BAB I

PENDAHULUAN

Statistika inferensial adalah metode-metode yang berhubungan dengan

analisis sebagian data (sample) untuk kemudian sampai pada peramalan atau
penarikan kesimpulan mengenai keseluruhan data populasi.

Dari pernyataan tersebut terkandung makna bahwa statistika inferensial

mempunyai 2 fungsi, yaitu:
1. Estimasi, yaitu usaha untuk menduga, menaksir atau meramalkan suatu
keadaan tertentu.
2. Membuktikan atau menguji kebenaran suatu hipotesis.

Hipotesis adalah asumsi atau dugaan mengenai sesuatu hal.

Ada 2 macam hipotesis:
1. Hipotesis nol (H0) merupakan suatu pernyataan mengenai nilai
parameter populasi. Biasanya dinyatakan dengan “tidak ada perbedaan” ,
“tidak ada hubungan”, “sama dengan”, dll.
2. Hipotesis alternative (H1) merupakan pernyataan yang diperoleh dari
kajian teoritis, biasanya merupakan asumsi dari peneliti.
Beberapa bentuk pasangan hipotesis:
a. H0 : 
H1 :  ≠  c. H0 : 
H1 : 
b. H0 : 
H1 : 

Contoh:
1. H0 : ribu (Rata-rata produksi TV di suatu perusahaan adalah 90 ribu
unit)
H1 :  ≠ ribu (Rata-rata produksi TV di suatu perusahaan adalah tidak sama
dengan 90 ribu unit)
2. H0 : pp = pw (Proporsi pria perokok tidak berbeda dengan proporsi wanita
perokok)
H1 : pp > pw (Proporsi pria perokok lebih besar daripada proporsi wanita
perokok)

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

1
 Jenis Kesalahan

Keputusan
Terima H0 Terima H1
Keadaan H0 benar Benar Salah jenis I (a)
sebenarnya H1 benar Salah jenis II b Benar
a adalah peluang menolak H0 padahal H0 benar
b adalah peluang menolak H1 padahal H1 benar

Peneliti atau pembuat keputusan selalu berusaha agar kedua jenis kesalahan
tersebut dibuat sekecil mungkin. Nilai kesalahan yang biasa digunakan adalah a
sebesar 0.05 = 5%

Prosedur pengujian hipotesis:

1. Merumuskan hipotesis (H0 dan H1)
2. Menentukan uji yang sesuai (uji Z, uji t, F, 2, dll)
3. Menentukan nilai tabel
4. Menentukan daerah keputusan
5. Mengambil keputusan (tolak H0 atau terima H0) dan menyimpulkan

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

2
 BAB II
UJI CHI SQUARE (2)
Merupakan teknik analisis yang diantaranya digunakan untuk menguji ada
tidaknya perbedaan pada gejala nominal atau ordinal dan kemudian
menarik kesimpulan dari gejala tersebut.

Pada dasarnya teknik analisis dapat dikelompokkan menjadi 2:

1. Bila tabel kontingensi berbentuk 2 x 2
2  fo  fe  0.5
2
 
fe
2. Bila tabel kontingensi berbentuk selain 2 x 2
f  f 2
2   o e
fe
dimana
fo = frekuensi observasi atau frekuensi teramati
fe = frekuensi ekspektasi atau frekuensi harapan
 f o kolom  x  f o baris 
=
f total

Dengan derajat bebas (db) = (r-1) (c-1)

Kriteria pengambilan keputusan
 Tolak H0 bila 2 hitung ≥ 2 a, db
 Terima H0 bila 2 hitung < 2 a, db

Untuk mengetahui besarnya hubungan antara dua variable digunakan

koefisien Cremer (V) dengan persamaan:

2
Cremer ' s V  -1 ≤ V ≤ 1
n  min  r  1, c  1 

Uji 2 untuk sample lebih dari satu

Contoh:
1. Seorang manager pemasaran ingin mengetahui bagaimana minat pembelian
suatu produk bila ditinjau dari usia konsumen berdasarkan data berikut:
Minat membeli Jumlah

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

3
 Suka Tidak suka
Muda 10 30 40
Tua 40 20 60
Jumlah 50 50 100

Penyelesaian:
1. Menentukan hipotesis:
H0 : tidak terdapat perbedaan minat antara konsumen usia muda dan tua
H1 : ada perbedaan minat antara konsumen usia muda dan tua
2. Menentukan uji yang sesuai. Karena tabel yang terbentuk 2 x 2 maka
digunakan persamaan
  
 f o kolom x  f o baris 
fe =
 f total
Suka Tidak suka
10 30
Muda 40
20 20
40 20
Tua 60
30 30
50 50 100

2 
 10  20  0.5 2   30  20  0.5 2   40  30  0.5 2   20  30  0.5 2  15.0416
20 20 30 30
3. Nilai tabel untuk 2 0.05 (1) = 3.841
4. Menentukan daerah keputusan
 Tolak H0 bila 2 hitung ≥ 2 0.05 (1)
 Terima H0 bila 2 hitung < 2 0.05 (1)
5. Sehingga kriteria keputusan adalah tolak H0 karena 2 hit > 2 0.05 (1)
dengan kesimpulan bahwa ada perbedaan minat antara konsumen usia
muda dan konsumen usia tua

Sementara itu untuk mengetahui besarnya hubungan antara kedua variable

tersebut digunakan persamaan:
2
Cremer ' s V 
n  min  r  1, c  1 

15.0416
= = 0.3878
100  1

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

4
Ini menunjukkan meskipun ada perbedaan minat antara konsumen usia muda
dan konsumen usia tua tetapi hubungan antara minat membeli dan usia tidak
terlalu besar.

2. Seorang peneliti menemukan data tentang tingkat pendidikan dengan jumlah

anak
≤1 2-3 >3 Jumlah
Pendidikan 30 20 10
60
tinggi
Pendidikan 40 40 10
90
sedang
Pendidikan 20 40 90
150
rendah
Jumlah 90 100 110 300

Penyelesaian:
1. Menentukan hipotesis:
Hipotesis:
H0 : tidak terdapat hubungan antara tingkat pendidikan dengan jumlah anak
H1 : terdapat hubungan antara tingkat pendidikan dengan jumlah anak

2. Menentukan uji yang sesuai.

2  fo  fe  2
 
fe

≤1 2-3 >3 Jumlah

Pendidikan 30 20 10
60
tinggi 18 20 22
Pendidikan 40 40 10
90
sedang 27 30 33
Pendidikan 20 40 90
150
rendah 45 50 55
Jumlah 90 100 110 300

f  f 2
2   o e = 42.259
fe

1. Menentukan nilai tabel untuk 2 0.05 (4) = 9.488

2. Menentukan daerah keputusan

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

5
  Tolak H0 bila 2 hitung ≥ 2 0.05 ,(4)
 Terima H0 bila 2 hitung < 2 0.05, (4)
3. Sehingga kriteria keputusan adalah tolak H 0 karena 2 hit > 2 0.05 (4)
dengan kesimpulan bahwa ada hubungan antara tingkat pendidikan
dengan jumlah anak.
Sementara itu untuk mengetahui besarnya hubungan antara kedua variable
tersebut digunakan persamaan:

2
Cremer ' s V 
n  min  r  1, c  1 

42.259
= = 0.265
300  2

Ini menunjukkan bahwa hubungan antara tingkat pendidikan dan jumlah anak
tidak terlalu besar.

SOAL:
1. Berdasarkan data berikut, seorang dokter ingin :
Sakit jantung Tidak sakit
Bukan perokok 10 30
Perokok 40 20
a. mengetahui hubungan kebiasaan merokok terhadap penyakit jantung
b. Besarnya hubungan antara kedua variable tersebut

2. Penelitian dilakukan terhadap 180 anak usia sekolah dari beberapa keluarga
dengan tingkat sosial ekonomi (sosek) yang berbeda, diperoleh hasil sebagai
berikut:
Mudah sakit Sehat
Sosek baik 10 45
Sosek menengah 15 45
Sosek buruk 45 20
Berdasarkan data tersebut,
a. ujilah apakah ada hubungan antara kesehatan dengan tingkat sosial
ekonomi
b. besarnya hubungan antara kedua variable tersebut.

Uji 2 untuk sample tunggal

 Bila db=1

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

6
  fo  fe  0.5
2
2  
fe
Contoh:
Misalnya dari suatu percobaan dengan metode baru diperoleh data sbb:
Kategori
Berhasil Gagal Jumlah
Frek.
fo 27 13 40
fe 20 20 40

1. Hipotesis:
H0 : peluang keberhasilan dan kegagalan untuk metode baru tersebut
sama
H1 : peluang keberhasilan dan kegagalan untuk metode baru tersebut
tidak sama

2.  2 
 27  20  0.5 2  13  20  0.5 2
  2.1125  2.1125  4.2250
20 20
3. Nilai tabel untuk 2 0.05 (1) = 3.841
4. Menentukan daerah keputusan
a. Tolak H0 bila 2 hitung ≥ 2 0.05 (1)
b. Terima H0 bila 2 hitung < 2 0.05 (1)

5. Sehingga kriteria keputusan adalah tolak H0 karena 2 hit > 2 0.05 (1)
dengan kesimpulan bahwa peluang keberhasilan dan kegagalan untuk
metode baru tersebut tidak sama dimana metode mempunyai
keberhasilan lebih banyak dari kegagalan

Bila db > 1

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

7
 f  f 2
2   o e
fe
Contoh:
Penelitian dilakukan terhadap 45 siswa sekolah kejuruan. 13 orang
menyukai sekolah mereka, 18 orang menyatakan sama saja dengan sekolah
lain dan 14 anak tidak menyukai sekolah mereka.

Pendapat Menyukai Sama saja Tdk menyukai

Frek
fo 13 18 14
fe 15 15 15

1. Hipotesis:
H0 : peluang pendapat siswa mengenai sekolah mereka sama
H1 : peluang pendapat siswa mengenai sekolah mereka tidak sama

 fo  fe  2
2.  2   = 3.6001
fe

3. Nilai tabel untuk 2 0.05 (2) = 5.991

4. Menentukan daerah keputusan
a. Tolak H0 bila 2 hitung ≥ 2 0.05 (2)
b. Terima H0 bila 2 hitung < 2 0.05 (2)

5. Sehingga kriteria keputusan adalah terima H0 karena 2 hit < 2 0.05 (2)
dengan kesimpulan bahwa peluang pendapat mereka mengenai sekolah
mereka sama

Menghitung 2 tanpa frekuensi harapan

Untuk tabel berbentuk 2 x 2

Kategori 1a Kategori 1b Jumlah baris

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

8
Kategori 2a A B a+b
Kategori 2b C D c+d
Jumlah kolom a+c b+d Jml tot= a+b+c+d

2
 n
n ad  bc  
 2
2 
( a  c ) ( b  d ) (a  b ) ( c  d )

Contoh:

Penyelesaian:
1. Menentukan hipotesis:
H0 : tidak terdapat perbedaan minat antara konsumen usia muda dan tua
H1 : ada perbedaan minat antara konsumen usia muda dan tua

2. Menentukan uji yang sesuai. Karena tabel yang terbentuk 2 x 2 maka dapat
digunakan persamaan
2
 n
n ad  bc  
 2
2 
( a  c ) ( b  d ) (a  b ) ( c  d )

Minat membeli
Jumlah
Suka Tidak suka
Muda 10 30 40
Tua 40 20 60
Jumlah 50 50 100

2
 100 
100 (10)(20)  (30)(40)  
 2  100(950) 2
2    15.0417
(50) (50) ( 40) (60) 6000000

3. Nilai tabel untuk 2 0.05 (1) = 3.841

4. Menentukan daerah keputusan
a. Tolak H0 bila 2 hitung ≥ 2 0.05 (1)
b. Terima H0 bila 2 hitung < 2 0.05 (1)
5. Sehingga kriteria keputusan adalah tolak H0 karena 2 hit > 2 0.05 (1)
dengan kesimpulan bahwa ada perbedaan minat antara konsumen usia
muda dan konsumen usia tua

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

9
 2 Untuk Uji Kenormalan

34.13% 34.13%

13.59% 13.59%

2.28% 2.28%



Dengan hipotesis:
H0: data berdistribusi normal
H1 : data tidak berdistribusi normal

