Buku Statistika-1-1

Buku Ajar Statistika 1
Materi: Teknik Analisis dan Data Kuantitatif
Prof.Dr.I Wayan Koyan,M.Pd
Undiksa - Press
DAFTAR ISI
Halaman judul …………………………………………………………………. i
Kata Pengantar .................................................................................................... ii
Daftar Isi ............................................................................................................. iii
Penata Awal.................. ......................................................................................... 1
BAB I. STATISTIK DESKRIPTIF ................................................................. 3

A. Pengertian Statistik ........................................................................... 3
B. Data Statistik .................................................................................... 5
C. Fungsi Statistik ................................................................................ 5
D. Skala Pengukuran ............................................................................ 6
E. Teknik Penyajian Data ..................................................................... 7
F. Pengukuran Tendensi Sentral ........................................................... 13
G. Pengukuran Variasi .......................................................................... 17
H. Teori Probabilitas ............................................................................. 21
BAB II. STATISTIK INFERENSIAL (Rancangan Sampling dan Uji-t)

A. Rancangan Sampling ....................................................................... 25
B. Hipotesis Penelitin dan Hipotesis Statistik ..................................... 28
C. Pengujian Hipotesis Komparatif Dua Sampel ................................. 29
1. Uji Perbedaan Rerata (Uji-t ) Sampel Berkorelasi......................... 29
2. Uji Perbedaan Rerata (Uji-t ) Sampel Indpenden ......................... 33
BAB III. ANALISIS VARIANS (UJI F/FISHER) .......................................... 37

1. Analisis Varians Satu Jalur (ANAVA A) ...................................... 37
2. Analisis Varians Dua Jalur (Anava AB/Faktorial 2 x 2)................. 41
3. Analisi Varians Dua Jalur (Faktorial 3 x 3) .................................... 47
4. Analisis Varians Tiga Jalur (Anava ABC) ..................................... 52
5. Analisis Varians Rancangan AS ( Pengukuran Berulang) .............. 57
BAB IV. UJI PERSYARATAN ANALISIS .................................................... 60

A. Uji Normalitas ................................................................................. 60
1. Uji dengan Kertas Peluang Normal ........................................... 60
2. Uji dengan Chi-Kuadrat) ........................................................... 60
3. Uji dengan Liliefors ................................................................... 63
4. Uji dengan Teknik Kolmogorov-Smirnov ................................. 64
5. Uji Normalitas dengan SPSS .................................................... 65
3
B. Uji Homogenitas Varians .............................................................. 66
1. Uji Homogenitas dengan Test Bartlett ..................................... 66
2. Uji Homogenitas Regresi ......................................................... 67
3. Uji Homogenitas Varians dengan SPSS .................................. 70
C. Uji Linearitas Hubungan/Regresi ..................................................` 72
D. Uji Multikolinearitas ..................................................................... 77
E. Uji Heterokedastisitas ................................................................... 79
F. Uji Autokorelasi ............................................................................ 79
BAB V. STATISTIK NON PARAMETRIK

1. Teknik Korelasi Tata Jenjang ....................................................... 86
2. Teknik Korelasi Point Biserial ..................................................... 88
3. Chi-Kuadrat ..................................................................................... 92
4. Teknik Korelasi Kontingensi ........................................................ 98
5. Teknik Korelasi Tetrakorik .......................................................... 99
6. Teknik Korelasi Phi...................................................................... 101
DAFTAR PUSTAKA ................................................................................... ... 102

LAMPIRAN DAFTAR TABEL ..................................................................... 103
RIWAYAT HIDUP ................................................................................... .. 127
4
STATISTIK PENDIDIKAN
Teknik Analisis Data Kuantitatif
Penata Awal
Mata kuliah Statistik Pendidikan untuk mahasiswa strata dua Program Studi
Penelitian dan Evaluasi Pendidikan (PEP), dan juga untuk Program Studi Administrasi
Pendidikan (AP), serta untuk mahasiswa strata satu di lingkungan Lembaga Pendidikan
Tenaga Kependidikan (LPTK), ditekankan pada materi pokok yang berkaitan dengan
teknik analisis data kuantitatif untuk penelitian dengan statistik parametrik dan statistik
non parametrik. Materi perkuliahan disajikan dalam bentuk ceramah/penjelasan, diskusi,
dan latihan-latihan mengerjakan soal yang dirancang untuk memperdalam pemahaman
terhadap materi yang diberikan.
Tujuan mata kuliah Statistik adalah untuk memberikan pengetahuan tentang
dasar-dasar analisis data kuantitatif serta penerapannya dalam penelitian kuantitatif.
Materi yang disajikan dalam mata kuliah ini meliputi: analisis data kuantitatif, prosedur
analisis deskriptif melalui sajian table distribusi frekuensi, grafik, pengukuran tendensi
sentral, pengukuran variabilitas dan dispersi, skor baku/standar Z dan T, skala teoretik;
analisis korelasi, uji-t, uji persyaratan analisis, teori sampling, pengujian hipotesis,
konsep inferensi; beberapa teknik analisis dengan statistic non parametric, seperti: Chi
Kwadrat, korelasi point biserial, korelasi tata jenjang; dan dasar-dasar analisis varians dan
analisis regresi.
Pengorganisasian materi perkuliahan dirancang menjadi beberapa bab sebagai

berikut.
1. Bab I, mengkaji tentang statistik deskriptif atau statistik dasar, meliputi
pembahasan mengenai pengertian statistik, macam-macam statistik, data statistik,
fungsi statistik, teknik penyajian data, distribusi frekuensi, grafik atau diagram,
pengukuran tendensi sentral, pengukuran variasi (dispersi), ukuran letak, kurve
normal, kurve juling positif dan negatif, dan skor standar (skor baku Z danT).
5
2. Bab II, mengkaji tentang rancangan sampling, uji perbedaan dengan teknik uji-t
untuk sampel berkorelasi dan sampel independen.
3. Bab III, mengkaji analisis varians satu jalur, analisis varians dua jalur, analisis
varians tiga jalur, dan analisis varians AS atau treatment by subject design
(rancangan satu sampel dengan pengukuran ulangan).
4. Bab IV, mengkaji tentang persyaratan analisis atau uji asumsi, meliputi uji
normalitas sebaran data, uji linieritas regresi, uji homogenitas varians, dan uji
multikolinieritas.
5. Bab V, mengkaji beberapa teknik analisis data dengan Statistik Non Parametrik.
Pada setiap pokok bahasan diberikan tes formatif atau tugas-tugas terstruktur, baik
tugas individual maupun tugas kelompok. Dengan demikian, diharapkan mahasiswa
memiliki kemampuan atau kompetensi dasar yang telah ditentukan, khususnya
kemampuan untuk menganalisis data kuantitatif dalam rangka menyusun tugas akhir,
skripsi, atau tesis.
6
BAB I
STATISTIK DESKRIPTIF
Kompetensi Dasar
Mahasiswa memahami fungsi statistik deskriptif dan mampu menggunakannya
untuk menganalisis data kuantitatif
Indikator Pencapaian
Mahasiswa dapat melakukan sebagai berikut.
1. Menjelaskan pengertian dan macam-macam statistik
2. Menjelaskan macam-macam data
3. Menjelaskan fungsi statistik
4. Menyajikan data dalam berbagai bentuk
5. Membuat distribusi frekuensi
6. Menggambar grafik
7. Menghitung tendensi sentral
8. Menghitung variasi atau dispersi dan ukuran letak lainnya
9. Mengkonversi skor kasar menjadi skor baku (skor Z dan T)
10. Membuat kategori penilaian berdasarkan skala lima teoretik.
A. Pengertian Statistik
1. Statistik adalah kumpulan data, disajikan dalam bentuk table/daftar, gambar,

diagram atau ukuran-ukuran tertentu. Misalnya, statistic penduduk, statistic
kelahiran, statistic pertumbuhan ekonomi, statistic pendidikan, dan lain-lain.
2. Statistika, adalah pengetahuan mengenai pengumpulan data, klasifikasi data,
pengolahan data, penarikan kesimpulan dan pengambilan keputusan berdasarkan
alasan yang cukup kuat.
3. Statstika Matematik/Statistika Teoretik, adalah statistika yang membahas
bagaimana sifat-sifat, dalil-dalil dan rumus-rumus statistika diturunkan,
bagaimana menciptakan model-model teoretis dan matematis
7
4. Statistika terapan/Teknik Analisis Data, adalah statistika yang membahas cara-
cara penggunaan statistik, antara lain untuk keperluan penelitian.
5. Macam-macam Statistik
a. Statistik Deskriptif (Statistik Dasar), yaitu statistik yang digunakan
untuk menggambarkan atau menganalisis suatu statistik hasil penelitian
tetapi tidak digunakan untuk generalisasi/inferensi. Penelitian yang tidak
menggunakan sampel, analisisnya menggunakan statistik deskriptif.
Demikian juga penelitian yang menggunakan sampel, tetapi tidak
bermaksud untuk membuat kesimpulan untuk populasi dari mana sampel
diambil, analisis datanya menggunakan statistik deskriptif. Dalam hal ini,
teknik korelasi dan regresi juga dapat berperan sebagai statistik deskriptif.
b. Statistik Inferensial (statistik induktif) adalah statistik yang digunakan
untuk menganalisis data sampel dan hasilnya akan digeneralisasikan/
diinferensikan kepada populasi dimana sampel itu diambil. Statistik
inferensial ada dua macam, yaitu: (a) statistik parametrik, yang
digunakan untuk menganalisis data interval dan rasio, yang diambil dari
populasi yang berdistribusi normal; dan (b) statistik non parametrik,
yang digunakan untuk menganalisis data nominal dan ordinal, yang
diambil dari populasi yang bebas disribusi (tidak harus normal).Dalam hal
ini, teknik korelasi dan regresi dapat berperan sebagai statistik inferensial.
Mengenai macam-macam statistik, dapat diperiksa bagan berikut.
Deskriptif
Statistik Parametrik
Inferensial
Nonparametrik
Bagan 1.1. Macam-macam Statistik
8
B. Data Statistik
Data dalam penelitian dapat digolongkan sebagai berikut ini.
1. Data mentah, data yang belum diolah atau dianalisis
2. Data primer (data dari sumber pertama) dan data sekunder data dari sumber ke
dua)
3. Data kuantitatif (dapat dinyatakan dalam bilangan), terdiri atas:
a. data kontinum, data interval, data rasio
b. data diskrit: (1) data nominal, (2) data ordinal, (3) data dikotomi
4. Data kualitatif: berupa atribut
Mengenai jenis data, disajikan pada bagan berikut.
Kualitaif
Nominal
Ordinal
Macam data
Deskrit
Dikotomi
Kuantitatif
Interval
Kontinum
Rasio
Gambar 1.2. Macam-macam Data
C. Fungsi Statistika
1. Statistik Deskriptif berfungsi untuk membuat data bermakna, yang dapat
disajikan dengan berbagai bentuk, seperti:
a. tabel/daftar, gambar, diagram/grafik;
b. ukuran tendensi sentral (mean atau rerata, median atau nilai tengah, dan modus
9
c. ukuran dispersi (penyebaran): rentangan, simpangan (deviasi), simpangan baku,
dan varians;
2. Statistik Inferensial/induktif, digunakan untuk melakukan: (a) generalisasi, dari
sampel ke populasi, (b) uji hipotesis (membandingkan atau uji
perbedaan/kesamaan, dan menghubungkan, yaitu uji keterkaitan, kontribusi);
3. Untuk memprediksi, dengan teknik: (a) regresi linier (hubungan fungsional), (b)
regresi kurvilinier, kuadratik, logaritmik hiperbolik, dll), (c) korelasi, keterkaitan,
hubungan timbal balik, yaitu derajat hubungan (koefisien korelasi) dan kadar
sumbangan (koefisien determinasi).
D. Skala Pengukuran
Ada empat macam skala pengukuran, yaitu: (1) skala nominal, (2) skala ordinal,
(3) skala interval, dan (4) skala ratio.
1. Skala Nominal
Skala nominal adalah angka yang hanya memiliki ciri klasifikasi dari suatu obyek.
Misalnya, nomor rumah, nomor plat kendaraan, nomor telepon, dan yang sejenis.
Angka atau simbul yang tertera pada obyek tersebut hanya merupakan klasifikasi.
2. Skala Ordinal
Skala ordinal adalah suatu skala yang mempunyai klasifikasi dan tingkatan atau
ranking dan tidak mempunya interval yang tetap. Misalnya, di dalam kelas ada
siswa yang memperoleh rangkin I, rangking II, dan seterusnya. Hal yang sama
terjadi pada kejuaraan, seperti juara satu, juara dua,juara tiga, dan seterusnya.
Skala ordinal memiliki ciri: klasifikasi dan tingkatan, yang jaraknya tidak sama.
3. Skala Interval
Skala interval adalah suatu skala yang mempunyai ciri: klasifikasi, tingkatan, dan
unit-unit yang sama, dan mempunyai jarak yang sama, tetapi tidak memiliki
angka nul mutlak. Misalnya, siswa yang memperoleh skor 0 sampai dengan 10
diberi nilai 0 (E), yang memperoleh skor 11 sampi dengan 20 diberi nilai 1(D),
dan seterusnya. Siswa yang memperoleh nilai 4, tidak berarti bahwa siswa yang
memperoleh nilai 4 memiliki kepandaian dua kali yang memiliki nilai 2. Contoh
lain, suhu udara mempunyai rentangan 0 sampai dengan 100 derajat Celcius.
10
4. Skala Ratio
Skala ratio adalah suatu skala yang memiliki ciri: klasifikasi, tingkatan, dan
memiliki nul mutlak. Misalnya, ukuran panjang, ukuran berat, umur, ukuran isi,
dan ukuran lainnya yang sejenis. Misalnya, panjang benda 4 meter dibandingkan
dengan 2 meter, berarti benda yang panjangnya 4 meter adalah 2 kali benda yang
panjangnya 2 meter.
E. Teknik Penyajian Data

Penyajian data dapat dilakukan berdasarkan jenis skala yang telah diuraikan
diatas, misalnya berdasarkan skala nominal, skala ordinal, skala interval, dan skala ratio.
Hal tersebut dapat dilakukan dengan cara-cara berikut.
1. Dengan Tabel atau Daftar, antara lain dengan: (a) daftar tunggal, (b) daftar
kontingensi, (c) distribusi frekuensi
a. Tabel data nominal
Penyajian data nominal dapat digunakan tabel seperti contoh berikut.
Tabel 1.1. Tingkat Pendidikan Dosen FIP (data fiktif)
No Jurusan Tingkat Pendidikan

S3 S2 S1 Jumlah
1. Teknologi Pendidikan 4 12 1 17
2. Bimbingan Konseling 3 15 0 18
3. Pendidikan Dasar 3 20 2 25
4. PAUD 1 6 1 8
Jumlah 11 53 4 68
Sumber data: Bagian Personalia
b. Tabel Data Ordinal

Data yang bersifat ordinal dapat disajikan seperti contoh berikut.
11
Tabel 1.2. Rangking Siswa Kelas V SD
No. Nama Siswa Kelas V Rata-rata Raport Rangking Prestasi
1. Artini 95 1
2. Sudama 94 2
3. Martana 89 3
4. Budana 87 4
5. Suesti 80 5
6. Sumardika 79 6
7. Yeni 70 7
8. Sudarmi 69 8
9. Ekawati 68 9
10 Sudama 65 10
Rata-rata Kelas 79,6 -
Sumber Data: Administrasi Sekolah
c. Tabel Data Interval

Data yang bersifat interval dapat disajikan seperti contoh berikut.
Tabel 1.3. Prestasi Belajar Statistik Mahasiswa PEP (data fiktif)
No Aspek Prestasi Belajar Skor yang diperoleh
1 Adiputra 67
2 Suardana 85
3 Mardika 64
4 Suastika 75
5 Baskara 89
6 Swastika 77
7 Suardani 86
Sumber Data: Bagian Akademik
12
2. Tabel Distribusi Frekuensi
Contoh: Skor Mata Kuliah Statistik dari 150 orang mahasiswa sebagai berikut.
27 79 69 40 51 88 55 48 36 61
53 44 94 51 65 42 58 55 69 63
70 48 61 55 60 25 47 78 61 54
57 76 73 62 36 67 40 51 59 68
27 46 62 43 54 83 59 13 72 57
82 45 54 52 71 53 82 69 60 35
41 65 62 75 60 42 55 34 49 45
49 64 40 61 73 44 59 46 71 86
43 69 54 31 36 51 75 44 66 53
80 71 53 56 91 60 41 29 56 57
35 54 43 39 56 27 62 44 85 61
58 89 60 51 71 53 58 26 77 68
62 57 48 69 76 52 49 45 54 41
33 61 80 57 42 45 59 44 68 73
55 70 39 59 69 51 85 46 55 67
Ada beberapa cara yang dapat digunakan untuk menyusun daftar distribusi frekuensi.
Salah satu cara yang umu digunakan adalah dengan menggunakan rumus Sturges.
Langkah-langkah yang ditempuh dalam membuat distribusi frekuensi, dengan
menggunakan rumus Sturges adalah sebagai berikut
a. Hitung jumlah kelas interval dengan Rumus Sturges: k = 1 + 3,3 log n
Jika jumlah data 150 (=n), maka k (jumlah kelas) = 1+3,3 log 150 = 8,18
dibulatkan: 9
b. Menghitung rentang data atau range ( skor tertinggi dikurangi skor terendah):
94 – 13 = 81
c. Menghitung panjang kelas = rentang dibagi jumlah kelas = 81:9 = 9
d. Menyusun interval kelas sebagai di bawah ini (bisa dimulai dari atas atau dari bawah)
13
Tabel 1.4. Distribusi Frekuensi Skor Mata Kuliah Statistik
Klas interval X (nilai f. absolut f.relatif f. kumulatif f.kumulatif
tengah (%) (%)
10 – 19 14,5 1 0,65 1 0,67
20 – 29 24,5 6 4,00 7 4,67
30 – 39 34,5 9 6,00 16 10,67
40 – 49 44,5 31 20,66 47 31,33
50 – 59 54,5 42 28,00 89 59,33
60 – 69 64,5 32 21,13 121 80,67
70 – 79 74,5 17 11,33 138 92,00
80 – 89 84,5 10 6,66 148 98,67
90 - 99 94,5 2 1,30 150 100,00
N = 150 100% 100%
3. Grafik
Ada beberapa macam grafik, antara lain sebagai berikut.
a. Grafik garis (polygon), biasanya digunakan untuk menunjukkan perkembangan suatu
keadaan. Perkembangan tersebut bisa naik, bisa turun.
Contoh:
f- o = TV
35- + = Radio
+
30- o. o
25- o o
20- o
+
15- + +
10-
5-
| | | | | | |
0 2000 2001 2002 2003 2004 2005
Gambar 1.3: Perkembangan Produk Elektronika
14
b. Grafik batang
f_
8000 _
7000 _
6000 _
5000 _
4000 _
3000 _
2000 _
1000 _
| | | |
0
SMP-1 SMP-2 SMP-3 SMP-4
Gambar 1.4: Keadaan Siswa SMP tahun 2006/2007
4. Diagram lingkaran (Pie Chart)
10%
15%
55%
20%
5. Grafik Histogram dan Polygon

f -
60 -
55 -
50 -
45 - 42
40 - 31 32
30 -
25 - 17
20 -
15 - 9 10
10- 6
1 2
5-
| | | | | | | | |
0 X
14,5 24,5 34,5 44,5 54,5 64,5 74,5 84,5 94,5 104,5
Gambar 1.5: Histogram Skor Statistik
15
6. Grafik Polygon
f -
60 -
55 -
50 -
45 -
40 -
30 -
25 -
20 -
15 -
10-
5-
| | | | | | | | | | |
0 X
14,5 24,5 34,5 44,5 54,5 64,5 74,5 84,5 94,5 104,5
Gambar 1.6: Polygon Skor Statistik
7. Grafik gambar (Pictogram)

