BUKU AJAR
STATISTIK INFERESIA
Analisis Varians, Kovarians, dan Jalur
KATA PENGANTAR
Berkat rakhmat Tuhan Yang Maha Esa/ Ida Sang Hyang Widi Wasa dan
dengan adanya bantuan dari beberapa pihak, buku tentang Statistik Pendidikan
(Teknik Analisis Data Kuantitatif) bidang kajian Statistik Dua dapat diselesaikan
sesuai dengan rencana yang telah ditentukan. Buku ini adalah buku referensi yang
dapat digunakan sebagai acuan untuk mata kuliah Statistik Dua pada Program Doktor
(S3) Program Studi Penelitian dan Evaluasi Pendidikan. Di samping itu, buku ini juga
dapat digunakan oleh mahasiswa strata tiga yang mengambil mata kuliah Statistik
Pendidikan di lingkungan Universitas Pendidikan Ganesha dan Perguruan Tinggi
lainnya.
Kepada semua pihak yang telah memberikan bantuan moral maupun finansial
dalam penyelesaian buku ini, melalui kesempatan ini disampaikan ucapan terima
kasih yang sedalam-dalamnya. Secara khusus, ucapan terima kasih dan penghargaan
yang setinggi-tingginya disampaikan kepada Rektor Universitas Pendidikan Ganesha
yang telah memberikan dukungan moral bagi penyusunan buku ini. Ucapan terima
kasih juga disampaikan kepada Direktur Program Pascasarjana Universitas
Pendidikan Undiksha yang telah memberikan kesempatan kepada saya untuk
menyusun buku referensi ini.
Akhirnya, kepada semua pihak yang turut membantu pelaksanaan penyusunan
buku ini, disampaikan ucapan terima kasih yang mendalam. Semoga buku ini
bermanfaat bagi mahasiswa dan para pembaca yang berminat mempelajari Statistika
Pendidikan. Disadari sepenuhnya bahwa buku ini masih belum lengkap dan banyak
kekurangan. Untuk itu, melalui kesempatan ini kami mohon masukan untuk perbaikan
lebih lanjut. Atas saran dan sumbangan dari pembaca yang budiman, saya haturkan
terima kasih.
Singaraja, 5 Oktoberl 2012
Penyusun.
DAFTAR ISI
STATISTIK DUA
Mata kuliah Statistik dua untuk mahasiswa strata tiga (S3) Program Studi
Penelitian dan Evaluasi Pendidikan (PEP), ditekankan pada materi pokok yang
berkaitan dengan teknik analisis data kuantitatif untuk penelitian dengan statistik
parametrik. Materi perkuliahan disajikan dalam bentuk ceramah/penjelasan, diskusi,
dan latihan-latihan mengerjakan soal yang dirancang untuk memperdalam
pemahaman terhadap materi yang diberikan.
Penata Awal
Mata kuliah ini bertujuan untuk memberikan pendalaman tentang konsep
analisis data kuantitatif dengan statistik inferensial, meliputi: pendalaman tentang
analisis varians, analisis regresi, dan analisis varians satu jalur, analisis varians dua
jalur, analisis varians tiga jalur, dan analisis jalur (path analysis).
Pengorganisasian materi perkuliahan dirancang menjadi beberapa bab sebagai
berikut.
1. Bab I, mengkaji tentang Analisis Varians Satu Jalur (Anava A), Analisis
Varians Dua Jalur (Anava AB), Analisis Varians Tiga Jalur (Anava ABC),
dan Rancangan AS (rancangan satu sampel dengan pengukuran berulang).
2. Bab II, mengkaji tentang Analisis Regresi dan Korelasi (Analisis Regresi Satu
Prediktor), Analisis Regresi Ganda (Analisis Regresi Dua Prediktor), Analisis
Regresi Jamak (Analisis Regresi Tiga Prediktor) dan Analisis Korelasi Parsial.
3. Bab III, mengkaji tentang Analisis Kovarians Satu Jalur (Satu kovariabel, dua
kovariabel, dan tiga kovariabel), Analisis Kovarians Dua Jalur (Satu
kovariabel, dua kovariabel, dan tiga kovariabel), dan Analisis Kovarians Tiga
Jalur (dua kovariabel)
4. Bab IV, mengkaji secara singkat mengenai analisis jalur (path analysis).
Pada setiap pokok bahasan diberikan tes formatif atau tugas-tugas terstruktur,
baik tugas individual maupun tugas kelompok. Dengan demikian, diharapkan
mahasiswa memiliki kemampuan untuk menganalisis data kuantitatif dalam
rangka menyusun tugas akhir atau disertasi.
BAB I
ANALISIS VARIANS (Uji F)
Kompetensi Dasar
Mahasiswa memahami fungsi teknik analisis varians dan mampu
menggunakannya untuk menganalisis data dan menguji hipotesis penelitian.
Indikator pencapaian
Mahasiswa dapat melakukan analisis data sebagai berikut.
1. Menganalisis data dan menguji hipotesis penelitian dengan teknik analisis
varians satu jalur
2. Menganalisis data dan menguji hipotesis penelitian dengan teknik analisis
varians dua jalur
3. Menganalisis data dan menguji hipotesis penelitian dengan teknik analisis
varians tiga jalur
4. Menganalisis data dan menguji hipotesis penelitian dengan teknik analisis
varians AS (rancangan ulangan).
Rancangan Analisis Varian Satu Jalur, disebut juga rancangan satu faktor,
yaitu rancangan yang menggunakan hanya satu variabel bebas atau variabel
klasifikasi sampel, misalnya variabel jenis kelamin atau variabel lokasi tempat
tinggal, atau variabel klasifikasi lainnya, seperti metode pembelajaran, media
pembelajaran dan lain-lainnya. Jika dalam penelitian menggunakan metode
pembelajaran sebagai variabel bebas, maka metode pembelajaran diklasifikasi
menjadi metode satu (A1) metode dua (A2), metode tiga (A3) dan seterusnya sesuai
dengan keperluan.
Dalam penelitian eksperimental, rancangan ini disebut Rancangan Rambang
Lugas (Simple Randomized Design). Jika menggunakan rancangan ini, maka ada
beberapa syarat yang harus dipenuhi, yaitu: (1) sampel-sampel langsung diambil dari
populasi, bukan dari subpopulasi, (2) pemilihan sampel dilakukan secara
acak/rambang, (3) penentuan perlakuan dilakukan secara rambang/acak, dan (4) yang
memberi perlakuan dilakukan secara rambang/acak pula. Model matematik yang
digunakan dalam analisis, sering disebut rancangan analisis rancangan A, baik untuk
penelitian eksperimental maupun bukan eksperimenta, adalah sebagai berikut. (1) Jika
yang terlibat dalam penelitian hanya dua sampel, digunakan uji-t unruk sampel
independen (bebas). (2) Jika yang dilibatkan dalam penelitian lebih dari dua sampel,
digunakan uji-F (Analisis Varians) satu jalur.
STATISTIK INFERENSIA STIE PERTIWI 2016-2017
7
2 X tot
2
JKtot = ∑ Xtot
N
(2) Menghitung Jumlah Kuadrad Antar Kelompok (JKantar):
X X 2 2
A tot
JKantar =
nA N
(3) Menghitunng Jumlah Kuadrad Dalam Kelompok (JKdal):
JKdal = JKtot ─ JKantar
(1) Menghitung Mean Kuadrad (Rerata Jumlah Kuadrat atau RJK) antar
Kelompok
(RJKantar):
JK antar
RJKantar = a = jumlah kelompok
a 1
(5) Menghitung Rerata Jumlah Kuadrat dalam Kelompok (RJKdal)
JK dal
RJKdal = N = jumlah seluruh sampel
N a
RJK antar
(6) Menghitung harga Fhitung dengan rumus:
RJK dalam
(7) Konsultasikan pada table F dengan db pembilang (a-1) dan db penyebut (N-a)
(8) Aturan keputusan : Jika F hitung lebih besar daripada F table pada ataraf
(9) Membuat kesimpulan, apakah terdapat perbedaan yang signifikan atau tidak
(10) Membuat Tabel Ringkasan Analisis Varians untuk Menguji Hipotesis k Sampel
N
Tabel 1.2. Data Hasil Belajar IPA Siswa SMA Klas II di Singaraja
(A1) (A2) (A3) (A4) Total
3 5 5 8
2 6 8 9
4 5 7 10
0 7 7 9
4 4 7 8
n1 = 5 n2 = 5 n3 = 5 n4 = 5 N = 20
∑X1 = 13 ∑X2 = 27 ∑X3 = 34 ∑X4 = 44 ∑Xtot = 118
∑X12 = 45 ∑X22 = 151 ∑X32 = 236 ∑ X42 = 390 ∑Xtot2 = 822
Perhitungan:
X 2
118 2
2
= 822
tot
JKtot = ∑ Xtot = 125,8
N 20
X X 2 2
A tot
JKantarA =
nA N
X X X X X
A1
2
A2
2
A3
2
A4
2
tot
2
=
n A1 n A2 n A3 n A4 N
132 27 2 34 2 44 2 118 2
= - 101,8
5 5 5 5 20
JKdal = JKtot ─ JKantar = 125,8 – 101,8 = 24
X A 2 132 27 2 34 2 44 2
Atau JK dal: X 2
tot
nA
822
5
24
5 5 5
Menarik kesimpulan
1. Metode mengajar berpengaruh terhadap hasil belajar siswa
2. Metode mengajar IV lebih berpengaruh terhadap hasil belajar siswa dari pada
metode mengajar III, II, dan I
3. Metode mengajar III lebih berpengaruh terhadap prestasi belajar siswa
daripada metode mengajar II dan I
4. Metode mengajar II lebih berpengaruh terhadap prestasi belajar siswa
dibandingkan dengan metode mengajar I.
B. Anava Dua Jalur (Anava AB) = Faktorial (2*2; 2*3; 3*3; dsb)
3. Rancangan Analisis
Insentif (A)
A1 A2
Motivasi (demokratis) (otoriter)
Kerja (B)
Motivasi Tinggi A1 B1 A2 B1
(B1)
Motivasi Rendah A1 B2 A2 B2
(B2)
Keterangan:
A = Kepemmpin (A1= Demokratis dan A2= Otoriter)
B = Motivasi Kerja (B1= Tinggi; B2= Rendah)
Y = Produktivitas Kerja
4. Contoh aplikasi
Tabel 1.5. Data Hasil Penelitian
A1 A2
B1 B2 B1 B2
X X X X
8 5 7 6
9 6 7 8
8 5 7 7
9 6 7 7
8 6 6 7
STATISTIK INFERENSIA STIE PERTIWI 2016-2017
12
5. Langkah-langkah perhitungan
2 X 2
X X 2 2
A tot
b. JKantar A =
nA N
X X X
A1
2
A2
2
tot
2
=
n A1 n A2 N
= (702 : 10) + (692 : 10) - (1392 : 20) = (490 + 476,1) – 966,05
= 966,1 – 966,05 = 0,05
X X 2 2
B tot
c. JK antarB =
nB N
X X X
B
2
B2
2
tot
2
=
n B1 nB 2 N
d. JKinter AB
X X
= AB
2
TOT
2
JK A JK B =
nAB N
(422:5) +(282:5)+ (342:5)+ (352:5) - (1392 : 20) – 0,05 – 8,45
= (352,8 + 156,8 + 231,2 + 245 ) – 966,05 – 0,05 – 8,45
= 985,8 – 966,05 – 0,05 – 8,45 = 11,25
X 2
X
2 AB
e. JK dal = tot
n AB
= 991 – 985,8 = 5,2
atau JK dal = JKtot – JKantarA – JKantarB – JKinterAB
= 24,95 – 0,05 – 8,45 – 11,25 = 5,2
f. JKtot = JKA+ JKB+ JKAB+JKdal = 0,05 + 8,45 + 11,25 + 5,2 = 24,95
db A = a-1 = 2 – 1 = 1
db B = b-1 = 2 – 1 = 1
db inter AB = db A x db B = 1x1 = 1
db dalam = N – ab = 20 – (2x2) = 20 -4 = 16
RJKA = JKA : dbA = 0,05 : 1 = 0,05
RJKKB = JKB : dbB = 8,45 : 1 = 8,45
RJKKAB = JKAB dbAB = 11,25 : 1 = 11,25
RJKKdalam = JKdal : dbdal = 5,2 : 16 = 0,325
FA = RJKA : RJKdalam = 0,05 : 0,325 = 0,154
FB = RJKKB : RJKdalam = 8,45 : 0,325 = 26
FAB = RJKAB : RJKdalam = 11,25 : 0,325 = 34,61
Tabel 1.8. Tabel Ringkasan Analisis ANAVA AB
Sumber JK db RJK Fh Ftab
Variasi 5% 1%
A 0,05 1 0,05 0,154*) 4,49 8,53
B 8,45 1 8,45 26,00**) 4,49 8,53
Inter AB 11,25 1 11,25 34,61**) 4,49 8,53
Dalam 5,2 16 0,325 -- -- --
Total 24,95 19 -- -- -- --
*) non signifikan
**) signifikan
Kesimpulan
FA = 0,154*) non signifikan, artinya? Tidak tedapat perbedaan yang
signifikan produktivitas kerja karyawan antara yang dipimpin secara demokratis dan
otoriter. Kepemimpinan tidak berpengaruh terhadap peningkatan produktivitas kerja
karyawan
FB = 26,00**) signifikan, artinya ? Terdapat perbedaan yang signifikan
produktivitas kerja karyawan antara karyawan yang memiliki motivasi kerja tinggi
dan rendah. Motivasi kerja berpengaruh terhadap peningkatan produktivitas kerja.
FAB = 34,61**) signifikan, artinya ? Dilanjutkan pada uji simple effect, untuk
mengetahui pengaruh antara kepemimpinan dan motivasi kerja terhadap produktivitas
kerja.
Karena pengaruh interaksi signifikan, harus dilanjutkan dengan uji t-Scheffe
atau uji Tukey, dengan rumus sebagai berikut.
X1 X 2
Rumus Tukey: Q db Q = n dan m
RJKdal
n
(n = sampel, dan m = jumlah kelompok)
X1 X 2
atau Untuk n1 = n2 : t = , dimana db t = db dalam
2 xRJKdal
n
db t sama dengan db dalam = 16. Nilai t tabel untuk db = 16 pada taraf signifikansi
5% = 2,120.
X1 X 2 8.4 6.8
Uji t1-2: t = t = 6.276 (signifikan)
2 xRJKdal 2 x0.325
n 10
X1 X 3 8.4 7.0
Uji t1-3: t = 5.49 (signifikan)
2 xRJKdal 2 x0.325
n 10
X1 X 4 8.4 5.6
Uji t1-4: t = 10.98 (signifikan)
2 xRJKdal 2 x0.325
n 10
X2 X3 6.8 7.0
Uji t2-3: t = 0.78 (non signifikan)
2 xRJKdal 2 x0.325
n 10
X2 X4 6.8 5.6
Uji t2-4: t = 4.707 (signifikan)
2 xRJKdal 2 x0.325
n 10
X3 X4 7.0 5.6
Uji t3-4: t = 5.49 (signifikan)
2 xRJKdal 2 x0.325
n 10
Rancangan Analisis Varians Tiga Jalur atau Rancangan Faktorial Tiga Faktor,
dapt diperluasnmenjadi rancanganempat faktor, lima faktor, dan seterusnya. Makin
banyak faktornya, akan makin rumit pula rancangannya. Di bawah ini disajikan
rancangan faktorial tiga faktor (rancangan ABC) yang paling sederhana.
Model analisis untuk rancangan ABC adalah analisis varians tiga jalur (jalur
A, B, dan C). Pengaruh utama (main effect) yang dapat diuji dalam rancangan ini ada
tiga, yaitu pengaruh utama faktor A (FA), pengaruh utama faktor B (FB), dan pengaruh
utama faktor C (FC). Pengaruh interaksi yang dapat diuji adalah empat, yaitu pengaruh
interaksi AB, AC, BC, ABC. Contoh aplikasinya adalah sebagai berikut ini.
1. Rancangan Analisis
Tabel 1.9.Rancangan Anava 2 Jalur (Faktorial 3x3)
Metode (A)
A1 A2 A3
Inteligensi (B)
Inteligensi Tinggi A1 B1 A2 B1 A3 B1
(B1)
Inteligensi Sedang A1 B2 A2 B2 A3 B2
(B2)
Inteligensi Rendah A1 B3 A2 B3 A3 B3
(B3)
Keterangan :
A = Metode Mengajar
A1 = Metode Mengajar I (ceramah)
A2 = Metode Mengajar II (diskusi)
A3 = Metode Mengajar III (pemberian tugas)
B = Inteligensi
B1 = Inteligensi Tinggi
B2 = Inteligensi Sedang
B3 = Inteligensi Rendah
Misalnya, seorang peneliti ingin mengetahui pengaruh metode mengajar terhadap
hasil belajar matematika.
2. Hipotesis Penelitian
(1) Terdapat perbedaan prestasi belajar matematika antara siswa yang mengikuti
pembelajaran dengan metode I, II, dan III
(1) Terdapat perbedaan prestasi belajar matematika antara siswa yang memiliki
inteligensi tinggi, sedang , dan rendah
(3) Ada pengaruh interaksi antara metode mengajar dan inteligensi
terhadap hasil belajar matematika
3. Hipotesis Statistik:
H0: (1) µ1 = µ2 = µ3
(2) µ1 = µ2 = µ3
(3) AB = 0
H1: (1) µ1 ≠ µ2 ≠ µ3
(2) µ1 ≠ µ2 ≠ µ3
(3) AB ≠ 0
4. Contoh aplikasi
Tabel 1.10. Data Hasil Penelitian
A1 A2 A3
B1 B2 B3 B1 B2 B3 B1 B2 B3
X X X X X X X X X
2,5 3,5 4,0 3,5 2,0 3,0 2,5 3,5 3,0
3,0 3,0 3,0 3,0 3,0 2,0 3,0 3,5 2,0
4,0 2,0 1,0 1,5 1,5 2,0 3,0 2,5 1,0
2,0 1,5 3,5 3,0 2,5 3,0 1,5 2,0 1,0
1,5 2,5 2,0 2,5 2,5 3,5 1,5 2,0 3,5
Keterangan:
A = Metode Mgajar
A1 = Metode Mengajar I (ceramah)
A2 = Metode Mengajar II (diskusi)
A3 = Metode Mengajar III (pemberian tugas)
B = Inteligensi
B1 = Inteligensi Tinggi
B2 = Inteligensi Sedang
B3 = Inteligensi Rendah
X = IP (Indek Prestasi)
5. Langkah-langkah analisis
Tabel 1.11. Statistik induk
A1 A2 A3
STAT TO-TAL
B1 B2 B3 B1 B2 B3 B1 B2 B3
n 5 5 5 5 5 5 5 5 5 45
∑X 13,0 12,5 13,5 13,5 11,5 13,5 11,5 13,5 10,5 113,0
∑ X2 37,5 33,75 42,75 38,75 27,75 38,25 28,75 38,75 27,25 313,0
X 2,6 2,5 2,7 2,7 2,3 2,7 2,3 2,7 2,1 2,51
A1 A2 A3 B1 B2 B3
15 15 15 15 15 15
39,0 38,5 35,5 38,0 37,5 37,5
113,5 104,75 94,75 105 100,25 108,25
2,6 2,56 2,36 2,53 2,5 2,5
Perhitungan:
X 2
1132
2
= 313 313 283,76 29,24
tot
a. JKtot = ∑ Xtot
N 45
X X 2 2
A tot
b. JKantar =
nA N
X X X X
A1
2
A2
2
A3
2
tot
2
=
n A1 n A2 n A3 N
=
392 38,52 35,52 1132 284,23 283,76 0,47
15 15 15 45
X X X X
B
2
B2
2
B3
2
tot
2
c. JK antarB =
n B1 nB 2 nB3 N
=
382 37,52 37,52 1132 283,77 283,76 0,01.
15 15 15 45
X 2
X tot
2
JK A JK B =
AB
d. JKinter AB =
n AB N
132 12,5 2 13,5 2 13,5 2 11,5 2 13,5 2 11,5 2 13,5 2 10,5 2 1132
0,47 0,01
5 5 5 5 5 5 5 5 5 45
= (33,8+31,25+36,45+36,45+26,45+36,45+26,45+36,45+22,05) -283,76 – 0,47 –
0,01 = 285,8 -283,76 -0,47 – 0,01 = 1,56.