Menentukan daerah keputusan

 Tolak H0 bila 2 hitung ≥ 2 a (5)  data tidak berdistribusi normal
 Terima H0 bila 2 hitung < 2 a(5)  data berdistribusi normal

Contoh:
berikut ini adalah 50 data produksi gabah di suatu daerah. Tentukan apakah
data tersebut berdistribusi normal

20 24 26 30 38
20 24 27 31 38
20 25 27 31 38

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

10
 22 25 28 33 39
22 25 28 33 40
22 25 30 34 40
22 25 30 35 40
23 25 30 35 44
24 26 30 36 44
24 26 30 37 44

Penyelesaian:
1. Tentukan hipotesisnya:
H0: data berdistribusi normal
H1 : data tidak berdistribusi normal

2. Menentukan nilai 2

x 2   x 2
a. mencari nilai mean = dan standard deviasi =  x  n
n
n 1

dari data di atas diperoleh mean= 29.9 dan standard deviasi = 6.8

b. menentukan nilai interval untuk mendapatkan frekuensi observasi (fo)

3. Membuat tabel untuk menghitung nilai 

2
 fo  fe  2
Kategori Interval fo fo (%) fe (%) fo-fe (fo-fe)2
fe
>
> 43.5 3 6 2.28 3.72 13.8384 6.069474
mean+2s

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

11
 Mean+2s
s/d 36.7-43.5 8 16 13.59 2.41 5.8081 0.42738
mean+1s
Mean+1s
29.9-36.7 14 28 34.13 -6.13 37.5769 1.100993
s/d mean
mean s/d
23.1-29.9 17 34 34.13 -0.13 0.0169 0.000495
mean-1s
Mean-1s
s/d 16.3-23.1 8 16 13.59 2.41 5.8081 0.42738
mean-2s
Mean-2s
16.3 > 0 0 2.28 -2.28 5.1984 2.28
>
Jumlah 50 100 100 10.3057

4. Menentukan nilai 2 tabel

2 tabel untuk db=5 dan taraf nyata 5% = 11.07
5. Menentukan kesimpulan
Karena 2 hitung (=10.3057) lebih kecil daripada 2 tabel (11.07) maka
terima H0 dengan kesimpulan bahwa data berdistribusi normal

SOAL:
1. Suatu perusahaan keluarga memiliki 5 unit usaha. Pada rapat tahunan
pemegang saham diharapkan setiap unit memberikan keuntungan 50jt
per tahun. Berdasarkan laporan tutup buku diperoleh hasil sbb:

Bidang Usaha Keuntungan(jt)

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

12
 Wartel 41
Warnet 84
Toko kelontong 28
Fotocopy 52
Kantin 59

Ujilah apakah setiap unit memberikan keuntungan yang sama?

2. Tentukan kenormalan dari data di bawah ini:

52 57 60 62 66
54 57 60 63 66
55 57 61 63 67
56 58 61 63 67
56 59 61 64 67
56 59 61 64 68
56 59 61 64 68
56 59 62 65 73
56 60 62 65 75
56 60 62 65 77

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

13
PENERAPAN PENELITIAN BERTUJUAN MELIHAT PERBEDAAN (ANALISIS :
UJI BEDA)
Satu Dua Populasi 3 Populasi
populasi ke atas
Sampel
besar UJI Z UJI Z - DEPENDENT ONE WAY
(≥ 30) (PAIRED) SAMPLE ANOVA
Sampel - INDEPENDENT TWO WAY
kecil UJI t UJI t SAMPLE ANOVA
(< 30)

1. UJI ≤ 2 POPULASI

A. ONE SAMPLE T TEST

Contoh :
Ketua Program bahwa rata-rata nilai statistika bisnis
mahasiswa program studi S1 Manajemen adalah sebesar
80. Apakah pernyataan ini dapat disimpulkan benar ?
Sebuah penelitian kemudian dilakukan, dan diperoleh
sejumlah data nilai mahasiswa mata Studi Manajemen
menyatakan kuliah statistika bisnis berikut ini :
No. Nilai
1 76.85
2 77.95
3 78.65
4 79.25
5 82.65
6 88.15
7 92.54
8 96.25
9 84.56
10 88.25

B. PAIRED SAMPLE T TEST (SAMPEL BERPASANGAN)

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

14
 Contoh :
Sebuah penelitian terhadap efek training terhadap karyawan
produsen sepatu dilakukan untuk melihat apakah training
yang diberikan benar-benar memberikan efek yang positif
terhadap produktivitas karyawan. Untuk itu sebuah sampel
terdiri dari 10 orang, masing-masing dihitung berapa jumlah
produk sepatu yang dihasilkan, dan setelah diberi training
untuk 10 orang yang sama, dilakukan perhitungan ulang
berapa jumlah produk sepatu yang dihasilkan.

No. Juml produk sblm Juml produk sesudah

training training
1 50 55
2 52 60
3 54 50
4 51 51
5 55 65
6 50 50
7 51 50
8 52 51
9 54 52
10 52 50

C. INDEPENDENT SAMPLE T TEST (SAMPEL TERPISAH)

Seorang mahasiswa manajemen melakukan suatu penelitian
untuk menyusun sebuah tugas akhir, yang bertujuan untuk
melihat apakah terdapat perbedaan antara berat badan dan
tinggi badan untuk mahasiswa dengan mahasiswi. Untuk itu
dilakukan pengambilan sampel atas 7 orang mahasiswa dan
7 orang mahasiswi yang hasilnya adalah sebagai berikut:

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

15
 No. Tinggi badan Berat badan Gender
1 174.5 65.8 Pria
2 178.6 62.7 Pria
3 170.8 66.4 Pria
4 168.2 68.9 Pria
5 159.7 67.8 Pria
6 167.8 67.8 Pria
7 165.5 65.8 Pria
8 154.7 48.7 Wanita
9 152.7 45.7 Wanita
10 155.8 46.2 Wanita
11 154.8 43.8 Wanita
12 157.8 58.1 Wanita
13 156.7 54.7 Wanita
14 154.7 49.7 Wanita

2. UJI > 2 POPULASI (3 POPULASI KE ATAS)

ASUMSI DALAM ANOVA (ANALYSIS OF VARIANCE) :

1. Populasi yang diuji berdistribusi normal
2. Varians populasi yang diuji sama.
3. Antar populasi yang diuji tidak berhubungan (independen)

A. ONE WAY ANOVA

 Hanya ada satu faktor yang diuji beda

B. TWO WAY ANOVA

 memiliki lebih dari dua faktor yang diuji, sehingga
dilakukan pula uji interaksi antar faktor

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

16
 BAB II
PENGUJIAN RATA-RATA
Dalam pengujian nilai tengah (rata-rata) uji statistik yang digunakan
adalah uji z atau uji t, tergantung pada banyaknya data sample yang diperoleh.
Untuk sample besar (n≥30) digunakan uji z, sedangkan untuk sample kecil
(n<30) digunakan uji t. Kedua uji statistik tersebut mensyaratkan bahwa
sample harus berdistribusi normal dan merupakan data interval atau rasio.

 PENGUJIAN RATA-RATA UNTUK SATU POPULASI

a. sample besar (n ≥ 30)

x : rata-rata sample
x  0
z 0 rata-rata populasi
/ n  : simpangan baku
n : banyaknya data
 Hipotesis yang digunakan adalah:

Daerah Daerah
penolakan H0 penolakan H0
Daerah
Daerah penerimaan Daerah
penerimaan H0 gh penerimaan H0
H0
za zaza za

  

 ≠≠ 

Wilayah kritis Wilayah kritis Wilayah kritis

zhit > za zhit <- za/2 dan zhit > za/2 zhit <- za

Contoh:

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

17
1. Pada tahun 1970-an tinggi badan rata-rata orang Indonesia adalah
161 cm dengan varians 81 cm. Saat ini, diduga telah terjadi
kenaikan rata-rata tinggi badan bila dibandingkan dengan tahun
1970-an. Untuk membuktikannya diambil contoh acak berukuran
35 dan diperoleh rata-rata sebesar 167 cm. Ujilah apakah dugaan
tersebut benar pada taraf nyata 5%. Diasumsikan sample
berdistribusi normal.

Diketahui:
Rata-rata populasi (0) = 161 cm
varians () = 81 cm  simpangan baku () = 9 cm
Banyaknya sample (n) = 35
Rata-rata sample ( x ) = 167
Taraf nyata (a) = 0.05

Jawab:
1. Menentukan hipotesis
H0 : = 161 (rata-rata tinggi badan sama dengan 161 cm)
H1 :  > 161 (rata-rata tinggi badan lebih dari 161 cm)

2. Karena sample yang digunakan berukuran besar (n > 30) maka uji yang
digunakan adalah uji z

x  0
z
/ n

167  161 6
z= 9 35
= 1,521  3.94

3. Menentukan nilai tabel. Untuk a = 0.05 maka z.= 1.645

4. Menentukan daerah keputusan (wilayah kritik)

Daerah
penerimaan H1

Daerah
penerimaan H0
z. = 1.645

 Tolak H0 bila zhit ≥ z. = 1.645

 Terima H0 bila zhit < z. = 1.645

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

18
 5. Karena nilai zhit (3.94) lebih besar dari nilai z. (1.645) maka tolak H0
dengan kesimpulan rata-rata tinggi orang Indonesia saat ini lebih dari
161 cm

2. Sebuah perusahaan alat olah raga mengembangkan jenis batang

pancing sintetik yang dikatakan mempunyai kekuatan rata-rata 8
kg dan simpangan baku 0.5 kg. Ujilah hipotesis alternatif yang
menyatakan bahwa kekuatan rata-ratanya tidak sama dengan 8
kg, bila dari 50 sampel batang pancing yang diambil menunjukkan
rata-rata kekuatan 7.8 kg. Gunakan taraf nyata 0.01. Diasumsikan
sample berdistribusi normal.

Diketahui:
Rata-rata populasi (0) = 8 kg
simpangan baku () = 0.5 kg
Banyaknya sample (n) = 50
Rata-rata sample ( x ) = 7.8 kg
Taraf nyata (a) = 0.01

Jawab:
1. Menentukan hipotesis
H0 : = 8 (rata-rata kekuatan batang pancing sama dengan 8 kg)
H1 :  ≠ 8 (rata-rata kekuatan batang pancing tidak sama dengan 8 kg)

2. Karena sample yang digunakan berukuran besar (n > 30) maka uji yang
digunakan adalah uji z

x  0
z
/ n

7.8  8  0.2
z = 0.5 =  2.83
50 0.07
3. Menentukan nilai tabel. Karena hipotesis yang digunakan bertanda ≠
maka digunakan uji 2 arah  a = 0.005 maka z. = 2.575
4. Menentukan daerah keputusan (wilayah kritik)

Daerah Daerah
penolakan H0 penolakan H0
Daerah
penerimaan
gh
H0
z..z..
Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

19
  Tolak H0 bila zhit ≤ - z. = - 2.575 atau bila zhit ≥ z. = 2.575
 Terima H0 bila -z. (-2.575) < zhit < z. (2.575)

6. Karena nilai zhit (-2.83) lebih kecil dari nilai -z . (-2.575) maka tolak H0
dengan kesimpulan bahwa rata-rata kekuatan batang pancing tidak sama
dengan 8 kg, tetapi kurang dari 8 kg

b. sample kecil (n < 30)

 x : rata-rata sample
x  0 0 rata-rata populasi
t
s/ n s : simpangan baku sample
n : banyaknya data
db = n - 1
Hipotesis yang digunakan adalah:

Daerah Daerah
penolakan H0 penolakan H0
Daerah
Daerah penerimaan Daerah
penerimaan H0 gh penerimaan H0
H0
ta tata ta

H0:  H0:  H0: 

H1 :  H1 : ≠ H1 : 

Wilayah kritis Wilayah kritis Wilayah kritis

thit > ta thit <- ta/2 dan thit > ta/2 thit <- ta

Contoh:
1. Suatu perusahaan lampu menyatakan bahwa lampu produksinya
rata-rata dapat bertahan selama 400 jam. Sebuah lembaga
konsumen berkeinginan untuk membuktikan pendapat tersebut
sebab ada keluhan dari masyarakat yang menyatakan bahwa
lampu pijar tersebut cepat putus. Untuk membuktikannya diambil
contoh acak sebanyak 25 lampu dengan data sbb:

450 390 400 480 500 380 350 400 340 300 300 345 375

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

20
425 400 425 390 340 350 360 300 200 300 250 400

Ujilah apakah pendapat perusahaan lampu tersebut benar, gunakan

taraf nyata 5%. Diasumsikan sample berdistribusi normal.

