah ini dapat memberikan banyak
manfaat bagi pembaca, khususnya bagi mahasiswa program studi Bahasa dan
Sastra Indonesia. Mohon maaf apabila terdapat kesalahan baik dalam
penyampaian maupun penulisannya. Akhir kata penulis ucapkan terimakasih.
Penulis
BAB I
PENDAHULUAN
A. Latar Belakang
Sepanjang sejarah umat manusia, orang melakukan penelitian tentang
ada tidaknya hubungan antar dua hal,fenomena,kejadian,atau lainnya. Ada
tidaknya pengaruh antara satu kejadian dengan kejadian lainnya. Karena itu
untuk mempermudah dalam melakukan perhitungan suatu kejadian maka
digunakan kolerasi dan regresi dalam ilmu statistika.
Regresi merupakan salah satu analisis yang bertujuan untuk
mengetahui pengaruh suatu variabel terhadap variabel lain. Dalam analisis
regresi, variabel yang mempengaruhi disebut variabel bebas (independent
variabel) dan variabel terikat (dependent variabel). Pemodelan dengan regresi
telah banyak digunakan dimulai dari bidang sosial,ekonomi,kimia,kesehatan,
dan sebagainya. Ada beberapa macam tipe dari analisis regresi. Tipe yang
pertama adalah analisis regresi sederhana, tipe kedua adalah analisis regresi
ganda dua prediktor dan tipe ketiga analisis regresi ganda tiga prediktor.
Kolerasi merupakan teknik analisis yang termasuk dalam salah satu
teknik pengukuran asosiasi/hubungan. Teknik ini berguna untuk mengukur
kekuatan hubungan antara dua variabel (atau lebih) dengan skala-skala
tertentu.
B. Rumusan Masalah
1. Apakah yang dimaksud dengan analisis regresi sederhana, analisis regresi
dua prediktor, analisis regresi tiga prediktor, uji kolerasi peringkat dan uji
kolerasi variabel dikotomi?
2. Bagaimana langkah-langkah penghitungan atau prosedur analisis regresi
sederhana, analisis regresi dua prediktor, analisis regresi tiga prediktor,
uji kolerasi peringkat dan uji kolerasi variabel dikotomi?
BAB II
ANALISIS REGRESI DAN UJI KORELASI PARAMETRIK
1
Kadir,Statistika Terapan, Depok (PT Raja Grafindo Persada: 2017) edisi 3, cet.4,hlm.179.
2
http://jam-statistic.blogspot.com/2014/06/analisis-regresi-sederhana.html. Diakses pada 22
November 2018. Pukul: 11:05 WIB
Dari perhitungan melalui pasangan daya (𝑋, 𝑌) minimal dapat
ditentukan:
1. Persamaan atau model regresi 𝑌 atas 𝑋
2. Linearitas regresi dan signifikasi regresi 𝑌 atas 𝑋
3. Koefisien korelasi dan koefisien determinasi.3
3
Kadir.Op.Cit., hlm.179
4
Syofian Siregar, Statistika Terapan Untuk Perguruan Tinggi, Jakarta (PT Kharisma Putra
Utama:2015)edisi 1, cet.1,hlm.221.