X 2
X
2 AB
e. JK dal = tot 313 285,8 27,20
n AB
atau JK dal = JKtot – JKantarA – JKantarB – JKinter = 29,24 – 0,47 – 0,01 -1,56
= 27,20
f. JKtot = JKA+ JKB+ JKAB+JKdal = 0,47+0,01+1,56+27,2 = 29,24
db A = a-1 = 3-1 = 2
db B = b-1 = 3-1 = 2
db inter AB = db A x db B = 2 x 2 = 4
STATISTIK INFERENSIA STIE PERTIWI 2016-2017
19
db dalam = N – ab = 45 – (3x3) = 36
RJKKA = JKA : dbA = 0,47 : 2 = 0,24
RJKKB = JKB : dbB = 0,01 : 2 = 0,005
RJKAB = JKAB dbAB = 1,56 : 4 = 0,39
RJKdalam = JKdal : dbdal = 27,2 : 36 = 0,76
FA = RJKA : RJKdalam = 0,24 : 0,76 = 0,32
FB = RJKB : RJKdalam = 0,005 : 0,76 = 0,006
FAB = RJKAB : RJKdalam = 0,39 : 0,76 = 0,51
Kesimpulan:
FA = 0,32 non signifikan
FB = 0,006 non signifikan
FAB = 0,51 non signifikan
Catatan:
Jika hasil uji hipotesis terdapat pengaruh interaksi yang signifikan (F inter AB
adalah signifikan), maka dilanjutkan dengan uji simple effect dengan uji Tukey (jika
n tiap kelompok sama) atau uji t- Scheffe (jika n sama atau tidak sama), dengan rumus
sebagai berikut.
X1 X 2
Rumus Tukey: Q
RJKdal
n
X1 X 2
Uji t-Scheffe: t
2 xRJKdal
n
Tugas Latihan
Seorang peneliti bermaksud untuk mengetahui pengaruh metode pembelajaran
kooperatif dan motivasi belajar terhadap hasil belajar matematika pada siswa SMA.
Untuk itu, dilakukan eksperimen selama satu semester terhadap dua kelas sebagai
kelompok eksperimen dan dua kelas sebagai kelompok kontrol. Kelompok
eksperimen diajar dengan metode pembelajaran kooperatif, sedangkan kelompok
kontrol diajar dengan metode pembelajaran konvensional. Motivasi belajar siswa
diklasifikasikan menjadi motivasi tinggi dan rendah. Jumlah sampel penelitian
sebanyak 100 orang.
1. Buatlah rancangan analisisnya
2. Rumuskan hipotesis statistiknya
3. Hitunglah harga F masing-masing
4. Jika terjadi pengaruh interaksi yang signifikan, lakukan uji lanjut
Catatan: datanya dikarang sendiri (angka puluhan, n = 100).
B1 C1 8 15 15 10 14 15
C2 14 16 17 15 17 17
C3 16 17 18 16 16 20
B2 C1 10 12 12 9 12 14
C2 12 14 16 11 15 16
C3 15 16 19 13 16 18
B3 C1 11 11 15 11 11 13
C2 16 16 18 13 13 18
C3 16 20 20 14 15 18
B4 C1 9 11 14 12 12 12
C2 14 15 19 15 16 18
C3 14 18 20 17 19 20
Dalam hal ini variabel penelitiannya adalah sebagai berikut.
Variabel bebasnya:
A = jenis kelamin (A1 = laki-laki; dan A2 = perempuan)
B = tempat tinggal (B1 = kota; B2 = pinggiran kota; B3 = desa; B4 = desa terpencil)
C = sikap sosial (C1 = sikap tinggi; C2 = sikap sosial sedang; C3 = sikap sosial
rendah)
Variabel terikatnya: adalah prestasi belajar IPS.
Untuk menganalisis data tersebut, terlebih dahulu perlu dibuatkan tabel data
statistik induk yang diperlukan untuk menguji hipotesis penelitian. Statistik yang
diperlukan untuk menghitung jumlah kuadrat adalah seperti tabel berikut.
Langkah-langkah perhitungan:
10702
1). JKTot 16522 620,611
72
5392 5312 10702
2). JK A 0,889
36 36 72
2762 2502 2692 2752 10702
3). JK B 24,278
18 18 18 18 72
77 2 69 2 72 2 70 2 96 2 84 2 94 2 97 2 1032 97 2 1032 1082
JK C
4). 6 6 6 6 6 6 6 6 6 6 6 6
1070 2
328,028.
72
JK AC
38 34 37 34 39 35 35 36 47 42 50 48
2
2
2
12 12 12
6). 49 42 44 49 51 50 56 52 52 47 47 56 FK JK A JK C
2 2 2
12 12 12
1704,083333 1752,083333 2914,083333 2821,333333 3640,083333
3400,333333 15901,389 0,889 328,028 1,694
77 2 69 2 72 2 70 2 96 2 84 2 94 2 97 2 1032 97 2 1032
JK BC
6 6 6 6 6 6 6 6 6 6 6
7).
1082
FK JK B JK C 16263,66667 15901,389 328,028 24,278 9,972
6
382 47 2 512 34 2 42 2 50 2 37 2 50 2 56 2 34 2 482 52 2
JK ABC
3 3 3 3 3 3 3 3 3 3 3 3
39 2
3
49 2 52 2 352 42 2 47 2 352 44 2 47 2 36 2 49 2 56 2
8). FK JK A JK B
3 3 3 3 3 3 3 3 3 3 3
JK C JK AB JK AC JK BC 1628,99996 15901,389 0,889 24,278 328,028
19,00 1,694 9,972 4,75
9).
JK dal JK tot JK A JK B JK C JK AB JK AC JK BC JK ABC 620,611 0.889
24,278 328,028 19,0 4,75 1,694 9,972 232,334
Berdasarkan data pada tabel di atas, kemudian dihitung statistik induk yang
diperlukan untuk menganalisis data tersebut, seperti tabel berikut.
Tabel 1.18. Statistik Induk
Statistik A1 A2 A3 A4 Total XS
n 6 6 6 6 24 6
∑X 29 31 40 47 147 147
∑X2 155 171 272 375 973 3677
JK S 18,875
9). RJK S 3,775
dbS 5
JK AS 18,958
10). RJK AS 1,264
dbAS 15
Tabel1.19. Ringkasan Anava AS
SV JK db RJK Fhitung F tabel
S 18,875 5 3,775 2,987 -
A 34,792 3 11,597 9,175*) 5.42
AS (dalam) 18,958 15 1,264 - -
Total 72,625 23 - - -
*) = signifikan pada taraf signifikansi 5%
Dalam hal ini yang menjadi sasaran uji hipotesisnya adalah F antar A. FA
hitung diperoleh 9,175 lebih besar dari Ftabel (ts. 1%) = 5,42, sehingga H0 ditolak
dan H1 diterima.Dengan demikian ada perbedaan yang signifikan prestasi belajar IPA
antara periode pengukuran pertama sampai dengan pengukuran terakhir. Oleh karena
harga F hitung signifikan, maka harus dilanjutkan dengan uji simple effect antar
periode pengukuran dengan menggunakan rumus t-Scheffe. Yang diuji adalah antar
periode, yaitu: (1) t (A1-A2); t (A1-A3); t (A1-A4); t (A2-A3), t (A2-A4); dan t (A3-
A4). Untuk hasil uji FS tidak dibahas karena asumsi dalam Psikologi menyatakan
bahwa antar subyek memang terdapat perbedaan secara individual. Uji FS bisa
dugunakan untuk menguji homogenitas varians. Db t = db dalam = 15. Harga t tabel
untuk ts 5% = 2,132
BAB II
ANALISIS REGRESI LINEAR DAN KORELASI
Kompetensi Dasar
Mahasiswa memahami tentang analisis regresi linear dan korelasi, serta
mampu menggunakannya untuk menganalisis data kuantitatif.
Indikator pencapaian
Mahasiswa dapat:
1. menjelaskan manfaat analisis regresi dan korelasi
2. menjelaskan manfaat analisis regresi dan korelasi
3. merumuskan hipotesis penelitian dan hipotesis statistik
4. menguji hipotesis
5. menguji kebermaknaan dan keliniearan regresi
6. mengambar garis persamaa regresi sederhana
7. menerapkan teknik analisis regresi dan korelasi untuk menguji hipotesis
penelitian
8. menghitung koefisien determinasi
9. menghitung sumbangan efektif masing-masing prediktor terhadap kriterium
10. menerapkan teknik analisis parsial
11. menafsirkan dan menyimpulkan hasil uji hipotesis dengan analisis regresi,
korelasi, dan parsial.
Uraian Materi
X Y
Y X X XY
2
Rumus: a
n X X 2 2
n XY X Y
b
n X 2 X
2
2. Langkah-langkah Perhitungan
Diketahui: ΣX = 1105
ΣY = 1001
ΣXY = 37094
ΣX2 = 41029
ΣY2 = 33599
a
100141029 110537094 8,24
3041029 1105
2
30(37094) (1105)(1001)
b 0,68
30(41029) (1105)2
-30,00...........
Ŷ = 8,24 + 0,68X
-8,24
30 32 34 36 X
Gambar 2.2. Gambar Persamaan Garis Regresi
(1) Urutkan data X dari terkecil hingga data terbesar, diikuti oleh data Y
Tabel 2.2. Pengelompokan data Skor Motivasi dan Prestasi Belajar
X Kelompok ni Y
30 1 1 29
32 2 2 31
32 30
33 3 2 31
33 32
34 4 5 32
34 31
34 30
34 30
34 32
35 5 1 32
36 6 3 30
36 32
36 34
37 7 3 33
37 34
37 32
38 8 2 36
38 34
39 9 2 36
39 35
40 10 5 38
40 35
40 33
40 37
40 36
41 11 1 37
42 12 3 36
42 35
42 38
(2) Hitung berturut-turut Jumlah Kuadrat (JK) = Sum Square (SS) dengan rumus
berikut.
JK(T) = ∑Y2
JK(a) = (∑Y)2
N
JK(b׀a) = b XY
X Y
N
JK(S) = JK(T) JK(a) JK(b׀a)
JK(G) = Y 2
Y
2
n
JK(TC) = JK(S) – JK(G)
Perhitungan:
JK(G) = Y
Y
2
2 (29) 2
2
(31 30) 2
2
29
31 30 2
n 1 2
2 5
1 3 3
2 2
2 (38 35 33 37 36) 2 (37) 2
38 35 2
33 2
37 2
36 2
37
5 1
(36 35 38) 2
36 2 35 2 38 2 37,67
3
JK (G) = 37,67
JK(TC) = JK(S) – JK(G) = 46,76 – 37,67 = 9,09
(3) Hitung derajat kebebasan (dk) sebagai berikut.
dk (a) = 1 dk = derajat kebebasan = degree of freedom (df)
dk (b|a) = 1 jumlah prediktor 1
dk sisa = n-2 = 30-2 = 28
dk tuna cocok = k-2 = 12-2 = 10 k= jumlah pengelompokan data X = 12
dk galat = n-k = 30-12 =18
(4) Hitung Rerata Jumlah Kuadrat (RJK) sebagai berikut.
RJK(T) = JK(T) : n = 33599 : 30 =1119,97
RJK(S) = JK(S) : dk(S) = n-2 = 46,76: 28 = 1,67
RJK(Reg) = JK(Reg) : dk(reg) = 152,21 : 1 = 152,21
RJK(TC) = JK(TC) : db(TC) = 9,09 : 10 = 0,91.
Tabel 2.3. Tabel Ringkasan Anava Untuk Menguji Keberartian dan Linearitas
Regresi
Sumber Variasi JK (SS) dk (df) RJK (MS) F hitung F tabel
Total 33599 30 1119,97 - -
Koefisien (a) 33400,03 1 - - -
Keterangan:
Jika F hitung (regresi) lebih besar dari harga F tabel pada taraf signifikansi 5%
(α 0,05), maka harga F hitung (regresi) signifikan, yang berarti bahwa koefisien
regresi adalah berarti (bermakna). Dalam hal ini, F hitung (regresi) = 91,14,
sedangkan F tabel untuk dk 1:28 (pembilang = 1; dan penyebut = 18) untuk taraf
signifikansi 5% = 4,20. Ini berarti, harga F regresi > dari harga F tabel, sehingga
hipotesis nol ditolak dan hipotesis alternatif diterima, sehingga harga F regresi adalah
signifikan. Dengan demikian, terdapat hubungan fungsional yang signifikan antara
variabel motivasi dan prestasi belajar.
Jika harga F hitung (tuna cocok) lebih kecil dari harga F tabel, maka harga F
hitung (tuna cocok) non signifikan, yang berarti bahwa hipotesis nol diterima dan
hipotesis altenatif ditolak, sehingga regresi Y atas X adalah linear. Dalam hal ini, F
hitung (tuna cocok) = 0,44, sedangkan F tabel untuk taraf signifikansi 5% = 2,42,
dengan demikian harga F tuna cocok < dari harga F tabel. Ini berarti, H0 diterima
sehingga harga F tuna cocok adalah non signifikan. Dengan demikian, hubungan
antara variabel motivasi dan prestasi belajar adalah linear.
Atas dasar analisis regresi, dapat dihitung kadar hubungan antara X dan Y atau
kadar kontribusi X terhadap Y. Koefisien korelasi (r) dapat dihitung dengan rumus
berikut:
JK (TD) JK ( S )
r2 = , dimana JK(TD) = jumlah kuadrat total dikoreksi.
JK (TD)
JK(TD) = JK(T) – JK(a) = 33599 - 33400,03 = 198,97. Jadi r2 =
198,97 46,76
0,765
198,97
Koefisien korelasinya (r) = 0,765 0,875.
Dengan rumus korelasi produk moment, juga dapat dihitung koefisien korelasinya,
yaitu sebagai berikut:
Telah diketahui (telah dihitung di atas):
ΣX = 1105
ΣY = 1001
ΣXY = 37094
ΣX2 = 41029
ΣY2 = 33599
N XY X Y
rxy
N X 2
X N Y 2 Y
2 2
(30 x37094) (1105 x1001)
rxy 0,875
(30 x41029) (1105) (30 x33599) (1001)
2 2
H1 diterima. Ini berarti, harga t hitung adalah signifikan, sehingga disimpulkan bahwa
terdapat korelasi positif dan signifikan antara motivasi dan prestasi belajar. Untuk
mengetahui kontribusi variabel prediktor terhadap kriterium, nilai koefisien
korelasinya dikuadratkan (r2). Koefisien determinasi (r2) = (0,875)2 = 0,765 atau
76,5%; ini berarti sumbangan atau kontribusi motivasi terhadap prestasi belajar adalah
sebesar 76,5%, sedangkan residunya sebesar 23,5% dijelaskan oleh variabel lain yang
tidak diteliti.
1. Konstelasi Masalah
X1
X2
Keterangan:
8 6 3 14 36 9 18 84 42 196
9 7 4 20 49 16 28 140 80 400
10 6 3 19 36 9 18 114 57 361
∑ 60 40 170 406 182 267 1122 737 3162
3. Menghitung beta
Menghitung harga-harga : b0; b1, b2 dengan menggunakan persamaan berikut,
dengan menggunakan skor angka kasar:
(1) ∑ Y = nb0 + b1∑X1 + b2∑X2
(2) ∑X1Y = b0∑X1 + b1 ∑X12 + b2∑X1X2
(3) ∑X2Y = b0∑X2 + b1∑X1X2 + b2∑X22
Masukkan harga-harga di atas dimasukkan ke dalam persamaan tersebut sehingga
menjadi:
(1) 170 = 10 b0 + 60 b1 + 40 b2
(2) 1122 = 60 b0 + 406 b1 + 267 b2
(3) 737 = 40 b0 + 267 b1 + 182 b2
Untuk menyelesaikan persamaan tersebut untuk memperoleh koefisien b0, b1, dan b2,
dapat digunakan metode eliminasi berikut.
Persamaan (1) dikalikan 6, persamaan (2) dikalikan 1, kemudian dikurangkan
sehingga menjadi sebagai berikut.
1020 = 60 b0 + 360 b1 + 240 b2
1122 = 60 b0 + 406 b1 + 267 b2
______________________________________ -
- 102 = 0 + -46 b1 + -27 b2
STATISTIK INFERENSIA STIE PERTIWI 2016-2017
36
Persamaan (4) dikalikan dengan 27, persamaan (5) dikalikan dengan 46, sehingga
hasilnya menjadi:
-2754 = -1242 b1 - 729 b2
-2622 = -1242 b1 - 1012 b2
-132 = 0 b1 + 283 b2
Cara perhitungan koefisien-koefisien b0, b1, dan b2 di atas sangat panjang dan
rumit. Untuk mengatasi hal tersebut, dapat digunakan cara lain yang lebih sederhana,
yaitu hanya dengan dua persamaan, tetapi harus diubah menjadi skor deviasi terlebih
dahulu. Dengan demikian, persamaannya menjadi:
ў = b0+b1x1 + b2x2
x y b x b x x
2
1 1 1 2 1 2
x y b x x b x
2
2 1 1 2 2 2
( x 2 )( x1 y ) ( x1 x 2 )( x2 y )
2
b1
( x1 )( x2 ) ( x1 x2 ) 2
2 2
( x1 )( x2 y ) ( x1 x2 )( x1 y )
2
b2
( x1 )( x2 ) ( x1 x2 ) 2
2 2
( Y ) 2
y 2
Y 2
n
( X ) 2
x 2
X 2
n
( X i )( Y )
x y X Y
i i
n
( X i )( X j )
x x i j Xi X j
n
( Y ) 2
y 2 Y 2 n
= 3162 – (1702 : 10) = 272
( X 1 ) 2
x X1 = 406- (602 : 10) = 46
2 2
1
n
( X 2 ) 2
x X2 = 182 – (402 : 10) = 22
2 2
2
n
( X 1 )( Y )
x1 y X 1Y n
= 1122 – ((60x170) : 10) = 102
( X 2 )( Y )
x 2 y X 2Y n
= 737 – ((40x170) : 10) = 57
( X 1 )( X 2 )
x1 x2 X 1 X 2 n
= 267 – ((60x40) : 10) = 27
Dengan menggunakan rumus deviasi, dapat dihitung harga b1, dan b2 sebagai berikut.
(22)(102) (27)(57)
b1 705 : 283 = 2,491
(46)(22) (27) 2
(46)(57) (27)(102)
b2 = - 0,466
(46)(22) (27) 2
b0 17 (2,491x6) (0,466 x4) 3,918
x y b x b x x
2
(1) 1 1 1 2 1 2
x y b x x b x
2
(2) 2 1 1 2 2 2
b1 x1 y b2 x 2 y
Ry (1,2) =
y 2
JK(reg) = b1 x1 y b2 x2 y
= (2,491)(102)+(-0,466)(57)= 227,52
JK(T) = ∑y2 = 272
JK(sisa) = JK(T) = ∑y2 – JK(reg) = 272 – 227,52 = 44,48
dk reg = k (prediktor = 2)
RJK (reg) = JK(reg)/dk reg = 227,52 : 2 = 113,76
dk (sisa) = n – k – 1 = 10-2-1 = 7
RJK(sisa) = JK(sisa)/dk sisa = 44,48 : 7 = 6,354
F reg = RJK(reg)/RJK(sisa) = 113,76 : 6,354 = 17,90
harga F hitung = 17,90 > dari harga F tabel pada ts. 5% = 4,74; sehingga hipotesis nol
ditolak dan hipotesis alternatif, diterima. Ini berarti bahwa koefisien regresi ganda
yang diperoleh adalah bermakna/berarti/signifikan.
Setelah diketahui harga R bermakna, maka dapat disimpulkan bahwa sebesar
83,20% variasi yang terjadi pada produktivitas kerja karyawan (Y) dapat
dijelaskan/dikontribusi/diprediksi oleh variabel kemampuan kerja (X1) dan
kepemimpinan direktif (X2) melalui persamaan regresi Ŷ = 3,918 + 2,491X1 -
0,466X2.
8. Uji Keberartian Koefisien Regresi Linear Ganda
Meskipun ternyata regresi ini berarti, untuk menilai ketepatan ramalan
(prediksi), perli dilihat galat baku taksiran (simpangan baku taksiran) yang diberi
lambang s2y.12, dapat dihitung dengan rumus berikut.
Dengan demikian galat baku taksiran, sy.12 = √6,354 = 2,521. Dengan galat
baku taksiran ini, dapat dihitung galat baku koefisien b1 dan b2 yang diberi lambang
sbi , dapat dihitung dengan rumus:
s 2 y.12
s 2 bi
x 2 ij (1 R 2 i )
Selanjutnya, uji keberatian koefisien regresi, digunakan statistik:
t = bi / sbi
N XY X Y
Korelasi antara X1 dan X2 = rxy
N X 2
X
2
N Y 2
Y
2
10(267) (60)(40) 270 270
= rxy 0,849
10(406 (60) 10(182 (40)
2 2
101200 318,119
r2 = 0,721.