Ada kalanya data disajikan dalam bentuk gambar supaya lebih komunikatif.
Misalnya, untuk menunjukkan perbandingan penjualan mobil merek Jepang, seperti
Toyota, Zuzuki, Mitsubisi, dan lain-lain, ditampilkan dengan gambar-gambar mobil
merek tersebut.
Tabel 1.5. Distribusi Hasil Belajar Statistik 80 Mahasiswa

Kls Interval f absolut f kumulatif F kumulatif
kurang dari 31 Lebih dari 31
0 0 80
31 – 40 2 2 78
41 – 50 3 5 75
51 - 60 5 10 70
61 – 70 14 24 56
71 - 80 24 48 32
81 - 90 20 68 12
91 - 100 12 80 0
Jumlah 80
(Dikutip dari: Sudjana, 1975, p.48-49)
16
8.Grafik Ogive
Berdasarkan tabel distribusi frekuensi pada Tbel 1.5 di atas, kemudian dapat
dibuat grafik Ogive, baik grafik ogive kurang dari maupun grafik ogive lebih. Hal ini
dapat dilihat pada gambar grafik 1.6 seperti berikut. Grafik ogive dibuat berdasarkan
frekuensi kumulatif dan kelas interval.
fk
80 - lebih dari kurang dari
70 -
60 -
50 -
40 -
30 -
20 -
10 -
0 // . . . . . . . . X
31 41 51 61 71 81 91 101
Gambar. 1.7. Grafik Ogive Nilai Statistik
F. Pengukuran Tendensai Sentral (kecenderungan memusat)
1. Modus (mode)
Modus adalah skor yang paling sering muncul (frekuensi terbanyak/tertinggi)
Untuk data pada distribusi bergolong, menghitung modus digunakan rumus berikut.
b1
Mo = b + p
b1 + b2
Keterangan:
Mo = modus
b = batas kelas interval dengan frekuensi terbanyak (batas bawah)
17
p = panjang kelas (i = interval) dengan frekuensi terbanyak
b1 = Frekuensi pada kelas modus (frekuensi pada kelas interval yang terbanyak)
dikurangi frekuensi kelas interval terdekat sebelumnya
b2 = frekuensi kelas modus dikurangi frekuensi kelas interval berikutnya
Tabel 1.6. Distribusi Frekuensi Skor Tes Matematika Siswa SMA

Kelas interval Batas kelas frekuensi F kumulatif
21 - 30 30,5 2 2
31 - 40 40,5 6 8
41 - 50 50,5 18 26
51 - 70 70,5 30 56
71 - 80 80,5 20 76
81 - 90 90,5 16 92
91 - 100 100,5 8 100
Jumlah 100
Diketahui:
Kelas modus = kelas yang frekuensinya 30
b = 51-0,5 = 50,5
b1 = 30 - 18 = 12
b2 = 30 – 20 = 10
b1 12
Mo = b + p = 50,50 + 10 = 50,50 + 5,45 = 55,95
b1 + b2 12 + 10
2. Median (Md)
Median atau nilai tengah adalah nilai yang menunjukkan bahwa di bawah dan di
atas nilai tersebut, masing-masing terdapat 50% nilai (data). Pada data distribusi
frekuensi bergolong, median (Md) dapat dihitung dengan rumus berikut.
18
1 / 2n - F
Md = b + p
f
Keterangan:
Md = median
B = Batas bawah, dari daerah median
P = panjang kelas (interval)
N = banyak data/jumlah sampel
F = f kumulatif sebelum kelas median (jumlah semua frekuensi sebelum kelas median)
f = frekuensi kelas/daerah median
Berdasarkan tabel di atas, mediannya adalah:

1 / 2n - F 50 - 26
Md = b + p = 50,5 + 10 = 58,5
f 30
3. Mean (M = nilai rerata hitung )

Untuk menghitung mean atau nilai rata-rata hitung digunakan rumus berikut:
X
M = =X
n
atau
fX
M =
f
Berdasarkan hasil perhitungan tendensi sentral, yakni modus, median dan mean,
dapat dibuat gambar grafiknya, apakah perbandingan nilai-nilai tendensi sentral itu
berimpit, modus lebih besar dari median dan mean atau sebaliknya nilai modus lebih
kecil dari median dan mean. Jika nilai modus lebih besar dari median dan mean, maka
dapat disimpulkan bahwa sebagian besar nilai-nilai statistik mahasiswa cenderung tinggi,
19
Sebaliknya, jika nilai modus lebih kecil dari median dan mean, maka dapat disimpulkan
bahwa sebagian besar nilai-nilai statistik mahasiswa cenderung rendah. Tetapi jika nilai-
nilai-nilai modus, median, dam mean berimpit atau sama besarnya, maka kurve tersebut
adalah kurve normal. Hal ini dapat digambarkan sebagai berikut.
4. Kurve Juling Positif
+
0 X
Mo, Md, M, dimana Mo < Md < M
Gamber 1.8. Kurve Juling Positif
Gambar ini menunjukkan bahwa sebagian besar skor cenderung rendah
10. Kurve Juling Negatif

f
_
0 X
M, Md, Mo, dimana Mo > Md >M
Gambe 1.9. Kurve Juling Negatif
Gambar ini menunjukkan bahwa sebagian besar skor cenderung tinggi.
20
G. Pengukuran Variasi (Penyebaran/Dispersi)
1. Rentang Data (range = R)

Rentang data atau range adalah skor tertinggi dikurangi skor terendah ditambah
satu (Range = skor tertinggi – skor terendah + 1).
2. Interquartile Range
Interqurtile range adalah perbedaan antara kuartil pertama dengan kuartil ke tiga
(K3 – K1 ).
3. Varians
Varians adalah jumlah kuadrat semua deviasi nilai-nilai terhadap rata-rata

kelompok dibagi banyaknya data (n) . Akar varians adalah standar deviasi (simpangan
baku). Varians populasi diberi simbul σ2 dan standar deviasi σ. Sedangkan varians untuk
sampel diberi simbul s2 dan standar deviasi diberi simbul s.
Rumus simpangan (deviasi) = x = X - X
Varians adalah rerata kudrat simpangan, dengan rumus:
x2 ( X - X )2
s =
2
= untuk sampel besar atau populasi
n n
x2 (X - X )2 1 ( X )2 n X 2 -( X )2
s2 = = = X2 - =
(n - 1) (n - 1) n (n - 1) n(n - 1)
untuk sampel kecil
4. Standar Deviasi (simpangan baku)

Standar deviasi atau simpangan baku adalah akar varians, yang dinyatakan dengan
rumus berikut.
x2 (X - X )2 n X2 -( X )2
s= = =
(n - 1) (n - 1) n(n - 1)
21
5. Ukuran Letak
Ada beberapa ukuran letak, antara lain: Kuartil, Decil, dan Persentil. Dasar
perhitungannya sama dengan menghitung median.
Untuk menghitung ukuran letak, didasarkan pada tabel distribusi frekuensi yang telah
dibahas di atas. Berdasarkan tabel distribusi frekuensi, dapat dihitung Kuartil, Decil, dan
Persentil. Untuk itu, berikut ini akan ditampilkan kembali tabel distribusi tersebut.
Tabel 1.7. Distribusi Frekuensi Skor Tes Matematika Siswa SMA
Kelas interval Batas kelas frekuensi F kumulatif
21 - 30 30,5 2 2
31 - 40 40,5 6 8
41 - 50 50,5 18 26
51 - 70 70,5 30 56
71 - 80 80,5 20 76
81 - 90 90,5 16 92
91 - 100 100,5 8 100
Jumlah 100
Kuartil pertama (1/4n), adalah suatu nilai dalam distribusi yang membatasi 25%
frekuensi di bagian bawah distribusi dari 75% frekuensi dibagian atas distribusi.
1 / 4n - F 25 - 8
K1 = b + p = 40,5 + 10 = 49,94 , dimana
f 18
K1 = Kuartil pertama
B = Batas bawah, dari daerah kuartilpertama
P = panjang kelas (interval)
N = banyak data/jumlah sampel
F = f kumulatif sebelum kelas kuartil pertama (jumlah semua frekuensi sebelum kelas
kuartil pertama)
f = frekuensi kelas/daerah kuartil pertama
Kuartil 2 (2/4n = Median)
22
Kuartil 3 (3/4n), dapat dihitung dengan rumus berikut.
3 / 4n - F 75 - 56
K3 = b + p = 70,5 + 10 = 80
f 20
Desil pertama adalah suatu titik yang membatasi 10% frekuensi yang terbawah dalam
distribusi.
Decil pertama dan ke lima, dapat dihitung dengan rumus berikut.
1 / 10n - F 10 - 8
D1 = b + p = 40,5 + 10 = 41,6
f 18
5 / 10n - F 50 - 26
D5 = b + p = 50,5 + 10 = 58,5 ini sama dengan median.
f 30
Persentil pertama (1/100n) adalah suatu titik dalam distribusi yang menjadi batas
satu persen (1%) dari frekuensi yang terbawah. Persentil dapat dihitung dengan rumus
berikut.
Misalnya, menghitung persentil 25 adalah sebagai berikut.
25 / 100 n - F 25 - 8
P25 = b + p = 40,5 + 10 = 49,94 ; ini sama dengan kuartil
f 18
tiga. Demikian seterusnya dapat dihitung persentilnya.
Jenjang Persentil (Percentile Rank) adalah jenjang yang perhitungannya
didasarkan atas 100 angka. Atau jenjang persentil adalah suatu bilangan yang
menunjukkan banyaknya frekuensi dalampersen yang ada pada dan di bawah nilai itu.
Cara menghitung jenjang persentil dari distribusi angka kasar adalah sebagai berikut.
X -b 100
JP = fd + F * , dimana
p n
JP = jenjang persentil
X = Suatu nilai yang diketahui
B = batas bawah nyata interval yang mengandung X
P = panjang interval (=interval)
fd = frekuensi dalam interval yang mengandung X
F = frekuensi kumulatif dibawah interval yang mengandung X
Misalnya, kalau ingin mencari nilai 85 pada distribusi frekuensi tabel di atas, maka dapat
dicari dengan jalan berikut.
23
X -b 100 85 - 80,5 100
JP = fd + F * = *16 + 76 * = 83,2 .
p n 10 100
Dengan demikian, nilai 85 menjadi JP 83,2. Ini berarti bahwa ada 83,2%
frekuensi yang mendapat angka 85 ke bawah dalam distribusi frekuensi tersebut. Untuk
diketahui, bahwa persentil adalah suatu titik, sedangkan jenjang persentil (JP) adalah
jarak
6. Skor Baku (skor standar)

Ada beberapa skor baku atau skor standar, namun yang sering digunakan dalam
pendidikan, antara lain Skor Z dan Skor T.
X-X
Skor Z =
SD
X-X
Skor T = 50 + 10Z = 50+10
SD
7. Kurve Normal dan Skor Standar (Skor Baku)
34% 34%
68%
13,5%
13,5%
2,15% 95% 2,15%
0,13%
0,13%
99,7%
| | | | | | |
SD -3SD -2SD -1SD 0 +1SD +2SD +3SD
MEAN
Z SCORES -3 -2 -1 0 +1 +2 +3
T-SCORES 20 30 40 50 60 70 80
IQ SCORES 55 70 85 100 115 130 145
GRE SCORES 200 300 400 500 600 700 800
24
Gambar 1.10. Kurve Normal dan Skor Baku
8. Menghitung Rata-rata Ideal dan Standar Deviasi Ideal
Berdasarkan kurve normal di atas, dapat dihitung rata-rata hitung ideal dan
standar deviasi ideal. Rata-rata hitung ideal atau harapan adalah setengah dari skor
maksimal ideal ditambah dengan skor minimal ideal. Standar deviasinya adalah
seperenam dari skor maksimal ideal dikurangi skor minimal ideal.
Contoh perhitungannya adalah sebagai berikut. Jika 30 butir skala sikap yang
skalanya dari 1 sampai dengan 5, maka skor maksimal idealnya adalah 30 x 5 = 150;
sedangkan skor minimal idealnya adalah 30 x 1 = 30. Rata-rata hitung idealnya = ½ x
(150 + 30) = 90. Sedangkan standar deviasinya (SD) = 1/6 x (150 – 30) = 20.
Berdasarkan rata-rata ideal dan standar deviasi ideal, dapat dibuat skala penilaian sebagai
berikut.
Tabel 1.8.Skala Penilaian atau Kategori/ Klasifikasi pada Skala Lima Teoretik
Rentang Skor Klasifikasi/Predikat
Mi + 1,5 SDi < Mi + 3,0 SDi Sangat Baik
Mi + 0,5 SDi < Mi + 1,5 SDi Baik
Mi – 0,5 SDi < Mi + 0,5 SDi Cukup
Mi – 1,5 SDi < Mi – 0,5 SDi Tidak Baik
Mi – 3,0 SDi < Mi – 1,5 SDi Sangat Tidak Baik
H. Teori Probabilitas (Teori Peluang)

Tugas statistik dianggap telah selesai jika kita telah berhasil membuat suatu
kesimpulan tentang karakteristik populasi. Untuk membuat kesimpulan mengenai
populasi, pada umumnya penelitian dilakukan terhadap sampel yang diambil dengan
teknik tertentu. Cara mengambil sampel penelitian disebut teknik sampling. Jika sampel
diambil dengan teknik sampling, maka sampel penelitian tersebut dapat dikatakan
representasi dari populasi.
Kesimpulan yang diambil oleh peneliti tidaklah pasti secara absolut dan selalu
memiliki kekeliruan tertentu. Untuk itu diperlukan pengetahuan tentang teori probabilitas
atau teori peluang atau teori tentang kemungkinan terjadinya kepastian dan
25
ketidakpastian suatu kejadian. Dengan demikian, probabilitas dapat diartikan sebagai
kemungkinan terjadinya suatu peristiwa di antara kejadian seluruhnya yang mengkin
terjadi (Sutrisno Hadi,1996:p.162). Misalnya, jika sebuah uang logam yang baik
dilemparkan, maka kemungkinan yang nampak adalah mungkin kepala (K) atau mungkin
ekor (E). Antara kemungkinan muncul K dan E adalah setengah berbanding setengah (1/2
–1/2) atau 0,50 – 0,50 atau 50% - 50%). Ini merupakan persentase kejadian atau proporsi
kejadian yang diberi lambang p. Contoh yang lain, misalnya sebuah dadu yang bermuka 6
dan masih baik dilempar akan menghasilkan 6 peristiwa, jadi N = 6. Peluang untuk
muncul muka 4 misalnya, adalah satu diantara enam kemungkinan. Probabilitas atau
proporsi untuk mata angka empat dari sebuah dadu yang baik, yang dilemparkan secara
bebas adalah1:6 atau p dari timbulnya mata angka empat adalah 0,1667 atau 16,67%.
Demikian juga suatu tes obyektif yang memiliki 5 pilihan jawaban, maka kemungkinan
untuk menjawab benar adalah 1/5 kali 100% atau 20% (0,20). Dengan demikian dapat
disimpulkan bahwa peluang munculnya suatu peristiwa (P) dapat dirumuskan bahwa P =
n/N. N = jumlah percobaan dan n = jumlah mata uang.
Dari contoh di atas, jika mata uang logam yang masih baik dilemparkan secara
bebas, kemungkinan memperoleh kepala K atau ekor E adalah 50%:50%. Kemungkinan
timbulnya suatu kejadian seperti K atau E itu disebut probabilitas kejadian.
Kemungkinan timbul disebut probabilitas sukses, sedangkan kemungkinan tidak timbul
disebut probabilitas gagal. Jika kemungkinan sukses diberi simbul p dan kemungkinan
gagal diberi simbul q, dan kemungkinan timbulnya p dan q adalah sama (p = q = 0,50)
dan p+q = 1.
Kalau dua mata uang logam yang masih baik digunakan untuk percobaan n = 2,
dan dilemparkan secara bebas bersama-sama, maka kemungkinan yang terjadi adalah:
KK, KE, EE, dengan perbandingan 1 : 1 : 1 : 1 atau 0,25 : 0,25 : 0,25 : 0,25 dengan
banyaknya seluruh probabilitas = 1,00. Kemungkinan kedua dan ketiga, yaitu keluarnya
KE dan EK atau keluarnya 1 K dan 1 E dari dua buah mata uang yang dilemparkan
bersama-sama, maka kombinasi dari KE dan EK itu dalam perhitungan probabilitas dapat
dikumpulkan, sehingga menjadi: 2 K = 0,25; 1 K 1E = 0,25 + 0,25 = 0,50; dan 2 E = 0,25
atau dengan perbandingan 1:2:1. Selanjutnya, jika 3 mata logam yang masih baik
26
dilemparkan bersama-sama, maka akan muncul: KKK, EKK, KEK, KKE, EEK, EKE,
KEE, dan EEE dengan perbandingan 1/8:1/8:1/8:1/8:1/8:1/8:1/8:1/8.
Kalau percobaan itu diteruskan dengan jumlah N lebih besar dari 200, maka akan
terjadi perbandingan antara KK, KE, dan EE menjadi: 1 : 2 : 1. Jika percobaan
diteruskan, maka frekuensi terbesar cenderung di tengah-tengah, dan ini sama dengan
tendensi sentral. Kalau percobaan diteruskan dengan menambah jumlah mata uang (n)
akan terjadi Segitiga Pascal sebagai berikut.
Jumlah mata uang Distribusi kejadian
(p+q)0 = n = 0 1 .................................................1/1
(p+q)1 = n = 1 1 1..............................................1/2
(p+q)2 = n = 2 1 2 1 .........................................1/4
(p+q)3 = n = 3 1 3 3 1 ................................ 1/8
(p+q)4 = n = 4 1 4 6 4 1 ...............................1/16
5
(p+q) = n = 5 1 5 10 10 5 1 .........................1/32
(p+q)6 = n = 6 1 6 15 20 15 6 1......................1/64
(p+q)7 = n = 7 1 7 21 35 35 21 7 1 ................1/128
(p+q)8 = n = 8 1 8 28 56 70 56 28 8 1......... 1/256
dan seterusnya sehingga terjadi kombinasi : n C r (Sutrisno Hadi, 1996: p.175).
Contoh lain, misalnya ada huruf A, B, C. Berapa kemungkinan pasangan yang

dapat dibuat? Kemungkinan yang terjadi adalah ABC, ACB, BCA, BAC, CAB, dan
CBA. Jadi ada enam kemungkinan, dengan rumus 3x2x1 = 6. Hal ini dapat ditulis dengan
n! (dibaca: n faktorial). Pada contoh ini adalah 3! = 3x2x1 = 6. Hal ini disebut permutasi.
Jumlah permutasi dan n obyek yang berbeda adalah n!. Jika jumlah seluruh obyek adalah
n dan jumlah obyek yang diambil pada setiap pengambilan adalah r, maka aturan tersebut
n!
dapat dirumuskan sebagai berikut: P(n, r ) = ((Furqon,1999:p112-113).
(n - r )!
Misalnya, ada empat huruf ABCD, berapa pasangan yang dapat dibuat? Hal ini dapat
4! 4 x3x2 x1 = 24 24
dihitung dengan jalan berikut. P(n, r ) = = = = 12 . Contoh lain,
(4 - 2)! 2 != 2 x1 = 2 2
27
misalnya dari suatu populasi yang terdiri dari tiga orang A, B, dan C, akan diambil
sampel-sampel yang terdiri atas dua orang. Kemungkinan kombinasi yang terjadi adalah
AB, AC, BC. Hal ini dapat dihitung dengan rumus berikut, dengan n = 3 dan r = 2:
n! 3! 6
Cr = = = = 3.
r! n - r ! 2! 3 - 2 ! 2
n
Kalau n = 5 dan r = 3, maka kombinasi yang terjadi adalah sebagai berikut.

