Kadir - Fitk
Kadir - Fitk
STATISTIKA
UNTUK PENELITIAN ILMU-ILMU SOSIAL
(Dilengkapi dengan Output Program SPSS)
KATA PENGANTAR
Segala puji dan syukur penulis panjatkan kehadirat Allah S.W.T., atas
curahan rahmat-Nya, akhirnya dapat menyelesaikan buku yang berjudul ”Statistika
untuk Penelitian Ilmu-Ilmu Sosial” yang merupakan rekaman dan pengembangan dari
bahan kuliah statistika yang penulis sampaikan pada jenjang S1, S2, dan S3.
Buku ini diperuntukkan terutama kepada mahasiswa dan peneliti pemula
yang ingin memahami dan menerapkan metoda statistika dalam penelitian
pendidikan, psikologi, ekonomi, hukum, manajemen, kesehatan masyarakat dan ilmu
sosial lainya dengan sasaran pembaca yang luas untuk berbagai kalangan. Buku ini
disusun dengan bahasa sederhana disertai contoh penggunaan statistika dan
pengujian hipotesis dengan ilustrasi bernuansa kontekstual bidang sosial. Hal ini
dimaksudkan untuk membantu para pembaca dalam memahami dan menggunakan
analisis statistika tanpa harus terlebih dahulu memiliki dasar matematika yang kuat.
Suksesnya penulisan buku ini tidak terlepas dari dukungan keluarga yang
senantiasa mendorong penulis untuk membukukan bahan-bahan kuliah statistika
yang dimiliki agar disebarluaskan dan dimanfaatkan untuk orang lain. Oleh karena itu
tidak berlebihan apabila penulis mempersembahkan buku ini kepada Salmah B,
S.Ag., Jihadin Sidqurrahman, dan Hikmah Kabriati Amaliah masing-masing sebagai
istri dan anak-anak penulis. Penulis juga mengucapkan terima kasih kepada saudara
Juredi yang bersedia membantu penulis menyunting penulisan buku ini, dan saudara
Suyanto dalam kapasitasnya sebagai pengelola penerbit Rosemata Sampurna yang
telah bersedia menerbitkan buku ini.
Pengetahuan statistika yang dimiliki penulis tidak terlepas dari ihtiar belajar
kepada dosen-dosen selama penulis menempuh studi. Beberapa dosen yang
berkesan bagi penulis antara lain: Prof. Dr. Djaali, Prof. Dr. Ir. Dali S Naga, Prof. E.T.
Ruseffendi, Ph.D., Prof. I Gusti Ngurah Agung, Ph.D., Prof. Bana G. Kartasasmita,
Ph.D., Dr. Sutawanir Darwis, dan Manangkasi, M.Si., masing-masing dari UNJ, UPI,
UI, ITB, dan UNM.
Dalam penyuntingan buku ini, penulis menyadari masih banyak terdapat
kekurangan, untuk itulah penulis memohonkan saran dan kritik yang sifatnya
membangun demi penyempurnaan karya ini. Kiranya karya ini dapat bermanfaat
bagi pembaca khususnya mahasiswa dan atau peneliti dalam melakukan penelitian
dalam rangka menjawab permasalahan-permasalahan sosial guna meningkatkan
kemampuan masyarakat menghadapi perubahan dan kehidupan sosial yang serba
cepat. Amien.
LAMPIRAN-LAMPIRAN
DAFTAR-A (Distribusi Binomial C xn px (1 - p) n -x) ................................................................ 291
-
DAFTAR-B (Fungsi Distribusi Poisson e x / x !)...................................................................... 296
DAFTAR-C (Fungsi Normal)......................................................................................................... 301
DAFTAR-D (Harga Kritik Korelasi Product Moment Person)........................................................ 302
DAFTAR-E (Harga Kritik Korelasi Tata Jenjang Spearman’s)...................................................... 303
DAFTAR-F (Harga Kritik untuk t) .................................................................................................. 304
DAFTAR-G (Harga Kritik untuk F) ................................................................................................ 305
DAFTAR-H (Harga Kritik 2) ........................................................................................................ 309
DAFTAR-I (Area dan Ordinat dari Kurva Normal {Longer}) .......................................................... 310
DAFTAR-J (Harga Kritik U Test {Mann Whitney}) ........................................................................ 320
DAFTAR-K (Nilai Kritis untuk Uji Bertanda Wilcoxon) .................................................................. 322
BAB I
PENDAHULUAN
A. Peranan Statistika
Statistika dan proses pembelajaran statistika menjadi strategis karena
didasari oleh pusat perhatian: Pertama, statistika merupakan suatu ilmu yang sangat
penting, bukan saja sebagai ilmu yang dipelajari pada jenjang pendidikan dasar,
menengah dan perguruan tinggi tetapi juga sebagai ilmu terapan. Sebagai ilmu
terapan, pemahaman dan penerapan terhadap literatur dalam bidang sosial seperti
pendidikan, psikologi, sosiologi, ekonomi, dan manajemen memerlukan pengetahuan
tentang metoda statistika. Hampir semua penemuan teori-teori baru diungkapkan
dalam bentuk statistika atau argumen yang melibatkan konsep-konsep statistika.
Kedua, kedudukan statistik dalam paradigma penelitian kuantitatif. Paradigma
kuantitatif yang juga disebut paradigma tradisional, positivistis, empiris, atau
deducto-hypothetico-verificatif memandang bahwa status ilmiah suatu penelitian
tergantung pada kemampuan peneliti dalam mengambil jarak dengan objek yang
ditelitinya. Dalam paradigma kuantitatif ini, aneka bias pribadi harus dikontrol dan
peneliti harus selalu bersifat objektif, bebas dari nilai-nilai serta mendasarkan diri
pada fakta dan evidensi. Dalam membuat laporan, peneliti menggunakan bahasa
formal berdasarkan aneka definisi dan istilah yang sudah lazim. Seluruh proses
penelitian dilaksanakan dengan pendekatan deduktif berupa pengujian hipotesis
yang dirumuskan sebelum penelitian dimulai dengan tujuan membuat generalisasi,
membuat prediksi, eksplanasi atau penjelasan dan pemahaman yang lebih baik
tentang fenomena tertentu. Paradigma kuantitatif melahirkan penelitian kuantitatif,
yakni penyelidikan tentang masalah kemasyarakatan atau kemanusiaan yang
didasarkan pada pengujian suatu teori yang tersusun atas variabel-variabel,
dikuantifikasi dengan bilangan-bilangan, dan dianalisis dengan prosedur-prosedur
statistik. Tujuannya adalah menentukan apakah generalisasi-generalisasi prediktif
dari teori terhadap populasi tertentu yang diselidiki teruji kebenarannya.
Peranan atau kedudukan statistika dalam penelitian kuantitatif secara rinci
terlihat dalam langkah-langkah dari metode ilmiah, yaitu sebagai berikut:
1) Merumuskan atau memformulasikan masalah;
2) Melakukan kajian/studi literatur berkenaan dengan masalah;
3) Membuat atau memformulasikan hipotesis penelitian;
4) Mengumpulkan dan mengolah data untuk menguji hipotesis;
5) Menarik atau membuat kesimpulan.
Berdasarkan sistematika metode ilmiah di atas menunjukkan bahwa langkah
pertama suatu metode ilmiah itu adanya permasalahan. Langkah kedua ialah
pengkajian tentang literatur, yaitu pendapat-pendapat, teori-teori, konsep-konsep,
hasil penelitian yang relevan dengan permasalahan. Literatur yang dikaji itu harus
representatif, artinya harus memuat berbagai pandangan; baik yang serupa maupun
pandangan yang tidak serupa. Bahkan perbedaan atau pertentangan suatu teori dan
hasil penelitian harus juga diperlihatkan. Dalam upaya memajukan ilmu
STATISTIKA SOSIAL 1
pengetahuan, bila suatu masalah sudah diteliti atau masalahnya sudah dipecahkan
sebaiknya masalah itu tidak diteliti lagi, sebab akan terjadi duplikasi; membuang-
buang waktu, tenaga, dan biaya, dan akhirnya tidak ada pengembangan ilmu
pengetahuan. Walaupun demikian, penelitian ulang dengan masalah yang sama atau
serupa diperbolehkan untuk dilakukan bila metode atau prosedur yang dilakukan
berbeda, misalnya dari segi instrumen, metode penelitian dan teori yang dijadikan
rujukan. Langkah ketiga yang harus ada pada metode ilmiah itu ialah adanya
hipotesis sebagai kesimpulan sementara yang dibangun berdasarkan teori dan
kerangka berpikir.
Langkah keempat dari metode ilmiah itu adanya pengumpulan dan
pengolahan data. Data itu dapat berupa hasil belajar, kemampuan, pendapat, sikap,
atau perbuatan (tingkah laku) yang telah dikuantifikasi dalam bentuk angka. Pada
langkah ini penggunaan statistika tidak dapat dihindari lagi. Teknik-teknik statistika
akan membantu peneliti menjelaskan dan menganalisis data yang ia peroleh.
Instrumen (tes, skala, dan wawancara) yang diperlukan, bila belum ada, harus
dibuat terlebih dahulu oleh peneliti. Agar memenuhi persyaratan kualitas instrumen,
yaitu dari segi validitas dan reliabilitasnya, instrumen tersebut harus diperiksa
ketepatan isinya kemudian diujicobakan. Kualitas instrumen dari segi validitas dan
reliabilitasnya tersebut dapat ditentukan dengan menggunakan prinsip korelasi dari
statistika. Selanjutnya responden atau sampel yang diminta menjawab tes,
skala/angket atau wawancara untuk menguji kebenaran hipotesis jelas tidak mungkin
seluruh populasi, misalnya rakyat Indonesia. Sehingga perlu dipilih sebagian saja
dari populasi yaitu responden/sampel yang betul-betul representatif atau mewakili
populasi yang akan diteliti. Dalam hal ini kita memerlukan teknik-teknik statistik untuk
memilih sampel yang representatif melalui proses randomisasi yang benar dan tepat
sesuai karakteristik populasi penelitian. Langkah kelima (terakhir) dari metode ilmiah
itu ialah adanya kesimpulan. Kesimpulan yang diperoleh melalui metode ilmiah
sifatnya lebih umum berupa generalisasi atau prediksi berdasarkan data sampel
representatif yang menggambarkan karakteristik populasi.
Dari penjelasan tentang paradigma penelitian kuantitatif dan metode ilmiah di
atas, menunjukan bahwa statistika merupakan alat atau pisau analisis yang handal
untuk menjelaskan masalah-masalah kuantitatif dalam penelitian sosial. Dengan kata
lain statistika atau analisis statistika merupakan teknik analisis yang khas pada
penelitian kuantitatif.
1. Pengertian Statistika
Kata statistik berasal dari bahasa Yunani ”status” atau dalam bahasa Inggris
”state” yang artinya negara. Arti negara dapat dimaknai secara lebih luas antara lain
sebagai keadaan atau data tentang bidang-bidang kehidupan dalam suatu negara.
Bidang-bidang kehidupan tersebut berbagai macam ragamnya, misalnya keadaan
pendidikan, kesehatan, ekonomi, industri, hukum, pertanian, militer, dan lain-lain.
Data atau keadaan bidang kehidupan tersebut terbagi lagi kedalam sub-sub yang
2 STATISTIKA SOSIAL
lebih kecil dan spesifik, misalnya untuk bidang pendidikan, kita dapat melihat data
atau keadaan tentang jenjang pendidikan, angka partisipasi pendidikan, guru, ragam
mata pelajaran, Dinas-dinas Pendidikan di seluruh provinsi. Bahkan sub-sub tersebut
dapat dijabarkan lagi menjadi data atau keadaan yang lebih spesifik lagi, misalnya
tentang guru dapat dilihat data atau keadaan tentang jumlah guru, jenjang pendidikan
guru, golongan, kompetensi guru, kurikulum dan jenis mata pelajaran, masa kerja
dan sistem penggajian guru.
Kata statistik sering dikacaukan dengan kata statistika. Sebagaimana telah
dijelaskan di atas, statistik diartikan untuk menunjukkan keadaan sesuatu, misalnya:
statistik penduduk, statistik kriminal, statistik pendidikan, dan statistik pertanian.
Dengan demikian pada hakekatnya, statistik itu terdiri dari fakta dan deskripsi,
misalnya Jakarta adalah ibu kota Negara RI adalah sebuah fakta, sedangkan jumlah
pengamen anak jalanan di Jakarta tergolong banyak adalah gambaran atau
deskripsi.
Fakta atau gambaran yang disampaikan melalui statistik itu haruslah bersifat
informatif, komunikatif, berguna, atau praktis. Oleh karena itu tampilan informasi
tersebut harus dikemas dan disarikan dalam gambaran-gambaran atau ringkasan
data yang sederhana. Sebagai contoh, bila kita ingin mengetahui rata-rata
kecelakaan lalulintas di jalan tol pada bulan Januari di kota Jakarta, pengamatannya
itu harus dilakukan pada setiap bulan Januari dari berbagai tahun. Statistikawan (ahli
statistika) setelah melakukan berbagai analisanya, menyajikan gambaran itu dalam
bentuk yang informatif, hemat, dan berguna, misalnya signifikansi rata-rata
kecelakaan per tahun dalam selang beberapa tahun. Cara atau prosedur untuk
mengumpulkan data, mengolah, menyajikan dan menguji hipotesis berdasarkan data
hasil pengamatan juga harus dinyatakan sehingga orang lain dapat mengerti dan
dapat mengecek hal yang sama untuk membandingkan hasilnya.
Dengan uraian yang terakhir itu, diperoleh rumusan tentang statistika.
Menurut para statistikawan, statistika adalah ilmu atau metode (cara), aturan untuk
mengumpulkan data, mengolah, menyajikan, menganalisis/interpretasi data, dan
menarik kesimpulan berdasarkan data.
2. Jenis Statistika
Dalam berbagai buku dan jurnal dapat dijumpai ragam atau macam statistika
sesuai dengan bidang penggunaannya, seperti statistika ekonomi, statistika
psikologi, statistika pertanian dan lain-lain. Secara garis besarnya jenis-jenis
statistika dapat digolongkan sebagai berikut:
a. Berdasarkan orientasi pembahasan, statistika dapat dibedakan atas: statistika
matematika dan statistika terapan. Statistika matematika (Mathematical statistics)
adalah statistika teoretik lebih berorientasi kepada pemahaman model dan
penurunan konsep dan rumus-rumus statistika secara matematis-teoretis,
misalnya model dan penurunan rumus-rumus dalam analisis regresi, statistik uji-t,
kemiringan, ketajaman, ekspektasi, galat, estimasi, dan lain-lain. Sedangkan
statistika terapan (Applied statistics) lebih berorientasi kepada pemahaman
STATISTIKA SOSIAL 3
konsep dan teknik-teknik statistika serta penggunaan atau terapannya dalam
berbagai bidang, misalnya statistika sosial.
b. Berdasarkan fase atau tujuan analisisnya, statistika dapat dibedakan atas
statistika deskriptif dan statistika inferensial. Pertama ialah fase yang hanya
berkenaan dengan pengumpulan, pengolahan, penganalisisan, dan penyajian
sebagian atau seluruh data (pengamatan) tanpa pengambilan kesimpulan. Fase
ini disebut fase statistika deskriptif. Dengan demikian, fase atau teknik statistika
deskriptif itu memungkinkan data kuantitatif yang lebih besar itu dinyatakan dalam
bentuk yang lebih sederhana. Misalnya, rata-rata yang mewakili sekumpulan
bilangan adalah lebih sederhana daripada setiap bilangan itu digambarkan satu
per satu. Tugas mencari rata-rata dari sekumpulan bilangan itu termasuk ke
dalam fase statistika deskriptif. Fase kedua adalah fase statistika yang berkenaan
dengan pengambilan kesimpulan mengenai keseluruhan data berdasarkan data
yang banyaknya lebih sedikit. Fase ini disebut fase statistika inferensi atau
induktif. Dengan demikian, fase atau teknik statistika inferensi ini memungkinkan
atau memudahkan peneliti mengambil kesimpulan atau membuat generalisasi,
prediksi dari data yang sedikit (sampel) untuk data yang lebih banyak (populasi).
c. Dilihat dari asumsi mengenai distribusi populasi data yang dianalisis, statistika
dapat dibedakan menjadi statistika parametrik dan statistika non-parametrik.
statistika parametrik adalah statistika yang didasarkan model distribusi normal
sedangkan statistika non-parametrik adalah statistika dengan teknik-teknik yang
tidak didasarkan pada model distribusi normal atau bebas distribusi.
d. Berdasarkan jumlah variabel terikat (independent variable), statistika dapat
dibedakan atas statistika univariat dan statistika multivariat. Teknik analisis
statistika yang melibatkan hanya satu variabel terikat atau satu varibel tolok ukur
(criterion) termasuk ke dalam statistika univariat, sedangkan teknik statistika yang
melibatkan lebih dari satu variabel terikat atau lebih dari satu varibel tolok ukur
(criterion) termasuk ke dalam statistika multivariat. Buku ini lebih kepada
pembahasan statistika univariat.
4 STATISTIKA SOSIAL
badan anak tersebut “panas sekali”. Informasi tersebut akan memberikan informasi
yang tidak cukup akurat mengenai suhu, karena besarnya subyektivitas makna suhu
itu. Akan tetapi bila kita menyatakan bahwa suhu badan anak tersebut adalah 420C
maka angka tersebut memberikan gambaran kuantitatif yang lebih obyektif mengenai
suhu yang kita maksudkan.
Makna suatu angka atau bilangan merupakan tanggung jawab kegiatan
pengukuran. Kegiatan pengukuran berkewajiban menjamin bahwa data dalam bentuk
angka atau bilangan hasil pengukuran adalah data yang valid, bahwa angka 320C
memiliki makna yang berbeda dengan angka 420C. Data yang valid hanya dapat
diperoleh dari instrumen yang valid pula. Oleh karena itu untuk memperoleh hasil
pengukuran yang mencerminkan keadaan sesungguhnya dari obyek ukur dibutuhkan
instrumen yang valid. Sebagai contoh untuk dapat menyatakan bahwa suhu badan
anak memang betul-betul 420C, maka kita membutuhkan termometer yang berfungsi
dengan baik (valid).
Validitas penelitian sangat tergantung pada validitas data yang diperoleh.
Bekerja dengan data yang tidak valid akan menghasilkan analisis dan interpretasi
data yang tidak berguna, karena tidak menggambarkan keadaan obyek penelitian
yang sesungguhnya. Hasil penelititian dan kesimpulan yang diperoleh dari data yang
tidak valid tidak hanya keliru tetapi juga dapat menyesatkan orang yang
menggunakan hasil penelitian tersebut. Dari uraian di atas, menunjukkan bahwa
pengukuran merupakan kegiatan penting dalam penelitian terutama untuk
memperoleh data yang valid dan akurat.
2. Macam Besaran
Secara umum besaran dapat dibagi atas dua bagian, yaitu besaran konstanta
dan besaran variabel. Konstanta diartikan sebagai besaran yang mempunyai nilai
tetap atau konstan, sedangkan variabel adalah besaran yang mempunyai nilai yang
berubah-ubah atau mempunyai variasi nilai. Konstanta sendiri terbagi atas konstanta
umum dan konstanta khusus. Konstanta umum (universal) artinya berlaku secara
umum di semua keadaan dan tempat, misalnya nilai = 3,14159 dan nilai e =
2,71828. Sedangkan konstanta khusus berlaku pada keadaan atau kasus khusus,
misalnya persamaan linear: Y = a X + b; a dan b adalah konstanta mewakili
sesuatu misalkan a adalah harga satuan dan b adalah konstanta pendapatan tetap.
Besaran yang disebut sebagai variabel juga terdiri atas dua, yaitu variabel
dalam arti suatu konsep yang mempunyai variasi nilai atau variabel yang diperoleh
tidak melalui peluang (variabel tak acak). Contoh variabel tak acak (non-random)
seperti tinggi badan, luas, kecepatan, kecerdasan, dan lain-lain. Sedangkan variabel
acak (random) adalah variabel yang nilainya diperoleh melalui proses peluang.
Contoh variabel acak antara lain adalah pemunculan angka atau gambar pada
pengetosan uang koin, muncul mata dadu 5 pada pelontaran dadu, fluktuasi nilai
mata uang di suatu bursa effect. Pembagian besaran atas konstanta dan variabel
dapat dilihat pada diagram berikut.
STATISTIKA SOSIAL 5
Besaran
Konstanta Variabel
3. Jenis Skala
Dalam penelitian kuantitatif jenis skala menentukan rumus dan statistika uji
yang seharusnya dipergunakan. Pada garis besarnya, dalam pengukuran ada empat
macam skala yang penting untuk diketahui, yaitu skala nominal, ordinal, interval, dan
rasio. Penjelasan keempat skala tersebut adalah sebagai berikut:
a. Skala Nominal
Skala nominal adalah pengelompokan, kategorisasi, identifikasi kejadian atau
fenomena ke dalam kelas-kelas atau kategori sehingga yang masuk ke dalam
satu kelas atau kategori adalah sama dalam hal atribut atau sifat. Kelas atau
kategori tersebut hanya nama untuk membedakan suatu kejadian atau peristiwa
dengan kejadian atau peristiwa lain. Perbedaan angka hanya menunjukan
adanya obyek atau subyek yang terpisah dan tidak sama. Skala nominal akan
menghasilkan data diskrit. Operasi matematika yang dapat berlaku terhadap jenis
skala demikian tidak ada, sebab datanya kualitatif. Perbedaan yang ada pada
skala ini sifatnya kualitatif. Tidak ada usaha untuk melihat ukuran kuantitatif objek
penelitian itu. Sebagai contoh klasifikasi jenis kelamin atas: Pria = 1, Wanita = 0,
nomor punggung pemain sepak bola, pengelompokan jenis pekerjaan atas 1 =
petani, 2 = pedagang, 3 = PNS, 4 = ABRI, 5 = wiraswasta, atau penomoran
capres dan cawapres dalam PEMILU tahun 2009 atas: Mega-Prabowo = 1, SBY-
Budiono = 2, JK-Wiranto = 3. Angka-angka dalam klasifikasi atau penomoran
tersebut tidaklah bermakna kuantitatif tetapi hanya sekadar pengelompokan atau
kategorisasi semata.
b. Skala Ordinal
Suatu hasil pengukuran disebut berada pada level ordinal kalau angkanya
berfungsi menunjukkan adanya penjenjangan atau ranking. Perbedaan angka
yang dimiliki obyek yang satu dari yang lain tidaklah menunjukkan adanya
perbedaan kuantitatif melainkan perbedaan jenjang kualitatif saja. Bila terdapat
6 STATISTIKA SOSIAL
jenjang 1, 2, 3 maka kita tidak dapat mengatakan bahwa jarak 3 - 2 sama dengan
2 -1, tetapi hanya berlaku bahwa 3>2, atau 2>1, atau 3>1. Jarak jenjang antara
dua angka berurutan tidak selalu sama. Sebagai contoh: pemberian nomor
pemenang pada kejuaraan tinju, urutan nomor rumah, kita mengetahui nomor 24
dan 126 itu misalnya ada di arah yang sama dari nomor 10, dan banyak rumah
antara nomor 24 dan nomor 126 lebih banyak daripada antara nomor 10 ke
nomor 24, tetapi belum tentu jarak dari nomor 24 ke nomor 126 lebih jauh
daripada jarak dari nomor 10 ke nomor 24. Contoh lain, adalah titik skala pada
skala sikap, yaitu: sangat setuju = 5, setuju = 4, netral = 3, tidak setuju = 2, dan
sangat tidak setuju = 1. Skala ordinal tidak bisa dikenakan perhitungan rerata
dan deviasi baku. Statistika yang berlaku pada skala ini disebut statistika urut
(order statistic).
c. Skala Interval
Hasil ukur berskala interval adalah hasil pengukuran ordinal yang memiliki jarak
antar jenjang yang tetap (selalu sama). Jadi dalam deretan 2, 3, 4, 5, 6, 7 maka
kita dapat mengatakan bahwa jarak 5 - 3 sama dengan jarak 7-5 atau 6 - 4. Skala
ini tidak memiliki harga nol mutlak sehingga kita tidak dapat mengatakan bahwa 6
adalah 2 x 3. Perbedaan angka pada level interval sudah mempunyai perbedaan
kuantitatif dan kualitatif. Data pada level interval dikenai operasi penjumlahan (+)
dan pengurangan (-). Sebagai contoh: angka-angka pada suhu termometer. Bila
pada skala ordinal statistika yang berlaku adalah statistika urut, maka pada skala
interval berlaku juga korelasi dan regresi.
d. Skala Rasio
Level rasio pada dasarnya adalah level interval yang memiliki harga nol mutlak,
artinya harga nol pada skala ini memang menunjukkan bahwa atribut yang diukur
sama sekali tidak ada pada obyek yang bersangkutan. Ukuran berat, panjang,
luas, volume, kecepatan, temperatur merupakan contoh data dengan level rasio.
Perhatikan berat sebuah benda. Apakah ada benda yang beratnya kosong (nol)?
Tentu saja ada, yaitu bila benda itu sudah dipindahkan dari tempat timbangan
atau benda itu beratnya relatif kecil sekali dibandingkan dengan berat satuan
pengukuran yang dipakai. Misalnya, bila secuil kapas ditimbang dengan neraca,
maka berat kapas itu kosong. Benda yang isinya nol, isinya tidak ada; benda
yang beratnya nol, beratnya tidak ada; benda yang luasnya nol, tidak mempunyai
luas; benda yang temperature derajat Kelvinnya nol, suhunya adalah nol (tidak
mempunyai panas). Pada skala jenis ini berlaku perbandingan, misalnya
berat benda 10 kg
= 2. Perlu diketahui bahwa kita selalu dapat mengubah
berat benda 5 kg
skala yang levelnya lebih tinggi kepada skala yang levelnya lebih rendah,
misalnya mengubah skala rasio kepada skala interval, skala interval kepada skala
ordinal, dan skala ordinal kepada skala nominal. Tetapi tidak sebaliknya.
Perbedaan diantara skala tersebut terlihat pada tabel berikut.
STATISTIKA SOSIAL 7
Skala Perbedaan Peringkat Jarak Sama Nol Mutlak
Nominal
Ordinal
Interval
Rasio
D. Pembulatan
Untuk memudahkan dalam analisis data, terkadang kita perlu membulatkan
bilangan atau data hasil penelitian. Dalam kehidupan sehari-hari kita juga sering tidak
teliti melihat angka-angka, misalnya ketika kita berbelanja di Swalayan. Harga pada
pakaian misalnya tertulis Rp. 99.999,- Jika tidak teliti kita sering menyimpulkan
bahwa harga pakaian tersebut hanya sekitar Rp.90.000,-. Padahal hanya kurang Rp
1 saja harga pakaian tersebut Rp.100.000,-. Apakah ini suatu strategi pemasaran?
Padahal dari segi kepraktisan, akan lebih baik bila harga barang tersebut ditulis Rp.
100.000,-, karena zaman kini terlalu susah mencari uang pengembalian sebesar Rp.
1,-
Untuk membulatkan suatu bilangan ada aturannya antara lain bergantung
pada satuan yang diminta. Aturan tersebut antara lain: aturan bilangan ke satuan
yang diminta, aturan bilangan genap atau aturan bilangan ganjil.
a. Aturan bilangan pada satuan yang diminta (cara biasa)
Misalkan kita ingin membulatkan 85,42 ke satuan, hasilnya 85, karena 0,42
belum mencapai 0,50. Sedangkan bila dibulatkan ke persepuluhan hasinya
adalah 85,4 karena bilangan 2 masih dibawah 5.
b. Aturan ”bilangan genap” dan ”bilangan ganjil”
Misalkan kita ingin membulatkan 17, 485 ke peratusan, hasilnya adalah 17,48
karena angka yang mendahului 5 adalah bilangan genap, yaitu angka 8, jadi
angka 5 tidak menambah angka yang mendahuluinya. Selanjutnya jika kita ingin
membulatkan 17, 475 ke peratusan, hasilnya adalah 17,48 karena angka yang
mendahului 5 adalah bilangan ganjil, yaitu angka 7, jadi angka 5 menambah
angka yang mendahuluinya. Aturan yang sering digunakan adalah aturan yang
kedua ini.
8 STATISTIKA SOSIAL
Cara (a) Cara (b) Cara langsung
5,3 5,2 5,25
6,8 6,8 6,75
2,5 2,4 2,48
2,7 2,6 2,66
4,8 4,8 4,75
22,1 21,8 21,89
Dari hasil penjumlahan diperoleh bahwa cara (b) lebih baik daripada cara (a)
karena hasilnya lebih dekat kepada penjumlahan yang sebenarnya, yaitu cara
langsung. Hal ini dapat dilihat dari selisih antara cara (a) dan cara langsung
sebesar (22,1 – 21,8 = 0,3) yang lebih lebih besar dari pada selisih antara cara
(b) dan cara langsung, yaitu sebesar (21,89 – 21,8 = 0,09).
X 4 5 6 7 .......
Y 150 200 250 300 .......
STATISTIKA SOSIAL 9
a
b
X 4 4,7 5 6 7
Sehingga diperoleh:
a = 4,7 – 4 = 0,7 dan b =5–4=1
c = Y – 150 dan d = 200 – 150 = 50
a c 0,7 c
Menurut aturan proporsi: c (0,7)(50) 35
b d 1 50
Selanjutnya untuk c = 35, dimasukkan ke persamaan c = Y – 150 atau
35 = Y – 150 Y = 185. Dengan demikian jika nilai X = 4,7 maka nilai yang
bersesuaian untuk Y = 185. Silahkan mencoba untuk interpolasi X = 4,2; X =
6,4; Y = 158; dan Y= 275.
2. Transformasi
Pada dasarnya istilah transformasi saat ini menjadi istilah umum, namun
demikian kita bisa mengingat kembali istilah-istilah ketika masih di jenjang
SMP/SMA, seperti pencerminan (refleksi), pergeseran (translasi), pemutaran
(rotasi), dan pembesaran/pengecilan (dilatasi). Istilah-istilah tersebut merupakan
bagian dari transformasi. Secara umum transformasi dapat diartikan sebagai
perubahan bentuk (form) menurut aturan atau rumus tertentu.
Secara garis besarnya transformasi terdiri atas dua, yaitu:transformasi linier dan
tranformasi nonlinier. Transformasi linear adalah transformasi yang grafiknya
diekspresikan dalam bentuk garis lurus atau perpencaran titik koordinatnya
berbentuk garis lurus. Sedangkan transformsi nonlinier adalah transformasi yang
grafik fungsinya tidak berbentuk garis linear. Transformasi non-linear antara lain
diperoleh dari fungsi atau persamaan kuadratis, logaritmis, trigonometri,
hiperbola, dan fungsi pecah. Pembahasan dalam buku ini lebih ditekankan pada
transformasi linear.Transformasi linier terjadi melalui hubungan fungsional yang
linier. Perhatikan contoh berikut.
X 0 2 4 6 8 10
Y 5 6 7 8 9 10
10 STATISTIKA SOSIAL
X
Rumus transformasi liniernya adalah Y 5 . Fungsi transformasi ini adalah
2
linier
F. Derajat Bebas
Derajat bebas atau kebebasan (degree of freedom) adalah banyaknya
kebebasan untuk memberi nilai kepada suatu variabel. Pemberian syarat kepada
suatu variabel menyebabkan berkurangnya derajat bebas. Dengan kata lain
makin banyak syarat yang diberikan kepada suatu variabel makin kecil derajat
bebasnya. Perhatikan contoh penentuan derajat bebas suatu variabel dengan
memberikan beberapa syarat. Jika kita diminta mengisi 6 kotak dengan bilangan
yang terdiri dari 6 angka (misal: 7,8,6,5,3, dan 2) dengan ketentuan:
a. Tanpa syarat
7 8 6 5 3 2
Sehingga 6 kotak terisi dengan bilangan 6 angka, yaitu 786532 jadi derajat
bebasnya adalah n = 6 atau (db) = 6. Secara umum derajat bebas tersebut
dapat dituliskan sebagai (db) = n
b. Dengan satu syarat
Misalkan kita diminta mengisikan ke dalam kotak dengan syarat bahwa
bilangan yang terdiri dari susunan 6 angka tersebut harus bilangan ganjil.
7 8 6 5 3
Tidak bebas
Dengan demikian kotak ke-6 nasibnya sudah tertentu (tak bebas), yaitu agar
bilangan dengan susunan 6 angka dapat diisikan ke dalam kotak maka
syaratnya kotak terakhir harus diisi dengan bilangan ganjil, hanya tiga
kemungkinan: 7, 5, dan 3. Jadi dari 6 kotak yang tersedia ada satu kotak yang
tidak bebas, yaitu kotak ke-6. Sehingga derajat bebasnya adalah (db) = 6 – 1
= 5.Secara umum derajat bebas tersebut dapat dituliskan sebagai (db) = n - 1
STATISTIKA SOSIAL 11
4 5 6 7 3
1 2 3 5 6
6 8 9 4 5
Tidak bebas
Tidak bebas
X1 + X2 + X3 + X4 + X5 + X6 + X7 = X
i 1
i
X
3
X13 + X23 + X33 + X4 + 3
X53 = i
i 1
4
1) (X
i 1
i Yi ) X i 1
i Y
i 1
i
12 STATISTIKA SOSIAL
n n
2) kX i = k X i , k adalah konstanta
i 1 i 1
n
3) k
i 1
nk ,k adalah konstanta
n n n
4) (aX i bYi ) a X i b Yi
i 1 i 1 i 1
2. Abjad Yunani
Beberapa simbol dalam statistika menggunakan abjad Yunani, oleh karena itu
untuk keperluan analisis statistika pada bab-bab selanjutnya, perlu diperkenalkan
simbol-simbol seperti pada tabel berikut ini.
H. Latihan
1. Jelaskan mengapa statistika memegang peranan penting dalam penelitian
kuantitatif.
2. Jelaskan kaitan disertai contoh antara statistika dan metode ilmiah.
3. Tuliskan semua padanan kata-kata yang sesuai dengan arti statistik.
4. Jelaskan perbedaan disertai ciri-ciri antara statistika deskriptif dan statistika
inferensial.
5. Jelaskan jenis-jenis statistika dan berikan contoh penggunaannya dalam
berbagai bidang.
6. Mengapa makna suatu angka atau bilangan merupakan tanggung jawab kegiatan
pengukuran?
STATISTIKA SOSIAL 13
7. Jelaskan perbedaan disertai ciri-ciri diantara skala nominal, ordinal, interval, dan
rasio.
8. Jumlahkan bilangan berikut: 15,25 km; 25,62 km; 76,36 km; 85,26 km, dengan
cara biasa, aturan bilangan genap/ganjil, dan cara langsung.
9. Lakukan interpolasi linear dari tabel berikut, untuk X = 6,3, berapa Y?
X 4 5 6 7
Y 150 200 250 300
X Y X
2
a. i i b. ij
i 1 i 1 j 1
14 STATISTIKA SOSIAL
BAB II
PENGUMPULAN DAN PENYAJIAN DATA
STATISTIKA SOSIAL 15
Bagaimana data dikumpulkan? Data dapat dikumpulkan melalui tes dan non-
tes. Pada umumnya, tes terdiri dari tipe uraian dan tipe objektif. Tipe objektif sendiri
terdiri dari bentuk benar-salah, pilihan-ganda, isian singkat, dan memasangkan.
Sedangkan non-tes dapat berupa karangan, melengkapkan kalimat, angket,
wawancara, dan observasi. Khusus untuk skala sikap, hingga sekarang dapat dipakai
model Likert, Diferensial Semantik, Thurstone, dan Guttman. Tetapi, bila data itu
sudah ada tentu kita tidak memerlukan instrumen (tes dan atau non-tes). Misalnya
bila kita memerlukan data tentang hasil ujian nasional (UN), dapat diperoleh dari
kantor Dinas Pendidikan, atau data tentang banyaknya pelanggaran lalulintas dapat
diperoleh dari kantor kepolisian. Semua data-data tersebut dikumpulkan dengan
menggunakan instrumen atau alat pengumpul data.
Secara visual jenis instrumen penelitian disajikan pada diagram berikut.
16 STATISTIKA SOSIAL
Selain itu, mengenai kecocokan instrumen yang sudah ada (baku) dengan data kita
dari segi konsep, dimensi, dan indikator yang melandasi instrumen baku tersebut.
2. Pengolahan Data
Mengolah data berarti membuat data ringkasan berdasarkan data mentah
hasil pengumpulan data dengan menggunakan rumus tertentu, misalnya menghitung
jumlah, rata-rata, proporsi (persentase), berbagai koefisien seperti koefisien variasi,
koefisien korelasi, koefisien determinasi, koefisien regresi.
Pengolahan data adalah pemberian skor, pengelompokkan, perhitungan, dan
sebagainya mengenai data yang kita miliki, yang kita peroleh melalui tahap
pengumpulan data. Soal-soal jawaban responden diberi skor. Kalau diperlukan skor
mentah itu diolah menjadi skor terolah atau menjadi nilai-nilai. Nilai-nilai yang
diperoleh, mungkin dikelompokkan ke dalam kelompok baik, sedang, dan kurang.
Atau mungkin juga, berdasarkan nilai-nilai responden dikelompokkan ke dalam
kelompok lulus dan tidak lulus, berhasil dan belum berhasil, melanjutkan dan bekerja,
dan sebagainya.
Pengolahan data itu diperlukan agar sesuatu itu dapat dilihat dan dipahami
dengan mudah dan cepat. Hasil pengolahan itu mungkin dijadikan dalam bentuk
tabel, distribusi frekuensi, diagram dahan dan daun.
B. Penyajian Data
1. Tabel Distribusi Frekuensi
Berikut ini data hasil penelitian tentang kompetensi mengajar 100 orang guru
di suatu kota tertentu (data fiktif).
45 70 49 65 53 65 65 53 74 57
57 75 60 70 75 78 70 74 63 65
63 63 80 63 80 63 65 74 65 65
53 65 50 65 74 65 63 65 74 70
74 65 65 53 65 65 70 85 70 78
70 45 70 70 63 70 70 65 70 74
60 70 74 57 74 74 63 65 74 70
65 74 65 74 74 65 74 75 75 75
75 60 75 75 60 75 78 60 78 78
70 78 63 80 80 63 80 90 70 85
Susunlah daftar distribusi frekuensi dari data tersebut!
a. Menentukan rentang (J) = data terbesar - data terkecil = 90 – 45 = 45
b. Menentukan banyaknya kelas (biasanya 5 – 15) atau dengan menggunakan
aturan Sturgess, dengan rumus:
banyaknya kelas (BK) = 1 + 3,3log 100 = 1 + 3,3 x 2 = 7,6 (karena proses
membilang maka ada dua, yaitu (BK) = 7 atau (BK) = 8)
STATISTIKA SOSIAL 17
Rentang (J) 45
c. Panjang kelas (p) = = 5,625 6
Banyak Kelas (BK) 8
Syarat: (BK).p ≥ J + 1, misalkan (BK) = 8, maka 8x6 ≥ 45+1 (benar)
d. Menyusun tabel distribusi frekuensi
18 STATISTIKA SOSIAL
Poligon
35
Frekuensi
30
Histogram
25
20
15
10
5
0
44,5 50,5 56,5 62,5 68,5 74,5 80,5 86,5 92,5
Skor Kompetensi Mengajar
Jika titik-titik tengah tiap sisi yang berdekatan kita hubungkan dan sisi
terakhir dihubungkan dengan setengah jarak kelas interval pada sumbu datar, maka
akan diperoleh bentuk yang disebut poligon frekuensi (lihat gambar).
STATISTIKA SOSIAL 19
Ozaiv-nya dapat dilihat di bawah ini:
120
Frekuensi
100
80
60
40
20
0
45
1 51
2 57
3 63
4 69
5 75
6 81
7 87
8 993
Skor Kompetensi Mengajar
20 STATISTIKA SOSIAL
Ozaiv-nya dapat dilihat di bawah ini:
120
100
80
60
40
20
0
1 2
45 513 57 4 63 5 69 6 75 7
81 8
87 9
93
Gambar 3. Ozaiv “Lebih Dari atau Sama Dengan”
4. Grafik/Diagram Data
Umumnya kita lebih cepat memahami penomena secara visual dari pada
membaca data melalui tabel. Karenanya, penyajian data dengan tabel, memiliki
kelemahan, yaitu tidak menggambarkan keseluruhan obyek secara cepat. Agar dapat
memberikan gambaran menyeluruh yang lebih cepat, data disajikan dalam bentuk
grafik atau diagram.
Beberapa hal penting yang harus diperhatikan dalam membuat diagram atau
grafik, antara lain. Pertama pemilihan sumbu (kecuali bila tidak diperlukan seperti
pada diagram lingkaran). Pada diagram umumnya ada dua buah sumbu, sumbu
tegak dan sumbu datar. Perpotongan kedua sumbu itu disebut titik pangkal, yang
biasanya diberi kode titik O (original). Kedua adalah memilih skala, pada skala biasa,
skala satuan pada sumbu datar itu sama panjang dengan satuan pada sumbu
tegaknya. Tetapi, boleh saja satuan skala pada sumbu tegak dan satuan skala pada
sumbu datar, tidak sama. Ketiga ukuran grafik/diagram, harus dibuat dengan
memperhatikan keseimbangan dari segi besar dan kecilnya, ataupun tinggi dan
pendeknya. Dapat menggunakan lompatan, pemotongan, atau pematahan. Berikut
ini adalah gambar (sistem koordinat) yang menunjukkan hubungan antara sumbu-
sumbu, titik pangkal, dan satuan skala tegak dan skala datar.
STATISTIKA SOSIAL 21
5
4
Sumbu Tegak
0
1 2 3 4 5
Titik Pangkal Sumbu Datar
Jika pada tabel judul ditulis pada bagian atas kepala kolom, maka judul
diagram atau keterangan tentang diagram itu ditulis di bawah diagram dan bila
diperlukan dilanjutkan dengan penulisan sumbernya.
Berikut ini akan dibahas bermacam-macam diagram, yaitu: diagram batang,
garis, lingkaran, batang dan daun, dan diagram interaksi.