1. Konstelasi Masalah:
X1
X2 Y
X3
2. Contoh data
Tabel 2.6.Tabel Data Skor Kemampuan kerja, Pemahaman kerja, Motivasi kerja,
dan Produktivitas kerja
No X1 X2 X3 Y X12 X22 X32 Y2 X1Y X2Y X3Y X1X2 X1X3 X2X3
1 60 59 67 56 3600 3481 4489 3136 3360 3304 3752 3540 4020 3953
2 31 33 41 36 961 1089 1681 1296 1116 1188 1476 1023 1271 1353
3 70 70 71 71 4900 4900 5041 5041 4970 4970 5041 4900 4970 4970
4 69 69 70 68 4761 4761 4900 4624 4692 4692 4760 4761 4830 4830
5 50 48 49 47 2500 2304 2401 2209 2350 2256 2303 2400 2450 2352
6 30 29 33 34 900 841 1089 1156 1020 986 1122 870 990 957
7 40 48 51 50 1600 2304 2601 2500 2000 2400 2550 1920 2040 2448
8 55 54 60 60 3025 2916 3600 3600 3300 3240 3600 2970 3300 3240
9 58 61 59 61 3364 3721 3481 3721 3538 3721 3599 3538 3422 3599
10 26 34 31 29 676 1156 961 841 754 986 899 884 806 1054
11 78 76 75 77 6084 5776 5625 5929 6006 5852 5775 5928 5850 5700
12 45 43 43 46 2025 1849 1849 2116 2070 1978 1978 1935 1935 1849
13 47 56 46 50 2209 3136 2116 2500 2350 2800 2300 2632 2162 2576
14 34 42 43 39 1156 1764 1849 1521 1326 1638 1677 1428 1462 1806
15 57 58 56 56 3249 3364 3136 3136 3192 3248 3136 3306 3192 3248
∑ 750 780 795 780 41010 43362 44819 43326 42044 43259 43968 42036 42700 43935
Dari tabel tersebut diperoleh harga-harga berikut:
X1 = 750
X2 = 780
X3 = 795
Y = 780
X12 = 41010
X22 = 43362
X32 = 44819
Y2 = 43326
X1Y = 42044
X2Y = 43259
X3Y = 43968
X1X2 = 42035
X1X3 = 42700
X2X3 = 43935
X 1 50
X 2 52
X 3 53
Y 52
b0 Y b1 X 1 b2 X 2 b3 X 3
( Y ) 2
y 2
Y 2
n
= 43326 – (7802 : 15) = 2766
( X 1 ) 2
x X1 = 41010- (7502 : 15) = 3410
2 2
1
n
( X 2 ) 2
x X2 = 43362 – (7802 : 15) = 2802
2 2
2
n
( X 3 ) 2
x X3 = 44819 – (7952 : 15) = 2684
2 2
3
n
( X 1 )( Y )
x y X Y
1 1
n
= 42044 – ((750x780) : 15) = 3044
( X 2 )( Y )
x 2 y X 2Y n
= 43259 – ((780x 780) : 15) = 2699
( X 3 )( Y )
x3 y X 3Y n
= 43968 – (795x780) : 15) = 2628
( X 1 )( X 2 )
x1 x2 X 1 X 2 n
= 42035 – ((750x780) : 15) = 3035
( X 1 )( X 3 )
x1 x3 X 1 X 3 n
= 42700 – ((750x795) : 15) = 2950
( X 2 )( X 3 )
x 2 x3 X 2 X 3 n
= 43935 – ((780x795) : 15) = 2595
Persamaan regresi untuk menghitung b0, b1, b2, dan b3 digunakan persamaan
sebagai berikut.
x y b x b x x b x x
2
1 1 1 2 1 2 3 1 3
x y b x x b x b x x
2
2 1 1 2 2 2 3 2 3
x y b x x b x x b x
2
3 1 1 3 2 2 3 3 3
b0 Y b1 X 1 b2 X 2 b3 X 3
Di samping cara tersebut di atas, koefsien beta dapat juga dicari dengan
metode Selisih Produk Diagonal (SPD) sebagai berikut.
Persamaan:
b1 x1 y b2 x2 y b3 x3 y
Ry (1,2,3) =
y 2
= (0,375)(3044)+(0,304)(2699)+(0,273)(2628)= 2679,44
JK(T) = ∑y2 = 2766
JK(sisa) = JK(T) = ∑y2 – JK(reg) = 2766 – 2679,44 = 86,56
dk reg = k (prediktor = 3)
RJK (reg) = JK(reg)/dk reg = 2679,44 : 3 = 893,147
dk (sisa) = n – k – 1 = 15-3-1 = 11
RJKK(sisa) = JK(sisa)/dk sisa = 86,56 : 11 = 7,869
F reg = RJK(reg)/RJK(sisa) = 893,147 : 7,869 = 113,500
s 2 y.123
s 2 bi
x 2 ij (1 R 2 i )
Selanjutnya, uji keberatian koefisien regresi, digunakan statistik:
N XY X Y
Korelasi antara X1, X2 dan X3 = rxy
N X 2
X
2
N Y 2
Y
2
Tabel 2.8. Matrik Korelasi Antar Variabel (dihitung dengan kalkulator)
X X1 X2 X3 Y
X1 1,00 0,968 0,961 0,977
X2 1,00 0,946 0,969
7,8691 7,8691
s 2 b2 0,037....sb 2 0,037 0,1923
2802(1 0,924) 212,952
7,8691 7,8691
s 2b3 0,0279...sb 3 0,0279 0,167
2684(1 0,895) 281,82
t = b1 / sb1 = 0,375/ 0,192 = 1,953 tt 0,05 = 1,80; jadi t hitung lebih besar dari t tabel;
ini berarti bahwa koefisien arah regresi yang berkaitan dengan X1 adalah
berarti/bermakna.
t = b2 / sb2 = 0,304 / 0,1923 = 1,581 t hitung lebih kecil dari t tabel sehingga
koefisien arah yang berkaitan dengan X2 tidak berarti.
t = b3 / sb3 = 0,273 / 0,167 = 1,635 t hitung lebih kecil dari t tabel sehingga
koefisien arah yang berkaitan dengan X2 tidak berarti.
Dari pengujian tersebut di atas dapat disimpulkan bahwa daya ramal prediktor
kemampuan kerja terhadap produktivitas kerja adalah berarti/bermakna; sedangkan
daya ramal prediktor pemahaman tugas dan motivasi kerja terhadap produktivitas
kerja, tidak bermakna.
(2) Hitung sumbangan relatif dalam persen (SR%) tiap prediktor (dihitung
harga mutlaknya):
JK(reg) = b1 x1 y b2 x2 y b3 x3 y
= (0,375)(3044)+(0,304)(2699)+(0,273)(2628)
= 1141,5 + 820,496 + 717,444 = 2679,44
-------------------------------------------- +
Total (JKreg) = 2679,44
1141,5
Prdiktor X1 : SR% = x100% 42,602
2679,44
820,496
Prediktor X2: SR% = x100% 30,622
2679,44
717,444
Prediktor X2: SR% = x100% 26,776
2679,44
---------------------------------------------------------------
Total = 100%
b1 x1 y 1141,5
SE% X1 = (efektivita s) (96,87%) 41,27%
JK (reg ) 2679,44
b2 x2 y 820,496
SE% X2 = (efektivita s) (96,87%) 29,66%
JK (reg ) 2679,44
b3 x3 y 717,444
SE% X3 = (efektivita s) (96,87%) 25,94%
JK (reg ) 2679,44
-------------------------------------------------------------------------------
Total = 96,87%
Kesimpulan:
D. Korelasi Parsial
(1) Korelasi parsial dengan dua prediktor (X1 dan X2) sebagai berikut:
ry1 ry 2 ry12
ry1..2
(1 r 2 y 2 )(1 r 212 )
ry 2 ry1 ry12
ry 2.1
(1 r 2 y1 )(1 r 212 )
(2) Korelasi parsial dengan tiga prediktor (X1 , X2 dan X3) sebagai berikut
(3) Korelasi parsial 3 prediktor berdasarkan matrik korelasi di atas adalah sebagai
berikut. Telah diketahui (dihitung):korelasi jenjang nihil (sederhana): ry1 =
0,977;
r y2 = 0,969; r y3 = 0,964; r12 = 0,968; r13 = 0,961; dan r23 = 0,946.
r12. y 0,404
r13.2 0,557
r13. y 0,338
r23.1 0,227
r23. y 0,181
r1 y..2 0,629
r2 y.1 0,435
r3 y.2 0,591
r13..2 0,556
r21.3 0,657
r32.1 0,227
r2 y..3 0,662
r3 y.1 0,426
r1 y..3 0,688
ry1..2 ry 3.2 r13.2 0,629 (0,591)(0,556) 0,300404
ry1..23 0,448
(1 r y 3.2 )(1 r 13.2 )
2 2
(1 0,591 )(1 0,556 )
2 2
0,670491112
ry 2..3 ry1..3 r21..3 0,662 (0,688)(0,657) 0,209984
ry 2..31 0,384
(1 r 2 y1..3 )(1 r 2 21..3 ) (1 0,688 2 )(1 0,657 2 ) 0,547106446
ry 3.1 ry 2.1 r32.1 0,426 (0,435)(0,227) 0,327255
ry 3.12 0,373
(1 r y 2.1 )(1 r 32.1 )
2 2
(1 0,435 )(1 0,227 ) 0,876924497
2 2
Kesimpulan:
(1) Terdapat korelasi positif dan signifikan antara variabel kemampuan kerja
dengan variabel produktivitas kerja setelah dikendalikan dengan variabel
pemahaman tugas dan motivasi kerja (r1y-23 = 0,448; r2 = 0,2007 = 20,07%; ini
berarti bahwa variabel kemampuan kerja memberikan kontribusi terhadap
variabel produktivitas kerja sebesar 20,07%).
(2) Terdapat korelasi positif dan signifikan antara variabel pemahaman tugas
dengan variabel produktivitas kerja setelah dikendalikan dengan variabel
kemampuan kerja dan motivasi kerja (r2y-31 = 0,384; r2 = 0,1475 = 14,75%; ini
berarti bahwa variabel pemahaman tugas memberikan kontribusi terhadap
variabel produktivitas kerja sebesar 14,75%).
(3) Terdapat korelasi positif dan signifikan antara variabel motivasi kerja dengan
produktivitas kerja setelah dikendalikan dengan variabel kemampuan kerja
dan pemahaman tugas (r3y-12 = 0,373; r2 = 0,1391 = 13,91%; ini berarti bahwa
variabel kemampuan kerja memberikan kontribusi terhadap variabel
produktivitas kerja sebesar 13,91%).
Tugas Latihan
Seorang peneliti ingin mengetahui hubungan antara inteligensi, minat belajar,
dan konsep diri dengan prestasi belajar IPA di SMA. Untuk itu, dikumpulkan data
pada 60 orang siswa yang diambil secara random. Data yang diperoleh berbentuk
angka puluhan (data fiktif dibuat sendiri).
BAB III
ANALISIS KOVARIANS
Kompetensi Dasar
Mahasiswa memahami tentang analisis kovarianss satu jalur, dua jalur dan tiga
jalur, serta mampu menggunakannya untuk menganalisis data kuantitatif.
Indikator pencapaian
Mahasiswa dapat:
1. memahami konsep dasar analisis kovarians
2. menjelaskan manfaat analisis kovarians
3. melakukan analisis kovarians satu jalur, dua jalur, dan tiga jalur.
4. menggunakan analisis kovarians satu jalur, dua jalur, dan tiga jalur untuk
menganalisis data penelitian kuantitatif
Uraian Materi
* JK A / dbA RJK A
Rumus yang digunakan: FA
JK dal / dbdal RJK dal
3. Hipotesis Statistik:
H0: µ1 = µ2 = µ3
H1: µ1 ≠ µ2≠ µ3
A1 A2 A3
X Y X Y X Y
29 15 22 20 33 14
49 19 24 34 45 20
48 21 49 28 35 30
35 27 46 35 39 32
53 35 52 42 36 34
47 39 43 44 48 42
46 23 64 46 63 40
74 38 61 47 57 38
72 33 55 40 56 54
67 50 54 54 78 56
Keterangan:
A = Metode Mengajar ( A1 = metode ceramah, A2 = metode
pemberian tugas, dan A3 = metode kooperatif.
X = Skor Tes Bakat (Aptitude Test Score) = kovariabel (X)
Y = Skor Prestasi Belajar Biologi
b. Langkah-langkah Perhitungan
Betat =
xy = 0,519
x 2
Y 2
y
A
1). JKY = 2
= YT2 = 40706 - (3002 /10 +3902 /10 + 3602 /10)
nA
=3536
2 2
X A
2
3).JPXY=xyd= XYTot
X Y
A A
=54822 – (520*300:10 + 470*390:10 +
nA
490*360:10) = 3252
Db A* = db A = a – 1 = 3-1= 2
Db D* = db D – M = N – a – M ( jumlah kovariabel) = 30-3-1 = 26
Db Tot.* = db Tot. – M = N – 1 – M = 30-1-1=28
Jika kita ingin mengetahui harga koefisien korelasi antara kriterium dengan
kovariabel X, harga rxy itu dapat dicari dengan menggunakan bahan-bahan sumber
variasi dalam kelompok, sebagai berikut.
rxy
xy
3252
3252
3252
0,724
x y
2 2
5700 * 3536 20155200 4489,45431
M A1 M A2
Rumus: t1-2 =
1 1 X X
RJKd 1
2
2
n
1 n 2 JK dal.
db t sama db dalam = 2,056 (untuk ts 5%) dan 2,779 (untuk ts. 1%). Dengan
demikian, harga t adalah signifikan pada taraf signifikansi 1% (p<0,01).
Simpulannya?
3. Hipotesis Statistik:
H0: µ1 = µ2
H1: µ1 ≠ µ2
Keterangan:
A = Metode Pembelajaran (A1 = metode konvensional; A2 = metode kooperatip)
Y = Prestasi Belajar IPA
X1 = Skor Tes Bakat
X2 = Skor Motivasi Berprestasi
5. Langkah-langkah Perhitungan
Y 2
131
2
1). y Y
2 2
tot
N
tot
885
20
26,95
X 1tot
2
130
2
x X1
2 2
2). 1 tot 886 41
N 20
X 2
1412 = 26,95
x2 X 2
2 2
3). tot 2 tot
1021
N 20
N
tot
20
N
tot
20
YA! 2 YA 2
885 61 70 885 862,1 22,9
2 2
1). y 2
Y 2
2
10 10
tot
n1 n2
X A1 2 X A2 2 66 2 64 2
x1 X 1 tot n n 886 10 10 886 845,2 40,8
2 2
2).
1 2
X X
3) x2 2 X 2 2 tot A1 A2 1021
2 2
74 2 67 2
24,5
n1 n2 10 10
X A1 * YA1 X A2 * YA2
x y X Y
1
1 tot
n1
n2
4).
66 * 61 64 * 70
877 26,4
10 10
X A1 * YA1 X A2 * YA2
x y X Y
2
2 tot
n1
n2
5).
74 * 61 67 * 70
940 940 920,4 19,6
10 10
X 1 A1 * X 2 A1 X 1 A2 * X 2 A2
x x X X
1 2
1 2 tot
n
n
6). 1 2
66 * 74 64 * 67
942 942 917,2 24,8
10 10
x y b1 x b2 x x
2
(1) 1 1 1 2
x y b1 x x b2 x
2
(2) 2 1 2 2
Masukkan skor deviasi di atas ke dalam persamaan tersebut sehingga menjadi seperti
berikut.
(1). 25,5 = 41b1 + 25,5b2
(2). 16,45 = 25,5b1 + 26,95b2
----------------------------------------ini bisa diselesaikan dengan metode eliminasi atau
Metode Selisih Produk Diagonal (SPD), sehingga
menjdi:
(3) 267,75 = 454,7 b1 +0b2 (ini diperoleh dari: (25,5 * 26,95) – (16,45 * 25,5) ;
dan (41*26,95) – (25,5*25,5); dan 25,5*26,95) - (26,95*25,5). Dengan
demikian, diperoleh harga b1=267,75/454,7 = 0,589.
JKres.dal =
y 2
(b1 x1 y b2 x2 y) 22,9 (0,418 * 26,4) (0,377 *19,6)
22,9 18,4244 4,478
Y * A1 YA1 X 1. A1 X 1.tot b1 .dal X 2. A1 X 2.tot b2.dal
61 66 130 74 141
0,418 0,377
10 10 20 10 20
6,1 6,6 6,50,418 (7,4 7,05)(0,377
6,1 0,10,418 0,350,377 6,1 0,0418 0,13195
6,1 0,17375 5,92625 5,93
Y * A 2 YA2 X 1. A 2 X 1.tot b1 .dal X 2. A2 X 2.tot b2.dal
70 64 130 67 141
0,418 0,377
10 10 20 10 20
7,0 6,4 6,50,418 6,7 7,050,377
7,0 0,10,418 0,350,377
7,0 0,0418 0,13195
7,0 0,17375 6,82625 6,83
Jika kita ingin mengetahui harga koefisien regresi ganda antara kriterium
dengan kovariabel X1 dan X2, harga Ry (1,2) itu dapat dicari dengan menggunakan
bahan-bahan sumber variasi dalam kelompok, sebagai berikut.
STATISTIK INFERENSIA STIE PERTIWI 2016-2017
66
b1 x1 y b2 x2 y 0,41825,5 0,37716,45
Ry (1,2)
y 2
22,9
10,659 6,20165 16,86065
0,736272925 0,858
22,9 22,9
R2 = 0,736 = 73,6%. Ini besarnya kontribusi bersama kovariabel X1 dan X2
terhadap kriterium.
1. Tabel Data
Keterangan Notasi:
A = Asal Mahasiswa
A1 = asal SMA Jurusan IPA
A2 = asal SMA Jurusan IPS
2. Hipotesis Statistik:
H0: µ1 = µ2
H1: µ1 ≠ µ2
Kriteria pengujian:
Tolak H0 jika F*A > Ft(α; db A:db D)
Terima H0 jika F* < Ft(α; db A:db D)
STATISTIK INFERENSIA STIE PERTIWI 2016-2017
67
3. Langkah-langkah perhitungan
Y 2
1312
1). y Y
2 2
tot
N
tot
885
20
26,95
X 1tot
2
1302
x1 X 1
2 2
2). tot 886 41
N 20
X 2
141
2
x X2
2 2
3). 2 tot 2 tot
1021 = 26,95
N 20
X 3tot
2
124
2
x X3
2 2
4). 3 tot 27,2 796
N 20
5). x1 y X 1Ytot
X1tot Ytot 877 130 *131 25,5
N 20
N
tot
20
N
tot
20
X X 877 130 *141 25,5
8). x x X
1 2 1 X 2 tot
1tot
N
20
2 tot
9). x1 x3 X 1 X 3 tot
X 1tot X 3tot 832 130 *124 26
N 20
10). x2 x3 X 2 X 3 tot
X 2 tot X 3tot 891 124 *141 16,8
N 20
YA! 2 YA 2
885 61 70 885 862,1 22,9
2 2
1). y 2
Y 2
2
10 10
tot
n1 n2
X A1 2 X A2 2 66 2 64 2
2). x1 X 1 tot n n 886 10 10 886 845,2 40,8
2 2
1 2
X A1 2 X A2 2
1021 74 67 24,5
2 2
3) x2 X 2 tot
2 2
10
n1 n2 10
X A1 2 X A2 2
796 60 64 26,4
2 2
4). x3 X 3 tot
2 2
10
n1 n2 10
X A1 * YA1 X A2 * YA2
x y X Y
1 1 tot
n
n
5). 1 2
66 * 61 64 * 70
877 26,4
10 10
X A1 * YA1 X A2 * YA2
x y X Y
2 2 tot
n
n
6). 1 2
74 * 61 67 * 70
940 940 920,4 19,6
10 10
X A1 * YA1 X A2 * YA2
x y X Y
3
3 tot
n
n
7). 1 2
60 * 61 64 * 70
833 833 814 19
10 10
X 1 A1 * X 2 A1 X 1 A2 * X 2 A2
x x X X
1 2
1 2 tot
n
n
8). 1 2
66 * 74 64 * 67
942 942 917,2 24,8
10 10
X 1 A1 * X 3 A1 X 1 A2 * X 3 A2
x x X X
1 3 1 3 tot
n
n
9). 1 2
66 * 60 64 * 64
832 832 805,6 26,4
10 10
X 2 A1 * X 3 A1 X 2 A2 * X 3 A2
x x X
2 3 X 3tot
2
n
n
10). 1 2
60 * 74 64 * 67
891 891 872,8 18,2
10 10
x y b x b x x b x x
2
1 1 1 2 1 2 3 1 3
x y b x x b x b x x
2
2 1 1 2 2 2 3 2 3
x y b x x b x x b x
2
3 1 1 3 2 2 3 3 3
(2) x2 y b1 x1x2 b2 x2 b3 x2 x3
2
(3) x3 y b1 x1 x3 b2 x2 x3 b3 x3
2
(4) 171,64 = 174,24 b1 + 315,56 b2; (hasil SPD persamaan (2) dan (3)).
