Makalah Statistika Kelompok 7
Makalah Statistika Kelompok 7
Di
Di susun oleh :
Kelompok 7 / Kelas 5 A
SURAKARTA
2019
BAB I
PENDAHULUAN
A. Latar Belakang
Banyak hal yang dapat kita deskripsikan ke bentuk data di dalam kehidupan
sehari-hari. Informasi data yang diperoleh tersebut tentunya perlu diolah terlebih
dahulu menjadi data yang mudah dianalisis. Pengolahan data tersebut dapat kita
lakukan dengan menggunakan ilmu statistika.
Penelitian merupakan cara yang dapat digunakan untuk memeroleh data.
Penelitian ini dapat dilakukan dengan berbagai cara dan melalui langkah-langkah
pengujian dari pengumpul data. Sebelum kita melakukan penelitian, kita pasti akan
menduga-duga terlebih dahulu mengenai hal apa yang akan kita teliti. Pernyataan
dugaan sementara tersebut disebut hipotesis. Di dalam suatu penelitian terdapat banyak
permasalahan dan kesalahan yang dialami selama kegiatan penelitian dilaksanakan.
Hipotesis merupakan suatu pernyataan yang mungkin saja bisa salah, namun juga
bisa dinyatakan benar. Hipotesis akan diterima jika terdapat faktor-faktor yang
membuktikan kebenarannya, namun akan ditolak jika hipotesis tersebut tidakdapat
dibuktikan kebenarannya atau bisa disebut salah atau palsu. Penerimaan dan penolakan
hipotesis sangat bergantung pada data hasil penelitian yang telah dikumpulkan.
Hipotesis juga dapat dipandang sebagai konklusi yang bersifat sementara,
sehingga dalam pembuatannya harus berdasarkan pengetahuan-pengetahuan tertentu.
Pengetahuan ini dapat diambil dari hasil-hasil penelitian yang dilakukan. Jadi, dalam
hal ini hipotesis sebagai konklusi sementara dapat diambil dari persoalan-persoalan
yang diajukan lalu merumuskannya dalam bentuk pernyataan (statement). Oleh karena
itu, dalam makalah ini disajikan tentang hal-hal yang berkaitan dalam melakukan
hipotesis penelitian.
B. Rumusan Masalah
1. Bagaimanakah yang dimaksud dengan uji t- test?
2. Bagaimanakah yang dimaksud dengan uji korelasi?
C. Tujuan Pembahasan
1. Untuk menjelaskan uji t –test.
2. Untuk menjelaskan uji korelasi.
BAB II
PEMBAHASAN
A. Uji T – Test
Uji T-test adalah uji komparatif untuk menilai perbedaan antara nilai tertentu
dengan rata – rata kelompok populasi. Uji T- Test dibedakan menjadi dua, yaitu :
1. Dependent Test
a. Pengertian
T-test dependent atau sering diistilakan dengan Paired Sampel t-
Test, adalah jenis uji statistika yang bertujuan untuk membandingkan rata-
rata dua grup yang saling berpasangan. Sampel berpasangan dapat diartikan
sebagai sebuah sampel dengan subjek yang sama namun mengalami 2
perlakuan atau pengukuran yang berbeda, yaitu pengukuran sebelum dan
sesudah dilakukan sebuah treatment.(Sugiyono, 2010)
Menurut Prof. Dr. Sugiyono (2009), definisi dari t test dependent
adalah pengujian yang mana tidak adanya perbedaan yang signifikan antara
nilai variabel dari dua sampel yang berpasangan atau berkolerasi. Sampel
berpasangan dapat berupa :
1. Satu sampel yang diukur dua kali misalnya sebelum sampel diberi iklan
dan sesudah diberi iklan. Yang diukur selanjutnya adalah apakah setelah
diberi iklan anggota sampel yang membeli barang lebih banyak daripada
anggota sampel sebelum diberi iklan atau tidak.