1) Diagram Batang
Diagram batang adalah diagram yang berbentuk batang. Batang-batang yang
menunjukkan frekuensi dibuat terpisah satu sama lainnya. Batangnya boleh tegak
lurus (vertikal) atau sejajar dengan sumbu datar (horisontal). Setiap batang harus
mempunyai lebar yang sama. Panjang atau tinggi batang berbanding dengan
banyaknya data dari tiap jenis data. Diusahakan agar ruangan diagram melingkupi
batang yang terpanjang. Untuk lebih jelasnya perhatikan diagram dari tabel berikut.
22 STATISTIKA SOSIAL
Pertama-tama diagram batang yang akan dibuat tegak lurus sumbu datar.
Untuk setiap satu skala tegak mewakili 50 orang penduduk. Bila demikian, diagram
batangnya itu sebagai berikut.
500
Jumlah Penduduk
450
400
350
300
250
200
150
100
50
0
Mati Cacat Luka-luka Lain-lain
Diagram 2. Banyaknya Korban Peristiwa Kejahatan
Seperti sudah dikatakan di bagian depan, diagram batang boleh digambar mendatar,
misalnya program studi PAUD, MP, PEP, dan TP
Banyaknya Mahasiswa
Prog
PAUD
MP
PEP
TP
0 5 10 15 20 25 30 35
Prog Banyaknya Mahasiswa
STATISTIKA SOSIAL 23
Apabila banyaknya data atau frekuensi per kelompok terlalu besar, maka
data harus dipatahkan. Pada ujung batang yang dipatahkan harus ditulis
bilangannya. Untuk lebih jelasnya perhatikan diagram batang pada Tabel 5.
30,000 85.677
27,500
25,000
22,500
20,000
Banyak Murid
17,500
15,000
12,500
10,000
7,500
5,000
2,500
0
SMEP SMEA SKKP SKKA SMP SMA SPG STP STM
Jenis Sekolah
24 STATISTIKA SOSIAL
Tabel 6. Rata-rata Pendapatan, Pengeluaran dan Defisit
Guru SD dan SLTP di Jawa Barat per Bulan
Jenis Guru Sekolah Pendapatan Pengeluaran Defisit
GSLTPK
GSLTPD Defisit
Pengeluaran
Pendapatan
GSDK
GSDD
STATISTIKA SOSIAL 25
Sebagai contoh lain kita buat diagram batang komponen untuk Tabel 7.
Tabel 7. Banyaknya Korban Jiwa Menurut Sasaran Peristiwa Kejahatan dan Jenis Kelamin
Lain-lain 45 55 100
Sumber: Data fiktif
180
160
140
Laki-laki
120
Perempuan
Jumlah
100
80
60
40
20
0
RT P RT dan P Lain-lain
Diagram 6. Banyaknya Korban Jiwa Menurut Sasaran
Peristiwa Kejahatan dan Jenis Kelamin
2) Diagram Garis
Diagram garis berguna untuk menunjukkan kecenderungan dalam periode
tertentu. Perubahan dapat berupa kenaikan, penurunan, atau tetap. Perhatikan
diagram 7 ( = data tidak dimulai dari titik nol/ada lompatan).
26 STATISTIKA SOSIAL
Tabel 8. Peristiwa Kejahatan Terhadap Jiwa Menurut Jenis Kejahatan di Indonesia
Tahun 1991
Jenis Kejahatan Per 100.000 Penduduk
Pembunuhan 2
Penganiayaan 47
Penculikan 7
Perkosaan 1
Perzinahan 5
Penghinaan 23
Lain-lain 74
Jumlah 159
Sumber : Statistik Kriminal, BPS, (1991): Data Diolah Kembali
80
70
60
50
Jumlah
40
30
20
10
0
n
n
an
n
n
an
an
a
aa
a
i
-la
ah
h
a
ya
lik
os
nu
in
in
u
a
in
h
nc
La
rk
ni
bu
rz
ng
a
Pe
Pe
Pe
m
ng
Pe
Pe
Pe
Diagram garis dapat melukiskan dua macam data atau lebih dalam periode
tertentu.
.
3) Diagram Lingkaran
Diagram lingkaran dipakai bila banyak komponen yang akan kita bandingkan
tidak banyak. Contoh, untuk melihat perbandingan jumlah pelanggaran bidang
ekonomi di antara wilayah Jawa, Sumatera, dan lainnya pada tahun 1994 yang
tercantum pada Tabel 9 dapat digunakan diagram lingkaran seperti pada Diagram 8.
STATISTIKA SOSIAL 27
Tabel 9. Jumlah Pelanggaran Bidang Ekonomi di Tiga Wilayah Tahun 1994
Wilayah Frekuensi Dalam Persen
Jawa 60 50
Sumatera 40 33
Lainnya 20 17
Jumlah 120 100
Sumber : J. Supranto, Statistika Bidang Hukum
Lainnya
17%
Jaw a
50%
Sumatera
33%
Lainnya
17%
Diagram 9. Jumlah Pelanggaran
Bidang Ekonomi di Tiga Wilayah
Jaw a (Jawa, Sumatera, dan lainnya)
50%
Tahun 1994
Sumatera
33%
28 STATISTIKA SOSIAL
Dalam membuat diagram lingkaran, kita menganggap jumlah pelanggaran bidang
ekonomi itu sama dengan luas sebuah daerah lingkaran. Untuk memperoleh porsi
masing-masing, kita harus membagi luas daerah lingkaran itu (melalui titik pusatnya)
menjadi tiga bagian yang luasnya masing-masing sebanding dengan banyaknya
pelanggaran bidang ekonomi pada wilayah Jawa, Sumatera, dan lainnya. Mengingat
luas daerah juring lingkaran itu sebanding dengan besar sudut pusat, maka agar
lebih mudah, porsi dari lingkaran untuk pelanggaran bidang ekonomi wilayah Jawa,
Sumatera, dan lainnya dinyatakan dalam derajat. Dengan demikian maka :
60
Wilayah Jawa diwakili oleh: 360 180
120
40
Wilayah Sumatera diwakili oleh: 360 120
120
20
Wilayah Lainnya diwakili oleh: 360 60
120
daun
Dahan
STATISTIKA SOSIAL 29
Dengan demikian diagram dahan dan daun menjadi sebagai berikut.
Dahan Daun
3 589
4 2578
5 00245
6 012455567778899
7 2345688889
8 013456
9 13568
Dari diagram diatas dapat diperoleh keterangan mengenai data:
data asli muncul, jika susunan angka di balik nampak seperti histogram
jumlah dahan, dan daun
nilai median terletak antar 68 – 69
biasa digunakan untuk menggambarkan pola sebaran bagi data yang
berukuran kecil.
C. Latihan
30 STATISTIKA SOSIAL
3. Buat diagram batang dari tabel berikut.
Siswa yang Terserap Menurut Jenjang Pendidikan
Tingkat Pendidikan Siswa Penduduk
PAUD 7.915,912 28.235,400
SD/MI 24.090,188 25.473,400
SMP/MTs 7.803,059 12.963,200
SMA/MA 5.031,734 12.697,000
PT 3.551,092 24.911,900
Sumber: Balitbang Diknas 2003/2004
.
4. Buat diagram lingkaran dari tabel berikut.
Faktor Penentu Keunggulan Suatu Negara
Faktor Peranan (%)
Innovation & Creativity 45
Networking 25
Technology 20
Natural Resources 10
Sumber: Hasil evaluasi 150 negara UNDP (1995)
78 48 81 81 90 92 53 70 80 86
86 92 56 73 85 66 93 51 65 75
75 83 74 68 76 91 72 71 93 88
77 62 97 81 97 82 59 95 72 85
75 83 61 63 85 66 88 70 75 89
82 83 67 71 79 84 72 94 75 63
98 43 67 72 36 49 91 60 80 70
81 91 79 82 73 71 30 74 83 90
Pertanyaan:
a. Susunlah daftar distribusi frekuensi dari data tersebut.
b. Susunlan daftar distribusi frekuensi relatif dan distribusi kumulatif.
c. Buatlah histogram dan polygon frekuensi.
d. Buatlah ogive ”kurang dari” dan ogive ” lebih dari atau sama”
e. Susunlah diagram ”dahan” dan ”daun”
STATISTIKA SOSIAL 31
BAB III
UKURAN KECENDERUNGAN MEMUSAT DAN UKURAN PENYEBARAN
a. Rata-rata (Mean)
Rata-rata atau mean adalah estimasi terhadap nilai tertentu yang mewakili
seluruh data. Mean dinotasikan dengan X (dibaca eks bar) dan dirumuskan
sebagai berikut: X
X i
, i = 1, 2, 3,…………n, untuk data di atas, maka
n
rata-rata (mean)-nya adalah:
62 65 58 90 75 79 82 91 75 75 75 95 922
X 76,83
12 12
b. Median (Me)
Median didefinisikan sebagai ukuran tengah setelah data diurutkan. Untuk data di
atas, mediannya dapat dicari dengan cara sebagai berikut.
Data terlebih dahulu diurutkan;
58 62 65 75 75 75 75 79 82 90 91 95
75 75
75
2
Jika data tunggal jumlahnya cukup banyak, penentuan median dapat juga dicari
dengan rumus median (Me) = X n 1 bila jumlah data ganjil, dan rumus median
2
32 STATISTIKA SOSIAL
1
(Me) = X n X n bila jumlah data genap Untuk contoh diatas, kita
2 2 2
1
1
gunakan rumus median data genap (Me) = Xn Xn =
2 2 2
1
1
X 12 X 12 = 1 X 6 X 61 = 1 X 6 X 7 = 1 75 75 75
2 2 2
1
2 2 2
c. Modus (Mo)
Modus dari suatu distribusi data adalah nilai yang paling sering terjadi atau nilai
dengan frekuensi terbanyak. Untuk data di atas, maka modusnya adalah: Mo =
75. Karena bilangan 75 paling sering tampil.
d. Kuartil (Q)
Untuk memahami Quartil suatu data dapat dilihat ilustrasi berikut.
I II III IV
Q1 Q2 Q3
Berdasarkan ilustrasi di atas menunjukkan bahwa pada quartil data terbagi
menjadi empat bagian sama, dengan pembagi (Q1, Q2, dan Q3). Logika tiga
pembagi ini dapat analogikan dengan seseorang yang ingin yang memotong
sebatang kayu menjad empati bagian yang sama. Berapa kali ia harus memotong
dan bagaimana strateginya? Jika ia cermat, maka langkah pertama yang ia
lakukan adalah memotong tepat di tengah sama panjang batang kayu itu.
Masing-masing dua potong kayu tersebut dilakukan pemotongan lagi tepat di
tengahnya, sehingga menjadi empat potong sama panjang, dengan tiga kali
memotong. Tiga kali memotong inilah analogi dari pengertian (Q1, Q2, dan Q3).
Dari ilustrasi ini, quartil dapat diartikan sebagai ukuran per-empatan data. Ukuran
quartil untuk data di atas ditentukan sebagai berikut.
58 62 65 75 75 75 75 79 82 90 91 95
65 75 75 75 82 90
Q1 70 , Q 2 75 , Q 3 86
2 2 2
Untuk kasus dengan sekumpulan data tunggal yang lebih banyak, quartil dapat
i(n 1)
ditentukan dengan menggunakan rumus letak: , i 1, 2, 3 ,
4
STATISTIKA SOSIAL 33
Misalnya kita akan mencari Q3, maka terlebih dahulu ditentukan letak Q3:
3(n 1) 3(12 1)
= 9,75 , sehingga:
4 4
Q3 = data ke-9 + 0,75 (data ke-10 dikurangi data ke-9)
Q3 = 82 + 0,75 (90 - 82) = 82 + 0,75 (8) = 82 + 6 = 88. Disini terlihat adanya
perbedaan hasil perhitungan antara cara langsung dan yang menggunakan
rumus. Cara langsung lebih akurat dibanding dengan menggunakan rumus.
Penggunakan rumus dapat berdampak kepada adanya pembulatan atau reduksi
dari rumus tersebut. Begitupula untuk Q1 dan Q2. Hasil di yang diperoleh
menunjukan bahwa nilai median (Me) = Q2
e. Desil
Bila Quartil membagi data menjadi empat bagian sama maka Desil membagi data
menjadi sepuluh bagian sama. Dengan demikian terdapat sembilan nilai Desil
yaitu, D1, D2, D3,…………… D9. Untuk menentukan nilai suatu Desil terlebih
dahulu ditentukan letak Desil dengan rumus:
i(n 1)
, i 1, 2, 3,......... ...... 9. Sebagai contoh akan dicari D5.
10
5(12 1)
Letak D5 = 6,5 .
10
Sehingga nilai D5 = data ke-6 + 0,5 (data ke-7 dikurangi data ke-6). Sehingga nilai
D5 = 75 + 0,5 (75 – 75) = 75 + 0 = 75. Nampak bahwa hasil yang diperoleh
menunjukkan Q2 = D5 . Silahkan cari nilai Desil yang lain.
f. Persentil
Dengan menggunakan analisis sama pada Desil, maka Persentil membagi data
menjadi 100 bagian sama. Dengan demikian terdapat 99 nilai Persentil yaitu, P1,
P2, P3,…………… P99. Untuk menentukan nilai suatu Persentil terlebih dahulu
ditentukan letak Persentil dengan rumus:
i(n 1)
, i 1, 2, 3,......... ...... 99. Sebagai contoh akan dicari P50.
100
50(12 1)
letak Presentil = 6,5 .
100
Sehingga:nilai P50 = data ke-6 + 0,5 (data ke-7 dikurangi data ke-6).
Sehingga nilai P50 = 75 + 0,5 (75 – 75) = 75 + 0 = 75. Dengan cara yang sama
diperoleh P10 = 4,2 dan P90 = 8,8. Nampak bahwa hasil-hasil yang diperoleh
menunjukkan Q2 = D5 = P50 . Silahkan cari nilai Persentil yang lain, dan
perlihatkan bahwa Q3 = P75
34 STATISTIKA SOSIAL
2. Data Kelompok (Bergolong)
Data kelompok adalah data yang dikelompokan menurut kelas-kelas dengan
panjang kelas tertentu. Pengelompokan data atas kelas interval akan bermakna
terutama bila kita berhadapan dengan data dalam jumlah besar, sehingga
menyulitkan untuk menyusun ukuran pemusatan dalam bentuk data tunggal
(individu).
a. Rerata (Mean)
Untuk menentukan Mean dari data distribusi frekuensi di atas dibuat tabel seperti
berikut.
Tabel 10. Daftar Distribusi Frekuensi Kompetensi Mengajar Guru
Nilai (f) Nilai tengah f. x
(x)
45 - 50 4 47,5 190
51 - 56 4 53,5 214
57 - 62 8 59,5 476
63 - 68 30 65,5 1965
69 - 74 31 71,5 2216,5
75 - 80 20 77,5 1550
81 - 86 2 83,5 167
87 - 92 1 89,5 89,5
Jumlah 100 - 6868
Sehingga Mean ( X ) =
f .x 6868 68,68
f 100
b. Median (Me)
Berdasarkan tabel 10 ditentukan median dengan terlebih dahulu dicari letak
n
median, yaitu: ½ dari seluruh data = ( ) atau ½ x 100 = 50 (lihat frekuensi
2
kumulatif). Jadi median akan terletak pada kelas interval ke lima.
STATISTIKA SOSIAL 35
Rumus Median:
1
n - F
Me = b + p 2
f
Dimana:
Me = median
b = batas bawah kelas median (batas bawah – 0,5)
p = panjang kelas
n = banyak data
F = jumlah frekuensi kelas-kelas sebelum kelas median
f = frekuensi kelas median
n 100
Letak median adalah = 50 , berada pada frekuensi kumulatif yang
2 2
memuat 50, yaitu 77 (frekuensi kumulatif 46 belum memuat nilai 50). Perhatikan
frekuensi kumulatif pada tabel berikut.
Tabel 11. Daftar Distribusi Frekuensi Kumulatif
Nilai (f) f. kumulatif
45 - 50 4 4
51 - 56 4 8
57 - 62 8 16
63 - 68 30 46
69 - 74 31 77
75 - 80 20 97
81 - 86 2 99
87 - 92 1 100
Jumlah 100 -
sehingga diperoleh nilai median:
50 - 46 4
Me = 68,5 + 6 = 68,5 + 6( ) = 68,5 + 0,774 = 69,27
31 31
c. Modus (Mo)
Berdasarkan tabel 10, dihitung Modus data berkelompok di atas dengan
menggunakan rumus sebagai berikut:
d1
Mo = b + p
d1 + d2
36 STATISTIKA SOSIAL
Dimana :
Mo = modus
b = batas bawah kelas modus
p = panjang kelas
d1 = selisih frekuensi kelas modus dengan frekuensi kelas sebelumnya
d2 = selisih frekuensi kelas modus dengan frekuensi kelas sesudahnya
Letak modus ditentukan berdasarkan pada kelas interval dengan frekuensi yang
paling besar, yaitu pada (69 – 74)
(31- 30)
Mo = 68,5 + 6
(31- 30) (31- 20)
1
Mo = 68,5 + 6 = 69
12
d. Quartil
Dengan menggunakan analisis yang sama pada penentuan letak median dan
nilai median pada data tabel 11 di atas, maka penentuan letak Quartil dan nilai
Quartil dilakukan sebagai berikut.
in
Letak Quartil ditentukan dengan rumus: , dimana i adalah Quartil ke-i
4
dan n banyak data.
in
- F
Qi = b + p 4
f
dimana:
Qi = Quartil ke-i
b = batas bawah kelas Qi, ialah kelas interval dimana Qi akan terletak,
p = panjang kelas
F = jumlah frekuensi sebelum kelas Quartil ke-i
f = frekuensi kelas Quartil ke-i
Perhitungan Q1, Q2 dan Q3 dtentukan dengan langkah-langkah sebagai berikut:
.
STATISTIKA SOSIAL 37
Menentukan nilai “ Q1 “ (Quartil ke-1)?
100
letak Q1 : 1x = 25 atau Quartil ke- 1 akan terletak pada interval kelas ke-
4
4 (karena angka 25 berada pada frekuensi kumulatif = 46). Hal ini nampak pada
tabel berikut ini.
Tabel 12. Daftar Distribusi Frekuensi Kumulatif
Nilai (f) f. kumulatif
45 - 50 4 4
51 - 56 4 8
57 - 62 8 16
63 - 68 30 46
69 - 74 31 77
75 - 80 20 97
81 - 86 2 99
87 - 92 1 100
Jumlah 100 -
Sehingga:
(25 - 16)
Q1 = 62,5 + 6
30
9
Q1 = 62,5 + 6 = 62,5 + 1,8 = 64,3
30
(50 - 46)
Q 2 = 68,5 + 6
31
4
Q 2 = 68,5 + 6 = 62,5 + 0,774 = 69,27
31
Dari hasil ini terlihat bahwa Q2 = Median (Me) = 69,27
38 STATISTIKA SOSIAL
100
letak Q3 = 3x = 75 atau Quartil ke- 3 masih akan terletak pada interval
4
kelas ke- 5 (angka 75 berada pada frekuensi kumulatif = 77).
(75 - 46) 29
Q 3 = 68,5 + 6 = 68,5 + 6 = 62,5 + 5,6129 = 74,11.
31 31
Dari hasil perhitungan pada tabel 10 di atas diperoleh statistik kecenderungen
memusat meliputi:: Mean ( X ) = 68,68 ; Median (Me) = Q2 = 69,27 ; Modus
(Mo) = 69 ; Quartil : Q1 = 64,3 dan Q3 = 74,11.
e. Desil
Dengan menggunakan analisis yang sama pada penentuan letak Quartil dan nilai
Quartil pada data tabel 12 di atas, maka penentuan letak Desil dan nilai Desil
dilakukan sebagai berikut.
in
Letak Quartil ditentukan dengan rumus: , dimana i adalah Desil ke-i (i =
10
1, 2, 3,............9) dan n banyaknya data.
dimana:
Di = desil ke-i
b = batas bawah kelas Di, ialah kelas interval dimana Di akan terletak,
p = panjang kelas
F = jumlah frekuensi sebelum kelas desil ke-i
f = frekuensi kelas desil ke-i
Sebagaimana telah dibahas pada Desil data tunggal, diketahui bahwa nilai Desil
ada 9 buah, yaitu: D1, D2, D3,.....D9. Contoh kita kali ini diberikan Desil ke-8 atau
D8.
STATISTIKA SOSIAL 39
Hal ini nampak pada tabel berikut ini.
Sehingga:
(80 - 77)
D 8 = 74,5 + 6
20
3
D 8 = 74,5 + 6
20
D8 = 74,5 + 0,9 = 75,4
Silahkan mencoba: D1, D2, D3, D4, D5, D6, D7, dan D9.
f. Persentil
Dengan menggunakan analisis yang sama pada penentuan letak Desil dan nilai
Desil pada data tabel 13 di atas, maka penentuan letak Persentil dan nilai
Persentil dilakukan sebagai berikut.
in
Letak Quartil ditentukan dengan rumus: , dimana i adalah Persentil
100
ke-i dengan (i = 1, 2, 3,............99) dan n banyaknya data.
40 STATISTIKA SOSIAL
Persentil Pi (i = 1, 2, 3, ............99) dihitung dengan rumus:
in
- F
Pi = b + p 100
f
dimana:
Pi = persentil ke-i
b = batas bawah kelas Pi, ialah kelas interval dimana Pi akan terletak,
p = panjang kelas
F = jumlah frekuensi sebelum kelas persentil ke-i
f = frekuensi kelas persentil ke-i
Sehingga:
(75 - 46)
P75 = 68,5 + 6
31
29
P75 = 68,5 + 6 = 62,5 + 5,6129 = 74,11
31
STATISTIKA SOSIAL 41
Dengan cara yang sama diperoleh P10 = 58 dan P90 = 76,45. Silahkan mencoba nilai-
nilai untuk Persentil: P25, P50, P65, P78, P90 dan P95.
1. Data Tunggal
Untuk memahami ukuran penyebaran, berikut diberikan data hasil ujian
statistika mahasiswa (skala 0 -10): 9, 7, 6, 5, 5, 6, 4, 7, 8, 8, 7. Selanjutnya
dari data ini akan ditentukan ukuran dispersi dan variabilitasnya.
a. Rentang (R)
Rentang adalah data terbesar (DB) dikurangi data terkecil (DK), atau R = DB –
DK. Untuk data hasil ujian di atas, maka: Rentang = 9 – 4 = 5.
4, 5, 5, 6, 6, 7, 7, 7, 8, 8, 9
Q1 Q2 Q3
Sehinggan rentang antar Quartil (RAK) = 8 - 5 = 3
42 STATISTIKA SOSIAL
Sehinggan rata-rata Simpangan (RS) =
4 - 6,55 2. 5 - 6,55 2. 6 - 6,55 3. 7 - 6,55 2. 8 - 6,55 9 - 6,55
= 1,41
11
fx - ( fx i ) 2 /n fx - ( fx i ) 2 /n
2 2
i i
s , dan yang populasi
n -1 n
Standar deviasi untuk data 9, 7, 6, 5, 5, 6, 4, 7, 8, 8, 7 dapat dihitung
dengan menggunakan tabel sebagai berikut.
STATISTIKA SOSIAL 43
Standar Deviasi
KV x 100% . Sehingga koefisien varians untuk data di atas
Rata - rata
1,508
adalah (KV) = x 100% = 23,02%. Artinya jarak atau kedekatan variasi data
6,55
ke rata-rata adalah 23,02%.
Mo me me mo
(i) miring positif (ii) miring negatif
44 STATISTIKA SOSIAL
1
(Q 3 - Q 1 )
4 2 dengan,
P90 P10
Q1 = Quartil pertama
Q3 = Quartil ketiga
P90 = Persentil ke 90
P10 = Persentil ke 10
Kriteria untuk koefisien 4 sebagai berikut:
(1) Jika 4 0,263 maka model kurva runcing (leptokurtis)
(2) Jika 4 = 0,263 maka model kurva normal (mesokurtis)
(3) Jika 4 0,263 maka model kurva datar (platikurtis)
1 1
(Q 3 - Q 1 ) (8 - 5)
2 2 1,5
4 = 0,326 .
P90 P10 8,8 4,2 4,6
STATISTIKA SOSIAL 45
Tabel 16. Perhitungan Skor Baku
Xi fi Mean Standar Zi
deviasi
4 1 -1,691
5 2 -1,028
6 2 X 6,55 s = 1,508 -0,365
7 3 0,298
8 2 0,962
9 1 1,625
Jumlah 11 -
2. Data Kelompok
Penentuan ukuran penyebaran data berkelompok, berdasarkan data
kompetensi mengajar guru yang diuraikan dibagian depan. Adapun hasil-hasil
perhitungan yang telah diperoleh disarikan pada tabel berikut.
Tabel 17. Statistika Kompetensi Mengajar Guru
Statistik Frekuensi (f)
n 100
Min 45
Maks 90
Mean ( x ) 68,68
Median (Me) 69,27
Modus (Mo) 69
Quartil-1 (Q1) 64,3
Quartil-3 (Q3) 74,11
Persentil-10 (P10)
58
Persentil-90 (P90)
76,45
a. Rentang
Sebagaimana telah diuraikan di depan bahwa rentang adalah data terbesar
dikurangi data terkecil, atau Rentang = DB – DK. Untuk data kompetensi
mengajar guru yang diuraikan di depan diperoleh, maka rentangnya: adalah
90 – 45 = 45.
b. Rentang antar Quartil (RAQ)
Dari hasil perhitungan diperoleh Q3 = 7,11 dan Q1 = 64,3, sehingga rentang antar
Quartil (RAQ) = Q3 - Q1 = 74,11 - 64,3 = 9,81.
46 STATISTIKA SOSIAL
c. Simpangan Quartil (SQ)
Simpangan Quartil atau rentang semi antar Quartil adalah setengah dari
rentang antar Quartil, atau SQ = ½ (Q3 - Q1) = ½ ( 74,11 - 64,3) = ½ x 9,81
= 4,905
RS =
f X i -X
N
Langkah selanjutnya adalah membuat tabel sesuai kebutuhan yang pada rumus
di atas sebagai berikut.
Tabel 18. Perhitungan Rata-rata Simpangan
(xi) f X Xi - X Xi - X f. Xi - X
47,5 4 -21,18 21,18 84,72
53,5 4 -15,18 15,18 60,72
59,5 8 68,68 -9,18 9,18 73,44
65,5 30 -3,18 3,18 95,40
71,5 31 2,82 2,82 87,42
77,5 20 8,82 8,82 176,40
83,5 2 14,82 14,82 29,64
89,5 1 20,82 20,82 20,82
Jumlah 100 - 628,56
fx - ( fx i ) 2 /n
2
i
frekuensi dirumuskan sebagai: s
n -1
STATISTIKA SOSIAL 47
Tabel 19. Perhitungan Standar Deviasi dan Varians
Xi fi Xi2 fi Xi fi Xi2
47,5 4 2256,25 190,00 9025,00
53,5 4 2862,25 214,00 11449,00
59,5 8 3540,25 476,00 28322,00
65,5 30 4290,25 1965,00 128707,50
71,5 31 5112,25 2216,50 158479,75
77,5 20 6006,25 1550,00 120125,00
83,5 2 6972,25 167,00 13944,50
89,5 1 8010,25 89,50 8010,25
- 100 - 6868 478063
.
f. Koefisien Varian (KV)
Koefisien Varians digunakan untuk membandingkan variasi antara nilai-nilai kecil
dan besar. Misalnya variasi 8 cm untuk ukuran jarak 100 m dan variasi 8 untuk
ukuran 20m jelas mempunyai pengaruh yang berbeda.
Koefisien Varians dinyatakan dalam persen dengan rumus:
Standar Deviasi
KV x 100% .
Rerata
8,021
KV x 100% 11,68%
68,68
g. Koefisien Kemiringan
( x mo)
Untuk data pada tabel 17, diperoleh α 3
s
(68,68 69)
α3 - 0,040 .
8,021
Jadi distribusi data miring negatif atau landai di sebelah kiri.
48 STATISTIKA SOSIAL
h. Koefisien Kurtosis
Untuk data pada tabel 1 dengan K1 = 64,3, K3 = 74,11, P10 = 58, P90 = 76,45
1 1
(Q 3 - Q 1 ) (74,11 - 64,30)
2 2 4,905
diperoleh: 4 = 0,266 .
P90 P10 76,45 58 18,45
Karena 0,266 0,263, maka model kurva adalah runcing (leptokurtis).
C. Latihan
1. Misalkan Xi adalah banyaknya penjualan beras (ton/bulan) dari dua pedagang
beras (X1 dan X2), disajikan pada tabel berikut:
STATISTIKA SOSIAL 49
Mei
Oktober
Maret
April
Juni
Januari
Juli
Februari
Agustua
November
Desember
September
Bulan
Pedagang
10 8 6 3 6 5 6 12 4 20 2 15
(X1)
Pedagang
8 6 9 10 12 12 13 9 7 5 14 4
(X2)
Pertanyaan:
2. Data sikap terhadap korupsi dari 20 sampel acak disajikan sebagai berikut:
55, 54, 64, 68, 59, 75, 66, 88, 80, 53, 54, 98, 77, 80, 62, 79, 75, 68, 62, 84.
Pertanyaan:
a. Mean
b. Median
c. Modus
d. Quartil (Q1, Q2, dan Q3)
e. Desil (D4, D5, dan D8)
f. Persentil (P25, P60, P78, dan P80)
g. Rentang
h. Rentang antar quartil
i. Deviasi (simpangan) quartil
j. Mean Deviasi (MD)
k. Standard Deviasi (SD) dan Varians (V)
l. Koefisien Varians (KV)
m. Koefisien Kemiringan ( 3 )
n. Koefisien Kurtosis ( 4 )
3. Untuk mengetahui kompetensi hukum pengacara diambil sampel secara acak
sebanyak 80 orang untuk diberi tes kompetensi. Skor kompetensi hukum
disajikan pada tabel berikut.
50 STATISTIKA SOSIAL
Tabel 21. Kompetensi Hukum
80 Orang Pengacara
Skor f
65 - 69 5
70 - 74 6
75 - 79 12
80 - 84 20
85 - 89 15
90 - 94 12
95 - 99 10
Jumlah 80
Tentukan:
a. Mean (rata-rata)
b. Median
c. Modus
d. Quartil (Q1, Q2, dan Q3)
e. Desil (D6, D7, dan D9)
f. Persentil (P25, P70, dan P90)
g. Rentang
h. Rentang antar Quartil
i. Deviasi (simpangan) Quartil
j. Mean Deviasi (MD)
k. Standard Deviasi (SD)
l. Varians
m. Koefisien Varians (KV)
n. Koefisien Kemiringan ( 3 )
o. Koefisien Kurtosis ( 4 )
p. Jika diputuskan bahwa pengacara yang handal skor kompetensi
hukum-nya minimal 85, berapa persen pengacara yang termasuk
dalam ketegori handal.
Koef
STATISTIKA SOSIAL 51
4. Print out SPSS berikut ini berisi statistik kompetensi hukum 50 pengacara dari
LBH A dan LBH B.
Statistics
Pertanyaan:
Analisis data pada tabel di atas, kemudian jawablah pertanyaan berikut:
(a) Tuliskan nilai data terkecil, terbesar, rata-rata, median, modus, standar deviasi
dari masing-masing LBH tersebut. Tafsirkan!
(b) Tuliskan kemiringan distribusi data (skewness) masing-masing LBH. Tafsirkan!
(c) Tentukan Quartil (Q1, Q2, dan Q3) dan buat kategori subyektif terhadap
kompetensi berdasarkan data Quartil.
(d) Berdasarkan (a) dan (b), berikan kesimpulan LBH mana yang mempunyai
pengacara dengan kompetensi hukum yang lebih baik.
52 STATISTIKA SOSIAL
BAB IV
TEORI PELUANG (PROBABILITY)
a. Diagram Pohon
Diagram pohon pada dasarnya penggambaran pasangan dengan meniru
keadaan suatu pohon, yaitu batang, dahan, dan daun. Perhatikan contoh berikut.
”Misalkan kita mempunyai dua buah celana masing-masing berwarna biru dan
coklat, serta tiga buah baju masing-masing berwarna merah, kuning, dan putih.
Berapa banyak pasangan warna celana dan baju yang dapat dikombinasikan?”
.
STATISTIKA SOSIAL 53
b. Dengan tabel silang
Aturan perkalian yang dibangun dalam tabel silang memasangkan obyek pada
baris dan kolom, banyaknya pasangan obyek baris dan kolom menunjukkan
banyaknya pasangan yang dapat dibentuk.
Warna baju
m (merah) k (kuning) p (putih)
Warna Celana
b (biru) (b, m) (b, k) (b, p)
c (coklat) (c, m) (c, k) (c, p)
1 P
3
2 4
3 C
A 1
2
1
3
Q 4
2 5
54 STATISTIKA SOSIAL
Banyak cara bepergian dari kota A ke kota C melalui kota P
Dari kota A ke kota P dapat dipilih dengan 3 cara
Dari kota P ke kota C dapat dipilih dengan 4 cara
Sehinggan dari kota A ke kota C (melalui kota P) ada 3 x 4 = 12 cara
Banyak cara bepergian dari kota A ke kota C melalui kota Q
Dari kota A ke kota Q dapat dipilih dengan 2 cara
Dari kota Q ke kota C dapat dipilih dengan 5 cara
Sehingga dari kota A ke kota C (melalui kota Q) ada 2 x 5 = 10 cara. Jadi,
banyak cara yang ditempuh untuk bepergian dari kota A menuju kota C
(melalui kota P atau Q) seluruhnya ada 12 + 10 = 22 cara.
2. Permutasi
a. Faktorial
Untuk setiap bilangan asli n, didefinisikan;
n! = 1 x 2 x 3 x … x (n - 2) (n – 1) x n.
3! = 1 x 2 x 3 = 6
5! = 1 x 2 x 3 x 4 x 5 = 120engan ketentuan 1! = 1 dan 0! =1
b. Definisi Permutasi
Permutasi k unsur yang diambil dari n unsur yang tersedia (tiap unsur itu
berbeda) adalah susunan dari unsur itu dalam suatu urutan (r < n).
5! 5! 1x2 x3x4 x5
4 x5 20 = 20 buah.
(5 2)! 3! 1x2 x3
STATISTIKA SOSIAL 55
Diagram pohonnya:
B AB
C AC
A
D AD
E AE
A BA
C BC
B D BD
E BE
A CA
B CB
C D CD
E CE
A DA
B DB
D C DC
E DE
A EA
E B EB
C EC
D ED
3. Kombinasi
Kombinasi n unsur yang berlainan diambil k unsur adalah penyusunan k unsur di
antara n unsur dengan tidak memperhatikan urutannya. Kombinasi k unsur dari n
n!
unsur ditulis dengan C kn .
k!n k !
Misalkan ada 4 unsur A, B, C, D. Ada 6 kombinasi 2 unsur dari 4 unsur, yaitu AB
AC AD BC BD CD (misal AB dan BA dianggap sama).
56 STATISTIKA SOSIAL
a. setiap orang (dari 12 orang) mempunyai hak yang sama untuk dipilih sebagi
anggota delegasi?
b. Anggota delegasi terdiri atas 2 orang pria dan 2 orang wanita?
Penyelesaian:
a. Memilih 4 orang dari 12 orang yang tersedia merupakan kombinasi 4 unsur
yang diambil dari 12 unsur yang tersedia.
12! 12!
C 412 9 5 11 495
4!(12 4)! 4!8!
b. Memilih 2 orang pria dari 5 orang pria yang tersedia merupakan kombinasi
dua unsur yang diambil dari 5 unsur.
5! 5! 1 2 3 4 5
C 25 2 5 10
2!(5 2)! 2!3! (1 2)(1 2 3)
Memilih 2 orang wanita dipilih dari 7 orang wanita yang tersedia merupakan
kombinasi 2 unsur yang diambil dari 7 unsur.
7! 7! 1 2 3 4 5 6 7
C 27 3 7 21
2!(7 2)! 2!5! (1 2)(1 2 3 4 5)
Dengan menggunakan aturan perkalian, banyak delegasi yang terdiri dari 2
orang pria dan 2 orang wanita adalah:
C 25 C 27 10 21 210
Jadi, banyaknya delegasi yang dapat dibentuk yang terdiri dari 2 orang pria
dan 2 orang wanita seluruhnya ada 210 cara.
STATISTIKA SOSIAL 57
peluang maka selama itu pula sesuatu dapat terjadi. Meskipun ada kemungkinan
sesuatu terjadi, namun di dalam peluang kita tidak dapat memastikan kapan
sesuatu peristiwa itu terjadi. Beberapa contoh lain dari peluang adalah sebagai
berikut:
• Pada lemparan koin yang memiliki sisi angka dan gambar, ada peluang untuk
muncul angka.
• Pada lemparan dadu yang memiliki mata 1 sampai 6, ada peluang untuk
muncul mata dadu 3.
• Pada pengumuman di Bursa Effect ada peluang bahwa nilai 1 $ = Rp. 9999,-
• Pada suatu hari di tempat kerja, ada peluang terdapat 8 orang membolos.
• Pada tugas mengarang siswa, ada peluang terdapat 25 kata yang salah eja.
• Pada satu halaman suatu buku, ada peluang terdapat 10 kata berawalan pe-
3. Ruang Sampel
Di atas telah disinggung mengenai ruang sampel, pada bagian ini akan dibahas
konsep ruang sampel. Ruang Sampel (S) adalah himpunan semua peristiwa yang
mungkin terjadi dalam suatu percobaan. Misalnya pada pelemparan dua mata
uang dengan permukaan angka = A dan gambar = G, maka ruang sampelnya: S
= (AA, AG, GA, GG). Begitupula pada pelembaran mata dadu, maka ruang
sampelnya: S = (1, 2, 3, 4, 5, 6). Ruang sampel dapat juga diartikan sebagai
58 STATISTIKA SOSIAL
himpunan semua sampel berukuran tertentu (k) yang mungkin diambil atau dipilih
dari suatu populas berukuran (n). Berkaitan dengan teori himpunan, ruang
sampel dapat dinyatakan sebagai himpunan bagian dengan jumlah elemen,
misanya k dari n elemen, dengan n > k. Sehingga jumlah yang mungkin dapat
n!
dibentuk dengan rumus kombinasi: C kn . Hubungan antara ruang
k!n k !
sampel berukuran-k dari populasi-n ditunjukkan sebagai berikut.
Dari tabel terlihat bahwa ruang sampel berukuran k = 5 dari populasi- n = 100 adalah
75287520. Suatu jumlah yang cukup besar.
4. Definisi Peluang
Definisi peluang dapat diberikan dalam bentuk, definisi klasik atau definisi
empiriks atau statistik berdasarkan pengalaman yang telah lalu atau pendapat para
ahli.
a. Definisi klasik peluang
“Apabila suatu ruang sampel berisi N buah titik sampel yang equally likely dan
mutually exclusive terdapat a buah titik sampel yang mendukung terjadinya
a
peristiwa A, maka peluang terjadinya peristiwa Adidefinisikan sebagai: p(A) =
N
“
Perhatikan contoh berikut. misalkan diketahui ada 25 orang tersangka pembobol
Bank X. Jika pak Direktur, Manajer, Komisaris Bank X juga termasuk tersangka.
Berapa peluang ke- 3 orang tersebut adalah pembobol Bank X.
Penyelesaian:
3
p (Direktur & Manajer) = = 0,12 atau 12%
25
STATISTIKA SOSIAL 59
Contoh lain, misalkan berdasarkan saksi pada olah TKP, diketahui bahwa 2
orang perampok suatu toko emas ternyata adalah penjahat bertopeng.
(i) Tentukan ruang sampelnya jenis kelamin kedua perampok tersebut.
(ii) Hitung peluang bahwa perampok tersebut keduanya laki-laki.
(iii) Hitung peluang bahwa perampok tersebut adalah laki-laki dan wanita.
(iv) Hitung peluang bahwa perampok tersebut keduanya wanita.
Penyelesaian:
(i) Ruang sampel ditentukan dengan menggunakan diagram pohon sebagai
berikut:
W (W, W)
W
L (W, L)
W (L, W)
L
L (L, L)
60 STATISTIKA SOSIAL
b. Definisi empirik/statistik
Definisi ini dipakai untuk menentukan besarnya peluang untuk terjadinya
peristiwa tertentu, berdasarkan pengalaman yang telah lalu atau pendapat para
ahli.
Definisi: Apabila dari N buah rentetan peristiwa terdapat t buah peristiwa A, maka
t
peluang terjadinya peristiwa A didefinisikan sebagai: p(A) = lim .
N
Sebagai contoh, Misalkan berdasarkan temuan penelitian di bidang krimininal
bahwa di dalam 100 orang yang antrian membeli tiket di suatu stasiun kereta,
terdapat 4 orang diantaranya adalah pencopet. Pada suatu hari Tuan Vijai antri
membeli tiket di stasiun itu.
Berapa peluangnya bahwa tuan Vijai adalah pencopet?
Mengacu pada definisi maka peluang tuan Vijai sebagai pencopet adalah
4
p(Vijai) = 0,04 atau 4%.
100
Contoh lain, misalkan ada temuan penelitian di bidang lalulintas melaporkan
bahwa diantara 8.000 pengendara di jalan tol terdapat 25 diantaranya lupa
membawa SIM. Suatu hari Tuan Taqur berkendara di jalan tol itu.
30
Berapa peluang tuan Taqur membawa SIM? p(Taqur) = = 0,00375).
8000
5. Dalil-Dalil Peluang
a. Sebuah kejadian atau peristiwa A:
(i) Pasti terjadi, disebut kepastian akan memenuhi P(A) = 1, sebagai contoh
setiap mahluk yang bernyawa pasti akan mati.
(ii) Mustahil terjadi akan memenuhi P (A) = 0, sebagai contoh setiap laki-laki
dapat melahirkan.
(iii) Mungkin terjadi, akan memenuhi 0 < p < 1
b. Apabila A adalah bukan peristiwa A maka berlaku:
P( A ) = 1 - P(A) atau P( A ) + P(A) = 1.