n! 5! 5x 4 x3x2 120
Cr = = = = = 10 .
r! n - r ! 3! 5 - 3 ! 3x2 x2
n
12
Tugas Latihan:
1. Buatlah distribusi frekuensi skor hasil ujian statistika dari 50 orang mahasiswa
(datanya dibuat sendiri). Kemudian, hitung skor rata-rata, median, modus, standar
deviasi, varians, dan buat grafik histogramnya. Kemudian simpulkan hasilnya
berdasarkan letak tendensi sentralnya!
2. Jika telah diketahui skor tertinggi ideal dan skor terendah idealnya, buatlah
konversi skor tersebut berdasarkan skala lima teoretik, kemudian simpulkan
hasilnya!
28
BAB II
STATISTIK INFERENSIAL
(Rancangan Sampling dan Uji Perbedaan Rerata dengan Uji-t)
Kompetensi Dasar
Mahasiswa memahami tentang uji perbedaan mean atau nilai rerata hitung pada
sampel berkorelasi dan sampel independen antar dua kelompok atau lebih dengan teknik
uji-t, serta mampu menggunakannya untuk menganalisis data kuantitatif.
Indikator pencapaian
Mahasiswa dapat:
a. menjelaskan rancangan sampling, populasi dan sampel penelitian,
b. menjelaskan manfaat uji perbedaan mean (rerata) pada sampel berkorelasi dan
sampel independen,
c. menjelaskan manfaat analisis varians satu jalur dan dua jalur,
d. merumuskan hipotesis statistic,
e. menguji hipotesis deskriptif (satu sampel),
f. menguji hipotesis komparatif,
g. menguji hipotesis hubungan,
h. menerapkan teknik uji-t untuk menguji hipotesis penelitian,
i. menerapkan teknik analisis varians untuk menguji hipotesis penelitian,
j. menafsirkan dan menyimpulkan hasil uji hipotesis.
Uraian Materi
A. Rancangan Sampling
Dalam merencanakan penelitian, sampling merupakan salah satu faktor penting
karena beberapa alasan berikut. (1) Pada umumnya penelitian dilakukan terhadap satu
sampel dan tidak dilakukan terhadap seluruh populasi. (2) Hasil penelitian terhadap
sampel tersebut akan deigeneralisasikan terhadap populasi dari mana sampel penelitiaqn
diambil. Jika sampel tidak dapat mewakili seluruh populasi, maka akan terjadi kesalahan
dalam generalisasi. (3) Rancangan sampling akan menentukan rancangan penelitian
(research design) dan juga rancangan analisisnya (design of analysis).
29
1. Populasi dan Sampel
Populasi adalah himpunan dari unsur-unsur yang sejenis. Unsur-unsur sejenis
tersebut bisa berupa manusia, hewan, tumbuh-tumbuhan, benda-benda, zat cair, peristiwa,
dan sejenisnya. Besarnya populasi bisa terbatas dan bisa tidak terbatas. Populasi dari
mana sampel penelitian diambil, disebut populasi induk. Melalui te3knik pengambilan
sampel yang reliabel, kesimpulan penelitian dapat digeeralisasikan. Ada kesalahan
generalisasi yang perlu dipertimbangkan, karena besar-kecilnya kesalahan generalisasi
tergantung pada: (1) besarnya sampel penelitian, (2) teknik sampling yang digunakan, (3)
kecermatan memasukkan ciri-ciri populasi dalam sampling, (4) cara-cara pengambilan
data, dan (5) rancangan analisis datanya.
Sampel penelitiaqn adalah bagian dari populasi. Tingkat representatifitas sampel
terhadap populasinya akan menentukan kecermatan generalisasi hasil penelitian. Hal ini
tergantung pada: (1) besarnya sampel, (2) teknik samplingnya, (3)homogenitas populasi,
dan (4) kecermatan memasukkan ciri-ciri populasi dalam sampling. Ada beberapa aspek
yang perlu dipertimbangan, antara lain sebagai berikut. (1) Makin besar sampel yang
diambil, akan makin tinggi tingkat representatifitas sampelnya (jika populasinya tidak
homogen secara sempurna), (2) makin tingkat acak (random) dalam sampling, akan
makin tinggi pula tingkat representatifitas sampelnya, (3) makin homogen keadaan
populasi, makin tinggi tingkat representatifitas sampelnya, (4) makin lengkap ciri-ciri
populasi dimasukkan dalam sampling, akan makin tinggi tingkat representatifitas
sampelnya.
Dalam suatu penelitian, angka rata-rata sampel disebut rata-rata statistik,
sedangkan rata-rata populasi disebut rata-rata parameter. Ciri kuantitatif yang diperoleh
dri sampel disebut statistik, sedangkan ciri kuantitatif yang diperoleh dari populasi
disebut parameter.
2. Salah Baku Estimasi
Rata-rata hitung suatu sampel merupakan salah satu angka statistik. Distibusi
freluensi suatu angka statistik disebut distribusi sampling statistik. Simpangan baku
distribusi sampling suatu statistik disebut salah baku estimasi (standard error of the
statistics). Untuk distribusi sampling angka rata-rata, simpangan bakunya akan
30
merupakan simpangan baku angka rata-rata (standard error of the means). Secara
2
X
matematik dapat dihitung dengan rumus berikut. SB X = X- :n
n
(ini rumus untuk sampel besar)
Keterangan: SB X = bilangan salah baku angka rata-rata

X = statistic rata-rata
N = banyaknya sampel
Jika sampelnya kecil, maka bilangan salah bakunya hanya ditaksir dari rumus berikut.
SB
SB X = ,
n -1
dimana SB X = salah baku estimasi angka rata-rata

SB = simpangan baku skor variable
n = besarnya sampel
Salah baku estimasi ini merupakan alat estimasi yang baik jika distribusi sampling
statisknya berada distribusi normal. Distribusi suatu statistic akan mendekatai normal,
jika sampel penelitiannya cukup besar dan tidak kurang dari 30 sampel, dan sampel-
sampel tersebut diambil secara acak (random).
3. Uji Hipotesis
Hipotesis dapat didefinisikan sebagai pernyataan mengenai keadaan populasi

yang akan diuji kebenarannya berdasarkan data yang akan dikumpulkan dari sampel
penelitian. Dari segi konstruksinya, hipotesis merupakan jawaban teoretik dan dianggap
paling tinggi tingkat kebenarannya terhadap permasalahan atau pertanyaan penelitian.
Jawaban teoretik ini perlu diuji kebenarannya secara empiris melalui data penelitian.
Oleh karena itu, dalam menguji hipotesis dengan statistic, harus terlebih dahulu
dikemukakan/dirumuskan hipotesis statistiknya, yang dinyatakan dalam hipotesis nul
(H0) dan hipotesis tandingan (H1). Uji hipotesis ini menggunakan aturan keputusan untuk
“menerima” atau “menolak” hipotesis yang diajukan, dengan menyatakan taraf
signifikansi yang digunakan. Taraf signifikansi dinyatakan dalam persen (%). Persentase
31
itu menunjukkan besarnya kemungkinan kekeliruan dalam kesimpulan yang menolak
hipotesis nul dibawah pengandaian hipotesis nul itu benar. Taraf kekeliruan tersebut
sering disebut kesalahan tipe I atau taraf kesalahan alfa (α). Jika peneliti menentukan
taraf signifikansi 5%, maka berarti peneliti bersedia menerima kemungkinan kesalahan
menolak hipotesis nul yang yang benar sebanyak-banyak 5%. Komplemen dari taraf
signifikansi adalah taraf kepercayaan. Untuk taraf signifikasi 5%, taraf kepercayaannya
sebesar 95%.
Kemungkinan sebaliknya dari menolak hipotesis nul yang benar, adalah
menerima hipotesis nul yang salah. Kemungkinan kesalahan ini disebut kesalahan tipe II
atau kesalahan beta (β). Hubungan antara kesalahan tipe I dan tipe II dapat digambarkan
sebagai berikut.
Hipotesis
Keputusan H0 benar H0 salah

H1 salah H1 benar
Menolak H0 Kesalahan Tidak ada

Tipe I (α) kesalahan
Menerima H1
Menerima H0 Tidak ada Kesalahan

kesalahan Tipe II (β)
Menolak H1
B. Hipotesis Penelitian dan Hipotesis Statistik

Rancangan sampling akan menentukan rancangan penelitian dan rancangan
analisis datanya. Rancangan-rancangan penelitian yang akan diuraikan dalam kajian ini,
pada awalnya dikembangkan untuk penelitian eksperimen. Penelitian-penelitian bukan
eksperimen mengambil manfaat dari metodologi penelitian eksperimen. Sebagian besar
penelitian merupakan penelitian perbandingan (komparatif). Penelitian seperti ini akan
melibatkan paling sedikit dua kelompok sampel, atau kalau menggunakan satu kelompok
sampel, maka sampel itu diukur secara berulang. Pengukuran berulang tersebut bisa
dilakukan dua kali, tiga kali, dan seterusnya.
Ada beberapa bentuk rumusan hipotesis, yaitu sebagai berikut.
32
1. Hipotesis Komparatif, yaitu hipotesis yang membandingkan dua rerata atau lebih.
2. Hipotesis Hubungan, yaitu hipotesis yang menghubungkan satu atau lebih
variabel bebas dengan variable terikat.
3. Hipotesis direksional, yaitu hipotesis yang menyatakan bahwa rerata hitung yang
satu lebih besar dari rerata hitung dua, atau sebaliknya.
4. Hipotesis non direksional, yaitu hipotesis yang menyatakan adanya perbedaan
antara dua rerata hitung.
Jika akan menguji hipotesis penelitian dengan analisis statistik, maka hipotesis
penelitian harus diubah menjadi hipotesis statistik, dalam bentuk hipotesis nul dan
hipotesis satu (hipotesis tandingan). Bentuk hipotesis statistik dapat dilihat pada analisis
data lebih lanjut.
C. Pengujian Hipotesis Komparatif Dua Sampel (berkorelasi dan independent)

dengan Statistik Parametrik ( dengan uji – t )
1. Uji Perbedaan Mean (Uji t / Student’s Dua Pihak/ Dua Ekor ) untuk Sampel
Berkorelasi
Untuk menguji perbedaan nilai rata-rata hitung antar dua kelompok sampel yang
berkorelasi dan sampel independen, digunakan uji-t dua pihak (dua ekor). Uji-t atau
t-test (Student’s), untuk sampel berkorelasi digunakan rumus berikut.
X1 - X 2
t=
2 2
s1 s s1 s2
+ 2 - 2r
n1 n2 n1 n2
Keterangan:
X 1 = Rata-rata sampel 1
X 2 = Rata-rata sampel 2
S1 = simpangan baku sampel 1
S2 = simpangan baku sampel 2
S12 = varians sampel 1
S22 = varians sampel 2
r = korelasi antara dua sampel
33
Contoh penerapan uji-t untuk sampel berkorelasi
Tabel 2.1. Nilai Statistik Mahasiswa TP antara Sebelum Menggunakan Metode
Padat Latihan dan Sesudah Menggunakan Metode Padat Latihan
No. Responden Prestasi Belajar Statistik
Sebelum (X1) Sesudah (X2)
1 7 8
2 6 7
3 6 7
4 7 8
5 5 5
6 5 6
7 6 7
8 4 5
9 6 7
10 6 8
11 7 8
12 7 9
13 5 6
14 6 7
15 6 7
16 7 8
17 7 9
18 5 6
19 6 7
20 7 8
21 7 8
22 6 7
23 6 5
24 5 6
25 5 5
ΣX 150 174
Rata-rata 6 6,96
SD 0,866 1,207
Varians 0,75 1,46
Hipotesis Penelitian:
H0: Tidak terdapat perbedaan nilai statistik mahasiswa antara sebelum menggunakan
metode padat latihan dengan sesudah menggunanakan metode adat latihan.
Ha: Terdapat perbedaan nilai statistik mahasiswa antara sebelum menggunakan metode
padat latihan dengan sesudah menggunanakan metode adat latihan.
34
Hipotesis penelitian tersebut, kemudian diubah menjadi hipotesis statistik sebagai berikut.
H0: µ1 = µ2
H1 : µ1 ≠ µ2
Untuk menyelesaikan rumus-rumus di atas, perlu melengkapi Table 2.1 menjadi
Table 2.2 berikut.
Tabel 2.2. Nilai Statistik Mahasiswa TP antara Sebelum Menggunakan Metode

Padat Latihan dan Sesudah Menggunakan Metode Padat Latihan
Responden X Y X2 Y2 XY
1 7 8 49 64 56
2 6 7 36 49 42
3 6 7 36 49 42
4 7 8 49 64 56
5 5 5 25 25 25
6 5 6 25 36 30
7 6 7 36 49 42
8 4 5 16 25 20
9 6 7 36 49 42
10 6 8 36 64 48
11 7 8 49 64 56
12 7 9 49 81 63
13 5 6 25 36 30
14 6 7 36 49 42
15 6 7 36 49 42
16 7 8 49 64 56
17 7 9 49 81 63
18 5 6 25 36 30
19 6 7 36 49 42
20 7 8 49 64 56
21 7 8 49 64 56
22 6 7 36 49 42
23 6 5 36 25 30
24 5 6 25 36 30
25 5 5 25 25 25
Jumlah (∑) 150 174 918 1246 1066
Langkah-langkah yang ditempuh untuk menyelesaikan uji-t untuk sampel

berkorelasi adalah sebagai berikut.
X
(1) Hitung nilai rerata dengan rumus: M = X =
n
(2) Hitung Standar Deviasi untuk sampel kecil dengan rumus:
35
x2 ( X - X )2 n X 2 -( X )2
s= = =
(n - 1) (n - 1) n(n - 1)
(3) Hitung varians dengan rumus:
x2 (X - X )2 1 ( X )2 n X2 -( X )2
s2 = = = X2 - =
(n - 1) (n - 1) n (n - 1) n(n - 1)
(4) Hitung korelasi antara variabel X dan Y dengan rumus product moment berikut.
N XY - X Y
Korelasi rxy =
2 2
N X2 - X N Y2 - Y
Masukkan ke dalam rumus berikut.
N XY - X Y
Korelasi : rxy =
2 2
N X2 - X N Y2 - Y
25 *1066 - 150 *174

rxy =
25 * 918 - 150 2 25 *1246 - 174 2
= 0,877
Masukan ke dalam rumus t :

X1 - X 2 6 - 6,96
t= = =
2
s1 s
2
s1 s2 0,75 1,46 0,866 1,207
+ 2 - 2r + - 2 * 0,877
n1 n2 n1 n2 25 25 25 25
0,96
= 7,805
0,123
Harga t hitung, dibandingkan dengan harga t pada table dengan db = n1 + n2 – 2 =
50-2 = 48. Harga t table untuk db 48 dan dengan taraf signifikansi 5% (α = 0,05) adalah
2,021. Dengan demikian, harga t hitung lebih besar daripada harga t table, sehingga H0
ditolak dan H1 diterima. Ini berarti, terdapat perbedaan yang signifikan prestasi belajar
statistik mahasiswa antara sebelum dan sesudah menggunakan metode padat latihan.
36
Kesimpulan: pemberian metode padat latihan berpengaruh terhadap peningkatan prestasi
belajar statistik pada mahasiswa.
Rumus korelasi Produk Moment dapat diselesaikan dengan dengan skor deviasi
sebagai berikut:
xy
rxy =
N SDx SDy
2. Uji Perbedaan Mean (Uji t / Student’s Dua Pihak/ Dua Ekor ) untuk Sampel
Independen
X1 - X 2
Rumus: t= rumus (separated varians)
2 2
s1 s
+ 2
n1 n2
atau
X1 - X 2
t= rumus (polled varians) ;
n1 - 1 s1 + n2 - 1 s 2
2 2
1 1
n1 + n2 - 2 n1 n2
(1) Jika anggota sampel n1 = n2 dan varians homogen, maka dapat digunakan
rumus t-test, baik untuk separated maupun polled varians, db (n1+n2) -2
(2) Jika n1 ≠ n2 , varians homogen dapat digunakan t-test dengan polled varians,
dengan derajat kebebasan (n1+n2)-2
(3) Jika n1 = n2 dan tidak homogen, dapat digunakan salah satu rumus
di atas; dengan db = n1– 1 atau n2– 1 (bukan n1 + n2 – 2).
(4) Jika n1 ≠ n2 dan tidak homogen, digunakan rumus separated varians,

harga t pengganti t table dihitung selisih dari harga t table; dengan
db = (n1– 1) dan db = (n2– 1), dibagi dua, kemudian ditambah dengan
dengan harga t yang terkecil (Sugiyono, 2002)
37
Contoh penerapan rumus.
Suatu penelitian bermaksud untuk mengetahui pengaruh metode kooperatif
terhadap prestasi belajar statistik pada mahasiswa Jurusan Teknologi Pendidikan. Untuk
itu, dikumpulkan data dari mahasiswa TP sebanyak 22 orang kelompok eksperimen dan
18 orang kelompok kontrol. Datanya seperti Table 2.3 berikut.
Tabel 2.3. Data Prestasi Belajar Statistik antara Kelompok Mahasiswa

yang Menggunakan Metode Kooperatif dan Metode Konvensional
No. resp. Metode Kooperatif Metode Konvensional
1 6 2
2 3 1
3 5 3
4 2 1
5 5 3
6 1 2
7 2 2
8 3 1
9 1 3
10 3 1
11 2 1
12 4 1
13 3 3
14 4 2
15 2 1
16 3 2
17 1 2
18 5 1
19 1 -
20 3 -
21 1 -
22 4 -
n1 = 22 n2 = 18
X1 = 2,91 X2 = 1,78
s1 = 1,51 s2 = 0,81
s12 = 2,28 s22 = 0,65
Rerata, Standar Deviasi, dan Varians telah dihitung dengan bantuan kalkulator,
dan diperoleh statistic seperti pada table di atas. Salah satu persyaratan yang harus
dipenuhi dalam menggunakan uji-t adalah bahwa varians dalam kelompok harus
homogen. Untuk itu, dilakukan uji Fisher (F) sebagai berikut.
38
H0: varians homogen
H1: varians tidak homogen
Variansterbesar
Rumus uji F =
Variansterkecil
2,28
F= = 3,508; lihat table F dengan db pembilang 22-1 = 21 dan db penyebut 18-1 =
0,65
17. Dengan taraf signifikansi 5% (α =0,05), ternyata harga F table = 2,22 (harga antara
pembilang 20 dan 24). Dengan demikian, harga F hitung = 3,508 > dari F table = 2,22);
ini berarti H0 ditolak dan H1 diterima; jadi varians tidak homogen.
H0: tidak terdapat perbedaan prestasi belajar statistik antara mahasiswa yang
menggunakan metode kooperatif dan metode konvensional.
H1: terdapat perbedaan prestasi belajar statistik antara mahasiswa yang menggunakan
metode kooperatif dan metode konvensional.
Hipotesis statistik:
H0: µ1 = µ2
H1 : µ1 ≠ µ2
X1 - X 2 2,91 - 1,78
Rumus: t= t= = 3,020
s1
2
s
2 2,28 0,65
+ 2 +
n1 n2 22 18
Kemudian, t table dihitung dari selisih harga t table dengan db = n1– 1

dan db = n2 – 1 dibagi dua, dan kemudian ditambahkan dengan harga t terkecil seperti
berikut.
n1 = 22; db = 21; maka t table = 2,08 (α = 5%)
n2 = 18; db = 17; maka t table = 2,11
Selisihnya dibagi dua, yaitu: (2,11 – 2,08 ) : 2 = 0,015; kemudian ditambah dengan harga
t table terkecil, yaitu 2,08, sehingga menjadi: 2,08 + 0,015 = 2,095. Ternyata t hitung =
3,020 > 2,095, sehingga H0 ditolak dan H1 diterima.
39
Kesimpulan: terdapat perbedaan secara signifikan prestasi belajar statistik antara
mahasiswa yang menggunakan metode kooperatif dan metode konvensional.
40
BAB III
ANALISIS VARIANS (UJI-F/FISHER)
Kompetensi Dasar
Mahasiswa memahami dan mampu menggunakan analisis varians untuk
menganalisis data penelitian
Mahasiswa dapat menggunakan teknik analisis varians satu jalur, dua jalur, tiga
jalur, dan analisis varians AS (rancangan ulangan) untuk menganalisis data penelitian
dalam rangka menguji hipotesis penelitian.
1. Analisis Varian Satu Jalur (ANAVA klasifikasi tunggal = ANAVA A)
Langkah-langkah pengujian hipotesis dengan anava satu jalur