No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
X 40 55 32 55 50 52 61 44 30 22 40 64 58 48 44
Y 4 16 12 24 15 24 22 17 4 14 24 26 20 9 14
a. Tentukan persamaan regresi 𝑌 atas 𝑋
b. Lakukan pengujian: 1) linearitas regresi 𝑌 atas 𝑋
2) signifikasi/keberartian regresi 𝑌 atas 𝑋
c. Hitung koefisien dan korelasi determinasi Y dan X5
Tabel Persiapan untuk analisis regresi sederhana
No X 𝑋2 Y 𝑌2 XY
1 40 1600 4 16 160
2 55 3025 16 256 880
3 32 1042 12 144 384
4 55 3025 24 576 1320
5 50 2500 15 225 750
6 52 2704 24 576 1248
7 61 3721 22 484 1342
8 44 1936 17 289 748
9 30 900 4 16 120
10 22 484 14 196 308
11 40 1600 24 576 960
12 64 4096 26 676 1664
13 58 3364 20 400 1160
14 48 2304 9 81 432
15 44 1936 14 196 616
Jumlah 695 34219 245 4707 12092
Dari tabel diatas, dapat ditentukan persamaan atau model regresi sebagai
berikut:
𝑛(∑ 𝑋 𝑌) − (∑ 𝑋)(∑ 𝑌) 15(12092) − (695)(245)
𝑏= =
𝑛(∑ 𝑋 2 ) − (∑ 𝑋)2 15(34219) − (695)2
181380 − 170275 11105
= = = 0,366986
513285 − 483025 30260
𝑎 = 𝑌̅ − 𝑏𝑋̅ = 16,33 − (0,366986)(46,33) = −0,6724614)
Ŷ = 𝑎 + 𝑏𝑋 = −0,6724614 + 0,366986𝑋
5
Kadir, Op.cit., hlm.179
b. Uji Linearitas dan Signifikansi Regresi 𝒀 atas 𝑿
Pengujian linearitas dan signifikansi regresi 𝑌 atas 𝑋 dilakukan
dengan langkah-langkah sebagai berikut.6
1) Menghitung jumlah kuadrat (𝐽𝐾) beberapa sumber varians
𝐽𝐾(𝑇) = ∑ 𝑌 2 = 4707
(∑ 𝑌)2 2452
𝐽𝐾(𝑎) = = = 4001,667
𝑛 15
𝑏 (∑ 𝑋)(∑ 𝑌)
𝐽𝐾 ( ) = 𝑏 (∑ 𝑋𝑌 − )
𝑎 𝑛
(695)(245)
= (0,366986) (12092 − )
15
= (0,366986)(740,333) = 271,692
𝑏
𝐽𝐾(𝑆) = 𝐽𝐾(𝑇) − 𝐽𝐾(𝑎) − 𝐽𝐾 ( ) = 4707 − 4001,667 − 271,692
𝑎
= 433,641
∑(𝑌𝑖 )2
𝐽𝐾(𝐺) = ∑𝑛𝑖=1 {∑ 𝑌𝑖2 − },
𝑛𝑖
2
282 2 2 2
312
𝐽𝐾(𝐺) = [4 + 24 − ] + [17 + 14 − ]
2 2
402
2 2
+ [16 + 24 − ]
2
= 2236,5
6
Kadir, Op.cit., hlm.181
𝐽𝐾(𝑇𝑐) = 𝐽𝐾(𝑆) − 𝐽𝐾(𝐺) = 433,641 − 236,5 = 197,141
2) Menentukan derajat bebas (db) beberapa sumber varians
𝑑𝑏(𝑇) = 𝑛 = 15
𝑑𝑏(𝑎) = 1
𝑑𝑏(𝑏/𝑎) = 1
𝑑𝑏(𝑆) = 𝑛 − 2 = 15 − 2 = 13
𝑑𝑏(𝐺) = 𝑛 − 𝑘 = 15 − 12 = 3 (kelompok: 𝑘 = 12)
𝑑𝑏(𝑇𝑐) = 𝑘 − 2 = 12 − 2 = 10
3) Menghitung rata-rata jumlah kuadrat (𝑅𝐽𝐾)
𝐽𝐾(𝑎) 4001,667
𝑅𝐽𝐾(𝑎) = = = 4001,667
𝑑𝑏(𝑎) 1
𝐽𝐾(𝑏/𝑎) 271,692
𝑅𝐽𝐾(𝑏/𝑎) = = = 271,692
𝑑𝑏(𝑏/𝑎) 1
𝐽𝐾(𝑆) 433,641
𝑅𝐽𝐾(𝑆) = = = 33,357
𝑑𝑏(𝑆) 13
𝐽𝐾(𝐺) 236,5
𝑅𝐽𝐾(𝐺) = = = 78,83333
𝑑𝑏(𝐺) 3
𝐽𝐾(𝑇𝑐) 197,141
𝑅𝐽𝐾(𝑇𝑐) = = = 19,7141
𝑑𝑏(𝑇𝑐) 10