Misalkan P(mata dadu ganjil) = 3/6, maka P(mata dadu genap) = 1– 3/6 = 3/6.
c. Apabila A dan B merupakan dua buah peristiwa maka berlaku:
(i) P(A B)=P(A) + P(B) (mutually exclusive) atau saling asing, ekslusif,
komplementer, kejadian (A) meniadakan kejadian yang lain (B) dan
sebaliknya. Contoh: kejadian menculnya gambar pada mata uang pertama
dan B kejadian munculnya angka pada mata uang kedua melalui pelemparan
atau pengetosan.
(ii) P(A B)=P(A) + P(B) - P(A B) (addition law of probability).atau kejadian
inklusif. Misalnya Kejadian pengambilan kartu as atau skop dari satu set kartu
bridge, ternyata kartu As dan atau skop.
STATISTIKA SOSIAL 61
(iii) P(A B) = P(A).P(B) (independent) atau kejadian saling bebas. Misalnya
kejadian munculnya mata dadu pertama 2 dan mata dadu kedua adalah 5.
(iv) P(A B)=P(A) x P(B/A) (multiplication law of probability), atau kejadian
bersyarat dimana P(B/A) biasa disebut condition law of probability.
S Nr C
70 40 60
30
62 STATISTIKA SOSIAL
30
b. P(K) 0,15 ,atau
200
P(K) P(Nr C) 1 P(Nr C) 1 - 0,85 1 = 0,15.
Sehingga peluang untuk kasus pemerkosaan adalah 0,15 atau 15%.
Contoh lain kejadian saling bebas, misalkan ”sebuah kotak berisi 10 buah manik,
6 buah berwarna merah dan 4 buah berwarna putih. Dari kotak itu diambil 3 buah
manik secara acak. Berapa peluang, jika yang terambil itu: (i) 2 manik merah dan
1 manik putih , (ii) 1 manik merah dan 2 manik putih?
Penyelesaian:
Kasus ini juga adalah kejadian yang bebas.
Banyaknya ruang sampel: n(s) = C 310 120
6 4
A = 2 manik merah dan 1 manik putih = C 2 C 1 15 4 60 P(A) = 60/120
6 4
B = 1 manik merah dan 2 manik putih = C1 C 2 6 x 6 36 P(B) = 36/120
A dan B kejadian saling bebas maka:
P(A B) = P(A).P(B)= (60/120)(36/120) = 0,15.
STATISTIKA SOSIAL 63
4. Peluang Kejadian Bersyarat
Kejadian bersyarat menjadi dasar penemuan dalil atau teorema Bayes. Peluang
atau Probabilitas B bersyarat A ditulis P(B|A). Dengan kata lain kita bekerja
untuk menentukan peluang B dengan syarat A.
Berapa peluang seorang wanita dengan syarat ia juga seorang anggota DPR)?
Untuk menjawab pertanyaan ini kita lihat ke syarat anggota DPR yaitu = 550/900
selanjutnya melihat berapa peluang wanita = 150/900. Sehingga peluangnya
150 / 900
adalah: = 0,27. Jadi peluang wanita dengan syarat ia anggota DPR
550 / 900
sebesar 0,27.
Apabila kita ingin menyelesaikan secara lebih umum dengan rumus, kita terlebih
menentukan peluang seorang wanita tetapi (dan) anggota dewan yaitu, P(W
D) = 150/900, selanjutnya kita mencari peluang anggota DPR, yaitu P(D) =
550/990. Dengan rumus kita menuliskan:
peluang(Wanita tetapianggotaDPR )
P(W 1D)
peluang( Anggota DPR )
P(W D) 150 / 900
P(W 1D) = 0,27
P ( D) 550 / 900
Penyelesaian:
Dari data ini, jika calon mahasiswa wanita = W, dan laki-laki = L, maka
P(W) = 0,6 P(L) = 0,3 P(W|L) = 0,87
64 STATISTIKA SOSIAL
Peluang calon mahasiswa wanita dan laki-laki lulus fakultas kedokteran:
P(W ∩ L) = P(L).P(W|L) = (0,3)(0,7) = 0,21
Peluang calon mahasiswa laki-laki lulus bersyarat mahasiswa wanita lulus: lulus:
P( L W ) 0,21
P( L1W ) 0,35
P(W ) 0,6
D. Latihan
1. Sebuah mobil sedan akan diberi nomor kendaraan dengan huruf awal K. Setelah
K dilanjutkan dengan 3 angka dan diakhiri dengan dua huruf (dari A, B, G, F, K
dan 10 angka berbeda. Jika tidak boleh ada huruf dan angka yang sama,
tentukan banyaknya susunan angka nomor kendaraan tersebut.
2. Misalkan diperoleh data dari laporan harian X yang menyatakan bahwa terdapat
1000 anggota teroris (S) yang tersebar di benua Asia. Diantara para teroris itu
500 orang ahli bom bunuh diri (D), 300 orang ahli peledak gedung (G), dan 100
orang ahli bom bunuh diri gedung. Jika anda bepergian ke salah satu negara di
benua Asia.
a. Berapa peluang anda berjumpa dengan ahli peledak granat tangan saja?
b. Berapa peluang anda berjumpa dengan ahli bom bunuh diri saja?
c. Berapa peluang anda berjumpa dengan ahli bom bunuh diri sekaligus peledak
gedung?
d. Berapa peluang anda berjumpa teroris yang ahli bom bunuh syarat dia juga
ahli peledak gedung?
e. Jika menurut dugaan interpol bahwa diantara 1000 teroris tersebut masih ada
yang ahli dalam bidang perakit bom, maka berapa peluang anda berjumpa
dengan ahli perakit bom?
3. Dalam sebuah organisasi akan dipilih panitia yang terdiri dari 5 orang.
Disyaratkan dalam panitia ini sekurang-kurangnya terdiri dari 2 orang pria. Calon
panitia yang tersedia ada 6 pria dan 5 wanita. Berapa banyak panitia yang dapat
dibentuk jika:
a) 2 pria dan 3 wanita, b) 3 pria dan 2 wanita
c) 4 pria dan 1 wanita, d) 5 pria
4. Saudagar A memiliki 120 buah emas batangan yang disimpan di lemari besi, 80
buah diantaranya emas 22 karat, sisanya 23 karat. Emas tersebut bentuk,
ukuran dan warnanya sama. Suatu malam pencuri berhasil membuka lemari besi
Saudagar itu, tanpa mengetahui apa isi lemari besi sebelumnya Si pencuri
mencoba mengambil sebuah, dan ternyata emas batangan. Ia mulai bernapsu
untuk mengambil semua, karenanya pengambilan keduapun dilakukannya, tanpa
disadari ia menyenggol benda di sampingnya sehingga membuat saudagar A
terbangun, Si pencuripun melarikan diri, ia kesal karena hanya dapat mengambil
2 buah.
a. Berapa peluang bahwa pengambilan emas pertama 22 karat dan yang kedua
23 karat?
b. Berapa peluang bahwa emas yang terambil keduanya emas 22 karat?
c. Berapa peluang bahwa emas yang terambil keduanya emas 23 karat?
STATISTIKA SOSIAL 65
BAB V
DISTRIBUSI PELUANG
W (W,W,W)
W
L (W,W,L)
W W (W,L,W)
L
L (W,L,L)
W (L,W,W)
W
L L (L,W,L)
W (L,L,W)
L
L (L, L, L)
.
Dari diagram di atas diperoleh ruang sampel untuk kombinasi jenis kelamin
ketiga anak dari pasangan suami-istri tersebut, yaitu: S = (WWW, WWL, WLW,
66 STATISTIKA SOSIAL
WLL, LWW, LWL, LLW, LLL), yang berjumlah 8 buah atau ditulis n(S) = 8. Jika
kita misalkan bahwa peluang mendapatkan anak ber- jenis kelamin laki-laki
adalah X (tentu saja pemisalan dapat juga dengan jenis kelamin wanita), maka
nilai X = 0, 1, 2, 3, yang artinya:
Untuk X = 0, berarti ketiga anak tidak ada yang berjenis kelamin laki-laki
dengan kata lain ketiganya berjenis kelamin wanita.
Untuk X = 1, berarti ketiga anak ada 1 yang berjenis kelamin laki-laki.
Untuk X = 2, berarti ketiga anak ada 2 yang berjenis kelamin laki-laki.
Untuk X = 3, berarti ketiga anak ada 1 yang berjenis kelamin laki-laki.
Ruang sampelnya dapat ditulis dengan S = (0, 1, 2, 3). Sehingg berdasar pada
ruang sampel ini dapat ditentukan peluang pasangan tersebut memperoleh 3
orang anak sebagai berikut:
1
X 0, kejadiannya (WWW ) atau n (3W ) 1 P( X 0) 0,125
8
3
X 1, kejadiannya (WWL,WLW , LWW ) atau n (1L) 3 P( X 0) 0,375
8
3
X 2, kejadiannya (WLL, LWL, LLW ) atau n (2L) 3 P( X 0) 0,375
8
1
X 3, kejadiannya ( LLL ) atau n (3L) 1 P( X 0) 0,125
8
Hasil penentuan peluang disarikan pada tabel berikut.
Tabel 22. Peluang memperoleh memperoleh 3 anak
Banyaknya Anak P (X = x )
Laki-laki (X)
0 1
0,125
8
1 3
0,375
8
2 3
0,375
8
1
3 0,125
8
Jumlah 1
STATISTIKA SOSIAL 67
Secara visual dapat diperlihatkan pada grafik berikut:
3/8 3/8
1/8 1/8
0 1 2 3
1. Distribusi Binom
Definisi: Apabila X merupakan sebuah variabel random diskrit maka peluang
binom dirumuskan sebagai:
n!
P(X k) C nk p k q n k p k q n k untuk, k 0,1,2,...n.
k!(n k)!
Contoh 1:
Diketahui pasangan suami-istri merencanakan mempunyai 5 orang anak. Berapa
peluang terdapat 3 diantara anak itu adalah laki-laki?
Penyelesaian:
Peluang memperoleh anak laki-laki atau wanita: P(W) = P(L) = ½
5!
P(X = 3) = (1/2)3 (1 - 1/2)5-3 , n 5, k = 3.
3!(5 - 3)!
5!
P(X = 3) = (1/2) 3 (1/2) 2 ,
3! (5 - 3)!
68 STATISTIKA SOSIAL
5!
P(X = 3) = (1/8) (1/4),
3!.2!
P(X = 3) = 10 (1/8) (1/4) 0,313Silahkan mencoba untuk k = 0, 1, 2, 4, 5.
Jadi peluang pasangan suami-istri memperoleh 3 anak laki-laki dari 5 anak
adalah 31,3%.
Contoh 2:
Misalkan kita mempunyai 10 soal jawaban benar-salah (B-S). Berapa peluang
menjawab paling sedikit 7 soal benar dengan menebak??
k
C kn pr qn-r Peluang
Contoh 3:
Misalkan kita mempunyai 10 soal PG dengan 4 opsi. Berapa peluang menjawab
paling sedikit 6 soal benar dengan menebak?
r n-r Peluang
k
C kn p q
10 0
10 1 (1/4) (3/4) 0,000
9 1
9 10 (1/4) (3/4) 0,000
8 2
8 45 (1/4) (3/4) 0,000
7 3
7 120 (1/4) (3/4) 0,003
6 4
6 210 (1/4) (3/4) 0,016
p(r ≥ 6) 0,019
Jadi peluang atau probabilitas memperoleh jawaban benar melalui tebakan paling
sedikit 6 soal benar = 0,019 (1,9%) atau peluangnya memperoleh jawaban benar
dengan menerka secara acak kira-kira 1 dari 52 buah soal.
Contoh 4:
STATISTIKA SOSIAL 69
Misalkan kita mempunyai 10 soal PG dengan 5 opsi. Berapa peluang menjawab
paling sedikit 6 soal benar dengan menebak?
k
C kn pr qn-r Peluang
2. Distribusi Poison
Dalam kehidupan sehari-hari terkadang kita berhadapan peristiwa yang jarang
terjadi misalnya, cacat pada kain, salah tik pada novel, kecelakaan dalam
penerbangan, gempa tsunami, angin taufan, kembar 7, dan peristiwa yang jarang
terjadi lainnya. Hal-hal menyangkut peristiwa yang jarang terjadi datanya
merupakan distribusi Poison.
Definisi:
Apabila X merupakan sebuah variat diskrit yang mengikuti distribusi peluang,
maka peluang Poison didefinisikan:
e -λ λ x
P(X = x) = , x = 0, 1 , 2, .........., N dimana = np
x!
Contoh:
Menurut pengalaman seorang penulis Novel bahwa rata-rata untuk setiap 600
kata terdapat 2 kata salah cetak. Suatu karya cerpen yang terdiri dari 2500 kata.
Berapa peluang bahwa di dalam cerpen itu terdapat 3 buah kata salah cetak.
Penyelesaian:
Diketahui probabilitas salah cetak adalah: p = 2/600 = 1/300, dan banyaknya
kata (n) = 2500, = np = (2500)(1/300) = 8,33, banyaknya kata salah
cetak yang dicari adalah (x) = 3.
Sehingga peluang terdapat 3 buah kata salah cetak pada cerpen tersebuat
adalah:
70 STATISTIKA SOSIAL
e -8,33 (8,33) 3
P(X = 3) = 0,02323329 0,023 . Dengan kata lain peluang
3!
dari cerpen yang terdiri 2500 kata tersebut terdapat 3 buah salah cetak adalah
2,3%. Silahkan mencoba untuk X = 0, 1, 2, 4, 5, 6.
Untuk memudahkan perhitungan dapat menggunakan tabel distribusi Poison
(Daftar B).
3. Distribusi Normal
Distribusi yang telah dibicarakan di atas merupakan variabel acak diskrit.
Sedangkan distribusi normal termasuk distribusi dengan variabel random /acak
kontinu. Distribusi ini sering disebut distribusi Gauss dan termasuk distribusi yang
paling penting dan banyak digunakan dalam penelitian.
Definisi:
Apabila X merupakan suatu variabel random kontinu yang mengikuti fungsi
densitas, maka fungsi distribusi normal persamaannya adalah:
x μ 2
1 -1/2( )
f(x) = e σ
dengan
σ 2π
= 3,14
= parameter rata-rata
= parameter simpangan baku = 2,72.
1 -1/2 Z 2
f(z) = e
2
0 z
STATISTIKA SOSIAL 71
Untuk z dalam daerah - z . Proses mengubah disribusi normal umum
menjadi distribusi normal baku menggunakan transformasi nilai baku, sebagai
x- μ
berikut: Z =
σ
Perbandingan disribusi normal umum dan distribusi normal baku disajikan pada
gambar berikut ini.
0 dan 1 = 0 dan = 1
Karena luas kurva = 1, dan kurva simetris terhadap = 0, maka luas dari garis
tegak pada titik nol ke kiri atau ke kanan = 0,5 atau 50%.
1 -1/2 Z 2
Luas daerah dari 0 ke z dengan menggunakan fungsi f(z) = e pada
2
distribusi normal dengan = 0 dan = 1, dapat ditentukan melalui integrasi
z
1
2
Contoh 1
Dengan menggunakan daftar/tabel distribusi normal, hitunglah.
(i) Peluang, p(Z 1,74)
(ii) Peluang, p( 0 Z 1,35)
(iii)Peluang, p(Z 2,23)
(iv)Peluang, p(-1,21 Z 1,06)
72 STATISTIKA SOSIAL
Penyelesaian:
Untuk menentukan nilai peluang distribusi normal kita dapat menggunakan
daftar/tabel distribusi norma. Angka pada tabel menunjukan proporsi pada
kurva yang terletak antara z = 0 dan nilai z positif. Daerah untuk nilai z negatif
diperoleh dengan cara yang sama. Perhatikan tabel berikut.
STATISTIKA SOSIAL 73
Dengan melihat pada tabel diatas, ditentukan peluang berikut.
0 2,23
74 STATISTIKA SOSIAL
Contoh 2
Misalkan rata-rata berat bayi yang baru lahir 3.500 gram dengan simpangan baku
225 gram. Jika berat bayi berdistribusi normal, maka tentukan.
a. Berapa persen bayi yang beratnya lebih dari 4000 gram?
b. Berapa bayi yang beratnya antara 3200 gram dan 4000 gram jika semuanya
ada 20.000 bayi.
Penyelesaian:
Diketahui x = jumlah bayi, = 4000 dan = 300
4000 - 3500
a. Untuk x = 4000, maka: Z = 2,22
225
Jadi banyaknya bayi dengan berat lebih dari 4500 gram sebesar 1,32%.
Gunakan tabel:
Luas dari z = 0 sampai z = 2,22
adalah 0,4868, kemudian luas dari
z = 0 sampai z = -1,33 adalah
0,4082. Jadi luas daerah yang
-1,33 0 2,22 dicari = 0,4868 + 0,4082 = 0,8950
atau P(-1,21 Z 1,06) = 0,8950
Banyaknya bayi antara 3200 gram dan 4500 gram diperkirakan (0,8950)(20.000)
= 17900.
STATISTIKA SOSIAL 75
4. Distribusi Sampel dan Kesalahan Sampling
a. Distribusi Sampel
Populasi dapat didefinisikan sebagai himpunan semua hal yang berkaitan
dengan individu, variabel, atau data dengan sifat-sifat yang ditentukan atau dipilih
oleh peneliti sedemikian rupa sehingga setiap individu, variabel, atau data dapat
dinyatakan dengan tepat apakah individu tersebut menjadi anggota populasi atau
tidak. Sedangkan sampel adalah suatu himpunan bagian (subset) dari individu,
variabel, dan data dari populasi tertentu. Populasi dan sampel masing-masing
memiliki distribusi, yaitu distribusi populasi dan distribusi sampel. Distribusi populasi
adalah distribusi untuk seluruh data dalam populasi, sedangkan distribusi sampel
(sampling) adalah distribusi statitistik dari sampel-sampel dengan ukuran tertentu.
Distribusi sampel ini memegang peranan penting dalam pengujian hipotesis.
Untuk memperjelas pengertian tentang distribusi sampel ini, kita membuat
ilustrasi sebagai berikut. Misalkan kita mengambil sampel acak berukuran 40 dari
suatu populasi sebanyak 1000 kali, maka kita akan memperoleh 1000 buah rata-rata
sampel, yaitu x 1 , x 2 , x 3 ,.... x 1000 . Distribusi dari 1000 buah rata-rata tersebut
dinamakan distribusi sampel, sedangkan rata-rata dari rata-rata sampel
x 1 x 2 x 3 ........ x 1000
X μ.
n 1000
Hal ini berarti bahwa rata-rata dari rata-rata sampel acak adalah sama
dengan rata-rata populasi dan distribusinya cenderung membentuk distribusi normal.
Dengan distribusi dari rata-rata sampel ini diperkenalkan Teorema Limit Sentral yang
berbunyi: Untuk sembarang distribusi populasi dengan rata-rata dan simpangan
baku , maka distribusi sampling dari rata-rata sampel dengan ukuran sampel n
akan mendekati distribusi normal dengan rata-rata dan deviasi baku bila
n
n mendekati tak hingga.
Dengan demikian distribusi sampel adalah distribusi rata-rata yang diambil
dari sampel acak secara berulang-ulang masing-masing berukuran n dari suatu
populasi berdistribusi normal.
b. Kesalahan Sampel (Sampling Error)
Sampling error atau kesalahan sampling adalah kesalahan yang timbul
karena pemeriksaan yang tidak lengkap mengenai populasi, sehingga penelitian
dilakukan pada sampel tidak mencerminkan karakteristik populasi. Suatu sampling
error adalah sebuah perbedaan antara nilai populasi atau parameter dengan nilai
sampel. Dengan demikian jika adalah nilai rata-rata populasi dan x i adalah
estimasi yang didasarkan pada sebuah sampel random berukuran N, maka
perbedaan - x i = ei. Dalam hal ini ei disebut sampling error (Ferguson dan
Takane, 1989: 148). Kekeliruan sampling dapat terjadi bila prosedur sama digunakan
pada sampling juga digunakan pada sensus ternyata memberikan hasil berbeda.
76 STATISTIKA SOSIAL
Dalam penelitian eksperimen sampling error dapat ditimbulkan oleh fluktuasi
subject sampling. Dalam hal ini pemilihan subyek-subyek ke dalam kelompok
eksperimen dan kelompok kontrol kemungkinan mengalami kesalahan sehingga
pada salah satu kelompok terhimpun subyek-subyek yang menguntungkan kelompok
tertentu. Misalnya dalam eksperimen pendidikan dalam pelajaran matematika,
mungkin sekali secara kebetulan terpilih subyek-subyek yang ber-IQ tinggi pada
kelompok tertentu, sehingga hasil yang diperoleh pada kelompok tersebut bukan
merupakan sebab (fungsi) dari pemberian metode (perlakuan) tetapi karena subyek
yang ber-IQ tinggi. Untuk mempertinggi penelitian presisi tinggi, kesalahan ini harus
dikontrol. Ada dua cara yang dapat dilakukan untuk mengontrol kesalahan sampling,
yaitu: (1) mengambil sampel berdasarkan sampling acak, dan (2) memperbesar
ukuran sampel.
5. Distribusi - t
Distribusi-t adalah distribusi untuk probabilitas sampel ukuran kecil (≤ 30).
Distribusi ini ditemukan pertama kali oleh W.S. Gosset pada tahun 1908, dengan
menggunakan nama Student. Oleh karena itu, distribusi t dikenal dengan distribusi-t
Student. Awalnya distribusi ini tidak banyak dikenal orang namun atas jasa Fisher
akhirnya distribusi ini dipopulerkan melalui analisisnya tentang analisis varians
(Anova). Distribusi ini merupakan distribusi sangat penting terutama dalam analisis
statistik untuk sampel ukuran kecil.
Mengacu pada teorema limit sentral, suatu populasi berdistribusi normal
dengan rata-rata dan varians 2, rata-rata sampel akan berdistribusi norma dengan
X
rata-rata dan varians . Teorema ini akan menghasilkan statistik uji z = ,
n X
dimana X . Penerapan rumus tersebut mengalami kesulitan karena pada
n
umumnya standar deviasi populasi () tak diketahui, sehingga untuk bekerja dengan
rumus tersebut terlebih dahulu kita harus menggantinya dengan standar deviasi
sampel (s).
Berdasarkan sampel random Xi = 1,2,3….,n, statistik t- didefinisikan sebagai t
X s
= dimana s X . Statistik ini mempunyai distribusi-t dengan (db) = n -1.
sX n
dan grafik fungsi densitas yang menyerupai atau mendekati distribusi normal baku.
Jika n mendekati tak hingga maka distribusi-t akan mendekati distribusi normal
standar (z). Dari sini menunjukkan bahwa distribusi-t merupakan distribusi sampel
yang sangat potensial, yaitu sebagai pengganti distribusi normal baku ketika standar
deviasi tak diketahui. Distribusi sampel dari distribusi-t untuk beberapa derajat bebas
(db) diperlihatkan pada kurva normal berikut.
STATISTIKA SOSIAL 77
f(t)
db = 22
db = 12
db = 1
t
-3 -2 -1 0 1 2 3
Kurva Distribusi -t Student
78 STATISTIKA SOSIAL
Sebagai contoh dari tabel diatas kita dapat menentukan nilai ttab untuk db =
10 dengan = 0,05, dan = 0,01, yaitu ttab = t(0,05)(10) = 1,812 dan ttab = t(0,01)(10) =
2,746. untuk nilai t yang negatif, yaitu ttab = t(0,05)(10) = -1,812 dan ttab = t(0,01)(10) =
-2,746 (lihat Level of significance for one-tailed test )
6. Distribusi F
Distribusi probabilitas F (Fisher-Snedecor) diturunkan dari distribusi
probabilitas normal baku melalui distribusi Chi-kuadrat. Distribusi probabilitas F
merupakan rasio antara dua distribusi Chi-kudrat. Sehingga pada distribusi
probabilitas F terdapat dua derajat kebebasan yakni derajat kebebasan pembilang db
(atas) dan derajat kebebasan penyebut db (bawah).
Statistik F dipakai untuk mempelajari perbedaan varians antara dua buah
populasi berdasarkan dua sampel random yang independen. Jika Xij, dengan i
=1,2,…n dan j= 1,2,..n, merupakan dua sampel random yang independen, maka
statistik uji-F ini Didefinisikan sebagai: F = [(s1/1)/(s2/2)] yang mempunyai
distribusi/densitas-F dengan db = (n1 -1)/(n2 -1) yang dinyatakan dengan simbol
distribusi: F(n1 -1, n2 -1). Dapat dibuktikan: F(1, n1 -1) = t2 (n1 -1).
STATISTIKA SOSIAL 79
Untuk keperluan penentuan Ftab dengan berbagai derajat bebas dan letak
ini dapat menggunakan harga kritis – F pada daftar G. Cuplikan dari daftar dapat
dilihat pada tabel berikut.
1 161 200 216 225 230 234 237 239 241 242
4052 4999 5403 5625 5764 5859 5928 5981 6022 6056
2 18.51 19.00 19.16 19.25 19.30 19.33 19.36 19.37 19.38 19.39
98.49 99.01 99.17 99.25 99.30 99.33 99.34 99.36 99.38 99.40
5 6.61 5.79 5.41 5.19 5.05 4.95 4.88 4.82 4.78 4.74
16.26 13.27 12.06 11.39 10.97 10.67 10.45 10.27 10.15 10.05
6 5.99 5.14 4.76 4.53 4.39 4.28 4.21 4.15 4.10 4.06
13.74 10.92 9.78 9.15 8.75 8.47 8.26 8.10 7.98 7.87
10 4.96 4.10 3.71 3.48 3.33 3.22 3.14 3.07 3.02 2.97
10.04 7.56 6.55 5.99 5.64 5.39 5.2 5.06 4.95 4.85
Sebagai contoh dari tabel di atas kita dapat menentukan nilai Ftab untuk db-
pembilang = 7, db-penyebut = 5, = 0,05, dan = 0,01, masing-masing diperoleh
yaitu Ftab = F(0,05)(7; 5) = 4,88 dan Ftab = F(0,01)(7; 5) = 10,45.
80 STATISTIKA SOSIAL
Misalkan peubah acak bebas X1, X2,…..,Xn, berdistribusi normal dengan rata-
rata = 0, dan Standar deviasi = 1, maka Yn = X12 + X22 +…..+Xn2, juga variabel acak.
Jika n semakin besar maka Y juga membesar. Distribusi Yn disebut distribusi 2
dengan derajat bebas n. Distribusi ini hanya tergantung dari parameter n, yang
merupakan derajat bebas distribusi tersebut. Dapat diperlihatkan bahwa rata-rata dan
Standar deviasi distribusi 2 berturut-turut n dan 2n. Nampak pada gambar di bawah
ini bahwa makin besar n grafik bergerak ke kanan, makin berbentuk simetri dan
lonceng maka Yn mendekati distribusi normal dan rata-rata dan Standar deviasi, N(n,
2n). Bila dua distribusi 2 dengan n1 dan n2 maka jumlah n1+ n2 juga berupa
distribusi 2 dengan derajat bebas n1 dan n2. Perhatikan kurva berikut.
f(2)
db = 1
0,4
db = 2
0,3 db = 6
0,2
0,1 db =10
2
0 2 4 6 8 10 12 14 16
Untuk keperluan penentuan 2tab dengan berbagai derajat bebas dan taraf
signifikansi ini dapat menggunakan harga kritis – 2 pada lampiran daftar H.
STATISTIKA SOSIAL 81
2
Tabel 26. Harga Kritik
db Level of significance ()
.99 .95 .90 .80 .70 .50 .30 .20 .10 .05 .01
1 .000 .004 .016 .064 .15 .46 1.07 1.64 2.71 3.84 6.64
2 .02 .10 .21 .45 .71 1.39 2.41 3.22 4.60 5.99 9.21
3 .12 .35 .58 1.00 1.42 2.37 3.66 4.64 6.25 7.82 11.34
18 7.02 9.39 10.86 12.86 14.44 17.34 20.60 22.76 25.99 28.87 34.80
19 7.63 10.12 11.65 13.72 15.35 18.34 21.69 23.90 27.20 30.14 36.19
20 8.26 10.85 12.44 14.58 16.27 19.34 22.78 25.04 28.41 31.41 37.57
28 13.56 16.93 18.94 21.59 23.65 27.34 31.39 34.03 37.92 41.34 48.28
29 14.26 17.71 19.77 22.48 24.58 28.34 32.46 35.14 39.09 42.56 49.59
30 14.95 18.49 20.60 23.36 25.51 29.34 33.53 36.25 40.26 43.77 50.89
Sebagai contoh dari tabel diatas kita dapat menentukan nilai 2tab untuk db =
20, = 0,80, dan = 0,01, yaitu 2tab = 2 (0,80)(10) = 14,58 dan 2tab = 2(0,01)(10) =
37,57. Selanjutnya 2tab tidak mempunyai harga yang negatif.
C. Latihan
1. Misalkan diperoleh laporan dari suatu lembaga pemasyarakatan (LP), bahwa
penghuni LP dikelompoknya menjadi 2 yaitu orang miskin dan konglomerat.
Kelompok miskin sekitar 70% dan para konglomerat 30%. Jika suatu saat anda
ke suatu LP dan berjumpa dengan 5 orang penghuni LP. Misalkan X =
banyaknya kelompok konglomerat,
a. hitung peluang: P(X = 0), P(X = 1), P(X = 2), P(X = 3), dan P(X = 4).
b. Gambarkan grafiknya!
82 STATISTIKA SOSIAL
4. Dengan menggunakan tabel distribusi normal hitunglah peluang-peluang berikut.
a. p ( z ≥ 1,62 )
b. p (1,05 ≤ z ≤ 2,73 )
c. p (-1,25 ≤ z ≤ 2,65 )
STATISTIKA SOSIAL 83
BAB VI
PENGANTAR STATISTIKA INFERENSIAL
.
B. Populasi dan Sampel
Populasi adalah suatu himpunan dengan sifat-sifat yang ditentukan oleh
peneliti sedemikian rupa sehingga setiap individu/variabel/data dapat dinyatakan
dengan tepat apakah individu tersebut menjadi anggota atau tidak. Dengan kata lain
populasi adalah himpunan semua individu yang dapat memberikan data dan
84 STATISTIKA SOSIAL
informasi untuk suatu penelitian (Agung, 2003: 2). Sedangkan sampel adalah
himpunan bagian atau sebagian dari populasi yang karakteristiknya benar-benar
diselidiki.
Populasi
Sampel
Karakteristik populasi harus terwakili dalam sampel. Artinya ciri atau keadaan
populasi harus tergambarkan dalam sampel. Misalnya dalam bidang hukum apabila
ciri populasi terdiri, pengacara, jaksa, hakim, tersangka, terdakwa, saksi, barang
bukti, lembaga pemasyarakatan maka sampel yang kita ambil harus memuat semua
ciri tersebut. Begitupula pada bidang pendidikan ciri populasi terdiri atas: siswa,
guru, kelas, sekolah, dinas pendidikan, dan lain-lain, maka sampel yang terpilih juga
harus memuat kesemua ciri atau karakteristik itu. Dalam hal ini yang menjadi pusat
perhatian adalah keterwakilan (refresentativness) sampel dari suatu populasi.
Beberapa hal yang perlu diperhatikan berkaitan dengan keterwakilan ini,
yaitu: (1) sampel yang mewakili populasi harus diambil secara acak sedemikian
sehingga setiap anggota populasi mempunyai kesempatan yang sama untuk menjadi
sampel, (2) jumlah sampel yang terpilih ditentukan oleh besarnya populasi dan
keragaman dari populasi. Sehingga besarnya populasi tidak serta merta
mengakibatkan besarnya sampel yang akan diambil tetapi juga harus memperhatikan
derajat keragaman populasi. Makin seragam suatu populasi makin kecil sampel yang
dapat diambil, (3) presisi yang dikehendaki dari penelitian. Makin tinggi presisi yang
dikehendaki, makin besar sampel yang dibutuhkan, karena sampel yang besar
cenderung memberikan estimasi yang lebih dekat ke nilai parameter. Misalnya pada
kasus sensus, presisi menjadi mutlat karena nilai estimasi sama dengan nilai
parameter, dan (4) rancangan analisis yang akan digunakan. Beberapa rancangan
analisis menyaratkan besar sampel yang akan digunakan. Misalnya pada rancangan
penelitian eksperimen murni biasanya cukup dengan mengambil sampel 25 subjek.
Namun dalam penelitian survai tentang jenis pekerjaan dan tingkat pendidikan tidak
cukup mengambil sampel acak 120 subjek karena mungkin ada jenis pekerjaan dan
tingkat pendidikan yang frekuensinya kosong.
STATISTIKA SOSIAL 85
C. Pengujian Hipotesis
Sebagai pengantar untuk membahas pengujian hipotesis berikut diberikan
beberapa pengertian hipotesis.
Hipotesis merupakan suatu proposisi/pernyataan atau jawaban
sementara/dugaan yang mungkin benar dan digunakan sebagai dasar
pembuatan keputusan/penyelesaian dari suatu masalah untuk penelitian.
Hipotesis adalah hasil kajian pustaka atau proses rasional dari penelitian yang
telah mempunyai kebenaran secara teoretik”. Kebenaran hipotesis masih harus
diuji kebenarannya secara empirik, dengan demikian hipotesis dapat dianggap
sebagai jawaban sementara terhadap masalah yang telah dirumuskan dalam
suatu penelitian dan masih perlu diuji kebenarannya dengan menggunakan
data empirik (Djaali, 2003).
Hipotesis diartikan sebagai kesimpulan bersifat sementara atau proposisi
tentatif tentang hubungan antara dua variabel atau lebih (Kerlinger, 2002).
Ciri-ciri penting yang perlu diperhatikan dalam suatu hipotesis adalah sebagai
berikut: (1) hipotesis merupakan hasil dari proses teoretik dan komparasi fakta yang
handal, yang secara teoretik dapat dipertanggung jawabkan kebenarannya, (2)
hipotesis menyatakan hubungan antara variabel, (3) hipotesis harus dapat diuji,
artinya dapat feasible untuk memperoleh data untuk pengujian hipotesis itu, (4)
hipotesis harus spesifik dan sederhana, dan (5) menyatakan pernyataan tentang
karakteristik populasi.
86 STATISTIKA SOSIAL
2. Langkah-langkah Pengujian Hipotesis
a. Merumuskan hipotesis nihil (H0)
Hipotesis nihil atau H0 adalah hipotesis yang biasa ditampilkan dalam bentuk
peryataan tentang karaketeristik populasi seperti: tidak terdapat pengaruh
atau tidak terdapat perbedaan diantara variabel-variabel yang diteliti. Statistik
bertujuan membuat estimasi tentang keadaan populasi maka H0 dinyatakan
dalam bentuk parameter. Sebagaimana diketahui bahwa ukuran (besaran)
yang ada dalam populasi disebut “paramater” dan ukuran (besaran) yang ada
dalam sampel disebut “statistik”. Ukuran-ukuran dalam populasi dan sampel
dapat dilihat pada tabel berikut.
STATISTIKA SOSIAL 87
Secara sederhana menarik kesimpulan berati menolak H0 ataupun menerima
H0. Jika peneliti berhasil menolak H0 kita mengatakan hipotesis yang diajukan
teruji oleh data (the data support hypothesis). Sehingga kesimpulan penelitian
adalah hipotesis verbal yang telah diajukan peneliti. Sebaliknya jika peneliti
tidak berhasil menolak H0 kita mengatakan hipotesis yang diajukan tidak teruji
oleh data (the data not support hypothesis). Kesimpulan lain yang tak kalah
pentingnya adalah makna atau implikasi dari kesimpulan berkaitan dengan
masalah yang diteliti.
d2
(i) Uji pihak- kanan
88 STATISTIKA SOSIAL
(ii) uji hipotesis pihak kiri:
Hipotesis langsung negatif:
(a) Terdapat hubungan negatif antara kecemasan dengan hasil belajar
matematika atau makin tinggi kecemasan, makin rendah hasil belajar
matematika
(b) Hasil belajar matematika siswa yang diberi metode ceramah lebih rendah
daripada siswa yang diberi metode inquiri.
Hipotesis statistik (pihak kiri) dirumuskan:
(a) H0 : ≥ 0 versus H1 : < 0
(b) H0 : 1 ≥ 2 versus H1 : 1 < 2
d1
(ii) Uji pihak-kiri
(b) Hipotesis Dua Pihak
Untuk menguji hipotesis tidak langsung digunakan uji- dua pihak, yaitu separoh
(½) pihak kiri dan separoh lagi (½) pihak kanan sebagai daerah penolakan. Uji
dua pihak bersesuaian dengan hipotesis tak langsung.
Hipotesis tak langsung:
(a) Terdapat hubungan antara kompetensi dengan kinerja karyawan.
(b) Terdapat perbedaan rata-rata kinerja karyawan wanita dan kinerja karyawan
laki-laki.
Hipotesis statistik (dua pihak) dirumuskan:
a) H0 : = 0 versus H1 : 0
b) H0 : 1 = 2 versus H1 : 1 ≠ 2
Daerah Penerimaan H0
Daerah
penolakan H0
Daerah penolakan H0
d1 d2
(iii) Uji 2 pihak
STATISTIKA SOSIAL 89
D. Latihan
1. Jelaskan pengertian statistika inferensial dan mengapa penting dalam penelitian
ilmu-ilmu sosial.
2. Jelaskan kaitan atau hubungan antara statistika deskriptif dan statistika
inferensial dan berikan pula contohnya dalam ilmu sosial.
3. Jelaskan dua kegiatan pokok dimana statistika inferensial memainkan fungsinya.
4. Dengan menggunakan kata-kata sendiri, jelaskan apa dimaksud dengan
parameter dalam statistika inferensial!
5. Apa yang dimaksud dengan unit analisis dan berikan pula contoh dari unit
analisis dalam penelitian?
6. Kemukakan pendapat anda tentang apa yang dimaksud dengan populasi dan
sampel.
7. Apa yang dimaksud dengan sampel acak (random sample) dan mengapa penting
dalam suatu penelitian?
8. Hal penting dalam pengambilan sampel adalah persoalan keterwakilan, apa yang
harus terwakili, apapula yang harus diperhatikan mengenai keterwakilan ini?
9. Dalam menentukan ukuran atau jumlah sampel yang akan dipilih, mengapa
disamping oleh besarnya populasi juga keragaman dari populasi perlu
diperhatikan?
10. Mengapa dalam penelitian survai tentang jenis pekerjaan dan tingkat pendidikan
sampel yang harus diambil harus lebih banyak?
11. Kemukan 3 macam pendapat anda tentang pengertian hipotesis penelitian.
12. Apa yang dimaksud dengan hipotesis penelitian dan apa pula hipotesis statistik
itu?
13. Jelaskan ciri-ciri penting dari hipotesis penelitian yang baik.
14. Tuliskan masing-masing lima simbol yunani untuk parameter dan tulis pula
statistik pasangannya.
15. Apa yang dimaksud dengan taraf signifikansi () dan apa perbedaannya dengan
kekeliruan tipe I?
16. Apa yang dimaksud hipotesis nihil atau H0, dan mengapa hipotesis nilhil yang
akan diuji secara statistik?
17. Kemukakan pendapat anda tentang makna dari () = 0,05 dan () = 0,01.
18. Kemukakan makna dari ”hipotesis yang diajukan teruji oleh data (the data support
hypothesis)”.
19. Apa yang dimaksud dengan uji pihak kiri, uji pihak kanan, dan uji dua pihak?
20. Pernyataan berikut” terdapat hubungan positif antara kemampuan spatial dengan
hasil belajar geometri siswa SMA” adalah termasuk hipotesis apa? Apa
parameternya? Tuliskan hipotesis statistiknya!
21. Buat hipotesis penelitian (verbal) dengan kata-kata sendiri berdasarkan hipotesis
statistik berikut ini: H0 : ≤ 0 versus H1 : > 0.
22. Hipotesis yang berbunyi ”rata-rata hasil belajar matematika siswa yang diajari
metode penemuan lebih dari pada siswa diajar dengan metode konvensional”
termasuk hipotesis apa? Sebutkan parameternya!, menggunakan uji apa? dan
tuliskan hipotesis statistiknya!
90 STATISTIKA SOSIAL
23. Buat dua hipotesis penelitian (verbal) dengan kata-kata sendiri, berdasarkan
hipotesis statistik berikut:H0 : 1 ≥ 2 versus H1 : 1 < 2
24. Misalkan terdapat pernyataan ” Daya tahan lampu pijar neon merk X = 700 Jam”.
Apa nama jenis hipotesis ini? Tuliskan kemungkinan hipotesis alternatifnya.
STATISTIKA SOSIAL 91
BAB VII
ESTIMASI PARAMETER
Pengumpulan data kuantitatif melalui sampel penelitian, bertujuan untuk
menarik kesimpulan tentang populasi dari mana sampel itu diambil. Di dalam suatu
populasi terdapat satuan-satuan kuantitatif yang disebut parameter. Pada dasarnya
kesimpulan tentang populasi dinyatakan dalam bentuk estimasi atau pendugaan
terhadap satu atau beberapa parameter tersebut. Selanjutnya di dalam sebuah
sampel acak terdapat satuan-satuan kuantitatif yang disebut statistik. Karena
umumnya kita bekerja pada sampel, maka harga statistik dari suatu sampel itulah
yang kita gunakan untuk membuat estimasi harga parameter di populasi. Harga
statistik itu pula yang kita namakan penduga atau estimator. Ketepatan estimator
menjalankan fungsinya mengestimasi parameter bergantung pada besar kecilnya
jarak antara harga statistik dan harga parameter. Jarak ini biasa disebut kekeliruan
atau galat baku atau standard error. Oleh karena itu sebagai pengantar untuk
mengawali pembahasan estimasi parameter terlebih dahulu diperkenalkan tentang
kekeliruan baku atau galat baku.
Contoh 1.
