MAKALAH STATISTIKA II

RANGKUMAN MATERI PEMBAHAN POPULASI DAN SAMPEL,

PENGUJIAN HIPOTESIS, ANALISIS KORELASI GANDA,
ANALISIS REGRESI GANDA, ANALISIS JALUR, UJI ASUMSI
PARAMETRIK DAN UJI NON PARAMETRIK

DOSEN PENGAMPU : MUSNAINI, S.E, M.M

DI SUSUN OLEH :

ARISA PUTRI
NPM : 1710075612028
JURUSAN : EKONOMI MANAJEMEN

UNIVERSITAS MUHAMMADIYAH JAMBI

TAHUN 2019
 KATA PENGANTAR

Puji dan syukur kami panjatkan kehadirat Tuhan Yang Maha Esa, karena berkat
limpahan rahmat dan karunia-Nya kami dapat menyusun makalah ini dengan baik dan
tepat pada waktunya.

Makalah ini dibuat dengan beberapa bantuan dari berbagai pihak untuk
membantu menyelesaikan tantangan dan hambatan selama mengerjakan makalah ini.
Oleh karena itu, kami mengucapkan terima kasih yang sebesar-besarnya kepada semua
pihak yang telah membantu dalam penyusunan makalah ini.

Kami menyadari bahwa masih banyak kekurangan yang mendasar pada makalah
ini. Oleh karena itu, kami mengundang pembaca untuk memberikan saran serta kritik
yang dapat membangun kami. Kritik konstruktif dari pembaca sangat kami harapkan
untuk penyempurnaan makalah selanjutnya.

Akhir kata semoga makalah ini dapat memberikan manfaat bagi kita sekalian.

Jambi, Desembar 2019

Kelompok I
 DAFTAR ISI

Hal

KATA PENGANTAR ............................................................................. i

DAFTAR ISI ………............................................................................. ii
DAFTAR PUSTAKA ……….................................................................... iii

BAB I PENDAHULUAN ........................................................................ 5

1.1 Latar Belakang ........................................................................... 5
1.2 Rumusan Masalah ....................................................................... 6
1.3 Tujuan ........................................................................................ 6

BAB II PEMBAHASAN ......................................................................... 7

2.1 Populasi dan Sampling ................................................................. 7
2.1.1 Pengertian Populasi.......................................................... 7
2.1.2 Pengertian Sampel............................................................. 8
2.1.3 Jenis-jenis Populasi............................................................ 10
2.1.4 Cara Pengambilan Sampel atau Teknik Sampling ................ 11
2.2 Pengujian Hipotesis ..................................................................... 13
2.2.1 Pengertian Hipotesis.......................................................... 13
2.2.2 Kegunaan Hipotesis........................................................... 16
2.2.3 Arah Atau Bentuk Uji Hipotesis......................................... 16
2.2.4 Jenis-jenis Hipotesis........................................................... 17
2.2.5 Prosedur Pengujian Hipotesis............................................. 19
2.2.6 Manfaat Hipotesis............................................................. 19
2.3 Analisis Korelasi Ganda ............................................................... 20
2.3.1 Pengertian Analisis Korelasi Ganda............................................... 20
2.3.2 Contoh Penggunaan Korelasi Ganda............................................... 21
2.4 Analisis Regresi Ganda ................................................................. 23
2.4.1 Pengertian Analisis Regresi Ganda................................................. 23
2.4.2 Langkah-langkah menyelesaikan persamaan regresi berganda .......... 24
2.4.3 Perbedaan Regresi Linear Berganda dan Sederhana........................ 24
2.4.4 Contoh kasus............................................................................... 25
2.5 Analisis Jalur .................................................................................... ... 27
2.5.1 Pengertian Analisis Jalur............................................................... 27
2.5.2 Asumsi-asumsi Analisis Jalur........................................................ 28
2.5.3 Syarat-syarat penggunaan Analisis Jalur......................................... 28
2.5.4 Manfaat Analisis Jalur.................................................................. 29
2.5.5 Keuntungan dan Kelemahan Analisis Jalur..................................... 29
2.5.6 Model Analisis Jalur..................................................................... 30
2.6 Uji Asumsi Parametrik.................................................................. 32
2.6.1 Pengertian Statistik Parametrik...................................................... 32
2.6.2 Keunggulan dan kelemahan statistik parametrik............................. 34
2.6.3 Beberapa metode statistik parametrik............................................. 34
2.7 Uji Non Parametrik...................................................................... 35
2.7.1 Pengertian Uji Non Parametrik...................................................... 35
2.7.2 Berikut beberapa uji statistik non parametrik.................................. 36

BAB III KESIMPULAN DAN SARAN ..................................................... 40

3.1 Kesimpulan .................................................................................. 40
3.2 Saran .......................................................................................... 40
 BAB I
PENDAHULUAN

1.1 LATAR BELAKANG

Definisi statistika menurut para ahli atau Pengertian statistika menurut para
ahli – Statistik berasal dari kata state yang artinya negara. Dalam pengertian yang
paling sederhana statistik artinya data. Dalam pengertian yang lebih luas, statistik
dapat diartikan sebagai kumpulan data dalam bentuk angka maupun bukan angka
yang disusun dalam bentuk tabel (daftar) dan atau diagram yang menggambarkan
(berkaitan) dengan suatu masalah tertentu.
Dalam perkembangan Ilmu Pengetahuan dan Teknologi (IPTEK) saat ini,
bahwa ilmu statistika telah mempengaruhi hampir seluruh aspek kehidupan
manusia. Hampir semua kebijakan publik dan keputusan-keputusan yang diambil
oleh pakar ilmu pegetahuan atau para eksekutif (dalam ruang lingkup ilmu mereka)
didasarkan dengan metode statistika serta
hasil analisis dan interpretasi data, baik secara kuantitatif maupun
kualitatif.Salah satu kegiatan dalam pembuatan laporan hasil penelitian yang telah
dilakukan agar dapat dipahami dan dianalisis sesuai dengan tujuan yang diinginkan
dinamakan Penyajian Data.Data yang disajikan harus sederhana dan jelas agar
mudah dibaca.Penyajian data juga dimaksudkan agar para pengamat dapat dengan
mudah memahami apa yang kita sajikan untuk selanjutnya dilakukan penilaian atau
perbandingan dan lain-lain
Statistik adalah hasil-hasil pengolahan dan analisis data. Statistik dapat
berupa mean, modus, median, dan sebagainya. Statistik dapat digunakan untuk
menyatakan kesimpulan data berbentuk bilangan yang disusun dalam bentuk tabel
atau diagram yang menggambarkan karakteristik data.
Statistika adalah ilmu pengetahuan yang berhubungan dengan cara-cara
pengumpulan dan penyusunan data, pengolahan data, dan penganalisisan data, serta
penyajian data berdasarkan kumpulan dan analisis data yang dilakukan. Salah satu
ilmu yang mendasari dalam mempelajari statistika adalah peluang atau
probabilitas.
Dalam mengaplikasikan statistika terhadap permasalahan sains, industri,
atau sosial, pertama-tama dimulai dari mempelajari populasi. Makna populasi
dalam statistika dapat berarti populasi benda hidup, benda mati, ataupun benda
 abstrak. Populasi juga dapat berupa pengukuran sebuah proses dalam waktu yang
berbeda-beda, yakni dikenal dengan istilah deret waktu.
Melakukan pendataan (pengumpulan data) seluruh populasi dinamakan
sensus. Sebuah sensus tentu memerlukan waktu dan biaya yang tinggi. Untuk itu,
dalam statistika seringkali dilakukan pengambilan sampel (sampling), yakni
sebagian kecil dari populasi, yang dapat mewakili seluruh populasi. Analisis data
dari sampel nantinya digunakan untuk menggeneralisasi seluruh populasi.
Jika sampel yang diambil cukup representatif, inferensial (pengambilan
keputusan) dan simpulan yang dibuat dari sampel dapat digunakan untuk
menggambarkan populasi secara keseluruhan. Metode statistika tentang bagaimana
cara mengambil sampel yang tepat dinamakan teknik sampling.
Analisis statistik banyak menggunakan probabilitas sebagai konsep
dasarnya hal terlihat banyak digunakannya uji statistika yang mengambil dasar
pada sebaran peluang. Sedangkan matematika statistika merupakan cabang dari
matematika terapan yang menggunakan teori probabilitas dan analisis matematika
untuk mendapatkan dasar-dasar teori statistika

1.2 RUMUSAN MASALAH

Berdasarkan uraian latar belakang diatas, maka dalam makalah ini ada
beberapa rumusan masalah yang terkaji yakni :

1. Apa yang dimaksud dengan Populasi dan Sampel ?

2. Apa yang dimaksud dengan Pengujian Hipotesis ?
3. Apa yang dimaksud dengan Analisis Korelasi Ganda ?
4. Apa yang dimaksud dengan Analisis Regresi Ganda ?
5. Apa yang dimaksud dengan Analisis Jalur ?
6. Apa yang dimaksud dengan Uji Asusmsi Parametrik ?
7. Apa yang dimaksud dengan Uji Nonparametrik ?
1.3 TUJUAN