--------------------------------------------- diselesaikan dengan metode SPD
(5) 21882,224 = 61772,256 b1 b1 = 21882,224/61772,256 = 0,354
(dibulatkan).
Masukkan b1 ke persamaan (2) sehingga menjadi:
171,64 = 174,24(0,354) + 315,56 b2
171,64 = 61,68096 + 315,56 b2
171,64 – 61,68096 + 315,56 b2
109,92904 = 315,56 b2 b2 = 109,92904/315,56 = 0,348 (dibulatkan).
Selanjutnya, masukkan ke salah satu persamaan di atas, misalnya dimasukkan
ke persamaan (3) sehingga menjadi sebagai berikut.
19 = 26,4 (0,354) + 18,2 (0,348) + 26,4 b3
19 = 9,3456 + 6,3336 + 26,4 b3
19 = 15,6792 + 26,4 b3
19 – 15,6792 = 26,4 b3
3,3208 = 26,4 b3 b3 =3,3208/26,4 = 0,126 (dibulatkan)
JKres.dal =
y (b1 x1 y b2 x2 y b3 x3 y) 22,9 (0,354 * 26,4) (0,348 *19,6 0,126 *19)
2
Y * A1 YA1 X 1. A1 X 1.tot b1.dal X 2. A1 X 2.tot b2.dal X 3. A1 X 3.tot b3.dal
61 66 130 74 141 60 124
0,354 0,348 0,126
10 10 20 10 20 10 20
6,1 6,6 6,50,354 (7,4 7,05)(0,348 6,0 6,20,126
6,1 0,10,354 0,350,348 0,20,126
6,1 0,0354 0,1218 0,0252 6,1 0,132 5,968 5,97
Y * A 2 YA 2 X 1. A 2 X 1.tot b1 .dal X 2. A 2 X 2.tot b2.dal X 3. A2 X 3.tot b3.dal
70 64 130 67 141 64 124
0,354 0,348 0,126
10 10 20 10 20 10 20
7,0 6,4 6,50,354 6,7 7,050,348 6,4 6,20,126
7,0 0,10,354 0,350,348 0,20,126
7,0 0,0354 0,1218 0,0252
7,0 (0,132) 7,132
Jika kita ingin mengetahui harga koefisien regresi ganda antara kriterium
dengan kovariabel X1 dan X2, harga Ry (1,2) itu dapat dicari dengan menggunakan
bahan-bahan sumber variasi dalam kelompok, sebagai berikut.
b1 x1 y b2 x2 y b3 x3 y
Ry (1,2,3)
y 2
84 2 58 9
91 3 72 10
68 1 61 8
B2 77 1 65 8
85 3 59 10
B = Motivasi Berprestasi
B1 = Motivasi Tinggi
B2 = Motivasi Rendah
Y = Nilai IPA
X = kovariabel IQ
JK T X T
2
X T
2
N
JK A
X X
A
2
T
2
nA N
JK B
X X
B
2
T
2
nB N
JK AB
X X AB
2
T
2
JK A JK B
n AB N
JK dal JKT JK A JK B JK AB
JPT XYT
X Y
T T
JPA
X Y X Y
A A T T
nA N
JPB
X Y X Y
B B T T
nB N
JPAB
X Y X Y JP
AB AB T T
JPB
A
n AB N
JPdal JPT JPA JPB JPAB
3. Menghitung Jumlah Kuadrat (JK) dan Jumlah Produk (JP)
JK T YT
2
Y T
2
764
1102
764 605 15 9
N 0
JK A
Y Y
A
2
T
2
402 70 2 1102
= 650 605 45
nA N 10 10 20
JK B
Y Y
B
2
T
2
552 552 1102
= 605 605 0
nB N 10 10 20
JK AB
Y Y
AB
2
T
2
JK A JK B
30 2 252 10 2 452 110 2
n AB N 5 5 5 5 20
730 605 80
JK dal JKT JK A JK B JK AB 159 45 0 80 34
JK T X T
2
X T
2
91587
13252
91587 87781,25 3805,75
N 20
JK A
X X
A
2
T
2
7432 582 13252
890773 87781,24 1296,05
nA N 10 10 20
JK B
X X
B
2
T
2
720 2 6052 13252
89756,6 87781,25 661,25
nB N 10 10 20
JK AB
X X
AB
2
T
2
JK A JK B
n AB N
4052 3382 3152 267 2 13252
5 5 5 5 20
89756,6 87781,25 1296,05 661,25
18,08
JK dal JK T JK A JK B JK AB
3805,75 1296,05 661,25 18,08
1830,37
1830,40
c. Jumlah Produk antara X dan Y (XY)
JPT XYT
X Y 7175 1325 *110 7175 7287,5 112,5
T T
N 20
JPA
X Y X Y 743 * 40 582 * 70 7287,5
A A T T
nA N 10 10
7046 7287,5 241,5
JPB
X Y X Y 720 * 55 605 * 55 7287,5 0
B B T T
nB N 10 10
JPAB
X Y X Y JP
AB AB T T
JP
338 * 30 405 *10
A
n AB N 5 5
267 * 25 315 * 45 7287,5 7008 7287,5 (241,5) 0 38
5 5
JPdal JPT JPA JPB JPAB (112,5) (241,5) 0 (38) 167
Statistik B d Total
y2 0 34 34
xy 0 167 167
Statistik AB d Total
y2 80 34 114
167 2
JKres.dalam = 34 34 15,237 18,763
1830,4
74,5
2
2
167
JKres.B = 34 18,763 34 11,193 18,763 4,044
2491,65
2
129
JKres.AB = 114 18,763 114 9,003 18,763 86,234.
1848,45
dbA = a-1 = 2 – 1 = 1
dbB = b-1 = 2 – 1 = 1
dbAB = (a-1)(b-1) = 1*1 = 1
dbtotal = N – m – 1 = 20 – 1 – 1 = 18
dbdal = dbtot – dbA- dbB – dbAB = 18 – 1 – 1 – 1 = 15
RJKA = JKA/dbA = 58,462/1 = 58,462
RJKB = JKB/dbB = 4,044/1 = 4,044
RJKAB = JKAB/dbAB =86,234/1 = 86,234
RJKdal = 18,763/15 = 1,251
FA = RJKA/RJKdal = 58,462/1,251 = 46,732
FB = RJKB/RJKdal = 4,044/1,252 = 3,233
FAB = RJKAB/RJKdal = 86,234/1,251 = 68,932
Tabel 3.16. Ringkasan Anakova AB (1 kovariabel)
Sumber JK db RJK Fhitung Ftabel
Variasi (α 0,05)
A 58,462 1 58,462 46,732*) 10,8
B 4,004 1 4,004 3,233ns 10,8
AB 86,234 1 86,234 68,932*) 10,8
dalam 18,763 15 1,251 --- ---
Total 167,503 18 --- --- ---
*)
= signifikan pada taraf signifikansi 5%.
7 8 7 6 8 7
6 7 6 5 7 6
5 7 6 8 6 7
7 8 7 8 7 7
6 7 6 7 6 6
6 7 6 7 5 6
B2 5 4 5 8 8 7
5 4 5 8 8 8
6 5 6 6 6 5
7 6 7 6 7 6
Keterangan Notasi:
A = Intensitas Perkuliahan
A1 = kuliah teratur
A2 = kuliah tak teratur
B = Praktikum
B1 = praktikum teratur
B2 = praktikum tak teratur
Y = Nilai Fisika
X1 = kovariabel IQ
X2 = kovariabel Bakat Numerik
JK T X T
2
X T
2
JK A
X X
A
2
T
2
nA N
JK B
X X
B
2
T
2
nB N
JK AB
X X
AB
2
T
2
JK A JK B
n AB N
JK dal JKT JK A JK B JK AB
Jumlah Produk antara X dan Y
JPT XYT
X Y T T
JPA
X Y X Y
A A T T
nA N
JPB
X Y X Y
B B T T
nB N
JPAB
X Y X Y JP
AB AB T T
JPB
A
n AB N
JPdal JPT JPA JPB JPAB
(1) x1 y b1 x1 b2 x1 x2 ... bm x1 xm
2
(2) x2 y b1 x1 x2 b2 x2 ... bm x2 xm
2
........................................................................
(m) xm y b1 x1 xm b2 x2 xm ... bm xm
2
JK residu (berlaku untuk residu total maupun residu dalam, dengan bahan
terpisah),
JK res y 2 b1 x1 y b2 x2 y ... bm xm y
JK res antar JK res.tot JK res.dal
dbres.tot N m 1
dbres. A a 1
dbres. B b 1
dbres , AB a 1b 1
dbres.dal. dbres.tot dbres. A dbres. B dbres. AB
JK
RJK berlaku untuk " antar "dan" dalam"
db
RJK res ...
Fres
RJK res.dal
b1 x1 y b2 x2 y ... bm xm y
Ry 1,2,...m
y 2
3. Langkah-langkah Perhitungan
Langkah pertama yang harus dilakukan adalah mencari jumlah kuadrat dari semua
variable (Y, X1, dan X2) secara terpisah, seperti halnya kita mencari JK dalam
analisis varianss factorial dua jalur (factorial AB).
Y 2
260
2
(1) JK total = y 2
Y 2
tot
N
tot
1736
40
1736 1690 46
Y A
2
YT 2 137 2 1232 2602
1694,9-1690
(2) JKA = JK A
nA N 20 20 40
= 4,9
Y Y
B
2
T
2
134 2 126 2 2602
(3) JK B = 1691,6 – 1690 = 1,6
nB N 20 20 40
JK AB
Y Y
AB
2
T
2
76 2 612 582 652 2602
JK A JK B
(4) n AB N 10 10 10 10 40
4,9 1,6 12,1
(1) JK T X 1T
2
X 1T
2
1687
257
2
1687 1651,225 35,775
N 40
JK A
X X
1A
2
1T
2
127 2 130 2 257 2
1651,45 1651,225
(2) nA N 20 20 40
0,225
(3) JK B
X X
B
2
T
2
1282 1292 257 2
= 1651,25-
nB N 20 20 40
1651,225=0,025
JK AB
X X
1 AB
2
1T
2
67 2 60 2 612 69 2
JK A JK B
n AB N 10 10 10 10
(4)
257 2 0,225 0,025 1657,1 1651,225 0,225 0,025 5,625
40
(5) JK dal JKT JK A JK B JK AB = 35,775 - 0,225 - 0,025 - 5,625 = 29,9
(1) JK T X 2T
2
X 2T
2
1915
2732 51,775
N 40
JK A
X X
2A
2
2T
2
139 2 134 2 2732
(2) nA N 20 20 40
1863,85 1863,225 0,625
JK B
X X
B
2
T
2
142 2 1312 2732
(3) nB N 20 20 40
1866,25 1863,225 3,025
JK AB
X X
2 AB
2
2T
2
76 2 632 66 2 682
JK A JK B
n AB N 10 10 10 10
(4)
273 2
0,625 3,025 1872,5 1863,225 0,625 3,025 5,625
40
N 40
(2) JPA
X Y X Y 127 *137 130 *123
1A A 1T T
nA N 20 20
257 * 260 1669,45 1670,5 1,05
40
(3) JPB
X Y X Y 128 *134 129 *126
1B B 1T T
nB N 20 20
(257 * 260)
1670,3 1670,5 0,2
40
(4) JPAB
X 1 AB YAB X 1T YT JP JP 67 * 76
A B
n AB N 10
60 * 61 61 * 58 69 * 65 257 * 260 JP
A JPB 1677,5 1670,5
10 10 10 40
(1,05) (0,2) 8,25
(5) JPdal JPT JPA JPB JPAB 20,5 (1,05) (0,2) 8,25 13,5
2) Menghitung antara Nilai Fisika dan Bakat Numerik (X2Y)
N 40
(2) JPA
X Y X Y 139 *137 134 *123
2A A 2T T
nA N 20 20
273 * 260 1776,25 1774,5 1,75
40
(3) JPB
X Y X Y 142 *134 131*126
2B B 2T T
nB N 20 20
(273 * 260)
1776,7 1774,5 2,2
40
(4) JPAB
X 2 AB YAB X 2T YT JP JP 76 * 76
A B
n AB N 10
63 * 61 66 * 58 68 * 65 273 * 260 1,75 2,2 1786,7 1774,5 1,75 2,2 8,25
10 10 10 40
(5) JPdal JPT JPA JPB JPAB 32,5 1,75 2,2 8,25 20,3
(1) JPT X 2 X 2
X X 1776 273 * 257 1776 1754,025 21,975
1T 2T
N 40
(2) JPA
X X X X 139 *127 134 *130
1A 2A 1T 2T
nA N 20 20
273 * 257 1753,65 1754,025 0,375
40
(3) JPB
X X X X 142 *128 131*129
1B 2B 1T 2T
nB N 20 20
(273 * 257)
1753,75 1754,025 0,275
40
(4) JPAB
X 1 AB X 2 AB X 1T X 2T JP JP 76 * 67
A B
n AB N 10
63 * 60 66 * 61 68 * 69 273 * 257 (0,375) (0,275)
10 10 10 40
1759 1754,5 0,375 0,275 5,15
(5) JPdal JPT JPA JPB JPAB 21,975 (0,375 (0,275) 5,15 17,475
Hasil perhitungan JK dan JP tersebut kita rangkum ke dalam satu table berikut.
Tabel 3.19. Tabel Rangkuman Jumlah Kuadrat dan Jumlah Produk
Dari Semua Sumber Variasi
Tabel 3.21. Tabel Sumber Variasi antar B, sumber Variasi Dalam dan Total
Statistik Sumber Variasi
B d Total
∑y2 1,6 27,4 29
∑x12 0,025 29,9 29,925
∑x22 3,025 42,5 45,525
∑x1y -0,2 13,5 13,3
∑x2y 2,2 20,3 22,5
∑x1x2 -0,275 17,475 16,7
Tabel 3.22. Tabel Sumber Variasi antar AB, sumber Variasi Dalam dan Total
Statistik Sumber Variasi
AB d Total
∑y2 12,1 27,4 39,5
∑x12 5,625 29,9 35,525
∑x22 5,625 42,5 48,125
∑x1y 8,25 13,5 21,75
∑x2y 8,25 20,3 28,55
∑x1x2 5,15 17,475 22,625
Jika pemisahan terhadap semua sumber variasi telah dilakukan, maka akan diperoleh
data sebagai tabel berikut.
Tabel 4.23. Rangkuman JK dan JP Total dan Dalam dari Semua Sumber
Variasi
Sumber Variasi
JK dan JP Total A Total B Total AB dalam
∑y2 32,3 29 39,5 27,4
∑x12 30,125 29,925 35,525 29,9
∑x22 43,125 45,525 48,125 42,5
∑x1y 12,45 13,3 21,75 13,5
∑x2y 22,05 22,5 28,55 20,3
∑x1x2 17,1 16,7 22,625 17,475
Dengan harga-harga JK dan JP total dan Dalam yang telah diperoleh tersebut,
akan dapat dicari harga-harga JK residu tiap-tiap sumber variasi melalui metode yang
telah diketahui pada saat pengkajian mengenai analisis regresi. Untuk memperoleh JK
residu, perlu dicari harga koefisien kovariabelnya, yaitu b1 untuk X1 dan b2 untuk X2.
Dengan rumus persamaan simultan (linier), untuk masing-masing sumber variasi akan
ditemukan sebagai berikut.
Beta Sumber Variasi A Total:
(1) ∑x1y = b1∑x12 + b2∑x1x2
(2) ∑x2y = b1∑x1x2 + b2∑x22
----------------------------------------------
(1) 12,45 = 30,125 b1 + 17,1 b2
(2) 22,05 = 17,1 b1 + 43,125 b2
--------------------------------------------- dengan metode SPD, diperoleh sebagai berikut.
159,85125= 1006,730625 b1 jadi b1 = 159,85125/1006,730625 = 0,159
Masukkan ke salah satu persamaan di atas, misalnya ke persamaan (1), menjadi:
12,45 = (30,125)(0,159) + 17,1 b2
12,45 = 4,789875 + 17,1 b2
12,45-4,789875 = 17,1 b2
7,660125 = 17,1 b2 jadi b2 = 7,660125/17,1=0,44796 = 0,448
---------------------------------------------
(1) 21,75 = 35,525 b1 + 22,625 b2
(2) 28,55 = 22,625 b1 + 48,125 b2
--------------------------------------------
400,775 = 1197,75 b1 jadi b1 = 400,775/1197,75 = 0,3346
Masukan ke persamaan (1), menjadi:
21,75 = 0,3346(35,525) + 22,265 b2
21,75 = 11,886665 + 22,265 b2
21,75 – 11,886665 = 22,265 b2
9,863335 = 22,265 b2 jadi b2 = 9,863335/22,265 = 0,443
Beta Sumber Variasi Dalam (untuk A, B, maupun AB)
(3) ∑x1y = b1∑x12 + b2∑x1x2
(4) ∑x2x = b1∑x1X2 + b2∑x22
= 32,3 – (0,159*12,45)+(0,448*22,05)
= 32,3 – 11,85795= 20,442
JK residu Total B
JK res y 2 b1 x1 y b2 x2 y
= 29 – (0,212*13,3) + (0,4165*22,5)
= 29 – 12,19085 = 16,809
JK residu Total AB
JK res y 2 b1 x1 y b2 x2 y
*)
Signifikan pada taraf signifikansi 5%.
10,8597
0,3963394 0,6295
27,4
(Sumber: Dikutip dari Materi Kuliah Program Doktor, yang disusun oleh Prof.
Sutrisno Hadi, MA, tahun 1984).