Andaikan terdapat 2 bilangan sebagai populasi, misalnya 2 dan 6. buatlah distribusi
rata-rata sampel dengan n = 4. Kemudian tunjukkan bahwa rata-rata dari distribusi
rata-rata sampel itu = (E.T. Russefendi, 1993: 293).
92 STATISTIKA SOSIAL
Data Rata-rata Sampel Frekuensi Peluang
2, 2, 2, 2 4 1 1/16
2, 6, 2, 2
2, 2, 6, 2
2, 2, 2, 5 3 4 4/16
6, 2, 2, 2
2, 2, 6, 6
2, 6, 2, 6
6, 6, 2, 2
2, 6, 6, 2 4 6 6/16
6, 2, 6, 2
6, 2, 2, 6
2, 6, 6, 6
6, 2, 6, 6
6, 6, 2, 6 5 4 4/16
6, 6, 6, 2
6, 6, 6, 6 6 1 1/16
Jumlah - 16 1
x 2
dimana x1
2
X 2
( X ) 2
(2 2 6 2 )
(8) 2
8 ,
n n 2
8
maka standar deviasi populasi () = = 4 = 2,
2
Sehingga standard error atau galat baku rata-ratanya adalah :
2
X = =1.
n 4
Dari contoh sederhana di atas terlihat bahwa rata-ratanya membentuk
distribusi peluang, dimana rata-rata dari rata-rata sampel adalah sama dengan rata-
rata populasi
STATISTIKA SOSIAL 93
Tabel 29. Formula Standard Error Beberapa Parameter
Sampel Parameter Standard Error
n 30, untuk 1- rata-
rata pada populasi ( ) X
n
terbatas
n 30, untuk -1 rata- N n
rata populasidengan ) X
sampel pengembalian n N 1
94 STATISTIKA SOSIAL
Contoh 2
Dari 800 mahasiswa suatu Universitas, terpilih 25 mahasiswa sebagai sampel. Hasil
perhitungan data sampel diperoleh, s = 4,08. Tentukan standar eror rata-rata (mean),
proporsi, median, dan standar eror standar deviasi (SD).
Diketahui p = 25/800 = 0,0313, q = 0,987, sehingga diperoleh:
s 4,08
sX = 0,816 (standar error mean)
n 25
pq (0,0313)(0 ,987)
Sp = 0,0000386 (standar error proposi)
N 800
1,253 s 1,253 x 4,08
Semd = = 1,022 (standar error median)
n 25
s 4,08
SeS = = 0,577 (standar error SD)
2n 2x25
1. Karakteristik Estimator
Estimator adalah merupakan fungsi dari nilai observasi yang berasal dari
sampel dengan n elemen. Misalnya rata-rata nilai statistika dari sejumlah
mahasiswa di suatu Universitas adalah sebesar 6,25, maka rata-rata: x 6,25
adalah penduga atau estimator bagi rata-rata seluruh mahasiswa di Universitas
tersebut ().
Ada tiga karakteristik atau ciri penting yang harus dimiliki oleh suatu
estimator, yaitu (1) tak bias, (2) konsisten, dan (3) efisien.
(a) Tak bias
Suatu estimator disebut tak bias jika rata-rata dari rata-rata sampel acak sama
dengan parameter populasi yang ditaksir. Misalnya setiap sampel acak berukuran
STATISTIKA SOSIAL 95
n1, n2, n3, n4, n5, ....nk, rata-ratanya adalah x 1 , x 2 , x 3 , ... x k , maka rata-rata dari
x 1 x 2 x 3 ........ x k
rata-rata sampel adalah X .
nk
Hal ini berarti bahwa rata-rata dari rata-rata sampel acak adalah sama dengan
rata-rata dari populasi. Sehingga rata-rata sampel adalah estimator yang tak bias
bagi rata-rata populasi (). Demikian pula varians sampel (s2) adalah estimator
tak bias bagi varians populasi (2).
(b) Konsisten
Suatu estimator disebut konsisten apabila penambahan jumlah sampel
menyebabkan harga estimator tersebut semakin dekat dengan harga parameter
yang diestimasi. Hal ini berarti bahwa semakin besar sampel yang digunakan
maka semakin dekat harga estimator terhadap harga parameter populasi yang
diestimasi, sehingga estimator tersebut disebut konsisten. Dengan perkataan lain
bahwa sampel berukuran n = 80 jarak nilai rata-ratanya lebih dekat ke rata-rata
populasi dibandingkan dengan sampel berukuran n = 50.
Suatu sampel acak berukuran n1 n2 n3 dari suatu populasi yang sama
maka varians sampel s12, s22, dan s32 dikatakan estimator yang konsisten bila
selisih ketiga varians tersebut adalah (s12 - 2) (s22 - 2) , (s32 - 2).
(c) Efisien
Misalkan suatu estimator (E1) pada sampel acak n1 dan estimator (E2) pada
sampel acak n2. Estimator E1 dikatakan efisien jika variansnya relatif lebih kecil
dari E2. Dengan demikian bahwa estimator dari sampel acak yang diambil secara
berulang-ulang pada populasi sama akan merupakan estimator yang efisien atau
yang terbaik (the best) bila estimator tersebut memiliki varians yang relatif paling
kecil dibanding varians estimator lannya.
2. Estimasi Tunggal
Suatu estimasi tunggal adalah estimasi atau pendugaan yang hanya memuat
satu nilai saja. Misalnya rata-rata pengeluaran perhari dari setiap keluarga adalah
sebanyak Rp. 100.000,-. Hal ini berarti bahwa
x 100.000,- adalah penduga atau estimator dari . Begitupula prosentase
banyaknya barang rusak yang diambil dari suatu box sebesar 15%. Dengan demikian
proporsi (p) = 15 % adalah estimator bagi . Beberapa estimator atau penduga bagi
parameter proporsi, korelasi, varians, dan koefisien regresi (koefisien beta), seperti
diperlihatkan berikut ini.
Parameter 2
Estimator p r s2 b
96 STATISTIKA SOSIAL
3. Estimasi Interval
Estimasi atau pendugaan interval adalah suatu estimasi yang dibatasi oleh
dua nilai atau interval (selang). Nilai tersebut berupa batas bawah dan batas atas.
Misalnya, rata-rata suhu di suatu kota antara 280 – 420. Kita mengharapkan bahwa
suhu sesungguhnya akan terletak di dalam interval tersebut. Interval yang demikian
biasa disebut interval keyakinan (confidence interval). Estimasi yang dinyatakan
dalam bentuk kontinum nilai dalam suatu interval akan memiliki tingkat kemelesetan
lebih kecil dibandingkan dengan estimasi yang dinyatakan dalam suatu angka saja
(tunggal).
Besarnya tingkat kemelesetan, misalnya dalam kegiatan mengestimasi rata-
rata populasi dari rata-rata sampel bergantung kepada besarnya perbedaan antara
sampel satu dengan sampel lain dalam populasi yang bersangkutan. Tingkat
kemelesatan dinyatakan dengan galat, sehingga tingkat galat estimasi rata-rata
populasi dari rata-rata sampel bergantung kepada variasi distribusi rata-rata sampel.
Estimasi interval sampel besar, dianggap mendekati distribusi normal.
Rumus-rumus untuk estimasi rata-rata dan proporsi disajikan sebagai berikut.
a) Estimasi Sampel Besar ( n 30)
(1) Estimasi Interval Untuk Rata-rata ()
= X Z
2 n
(2) Estimasi Interval Untuk Perbedaan Dua Rata-rata (1- 2)
(1- 2) = ( X1 X 2 ) Z ( X 1 X 2 )
2
STATISTIKA SOSIAL 97
Rumus-rumus di atas menggunakan nilai Z . Adapun cara menentukan harga
2
TK = 95% TK = 99%
Z Z Z Z
2 2 2 2
-1,96 1,96
50% = 0,5
Tabel
Z = Z (0,025) = 0,5 – 0,025 = 0,475 atau 6
2
98 STATISTIKA SOSIAL
Rangkuman hasil perhitungan untuk beberapa nilai ditunjukkan sebagai
berikut.
Z
.( 1 )
2 2
5,6
= X Z = 62 (1,96)( ) 62 0,776
2 n 200
Atau 61,22 62,78 . Jadi interval antara 61,22 dan 62,78 akan memuat
= 62 dengan tingkat keyakinan 95%. Dengan perkataan lain kita yakin 95%
bahwa rata-rata persepsi masyarakat terhadap transfaransi akan terletak antara
61,22 dan 62,78.
STATISTIKA SOSIAL 99
Penyelesaian:
n1 50, 1 65,2, 1 1,84, 1 2 3,39
2
n 2 38, 2 76,8, 2 1,65 2 2,72
12 22 3,39 2,72
Z = 2,57, ( X 1 X 2 ) = 0,1394 0,3733
2
n1 n2 50 38
(1- 2) = I( X1 X 2 )I Z ( X 1 X 2)
2
(1- 2) = I 65,2- 76,8I (0,3733)(2,57) = 11,6 0,959 atau 10,64 (1- 2)
12,56.
Jadi interval antara 10,64 dan 12,56 akan memuat perbedaan rata-rata kedua
kelompok dengan probabilitas 99%.
3. Suatu sampel random sebanyak 250 butir telur, setelah diteliti ternyata 20 butir
rusak. Dengan menggunakan tingkat keyakinan 95% buatlah estimasi interval
proporsi banyaknya telur rusak.
Penyelesaian:
20
n = 250, x = 20 p 0,08 , q = 1 – p = 1- 0,08 = 0,92
250
pq pq (0,08)(0,9 2)
Sp = 0,0172 , Z = 1,96
N N 250 2
pq
= p Z = 0,08 (1,96) (0,0172) 0,08 0,0337
2
n
0,046 0,114 atau 4,6% 11,4%. Jadi interval antara 4,6% dan
11,4% akan memuat proporsi telur rusak pada tingkat keyakinan 95%.
4. Suatu lembaga survai melakukan penelitian di dua wilayah (I dan II) untuk
mempelajari apakah terdapat perbedaan prosentase penduduk yang setuju
dengan diberlakukannya kebijakan PILKADA. Untuk keperluan tersebut telah
diambil sampel acak masing-masing sebanyak 180 orang di kedua wilayah
tersebut untuk diwawancarai. Dari wilayah I terdapat 90 orang setuju dan wilayah
II terdapat 85 orang setuju. Buat estimasi interval perbedaan proporsi penduduk
yang setuju terhadap kebijakan tersebut pada tingkat keyakinan 90%.
Penyelesaian:
p1 = 90/180 = 0,50 q1 = 1 – p1 = 1- 0,50 = 0,50
p2 = 85/180 = 0,47 q2 = 1 – p2 = 1- 0,47 = 0,53
I p1 – p2 I = I 0,50 – 0,53 I = 0,03, Z = 1,65
2
5. Misalkan suatu survai yang mengambil sampel acak 500 prajurit bertujuan untuk
mengetahui kompetensi tempur prajurit. Hasil survai memperoleh rata-rata
kompetensi tempur prajurit adalah 68,9, median 65 dan standar deviasi 2,04.
Buatlah estimasi median dan estimasi standar deviasi pada tingkat keyakinan
95%.
Penyelesaian:
n 500, X 68,9 med 65, s 2,04. dan Z = 1,96
2
1,253 s
= Med Z
( )
2 n
(1,253 ) (2,04)
= 65 (1,96) 65 (1,96) (0,1143)
500
= 65 0,224 = (64,78 s/d 65,22)
Jadi interval antara 64,78 dan 65,22 akan memuat median kompetensi prajurit
pada tingkat keyakinan 95%.
s
= s Z
( )
2 2n
2,04
= 2,04 (1,96) 2,04 0,126
2x500
Jadi interval antara 1,91 dan 2,17 akan memuat standar deviasi kompetensi
pada tingkat keyakinan 95%.
n 6, X
X
443
73,83, s
x2
7,626 ,
n 6 n -1
( 1 ) = 95%, = 5%, = 2,5%, db = n -1 = 5, t = 2,75
2 2
s 7,626
= X t = 73,83 (2,75) 73,83 8,56
2 n 6
Jadi interval antara 65,52 dan 82,39 akan memuat rata-rata sikap terhadap
kenaikan BBM pada tingkat keyakinan 95%.
n1 8, X1
X 1
638 2
79,75, s1
x1 32,79
2
n1 8 n1 1
X x 2 87,33
2
2 650 2
n 2 10, X 2 65, s 2
n2 10 n 2 1
2 2
(n1 1) s1 (n 2 2) s 2 (7) (32,79) (9)(87,33)
s ( X 1 X 2 ) 7,967
n1 n 2 2 8 10 2
( 1 ) = 95%, = 5%, = 2,5%,
2
db = 8 + 10 – 2 = 16 t = 2,12
2
(1- 2) = ( X1 X 2 ) t s ( X 1 X 2)
2
Jadi interval antara -2,14 dan 31,64 akan memuat perbedaan rata-rata kinerja
karyawan laki-laki dan wanita pada tingkat keyakinan 95%.
pq
= p t = 0,25 (2,05) (0,082) 0,25 0,1681
2
n
0,082 0,418 atau 8,2% 41,84%. Jadi interval antara 8,2% dan
41,84% akan memuat proporsi penduduk yang tidak memiliki NPWP pada tingkat
keyakinan 95%.
4. Suatu survai yang ingin mengetahui perbedaan dua proporsi pegawai yang tidak
masuk bekerja. Untuk itu telah diambil sampel acak masing-masing 25 orang
pada kedua instansi pemerintah (I dan II), ternyata terdapat 8 pegawai pada
instansi I dan 5 pegawai pada intansi II. Buat estimasi perbedaan 2 proporsi
pegawai yang tidak masuk bekerja pada jam kerja pada tingkat keyakinan 95%.
Penyelesaian:
8
n1 = 25, x1 = 8 p1 0,32 , q1 = 0,68
25
5
n2 = 25, x2 = 5 p 2 0,2 , q2 = 0,8
25
( 1 ) = 95%, = 5%, = 2,5%,
2
db = 25 + 25 - 2 = 48 t = 2,01
2
(0,32)(0,68) (0,2)(0,8)
s ( p1 p 2 ) 0,1229
25 25
.
p1q1 p q
(1- 2) = ( p1 p 2 ) t 2 2
2
n1 n2
C. Latihan
1. Misalkan 100 Mahasiswa dipilih secara acak untuk ditanyai mengenai lamanya
waktu belajar mereka per-hari. Ternyata rata-rata waktu belajar mahasiswa
tersebut adalah 10 jam per-hari dengan simpangan baku sebesar 1,5.
a. Buat estimasi rata-rata lamanya waktu belajar mahasiswa pada tingkat
keyakinan 90%. Tafsirkan hasil yang anda peroleh!
b. Buat estimasi rata-rata lamanya waktu belajar mahasiswa pada tingkat
keyakinan 99%. Tafsirkan hasil yang anda peroleh!
c. Berikan kesimpulan dari hasil estimasi (a) dan (b)!
2. 20 orang bupati telah diambil secara acak untuk diwawancarai mengenai sikap
mereka terhadap bahaya korupsi. Skor sikap terhadap bahaya korupsi ke-20
bupati tersebut disajikan sebagaik berikut.
20 15 17 18 22
21 18 14 15 13
16 14 24 25 26
21 19 18 17 15
Jumlah 50 75
Apabila intansi pemerintah itu mensyaratkan bahwa yang CPNS (pria dan
Wanita) minimal mendapat 60. Buat estimasi interval perbedaan proporsi CPNS
Pria dan wanita yang lulus psikotes pada tingkat keyakinan 95%.
6. Suatu lembaga survai melakukan penelitian tentang kepuasan para ibu rumah
tangga terhadap acara sinetron TV. Telah diambil sampel acak sebesar 3000 ibu
rumah tangga dan ternyata terdapat 1800 ibu rumah tangga yang merasa puas
dengan acara TV tersebut. Dengan menggunakan tingkat keyakinan 99% buatlah
estimasi proporsi para ibu rumah tangga yang merasa puas dengan acara TV
tersebut.
7. Suatu PTS melakukan penelitian terhadap keaslian (orsinilitas) skripsi buatan
mahasiswa. Dari sampel acak 200 buah kelompok skripsi eksakta ternyata 15
adalah plagiat, dan 300 buah kelompok skripsi non-eksakta ternyata 28 adalah
plagiat. Buatlah estimasi proporsi kedua kelompok skripsi tersebut pada tingkat
kepercayaan 95%.
8. Suatu survai untuk mengetahui kebiasaan merokok mahasiswa di suatu kampus.
Telah diambil sampel acak sebesar 28 mahasiswa dan ternyata diperoleh 8
mahasiwa yang suka merokok di kampus. Buat pendugaan atau estimasi proporsi
mahasiswa yang suka merokok di kampus pada tingkat kepercayaan 95%
9. Suatu survai yang ingin mengetahui perbedaan dua proporsi pegawai yang tidak
masuk bekerja. Untuk itu telah diambil sampel acak masing-masing 20 pegawai
pada instansi pemerintah dan instansi swasta, ternyata terdapat diperoleh 7
pegawai pada instansi pemerintah dan 5 pegawai pada intansi swasta. Buat
estimasi perbedaan 2 proporsi pegawai yang tidak masuk bekerja pada jam kerja
pada tingkat keyakinan 95%.
Dari hasil analisis pada tabel di atas diperoleh L0 = 0.0840. Sedangkan dari
tabel Lilliefors pada = 0.05 (n = 30) diperoleh L-tabel = 0,161. Ini berarti L-hitung
(L0) lebih kecil dari L-tabel. Dengan demikian H0 diterima atau data sampel berasal
dari populasi berdistribusi normal.
2. Uji Normalitas Dengan Kolmogorov-Smirnov
Pengujian normalitas data hasil penelitian dengan menggunakan uji
Kolmogorov-Smirnov, dilakukan dengan langkah-langkah sebagai berikut.
a) Perumusan hipotesis.
H0: Sampel berasal dari populasi berdistribusi normal
H1: Sampel berasal dari populasi berdistribusi tidak normal
b) Data diurutkan dari yang terkecil ke yang terbesar.
c) Menentukan kumulatif proporsi (kp)
d) Menentukan 100 Pj yaitu prosentase luas interval ke-j dari suatu distribusi
Xi - X
normal melalui tranformasi ke skor baku: z i =
SD
e) Menghitung nilai hitung melalui rumus sbb:
2
n (Pj -100Pj) 2
2
100
100Pj
f) Menentukan 2 tabel pada derajat bebas (db) = k -3, dimana k banyaknya
kelompok.
g) Kriteria pengujian
Jika 2 2 tabel maka H0 diterima
Jika 2 2 tabel maka H0 ditolak
h) Kesimpulan
2 2 tabel : Sampel berasal dari populasi berdistribusi normal
2 2 tabel : Sampel berasal dari populasi berdistribusi tidak normal
(Pj - 100Pj) 2
SKOR fj Pj 100Pj Pj – 100Pj
100Pj
60 – 64 5 3 2,59 0,41 0,0649
65 – 69 15 10 9,31 0,69 0,0511
70 – 74 25 17 20,52 -3,52 0,6038
75 – 79 50 33 27,77 5,23 0,9849
80 – 84 30 20 23,07 -3,07 0,4085
85 – 89 18 12 11,77 0,23 0,0045
90 – 94 7 5 3,68 1,32 0,4734
Jumlah 150 100 - - 2,5911
Keterangan: Rata-rata = 77,6 dan SD = 7,01, kolom Pj diperoleh dari
(fj/150)x100, misalnya fi = 25, maka Pj = (25/150)x100 = 17. Misalkan 100P1
(interval 60-64), batas-batasnya 59,5 dan 64,5 sehingga diperoleh harga Z =
-2,58 dan Z = = -1,87, luas daerah antara kedua harga Z tersebut 0,0049 dan
0,0308 (0,0308- 0,0049) = 0,0259, sehingga 100 P1 = 100x0,0258 = 2,59.
100
100Pj
2
100
(2,5911) 3,8867
x q
2 2
i i
6. Menentukan r-kritis sesuai ukuran sampel (n), dari nilai kritis untuk Q-Q Plot
sebagai berikut:
g) Kesimpulan
Jika rhitung r tabel maka H0 diterima atau sampel berasal dari populasi
berdistribusi normal.
Jika rhitung r tabel maka H0 ditolak atau sampel berasal dari populasi
berdistribusi tidak normal.
Contoh: Andaikan kita mempunyai data observasi terurut sebagai berikut:
Tabel 37. Perhitungan Uji Normalitas dengan Q-Q Plot
Data Terurut Probabilitas Standar normal
(Xi) (i 0,5) quantil (Q (i))
p (i)
n
54,5 0,07 -1,476
59,5 0,21 -0,806
64,5 0,36 -0,358
69,5 0,50 -1,392
74,5 0,64 0,359
79,5 0,79 0,806
84,5 0,93 1,476
r hitung 0,8787
r tabel 0,8299 ( = 0,01)
Kesimpulan Berdistribusi normal
rhitung
x q i i
dimana
x q
2 2
i i
( X i )( Q i )
x q i i X Q i
n
i
( X ) 2
( Q i ) 2
xi X i n i dan qi Qi n
2 2 2 2
63,985
rhitung 0,8787
(700) (7,575)
Sehingga rhitung rtab atau H0 diterima. Dengan demikian populasi skor
berdistribusi normal.
B = (Log S 2
) (n - 1) = (log 88,021)(116) = 225,572
gabungan i
134,869 62,120
t 2,173
1 - 0,252 2
2(11,614)(7,882)
28
Bandingkan dengan t tabel pada db = 28 dan = 0,05, yaitu ttabel = t(0,05)(28) =
2,048. Karena t hitung lebih kecil dari t tabel maka H0 diterima. Jadi kedua distribusi
populasi adalah mempunyai varians sama atau homogen.
Catatan:
(-0,09 0,811- 0,09) 0,631
X1 = 1,428
3 3
JK1 = (-0,09 – 0,210)2 + (0,811 – 0,210)2 + (-0,09 – 0,210)2 = 0,541
Menghitung: JKa = ki ( Xi - X t )2
3(0,210) 4(0,540) 2(1,055) 4,90
Xt = 0,544
3 4 2 9
JKa = 3(0,210 – 0,544)2 + 4(0,540 - 0,544)2 + 2(1,055 - 0,544)2 = 0,857
JK a 0,857
RJKa = 0,4285
k -1 3 1
C. Latihan
1. Berikan alasan mengapa kita perlu melakukan uji normalitas terhadap data hasil
penelitian.
2. Pada hipotesis tentang perbandingan, misalnya perbandingan rata-rata hasil
belajar antara dua kelompok, maka uji homogenitas perlu dilakukan. Mengapa?
3. Jelaskan perbedaan pengujian homogenitas antara cara Bartlett dan cara
Scheffe.
4. Apakah setiap distribusi data yang tidak homogen tidak boleh menggunakan
statistik uji-t?
5. Lengkapi tabel perhitungan uji normalitas dengan Q-Q Plot berikut ini.
6. Periksa apakah data berikut berdistribusi normal dan mempunyai varians yang
homogen.
Xi 5 6 7 8 9 10 12 13 14 15 16 18 20
f 2 3 4 5 6 8 10 8 9 6 7 8 4
.
Dengan persyaratan sampel yang terpilih adalah sampel random dari populasinya
normal, dan homogen.
Contoh
Misalnya kita membahas hubungan antara kompetensi (X) dan kinerja pegawai (Y).
Untuk itu kita ambil sampel acak sebanyak 15 orang sebagai berikut.
No. X Y
Subyek
1 40 4
2 55 16
3 32 12
4 55 24
5 50 15
6 52 24
7 61 22
8 44 17
9 30 4
10 22 14
11 40 24
12 64 26
13 58 20
14 48 9
15 44 14
Pertanyaan:
a. Tentukan Persamaan regresi Y atas X.
b. Lakukan pengujian:
(i) Linearitas regresi Y atas X.
(ii) Signifikansi/keberartian regresi Y atas X.
c. Hitung koefisien korelasi dan koefisien determinasi Y dan X.
Penyelesaian:
Untuk menjawab persoalan regresi sederhana di atas, terlebih dahulu kita
membuat tabel persiapan atau tabel kerja. Tabel ini berguna untuk memudahkan kita
menghitung jumlah kuadrat dan jumlah hasil kali dari variabel X dan Y (terutama
untuk pemula), sebagai berikut.
Ŷ = a + b X
b =
xy
x 2
a = Y-b X
dimana:
X = 695, X2 = 34219, X1 46.33
Y = 245, Y2 = 4707, Y 16,33
XY = 12092
xy = XY - 12092- (695)(245)
( X)( Y)
740,333
n 15
( X) 2 (695)2
x2 = X 2 34219 - 2017,333
n 15
( Y) 2 (245)2
y 2
= Y 2
4707 - 705,333
n 15
2 282
2 2 2 312 2 2 402
JK(G) = (4 24 ) + (17 14 ) + (16 24 ) = 236,5
2 2 2
JK(Tc) = JK(S) – JK(G) = 433,641 - 236,5 = 197,141
(ii) Menentukan Derajat Bebas (db) Beberapa Sumber Varians
db (T) = n = 15
db (a) = 1
db (b/a) = 1
db (S) = n – 2 = 15 – 2 = 13
db (G) = n – k = 15 – 12 = 3 ( k = 12 )
db (Tc) = k – 2 = 12 – 2 = 10
(iii) Menghitung Rata-rata Jumlah Kuadrat (RJK)
JK(a) 4001,667
RJK(a) = 4001,667
db(a) 1
JK(b/a) 271,692
RJK(b/a) = 271,692
db(b/a) 1
JK(S) 433,641
RJK(S) = 33,357
db(S) 13
Sehingga Fhit (b/a) lebih besar dari pada Ftab. Hal ini berarti H0 ditolak pada
taraf signifikansi = 0.05. Dengan demikian regresi Y atas X adalah berarti
atau signifikan. Kesimpulan dari pengujian linearitas signifikansi regresi yaitu:
terdapat hubungan antara kompetensi dengan kinerja pegawai.
(v) Menyusun Tabel Anava Regresi
Tabel analisis varians regresi atau biasa disebut dengan tabel anareg, adalah
tabel memuat rangkuman hasil analisis linearitas dan signifikansi regresi.
Bentuk tabel tersebut disajikan sebagai berikut.
Keterangan:
* = regresi signifikan (Fhit = 8,145 > Ftab = 4,67)
ns = non signifikan atau regresi linear (Fhit = 0,250 < Ftab = 8,78)
db = derajat bebas
JK = jumlah kuadrat
RJK = Rata-rata jumlah kuadrat
Fhit = F hitung
Ftab = F tabel
rxy
xy
740,333
0,621
( x )( y
2 2
) (2017,333)(705,333)
Jadi koefisien korelasi antara X dan Y adalah 0,621
rxy n - 2 0,621 13
t hitung 2,849
2
1- r xy 1 - 0,6212
ttab(0,95: 13) = 1,77 dan ttab(0,99: 13) = 2,65
Jika kita telah memahami konsep analisis regresi, kita dapat menggunakan
program SPSS dengan berbagai versi. Untuk contoh yang baru kita bahas di atas
dapat kita sajikan dalam bentuk print out SPSS versi 15.0 sebagai berikut.
1. Persamaan regresi linear
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -.670 6.142 -.109 .915
X .367 .129 .621 2.854 .014
a. Dependent Variable: Y
Dari tabel coefficients ini, konstanta dan koefisien persamaan regresi linear
ˆ - 0,67 0,367 X
diperoleh dari kolom B, yaitu: Y
Sum of
Squares df Mean Square F Sig.
Y*X Between (Combined) 468.833 11 42.621 .541 .803
Groups Linearity 271.692 1 271.692 3.446 .160
Deviation from Linearity 197.141 10 19.714 .250 .959
Within Groups 236.500 3 78.833
Total 705.333 14
Hipotesis statistik:
H0: Y = + X (regresi linear)
H1: Y + X (regresi tak linear)
Uji linearitas persamaan garis regresi diperoleh dari baris Deviation from
Linearity, yaitu Fhit(Tc) = 0,250, dengan p-value = 0,959 0,05. Hal ini berarti H0
diterima atau persamaan regresi Y atas X adalah linear atau berupa garis linear.
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 271.692 1 271.692 8.145 .014a
Residual 433.641 13 33.357
Total 705.333 14
a. Predictors: (Constant), X
b. Dependent Variable: Y
Hipotesis statistik:
H0: ≤ 0 (regresi tak berarti)
H1: > 0 (regresi berarti)
Uji linearitas persamaan garis regresi diperoleh dari baris Deviation from Linearity
kolom ke-5, yaitu Fhit (b/a) = 8,145, dan p-value = 0,014 0,05. Hal ini berarti H0
ditolak. Dengan demikian regresi Y atas X adalah berarti atau signifikan.
Model
1
R .621a
R Square .385
Adjusted R Square
.338
a. Predictors: (Constant), X
Uji signifikansi koefisien korelasi diperoleh dari tabel Model Summary. Terlihat
pada baris pertama koefisien korelasi (rxy) = 0,621 dan Fhit (Fchange) = 8,145,
dengan p-value = 0,014 0,05. Hal ini berarti H0 ditolak. Dengan demikian
koefisien korelasi X dan Y adalah berarti atau signifikan. Sedangkan koefisien
determinasi dari tabel di atas terlihat pada baris ke-dua, yaitu R Square = 0,385,
yang mengandung makna bahwa 38,5% variasi kinerja pegawai dapat dijelaskan
oleh kompetensi.
No. X1 X2 Y
Subyek
1 X11 X21 Y1
2 X12 X22 Y2
3 X13 X23 Y3
4 X14 X24 Y4
. . . .
. . . .
. . . .
.n X1n . X2n Yn
Dari tabel ini ditentukan jumlah kuadrat dan jumlah hasil kali antara variabel
dapat ditentukan dengan menggunakan rumus deviasi, yang selanjutnya digunakan
untuk menentukan:
(1) Persamaan regresi ganda Y atas X1 dan X2.
(2) Signifikansi persamaan regresi ganda Y atas X1 dan X2.
(3) Koefisien korelasi ganda dan koefisien determinasinya.
(4) Signifikansi koefisien persamaan regresi ganda Y atas X1 dan X2.
(5) Koefisien korelasi parsial dan signifikansinya.
Contoh
Misalnya kita akan membahas hubungan antara kompetensi (X1) dan kompensasi
(X2) dengan kinerja pegawai (Y). Untuk tujuan ini misalnya kita ambil sampel acak
sebagai berikut.
No.
X1 X2 Y
Subyek
1 12 10 6
2 14 11 7
3 10 14 8
4 16 13 8
5 18 15 9
6 24 20 10
7 12 8 5
8 30 16 12
9 10 12 6
10 16 9 7
Jumlah 162 128 78
b1 x1 b2 x1 x2 x y
2
1
b1 x1 x2 b2 x2 x
2
2 y
x y x x
1 1 2
x y x
2
2 2
b1
x x x
1
2
1 2
x x x
2
1 2 2
x x y
2
1 1
b2
x x x y
1 2 2
x x x
1
2
1 2
x x x
2
1 2 2
( x 2 )( x1 y ) - ( x1 x 2 )( x 2 y )
2
b1
( x1 )( x 2 ) - ( x1 x 2 ) 2
2 2
b2
( x1 )( x 2 ) - ( x1 x 2 ) 2
2 2
JK(Reg)= b x y b x
1 1 2 2 y = (0,200)(108,4)+(0,246)(56,6)=35,608
JK(Res) = JK(T) - JK(Reg) = 39,6 - 35,608 = 3,992
(ii) Menentukan Derajat Bebas (db) Beberapa Sumber Varians
db (T) = n - 1 = 10 – 1 = 9
db (Reg) = k = 2 (k adalah banyaknya prediktor)
db (Res) = n - k - 1 = 10 – 2 – 1 = 7
(iii) Menghitung Rata-rata Jumlah Kuadrat (RJK)
JK(Reg) 35,608
RJK(Reg) = 17,804
db(Reg) 2
JK(Res) 3,992
RJK(Sisa) = 0,570
db(Res) 7
R1 =
x x 1 2
138,4
0,662
( x )( x (371,6)(117,6)
2 2
1 2 )
Sehingga menghasilkan R21 = R22 = 0,4382
(iii) Menghitung S2bi
S 2 y.12...k
S2bi =
x 2 ij (1 R 2 i )
S 2 y.12
S2b1 =
x 21 (1 R 21 )
Selanjutnya :
S 2 y.12
S2b2 =
x 2 2 (1 R 2 2 )
0,570
S2b2 = = 0,008632
(117,6)(1 0,4382)
Sehingga diperoleh Sb2 = 0,0929
Nampak bahwa t2 > ttab, sehingga H0 ditolak. Dengan demikian koefisien yang
berkaitan dengan X2 adalah sangat signifikan. Dengan kata lain bahwa
koefisien X2 tidak bisa diabaikan. Dapat disimpulkan bahwa setiap
peningkatan satu unit variabel X2 akan meningkatkan variabel Y sebesar
0,246 kali pada konstanta 1,412 sementara variabel X1 dianggap tetap atau
dikontrol.
Dari hasil analisis pada tabel di atas, menunjukkan bahwa peringkat pertama
keeratan hubungan antara variabel bebas dan variabel terikat dimiliki oleh
variabel kompetensi dan peringkat kedua adalah variabel kompensasi. Hal ini
juga berimplikasi bahwa apabila kinerja pegawai ingin kita tingkatkan maka faktor
pertama yang perlu diperbaiki adalah kompetensi para pegawai kemudian yang
kedua adalah faktor kompensasinya.
Analisis regresi ganda dua prediktor dengan menggunakan program SPSS
versi 15.0 diperlihatkan dengan print out sebagai berikut.
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 1.412 .925 1.527 .171
X1 .200 .052 .613 3.830 .006
X2 .246 .093 .423 2.644 .033
a. Dependent Variable: Y
.
Dari tabel coefficients di atas, pada kolom B diperoleh konstanta b0= 1,412,
b1 = 0,200, dan b3 = 0,246. Sehingga persamaan regresi linear ganda adalah:
Yˆ 0,412 0,200 X1 0,246 X 2
Sum of
Model Squares df Mean Square F Sig.
1 Regression 35.608 2 17.804 31.219 .000a
Residual 3.992 7 .570
Total 39.600 9
a. Predictors: (Constant), X2, X1
b. Dependent Variable: Y
Hipotesis:
H0: Persamaan regresi ganda tak berarti
H1: Persamaan regresi ganda berarti
Uji linearitas persamaan garis regresi diperoleh dari baris Deviation from Linearity
kolom ke-5, yaitu Fhit = 31,219, dan p-value = 0,000 0,05. Hal ini berarti H0
ditolak.
Uji signifikansi koefisien korelasi ganda diperoleh dari tabel Model Summary di
bawah ini. Terlihat pada baris pertama bahwa koefisien korelasi ganda (Ry.12) =
0,948 dan Fhit (Fchange) = 31,219, serta p-value = 0,000 0,05. Hal ini berarti H0
ditolak. Dengan demikian koefisien korelasi ganda antara X1 dan X2 dengan Y
adalah berarti atau signifikan. Sedangkan koefisien determinasinya dari tabel di
bawah juga terlihat pada baris ke-dua, yaitu R Square = 0,899, yang
mengandung makna bahwa 89,9% variasi nilai pada variabel kinerja pegawai (Y)
dapat dijelaskan oleh kompetensi (X1) dan konpensasi (X2) secara bersama-
sama.
Model
1
R .948a
R Square .899
Adjusted R Square
.870
Control Variables Y X1
X2 Y Correlation 1.000 .823
Significance (1-tailed) . .003
df 0 7
X1 Correlation .823 1.000
Significance (1-tailed) .003 .
df 7 0
Dari hasil analisis pada tabel di atas, diperoleh: Sehingga (ry1.2) = 0,823 dan p-
value = 0,003 0,05 atau H0 ditolak. Dengan demikian koefisien korelasi antara
X1 dan Y dengan mengontrol variabel X2 adalah signifikan. .
Control Variables Y X2
X1 Y Correlation 1.000 .707
Significance (1-tailed) . .017
df 0 7
X2 Correlation .707 1.000
Significance (1-tailed) .017 .
df 7 0
Dari hasil analisis pada tabel di atas, diperoleh: Sehingga (ry2.1) = 0,707 dan
p-value = 0,017 0,05 atau H0 ditolak. Dengan demikian koefisien korelasi
antara X2 dan Y dengan mengontrol variabel X1 adalah signifikan. .
Konstanta bo dan koefisien regresi b1, b2 dan b3 diperoleh dari data sampel. Untuk
keperluan itu dibutuhkan pasangan data (X1, X2, X3, Y), dengan persyaratan diambil
secara random, populasinya normal, dan homogen.
Langkah-langkah perhitungan dalam analisis regresi ganda dinyatakan
sebagai berikut:
(1) Menentukan persamaan regresi ganda Y atas X1, X2 dan X3;
(2) Menguji signifikansi regresi ganda Y atas X1, X2 dan X3;
(3) Menghitung koefisien korelasi ganda dan koefisien determinasinya;
(4) Menghitung koefisien korelasi parsial dan menguji signifikansinya;
(5) Menguji signifikansi koefisien persamaan regresi ganda Y atas X1, X2 dan X3.
(6) Memberi kesimpulan atas semua hasil analisis yang telah diperoleh.
No. X1 X2 X3 Y
1 5 18 12 5
2 7 22 12 6
3 6 24 15 7
4 6 25 14 7
5 8 25 16 8
6 6 26 15 8
7 8 30 17 9
8 6 26 14 7
9 10 28 18 10
10 9 20 12 6
Jumlah 71 244 145 73
b1 x1 x2 b2 x2 b3 x2 x3 x y
2
2
b1 x1 x3 b2 x2 x3 b3 x3 x
2
3 y
22,9 b1 + 17,6 b2 + 14,5 b3 = 12,7
17,6 b1 + 116,4 b2 + 60 b3 = 43,8
14,5 b1 + 60 b2 + 40,5 b3 = 27,5
Menentukan determinan utama (D)
22,9 17,6 14,5
D = 17,6 116,4 60 138579,18 – 119458,38 = 19120,8
14,5 60 40,5
x y x x x
2
2 2 2 3
x y x x x
2
3 2 3 3 D1 3661,7
b1 = = = 0,191504
x x x x x D 19120 ,8
2
1 1 2 1 3
x x x x x
2
1 2 2 2 3
x x x x x
2
1 3 2 3 3
x x y x x
2
1 1 1 3
x x 1 2 x y 2 x x
2 3
x x x y x
2
1 3 3 3 D2 2642,8
b2 = = = 0,138216
x x x x x D 19120 ,8
2
1 1 2 1 3
x x x x x
2
1 2 2 2 3
x x x x x
2
1 3 2 3 3
x x x x y
2
1 1 2 1
x x x x y
2
1 2 2 2
x x 1 3 x x 2 3 x y 3 D3 7757 ,2
b3 = = = 0,405694
x x x x x D 19120 ,8
2
1 1 2 1 3
x x x x x
2
1 2 2 2 3
x x x x x
2
1 3 2 3 3
b0 = Y - b1 X 1 - b2 X 2 - b3 X 3
b0 = 7,3 - (0,191503493)(7,0) – (0,138215974)(24,4) – (0,405694322)(14,5)
b0 = -3,29556
Sehingga persamaan regresi ganda 3 prediktor:
Yˆ - 3,295561886 0,191503493X 1 0,138215974X 2 0,405694322X 3
atau Ŷ - 3,296 0,192 X1 0,138X 2 0,406X3
0,341 1 1 0,341
M13 = 0,177966 , M23 = 0,711684 ,
0,476 0,874 0,476 0,874
1 0,341
M33 = 0,883719
0,341 1
2 S2 y.123 0,0762
Sb1 = 0,004439
1
2 2
x (1 R 1 ) 22,9 (1 0,250414 )
Jadi Sb1 = 0,066627
2 S2 y.123 0,0762
Sb 2 = 0,002861
2
2 2
x (1 R 2 ) 116,4 (1 0,771153)
Jadi Sb2 = 0,053485
2 S2 y.123 0,0762
Sb 3 = 0,009394
3
2 2
x (1 R 3 ) 40,5 (1 0,799715)
Jadi Sb3 = 0,0969228
bi
(vi) Menentukan Statistik Uji- t dengan rumus t i
Sb i
Hipótesis:
Ho: 1 = 0 Ho: 2 = 0 Ho: 3= 0
Hi: 1 0 Hi: 2 0 Hi: 3 0
ttabel = t(0,05)(6) = 2,45 dan t(0,01)(6) = 3,71
b1 0,191505
t1 2,87426 2,874 ( * )
Sb1 0,066627
b2 0,138216
t2 2,58420 2,584 ( * )
Sb 2 0,053485
b3 0,405694
t3 4,18574 4,186 ( ** )
Sb 3 0,096923
Control Variables Y X1
X2 & X3 Y Correlation 1.000 .761
Significance (1-tailed) . .014
df 0 6
X1 Correlation .761 1.000
Significance (1-tailed) .014 .
df 6 0
Correlations
Control Variables Y X2
X1 & X3 Y Correlation 1.000 .726
Significance (1-tailed) . .021
df 0 6
X2 Correlation .726 1.000
Significance (1-tailed) .021 .
df 6 0
Control Variables Y X3
X2 & X1 Y Correlation 1.000 .863
Significance (1-tailed) . .003
df 0 6
X3 Correlation .863 1.000
Significance (1-tailed) .003 .
df 6 0
Koefisien
Variabel Bebas (X) Peringkat
Notasi Korelasi
Penalaran Logik (X3) ry3.12 0,863 Pertama
Pengetahuan Dasar (X1) ry1.23 0,761 Kedua
Kemampuan Numerik (X2) ry2.13 0,726 Ketiga
Hasil analisis berupa koefisien parsial ini merupakan temuan penting penelitian
(finding of the research). Oleh karena itu dalam hal koefisien korelasi parsial
tidak signifikan merupakan petunjuk terjadinya multikolinearitas diantara
variabel independen. Bila hal tersebut terjadi maka dapat dilakukan analisis
regresi dengan pembobotan atau analisis regresi komponen utama. Analisis
statitistika yang membahas kasus ini akan dijelaskan pada bagian D.