Tujuan yang ingin dicapai dalam penulisan makalah ini adalah sebagai berikut:
1. Menjabarkan dan menjelaskanPopulasi dan Sampel
2. Menjabarkan dan menjelaskan Pengujian Hipotesis beserta fungsinya.
3. Menjabarkan dan menjelaskan Analisis Korelasi Ganda dan fungsinya.
4. Menjabarkan dan menjelaskanAnalisis Regersi Ganda dan fungsinya.
5. Menjabarkan dan menjelaskanAnalisi Jalur dan fungsinya.
6. Menjabarkan dan menjelaskanUji asumsi parametrik dan fungsinya.
7. Menjabarkan dan menjelaskanUji Nonparametrik dan fungsinya
 BAB II
PEMBAHASAN

2.1 POPULASI DAN SAMPLING

2.1.1 Pengertian Populasi

Dalam kerangka penelitian (terutama sekali penelitian kuantitatif), populasi

merupakan salah satu hal yang esensial dan perlu mendapat perhatian dengan
saksama apabila peneliti ingin menyimpulkan suatu hasil yang dapat dipercaya dan
tepat guna utuk daerah (area) atau objek penelitiannya. Sax (1978) menyatakan
bahwa populasi adalah keseluruhan manusia yang terdapat dalam area yang telah
ditetapkan, sedangkan Truckman mengemukakan bahwa populasi atau target
populasi adalah kelompok dari mana peneliti mengumpulkan informasi dan kepada
siapa kesimpulan akan digambarkan.
Populasi adalah wilayah generalisasi yang terdiri atas obyek atau subyek
yang mempunyai kualitas dan karateristik tertentu yang ditetapkan oleh peneliti
untuk dipelajari dan kemudian ditarik kesimpulannya. Jadi populasi bukan hanya
orang, tetapi juga obyek dan benda-benda alam yang lain.
Contoh : - Populasi umum adalah seluruh dosen negeri di Yogyakarta
- Populasi targetnya adalah seluruh dosen M IPA di Yogyakarta
- Maka hasil penelitian kita tidak berlaku bagi dosen diluar fakultas
MIPA
Orang, benda, lembaga, organisasi, dsb. Yang menjadi sasaran penelitian
merupakan anggota populasi. Anggota populasi yang terdiri dari orang-orang biasa
disebut dengan subjek penelitian, sedangkan anggota penelitian yang terdiri dari
benda-benda atau bukan orang sering disebut dengan objek penelitian.

2.1.2 Pengertian Sampel

Sampel adalah bagian darui populasi yang memiliki sifat-sifat yang sama
dari objek yang merupakan sumber data. Secara sederhana sampel dapat dikatakan,
bahwa sampel adalah sebagian dari populasi yang terpilih dan mewakili populasi
tersebut. Sebagian dan mewakili dalam batasan diatas merupakan dua kata kunci
dan merujuk pada semua ciri populasi dalam jumlah yang terbatas pada masing-
masing karakteristiknya.

 Ciri-ciri sampel yang baik sebagai berikut:

a. Sampel dipilih dengan cara hati-hati, dengan menggunakan cara tertentu
dengan benar.
b. Sampel harus mewakili populasi, sehingga gambaran yng diberikan
mewakili keseluruhan karakteristik yang terdapat pada populasi.
c. Besarnya ukuran sampel hendaklah mempertimbangkan tingkat
kesalahan sampel yang dapat ditoleransi dan tingkat kepercayaan yang
dapat diterima secara statistik.

Suatu sampel dikatakan representatif apabila ciri-ciri sampel yang

berkaitan dengan tujuan penelitian sama atau hampir sama dengan ciri-ciri
populasinya. Dengan sampel yang representatif seperti ini, maka informasi yang
dikumpulkan dari sampel hampir sama telitinya dengan informasi yang dapat
dikumpulkan dari populasinya.
Dengan pendekatan statistik, kita dapat menentukan besarnya suatu sampel
jika kita dapat memperkirakan besarnya simpangan baku (standard deviation)
populasi dan kita menetapkan kesalahan maksimum yang dapat kita terima dalam
menaksir rata-rata populasi.
Ada beberapa kekeliruan yang mengakibatkan bias dalam penarikan
sampel (Nana Syaodih Sukmadinata, 2009) antara lain:
a) Dalam menentukan populasi target.
Contoh : populasi target dalam penelitian adalah guru IPA SMA Negeri, tapi
dalam penarikan sampel hanya dilakukan pada guru biologi saja.
b) Karakteristik sampel yang diambil tidak mewakili karakteristik populasi
target.
Contoh: penelitiannya adalah presepsi para siswa terhadappemberian layanan
BK disekolah, tapi angketnya diberikan kepada seluruh siswa termasuk siswa
yang belum mendapatkan layanan BK di sekolah.
c) Salah dalam menentukan wilayah.
Contoh: populasi target adalah seluruh DIY, tapi penarikan sampel hanya
dilakukan di daerah perdesaan saja.
d) Jumlah sampel yang terlalu kecil, tidak proporsional dengan jumlah
populasinya.
e) Kombinasi dari beberapa kekeliruan diatas.

2.1.3 Jenis-jenis Populasi

1. Populasi berdasarkan atas jumlah, dibedakan menjadi:

a. Populasi terbatas (definite), yaitu objek penelitian yang dapat dihitung,
seperti luas area sawah, jumlah ternak, jumlah murid, dan jumlah
mahasiswa.
b. Populasi tak terbatas (indefinite), yaitu objek penelitian yang mempunyai
jumlah tak terbatas, atau sulit dihitng jumlahnya; seperti tinta, air, pasir di
pantai, padi di sawah, atau beras di gudang
2. Populasi berdasarkan atas turunan dari populasi terbatas tetapi dengan ruang
lingkupyang lebih dipersempit, yang digolongkan menjadi:
a. Populasi teoritis, yaitu populasi yang diturunkan dari populasi terbatas,
memugkinkan hasil penelitian berlaku untuk lingkungan populasi yang
lebih luas.
b. Populasi tersedia (Accessible ppulation), yaitu populasi turunan dari
populasi teoritis yang akan dilakukan penelitian dengan
mempertimbangkan jumlah dana, waktu dan tenaga yang tersedia dengan
memperhatikan karakteristik yang telah ditentukan pada populasi teoritis.
3. Populasi berdasarkan atas variasi unsur pembentuk sumber data:
a. Populasi bersifat homogen, yaitu populasi dimana sumber datanya yang
unsur-unsur pembentuknya memiliki sifat yang sama. Populasi semacam
ini banyak dijumpai dalam bidang ilmu keteknikan.
b. Populasi bersifat heterogen, yaitu populasi dimana pembentuk sumber data
yang unsur-unsurnya memiliki sifat-sifat atau keadaan yang bervariasi
sehingga perlu ditetapkan lebih lanjut batas-batasnya baik secara kualitatif
maupun kuantitatif.