Diketahui:
Rata-rata populasi (0) = 400 jam
Banyaknya sample (n) = 25
450  390  400  ...  400
Rata-rata sample ( x ) =
25
= 366 jam


  x
2

x
2
simpangan baku (s) = n = 68.25
n 1

Taraf nyata (a) = 0.05

Jawab:
1. Menentukan hipotesis
H0 : = 400 (rata-rata daya tahan lampu sama dengan 400 jam)
H1 :  < 400 (rata-rata daya tahan lampu kurang dari 400 jam)

2. Karena sample yang digunakan berukuran kecil (n < 30) maka uji yang
digunakan adalah uji t

x  0
t
s/ n

366  400  34
t =  2.49
68.25 25 13.65
3. Menentukan nilai tabel. a= 0.05  t0.05 =1.711
4. Menentukan daerah keputusan (wilayah kritik)
Daerah
penolakan H0 Daerah
penerimaan
gh
H0
 t ..
 Tolak H0 bila thit ≤ - t. (- 1.711)
 Terima H0 bila thit > t0.05 (-1.711)

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

21
 5. Karena nilai thit (-2.49) lebih kecil dari nilai -t . (-1.711) maka tolak H 0
dengan kesimpulan bahwa rata-rata daya tahan lampu pijar tersebut
kurang dari 400 jam

2. Tinggi rata-rata mahasiswi tingkat persiapan di suatu perguruan

tinggi adalah 162.5 cm. apakah ada alasan untuk mempercayai
bahwa terjadi peningkatan dalam tinggi rata-rata mahasiswi, bila
diambil suatu contoh acak sebanyak 20 mahasiswi dengan tinggi
rata-rata 165.2 cm dan simpangan baku 5.9 cm. gunakan taraf
nyata 5%
Diketahui:
Rata-rata populasi (0) = 162.5 cm
Banyaknya sample (n) = 20
Rata-rata sample ( x ) = 165.2 cm
simpangan baku (s) = 5.9 cm
Taraf nyata (a) = 0.05

Jawab:
1. Menentukan hipotesis
H0 : = 162.5 (rata-rata tinggi badan mahasiswi sama dengan 162.5 cm)
H1 :  > 165.2 (rata-rata tinggi badan mahasiswi lebih dari 162.5 cm)

2. Karena sample yang digunakan berukuran kecil (n < 30) maka uji yang
digunakan adalah uji t

x  0
t
s/ n

165.2  162.5 2.7

t =  2.05
5.9 20 1.32

3. Menentukan nilai tabel. a= 0.05  t0.05 = 1.7291

4. Menentukan daerah keputusan (wilayah kritik)
Daerah
penolakan H0
Daerah
penerimaan
gh
H0
t ..
 Tolak H0 bila thit ≥ t. (1.7291)
 Terima H0 bila thit < t0.05 (1.7291)

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

22
5. Karena nilai thit (2.05) lebih besar dari nilai t. (1.7291) maka tolak H0
dengan kesimpulan bahwa terjadi peningkatan tinggi rata-rata
mahasiswi tingkat persiapan

SOAL

1. Sebelum kenaikan BBM, pedagang jeruk rata-rata dapat menjual jeruk

paling banyak 100 kg jeruk per hari. Peneliti ingin membuktikan bahwa
setelah kenaikan BBM ada penurunan jumlah penjualan jeruk. Untuk itu
dilakukan pendataan terhadap 20 pedagang jeruk dengan hasil penjualan
sbb (gunakan taraf nyata 5%):
98 80 12 90 70 100 60 85 95 100
70 95 90 85 75 90 70 90 60 110

2. Ujilah hipotesis yang menyatakan bahwa isi kaleng rata-rata suatu jenis
minyak pelumas adalah 10 liter. Bila diambil contoh acak 10 kaleng
dengan isi sebanyak: 10.2, 9.7, 10.1, 10.3, 10.1, 9.8, 9.9, 10.4, 10.3, dan
9.8 liter. Gunakan taraf nyata 0.01 dan asumsikan bahwa isi tersebut
menyebar normal.

3. Ada yang menyatakan bahwa jarak tempuh mobil rata-rata paling banyak
adalah 20000 km/tahun dengan simpangan baku 1700km. Untuk
menguji pendapat tersebut, diambil 100 sampel mobil dengan waktu
tempuh rata-rata 23500 km/tahun. Ujilah pendapat tersebut dengan
taraf nyata 0.05.

4. Sebuah pabrik rokok menyatakan bahwa kadar nikotin rata-rata pada

rokoknya tidak melebihi 3.5 mg. Diambil contoh acak 8 batang rokok
dengan kadar nikotin rata-rata 4.2 mg dan simpangan baku 1.4. Ujilah
pernyataan pabrik rokok tersebut pada taraf nyata 0.01 dan asumsikan
kadar nikotin tsb mempunyai sebaran normal.

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

23
  PENGUJIAN RATA-RATA UNTUK 2 POPULASI

,
,

Populasi 1; N1
Populasi 2; N2
x1 ,s12 x2 ,s22

Sample 1; n1 Sample 2; n2

Uji ini dilakukan bila ingin diketahui ada tidaknya perbedaan rata-rata
dua populasi atau lebih. Misalnya seorang bupati menyatakan bahwa penduduk
yang tinggal di kabupatennya memiliki tingkat kesadaran politik yang lebih
tinggi dari kabupaten lain. Atau sebuah perusahaan mobil menyatakan bahwa
mobil yang diproduksi di pabriknya, memiliki efisiensi penggunaan bahan
bakar yang lebih baik dari produknya yang lama.

A. Pengujian untuk 2 sampel bebas (independent sample)

Sebelum melakukan pengujian terhadap dua sample bebas, terlebih dahulu

perlu dilakukan pengujian terhadap homogenitas varians sample tersebut.
Pengujian homogenitas varians
Dengan hipotesis:
H0 : varians dari kedua sample tersebut homogen
H1 : varians dari kedua sample tersebut heterogen

var ians terbesar

F derajat bebas : v1 = (n1 – 1), v2 = (n2 – 2)
var ians terkecil

Bila nilai Fhitung ≥ Fa;(v1,v2) maka tolak H0 dengan kesimpulan varians heterogen
nilai Fhitung < Fa;(v1,v2) maka terima H0 dengan kesimpulan varians homogen
1. Uji t untuk dua sample bebas (independent) dengan varians homogen
 Bila n1 ≠ n2

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

24
 x1  x 2
 2
   x 2    x1     x 2    x 2   
2 

 1 2
t= n1   n 2    1 1  ……1)
    
 n1  n 2  2   n1 n 2 
 
 
 
Derajat bebas (db)= n1 + n2 – 2
Atau

x1  x 2
t =   n1  1 s1   n 2  1 s 2   1 1 
2 2
……..2)
    
 n1  n 2  2   n1 n 2 
db = n1 + n2 – 2

Contoh:
1. Pelajaran matematika diberikan kepada 10 siswa dengan metode
pengajaran A. Kelas kedua yang terdiri dari 12 siswa mendapat
pelajaran yang sama tetapi dengan metode pengajaran B. Pada
akhir semester, murid kedua kelas tersebut diberi ujian dengan
soal yang sama. Kelas pertama mencapai nilai rata-rata 81 dengan
simpangan baku 5, sedangkan kelas kedua memperoleh nilai rata-
rata 86 dengan simpangan baku 4. Ujilah hipotesis bahwa kedua
metode tersebut tidak sama menggunakan taraf nyata 5%.
Asumsikan bahwa kedua populasi menyebar normal.

Diketahui:
n1 = 10
n2 = 12
rata-rata sample 1 ( x 1 ) = 81
rata-rata sample 2 ( x 2 ) = 86
s1 = 5  s12 = 25
s2 = 4  s22 = 16

Sebelum melakukan pengujian terhadap rata-rata, terlebih dahulu dilakukan

pengujian terhadap homogenitas ragam untuk menentukan rumus uji-t yang
akan digunakan.
Dengan hipotesis:
H0 : varians dari kedua sample tersebut homogen
H1 : varians dari kedua sample tersebut heterogen

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

25
 s1 = 5  s12 = 25
var ians terbesar 25
F   1.56 ; db = (9,11)
var ians terkecil 16
s2 = 4  s22 = 16

Ftabel  F0.05; (9,11) = 2.90

Karena Fhit < Ftabel maka terima H0 dengan
kesimpulan bahwa ragam kedua sample tersebut
homogen

Jawab:
1. Menentukan hipotesis
H0 :  (rata-rata nilai ujian dari dua metode pengajaran tersebut
sama)
H1 : ≠  (rata-rata nilai ujian dari dua metode pengajaran tersebut
tidak sama)

2. Karena n1 ≠ n2 maka uji yang digunakan adalah :

81  86
t
 10  1 25  12  116   1 1
   
 10  12  2   10 12 
5

  9  25  1116 
   0.1  0.08
 20 
5 5
   2.63
 401  3.609
   0.18
 20 

3. Menentukan nilai tabel. Karena hipotesis yang digunakan bertanda ≠

maka digunakan uji 2 arah  a = 0.025 maka t. untuk db=20
adalah 2.086

4. Menentukan daerah keputusan (wilayah kritik)

Daerah Daerah
penolakan H0 penolakan H0
Daerah
Catatan: penerimaan
gh
…………………………………………………………………………………..
H
…………………………………………………………………………………..
0
t ..t ..
…………………………………………………………………………………..
…………………………………………………………………………………..

26
  Tolak H0 bila thit ≤ - ttab = - 2.086 atau bila thit ≥ ttab = 2.086
 Terima H0 bila -ttab(-2.086) < thit < ttab (2.086)

5. Karena nilai thit (-2.63) lebih kecil dari nilai -ttab (-2.086) maka tolak H0
dengan kesimpulan bahwa rata-rata nilai ujian kedua metode tersebut
tidak sama, ternyata metode B lebih baik dari metode A

 Bila n1 = n2
x1  x 2
t
  x 2    x1      x 2    x 2  
 2  2

 1 n  
2
n 

n (n  1)
Atau
x1  x 2
t =   n1  1 s1   n 2  1 s 2 
2 2
 
 n ( n  1) 
db = 2n – 2
2. Berikut ini adalah nilai ujian siswa pria dan wanita pada mata kuliah statistika:
No Pria Wanita
1 7 8
2 6 7
3 7 3
4 8 5
5 6 8
6 7 7
7 6 7
8 8 8
9 8 6
10 7 6
Ujilah hipotesis bahwa ada perbedaan rata-rata nilai ujian antara
siswa pria dan wanita. Gunakan taraf nyata 5%. Asumsikan bahwa
kedua populasi menyebar normal.

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

27
Diketahui:
n1 = 10
n2 = 10
rata-rata sample 1 ( x 1 ) = 7
rata-rata sample 2 ( x 2 ) = 6.8
s12 = 0.68
s22 = 1.067

Sebelum melakukan pengujian terhadap rata-rata, terlebih dahulu dilakukan

pengujian terhadap homogenitas ragam untuk menentukan rumus uji-t yang
akan digunakan.

Dengan hipotesis:
H0 : varians dari kedua sample tersebut homogen
H1 : varians dari kedua sample tersebut heterogen

s1 = 5  s12 = 0.68
var ians terbesar 1.067
F   1.57 ;db = (9,9)
var ians terkecil 0.68
s2 = 4  s22 = 1.067 Ftabel  F0.05; (9,9) = 3.18
Karena Fhit < Ftabel maka terima H0 dengan
kesimpulan bahwa ragam kedua sample tersebut
homogen
Jawab:
1. Menentukan hipotesis
H0 : P= W (rata-rata nilai ujian dari siswa pria dan wanita sama)
H1 : P≠ W (rata-rata nilai ujian dari siswa pria dan wanita tidak sama)

2. Karena n1 = n2 maka uji yang digunakan adalah :

x1  x 2
t=   n1  1 s1   n 2  1 s 2 
2 2
 
 n ( n  1) 

7  6.8
t
 10  1 0.67  10  11.067 
 
 10(10  1) 

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

28
 0.2

  9  0.67   9 1.067 
 
 90 
0.2 0.2
   0.48
 6.03  9.603  0.174
 
 90 

3. Menentukan nilai tabel. Karena hipotesis yang digunakan bertanda ≠

maka digunakan uji 2 arah  a = 0.025 maka t. untuk db=18
adalah 2.101

4. Menentukan daerah keputusan (wilayah kritik)

Daerah Daerah
penolakan H0 penolakan H0
Daerah
penerimaan
gh
H0
t ..t ..