2. Dua sampel berpasangan diukur bersama, misalnya sampel yang satu
diberi iklan, sampel yang lain tidak. Yang diukur selanjutnya adalah
apakah anggota sampel yang diberi iklan memberi barang lebih banyak
atau tidak dari pada yang tidak diberi iklan.
b. Fungsi dari Uji T-test dependent
Fungsi dari t-test dependent adalah untuk membandingkan rata-
rata dua grup yang saling berpasangan. Sampel berpasangan dapat
diartikan sebagai sebuah sampel dengan subjek yang sama namun
mengalami 2 perlakuan atau pengukuran yang berbeda, yaitu
pengukuran sebelum dan sesudah dilakukan sebuah perlakuan. Selain itu
untuk menguji efektifitas suatu perlakuan terhadap suatu besaran
variabel yang ingin ditentukan, misalnya untuk mengetahui efektifitas
metode penyuluhan terhadap peningkatan pengetahuan dari responden.(
Ridwan, 2009)
2. Uji satu arah dimana pada hipotesis awal kelompok atau sampel
1 memiliki rata-rata sama dengan atau lebih besar dengan rata-
rata kelompok 2. sedangakan hipotesis alternatif rata-rata
kelompok 1 lebih kecil dibandingkan dengan rata-rata kelompok
2.
3. Uji satu arah ini kebalikan pada hipotesis kedua, dimana pada
hipotesis awal kelompok atau sampel 1 memiliki rata-rata sama
dengan atau lebih kecil dengan rata-rata kelompok 2.
sedangakan hipotesis alternatif rata-rata kelompok 1 lebih besar
dibandingkan dengan rata-rata kelompok 2.
atau:
d. Rumus
Menurut Sugiyono (2010), rumus uji t-test dependent, yaitu : Statistik
hitung (t hitung):
Dimana:
Keterangan
D = Selisih x1 dan x2 (x1-x2)
n =Jumlah Sampel
X bar =Rata-rata
Sd = Standar Deviasi dari d.
c) Menghitung t hitung:
d) Melakukan uji signifikansi
Diketahui t tabel = 2,093. Sehingga |t hitung| > t tabel.
Sehingga dapat disimpulkan:
Ho ditolak , sehingga disimpulkan bahwa terdapat perbedaan
yang signifikan antara hasil belajar statistika II sebelum dan sesudah
diterapkannya Metode “ABG”.
Sebelum : 175 179 165 170 162 180 177 178 140 176
Sesudah : 140 143 135 133 162 150 182 150 175
1. HIPOTESIS :
2. STATISTIK UJI
Perhitungan :
Diperoleh :
n = 10
= -2,302
Df = n - 1 = 10-1 = 9
Dilihat pada tabel t pada df = 9, t = 2,262 diperoleh t hitung>t tabel
3. KEPUTUSAN
4. KESIMPULAN
Tekanan Darah sistolik setelah pemberian Catopril terbukti
bermakna atau signifikan berbeda dibandingkan sebelum pemberian
catropil
2. Independent Test
Uji T dua sampel independen (bebas) adalah metode yang digunakan
untuk menguji kesamaan rata-rata dari dua populasi yang bersifat independen,
dimana peneliti tidak memiliki informasi mengenai ragam populasi. Independen
maksudnya adalah bahwa populasi yang satu tidak dipengaruhi atau tidak
berhubungan dengan populasi yang lain. Ataupun bisa dikatakan uji t dua
sampel bebas yang dimakasud disini adalah sampel yang tidak berpasangan,
artinya sumber data berasal dari subjek yang berbeda.