2.1.4 Cara Pengambilan Sampel atau Teknik Sampling

Teknik sampling adalah merupakan teknik pengambilan sampel. Untuk

menentukan sampel yang akan digunakan dalam penelitian, terdapat berbagai
teknik sampling yang digunakan. Macam-macam teknik sampling:
1. Probabillity Sampling(pengambilan sampel bardasarkan peluang)
 Probabillity Sampling adalah teknik pengambilan sampel yang
memberikan peluang yang sama bagi setiap unsur (anggota) populasi untuk
dipilih menjadi anggota sampel. Teknik ini meliputi:
a. Simple Random Sampling (pengambilan sampel secara acak)
Dikatakan simple (sederhana) karena pengambilan anggota sampel
dari populasi dilakukan secara acak tanpa memperhatikan strata yang ada
dalam populasi itu. Prosedur pengambilan sampel dalam suatu survei
biasanya dilakukan tanpa pengembalian. Pengambilan sampel tanpa
pengembalian seperti ini disebut simple random sampling (Bailey, 1982).
b. Propotionate Stratified Random Sampling
Teknik ini digunakan bila populasi mempunyai anggota atau unsur
yang tidak homogen dan berstrata secara proporsional.
c. Disproportionate Stratified Random Sampling
Teknik ini digunakan untuk menentukan jumlah sampel,bila
populasi berstrata tetapi kurang proporsional.
d. Cluster sampling (Area Sampling)
Digunakan untuk menentukan sampel bila obyek yang akan diteliti
atau sumber data sangat luas,misal penduduk dari suatu negara, provinsi
atau kabupaten. Arti cluster adalah tandan, rumpun, atau kelompok.
Berbeda dengan teknik-teknik sampling sebelumnya, dalam teknik
samplin ini yang menjadi unit sampling dalam kerangka sampling adalah
rumpun-rumpun, bukan unsur-unsur sampling itu sendiri. Oleh karena itu,
dengan teknik sampling ini akan dilakukan pengambilan sampel lebih
dari satu tahap yang disebut multi-stage random sampling. Pada tahap
pertama, dipilih beberapa rumpun dari semua rumpun yang ada. Pada
tahap kedua, dapat dipilih rumpun-rumpun yang lebih kecil daripada
rumpun yang sudah terpilih, atau dapat langsung dipilih unsur-unsurnya,
bergantung kepada sifat populasinya.
2. Non Probability sampling (pengambilan sampel tidak berdasarkan peluang)
Nonprobability sampling adalah teknik pengambilan sampel yang tidak
memberi peluang atau kesempatan sama bagi setiap unsur atau anggota
populasi untuk dipilih menjadi sampel. Dengan demikian, sampel yang
diambil tidak dapat dikatakan sebagai sampel yang representatif sehingga
sukar untuk melakukan generalisasi di luar sampel yang diteliti. Teknik
sampling ini meliputi :
(a) Teknik sistematis
 Adalah teknik pengambilan sampel berdasarkan urutan dari anggota
populasi yang telah diberi nomor urut. Sampling kuota adalah teknik
untuk menentukan sampel dari populasi yang memiliki ciri-ciri tertentu
sampai jumlah yang di inginkan. Teknik ini mirip teknik stratified
random sampling, kecuali tanpa menggunakan teknik acak. Setiap lapisan
dalam populasi harus mewakili dengan proporsi yang sama seperti
proporsi dala populasinya. Dengan proporsi tersebut maka jumlah unsur
atau kuota untuk setiap lapisan dapat ditentukan. Siapa yang akan diambil
sebagai anggota sampel dari setiap lapisan (stratum), diserahkan kepada
pengumpul data, asalkan ia termasuk dalam lapisan yang bersangkutan
dan jumlahnya sesuai dengan yang telah ditetapkan sebelumnya.
(b) Accidental sampling (pengambilan sampel secara kebetulan)
Adalah teknik penentuan sampel berdasarkan kebetulan, yaitu siapa
saja yang secara kebetulan bertemu dengan peneliti dapat digunakan
sebagai sampel, bila dipandang orang yang kebetulan ditemui itu cocok
sebagai sumber data. Teknik ini juga disebut incidental sampling atau
convenience sampling. Seperti ditunjukan oleh namanya, orang yang
diambil sebagai anggota sampel adalah mereka yang kebetulan
ditemukan atau mereka yang mudah ditemui atau di jangkau.
(c) Sampling purposive
Adalah teknik penentuan sampel dengan pertimbangan tertentu.
Dalam teknik ini, siapa yang akan diambil sebagai anggota sampel
diserahkan pada pertimbangan pengumpul data yang menurut dia sesuai
dengan maksud dan tujuan penelitian. Jadi, pengumpul data yang telah
diberi penjelasan oleh penelitiakan mengambil siapa saja yang menurut
pertimbangannya sesuai dengan maksud dan tujuan penelitian.
(d) Sampling jenuh
Adalah teknik penentuan sampel bila semua anggota populasi
digunakan sebagai sampel. Hal ini sering dilakukan bila populasi yang
relative kecil, kurang dari 30 orang, atau penelitian yang ingin membuat
generalisasi dengan kesalahan yang sangat kecil. Istilah lain sampel jenuh
adalah sensus, dimana semua anggota populasi dijadikan sampel.
(e) Snowball sampling (pengambilan sampel seperi bola salju)
Adalah teknik penentuan sampel yang mula-mula jumlahnya kecil,
kemudian membesar. Dalam teknik ini, penugumpulan data dimulai dari
beberapa orang yang memenuhi kriteria untuk dijadikan anggota sampel.
 Mereka kemudian mejadi sumber informasi tentang orang-orang lain
yang juga dapat dijadikan anggota sampel dan selanjutnya diminta
menunjukkan orang lain lagi yang memenuhi kriteria menjadi anggota
sampel. Demikian prosedur ini dilanjutkan sampai jumlah anggota
sampel yang diinginkan terpenuhi.

2.2 PENGUJIAN HIPOTESIS

2.2.1 Pengertian Hipotesis

Dari arti katanya hipotesis memang dari dua penggalan. kata “hypo” yang
artinya “sementara atau lemah keberadaannya” dan “thesis” yang artinya
“pernyataan atau teori”. hipotesis pada dasarnya merupakan proposisi atau
anggapan yang mungkin benar, dan sering digunakan sebagai dasar pembuatan
suatu keputusan/ pemecahan persoalan ataupun dasar penelitian lebih lanjut.
Anggapan suatu hipotesis juga merupakan sebagai data. Akan tetapi kemungkinan
bisa salah, apabila digunakan sebagi dasar pembuatan keputusan harus terlebih
dahulu diuji dengan menggunakan data hasil observasi.
Uji Hipotesis adalah metode pengambilan keputusan yang didasarkan
dari analisa data, baik dari percobaan yang terkontrol, maupun dari observasi (tidak
terkontrol). Dalam statistik sebuah hasil bisa dikatakan signifikan secara statistik
jika kejadian tersebut hampir tidak mungkin disebabkan oleh factor yang
kebetulan, sesuai dengan batas probabilitas yang sudah ditentukan sebelumnya.
Uji hipotesis kadang disebut juga “konfirmasi analisa data”. Keputusan
dari uji hipotesis hampir selalu dibuat berdasarkan pengujian hipotesis nol. Ini
adalah pengujian untuk menjawab pertanyaan yang mengasumsikan hipotesis nol
adalah benar.
Interpretasi, Jika nilai p lebih kecil dari tingkat signifikan test yang
diharapkan, maka hipotesis nol bisa di tolak. Jika nilai p tidak lebih kecil dari
tingkat signifikan test yang diharapkan bisa disimpulkan bahwa tidak cukup bukti
untuk menolak hipotesa nol, dan bisa disimpulkan bahwa hipotesa alternatiflah
yang benar.
Karena ketidaktahuan apakah H0 atau H1 yang benar maka kita harus
mencoba untuk mebuat keseimbangan dari keduanya. Umumnya kita
mengandalkan bahwa H0 benar sehingga kita diharapkan pada kesalahan I saja (α)
karena kesalahan II digunakan untuk menentukan kekuatan uji yang ditentukan.
 Selang kepercayaan (1-α) sebuah parameter dalam praduga selang
berkaitan erat dengan pengujian hipotesis jika H1 ditolak dengan taraf yang nyata
maka selang kepercayaan (1-α) tidak mengandung parameter spesifik yang
ditetapkan dalam H0.

 Definisi berikut diambil dari buku karangan Lehmann dan Romano:

1) Hipotesis statistik adalah Sebuah pernyataan tentang parameter yang
menjelaskan sebuah populasi (bukan sampel).
2) Statistik adalah Angka yang dihitung dari sekumpulan sampel.
3) Hipotesis nol (H0) adalah Sebuah hipotesis yang berlawanan dengan
teori yang akan dibuktikan.
4) Hipotesis alternatif (H1) adalah Sebuah hipotesis (kadang gabungan)
yang berhubungan dengan teori yang akan dibuktikan.
5) Tes Statistik adalah Sebuah prosedur dimana masukannya adalah sampel
dan hasilnya adalah hipotesis.
6) Daerah penerimaan adalah Nilai dari tes statistik yang menggagalkan
untuk penolakan hipotesis nol.
7) Daerah penolakan adalah Nilai dari tes statistik untuk penolakan
hipotesis nol.
8) Kekuatan Statistik (1 − β) adalah Probabilitas kebenaran pada saat
menolak hipotesis nol.
9) Tingkat signifikan test (α) adalah Probabilitas kesalahan pada saat
menolak hipotesis nol.
10) Nilai P (P-value) adalah Probabilitas, mengasumsikan hipotesis nol
benar.
 Berikut adalah definisi hipotesis menurut para ahli:
 Trealese (1960) memberikan definisi hipotesis sebagai suatu keterangan
semnatara dari suatu fakta yang dapat diamati.
 Good dan scates (1954) menyatakan bahwa hipotesis adalah sebuah
taksiran atau referensi yang dirumuskan serta diterima untuk sementara
yang dapat menerangkan fakta-fakta yang diamati ataupun kondisi-
kondisi yang diamati dan digunakan sebagai petunjuk untuk langkah-
langkah selanjutnya.
 Kerlinger (1973) menyatakan hipotesis adalah pernyataan yang bersifat
terkaan dari hubungan antara dua atau lebih variabel .
 Apabila peneliti telah mendalami permasalahan penelitiannya
dengan seksama serta menetapkan anggapan dasar, maka lalu membuat
suatu teori sementara yang kebenarannya masih perlu di uji (di bawah
kebenaran). Inilah hipotesis peneliti akan bekerja berdasarkan hipotesis.
Berdasarkan data yang terkumpul, peneliti akan menguji apakah hipotesis
yang dirumuskan dapat naik status menjadi teas, atau sebaliknya tumbang
sebagai hipotesis, apabila ternyata tidak terbukti.
Terhadap hipotesis yang sudah dirumuskan peneliti dapat bersikap dua hal yakni :
1) Menerima keputusan seperti apa adanya seandainya hipotesisnya tidak
terbukti (pada akhir penelitian).
2) Mengganti hipotesis seandainya melihat tanda-tanda bahwa data yang
terkumpul tidak mendukung terbuktinya hipotesis (pada saat penelitian
berlangsung).
Untuk mengetahui kedudukan hipotesis antara lain :
1. Perlu di uji apakah ada data yang menunjuk hubungan variabel penyebab dan
variabel akibat.
2. Adakah data yang menunjukkan bahwa akibat yang ada, memang ditimbulkan
oleh penyebab itu.
3. Adanya data yang menunjukkan bahwa tidak ada penyebab lain yang bisa
menimbulkan akibat tersebut
4. Apabila ketiga hal tersebut dapat dibuktikan, maka hipotesis yang dirumuskan
mempunyai kedudukan yang kuat dalam penelitian.