 Tolak H0 bila thit ≤ - ttab = - 2.101 atau bila thit ≥ ttab = 2.101
 Terima H0 bila -ttab(-2.101) < thit < ttab (2.101)

5. Karena nilai thit (0.48) lebih kecil dari nilai ttab (2.101) maka terima H0
dengan kesimpulan bahwa rata-rata nilai ujian untuk siswa pria dan
wanita adalah sama.

2. Uji t untuk dua sample bebas (independent) dengan varians heterogen

 Bila n1 ≠ n2
x x
t 1 2
s12 s 22

n1 n 2

Pengganti ttabel adalah:

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

29
 s12 s 22
 t1    t 2 
n1 n2
t'  dimana t1 = ta ; (n1-1) dan t2 = ta ; (n2-1)
s1 s 22
2

n1 n 2
 Bila n1 = n2
x x
t 1 2
s12 s 22 , db= n-1

n1 n 2
Contoh:
Dilakukan penelitian untuk mengetahui kecepatan memasuki dunia
kerja antara lulusan SMU dan SMK. Berdasarkan 22 responden lulusan
SMU dan 18 responden lulusan SMK diperoleh data bahwa lama
menunggu untuk mendapatkan pekerjaan kedua kelompok lulusan
sekolah tersebut adalah:

Lama menunggu
No pekerjaan (dalam tahun)
SMU SMK
1. 6 2
2. 3 1
3. 5 3
4. 2 1
5. 5 3
6. 1 2
7. 2 2
8. 3 1
9. 1 3
10. 3 1
11. 2 1
12. 4 1
13. 3 3
14. 4 2
15. 2 1
16. 3 2
17. 1 2
18. 5 1
19. 1
20. 3
21. 1
22. 4
n1 = 22 n2 = 18
x 1 = 2.91 x 2 = 1.78

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

30
 s1 = 1.51 s2 = 0.81
s12 = 2.28 s22 = 0.65

Ujilah hipotesis bahwa waktu tunggu untuk mendapatkan pekerjaan

bagi lulusan SMU dan SMK tidak sama. Gunakan taraf nyata 5% dan
asumsikan bahwa kedua populasi menyebar normal.

Diketahui:

n1 = 22 n2 = 18
x 1 = 2.91 x 2 = 1.78
s1 = 1.51 s2 = 0.81
s12 = 2.28 s22 = 0.65

Sebelum melakukan pengujian terhadap rata-rata, terlebih dahulu dilakukan

pengujian terhadap homogenitas ragam untuk menentukan rumus uji-t yang
akan digunakan.

Dengan hipotesis:
H0 : varians dari kedua sample tersebut homogen
H1 : varians dari kedua sample tersebut heterogen

s1 = 1.51  s12 = 2.28

var ians terbesar 25
F   1.56 ; db = (21,17)
var ians terkecil 16
s2 = 0.81  s22 = 0.65

Ftabel  F0.05; (21,17) = 2.21

Karena Fhit > Ftabel maka tolak H0 dengan
kesimpulan bahwa ragam kedua sample tersebut
heterogen

Jawab:
1. Menentukan hipotesis
H0 :  (tidak ada perbedaan masa menunggu untuk mendapatkan
pekerjaan antara lulusan SMA dan SMK)
H1 : ≠(ada perbedaan masa menunggu untuk mendapatkan
pekerjaan antara lulusan SMA dan SMK)

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

31
 x1  x 2
t
2. s12 s 22

n1 n 2
2.91  1.78
1.13
= 2.28 0.65 =  3.02
 0.14
22 18

3. Karena n1 ≠ n2 maka perlu dicari nilai t pengganti nilai t tabel dengan

persamaan berikut:

s12 2
 t1   s 2  t 2  dimana t1 = ta ; (n1-1) dan t2 = ta ; (n2-1) sehingga
n n2
t'  1 2  t1 = t (. ; 21) = 2.08
s1 s 22 Uji 2 arah jadi gunakan
 a= 0.025
n1 n 2  t2 = t (. ; 11) = 2.11
2.28 0.65
(2.08)  ( 2.11)
22 18 0.1 (2.08)  0.04 (2.11) 0.29
=    2.09
2.28 0.65 0.1  0.04 0.15

22 18

4. Menentukan daerah keputusan (wilayah kritik)

Daerah Daerah
penolakan H0 penolakan H0
Daerah
penerimaan
gh
H0
t’ .t‘.

 Tolak H0 bila thit ≤ - t’ = - 2.09 atau bila thit ≥ t’ = 2.09

 Terima H0 bila –t’ (-2.09) < thit < t’ (2.09)

5. Karena nilai thit (3.02) lebih besar dari nilai t’ (2.09) maka tolak H0 dengan
kesimpulan bahwa terdapat perbedaan masa menunggu untuk
mendapatkan pekerjaan antara lulusan SMA dan SMK

B. Pengujian untuk 2 sampel berpasangan (correlated sample)

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

32
 Biasanya digunakan untuk membandingkan dua hal dimana sampel yang
digunakan hanya berasal dari satu populasi.

Uji t untuk 2 sampel berpasangan

x1  x 2
  d 2
t= d2 
n
n  n  1

derajat bebas = n-1

Contoh:
Untuk mengetahui apakah ada perbedaan nilai IP mahasiswa setelah
mengikuti pelatihan dengan sebelum mengikuti pelatihan. Dengan
mengasumsikan bahwa populasinya normal, ujilah pada taraf 0.025, apakah
keanggotaan dalam organisasi mahasiswa berakibat buruk pada nilai seseorang.

Sampel
1 2 3 4 5
Sebelum 2.0 2.0 2.3 2.1 2.4
Sesudah 2.2 1.9 2.5 2.3 2.4
Diketahui:
rata-rata sample 1 ( x 1 ) = 2.16
rata-rata sample 2 ( x 2 ) = 2.26
n=5

Jawab:
1. Hipotesis
H0 :
H1 : 
2. menghitung nilai t
Sebelum Sesudah di di 2
2.0 2.2 -0.2 0.04
2.0 1.9 0.1 0.01
2.3 2.5 -0.2 0.04
2.1 2.3 -0.2 0.04
2.4 2.4 0.0 0.00
-0.5 0.13

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

33
 x1  x 2
  d 2
t= d2 
n
n  n  1
2.16  2.26  0.1

 1.58
(0.5) 0.08 2
= 0.13 
5 20
5 5  1
3. menentukan nilai tabel, untuk taraf nyata 0.025 dan db=4 (n-1).
t(0.025;4) =2.776
4. Menentukan daerah keputusan (wilayah kritik)
Daerah
penolakan H0
Daerah
penerimaan
gh
H0
t ..

 Tolak H0 bila thit ≤ - ttab = - 2.776

 Terima H0 bila thit > - ttab (-2.776)

5. Karena nilai thit (-1.58) lebih besar dari nilai -t. (-2.776) maka terima H0
dengan kesimpulan bahwa pelatihan tidak memberikan pengaruh yang
berarti pada nilai yang dicapainya.

SOAL
1. Sebuah perusahaan menyatakan bahwa kekuatan rentangan rata-rata tali
A melebihi kekuatan tali B. Untuk menguji pernyataan tersebut, 51 tali dari
masing-masing jenis diuji. Hasil uji memperlihatkan bahwa tali A
mempunyai kekuatan rentangan rata-rata 86.7 kg dengan simpangan baku
6.28 kg. Sedangkan tali B mempunyai kekuatan rentangan rata-rata 77.8 kg
dengan simpangan baku 5.61 kg.
a. Ujilah pernyataan perusahaan tsb dengan menggunakan taraf nyata
0.05.
b. Bagaimanakah hubungan antara jenis tali dengan kekuatan rentangan?

2. Data di bawah ini menunjukkan masa putar film yang diproduksi dua
perusahaan film yang berbeda (asumsikan keduanya berdistribusi normal):

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

34
 Masa putar (menit)
Perusahaan 1 102 86 98 109 92
Perusahaan 2 81 165 97 134 92 87 114

Perusahaan 2 menyatakan bahwa masa putar rata-rata film yang diproduksi

perusahaannya melebihi masa putar rata-rata film yang diproduksi
perusahaan 1. Ujilah pernyataan tersebut pada taraf nyata 0.1.

3. Sebuah pabrik mobil ingin memutuskan apakah akan menggunakan ban

merek A atau merek B bagi mobil terbarunya. Untuk membantu mencapai
keputusan tersebut, dilakukan percoban menggunakan 12 ban untuk masing-
masing merek tersebut. Ban-ban tersebut dipasang dan digunakan sampai
aus sehingga harus diganti. Hasilnya adalah:

Merek A Rata-rata=37900 km S1 =5100 km

Merek B Rata-rata = 39800 km S2 = 5900 km

Ujilah hipotesis pada taraf nyata 5% bahwa tidak ada perbedaan antara kedua
merek ban tersebut. Asumsikan kedua populasi berdistribusi normal

4. Seorang perancang mobil mempunyai keyakinan teoritis bahwa pengecatan

sebuah mobil perlombaan mengurangi kecepatan maksimalnya. Dia
memilih 6 mobil dari bengkel dan menguji dengan dan tanpa cat. Hasilnya
adalah:

Kecepatan maksimal (mph)

Mobil
Dicat Tidak dicat
1 186 189
2 185 186
3 179 183
4 184 188
5 183 185
6 186 188

a. Ujilah pernyataan perancang mobil tersebut pada taraf nyata 5%

b. Tentukan hubungan antara kecepatan maksimal dan pengecatan mobil.

 UNTUK SAMPLE BESAR ( n ≥ 30 )

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

35
A. Pengujian untuk 2 sampel bebas (independent sample)
Sama halnya dengan sample kecil (n< 30), untuk sampel besar ini, sebelum
melakukan pengujian terhadap dua sample bebas, terlebih dahulu perlu
dilakukan pengujian terhadap varians sample tersebut. Caranya sama dengan
kasus untuk sample kecil

1. Uji z untuk dua sample bebas (independent) dengan varians homogen

 Bila n1 ≠ n2 ≥ 30
x1  x 2

  x 12    x 1     x 22    x 2   
 2
  2

z=  n1   n2    1 1 
    
 n1  n 2  2   n1 n 2 
 
 
atau

x1  x 2
z =   n1  1 s1   n 2  1 s 2   1 1 
2 2
    
 n1  n 2  2   n1 n 2 

 Bila n1 = n2 ≥ 30

x1  x 2
z
  x 2    x 2 
  x 12   1     x 22   2 
 n   n 

n (n  1)

2. Uji z untuk dua sample bebas (independent) dengan varians heterogen

 Bila n1 ≠ n2 ≥ 30 dan n1 = n2 ≥ 30

x1  x 2

z s12 s 22

n1 n 2

B. Pengujian untuk 2 sampel berpasangan (correlated sample)

Uji z untuk 2 sampel berpasangan

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

36
 x1  x 2
  d 2
z= d 
2

n
n  n  1

untuk mengetahui kuatnya hubungan antara dua variable dapat dicari dengan
korelasi point biserial (rpb):

t2
rpb 
t 2  db

Dengan kriteria:

 0 - 0.19 = sangat rendah

 0.20 - 0.39 = rendah
 0.40 - 0.59 = sedang
 0.60 - 0.79 = kuat
 0.80 - 1.00 = sangat kuat

Sedangkan untuk mengetahui besarnya pengaruh suatu variable terhadap

variable lainnya digunakan koefisien determinasi:

Koef. Determinasi = rpb2 x 100%

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

37
 BAB III
ANALISIS VARIANS

Pengujian nilai tengah digunakan untuk menguji beda rata-rata dari satu atau
dua populasi. Sedangkan untuk tiga populasi atau lebih digunakan Analisis
Varians (ANAVA)/Analysis of Variance (ANOVA). Data yang digunakan berupa
data interval atau rasio dan berdistribusi normal.