(1) Menghitung Jumlah Kuadrad Total (JKtot):
2
X tot
JKtot = ∑ Xtot - 2
N
(2) Menghitung Jumlah Kuadrad Antar Kelompok (JKantar):
2 2
XA X 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
JK antar
(RJKantar): 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 taraf
signifikansi tertentu (Misalnya: ts 5% atau 1%), maka Ha diterima dan H0 ditolak.
41
(9) Membuat kesimpulan, apakah terdapat perbedaan yang signifikan atau tidak
.
(10) Membuat Tabel Ringkasan Analisis Varians untuk Menguji Hipotesis k Sampel
Tabel 3.1. Tabel Ringkasan Analisis Varians untuk Menguji

Hipotesis k Sampel
Sumber JK (SS) db RJK Fh Ftab Taraf sig
Variasi (df) (MS) 0.05 0.01
antar A XA
2 a-1 JK RJK antar ….
nA a -1 RJK dal
2
X tot
-
N
dalam JKdal = JKtot ─ JKantar N-a JK dal -- --
(error) N -a
Total X tot
2 N-1 -- -- --
∑ Xtot - 2
N
Contoh aplikasinya.
Seorang peneliti ingin mengetahui pengaruh metode mengajar terhadap prestasi
belajar IPA. Metode mengajar digolongkan menjadi 4, yaitu : Metode ceramah (A1),
Metode Diskusi (A2), Metode Pemberian Tugas (A3), dan Metode campuran (A4).
H0: Tidak terdapat perbedaan yang signifikan prestasi belajar IPA antara siswa yang
mengikuti pembelajaran metode ceramah, metode diskusi, metodepemberian tugas,
dan metode campuran
H1: Terdapat perbedaan yang signifikan prestasi belajar IPA antara siswa yang
mengikuti pembelajaran metode ceramah, metode diskusi, metodepemberian tugas,
dan metode campuran
Hipotesis Statistik:
H0: µ1 = µ2 = µ3 = µ4
H1 : µ1 ≠ µ2 ≠ µ3 ≠ µ4 (salah satu tanda ≠)
42
Tabel 3.2. 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
X 1 = 2,6 X 2 = 5,4 X 3 = 6,8 X 4 = 8,8 X tot = 5,9
Masukkan ke dalam rumus berikut.
Perhitungan:
2
X tot 118 2
JKtot = ∑ Xtot -2
= 822 - = 125,8
N 20
2 2
XA X tot
JKantarA = -
nA N
2 2 2 2 2
X A1 X A2 X A3 X A4 X tot
= + + + -
n A1 n A2 n A3 n A4 N
13 2 27 2 34 2 44 2 118 2
= + + + - = 101,8
5 5 5 5 20
JKdal = JKtot ─ JKantar = 125,8 – 101,8 = 24
2
XA 13 2 27 2 34 2 44 2
Atau JK dal: X 2 tot - = 822 - + + + = 24
nA 5 5 5 5
dbA = a-1 = 4-1 = 3
RJKantar = JKantar : dbantar = 101,8 : 3 = 33,93.

db dalam = N – a = 20-4 = 16
43
RJKdal = JKdal : dbdal = 24:16 = 1,5
Fhitung = RJKantar : RJKdal = 33,93 : 1,5 = 22,66 lihat table F
Tabel 3.3. Tabel Ringkasan Analisis Varians untuk Menguji

Hipotesis 4 Kelompok
Sumber JK db RJK Fh Ftab Keputusan

Variasi 5% 1%
antar A 101,8 3 33,93 22,62 3,24 5,29 Signifikan
dalam 24 16 1,5 -- -- -- --
Total 125,8 19 -- -- -- -- --
Jika harga F signifikan, dilanjutkan dengan uji simple effect antar sel dengan rumus
t-Sceffe berikut.
X1 - X 2
Untuk n1 = n2 : t = , dimana db t = db dalam
2 * RJK dal
n
X1 - X 2
Untuk n1 ≠ n2: t = , dimana db t = db dalam
1 1
RJK dal +
n1 n2
Uji t Scheffe: db t sama dengan db dalam = 16
2,6 - 4,0
t1-2 : t = = -3,615 signifikan
2 x1,5
5
2,6 - 6,8
t1-3: t = = 5,422 signifikan
2 x1,5
5
2,6 - 8,8
t1-4: t = = -8,004 signifikan
2 x1,5
5
44
4 - 6,8
t2-3: t = = -1,807 non signifikan
2 x1,5
5
4 - 8,8
t2-4: t = = - 4,389 signifikan
2 x1,5
5
6,8 - 8,8
t3-4: t = = - 2,582 signifikan
2 x1,5
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.
2. Anava Dua Jalur (Anava AB) = Faktorial (2x2)

Anava dua jalur dapat berbentuk 2 x 2; 3 x 2; 3 x 3; dan sebagainya
Misalnya, seorang peneliti ingin mengetahui pengaruh insentif dan motivasi kerja
terhadap peningkatan produktivitas kerja pada suatu perusahaan.
1). Hipotesis Penelitian:

H0: (1) Tidak terdapat perbedaan produktivitas kerja antara karyawan yang
diberi insentif dengan karyawan yang tidak diberi insentif
(2) Tidak terdapat perbedaan produktivitas kerja antara karyawan yang
memiliki motivasi tinggi dan karyawan yang memiliki motivasi
kerja rendah
(3) Tidak ada pengaruh interaksi antara insentif dan motivasi kerja
terhadap produktivitas kerja
45
H1: (1) Terdapat perbedaan produktivitas kerja antara karyawan yang
diberi insentif dengan karyawan yang tidak diberi insentif
(2) Terdapat perbedaan produktivitas kerja antara karyawan yang
memiliki motivasi tinggi dan karyawan yang memiliki motivasi
kerja rendah
(3) Terdapat pengaruh interaksi yang signifikan antara insentif dan
motivasi kerja terhadap produktivitas kerja
2). Hipotesis Statistik:

(1) H0: µ1 = µ2
H1: µ1 ≠ µ2
(2) H0: µ1 = µ2
H1: µ1 ≠ µ2
(3) H0: Inter AB = 0
H1: Inter AB ≠ 0
3). Rancangan Analisis
Tabel 3.4. Rancangan Anava 2 Jalur (Faktorial 2x2)
Insentif (A)
A1 A2
Motivasi (dapat insentif) (tidak dapat insentif)
Kerja (B)
Motivasi Tinggi A1 B1 A2 B1
(B1)
Motivasi Rendah A1 B2 A2 B2
(B2)
Keterangan:
A = Insentif (A1= dapat insentif dan A2= tidak dapat insentif)
B = Motivasi Kerja (B1= Tinggi; B2= Rendah)
Y = Produktivitas Kerja
46
4). Contoh aplikasi
Tabel 3.5. 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
Tabel 3.6. Tabel Statistik Induk (untuk menolong perhitungan)

Stat A1 A2 Total A1 A2 B1 B2
B1 B2 B1 B2
n 5 5 5 5 20 10 10 10 10
∑X 42 28 34 35 139 70 69 76 63
∑X2 354 158 232 247 991 512 479 586 405
X 8,4 5,6 6,8 7 6,95 7 6,9 7,6 6,3
Atau dalam bentuk lain sebagai berikut.

Tabel 3.7. Statistik Induk
(A) Total
A1 A2
(B)
B1 n =5 n =5 n = 10
∑ X = 42 ∑ X = 34 ∑ X = 76
∑ X2 = 354 ∑ X2 = 232 ∑ X2 = 586
X = 8,4 X = 6,8 X = 7,6
B2 n =5 n =5 n = 10
∑ X = 28 ∑ X = 35 ∑ X = 63
∑ X2 = 158 ∑ X2 = 247 ∑ X2 = 405
X = 5,6 X =7 X = 6,3
Total n = 10 n = 10 N = 20
∑ X = 70 ∑ X = 69 ∑ Xtot = 139
∑ X2 = 512 ∑ X2 = 479 ∑ X2tot = 991
X =7 X = 6,9 X = 6,95
47
5). Langkah-langkah perhitungan
2
X tot
a. JKtot = ∑ Xtot - 2
= 991 – (1392 : 20) = 991 – 966,05 = 24,95
N
2 2
XA X tot
b. JKantar A = -
nA N
2 2 2
X A1 X A2 X tot
= + -
n A1 n A2 N
= (702 : 10) + (692 : 10) - (1392 : 20) = (490 + 476,1) – 966,05
= 966,1 – 966,05 = 0,05
2 2
XB X tot
c. JK antarB = -
nB N
2 2 2
XB X B2 X tot
= + - =
n B1 nB 2 N
= (762 : 10) + (632 : 10) - (1392 : 20) = (577,6 + 396,9) – 966,05
= 974,5 – 966,05 = 8,45
2 2
X AB X TOT
d. JKinter AB = - - 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
2
X AB
X tot - =
2
e. JK dal =
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
48
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 3.8. 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 mendapat insentif dan tidak mendapat insentif.
Pemberian insentif 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.
49
FAB = 34,61**) signifikan, artinya ? Dilanjutkan pada uji simple effect, untuk
mengetahui pengaruh antara insentif dan motivasi kerja terhadap produktivitas kerja.
Karena pengaruh interaksi signifikan, 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
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
2 xRJKdal 2 x0.325
n 10
50
X3 - X4 7.0 - 5.6
2 xRJKdal 2 x0.325
n 10
3. Analisis Varians Dua Jalur (Anava AB) = Faktorial (3x3)
1). Rancangan analisis

Tabel 3.9. 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
Y = Hasil Belajar Matematika
Misalnya, seorang peneliti ingin mengetahui pengaruh metode mengajar terhadap hasil
belajar matematika.
51
2). Hipotesis Penelitian
H0: (1) Tidak ada perbedaan hasil belajar matematika antara siswa yang dalam
pembelajaranya menggunakan metode I, metode II, dan Metode III.
(2) Tidak ada perbedaan hasil belajar matematika antara siswa yang memiliki
inteligensi tinggi, sedang, dan rendah.
(3) Tidak ada pengaruh interaksi antara metode mengajar dan inteligensi
terhadap hasil belajar matematika
H1: (1) Ada perbedaan hasil belajar matematika antara siswa yang dalam
pembelajaranya menggunakan metode I, metode II, dan Metode III.
(1) Ada perbedaan hasil belajar matematika antara siswa yang memiliki inteligensi
tinggi, sedang, dan rendah.
(2) 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 (salah satu tanda tidak sama)
(2) µ1 ≠ µ2 ≠ µ3 (salah satu tanda tidak sama)
(3) AB ≠ 0
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
52
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 = Hasil Belajar Matematika (IPK)
5). Langkah-langkah analisis
Tabel 3.11. Tabel Kerja Statistik Induk
(A) Total
A1 A2 A3
(B)
B1 n =5 n =5 n =5 n = 15
∑ X = 13,0 ∑X = 13,5 ∑ X = 11,5 ∑ X = 38,0
∑ X2 = 37,5 ∑ X2 = 38,75 ∑ X2 = 28,75 ∑ X2 = 105
X = 2,6 X = 2,7 X = 2,3 X = 2,53
B2 n =5 n =5 n =5 n = 15
∑ X = 12,5 ∑ X = 11,5 ∑ X = 13,5 ∑X = 39,0
∑ X2 = 33,75 ∑ X2 = 27,75 ∑ X2 = 38,75 ∑ X2 = 100,25
X = 2,5 X = 2,3 X = 2,7 X = 2,6
B3 n =5 n =5 n =5 n = 15
∑ X = 13,5 ∑ X = 13,5 ∑ X = 10,5 ∑ X = 37,0
∑ X2 = 38,75 ∑ X2 = 38,75 ∑ X2 = 27,25 ∑ X2 = 107,75
X = 2,7 X = 2,7 X = 2,1 X = 2,47
Total n = 15 n = 15 n = 15 N = 45
∑ X = 39,0 ∑ X = 38,5 ∑ X = 35,5 ∑X = 113
∑ X = 113,5
2
∑ X = 104,75
2
∑ X = 94,75
2
∑X 2
= 313
X = 2,6 X = 2,56 X = 2,36 X = 2,51
2) Perhitungan:
53
2
X tot 113 2
a. JKtot = ∑ Xtot - 2
= 313 - = 313 - 283,76 = 29,24
N 45
2 2
XA X tot
b. JKantar = -
nA N
2 2 2 2
X A1 X A2 X A3 X tot
= + + -
n A1 n A2 n A3 N
2 2 2 2
39 38,5 35,5 113
= + + - = 284,23 - 283,76 = 0,47
15 15 15 45
2 2 2 2
XB X B2 X B3 X tot
c. JK antarB = + + - =
n B1 nB 2 nB3 N
2 2 2 2
38 37,5 37,5 113
= + + - = 283,77 - 283,76 = 0,01.
15 15 15 45
2 2
X AB X tot
d. JKinter AB = - - JK A - JK B =
n AB N
13 2 12,5 2 13,5 2 13,5 2 11,5 2 13,5 2 11,5 2 13,5 2 10,5 2 113 2

+ + + + + + + + - - 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.
2
X AB
X tot - = 313 - 285,8 = 27,20
2
e. JK dal =
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
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
54
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
Tabel 3.12. Tabel Ringkasan Analisis ANAVA AB

SV JK db RJK Fh Ftab
5% 1%
Antar A 0,47 2 0,24 0,32 3,26 5,25
Antar B 0,01 2 0,05 0.006 3,26 5,25
Inter AB 1,56 4 0,39 0,51 2,63 3,89
dalam 27,20 36 0,76 -
Total 29,24 44 -- - -- --
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
55
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)
4. Analisis Varians Tiga Jalur (Rancangan Faktorial Tiga Faktor/ABC)
Analisis varians tiga jalur (rancangan analisis varians ABC), digunakan untuk
menganalisis data pada sampel yang variabel bebasnya terdiri atas tiga variabel.
Misalnya, kita bermaksud menguji pengaruh jenis kelamin, tempat tinggal, dan sikap
sosial terhadap prestasi belajar IPS. 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.
Misalnya, data hasil penelitian seperti tabel berikut.
56
Tabel 3.13. Tabel Data (Fiktif)
B A A1 (laki-laki) A2 (perempuan)
C
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
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.
Tabel 3.14. Tabel Statistik Induk
Tempat Sikap A1 (laki-laki) A2 (perempuan) Total Total
Tinggal Sosial (C) ∑X ∑X2
n ∑X ∑X2 n ∑X ∑X2
(B)
Tinggi (C1) 3 38 514 3 39 521 77
Kota Sedang (C2) 3 47 741 3 49 803 96
(B1)
Rendah (C3) 3 51 869 3 52 912 103
Jumlah 9 136 2124 9 140 2236 276 4360
Tinggi (C1) 3 34 388 3 35 421 69
Pinggiran Sedang (C2) 3 42 596 3 42 602 84
(B2)
Rendah (C3) 3 50 842 3 47 749 97
57
Jumlah 9 126 1826 9 124 1772 250 3598
Tinggi (C1) 3 37 467 3 35 411 72
Desa Sedang (C2) 3 50 836 3 44 662 94
(B3)
Rendah (C3) 3 56 1056 3 47 745 103
Jumlah 9 143 2359 9 126 1818 269 4177
Desa Tinggi (C1) 3 34 398 3 36 432 70
Terpencil
Sedang (C2) 3 48 782 3 49 805 97
(B4)
Rendah (C3) 3 52 920 3 56 1050 108
Jumlah 9 134 2100 9 141 2287 275 4387
Total 36 539 8409 36 531 8113 1070 16522
semua
Langkah-langkah perhitungan:
1070 2
1). JKTot = 16522 - = 620,611
72
539 2 5312 1070 2
2). JK A = + - = 0,889
36 36 72
276 2 250 2 269 2 275 2 1070 2
3). JK B = + + + - = 24,278
18 18 18 18 72
4).
77 2 69 2 72 2 70 2 96 2 84 2 94 2 97 2 103 2 97 2 103 2 108 2
JK C = + + + + + + + + + + +
6 6 6 6 6 6 6 6 6 6 6 6
1070 2
- = 328,028 .
72
2
X tot 1070 2
FK (Faktor Koreksi) adalah = = 15901,389
N 72
136 2 126 2 143 2 134 2 140 2 124 2 126 2 1412
JK AB = + + + + + + + - FK - JK A - JK B =
5). 9 9 9 9 9 9 9 9
15945 ,55556 - 15901,389 - 0,889 - 24,278 = 18,999555 = 19,00
58
38 + 34 + 37 + 34 39 + 35 + 35 + 36 47 + 42 + 50 + 48
2 2 2
JK AC = + + +
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 2 103 2 97 2 103 2
JK BC = + + + + + + + + + + +
6 6 6 6 6 6 6 6 6 6 6
7).
108 2
- FK - JK B - JK C = 16263,66667 - 15901,389 - 328,028 - 24,278 = 9,972
6
8).
38 2 47 2 512 34 2 42 2 50 2 37 2 50 2 56 2 34 2 48 2 52 2 39 2
JK ABC = + + + + + + + + + + + + +
3 3 3 3 3 3 3 3 3 3 3 3 3
49 2 52 2 35 2 42 2 47 2 35 2 44 2 47 2 36 2 49 2 56 2
+ + + + + + + + + + - 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
10). Menghitung Derajat Kebebebasan
dbA = a - 1 = 2 - 1 = 1
dbB = b - 1 = 4 - 1 = 3
dbC = c - 1 = 3 - 1 = 2
dbAB = dbA * dbB = 1 * 3 = 3
dbAC = dbA * dbC = 1 * 2 = 2
dbBC = dbB * dbC = 3 * 2 = 6
dbABC = dbA * dbB * dbC = 1 * 3 * 2 = 6
dbdal = N - 1 - dbA - dbB - dbC - dbAB - dbAC - dbBC - dbABC = 72 - 1 - 23 = 48
dbtotal = N - 1 = 72 - 1 = 71
11). Menghitung Rerata Jumlah Kuadrat (RJK)
RJKA = JKA/dbA = 0,889/1 = 0.889

RJKB = JKB/dbB = 24,278/3 =8,093
RJKC = JKC/dbC =328,028/2 = 164,014
59
RJKAB = JKAB/dbAB = 19/3 = 6,333
RJKBC = JKBC/dbBC = 9,972/6 = 1,662
RJKAC = JKAC/dbAC = 1,694/2 = 0,847
RJKABC = JKABC/dbABC = 4,75/6= 0,792
RJKdal = RJKdal/dbdal = 232,00/48 = 4,833 (varians terkecil/pembagi)
12). Menghitung harga F

FA = RJKA/RJKdal = 0,889/ 4,833 = 0,184
FB = RJKB/RJKdal = 8,093/4,833 = 1,674
FC = RJKC/RJKdal = 164,014/4,833 = 33,934 (sig)
FAB= RJKAB/RJKdal = 6,333/4,833 =1,310
FAC = RJKAC/RJKdal =0,847/4,833 =0,175
FBC = RJKBC/RJKdal =1,1662/4,833 = 0,344
FABC = RJKABC/RJKdal= 0,792/4,833 = 0,164
Tabel 3.15. Tabel Ringkasan Anava ABC