2.2.2 Kegunaan Hipotesis

Ada beberapa Kegunaan yang terdapat dari hipotesis antara lain:

 Hipotesis memberikan penjelasan sementara tentang gejala-gejala.
 Hipotesis sebagai pengetahuan dalam suatu bidang.
 Hipotesis memberikan suatu pernyataan hubungan yang langsung dapat diuji
dalam penelitian.
 Hipotesis memberikan arah kepada penelitian.
 Hipotesis memberikan kerangka untuk melaporkan kesimpulan penyelidikan.
2.2.3 Arah Atau Bentuk Uji Hipotesis

Bentuk hipotesis alternative akan menentukan arah uji statistic apakah

satu arah (one tail) atau dua arah (two tail).
(1) One tile ( satu sisi )
Adalah bila hipotesis alternativena menyatakan adanya perbedaan dan ada
pernyataan yang mengatakan yang satu lebih tinggi atau rendah dari pada
yang lain.
(2) Two tile (dua sisi)
Merupakan hipotesis alternative yang hanya menyatakan perbedaan tanpa
melihat apakah hal yang satu lebih tinggi atau rendah dari hal yang lain.
 Contoh Penulisan Hipotesis
Suatu penelitian ingin mengetahui hubungan antara jenis kelamin dengan
tingkat kekebalan tubuh, maka hipotesisnya adalah:
HO : = Tidak ada perbedaan antara tingkat kekebalan laki-laki dan
perempuan atau tidak ada hubungan antara jenis kelamin dan
sistem imun.

HO : › Ada perbedaan kekebalan tubuh laki-laki dan perempuan atau

ada hubungan antara jenis kelamin dan tingkat kekebalan.

2.2.4 Jenis-jenis Hipotesis

Pengujian hipotesis dapat di bedakan atas beberapa jenis berdasarkan

Kriteria yang menyertainya.

1) Berdasarkan Jenis Parameternya

Didasarkan atas jenis parameter yang di gunakan, pengujian hipotesis dapat di
bedakan atas tiga jenis, yaitu sebagai berikut :
a. Pengujian hipotesis tentang rata-rata
Pengujian hipotesis tentang rata-rata adalah pengujian hipotesis
mengenai rata-rata populasi yang di dasarkan atas informasi sampelnya.
Contohnya:
1. Pengujian hipotesis satu rata-rata
2. Pengujian hipotesis beda dua rata-rata
3. Pengujian hipotesis beda tiga rata-rata
 b. Pengujian hipotesis tentang proporsi
Pengujian hipotesis tentang proporsi adalah pengujian hipotesis
mengenai proporsi populasi yang di dasarkan atas informasi sampelnya.
Contohnya:
1. Pengujian hipotesis satu proporsi
2. Pengujian hipotesis beda dua proporsi
3. Pengujian hipotesis beda tiga proporsi
c. Pengujian hipotesis tentang varians
Pengujian hipotesis tentang varians adalah pengujian hipotesis mengenai
rata-rata populasi yang di dasarkan atas informasi sampelnya.
Contohnya:
 Pengujian hipotesis tentang satu varians
 Pengujian hipotesis tentang kesamaan dua varians
2) Berdasarkan Jumlah Sampelnya
Didasarkan atas ukuran sampelnya, pengujian hipotesis dapat di bedakan
atas dua jenis, yaitu sebagai berikut :
a. Pengujian hipotesis sampel besar
Pengujian hipotesis sampel besar adalah pengujian hipotesis yang
menggunakan sampel lebih besar dari 30 (n > 30).
b. Pengujian hipotesis sampel kecil
Pengujian hipotesis sampel kecil adalah pengujian hipotesis yang
menggunakan sampel lebih kecil atau sama dengan 30 (n ≤ 30).
3) Berdasarkan Jenis Distribusinya
Didasarkan atas jenis distribusi yang digunakan, pengujian hipotesis dapat di
bedakan atas empat jenis, yaitu sebagai berikut :
a. Pengujian hipotesis dengan distribusi Z
Pengujian hipotesis dengan distribusi Z adalah pengujian hipotesis yang
menggunakan distribusi Z sebagai uji statistik. Tabel pengujiannya
disebut tabel normal standard. Hasil uji statistik ini kemudian di
bandingkan dengan nilai dalam tabel untuk menerima atau menolak
hipotesis nol (Ho) yang di kemukakan.
Contohnya :
1. Pengujian hipotesis satu dan beda dua rata-rata sampel besar
2. Pengujian satu dan beda dua proporsi
b. Pengujian hipotesis dengan distribusi t (t-student)
 Pengujian hipotesis dengan distribusi t adalah pengujian hipotesis yang
menggunakan distribusi t sebagai uji statistik. Tabel pengujiannya disebut
tabel t-student. Hasil uji statistik ini kemudian di bandingkan dengan nilai
dalam tabel untuk menerima atau menolak hipotesis nol (Ho) yang di
kemukakan.
Contohnya :
1. Pengujian hipotesis satu rata-rata sampel kecil
2. Pengujian hipotesis beda dua rata-rata sampel kecil
c. Pengujian hipotesis dengan distribusi χ2 ( kai kuadrat)
Pengujian hipotesis dengan distribusi χ2 ( kai kuadrat) adalah pengujian
hipotesis yang menggunakan distribusi χ2 sebagai uji statistik. Tabel
pengujiannya disebut tabel χ2. Hasil uji statistik ini kemudian di
bandingkan dengan nilai dalam tabel untuk menerima atau menolak
hipotesis nol (Ho) yang di kemukakan.
Contohnya :
1. Pengujian hipotesis beda tiga proporsi
2. Pengujian Independensi

3. Pengujian hipotesis kompatibilitas

d. Pengujian hipotesis dengan distribusi F (F-ratio)
Pengujian hipotesis dengan distribusi F (F-ratio) adalah pengujian
hipotesis yang menggunakan distribusi F (F-ratio) sebagai uji statistik.
Tabel pengujiannya disebut tabel F. Hasil uji statistik ini kemudian di
bandingkan dengan nilai dalam tabel untuk menerima atau menolak
hipotesis nol (Ho) yang di kemukakan.
Contohnya :
1. Pengujian hipotesis beda tiga rata-rata
2. Pengujian hipotesis kesamaan dua varians

2.2.5 Prosedur Pengujian Hipotesis

Prosedur pengujian hipotesis statistic adalah langkah-langkah yang di

pergunakan dalam menyelesaikan pengujian hipotesis tersebut. Berikut ini
langkah-langkah pengujian hipotesis statistic adalah sebagai berikut :
1. Menentukan Formulasi Hipotesis
2. Menentukan Taraf Nyata (α)
 3. Menentukan Kriteria Pengujian
4. Menentukan Nilai Uji Statistik
5. Membuat Kesimpulan

2.2.6 Manfaat Hipotesis

Penetapan hipotesis dalam sebuah sebuah penelitan memberikan manfaat

sebagai berikut :
 Memberikan batasan dan memperkecil jangkauan penelitian dan kerja
penelitian
 Mengarahkan dan menyiapkan pola pikir peneliti pada kondisi fakta dan
hubungan antar fakta,yang kadangkala hilang begitu saja dari perhatian
peneliti
 Sebagai alat yang sederhana dalam memfokuskan yang bercerai-berai tanpa
koordinasi dalam suatu kesatuan penting dan menyeluruh
 Sebagai panduan dalam pengujian serta penyesuaian dengan fakta dan antar
fakta

2.3 ANALISIS KORELASI GANDA

2.3.1 Pengertian Analisis Korelasi Ganda

Pengertian Suatu korelasi yang bermaksud untuk melihat hubungan

antara tiga atau lebih variabel (dua atau lebih variabel independent dan satu
variabel dependent).
Korelasi ganda berkaitan dengan interkorelasi variabel- variabel
independent sebagaimana korelasi mereka dengan variabel dependent. Korelasi
Ganda (multiple correlation) merupakan korelasi yang terdiri dari dua variabel
bebas (X1, X2 ) serta satu variabel terikat (Y). Apabila perumusan masalahnya
terdiri dari tiga masalah, maka hubungan antara masing- masing variabel dilakukan
dengan cara perhitungan korelasi sederhana, oleh karena itu berikut ini hanya akan
dikemukakan cara perhitungan ganda antara X 1, dan X2 dengan Y. Y
Korelasi ganda memiliki koefisien korelasi, yakni besar kecilnya
hubungan antara dua variabel yang dinyatakan dalam bilangan. Koefisien Korelasi
disimbolkan dengan huruf R. Besarnya Koefisien Korelasi adalah antara -1; 0; dan
+1.
 Besarnya korelasi -1 adalah negatif sempurna yakni terdapat hubungan di
antara dua variabel atau lebih namun arahnya terbalik, +1 adalah korelasi yang
positif sempurna (sangat kuat) yakni adanya sebuah hubungan di antara dua
variabel atau lebih tersebut, sedangkan koefisien korelasi 0 dianggap tidak terdapat
hubungan antara dua variabel atau lebih yang diuji sehingga dapat dikatakan tidak
ada hubungan sama sekali.