S
x 2
Untuk komponen utama dari matriks S peranan atau sumbangan dinyatakan sebagai
rasio antara nilai Eigen dan banyaknya variabel asal atau: Sumbangan komponen
i
utama Xi = (p = banyaknya variabel bebas).
p
Contoh
Data hasil penelitian tentang hubungan antara kreativitas (X1), kemampuan
penalaran logik (X2), dan kemampuan numerik (X3) dengan hasil belajar Matematika
siswa dari sepuluh sampel acak disajikan pada tabel berikut.
No X1 X2 X3 Y
1 21 52 8 6
2 23 60 9 7
3 22 65 11 7
4 24 68 13 8
5 19 55 7 6
6 25 72 14 8
7 26 75 16 8
8 28 76 18 9
9 24 62 14 7
10 23 62 10 6
Dengan menggunakan analisis yang sama seperti analisis regresi ganda 2 dan 3
prediktor, diperoleh hasil analisis awal berturut –turut dirangkum sebagai berikut:
1. Persamaan regresi ganda Ŷ = 0,234 + 0,081X1+ 0,065X2+0,069X3
2. Analisis Varians Regresi
Ftabel
Sumber JK db RJK Fhitung
=0,05 =0,01
Regresi 8,253 3 2,751
Sisa 1,347 6 0,225 12,253** 4,76 9,78
Total 9,6 9 - - - -
Dari tabel diperoleh Fhitung > Ftabel atau Ho ditolak. Ini berarti ada hubungan yang
sangat signifikan antara X1, X2, dan X3 secara bersama-sama dengan Y.
Korelasi
Variabel Bebas (X) Notasi p Simpulan
parsial
Kreativitas (X1) ry1.23 0,166 0,347 non-sig
Kemampuan Penalaran (X2) ry2.13 0,470 0,120 non-sig
Kemampuan Numerik (X3) ry3.12 0,117 0,338 non-sig
Nampak dari tabel bahwa untuk = 0,05 semua koefisien parsial tidak ada yang
signifikan. Hal ini berarti telah terjadi multikolinearitas diantara variabel bebas X1,
X2, dan X3. Sehingga walaupun hasil pengujian regresi dan koefisien korelasi
ganda memberikan hasil yang sangat signifikan, namun untuk kasus dimana
terjadi multikolinearitas yang ditandai dengan tidak berlakunya asumsi koefisien
parsial yang signifikan maka metode analisis regresi ganda (multiple) menjadi
tidak tepat lagi. Oleh karena itu analisis yang lebih tepat untuk digunakan adalah
regresi komponen utama. Adapun langkah-langkah atau caranya sebagai berikut.
a. Menentukan skor baku variabel dasar
Skor baku ditentukan dengan rumus:
(X1 23,5) (X 64,7) (X 12)
Z1 , Z2 2 , dan Z3 3
2,55 8,10 3,59
Skor baku dari variabel bebas (X1, X2, X3)
No Z1 Z2 Z3
1 -0.9806 -1.5684 -1.1142
2 -0.1961 -0.5804 -0.8356
3 -0.5883 0.0370 -0.2785
4 0.1961 0.4075 0.2785
5 -1.7650 -1.1979 -1.3927
6 0.5883 0.9015 0.5571
7 0.9806 1.2720 1.1142
8 1.7650 1.3955 1.6713
9 0.1961 -0.3334 0.5571
10 -0.1961 -0.3334 -0.5571
Z1 Z2 Z3
Z1 Pearson Correlation 1 .896** .947**
Sig. (1-tailed) .000 .000
N 10 10 10
Z2 Pearson Correlation .896** 1 .917**
Sig. (1-tailed) .000 .000
N 10 10 10
Z3 Pearson Correlation .947** .917** 1
Sig. (1-tailed) .000 .000
N 10 10 10
**. Correlation is significant at the 0.01 level (1-tailed).
b. Matriks korelasi
1 0,896 0,947
R = 0,896 1 0,917 selanjutnya dilakukan penggandaan matriks R:
0,947 0,917 1
0,9817
a21 = 0,5717
(0,9926) 2 (0,9817 ) 2 (1,0000) 2
1,0000
a31 = 0,5823
(0,9926) 2 (0,9817 ) 2 (1,0000) 2
Dengan demikian vektor normal a1 sebagai berikut:
a1 = [ 0,5780 0,5717 0,5823 ]
rZi X rij a ij ( j ) a ij j
2
No Xt Y
1 -2.1122 6
2 -0.9318 7
3 -0.4811 7
4 0.5085 8
5 -2.5160 6
6 1.1799 8
7 1.9428 8
8 2.7912 9
9 0.2471 7
10 -0.6284 6
Selanjutnya dilakukan analisis regresi linear sederhana Y atas Xt. Hasil analisis
dengan program SPSS versi 15.00, diperoleh:
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 7.200 .133 54.251 .000
Xt .566 .083 .924 6.819 .000
a. Dependent Variable: Y
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 8.191 1 8.191 46.503 .000a
Residual 1.409 8 .176
Total 9.600 9
a. Predictors: (Constant), Xt
b. Dependent Variable: Y
Model
1
R .924a
R Square .853
Adjusted R Square
.835
a. Predictors: (Constant), Xt
Dari tabel di atas terlihat bahwa, koefisien yang didasarkan pada analisis regresi
komponen utama bersifat nyata atau signifikan. Bandingkan hasil ini dengan uji-
signifikansi regresi atau koefisien regresi parsial (bukan regresi komponen
utama) dimana hasilnya tidak bersifat nyata. Dengan demikian teknik analisis
regresi komponen utama yang menghasilkan persamaan regresi:
Ŷ = 7,20 + 0,3272Z1 + 0,3236Z2 + 0,3296Z3 dapat memuaskan secara statistik
dan teoritis.
E. LATIHAN
1. Jelaskan apa tujuan utama penggunaan analisis regresi dalam penelitian
korelasi.
2. Buatlah 3 buah hubungan baik positif dan negatif antara variabel bebas (X) dan
variabel tak bebas (Y).
3. Data penelitian tentang kompetensi (X) dengan kinerja Karyawan (Y) disajikan
dalam tabel berikut.
(Y) 12 7 11 8 9 8 7 6 7 9
(X) 11 8 11 9 8 9 6 7 7 10
Pertanyaan:
7. Data penelitian tentang sikap terhadap profesi hakim (X1) dan Kesejahteraan (X2)
dengan prestasi kerja (Y) disajikan dalam tabel berikut.
(Y) 4 5 5 6 6 6 5 6 7 7
(X1) 8 9 8 14 15 16 10 18 20 24
(X2) 2 3 5 8 9 8 6 3 12 5
9. Data penelitian tentang hubungan kompetensi (X1) dan insentif (X2) terhadap
kinerja pegawai (Y) disajikan dalam tabel berikut.
Y 3 5 6 8 10 11
X1 2 4 6 8 9 10
X2 2 3 5 6 8 9
a. Tentukan persamaan regresi:
(1) Y atas X1 (2) Y atas X2 , (3) Y atas X1 dan X2
b. Lakukan uji signifikansi regresi (anava regresi):
(1) Signifikansi regresi Y atas X1, tafsirkan!
(2) Signifikansi regresi Y atas X2, tafsirkan!
(3) Signifikansi regresi ganda Y atas X1 dan X2, tafsirkan!
c. Lakukan pengujian signifikansi koefisien persamaan regresi ganda
d. Hitung korelasi:
(1) korelasi dan determinasi Y dan X1, tafsirkan!
(2) korelasi dan determinasi Y dan X2, tafsirkan!
(3) korelasi dan determinasi Y dengan X1 dan X2, tafsirkan!
Hitung koefisien:
a. korelasi parsil r y1-2 , r y2 -1, r y1 -3 , r y3 -1, r y2 -3 dan r y3 -2
b. korelasi parsil r 13-2 , r 12 -3 , r 23 -1, dan r 32 -1
c. korelasi parsil r y1-23, r y2-13, dan r y3-12
11. Data penelitian tentang Insentif (X1 (ratusan ribu)) dan Tingkat Pendidikan (X2)
dengan Kinerja Karyawan (Y) disajikan dalam tabel berikut.
(X1) 5 8 10 12 13 14
(X2) 7 9 12 13 15 16
(Y) 4 6 7 9 11 12
a. Cari persamaan regresi Y atas X1 dan X2 ( Y ˆ b b X b X )
0 1 1 2 2
b. Lakukan pengujian signifikansi regresi ganda Y atas X1 dan X2.
c. Hitung dan uji signifikansi koefisien korelasi ganda Y atas X1 dan X2.
d. Lakukan pengujian signifikansi koefisien persamaan regresi ganda Y
atas X1 dan X2.
e. Hitung dan uji signifikansi koefisien korelasi parsial.
f. Jika koefisien korelasi parsial pada bagian (e) tidak signifikansi, lakukan
pengujian dengan langkah-langkah standar dalam analisis regresi komponen
utama.
No. X1 X2 X3 Y
1 10 20 8 6
2 12 21 8 7
3 12 21 7 6
4 14 23 9 7
5 15 24 8 7
6 8 20 8 6
7 15 22 9 7
8 8 18 6 5
9 20 26 7 8
10 18 28 9 8
11 10 16 6 5
12 7 15 5 4
13 22 30 10 9
14 12 19 9 6
15 15 20 10 7
Analisis jalur (Path Analysis) merupakan suatu metoda yang digunakan pada
model kausal yang telah dirumuskan peneliti berdasarkan subtansi keilmuwan yaitu
landasan teoretis dan pengalaman peneliti. Metode ini berguna untuk mengecek atau
menguji kausal yang telah diteorikan dan bukan untuk menurunkan teori kausal
tersebut. Dengan demikian bahwa suksesnya analisis jalur bergantung pada kuat
tidaknya teori yang mendukung. Teori yang tidak mendukung model yang kita
hipotesiskan hanya akan memberikan hasil yang tidak berguna. Oleh karena itu
menurut Joreskog dan Sorbom (1989) bahwa program LISREL (LInear Structural
RELationship) yang merupakan salah satu program dalam analisis jalur akan bekerja
lebih baik apabila digunakan dalam konteks confirmatory. Sedangkan untuk tujuan
exploratory dengan banyak variabel dan dengan teori yang lemah maka LISREL
bukanlah teknik statistik yang tepat dan berguna.
A. Konsep Dasar Analisis Jalur
Analisis jalur merupakan teknik statistik yang digunakan untuk menguji
hubungan kausal antara dua atau lebih variabel. Teknik ini pertama kali
dikembangkan oleh seorang ahli genetika bernama Sewall Wright pada tahun 1920-
an. Esensi dari analisis jalur adalah didasarkan pada sistem persamaan linear.
Analisis jalur berbeda dengan teknik analisis regresi, dimana dalam analisis jalur
memungkinkan pengujian dengan menggunakan variabel mediating/intervening.
Sistem hubungan kausal atau sebab akibat menyangkut dua jenis variabel, yaitu
variabel bebas yang diberi simbol X1, X2,......,Xk dan variabel terikat yang biasa diberi
simbol Y1, Y2,....Yl.
Pengaruh variabel bebas terhadap variabel terikat dalam analisis jalur dapat
berupa pengaruh langsung maupun tak langsung. Hal ini berbeda dengan model
regresi biasa dimana pengaruh variabel bebas terhadap variabel tak bebas hanya
berupa pengaruh langsung. Pengaruh tidak langsung suatu variabel bebas terhadap
variabel terikat adalah melalui variabel lain yang disebut variabel antara (intervening
variabel). Sebagai contoh pengaruh variabel insentif (X1) terhadap kinerja pegawai
(Y) bukan hanya secara langsung tetapi juga secara tidak langsung melalui variabel
motivasi kerja (X2). Selain itu, seperti telah disebutkan diatas bahwa hubungan
kausal dalam analisis jalur dibangun berdasarkan pertimbangan-pertimbangan
teoretis.
Dalam analisis jalur dikenal istilah variabel eksogen dan variabel endogen.
Variabel eksogen atau variabel yang mempengaruhi adalah variabel yang variasinya
diasumsikan terjadi bukan karena sebab-sebab dalam model. Sedangkan variabel
endogen atau variabel yang dipengaruhi adalah variabel yang variasinya terjelaskan
oleh variabel eksogen atau pun variabel endogen lain dalam sistem. Pusat perhatian
dalam analisis jalur adalah pola hubungan sebab akibat ini. Oleh karena itu masalah
mayor penelitian dalam kerangka analisis jalur adalah pertanyaan sebagai berikut:
Penalaran 1 2
logis (X1)
p31 pe1 pe2
Kreativitas p32
(X2)
X1 ry1
p31
Y
r12 p21
py2
X2 ry2
<<
b. Model diagram jalur melibatkan 4 variabel (X1, X2, X3, dan X4)
p31r
X1 X3
p41
p32
r12 p43
X2 X4
p42
c. Model lain dari diagram jalur melibatkan 4 variabel (X1, X2, X3, dan X4)
1 2
e1
X1 r14
p31
p41
r13
X3 r34 X4
r12 p21 p43
r23
r24
p32
e2 p42
X2
p21 = r12
X1 X2
X1
p31 = bx1x2
X3
p32 = bx2x3
X2
x x ( x )( x
2 2 2
i j
i
2
j i j )
n n
1
z z i j
n
zi z j
n rij rij
z i n rii n z i n
2 2
1
(2) r13 = (z1.z3)
n
1
= z1 (p31z1 + p32z2 + e3)
n
1
= (p31z12 + p32z1z2 + z1e2)
n
1
= (p31.n + p32.n r12 + 0) = p31 + p32.r12
n
1
(5) r24 = (z2.z4)
n
1
= z2 (p41z1 + p42z2 + p43z3 +e4)
n
1
= (p41z1z2 + p42z22 + p43z2z3 + z2e4)
n
1
= (p41.n.r12 + p42 n + p43 n.r23 + 0) = p41r12 + p42 + p43 .r23
n
r24 = p42 + p41r12 + p43r23
1
(6) r34 = (z3.z4)
n
1
= z3 (p41z1 + p42z2 + p43z3 +e4)
n
Dengan demikian untuk mencari koefisien jalur (pij) dapat diperoleh dari
persamaan berikut:
r12 = p21
r13 = p31 + p32.r12
r23 = p31r12 + p32
r14 = p41 + p42 r12 + p43 r13
r24 = p42 + p41r12 + p43r23
r34 = p43 + p41r13 + p43r23
Sebagai contoh, berikut diberikan data hasil penelitian tentang Insentif (X 1) dan
Motivasi Kerja (X2) dengan Kinerja Karyawan (X3) disajikan dalam tabel berikut.
(Y) 6 6 7 6 7 6
(X1) 6 5 9 4 10 11
(X2) 7 4 9 6 10 9
X1 ry1
p31
X3
r12 p21
py2
X2 ry2
rij X1 X2 X3
X1 1,000 0,876 0,538
X2 1,000 0,686
X3 1,000
0,538 0,876
0,686 1,000 0,0649
p31 = 0,279
1,000 0,876 0,2326
0,876 1,000
1,000 0,536
0,876 0,686 0,2165
p32 = 0,931
1,000 0,876 0,2326
0,876 1,000
Sehingga diperoleh koefisien jalur p21 = 0,876, p31 = -0,279, dan p32 = 0,931.
E. Persamaan Struktural
Hubungan sebab akibat dalam analisis jalur disamping dapat dinyatakan secara
visual melalui diagram jalur juga dinyatakan dalam sebuah persamaan matematis
atau persamaan struktural.
X1 r14
p31
p41
r13
X3 r34 X4
r12 p21 p43
r23
r24
p32
X2 p42
1
p32 = 0,18
Kreativitas
(X2)
Dari model ini dapat ditentukan model langsung, model tak langsung, dan
pengaruh total sebagai berikut.
Pengaruh langsung:
Pengaruh langsung adalah pengaruh dari variabel X1, X2 terhadap X3 dan dari
variabel X3 ke X4, secara sederhana disajikan:
Pengaruh X1 terhadap X3 (X1 X3) atau (p31) = 0,36
Pengaruh X2 terhadap X3 (X2 X3) atau (p32) = 0,18
Pengaruh X3 terhadap X4 (X3 X4) atau (p43) = 0,48
Pengaruh tak langsung:
Pengaruh tak langsung adalah pengaruh dari variabel X1 terhadap X4 melalui X3
dan dari pengaruh variabel X2 terhadap variabel X4 melalui X3, secara sederhana
disajikan:
Pengaruh tak langsung X1 ke X4 melalui X3 (X1 X3 X4) adalah hasil kali
koefisien jalur (p31) dan (p43) = (0,36)(0,48) = 0,1728.
Pengaruh tak langsung X2 ke X4 melalui X3 (X2 X3 X4) adalah hasil kali
koefisien jalur (p31) dan (p43) = (0,18)(0,48) = 0,0864.
Pengaruh total:
Pengaruh total adalah jumlah antara pengaruh langsung dan pengaruh tak
langsung, yaitu sebagai berikut:
Pengaruh total dari variabel X1 terhadap X4 = 0,36 + 0,1728 = 0,5328
Pengaruh total dari variabel X2 terhadap X4 = 0,18 + 0,0864 = 0,2664
Untuk memahami lebih jelas tentang uji kecocokan ini diberikan contoh berikut.
Misalkan matriks korelasi variabel X1, X2, X3, dan X4 dari 30 subjek sebagai berikut:
X1 X2 X3 X4
1 0,935 0,941 0,962
1 0,966 0,967
R=
1 0,976
1
Insentif
1 2
(X1) p41 = 0,33
p31 = 0,30 pe1
p32 = 0,68
Kompetensi
(X2) p42 = 0,23
.
Berdasarkan gambar diatas didapat dua persamaan regresi yaitu:
X3 = p31X1 + p32X2 + 1
X4 = p42X1 + p41X2 + p43X3 + 2
Signifikansi atau keberartian dari koefisien jalur dapat ditentukan melalui uji
statistik t (uji beta). Cara lain menguji signifikansi koefisien jalur secara kasar adalah
membandingkan nilai koefiesien jalur pij dengan harga 0,05. Jika pij 0,05, maka
koefisien jalur dianggap signifikan atau berarti.
Misalkan dari perhitungan telah diperoleh koefisien determinasi multipel
kedua persamaan regresi tersebut, masing-masing adalah (R23.12) = 0,945 dan
(R24.123) = 0,973, maka dapat ditentukan residual untuk masing-masing koefisien
jalur , yaitu:
p3e = 1 0,945 0,235 dan p4e = 1 0,973 0,163
sehingga diperoleh: R2m = 1 – (1 – 0,945)(1 – 0,973) = 0,998515.
Matriks korelasi empiris setelah diperoleh koefisien jalur tak signifikan (p 42) = 0 ,
ditaksir dari persamaan regresi baru, sebagai berikut:
r12 = p21 = 0,935
r13 = p31 + p32.r12 = 0,941
r14 = p41 + p42 r12 + p43 r13 = 0,33 + (0)(0,935) + (0,45)(0,941) = 0,754
r23 = p31r12 + p32 = 0,966
r24 = p42 + p41r12 + p43r23 = 0 + (0,33)(0,935) + (0,45)(0,966) = 0,743
r34 = p43 + p41r13 + p43r23 = 0,976, sehingga diperoleh matriks korelasi baru:
X1 X2 X3 X4
1 0,935 0,941 0,754
1 0,966 0,743
R1 =
1 0,976
1
Dari hasil perhitungan diperoleh koefisien determinasi multipel kedua
2
persamaan regresi baru tersebut masing-masing adalah (R 3.12) = 0,945 dan
2
(R 4.123) = 0,970.
Dengan ukuran sampel (n) = 30, dan banyaknya koefisien jalur yang tidak signifikan
(d) = 1, maka statistik uji Kai-kuadrat dengan W = - (n – d) ln Q = -(30 – 1) ln (0,90) =
3,055. Dari tabel Kai-kuadrat dengan derajat bebas, d = 1 pada taraf signifikansi =
0,05 di dapat harga 2 = 43,77. Karena W = 3,055 < 2 = 43,77, Ho diterima atau
model yang diperoleh adalah sesuai atau cocok (model fit). Secara visual model yang
cocok atau model fit diperlihatkan seperti berikut ini.
Suasana p43
r12 = 0,94
Kerja (X3) Kinerja (X4)
= 0,45
p32 = 0,68
Kompetensi
(X2)
No. X1 X2 X3 X4
1 5 18 12 5
2 7 22 12 6
3 6 24 15 7
4 6 25 14 7
5 6 26 16 8
6 8 25 15 8
7 9 30 17 9
8 6 26 14 7
9 8 28 18 10
10 9 20 12 6
Masukkan X4 ke kotak dependent dan X1, X2, dan X3 ke kotak Independent,
kemudian klik Statistics dan Descriptive, klik method Backward selanjutnya klik
continue. Model teoretik yang diajukan seperti berikut ini. Hasilnya ditampilkan
sebagai berikut.
X3 X1 X2
Pearson Correlation X3 1.000 .296 .888
X1 .296 1.000 .350
X2 .888 .350 1.000
Sig. (1-tailed) X3 . .203 .000
X1 .203 . .161
X2 .000 .161 .
N X3 10 10 10
X1 10 10 10
X2 10 10 10
ANOVAc
Sum of
Model Squares df Mean Square F Sig.
1 Regression 31.977 2 15.988 13.131 .004a
Residual 8.523 7 1.218
Total 40.500 9
2 Regression 31.967 1 31.967 29.972 .001b
Residual 8.533 8 1.067
Total 40.500 9
a. Predictors: (Constant), X2, X1
b. Predictors: (Constant), X2
c. Dependent Variable: X3
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 1.802 2.716 .664 .528
X1 -.024 .278 -.016 -.088 .933
X2 .527 .109 .894 4.831 .002
2 (Constant) 1.713 2.358 .726 .488
X2 .524 .096 .888 5.475 .001
a. Dependent Variable: X3
Model
1 2
R .889a .888b
R Square .790 .789
Adjusted R Square
.729 .763
Std. Error of the Estimate
1.103 1.033
Struktural 2
Correlations
X4 X1 X2 X3
Pearson Correlation X4 1.000 .473 .906 .964
X1 .473 1.000 .350 .296
X2 .906 .350 1.000 .888
X3 .964 .296 .888 1.000
Sig. (1-tailed) X4 . .084 .000 .000
X1 .084 . .161 .203
X2 .000 .161 . .000
X3 .000 .203 .000 .
N X4 10 10 10 10
X1 10 10 10 10
X2 10 10 10 10
X3 10 10 10 10
Sum of
Model Squares df Mean Square F Sig.
1 Regression 19.546 3 6.515 70.611 .000a
Residual .554 6 .092
Total 20.100 9
2 Regression 19.448 2 9.724 104.419 .000b
Residual .652 7 .093
Total 20.100 9
a. Predictors: (Constant), X3, X1, X2
b. Predictors: (Constant), X3, X1
c. Dependent Variable: X4
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -3.545 .771 -4.600 .004
X1 .202 .076 .191 2.639 .039
X2 .065 .063 .155 1.032 .342
X3 .542 .104 .769 5.208 .002
2 (Constant) -3.444 .768 -4.485 .003
X1 .217 .075 .206 2.885 .023
X3 .636 .050 .903 12.669 .000
a. Dependent Variable: X4
Model Summary
Model
1 2
R .986a .984b
R Square .972 .968
Adjusted R Square
.959 .958
Std. Error of the Estimate
.304 .305
Dari analisis ini terlihat bahwa terdapat koefisien jalur yang tidak signifikan,
maka model perlu diperbaiki dengan cara mengeluarkan X3 dari model
(trimming), yang hasilnya dapat dilihat pada model 2. koefisien jalur setelah
trimming adalah p41= 0,206, t = 2,885, p-value = 0,023 < 0,05, atau Ho
ditolak, dan p43 = 0,903, t = 12,669, p-value = 0,000 < atau Ho ditolak. Output
SPSS dari struktural 1 dan 2 disajikan pada gambar berikut.
p43 Kepuasan
p12 = 0,350 Layanan (X3)
(X4)
=0,769
p32 = 0,894
Jarak (X2)
p42 = 0,155
Dengan ukuran sampel (n) = 10, dan banyaknya koefisien jalur yang tidak
signifikan (d) = 2, maka statistik uji Kai-kuadrat dengan W = - (n – d) ln Q = -
(10 – 1) ln (0,868) = 1,274. Dari tabel Kai-kuadrat dengan derajat bebas, d = 2
pada taraf signifikansi = 0,05 di dapat harga 2 = 43,77. Karena W = 1,274
< 2(2;0,05) = 18,31 atau Ho diterima. Dengan demikian model yang diperoleh
adalah sesuai atau cocok (model fit). Secara visual model yang cocok atau
model fit diperlihatkan seperti berikut ini.
Kualitas 1 2
Produk(X1) p41 = 0,191
pe1
p43 Kepuasan
p12 = 0,350 Layanan (X3)
(X4)
=0,769
p32 = 0,894
Jarak (X2)
Pertanyaan:
a. Lukis model diagram jalur yang mungkin dapat dibuat
b. Tentukan koefisien jalur dan lakukan pengujian signifikansi pada kriteria 0,05.
c. Berdasarkan point (b) tentukan pengaruh langsung, pengaruh tak langsung
dan pengaruh total. Tafsirkan
d. Tuliskan persamaan struktural.
e. Tentukan faktor residual
7. Berikut ini diberikan data hasil penelitian tentang pengaruh insentif (X1), Tingkat
Pendidikan (X2), dan Suasana Kerja (X3), terhadap kinerja Karyawan di
perusahaan M (X4).
Pertanyaan:
a. Lukis model diagram jalur yang mungkin dapat dibuat
b. Tentukan koefisien jalur dan lakukan pengujian signifikansi dengan statistik
uji-t.
c. Berdasarkan point (b) tentukan pengaruh langsung, pengaruh tak langsung
dan pengaruh total. Tafsirkan
STATISTIKA SOSIAL 193
d. Tuliskan persamaan struktural dari diagram yang ditentukan.
e. Tentukan faktor residual dari variabel endogen.
f. Uji kecocokan model (model Fit)
Data Hasil Penelitian
No X1 X2 X3 X4
1 50 49 50 48
2 29 28 30 27
3 13 9 10 14
4 31 28 20 30
5 27 39 40 36
6 50 48 50 51
7 21 13 11 16
8 40 34 35 40
9 39 41 38 41
10 11 14 8 10
11 55 56 58 57
12 23 23 25 26
13 26 36 27 30
14 23 22 14 19
15 13 9 10 14
16 31 28 20 30
17 40 34 35 40
18 39 41 38 41
19 11 14 6 9
20 36 38 37 36
21 47 39 40 36
22 21 13 11 16
23 51 50 50 51
24 50 49 49 48
25 29 28 30 27
26 26 36 27 30
27 23 22 14 19
28 36 38 37 36
29 55 56 58 57
30 24 24 28 30
y y2
2 2
Sgab 1
, dengan
n1 n 2 2
( Y1 ) 2 ( Y2 ) 2
y Y1 y Y2
2 2 2 2
1 dan 2
n1 n
3. Menentukan harga “ttabel” berdasarkan derajat bebas tertentu (db),
yaitu db = n1 + n2 –2
5. Kesimpulan pengujian
Jika HO diterima, berarti tidak ada perbedaan rerata antara variabel
Jika HO ditolak, berarti ada perbedaan rerata antara variabel
.
STATISTIKA SOSIAL 195
Contoh
Untuk mengetahui apakah terdapat perbedaan kompetensi mengajar antara guru
laki-laki (Y1) dan guru wanita (Y2), telah diambil sampel acak guru SMA masing-
masing 8 guru dan 10 guru wanita untuk diberi tes kompetensi mengajar. Data
kompetensi disajikan pada tabel berikut.
Laki-laki (Y1) 7 8 8 9 9 8 10 9 - -
Wanita (Y2) 5 6 7 8 7 7 7 6 8 7
Lakukan pengujian pada = 0,05 untuk hipotesis “kompetensi mengajar guru
laki-laki lebih tinggi dari pada guru wanita”. Berikan kesimpulan terhadap hasil
yang anda peroleh.
Jawab:
(i) Rumusan hipotesis
“ Kompetensi mengajar guru laki-laki lebih tinggi dari pada kompetensi
mengajar guru wanita”
Hipotesis statistiknya:
HO: 1 ≤ 2
H1: 1 2
(ii) Menghitung harga thitung,
Agar memudahkan perhitungan dapat disusun tabel persiapan sebagai
berikut.
Y1 Y12 Y2 Y22 n1 = 8, n2 = 10
7 49 5 25
8 64 6 36 Y1 = 68, Y12 = 584
8 64 7 49 Y2 = 68, Y22 = 470
9 81 8 64 68 68
Y1 8,5 dan Y 2 6,8
9 81 7 49 8 10
8 64 7 49 682
1
2
10 100 7 49 y 584 - =6
9 81 6 36 8
- - 8 64 682
y 2 470 - 10 = 7,6
2
- - 7 49
68 584 68 470 db = 8 + 10 –2 = 16
y y2
2 2
6 7,6
Sgab 1
= 0,92
n1 n 2 2 16
Std. Error
Guru N Mean Std. Deviation Mean
Kompetensi 1 8 8.50 .926 .327
2 10 6.80 .919 .291
Dari tabel Group Statistics terlihat rata-rata kompetensi mengajar guru laki-
laki (Y1) sebesar 8,5 dan guru wanita (Y2) sebesar 6,8.
Independent Samples Test
Kompetensi
Equal variances Equal variances
assumed not assumed
Levene's Test for F .078
Equality of Variances Sig. .784
t-test for Equality of t 3.887 3.884
Means df 16 15.091
Sig. (2-tailed) .001 .001
Mean Difference
1.700 1.700
Std. Error Difference
.437 .438
Interpretasi:
Perhatikan kolom Equal variances assumed, diperoleh harga F = 0.078 angka
sig. atau p-value = 0,764 0,05, yang berarti varians data kedua kedua
kelompok sama atau homogen.
Karena varians data homogen, maka kita mengambil harga t = 3,88, db = 16
dan p-value = 0,0010,05, yang berarti HO ditolak. Dengan demikian hipotesis
Sesudah (Y2) 8 7 8 9 9 8 8 9 10 7
Lakukan pengujian pada = 0,05 untuk hipotesis “Terdapat perbedaan antara skor
statistika mahasiswa sebelum dan setelah perkuliahan.” Berikan kesimpulan
terhadap hasil yang diperoleh.
Jawab: Cara I
Menghitung harga thitung,
Agar memudahkan perhitungan dapat nL = 10, n2 = 10
disusun tabel persiapan. Y1 = 64, Y12 = 420
Y2 = 83, Y22 = 697
Y1 Y12 Y2 Y22 Y1Y2
64 83
6 36 8 64 48 Y1 Y 6,4 dan Y 2 8,3
10 10
7 49 7 49 49
642
5 25 8 64 40
y1 420 10 10,4
2
8 64 9 81 72
7
6
49
36
9
8
81
64
63
48
2
S y1 =
y12 10,4 1,1556
6 36 8 64 48 n1 1 9
6 36 9 81 54 S y1
2
1,1556
2
8 64 10 100 80 S y1 0,11556
5 25 7 49 35 n 10
64 420 83 697 537 S y1 0,3399
2 2
2 y2 8,1 2 S y2 0,90
S y2 = 0,90 S y 2 0,090 S y 2 0,30
n2 1 9 n2 10
Y Y n = 537 10 5,8
( Y )( Y ) (64)(83)
y y 1 2 1 2
1 2
ry1y2 =
y y 1
2 5,8
0,632 , db = 10 – 1 =9
( y )( y ) (10,4)(8,1)
2 2
1 2
Y1 Y 2
Rumus: t hitung
2 2
S y1 S y 2 2ry1y2S y1S y 2
Y1 Y 2
Jawab: Cara II, dengan menggunakan rumus t hit
d 2
N(N 1)
2
Y1 Y2 D d d 19
D = 1,9 , N = 10,
6 8 -2 - 0,1 0,01 10
7 7 0 +1,9 3,61 d = D -D
5 8 -3 - 1,1 1,21
64 83
8 9 -1 +0,9 0,81 Y1 6,4 dan Y2 8,3
7 9 -2 - 0,1 0,01 10 10
6 8 -2 - 0,1 0,01
6 8 -2 - 0,1 0,01 d 2
6,9
6 9 -3 - 1,1 1,21 Y1 Y 2
8 10 -2 - 0,1 0,01 6,4 8,3 1,9
t hit 6,859
5
64
7
83
-2
-19
- 0,1
0,0
0,01
6,9
d 2
6,9 0,277
N(N 1) 10(10 1)
Std. Error
Mean N Std. Deviation Mean
Pair SEBELUM 6.40 10 1.075 .340
1 SESUDAH 8.30 10 .949 .300
N Correlation Sig.
Pair 1 SEBELUM & SESUDAH 10 .632 .050
Interpretasi: Koefisien korelasi skor hasil belajar statistika sebelum dan sesudah
perkuliahan dengan metode inquri adalah 0,632 dengan p-value
0,05 ≥ 0,05 jadi tidak bersifat signifikan.
Paired Samples Test
Pair 1
SEBELUM - SESUDAH
Paired Differences Mean -1.900
Std. Deviation .876
Std. Error Mean
.277
Interpretasi: t hitung = -6,862, db = 9 dan p-value = 0,000 < 0,05, yang berarti
terdapat perbedaan yang signifikan skor hasil belajar statistika
sebelum dan sesudah diberi perkuliahan dengan metode inquri.
Analisis Varians atau disingkat ANAVA berasal dari bahasa Inggris Analysis
of Variance (ANOVA). Analisis varians digunakan untuk menguji hipotesis yang
menyatakan perbedaan rata-rata lebih dari dua kelompok sampel, baik dengan
rancangan simple randomized design atau group- within treatmen design. Pada
prinsipnya pengujian perbedaan rata-rata dengan statistik uji-t lebih dari dua
kelompok dapat saja dilakukan. Namun pengujian dengan statistik uji-t secara
berulang-ulang dapat memperbesar terjadinya kekeliruan tipe I (taraf signifikansi ).
Jalan keluar untuk mencegah membesarnya kekeliruan tersebut diperkenalkan
ANOVA. Esensi dari ANOVA bukan pada pengujian perbedaan rata-rata tetapi pada
pengujian perbedaan varians. Disamping itu, dengan ANOVA kita dapat mempelajari
pengaruh variabel bebas dan variabel kontrol baik secara terpisah maupun interaksi
antara variabel tersebut.
A. Analisis Varians Satu Jalan
Analisis Varians Satu Jalan (One Way Analysis of Variance) merupakan
teknik analisis yang ampuh untuk menguji perbedaan rata-rata dengan banyak
kelompok yang terpilih secara acak. Pengujian hipotesis dalam Analisis Varians Satu
Jalan (One Way Analysis of Variance) dilakukan dengan menggunakan statistik uji-F.
Adapun langkah-langkah standar dalam pengujian ANOVA satu jalan, khususnya
yang menggunakan simple randomized design adalah sebagai berikut.
1) Menghitung Jumlah Kuadrat (JK) beberapa sumber variansi, yaitu: Total (T),
Antar (A), dan Dalam (D) dengan formula berikut.
( Yt ) 2
JK(T) = Yt
2
nt
a ( Y j ) 2 ( Yt ) 2
JK(A) =
j 1 nj
nt
a ( Yj ) 2
JK(D) = Yt
2
j 1 nj
= y 2
RJK(A)
Fhit =
RJK(D)
Jika Fhit > Ft pada taraf signifikan yang dipilih dengan db pembilang adalah db
(A) dan db penyebut adalah db (D) maka Ho ditolak. Jadi terdapat perbedaan
rata-rata parameter antara kelompok–kelompok yang diuji, sebaliknya untuk Fo
Ft, berarti Ho diterima atau tidak terdapat perbedaan rata-rata parameter dari
kelompok-kelompok yang diuji atau rata-ratanya sama saja.
5) Menafsirkan hasil pengujian perbedaan antara kelompok sampel.
6) Melakukan uji lanjut, misalnya dengan uji-t, untuk mengetahui mana diantara dua
kelompok sampel yang berbeda secara signifikan.
Beberapa formula uji lanjut (post hoc test) yang dapat digunakan, antara lain
uji t - Dunnet dan uji Scheffe’. Formula uji t- Dunnet ditampilkan sebagai berikut.
Yi - Y j
t(Ai - A j ) =
1 1
RJK(D)( + )
ni nj
Contoh
Efektivitas tiga metode pembelajaran, yaitu metode Inquiri (A1), Penemuan (A2) dan
metode Ceramah (A3) terlihat dari skor hasil belajar Matematika ketiga kelompok
yang diberi metode tersebut selama tiga bulan. Ketiga kelompok diberi perlakuan
A1, A2, dan A3 dipilih dan ditempatkan secara acak, datanya disajikan sebagai
berikut.
Jawab:
Hipotesis statistik:
HO: 1 = 2 = 3
H1: bukan Ho
Misalkan Skor hasil belajar Matematika untuk A1 = Y1, A2 = Y2, dan A3 = Y3
No. Y1 Y12 Y2 Y22 Y3 Y32
1 7 49 7 49 6 36
2 8 64 7 49 5 25
3 8 64 7 49 6 36
4 9 81 8 64 6 36
5 8 64 6 36 5 25
6 8 64 6 36 5 25
7 9 81 8 64 6 36
8 9 81 7 49 7 49
66 548 56 396 46 268
a ( Yj ) 2
Y = y 2 = 11
2
JK(D) = t
j 1 nj
(ii) Menentukan derajat bebas (db) masing-masing sumber variansi
db(T) = 24 – 1 = 23 db(A) = 3 – 1 = 2 db(D) = 24 – 3 = 21
Fhitung = 23,864 > Ft = 5,78 pada taraf signifikan = 0.01 dengan db pembilang,
yaitu db (A) = 2 dan db penyebut, yaitu db (D) = 21 maka Ho ditolak. Jadi terdapat
perbedaan rata-rata hasil belajar Matematika kelompok yang diberi metode Inquiri,
Penemuan dan metode ceramah.
Y1 - Y 2 8,25- 7 1,25
t o (A1 - A 2 ) = = = 3,45
1 1 1 1 0,362
RJK(D) ( + ) 0,524 ( + )
n1 n2 8 8
Y1 - Y 3
t o (A1 - A 3 ) = 8,25- 5,75 2,5
1 1 = = 6,91
RJK(D) ( + ) 1 1 0,362
n1 n3 0,524 ( + )
8 8
Y2 - Y3 7 - 5,75 1,25
t o (A 2 - A 3 ) = = = = 3,45
1 1 1 1 0,362
RJK(D) ( + ) 0,524( + )
n2 n3 8 8
ttabel = t(0,05; 21) = 1,72 dan ttabel = t(0,01; 21) = 2,52
Kesimpulan:
(i) to(A1- A2) = 3,45 ttabel = 2,52 (pada = 0.01). Dengan demikian hasil
belajar Matematika kelompok yang diberi metode Inquiri secara signifikan
lebih tinggi daripada kelompok yang diberi metode Penemuan.
(ii) to(A1- A3) = 6,91 ttabel = 2,52 (pada = 0.01). Dengan demikian belajar
Matematika kelompok yang diberi metode Inquiri secara signifikan lebih tinggi
daripada kelompok yang diberi metode Ceramah.
(iii) to(A2 -A3) = 3,45 ttabel = 2,52 (pada = 0.01). Dengan demikian belajar
Matematika kelompok yang diberi metode Penemuan secara signifikan lebih
tinggi daripada kelompok yang diberi metode Ceramah.
Uji lanjut yang lain adalah uji Scheffe:
1 1
Rumus uji- Scheffe: Mdij = (k 1)(Ftab )(RJK D )( )
ni n j
1 1
Md12 = (3 1)(3,47)(0,524)( ) = 0,953 1,25
8 8
1 1
Md13 = (3 1)(3,47)(0,524)( ) = 0,953 2,50
8 8
1 1
Md23 = (3 1)(3,47)(0,524)( ) = 0,953 1,25
8 8
Nilai kritis perbedaan pasangan mean (A1&A2), (A1&A3), dan (A2&A3)
semuanya bersifat signifikan pada = 0,05.
Bandingkan hasil-hasil di atas dengan ouput SPSS menggunakan syntax
berikut.
UNIANOVA
Y BY A
/METHOD = SSTYPE(3)
/INTERCEPT = INCLUDE
/PRINT = DESCRIPTIVE PARAMETER HOMOGENETY
/CRITERIA = ALPHA(.05)
/DESIGN = A.
KONTRAS
IF (A = 1) fs =1.
IF (A = 2) fs =2.
IF (A = 3) fs =3.
EXECUTE.
ONEWAY
Y BY fs
/CONTRAST= 1 -1 0
/CONTRAST= 1 0 -1
/CONTRAST= 0 1 -1
/STATISTICS DESCRIPTIVES HOMOGENETY
/MISSING ANALYSIS.
Dependent Variable: Y
A Mean Std. Deviation N
1 8.25 .707 8
2 7.00 .756 8
3 5.75 .707 8
Total 7.00 1.251 24
Interpretasi: Pada kolom mean diperoleh rata-rata (A1) = 8,25, (A2) = 7,00, dan
(A3) = 5,75 dan rata-rata keseluruhan (At) = 7,00
a
Levene's Test of Equality of Error Variances
Dependent Variable: Y
F df1 df2 Sig.
.056 2 21 .946
Tests the null hypothesis that the error variance of
the dependent variable is equal across groups.
a. Design: +A
Interpretasi: Harga levene’s Tes dengan statistik F=0,056 dengan db=2 dan db=21
pada p-value =0,946 0,05. Sehingga ketiga kelompok data sampel
adalah mempunyai varians sama atau homogen.
Tests of Between-Subjects Effects
Dependent Variable: Y
Type III Sum
Source of Squares df Mean Square F Sig.