1. Analisis Varians Satu Arah

digunakan jika ingin menguji beda rata-rata suatu pengamatan berdasarkan
satu kriteria yang memiliki beberapa kelompok. Banyaknya data untuk
setiap kelompok bisa sama (n1= n2=…= n k) atau bisa juga berbeda (n1≠
n2≠…≠ nk)

Contoh:
Berikut ini adalah data penjualan dari 3 merek rokok selama 5 hari:

Penjualan (bungkus)
Hari ke-
Merek A Merek B Merek C
1 20 10 19
2 25 15 26
3 15 22 21
4 27 13 16
5 19 20 25
Pada contoh di atas, merek merupakan kriteria sedangkan kelompok
terbagi menjadi merek A, B, C.

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

38
TABEL ANALISIS VARIANS SATU ARAH

Jumlah Derajat Kuadrat Tengah

Sumber Variasi Kuadrat Bebas (db) F
Antar Kelompok JKK k -1 JKK
KTK =
(between) k 1 KTK
F
KTE
Dalam Kelompok JKE N–k JKE
(within) KTE =
Nk Ftabel = F(k-1),(N-k) ; a
Total JKT N -1

dimana:
 JKT = JKK + JKE = Jumlah Kuadrat Total

2   X total 
2
 JKT =  X
total 
N
 JKK =
  X1  2   X 2  2   X k  2   X total  2 = jumlah kuadrat kelompok
  ...  
n1 n2 nk N
dgn N= n1+n2+…+nk

 JKE = JKT - JKK

Kriteria pengujian: Tolak H0 bila Fhitung ≥ Ftabel

dimana H0 : tidak ada perbedaan antar kelompok (…)
H1: sekurang-kurangnya ada dua kelompok yang berb eda
Uji F di atas hanya dapat menyatakan ada tidaknya perbedaan, sedangkan
untuk mengetahui kelompok mana saja yang berbeda digunakan metode:
 LSD (Least Significant Difference), bila n-nya sama
dengan persamaan:
 2 
LSD = t(N-k);0.05 KTE 
 ni 

dimana: i≠j
KTE = Kuadrat Tengah Error

 t protected , bila n-nya tidak sama

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

39
 dengan persamaan:
Xi  X j

t protected =  1 1 
KTE  
 Ni N j 
 

Untuk mengetahui kuatnya hubungan dan besarnya pengaruh antar

kelompok digunakan analisis korelasional ETA ( ), dengan persamaan:
JKK
ETA ( ) =
JKT

Contoh ANOVA satu arah dengan n sama

1. Seorang pemilik toko ingin melihat apakah ada perbedaan penjualan untuk
ketiga jenis merek rokok berikut:
Penjualan (bungkus)
Hari ke-
Merek A Merek B Merek C
1 20 10 19
2 25 15 26
3 15 22 21
4 27 13 16
5 19 20 25

Jawab:
1. Hipotesis: H0 : tidak ada perbedaan rata-rata hasil penjualan untuk
ketiga merek tersebut (… )
H1: sekurang-kurangnya ada dua merek yang memberikan
rata-rata hasil penjualan berbeda
2. Menghitung nilai-nilai yang terdapat dalam tabel ANOVA

XA XA2 XB XB2 XC XC2 X X2

20 400 10 100 19 361 49 861
25 625 15 225 26 676 66 1526
15 225 22 484 21 441 58 1150
27 729 13 169 16 256 56 1154
19 361 20 400 25 625 64 1386
JUMLAH 106 2340 80 1378 107 2359 293 6077

JKT = X 2   X total  2
N

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

40
 = 6077 
 293 2 = 353.7333
15

  X A  2   X B  2   X C  2   X total  2
JKK =   
nA nB nC N
106 2 80 2 107 2 2932
=     2247.2 + 1280 + 2289.8 - 5723.2667 =
5 5 5 15
93.7333
JKE = JKT - JKK
= 353.7333 – 93.7333 = 260

Jumlah Derajat
Sumber Variasi Kuadrat Tengah F
Kuadrat Bebas (db)
Kelompok 93.7333 2 KTK = 46.8667

Error 260 12 KTE = 21.6667 F= 2.1631

Total 353.7333 14

3. Menentukan nilai Ftabel = F(2 , 14) ; 0.05 = 3.74

4. Menentukan daerah keputusan: Tolak H0 bila Fhitung ≥ Ftabel dan terima H0

bila Fhitung < Ftabel

5. Karena nilai Fhitung (=2.1631) < Ftabel (= 3.74) maka terima H 0 dengan
kesimpulan bahwa ketiga merek rokok tersebut memberikan hasil
penjualan yang sama

Contoh ANOVA satu arah dengan n tidak sama

2. Seorang pemilik toko ingin melihat apakah ada perbedaan penjualan

untuk ketiga jenis merek rokok berikut:

Penjualan (bungkus)
Hari ke-
Merek A Merek B Merek C
1 30 10 19

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

41
 2 25 15 26
3 20 22 21
4 27 13
5 20

Jawab:
1. Hipotesis: H0 : tidak ada perbedaan hasil penjualan untuk ketiga merek
tersebut (…)
H1: sekurang-kurangnya ada dua merek rokok yang memberikan
hasil penjualan berbeda

2. Menghitung nilai-nilai yang terdapat dalam tabel ANOVA

XA XA2 XB XB2 XC XC2 X X2

30 900 10 100 19 361 59 1361
25 625 15 225 26 676 66 1526
20 400 22 484 21 441 63 1325
27 729 13 169 40 898
20 400 20 400
JUMLAH 102 2654 80 1378 66 1478 248 5510
Rata-rata 25.5 16 22

JKT =  X 2 
  X total  2
N

= 5510 
 248 2 = 384.6667
12

  X A  2    X B  2    X C  2    X total  2
JKK =
nA nB nC N
102 2 80 2 66 2 248 2
=     2601 + 1280 + 1452 – 5125.3333= 207.6667
4 5 3 12
JKE = JKT - JKK
= 384.6667-207.6667 = 177

Jumlah Derajat
Sumber Variasi Kuadrat Tengah F
Kuadrat Bebas (db)

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

42
Kelompok 207.6667 2 KTK = 103.8333

Error 177 9 KTE = 19.6667 F= 5.2797

Total 384.6667 11

3. Menentukan nilai Ftabel = F(2 , 9) ; 0.05 = 4.26

4. Menentukan daerah keputusan: Tolak H0 bila Fhitung ≥ Ftabel dan terima H0

bila Fhitung < Ftabel

5. Karena nilai Fhitung (=5.2797) > Ftabel (= 4.26) maka terima H1 dengan
kesimpulan bahwa sekurang-kurangnya ada dua merek rokok yang
memberikan hasil penjualan berbeda

Untuk melihat merek mana yang memberikan hasil berbeda digunakan t protected

(karena n-nya tidak sama)

dengan persamaan:
Xi  X j

t protected =  1 1 
KTE  
 Ni N j 
 

 Untuk XA dan XB:

XA  XB 25.5  16

tp =  1 1  1 1
KTE   19.6667   
 NA NB   4 5

9.5 9.5
=   3.1934
19.6667(0.45) 8.8500

SOAL

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

43
 Berikut ini merupakan hasil penjualan 5 merek TV di sebuah toko. Ingin
diketahui apakah ada perbedaan hasil penjualan pada kelima merek
tersebut.

No. A B C D E
1. 5 9 3 2 7
2. 4 7 5 3 6
3. 8 8 2 4 9
4. 6 6 3 1 4
5. 3 9 7 4 7

2. Analisis Varians dua arah

Digunakan jika ingin menguji beda rata-rata suatu pengamatan berdasarkan

dua criteria yang berbeda.

a. ANALISIS VARIANS DUA ARAH TANPA INTERAKSI

Jumlah Derajat
Sumber Variasi Kuadrat Tengah
Kuadrat Bebas (db) F
Baris JKB r-1 JKB KTB
KTB = F1 
r 1 KTE

JKK KTK
KTK = F2 
Kelompok JKK c–1 c 1 KTE

JKE Ftabel = F(k-1),(N-k) ; a

KTE =
Error JKE (r–1)(c–1)  r  1 c  1
Total JKT rc -1

dimana:
 JKT = JKK + JKB + JKE = Jumlah Kuadrat Total

 JKT =  X 11
2 2
  X12  ... X ij
2
   X total  2
rc

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

44
  JKB =
  X1.  2    X 2.  2  ...    X r.  2    X total  2 = jumlah kuadrat
c rc
baris
 JKK=
  X .1  2    X .2  2  ...    X . c  2   X total  2 = jumlah kuadrat kelompok

r rc
dgn r = jumlah baris
c = jumlah kolom

 JKE = JKT – JKB - JKK

Contoh:
Seorang pemilik toko ingin mengetahui hasil penjualan 3 merek rokok di tiga
daerah yang berbeda
Merek A Merek B Merek C
Kota besar 25 21 14
Kota kecil 12 18 17
Pedesaan 15 10 11

1. Hipotesis:
a. H0 : tidak ada perbedaan rata-rata hasil penjualan rokok untuk ketiga
daerah tersebut
H1: sekurang-kurangnya ada dua daerah yang memberikan rata-rata
hasil penjualan rokok berbeda
b. H0 : tidak ada perbedaan rata-rata hasil penjualan rokok untuk ketiga
merek tersebut
H1: sekurang-kurangnya ada dua merek yang memberikan rata-rata
hasil penjualan rokok berbeda

2. Membuat tabel ANOVA

Merek A Merek B Merek C Jumlah
Kota besar 25 21 14 60
Kota kecil 12 18 17 47

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

45
 Pedesaan 15 10 11 36
Jumlah 52 49 42 143

 X   X total 
2
 JKT = 2 2
  X12  ... X ij 2 
11
rc
143 2
= (252 + 212 + 142 + 122 + … + 112) -
(3)(3)

= 2465 – 2272,11 = 192,89

 JKB =
  X1.  2    X 2.  2  ...    X r.  2    X total  2
c rc
60 2  47 2  36 2 143 2
= 
3 (3)(3)

= 96,22

  X .1  2    X .2  2  ...    X . c  2   X total  2
 JKK= 
r rc
52 2  49 2  42 2 1432
= 
3 (3)(3)

= 17,56

 JKE = JKT – JKB - JKK

= 192,89 – 96,22 – 17,56 = 79,11

Jumlah Derajat
Sumber Variasi Kuadrat Tengah
Kuadrat Bebas (db) F

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

46
 96,22
Baris 96,22 2 KTB =  48,11 F1 = 2,43
2

17,56
Kelompok 17,56 2 KTK =  8,78
2 F2 = 0,44

Error 79,11 4 79,11

KTE =  19,78
4
Total 192,89 8
3. Menentukan nilai Ftabel = F(2 , 4) ; 0.05 = 6,94 (nilai F tabel untuk baris dan kolom
sama karena derajat bebas keduanya juga sama)

4. Menentukan daerah keputusan:

Hipotesis a: Tolak H0 bila F1 ≥ Ftabel dan terima H0 bila Fhitung < Ftabel
Hipotesis b: Tolak H0 bila F2 ≥ Ftabel dan terima H0 bila Fhitung < Ftabel

5. Hipotesis a: Karena nilai F1 (=2,43) < Ftabel (= 6,94) maka terima H0 dengan
kesimpulan bahwa tidak ada perbedaan rata-rata hasil
penjualan rokok untuk ketiga daerah tersebut
Hipotesis b: Karena nilai F1 (=0,44) < Ftabel (= 6,94) maka terima H 0
dengan kesimpulan bahwa tidak ada perbedaan rata-rata hasil
penjualan rokok untuk ketiga merek tersebut

b. ANALISIS VARIANS DUA ARAH DENGAN INTERAKSI

Jumlah Derajat
Sumber Variasi Kuadrat Tengah F
Kuadrat Bebas (db)
JKB KTB
Baris JKB r-1 KTB = F1 
r 1 KTE

JKK KTK
Kelompok JKK c–1 KTK = F2 
c 1 KTE

JK( BK ) KT(BK )
Interaksi JK(BK) (r–1)(c–1) KT(BK) = F3 
 r  1 c  1 KTE

JKE
Error JKE rc(n – 1) KTE =
rc( n  1)