Korelasi Ganda Dua Variabel Independen dan Satu Dependen

X1 = Kepemimpinan
X2 = Tata Ruang Kantor
Y = Kepuasan Kerja
R = Korelasi Ganda

Dari contoh di atas, terlihat bahwa korelasi ganda R, bukan merupakan

penjumlahan dari korelasi sederhana yang ada pada setiap variabel (r1 – r2 – r3).
Jadi R ≠ (r1 + r2 + r3). Korelasi ganda merupakan hubungan secara bersama-sama
antara X1 dengan X2 dan Xn dengan Y. Pada gambar 7.2a, korelasi ganda
merupakan hubungan secara bersama-sama antara variabel kepemimpinan dan tata
ruang kantor dengan kepuasan kerja pegawai.
Pada bagian ini dikemukakan rumus korelasi ganda (R) untuk dua
variabel independen dan satu dependen. Untuk variabel independen lebih dari dua,
dapat dilihat pada Bab analisis Regresi Ganda. Pada bagian itu persamaan-
persamaan yang ada pada regresi ganda dapat dimanfaatkan untuk menghitung
korelasi ganda lebih dari dua variabel secara bersama-sama. Rumus korelasi ganda
dua variabel ditunjukkan pada rumus 7.4. berikut :

Dimana :
Ry.x1x2 = korelasi ganda antara variabel X1 dan X2 secara bersama-sama
dengan variabel Y
ryx1 = korelasi Product Moment antara X1 dengan Y
ryx2 = korelasi Product Moment antara X2 dengan Y
rx1x2 = korelasi Product Moment antara X1 dengan X2

Jadi untuk dapat menghitung korelasi ganda, maka harus dihitung terlebih
dahulu korelasi sederhananya dulu melalui korelasi Product Moment dari Pearson.

2.3.2 Contoh Penggunaan Korelasi Ganda :

Misalnya pada suatu penelitian yang berjudul “Kepemimpinan dan Tata

Ruang Kantor dalam kaitannya dengan Kepuasan Kerja Pegawai di lembaga A”.
Berdasarkan data yang terkumpul untuk setiap variabel, dan setelah dihitung
korelasi sederhananya ditemukan sebagai berikut :
1. Korelasi antara Kepemimpinan dengan Kepuasan Kerja Pegawai, r1 = 0,45;
2. Korelasi antara Tata Ruang Kantor dengan Kepuasan Kerja Pegawai, r2 =
0,48;
3. Korelasi antara Kepemimpinan dengan Tata Ruang Kantor, r3 = 0,22.

Dengan menggunakan rumus 7.4 korelasi ganda antara Kepemimpinan

dan Tata Ruang Kantor secara bersama-sama dengan Kepuasan Kerja Pegawai
dapat dihitung.

Hasil perhitungan korelasi sederhana dan ganda dapat digambarkan

sebagai berikut :
 Dari perhitungan tersebut, ternyata besarnya korelasi ganda R harganya
lebih besar dari korelasi Individual ryx1 dan ryx2. Pengujian signifikansi terhadap
koefisien korelasi ganda dapat menggunakan rumus 7.5 berikut, yaitu dengan uji F.

Dimana :
R = koefisien korelasi ganda
k = jumlah variabel Independen
n = jumlah sampel

Berdasarkan angka yang telah ditemukan, dan bila n = 30, maka harga
Fh, dapat dihitung dengan rumus 7.5.

Harga tersebut selanjutnya dibandingkan dengan harga F tabel dengan dk

pembilang = k dan dk penyebut = (n – k – 1). Jadi dk pembilang = 2 dan dk
penyebut = 10-2-1 = 7. Dengan taraf kesalahan 5%, harga F tabel ditemukan =
4,74. Ternyata harga F hitung lebih besar dari F tabel (7,43 > 4,74). Karena Fh >
dari F tabel maka koefisien korelasi ganda yang ditemukan adalah signifikan (dapat
diberlakukan untuk populasi dimana sampel diambil).

2.4 ANALISIS REGRESI GANDA

2.4.1 Pengertian Analisis Regresi Ganda

Regresi adalah bentuk hubungan fungsional antara variabel-variabel.

Terdapat perbedaan mendasar antara analisis korelasi dan regresi. Analisis regresi
dipergunakan untuk menggambarkan garis yang menunjukan arahhubungan antar
variabel, serta dipergunakan untuk melakukan prediksi. Istilah regresi berganda
dapat disebut juga dengan istilah multiple regression. Kata multiple berarti jamak
atau lebih dari satu variabel. Regresi yang terdiri dari satu variabel bebas
(predictor) dan satu variabel terikat (Response/Criterion) disebut regresi linier
sederhana (bivariate regression), sedangkan regresi yang variabel bebasnya lebih
dari satu disebut regresi berganda (multiple regression/multivariate regression)
yang dapat terdiri dari dua prediktor (regresi ganda) maupun lebih.
Regresi linear adalah alat statistik yang dipergunakan untuk mengetahui
pengaruh antara satu atau beberapa variabel terhadap satu buah variabel. Variabel
yang mempengaruhi sering disebut variabel bebas, variabel independen atau
variabel penjelas.
Secara umum regresi linear terdiri dari dua, yaitu regresi linear sederhana
yaitu dengan satu buah variabel bebas dan satu buah variabel terikat
dan regresi linear berganda dengan beberapa variabel bebas dan satu buah variabel
terikat. Analisis regresi linear merupakan metode statistik yang paling jamak
dipergunakan dalam penelitian-penelitian sosial. Program komputer yang paling
banyak digunakan adalah SPSS (Statistical Package For Service Solutions).

2.4.2 Langkah-langkah menyelesaikan persamaan regresi berganda

(1) Membuat Ha dan Ho dalam bentuk kalimat.

(2) Membuat Ha dan Ho dalam bentuk statistik.
(3) Membuatt tabel penolong untuk menghitung angka statistik.
(4) Hitung nilai-nilai persamaan b1, b2 dan a dengan

(5) Masukan nilai-nilai tersebut kedalam persamaan regresi berganda Y = a + b1

X1 + b2 X2
(6) Menguji signifikansi dengan membandingkan F hitung dengan F tabel
2.4.3 Perbedaan Regresi Linear Berganda dan Sederhana

Seperti yang sudah saya bahas diatas, dikatakan regresi linear berganda
jika jumlah variable bebas lebih dari satu. Sedangkan jika jumlah variable bebas
hanya ada satu saja, maka itu yang disebut dengan regresi linear sederhana.

Model regresi linear berganda dilukiskan dengan persamaan sebagai

berikut:

Y = α + β1 X2 + β2 X2 + βn Xn + e

Keterangan:
Y = Variabel terikat atau response.

X = Variabel bebas atau predictor.

α = Konstanta.
β = Slope atau Koefisien estimate.