4) Menentukan𝐹ℎ𝑖𝑡𝑢𝑛𝑔 berkaitan dengan linearitas dan signifikasi regresi
Uji Linearitas regresi 𝑌 atas 𝑋
𝐻0 : 𝑌 = 𝛼 + 𝛽𝑋 (regresi linear)
𝐻1 : 𝑌 ≠ 𝛼 + 𝛽𝑋 (regresi tak linear)
𝑅𝐽𝐾(𝑇𝑐) 19,7141
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 (Tc)= 𝑅𝐽𝐾(𝐺) = 78,83333 = 0,250
Sumber 𝐹𝑡𝑎𝑏𝑒𝑙
Db JK RJK 𝐹ℎ𝑖𝑡𝑢𝑛𝑔
Varians ∝= 0,05
Total 15 4707 - - -
Regresi (a) 1 4001,667 4001,667
Regresi (b/a) 1 271,692 4001,667 8,145* 4,67
Sisa 13 433,641 33,357
Tuna Cocok 10 197,141 19,7141
0,250𝑛(𝑠) 8,79
Galat 3 236,5 78,833
Keterangan:
* = regresi signifikan (𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 8,145 > 𝐹𝑡𝑎𝑏𝑒𝑙 = 4,67)
𝑛(𝑠) = non signifikan atau regresi linear (𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 0,250 <
𝐹𝑡𝑎𝑏𝑒𝑙 = 8,78)
𝑑𝑏 = derajat bebas
𝐽𝐾 = jumlah kuadrat
𝑅𝐽𝐾 = rata-rata jumlah kuadrat
Dari hasil analisis seperti disajikan pada tabel diatas diperoleh
𝑏
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 (𝑎) = 8,145 > 𝐹𝑡𝑎𝑏𝑒𝑙 = 4,67 dan𝐹ℎ𝑖𝑡𝑢𝑛𝑔 (𝑇𝑐) = 0,250 <
7
Kadir, Op.Cit., hlm.183
Langkah-langkah perhitungan:
̂ = 𝒃𝟎 + 𝒃𝟏 𝑿𝟏 + 𝒃𝟐 𝑿𝟐 (𝐬𝐚𝐦𝐩𝐞𝐥)
Fungsi Regresi :𝒀
No X1 X2 Y
1 X11 X21 Y1
2 X12 X22 Y2
3 X13 X23 Y3
4 X14 X24 Y4
. . . .
. . . .
. . . .
. . . .
. . . .
N X1n X2n Y1
8
Kadir, Op.cit., hlm.190
Dari tabel di atas dihitung jumlah kuadrat dan jumlah hasil kali data
variabel (X1, X2, Y) yang selanjutnya dengan menggunakan metode jumlah
kuadrat terkecil (least square) ditentukan:9
1. Persamaan regresi ganda Y atas X1 dan X2.
2. Signifikansi persamaan regresi ganda Y atas X1 dan X2.
3. Koefisien korelasi ganda dan koefisien determinasinya.
4. Signifikansi koefisien persamaan regresi gandaY atas X1 dan X2.
5. Koefisien korelasi parsial dan signifikansinya.
No 1 2 3 4 5 6 7 8 9 10
X1 12 14 10 16 18 24 12 30 10 16
X2 10 11 14 13 15 20 8 16 12 9
Y 6 7 8 8 9 10 5 12 6 7
Pertanyaan:
a. Tentukan persamaan regresi ganda Y atas X1 dan X2.
b. Lakukan pengujian signifikansi regresi ganda Y atas X1 dan X2.
c. Hitung dan uji signifikansi koefisien korelasi ganda Y atas X1 dan X2.
d. Lakukan pengujian signifikansi koefisien persamaan regresi ganda Y
atas X1 dan X2.
e. Hitung dan uji signifikansi koefisien korelasi parsial.
f. Tentukan peringkat hubungan antar variabel bebas dan variabel tak
bebas.
9
Ibid.