SV JK db RJK Fh F tab
A 0,889 1 0,889 0,184ns 4,08
B 24,278 3 8,093 1,674ns 2,84
C 328,028 2 164,014 33,934*) 3,23
AB 19,00 3 6,333 1,310ns 2,84
AC 1,694 2 0.847 0,175ns 3,23
BC 9,972 6 1,662 0,344ns 2,17
ABC 4,75 6 0,792 0,164ns 2,17
dalam 232,00 48 4,833 -- --
Total 620,611 71 -- --
Memperhatikan tabel di atas, ternyata hanya FC (F antar C atau F antar sikap

sosial yang signifikan). Ini berarti terdapat perbedaan yang signifikan prestasi belajar IPS
antara siswa yang memiliki sikap sosial tinggi, sedang, dan rendah. Prestasi belajar IPS
yang tertinggi diperoleh oleh siswa yang memiliki sikap sosial rendah.
60
Uji lanjut antar C dengan t – Scheffe, t tabel = 2,021
t1-2 = 5,449 (sig)
t1-3 = 8,071 (sig)
t2-3 = 2,620 (sig)
5. Anava Rancangan AS (Rancangan Pengukuran Berulang)
Rancangana analisis varians ini disebut juga Treatment by Subject. Rancangan ini
hanya terdiri atas satu kelompok sampel dan digunakan untuk menganalisis suatu
perkembangan dari suatu periode ke periode berikutnya. Misalnya, ingin diteliti tentang
pengaruh penggunaan metode inovatif terhadap prestasi belajar IPA. Misalnya, diperoleh
data seperti tabel berikut.
Tabel 3.16. Data Perkembangan Prestasi Belajar IPA
A1 A2 A3 A4
Kasus X1 X2 X3 X4 XTot
1 4 3 5 8 20
2 2 6 6 6 20
3 6 6 8 9 29
4 5 7 7 7 26
5 5 4 7 8 24
6 7 5 7 9 28
Berdasarkan data pada tabel di atas, kemudian dihitung statistik induk yang
diperlukan untuk menganalisis data tersebut, seperti tabel berikut.
Tabel 3.17. Tabel Kerja 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
X 4,83 5,16 6,6 7,83 6,125 6,125
61
Langkah mengerjakan:
147 2
1) JKTot = 973 - = 72,625
24
29 2 + 312 + 40 2 + 47 2 147 2
2). JK A = - = 34,792
6 24
3677 147 2
3). JK S = - = 18,875
4 24
4). JK AS = JKTOT - JK A - JK S = 72,625 - 34,792 - 18,875 = 18,958 .
5). dbA= a-1 = 4-1 = 3

6). dbS = s-1 = 6-1 = 5
7). dbAS = dbA * dbS = 3 * 5 = 15
JK A 34,792
8). RJK A = = = 11,597
dbA 3
JK S 18,875
9). RJK S = = = 3,775
dbS 5
JK AS 18,958
10). RJK AS = = = 1,264
dbAS 15
Tabel 3.18. Tabel 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
62
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
X1 - X 2 4.83 - 5.16 0.33 0.33

t (A1-A2) = = = = = 0.508 (ns)
2 * RJK dal 2 *1.264 0.4213333 0.649
n 6
t (A1-A3) = 4.83 – 6,6 = 1,77/0,0.649 = 2,727 ( signifikan)

t (A1-A4) = 4,83 – 7,83 = 3/0,649 = 4,622 (sig)
t (A2-A3) = 5,16 – 6,6 = 1,44/0.649 = 2,219 (sig)
t (A2-A4) = 5,16 – 7,83 = 2,67/0,649 = 4,114 (sig)
t (A3-A4) = 6,6 – 7,83 = 1,23/0,649 = 1,895 (ns)
Simpulan
Penggunaan metode inovatif berpengaruh terhadap peningkatan prestasi belajar IPA
antara pengukuran periode 1 dan 3; 1 dan 4; 2 dan 3; dan 2 dengan pengukuran ke empat.
63
BAB IV
UJI PERSYARATAN ANALISIS
Kompetensi Dasar
Mahasiswa memahami dan mampu menguji persyaratan analisis data dengan
berbagai teknik analisis.
Mahasiswa dapat menggunakan berbagai teknik analisis untuk menguji normalitas
sebaran data, uji homogenitas varians, uji linearitas hubungan, uji multikolinearitas, uji
heterokedastisitas, dan uji autokorelasi.
A. Uji Normalitas
1. Dengan Kertas Peluang Normal
Buatlah daftar distribusi frekuensi kumulatif kurang dari berdasarkan sample yang
ada dan gambarkan ogivenya. Pindahkan ogive itu ke dalam kertas peluang normal (lihat
Statistika: Sujana). Apabila gambarnya membentuk garis lurus atau hampir lurus, maka
sample tersebut berasal dari populasi yang berdistribusi normal.
2. Dengan Uji Chi-Kuadrat (χ2)
a. Data sampel dikelompokkan dalam daftar distribusi frekuensi absolut, kemudian
tentukan batas kelas intervalnya
b. Tentukan nilai z dari masing-masing batas interval itu
c. Hitung besar peluang untuk tiap-tiap nilai z itu (berupa luas) berdasarkan tabel z
F(Z)
d. Hitung besar peluang untuk masing-masing kelas interval sebagai selisih luas dari
nomor c
e. Tentukan fe untuk tiap kelas interval sebagai hasilkali peluang tiap kelas (d)
dengan n (ukuran sampel)
( f0 - fe )2
f. Gunakan rumus Chi-Kuadrat: χ =∑
2
fe
g. Apabila χ2 hitung < χ2tabel , maka sampel berasal dari populasi yang berdistribusi
normal.
Contoh penerapannya adalah sebagai berikut.
64
Tabel 4.1. Tabel Data Hasil Tes Statistik
Kelas interval Batas bawah kelas Frekuensi absolut
31 – 40 30,5 2
41 – 50 40,5 3
51 – 60 50,5 5
61 – 70 60,5 14
71 – 80 70,5 24
81 – 90 80,5 20
91 - 100 90,5 12
Jumlah 80
Telah dihitung: M = 75,88

s = 14,18
N = 80
Tabel 4.2. Tabel Kerja Menghitung Normalitas
Batas Kelas z F(z) Luas tiap fe f0 ( f0 - fe )2
(X) (b) (c) kelas interval (e) (f) fe
(a) (d)
30,5 -3,20 0,0007
0,0055 0,44 2 5,531
40,5 -2,50 0,0062
0,0305 2,44 3 0,128
50,5 -1,79 0,0367
0,1034 8,27 5 1,293
60,5 -1,08 0,1401
0,2119 16,95 14 0,513
70,5 -0,38 0,3520
0,2773 22,18 24 0,149
80,5 0,33 0,6293
0,2192 17,54 20 0,345
90,5 1,03 0,8485
0,1106 8,85 12 1,121
100,5 1,74 0,9591
:
( f0 - fe )2
χ2 = ∑ = 5,531 + 0,128 + 1,293 + 0,513 + 0,149 + 0,345 + 1,121= 9,08
fe
dk = 7 – 2 – 1 = 4 pada tabel χ2 untuk taraf sinifikansi 5% = 9,49
Dengan demikian, harga χ2hitung = 9,08 < harga χ2tab =9,49 sehingga H0 diterima.
Jadi, terima H0 berarti berdistribusi normal.
65
Catatan: dalam hal ini menggunakan dua parameter, yaitu:
Nilai rata-rata hitung ( X =75,88) dan standar deviasi (s=14,18), sehingga dk-nya
= Jumlah kelas dikurangi parameter, dikurangi 1, sehingga: 7 – 2 – 1 = 4.
H0: fo = fe
H1: fo ≠ fe
Cara perhitungan:
X - X 30,5 - 75,88
Z= = = -3,20
SD 14,18
Lihat tabel luas di bawah lengkungan kurve normal dari 0 s/d z pada buku
statistik. Untuk z = -3,20, tabel z = 0,4993 (perhatikan 3,2 kebawah dan 0 kesamping
kanan, sehingga ditemukan angka 0,4993). Luas setengan daerah (0,5); jika z minus,
maka 0,5 dikurangi dengan 0,4993. Tetapi, jika z positif, maka 0,5 ditambah bilangan
pada tabel z.
(1) Dengan demikian, dapat dihitung F(z) = 0,5 – 0,4993 = 0,0007
(2) Dengan cara yang sama, untuk z = -2,50 = 0,5 – 0,4938 = 0.0062
(3) Kemudian, 0,0007 – 0,0062 = 0,0055 (untuk menentukan luas tiap kelas
interval)
(4) Untuk mencari fe = luas kelas interval dikalikan n = (0,0055)(80)=0,44
(5) f0 telah diketahui = 2 (lihat f absolut)
( f 0 - f e ) 2 (2 - 0,44) 2
(6) = = 5,531 , demikian seterusnya sampai diperoleh
fe 0,44
angka 1,121.
( f0 - fe )2
(7) Hitung Chi-Kuadrat dengan rumus: χ = ∑ 2
= 9,08
fe
(8) Bandingkan f hitung dengan f tabel pada taraf signifikasi 5%, jika f
hitung lebih dari f tabel, maka f hitung signifikan (H1 diterima); ini berarti
terdapat perbedaan frekuensi, sehingga tidak normal. Jika f hitung lebih
kecil dari f tabel, maka H0 diterima, maka sampel berasal dasri populasi
yang berdistribusi normal.
66
3. Dengan Uji Liliefors
a. Urutkan data sampel dari kecil ke besar dan tentukan frekuensi tiap-tiap data
b. Tentukan nilai z dari tiap-tiap data itu
c. Tentukan besar peluang untuk masing-masing nilai z berdasarkan tabel z dan
diberi nama F(z)
d. Hitung frekuensi kumulatif relatif dari masing-masing nilai z dan sebut dengan
S(z) Hitung proporsinya, kalau n = 20, maka tiap-tiap frekuensi kumulatif
dibagi dengan n. Gunakan nilai L0 yang terbesar.
e. Tentkan nilai L0 = |F(z) – S(z)|, hitung selisihnya, kemudian bandingkan dengan
nilai Lt dari tabel Liliefors
f. Jika L0 < Lt , maka H0 diterima, sehingga dapat disimpulkan bahwa sampel
berasal dari populasi yang berdistribusi normal.
Contoh:
Tabel 4.3. Menghitung Harga Liliefors
X F abs. f kum z F(z) S(z) | F(z) – S(z)|
2 1 1 -2,01 0,0222 0,0500 0,0278
3 2 3 -1,34 0,0901 0,1500 0,0599
4 4 7 -0,67 0,2516 0,3500 0,0984
5 6 13 0,00 0,5000 0,6500 0,1500*)
6 4 17 0,67 0,7486 0,8500 0,1014
7 2 19 1,34 0,9099 0,9500 0,0401
8 1 20 2,01 0,9778 1,0000 0,0222
N=20
*) Nilai L0 terbesar
Cara menghitung:
fX 100 fX 2 ( fX ) 2 542 100 2
(1) M = X = = = 5; SD = - = - = 1,49
n 20 (n - 1) n(n - 1) 19 20(19)
X - X 2-5
(2) z = = = -2,01 ; hitung nilzi z dengan cara yang sama sehingga diperoleh
SD 1,49
semua nilai z, yaitu: -,1,34; -0,67; 0,00; 0,67; 1,34; dan 2,01.
67
(3) Hitung F(z) dengan cara seperti pada contoh pertama di atas, yaitu: untuk nilai z =
-2,01, maka luas daerah pada tabel z = 0,4778; dengan demikian F(z) = 0,5 – 0,4778 =
0,0222 (lihat tabel di atas).
(4) Hitung nilai S(z) dengan cara: 1/20 = 0,0500; 3/20 = 0,1500; dan seterusnya.
(5) Hitung selisi antara F(z) dan S(z), sehingga diperoleh: 0,0278; dan seterusnya.
(6) Lihat nilai yang terbesar, yaitu 0,1500 (= L0)
(7) Bandingkan nilai L0 dengan Lt. Jika L0 < Lt , maka H0 diterima, sehingga dapat
disimpulkan bahwa sampel berasal dari populasi yang berdistribusi normal.
Dalam hal ini, diperoleh: L0 =0,1500 < Lt = 0,190 (untuk dk = n = 20 pada taraf
signifikansi 5%), maka terima H0 yang berarti bahwa sampel berasal dari populasi yang
berdistribusi normal.
4. Uji Normalitas dengan Teknik Kolmogorov-Smirnov
Jika data pada uji Liliefors sebelumnya diuji dengan teknik Kolmogorov-
Semirnov, maka dilakukan langkah-langkah sebagai berikut.
Tabel 4.4. Tabel Kerja Menghitung Nilai Kolmogorov-Smirnov
X f f kum P KP Z F(z) A1 A2
(a) (b) (c) (d) (e) (f) (g) (h) (i)
2 1 1 0,05 0,05 -2,01 0,0222 0,0222 0,0278
3 2 3 0,10 0,15 -1,34 0,0901 0,0401 0,0599
4 4 7 0,20 0,35 -0,67 0,2516 0,1016 0,0984
5 6 13 0,30 0,65 0,00 0,5000 0,1500 0,1500
6 4 17 0,20 0,85 0,67 0,7486 0,0986 0,1014
7 2 19 0,10 0,95 1,34 0,9099 0,0599 0,0401
8 1 20 0,05 1,00 2,01 0,9778 0,0278 0,0222
n=20
Langkah-langkah mengerjakan:
a. Urutkan data sampel dari kecil ke besar dan tentukan frekuensi tiap-tiap data (X)
b. Hitung frekuensi absolut (f)
c. Hitung f kumulatif (f kum)
68
d. Hitung probabilitas frekuensi (P) dengan membagi frekuensi dengan banyak data
(f/n) = 1/20 = 0,05, dan seterusnya
e. Hitung probabilitas frekuensi kumulatif (KP) dengan membagi frekuensi
kumulatif dengan banyak data (fkum/n) = 1/20 = 0,05, dan seterusnya.
X - X 2-5
f. Tentukan nilai z dari tiap-tiap data itu dengan rumus: z = = = -2,01
SD 1,49
dan seterusnya
g. Tentukan besar peluang untuk masing-masing nilai z berdasarkan tabel z dan
diberi nama F(z) lihat tabel z. Jika nilai z minus, maka 0,5 dikurangi (-) luas
wilayah pada tabel z. Sebaliknya, jika nilai z plus, maka 0,5 ditambah (+) luas
nilai z pada tabel, sehingga diperoleh nilai-nilai F(z).
h. Hitung selisih antara kumulatif proporsi (KP) dengan nilai z pada batas bawah
(lihat nilai F(z) dibawahnya); (A1), misalnya: 0-0,0222 = 0,0222; 0,015 – 0,0901
= 0,0401; dst.
i. Hitung selisih antara kumulatif frekuensi (KP) dengan nilai z pada batas atas (lihat nilai
F(z) di atasnya); (A2) misalnya: 0,05 – 0,0222 = 0,0278; 0,15 – 0,0901 = 0,0599; dst.
j. Selanjutnya, nilai A1 maksimum (0,1500) dibandingkan dengan harga pada tabel D,
yang diperoleh dari harga kritik Kolmogorov-Smirnov satu sampel.
k. Jika A1 maksimum = 0,1500 < harga tabel D= 0,294 (lihat tabel D untuk n=20, =
0,294 pada ts 5%), maka H0 diterima, sehingga dapat disimpulkan bahwa sampel
berasal dari populasi yang berdistribusi normal.
5. Uji Normalitas Data dengan SPSS

Untuk menguji normalitas data dengan program SPPS, lakukan langkah berikut:
a. Entry data atau buka file data yang akan dianalisis
b. Pilih menu: Analyze, Desciptives Statistics, Explore
c. Setelah muncul kotak dialog uji normalitas, selanjutnya pilih y sebagai dependent
list ; pilih x sebagai factor list, jika ada lebih dari 1 kelompok data; klik tombol
Plots; pilih Normality test with plots; dan klik Continue, lalu OK.
Uji normalitas menghasilkan tiga jenis keluaran, yaitu Processing Summary,
Descriptives, Test of Normality, dan Q-Q Plots. Untuk keperluan penelitian umumnya
69
hanya diperlukan keluaran berupa Test of Normality, yaitu keluaran seperti table
berikut.
Contoh: Test of Normality

Kolmogorov-Smirnov Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Y 0,132 29 0,20 0,955 29 0,351
*) This is a lower bound of the true significance
A Liliefors Significance Correction
B. Uji Homogenitas Varians
1. Uji Homogenitas pada Uji Perbedaan (Test Bartlett)
(1) Data: Kelompok 1: 12, 20, 23, 10, 17.

Kelompok 2: 14, 15, 10, 19, 22
Kelompok 3: 6, 16, 16, 20
Kelompok 4: 9, 14, 18, 19
(2) Varians:
Kelompok 1: s12 = 29,3 (dihitung dengan calculator)
Kelompok 2: s22 = 21,5
(3) Hipotesis statistik:

H0 = σ12 = σ22 = σ32 = σ42
H1 = salah satu tanda ≠ tidak berlaku
(4) Tabel kerja
Tabel 4.5. Tabel Kerja

Sampel dk 1/dk s2 log s2 dk. log s2
1 4 0,25 29,3 1,4669 5,8676
2 4 0,25 21,5 1,3324 5,3296
3 3 0,33 35,7 1,5527 4,6581
4 3 0,33 20,7 1.3160 3,9480
Jumlah 14 1,16 - - 19,8033
70
(5) Varians gabungan:
(dk.s 2 ) 4(29,3) + 4(21,5) + 3(35,7) + 3(20,7)

s gab. =
2
= = 26,6
dk 4+ 4+3+3
log.s2gab = log 26,6 = 1,4249

(6). Nilai B:
B = (∑dk) log.s2gab = 14 (1,4249) = 19,9486.
(7) Harga χ2 = (Ln 10) {B – (∑dk) log s2 }= (2,3026)(19,9486 – 19,8033) = 0,3346
Untuk taraf signifikansi 5% dan dk= k – 1 = 4-1 =3; χ2tab = 7,815
Karena χ2 hitung < χ2tab = maka H0 diterima.
(8) Kesimpulan: keempat kelompok data berasal dari populasi yang homogen.
2. Uji Homogenitas Regresi
Contoh:
Tabel 4.6. Tabel Data Hasil Penelitian
No. X Y
1 4 6
2 4 7
3 6 8
4 9 10
5 8 9
6 9 9
7 7 8
8 6 7
9 5 7
10 5 8
11 6 7
12 8 9
13 7 8
14 7 8
15 8 9
16 9 9
17 8 8
18 7 9
19 3 5
20 9 9
71
Uji homogenitas untuk persyaratan analisis regresi menggunakan teknik yang
sama dengan uji homogenitas untuk persyaratan uji perbedaan. Perbedaannya terletak
pada cara pengelompokan data variabel terikat. Jika pada uji perbedaan, pengelompokan
data variabel terikat didasarkan pada kelompok sampel, maka pada uji homogenitas pada
uji regresi, pengelompokan data variabel terikat dilakukan berdasarkan data variabel
bebas (lihat pada analisis varians tuna cocok, untuk menganalisis linearitas regresi).
Langkah selanjutnya, sama dengan uji Bartlett, dengan menggunakan Chi-Kuadrat.
Pasangan data tersebut, diurut dari data X terkecil ke data terbesar, dan diikuti
oleh data Y, seperti tabel berikut.