2.4.4 Contoh kasus :

Kita mengambil contoh kasus pada uji normalitas, yaitu sebagai berikut:
Seorang mahasiswa bernama Bambang melakukan penelitian tentang faktor-faktor
yang mempengaruhi harga saham pada perusahaan di BEJ.
Bambang dalam penelitiannya ingin mengetahui hubungan antara rasio keuangan
PER dan ROI terhadap harga saham. Dengan ini Bambang menganalisis dengan
bantuan program SPSS dengan alat analisis regresi linear berganda. Dari uraian di
atas maka didapat variabel dependen (Y) adalah harga saham, sedangkan variabel
independen (X1 dan X2) adalah PER dan ROI.
Data-data yang di dapat berupa data rasio dan ditabulasikan sebagai
berikut:
Tabel. Tabulasi Data (Data Fiktif)

Tahun Harga Saham (Rp) PER (%) ROI (%)

1990 8.300 4.90 6.47
1991 7.500 3.28 3.14
 1992 8.950 5.05 5.00
1993 8.250 4.00 4.75
1994 9.000 5.97 6.23
1995 8.750 4.24 6.03
1996 10.000 8.00 8.75
1997 8.200 7.45 7.72
1998 8.300 7.47 8.00
1999 10.900 12.68 10.40
2000 12.800 14.45 12.42
2001 9.450 10.50 8.62
2002 13.000 17.24 12.07
2003 8.000 15.56 5.83
2004 6.500 10.85 5.20
2005 9.000 16.56 8.53
2006 7.600 13.24 7.37
2007 10.200 16.98 9.38

 Langkah-langkah pada program SPSS

 Masuk program SPSS
 Klik variable view pada SPSS data editor
 Pada kolom Name ketik y, kolom Name pada baris kedua ketik x1,
kemudian untuk baris kedua ketik x2.
 Pada kolom Label, untuk kolom pada baris pertama ketik Harga Saham,
untuk kolom pada baris kedua ketik PER, kemudian pada baris ketiga
ketik ROI.
 Untuk kolom-kolom lainnya boleh dihiraukan (isian default)
 Buka data view pada SPSS data editor, maka didapat kolom variabel y,
x1, dan x2.
 Ketikkan data sesuai dengan variabelnya
 Klik Analyze - Regression – Linear
 Klik variabel Harga Saham dan masukkan ke kotak Dependent,
kemudian klik variabel PER dan ROI kemudian masukkan ke kotak
Independent.
 Klik Statistics, klik Casewise diagnostics, klik All cases. Klik Continue
  Klik OK, maka hasil output yang didapat pada kolom Coefficients dan
Casewise diagnostics adalah sebagai berikut:

Tabel. Hasil Analisis Regresi Linear Berganda

2.5 ANALISIS JALUR

2.5.1 Pengertian Analisis Jalur

Analisis jalur dikenal dengan path analysis dikembangkan pertama tahun

1920 an oleh seorang ahli genetika yaitu Sewall Wright. Teknik ini juga dikenal
sebagai model sebab-akibat (causing modeling). Definisi analisis jalur di antaranya
: “Analisis jalur ialah suatu teknik untuk menganalisis hubungan sebab akibat yang
terjadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel
tergantungnya tidak hanya secara langsung, tetapi juga secara tidak langsung”
(Robert D. Rutherford, 1993). Definisi lain mengatakan “Analisis jalur merupakan
pengembangan langsung bentuk regresi berganda dengan tujuan untuk memberikan
estimasi tingkat kepentingan (magnitude) dan signifikansi (significance) hubungan
sebab akibat hipotetikal dalam seperangkat variabel” (Paul Webley, 1997).
Sebenarnya Sewal Wright pertama kali menggunakan path analysis pada
tahun 1918 dalam artilenya yang berjudul : “On the Nature of Size Factors.”
Dengan menggunakan hasil risetnya yang pernah diterbitkan di Castle pada tahun
1914, dimana dia menemukan korelasi antara berbagai pengukuran tulang pada
kelinci yang dia teliti. Sewal Wright kemudian menyusun metode kuantitatif yaitu
suatu metode yang dirancang untuk membuat estimasi tingkatan dimana suatu
pengaruh yang diberikan ditentukan oleh setiap jumlah penyebab.
Model analisis jalur yang dibicarakan adalah pola hubungan sebab akibat.
Oleh karena itu rumusan masalah penelitian dalam kerangka analisis jalur hanya
berkisar pada variabel bebas (X1, X2, …, Xk) berpengaruh terhadap variabel
terikat Y, atau berapa besar pengaruh kausal langsung, kausal tidak langsung,
kausal total maupun simultan seperangkat variabel bebas (X1, X2, …, Xk)
terhadap variabel terikat Y.

2.5.2 Asumsi-asumsi Analisis Jalur

Sebelum melakukan analisis, ada beberapa prinsip dasar atau asumsi

yang mendasari analisis jalur yaitu:
1. Pada model analisis jalur, hubungan antar variabel adalah bersifat linier,
adaptif dan bersifat normal.
2. Hanya sistem aliran kausal ke satu arah artinya tidak ada arah kausalitas yang
berbalik.
3. Variabel terikat (endogen) minimal dalam skala ukur interval dan ratio.
4. Menggunakan sampel probability sampling yaitu teknik pengambilan sampel
untuk memberikan peluang yang sama pada setiap anggota populasi untuk
dipilih menjadi anggota sampel.
5. Variabel observasi diukur tanpa kesalahan (instrumen pengukuran valid dan
reliabel) artinya variabel yang diteliti dapat diobservasi secara langsung.
6. Model yang dianalisis dispesifikasikan (diidentifikasi) dengan benar
berdasarkan teori-teori dan konsep-konsep yang relevan artinya model teori
yang dikaji atau diuji dibangun berdasarkan kerangka teoritis tertentu yang
mampu menjelaskan hubungan kausalitas antar variabel yang diteliti.
2.5.3 Syarat-syarat penggunaan Analisis Jalur

Beberapa syarat penggunaan analisis jalur adalah sebagai berikut :

1. Hubungan sebab akibat (landasan teoritis)
2. Hubungan antar variabel haruslah linier dan aditif
3. Semua variabel residu tak punya korelasi satu sama lain
4. Pola hubungan antar variabel adalah rekrusif atau hubungan yang tidak
melibatkan arah pengaruh yang timbal balik
5. Tingkat pengukuran semua variabel sekurang-kurangnya adalah interval
6. Terdapat masukan korelasi yang sesuai

2.5.4 Manfaat Analisis Jalur

Manfaat model analisis jalur di antaranya adalah :

(1) Untuk penjelasan terhadap fenomena yang dipelajari atau permasalahan yang
diteliti.
(2) Prediksi nilai variabel terikat (Y) berdasarkan nilai variabel bebas (X), dan
prediksi dengan analisis jalur ini bersifat kualitatif.
(3) Faktor dominan terhadap variabel terikat (Y) dapat digunakan untuk
menelusuri mekanisme pengaruh variabel bebas (X) terhadap variabel (Y).
(4) Pengujian model mengggunakan teori trimming baik untuk uji reliabilitas
konsep yang sudah ada ataupun uji pengembangan konsep baru

2.5.5 Keuntungan dan Kelemahan Analisis Jalur

Menurut Sarwono (2012) keuntungan menggunakan analisis jalur diantaranya

:
a) Kemampuan menguji model keseluruhan dan parameter-parameter individual
b) Kemampuan pemodelan beberapa variabel mediator/perantara
c) Kemampuan mengestimasi dengan menggunakan persamaan yang dapat
melihat semua kemungkinan hubungan sebab akibat pada semua variabel
dalam model
d) Kemampuan melakukan dekomposisi korelasi menjadi hubungan yang
bersifat sebab akibat seperti pengaruh langsung (direct effect) dan pengaruh
tidak langsung (indirect effect) dan bukan sebab akibat seperti komponen
semu
 Kelemahan menggunakan analisis jalur antara lain :
o Tidak dapat mengurangi dampak kesalahan pengukuran
o Analisis jalur hanya mempunyai variabel-variabel yang dapat di
observasi secara langsung
o Analisis jalur tidak mempunyai indikator-indikator suatu variabel intern
o Karena analisis jalur merupakan perpanjangan regresi linier berganda
maka semua asumsi dalam rumus ini harus diakui
o Sebab akibat dalam model hanya bersifat searah, tidak boleh bersifat
timbal balik

2.5.6 Model Analisis Jalur

Sebelum menghitung koefisien jalur yang didasarkan pada koefisien

regresi, diagram jalur terlebih dahulu dibuatkan dengan lengkap. Adapun beberapa
contoh model diagram jalur dan persamaan struktural yang paling sederhana
sampai dengan yang lebih rumit di antaranya :

1. Model Regresi Berganda

Model ini merupakan pengembangan regresi berganda dengan menggunakan

dua variabel exogenous, yaitu X1 dan X2 dengan satu variabel endogenous Y.
Model digambarkan sebagai berikut :

X1

X2

Gambar Model Regresi Berganda

X1 = Kompensasi
X2 = Kepuasan Kerja
Y = Kinerja
2. Model Mediasi
Model mediasi atau perantara di mana variabel X2 memodifikasi
pengaruh variabel X1 terhadap variabel Y. Model digambarkan sebagai berikut :

X1 Y

X2

Gambar Model Mediasi

X1 = Gaya Kepemimpinan
X2 = Disiplin Kerja
Y = Kinerja

3. Model Kombinasi

Model ini merupakan kombinasi model regresi berganda dan model

mediasi yaitu variabel X1 berpengaruh terhadap variabel Y secara langsung dan
secara tidak langsung mempengaruhi variabel X2. Model digambarkan sebagai
berikut :