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

47
Total JKT rcn -1

dimana:
 JKT = JKK + JKB + JKE = Jumlah Kuadrat Total

 JKT =  X 111
2 2
  X112  ... X ijk
2
    Xrcn
total 2

 JKB =
  X1..  2    X 2..  2  ...    X r..  2    X total  2 =jumlah kuadrat
cn rcn
baris
 JKK=
  X .1.  2    X .2.  2  ...    X . c.  2   X total  2 = jumlah kuadrat kelompok

rn rcn

 JK(BK) =

  X11 .  2    X12.  2  ...    X rc.  2    X1..  2  ...    X r..  2 

n cn
  X .1.  2
 ...    X .c.  2

  X total  2

rn rcn

dgn r = jumlah baris

c = jmlah kolom
n = jumlah pengamatan setiap sel

 JKE = JKT – JKB – JK(BK) – JKK

Contoh:
Berikut ini adalah data penjualan rokok selama 2 bulan dilihat dari merek dan
daerah penjualan :
Merek A Merek B Merek C
25 21 14
Kota besar
1. 30 15 25 Hipotesis:
10 15 20
Kota kecil
12 18 17
15 10 12
Pedesaan
20 15 18
Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

48
 a. H0 : tidak ada perbedaan rata-rata hasil penjualan rokok untuk ketiga
daerah tersebut
H1: sekurang-kurangnya ada dua daerah yang memberikan rata-rata
hasil penjualan rokok berbeda
b. H0 : tidak ada perbedaan rata-rata hasil penjualan rokok untuk ketiga
merek tersebut
H1: sekurang-kurangnya ada dua merek yang memberikan rata-rata
hasil penjualan rokok berbeda
c. H0 : tidak ada interaksi antara merek rokok dan daerah penjualan
H1: ada interaksi antara merek rokok dan daerah penjualan

2. Membuat tabel ANOVA

Merek A Merek B Merek C Jumlah
Kota besar 25+30=55 21+15=36 14+25=39 130
Kota kecil 10+12=22 15+18=33 20+17=37 92
Pedesaan 15+20=35 10+15=25 12+18=30 90
Jumlah 112 94 106 312

 JKT =  X 111
2 2
  X112  ... X ijk 2
    Xrcntotal 2

312 2
= 25 2  30 2  212  15 2  ...  18 2 
 3 3 2
97344
= 5912 - = 504
18

 JKB =
  X1..  2    X 2..  2  ...    X r..  2    X total  2
cn rcn
130 2  92 2  90 2 97344
= 
6 18
= 5577,33  5408 =169,33

  X .1.  2    X .2.  2  ...    X . c.  2   X total  2

 JKK = 
rn rcn

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

49
 112 2  94 2  106 2 97344
= 
6 18
= 5436  5408 = 28

 JK(BK) =   X11 .  2    X12.  2  ...    X rc.  2    X1..  2  ...    X r..  2 

n cn

=   X .1.  2  ...    X .c.  2   X total  2


rn rcn
2 2 2 2
55  36  39  ...  30 97344

2 18
11534
=  5577,33  5436  5408 = 161,67
2

 JKE = JKT – JKB – JKK– JK(BK)

= 504 – 169,33 – 28 – 161,67 = 145

Jumlah Derajat
Sumber Variasi Kuadrat Tengah F
Kuadrat Bebas (db)
Baris 169,33 2 KTB = 84,67 5,26

Kelompok 28 2 KTK = 14 0,87

Interaksi 161,67 4 KT(BK) = 40,42 2,51

Error 145 9 KTE = 16,11

Total 504 17

3. Menentukan nilai Ftabel :

F1  F(2 , 9) ; 0.05 = 4,26
F2  F(2 , 9) ; 0.05 = 4,26
F3  F(4 , 9) ; 0.05 = 3,63

4. Menentukan daerah keputusan:

Tolak H0 bila Fhitung ≥ Ftabel dan terima H0 bila Fhitung < Ftabel

5. Kesimpulan

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

50
a. Sekurang-kurangnya ada dua daerah penjualan yang memberikan rata-
rata hasil penjualan rokok berbeda
b. tidak ada perbedaan rata-rata hasil penjualan rokok untuk ketiga
merek tersebut
c. tidak ada interaksi antara merek rokok dan daerah penjualan

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

51
 BAB IV
ANALISIS KORELASI (r)

Merupakan metode analisis statistika yang digunakan untuk mengukur

derajat keeratan linier antara dua variabel. Ukuran keeratan hubungan disebut
dengan koefisien korelasi (Pearson Product Moment Correlation Coefficient),
dan dilambangkan dengan r (untuk sampel) serta  (dibaca : rho; untuk
populasi).
Metode analisis ini menetapkan beberapa persyaratan yang harus
dipenuhi oleh pasangan variabel yang akan dianalisa keeratan hubungannya.
Pasangan variabel biasanya disimbolkan dengan variabel X1 dan X2. Persyaratan
yang harus dipenuhi adalah X1 dan X2 berskala pengukuran minimal interval; X1
dan X2 berdistribusi bivariat normal, dimana untuk setiap pengamatan :
(X1,X1), (X2,X2),…, (Xn,Xn)
memiliki distribusi bivariat normal yang sama; serta antara pengamatan
bersifat independen. Persyaratan lain adalah sama seperti yang disyaratkan
oleh metode analisis statistika lainnya yaitu pengambilan pasangan data harus
dilakukan secara random.Korelasi mempunyai nilai antara -1 sampai 1 (-1< r <
1) dimana:
a. nilai 0 menunjukkan bahwa tidak ada hubungan antara variable X1 dan
X2 (tidak berkorelasi)
b. nilai (+) menunjukkan bahwa bila nilai X1 bertambah, maka nilai X2
juga akan bertambah (korelasi positif).
c. Nilai (-) menunjukkan bahwa bila nilai X1 bertambah, maka nilai X2
akan berkurang (korelasi negative).

Hubungan antara X dan Y dapat dinyatakan pada gambar berikut:

X2 X2 X2

X
Korelasi positif Korelasi negatif Tidak berkorelasi

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

52
Untuk menafsirkan apakah koefisien korelasi yang diperoleh menunjukkan
hubungan yang kuat, sedang atau rendah digunakan ketentuan sebagai berikut:

Interval koefisien Tingkat Hubungan

0.00 – 0.19 Sangat rendah
0.20 – 0.39 Rendah
0.40 – 0.59 Sedang
0.60 – 0.79 Kuat
0.80 – 1.00 Sangat kuat

Korelasi Sederhana

Digunakan untuk mencari hubungan antara satu variable X dengan satu

variable Y. Untuk menggunakan teknik analisis korelasi yang sesuai, perlu
memperhatikan jenis data yang dimiliki.

Korelasi Pearson (Product Moment Correlation)

 Digunakan bila variabel X dan Y datanya berupa data interval/rasio

 Persamaan yang digunakan adalah sebagai berikut:

  X   Y 
 XY 
rXY  n

  X 2    X  Y 2   Y
 2
 2


 n  n 
  

Atau

n  XY   X  Y
rXY 
 nX 2
   X
2
 n Y 2
  Y
2

Dimana : n = banyaknya pengamatan
X = jumlah variabel X
 XY = jumlah dari hasil kali variabel X dan Y
 X2 = jumlah dari variabel X yang dikuadratkan
( X) 2 = kuadrat dari jumlah variabel X

Contoh:

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

53
Seorang manager ingin mengetahui hubungan antara motivasi kerja (X) dengan
prestasi kerja (Y)

Responden Motivasi kerja (X) Prestasi kerja (Y)

1. 50 30
2. 70 40
3. 80 50
4. 40 25
5. 90 60
6. 60 45

Jawab:

Responden Motivasi Prestasi

X2 Y2 X.Y
kerja (X) kerja (Y)
1. 50 30
2. 70 40
3. 80 50
4. 40 25
5. 90 60
6. 60 45
Jumlah 390 250

  X   Y  (390)( 250)
 XY  17400 
rXY  n 6
 =
  X 2    X  Y 2   Y
 2
 2
 152100   62500 
  27100   11250  
 n  n   6  6 
  

1150 1150
=   0.95
(1750) (833.33) 1458337.5

Ini menunjukkan bahwa hubungan yang terjadi antara motivasi kerja dengan
prestasi kerja sangat kuat.

 Uji Signifikansi

Pengujian signifikansi koefisien korelasi dapat dihitung menggunakan uji t

dengan persamaan sebagai berikut:

r n2
t , dimana ttabel = t(n-2); a
1 r2

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

54
Hipotesis yang digunakan berdasarkan contoh di atas adalah:

H0 :=0
: tidak ada hubungan antara motivasi dan prestasi kerja
H1 :≠0
: ada hubungan antara motivasi dan prestasi kerja

Korelasi Point Biserial

 Jika ingin diketahui hubungan antara sebuah variabel yang datanya

berbentuk interval/rasio dengan sebuah variabel lain yang datanya
terdiri dari dua kategori/dikotomi (misalnya: laki-laki dan perempuan,
sudah menikah dan belum menikah, desa dan kota).

 Persamaan yang digunakan adalah:

Y1  Y0
rpb  pq
sY

Dimana: p = proporsi kategori 1

q = proporsi kategori 0
Y1 = rataan Y untuk kategori 1
Y0 = rataan Y untuk kategori 0
SY = standar deviasi (simpangan baku) Y

 Y2
Y 
2
= n
n 1

Contoh:
Seorang guru ingin mengetahui hubungan antara nilai ulangan matematika
dengan jenis kelamin. Dalam kasus ini, jenis kelamin mempunyai dua kategori
yaitu L (1) dan P (0).

Responden JK (X) Nilai matematika (Y)

1. 1 10
2. 1 15
3. 0 30

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

55
 4. 0 20
5. 0 25
6. 1 15
7. 0 20
8. 0 25
9. 0 30
10. 1 20

Jawab:
Y1  Y0
p = 4/10 = 0.4 rpb  pq
sY
q = 6/10 = 0.6
Y1 = 60/4 = 15
15  25
Y0 = 150/6=25   0.4  0.6
6.58
Sy = 6.58
Tanda (-) menunjukkan bahwa bila nilai ulangan
= -0.74 matematika siswa perempuan
tinggi maka siswa laki-laki mendapatkan nilai ulangan yang rendah.

 Uji Signifikansi

Pengujian signifikansi koefisien korelasi dapat dihitung menggunakan uji t

dengan persamaan sebagai berikut:

rpb n  2
t , dimana ttabel = t(n-2); a
1  rpb
2

Hipotesis yang digunakan adalah:

H0 :=0
: tidak ada hubungan antara variabel Y dan variabel X
H1 :≠0
: ada hubungan antara variabel Y dan variabel X

Korelasi Biserial

 Digunakan untuk mencari hubungan antara dua variabel dimana salah

satu dari variabel tersebut dianggap sebagai variabel dikotomi sedangkan
variabel lainnya berbentuk interval/rasio
 Persamaan yang digunakan adalah:

Y1  Y0  p.q 
rb   
sY  u 

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

56
Dimana: p = proporsi kategori 1
q = proporsi kategori 0
Y1 = rataan Y untuk kategori 1
Y0 = rataan Y untuk kategori 0
sY = standar deviasi (simpangan baku) Y
u = ordinat dari kurva normal yang membagi kurva normal atas 2
bagian, satu bagian adalah proporsi p dan bagian lainnya adalah
proporsi q dari total area

Contoh:

Seorang peneliti ingin melihat apakah ada hubungan antara IQ dengan

kelulusan seseorang pada akhir tahun kuliah.

Resp. IQ Nilai Resp. IQ Nilai akhir

akhir
1 100 75 bila syarat 1 100 Lulus (1)
2 115 50 kelulusan adalah 2 115 Tidak lulus (0)
3 125 70 mahasiswa yang 3 125 Lulus (1)
4 90 65 memiliki nilai > 60 4 90 Lulus (1)
5 120 40 maka dari data 5 120 Tidak lulus (0)
6 140 70 awal dapat diubah 6 140 Lulus (1)
7 150 80 menjadi: 7 150 Lulus (1)
8 120 50 8 120 Tidak lulus (0)
9 110 65 9 110 Lulus (1)
10 130 45 10 130 Tidak lulus (0)

Jawab:
Y1  Y0  p.q 
p = 6/10 = 0.6 rb   
sY  u 
q = 4/10 = 0.4
119 .17  113 .75
Y1 = 715/6 = 119.17   0.621
18.44
Y0 = 455/4=113.75
Sy = 18.44 = 0.18

 Uji Signifikansi

Pengujian signifikansi koefisien korelasi dapat dihitung menggunakan uji t

dengan persamaan sebagai berikut:

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

57
 rb n  2
t , dimana ttabel = t(n-2); a
1  rb2

Hipotesis yang digunakan adalah:

H0 :=0
: tidak ada hubungan antara variabel Y dan variabel X
H1 :≠0
: ada hubungan antara variabel Y dan variabel X

Korelasi Rank Spearman

 Jika pengamatan dari variabel X dan Y diukur sekurang-kurangnya

dalam bentuk skala ordinal.