Uji T digunakan apabila memenuhi syarat yaitu datanya berdistribusi
normal, kedua kelompok/ sampel data bebas (independen), dan jumlah datanya
kurang dari 30. Dalam lingkup uji t untuk pengujian hipotesis dua sampel
bebas, maka ada satu hal yang perlu mendapat perhatian, yaitu apakah ragam
populasi (bukan ragam sampel) diasumsikan homogen (sama) atau tidak. Bila
ragam populasi diasumsikan sama, maka uji t yang digunakan adalah uji t
dengan asumsi ragam homogem, sedangkan apabila ragam populasi dari dua
sampel tidak diasumsikan homogen, maka yang lebih tepat adalah
menggunakan uji t dengan asumsi ragam tidak homogen (t-aksen). Uji t dengan
ragam homogen dan tidak homogen memiliki rumus hitung yang berbeda. Oleh
karena itulah, apabila uji t hendak digunakan untuk melakukan pengujian
hipotesis terhadap dua sampel, maka harus dilakukan pengujian mengenai
asumsi kehomogenan ragam populasi terlebih dahulu, apakah populasi yang
diambil homogenitas atau tidak.
RUMUS UJI INDEPENDENT SAMPLE T-TEST (UJI T) :
Berdasarkan rumus tersebut dapat diketahui, ada 3 jenis nilai yang harus
terlebih dahulu kita persiapkan, yaitu :
Contoh Soal :
1. Sebuah perusahan mengadakan pelatihan teknik pemasaran.Sampel
sebanyak 12 orang dengan metode biasa dan 10 orang dengan terprogram.
Pada akhir pelatihan di berikan evaluasi dengan materi yang sama. Kelas
pertama mencapai nilai rata-rata 80, sedangkan untuk kelas kedua
mencapai nolai rata-rata 75. Dengan simpangan baku 4 dan 4,5. Ujilah
hipotesis kedua metode pelatihan, dengan alternative keduanya tidak sama!
Gunakan taraf nyata 10%! Asumsikan kedua populasi menghampiri
distribusi normal dengan varians yang sama!
Penyelesaian :
Diketahui :
n1 = 12 X1 = 80 s₁ = 4
n2 = 10 X2 = 75 s₂ = 4,5
Jawab:
a. Formulasi hipotesisnya :
Ho : µ₁ = µ₂
H1 : µ₁ ≠ µ₂
b. Taraf nyata dan nilai tabelnya :
α = 10% = 0,10
= 0,05
db = 12 + 10 – 2 = 20
t0,05;20 = 1,725
c. Kriteria pengujian :
apabila -1,725 ≤ t0 ≤ 1,725
Ho di tolak apabila t0> 1,725 atau t0 < -1,725
d. Uji Statistik
e. Kesimpulan
Karena t0 = 2,76> t0,05;20 = 1,725 maka Ho di tolak. Jadi, kedua metode
yang digunakan dalam pelatihan tidak sama hasilnya.
B. UJI KORELASI
Pengertian Korelasi
Persoalan pengukuran, atau pengamatan hubungan antara dua peubah X dan
Y, berikut ini akan kita bicarakan sesuai dengan referensi yang kami peroleh dalam
beberapa literatur. Tulisan ini tentu saja tidak selengkap seperti halnya tulisan
tentang Pengertian Korelasi dalam buku Statistika yang ditulis oleh, Ronald E.
Walpole, Sugiono, Murray R. Spiegel, atau beberapa Statistikawan yang memang
saya kagumi ke-pakar-annya. Akan tetapi setidaknya bisa dijadikan bacaan
tambahan bagi mahasiswa yang ingin mengetahui lebih jauh tentang persoalan
korelasi atau persoalan-persoalan lain yang berkaitan dengan hubungan antar dua
peubah.
Kita tidak akan dan bukan meramalkan nilai Y dari pengetahuan mengenai
peubah bebas X seperti dalam regresi linier. Sebagai misal, bila peubah X
menyatakan besarnya biaya yang dikeluarkan untuk membeli Pupuk dan Y adalah
besarnya hasil Produksi Padi dalam satu kali musim tanam, barangkali akan muncul
pertanyaan dalam hati kita apakah penurunan biaya yang dikeluarkan untuk
membeli Pupuk juga berpeluang besar untuk diikuti dengan penurunan hasil
Produksi Padi dalam satu musim tanam. Dalam studi empiris lain, bila X adalah
harga suatu barang yang ditawarkan dan Y adalah jumlah permintaan terhadap
barang tersebut yang dibeli oleh konsumen, maka kita membayangkan jika nilai-
nilai X yang besar tentu akan berpasangan dengan nilai-nilai Y yang kecil.