Keterangan notasi:
Variabel Perlakuan: Metode Pembelajaran (A)
A1 =Metode Inovatif
A2 = Metode Konvensional
2
(∑ YT )
JK T = ∑ YT2 −
N
2 2
(∑ YA ) (∑ YT )
JK T = ∑ −
nA N
2 2
(∑ YB ) (∑ YT )
JK B = ∑ −
nB N
2 2
(∑ YC ) (∑ YT )
JK C = ∑ −
nC N
2 2
(∑ YAB ) (∑ YT )
JK AB =∑ − − JK A − JK B
nAB N
2 2
(∑ YAC ) (∑ YT )
JK AC =∑ − − JK A − JK C
nAC N
2 2
(∑ YBC ) (∑ YT )
JK BC =∑ − − JK B − JK C
nBC N
2 2
(∑ YABC ) (∑ YT )
JK ABC =∑ − − JK A − JK B − JK C − JK AB − JK AC − JK BC
nABC N
JK d = JK T − JK A − JK B − JK C − JK AB − JK AC − JK BC − JK ABC
(∑ X1T )(∑ YT )
JPT = ∑ X1Y −
N
Total Produk :
∑ X1Y = 2378
∑ X2Y = 2359
∑ X1 X2 = 2556
B2 55 63 68
B3 42 53 55
Total 358 391 390
JK Kriterium Y:
3582
JK T = 2,252 − = 115,93
60
1932 1652 3582
JK A = + − = 13,07
30 30 60
1392 1202 992 3582
JK B = + + − = 40,03
20 20 20 60
1792 1792 3582
JK C = + − =0
30 30 60
712 652 572 682 552 422 3582
JK AB = + + + + + − − 13,07 − 40,03 = 3,63
10 10 10 10 10 10 60
952 982 842 812 3582
JK AC = + + + − − 13,07 − 0 = 0,60
15 15 15 15 60
JK Kovariabel X1:
3912
JK T = 2,663 − = 114,98
60
1992 1922 3912
JK A = + − = 0,82
30 30 60
1522 1282 1112 3912
JK B = + + − = 42,43
20 20 20 60
1972 1942 3912
JK C = + − = 0,15
30 30 60
762 652 582 762 632 532 3912
JK AB = + + + + + − − 0,82 − 42,43 = 0,63
10 10 10 10 10 10 60
982 1012 992 932 3912
JK AC = + + + − − 0,82 − 0,15 = 1,35
15 15 15 15 60
752 772 662 622 562 552 3912
JK BC = + + + + + − − 42,43 − 0,15 = 0,90
10 10 10 10 10 10 60
372 392 282 252 3912
JK ABC = + +⋯ + − − 0,82 − 42,43 = 0,15
5 5 5 5 60
JK d = 114,96 − 0,82 − 42,43 − 0,15 − 0,63 − 1,35 − 0,90 − 0,15 = 68,40
JK Kovariabel X2:
3902
JK T = 2,626 − = 91,00
60
1942 1962 3902
JK A = + − = 0,07
30 30 60
1472 1322 1112 3902
JK B = + + − = 32,70
20 20 20 60
1992 1912 3902
JK C = + − = 1,07
30 30 60
742 642 562 732 682 552 3902
JK AB = + + + + + − − 0,07 − 32,70 = 0,83
10 10 10 10 10 10 60
992 952 1002 962 3902
JK AC = + + + − − 0,07 − 1,07 = 0
15 15 15 15 60
(391)(358)
JPT = 2,378 − = 45,03
60
(199)(193) (192)(165) (391)(358)
JPA = + − = 3,27
30 30 60
(152)(139) (128)(120) (111)(99) (391)(358)
JPB = + + − = 40,88
20 20 20 60
(197)(179) (194)(179) (391)(358)
JPC = + − =0
30 30 60
(76)(71) (65)(65) (53)(42) (391)(358)
JPAB = + +⋯+ + − 3,27 − 40,88
10 10 10 60
= 1,48
(98)(95) (101)(98) (99)(84) (93)(81) (391)(358)
JPAC = + + + + − 3,27 − 0
15 15 15 15 60
= 0,90
(75)(72) (77)(67) (55)(49) (391)(358)
JPBC = + + ⋯+ + − 40,88 − 0 = 1,65
10 10 10 60
(37)(37) (39)(34) (25)(20) (391)(358)
JPABC = + + ⋯+ − − 3,27 − 40,88 − 0
5 5 5 60
− 1,48 − 0,90 − −1,65 = 0,15
JPd = 45,03 − 3,27 − 40,88 − 0 − 1,48 − 0,90 − −1,65 − 0,15 = 0
(390)(358)
JPT = 2,359 − = 32,00
60
(194)(139) (196)(165) (390)(358)
JPA = + − = −0,93
30 30 60
(147)(139) (132)(120) (111)(99) (390)(358)
JPB = + + − = 36,10
20 20 20 60
(391)(358)
JPT = 2,556 − = 14,50
60
(199)(194) (192)(196) (391)(390)
JPA = + − = −0,23
30 30 60
(152)(147) (128)(132) (111)(111) (391)(390)
JPB = + + − = 36,55
20 20 20 60
(197)(199) (194)(191) (391)(390)
JPC = + − = 0,40
30 30 60
(76)(74) (65)(64) (53)(55) (391)(390)
JPAB = + +. . + − − −0,23 − 36,55
10 10 10 60
= 0,08
(98)(99) (101)(95) (99)(100) (93)(96) (391)(390)
JPAC = + + + − − −0,23
15 15 15 15 60
− 0,40 = 0
(75)(74) (77)(73) (55)(53) (391)(390)
JPBC = + + ⋯+ − − 36,55 − 0,40
10 10 10 60
= 0,15
(37)(38) (39)(36) (25)(26) (391)(390)
JPABC = + + ⋯+ − − −0,23 − 36,55
5 5 5 60
− 0,40 − 0,08 − 0 − 0,15 = 0,15
JPd = 14,5 − −0,23 − 36,55 − 0,04 − 0,08 − 0 − 0,15 = −22,09
Seperti metode yang kita gunakan dalam anakova rancangan faktorial
AB, rancangan faktorial ABC ini kita uraikan menjadi sejumlah randangan
rambang lugas. Atas dasar rancangan rambang lugas itu kita akan
STATISTIK INFERENSIA STIE PERTIWI 2016-2017
100
Hasil pemecahan ini sebaiknya kita rangkum juga dalam suatu tabel
rangkuman seperti berikut.
Tabel 3.29. JK Total dan JP Total dari Semua Sumber Variasi Secara
Terpisah (SV Plus Ddalam) dan JK dalam dan JP dalam saja
(1) ∑ x1 y = b1 ∑ x12 + b2 ∑ x1 x2
(2) ∑ x2 y = b1 ∑ x1 x2 + b2 ∑ x22
JK res.A.Total = 67,87
− [(0,023 395 707)(3,27) + (−0,072 297 378)(−4,53)]
= 67,465 988 92
JK-JK residu total lainnya dicari dengan cara yang sama. Komputasi JK-JK
itu, juga JK residu dalam, telah dilakukan langsung setelah koefisien kovariabel
masing-masing sumber variasi diselesaikan.
Dengan cara yang sama JK residu antar sumber-sumber variasi lain akan kita
ketemukan juga seperti berikut:
Tabel 3.30. Sumber variasi: JK res. Total – JK res.dalam = JK res.antar
A 67,47 54,53 12,94
B 71,06 54,53 16,53
C 54,54 54,53 0,01
AB 58,18 54,53 3,65
AC 55,16 54,53 0,63
BC 56,95 54,53 2,42
ABC 55,33 54,53 0,80
16,53 2,42
RJK res.B = = 8,26 RJK res.BC = = 1,21
2 2
0,01 0,80
RJK res.C = = 0,01 RJK res.ABC = = 0,40
1 2
3,64 54,53
RJK res.AB = = 1,82 RJK res.d = = 1,19
2 46
0,40
Fres.ABC = =0,34
1,19
̅
YB2 = ̅ ̅ B2 − ̅̅
YB2 − [(X X1̅̅T )a1.d + (X2
̅̅̅̅B2 − ̅X2
̅̅̅T )a2.d ]
Perlakuan A:
(nA=30)
∑X1 X1 ∑X2 ̅X2
̅̅̅ ∑Y ̅
Y ̅
Y
B1 199 6,6 194 6,5 193 6,4 6,4
B2 192 6,4 196 6,5 165 5,5 5,5
Total 391 6,5 390 6,5 358 6,0 6,0
Perlakuan B:
(nB=20)
∑X1 X1 ∑X2 ̅̅̅̅
X2 ∑Y ̅
Y ̅’
Y
B1 152 7,6 147 7,4 139 7,0 7,1
B2 128 6,4 132 6,6 120 6,0 6,0
B3 111 5,6 111 5,6 99 5,0 4,9
Total 391 6,5 390 6,5 358 6,0 6,0
b1 = -0,0249 b2 = -0,0754
jadi, ̅
YB1 = 7,0 − [(7,6 − 6,5)(−0,0249) + (7,4 − 6,5)(−0,0754)] =
7,1
̅B2 = 6,0 − [(6,4 − 6,5)(−0,0249) + (6,6 − 6,5)(−0,0754)] =
Y
6,0
̅
YB3 = 5,0 − [(5,0 − 6,5)(−0,0249) + (5,6 − 6,5)(−0,0754)]
= 4,9
Korelasi antar kriterium Y dengan kovariabel X1 dan X2 dicari dari bahan-
bahan sumber variasi dalam dengan rumus:
a1 ∑ x1 y + a2 ∑ x2 y
R y(1,2) = √
y2
0 + 0,27
R y(1,2) = √ = √0,0049 = 0,070
54,80
R2 = 0,0049
R2 (N − m − 1) (0,0049)(60 − 2 − 1)
Fres = = = 0,140
m(1 − R2 ) 2(1 − 0,0049)
STATISTIK INFERENSIA STIE PERTIWI 2016-2017
108
Karena harga F tersebut kurang dari 1,00 maka F itu dinyatakan tidak
signifikan.
Kesimpulan:
BAB IV
ANALISIS JALUR (PATH ANALYSIS)
Kompetensi Dasar
Mahasiswa memahami tentang analisis jalur (path analysis), serta mampu
menggunakannya untuk menganalisis data kuantitatif.
Indikator pencapaian
Mahasiswa dapat:
1. menjelaskan konsep dasar analisis jalur
2. menjelaskan manfaat analisis jalur
3. merumuskan hipotesis penelitian
4. membuat diagram jalur
5. menghitung koefisien jalur
6. membuat persamaan analisis jalur
7. menganalisis data dengan analisis jalur
8. menguji model
Uraian Materi
A. Pengertian
Pada analisis korelasi dan regresi telah dibahas mengenai hubungan antara
variabel bebas dengan variabel terikat, dan telah dilihat berapa kuat hubungan yang
ada nantara variable bebas dengan variable terikat, dengan tidak mengatakan atau
menyimpulan bahwa terjadi kausal diantara variabel-variabel tersebut.
Analisis jalur, juga berpedoman pada dasar tidak untuk menemukan penyebab-
penyebab, melainkan merupakan suatu metode yang digunakan pada model kausal
yang telah dirumuskan peneliti atas dasar pertimbangan teoretis dan pengetahuan
tertentu. Jadi, analisis jalur memiliki daya guna untuk mencek atau menguji kausal
yang diteorikan dan bukan untuk menurunkan teori kausal tersebut.
R1 R2
P3R1 P4R2
X1 P41
P31
r 12
X3 P43 X4
P32
P42
X2
C. Koefisien Jalur
Koefisien jalur, yang mengukur pentingnya sebuah jalur pengaruh dari
penyebab kepada akibat, didefinisikan sebagai rasio variabilitas akibat yang harus
ditemukan apabila semua penyebab konstan, kecuali satu yang sedang
dipermasalahkan, terhadap variabilitas total. Variabilitas ini diukur dengan simpangan
baku. Jadi, koefisien jalur menunjukkan akibat langsung sebuah variabel yang diambil
sebagai penyebab terhadap sebuah variabel yang diambil sebagai akibat. Simbul yang
dipakai untuk koefisien jalur adalah Pij dengan pengertian i menyatakan akibat atau
variabel terikat dan j menyatakan penyebab atau variabel bebas. Perhatikan pada
gambar diagram 01 di atas, dapat dilihat koefisien-koefisien jalur: P31 dan X1 ke X3,
P32 dari X2 ke X3, P41 dari X1 ke X4, P42 ari X2 ke X4, dan P43 dari X3 ke X4, dan
demikian juga residualnya (dilambangkan dengan e).
D. Persamaan pada analisis jalur
Jika diagram jalurnya seperti gambar 02 di bawah ini, maka persamaannya
dapat dibuat seperti berikut.
X1
P41
P31
P21
X3 P43 X4
P32
P42
X2
1
rij
n
zi z j
1
r12
n
z1 z1
Substitusikan z2 = P21 z1+ e2 ke dalam rumus r12 diatas, maka diperoleh:
1
r12
n
z1 ( P21z1 e2 )
1 1
P21 z1 z1e2
2
n n
1
atau...r12 P12 ,...karena z1 1dan z1e2 0.
2
n
...ini sebagai syarat residual tidak berkorelasi dengan variabel dalam
persamaan.
Dengan cara yang sama, akan diperoleh koefisien r13 sebagai berikut.
Untuk mencari r13 dan P32 , gunakan rumus di atas sebagai berikut.
1
r13
n
z1 z3
Substitusikan z3 = P31 z1+ P32 z2 + e3 ke dalam rumus r23 diatas, maka
diperoleh:
1
r13
n
z1 ( P31z1 P32 z 2 e3 )
1 1 1
P31. z1 P32 . z1 z 2 z1e3
2
n n n
1 1
atau...r13 P31 P32 r12 ...karena... z1 1, z1 z 2 r12 ...dan.. z1e3 0
2
n n
Dengan cara yang sama, selanjutnya dapat dihitung:
1
r23
n
z 2 z3
Substitusikan z3 = P31 z1+ P32 +z2 +e3 ke dalam rumus r23 di atas, maka
diperoleh
1
r23
n
z 2 ( P31z1 P32 z 2 e3 )
1 1 1
P31. z 2 z1 P32 . z 2 z 2 e3
2
n n n
atau...r23 P31.r12 P32
Dengan cara yang sama, bisa memperoleh hubungan-hubungan untuk
menghitung koefisien-koefisien jalur lainnya.
Jika perhitungan-perhitungan di atas dikumpulkan, maka untuk model kausal
pada diagram 02 di atas, koefisien-koefisien jalurnya dapat dihitung dengan
menggunakan sistem persamaan berikut:
r12 P21
r13 P31 P32r12
r23 P31r12 P32
r14 P41 P42r12 P43r13
r24 P41r12 P42 P43r23
r34 P41r13 P42r23 P43
Jika ada data penelitian, maka korelasi antar variabel dapat dihitung dengan
rumus korelasi product moment. Berdasarkan contoh di atas, jelas bahwa panjang
pendeknya perhitungan koefisien-koefisien jalur yang ada dalam suatu model kausal,
bergantung pada kompleks atau sederhananya model yang dimiliki.
Informasi tambahan yang dapat diperoleh dari sistem persamaan yang
menghubungkan rij dengan Pij adalah kemungkinan untuk melihat adanya efek
langsung dan efek tidak langsung antara variabel. Korelasi antara X1 dan X4 terdiri
atas empat komponen, ialah efek langsung X1 terhadap X4, efek tidak langsung X1
terhadap X4 melalui X2, efek tidak langsung X1 terhadap X4 melalui X3 dan efek tidak
langusng X1 terhadap X4 sesudah terlebih dahulu melalui X2 dan X3. Dengan
demikian, jelas bahwa korelasi tidak identik dengan kausal.
Dengan adanya dekomposisi koefisien korelasi menjadi efek langsung dan
tidak langsung, yang bermanfaat untuk menentukan efek tidak langsung total,
sehingga memungkinkan untuk mengetahui peranan tiap komponen dalam
sistem/model kausal yang diambil.
Untuk variabel X1 dan X3 misalnya, maka dari r12 = P31+ P32 P21 dapat dilihat
bahwa efek tidak langsung total (P32P21) sama dengan r13 – P31. Untuk variabel X1 dan
X4, dari r14 = P41 + P42P21 + P43P31, diperoleh efek tidak langsung total (P42P21 + P43P31
+ P43P32P21) sama dengan r14 – P41.
Dengan demikian jelas bahwa efek tidak langsung total dihitung dengan jalan
mengurangi koefisien korelasi dengan koefisien jalur untuk kedua variabel yang
sama.
E. Pengujian Model
Misalnya untuk itu, model kausal yang dibuat adalah sebagai berikut.
R3 R4
SSE
X1 P41 0,006(0,30)
P31
r 12 0,352(0,38)
(0,25) KEB P43 RSU
X3 0,452(0,56) X4
P32
0,112(0,20)
P42 0,528 (0,62)
IQ
X2
Gambar 4.3: Diagram Jalur
Dalam gambar 5.3 ini tampak bahwa sementara SSE dan IQ diambil sebagai variabel
eksogenus, keduanya merupakan penyebab bagi KEB. Variabel SSE, IQ, dan KEB
menjadi penyebab bagi RSU.
r1 3 P3 1 P3 2r1 2
r2 3 P3 1r1 2 P3 2
r1 4 P4 1 P4 2r1 2 P4 3r1 3
r2 4 P4 1r1 2 P4 2 P4 3r2 3
r3 4 P4 1r1 3 P4 2r2 3 P4 3
Efek langsung SSE terhadap RSU besarnya 0,006 sedangkan efek tidak
langsung total adalah r14 – P41 = 0,30 – 0,006 = 0,294. Ini menunjukkan bahwa SSE
praktis tidak mempunyai efek langsung terhadap RSU. Akan tetapi, melalui
korelasinya dengan IQ dan efeknya terhadap KEB, variabel SSE ini mempengaruhi
RSU. Korelasi antara IQ dan KEB terbesar disebabkan oleh korelasi IQ dengan SSE.
Pengamatan terhadap P41 menyimpulkan bahwa model dalam gambar jalur 03
di atas dapat disederhanakan dengan menghilangkan P41 dan diagramnya diubah
menjadi seperti diagram 5.4 berikut.
SSE
1 0,352
(0,25)
KEB
0,112 3 0,452 RSU
4
IQ 0,528
2
Apakah data yang diperoleh konsisten dengan model baru pada diagram 5.4?
Untuk itu, perlu dihitung koefisien-koefisien jalur dalam model baru dan gunakan
untuk menghitung koefisien-koefisien korelasi, kemudian dilihat apakah dihasilkan
matrik korelasi yang sama dengan matrik korelasi sebelumnya. Dengan meregresikan
KEB atas SSE dan IQ serta meregresikan RSU atas IQ dan KEB akan didapat:
z3 = P31 z1 + P32 Z2 + e3
z4 = P42 z2 + P43 z3 + e4
Kesimpulan
Status Sosial Ekonomi (SSE) tidak mempunyai pengaruh langsung terhadap
hasil rata-rata skor ujian (RSU), akan tetapi efeknya penting melalui variabel
kebutuhan untuk berprestasi (KEB) dan memlalui korelasi dengan kecerdasan (IQ).
Kebutuhan untuk berprestasi (KEB) dan kecerdasan (IQ) mempunyai efek langsung
terhadap hasil rata-rata skor ujian (RSU) dan juga mempunyai efek tidak langsung.
Efek-efek langsung kedua unsur ini terhadap RSU lebih besar jika dibandingkan
dengan efek-efek tidak langsungnya. Efek langsung IQ terhadap RSU lebih besar
daripada efek langsung KEB terhadap RSU.
Keterangan:
X1 = Status Sosial Ekonomi (SES)
X2 = Kecerdasan (IQ)
X3 = Motivasi Berprestasi (MB)
X4 = Prestasi Belajar (PB)
Misalnya untuk itu, model kausal yang dibuat adalah sebagai berikut.
R3 R4
SES
X1 P41 (0,352)
P31
r 12 (0,644)
(0,408) MB P43 PB
X3 0,(0,379) X4
P32
(0,766)
P42 (0,278)
IQ
X2
Gambar 4.5: Diagram Jalur
Dalam gambar 5.5 ini tampak bahwa sementara SES dan IQ diambil sebagai
variabel eksogenus, keduanya merupakan penyebab bagi MB. Variabel SES, IQ, dan
MB menjadi penyebab bagi PB.
Untuk menghitung koefisien-koefisien jalur dalam model kausal ini,
diperlukan dua analisis regresi. (1) Regresi MB dan IQ untuk mendapatkan P31 dan
P32 yang menghasilkan sistem rekursif z3 = P31 z1 + P32 z2 +e3, dan (2) regresi PB atas
SES, IQ, dan MB untuk mendapatkan P41, P42, dan P43 dengan sistem rekursif z4 = P41
z1 + P42 z2 + P43 z3 + e4. Berdasarkan data pada tabel diatas, dapat dihitung koefisien-
koefisien korelasinya seperti tersebut pada matrik di atas.
Selanjutnya, dengan menggunakan cara yang telah dijelaskan di atas, dapat
disusun sistem persamaan yang menghubungkan rij dan Pij, kemudian dengan
memasukkan harga-harga rij dan Pij, dapat dihitung koefisien-koefisien jalur Pij.
Dengan menggunakan rumus yang telah dijelaskan di atas, untuk r13, r23, r14, r24, dan
r34 dan memanfaatkan sistem rekursif yang telah dijelaskan, kita memiliki lima anu
(P31, P32, P41, P42, P43) sebagai berikut.
r1 3 P3 1 P3 2r1 2
r2 3 P3 1r1 2 P3 2
r1 4 P4 1 P4 2r1 2 P4 3r1 3
r2 4 P4 1r1 2 P4 2 P4 3r2 3
r3 4 P4 1r1 3 P4 2r2 3 P4 3
R3 R4
SES
X1 P41 0,1856(0,352)
P31
r 12 0,4169(0,644)
(0,408) MB P43 PB
X3 0,2540(0,379) X4
P32
0,5566(0,766)
P42 0,0085(0,278)
IQ
X2
Gambar 4.6: Diagram Jalur
Dalam gambar diagram jalur 5.6 di atas, koefisien-koefisien korelasi dituliskan
dalam tanda kurung, sedangkan lainnya menyatakan koefisien-koefisien jalur.
Tampak bahwa koefisien jalur P31 dan P32 lebih kecil dari 0,05 sehingga memberi
petunjuk, bahwa r31 dan P32 semata-mata dikarenakan oleh efek-efek tidak langsung.
Efek langsung IQ terhadap PB besarnya 0,0085 sedangkan efek tidak langsung
total adalah r24 – P24 = 0,278 – 0,0085 = 0,2695. Ini menunjukkan bahwa IQ praktis
tidak mempunyai efek langsung terhadap PB. Akan tetapi, melalui korelasinya dengan
SES dan efeknya terhadap PB, variabel IQ ini mempengaruhi PB. Korelasi antara IQ
dan PB disebabkan oleh korelasi IQ dengan SES.
Pengamatan terhadap P42 menyimpulkan bahwa model dalam gambar jalur 03
di atas dapat disederhanakan dengan menghilangkan P42 dan diagramnya diubah
menjadi seperti diagram 04 berikut.
SES
X1 0,1856 (0,408)
r12 0,4169(0,644)
(0,408)
MB PB
X3 X4
0,2540(0,370)
IQ 0,5566(0,766)
X2
Gambar 4.6: Diagram Jalur
Apakah data yang diperoleh konsisten dengan model baru pada diagram 04?