 Persamaan yang digunakan adalah:

6 d i2
rs  1 
n3  n

Dimana : di = beda (selisih) antara 2 pengamatan yang berpasangan

n = banyaknya pengamatan
Contoh:
Ingin diketahui apakah ada korelasi antara nilai ujian akhir matematika dan
nilai Ekonomi mikro. Untuk itu dipilih secara acak nilai ujian akhir matematika
dan ekonomi mikro dari 10 orang mahasiswa. Nilai-nilai tersebut adalah
sebagai berikut:

Mahasiswa Nilai matematika Nilai ekonomi mikro

a 85 70
b 90 80
c 80 100
d 50 60
e 40 60
f 70 80
g 60 60
h 30 50
i 65 80
j 95 100

Jawab:

Langkah pertama adalah melakukan rangking pada data di atas

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

58
Data nilai matematika:

Nilai Nilai Ek.

rank rank
matematika mikro
30 1 1 50 1 1
40 2 2 60 2 3
(2+3+4)/3
50 =3 3 3 60 3 3
60 4 4 60 4 3
65 5 5 70 5 5
70 6 6 80 6 7
(6+7+8)/3
80 =7 7 7 80 7 7
85 8 8 80 8 7
90 = 9.5
(9+10)/2 9 9 100 9 9.5
95 10 10 100 10 9.5

Selanjutnya masukkan nilai rank tersebut ke dalam data asal.

Mahasiswa Rank nilai Rank nilai

matematika ekonomi di (di)2
mikro
A 8 5 3 9
b 9 7 2 4
c 7 9.5 -2.5 6.25
d 3 3 0 0
e 2 3 -1 1
f 6 7 -1 1
g 4 3 1 1
h 1 1 0 0
i 5 7 -2 4
j 10 9.5 0.5 0.25
Jumlah 26.5

Dengan demikian nilai korelasi Spearman adalah:

6  d i2
rs  1  3
n n

6 (26.5) 159
 1  1  1  0.16  0.84
10  10
3
1000  10

 Uji Signifikansi

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

59
Pengujian signifikansi koefisien korelasi rank Spearman dapat dihitung
menggunakan uji t (bila n< 30) atau uji z (bila n> 30) dengan persamaan
sebagai berikut:

rs n  2
Uji t  t , dimana ttabel = t(n-2); a
1  rs2

Uji Z  Z  rs n  1 , dimana Ztabel = Za

Hipotesis yang digunakan adalah:

H0 :=0
: tidak ada hubungan antara variabel Y dan variabel X
H1 :≠0
: ada hubungan antara variabel Y dan variabel X

Korelasi Ganda

Digunakan untuk menunjukkan hubungan secara bersama-sama antara

beberapa variabel independent (X1, X2,…, Xn) dengan satu variabel dependent
(Y).

1  rYX 2  2 rYX1 rYX 2 rX1X 2

2 2
rYX
r Y . X 1X 2 
1  rX21X 2

Dimana: rY.X1X2 = koefisien korelasi ganda variabel X 1 dan X2 secara bersama-

sama terhadap variabel Y.
rYX1 = koefisien korelasi product moment antara variabel X1 dengan
variabel Y
rYX2 = koefisien korelasi product moment antara variabel X2 dengan
variabel Y
rX1X2 = koefisien korelasi product moment antara variabel X1 dengan
variabel X2

Jadi sebelum menghitung koefisien korelasi ganda, terlebih dahulu menghitung

nilai koefisien product moment untuk setiap variabel.

Contoh:
Ingin diketahui hubungan antara nilai ujian matematika dengan nilai tugas dan
frekuensi tidak mengikuti kuliah.

Siswa Nilai ujian (Y) Nilai tugas (X1) frek.tidak kuliah (X2)
1 85 65 1

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

60
 2 74 50 7
3 76 55 5
4 90 65 2
5 85 55 6
6 87 70 3
7 94 65 2
8 98 70 1
9 81 55 4
10 91 70 3

Jawab:
Langkah pertama adalah menghitung nilai korelasi antara Y dengan X 1, Y
dengan X2, serta korelasi X1 dengan X2 dan diperoleh hasil sebagai berikut:
rYX1 = 0.84
rYX2 = -0.78
rX1X2 = -0.84
sehingga koefisien korelasi gandanya adalah

1  rYX 2  2 rYX1 rYX 2 rX1X 2

2 2
rYX
r Y . X 1X 2  = 0.72  0.85
1  rX21X 2
 Uji Signifikansi

Pengujian signifikansi koefisien korelasi ganda dapat dihitung menggunakan uji

F dengan persamaan sebagai berikut:

 r2  n  k  1 
F   Y . X21X 2  , dimana Ftabel = F(k,n-k-1) ; a
 1  rY . X1X 2  k 

Dimana : n = banyaknya pengamatan

k = banyaknya variabel X

Hipotesis yang digunakan adalah:

H0 :=0
: tidak ada hubungan antara X1 dan X2 terhadap Y
H1 :≠0
: ada hubungan antara X1 dan X2 terhadap Y

Korelasi Parsial

Digunakan untuk mengetahui hubungan antara beberapa variabel X dan

variabel Y bila salah satu variabel X dibuat tetap.

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

61
 rYX1   rYX 2 rX1X 2 
rYX1. X 2 
1  r 1  r
2
YX 2
2
X1X 2 
dimana rYX1.X2 = korelasi parsial antara variabel Y dan variabel X 1 bila X2 tetap
(dikontrol)

Misalnya ingin diteliti tentang hubungan antara kepemimpinan (X1) dan tata
ruang kantor (X2) dengan kepuasan kerja (Y). Berdasarkan data yang ada
diperoleh hasil sebagai berikut:
 Korelasi antara kepuasan kerja dengan kepemimpinan, rYX1 = 0.45
 Korelasi antara kepuasan kerja dengan tata ruang, rYX2 = 0.48
 Korelasi antara kepemimpinan dengan tata ruang, rX1X2 = 0.22

Berdasarkan data di atas bila ingin diketahui korelasi antara Y dengan X 1

dimana X2 tetap maka diperoleh hasil rYX1.X2 = 0.40

 Uji Signifikansi

Pengujian signifikansi koefisien korelasi parsial dapat dihitung menggunakan

uji F dengan persamaan sebagai berikut:

1. X 2 (n  3)
2
rYX
F , dimana Ftabel = F(1, n - 3) ; a
1  rYX2
1. X 2

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

62
 BAB V
ANALISIS REGRESI SEDERHANA

Apabila variabel X dan Y mempunyai hubungan maka perubahan nilai

variabel yang satu akan mempengaruhi nilai variabel lainnya. Misalnya: Suatu
perusahaan meningkatkan biaya iklan agar penjualan produknya meningkat,
pemerintah mengurangi impor beras agar penjualan beras dalam negeri
meningkat, mahasiswa memperbanyak jam belajar agar memperoleh nilai
bagus dalam ujian, dan lain sebagainya.
Kuat tidaknya hubungan antara X dan Y diukur dengan suatu nilai yang
disebut koefisien korelasi, sedangkan besarnya pengaruh X terhadap Y
diukur dengan koefisien regresi. Hubungan yang terjadi dalam analisis
regresi tidak selalu / tidak harus hubungan yang menunjukkan sebab akibat
Selain untuk melihat besarnya pengaruh, regresi juga dapat digunakan
untuk meramalkan (forecasting) suatu nilai di waktu mendatang
Asumsi yang harus dipenuhi dalam analisis regresi:
 Variabel independent (bebas) dan dependent (terikat)
berdistribusi normal
 Model bersifat linier aditif

Analisis Regresi Sederhana

Persamaan regresi antara variable X dan Y berikut ini dapat dibentuk
apabila populasi dari seluruh pasangan nilai (Xi, Yi) diketahui.
Y=A+BX+ ……………(1)
Dalam prakteknya tidak mungkin mengetahui nilai (Xi, Yi) dalam
populasi, sehingga digunakan data sample. Persamaan garis regresi
menggunakan data sample menjadi:
Y=a+bX+e ……………(2)
Parameter a, b, dan e merupakan nilai taksiran/perkiraan untuk
parameter A, B, dan .Untuk memperoleh nilai a dan b digunakan metode least
square (metode kuadrat terkecil). Prinsip dasar metode ini adalah berusaha
meminimumkan error (e), yaitu selisih antara data asli dengan nilai yang
diperoleh dari garis regresi. Makin kecil nilai error, maka titik-titik data
semakin dekat dengan garis regresi. Jika nilai error sama dengan nol berarti
semua titik data dilalui oleh garis regresi.
Garis yang melalui titik-titik pada gambar di bawah ini disebut garis
regresi dugaan dan memiliki persamaan:
Ŷ = a + b X
Sedangkan sebaran titik-titik data tersebut memenuhi persamaan:
Y=a+bX+e

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

63
 Gambar diagram pencar dari pasangan (Xi, Yi) dalam sample.
Yn
.
. (X3,Y3)
Y3
(X2,Y2)
Ŷ  a  bX
e3
Y2
(X1,Y1) e2
Y1 e1

0 X1 X2 X3 … Xn

Garis regresi dugaan mempunyai persamaan: Ŷ = a + b X

Sedangkan titik-titik data tersebut memenuhi persamaan: Y=a+bX+e
Maka:
ˆ
eYY  dikuadratkan menjadi: ˆ )2
e 2  (Y  Y


 e   Y  Ŷ
2
 2
 karena Ŷ  a  b X , maka:  e 2   ( Y  a  b X ) 2

Dengan menggunakan kalkulus diperoleh hasil sbb:

 e 2
 e 2
 2  Y  a  b X   0
dari  2  X  Y  a  b X   0
a b

(Y - a - bX) = 0 X (Y – a – bX) = 0

 Y -  a - b X = 0 X Y – a X – bX 2 = 0
 Y = n a + b X ………………………..1) X Y = a X + bX 2 ………….2)

persamaan (1) dan persamaan (2) diperoleh hasil sebagai berikut:

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

64
 n  XY   X  Y x y
b
n X 2    X  2 atau b= 2
x
a  Y  bX

dimana:

 x = X
2 2

  X
2

 y =  Y2 
2  Y2
n
XY
 x y =  XY 
n

Interpretasi persamaan regresi Ŷ  a  b X :

 Bertambahnya nilai X sebesar 1 satuan akan meningkatkan nilai Y sebesar b
 Bila X=0, maka nilai Y akan sama dengan a.

Contoh:
Berikut ini adalah data tentang jam kerja karyawan suatu perusahaan beserta
banyaknya produk yang dihasilkan.

Produksi ke- Jam kerja Jumlah produksi

(X) (Y)
1 73 30
2 50 20
3 128 60
4 170 80
5 87 40
6 108 50
7 135 60
8 69 30
9 148 70
10 132 60

Carilah persamaan regresi untuk kasus di atas.

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

65
Jawab:
Untuk menyelesaikan permasalahan tersebut perlu dicari nilai X2 , Y2 , dan XY.
Prod. Jam kerja Jumlah produksi
X2 Y2 XY
Ke- (X) (Y)
1 73 30
2 50 20
3 128 60
4 170 80
5 87 40
6 108 50
7 135 60
8 69 30
9 148 70
10 132 60
Jumlah

Y
Y 
n

X
X
n

Persamaan regresi dugaan: Ŷ  a  b X

n  XY   X  Y
b
n X 2    X  2 =

=
=

a  Y  bX =
=
Jadi persamaannya adalah:
Interpretasi: Peningkatan jam kerja sebesar 1 satuan akan meningkatkan
jumlah produksi sebesar 0.498. Sedangkan bila jam kerja
ditiadakan maka jumlah produksi yang dihasilkan sebesar -0.478

Simpangan baku sisaan (standard error/ Se)

Digunakan untuk mengetahui sejauh mana garis regresi dapat mencerminkan
keadaan data secara menyeluruh. Formula yang digunakan adalah:

SSE
s2 
n2

Dimana:

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

66
 SSE = SStotal - SSregresi
SS total    Yi  Y    Yi2  n Y 2
n n
2

i 1 i 1

 n n

 n  X i  Yi 
 
n
SS regresi   Ŷ  Y
2
 b S xy = b   X i Yi  i 1 i 1 
 i 1 n 
i 1
 
 

Semakin kecil nilai s, maka titik-titik data semakin terkonsentrasi di sekitar

garis regresi. Sedangkan semakin besar nilai s, maka semakin jauh jarak
pencaran data dengan garis regresi.