Dalam hal ini kita tentu saja mempunyai bilangan yang menyatakan proporsi
keragaman total nilai-nilai peubah Y yang dapat dijelaskan oleh nilai-nilai peubah X
melalui hubungan linear tersebut. Jadi misalkan suatu korelasi memiliki besaran r =
0,36 bermakna bahwa 0,36 atau 36% di antara keragaman total nilai-nilai Y dalam
contoh kita, dapat dijelaskan oleh hubungan linearnya dengan nilai-nilai X.
Contoh lainnya adalah, misal koefisien korelasi sebesar 0,80 menunjukkan
adanya hubungan linear yang sangat baik antara X dan Y. Karena r2 = 0,64, maka
kita dapat mengatakan bahwa 64 % di antara keragaman dalam nilai-nilai Y dapat
dijelaskan oleh hubungan linearnya dengan X.
Besaran koefisien korelasi contoh r merupakan sebuah nilai yang dihitung
dari n pengamatan sampel. Sampel acak berukuran n yang lain tetapi diambil dari
populasi yang sama biasanya akan menghasilkan nilai r yang berbeda pula. Dengan
demikian kita dapat memandang r sebagai suatu nilai dugaan bagi koefisien korelasi
linear yang sesungguhnya berlaku bagi seluruh anggota populasi. Misalkan kita
lambangkan koefisien korelasi populasi ini dengan ρ. Bila r dekat dengan nol, kita
cenderung menyimpulkan bahwa ρ = 0. Akan tetapi, suatu nilai contoh r yang
mendekati + 1 atau – 1 menyarankan kepada kita untuk menyimpulkan bahwa ρ ≠ 0.
Masalahnya sekarang adalah bagaimana memperoleh suatu peng-uji-an yang
akan mengatakan kepada kita kapan r akan berada cukup jauh dari suatu nilai
tertentu ρo, agar kita mempunyai cukup alasan untuk menolak hipotesis nol (Ho)
bahwa ρ = ρo, dan menerima alternatifnya. Hipotesis alternatif bagi H1 biasanya
salah satu di antara ρ < ρo, ρ > ρo, atau ρ ≠ ρo.
Pada bab ini akan dibahas analisis korelasi sederhana dengan metode
Pearson atau sering disebut Product Moment Pearson. Nilai korelasi (r) berkisar
antara 1 sampai -1, nilai semakin mendekati 1 atau -1 berarti hubungan antara dua
variabel semakin kuat, sebaliknya nilai mendekati 0 berarti hubungan antara dua
variabel semakin lemah. Nilai positif menunjukkan hubungan searah (X naik maka
Y naik) dan nilai negatif menunjukkan hubungan terbalik (X naik maka Y turun).
Menurut Sugiyono (2007) pedoman untuk memberikan interpretasi koefisien
korelasi sebagai berikut:
Contoh kasus:
Seorang mahasiswa bernama Andi melakukan penelitian dengan
menggunakan alat ukur skala. VITA ingin mengetahui apakah ada hubungan antara
kecerdasan dengan prestasi belajar pada siswa SMU NEGRI xxx dengan ini VITA
membuat 2 variabel yaitu kecerdasan dan prestasi belajar. Tiap-tiap variabel dibuat
beberapa butir pertanyaan dengan menggunakan skala Likert, yaitu angka 1 =
Sangat tidak setuju, 2 = Tidak setuju, 3 = Setuju dan 4 = Sangat Setuju. Setelah
membagikan skala kepada 12 responden didapatlah skor total item-item yaitu
sebagai berikut:
Tabel. Tabulasi Data (Data Fiktif)
Setelah diolah, maka hasil output yang didapat adalah sebagai berikut:
Tabel. Hasil Analisis Korelasi Bivariate Pearson
Dari hasil analisis korelasi sederhana (r) didapat korelasi antara kecerdasan
dengan prestasi belajar (r) adalah 0,766. Hal ini menunjukkan bahwa terjadi
hubungan yang kuat antara kecerdasan dengan prestasi belajar. Sedangkan arah
hubungan adalah positif karena nilai r positif, berarti semakin tinggi kecerdasan
maka semakin meningkatkan prestasi belajar.