Penyelesaian:
Tabel 8.3 Persiapan Regresi Ganda Dua Prediktor
No X1 X2 Y X12 X22 Y2 X1 Y X2Y X1X2
1 12 10 6 144 100 36 72 60 120
2 14 11 7 196 121 49 98 77 154
3 10 14 8 100 196 64 80 112 140
4 16 13 8 256 169 64 128 104 208
5 18 15 9 324 225 81 162 135 270
6 24 20 10 576 400 100 240 200 480
7 12 8 5 144 64 25 60 40 96
8 30 16 12 900 256 144 360 192 480
9 10 12 6 100 144 36 60 72 120
10 16 9 7 256 81 49 112 63 144
Jumlah 162 128 78 2996 1756 648 1372 1055 2212
∑ 𝑋1 𝑌 = 1372 ⇔ ∑ 𝑥1 𝑦 = 108,4
∑ 𝑋2 𝑌 = 1055 ⇔ ∑ 𝑥2 𝑦 = 56,6
∑ 𝑋1 𝑋2 = 2212 ⇔ ∑ 𝑥1 𝑥2 = 138,4
𝑏𝑖 ∑ 𝑥12 + 𝑏𝑖 ∑ 𝑥1 𝑥2 = ∑ 𝑥1 𝑦
𝑏𝑖 ∑ 𝑥1 𝑥2 + 𝑏𝑖 ∑ 𝑥22 = ∑ 𝑥2 𝑦
𝐽𝐾(𝑇) = ∑ 𝑦 2 = 39,6
𝐽𝐾(𝑅𝑒𝑔) = 𝑏1 ∑ 𝑥1 𝑦 + 𝑏2 ∑ 𝑥2 𝑦
10
Ibid, hal.206.
2. Menentukan derajat bebas (db) beberapa sumber varians
𝑑𝑏(𝑇) = 𝑛 − 1 = 10 − 1 = 9
𝑑𝑏(𝑅𝑒𝑔) = 𝑘 = 2 (k adalah banyaknya prediktor)
𝑑𝑏(𝑅𝑒𝑠) = 𝑛 − 𝑘 − 1 = 10 − 2 − 1 = 7
3. Menghitung Rata-rata Jumlah Kuadrat (RJK)
𝐽𝐾(𝑅𝑒𝑔) 35,608
𝑅𝐽𝐾(𝑅𝑒𝑔) = = = 17,804
𝑑𝑏(𝑅𝑒𝑔) 2
𝐽𝐾(𝑅𝑒𝑠) 3,992
𝑅𝐽𝐾(𝑅𝑒𝑠) = 𝑑𝑏(𝑅𝑒𝑠) = 7
= 0,570
4. Menentukan 𝐹ℎ𝑖𝑡𝑢𝑛𝑔
Uji signifikansi regresi Y atas 𝑋1 dan 𝑋2
Hipotesis:
𝐻0 : 𝛽1 = 𝛽2atau𝐻0 : 𝛽1 − 𝛽2 = 0
𝐻1 : 𝛽1 ≠ 𝛽2atau𝐻0 : 𝛽1 − 𝛽2 ≠ 0
𝑅𝐽𝐾(𝑅𝑒𝑔) 17,804
𝐹ℎ𝑖𝑡 (𝑅𝑒𝑔) = 𝑅𝐽𝐾(𝑆𝑖𝑠𝑎) = = 31,219bandingkan𝐹𝑡𝑎𝑏 untuk
0,570
2
𝐽𝐾(𝑅𝑒𝑔) 𝐽𝐾(𝑅𝑒𝑔) 35,608
𝑅𝑦.12 = = 2
= = 0,899
𝐽𝐾(𝑇) ∑𝑦 39,6
𝑅𝑦.12 = √0,899 = 0,948
2. Uji Signifikansi Koefisien Korelasi Ganda
𝐻0 : 𝜌𝑦.12 = 0
𝐻1 : 𝜌𝑦.12 ≠ 0
𝑅 2 (𝑛 − 𝑘 − 1) 2 2
𝐹ℎ𝑖𝑡 = 2
; 𝑅 = 𝑅𝑦.12 = 0,899
𝑘(1 − 𝑅 )
0,899(10 − 2 − 1)
𝐹ℎ𝑖𝑡 = = 31,219
2(1 − 0,899)
Bandingkan dengan 𝐹ℎ𝑖𝑡 > 𝐹𝑡𝑎𝑏 untuk 𝛼 = 0,05; 𝑑𝑏1 =
2; 𝑑𝑏2 = 7, yaitu 𝐹𝑡𝑎𝑏(0,05:2;7) = 4,74. Sehingga 𝐹ℎ𝑖𝑡 > 𝐹𝑡𝑎𝑏 ,
atau𝐻0 ditolak. Hal ini berarti bahwa koefisien korelasi ganda
antara 𝑋1 dan 𝑋2 dengan Y adalah signifikan atau tingkat keeratan
hubungan antara kompetensi dan kompensasi seacara bersama-
sama (secara simultan) dengan kinerja pegawai adalah signifikan.