Pengujian
Salah satu tujuan dari analisis regresi adalah untuk membuat prediksi nilai
variabel dependen berdasarkan persamaan regresi yang diperoleh. Prediksi
dapat dilakukan setelah diperoleh bukti yang cukup bahwa persamaan yang
dihasilkan oleh regresi adalah persamaan yang dapat menggambarkan pola
hubungan antara variabel dependen dan variabel independen dengan cukup
baik. Untuk itu sebelum melakukan prediksi terlebih dahulu dilakukan
pengujian terhadap persamaan. Ada dua macam pengujian yang dilakukan
yaitu pengujian terhadap persamaan dan pengujian terhadap koefisien regresi.

Pengujian Persamaan Regresi

Hipotesa :
H0 : Persamaan regresi tidak signifikan
H1 : Persamaan regresi signifikan

Statistik uji : dirangkum dalam sebuah tabel yang disebut tabel Anava

Tabel Anava
Sumber df
variasi SS MS F
Regresi 1 SS regresi MS regresi F hitung
Error n–2 SS error MS error
Total n-1 SS total

df : degree of freedom SS : Sum of Square

MS : Mean Square
SSE = SStotal - SSregresi

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

67
SS total    Yi  Y    Yi2  n Y 2
n n
2

i 1 i 1

 n n

 X i  Yi
 
n 2  n 
SS regresi   Ŷ  Y  b SS xy = b   X i Yi  i 1 i 1 
i 1  i 1 n 
 
 
SS regresi
MSregresi 
df regresi
SS error
MS error 
df error
MS regresi
Fhitung 
MS error

Kriteria penolakan H0 :
Fhitung  Fa; df regresi; df error
Pengujian ini dilakukan untuk menguji persamaan secara keseluruhan. Jika
pengujian menolak H0, maka dapat disimpulkan bahwa persamaan itu cukup
berarti dalam menggambarkan pola hubungan antara kedua variabel tersebut.
Jika persamaan cukup berarti (signifikan) maka persamaan itu dapat dipakai
untuk memprediksi nilai variabel dependen.

Pengujian Koefisien Regresi

Koefisien a
Hipotesa : H0 : a = a0
H1 : a  a0
a  a0 
t hitung 
Statistik uji : 1 x2
s 
n S 2x
s  MS error
df  n  2
t hitung  t a
Kriteria penolakan H0 : ;df
2

Koefisien b
Hipotesa : H0 : b = b0
H 1 : b  b0

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

68
   n X 
2

   i 

Statistik uji : t hitung 
 b  β0  SS 2
x  n
dimana SS x    X i 
2  i 1  
i 1 n 
s  
 
df  n  2
t hitung  t a
Kriteria penolakan H0 : ;df
2

Catatan: a0 dan b0 adalah konstanta sembarang (bisa juga bernilai nol) yang
nilainya ditentukan oleh peneliti.

Koefisien Determinasi (R2)

Merupakan kuadrat dari koefisien korelasi, digunakan untuk menyatakan
proporsi dari total variasi data variabel Y yang dapat dijelaskan oleh
persamaan regresi.
SS regresi
R2  x 100 %; 0  R 2  100%
SS total

Contoh:
1. Seorang Ketua jurusan Teknik Elektro di Universitas X, sedang membuat
perencanaan kurikulum. Ada keinginan untuk meningkatkan kemampuan mahasiswa
di mata kuliah-mata kuliah utama agar nantinya setelah lulus, mereka mendapatkan
pekerjaan dengan gaji yang cukup baik. Untuk mendukung usaha ini ia ingin
memperlihatkan bahwa dari data lulusan teknik Elektro selama 7 tahun terakhir
terdapat korelasi positif antara gaji awal yang diterima dengan rata-rata nilai pada
mata kuliah- mata kuliah utama.
nilai 2,58 3,27 3,85 3,50 3,33 2,89 2,23
Gaji 16,5 18,8 19,5 19,2 18,5 16,6 15,6
($ribu)

a. Lakukan analisis dengan menghitung nilai koefisien korelasi. Buktikan

apakah dugaan ketua jurusan tersebut benar (a = 5%).
b. Lakukan analisis regresi untuk memperlihatkan bentuk hubungan yang
terjadi antara kedua variabel tersebut ?
c. Hitung koefisien determinasi dari data di atas ! Interpretasikan hasilnya !

2. Tabel berikut menunjukkan pengeluaran iklan volume penjualan selama 10

bulan

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

69
a. Lakukan analisis regresi untuk memperlihatkan bentuk hubungan yang
terjadi antara kedua variabel tersebut ?
b. Hitung koefisien determinasi dari data di atas ! Interpretasikan hasilnya !

BAB VI
ANALISIS REGRESI LINIER GANDA
Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

70
Bentuk umum persamaan regresi ganda untuk k variable dapat dirumuskan
sbb:

Y= a+ b1 X1 + b2 X2 + b3 X3 + …+ bk Xk
Sehingga untuk regresi ganda dengan 2 variabel bebas persamaannya adalah:

Y= a+ b1 X1 + b2 X2

Dapat diubah menjadi:

Ŷ- Y  b1  X1  X1   b 2  X 2  X 2  ...... 1)
y  b 1 x1  b 2 x 2 ...... 2)

Sama halnya dengan regresi linier sederhana (hanya ada 1 variabel bebas),
untuk memperoleh nilai koefisien regresi digunakan persamaan sebagai
berikut:
 x1y  b1  x12  b 2  x1x2 ...... 3)
 x 2 y  b 1  x1 x 2  b 2  x 2
2
...... 4)
 X1  Y
Dimana:  x1 y   X1Y- n
  X1  2

 x12   X12 - n
 x1 x2 =  X 1 X 2 
 X1  X 2
n
Persamaan 3) dan 4) dapat diselesaikan menggunakan substitusi dan eliminasi.
Setelah diperoleh nilai koefisien regresi masukkan nilai-nilai tersebut ke
persamaan 1)

Contoh:

Seseorang melakukan penelitian untuk mengetahui hubungan dan pengaruh

variable harga dan pendapatan terhadap permintaan minyak goreng. Berikut ini
adalah hasil penelitiannya

No Permin Harga Penda YX1 YX2 Y2 X1 2 X12 X1X2

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

71
 taan minyak patan
sampe minyak (Rp (Rp
l (lt/bl) ribu/lt) juta/bl)
Y X1 X2
1 3 8 10
2 4 7 10
3 5 7 8
4 6 7 5
5 6 6 4
6 7 6 3
7 8 6 2
8 9 6 2
9 10 5 1
10 10 5 1
Jml
Rata-
rata

Sehingga diperoleh:

X Y
x y   X1 Y-
1
1
n
=
X Y
x y   X 2 Y-
2
2
n
=
 X  2

x  X -
2 2 1
1 1
n
=
 X  2

x  X -
2 2 2
2 2
n
=

x X X
X X
1 2
1 x2 = 1 2 
n

Substitusi ke persamaan 3) dan 4) sehingga diperoleh:

-19.4 = 8.1 b1 + 27.2 b2 ...... 3)

- 73.8 = 27.2 b1 + 112.4 b2 ...... 4)
Persamaan 3) dikalikan 27.2 dan persamaan 4) dikalikan 8.1 sehingga menjadi:

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

72
 -527.68 = 220.32 b1 + 739.84 b2
- 597.78 = 220.32 b1 + 910.44 b2
70.10 = - 170.60 b2
b2= - 0.411 ...... 5)
substitusi ke persamaan 3) atau 4) dan diperoleh:
-19.4 = 8.1 b1 + 27.2 b2
-19.4 = 8.1 b1 + 27.2 (- 0.411)
- 8.22 = 8.11 b1
b1 = - 1.014 …... 6)

substitusi ke persamaan 1)
Ŷ - Y  b1  X 1  X1   b 2  X 2  X 2 

Y – 6.8 = – 1.014 X1 + 6.388 – 0.411X2 + 1.891

Y = 15.079 – 1.014 X1 – 0.411X2
Persamaan regresinya adalah:
Y = 15.079 – 1.014 X1 – 0.411X2
Dari persamaan tersebut dapat kita lihat hubungan dan besar
pengaruh harga (X1) dan pendapatan (X2) terhadap permintaan minyak
goreng (Y). Apabila harga minyak goreng naik Rp 1000, maka permintaan
minyak akan turun 1.014 bila pendapatan dianggap tidak berubah (tetap).
Sedangkan bila pendapatan naik Rp 1 juta maka permintaan minyak akan turun
sebesar 0.411 bila harga minyak goreng dianggap tetap

PENGUJIAN HIPOTESIS PADA REGRESI BERGANDA

Uji Persamaan regresi / Uji F

Digunakan untuk mengetahui apakah persamaan garis regresi dapat
digunakan untuk meramalkan/memprediksi nilai Y

Langkah-langkahnya adalah:
1. Menyusun hipotesis
H0 : bb = 0 (persamaan regresi tidak signifikan)
H1 : b≠b ≠ 0 (persamaan regresi signifikan)

2. Mencari Fhit menggunakan tabel ANOVA

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

73
  Y 2

SST (SS total) = Y 2


n

SSR (SS regresi) = b 1  x1 y  b 2  x2 y

SSE (SS error) = SST-SSR

R 2 /k b 1  x1 y  b 2  x 2 y
Fhit = dimana R2 
1 - R 2  / n  k  1 y 2

R2 = koef.determinasi ganda (R2y.x1x2)

3. Menentukan Ftab  F(k, n-k-1); a, kemudian membandingkannya dengan Fhit.

4. Menarik kesimpulan dari hipotesis

Uji signifikasi parsial atau individual / Uji t

Digunakan untuk mengetahui apakah variable bebas (X 1, X2)

menjelaskan / mempengaruhi variable tak bebas (Y) secara individual.
Langkah-langkahnya adalah:
1. Menyusun hipotesis
a. H0 : b b. H0 :b = 0
H1 : b≠ H1 : b ≠ 0

2. Menentukan t hitung.
b1  b 1
Untuk b1 : thit =
Sb1
b2  b2
Untuk b2 : thit =
Sb 2

dimana
 Sb1 = kesalahan baku penduga b1 (standard error estimation b1)
s
=
  x 1  r
2
1
2
x 1x 2 
 Sb2 = kesalahan baku penduga b2 (standard error estimation b2)
s
=
  x 1  r
2
2
2
x1 x 2 

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

74
  s = standard error variabel y berdasarkan variabel x yang diketahui

= y 2
 b 1  x1 y  b 2  x 2 y
n  k 1
 rx1x2 = Koefisien korelasi sederhana (pearson) antara x1 dan x2

3. Menentukan ttabel = t(n-k-1); (a/2) uji 2 arah karena hipotesis bertanda ≠

4. Membandingkan ttab dengan thitung,
5. Menyimpulkan hipotesis

KOEFISIEN DETERMINASI GANDA

b 1  x1 y  b 2  x 2 y
R2  .100% ( % keragaman Y yang dapat diterangkan
y 2

oleh X1 dan X2 )
Sehingga koefisien korelasi ganda antara Y dengan X1 dan X 2 dapat juga
diperoleh dengan cara berikut:
ry.x1x2 = R 2

UJI ASUMSI KLASIK

Uji asumsi klasik dilakukan agar nilai parameter yang diperoleh dari persamaan
regresi tidak bias. Uji yang harus dilakukan adalah:
1. uji normalitas
2. uji multikolinieritas
3. uji heterokedasitas
4. uji autokorelasi

Catatan:
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..
…………………………………………………………………………………..

75