Untuk itu, perlu dihitung koefisien-koefisien jalur dalam model baru dan gunakan
untuk menghitung koefisien-koefisien korelasi, kemudian dilihat apakah dihasilkan
matrik korelasi yang sama dengan matrik korelasi sebelumnya. Dengan meregresikan
MB atas SES dan IQ serta meregresikan PB atas IQ dan MB akan didapat:
z3 = P31 z1 + P32 Z2 + e3
z4 = P42 z2 + P43 z3 + e4
Dengan demikian, untuk model dalam diagram 04 di atas, diperoleh matrik korelasi
sebagai berikut.
Tabel 4.6. Matrik Korelasi
Variabel SES IQ MB PB
SES 1,00 0,408 0,644 0,352
IQ 1,00 0,766 0,278
MB 1,00 0,379
PB 1,00
Kesimpulan
Kecerdasan (IQ) tidak mempunyai pengaruh langsung terhadap hasil rata-rata
skor ujian (PB), akan tetapi efeknya penting melalui variabel kebutuhan untuk
berprestasi (MB) dan melalui korelasi dengan (SES). Kebutuhan untuk berprestasi
(MB) dan status sosial ekonomi (SES) mempunyai efek langsung terhadap hasil rata-
rata skor ujian (PB) dan juga mempunyai efek tidak langsung. Efek-efek langsung
kedua unsur ini terhadap PB lebih besar jika dibandingkan dengan efek-efek tidak
langsungnya. Efek langsung SES terhadap PB lebih besar daripada efek langsung MB
terhadap PB.
Daftar Pustaka
TABEL I
LUAS Dl BAWAH
LENGKUNGAN KURVE NORMAL
DARI 0 S/D Z
z 0 1 2 3 4 5 6 7 8 9
0,0 0000 0040 0080 0120 0160 0199 0239 0279 0319 0359
0,1 0398 0438 0478 0517 0557 0596 0636 0675 0714 0753
0,2 0793 0832 0871 0910 0948 0987 1026 1064 1103 1141
0,3 1179 1217 1255 1293 1331 1368 1406 1443 1480 1517
0,4 1554 1591 1628 1664 1700 1736 1772 1808 1844 1879
0,5 1915 1950 1985 2019 2054 2088 2123 2157 2190 2224
0,6 2258 2291 2324 2357 2389 2422 2454 2486 2517 2549
0,7 2580 2612 2642 2673 2703 2734 2764 2794 2823 2852
0,8 2881 2910 2939 2967 2995 3023 3051 3078 3106 3133
0,9 3159 3186 3212 3238 3264 3289 3315 3340 3365 3389
1,0 3413 3438 3461 3485 3508 3531 3554 3577 3599 3621
1,1 3643 3665 3686 3708 3729 3749 3770 3790 3810 3830
1,2 3849 3869 3888 3907 3925 3944 3962 3980 3997 4019
1,3 4032 4049 4066 4082 4099 4115 4131 4147 4162 4177
1,4 4192 4207 4222 4236 4251 4265 4279 4292 4306 4319
1,5 4332 4345 4357 4370 4382 4394 4406 4419 4429 4441
1,6 4452 4463 4474 4484 4495 4505 4515 4525 4535 4549
1,7 4554 4564 4573 4582 4591 4599 4608 4616 4625 4633
1,8 4641 4649 4656 4664 4671 4678 4586 4693 4699 4706
1,9 4713 4719 4726 4732 4738 4744 4750 4756 4761 4767
2,0 4772 4778 4783 4788 4793 4798 4808 4808 4812 4817
2,1 4821 4826 4830 4834 4838 4842 4846 4850 4854 4857
2,2 4861 4864 4868 4871 4875 4878 4881 4884 4887 4890
2,3 4898 4896 4898 4901 4004 4906 4909 4911 4913 4916
2,4 4918 4920 4922 4025 4927 4929 4931 4932 4934 4936
2,5 4938 4940 4941 4043 4945 4945 4948 4949 4951 4952
2,6 4953 4955 4956 4957 4959 4960 4961 4962 4963 4964
2,7 4965 4966 4967 4968 4969 4970 4971 4972 4973 4974
2,8 4074 4975 4976 4977 4977 4987 4979 4979 4980 4981
2,9 4981 4982 4982 4083 4984 4984 4985 4985 4986 4986
3,0 4987 4987 4987 4988 4988 4989 4989 4989 4990 4990
3,1 4990 4991 4991 4991 4992 4992 4992 4992 4993 4993
3,2 4993 4993 4994 4994 4994 4994 4994 4994 4995 4995
3,3 4995 4995 4995 4986 4996 4996 4996 4996 4997 4997
3,4 4997 4997 4997 4997 4997 4997 4997 4997 4997 4998
3,5 4998 4998 4998 4998 4998 4998 4998 4998 4998 4998
3,6 4998 4998 4999 4999 4999 4999 4999 4999 4999 4999
3,7 4999 4999 4999 4999 4999 4999 4999 4999 4999 4999
3,8 4999 4999 4999 4999 4999 4999 4999 4999 4999 4999
3,9 5000 5000 5000 5000 5000 5000 5000 5000 5000 5000
TABEL II
NILAI-NILAI DALAM DISTRIBUSI t
α untuk uji dua fihak (two tail test)
0,50 0,20 0,10 0,05 0,02 0,01
α untuk uji satu fihak (one tail test)
dk 0,25 0,10 0,005 0,025 0,01 0,005
1 1,000 3,078 6,314 12,706 31,821 63,657
2 0,816 1,886 2,920 4,303 6,965 9,925
3 0,765 1,638 2,353 3,182 4,541 5,841
4 0,741 1,533 2,132 2,776 3,747 4,604
5 0,727 1,486 2,015 2,571 3,365 4,032
6 0,718 1,440 1,943 2,447 3,143 3,707
7 0,711 1,415 1,895 2,365 2,998 3,499
8 0,706 1,397 1,860 2,306 2,896 0,^03
9 0,703 1,383 1,833 2,262 2,821 3,250
10 0,700 1,372 1,812 2,228 2,764 3,165
11 0,697 1,363 1,796 2,201 2,718 3,106
12 0,695 1,356 1,782 2,178 2,681 3,055
13 0,692 1,350 1,771 2,160 2,650 3,012
14 0,691 1,345 1,761 2,145 2,624 2,977
15 0,690 1,341 1,753 2,132 2,623 2,947
16 0,689 1,337 1,746 2,120 2,583 2,921
17 0,688 1,333 1,740 2,110 2,567 2,898
18 0,688 1,330 1,743 2,101 2,552 2,878
19 0,687 1,328 1,729/ 2,093 2,539 2,861
20 0,687 1,325 1,725 2,086 2,528 2,845
21 0,686 1,323 1,721 2,080 2,518 2,831
22 0,686 1,321 1,717 2,074 2,508 2,819
23 0,685 1,319 1,714 2,069 2,500 2,807
24 0,685 1,318 1,711 2,064 2,492 2,797
25 0,684 1,316 1,708 2,060 2,485 2,787
26 0,684 1,315 1,706 2,056 2,479 2,779
27 0,684 1,314 1,703 2,052 2,473 2,771
28 0,683 1,313 1,701 2,048 2,467 2,763
29 0,683 1,311 1,699 2,045 2,462 2,756
30 0,683 1,310 1,697 2,042 2,457 2,750
40 0,681 1,303 1,684 2,021 2,423 2,704
60 0,679 1,296 1,671 2,000 2,390 2,660
120 0,677 1,289 1,658 1,980 2,358 2,617
∞ 0,674 1,282 1,645 1,960 2,326 2,576
TABEL III
STATISTIK INFERENSIA STIE PERTIWI 2016-2017
131
TABEL IV
N Z
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
5 031 1 500 812 969 -
6 016 188 344 656 981 984
7 008 109 227 500 773 938 992
8 004 062 145 363 637 855 965 996
9 002 Q35 090 354 500 746 910 980 998
10 001 020 055 172 377 623 828 945 989 999
11 011 033 113 274 500 726 887 967 994
12 006 019 073 194 387 613 806 927 981 997
13 003 011 046 133 291 500 709 867 954 989 998
14 002 006 029 090 212 395 605 788 910 971 994 999
15 001 004 018 059 151 304 500 696 849 941 982 996
16 002 011 038 105 227 402 598 773 895 962 989 998
17 001 006 025 072 166 315 500 685 834 928 975 994 999
18 001 004 015 048 119 240 407 593 760 881 952 985 996 999
19 002 010 032 084 180 324 500 676 820 916 968 990 998
20 001 004 021 058 132 252 412 588 748 868 942 879 994
21 001 006 013 039 095 192 332 500 668 808 905 961 987
22 002 008 026 067 143 262 416 584 738 857 933 974
23 001 005 017 047 105 202 339 500 661 798 895 953
24 001 003 011 032 076 154 271 419 581 729 846 924
25 002 007 022 054 115 212 345 500 655 788 885
TABEL V
HARGA FACTORIAL
N N!
0 1
1 1
2 2
3 6
4 24
5 120
6 720
7 5040
8 40320
9 362880
10 3628800
11 39916800
12 479001600
13 6227020800
14 87178291200
15 1307674368000
16 20922789888000
17 355687428096000
18 6402373705728000
19 121645100408832000
20 2432902008176640000
TABEL VI
NILAI-NILAI CHI KUADRAT
Taraf signifikansi
dk
50% 30% 20% 10% 5%, 1%
1 0,455 1,074 1,642 2,706 3,481 6,635
2 0,139 2,408 3,219 3,605 5,591 9,210
3 2,366 3,665 4,642 6,251 7,815 11,341
4 3,357 4,878 5,989 7,779 9,488 13,277
5 4,351 6,064 7,289 9,236 11,070 15,086
TABEL VIIa
n2
n1
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
2 2 2 2 2 2 2 2 2 2
3 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3
4 2 2 2 3 3 3 3 3 3 3 3 3 4 4 4 4 4
5 2 3 3 3 3 3 3 4 4 4 4 4 4 4 5 5 5
6 2 2 3 3 3 3 4 4 4 4 5 5 5 5 5 5 6 6
7 2 2 3 3 4 4 4 5 5 5 5 5 6 6 6 6 6 6
8 2 3 3 3 4 4 5 5 5 6 6 6 6 6 7 7 7 7
9 2 3 3 4 4 5 5 5 6 6 6 7 7 7 7 8 8 8
10 2 3 3 4 5 5 5 6 6 7 7 7 7 8 8 8 8 9
11 2 3 4 4 5 5 6 6 7 7 7 8 8 8 9 9 9 9
12 2 2 3 4 4 5 6 6 7 7 7 8 8 8 9 9 9 10 10
13 2 2 3 4 5 5 6 6 7 7 8 8 9 9 9 10 10 10 10
14 2 2 3 4 5 5 6 7 7 8 8 9 9 9 10 10 10 11 11
15 2 3 3 4 5 6 6 7 7 8 8 9 9 10 10 11 11 11 12
16 2 3 4 4 5 6 6 7 8 8 9 9 10 10 11 11 11 12 12
17 2 3 4 4 5 6 7 7 8 9 9 10 10 11 11 11 12 12 12
18 2 3 4 5 5 6 7 8 8 9 9 10 10 11 11 12 12 13 13
19 2 3 4 5 6 6 7 8 8 9 10 10 11 11 12 12 13 13 13
9
20 2 3 4 5 6 6 7 8 9 10 10 11 12 12 12 13 13 14
TABEL Vllb
n2
n1
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
2
3
4 9 9
5 9 10 10 11 11
6 9 10 11 12 12 13 13 13 13
7 11 12 13 13 14 14 14 14 15 15 15
8 11 12 13 14 14 15 15 16 16 15 16 17 17 17 17 17
9 13 14 14 15 16 16 16 17 17 18 18 18 18 18 18
10 13 14 15 16 16 17 17 18 18 18 19 19 19 20 20
11 13 14 15 16 17 17 18 19 19 19 20 20 20 21 21
12 13 14 16 16 17 18 19 19 20 20 21 21 21 22 22
13 15 16 16 18 19 19 20 20 21 21 22 22 23 23
14 15 16 17 18 19 20 20 21 22 22 23 23 23 24
15 15 16 18 18 19 20 21 22 22 23 23 24 24 25
16 17 18 19 20 21 21 22 23 23 24 25 25 25
17 17 18 19 20 21 22 23 23 24 25 25 26 26
18 17 18 19 20 21 22 23 24 25 25 26 26 27
19 17 18 20 21 22 23 23 24 25 26 26 27 26
20 17 18 20 21 22 23 24 25 25 26 27 27 28
TABEL VIII
TABEL IX
HARGA-HARGA KRITIS MAN-WHITNEY U TEST
n1
n2
9 10 11 12 13 14 15 16 17 18 19 20
1
2 0 0 0 0 0 0 1 1
3 1 1 1 2 2 2 3 3 4 4 4 5
4 3 3 4 5 5 6 7 7 8 9 9 10
5 5 6 7 8 9 10 11 12 13 14 15 16
6 7 8 9 11 12 13 15 16 18 19 20 22
7 9 11 12 14 16 17 19 21 23 24 26 28
3 11 13 15 17 20 22 24 26 28 30 32 34
9 14 16 18 21 23 26 28 31 33 : 36 38 40
10 16 19 22 24 27 30 33 36 38 41 44 47
11 18 22 25 28 31 34 37 41 44 47 50 53
12 21 24 28 31 35 38 42 46 49 53 56 60
13 23 27 31 35 39 43 47 51 55 59 63 67
14 26 30 34 38 43 47 51 56 60 65 69 73
-;s 28 33 37 42 47 51 56 61 66 70 75 80
16 31 36 41 46 51 56 61 66 71 76 82 87
17 33 38 44 49 55 60 66 71 77 82 88 93
18 36 41 47 53 59 65 70 76 82 88 94 100
19 38 44 50 56 63 69 75 82 88 94 101 107
20 40 47 53 60 67 73 80 87 93 100 107 114
TABEL X
TABEL XI
HARGA-HARGA z UNTUK TEST RUN WALD-WOLFOWITZ
Z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,5000 0,4960 0,4920 0,4880 0,4840 0,4801 0,4761 0,4721 0,4681 0,4641
0,1 0,4602 0,4562 0,4522 0,4483 0,4443 0,4404 0,4364 0,4325 0,4286 0,4247
0,2 0,4207 0,4168 0,4129 0,4090 0,4052 0,4013 0,3974 0,3936 0,3897 0,3859
0,3 0,3821 0,3783 0,3745 0,3707 0,3669 0,3632 0,3594 0,3557 0,3520 0,3483
6,4 0,3446 0,3409 0,3372 0,3336 0,3300 0,3264 0,3228 0,3192 0,3156 0,3121
0,5 0,3086 0,3050 0,3015 0,2981 0,2946 0,2912 0,2877 0,2843 0,2810 0,2776
0,6 0,2743 0,2709 0,2676 0,2643 0,2611 0,2578 0,2546 0,2514 0,2483 0,2451
0,7 0,2420 0,2389 0,2358 0,2327 0,2297 0,2266 0,2236 0,2206 0,2177 0,2148
0,3 0,2119 0,2090 0,2061 0,2033 0,2005 0,1977 0,1949 0,1922 0,1894 0,1867
0,9 0,1841 0,1814 0,1788 0,1762 0,1736 0,1711 0,1685 0,1660 0,1635 0,1611
1,0 0,1587 0,1562 0,1535 0,1515 0,1492 0,1469 0,1446 0,1423 0,1401 0,1379
1,1 0,1357 0,1335 0,1314 0,1292 0,1271 0,1251 0,1230 0,1210 0,1190 0,1170
1,2 0,1151 0,1131 0,1112 0,1093 0,1075 0,1056 0,1038 0,1020 0,1003 0,0985
1,3 0,0968 0,0951 0,0934 0,0918 0,0901 0,0885 0,0809 0,0853 0,0838 0,0823
1,4 0,0808 0,0793 0,0778 0,0764 0,0749 0,0735 0,0721 0,0708 0,0694 0,0681
1,5 0,0668 0,0655 0,0643 0,0630 0,0618 0,0606 0,0594 0,0581 0,0571 0,0559
1,6 0,0548 0,0537 0,0526 0,0516 0,0505 0,0495 0,0485 0,0475 0,0465 0,0455
1,7 0,0445 0,0436 0,0427 0,0418 0,0409 0,0401 0,0392 0,0384 0,0375 0,0367
1,8 0,0359 0,0351 0,0344 0,0336 0,0329 0,0322 0,0314 0,0307 0,0301 0,0294
1,9 0,0287 0,0281 0,0274 0,0268 0,0262 0,0256 0,0250 0,0244 0,0239 0,0233
2,0 0,0228 0,0222 0,0217 0,0212 0,0207 0,0202 0,0197 0,0192 0,0188 0,0183
2,1 0,0179 0,0174 0,0170 0,0166 0,0162 0,0158 0,0154 0,0150 0,0146 0,0143
2,2 0,0139 0,0136 0,0132 0,0129 0,0125 0,0122 0,0119 0,0116 0,0113 0,0110
2,3 0,0107 0,0104 0,0102 0,0099 0,0096 0,0094 0,0091 0,0089 0,0087 0,0084
2,4 0,0082 0,0080 0,0078 0,0075 0,0073 0,0071 0,0069 0,0068 0,0066 0,0064
2,5 0,0062 0,0060 0,0059 0,0057 0,0055 0,0054 0,0052 0,0051 0,0049 0,0048
2,6 0,0047 0,0045 0,0044 0,0043 0,0041 0,0040 0,0039 0,0038 0,0037 0,0036
2,7 0,0035 0,0034 0,0033 0,0032 0,0031 0,0030 0,0029 0,0028 0,0027 0,0026
2,8 0,0026 0,0025 0,0024 0,0023 0,0023 0,0022 0,0021 0,0021 0,0020 0,0019
2,9 0,0019 0,0018 0,0018 0,0017 0,0016 0,0016 0,0015 0,0015 0,0014 0,0014
3,0 0,0013 0,0013 0,0013 0,0012 0,0012 0,0011 0,0011 0,0011 0,0010 0,0010
3,1 0,0010 0,0009 0,0009 0,0009 0,0008 0,0008 0,0008 0,0008 0,0007 0,0007
3,2 0,0007 0,0007 0,0006 0,0006 0,0006 0,0006 0,0006 0,0006 0,0005 0,0005
3,3 0,0005 0,0005 0,0005 0,0004 0,0004 0,0004 0,0004 0,0004 0,0003 0,0003
3,4 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0002
3,5 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002
3,6 0,0002 0,0002 0, 0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001
3,7 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001