Uji Signifikansi Koefisien Korelasi Sederhana (Uji t)
Uji signifikansi koefisien korelasi digunakan untuk menguji apakah
hubungan yang terjadi itu berlaku untuk populasi (dapat digeneralisasi). Misalnya
dari kasus di atas populasinya adalah siswa SMU NEGRI XXX dan sampel yang
diambil dari kasus di atas adalah 12 siswa SMU NEGRI XXX, jadi apakah
hubungan yang terjadi atau kesimpulan yang diambil dapat berlaku untuk populasi
yaitu seluruh siswa SMU Negeri XXX.
Langkah-langkah pengujian sebagai berikut:
1. Menentukan Hipotesis
Ho : Tidak ada hubungan secara signifikan antara kecerdasan dengan
prestasi belajar
Ha : Ada hubungan secara signifikan antara kecerdasan dengan prestasi
belajar
2. Menentukan tingkat signifikansi
Pengujian menggunakan uji dua sisi dengan tingkat signifikansi a = 5%. (uji
dilakukan 2 sisi karena untuk mengetahui ada atau tidaknya hubungan yang
signifikan, jika 1 sisi digunakan untuk mengetahui hubungan lebih kecil atau lebih
besar). Tingkat signifikansi dalam hal ini berarti kita mengambil risiko salah
dalam mengambil keputusan untuk menolak hipotesa yang benar sebanyak-
banyaknya 5% (signifikansi 5% atau 0,05 adalah ukuran standar yang sering
digunakan dalam penelitian)
3. Kriteria Pengujian
Ho diterima jika Signifikansi > 0,05
Ho ditolak jika Signifikansi < 0,05
4. Membandingkan signifikansi
Nilai signifikansi 0,004 < 0,05, maka Ho ditolak.
5. Kesimpulan
Oleh karena nilai Signifikansi (0,004 < 0,05) maka Ho ditolak, artinya
bahwa ada hubungan secara signifikan antara kecerdasan dengan prestasi belajar.
Karena koefisien korelasi nilainya positif, maka berarti kecerdasan berhubungan positif
dan signifikan terhadap pretasi belajar. Jadi dalam kasus ini dapat disimpulkan bahwa
kecerdasan berhubungan positif terhadap prestasi belajar pada siswa SMU Negeri
XXX
1. Berikut adalah data tinggi badan bapak (X) dan anak (Y):
No X Y
1 170 178
2 163 175
3 157 165
4 165 173
5 175 168
6 160 152
7 165 163
8 168 168
a. Hitunglah koefisien korelasi linear antara X dan Y! Apa arti dari nilai koefisien
korelasi tersebut?
b. Pada taraf nyata 10%, ujilah hipotesis bahwa terdapat korelasi yang signifikan antara
tinggi badan seorang bapak dengan tinggi badan anaknya!