Corrected Model 25.000a 2 12.500 23.864 .000
Intercept 1176.000 1 1176.000 2245.091 .000
A 25.000 2 12.500 23.864 .000
Error 11.000 21 .524
Total 1212.000 24
Corrected Total 36.000 23
a. R Squared = .694 (Adjusted R Squared = .665)
Interpretasi: Harga Fhitung atau F(A)= 23,864 dengan p-value = 0,000 0,05) yang
berarti terdapat perbedaan yang signifikan dari rata-rata hasil belajar matematika
setelah siswa diberi ketiga metode pembelajaran. Dengan kata lain metode
pembelajaran berpengaruh nyata terhadap hasil belajar matematika. Faktor metode
pembelajaran dapat menjelaskan 69,4% variansi hasil belajar Matematika.
Value of
Contrast Contrast Std. Error t df Sig. (2-tailed)
Y Assume equal variances 1 1.25 .362 3.454 21 .002
2 2.50 .362 6.908 21 .000
3 1.25 .362 3.454 21 .002
Does not assume equal 1 1.25 .366 3.416 13.938 .004
variances 2 2.50 .354 7.071 14.000 .000
3 1.25 .366 3.416 13.938 .004
Dependent Variable: Y
95% Confidence Interval
Parameter B Std. Error t Sig. Lower Bound Upper Bound
Intercept 5.750 .256 22.471 .000 5.218 6.282
[A=1] 2.500 .362 6.908 .000 1.747 3.253
[A=2] 1.250 .362 3.454 .002 .497 2.003
[A=3] 0a . . . . .
a. This parameter is set to zero because it is redundant.
Interpretasi: Kita dapat membentuk model regresi dan persamaan fungsi regresi
perlakuan metode pembelajaran terhadap hasil belajar Matematika,
seperti berikut.
Model regresi : Y = o+ 1 [A=1]+ 2 [A=2] +
Fungsi regresi: Ŷ = 5,75+ 2,50[A=1]+ 1,25[A=2]
JK(GWT) =
j1
ng nj
a. Tabel Persiapan
Statistik A1 A1 A2 A2 Atot
G1 G2 G3 G4 G5 G6
N 10 10 10 30 10 10 10 30 60
Yi 78 74 72 224 66 64 62 192 416
j1
ng
e. Kesimpulan
Dari hasil analisis seperti yang disajikan pada tabel di atas, diperoleh
RJK(A) 17,067
Fhitung 25,59 > Ft = 21,20.
RJK(GWT) 0,667
Jadi terdapat perbedaan hasil belajar matematika antara siswa yang diberi
metode pemecahan masalah (A1) dan metode konvensional (A2). Nampak
224
bahwa rata-rata kelompok A1 sebesar ( Y1 ) 7,47 lebih tinggi dari
30
192
pada kelompok A2 yaitu sebesar ( Y 2 ) 6,4.
30
Dengan demikian dapat disimpulkan bahwa hasil belajar matematika siswa
yang diajar dengan metode pemecahan masalah lebih tinggi dari pada yang
diajar dengan metode konvensional. Dengan kata lain metode pemecahan
masalah lebih afektif dari pada metode konvensional setelah
mempertimbangkan keragaman group atau kelompoknya.
Catatan:
Berdasarkan hasil analisis seperti yang telah dilakukan di atas,
memperlihatkan bahwa dalam desain GWT kita tidak menguji hipotesis
pengaruh atau perbedaan antar kelompok, hal ini disebabkan pembentukan
kelompok tidak dilakukan secara acak tetapi berdasarkan kriteria tertentu
1) Menghitung Jumlah Kuadrat (JK) untuk beberapa sumber variansi, yaitu: Total
(T), Antar (A), Antar (B), Interaksi (AB), dan Dalam (D), dengan formula berikut.
( Yt ) 2
JK(T) = Yt
2
nt
a ( Yj ) 2 ( Yt ) 2
JK(A) =
n nt
j 1
j
b (
Yi ) ( Yt ) 2
2
JK(B) =
ni nt
i 1
t - JK (A) – JK(B)
ab ( Y ) 2 ( Y )2
JK(AB) =
ij
j 1,i 1 n ij
nt
ab ( Yij ) 2
JK(D) = Yij yij 2
2
j 1, i 1
n ij
Total JK(T) nt – 1 - -
Kriteria pengujian, jika Fhitung > Ftabel pada taraf signifikan yang dipilih dengan
db pembilang adalah db yang sesuai, maka Ho ditolak. Jadi terdapat perbedaan
rata-rata antara kelompok–kelompok yang diuji, sebaliknya untuk Fhitung Ftabel,
maka Ho diterima. Untuk ANOVA 2 jalan, langkah pertama yang yang dilakukan
adalah melakukan pengujian terhadap hipotesis statistik pengaruh interaksi, yaitu
F(OAB). Jika F(OAB) Ftabel atau Ho diterima berarti tidak terdapat pengaruh interaksi,
maka selanjutnya dilakukan uji hipotesis pengaruh utama (main effect), yaitu uji F(OA)
untuk melihat perbedaan rerata antar A, dan uji F(OB) untuk mempelajari perbedaan
antar B. Sebalinya jika F(OAB) > Ftabel atau Ho ditolak, berarti terdapat pengaruh
interaksi yang signifikan, maka konsekuensinya harus diuji pengaruh sederhana
(simple effect). Simple effect adalah perbedaan rerata antar A pada tiap kelompok Bi
(i = 1, 2, 3,..) atau perbedaan rerata antar B pada tiap kelompok Ai (i = 1, 2, 3,..).
Contoh:
Suatu eksperimen untuk mengetahui efektivitas pemberian metode pembelajaran
dan bentuk tes formatif terhadap hasil belajar Matematika. Untuk keperluan itu telah
diambil tiga kelompok sampel acak masing-masing berukuran 16 orang siswa untuk
diberi metode Inquiri (A1), Problem Solving (A2), dan metode Konvensional (A3).
X i 64 55 46 45 53 62 325
X
2
i 516 385 270 259 359 484 2273
x
2
i 4 6,875 5,5 5,875 7,875 3,5 33,625
xi 8 6,875 5,75 5,625 6,625 7,75 6,77
1) Menghitung Jumlah Kuadrat (JK) untuk beberapa sumber variansi, yaitu: Total
(T), Antar (A), Antar (B), Interaksi (AB), dan Dalam (D), dengan formula berikut.
( Yt ) 2 3252
JK(T) = Yt
2
= 2273- 72,479
nt 48
JK(B) =
ni nt 24 24 48
i 1
ab ( Y ) 2 ( Yt ) 2
JK(AB) =
ij
- JK (A) – JK(B)
j 1,i 1 n ij
nt
642 552 462 452 532 622 3252
= - 0,0417- 0,5208 38,292
8 8 8 8 8 8 48
ab ( Yij ) 2
JK(D) = Yij yij 2 = 33,625
2
j 1, i 1 n ij
2) Menentukan derajat kebebasan (dk) masing-masing sumber variansi
db(T) = 48 – 1 = 47, db(A) = 3 – 1 = 2, db(B) = 2 – 1 = 1,
db(AB) = (3 – 1)( 2 –1) = 2, db(D) = 48 – (3)(2) = 48 - 6 = 42
3) Menyusun tabel ANOVA
Sumber JK db RJK Fhitung Ftabel
Varians = 0.05 = 0.01
Antar A 0,0417 2 0,0208 0,026ns 3,32 5,15
Antar B 0,5208 1 0,5208 0,651ns 4,07 7,27
Interaksi
38,292 2 19,1458 23,914** 3,32 5,15
AxB
Dalam 33,625 42 0,8006 -
Total 72,479 47 - -
Ini berarti pengaruh interaksi metode pembelajaran dan bentuk tes formatif dapat
menjelaskan 48,80% variansi hasil belajar Matematika.
Kesimpulan:
(i) thit = -2,235 ttab = -2,39, maka H0 ditolak. Dengan demikian, hasil belajar
Matematika kelompok siswa yang diajar dengan metode pembelajaran Inquiri
lebih rendah daripada metode Problem Solving pada kelompok yang diberi
bentuk tes formatif Pilihan Ganda.
(ii) thit = -4,750 ttab = -2,39, maka H0 ditolak. Dengan demikian, hasil belajar
Matematika kelompok siswa yang diajar dengan metode pembelajaran Inquiri
lebih rendah daripada metode Konvensional pada kelompok yang diberi
bentuk tes formatif Pilihan Ganda.
(iii) thit = -2,515 ttab = -2,39, maka H0 ditolak. Dengan demikian, hasil belajar
Matematika kelompok siswa yang diajar dengan metode pembelajaran
Problem Solving lebih rendah daripada metode Konvensional pada kelompok
yang diberi bentuk tes formatif Pilihan Ganda.
(c) Pengujian simple effect untuk A1
Perbedaan antar B pada A1 (A1B1 dan A1B2)
Y11 - Y12 8,00 - 5,625
t(A1B1 - A1B 2 ) = 5,309
1 1 1 1
RJK(D) ( + ) (0,8006)
n 11 n 12 8 8
UNIANOVA
Y BY A B
/METHOD = SSTYPE(3)
/INTERCEPT = INCLUDE
/PRINT = DESCRIPTIVE PARAMETER HOMOGENETY
/CRITERIA = ALPHA(.05)
/DESIGN = A B A*B.
KONTRAS
IF (a = 1 & b = 1) fs =1.
IF (a = 2 & b = 1) fs =2.
IF (a = 3 & b = 1) fs =3.
IF (a = 1 & b = 2) fs =4.
IF (a = 2 & b = 2) fs =5.
IF (a = 3 & b = 2) fs =6.
EXECUTE.
ONEWAY
Y BY fs
/CONTRAST= 1 -1 0 0 0 0
/CONTRAST= 1 0 -1 0 0 0
/CONTRAST= 0 1 -1 0 0 0
/CONTRAST= 0 0 0 1 -1 0
/CONTRAST= 0 0 0 1 0 -1
/CONTRAST= 0 0 0 0 1 -1
/CONTRAST= 1 0 0 -1 0 0
/CONTRAST= 0 1 0 0 -1 0
/CONTRAST= 0 0 1 0 0 -1
/STATISTICS DESCRIPTIVES HOMOGENETY
/MISSING ANALYSIS.
Dependent Variable: Y
F df1 df2 Sig.
.489 5 42 .783
Tests the null hypothesis that the error variance of
the dependent variable is equal across groups.
a. Design: +A+B+A * B
Interpretasi:
Harga levene’s Test dengan statistik F=0,489 dengan db=5
dan db=42 pada p-value =0,783 0,05.
Sehingga ke-enam kelompok data sampel adalah mempunyai varians sama atau homogen.
Dependent Variable: Y
Type III Sum
Source of Squares df Mean Square F Sig.
Corrected Model 38.854a 5 7.771 9.706 .000
Intercept 2200.521 1 2200.521 2748.606 .000
A .042 2 .021 .026 .974
B .521 1 .521 .651 .424
A*B 38.292 2 19.146 23.914 .000
Error 33.625 42 .801
Total 2273.000 48
Corrected Total 72.479 47
a. R Squared = .536 (Adjusted R Squared = .481)
Interpretasi:
Pengaruh Utama (Main Effect)
Fhit (A) = 0,026 dengan p-value = 0,974 0,05, atau Ho diterima.
Hal ini berarti metode pembelajaran tidak berpengaruh terhadap hasil belajar Matematika
Value of
Contrast Contrast Std. Error t df Sig. (2-tailed)
Y Assume equal variances 1 1.13 .447 2.515 42 .016
2 2.25 .447 5.029 42 .000
3 1.13 .447 2.515 42 .016
4 -1.00 .447 -2.235 42 .031
5 -2.13 .447 -4.750 42 .000
6 -1.13 .447 -2.515 42 .016
7 2.38 .447 5.309 42 .000
8 .25 .447 .559 42 .579
9 -2.00 .447 -4.470 42 .000
Does not assume equal 1 1.13 .441 2.553 13.085 .024
variances 2 2.25 .412 5.463 13.659 .000
3 1.13 .470 2.393 13.829 .031
4 -1.00 .496 -2.018 13.710 .064
5 -2.13 .409 -5.194 13.156 .000
6 -1.13 .451 -2.496 12.196 .028
7 2.38 .420 5.656 13.513 .000
8 .25 .513 .487 13.936 .634
9 -2.00 .401 -4.989 13.341 .000
Karena pengujian hipotesis pengaruh interaksi bersifat signifikan maka harus diuji
pengaruh sederhana atau simple effeknya. Sebelum perbedaan rata-rata antara
kelompok perlakuan dilakukan uji perbedaan rata-rata dari enam kelompok
perlakuan dengan penerapan prosedur varians satu jalan. Adapun hipotesis yang
akan diuji adalah sebagai berikut.
Ho: 11 = 12 = 31 = 21 = 22 = 23
H1: Bukan Ho
Dari baris corrected model pada tabel Test of Between Subjects- Effects, diperoleh,
Fhitung = 9,706, dan p-value = 0,000< 0,05, berarti Ho ditolak. Dengan demikian
terdapat perbedaan rata-rata antara keenam kelompok.
Parameter Estimates
Dependent Variable: Y
95% Confidence Interval
Parameter B Std. Error t Sig. Lower Bound Upper Bound
Intercept 7.750 .316 24.499 .000 7.112 8.388
[A=1] -2.125 .447 -4.750 .000 -3.028 -1.222
[A=2] -1.125 .447 -2.515 .016 -2.028 -.222
[A=3] 0a . . . . .
[B=1] -2.000 .447 -4.470 .000 -2.903 -1.097
[B=2] 0a . . . . .
[A=1] * [B=1] 4.375 .633 6.915 .000 3.098 5.652
[A=1] * [B=2] 0a . . . . .
[A=2] * [B=1] 2.250 .633 3.556 .001 .973 3.527
[A=2] * [B=2] 0a . . . . .
[A=3] * [B=1] 0a . . . . .
[A=3] * [B=2] 0a . . . . .
a. This parameter is set to zero because it is redundant.
Interpretasi:
Kita dapat membentuk model regresi dan persamaan fungsi regresi perlakuan
metode pembelajaran terhadap hasil belajar Matematika, seperti berikut.
Model regresi : Y= o+ 1 [A=1]+ 2 [A=2]+ ]+3[B=1]+4[A=1][B=1]+ 5 [A=2][B=1]+
Fungsi regresi:
Ŷ = 7,75 -2.125[A=1] -1,125[A=2] -2,00[B=1]+4,375[A=1][B=1]+2,250 [A=2][B=1]
D. Analisis Varians Dua Jalan Dengan GWT
Analisis varians dua Jalan dengan GWT, adalah penggunaan desain GWT dalam
desain eksperimen untuk lebih dari dua jalan atau lebih. Kita telah membahas analisis
varians jalan dengan GWT untuk satu jalan atau satu variabel perlakuan. Prinsipnya kerja
analisis varians dua Jalan dengan GWT dan analisis varians satu jalan dengan GWT
adalah sama. Perbedaannya pada analisis varians dua Jalan dengan GWT juga
mempelajari faktor interaksi di antara variabel bebas. Dengan demikian model analisis
varians dua Jalan dengan GWT dapat digunakan dalam desain faktorial atau treatment
by level design.
1. Model Linear Analisis Varians Dua Jalan dengan GWT
Model statistika untuk eksperimen faktorial yang terdiri dua faktor (A dan B)
dengan menggunakan desain GWT adalah sebagai berikut:
Yij = µ + i + Ai + Bj + (AB)ij + ijk,
i = 1, 2, 3, ....n; j = 1, 2, 3,.......m; dan k = 1, 2, 3,.......r;
g ( Yg ) 2
g = yg
2 2
JK(DG) = Y
j1 ng
ab
( Yg ) ( Yg )
2 2
JK(GWT) =
i 1, j1
ng ng
b. Menentukan derajat bebas
db(T) = nt – 1 db(A) = na – 1
db(B) = nb – 1 db(AB) = (na – 1)(nb – 1)
db(DG) = nt – ng db(GWT) = ng – na – nb
3. Contoh Penerapan
Dua metode pembelajaran dan bentuk tes formatif akan diuji pengaruhnya
terhadap hasil belajar matematika. Masing-masing metode dan bentuk tes
formatif pembelajaran diberlakukan kepada 3 kelompok, misalnya metode
pemecahan masalah (A1) dan bentuk tes formatif uraian (B1) terhadap G1, G2,
dan G3, dan metode konvensional (A2) dan bentuk tes formatif pilihan ganda (B2)
terhadap kelompok G4, G5 dan G6. Pemilihan kelompok G1, G2, G3, G4, G5 dan
G6 dilakukan dengan cara random. Setelah diberi perlakuan selama selang
waktu tertentu kemudian diberi tes hasil belajar matematika. Data hasil tes
tersebut disajikan sebagai berikut.
a. Tabel Kerja/Persiapan
Statistik A1B1 A2B1 A1B2 A2B2 Total
G1 G2 G3 G4 G5 G6 G1 G2 G3 G4 G5 G6
n 6 6 6 6 6 6 6 6 6 6 6 6 72
Yi 47 46 44 32 30 27 31 31 28 41 43 47 447
Y
2 369 354 324 172 152 123 165 163 134 281 311 371 2919
i
y
2
i 0,83 1,33 1,33 1,33 2,0 1,5 4,83 2,83 3,3 0,83 2,83 2,83 25,829
Yi 7,8 7,7 7,3 5,33 5,0 4,5 5,2 5,2 4,7 6,8 7,2 7,83 6,21
(ii) Pengaruh IQ
db (Fhit 1) 1(16,41 1) 15,41
Ŵ 2 0,2781
db (Fhit 1) N 1(16,41 1) 40 55,41
Ini berarti faktor IQ dapat menjelaskan 27,81% variansi hasil belajar
Matematika.
b. Kesimpulan
Dari hasil analisis seperti yang disajikan pada tabel di atas, dapat disimpulkan
sebagai berikut:
(i) Fhit (A) < Ft atau Ho diterima, sehingga tidak terdapat perbedaan hasil belajar
matematika antara siswa yang diberi metode pemecahan masalah (A1) dengan
metode konvensional (A2). Dengan kata lain metode pembelajaran saja tidak
berpengaruh terhadap hasil belajar matematika.
(ii) Fhit (B) < Ft atau Ho diterima, sehingga tidak terdapat perbedaan hasil belajar
matematika antara siswa yang diberi bentuk tes formatif essai (B1) dengan
pilihan ganda (B2). Dengan kata lain bentuk tes formatif saja tidak berpengaruh
terhadap hasil belajar matematika.
(iii) Fhit (AB) > Ft atau Ho ditolak, sehingga terdapat pengaruh interaksi antar metode
pembelajaran dan bentuk tes formatif terhadap hasil belajar matematika.
(iv) Karena pengaruh interaksi adalah signifikan maka dilakukan uji lanjut
untuk melihat pengaruh sederhana (simple effect) masing-masing faktor.
Adapun langkah-langkahnya adalah sebagai berikut.
Rata-rata variabel kriterion (Y)
A1B1 A2B1 A1B2 A2B2
Y11 Y21 Y12 Y22
7,61 4,94 5,00 7,28
A1 A2 A3
G1 G2 G3 G4 G5 G6
5 3 6 6 7 9
5 5 7 7 9 10
5 4 7 6 8 8
3 5 6 7 8 8
5 5 6 6 8 9
5 4 8 8 8 9
4 4 7 7 9 9
Pertanyaan:
Lakukan pengujian hipotesis dengan langkah-langkah standar dalam Desain
GWT untuk perbedaan rata-rata hasil belajar dengan ketiga metode tersebut
dengan mempertimbangkan kelompok-kelompok yang ada.
Keterangan:
A1 = Pendekatan Induktif
A2 = Pendekatan Deduktif
A3 = Pendekatan Konvensional
B1 = Bentuk tes formatif Essai
B2 = Bentuk tes formatif Pilihan Ganda
Variabel Kriterion: (Y) Hasil Belajar matematika
Lakukan uji hipotesis dengan langkah-langkah standar dalam ANOVA 2 Jalan
(faktorial Design) untuk perbedaan rata-rata hasil belajar matematika (main effect,
interaction effect, dan simple effect). Tuliskan semua kesimpulan saudara!
8. Dua pendekatan pembelajaran dan bentuk tes formatif akan diuji pengaruhnya
terhadap hasil belajar matematika. Masing-masing pendekatan dan bentuk tes
formatif pembelajaran diberlakukan kepada 3 kelompok, yaitu pendekatan induktif
(A1) dan bentuk tes formatif uraian (B1) terhadap kelompok G1, G2, dan G3, dan
pendekatan konvensional (A2) dan bentuk tes formatif pilihan ganda (B2)
terhadap kelompok G4, G5 dan G6.
Pemilihan kelompok G1, G2, G3, G4, G5 dan G6 dilakukan dengan cara random.
Setelah diberi perlakuan selama selang waktu tertentu kemudian diberi tes hasil
belajar matematika. Dari data yang disajikan pada tabel berikut, lakukan uji
hipotesis dengan langkah-langkah standar dalam ANOVA GWT 2 Jalan (faktorial
Design) untuk perbedaan rata-rata hasil belajar matematika (main effect,
interaction effect, dan simple effect). Tuliskan semua kesimpulan saudara.
A. Pendahuluan
Dalam penelitian eksperimen ada dua pendekatan untuk menekan terjadinya
bias atau kesalahan dalam menarik kesimpulan tentang pengaruh perlakuan
terhadap variabel kriterion. Pendekatan pertama, adalah kontrol kondisional melalui
pengembangan desain penelitian. Tujuan dari pengembangan desain ini adalah
untuk memastikan bahwa hasil-hasil yang diobservasi merupakan akibat dari
perlakuan atau treatment yang diberikan, bukan oleh variabel-variabel atau kausal
lain yang tidak diselidiki.
Dalam keadaan terpaksa, satu atau lebih variabel tidak dapat dikontrol secara
kondisional oleh peneliti karena keterbatasan penyelenggaraan eksperimen atau
karena alasan lain. Padahal peneliti sadar bahwa variabel-variabel tersebut
mempengaruhi (mengotori) hasil eksperimen. Menghadapi situasi ini, peneliti dapat
menempuh pendekatan kedua, yaitu kontrol secara statistik atau pendekatan statistik
melalui pengontrolan atau “pengendalian/penetralan/penyingkiran” satu atau aneka
variabel. Pendekatan kedua ini biasa disebut Analisis Kovarian atau dalam akronim
disebut Ankova.
Ankova dikembangkan oleh R.A. Fisher yang dipublikasikan pada tahun
1932. Desain Ankova pada dasarnya mempunyai kesamaan dengan Analisis Varians
(Anava). Esensi dari Ankova adalah penggunaan model regresi linear untuk
menghilangkan pengaruh variabel yang tak terkontrol yang biasa disebut variabel
pengiring atau kovariabel terhadap variabel kriterion. Pada penelitian pendidikan
kovariabel dapat berbentuk pre-tes, kemampuan awal, IQ dan lain-lain, yang jelas
keberadaan kovariabel berbasis teori dan sejak awal dimasukan dalam desain
penelitian. Dalam praktek, apabila kovariabelnya hanya satu variabel maka pengaruh
atau efek dari kovariabel tersebut dihilangkan dengan menggunakan model regresi
linear sederhana dan analisisnya merupakan kombinasi antara Anava dan Regresi
Linear Sederhana. Sedangkan bila kovariabelnya lebih dari dua variabel, pengaruh
atau efek dari kovariabel-kovariabel tersebut dihilangkan dengan menggunakan
model regresi linear ganda dan analisisnya merupakan kombinasi antara Anava dan
Regresi Linear Ganda (Multiple).
B. Tujuan
Ferguson (1981) mengemukakan bahwa Analisis Kovarians memiliki empat
tujuan, yaitu:
1. Sebagai prosedur kontrol statistis atas suatu atau beberapa variabel yang tidak
terkontrol secara kondisional atau luput dari kontrol eksperimental;
2. Sebagai metode untuk meningkatkan presisi atau kecermatan eksperimen
dengan mengurangi varians kesalahan (error variance);
3. Membantu peneliti dalam memahami atau mengkritisi efektivitas dari perlakuan
yang diselidiki;
4. Untuk menguji homogenitas dari serangkaian koefisien regresi.
R K O3 T2 O4
Rumus dasar Ankova ditandai dengan adanya Jumlah Perkalian, Jumlah Kuadrat
Kovarabel (X) dan Jumlah Kuadrat Variabel Kriterium (Y), yang masing-masing
dituliskan sebagai berikut:
a. JPxy
b. JKx
c. JKy
Jumlah perkalian tersebut dihitung berdasarkan 3 sumber varians, yaitu: Total,
Dalam, dan Antar (JPT, JPD, dan JPA). Adapun langkah-langkah standar dalam
Ankova -1 Jalan sebagai berikut.
a. Menentukan Jumlah Perkalian (JP)
X Y
JP (T) = X Y t t t
nt
t
a
X i Yi X t Yt
JP (A) =
i 1 ni
nt
a X Y , a = banyaknya kelompok
JP (D) = X Y i i
i
ni
i
i 1
b. Menentukan Jumlah Kuadrat Kovariabel (X) : (JKx)
X 2
JKx (T) = X nt
2
t t
X X
a
2 2
(A) = i t
JKx
i 1n nt i
JKx (D) = X i
2
i 1
n i
c. Menentukan Jumlah Kuadrat Variabel Respon (Y) : (JKy)
Y 2
JKy (T) = Y t
2
nt
t
a Y Y 2 2
(A) = i t
JKy
i 1 in nt
a
Yi
2
JKy (D) = Yi
2
i 1
n i
d. Menentukan JKy yang sudah dikoreksi (disebut JKres), melalui langkah-langkah
sebagai berikut.
1) Menentukan Koefisien regresi Y atas X (bxy)
JP (T)
b xy (T)
JK X (T)
JP (A)
b xy (A)
JK X (A)
JP (D)
b xy (D)
JK X (D)
2) Menentukan JKreg untuk berbagai sumber varians
JK reg (T) b xy (T). JP (T)
JK reg (A) b xy (A). JP (A)
JK reg (D) b xy (D). JP (D)
3) Menentukan Jumlah Kuadrat Y Residu (JKres):
JK res (T) JK y (T) - JK reg (T)
JK res (A) JK y (A) - JK reg (A)
JK res (D) JK y (D) - JK reg (D)
e. Menentukan derajat bebas (db)
db res(T) = nt – m – 1 (m = banyaknya kovariabel)
db res(A) = a – 1
db res(D) = nt – m – a (a = banyaknya kelompok)
h. Uji lanjut
Selanjutnya jika Ho ditolak atau terdapat pengaruh perlakuan yang signifikan
setelah mengontol kovariabel (pre-tes), maka dilakukan uji lanjut dengan statistik
uji-t Ankova, dengan formula sebagai berikut:
Yres (i) Y (i) - b xy X (i) - X ( t)
Jika to ttabel maka Ho diterima
Jika to ttabel maka Ho ditolak
JK (T) = X
X = 934 (142) 17,455
2 t
2 2
x t
nt 22
X ( X ) (46)
a
2
(51) (45)
2 2 2 2
(142) 2
JK (A) =
i t
x = 8,812
n i
i 1 nt 8 7 7 22
a
JKx (D) = X i 2
X i
2
JK (T) = Y
Y = 1606 (186) 33,455
2 t
2 2
y t
nt 22
Y ( Y )
a
2
(58) (63) (65)
2 2 2 2
(186)2
JK (A) =
i t
y = 18,526
n i
i 1 nt 8 7 7 22
a
JKy (D) = Yi 2
Yi
2
Yres (i) Y (i) - b xy X (i) - X (t) dimana i = 1, 2, 3
Yres(1) Y (1) - b xy X (1) - X (t) = 9,29 – (0,653)(6,43 – 6,45) = 9,30
Yres (2) Y (2) - b xy X (2) - X (t) = 9,00 – (0,653)(7,29 – 6,45) = 8,45
Yres(1) Y (3) - b xy X (3) - X (t) = 7,25 – (0,653)(5,75 – 6,45) = 7,71
x
2
i
Dari tabel kerja diperoleh nilai-nilai untuk:
x 3,5; x 3,43; x
2 2 2
1 2 3 1,71
x y 1,5; x y 3; x y
1 1 2 2 3 3 1,143
(b1) =
x y 1,5 0,429
1 1
x
2
1
3,5
(b2) =
x y 3 0,875
2 2
x
2
3,43
2
(b3) =
x y 1,143 0,668
3 3
x 3
1,71 2
4) Menghitung Fo
Dalam kovarians kita telah menghitung koefsien regresi seluruh
perlakuan metode A1, A2, dan A3, yaitu sebesar: bxy = 0,6247
Hipotesis yang ingin diuji pada bagian ini adalah apakah benar ketiga
koefisien korelasi regresi yang didapatkan dari masing-masing metode
pembelajaran, yaitu: (b1) = 0,429, (b2) = 0,875 dan (b3) = 0,688 dapat
dianggap sama (homogen), sehingga kita cukup menghitung satu
koefisien regresi untuk semua pemberian metode pembelajaran, yaitu
sebesar bxy = 0,6247? Jadi asumsi tentang kehomogenan ketiga
koefisien regreasi ini yang akan diuji, melalui perbandingan antara
selisih rata-rata jumlah kuadrat residu (galat) seluruh perlakuan dengan
rata-rata jumlah kuadrat residu masing-masing perlakuan dan rata-rata
jumlah kuadrat residu masing-masing perlakuan.
Contoh 1
100 orang dipilih sebagai sampel yang terdiri dari 53 wanita dan 47 laki-laki,
ternyata tingkat pendidikan mereka seperti disajikan pada tabel berikut.
Jawab:
Hipotesis
H0: = 0
H1: 0
(Jumlah baris ke - i )(Jumlah kolom ke - j)
E ij
Jumlah seluruh Data
30x47 30x53
E11 14,10 E12 15,90
100 100
38x47 38x53
E 21 17,86 E 22 20,14
100 100
32x47 32x53
E 31 15,04 E 32 16,96
100 100
Jenis Tingkat 2
(Oij E ij ) 2
Oij Eij (Oij - Eij) (Oij - Eij)
Kelamin Pendidikan E ij
Laki-Laki SMP 10 14,10 -4,10 16,810 1,1922
SMA 15 17,86 -2,86 8,180 0,4578
Sarjana 22 15,04 6,96 48,44 3,2207
Wanita SMP 20 15,90 4,10 16,810 1,0572
SMA 23 20,14 2,86 8,180 0,4062
Sarjana 10 16,96 -6,96 48,44 2,8561
Jumlah 100 - - - 9,1902
Untuk menguji apakah nilai 2 = 9,19 signifikan atau tidak, harus dibandingkan
dengan nilai pada tabel Kai- Kuadrat (2tab) dengan derajat kebebasan:
(db) = (b – 1)(k – 1) = 2, dimana;
b = jumlah taraf dari jenis kelamin
k = jumlah taraf dari tingkat pendidikan
2 2
Sehingga: 2tab = 2(2)(0,05) = 5,991, ternyata 2 = 9,19 > tab atau H0 ditolak.
Dengan demikian terdapat hubungan signifikan antara jenis kelamin dengan
tingkat pendidikan atau terdapat perbedaan prosentase tingkat pendidikan
diantara jenis kelamin laki-laki dan wanita.
X2 9,19
Koefisien Kontingensi (KK)= 0,084 0,29 .
X2 N 9,19 100
Dengan demikian dapat disimpulkan bahwa 8,4 % tingkat pendidikan dapat
dijelaskan oleh perbedaan jenis kelamin.
Khusus untuk tabel silang/data (2x2) dapat menggunakan rumus Chi Square :
N(AD - BC) 2
2 .
(A B)(C D)(A C)(B D)
Perhitungannya dilakukan dengan langkah-langkah berikut.
1) Masukkan data dalam tabel 2 x 2
A B A+B
C D C+D
A+C B+D
N(AD - BC) 2
o2
(A B)(C D)(A C)(B D)
3) Menentukan apakah pengujian satu ekor atau dua ekor.
4) Bandingkan dengan X2tabel.
Contoh 2
Apakah terdapat hubungan jenis pekerjaan dengan jenis transportasi yang
digunakan saat bepergian melakukan aktivitas. Telah diambil sampel N = 300
orang dari pegawai (PNS dan Non-PNS), ternyata 200 orang menyatakan
Jawaban:
H0: Tidak terdapat hubungan jenis pekerjaan dengan jenis transportasi
H1 : Terdapat hubungan jenis pekerjaan dengan jenis transportasi
N(AD - BC) 2
o2
(A B)(C D)(A C)(B D)
300 (130)(45)- (70)(55) 2 12000
o2 2,82
(200)(100)(185)(115) 4255
= ( 0, 05)( db )
2
Untuk = 5% maka tab
2
a Ns - Nd
1
N(N - 1)
2
Ns - Nd
b
(Ns Nd Tx)(Ns Nd Ty)
dimana:
G = Gamma
a = Tau –a
b = Tau – b
Ns = Jumlah kross product pasangan yang konsisten
Nd = Jumlah kross product pasangan yang tidak konsisten
Tx = Jumlah hasil kali unsur dalam kolom (X)
Ty = Jumlah hasil kali unsur dalam baris (X)
Rumus transformasi dari Gamma, Tau- a, dan Tau –b, ke Z skor, masing-masing
dinyatakan:
5) Transformasi Gamma
( Ns Nd)
Z=(G-)
N(1 - G 2 )
6) Transformasi Tau –a
ta
Z=
2 ( 2N 5)
9 N (N - 1)
7) Transformasi Tau – b
S
Z=
S Es
1 b k
n i (n i 1)(n j 2) n j (n j 1)(n j 2) +
9 N(N - 1)(N - 2) i 1 j 1
1 b k
n i (n i 1) n j(n j 1)
2 N (N - 1) i 1 j 1
b = cacah baris
k = cacah kolom
Tingkat Pendidikan
Tingkat Jumlah
Penghasilan Rendah Sedang Tinggi
Rendah 90 60 40 190
Sedang 60 80 60 200
Tinggi 50 60 100 210
Jumlah 200 200 200 600
1 b k
SEs2 =
18
N(N -1)(2 N 5) - n
i 1
i (n i 1)(2n i 5) n (n
j 1
j j 1)(2n j 5) +
1 b k
i i n ( n 1)( n j 2) n j (n j 1)(n j 2) +
9 N(N - 1)(N - 2) i 1 j 1
1 b k
i i n ( n 1) n j(n j 1)
2 N (N - 1) i 1 j 1
1
SEs2= { (600)(599)(1205) - ((190)(189)(385) (200)(199)(405) (210)(209(425))
18
((200)(199)(405) ((200)(199)(405) (200)(199)(405))
1
(190)(189)(188) (200)(199)(198) (210)(209)(208 )
9(600)(599)(598)
1
(200)(199)(198) (200)(199)(198) (190)(189)
2(600)(599)
(200)(199) (210)(209) (200)(199) (200)(199) (200)(199)
1 1
{ 336122400} (23760600)(23641200)
18 1934290800
=
1
(119600)(119400)
718800
= 18673466,67 290405,7119 19418,28047 18983290,66
N2 10 - 2
t 0 ρs 2
0,903 5,946 , db = 10 -2 = 8
1 ρs 1- 0,9032
ttab = 1,86 ( = 0.05), sehingga t0 ttab atau H0 ditolak. Dengan demikian
terdapat hubungan atau konsistensi positif dari peringkat yang ditentukan kedua
Juri.
Langkah-langkah perhitungan:
(i) Urutkan salah satu peringkat secara wajar. Misalnya menurut Pakar I.
Inisial F A B H G C D E
Pakar I 1 2 3 4 5 6 7 8
Pakar II 2 1 4 5 3 6 8 7
14
=
(1/2(8)(7)- 1/2(2)(1))(1/2(8)(7)- 1/2[(2)(1) (3)(2)(1))
14 14
= 0,550 (koefisien korelasi kendall)
(28 - 1)(28 - 4) (27)(24)
Uji signifikansi koefisien korelasi
H0: = 0 Vs H1: 0
S 1
z
N(N - 1)(2N 5)/18
N = banyak peringkat
k = banyak subyek atau elemen
P )
(P -
j
S = j
2
dimana Pj adalah jumlah peringkat
k
Smaks = N2 (k3 – k)/12, yaitu jumlah maksimum S yang mungkin terjadi.
P j 12 8 20 12 22 10
84
14 , dengan k = 6,
k 6 6
Pj
(Pj - k )2 = (12 -14)2 + (8 -14)2 + (20 -14)2 + (22 -14)2 + (10 -14)2 = 160
Smaks = N2 (k3 – k)/12 = 42 (63 – 6)/12 = 280
S 12 S (160)
2 3
0,5714
S maks N (k k ) 280
Langkah-langkah perhitungan:
1) Menghitung proporsi dari masing-masing nilai observasi dari dua kategori
tersebut. Misalkan proporsi yang mempunyai nilai 1 adalah p dan nilai 0
adalah q. Karena ada dua kategori maka p + q = 1.
2) Menghitung rerata dari X yang mempunyai kategori 1 dan rerata X yang
mempunyai kategori 0, yaitu X p dan X q .
3) Menghitung standard deviasi dari skor total X, yaitu St.
Contoh 1
Tabel 54. Skor IQ dan Kelulusan Statistika
No. Skor X2 Kelulusan
IQ(X) Statistika (Y)
1 112 12544 1
2 116 13456 1
3 135 18225 1
4 130 16900 1
5 100 10000 0
6 100 10000 1
7 99 9801 0
8 100 10000 0
9 100 10000 0
10 118 13924 1
Jumlah 1110 124850 6
Keterangan: (1 = lulus dan 0 = tidak lulus)
p = 6/10 = 0,6 dan q = 4/10 = 0,4
St =
X 2
X
N N
2
124850 1110
St = = 12,806
10 10
Untuk mencari ordinat y yang membagi luas dibawah kurva normal dalam 60%
dan 40% dapat dilihat (pq) , yaitu y = 0,387 (lihat daftar I).
N 2 10 - 2
t0 bi 2
0,908 6,129
1 bi 1 - 0,9082
Contoh 2
Tabel 55. Skor Statistika 10 Responden
Nama X Y
Larry 75 1
Spongebob 73 1
Tuan Crebb 65 1
Pattrick 70 1
Bush 63 0
Nobita 59 1
Dora 64 0
George 55 0
Obama 56 0
Sri Mulyani 66 1
Keterangan:
X = Skor Statistika
Y = Jenis kelamin (1=laki, 0=perempuan)
Tabel 56. Perhitungan rpbi
Nama X X2 X p = rata-rata laki-laki (kode 1)
Larry 75 5625
Spongebob 73 5329 X p = 408/6 = 68
Crebb 65 4225 X q = rata-rata wanita (kode 0)
Pattrick 70 4900
Cendy 63 3969 X q = 238/4 = 59,5
Nobita 59 3481 2
Dora 64 4096 St =
X 2
X
Freny 55 3025 N N
Sisuka 56 3136
2
Suneo 66 4356 42142 646
Jumlah 646 42142 St = = 6,41
10 10
p = 0,6 dan q = 0,4
Xi Xi p 68 64,6 0,6
rpbi = = 0,65
St q 6,41 0,4
N 2 10 - 2
t 0 pbi 2
0,65 2,419 , db = n – 2 = 8
1 pbi 1- 0,65 2
Untuk = 0.05, diperoleh ttab = 1,86 , dan t0 ttab atau H0 ditolak. Dengan
demikian ada hubungan antara jenis kelamin dan skor statistika.
Contoh 3: misalkan variabel X adalah jenis kelamin dan Y adalah kelulusan pada
ujian skripsi. Kategori Jenis Kelamin; (Wanita = 0 dan Laki-laki = 1).
Kategori Kelulusan (Tidak lulus = 0 dan Lulus = 1).
2 = n 2 = 12 (0,169)2 = 0,342
Untuk db = (2 -1)(2 -1) = 1, dan = 0.05, diperoleh 2tab = 3,84, sehingga 2 2tab
atau H0 diterima. Dengan demikian tidak ada hubungan antara jenis kelamin
dengan kelulusan dalam ujian skripsi.
Contoh 4
Persyaratan agar calon mahasiswa dapat diterima pada program Magíster,
adalah harus lulus tes TPA dan lulus tes Toefl. Skor TPA dan Toefl disajikan
sebagai berikut.
.
Skor Skor
No Batas lulus untuk tes TPA adalah 70 dan
TPA TOEFL
untuk tes Toefl adalah 475.
1 80 475
2 66 478 Sehingga kategori Lulus TPA 70 = 1, dan
3 68 425 kategori Tidak lulus TPA 70 = 0.
4 70 430 Begitupula kategori Lulus TOEFL 475 = 1,
5 75 480 dan kategori Tidak lulus TPA 475 = 0.
6 85 500 Pada = 0,05, lakukan uji signifikansi untuk
7 90 516 hipotesis “Terdapat hubungan antara skor
8 95 525 TPA dan skor Toefl”
9 65 400
10 68 490
Jawab:
Berikut ini disusun tabel kelulusan tes TPA dan Toefl sebagai berikut.
TPA TOEFL
No
(X) (Y)
1 1 1
2 0 1
3 0 0
4 1 0
5 1 1
6 1 1
7 1 1
8 1 1
9 0 0
10 0 1
1800 ad 1800 2 x 5
rt Cos = Cos
ad bc 2 x 5 1x 2
180 2 x 5
0
180 10
0
rt Cos = Cos
2 x 5 1 x 2 10 2 = Cos 124,38 = -0,565
Uji signifikansi koefisien korelasi
H0: t = 0 Vs H1: t 0
rt
Z
σ rt
1 (p x p y q x q y )
σ rt
μ xμ y n
px = 0,60, qx = 0,40, py = 0,70 dan qy = 0,30
x = 0,387 (ordinat pada kurva normal dari data kelulusan X)
y = 0,347 (ordinat pada kurva normal dari data kelulusan y)
1 (0,60)(0,70)(0,40)(0,30) 1 0,0504
σ rt 0,529
(0,387)(0,347) 10 0,1343 10
rt - 0,565
Z = 1,063
σ rt 0,529
Untuk = 0.05 Ztab = 1,96 (Ztab = -1,96), sehingga Z > Ztab, terlihat harga Z
berada dalam daerah penerimaan atau H0 diterima. Dengan demikian tidak
terdapat hubungan antara skor TPA dan skor TOEFL.