3,8 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001
3,9 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
TABEL XII
TABEL NILAI-NILAI RHO
Z ,00 ,01 ,02 ,03 ,04 ,05 ,06 ,07 ,08 ,09
,0 ,5000 ,4960 ,4920 ,4880 ,4840 ,4801 ,4761 ,4721 ,4681 ,4641
,1 ,4602 ,4562 ,4522 ,4483 ,4443 ,4404 .4364 ,4325 ,4286 ,4247
,2 ,4207 ,4168 ,4129 ,4090 ,4052 ,4013 ,3974 ,3936 ,3897 ,3859
,3 ,3821 ,3783 ,3745 ,3707 ,3669 ,3632 ,3594 .3557 ,3520 ,3483
,4 ,3446 ,3409 ,3372 ,3336 ,3300 ,3264 ,3228 ' .3192 ,3156 ,3121
,5 ,3085 ,3050 ,3015 ,2981 ,2946 ,2912 ,2877 .2843 ,2810 ,2776
,6 ,2743 ,2709 ,2676 ,2643 ,2611 ,2578 ,2546 ,2514 ,2483 ,2451
,7 .2420 ,2389 ,2358 ,2327 ,2296 ,2266 ,2236 ,2206 ,2177 ,2148
,8 ,2119 ,2090 ,2061 ,2033 ,2005 ,1977 ,1949 ,1922 ,1894 ,1867
,9 ,1841 ,1814 ,1788 ,1762 ,1736 ,1711 ,1685 ,1660 ,1635 ,1611
1,0 ,1587 ,1562 ,1539 ,1515 ,1492 ,1469 ,1446 ,1423 ,1401 ,1379
1,1 ,1357 ,1335 ,1314 ,1292 ,1271 ,1251 ,1230 ,1210 ,1190 ,1170
1,2 ,1151 ,1131 ,1112 ,1093 ,1075 ,1056 ,1038 ,1020 ,1003 ,0985
1,3 ,0968 ,0951 ,0934 ,0918 ,0901 ,0885 ,0869 ,0853 ,0838 ,0823
1,4 ,0808 ,0793 ,0778 .0764 ,0749 ,1735 ,0721 ,0708 ,0694 ,0681
1,5 ,0668 ,0655 ,0643 ,0630 ,0618 ,0606 ,0594 ,0582 ,0571 ,0559
1,6 ,0548 ,0537 ,0526 ,0516 ,0505 ,0495 ,0485 .0475 ,0465 ,0455
1,7 ,0446 ,0436 ,0427 ,0418 ,0409 ,0410 ,0392 ,0384 ,0375 ,0367
1,8 ,0359 ,0351 ,0344 ,0336 ,0329 ,0322 ,0314 ,0307 ,0301 ,0294
1,9 ,0287 ,0281 ,0274 ,0268 ,0262 ,0256 ,0250 ,0244 ,0239 ,0233
2,0 ,0228 ,0222 ,0217 ,0212 ,0207 ,0202 ,0197 ,0192 ,0188 ,0183
2,1 ,0179 ,0174 ,0170 ,0166 ,0162 ,0158 ,0154 ,0150 ,0146 ,0143
2,2 ,0139 ,0136 ,0132 ,0129 ,0125 ,0122 ,0119 ,0116 ,0113 ,0110
2,3 ,0107 ,0104 ,0102 ,0099 ,0096 ,0094 ,0091 ,0089 ,0087 ,0084
2,4 ,0082 ,0080 ,0078 ,0075 ,0073 ,0071 ,0069 ,0068 ,0066 ,0064
2,5 ,0062 ,0060 ,0059 ,0057 ,0055 ,0054 ,0052 ,0051 ,0049 .0048
2,8 ,0047 ,0045 ,0044 ,0043 ,0041 ,0040 ,0039 ,0038 ,0037 ,0036
2,7 ,0035 ,0034 ,0033 ,0032 ,0031 ,0030 ,0029 ,0028 ,0027 ,0026
2,8 ,0026 ,0025 ,0024 ,0023 ,0023 ,0022 ,0021 ,0021 ,0020 .0019
2,9 ,0019 ,0018 ,0018 ,0017 ,0016 ,0016 ,0015 ,0015 ,0014 ,0014
3,0 ,0013 ,0013 ,0013 ,0012 ,0012 ,0011 ,0011 ,0011 ,0010 ,0010
3,1 ,0010 ,0009 ,0009 ,0009 ,0008 ,0008 ,0008 ,0008 ,0007 ,0007
3,2 ,0007
3,3 ,0005
3,4 ,0003
3,5 ,00023
3,6 ,00016
3,7 ,00011
3,8 ,00007
TABEL XIV
NILAI-NILAI UNTUK DISTRIBUSI F
v2 = v1 = dk pembilang
dk
1 2 3 4 5 6 7 8 9 10 11 12 14 16 20
penyebut
1 0.100 39.86 49.50 53.59 55.83 57.24 58.20 58.91 59.44 59.86 60.19 60.47 60.71 61.07 61.35 61.74
0.050 161.4 199.5 215.7 224.6 230.2 234.0 236.8 238.9 240.5 241.9 243.0 243.9 245.4 246.5 248.0
0.025 647.8 799.5 864.2 899.6 921.8 937.1 948.2 956.7 963.3 968.6 973.0 976.7 982.5 986.9 993.1
0.010 4052 4999 5403 5625 5764 5859 5928 5981 6022 6056 6083 6106 6143 6170 6209
0.005 16211 19999 21615 22500 23056 23437 23715 23925 24091 24224 24334 24426 24572 24681 24836
2 0.100 8.53 9.00 9.16 9.24 9.29 9.33 9.35 9.37 9.38 9.39 9.40 9.41 9.42 9.43 9.44
0.050 18.51 19.00 19.16 19.25 19.30 19.33 19.35 19.37 19.38 19.40 19.40 19.41 19.42 19.43 19.45
0.025 38.51 39.00 39.17 39.25 39.30 39.33 39.36 39.37 39.39 39.40 39.41 39.41 39.43 39.44 39.45
0.010 98.50 99.00 99.17 99.25 99.30 99.33 99.36 99.37 99.39 99.40 99.41 99.42 99.43 99.44 99.45
0.005 198.50 199.00 199.17 199.25 199.30 199.33 199.36 199.37 199.39 199.40 199.41 199.42 199.43 199.44 199.45
3 0.100 5.54 5.46 5.39 5.34 5.31 5.28 5.27 5.25 5.24 5.23 5.22 5.22 5.20 5.20 5.18
0.050 10.13 9.55 9.28 9.12 9.01 8.94 8.89 8.85 8.81 8.79 8.76 8.74 8.71 8.69 8.66
0.025 17.44 16.04 15.44 15.10 14.88 14.73 14.62 14.54 14.47 14.42 14.37 14.34 14.28 14.23 14.17
0.010 34.12 30.82 29.46 28.71 28.24 27.91 27.67 27.49 27.35 27.23 27.13 27.05 26.92 26.83 26.69
0.005 55.55 49.80 47.47 46.19 45.39 44.84 44.43 44.13 43.88 43.69 43.52 43.39 43.17 43.01 42.78
4 0.100 4.54 4.32 4.19 4.11 4.05 4.01 3.98 3.95 3.94 3.92 3.91 3.90 3.88 3.86 3.84
0.050 7.71 6.94 6.59 6.39 6.26 6.16 6.09 6.04 6.00 5.96 5.94 5.91 5.87 5.84 5.80
0.025 12.22 10.65 9.98 9.60 9.36 9.20 9.07 8.98 8.90 8.84 8.79 8.75 8.68 8.63 8.56
0.010 21.20 18.00 16.69 15.98 15.52 15.21 14.98 14.80 14.66 14.55 14.45 14.37 14.25 14.15 14.02
0.005 31.33 26.28 24.26 23.15 22.46 21.97 21.62 21.35 21.14 20.97 20.82 20.70 20.51 20.37 20.17
5 0.100 4.06 3.78 3.62 3.52 3.45 3.40 3.37 3.34 3.32 3.30 3.28 3.27 3.25 3.23 3.21
0.050 6.61 5.79 5.41 5.19 5.05 4.95 4.88 4.82 4.77 4.74 4.70 4.68 4.64 4.60 4.56
0.025 10.01 8.43 7.76 7.39 7.15 6.98 6.85 6.76 6.68 6.62 6.57 6.52 6.46 6.40 6.33
0.010 16.26 13.27 12.06 11.39 10.97 10.67 10.46 10.29 10.16 10.05 9.96 9.89 9.77 9.68 9.55
0.005 22.78 18.31 16.53 15.56 14.94 14.51 14.20 13.96 13.77 13.62 13.49 13.38 13.21 13.09 12.90
6 0.100 3.78 3.46 3.29 3.18 3.11 3.05 3.01 2.98 2.96 2.94 2.92 2.90 2.88 2.86 2.84
0.050 5.99 5.14 4.76 4.53 4.39 4.28 4.21 4.15 4.10 4.06 4.03 4.00 3.96 3.92 3.87
0.025 8.81 7.26 6.60 6.23 5.99 5.82 5.70 5.60 5.52 5.46 5.41 5.37 5.30 5.24 5.17
0.010 13.75 10.92 9.78 9.15 8.75 8.47 8.26 8.10 7.98 7.87 7.79 7.72 7.60 7.52 7.40
0.005 18.63 14.54 12.92 12.03 11.46 11.07 10.79 10.57 10.39 10.25 10.13 10.03 9.88 9.76 9.59
7 0.100 3.59 3.26 3.07 2.96 2.88 2.83 2.78 2.75 2.72 2.70 2.68 2.67 2.64 2.62 2.59
0.050 5.59 4.74 4.35 4.12 3.97 3.87 3.79 3.73 3.68 3.64 3.60 3.57 3.53 3.49 3.44
0.025 8.07 6.54 5.89 5.52 5.29 5.12 4.99 4.90 4.82 4.76 4.71 4.67 4.60 4.54 4.47
0.010 12.25 9.55 8.45 7.85 7.46 7.19 6.99 6.84 6.72 6.62 6.54 6.47 6.36 6.28 6.16
0.005 16.24 12.40 10.88 10.05 9.52 9.16 8.89 8.68 8.51 8.38 8.27 8.18 8.03 7.91 7.75
8 0.100 3.46 3.11 2.92 2.81 2.73 2.67 2.62 2.59 2.56 2.54 2.52 2.50 2.48 2.45 2.42
0.050 5.32 4.46 4.07 3.84 3.69 3.58 3.50 3.44 3.39 3.35 3.31 3.28 3.24 3.20 3.15
0.025 7.57 6.06 5.42 5.05 4.82 4.65 4.53 4.43 4.36 4.30 4.24 4.20 4.13 4.08 4.00
0.010 11.26 8.65 7.59 7.01 6.63 6.37 6.18 6.03 5.91 5.81 5.73 5.67 5.56 5.48 5.36
0.005 14.69 11.04 9.60 8.81 8.30 7.95 7.69 7.50 7.34 7.21 7.10 7.01 6.87 6.76 6.61
Distribusi F
v2 = v1 = dk pembilang
dk
1 2 3 4 5 6 7 8 9 10 11 12 14 16 20
penyebut
9 0.100 3.36 3.01 2.81 2.69 2.61 2.55 2.51 2.47 2.44 2.42 2.40 2.38 2.35 2.33 2.30
0.050 5.12 4.26 3.86 3.63 3.48 3.37 3.29 3.23 3.18 3.14 3.10 3.07 3.03 2.99 2.94
0.025 7.21 5.71 5.08 4.72 4.48 4.32 4.20 4.10 4.03 3.96 3.91 3.87 3.80 3.74 3.67
0.010 10.56 8.02 6.99 6.42 6.06 5.80 5.61 5.47 5.35 5.26 5.18 5.11 5.01 4.92 4.81
0.005 13.61 10.11 8.72 7.96 7.47 7.13 6.88 6.69 6.54 6.42 6.31 6.23 6.09 5.98 5.83
10 0.100 3.29 2.92 2.73 2.61 2.52 2.46 2.41 2.38 2.35 2.32 2.30 2.28 2.26 2.23 2.20
0.050 4.96 4.10 3.71 3.48 3.33 3.22 3.14 3.07 3.02 2.98 2.94 2.91 2.86 2.83 2.77
0.025 6.94 5.46 4.83 4.47 4.24 4.07 3.95 3.85 3.78 3.72 3.66 3.62 3.55 3.50 3.42
0.010 10.04 7.56 6.55 5.99 5.64 5.39 5.20 5.06 4.94 4.85 4.77 4.71 4.60 4.52 4.41
0.005 12.83 9.43 8.08 7.34 6.87 6.54 6.30 6.12 5.97 5.85 5.75 5.66 5.53 5.42 5.27
11 0.100 3.23 2.86 2.66 2.54 2.45 2.39 2.34 2.30 2.27 2.25 2.23 2.21 2.18 2.16 2.12
0.050 4.84 3.98 3.59 3.36 3.20 3.09 3.01 2.95 2.90 2.85 2.82 2.79 2.74 2.70 2.65
0.025 6.72 5.26 4.63 4.28 4.04 3.88 3.76 3.66 3.59 3.53 3.47 3.43 3.36 3.30 3.23
0.010 9.65 7.21 6.22 5.67 5.32 5.07 4.89 4.74 4.63 4.54 4.46 4.40 4.29 4.21 4.10
0.005 12.23 8.91 7.60 6.88 6.42 6.10 5.86 5.68 5.54 5.42 5.32 5.24 5.10 5.00 4.86
12 0.100 3.18 2.81 2.61 2.48 2.39 2.33 2.28 2.24 2.21 2.19 2.17 2.15 2.12 2.09 2.06
0.050 4.75 3.89 3.49 3.26 3.11 3.00 2.91 2.85 2.80 2.75 2.72 2.69 2.64 2.60 2.54
0.025 6.55 5.10 4.47 4.12 3.89 3.73 3.61 3.51 3.44 3.37 3.32 3.28 3.21 3.15 3.07
0.010 9.33 6.93 5.95 5.41 5.06 4.82 4.64 4.50 4.39 4.30 4.22 4.16 4.05 3.97 3.86
0.005 11.75 8.51 7.23 6.52 6.07 5.76 5.52 5.35 5.20 5.09 4.99 4.91 4.77 4.67 4.53
13 0.100 3.14 2.76 2.56 2.43 2.35 2.28 2.23 2.20 2.16 2.14 2.12 2.10 2.07 2.04 2.01
0.050 4.67 3.81 3.41 3.18 3.03 2.92 2.83 2.77 2.71 2.67 2.63 2.60 2.55 2.51 2.46
0.025 6.41 4.97 4.35 4.00 3.77 3.60 3.48 3.39 3.31 3.25 3.20 3.15 3.08 3.03 2.95
0.010 9.07 6.70 5.74 5.21 4.86 4.62 4.44 4.30 4.19 4.10 4.02 3.96 3.86 3.78 3.66
0.005 11.37 8.19 6.93 6.23 5.79 5.48 5.25 5.08 4.94 4.82 4.72 4.64 4.51 4.41 4.27
14 0.100 3.10 2.73 2.52 2.39 2.31 2.24 2.19 2.15 2.12 2.10 2.07 2.05 2.02 2.00 1.96
0.050 4.60 3.74 3.34 3.11 2.96 2.85 2.76 2.70 2.65 2.60 2.57 2.53 2.48 2.44 2.39
0.025 6.30 4.86 4.24 3.89 3.66 3.50 3.38 3.29 3.21 3.15 3.09 3.05 2.98 2.92 2.84
0.010 8.86 6.51 5.56 5.04 4.69 4.46 4.28 4.14 4.03 3.94 3.86 3.80 3.70 3.62 3.51
0.005 11.06 7.92 6.68 6.00 5.56 5.26 5.03 4.86 4.72 4.60 4.51 4.43 4.30 4.20 4.06
15 0.100 3.07 2.70 2.49 2.36 2.27 2.21 2.16 2.12 2.09 2.06 2.04 2.02 1.99 1.96 1.92
0.050 4.54 3.68 3.29 3.06 2.90 2.79 2.71 2.64 2.59 2.54 2.51 2.48 2.42 2.38 2.33
0.025 6.20 4.77 4.15 3.80 3.58 3.41 3.29 3.20 3.12 3.06 3.01 2.96 2.89 2.84 2.76
0.010 8.68 6.36 5.42 4.89 4.56 4.32 4.14 4.00 3.89 3.80 3.73 3.67 3.56 3.49 3.37
0.005 10.80 7.70 6.48 5.80 5.37 5.07 4.85 4.67 4.54 4.42 4.33 4.25 4.12 4.02 3.88
16 0.100 3.05 2.67 2.46 2.33 2.24 2.18 2.13 2.09 2.06 2.03 2.01 1.99 1.95 1.93 1.89
0.050 4.49 3.63 3.24 3.01 2.85 2.74 2.66 2.59 2.54 2.49 2.46 2.42 2.37 2.33 2.28
0.025 6.12 4.69 4.08 3.73 3.50 3.34 3.22 3.12 3.05 2.99 2.93 2.89 2.82 2.76 2.68
0.010 8.53 6.23 5.29 4.77 4.44 4.20 4.03 3.89 3.78 3.69 3.62 3.55 3.45 3.37 3.26
0.005 10.58 7.51 6.30 5.64 5.21 4.91 4.69 4.52 4.38 4.27 4.18 4.10 3.97 3.87 3.73
17 0.100 3.03 2.64 2.44 2.31 2.22 2.15 2.10 2.06 2.03 2.00 1.98 1.96 1.93 1.90 1.86
0.050 4.45 3.59 3.20 2.96 2.81 2.70 2.61 2.55 2.49 2.45 2.41 2.38 2.33 2.29 2.23
0.025 6.04 4.62 4.01 3.66 3.44 3.28 3.16 3.06 2.98 2.92 2.87 2.82 2.75 2.70 2.62
0.010 8.40 6.11 5.18 4.67 4.34 4.10 3.93 3.79 3.68 3.59 3.52 3.46 3.35 3.27 3.16
0.005 10.38 7.35 6.16 5.50 5.07 4.78 4.56 4.39 4.25 4.14 4.05 3.97 3.84 3.75 3.61
Distribusi F
v2 = v1 = dk pembilang
dk
1 2 3 4 5 6 7 8 9 10 11 12 14 16 20
penyebut
18 0.100 3.01 2.62 2.42 2.29 2.20 2.13 2.08 2.04 2.00 1.98 1.95 1.93 1.90 1.87 1.84
0.050 4.41 3.55 3.16 2.93 2.77 2.66 2.58 2.51 2.46 2.41 2.37 2.34 2.29 2.25 2.19
0.025 5.98 4.56 3.95 3.61 3.38 3.22 3.10 3.01 2.93 2.87 2.81 2.77 2.70 2.64 2.56
0.010 8.29 6.01 5.09 4.58 4.25 4.01 3.84 3.71 3.60 3.51 3.43 3.37 3.27 3.19 3.08
0.005 10.22 7.21 6.03 5.37 4.96 4.66 4.44 4.28 4.14 4.03 3.94 3.86 3.73 3.64 3.50
19 0.100 2.99 2.61 2.40 2.27 2.18 2.11 2.06 2.02 1.98 1.96 1.93 1.91 1.88 1.85 1.81
0.050 4.38 3.52 3.13 2.90 2.74 2.63 2.54 2.48 2.42 2.38 2.34 2.31 2.26 2.21 2.16
0.025 5.92 4.51 3.90 3.56 3.33 3.17 3.05 2.96 2.88 2.82 2.76 2.72 2.65 2.59 2.51
0.010 8.18 5.93 5.01 4.50 4.17 3.94 3.77 3.63 3.52 3.43 3.36 3.30 3.19 3.12 3.00
0.005 10.07 7.09 5.92 5.27 4.85 4.56 4.34 4.18 4.04 3.93 3.84 3.76 3.64 3.54 3.40
20 0.100 2.97 2.59 2.38 2.25 2.16 2.09 2.04 2.00 1.96 1.94 1.91 1.89 1.86 1.83 1.79
0.050 4.35 3.49 3.10 2.87 2.71 2.60 2.51 2.45 2.39 2.35 2.31 2.28 2.22 2.18 2.12
0.025 5.87 4.46 3.86 3.51 3.29 3.13 3.01 2.91 2.84 2.77 2.72 2.68 2.60 2.55 2.46
0.010 8.10 5.85 4.94 4.43 4.10 3.87 3.70 3.56 3.46 3.37 3.29 3.23 3.13 3.05 2.94
0.005 9.94 6.99 5.82 5.17 4.76 4.47 4.26 4.09 3.96 3.85 3.76 3.68 3.55 3.46 3.32
21 0.100 2.96 2.57 2.36 2.23 2.14 2.08 2.02 1.98 1.95 1.92 1.90 1.87 1.84 1.81 1.78
0.050 4.32 3.47 3.07 2.84 2.68 2.57 2.49 2.42 2.37 2.32 2.28 2.25 2.20 2.16 2.10
0.025 5.83 4.42 3.82 3.48 3.25 3.09 2.97 2.87 2.80 2.73 2.68 2.64 2.56 2.51 2.42
0.010 8.02 5.78 4.87 4.37 4.04 3.81 3.64 3.51 3.40 3.31 3.24 3.17 3.07 2.99 2.88
0.005 9.83 6.89 5.73 5.09 4.68 4.39 4.18 4.01 3.88 3.77 3.68 3.60 3.48 3.38 3.24
22 0.100 2.95 2.56 2.35 2.22 2.13 2.06 2.01 1.97 1.93 1.90 1.88 1.86 1.83 1.80 1.76
0.050 4.30 3.44 3.05 2.82 2.66 2.55 2.46 2.40 2.34 2.30 2.26 2.23 2.17 2.13 2.07
0.025 5.79 4.38 3.78 3.44 3.22 3.05 2.93 2.84 2.76 2.70 2.65 2.60 2.53 2.47 2.39
0.010 7.95 5.72 4.82 4.31 3.99 3.76 3.59 3.45 3.35 3.26 3.18 3.12 3.02 2.94 2.83
0.005 9.73 6.81 5.65 5.02 4.61 4.32 4.11 3.94 3.81 3.70 3.61 3.54 3.41 3.31 3.18
23 0.100 2.94 2.55 2.34 2.21 2.11 2.05 1.99 1.95 1.92 1.89 1.87 1.84 1.81 1.78 1.74