Jawab :
Pengamatan 1 2 3 4 5 6 7 8
Bapak 170 163 157 165 175 160 165 168
Anak 178 175 165 173 168 152 163 168
Untuk pengamatan tersebut dapat dibuat table berikut ini (X untuk tinggi bapak, Y
untuk tinggi anak)
i Xi yi (xi-x̄) (yi-ȳ) (xi-x̄) (yi-ȳ) (xi-x̄)² (yi-ȳ)²
1 170 178 4.6 10.3 47.38 21.16 106.09
2 163 175 -2.4 7.3 -17.52 5.76 53.29
3 157 165 -8.4 -2.7 22.68 70.56 7.29
4 165 173 -0.4 5.3 -2.12 0.16 28.09
5 175 168 9.6 0.3 2.88 92.16 0.09
6 160 152 -5.4 -15.7 84.78 29.16 246.49
7 165 163 -0.4 -4.7 1.88 0.16 22.09
8 168 168 2.6 0.3 0.78 6.76 0.09
total 1323 1342 140.74 225.88 463.52
X̄ = 1323 / 8 = 165,4
Ȳ = 1342 / 8 = 167,75
2. Sepuluh orang mahasiswa mempunyai nilai Matematika (X) dan Fisika (Y) sebagai
berikut (dalam skala 0 – 4):
No X Y
1 3 2
2 4 2
3 3 4
4 2 3
5 4 4
6 3 4
7 2 1
8 1 1
9 3 3
10 2 3
Jawab :
Data
mahasiswa 1 2 3 4 5 6 7 8 9 10
Matematika 3 4 3 2 4 3 2 1 3 2
Fisika 2 2 4 3 4 4 1 1 3 3
Untuk pengamatan tersebut dapat dibuat table berikut ini (X untuk Matematika, Y
untuk Fisika)
i Xi yi (xi-x̄) (yi-ȳ) (xi-x̄) (yi-ȳ) (xi-x̄)² (yi-ȳ)²
1 3 2 0.3 -0.9 -0.27 0.09 0.81
2 4 2 1.3 -0.9 -1.17 1.69 0.81
3 3 4 0.3 1.1 0.33 0.09 1.21
4 2 3 -0.7 0.1 -0.07 0.49 0.01
5 4 4 1.3 1.1 1.43 1.69 1.21
6 3 4 0.3 1.1 0.33 0.09 1.21
7 2 2 -0.7 -0.9 0.63 0.49 0.81
8 1 2 -1.7 -0.9 1.53 2.89 0.81
9 3 3 0.3 0.1 0.03 0.09 0.01
10 2 3 -0.7 0.1 -0.07 0.49 0.01
Total 27 29 2.7 8.1 6.9
X̄ = 1323 / 8 = 165,4
Ȳ = 1342 / 8 = 167,75
3. Tabel berikut menunjukkan skor keotoriteran dan skor perjuangan sosial dari 12 orang
mahasiswa:
Skor
Mahasiswa Keotoriteran Perjuangan sosial
A 82 42
B 98 46
C 87 39
D 40 37
E 116 65
F 113 88
G 111 86
H 83 56
I 85 62
J 126 92
K 106 54
L 117 81
Berdasarkan data tersebut, periksalah apakah terdapat hubungan antara skor keotoriteran
dengan skor perjuangan sosial pada mahasiswa ? (lakukan pengujian signifikansi pada =
0,01)
Jawab :
Tabel berikut menunjukkan skor keotoriteran dan skor perjuangan sosial dari 12 orang
mahasiswa :
Mahasiswa Skor X² Y² X.Y
Keotoriteran Perjuangan Sosial
(X) (Y)
A 82 42 6724 1764 3444
B 98 46 9604 2116 4508
C 87 39 7569 1521 3393
D 40 37 1600 1369 1480
E 116 65 13456 4225 7540
F 113 88 12769 7744 9944
G 111 86 12321 7396 9546
H 83 56 6889 3136 4648
I 85 62 7225 3844 5270
J 126 92 15876 8464 11592
K 106 54 11236 2916 5729
L 117 81 13689 6561 8586
ΣX = 1164 ΣY = 748 ΣX² = ΣY² = 51056 ΣX.Y =
118958 75680
DAFTAR PUSTAKA