3. Koefisien Determinasi
Koefisien determinasi diartikan sebagai kuadrat dari
koefisien korelasi.sehingga koefisien korelasi antara 𝑋1 dan 𝑋2
2
dengan Y adalah kuadrat dari 𝑅𝑦.12 = 0,948 atau 𝑅𝑦.12 = 0,899 ×
100% = 89,90%. Dapat diartikan bahwa 89,90% variasi nilai
pada variabel kinerja pegawai (Y) dapat dijelaskan oleh
kompetensi (𝑋1 ) dan kompensasi (𝑋2 ) secara bersama-
sama.Dengan demikian, pengaruh kompetensi dan kompensasi
terhadap kinerja pegawai sebesar 89,90% .
∑ 𝑥1 𝑥2 138,4
𝑅1 = = = 0,662
√(∑ 𝑥12 )(∑ 𝑥22 ) √(371,6)(117,6)
Sehingga 𝑅12 = 𝑅22 = (0,662)2 = 0,4382
2
3. Menghitung 𝑆𝑏𝑖
2
2
𝑆𝑦.12.𝑘
𝑆𝑏𝑖 =
∑ 𝑥𝑖2 (1 − 𝑅𝑖2 )
2
2
𝑆𝑦.12 0,570
𝑆𝑏1 = 2 2 = = 0,002732
∑ 𝑥1 (1 − 𝑅1 ) (371,6)(1 − 0,4382)
Sehingga diperoleh 𝑆𝑏1 = √0,002732 = 0,05226
Selanjutnya
2
2
𝑆𝑦.12 0,570
𝑆𝑏2 = 2 2 = = 0,008632
∑ 𝑥2 (1 − 𝑅2 ) (117,6)(1 − 0,4382)
Sehingga diperoleh 𝑆𝑏2 = √0,008632 = 0,09291
4. Menghitung Statistik Uji-t
Statistika uji yang digunakan untuk menentukan signifikan
dari masing-masing koefisien 𝑋1 dan 𝑋2 adalah statistika uji-t
dengan rumus:
𝑏𝑖
𝑡𝑖 =
𝑆𝑏𝑖
Uji signifikansi koefisien (𝑏𝑖 ) berkaitan dengan variabel 𝑋1
𝐻0 ∶ 𝛽1 ≤ 0
𝐻1 ∶ 𝛽1 > 0
𝑏1 0,200
𝑡1 = = = 3,83 , dibandingkan dengan 𝑡𝑡𝑎𝑏𝑒𝑙 untuk 𝛼 =
𝑆𝑏1 0,05226
∑ 𝑥1 𝑦 108,4 2
𝑟𝑦1 = = = 0,894 ⟺ 𝑟𝑦1
√(∑ 𝑥12 )(∑ 𝑦 2 ) √(371,6)(39,6)
= 0,8942 = 0,7992
∑ 𝑥2 𝑦 56,6 2
𝑟𝑦2 = = = 0,829 ⟺ 𝑟𝑦2
√(∑ 𝑥22 )(∑ 𝑦 2 ) √(117,6)(39,6)
= 0,8292 = 0,6872
∑ 𝑥1 𝑥2 138,4 2
𝑟12 = = = 0,662 ⟺ 𝑟12 = 0,6622
√(∑ 𝑥12 )(∑ 𝑥22 ) √(371,6)(117,6)
= 0,4382
1. Koefisien Korelasi antara 𝑋1 dan 𝑌 dengan Mengontrol Pengaruh
𝑋2 (𝑟𝑦1.2 )
𝑟𝑦1 − 𝑟𝑦2 𝑟12 0,894 − (0,829)(0,662)
𝑟𝑦1.2 = = = 0,823
2
√(1 − 𝑟𝑦2 2)
)(1 − 𝑟12 √(1 − 06872)(1 − 0,4382)
11
Ibid.,hal 198.
𝑟𝑦2 − 𝑟𝑦1 𝑟12 0,829 − (0,894)(0,662)
𝑟𝑦2.1 = =
2
√(1 − 𝑟𝑦1 2)
)(1 − 𝑟12 √(1 − 07992)(1 − 0,4382)
= 0,7069 = 0,707
Uji signifikansi koefisien korelasi parsial
𝑟𝑦2.1 √𝑛−3 0,707√10−3
𝑡ℎ𝑖𝑡𝑢𝑛𝑔 = = = 2,65.