No. X Kelompok n Y
1 3 1 1 5
2 4 2 2 6
3 4 7
4 5 3 2 7
5 5 8
6 6 4 3 8
7 6 7
8 6 7
9 7 5 4 8
10 7 8
11 7 8
12 7 9
13 8 6 4 9
14 8 9
15 8 9
16 8 8
17 9 7 4 10
18 9 9
19 9 9
20 9 9
72
Ada 7 kelompok, sebagai berikut.
Kelompok Data Y
1 5
2 6, 7
3 7,8
4 8, 7, 7
5 8, 8, 8, 9
6 9, 9, 9, 8
7 10, 9, 9, 9
Selanjutnya, dihitung varians tiap kelompok, dengan rumus berikut.
( Y )2 (5) 2
s1 = Y2 - = 52 - =0
2
n 1
(6 + 7 ) 2
s2 = (6 + 7 ) - = 0,50
2 2 2
2
(7 + 8) 2
s3 = (7 2 + 82 ) - = 0,5
2
2
(8 + 7 + 7) 2
s4 = (82 + 7 2 + 7 2 ) - = 0,67
2
3
(8 + 8 + 8 + 9) 2
= + + + - = 0,56
2 2 2 2 2
s5 (8 8 8 9 )
4
(9 + 9 + 9 + 8) 2
s6 = (92 + 92 + 92 + 82 ) - = 0,56
2
4
(10 + 9 + 9 + 9) 2
s7 = (10 2 + 92 + 92 + 92 ) - = 0,56
2
H0 = σ12 = σ22 = σ32 = σ42 = σ52 = σ62 = σ72
H : salah satu tanda ≠ (tidak berlaku)
Selanjutnya, dibuat tabel kerja sebagai berikut.
73
Tabel 4.8. Tabel Kerja
Kelompok dk 1/dk s2 Log s2 dk* s2 dk*log s2
1 0 0 0 0 0 0
2 1 1 0,50 -0,6021 0,25 -0,6021
3 1 1 0,50 -0,6021 0,25 -0,6021
4 2 0,5 0,67 -0,3468 0,90 -0,6936
5 3 0,33333 0,56 -0,2518 1,68 -0,7554
6 3 0,33333 0,56 -0,2518 1,68 -0,7554
7 3 0,33333 0,56 -0,2518 1,68 -0,7554
Jumlah 13 -- 2,63 -2,3063 6,44 -4,1640
Menghitung varians gabungan:
(dk * s 2 ) 6,44
s2 = = = 0,495
dk 13
Log s2 = log 0,495 = -0,305

Menghitung nilai B dengan rumus:
B = (∑dk) log s2 = 13 * -0,305 = -3,966
Menghitung χ2 dengan rumus : (Ln 10) {B – (∑dk) log s2 }=
= (2,3025) {-3,966 – (-4,1640)}
= (2,3025)(0,164)
= 0,378
χ2 = 0,378
Bandingkan nilai χ2 hitung dengan χ2 tabel untuk derajat kebebasan 6 pada taraf
signifikansi 5% ( Harga tabel = 12,922). Dengan demikian, harga χ2 hitung (=0,378)
lebih kecil dari harga nilai χ2 tabel (=12,922), sehingga H0 diterima. Ini berarti bahwa
varians dari ketujuh kelompok sampel tersebut adalah homogen.
3. Uji Homogenitas dengan SPSS
(1). Langkah Pengujian

Untuk menguji kehomogenan data sampel Y berdasarkan pengelompokan data X,
lakukan langkah-langkah berikut.
74
a. Buka file data yang akan dianalisis
b. Pilih menu berikut ini:
Analyze
Descriptics Statistics
Explore
Selanjutnya pilih
a. Pilih y sebagai dependent list dan x sebagai factor list:
Catatan: untuk homogenitas uji beda, x adalah kode kelompok
Untuk homogenitas regresi, x adalah prediktor
b. Klik tombol Plots
c. Pilih Lavene test untuk untransformed
d. Klik continue, lalu klik OK
Untuk keperluan penelitian, pada umumnya hanya perlu keluaran Test of Homogenity
of Variance. Keluaran lain bisa dihapus dengan cara klik sekali pada objek yang akan
dihapus, lalu tekan tombol Delete.
Cara menafsirkan uji homogenitas.
Print out computer adalah seperti berikut (contoh):
Tabel 4.9. Test of Homogenity of Variance

Lavene Statistic df-1 df-2 Significant
Y Based on Mean 0,098 2 57 0,907
Based on Median 0,086 2 57 0,918
Based on Median 0,086 2 55,882 0,918
and with adjusted
df
Based on 0,096 2 57 0,909
trimmed mean
Interpretasi dilakukan dengan memilih salah satu statistic, yaitu statistic yang
didasarkan pada rata-rata (Based on Mean)
Hipotesis yang diuji:
H0: Varians pada tiap kelmpok homogen
H1: Varians pada tiap kelompok tidak homogen
75
Dengan demikian, jika hasil uji tidak signifikan, maka varians homogen.
C. Uji Linieritas hubungan/regresi
1. Contoh data.
Tabel 4.10. Skor Motivasi (X) dan Skor Prestasi belajar (Y)
Responden X Y XY X2 Y2
1 34 32 1088 1156 1024
2 38 35 1368 1444 1296
3 34 31 1054 1156 961
4 40 38 1520 160 1444
5 30 29 870 900 841
6 40 35 1400 1600 1225
7 40 33 1320 1600 1089
8 34 30 1020 1156 900
9 35 32 1120 1225 1024
10 39 36 1404 1521 1296
11 33 31 1023 1089 961
12 32 31 992 1024 961
13 42 36 1512 1764 1296
14 40 37 1480 1600 1369
15 42 35 1470 1764 1225
16 42 38 1596 1764 1444
17 41 37 1517 1681 1369
18 32 30 960 1024 900
19 34 30 1020 1156 900
20 36 30 1080 1296 900
21 37 33 1221 1369 1089
22 36 32 1152 1296 1024
23 37 34 1258 1369 1156
24 39 35 1365 1521 1225
25 40 36 1440 1600 1296
26 33 32 1056 1089 1024
27 34 32 1088 1156 1024
28 36 34 1224 1296 1156
29 37 32 1184 1369 1024
30 38 34 1292 1444 1156
Jumlah (Σ) 1105 1001 37094 41029 33599
Perhitungan:
Diketahui: ΣX = 1105
ΣY = 1001
ΣXY = 37094
ΣX2 = 41029
ΣY2 = 33599
76
2. Uji Kelinearan dan Keberartian Regresi
Hipotesis yang diuji adalah:

(1) Menguji Keberartian Regresi:
H0: koefisien-koefisien regresi (koefisien arah regresi) sama dengan nol (tidak berarti)
melawan
H1: bahwa arah koefisien tidak sama dengan nol
(2) Menguji linearitas regresi:
H0: Regresi linear, melawan
H1: Regresi non linear
3. Langkah mengerjakan:
(1) Urutkan data X dari terkecil hingga data terbesar, diikuti oleh data Y
Tabel 4.11. Pengelompokkan 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
77
Dengan demikian, terdapat 12 kelompok
(2) Hitung berturut-turut Jumlah Kuadrat (JK) = Sum Square (SS)engan rumus
berikut.
JK(T) = ∑Y2 JK(a) = (∑Y)2

N
X Y
JK(b‫׀‬a) = b XY -
n
JK(S) = JK(T) JK(a) JK(b/a)
2
Y
JK(G) = Y -
2
n
JK(TC) = JK(S) – JK(G)
Perhitungan:
JK(T) = ∑Y2 = 33599

JK(a) = (∑Y)2 = (1001)2 : 30 = 33400,03
N
X Y (1105 )(1001)
JK(b‫׀‬a) = b XY - = (0,68) 37094 - = 152,21
n 30
JK(S) = JK(T) JK(a) JK(b/a) = 33599 33400,03 152,21 = 46,76
2
Y (29) 2 (31 + 30) 2
JK(G) = Y -
2
= 29 2 - + 312 + 30 2 - +
n 1 2
(31 + 32) 2 (32 + 31 + 30 + 30 + 32) 2

312 + 32 2 - + 32 2 + 312 + 30 2 + 30 2 + 32 2 - +
2 5
(32) 2 (30 + 32 + 34) 2 (33 + 34 + 32) 2
32 2 - + 30 2 + 32 2 + 34 2 - + 33 2 + 34 2 + 32 2 - +
1 3 3
(36 + 34) 2 (36 + 35) 2

36 2 + 34 2 - + 36 2 + 35 2 - +
2 2
(38 + 35 + 33 + 37 + 36) (37) 2
38 2 + 35 2 + 33 2 + 37 2 + 36 2 - + 37 2 -
5 1
(36 + 35 + 38) 2
+ 36 2 + 35 2 + 38 2 - = 37,67
3
78
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 Mean Kuadrat (MK) atau 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
RJKK(Reg) = JK(Reg) : dk(reg) = 152,21 : 1 = 152,21
(5) Hitung harga F regresi dan F tuna cocok sebagai berikut.
F (Reg) = RJK(Reg) : RJK(Sisa) = 152,21 : 1,67 = 91,14
F(TC) = RJK(TC) : RJK(G) = 0,91 : 2,09 = 0,44
(5) Masukkan ke dalam tabel F (ANAVA) untuk Regresi Linear berikut
Tabel 4.12. 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 - - -
Regresi (b‫׀‬a) 152,21 1 152,21 91,14*) 4,20
Sisa(residu) 46,76 28 1,67
Tuna Cocok 9,09 10 0,91 0,44ns 2,42
Galat (error) 37,67 18 2,09
*) signifikan pada taraf signifikansi 5%

ns = non signifikan
79
Keterangan:
JK (T) = Jumlah Kuadrat Total

JK(a) = Jumlah kuadrat (a) koefisien (a) = konstanta, X=0
JK(b‫׀‬a) = Jumlah kuadrat (b‫׀‬a) koefisien regresi
JK(S) = Jumlah Kuadrat Sisa (residu)
JK(G) = Jumlah kuadrat Galat (error)
JK(TC) = Jumlah Kuadrat Tuna Cocok (penyimpangan linearitas)
MK = Mean Kuiadrat = Sum Square (SS) = Rerata Jumlah Kudrat (RJK)
(6) Aturan keputusan (kesimpulan):
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.
Uji Linearitas dengan SPSS
Uji linearitas antara variabel X dengan variabel Y dengan menggunakan SPSS,

lakukan langkah berikut:
a. Entry data; data dimasukkan ke dalam lembar kerja SPSS dengan menggunakan
nama variabel x dan y.
b. Analisis; analisis dilakukan dengan cara memilih menu berikut:
Analyze
80
Compare mean
Means
Selanjutnya akan muncul kotak dialog Uji Linearitas, kemudian lakukan sebagai berikut:
a. Pindahkan y ke variabel dependent
b. Pindahkan x ke variabel independent
c. Pilih kotak option dan pilih Test of Linearity
d. Klik continue
e. Klik OK
Interpretasi hasil analisi:

Print out computer tampil sebagai berikut.
Tabel 4.13. Anova Table
SV Sum square df Mean F Sigf
Square
Y*X Between (Combined) 9447,042 24 393,627 3,35 0,009
Groups Linearity 7308,885 1 7308,885 62,209 0,000
Deviation 2138,157 23 92,963 0,791 0,702
from linearity
Within 1762,333 15 117,489 - -
Groups
Total 11209,375 39 - - -
Hasil analisis menunjukkan bahwa harga F tuna cocok = 0,791 dengan

signifikansi 0,702 (di atas 0,05), sehingga harga F tuna cocok tidak signifikan. Ini berarti
bahwa regresi linear.
D. Uji Multikolinearitas
Uji multikolinearitas dimaksudkan untuk mengetahui apakah terdapat

hubungan/korelasi yang cukup tinggi antar varabel bebas. Jika terdapat korelasi yang
tinggi, berarti ada aspek yang sama diukur pada variable bebas. Hal ini tidak layak
digunakan untuk menentukan kontribusi bersama-sama variable bebas terhadap variable
terikat.
Multikolinearitas dapat diketahui dengan cara mendeteksi koefisien korelasi
ganda Ry(1,2,3…k) dan membandingkannya dengan koefisien korelasi ganda antar
variable bebas. Jika koefisien korelasi ganda antar variable bebas mendekati koefisien
korelasi ganda Ry.123, maka terjadi multikolinearitas.
81
Uji multikolinearitas dengan SPSS dilakukan dengan uji regresi, dengan patokan
nilai VIF (varians inflation factor) dan koefisien korelasi antar variable bebas. Kriteria
yang digunakan adalah:
(1) jika nilai VIF di sekitar angka 1 atau memiliki tolerance mendekati 1, maka dikatakan
tidak terdapat masalah multikolinearitas dalam model regresi;
(2) jika koefisien korelasi antar variabel bebas di bawah kurang dari 0,5, maka tidak
terdapat masalah multikolinearitas.
Langkah-langkah yang dilakukan dalam menguji multikolinearitas dengan SPSS
adalah sebagai berikut:
a. Entry data
b. Analisis data dengan menu:
Analyze
Regression
Linear ….
c. Pindahkan variable y ke dependent list dan variable x1,x2, dst ke independent list
d. Pilih box statistics
e. Pilih collinearity diagnostics
f. Pilih continue
g. Lalu OK, maka akan keluar tampilan sebagai berikut.
Tabel 4.14. Coeficients

Collinearity statistics
Model Tolerance VIF
1 X1 0,865 1,16
X2 0,926 1,080
X3 0,911 1,098
a. Dependent Variabel: Y
Ternyata nilai VIF mendekati 1 untuk semua variabel bebas. Dengan demikian,
dapat disimpulkan bahwa dalam regresi antara variabel bebas (X1, X2,... Xn) terhadap
variabel terikat (Y) tidak terjadi multikolinearity antar variabel bebas.
82
E. Uji Heterokedastisitas
Heterokedastisitas terjadi dalam regresi apabila varians error (εi) untuk beberapa
nilai x tidak konstan atau berubah-ubah. Untuk mengetahui konstan-tidaknya varians
error, dapat dilakukan dengan menggambar grafik antara ý dengan residu (y – ý). Jika
garis yamg membatasi sebaran titik-titik relatif pararel, maka varians error dikatakan
konstan.
Langkah pengujian dengan SPSS:
a. Entry data
b. Analyze
Regression
Linear.....
c. Pindahkan y ke dependent list dan x ke factor list.
d. Pilih kotak Plots dan masukkan *SRESID KE y DAN *ZPRED ke X.
e. Pilih Continue
f. Pilih OK, kemudian akan tampak scaterplot
Jika pada grafik tampak titik-titik menyebar di atas dan di bawah sumbu Y, maka
tidak terjadi heterokedastisitas.
F. Uji Autokorelasi
Autokorelasi terjadi dalam regresi jika dua error εt-1 dan εt tidak independent atau
C(εt-1, εt ) ≠ 0. Autokorelasi biasanya terjadi apabila pengukuran variabel dilakukan
dalam interval waktu tertentu. Hubungan antara εt dan εt-1 dapat dinyatakan dalam
formula berikut.
εt = ρ εt-1 + v1 ,
ρ menyatakan koefisien autokorelasi populasi.Jika ρ=0,maka tidak terjadi autokorelasi.

Jika autokorelasi terjadi, maka ρ akan mendekati +1 atau -1. Autokorelasi pada umumnya
dilakukan dengan uji statistik Durbin-watson dengan menggunakan formula berikut:
83
n
(et - et -1 ) 2
t =2
d= n
e 2t
t =1
Nilai d berkisar antara 0 dan 4, yaitu 0 ≤ d ≤ 4. Autokorelasi tidak terjadi jika nilai
d = 2. Jika terjadi auto korelasi positif, maka selisih antara εt dengan εt-1 sangat kecil dan
d mendekati 0. Sebaliknya, jika terjadi autokorelasi negatif, maka selisih antara εt dengan
εt-1 relatif besar dan d mendekati 4.
Untuk menguji autokorelasi dengan program SPSS, lakukan langkah berikut:
a. Entry data
b. Analisis data, lakukan langkah berikut:
Analyze
Regression
Linear ...
c. Pindahkan variabel y ke dependent list, dan variabel x1, x2, dan x3 ke
independent list.
d. Pilih boks statistics
e. Pilih Durbin-Watson
f. Pilih continue
g. Pilih OK
Tampilan print out komputer tampak sebagai berikut:
Tabel 4.15. Model Summary

Model R R square Adjusted R Std error of Durbin-
square the estimate Watson
1 0,614 0,378 0,306 4,1246 2,067
a. Predictors: (Constant), hub interpersonal, iklim kerja, insentif

b. Dependent variable: kinerja
Ternyata koefisien Durbin-Watson besarnya 2,067, mendekati 2. Dengan demikian,

dapat disimpulkan bahwa dalam regresi antara variable bebas (X1, X2, X3) terhadap
kinerja (Y) tidak terjadi autokorelasi.
84
Lampiran1: Data untuk uji Multikolinearitas, Heterokedastisitas, dan Autokorelasi
(Dikutip dari: Candiasa, 2004)
Contoh: data yang diananlisis untuk menguji Multikolinearitas, Heterokedastisitas, dan

Autokorelasi.
No X1 X2 X3 Y
1 34 47 44 62
2 41 43 42 66
3 43 42 43 66
4 37 38 39 68
5 38 30 39 60
6 36 35 39 64
7 44 48 44 67
8 38 45 38 58
9 41 49 44 63
10 48 43 44 67
11 35 49 38 58
12 48 42 32 65
13 40 38 39 68
14 42 32 48 65
15 37 37 41 70
16 39 48 41 60
17 38 31 40 58
18 35 44 39 55
19 46 46 49 71
20 37 36 40 57
21 45 44 35 74
22 40 35 42 66
23 36 37 39 68
24 43 40 43 70
25 45 44 47 69
26 38 32 44 58
27 39 39 42 61
28 41 40 45 69
29 46 45 49 71
30 42 45 48 66
Keterangan:
X1 = iklim kerja
X2 = hubungan interponal
X3 = insentif
Y = kinerja
85
Lampiran 2: Data untuk Uji Homogenitas dikutip dari: Candiasa,2004)
No X1 X2 X3
1 61 80 73
2 75 42 51
3 70 67 65
4 57 54 47
5 78 73 64
6 5 25 56
7 53 65 87
8 86 27 36
9 48 77 67
10 85 61 76
11 88 55 33
12 69 75 64
13 58 61 33
14 48 57 68
15 47 85 45
16 45 70 72
17 64 62 25
18 36 47 63
19 52 86 53
20 32 60 43
s 16,32 16,86 16,63
s2 266,48 284,16 276,47
Keterangan:
X1 = pedesaan
X2 = pinggiran kota
X3 = perkotaan
Y = tingkat kemandirian anak
86
Lampiran 3: Data untuk Uji Homogenitas Regresi (diutip dari: Candiasa, 2004)
No X1 Y
1 4 6
2 4 7
3 6 8
4 9 10
5 8 9
6 9 9
7 7 8
8 6 7
9 5 7
10 5 8
11 6 7
12 8 9
13 7 8
14 7 8
15 8 9
16 9 9
17 8 8
18 7 9
19 3 5
20 9 9
Keterangan:
X = nilai matematika
Y = nila Bahasa Inggris
87
Lampiran data setelah diurut: untuk uji homogenitas varians regresi
(dikutip dari: Candiasa, 2004)
No X1 Y
1 3 5
2 4 6
3 4 7
4 5 7
5 5 8
6 6 8
7 6 7
8 6 7
9 7 8
10 7 8
11 7 8
12 7 9
13 8 9
14 8 9
15 8 9
16 8 8
17 9 10
18 9 9
19 9 9
20 9 9
Keterangan:
X = nilai matematika
Y = nila Bahasa Inggris
88
BAB V
STATISTIK NON PARAMETRIK
Kompetensi Dasar
Mahasiswa memahami tentang beberapa teknik analisis statistik non parametrik,
seperti: (1) Teknik Korelasi Tata Jenjang (Rank Order Correlation), (2) Teknik Korelasi
Point Biserial, (3) Chi Kuadrat, (4) Teknik Korelasi Kontingensi, (5) Teknik Korelasi
Tetrakorik, (6) Teknik Korelasi Phi, (7) Teknik Korelasi Kendall Tau, (8) Cochran Q, (9)
Mann-Whitney, (10) Sign Test, (11) Run Test, (12) Kolmogorov-Smirnov, (13) Kruskal-
Wallis, dan (14) Mc Nemar, untuk menganalisis data penelitian.
Pemilihan teknik analisis data tergantung pada macam data (nominal, ordinal,
interval, atau rasio) dan bentuk hipotesis penelitian seperti tabel berikut.
Tabel 5.1. Tabel Penggunaan Statistik Parametrik dan
Nonparametrik untuk Menguji Hipotesis
Macam BENTUK HIPOTESIS
Data Deskriptif Komparatif Komparatif Hubungan
(Satu (Dua sampel) (lebih dari dua sampel)
Variabel)
Related Independen Related Independen
χ 2
one Mc Nemar Fisher (F) χ untuk k χ2 untuk k Contingensi
2
Nominal sample χ2 two sample sample Coefisient

sample Cochran Q C
Median Test
Sign Test Median Spearman
Mann- Extension Rank
Ordinal Run Test Whitney U Friedman Correlation
Wilcoxon test Two-Way Kruskal-
matched Anova Wallis One Kendal Tau
pairs Kolmogorov- Way Anova
Smirnov
Wald-
Woldfowitz
Pearson
One-Way One-Way Product
Anova Anova Moment
Interval t-test t-test of t-test
Rasio related independent Partial
Two-Way Two-Way Correlaton
Anova Anova
Multiple
Correlation
(Dikutip dari: Sugiyono, 2002:18)
89
Indikator pencapaian
Mahasiswa dapat:
1. menjelaskan manfaat dan fungsi analisis statistik non parametrik
2. menguji hipotesis komparatif
3. menguji hipotesis hubungan
4. menerapkan teknik analisis statistik non parametrik untuk menguji hipotesis
penelitian
5. menafsirkan dan menyimpulkan hasil uji hipotesis
1. Teknik Korelasi Tata Jenjang (Rank Order Correlation) oleh Spearman