0.050 4.28 3.42 3.03 2.80 2.64 2.53 2.44 2.37 2.32 2.27 2.24 2.20 2.15 2.11 2.05
0.025 5.75 4.35 3.75 3.41 3.18 3.02 2.90 2.81 2.73 2.67 2.62 2.57 2.50 2.44 2.36
0.010 7.88 5.66 4.76 4.26 3.94 3.71 3.54 3.41 3.30 3.21 3.14 3.07 2.97 2.89 2.78
0.005 9.63 6.73 5.58 4.95 4.54 4.26 4.05 3.88 3.75 3.64 3.55 3.47 3.35 3.25 3.12
24 0.100 2.93 2.54 2.33 2.19 2.10 2.04 1.98 1.94 1.91 1.88 1.85 1.83 1.80 1.77 1.73
0.050 4.26 3.40 3.01 2.78 2.62 2.51 2.42 2.36 2.30 2.25 2.22 2.18 2.13 2.09 2.03
0.025 5.72 4.32 3.72 3.38 3.15 2.99 2.87 2.78 2.70 2.64 2.59 2.54 2.47 2.41 2.33
0.010 7.82 5.61 4.72 4.22 3.90 3.67 3.50 3.36 3.26 3.17 3.09 3.03 2.93 2.85 2.74
0.005 9.55 6.66 5.52 4.89 4.49 4.20 3.99 3.83 3.69 3.59 3.50 3.42 3.30 3.20 3.06
25 0.100 2.92 2.53 2.32 2.18 2.09 2.02 1.97 1.93 1.89 1.87 1.84 1.82 1.79 1.76 1.72
0.050 4.24 3.39 2.99 2.76 2.60 2.49 2.40 2.34 2.28 2.24 2.20 2.16 2.11 2.07 2.01
0.025 5.69 4.29 3.69 3.35 3.13 2.97 2.85 2.75 2.68 2.61 2.56 2.51 2.44 2.38 2.30
0.010 7.77 5.57 4.68 4.18 3.85 3.63 3.46 3.32 3.22 3.13 3.06 2.99 2.89 2.81 2.70
0.005 9.48 6.60 5.46 4.84 4.43 4.15 3.94 3.78 3.64 3.54 3.45 3.37 3.25 3.15 3.01
26 0.100 2.91 2.52 2.31 2.17 2.08 2.01 1.96 1.92 1.88 1.86 1.83 1.81 1.77 1.75 1.71
0.050 4.23 3.37 2.98 2.74 2.59 2.47 2.39 2.32 2.27 2.22 2.18 2.15 2.09 2.05 1.99
0.025 5.66 4.27 3.67 3.33 3.10 2.94 2.82 2.73 2.65 2.59 2.54 2.49 2.42 2.36 2.28
0.010 7.72 5.53 4.64 4.14 3.82 3.59 3.42 3.29 3.18 3.09 3.02 2.96 2.86 2.78 2.66
0.005 9.41 6.54 5.41 4.79 4.38 4.10 3.89 3.73 3.60 3.49 3.40 3.33 3.20 3.11 2.97
27 0.100 2.90 2.51 2.30 2.17 2.07 2.00 1.95 1.91 1.87 1.85 1.82 1.80 1.76 1.74 1.70
0.050 4.21 3.35 2.96 2.73 2.57 2.46 2.37 2.31 2.25 2.20 2.17 2.13 2.08 2.04 1.97
0.025 5.63 4.24 3.65 3.31 3.08 2.92 2.80 2.71 2.63 2.57 2.51 2.47 2.39 2.34 2.25
Distribusi F
v2 = v1 = dk pembilang
dk
penyebut 1 2 3 4 5 6 7 8 9 10 11 12 14 16 20
0.010 7.68 5.49 4.60 4.11 3.78 3.56 3.39 3.26 3.15 3.06 2.99 2.93 2.82 2.75 2.63
0.005 9.34 6.49 5.36 4.74 4.34 4.06 3.85 3.69 3.56 3.45 3.36 3.28 3.16 3.07 2.93
28 0.100 2.89 2.50 2.29 2.16 2.06 2.00 1.94 1.90 1.87 1.84 1.81 1.79 1.75 1.73 1.69
0.050 4.20 3.34 2.95 2.71 2.56 2.45 2.36 2.29 2.24 2.19 2.15 2.12 2.06 2.02 1.96
0.025 5.61 4.22 3.63 3.29 3.06 2.90 2.78 2.69 2.61 2.55 2.49 2.45 2.37 2.32 2.23
0.010 7.64 5.45 4.57 4.07 3.75 3.53 3.36 3.23 3.12 3.03 2.96 2.90 2.79 2.72 2.60
0.005 9.28 6.44 5.32 4.70 4.30 4.02 3.81 3.65 3.52 3.41 3.32 3.25 3.12 3.03 2.89
29 0.100 2.89 2.50 2.28 2.15 2.06 1.99 1.93 1.89 1.86 1.83 1.80 1.78 1.75 1.72 1.68
0.050 4.18 3.33 2.93 2.70 2.55 2.43 2.35 2.28 2.22 2.18 2.14 2.10 2.05 2.01 1.94
0.025 5.59 4.20 3.61 3.27 3.04 2.88 2.76 2.67 2.59 2.53 2.48 2.43 2.36 2.30 2.21
0.010 7.60 5.42 4.54 4.04 3.73 3.50 3.33 3.20 3.09 3.00 2.93 2.87 2.77 2.69 2.57
0.005 9.23 6.40 5.28 4.66 4.26 3.98 3.77 3.61 3.48 3.38 3.29 3.21 3.09 2.99 2.86
30 0.100 2.88 2.49 2.28 2.14 2.05 1.98 1.93 1.88 1.85 1.82 1.79 1.77 1.74 1.71 1.67
0.050 4.17 3.32 2.92 2.69 2.53 2.42 2.33 2.27 2.21 2.16 2.13 2.09 2.04 1.99 1.93
0.025 5.57 4.18 3.59 3.25 3.03 2.87 2.75 2.65 2.57 2.51 2.46 2.41 2.34 2.28 2.20
0.010 7.56 5.39 4.51 4.02 3.70 3.47 3.30 3.17 3.07 2.98 2.91 2.84 2.74 2.66 2.55
0.005 9.18 6.35 5.24 4.62 4.23 3.95 3.74 3.58 3.45 3.34 3.25 3.18 3.06 2.96 2.82
40 0.100 2.84 2.44 2.23 2.09 2.00 1.93 1.87 1.83 1.79 1.76 1.74 1.71 1.68 1.65 1.61
0.050 4.08 3.23 2.84 2.61 2.45 2.34 2.25 2.18 2.12 2.08 2.04 2.00 1.95 1.90 1.84
0.025 5.42 4.05 3.46 3.13 2.90 2.74 2.62 2.53 2.45 2.39 2.33 2.29 2.21 2.15 2.07
0.010 7.31 5.18 4.31 3.83 3.51 3.29 3.12 2.99 2.89 2.80 2.73 2.66 2.56 2.48 2.37
0.005 8.83 6.07 4.98 4.37 3.99 3.71 3.51 3.35 3.22 3.12 3.03 2.95 2.83 2.74 2.60
60 0.100 2.79 2.39 2.18 2.04 1.95 1.87 1.82 1.77 1.74 1.71 1.68 1.66 1.62 1.59 1.54
0.050 4.00 3.15 2.76 2.53 2.37 2.25 2.17 2.10 2.04 1.99 1.95 1.92 1.86 1.82 1.75
0.025 5.29 3.93 3.34 3.01 2.79 2.63 2.51 2.41 2.33 2.27 2.22 2.17 2.09 2.03 1.94
0.010 7.08 4.98 4.13 3.65 3.34 3.12 2.95 2.82 2.72 2.63 2.56 2.50 2.39 2.31 2.20
0.005 8.49 5.79 4.73 4.14 3.76 3.49 3.29 3.13 3.01 2.90 2.82 2.74 2.62 2.53 2.39
120 0.100 2.75 2.35 2.13 1.99 1.90 1.82 1.77 1.72 1.68 1.65 1.63 1.60 1.56 1.53 1.48
0.050 3.92 3.07 2.68 2.45 2.29 2.18 2.09 2.02 1.96 1.91 1.87 1.83 1.78 1.73 1.66
0.025 5.15 3.80 3.23 2.89 2.67 2.52 2.39 2.30 2.22 2.16 2.10 2.05 1.98 1.92 1.82
0.010 6.85 4.79 3.95 3.48 3.17 2.96 2.79 2.66 2.56 2.47 2.40 2.34 2.23 2.15 2.03
0.005 8.18 5.54 4.50 3.92 3.55 3.28 3.09 2.93 2.81 2.71 2.62 2.54 2.42 2.33 2.19
240 0.100 2.73 2.32 2.11 1.97 1.87 1.80 1.74 1.70 1.66 1.63 1.60 1.57 1.53 1.50 1.45
0.050 3.88 3.03 2.64 2.41 2.25 2.14 2.05 1.98 1.92 1.87 1.83 1.79 1.73 1.69 1.61
0.025 5.09 3.75 3.17 2.84 2.62 2.46 2.34 2.25 2.17 2.10 2.05 2.00 1.92 1.86 1.77
0.010 6.74 4.69 3.86 3.40 3.09 2.88 2.71 2.59 2.48 2.40 2.32 2.26 2.16 2.08 1.96
0.005 8.03 5.42 4.39 3.82 3.45 3.19 2.99 2.84 2.71 2.61 2.52 2.45 2.33 2.23 2.09
500 0.100 2.72 2.31 2.09 1.96 1.86 1.79 1.73 1.68 1.64 1.61 1.58 1.56 1.52 1.49 1.44
0.050 3.86 3.01 2.62 2.39 2.23 2.12 2.03 1.96 1.90 1.85 1.81 1.77 1.71 1.66 1.59
0.025 5.05 3.72 3.14 2.81 2.59 2.43 2.31 2.22 2.14 2.07 2.02 1.97 1.89 1.83 1.74
0.010 6.69 4.65 3.82 3.36 3.05 2.84 2.68 2.55 2.44 2.36 2.28 2.22 2.12 2.04 1.92
0.005 7.95 5.35 4.33 3.76 3.40 3.14 2.94 2.79 2.66 2.56 2.48 2.40 2.28 2.19 2.04
∞ 0.100 2.71 2.30 2.08 1.94 1.85 1.77 1.72 1.67 1.63 1.60 1.57 1.55 1.50 1.47 1.42
0.050 3.84 3.00 2.60 2.37 2.21 2.10 2.01 1.94 1.88 1.83 1.79 1.75 1.69 1.64 1.57
0.025 5.02 3.69 3.12 2.79 2.57 2.41 2.29 2.19 2.11 2.05 1.99 1.94 1.87 1.80 1.71
0.010 6.64 4.61 3.78 3.32 3.02 2.80 2.64 2.51 2.41 2.32 2.25 2.18 2.08 2.00 1.88
0.005 7.88 5.30 4.28 3.72 3.35 3.09 2.90 2.74 2.62 2.52 2.43 2.36 2.24 2.14 2.00
TABEL XV
DISTRIBUSI TABEL Q (untuk Test Tukey)
α = 0.05
k df 2 3 4 5 6 7 8 9 10
1 18.0 27.0 32.8 37.1 40.4 43.1 45.4 47.4 49.1
2 6.08 8.33 9.80 10.88 11.73 12.43 13.03 13.54 13.99
3 4.50 5.91 6.82 7.50 8.04 8.48 8.85 9.18 9.46
4 3.93 5.04 5.76 6.29 6.71 7.05 7.35 7.60 7.83
5 3.64 4.60 5.22 5.67 6.03 6.33 6.58 6.80 6.99
6 3.46 4.34 4.90 5.30 5.63 5.90 6.12 6.32 6.49
7 3.34 4.16 4.68 5.06 5.36 5.61 5.82 6.00 6.16
8 3.26 4.04 4.53 4.89 5.17 5.40 5.60 5.77 5.92
9 3.20 3.95 4.41 4.76 5.02 5.24 5.43 5.59 5.74
10 3.15 3.88 4.33 4.65 4.91 5.12 5.30 5.46 5.60
11 3.11 3.82 4.26 4.57 4.82 5.03 5.20 5.35 5.49
12 3.08 3.77 4.20 4.51 4.75 4.95 5.12 5.27 5.39
13 3.06 3.73 4.15 4.45 4.69 4.88 5.05 5.19 5.32
14 3.03 3.70 4.11 4.41 4.64 4.83 4.99 5.13 5.25
15 3.01 3.67 4.08 4.37 4.59 4.78 4.94 5.08 5.20
16 3.00 3.65 4.05 4.33 4.56 4.74 4.90 5.03 5.15
17 2.98 3.63 4.02 4.30 4.52 4.70 4.86 4.99 5.11
18 2.97 3.61 4.00 4.28 4.49 4.67 4.82 4.96 5.07
19 2.96 3.59 3.98 4.25 4.47 4.65 4.79 4.92 5.04
20 2.95 3.58 3.96 4.23 4.45 4.62 4.77 4.90 5.01
24 2.92 3.53 3.90 4.17 4.37 4.54 4.68 4.81 4.92
30 2.89 3.49 3.85 4.10 4.30 4.46 4.60 4.72 4.82
40 2.86 3.44 3.79 4.04 4.23 4.39 4.52 4.63 4.73
60 2.83 3.40 3.74 3.98 4.16 4.31 4.44 4.55 4.65
120 2.80 3.36 3.68 3.92 4.10 4.24 4.36 4.47 4.56
oo 2.77 3.31 3.63 3.86 4.03 4.17 4.29 4.39 4.47
TABEL XV (Lanjutan )
DISTRIBUSI TABEL Q (untuk Test Tukey)
α = 0.01
k
2 3 4 5 6 7 8 9 10
df
1 90.0 135 164 186 202 216 227 237 246
2 13.90 19.02 22.56 25.37 27.76 29.86 31.73 33.41 34.93
3 8.26 10.62 12.17 13.32 14.24 15.00 15.65 16.21 16.71
4 6.51 8.12 9.17 9.96 10.58 11.10 11.54 11.92 12.26
5 5.70 6.98 7.80 8.42 8.91 9.32 9.67 9.97 10.24
6 5.24 6.33 7.03 7.56 7.97 8.32 8.61 8.87 9.10
7 4.95 5.92 6.54 7.00 7.37 7.68 7.94 8.17 8.37
8 4.75 5.64 6.20 6.62 6.96 7.24 7.47 7.68 7.86
9 4.60 5.43 5.96 6.35 6.66 6.91 7.13 7.33 7.49
10 4.48 5.27 5.77 6.14 6.43 6.67 6.87 7.05 7.21
11 4.39 5.15 5.62 5.97 6.25 6.48 6.67 6.84 6.99
12 4.32 5.05 5.50 5.84 6.10 6.32 6.51 6.67 6.81
13 4.26 4.96 5.40 5.73 5.98 6.19 6.37 6.53 6.67
14 4.21 4.89 5.32 5.63 5.88 6.08 6.26 6.41 6.54
15 4.17 4.84 5.25 5.56 5.80 5.99 6.16 6.31 6.44
16 4.13 4.79 5.19 5.49 5.72 5.92 6.08 6.22 6.35
17 4.10 4.74 5.14 5.43 5.66 5.85 6.01 6.15 6.27
18 4.07 4.70 5.09 5.38 5.60 5.79 5.94 6.08 6.20
19 4.05 4.67 5.05 5.33 5.55 5.73 5.89 6.02 6.14
20 4.02 4.64 5.02 5.29 5.51 5.69 5.84 5.97 6.09
24 3.96 4.55 4.91 5.17 5.37 5.54 5.69 5.81 5.92
30 3.89 4.45 4.80 5.05 5.24 5.40 5.54 5.65 5.76
40 3.82 4.37 4.70 4.93 5.11 5.26 5.39 5.50 5.60
60 3.76 4.28 4.59 4.82 4.99 5.13 5.25 5.36 5.45
120 3.70 4.20 4.50 4.71 4.87 5.01 5.12 5.21 5.30
oo 3.64 4.12 4.40 4.60 4.76 4.88 4.99 5.08 5.16
TABEL XVI
TABEL LILIEFORS (L)
α=
N α = .15 α = .10 α = .05 α = .01
.20
4 .3027 .3216 .3456 .3754 .4129
5 .2893 .3027 .3188 .3427 .3959
6 .2694 .2816 .2982 .3245 .3728
7 .2521 .2641 .2802 .3041 .3504
8 .2387 .2502 .2649 .2875 .3331
9 .2273 .2382 .2522 .2744 .3162
10 .2171 .2273 .2410 .2616 .3037
11 .2080 .2179 .2306 .2506 .2905
12 .2004 .2101 .2228 .2426 .2812
13 .1932 .2025 .2147 .2337 .2714
14 .1869 .1959 .2077 .2257 .2627
15 .1811 .1899 .2016 .2196 .2545
16 .1758 .1843 .1956 .2128 .2477
17 .1711 .1794 .1902 .2071 .2408
18 .1666 .1747 .1852 .2018 .2345
19 .1624 .1700 .1803 .1965 .2285
20 .1589 .1666 .1764 .1920 .2226
21 .1553 .1629 .1726 .1881 .2190
22 .1517 .1592 .1690 .1840 .2141
23 .1484 .1555 .1650 .1798 .2090
24 .1458 .1527 .1619 .1766 .2053
25 .1429 .1498 .1589 .1726 .2010
26 .1406 .1472 .1562 .1699 .1985
27 .1381 .1448 .1533 .1665 .1941
28 .1358 .1423 .1509 .1641 .1911
α=
N α = .15 α = .10 α = .05 α = .01
.20
29 .1334 .1398 .1483 .1614 .1886
30 .1315 .1378 .1460 .1590 .1848
31 .1291 .1353 .1432 .1559 .1820
32 .1274 .1336 .1415 .1542 .1798
33 .1254 .1314 .1392 .1518 .1770
34 .1236 .1295 .1373 .1497 .1747
35 .1220 .1278 .1356 .1478 .1720
36 .1203 .1260 .1336 .1454 .1695
37 .1188 .1245 .1320 .1436 .1677
38 .1174 .1230 .1303 .1421 .1653
39 .1159 .1214 .1288 .1402 .1634
40 .1147 .1204 .1275 .1386 .1616
41 .1131 .1186 .1258 .1373 .1599
42 .1119 .1172 .1244 .1353 .1573
43 .1106 .1159 .1228 .1339 .1556
44 .1095 .1148 .1216 .1322 .1542
45 .1083 .1134 .1204 .1309 .1525
46 .1071 .1123 .1189 .1293 .1512
47 .1062 .1113 .1180 .1282 .1499
48 .1047 .1098 .1165 .1269 .1476
49 .1040 .1089 .1153 .1256 .1463
50 .1030 .1079 .1142 .1246 .1457
0.741 0.775 0.819 0.895 01.035
>50
fN fN fN fN fN
RIWAYAT HIDUP
Pekerjaan yang pernah dijabat adalah (1) Guru SD (1963-1964), (2) Penilik
Pendidikan Masyarakat (1965-1971), (3) Asisten Dosen di FKIP Unud Singaraja
(1971-1975), (4) dosen tetap pada FKIP Unud Singaraja (1975-1983), (5) dosen tetap
pada STKIP Negeri Singaraja (1983-2001), (6) dosen tetap pada IKIP Negeri
Singaraja (2001-2003), (7) Guru Besar tetap pada Universitas Pendidikan Ganesha
(Undiksha) mulai tahun 2003 sampai dengan sekarang, (8) menjadi konsultan
”Education Manajement Specialist (EMS)” pada Proyek Desentralisasi Pendidikan
Dasar (ADB Loan No. 1863-INO) mulai tahun 2003 sampai tahun 2008 di Provinsi
Bali, (9) menjadi dosen detasering selama 6 bulan di Universitas Syah Kuala (2006),
(10) menjadi Ketua Program Studi Penelitian dan Evaluasi Pendidikan (2006 sampai
sekarang), dan (11) menjadi asesor Guru SD dan asesor Dosen mulai tahun 2006
sampai sekarang.
Publikasi ilmiah yang penting, antara lain: (1) menulis buku ajar Pendidikan
Moral Pendekatan Lintas Budaya, (2) artikel tentang Analisis Kebutuhan Belajar
Pendidikan Moral, (3) Pendidikan Karakter dengan Pendekatan Komprehensif, (4)
Mengembangkan Disiplin Diri dengan Menggunakan Strategi Pengubahan Perilaku
Model Madeline Hunter, (5) beberapa makalah ilmiah yang dipresentasikan pada
Konaspi dan Pelatihan-pelatihan Guru SD dalam rangka pelaksanaan Proyek
Desentralisasi Pendidikan Dasar di Bali, (6) menulis Buku Ajar Statistik Terapan, (7)
menulis Buku Ajar Telaah Kurikulum SD, (8) menulis Buku Ajar Asesmen
Pendidikan, dan (8) menulis Buku Ajar Langkah-langkah Menyusun Tes dan Non
Tes.
Hasil-hasil penelitian selama menjadi dosen, antara lain: (1) Identifikasi dan
Pemetaan Anak Putus Sekolah dan Tidak Sekolah Usia Pendidikan Dasar di