2
√1− 𝑟𝑦2.1 √1− 0,7072
12
Anas Sudijono,Pengantar Statistika Pendidikan, Jakarta (PT Raja Grafindo Persada: 2007) hal
196.
x (yaitu 𝑥 2 ) dan Kolom 8 memuat hasil pengkuadratan deviasi x
(yaitu 𝑦 2 )
2) Menghitung Mean dari variabel X (𝑀𝑥 ) dengan menggunakan
rumus:
∑𝑥
𝑀𝑥 =
𝑁
3) Menghitung Mean dari variabel Y (𝑀𝑦 ) dengan menggunakan
rumus:
∑𝑦
𝑀𝑦 =
𝑁
4) Menghitung Deviasi Standar variabel X (yaitu 𝑆𝐷𝑥 ) dengan
menggunakan rumus:
∑ 𝑥2
𝑆𝐷𝑥 = √
𝑁
∑ 𝑦2
𝑆𝐷𝑦 = √
𝑁
∑𝑥 130
𝑀𝑥 = = = 6,5
𝑁 20
∑𝑦 134
𝑀𝑦 = = = 6,7
𝑁 20
∑ 𝑥2 5,86
𝑆𝐷𝑥 = √ =√ = √0,294 = 0,541
𝑁 20
∑ 𝑦2 8,42
𝑆𝐷𝑦 = √ =√ = √0,421 = 0,649
𝑁 20
Langkah I :
Langkah II :
Langkah III :
c. Contoh perhitungan
Apabila data yang tercantum pada contoh sebelumnya dan
telah dihitung angka indeks korelasinya telah berhasil kita peroleh:
1. ∑ 𝑥𝑦=2,18 (lihat kolom 6 lajur paling bawah);
2. ∑ 𝑥 2 =5,86 (lihat kolom 7 lajur paling bawah);
3. ∑ 𝑦 2=8,42 (lihat kolom 8 lajur paling bawah),
Dengan mensubstitusikan ke dalam rumus kedua maka dapat
kita peroleh:
13
Ibid., hal 204.
∑ 𝑥𝑦 2,18 2,18 2,18
𝑟𝑥𝑦 = = = = 7,024 = 0,310 (sama
√(∑ 𝑥 2 )(∑ 𝑦 2 ) √(5,86)(8,42) √49,3412
1) Rumus
𝑁 ∑ 𝑋𝑌 − (∑ 𝑋)( ∑ 𝑌)
𝑟𝑥𝑦 =
√[𝑁 ∑ 𝑋 2 − (∑ 𝑋)2 ][𝑁 ∑ 𝑌 2 − (∑ 𝑌)2 ]
2) Langkah
3) Contoh Perhitungan
Nilai Hasil Tes Sumatif dan Nilai Tes Formatif dalam bidang studi Bahasa
Arab, yang Berhasil Dicapai oleh 20 Orang Siswa MAN
1 A 5 6 30 25 36
2 B 6 8 48 36 64
3 C 7 7 49 49 49
4 D 6 8 48 36 64
5 E 5 6 30 25 36
6 F 6 8 48 36 64
7 G 6 7 42 36 49
8 H 5 6 30 25 36
9 I 6 6 36 36 36
10 J 8 8 64 64 64
11 K 6 7 42 36 49
12 L 6 6 36 36 36
13 M 5 6 30 25 36
14 N 6 7 42 36 49
15 O 8 6 48 64 36
16 P 4 6 24 16 36
17 Q 6 8 48 36 64
18 R 6 7 42 36 49
19 S 7 9 63 49 81
20 T 6 8 48 36 64
∑ N = 20 120 140 848 738 998
Mencari rxy dengan rumus seperti yang disebutkan di awal:
𝑁 ∑ 𝑋𝑌−(∑ 𝑋)( ∑ 𝑌) 16960−16800
𝑟𝑥𝑦 = =
2 2
√[𝑁 ∑ 𝑋 2 −(∑ 𝑋) ][𝑁 ∑ 𝑌 2 −(∑ 𝑌) ] √[14760−14400][19960−19600]
A. Kesimpulan