Menurut Sudijono (1987) ada tiga macam cara menghitung korelasi tata jenjang, yaitu
dalam keadaan (1) tidak terdapat urutan yang kembar, (2) terdapat urutan data yang
kembar dua, atau (3) urutan yang kembar ada tiga atau lebih. Urutan data kembar
terjadi jika ada data yang sama. Dalam hal ini, jika urutan data yang kembar ada dua,
maka data tersebut tersebut dijumlahkan dan dibagi dua. Jika ada tiga data yang
sama, maka data tersebut dijumlahkan dan dibagi tiga. Demikian seterusnya jika ada
data yang kembar lebih dari tiga. Teknik korelasi tata jenjang efektif digunakan jika
jumlah data antara 10 – 29.
Contoh penerapan
Tabel 5.2. Tabel Data dan Cara Perhitungan
No X Y R1 (Y) R2 (X) B B2
1 59 39 6 5 1 1
2 64 36 9 2 7 49
3 47 42 3 8 -5 25
4 55 40 5 6 -1 1
5 52 43 2 7 -5 25
6 65 35 10 1 9 81
7 46 44 1 9 -8 64
8 60 38 7 4 3 9
9 45 41 4 10 -6 36
10 63 37 8 3 5 25
316
6 B2
Rumus: ρ = 1 -
N N 2 -1
90
Keterangan:
ρ = RHO (Spearman)
1 = bilangan konstan
6 = bilangan konstan
B2 = beda kuadrat.
Langkah-langkah perhitungan korelasi tata jenjang:
1. Menyiapkan tabel kerja
2. Menetapkan urutan kedudukan skor pada variabel X dan Y mulai skor tertinggi
sampai skor terendah
3. Menghitung perbedaan urutan urutan kedudukan tiap pasangan skor antara
variabel X dan Y (B = R1 –R2)
4. Mengkuadratkan tiap-tiap B, kemudian dijumlahkan
5. Menghitung korelasi tata jenjang dengan rumus tersebut di atas
6. Memberikan interpretasi terhadap hasil korelasi dengan membandingkan pada
nilai RHO (Spearman) pada taraf signifikansi tertentu.
Hasil perhitungan:
6 B2
Rumus: ρ = 1 -
N N 2 -1
6 * 316
ρ = 1- = -0,915
10 10 2 - 1
Hal ini menunjukkan korelasi yang negatif. Nilai RHO pada tabel dengan db = 10
pada taraf signifikansi 5% = 0,648. RHO hitung lebih besar dari nilai tabel, sehingga H0
ditolak dan H1 diterima. Dengan demikian, dapat disimpulkan terdapat korelasi negatif
yang signifikan antara variabel X dan Y. Makin tinggi skor variabel X, makin rendah
skor variabel Y.
Contoh lain:
Penilaian Dua Orang Penguji terhadap 12 orang Dalam Angka-angka Aseli dan
Angka-angka Jenjang Kedudukan yang Telah Disesuaikan
91
Tabel 5.3. Data Hasil Koreksi Dua Orang Korektor
No Angka aseli Angka aseli Jenjang Jenjang
Penguji A Penguji B Disesuaikan Disesuaikan B B2
A B
1 8 8 2,0 2,5 -0,5 0,25
2 4 4 10,5 11,0 -0,5 0,25
3 5 5 8,5 7,5 +1,0 1,00
4 6 6 6,5 4,5 +2,0 4,00
5 4 4 10,5 11,0 -0,5 0,25
6 8 8 2,0 2,5 -0,5 0,25
7 8 9 2,0 1,0 +1,0 1,00
8 7 5 4,5 7,5 -3,0 9,00
9 7 6 4,5 4,5 0,0 0,00
10 6 5 6,5 7,5 -1,0 1,00
11 5 5 8,5 7,5 +1,0 1,00
12 3 4 12,0 11,0 +1,0 1,00
Total - - 78 78 0,0 19
6 B2
Rumus: ρ = 1 -
N N 2 -1
6 * 19 114
ρ = 1- = 1- = 0,934
12 12 - 1
2
1716
Hal ini menunjukkan korelasi yang positif. Nilai RHO pada tabel dengan db = 12
pada taraf signifikansi 5% = 0,591. RHO hitung lebih besar dari nilai tabel, sehingga H0
ditolak dan H1 diterima. Dengan demikian, dapat disimpulkan terdapat korelasi positif
yang signifikan antara Penguji A dan Penguji B. Makin tinggi skor Penguji A, makin
tinggi skor Penguji B.
2. Teknik Korelasi Point Biserial (Korelasi Biserial Titik)

Teknik Korelasi Point Biserial (korelasi biserial titik) adalah teknik korelasi
bivariat. Teknik korelasi ini digunakan jika data variabel 1 merupakan variabel diskrit
(dikotomi) dan variabel 2 merupakan variabel kontinu (data interval). Teknik korelasi ini
biasanya digunakan untuk menguji validitas butir tes objektif dengan cara
mengkorelasikan skor butir dengan skor total. Angka indek korelasi Point Biserial
dilambangkan dengan rpbi.
Cara menghitung indeks Korelasi Point Biserial:
1. Mencari Mean total (Mt) dengan rumus
92
Xt
Mt =
N
2. Mencari Mean skor dari jawaban yang menjawab benar (Mp)
X 1 + X 2 ...X n
Mp =
n
3. Mencari Standar Deviasi total (SDt) dengan rumus
2
2
Xt Xt
SDt = -
N N
4. Mencari proporsi (p), yaitu perbandingan antara banyaknya subjek yang menjawab
benar dengan jumlah seluruh subjek. Proporsi q = 1-p
5. Mencari angka indeks korelasi dengan rumus:
M p - Mt p
rpbi =
SDt q
Tabel 5.4. Contoh Perhitungan
No Skor Butir No.1 (X1) Skor Total (Xt) Xt2
1 1 6 36
2 1 4 16
3 1 9 81
4 0 7 49
5 1 8 64
6 0 5 25
7 1 8 64
8 1 6 36
9 0 4 16
10 1 3 9
60 396
Xt 60
Mt = = =6
N 10
2
396 60
SDt = - = 1,897
10 10
p = 7 : 10 = 0,7
q = 1 – 0,7 = 0,3
93
Mp = ( 6+4+9+8+8+6+3) =: 7 =6,286
6,826 - 6 0,7
rpbi = = 0,231
1,897 0,3
db = 10 – 2 = 8
Nilai tabel pada taraf signifikansi 1% dengan db 8 adalah 0,765. Ini berarti butir nomor 1
tidak valid karena r hitung lebih kecil dari r tabel, sehingga harga r hitung non signifikan,
dalam arti tidak terdapat korelasi yang signifikan antara skor butir dengan skor total.
Contoh lain:
Untuk data yang berbentuk dikotomi, sebaiknya menggunakan teknik korelasi
Point Biserial, dengan rumus sebagai berikut:
M p - Mt p
rpbi = , dimana:
st q
rpbi = koefisien korelasi point biserial
Mp = rerata skor dari subjek yang menjawab betul bagi butir yang dicari
Validitasnya
Mt = rerata skor total
st = standar deviasi dari skor total
p = proporsi siswa yang menjawab betul (banyaknya siswa yang
menjawab betul dibagi dengan jumlah seluruh siswa)
q = proporsi siswa yang menjawab salah (q = 1 – p)
94
Tabel 5.5. Cara menghitung Validitas Butir Instrumen
Dengan Korelasi Point Biserial
Nomor Butir s Sko

Responde r
n 1 2 3 4 5 6 7 8 9 10 total
X
A 1 0 1 0 1 1 1 1 1 1 8
B 0 0 1 0 1 0 0 1 1 1 5
C 0 1 0 0 0 1 0 1 0 1 4
D 1 1 0 0 1 1 0 0 1 0 5
E 1 1 1 1 1 1 0 0 0 0 6
F 1 0 1 0 1 0 1 0 0 0 4
G 1 1 1 1 1 1 1 0 0 0 7
H 0 1 0 1 1 1 1 1 1 1 8
p 0,62 0,62 0,62 0,37 0,87 0,7 0,5 0,5 0,5 0,5
5 5 5 5 5 5 0 0 0 0
q 0,37 0,37 0,37 0,62 0,12 0,2 0,5 0,5 0,5 0,5
5 5 5 5 5 5 0 0 0 0
Misalnya akan diuji validitas butir soal nomor 6, maka perhitungannya sebagai
berikut.
1) mencari Mp = (8+4+5+6+7+8) : 6 = 38:6 = 6,33
2) mencari Mt = (8+5+4+5+6+4+7+8) = 47:8 = 5,875
3) harga standar deviasi dapat dihitung dengan kalkulator atau dengan rumus berikut:
2
n X2 - X (8 * 295) - (47)2
SDt = = = 1,642
n(n - 1) 8(8 - 1)
4) menentukan harga p, yaitu 6:8 = 0,75
5) menentukan harga q , yaitu 2:8 =0,25
6) memasukkan ke dalam rumus:
95
M p - Mt p 6,33 - 5,875 0,75
rpbi = = = 0,4799 = 0,480.
st q 1,642 0,25
3. Chi Kuadrat (χ2)
Teknik Chi Kuadrat adalah teknik analisis data untuk menguji perbedaan frekuensi
dengan rumus sebagai berikut.
fo - fh
2
2=
χ fh
dimana:
χ2 = Chi Kuadrat
fo = fekuensi yang dobservasi
fh = frekuensi yang diharapkan
a. Contoh aplikasi χ2 untuk satu variabel (dua kategori)

Misalnya ingin diketahui apakah wanita mempunyai peluang yang sama dengan pria
untuk menjadi kepala desa. Untuk itu diadakan penelitian di suatu desa . Sampel diambil
secara random sebanyak 300 orang. Dari sampel tersebut ternyata datanya sebagai tabel
berikut.
Calon kepala desa Frekuensi yang diperoleh Frekuensi yang diharapkan
Calon pria 200 150
Calon wanita 100 150
Jumlah 300 300
Catatan: Jumlah frekuensi yang diharapkan adalah sama, yaitu 50% : 50% dari seluruh
sampel.
H0: p1 = p2 = 0,5
H1: p1 ≠ p2 ≠ 0,5
96
Ketentuan pengujian hipotesis:
Jika harga Chi Kuadrat hitung lebih kecil dari harga Chi Kuadrat tabel pada taraf
signifikansi tertentu, maka H0 diterima dan H1 ditolak. Tetapi sebaliknya jika harga Chi
Kuadrat hitung lebih besar atau sama dengan harga Cki Kuadrat tabel maka H1 diterima.
Pengujian hipotesis
Tabel 5.7. Tabel Kerja untuk Menghitung Chi Kuadrat
Pemilih fo fh fo-fh (fo-fh)2 (fo-fh)2
fh
Pria 200 150 50 2500 16,67
Wanita 100 150 -50 2500 16,67
Jumlah 300 300 0 5000 33,33
Catatan: fh dihitung dengan cara: 50% * 300 = 150.

Berdasarkan perhtinungan, Chi Kuadrat hitung = 33,33. Harga ini harus
dibandingkan dengan harga Chi Kuadrat tabel dengan derajat kebebasan dan taraf
signifikansi tertentu (misalnya 5%). Derajat kebebasan untuk Chi Kuadrat tidak
tergantung pada jumlah individu dalam sampel. Derajat kebebasan akan tergantung pada
kebebasan dalam mengisi kolom-kolom pada frekuensi yang diharapkan ( fh) setelah
disusun ke dalam tabel berikut.
a m
b n
(a+b) (m+n)
Dalam hal ini fo harus sama dengan fh. Jadi (a+b) = (m+n); dengan demikian kita
tidak mempunyai kebebasan untuk menetapkan frekuensi yang diharapkan (fh) = (m+n).
Jadi kebebasan yang dimiliki tinggal satu yaitu kebebasan dalam menetapkan m atau n..
Untuk model ini, derajat kebebasannya (db) = 1.
Berdasarkan db 1 dan taraf signifikansi 5%, maka harga Chi Kuadrat tabel =
3,481. Ternyata harga Chi Kuadrat hutung lebih besar dari Chi Kuadrat tabel sehingga H0
97
ditolak dan H1 diterima. Jadi terdapat perbedaan frekuensi pilihan yang signifikan antara
pria dan wanita. Berdasarkan frekuensi yang diperoleh ternyata pria lebih berpeluang
untuk menjadi kepala desa.
b. Contoh aplikasi χ2 untuk satu variabel (empat kategori)

Misalnya, seorang pengushaha dagang kopi bubuk ingin mengetahui kopi cap apa yang
banyak digemari oleh konsumen. Untuk itu diadakan penelitian terhadap 3000 orang
sampel dengan menggunakan kuesioner. Responden diminta untuk memilih kopi cap apa
yang digenari untuk dikonsumsi setiap hari. Berdasarkan pilihan responden, sebanyak
1000 orang memilih kopi cap bola dunia, 900 orang memilih kopi cap setia Bali, 600
orang memilih kopi cap Banyuatis, dan sebanyak 500 orang memilih kopi cap Kapal Api.
Hipotesis penelitian:
H0: Jumlah masyarakat yang memilih 4 jenis merek kopi bubuk tidak berbeda
(peluangnya sama)
Ha: Jumlah masyarakat yang memilih 4 jenis merek kopi bubuk berbeda (peluang tidak
sama).
Tabel 5.8. Tabel Kerja untuk Menghitung Chi Kuadrat
Merek kopi fo fh (fo-fh) (fo-fh)2 (fo-fh)2
fh
1. Cap Bola Dunia 1000 750 250 62500 83.33
2. Cap Setia Bali 900 750 150 22500 30,000
3. Cap Banyuatis 600 750 -150 22500 30,000
4. Cap Kapal Api 500 750 -250 62500 83,33
Jumlah 3000 3000 0 170.000 226,67

Catatan: frekuensi yang diharapkan adalah 3000 : 4 = 750
Pengujian hipotesis;
Berdasarkan hasil perhitungan, ditemukan bahwa Chi Kuadrat hitung = 226,67. Dengan
derajat kebebasan db= n-1 = 4-1 = 3. Berdasarka db = 3 dan taraf signifikansi 5%, nilai
Chi Kuadrat tabel = 7,815. Dengan demikian harga Chi Kuadrat hitung lebih besar dari
harga Chi Kuadrat tabel sehingga H0 ditolak dan Ha diterima. Kesimpulan: terdapat
perbedaan frekuensi yang signifikan pilihan masyarakat untuk mengkonsumsi serbuk
kopi. Berdasarkan data ternyata masyarakat paling gemar minum kopi cap Bola Dunia.
98
c. Contoh aplikasi χ2 untuk dua variabel
Chi Kuadrat digunakan untuk menguji hipotesis komparatif dua sampel bila
datanya berbentuk nominal dan sampelnya besar. Cara perhitungannya dapat
menggunakan rumus yang telah ada atau dapat menggunakan Tabel Kontingensi 2 x 2
(dua baris x dua kolom).
Tabel 5.9. Tabel Kontingensi

Sampel Frekluensi pada: Jumlah sampel
Objek I Objek II
Sampel A a b a+b
Sampel B c d c+d
Jumlah a+c b+d n
n = jumlah sampel
Berdasarkan tabel kontingensi 2 X 2 dan selnya memiliki frekuensi 10 atau lebih

dari 10, penyelesaiannya menggunakan rumus berikut.
n(ad - bc)2
χ2 = _______________________________
(a + b)(a + c)(b + d)(c + d)
Dengan memperhatikan koreksi Yates, rumus yang digunakan untuk menguji

hipotesis adalah sebagai berikut.
n(|ad - bc| - ½ n)2

χ =
2 _______________________________
(a + b)(a + c)(b + d)(c + d)
Ontoh aplikasi:
a. Permasalahan: apakah ada perbedaan/hubungan antara tingkat pendidikan dengan jenis
pekerjaan yang dipilih?
99
b. Sampel penelitian: dua kelompok sampel independen yaitu lulusan perguruan tinggi
sebanyak 70 orang dan kelompok lulusan SLTA sebanyak 80 orang.
c. Hipotesis penelitian:
H0: tidak ada perbedaan/hubungan antara tingkat pendidikan dan jenis pilihan pekerjaan
Ha: terdapat perbedaan/hubungan antara tingkat pendidikan dan jenis pilihan pekerjaan
Berdasarkan hasil kuesioner terhadap 80 orang lulusan SLTA, yang memilih
pekerjaan menjadi PNS sebanyak 60 orang dan pekerjaan wiraswasta sebanyak 20 orang.
Selanjutnya dari kelompok lulusan perguruan tinggi yang berjumlah 70 orang, sebanyak
30 orang memilih menjadi PNS dan sebanyak 40 orang memilih wiraswasta. Data hasil
penelitian seperti pada tabel berikut.
Sampel Jenis pekerjaan Jumlah
(lulusan sekolah) PNS Wiraswasta sampel
1. Lulusan SLTA 60 20 80
2. Lulusan PT 30 40 70
Jumlah 90 60 150
d. Perhitungan
Berdasarkan data tersebut dan dengan menggunakan rumus di atas,
perhitungannya sebagai berikut.
n(ad - bc)2
χ2
= _______________________________
(a + b)(a + c)(b + d)(c + d)
150(60*40 – 20*30)2
χ2 = ____________________________________________
(60 + 20)(60 + 30)(20 + 40)(30 + 40)
150(1800)2
χ = _____________________________ = 486000000/30240000 = 16,07
2
(80)(90)(60)(70)
Dengan cara lain, dapat diselesaikan dengan jalan biasa, yakni dengan cara
mencari frekuensi harapan sebagai berikut.
100
Sampel Jenis pekerjaan Jumlah
PNS Wiraswasta sampel
3. Lulusan SLTA 60 20 80
4. Lulusan PT 30 40 70
Jumlah 90 60 150
Tabel 5.12. Tabel data tersebut diubah menjadi sebagai berikut.
Sel fo fh (fo-fh) (fo-fh)2 (fo-fh)2

fh
A 60 (90*80)/150 12 144 3
= 48
B 20 (60*80)/150 -12 144 4,5
= 32
C 30 (90*70)/150 -12 144 3,43
= 42
D 40 (60*70)/150 12 144 5,14
= 28
16,07
Setelah dikoreksi dengan rumus Yates, penyelesaiannya sebagai berikut.
n(|ad - bc| - ½ n)2