X1

X2

X1 = Kompensasi
X2 = Motivasi Kerja
Y = Kinerja

4. Model Kompleks
 Model ini merupakan model yang lebih kompleks, yaitu variabel X1
secara langsung mempengaruhi variabel Y2 dan melalui variabel X2 secara tidak
langsung mempengaruhi Y2, sementara variabel Y2 juga dipengaruhi oleh
variabel Y1. Model digambarkan sebagai berikut :

X1 X2

Y1 Y2
2

5. Model Rekursif dan Model Non Rekursif

E3
1

3 4

2 E1 E2

Dari sisi pandang arah sebab-akibat, ada dua tipe model jalur, yaitu rekursif dan
non rekursif. Model tersebut dapat diterangkan sebagai berikut :
- Anak panah menuju satu arah, yaitu dari 1 ke 2, 3, dan 4; dari 2 ke 3 dan dari
3 menuju ke 4. Tidak ada arah yang terbalik, misalnya dari 4 ke 1.
- Hanya terdapat satu variabel exogenous, yaitu 1 dan tiga variabel
endogenous, yaitu 2, 3, dan 4. Masing-masing variabel endogenous
diterangkan oleh variabel 1 dan error (E1, E2, E3).
- Satu variabel endogenous dapat menjadi penyebab variabel endogenous
lainnya, tetapi bukan ke variabel exogenous.
- Model non rekursif terjadi jika anak panah tidak searah atau terjadi arah
yang terbalik (looping), misalnya dari 4 ke 3 atau dari 3 ke 1 dan 2 atau
bersifat sebab-akibat (reciprocal cause).
2.6 UJI ASUMSI PARAMETRIK

2.6.1 Pengertian Statistik Parametrik

Statistik parametrik adalah statistik yang digunakan untuk menganalisis

data interval atau rasio, yang diambil dari pupulasi yang berdistribusi normal.
(Sugiyono, 2014:23) Statistik parametrik adalah bagian statistik yang parameter
dari populasinya mengikuti suatu distribusi tertentu, seperti distribusi normal, dan
memiliki varians yang homogen. (Iqbal Hasan, 2005:9).
Statistik parametrik adalah yaitu ilmu statistik yang mempertimbangkan
jenis sebaran atau distribusi data, yaitu apakah data menyebar secara normal atau
tidak. Dengan kata lain, data yang akan dianalisis menggunakan statistik
parametrik harus memenuhi asumsi normalitas. Data yang dianalisis adalah data
interval atau rasio.
Dalam statistika parametrik, inidikator-indikator yang dianalisis adalah
parameter-parameter dari ukuran objek yang digunakan.
Menurut(Nisfiannoor,2009:15) mengatakan statistik inferensial dengan model
parametrik(independent Sample T test, Paired Sample T test, One Way ANOVA,
Korelasi Pearson, Analisis Regresi, dll.

 Ciri-ciri statistik parametrik :

- Data dengan skala interval dan rasio
- Data menyebar/berdistribusi normal

 Syarat uji parametrik :

- Dari populasi dengan distribusi normal
- Sampel diambil secara random
- Sampel mempunyai varians yang sama
- Skala pengukuran interval atau rasio

 Penggunaan statistik parametrik

- Digunakan untuk menganalisa data interval dan rasio, yang diambil dari
populasi yang berdistribusi normal
- Untuk menguji hipotesis deskriptif bila datanya interval atau rasio

 Contoh metode statistik parametrik :

 a. Uji-z (1 atau 2 sampel)
b. Uji-t (1 atau 2 sampel)
c. Korelasi pearson,
d. Perancangan percobaan (one or two-way anova parametrik) dll.

2.6.2 Keunggulan dan kelemahan statistik parametrik

Keunggulan :
1. Syarat syarat parameter dari suatu populasi yang menjadi sampel biasanya
tidak diuji dan dianggap memenuhi syarat, pengukuran terhadap data
dilakukan dengan kuat.
2. Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi
normal serta memiliki varian yang homogen.

Kelemahan :
1. Populasi harus memiliki varian yang sama.
2. Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam skala
interval.
3. Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi harus
normal dan bervarian sama, dan harus merupakan kombinasi linear dari efek-
efek yang ditimbulkan.

2.6.3 Beberapa metode statistik parametrik (uji T dan Uji F/Anova)

mensyaratkan asumsi (Santoso, 2005:3) :

 Sampel (data) diambil dari populasi yang mempunyai berdistribusi normal.

Jika10 sampel Tinggi badan diambil dari populasi 5000 mahasiswa sebuah
perguruan tinggi, data tinggi badan 5000 mahasiswa haruslah
berdistribusinormal.
 Pada Uji t dan uji F untuk dua sampel atau lebih, kedua sampel diambil dari
dua populasi yang mempunyai varian sama. Jadi jika diambil sampel 10
tinggi badan pria dan 10 tinggi badan wanita dari 3000 pria dan 2000 wanita,
maka varian3000 tinggi badan pria dan varian 2000 tinggi badan wanita
haruslah sama atau bisa dianggap sama.
 Variabel (data) yang diuji haruslah data bertipe interval atau rasio,
yangtingkatannya lebih tinggi dari data tipe nominal atau ordinal. Tinggi
 Badan Priaatau Wanita (sentimeter) jelas bertipe rasio, karena dapat dari
proses mengukur. Namun pendapat atau sikap pria dan wanita (suka atau
tidak suku yang diukurdengan skala Likert) bukanlah data interval atau rasio,
namun data Ordinal.
 Jumlah (sampel) data singkat kecil, sedangkan distribusi data populasinya
tidakdiketahui kenormalannya. Misalnya hanya diambil masing-masing 5
sampel untuk data Berat Badan Konsumen remaja, Konsumen muda dan
konsumen dewasa, maka jumlah data terlalu sedikit untuk diproses dengan
uji F (uji lebihdari dua sampel), walaupun tipe data rasio. Untuk data yang
tidak memenuhisalah satu asumsi tersebut, lebih baik menggunakan prosedur
statistik non parametrik untuk proses data

 Menurut Santoso(2010:10) Metode statistik parametrik digunakan untuk:

- Data dalam jumlah besar, biasanya diatas 30.

- Distribusi data adalah normal atau dapat dianggap normal
- Data bertipe interval atau rasio.Jika salah satu asumsi diatas tidak
terpenuhi, seperti jika data cukup banyak,namun tidak berdistribusi
normal, atau tipe data adalah nominal atau ordinal, makametode
statistik nonparametrik dapat digunakan.

2.7 UJI NON PARAMETRIK

2.7.1 Pengertian Uji Non Parametrik

Istilah nonparametrik pertama kali digunakan oleh Wolfowitz, pada

tahun1942. Metode statistik nonparametrik merupakan metode statistik yang
dapatdigunakan dengan mengabaikan asumsi-asumsi yang melandasi
penggunaanmetode statistic parametrik, terutama yang berkaitan dengan distribusi
normal.Istilah lain yang sering digunakan untuk statistik nonparametrik adalah
statistik bebas distribusi (distribution free statistics) dan uji bebas asumsi
(assumption-freetest).
Uji statistik nonparametrik ialah suatu uji statistik yang tidakmemerlukan
adanya asumsi-asumsi mengenai sebaran data populasi. Uji statistikini disebut juga
sebagai statistik bebas sebaran (distribution free).
 Statistik nonparametrik dapat digunakan untuk menganalisis data yang
berskala nominal atau ordinal karena pada umumnya data berjenis nominal
danordinal tidak menyebar normal. Dari segi jumlah data, pada umumnya
statistiknonparametrik digunakan untuk data berjumlah kecil (n <30)
Statistik non parametrik adalah salah satu metode statistik yang dapat
digunakan sebagai alternatif apabila metode statistik parametrik tidak dapat
dilakukan. Statistik non parametrik tidak memiliki syarat seperti statistik
parametrik. Dalam statistik non parametrik tidak syarat mengenai karakteristik
populasi induknya.