Inisial P Q R S T
KBK 100 78 84 95 98
4) Membuat kesimpulan
Tolak Ho jika statistik U U kritis dan terima Ho jika U U kritis.
Karena U = 6,5 U(0,05)(8; 5) = 8 maka Ho ditolak atau rata-rata hasil belajar
matematika dengan KBK lebih tinggi dibanding dengan KTSP.
2. Uji Median
Uji median atau uji perbedaan median perhitungannya lebih sederhana.
Penggunaan uji median adalah melihat apakah median-median dari kelompok-
kelompok berbeda atau tidak.
Contoh 2:
Untuk mengetahui kepemimpinan Dekan suatu Fakultas, telah diberikan
kuesioner kepada dua kelompok dosen, yaitu dosen yunior (golongan III)
sebanyak 13 orang dan dosen señior (golongan IV) sebanyak 15 orang. Makin
besar rata-rata skor kuesioner jawaban dosen makin positif sikapnya terhadap
kepemimpinan Dekan tersebut. Data sikap dosen sebagai berikut.
Dosen Senior : 17, 23, 23, 28, 31, 34, 37, 39, 42, 47, 56, 58, 61
Dosen Yunior : 23, 26, 35, 40, 43, 44, 44, 47, 52, 56, 59, 65, 70, 72, 77
Uji hipotesis tentang perbedaan sikap dosen Senior dan Yunior pada = 0,05.
Hasil penentuan diperoleh nilai median = 43,5, sehingga dapat disusun tabel
silang.
b 1 j 1 n b n k
2
2 2
n bk
2 28 ( 1)
b 1 j 1 nb nk
n b12
2
n b2
2
28 (
2
) 1
b 1 n b n1 n bn 2
n112 n12 2 n 212 n 22 2
28
2
1
n n
1 1 n n
1 2 n n
2 1 n n
2 2
42 102 92 52
2 28 1
(14)(13) (14)(15) (14)(13) (14)(15)
2 28 (1,12821) 1 3,59
Cara II
N(AD - BC) 2
2
(A B)(C D)(A C)(B D)
28 ( 20 - 90 ) 2
2
(4 10)(9 5)(4 9)(10 5)
28 ( - 70 ) 2 137200
2
3,59
(14)(14)(13)(15) 38220
tab
2
2 (0,05) (1) 3,841
02 2,297 tab 2
3,841 atau Ho diterima. Dengan demikian tidak
ada
perbedaan sikap antara dosen Señor dan dosen Yunior mengenai kepemimpinan
Dekan Fakultas mereka.
.
Hipotesis statistik:
Ho: p 0,5
H1: p < 0,5
b. Menentukan taraf signifikansi, misalkan diambil = 0,05
d. Membuat kesimpulan
Terima Ho jika probabilitas data sampel. Dari hasil perhitungan diperoleh
bahwa 0,05 < 0,1094 atau Ho diterima. Dengan kata lain keberadaaan Point
Square di sekitan Carrefour tidak mempengaruhi jumlah pelanggan untuk
berbelanja di Carrefour.
4. Uji Wilcoxon
Uji Wilcoxon adalah uji nonparametrik digunakan untuk dua sampel bergantungan
atau berhubungan (berkorelasi). Jika pada uji tanda hanya memperhatikan arah
perbedaan dalam pasangan, maka uji Wilcoxon disamping memperhatikan arah
perbedaan juga menentukan besarnya atau adanya perbedaan nyata antara data
pasangan yang diambil dari satu sampel yang berhubungan. Uji ini dapat
digunakan baik data yang diperoleh melalui pengukuran beruntun atau data
berpasangan.
Contoh 5:
Suatu survai tentang minat seseorang membeli produk baru sabun antikuman.
Untuk mengetahui apakah ada pengaruh iklan terhadap minat pembeli dilakukan
observasi terhadap jumlah pembeli sebelum dan setelah pemberian iklan pada 10
buah Tokoh. Data jumlah pembeli sebagai berikut.
Subjek Sebelum Sesudah Beda Rank Tanda(+) Tanda(-)
(1) (2) (3) (4) (5) (6) (7)
A 70 72 +2 2,5 2,5 -
B 75 75 0 abaikan - -
C 83 87 +4 5 5 -
D 86 85 -1 1 - 1
E 90 88 -2 2,5 - 2,5
F 95 100 +5 6,5 6,5 -
G 85 88 +3 4 4 -
H 65 72 +7 9 9 -
I 68 63 -5 6,5 - 6,5
J 72 78 +6 8 8 -
Jumlah K1 = 35 K2 = 10
Langkah-langkah pengujian:
a. Merumuskan hipotesis statistik
Ho: K1 ≥ K2
H1: K1 K2
n ( n 1) n (n 1)(2n 1)
µ = dan =
4 24
Sehingga variabel normal standarnya dirumuskan:
-
Z
5. Uji Kruskal- Wallis
Uji Kruskal-Wallis adalah statistik uji untuk perbedaan rata-rata lebih dari dua
kelompok atau k buah kelompok. Statistik uji diperkenalkan oleh William H.
Kruskal dan W. Allen Wallis pada tahun 1952. Uji ini sebagai alternatif dari uji
Anova satu jalur bila datanya dalam bentuk peringkat (skala ordinal).
Sebagaimana uji nonparametrik lanilla, Uji Kruskal-Wallis juga tidak memerlukan
asumsi normal dan homogen pada distribusi induknya. Persyaratan yang harus
dipenuhi dalam uji ini adalah variable-variabel acak pada sampel yang akan
dibandingkan berdistribusi kontinu.
Bila nk adalah sampel usuran ke-k yang lebih besar daripada 5 untuk setiap
sampel maka statistik Kruskal-Wallis adalah:
12 k Pk 2
H ( ) 3 ( N 1) akan mendekati distribusi 2 derajat
N(N 1) k 1 n k
kebebasan (db) = k – 1. Penerimaan hipótesis dan penolakan hipótesis nol
ditentukan perbandingan dan H hitung dan krits.
2 2
Jawab:
Jurusan
Matematika Fisika Kimia Biologi
Skor Rank Skor Rank Skor Rank Skor Rank
60 15 74 25 68 19 70 20,5
75 26 71 22 72 23,5 77 27
36 1 53 12 44 7 86 28
47 8 48 9 61 16 72 23,5
56 13 40 3 62 17 51 10
66 18 52 11 42 5,5 70 20,5
38 2 41 4 87 29
42 5,5 57 14
92 30
n1= 8 R1=88,5 n2=7 R2=86 n3= 6 R3 =88 n4 =9 R4=202,5
N = 8 + 7+ 6 + 9 = 30 dan k = 4
Langkah-langkah pengujian:
a) Menyatakan hipotesis statistika
Ho: µ1 = µ2 = µ3 = µ4
H1: bukan Ho
b) Menetukan nilai kritis
Statistik yang digunakan dalam uji Kruskal-Wallis dilambangkan dengan H.
Dengan taraf signifikansi 5 % maka nilai kritis (0,05)(3) = 7,815.
2
Contoh 7
Seorang Pialang mencatat tanda plus untuk hari-hari dengan kurs rupiah
terhadap dollar Amerika naik dari hari sebelumnya sedangkan tanda minus untuk
hari-hari dengan kurs rupiah turun dari hari sebelumnya. Kurs untuk hari-hari
tertentu yang sama dengan hari sebelumnya tidak dilakukan pencatatan. Adapun
catatan pialang seperti berikut:
(-)(-)(+)(+)(+)(+)(+)(-)(+)(+)(+)(+)(+)(+)(+)(-)(-)(+)(+)(-)(-)(-)(-)(+)(+)(-)(-)
Karena statistik Z dalam daerah penolakan maka Ho ditolak atau urutan tanda
tidak random atau kejadiaannya bersifat sistematik.
.
E. LATIHAN
1. Data jenis kelamin dan tingkat religiusitas 400 orang responden disajikan dalam
bentuk tabel silang sebagai berikut:
Gunakan rumus Gamma, Tau- a dan, Tau- b dan = 0.05, untuk melakukan
pengujian hipotesis atas rumusan masalah “apakah terdapat perbedaan
religiusitas antara masyarakat di kota dan di desa”. Berikan kesimpulan terhadap
hasil analisis yang anda peroleh.
4. Data tingkat SES dan tingkat hukuman 200 orang pelanggar hukum disajikan
dalam bentuk tabel silang sebagai berikut:
Provinsi A B C D E F G H I J
Pakar A 7,5 9 1 2,5 10 2,5 7,5 4 6 5
Pakar B 6,5 9 2 1 10 3 4 5 8 6,5
Hitung koefisien korelasi untuk melihat tingkat kesesuaian penilaian antara kedua
Pakar, kemudian uji signifikansinya pada = 0,05.
7. Suatu analisis terhadap tingkat kerusakan hutan di beberapa negara. Hasil
analisis dan penilaian empat Pakar Kehutanan Dunia menetapkan lima negara
dengan peringkat kondisi hutan terparah sebagai berikut.
Negara V W X Y Z
Pakar A 1 3 5 4 2
Pakar B 2 1 4 5 3
Pakar C 1 3 4 5 2
Pakar D 3 2 5 4 1
Hitung koefisien korelasi untuk melihat tingkat kesesuaian penilaian antara
keempat Pakar tersebut, kemudian uji signifikansinya pada = 0,05.
Skor 75 80 78 76 85 80 77 68 90 82
Hitung koefisien korelasi antara jenis kelamin dan skor statistika, kemudian uji
signifikansinya pada = 0,05.
9. Data kelulusan statistika 10 mahasiswa disajikan sebagai berikut.
Nama Adib Irwan Tia Lia Amin Ira Aswin Ria Joni Adin
Kelulusan L L L TL L TL TL TL L L
Keterangan: L = Lulus, TL = Tidak Lulus
Hitung koefisien korelasi antara jenis kelamin dan kelulusan statistika, kemudian
uji signifikansinya pada = 0,05.
10. Persyaratan agar calon mahasiswa dapat diterima pada Perguruan Tinggi Negeri
jurusan Kedokteran, adalah harus lulus tes IPA dan lulus tes Matematika. Skor
IPA dan Matematika disajikan sebagai berikut.
Initial A B C D E F G H I J
IPA 75 70 85 80 68 75 90 70 83 80
Matematika 78 72 80 80 65 70 85 70 80 85
Keterangan: Batas lulus untuk tes IPA adalah 78 dan untuk Matematika 75.
Pada = 0,05, lakukan uji signifikansi untuk hipotesis “ Terdapat hubungan
antara skor IPA dan skor Matematika”
11. Efektivitas model sertifikasi guru Portofolio dan PLPG, dapat dilihat dari
perbedaan rata-rata kinerja guru dengan kedua model tersebut. Agar kedua
model dapat diperbandingkan (comparable) maka kedua kelompok sampel yang
dipilih harus ekivalen dari segi masa kerja, kualifikasi, bidang studi yang diampu,
dan akreditasi sekolah dan lain-lainya. Untuk maksud tersebut telah dipilih
masing-masing 8 guru yang telah mengikuti sertifikasi. Skor kinerja guru setelah
lulus sertifikasi, disajikan sebagai berikut.
Inisial A B C D E F G H
Portofolio 90 75 78 85 70 83 82 76
Inisial P Q R S T U V W
PLPG 90 86 87 95 98 70 65 85
Uji hipotesis ”rata-rata kinerja guru yang lulus sertifikasi model PLPG lebih tinggi
dari pada yang lulus sertifikasi portoflio”
12. Untuk mengetahui sikap dosen tentang kesiapan suatu Universitas menjadi Word
Class University (WCU), telah diberikan skala sikap kepada dua kelompok dosen,
yaitu dosen yunior dosen señior masing-masing sebanyak 12 orang. Makin besar
Uji hipotesis tentang perbedaan median dari sikap dosen Senior dan Yunior
terhadap kesiapan universitas mereka menjadi WCU pada = 0,05.
13. Misalkan kita ingin mempelajari apakah tunjangan profesi guru mempengaruhi
frekuensi kunjungan keluarga mereka ke pusat pembelanjaan per-bulan. Untuk
keperluan tersebut telah diambil sampel acak 10 orang untulk ditanyai frekuensi
mereka ke pusat perbelanjaan sebelum dan setelah adanya tunjangan profesi
tersebut. Data frekuensi berbelanja dalam sebulan disajikan sebagai berikut.
Initial A B C D E F G H I J
Sebelum 1 2 2 1 2 3 3 4 2 1
Setelah 2 3 2 3 4 4 3 4 3 4
Pada = 0,05, lakukan uji-tanda pada hipotesis yang berbunyi “ Tunjangan profesi guru
mempengaruhi jumlah kunjungan ke pusat perbelanjaan”.
14. Suatu survai tentang motivasi guru mengikuti seminar/workshop pasca
diberlakukannya sertifiasi guru. Untuk mengetahui apakah ada pengaruh
sertifikasi terhadap frekuensi mengikuti seminar/worksho dilakukan observasi
mengenai jumlah guru yang mengikuti seminar/worksho sebelum dan setelah
adanya sertifikasi guru setiap bulan di 10 sekolah. Data jumlah guru mengikuti
kegiatan seminar/worksho sebagai berikut.
.
Sekolah A B C D E F G H I J
Sebelum 30 25 40 20 15 42 10 22 38 35
Setelah 32 30 45 36 35 55 25 28 58 62
Pada = 0,05, lakukan uji Wilcoxon pada hipotesis yang berbunyi “ Terdapat pengaruh
sertifikasi terhadap motivasi guru mengikuti seminar/worksop”.
15. Untuk mengetahui apakah skor Bahasa Inggris pada angkatan sama dan diajar
dengan dosen yang sama untuk Jurusan Matematika, Fisika, Kimia, dan Biologi
pada FPMIPA sama atau tidak diambil sampel acak dari keempat jurusan
tersebut. Skor-skor Bahasa Inggris dari keempat jurusan tersebut adalah sebagai
berikut.
Matematika 65 80 55 57 68 76 58 65 80
Fisika 84 84 73 68 60 62 51 55
Kimia 78 82 64 77 80 85
Biologi 80 87 86 82 71 80 87 87 92
Untuk taraf signifikan 5 % ujilah apakah rata-rata skor Bahasa Inggris keempat
jurusan tersebut sama.
Agung, I Gusti Ngurah (2003). Statistika: Penerapan Model Linear Univariat dan
Multivariat. Jakarta: UI.
--------------------------------. (2004). Statitistika: Penerapan Metode Analisis Untuk
Tabulasi Sempurnah dan Tak Sempurnah Dengan SPSS. Jakarta: Raja Grafindo
Persada.
Bachruddin, Ahmad & Tobing, l., Harapan (2003). Analisis Data Untuk Penelitian
Survai dengan Menggunakan Lisrel 8. Bandung: FMIPA Universitas
Padjajaran.
Daniel, Wayne W. (1990). Applied Nonparametric Statistics. Boston: PWS-KENT
Publishing Company.
Djaali dan Muhammad, Farouk. (2003). Metodologi Penelitian Sosial. Jakarta: CV.
Restu Agung.
Ferguson G.A, & Takane, Yashio. (1989). Statistical Analysis in Psychology and
Education. San Francisco: McGraw-Hill Book Company.
Gaspersz, Vincent. (1995). Teknik Analisis Dalam Penelitian Percobaan: Jilid 1.
Bandung: Tarsito.
Glass, Gene V. dan Hopkins, Kenneth D. (1984). Statistical Methods in Education
and Psychology. New Jersey: Prentice Hall, Inc.
Isaac, Stephen. dan Michael William (1981). Handbook in Research and Evaluation.
California: EdITS Publishers.
Keppel, Geoffrey. (1973). Design and Analysis A Researcher’s Handbook. New
Jersey: Prentice-Hall, Inc.
Kerlinger, F.N. and Pedhazur, E.J. (1986). Multiple Regression in Behavioral
Research. New York: Rinehart & Winston.
Ruseffendi, E.T. (1993). Statistik Dasar untuk Penelitian Pendidikan. Bandung:
Depdikbud.
Scheffe, H. (1967). The Analysis of Varians. New York: Jhon Wiley & Sons.
Supranto, J. (1995). Pengantar Statistik Bidang Hukum: Teori dan Aplikasi. Jakarta:
Erlangga.
Supriadi, Dedi. & Jalal, Fasli. (2001). Reformasi Pendidikan Dalam Konteks Otonomi
Daerah. Jakarta: Adicita Karya Nusa.
p
n x .05 .10 .15 .20 .25 .30 .35 .40 .45 .50
1 0 .9500 .9000 .8500 .8000 .7500 .7000 .6500 .6000 .5500 .5000
1 .0500 .1000 .1500 .2000 .2500 .3000 .3500 .4000 .4500 .5000
2 0 .9025 .8100 .7225 .6400 .5625 .4900 .4225 .3600 .3025 .2500
1 .0950 .1800 .2550 .3200 .3750 .4200 .4550 .4800 .4950 .5000
2 .0025 .0100 .0225 .0400 .0625 .0900 .1225 .1600 .2025 .2500
3 0 .8574 .7290 .6141 .5120 .4219 .3430 .2746 .2160 .1664 .1250
1 .1354 .2430 .3251 .3840 .4219 .4410 .4436 .4320 .4084 .3750
2 .0071 .0270 .0574 .0960 .1406 .1890 .2389 .2880 .3341 .3750
3 .0001 .0010 .0034 .0080 .0156 .0270 .0429 .0640 .0911 .1250
4 0 .8154 .6561 .5220 .4096 .3164 .2401 .1785 .1296 .0915 .0625
1 .1715 .2916 .3685 .4096 .4219 .4116 .3845 .3456 .2995 .2500
2 .0135 .0486 .0975 .1536 .2109 .2646 .3105 .3456 .3675 .3750
3 .0005 .0036 .0115 .0256 .0469 .0756 .1115 .1536 .2005 .2500
4 .0000 .0001 .0005 .0016 .0039 .0081 .0150 .0256 .0410 .0625
5 0 .7738 .5905 .4437 .3277 .2373 .1681 .1160 .0778 .0503 .0312
1 .2036 .3280 .3915 .4096 .3955 .3602 .3124 .2592 .2059 .1562
2 .0214 .0729 .1382 .2048 .2637 .3087 .3364 .3456 .3369 .3125
3 .0011 0081 .0244 .0512 .0879 .1323 .1811 .2304 .2757 .3125
4 .0000 .0004 .0022 .0064 .0146 .0284 .0488 .0768 .1128 .1562
5 .0000 .0000 .0001 .0003 .0010 .0024 .0053 .0102 .0185 .0312
6 0 .7351 .5314 .3771 .2621 .1780 .1176 .0754 .0467 .0277 .0156
1 .2321 .3543 .3993 .3932 .3560 .3025 .2437 .1866 .1359 .0938
2 .0305 .0984 .1762 .2458 .2966 .3241 .3280 .3110 .2780 .2344
3 .0021 .0146 .0415 .0819 .1318 .1852 .2355 .2765 .3032 .3125
4 .0001 .0012 .0055 .0154 .0330 .0595 .0951 .1382 .1861 .2344
5 .0000 .0001 .0004 .0015 .0044 .0102 .0205 .0369 .0609 .0938
6 .0000 0000 .0000 .0001 .0002 .0007 .1302 .0041 .0083 .0156
x 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 3.0
0 .1225 .1108 .1003 .0907 .0821 .0743. .0672 .0608 .0550 .0498
1 .2572 .2438 .2306 .2177 .2052 1931 .1815 .1703 .1596 .1494
2 .2700 .2681 .2652 .2613 .2565 .2510 .2450 .2384 .2314 .2240
3 .1890 .1966 .2033 .2090 .2138 .2176 .2205 .2225 .2237 .2240
4 .0992 .1082 .1169 .1254 .1336 .1414 .1488 .1557 .1622 .1680
5 .0417 .0476 .0538 .0602 .0668 .0735 .0804 .0872 .0940 .1008
6 .0146 .0174 .0206 .0241 .0278 .0319 .0362 .0407 .0455 .0504
7 .0044 .0055 .0068 .0083 .0099 .0118 .0139 .0163 .0188 .0216
8 .0011 .0015 .0019 .0025 .0031 .0038 .0047 .0057 .0068 .0081
9 .0003 .0004 .0005 .0007 .0009 .0011 .0014 .0018 .0022 .0027
10 .0001 .0001 .0001 .0002 .0002 .0003 .0004 .0005 .0006 .0008
11 .0000 .0000 .0000 .0000 .0000 .0001 .0001 .0001 .0002 .0002
12 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0001
304
Harga Kritik Untuk F
Baris atas untuk = 0,05
Baris bawah untuk = 0,01
db db untuk Pembilang
Penyebut
1 2 3 4 5 6 7 8 9 10 11 12 14 16 20 24 30 40 50 75 100 200 500
1 161 200 216 225 230 234 237 239 241 242 243 244 245 246 248 249 250 251 252 253 253 254 254 254
STATISTIKA SOSIAL
4052 4999 5403 5625 5764 5859 5928 5981 6022 6056 6082 6106 6142 6169 6208 6234 6258 6286 6302 6323 6334 6352 6361 6366
2 18.51 19.00 19.16 19.25 19.30 19.33 19.36 19.37 19.38 19.39 19.40 19.14 19.42 19.43 19.44 19.45 19.46 19.47 19.47 19.48 19.49 19.49 19.50 19.50
98.49 99.01 99.17 99.25 99.30 99.33 99.34 99.36 99.38 99.40 99.41 99.42 99.43 99.44 99.45 99.46 99.47 99.48 99.48 99.49 99.49 99.49 99.50 99.50
3 10.13 9.55 9.28 9.12 9.01 8.94 8.88 8.84 8.81 8.78 8.76 8.374 8.71 8.69 8.66 8.46 8.26 8.60 8.58 8.57 8.56 8.54 8.54 8.53
35.12 30.81 29.46 28.71 28.24 27.91 27.67 27.49 27.34 27.23 27.13 27.05 26.92 26.83 26.69 26.60 26.50 26.41 2635 26.27 26.23 26.18 26.14 26.12
4 7.71 6.94 6.59 6.39 6.26 6.16 6.09 6.04 6.00 5.96 5.93 5.91 5.87 5.84 5.80 5.77 5.74 5.71 5.70 5.68 5.66 5.65 5.64 5.63
21.20 18.00 16.69 15.98 15.52 15.21 14.98 14.08 14.66 14.54 14.45 14.37 14.24 14.15 14.02 13.93 13.83 13.74 13.69 13.61 13.57 13.52 13.48 13.46
5 6.61 5.79 5.41 5.19 5.05 4.95 4.88 4.82 4.78 4.74 4.70 4.68 4.64 4.60 1.56 4.56 4.50 4.46 4.44 4.42 4.40 4.38 4.37 4.36
16.26 13.27 12.06 11.39 10.97 10.67 10.45 10.27 10.15 10.05 9.96 9.89 9.77 9.68 9.55 9.47 9.38 9.29 09.24 9.17 9.13 9.07 9.04 9.02
6 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 3.02 3.87 3.84 3.81 3.77 3.75 3.72 3.71 3.69 3.68 3.67
13.74 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 7.39 7.31 7.23 7.14 7.09 7.02 6.99 6.94 6.90 6.88
7 5.59 4.74 4.35 4.12 3.97 3.87 3.79 3.73 3.68 3.63 3.60 3.57 3.52 3.49 3.44 3.41 3.38 3.34 3.32 3.29 3.28 3.25 3.24 3.23
13.74 9.55 8.45 7.85 7.46 7.19 7.00 6.84 6.71 6.62 6.54 6.47 6.35 6.27 6.15 6.07 5.98 5.90 5.85 5.78 5.75 5.70 5.67 5.65
8 5.32 4.46 4.07 3.84 3.69 3.58 3.50 3.44 3.39 3.34 3.31 3.28 3.23 3.20 3.15 3.12 3.08 3.05 3.03 3.00 2.98 2.96 2.94 2.93
11.26 8.65 7.59 7.01 6.63 6.37 6.19 6.03 5.91 5.82 5.74 5.67 5.56 5.48 5.36 5.28 5.20 5.11 5.06 5.00 4.96 4.91 4.88 4.86
9 5.12 4.26 3.86 3.63 3.48 3.37 3.29 3.23 3.18 3.13 3.10 3.07 3.02 2.98 2.93 2.90 2.86 2.82 2.80 2.77 2.76 2.73 2.72 2.71
10.56 8.02 6.99 6.42 6.06 5.80 5.62 5.47 5.35 5.26 5.18 5.11 5.00 4.92 4.80 4.73 4.64 4.56 4.51 4.45 4.41 4.36 4.33 4.31
10 4.96 4.10 3.71 3.48 3.33 3.22 3.14 3.07 3.02 2.97 2.94 2.91 2.86 2.82 2.77 2.74 2.70 2.67 2.64 2.61 2.59 2.56 2.55 254
10.04 7.56 6.55 5.99 5.64 5.39 5.21 5.06 4.95 4.85 4.78 4.71 4.60 4.52 4.41 4.33 4.25 4.17 4.12 4.05 4.01 3.96 3.93 3.91
11 4.84 3.98 3.59 3.36 3.20 3.09 3.01 2.95 2.90 2.86 2.82 2.79 2.74 2.70 2.65 2.61 2.57 2.53 2.50 2.47 2.45 2.42 2.41 2.40
9.65 7.20 6.22 5.67 5.32 5.07 4.88 4.47 4.63 4.46 4.46 4.40 4.29 4.21 4.10 4.02 3.94 386 3.80 3.74 3.70 3.66 3.62 3.60
Adaptasi dari : Ferguson, A. George; Statistical Analysis in Psychology and Education. San Francisco: McGraw-Hill Book Company. 1989.
db db untuk Pembilang
Penyebut
1 2 3 4 5 6 7 8 9 10 11 12 14 16 20 24 30 40 50 75 100 200 500
12 4.75 3.88 3.49 3.26 3.11 3.00 2.92 2.85 2.80 2.76 2.72 2.69 2.64 2.60 2.54 2.50 2.46 2.42 2.40 2.36 2.35 2.32 2.31 2.30
9.33 6.93 5.95 5.41 5.06 4.82 4.65 4.50 4.39 4.30 4.22 4.16 4.05 3.98 3.86 3.78 3.70 3.61 3.56 3.49 3.46 3.41 3.38 3.36
13 4.67 3.80 3.41 3.18 3.02 2.92 2.84 2.77 2.72 2.67 2.63 2.60 2.55 2.51 2.46 2.42 2.38 2.34 2.32 2.28 2.26 2.24 2.22 2.21
9.07 6.70 5.74 5.20 4.86 4.62 4.44 4.30 4.19 4.10 4.02 3.96 3.85 3.78 3.67 3.59 3.51 3.42 2.37 3.30 3.27 3.21 3.18 3.16
14 4.60 3.74 3.34 3.11 2.96 2.85 2.77 2.70 2.65 2.60 2.56 2.53 2.48 2.44 2.39 2.35 2.31 2.27 2.24 2.21 2.19 2.16 2.14 2.13
8.86 6.51 5.56 5.03 4.69 4.46 4.28 4.14 4.03 3.94 3.86 3.80 3.70 3.62 3.51 3.43 3.34 3.26 3.21 3.14 3.11 3.06 3.02 3.00
15 4.54 3.68 3.29 3.06 2.90 2.79 2.70 2.64 2.59 2.55 2.51 2.48 2.43 2.39 2.33 2.29 2.25 2.21 2.18 2.15 2.12 2.10 2.08 2.07
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 3.48 3.36 3.29 3.20 3.12 3.07 3.00 2.97 2.92 2.89 2.87
16 4.49 3.63 3.24 3.01 2.85 2.74 2.66 2.59 2.54 2.49 2.45 2.42 2.37 2.33 2.28 2.24 2.20 2.16 2.13 2.09 2.07 2.04 2.02 2.06
8.53 6.23 5.29 4.77 4.44 4.20 4.03 3.89 3.78 3.69 3.61 3.55 3.45 3.37 3.25 3.18 3.10 3.01 2.96 2.89 2.86 2.80 2.77 2.75
17 4.45 3.59 3.20 2.96 2.81 2.70 2.62 2.55 2.50 2.45 2.41 2.38 2.33 2.29 2.23 2.19 2.15 2.11 2.08 2.04 2.02 1.99 1.97 1.96
8.40 6.11 5.18 4.67 4.43 4.10 3.93 3.79 3.68 3.59 3.52 3.45 3.35 3.27 3.16 3.08 3.00 2.92 2.86 2.79 2.76 2.70 2.67 2.65
18 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 2.15 2.11 2.07 2.04 2.00 1.98 1.95 1.93 1.92
8.28 6.01 5.09 4.58 4.25 4.01 3.85 3.71 3.60 3.51 3.44 3.37 3.27 3.19 3.07 3.00 2.91 2.83 2.78 2.71 2.68 2.62 2.59 2.57
19 4.38 3.52 3.13 2.90 2.74 2.63 2.55 2.48 2.41 2.38 2.34 2.31 2.26 2.21 2.15 2.11 2.07 2.02 2.00 1.96 1.94 1.91 1.90 1.88
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 2.92 2.84 2.76 2.70 2.63 2.60 2.54 2.51 2.49
20 4.35 3.49 3.10 2.87 2.71 2.60 2.52 2.45 2.40 2.35 2.31 2.28 2.23 2.18 2.12 2.08 2.04 1.99 1.96 1.92 1.90 1.87 1.85 1.84
8.10 5.85 4.94 4.43 4.10 3.87 3.71 3.56 3.45 3.37 3.30 3.23 3.13 3.05 2.94 2.86 2.77 2.69 2.63 2.56 2.53 2.47 2.44 2.42
21 4.32 3.47 3.07 2.84 2.68 2.57 2.49 4.42 2.37 3.32 2.28 2.25 2.20 2.15 2.09 2.05 2.00 1.96 1.93 1.89 1.87 1.84 1.82 1.81
8.02 5.78 4.87 4.37 4.04 3.81 3.65 3.51 3.40 3.31 3.24 3.17 3.07 2.99 2.88 2.80 2.72 2.63 2.58 2.51 2.47 3.42 2.38 2.36
22 4.30 3.44 3.05 2.82 2.66 2.55 2.47 2.40 2.35 2.30 2.26 2.23 2.18 2.13 2.07 2.03 1.98 1.93 1.91 1.87 1.84 1.81 1.80 1.78
7.94 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 2.75 2.67 2.58 2.53 2.46 2.42 2.37 2.33 2.23
23 4.28 3.42 3.03 2.80 2.64 2.53 2.45 2.38 2.32 2.28 2.24 2.20 2.14 2.10 2.04 2.00 1.96 1.91 1.88 1.84 1.82 1.79 1.77 1.76
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 2.70 2.62 2.53 2.48 2.41 2.37 2.32 2.28 2.26
24 4.26 3.40 3.01 2.78 2.62 2.51 2.43 2.36 2.30 2.26 2.22 2.18 2.13 2.09 2.02 1.98 1.94 1.89 1.86 1.82 1.80 1.76 1.74 1.73
STATISTIKA SOSIAL
7.82 5.61 4.72 4.22 3.90 3.67 3.50 3.36 3.25 3.17 3.09 3.03 2.93 2.85 2.74 2.66 2.58 2.49 2.44 2.36 2.33 2.28 2.28 2.21
305
306
db db untuk Pembilang
Penyebut
1 2 3 4 5 6 7 8 9 10 11 12 14 16 20 24 30 40 50 75 100 200 500
25 4.24 3.38 2.99 2.76 2.60 2.49 2.41 2.34 2.28 2.24 2.20 2.16 2.11 2.06 2.00 1.96 1.92 1.87 1.84 1.80 1.77 1.74 1.72 1.71
7.77 5.57 4.68 4.18 3.86 3.62 3.46 3.32 3.21 3.13 3.05 2.99 2.89 2.81 2.70 2.62 2.54 2.45 2.40 2.32 2.29 2.23 2.19 2.17
26 4.22 3.37 2.98 2.74 2.59 2.47 2.39 2.32 2.27 2.22 2.18 2.15 2.10 2.05 1.99 1.95 1.90 1.85 1.82 1.78 1.76 1.72 1.70 1.69
7.72 5.83 4.64 4.14 3.82 3.59 3.42 3.29 3.17 3.09 3.02 2.96 2.86 2.77 2.66 2.58 2.50 2.41 2.36 2.28 2.25 2.19 2.15 2.13
27 4.21 3.35 2.96 2.73 2.57 2.46 2.37 2.30 2.25 2.20 2.16 2.13 2.08 2.03 1.97 1.93 1.88 1.84 1.80 1.76 1.74 1.71 1.68 1.67
STATISTIKA SOSIAL
7.68 5.49 4.60 4.11 3.79 3.56 3.39 3.26 3.14 3.06 2.98 2.93 2.83 3.74 2.63 2.55 2.47 2.38 2.33 2.25 2.21 2.16 2.12 2.10
28 4.20 3.34 2.95 2.71 2.56 2.44 2.36 2.29 2.24 2.19 2.15 2.12 2.06 2.02 1.96 1.91 1.87 1.81 1.78 1.75 1.72 1.69 1.67 1.65
7.64 5.45 4.57 4.07 3.76 3.53 3.36 2.23 3.11 3.03 2.95 2.90 2.80 3.71 2.60 2.52 2.44 2.35 2.30 2.22 2.18 2.13 2.09 2.06
29 4.18 3.33 2.93 2.07 2.54 2.43 2.35 2.28 2.22 2.18 2.14 2.10 2.05 2.00 1.94 2.90 1.85 1.80 1.77 1.73 1.71 1.68 1.65 1.63
7.60 5.42 4.54 4.04 3.73 3.50 3.33 3.20 3.08 3.00 2.92 2.87 2.77 2.68 2.57 2.49 2.41 2.32 2.27 2.19 2.15 2.10 2.06 2.03
30 4.17 3.32 2.92 2.69 2.53 2.42 2.34 2.27 2.21 2.16 2.12 2.09 2.04 1.99 1.93 1.89 1.84 1.79 1.76 1.72 1.69 1.66 1.64 1.62
7.56 5.39 4.51 4.02 3.70 3.47 3.30 3.17 3.06 2.98 2.90 2.84 2.74 2.66 2.55 2.47 2.38 2.29 2.24 2.16 2.13 2.07 2.03 2.01
32 4.15 3.30 2.90 2.67 2.51 2.40 2.32 2.25 2.19 2.14 2.10 2.07 2.02 1.97 1.91 1.86 1.82 1.76 1.74 1.69 1.67 1.64 1.61 1.59
7.50 5.24 4.46 3.97 3.66 3.42 3.25 3.13 3.01 2.94 2.86 2.80 2.70 2.62 2.51 2.42 2.34 2.25 2.20 2.12 2.08 2.02 1.98 1.96
34 4.13 3.28 2.88 2.65 2.49 2.38 2.30 2.23 2.17 2.12 2.08 2.05 2.00 1.95 1.89 1.84 1.80 1.74 1.71 1.67 1.64 1.61 1.59 1.57
7.44 5.29 4.42 3.93 3.61 3.38 3.21 3.08 2.97 2.89 2.82 2.76 2.66 2.58 2.47 2.38 2.30 2.21 2.15 2.08 2.04 1.98 1.94 1.91
36 4.11 3.26 2.86 2.63 2.48 2.36 2.28 2.21 2.15 2.10 2.06 2.03 1.98 1.93 1.87 1.82 1.78 1.72 1.69 1.65 1.62 1.59 1.56 1.55
7.39 5.25 4.38 3.89 3.58 3.35 3.18 3.04 2.94 2.86 2.78 2.72 2.62 2.54 2.43 2.35 2.26 2.17 2.12 2.04 2.00 1.94 1.90 1.87
38 4.10 3.25 2.85 2.62 2.46 2.35 2.26 2.19 2.14 2.09 2.05 2.02 1.96 1.92 1.85 1.80 1.76 1.71 1.67 1.63 1.60 1.57 1.54 1.53
7.35 5.21 4.34 3.86 3.54 3.32 3.15 3.02 2.91 2.82 3.75 2.69 2.59 2.51 2.40 2.22 2.22 2.14 2.08 2.00 1.97 1.90 1.86 1.84
40 4.08 3.23 2.84 2.61 2.45 2.34 2.25 2.18 2.12 2.07 2.04 2.00 1.95 1.90 1.84 1.79 1.74 1.69 1.66 1.61 1.59 1.55 153 1.51
7.31 5.18 4.31 3.83 3.51 3.29 3.13 2.99 2.88 2.80 3.73 2.66 2.56 2.49 2.37 2.29 2.20 2.11 2.05 1.97 1.94 1.88 1.84 1.81
42 4.07 3.22 2.83 2.59 2.44 2.32 2.24 2.17 2.11 2.06 2.02 1.99 1.94 1.89 1.82 1.78 1.73 1.68 1.64 1.60 1.57 1.54 1.51 1.49
7.27 3.15 4.29 3.80 3.49 3.26 3.10 2.96 2.86 2.77 2.70 2.64 2.54 2.46 2.35 2.26 2.17 2.06 2.02 1.94 1.91 1..85 1.80 1.78
44 4.06 3.21 2.82 2.58 2.43 2.31 2.23 2.16 2.10 2.05 2.01 1.98 1.92 1.88 1.81 1.76 1.72 1.66 1.63 1.58 1.56 1.52 1.50 1.48
7.24 5.12 4.26 3.78 3.46 3.24 3.07 2.94 2.84 2.75 2.68 2.62 2.52 2.44 2.32 2.24 2.15 2.06 2.00 1.92 1.88 1.82 1.78 1.75
db db untuk Pembilang
Penyebut
1 2 3 4 5 6 7 8 9 10 11 12 14 16 20 24 30 40 50 75 100 200 500
46 4.05 3.20 2.81 2.57 2.42 2.30 2.22 2.14 2.09 2.04 2.00 1.97 1.91 1.87 1.80 1.75 1.71 1.65 1.62 1.57 1.54 1.51 1.48 1.46
7.21 5.10 4.24 3.76 3.44 3.22 3.05 2.92 2.82 2.73 2.66 2.60 2.50 2.42 2.30 2.22 2.13 2.04 1.98 1.90 1.86 1.80 1.76 1.72
48 4.04 3.19 2.80 2.56 2.41 2.30 2.21 2.14 2.03 2.03 1.99 1.96 1.90 1.86 1.79 1.74 1.70 1.64 1.61 1.56 1.53 1.50 1.47 1.45
7.19 5.08 4.22 3.42 3.42 3.20 3.04 2.90 2.80 2.71 2.64 2.58 2.48 2.40 2.28 2.20 2.11 2.02 1.96 1.68 1.84 1.78 1.73 1.70
50 7.03 3.18 2.79 2.56 2.40 2.29 2.20 2.13 2.07 2.02 1.98 1.95 1.90 1.85 1.78 1.74 1.69 1.63 1.60 1.55 1.52 1.48 1.46 1.41
7.17 5.06 4.20 3.72 3.41 3.18 3.02 2.88 2.73 2.70 2.62 2.56 2.46 2.39 2.26 2.18 2.10 2.00 1.94 1.86 1.82 1.76 1.71 1.68
55 4.02 3.17 2.78 2.54 2.38 2.27 2.18 2.11 2.05 2.00 1.97 1.93 1.88 1.83 1.76 1.72 1.67 1.61 1.58 1.52 1.50 1.46 1.43 1.41
7.12 5.01 4.16 3.68 3.37 3.15 2.98 2.85 2.75 2.65 2.59 2.53 2.43 2.35 2.23 2.15 2.06 1.96 1.90 1.86 1.78 1.71 1.66 1.64
60 4.00 3.15 2.76 2.52 2.37 2.25 2.17 2.10 2.04 1.99 1.95 1.92 1.86 1.81 1.75 1.70 1.65 1.59 1.56 1.50 1.48 1.44 1.41 1.39
7.03 4.98 4.13 3.65 3.34 3.12 2.95 2.82 2.72 2.63 2.50 2.50 2.40 2.32 2.20 2.10 2.03 1.93 1.87 1.79 1.74 1.68 1.63 1.60
65 3.99 3.14 2.75 2.51 2.36 2.24 2.15 2.08 2.02 1.98 1.94 1.90 1.85 1.80 1.71 1.68 1.63 1.57 1.54 1.49 1.46 1.42 1.39 1.37
7.04 4.95 4.10 3.62 3.31 3.09 2.93 2.79 2.70 2.61 2.54 2.47 2.37 2.30 2.18 2.09 2.00 1.90 1.84 1.76 1.71 1.62 1.60 1.56
70 3.98 3.13 2.74 2.50 2.35 2.23 2.14 2.07 2.01 1.97 1.93 1.89 1.83 1.79 1.72 1.67 1.62 1.56 1.53 1.47 1.45 1.40 1.37 1.35
7.01 4.92 4.08 3.60 3.29 3.07 2.91 2.77 2.67 2.59 2.51 2.45 2.35 2.28 2.15 2.07 1.98 1.88 1.82 1.74 1.69 1.62 1.56 1.52
80 3.96 3.11 2.72 2.48 2.33 2.21 2.12 2.05 1.99 1.95 1.91 1.88 1.82 1.77 1.70 1.65 1.60 1.54 1.51 1.45 1.42 1.38 1.35 1.32
6.96 4.88 4.04 3.56 3.25 3.04 2.87 2.74 2.64 2.55 2.48 2.41 2.32 2.24 2.11 2.03 1.94 1.84 1.78 1.70 1.65 1.57 1.52 1.49
100 3.94 3.09 2.70 2.46 2.30 2.19 2.10 2.03 1.97 1.92 1.88 1.85 1.79 1.75 1.68 1.63 1.57 1.51 1.48 1.42 1.39 1.34 1.30 1.28
6.90 4.82 3.98 3.51 3.20 2.99 2.82 2.69 2.59 2.51 2.43 2.36 2.26 2.19 2.06 1.98 1.89 1.79 1.73 1.64 1.59 1.51 1.46 1.43
125 3.92 3.07 2.68 2.44 2.29 2.17 2.08 2.01 1.95 1.90 1.86 1.83 1.77 1.72 1.65 1.60 1.55 1.49 1.45 1.39 1.36 1.31 1.27 1.25
6.84 4.78 3.94 3.47 3.17 2.95 2.79 2.65 2.56 2.47 2.40 2.33 2.23 2.15 2.03 1.94 1.85 1.75 1.68 1.59 1.54 1.46 1.40 1.37
130 3.91 3.06 2.67 2.43 2.27 2.10 2.07 2.00 1.94 1.89 1.85 1.82 1.76 1.71 1.64 1.59 1.54 1.47 1.44 1.37 1.34 1.29 1.25 1.22
6.81 4.75 3.91 3.44 3.14 2.92 2.76 2.62 2.53 2.44 2.37 2.30 2.20 2.12 2.00 1.91 1.83 1.72 1.66 1.56 1.51 1.43 1.37 1.33
200 3.89 3.04 2.65 2.41 2.26 2.14 2.05 1.98 1.92 1.87 1.83 1.80 1.74 1.69 1.62 1.57 1.52 1.45 1.42 1.35 1.32 1.26 1.22 1.19
6.76 4.71 3.88 3.41 3.11 2.90 2.73 2.60 2.50 2.41 2.34 2.28 2.17 2.09 1.97 1.88 1.79 1.69 1.62 1.53 1.48 1.39 1.33 1.28
400 3.86 3.02 2.62 2.39 2.23 2.12 2.03 1.96 1.90 1.85 1.81 1.78 1.72 1.67 1.60 1.54 1.49 1.42 1.38 1.32 1.28 1.22 1.16 1.13
6.70 4.66 3.83 3.36 3.06 2.85 2.69 2.55 2.46 2.37 2.29 2.23 2.12 2.04 1.92 1.84 1.74 1.64 1.57 1.47 1.42 1.32 1.24 1.19
1000 3.85 3.00 2.61 2.38 2.22 2.10 2.02 1.95 1.89 1.84 1.80 1.76 1.70 1.65 1.58 1.53 1.47 1.41 1.36 1.30 1.26 1.19 1.13 1.08
STATISTIKA SOSIAL
6..66 4.62 3.80 3.34 3.04 2.82 2.66 2.53 2.43 2.34 2.26 2.20 2.09 2.01 1.89 1.81 1.71 1.61 1.54 1.46 1.38 1.28 1.19 1.11
3.84 2.99 2.60 2.37 2.31 2.09 2.01 1.94 1.88 1.83 1.79 1.75 1.69 1.57 1.57 1.52 1.46 1.40 1.35 1.28 1.24 1.11 1.11 1.00
6.64 4.60 3.78 3.32 3.02 2.80 2.64 2.31 2.41 2.32 2.24 2.18 2.07 1.79 1.79 1..79 1.69 1.59 1.52 1.41 1.36 1.15 1.15 1.00
307
DAFTAR-H
Harga Kritik 2
dƒ .99 .98 .95 .90 .80 .70 .50 .30 .20 .10 .05 .02 .01 .001
1 .000 .001 .004 .016 .064 .15 .46 1.07 1.64 2.71 3.84 5.41 6.64 10.83
2 .02 .04 .10 .21 .45 .71 1.39 2.41 3.22 4.60 5.99 7.82 9.21 13.82
3 .12 .18 .35 .58 1.00 1.42 2.37 3.66 4.64 6.25 7.82 9.84 11.34 16.27
4 .30 .43 .71 1.06 1.65 2.20 3.36 4.88 5.99 7.78 9.49 11.67 13.28 18.46
5 .55 .75 1.14 1.61 2.34 3.00 4.35 6.06 7.29 9.24 11.07 13.39 15.09 20.52
6 .87 1.13 1.64 2.20 3.07 3.83 5.35 7.23 8.56 10.64 12.59 15.03 16.81 22.46
7 1.24 1.56 2.17 2.83 3.82 4.67 6.35 8.38 9.80 12.02 14.07 16.62 18.84 24.32
8 1.65 2.03 2.73 3.49 4.59 5.53 7.34 9.52 11.03 13.36 15.51 18.17 20.09 26.12
9 2.09 2.53 3.32 4.17 5.38 6.39 8.34 10.66 12.24 14.68 16.92 19.68 21.67 27.88
10 2.56 3.06 3.94 4.86 6.18 7.27 9.34 11.78 13.44 15.99 18.31 21.16 23.21 29.59
11 3.05 3.61 4.58 5.58 6.99 8.15 10.34 12.90 14.63 17.28 19.68 22.62 24.72 31.26
12 2.57 4.18 5.23 6.30 7.81 9.03 11.34 14.01 15.81 18.55 21.03 24.05 26.22 32.91
13 4.11 4.76 5.89 7.04 8.63 9.93 12.34 15.12 16.98 19.81 22.36 25.47 27.69 34.53
14 4.66 5.37 6.57 7.79 9.47 10.82 13.34 16.22 18.15 21.06 36.68 26.87 29.14 36.12
15 5.23 5.98 7.26 8.55 10.31 11.72 14.34 17.32 19.31 22.31 25.00 28.26 30.58 37.70
16 5.18 6.61 7.96 6.31 11.15 12.62 15.34 18.42 20.46 23.54 26.30 29.83 32.00 39.29
17 6.41 7.26 8.67 10.08 12.00 13.53 16.34 19.51 21.63 24.77 27.59 31.00 33.41 40.75
18 7.02 7.91 9.39 10.86 12.86 14.44 17.34 20.60 22.76 25.99 28.87 32.35 34.80 42.31
19 7.63 8.57 10.12 11.65 13.72 15.35 18.34 21.69 23.90 27.20 30.14 33.69 36.19 43.82
20 8.26 9.24 10.85 12.44 14.58 16.27 19.34 22.78 25.04 28.41 31.41 35.02 37.57 45.32
21 8.90 9.92 11.59 13.24 15.44 17.18 20.34 23.86 26.17 29.62 32.67 36.32 38.93 46.80
22 9.54 10.60 11.34 14.04 16.31 18.10 21.34 24.94 27.30 30.81 33.92 37.66 40.29 48.27
23 10.20 11.29 13.09 14.85 17.19 19.02 22.34 26.02 28.43 32.01 35.17 38.97 41.64 49.73
24 10.86 11.99 13.85 15.66 18.06 19.94 23.34 27.10 29.55 33.20 36.42 40.27 42.98 51.18
25 11.52 12.70 14.61 16.47 18.94 20.87 24.34 28.17 30.69 34.38 37.65 41.57 44.31 52.62
26 11.20 13.41 15.38 17.29 19.82 21.97 25.34 29.25 31.08 35.56 38.88 42.86 45.64 54.05
27 12.88 14.12 16.15 18.11 20.70 22.72 26.34 30.32 32.91 36.74 40.11 44.14 46.96 55.48
28 13.56 14.85 16.93 18.94 21.59 23.65 27.34 31.39 34.03 37.92 41.34 45.42 48.28 54.59
29 14.26 15.57 17.71 19.77 22.48 24.58 28.34 32.46 35.14 39.09 42.56 46.69 49.59 58.30
30 14.95 16.31 18.49 20.60 23.36 25.51 29.34 33.53 36.25 40.26 43.77 47.96 50.89 59.70
Uji searah arah untuk U: = 0,01 ( = 0,02 pada uji dua arah)
n1 n2
3 4 5 6 7 8 9 10 11 12 13 14 15
0 0 0
3 0 0 1 1 1 2 2 2 3
4 0 1 1 2 3 3 4 5 5 6 7
5 0 1 2 3 4 5 6 7 8 9 10 11
6 1 2 3 4 6 7 8 9 11 12 13 15
7 0 1 3 4 6 7 9 11 12 14 16 17 19
8 0 2 4 6 7 9 11 13 15 17 20 22 24
9 1 3 5 7 9 11 14 16 18 21 23 26 28
10 1 3 6 8 11 13 16 19 22 24 27 30 33
11 1 4 7 9 12 15 18 22 25 28 31 34 37
12 2 5 8 11 14 17 21 24 28 31 35 38 42
13 2 5 9 12 16 20 23 27 31 35 39 43 47
14 2 6 10 13 17 22 26 30 34 38 43 47 51
15 3 7 11 15 19 24 28 33 37 42 47 51 56
Sumber: Diambil dari William H. Beyer (editor), Handbook of Tables for Probability and
Statistics, The Chemical Rubber Co, CRC Press, 1968
3 0 0 0 1 1 1 2
4 0 0 1 1 2 2 3 3 4 5
5 0 1 1 2 3 4 5 6 7 7 8
6 0 1 2 3 4 5 6 7 9 10 11 12
7 0 1 3 4 6 7 9 10 12 13 15 16
8 1 2 4 6 7 9 11 13 15 17 18 20
9 0 1 3 5 7 9 11 13 16 18 20 22 24
10 0 2 4 6 9 11 13 16 18 21 24 26 29
11 0 2 5 7 10 13 16 18 21 24 27 30 33
12 1 3 6 9 12 15 18 21 24 27 31 34 37
13 1 3 7 10 13 17 20 24 27 31 34 38 42
14 1 4 7 11 15 18 22 26 30 34 38 42 46
15 2 5 8 12 16 20 24 29 33 37 42 46 51
p
n x .05 .10 .15 .20 .25 .30 .35 .40 .45 .50
1 0 .9500 .9000 .8500 .8000 .7500 .7000 .6500 .6000 .5500 .5000
1 .0500 .1000 .1500 .2000 .2500 .3000 .3500 .4000 .4500 .5000
2 0 .9025 .8100 .7225 .6400 .5625 .4900 .4225 .3600 .3025 .2500
1 .0950 .1800 .2550 .3200 .3750 .4200 .4550 .4800 .4950 .5000
2 .0025 .0100 .0225 .0400 .0625 .0900 .1225 .1600 .2025 .2500
3 0 .8574 .7290 .6141 .5120 .4219 .3430 .2746 .2160 .1664 .1250
1 .1354 .2430 .3251 .3840 .4219 .4410 .4436 .4320 .4084 .3750
2 .0071 .0270 .0574 .0960 .1406 .1890 .2389 .2880 .3341 .3750
3 .0001 .0010 .0034 .0080 .0156 .0270 .0429 .0640 .0911 .1250
4 0 .8154 .6561 .5220 .4096 .3164 .2401 .1785 .1296 .0915 .0625
1 .1715 .2916 .3685 .4096 .4219 .4116 .3845 .3456 .2995 .2500
2 .0135 .0486 .0975 .1536 .2109 .2646 .3105 .3456 .3675 .3750
3 .0005 .0036 .0115 .0256 .0469 .0756 .1115 .1536 .2005 .2500
4 .0000 .0001 .0005 .0016 .0039 .0081 .0150 .0256 .0410 .0625
5 0 .7738 .5905 .4437 .3277 .2373 .1681 .1160 .0778 .0503 .0312
1 .2036 .3280 .3915 .4096 .3955 .3602 .3124 .2592 .2059 .1562
2 .0214 .0729 .1382 .2048 .2637 .3087 .3364 .3456 .3369 .3125
3 .0011 0081 .0244 .0512 .0879 .1323 .1811 .2304 .2757 .3125
4 .0000 .0004 .0022 .0064 .0146 .0284 .0488 .0768 .1128 .1562
5 .0000 .0000 .0001 .0003 .0010 .0024 .0053 .0102 .0185 .0312
6 0 .7351 .5314 .3771 .2621 .1780 .1176 .0754 .0467 .0277 .0156
1 .2321 .3543 .3993 .3932 .3560 .3025 .2437 .1866 .1359 .0938
2 .0305 .0984 .1762 .2458 .2966 .3241 .3280 .3110 .2780 .2344
3 .0021 .0146 .0415 .0819 .1318 .1852 .2355 .2765 .3032 .3125
4 .0001 .0012 .0055 .0154 .0330 .0595 .0951 .1382 .1861 .2344
5 .0000 .0001 .0004 .0015 .0044 .0102 .0205 .0369 .0609 .0938
6 .0000 0000 .0000 .0001 .0002 .0007 .1302 .0041 .0083 .0156
.