χ2
= _______________________________
(a + b)(a + c)(b + d)(c + d)
150(|60*40 – 20*30| - ½ 150)2

χ2
= _______________________________________
= 14,76
(60+20)(60+30)(20+40)(30+40)
Dengan db = (b-1) (k-1) = (2-1) (2-1) = 1 dan taraf signifikansi 5%, harga Chi
Kuadrat tabel = 3,481. Ternyata harga Chi Kuadrat hitung lebih besar dari harga Chi
Kuadrat tabel. Dengan demikian, H0 ditolak dan Ha diterima. Jadi terdapat perbedaan
tingkat pendidikan dalam memilih jenis pekerjaan, dimana lulusan SLTA cenderung
memilih pekerjaan menjadi PNS dan lulusan perguruan tinggi cenderung memilih
101
pekerjaan wiraswasta. Dengan kata lain terdapat hubungan yang signifikan antara jenis
lulusan dan pilihan terhadap jenis pekerjaan.
Tugas latihan: Jika diketahui data seperti Tabel 7.14, hitunglah harga Chi Kuadrat?
Jenis kelamin Pilihan Pekerjaan Jumlah
PNS Wiraswasta sampel
1. Laki-laki 15 35 50
2. Perempuan 20 10 30
Jumlah 35 45 80
χ2 = ...........................................?
4. Teknik Korelasi Kontingensi (Koefisien Kontingensi)
X2
CC =
X2 +n
Contoh aplikasinya:
Berdasarkan perhitungan Chi Kuadrat di atas, maka CC dapat dihitung sebagai berikut.
Tabel 5.14. Tabel data tersebut diubah menjadi sebagai berikut.
Sel fo fh (fo-fh) (fo-fh)2 (fo-fh)2

fh
A 60 (90*80)/150 12 144 3
= 48
B 20 (60*80)/150 -12 144 4,5
= 32
C 30 (90*70)/150 -12 144 3,43
= 42
D 40 (60*70)/150 12 144 5,14
= 28
16,07
Dengan demikian, Chi Kuwadrat = 16,07
102
X2 16,07
CC = = = 0.31
X2 +n 16,07 + 150
Untuk mengetahui tingkat hubungan antara variabel tersebut dibuktikan dengan
mengukur selisih yang didapatkan antara Cmax dengan cc. Untuk menghitung tingkat
atau derajat hubungan digunakan formula berikut:
, dimana: m = minimum di antara baris dan kolom.
2 -1
Cmax = = 0,707
2
Selisih Cmax dengan CC adalah: 0,707 – 0,31 = 0,397
Untuk mengetahui derajat hubungan antara dua variabel atau faktor adalah dengan
menghitung selisih Cmak dengan cc ( Cmak – cc ) sebagai berikut:
0,00 - 0,25 = hubungan tinggi
0,26 - 0,50 = hubungan cukup tinggi
0,51 - 0,75 = hubungan sedang
0,76 - 1,00 = hubungan rendah
χ2 yang didapatkan dalam perhitungan adalah 16,07.Tarap uji yang digunakan dalam hal
ini adalah 0,05. Derajat bebas yang digunakan adalah ( b – 1 ) ( k -1 ) = ( 2 – 1 ) ( 2 – 1 )
= 1. Ternyata dalam table, untuk db = 1 adalah sebesar 3,481. Dengan demikian hipotesis
nol ditolak,, sehingga terdapat perbedaan pilihan pekerjaan antara laki-laki dan
perempuan. Laki-laki lebih suka memili pekerjaan wiraswasta, sedangkan perempuan
lebih senang memilih pekerjaan menjadi pegawai negeri.
Selisih cmax dengan cc adalah 0,397. Ini berarti derajat korelasi yang didapatkan
adalah cukup tinggi. Berdasarkan hal di atas dapat disimpulkan bahwa ada hubungan
yang signifikan antara jenis kelamin dengan pilihan terhadap pekerjaan.
5. Teknik Korelasi Tetrakorik (data dikotomi buatan dengan data dikotomi buatan)
X
0 1
1
a b
Y
c d 103
0
Hitung ad dan bc
Jjika bc > ad maka korelasi positif; hitung = p,
Jika bc < ad maka korelasi negatif, hitung = p.
Cari nilai r yang sesuai dengan p pada tabel tetrachoric.
Tabel 5.15. Tabel Data

Siswa Sikap (X) Ujian (Y)
Positif (1) Negatif (0) Lulus (1) Gagal (0)
A 1 1
B 1 1
C 1 1
D 1 1
E 1 0
F 0 1
G 0 1
H 0 0
I 0 0
J 0 0
K 1 1
L 1 1
M 1 1
N 1 1
X
0 1
2 (a) 8 (b)
1
Y
3 (c) 1 (d)
104
0
ad = (2) (1) = 2
bc = (8) (3) = 24
bc > ad korelasi positif
bc : ad = 24:2 = 12
12 lebih besar dari r tabel = 0,76
6. Teknik Korelasi Phi

Tabel 5.16. Untuk data: dikotomi murni dengan dikotomi murni
Variabel X Σ
0 1
Variabel Y 1 (a) (b) a+b
0 (c) (d) c+d
Σ a+c b+d n
Tabel 5.17. Contoh aplikasinya:

Jenis kelamin Σ
0 1
Orang tua 1 0 (a) 20 (b) 20
0 10 (c) 20 (d) 30
Σ 10 40 50
bc - ad
Φ=
(a + b)(c + d )(a + c)(b + d )
200 - 0
= = 0,4082 = 0,41
(20)(30)(10)( 40)
105
Daftar Pustaka
Anrderson, T.W., An Introductin to Multivariate Statistical Analysis, New York: John

Wiley & Sons, Inc., 1958.
Bruning, James L. Computational Handbook of Statistics, USA: Foresman and Company,
1977.
Ching Chun Lie, Path Analysis – a primer, California: Pasific Grove, 1975.
Everit, Brian S & Graham Dunn, Applied Multivariate Data Analysis, New York: Halsted
Press, 1991.
Furqon, Statistika Terapan untuk Penelitian, Bandung: CV Alfabeta,1999.
Guilford, J.P. and fruchter, B., Fundamental Statistics in Psycholoy and Education, New
York: McGraw-Hill Ltd, 1978.
Hair, Joseph F. Jr. cs., Multivariate Data Analysis, Upper Saddl River, NJ: Prentice Hall
International Inc., 1998.
Huitema, Bradley E. The Analysis 0f Covarians and Alternatives, New York: John Wiley
& Sons,1980.
Imam Ghazali, Applied Analisis Multivariat dengan Program SPSS, Semarang: Badan
Penerbit Universitas Diponegoro, 2001.
Kerlinger, F.N. and Pedhazur, E.J., Multiple Regression in Behavioral Research, New
York: Holt Rinehart and Winston, Inc., 1973.
Singgih Santoso, SPSS Statistik Multivariat, Jakarta: Elex Media Komputindo, 2002
Sutrisno Hadi, Statistik, Jilid 2, Yogyakarta: Penerbit Andi Offset, 1996.
Sutrisno Hadi, Analisis Regresi, Yoyakarta: UGM, 1986.
Sutrisno Hadi, Analisis Kovarians (Materi Kuliah Lembaga Pendidikan Doktor UGM),
Yogyakarta: UGM, 1984
Sudjana, Metoda Statistika, Bandung: Tarsito, 1992.
Sudjana, Teknik Analisis Regresi dan Korelasi bagi Para Peneliti, Penerbit “Tarsito”,
Bandung, 1992.
Sugiyono, Statistika untuk Penelitian, Bandung: Penerbit CV Alfabeta, 2002.
Sugiyono, Statistik Nonparametrik Untuk Penelitian, Bandung: PenerbitAlfabeta, 2004
Siegel, Sidney, and N.John Castellan, Jr. Nonparametric Statistics For The Behavioral
Sciences,
New York: McGraw-Hill, Inc.1988.
106
DAFTAR TABEL STATISTIK
Tabel I. Luas di bawah Lengkungsn Kurve Normal dari 0 sd Z

Tabel II. Nilai-nilai dalam Distribusi t
Tabel III. Nilai-nilai r Product Moment
Tabel IV. Harga-harga X dalam Test Binomial (harga-harga dalam table adalah 0,….)
Tabel V. Harga Factorial
Tabel VI. Nilai-nilai Chi Kuadrat
Tabel VIIa. Harga-harga Kritis r dalam Test RUN Satu Sampel,untuk α = 5 %
Tabel VIIb. Harga-harga Kritis r dalam Test RUN Dua Sampel,untuk α = 5 %
Tabel VIII. Harga-harga Kritis dalam Test Wilcoxon
Tabel IX. Harga-harga Kritis Man-Whitney U Test
Tabel X. Harga-harga Kritis dalam Test Kolmogorov-Smirnov
Tabe XI. Harga-harga z untuk Test Run Wald-Wolfowitz
Tabel XII. Tabel Nilai-nilai RHO
Tabel XIII. Harga-Harga Kritis Z dalam Observasi Distribusi Normal
Tabel XIV. Nilai-Nilai untuk Distribusi F
Tabel XV. Distribusi Tabel Q
Tabel XI. Tabel Liliefors (L)
107
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
108
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
109
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
110
∞ 0,674 1,282 1,645 1,960 2,326 2,576
TABEL III
NILAI-NILAI r PRODUCT MOMENT
Taraf Signif Taraf Signif Taraf Signif

N N N
5% 1% 5% 1% 5% 1%
3 0,997 0,999 27 0,381 0,487 55 0,266 0,345
4 0,950 0,990 28 0,374 0,478 60 0,254
0,330 0,317
5 0,878 0,959 29 0,367 0,470 65 0,244
6 0,811 0,917 30 0,361 0,463 70 0,235 0,306

7 0,754 0,874 31 0,355 0,456 75 0,227 0,296
8 0,707 0,834 32 0,349 0,449 80 0,220 0,286
9 0,666 0,798 33 0,344 0,442 85 0,213 0,278
10 0,632 0,765 34 0,339 0,436 90 0,207 0,270
11 0,602 0,735 35 0,334 0,430 95 0,202 0,263

12 0,576 0,708 36 0,329 0,424 10C 0,195 0,250
13 0,553 0,684 37 0,325 0,418 125 0,176 0,230
14 0,532 0,661 38 0,320 0,413 150 0,159 0,210
15 0,514 0,641 39 0,316 0,408 175 0,148 0,194
16 0,497 0,623 40 0,312 0,403 200 0,138 0,181

17 0,482 0,606 41 0,308 0,398 300 0,113 0,148
18 0,468 0,590 42 0,304 0,393 400 0,098 0,128
19 0,456 0,575 43 0,301 0,389 500 0,088 0,115
20 0444 0,561 44 0,297 0,384 600 0,080 0,105
21 0,433 0,549 45 0,294 0,380 700 0,074 0,097

22 0,423 0,537 46 0,291 0,376 800 0,070 0,091
23 0,413 0,526 47 0,288 0,372 900 0,065 0,086
24 0,404 0,515 48 0,284 0,368 1000 0,062 0,081
25 0,396 0,505 49 0,281 0,364
26 0,388 0,496 50 0,279 0,361
111
TABEL IV
HARGA-HARGA x DALAM TEST BINOMIAL

(Harga-harga dalam tabel adalah 0,....)
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
112
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
113
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
6 5,348 7,231 8,558 10,645 12,592 16,812

7 6,346 8,383 9,803 12,017 14,017 18,475
8 7,344 9,524 11,030 13,362 15,507 20,090
9 8,343 10,656 12,242 14,684 16,919 21,666
10 9,342 11,781 13,442 15,987 18,307 23,209
11 10,341 12,899 14,631 17,275 19,675 24,725

12 11,340 14,011 15,812 18,549 21,026 26,217
13 12,340 15,19 16,985 19,812 22,368 27,688
14 13,332 16,222 18,151 21,064 23,685 29,141
15 14,339 17,322 19,311 22,307 24,996 30,578
16 15,338 18,418 20,465 23,542 26,296 32,000

17 16,337 19,511 21,615 24,785 27,587 33,409
18 17,338 20,601 22,760 26,028 28,869 34,805
19 18,338 21,689 23,900 27,271 30,144 36,191
20 19,337 22,775 25,038 28,514 31,410 37,566
21 20,337 23,858 26,171 29,615 32,671 38,932

22 21,337 24,939 27,301 30,813 33,924 40,289
23 22,337 26,018 28,429 32,007 35,172 41,638
24 23,337 27,096 29,553 33,194 35,415 42,980
25 24,337 28,172 30,675 34,382 37,652 44,314
26 25,336 29,246 31,795 35,563 38,885 45,642

27 26,336 30,319 32,912 36,741 40,113 46,963
28 27,336 31,391 34,027 37,916 41,337 48,278
29 28,336 32,461 35,139 39,087 42,557 49,588
30 29,336 33,530 36,250 40,256 43,775 50,892
114
TABEL VIIa
HARGA-HARGA KRITIS r DALAM TEST RUN

SATU SAMPEL, UNTUK α = 5 %
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
115
TABEL Vllb
HARGA-HARGA KRITIS r DALAM TEST RUN

DUA SAMPEL, UNTUK α = 0,05
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
116
TABEL VIII
HARGA-HARGA KRITIS DALAM TEST WILCOXON
Tingkat Signifikansi Untuk Test Satu Fihak

(One Tail Test)
0,025 0,010 0,005

N
Tingkat Signifikansi Untuk Test Satu Fihak
(One Tail Test)
0,05 0,02 0,01

6 0
7 2 0
8 4 2 0
9 6 3 2
10 8 5 3
11 11 7 5
12 14 10 7
13 17 13 10
14 21 16 13
15 25 20 16
16 30 24 20
17 35 28 23
18 40 33 28
19 46 38 32
20 52 43 38
21 59 49 43
22 66 56 49
23 73 62 55
24 81 69 61
25 89 77 68
117
TABEL IX
HARGA-HARGA KRITIS MAN-WHITNEY U TEST
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
118
TABEL X
TABEL HARGA-HARGA KR1TIS
DALAM TEST KOLMOGOROV-SMIRNOV
One Tailed Test Two Tailed Test

N
α = 0,05 α = 0,01 α = 0,05 α = 0,01
3 3
4 4 4
5 4 5 5 5
6 5 6 5 6
7 5 6 6 6
8 5 6 6 7
9 6 7 6 7
10 6 7 7 8
11 6 8 7 8
12 6 8 7 8
13 7 8 7 9
14 7 8 8 9
15 7 9 8 9
16 7 9 8 10
17 8 9 8 10
18 8 10 9 10
19 8 10 9 10
20 8 10 9 11
21 8 10 9 11
22 9 11 9 11
23 9 11 10 11
24 9 11 10 12
25 9 11 10 12
26 9 11 10 12
27 9 12 10 12
28 10 12 11 13
29 10 12 11 13
30 10 12 11 13
35 11 13 12
40 11 14 13
119
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
120
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
Taraf Signif Taraf Signif

N N
5% 1% 5% 1%
5 1,000 16 0,506 0,665
6 0,886 1,000 18 0,475 0,626
7 0,786 0,929 20 0,450 0,591
3 0,738 0,881 22 0,428 0,562
9 0,683 0,833 24 0,409 0,537
10 0,648 0,794 23 0,392 0,515
12 0,591 0,777 28 0,377 0,496
14 0,544 0,715 30 0,364 0,478
121
TABEL XIII. HARGA-HARGA KRITIS Z DALAM OBSERVASI DISTRIBUSI
NORMAL
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
122
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
123
Distribusi F
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
124
Distribusi F
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
125
Distribusi F
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
126
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
127
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
128
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
129
TABEL XVI (Lanjutan)
TABEL LILIEFORS (L)
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
130

Buku Statistika-1-1

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Buku Statistika-1-1

Diunggah oleh

Hak Cipta:

Format Tersedia

Buku Ajar Statistika 1

Materi: Teknik Analisis dan Data Kuantitatif

Prof.Dr.I Wayan Koyan,M.Pd

BAB I. STATISTIK DESKRIPTIF ................................................................. 3

BAB II. STATISTIK INFERENSIAL (Rancangan Sampling dan Uji-t)

BAB III. ANALISIS VARIANS (UJI F/FISHER) .......................................... 37

BAB IV. UJI PERSYARATAN ANALISIS .................................................... 60

BAB V. STATISTIK NON PARAMETRIK

DAFTAR PUSTAKA ................................................................................... ... 102

Pengorganisasian materi perkuliahan dirancang menjadi beberapa bab sebagai

1. Statistik adalah kumpulan data, disajikan dalam bentuk table/daftar, gambar,

Bagan 1.1. Macam-macam Statistik

Gambar 1.2. Macam-macam Data

E. Teknik Penyajian Data

a. Tabel data nominal

Penyajian data nominal dapat digunakan tabel seperti contoh berikut.

Tabel 1.1. Tingkat Pendidikan Dosen FIP (data fiktif)

No Jurusan Tingkat Pendidikan

b. Tabel Data Ordinal

Rata-rata Kelas 79,6 -

Sumber Data: Administrasi Sekolah

c. Tabel Data Interval

Sumber Data: Bagian Akademik

4. Diagram lingkaran (Pie Chart)

5. Grafik Histogram dan Polygon

Gambar 1.5: Histogram Skor Statistik

Gambar 1.6: Polygon Skor Statistik

7. Grafik gambar (Pictogram)

Tabel 1.5. Distribusi Hasil Belajar Statistik 80 Mahasiswa

(Dikutip dari: Sudjana, 1975, p.48-49)

F. Pengukuran Tendensai Sentral (kecenderungan memusat)

Tabel 1.6. Distribusi Frekuensi Skor Tes Matematika Siswa SMA

Berdasarkan tabel di atas, mediannya adalah:

3. Mean (M = nilai rerata hitung )

4. Kurve Juling Positif

Gambar ini menunjukkan bahwa sebagian besar skor cenderung rendah

10. Kurve Juling Negatif

1. Rentang Data (range = R)

Varians adalah jumlah kuadrat semua deviasi nilai-nilai terhadap rata-rata

untuk sampel kecil

4. Standar Deviasi (simpangan baku)

6. Skor Baku (skor standar)

7. Kurve Normal dan Skor Standar (Skor Baku)

IQ SCORES 55 70 85 100 115 130 145

GRE SCORES 200 300 400 500 600 700 800

8. Menghitung Rata-rata Ideal dan Standar Deviasi Ideal

H. Teori Probabilitas (Teori Peluang)

(p+q)8 = n = 8 1 8 28 56 70 56 28 8 1......... 1/256

dan seterusnya sehingga terjadi kombinasi : n C r (Sutrisno Hadi, 1996: p.175).

Contoh lain, misalnya ada huruf A, B, C. Berapa kemungkinan pasangan yang

Kalau n = 5 dan r = 3, maka kombinasi yang terjadi adalah sebagai berikut.

(ini rumus untuk sampel besar)

Keterangan: SB X = bilangan salah baku angka rata-rata

dimana SB X = salah baku estimasi angka rata-rata

Hipotesis dapat didefinisikan sebagai pernyataan mengenai keadaan populasi

Keputusan H0 benar H0 salah

Menolak H0 Kesalahan Tidak ada

Menerima H0 Tidak ada Kesalahan

B. Hipotesis Penelitian dan Hipotesis Statistik

C. Pengujian Hipotesis Komparatif Dua Sampel (berkorelasi dan independent)

Tabel 2.2. Nilai Statistik Mahasiswa TP antara Sebelum Menggunakan Metode

Langkah-langkah yang ditempuh untuk menyelesaikan uji-t untuk sampel

Masukkan ke dalam rumus berikut.

25 1066 - 150 174