2.7.2 Berikut beberapa uji statistik non parametrik

1. Uji tanda (sign test)

Uji tanda digunakan untuk membandingkan data yang berpasangan.
Adapun syarat-syarat pada uji tanda yang harus dipenuhi, yaitu:
- Pasangan hasil pengamatan yang sedang dibandingkan bersifat
independent
- Masing-masing pengamatan dalam tiap pasang terjadi karena pengaruh
kondisi yang serupa.
- Pasangan yang berlainan terjadi karena kondisi yang berbeda.
Rumus Uji Tanda ½ ( n – 1 ) – K
2. Rank sum test (wilcoxon)
Merupakan suatu uji yang menghitung tanda dan besarnya selisih dari
dua buah rataan populasi. Uji ini lebih peka dari pada uji tanda dalam
menemukan perbedaan antara populasi. Dengan kata lain, uji peringkat
bertanda wilcoxon digunakan jika besaran maupun arah perbedaan relevan
Untuk menentukan apakah terdapat perbedaan yang sesungguhnya antara
pasangan data yang diambil dari dua sampel yang berkait.
 Prosedur Uji wilcoxon Untuk Pengamatan Berpasangan
1. Menyatakan hipotesis nol dan hipotesis alternatif (H0 dan H1).
2. Memilih tarap keberartian.
3. Menentukan daerah kritis W (bila dist Z digunakan).
4. Menyusun peringkat tanpa memperhatikan tanda.
5. Pemberian tanda atas peringkat yang telah ditetapkan.
6. Menjumlahkan peringkat dengan jumlah terkecil sebagai W.
 7. Penarikan kesimpulan statistic tentang hipotesis nol (tolak H0 atau
terima H0)
 Penarikan Kesimpulan Statistik
Untuk menguji hipotesis nol (H0) dari uji Wilocoxon ini, selain
dapat meggunakan tabel harga-harga kritis W dalam uji jenjang bertanda
data berpasangan wilcoxon khususnya untuk sampel kecil, juga dapat
menggunakan pendekatan distribusi normal. Sedangkan untuk sampel
besar digunakan pendektan distribusi normal.

Pengujian dilakukan dengan langkah-langkah sebagai berikut:

- Hipotesis
 Satu sisi
H0 :W(+) = (-)
H1 : W(+) > (-)
H0 :W(+) = (-)
H1 : W(+) < (-)

 Dua sisi
H0 :W(+) = (-)
H1 : W(+) ≠ (-)

Keterangan :
W(+) = jumlah semua peringkat selisih pasangan pengamatan (xi,yi) yang
bertanda positif
W(-)= jumlah semua peringkat selisih pasangan pengamatan (xi,yi) yang
bertanda negatif
α = …%
 Daerah kritis
Tabel Wilcoxon
Jika harga W adalah sama dengan atau kurang dari harga yang
diberikan dalam tabel, untuk satu tingkat signifikasi tertentu dengan
N tertetu, maka tolak H0.
Jika harga α hit yang diperoleh dari tabel (dengan N dan W tertentu)
adalah sama dengan atau kurang dari harga yang telah
ditentukan,maka tolak H0.
3. Koefisien korelasi pangkat
Keofisien korelasi pangkat atau koefisien Spearman adalah derajat
hubungan yang mengukur korelasi pangkat. Yang dimana korelasi pangkat
bersimbol r’ ( baca: er aksen ).
Misalkan pasangan data hasil pengamatan ( X1, Y1), ( X2, Y2 ), …..,(
Xn,Yn) kita susun menurut urutan besar nilainya dalam tiap Variabel. Nilai
X1 disusun menurut urutan besarnya, yang terbesar diberi nomor urut atau
peringkat 1, terbesar kedua diberi peringkat 2, terbesar ketiga diberi peringkat
3, dan seterusnya sampai kepada nilai X1 terkecil diberi peringkat n demikian
pula untuk Variabel Y1. Sekarang kita bentuk selisih atau beda peringkat X1
dan Y1 yang data aslinya berpasangan. Sebutlah beda ini b1.
Maka Koefesien korelasi peringkat r’ antara serentetan pasangan X1 dan
Y1 dihutung dengan rumus :
Harga r’ bergerak dari -1 sampai dengan +1 , sebagaimana halnya koefisien
korelasi r biasa. Harga r’ = +1 berarty terdapat persesuaian yang sempurna
antara Xi dan Yi sedangkan r’ = -1 menyatakan penilaian yang betul-betul
bertentangan antara Xi dan Yi.

4. Uji runtun
Uji Runtun adalah pengujian yang berdasarkan adanya keruntunan.
Runtun adalah barisan huruf-huruf atau tanda-tanda yang identic yang
didahului atau didikuti oleh sebuah huruf atau sebuah tanda yang berbeda.
Untuk runtun permulaan, barisan dimaksud tidak tidak didahului oleh huruf
atau tanda apapun. Demikian pula untuk runtun terakhir, barisan itu tidak
diakhiri oleh huruf atau tanda yang berbeda. Panjang runtun ditentukan oleh
banyak huruf atau tanda dalam setiap runtun.

Dengan adanya runtun ini, kita dapat menguji hipotesis tentang :

a) Data pengamatan telah diambil secara acak dari sebuah populasi,
atau sampel yang diambil dari sebuah populasi adalah acak.
b) Dua sampel acak berasal dari populasi yang sama atau dua populasi
mempunyai distribusi yang sama.
5. Uji median
Hipotesis yang dihadapi :
H0 : Dua sampel acak telah diambil dari dua populasi dengan median yang
sama atau telah diambil dari populasi yang sama.
 H1 : kedua sampel itu berasal dari dua populasi dengan median yang berlainan
atau dari dua populasi yang berlainan.
 Ciri- kelompok data yang dapat diuji dengan statistik non parametrik:
(a) Kelompok data tidak berdistribusi normal
(b) Umumnya data yang dimiliki memiliki skala nominal dan ordinal
(c) Sering ditemukan pada kasus penelitian ilmu sosial
(d) Ukuran sampel kecil dan tidak berdistribusi normal

Keunggulan Statistik Non-Parametrik

1. Mudah dilakukan karena tidak membutuhkan asumsi normalitas

2. Secara umum metode perhitungan yang digunakan tidak menggunakan
perhitungan perhitungan matematik yang rumit.
3. pengujian hipotesis dilakukan secara langsung pada pengamatan nyata
4. Karena data umumnya bersifat kualitatif sehingga terkadang tidak dibutuhkan
jenjang atau urutan
5. Dapat juga digunakan untuk kelompok populasi berdistribusi normal sebagai
uji pembanding statistik parametrik

Kelemahan Statistik Non-Parametrik

1. Pengujian dengan menggunakan metode statistik non parametrik seringkali
mengabaikan beberapa informasi.
2. Kemampuan Uji metode Statistik non parametrik tidak sekuat metode
parametrik
3. Hasil uji metode statistik non parametrik tidak dapat digunakan untuk
mengestimasi karakter populasi. Karena prosesnya sederhana dan cenderung
menggunakan sampel kecil dan tidak berdistribusi normal. Selain itu
penggunaan metode statistik non parametrik hanya membandingkan dua
kelompok tertentu.
4. Tidak melibatkan parameter populasi dalam uji hipotesis
5. Skala yang digunakan bersifat lebih lemah.
6. Asumsi pada metode statistik parametrik tidak dipenuhi.
 BAB III
KESIMPULAN DAN SARAN

3.1 KESIMPULAN

Statistika adalah ilmu pengetahuan yang berhubungan dengan cara-

cara pengumpulan dan penyusunan data, pengolahan data, dan penganalisisan
data, serta penyajian data berdasarkan kumpulan dan analisis data yang
dilakukan. Kegunaannya bermacam-macam: mempelajari keragaman akibat
pengukuran, mengendalikan proses, merumuskan informasi dari data, dan
membantu pengambilan keputusan berdasarkan data. Statistika, karena sifatnya
yang objektif, sering kali merupakan satu-satunya alat yang bisa diandalkan untuk
keperluan-keperluan di atas.

3.2 Saran

Penulis menyampaikan permohonan maaf yang sebesar-besarnya pada

pembaca apabila terdapat kesalahan dalam penulisan ataupun kekeliruan dalam
penyusunan makalah ini. Untuk itu, saran dan kritikan dari pembaca sangat
diharapkan demi kesempurnaan makalah ini. Akhir kata, semoga makalah ini bisa
menambah wawasan dan pengetahuan kita terutama mengenai Statistika.
 DAFTAR PUSTAKA

1. http://ismail6033.blogspot.com/2017/10/makalah-populasi-dan-sampel.html
2. http://dewisartikamtk.blogspot.com/2011/12/makalah-uji-hipotesis_15.html
3. http://statistikrizkykhusnul.blogspot.com/2014/11/makalah-pengujian-
hipotesis.html
4. https://elearningmath27.wordpress.com/2014/05/28/materi-statistika-2-korelasi-
ganda/
5. http://ciputrauceo.net/blog/2016/5/16/pengertian-korelasi-dan-macam-macam-
korelasi
6. https://simba-corp.blogspot.com/2019/01/makalah-regresi-linear-berganda_7.html
7. https://www.statistikian.com/2018/01/penjelasan-tutorial-regresi-linear-
berganda.html
8. http://duwiconsultant.blogspot.com/2011/11/analisis-regresi-linier-berganda.html
9. http://konsultasiskripsi.com/2017/10/29/pengertian-statistik-parametrik-skripsi-
dan-tesis/
10. https://www.academia.edu/34903839/STATISTIK_PARAMETRIK_DAN_NONPAR
AMETRIK.docx
11. https://statmat.id/statistik-parametrik-dan-statistik-non-parametrik/
12. http://ainunnajib1994.blogspot.com/2016/03/makalah-statistik-
nonparametik.html#’
13. Donwload Internet pada tanggal 22 s.d 25 Desember 2019