p
n x .05 .10 .15 .20 .25 .30 .35 .40 .45 .50
7 0 .6983 .4783 .3206 .2097 .1335 .0824 .0490 .0280 .0152 .0078
1 .2573 .3720 .3960 .3670 .3115 .2471 .1848 .1306 .0872 .0547
2 .0406 .1240 .2097 .2753 .3115 .3177 .2985 .2613 .2140 .1641
3 .0036 .0230 .0617 .1147 .1730 .2269 .2679 .2903 .2918 .2734
4 .0002 .0026 .0109 .0287 .0577 .0972 .1442 .1935 .2388 .2734
5 .0000 .0002 .0012 .0043 .0115 .0250 .0466 .0774 .1172 .1641
6 .0000 .0000 .0001 .0004 .0013 .0036 .0084 .0172 .0320 .0547
7 .0000 .0000 .0000 .0000 .0001 .0002 .0006 .0016 .0037 .0078
8 0 .6634 .4305 .2725 .1678 .1001 .0576 .0319 .0168 .0084 .0039
1 .2793 .3826 .3847 .3355 .2670 .1977 .1373 .9896 .0548 .0312
2 .0515 .1488 .2376 .2936 .3115 .2965 .2587 .2090 .1596 .1094
3 .0054 .1331 .1839 .1468 .2076 .2541 .2786 .2787 .2568 .2188
4 .0004 .0046 .0185 .0459 .0865 .1361 .1875 .2322 .2627 .0734
5 .0000 .0004 .0026 .0092 .0231 .0467 .0808 .1239 .1719 .2188
6 .0000 .0000 .0002 0011 .0038 .0100 .0217 .0413 .0703 .1094
7 .0000 .0000 .0000 .0001 .0004 :0012 .0033 .0079 .0164 .0312
8 .0000 .0000 .0000 .0000 .0000 .0001 .0002 .0007 .0017 .0039
9 0 .6302 .3874 .2316 .1342 .0751 .0404 .0207 .0101 .0046 .0020
1 .2985 .3874 .3679 .3020 .2253 .1556 .1004 .0605 .0339 .0176
2 .0679 .1722 .2597 .3020 .3003 .2668 .2162 .1612 .1110 .0703
3 .0077 .0446 .1069 .1762 .2336 .2668 .2716 .2508 .2119 .1641
4 .0006 .0074 .0283 .0661 .1168 .1715 .2194 .2508 .2600 .2461
5 .0000 .0008 .0050 .0165 .0389 .0735 .1181 .1672 .2128 .2461
6 .0000 .0001 .0006 .0028 .0087 .0210 .0424 .0743 .1160 .1641
7 .0000 .0000 .0000 .0003 0012 .0039 .0098 .0212 .0407 .0703
8 .0000 .0000 .0000 .0000 .0001 .0004 .0013 .0035 .0083 .0176
9 .0000 .0000 .0000 .0000 .0000 .0000 .0001 .0003 .0008 .0020
10 0 .5987 .3487 .1969 .1074 .0563 .0282 .0135 .0060 .0025 .0010
1 .3151 3874 .3474 .2634 .1817 .1211 .0725 .1403 .0207 .0098
2 .1746 .1937 .2759 .3020 .2816 .2335 .1757 .1209 .0763 .5439
3 .0105 .0574 .1298 .2013 .2503 .2668 .2522 .2150 .1665 .1172
4 .0010 .0112 .0401 .0881 .1460 .1001 .2377 .2508 .2384 .2051
5 .0001 .0015 .0085 .0264 .0594 .1029 .1536 .2007 .2340 .2461
6 .0000 .0001 .0012 .0055 .0162 .0368 .0689 .1115 .1596 .2051
7 .0000 .0000 .0001 .0008 .0031 .0090 .0212 .0425 .0746 .1172
8 .0000 .0000 .0600 .0001 .0004 .0014 .0043 .0106 .0229 .0439
9 .0000 .0000 .0000 .0000 .0000 .0001 .0005 .0016 .0042 .0098
10 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0001 .0003 .0010
.
p
n x .05 .10 .15 .20 .25 .30 .35 .40 .45 .50
11 0 .5688 3138 .1673 .0859 .0422 1198 .0088 .0036 .0014 .0005
1 .3293 .3835 .3248 .2362 .1549 .0932 .0518 .0266 .0125 .0054
2 .0867 .2131 .2866 .2953 .2581 .1998 .1395 .0887 .0513 .0269
3 .1137 1710 .1517 1215 .2581 .2568 .2254 .1774 .1259 .0806
4 .0014 .0158 .0536 .1107 .1721 .2201 .2428 .2365 .2060 .1611
5 .0001 .0025 .0132 .0388 .0803 .1321 .1930 .2207 .2360 .2256
6 .0000 .0003 .0023 .0097 .0268 .0566 .0985 .1471 .1931 .2256
7 .0000 .0000 .0003 .0017 .0064 .0173 .0379 .0701 .1128 .1611
8 .0000 .0000 .0000 .0002 .0011 .0037 .0102 .0234 .0462 .0806
9 .0000 .0000 .0000 .0000 .0001 .0005 .0018 .0052 .0126 .0269
10 .0000 .0000 .0000 .0000 .0000 .0000 .0002 .0007 .0021 .0054
11 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0002 .0005
12 0 .1405 .2824 .1422 .0687 .0317 .1038 .0057 .0022 .0008 .0002
1 .3413 .3766 .3012 1062 .1267 .0712 .0368 .0174 .0075 .0029
2 .0988 .1301 .29Z4 1835 1323 1678 .1088 .0639 .0339 .0161
3 .0173 .0852 .1720 1362 .2581 1397 .1954 1419 .0923 .0537
4 .4021 .1213 .0683 .1329 .1936 .2311 .2367 .2128 .1700 .1208
5 .0002 .0038 .0193 .0532 .1032 .1585 .2039 .2270 .2225 .1934
6 .0000 .0005 .0040 .0155 .0401 .0792 .1281 .1766 .2124 .2256
7 .0000 .0000 .0006 .0033 .0115 .0291 .0591 .1009 .1489 .1934
8 .0000 .0000 .0001 .0005 .0024 .0078 .0199 .0420 .0762 .1208
9 .0000 .0000 .0000 .0001 .0004 .0015 .0048 .0125 .0277 .0537
10 .0000 .0000 .0000 .0000 .0000 .0002 .0008 .0025 .0068 .0161
11 .0000 .0000 .0000 .0000 .0000 .0000 .0001 .0003 .0010 .0029
12 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0001 .0002
13 0 .5133 .2542 .1209 .0550 .0238 .0097 .0037 .0013 .0004 .0001
1 .3512 .3672 .2774 .1787 .1029 .0540 .0259 .0113 .0045 .0016
2 .1109 .2448 .2937 .2680 .2059 .1388 .0836 .0453 .0220 .0095
3 .0214 .0997 .1900 .2457 .2517 .2181 .1651 .1107 .0660 .0349
4 .0028 .0277 .0838 .1535 .2097 .2337 .2222 .1845 .1350 .0873
5 .0003 .0055 .0266 .0691 .1258 .1803 .2154 .2214 .1989 .1571
6 .0000 .0008 .0063 .0230 .0559 .1030 .1546 .1968 .2169 .2095
7 .0000 .0001 .0011 .0058 .0186 .0442 .0833 .1312 .1775 .2095
8 .0000 .0000 .0001 .0011 .0047 .0142 .0336 .0656 .1089 .1571
9 .0000 .0000 .0000 .0001 .0009 .0034 .0101 .0243 .0495 .0873
10 .0000 .0000 .0000 .0000 .0001 .0006 .0022 .0065 .0162 .0349
11 .0000 .0000 .0000 .0000 .0000 .0001 .0003 .0012 .0036 .0095
12 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0001 .0005 .0016
13 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0001
.
p
n x .05 .10 .15 .20 .25 .30 .35 .40 .45 .50
14 0 .4877 .2288 .1028 .0440 .0178 .0068 .0024 .0008 .0002 .0001
1 .3953 .3559 .2539 .1539 .0832 .0407 .0181 .0073 .0027 .0009
2 .1229 .2570 .2912 .2501 .1802 .1134 .0634 .0317 .0141 .0056
3 .0259 .1142 .2056 .2501 .2402 .1943 .1366 .0845 .0462 .0222
4 .0037 .0349 .0998 .1720 .2202 .2290 .2022 .1549 .1040 .0611
5 .0004 .0078 .0352 .0860 .1468 .1963 .2178 .2066 .1701 .1222
6 .0000 .0013 .0093 .0322 .0734 .1262 .1759 .2066 .2088 .1833
7 .0000 .0002 .0019 .0092 .0280 .0618 .1082 .1574 .1952 .2095
8 .0000 .0000 .0003 .0020 .0082 .0232 .0510 .0918 .1398 .1833
9 .0000 .0000 .0000 .0003 .0018 .0066 .0183 .0408 .0762 .1222
10 .0000 .0000 .0000 .0000 .0003 .0014 .0049 .0136 .0312 .0611
11 .0000 .0000 .0000 .0000 .0000 .0002 .0010 .0033 .0093 .0222
12 .0000 .0000 .0000 .0000 .0000 .0000 .0001 .0005 .0019 .0056
13 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0001 .0002 .0009
14 .0000 .0000 .0000 .0000 .0000 .6000 .0000 .0000 .0000 .0001
15 0 .4633 .2059 .0874 .0352 .0134 .0047 .0016 .0005 .0001 .0000
1 .3658 .3432 .2312 .1319 .0668 .0305 .0126 .0047 .0016 .0005
2 .1348 .2669 .2856 .2309 .1559 .0916 .0476 .0219 .0090 .0032
3 .0307 .1285 .2184 .2501 .2252 .1700 .1110 .0634 .0318 .0139
4 .0049 .0428 .1156 .1876 .2252 .2186 .1792 .1268 .0780 .0417
5 .0006 .0105 .0449 .1032 .1651 .2061 .2123 .1859 .1404 .0916
6 .0000 .0019 .0132 .0430 .0917 .1472 .1906 .2066 .1914 .1527
7 .0000 .0003 .0030 .0138 .0393 .0811 .1319 .1771 .2013 .1964
8 .0000 .0000 .0005 .0035 .0131 .0348 .0710 .1181 .1647 .1964
9 .0000 .0000 .0001 .0007 .0034 .0116 .0298 .0612 .1048 .1527
10 .0000 .0000 .0000 .0001 .0007 .0030 .0096 .0245 .0515 .0916
11 .0000 .0000 .0000 .0000 .0001 .0006 .0024 .0074 .0191 .0417
12 .0000 .0000 .0000 .0000 .0000 .0001 .0004 .0016 .0052 .0139
13 .0000 .0000 .0000 .0000 .0000 .0000 .0001 .0003 .0010 .0032
14 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0001 .0005
15 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000
.
p
n x .05 .10 .15 .20 .25 .30 .35 .40 .45 .50
16 0 .4401 .1853 .0743 .0281 .0100 .0033 .0010 .0003 .0001 .0000
1 .3706 .3294 .2097 .1126 .0535 .0228 .0087 .0030 .0009 .0002
2 .1463 .2745 .2775 .2111 .1336 .0732 .0353 .0150 .0056 .0018
3 .0359 .1423 .2285 .2463 .2079 .1465 .0888 .0468 .0215 .0085
4 .0061 .0514 .1311 .2001 .2252 .2040 .1553 .1014 .0572 .0278
5 .0008 .0137 .0555 .1201 .1802 .2099 .2008 .1623 .1123 .0667
6 .0001 .0028 .0180 .0550 .1101 .1649 .1982 .1983 .1684 .1222
7 .0000 .0004 .0045 .0197 .0524 .1010 .1524 .1889 .1969 .1746
8 .0000 .0001 .0009 .0055 .0197 .0487 .0923 .1417 .1812 .1964
9 .0000 .0000 .0001 .0012 .0058 .0185 .0442 .0840 .1318 .1746
10 .0000 .0000 .0000 .0002 .0014 .0056 .0167 .0392 .0755 .1222
11 .0000 .0000 .0000 .0000 .0002 .0013 .0049 .0142 .0337 .0667
12 .0000 .0000 .0000 .0000 .0000 .0002 .0011 .0040 .0115 .0278
13 .0000 .0000 .0000 .0000 .0000 .0000 .0002 .0008 .0029 .0085
14 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0001 .0005 .0018
15 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0001 .0002
16 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000
DAFTAR- B
Fungsi Distribusi Poisson e - x / x !
Angka pada tabel menunjukan nilai e - x / x ! untuk nilai x dan tertentu
x
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
0 .9084 .8180 .7408 .6703 6065 .5488 .4966 .4493 .4066 .3679
1 .0905 .1637 .2222 .2681 .3033 .3293 .3476 .3595 .3659 .3679
2 .0045 .1664 .0333 .0536 .0758 .0988 .1217 .1438 .1647 .1839
3 .0002 .0011 .0033 .0072 .0126 .0198 .0284 .0383 .0494 .0613
4 .0000 .0001 .0002 .0007 .0016 .0030 .0050 .0077 .0111 .0153
5 .0000 .0000 .0000 .0001 .0002 .0004 .0007 .0012 .0020 .0031
6 .0000 .0000 .0000 .0000 .0000 .0000 .0001 .0002 .0003 .0005
7 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0001
x 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2.0
0 .3329 .3012 .2725 .2466 .2231 .2019 .1827 .1653 .1496 .1353
1 .3662 .3614 .3543 .3452 .3347 .3230 .3106 .2975 .2842 .2707
2 .2014 .2169 .2303 .2417 .2510 .2584 .2640 .2678 .2700 .2707
3 .0738 .0867 .0998 .1128 .1255 .1378 1496 .1607 .1710 .1804
4 .0203 .0260 .0324 0395 .0471 .0551 .0636 .0723 .0812 .0902
5 .0045 .0062 .0084 .0111 .0141 .0176 .0216 .0260 .0309 .0361
6 .0008 .0012 .0018 .0026 .0035 .0047 .0061 .0078 .0098 .0120
7 .0001 .0002 .0003 .0005 .0008 .0011 .0015 .0020 .0027 .0034
8 .0000 .0000 .0001 .0001 .0001 .0002 .0003 .0005 .0006 .0009
9 .0000 .0000 .0000 .0000 .0000 .0000 .0001 .0001 .0001 .0002
<
x 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 3.0
0 .1225 .1108 .1003 .0907 .0821 .0743. .0672 .0608 .0550 .0498
1 .2572 .2438 .2306 .2177 .2052 1931 .1815 .1703 .1596 .1494
2 .2700 .2681 .2652 .2613 .2565 .2510 .2450 .2384 .2314 .2240
3 .1890 .1966 .2033 .2090 .2138 .2176 .2205 .2225 .2237 .2240
4 .0992 .1082 .1169 .1254 .1336 .1414 .1488 .1557 .1622 .1680
5 .0417 .0476 .0538 .0602 .0668 .0735 .0804 .0872 .0940 .1008
6 .0146 .0174 .0206 .0241 .0278 .0319 .0362 .0407 .0455 .0504
7 .0044 .0055 .0068 .0083 .0099 .0118 .0139 .0163 .0188 .0216
8 .0011 .0015 .0019 .0025 .0031 .0038 .0047 .0057 .0068 .0081
9 .0003 .0004 .0005 .0007 .0009 .0011 .0014 .0018 .0022 .0027
10 .0001 .0001 .0001 .0002 .0002 .0003 .0004 .0005 .0006 .0008
11 .0000 .0000 .0000 .0000 .0000 .0001 .0001 .0001 .0002 .0002
12 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0001
x
3.1 3.2 3.3 3.4 3.5 3.6 3.7 3.8 3.9 4.0
0 .0450 .0408 .0369 .0334 .0302 .0273 .0247 .0224 .0202 .0183
1 .1397 .1304 .1217 .1135 .1057 .0984 .0915 .0850 .0789 .0733
2 .2165 .2087 .2008 1929 .1850 .1771 .1692 .1615 .1539 .1465
3 .2237 .2226 .2209 .2186 .2158 .2125 .2087 .2046 .2001 .1954
4 .1734 .1781 .1823 .1858 .1888 .1912 .1931 .1944 .1951 .1954
5 .1075 .1140 1203 .1264 .1322 .1377 .1429 .1477 .1522 .1563
6 .0555 .0608 .0662 .0716 .0771 .0826 .0881 .0936 .0989 .1042
7 .0246 .0278 .0312 0348 .0385 .0425 .0466 .0508 .0551 .0595
8 .0095 .0111 .0129 .0148 .0169 .0191 .0215 .0241 .0269 .0298
9 .0033 .0040 .0047 .0056 .0066 .0076 .0089 .0102 .0116 .0132
10 .0010 .0013 .0016 .0019 .0023 .0028 .0033 .0039 .0045 .0053
11 .0003 .0004 .0005 .0006 .0007 .0009 .0011 .0013 .0016 .0019
12 .0001 .0001 .0001 .0002 .0002 .0003 .0003 .0004 .0005 .0006
13 .0000 .0000 .0000 .0000 .0001 .0001 .0001 .0001 .0002 .0002
14 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0001
x 4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 4.9 5.0
0 .0166 .0150 .0136 .1023 .0111 .0101 .0091 .0082 .0074 .0067
1 .0679 0630 .0583 .0540 .0500 .0462 .0427 .0395 .0365 .0337
2 .1393 1323 .1254 .1188 .1125 .1063 .1005 .0948 .0894 .0842
3 .1904 .1852 .1798 .1745 .1687 .1631 .1574 .1517 .1460 .1404
4 .1951 .1944 .1933 .1917 .1898 .1875 .1849 .1820 .1789 .1755
5 .1600 .1633 .1662 .1687 .1708 .1725 .1738 .1747 .1753 .1755
6 .1093 .1143 .1191 .1237 .1281 .1323 .1362 .1398 .1432 .1462
7 .0640 .0686 .0732 .0778 .0824 .0869 .0914 .0959 .1002 .1044
8 .0328 .0360 .0393 .0428 .0463 .0500 .0537 .0575 .0614 .0653
9 .0150 .0168 .0188 .0209 .0232 .0255 .0280 .0307 .0334 .0363
10 .0061 .0071 .0081 .0092 .0104 .0118 .0132 .0147 .0164 .0181
11 .0023 .0027 .0032 .0037 .0043 .0049 .0056 .0064 .0073 .0082
12 .0008 .0009 .0011 .0014 .0016 .0019 .0022 .0026 .0030 .0034
13 .0002 .0003 .0004 .0005 .0006 .0007 .0008 .0009 .0011 .0013
14 .0001 .0001 .0001 .0001 .0002 .0002 .0003 .0003 .0004 .0005
15 .0000 .0000 .0000 .0000 .0001 .0001 .0001 .0001 .0001 .0002
‘
x 5.1 5.2 5.3 5.4 5.5 5.6 5.7 5.8 5.9 6.0
0 .0061 .0055 .0050 .0045 .0041 .0037 .0033 .0030 .0027 .0025
1 .0311 .0287 .0265 .0244 .0225 .0207 .0191 .0176 .0162 .0149
2 .0793 .0746 .0701 .0659 .0618 .0580 .0544 .0509 .0477 .0446
3 .1348 .1293 .1239 .1185 .1133 .1082 .1033 .0935 .0938 .0892
4 .1719 .1681 .1641 .1600 .1558 .1515 .1472 .1428 .1383 .1339
5 .1753 .1748 .1740 .1728 .1714 .1697 .1678 .1656 .1632 .1606
6 .1490 .1515 .1537 .1555 .1571 .1584 .1594 .1601 .1605 .1606
7 .1086 .1125 .1163 .1200 .1234 .1267 .1298 .1326 .1353 .1377
8 .0692 .0731 .0771 .0810 .0849 .0887 .0925 .0962 .0998 .1033
9 .0392 .0423 .0454 .0486 .0519 .0552 .0586 .0620 .0654 .0688
10 .0200 .0220 .0241 .0262 .0285 .0309 .0334 .0359 .0386 .0413
11 .0093 .0104 .0116 .0129 .0143 .0157 .0173 .0190 .0207 .0225
12 .0039 .0045 .0051 .0058 .0065 .0073 .0082 .0092 .0102 .0113
13 .0015 .0018 .0021 .0024 .0028 .0032 .0036 .0041 .0046 .0052
14 .0006 .0007 .0008 .0009 .0011 .0013 .0015 .0017 .0019 .0022
15 .0002 .0002 .0003 .0003 .0004 .0005 .0006 .0007 .0008 .0009
16 .0001 .0001 .0001 .0001 .0001 .0002 .0002 .0002 .0003 .0003
17 .0000 .0000 .0000 .0000 .0000 .0001 .0001 .0001 .0001 .0001
x 6.1 6.2 6.3 6.4 6.5 6.6 6.7 6.8 6.9 7.0
0 .0022 .0020 .0018 .0017 .0015 .0014 .0012 .0011 .0010 .0009
1 .0137 .0126 .0116 .0106 .0098 .0090 .0082 .0076 .0070 .0064
2 .0417 .0390 .0364 .0340 .0318 .0296 .0276 .0258 .0240 .0223
3 .0848 .0806 .0765 .0726 .0688 .0652 .0617 .0584 .0552 .0912
4 .1294 .1249 .1205 .0116 .1118 .1076 .1034 .0992 .0952 .0912
5 .1579 .1549 .1519 .1487 .1454 .1420 .1385 .1349 .1314 .1277
6 .1605 .1601 .1595 .1586 .1575 .1562 .1546 .1529 .1511 .1490
7 .1399 .1418 .1435 .1450 .1462 .1472 .1480 .1486 .1489 .1490
8 .1066 .1099 .1130 .1160 .1188 .1215 .1240 .1263 .1284 .1304
9 .0723 .0757 .0791 .0825 .0858 .0891 .0923 .0954 .0985 .1014
10 .0441 ..0469 .0498 .0528 .0558 .0588 .0618 .0649 .0679 .0710
11 .0245 .0265 .0285 .0307 .0330 .0353 .0377 .0401 .0426 .0452
12 .0124 .0137 .0150 .0164 .0179 .0194 .0210 .0227 .0245 .0264
13 .0058 .0065 .0073 .0081 .0089 .0098 .0108 .0119 .0130 .0142
14 .0025 .0029 .0033 .0037 .0041 .0046 .0052 .0058 .0064 .0071
15 .0010 .0012 .0014 .0016 .0018 .0020 .0023 .0026 .0029 .0033
16 .0004 .0005 .0005 .0006 .0007 .0008 .0010 .0011 .0013 .0014
17 .0001 .0002 .0002 .0002 .0003 .0003 .0004 .0004 .0005 .0006
18 .0000 .0001 .0001 .0001 .0001 .0001 .0001 .0002 .0002 .0002
19 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0001 .0001 .0001
x
7.1 7.2 7.3 7.4 7.5 7.6 7.7 7.8 7.9 8.0
0 .0008 .0007 .0007 .0006 .0006 .0005 .0005 .0004 .0004 .0003
1 .0059 .0054 .0049 .0045 .0041 .0038 .0035 .0032 .0029 .0027
2 .0208 .0194 .0180 .0167 .0156 .0145 .0134 .0125 .0116 .0107
3 .0492 .0464 .0438 .0413 .0389 .0366 .0345 .0324 .0305 .0286
4 .0874 .0836 .0799 .0764 .0729 .0696 .0663 .0632 .0602 .0573
5 .1241 .1204 .1167 .1130 .1094 .1057 .1021 .0986 .0951 .0916
6 .1468 .1445 .1420 .1394 .1367 .1339 .1311 .1282 .1252 .1221
7 .1489 .1486 .1481 .1474 .1465 .1454 .1442 .1428 .1413 .1396
8 .1321 .1337 .1351 .1363 .1373 .1382 .1388 .1392 .1395 .1396
9 .1042 .1070 .1096 .1121 .1144 .1167 .1187 .1207 .1224 .1241
10 .0740 .0770 .0800 .0829 .0858 .0887 .0914 .0941 .0967 .0993
11 .0478 .0504 .0531 .0558 .0585 .0613 .0640 .0667 .0695 .0722
12 .0283 .0303 .0323 .0344 .0366 .0388 .0411 .0434 .0457 .0481
13 .0154 .0168 .0181 .0196 .0211 .0227 .0243 .0260 .0278 .0296
14 .0078 .0086 .0095 .0104 .0113 .0123 .0134 .0145 .0157 .0169
15 .0037 .0041 .0046 .0051 .0057 .0062 .0069 .0075 .0083 .0090
16 .0016 .0019 .0021 .0024 .0026 .0030 .0033 .0037 .0041 .0045
17 .0007 .0008 .0009 .0010 .0012 .0013 .0015 .0017 .0019 .0021
18 .0003 .0003 .0004 .0004 .0005 .0006 .0006 .0007 .0008 .0009
19 .0001 .0001 .0001 .0002 .0002 .0002 .0003 .0003 .0003 .0004
20 .0000 .0000 .0001 .0001 .0001 .0001 .0001 .0001 .0001 .0002
21 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0001 .0001
x 8.1 8.2 8.3 8.4 8.5 8.6 8.7 8.8 8.9 9.0
0 .0003 .0003 .0002 .0002 .0002 .0002 .0002 .0002 .0001 .0001
1 .0025 .0023 .0021 .0019 .0017 .0016 .0014 .0013 .0012 .0011
2 .0100 .0092 .0086 .0079 .0074 .0068 .0063 .0058 .0054 .0050
3 .0269 .0252 .0237 .0222 .0208 .0195 .0183 .0171 .0160 .0150
4 .0544 .0517 .0491 .0466 .0443 .0420 .0398 .0377 .0357 .0337
5 .0882 .0849 .0816 .0784 .0752 .0722 .0692 .0663 .0635 .0607
6 .1191 .1160 .1128 .1097 .1066 .1034 .1003 .0972 .0941 .0911
7 .1378 .1358 .1338 .1317 .1294 .1271 .1247 .1222 .1197 .1171
8 .1395 .1392 .1388 .1382 .1375 .1366 .1356 .1344 .1332 .1318
9 .1256 .1269 .1280 .1290 .1399 .1306 .1311 .1315 .1317 .1318
10 .1017 .1040 .1063 .1084 .1104 .1123 .1140 .1157 .1172 .1186
11 .0749 .0776 .0802 .0828 .0853 .0878 .0902 .0525 .0948 .0970
12 .0505 .0530 .0555 .0579 .0604 .0629 .0654 .0679 .0703 .0728
13 .0315 .0334 .0354 .0374 .0395 .0416 .0438 .0459 .0481 .0504
14 .0182 .0196 .0210 .0225 .0240 .0256 .0272 .0289 .0306 .0324
15 .0098 .0107 .0116 .0126 .0136 .0147 .0158 .0169 .0182
.0194
16 .0050 .0055 .0060 .0066 .0072 .0079 .0086 .0093 .0101
17 .0024 .0026 .0029 .0033 .0036 .0040 .0044 .0048 .0053 .0109
18 .0011 .0012 .0014 .0015 .0017 .0019 .0021 .0024 .0026 .0058
19 .0005 .0005 .0006 .0007 .0008 .0009 .0010 .0011 .0012 .0029
20 .0002 .0002 .0002 .0003 .0003 .0004 .0004 .0005 .0005 .0014
21 .0001 .0001 .0001 .0001 .0001 .0002 .0002 .0002 .0002 .0006
22 .0000 .0000 .0000 .0000 .0001 .0001 .0001 .0001 .0001 .0003
.0001
DAFTAR-C
Distribusi Normal
Angka pada tabel menunjukan proporsi pada kurva yang terletak antara z = 0
dan nilai z positif. Daerah untuk nilai z negatif diperoleh dengan cara yang sama.
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 .2257 .2291 .2324 .2357 .2389 .2422 .2454 .2486 .2517 .2549
0.7 .2580 .2611 .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 .3521
1.1 .3643 .3665 .3686 .3708 .3729 .3749 .3770 .3790 .3810 .3830
1.2 .3849 .3869 .3888 .3907 .3925 .3944 .3962 .3980 .3997 .4015
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 .4418 .4429 .4441
1.6 .4452 .4463 .4474 .4484 .4495 .4505 .4515 .4525 .4535 .4545
1.7 .4554 .4564 .4573 .4582 .4591 .4599 .4608 .4616 .4625 .4633
1.8 .4641 .4649 .4656 .4664 .4671 .4678 .4686 .4693 .4699 .4706
1.9 .4713 .4719 .4726 .4732 .4738 .4744 .4750 .4756 .4761 .4767
2.0 .4772 .4778 4783 .4788 .4793 .4798 .4803 .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 .4893 .4896 .4898 .4901 .4904 .4906 .4909 .4911 .4913 .4916
2.4 .4918 .4920 .4922 .4925 .4927 .4929 .4931 .4932 .4934 .4936
2.5 4938 .4940 4941 .4943 .4945 .4946 .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 .4974 .4975 4976 .4977 .4977 .4978 .4979 .4979 .4980 .4981
2.9 .4981 .4982 4982 .4983 .4984 .4984 .4985 .4985 .4986 .4986
3.0 .4987 .4987 4987 .4988 .4988 .4989 .4989 .4940 .4990 .4990
DAFTAR-D
Harga Kritik Korelasi Product Moment Person
Level of significance for one-tailed test
.05 .025 .01 .005
dƒ
Level of significance for two-tailed tes
.01 .05 .02 .01
1 988 997 995 999
2 900 950 980 990
3 805 878 934 959
4 729 811 882 917
5 669 754 833 874
6 622 707 789 834
7 582 666 750 798
8 549 632 716 765
9 521 602 685 735
10 497 576 658 708
11 476 553 634 684
12 458 532 612 661
13 441 514 592 641
14 426 497 574 623
15 412 482 558 606
16 400 468 542 590
17 389 456 528 575
18 378 444 516 561
19 369 433 503 549
20 360 423 492 537
21 352 413 482 526
22 344 404 472 515
23 337 396 462 505
24 330 388 456 496
25 323 381 445 487
26 317 374 437 479
27 311 367 430 471
28 306 361 423 463
29 301 355 416 456
30 296 349 409 449
35 275 325 381 418
40 257 304 358 393
45 243 288 338 372
50 231 273 322 354
60 211 250 295 325
70 195 232 274 303
80 183 217 256 283
90 173 205 242 267
100 164 195 230 254
Sumber: Diambil dari Gullford, JP dan Benyamin, F; Fundamental Statistic In
Psychology and Education; McGraw-Hill Book Company; Sydney; 1978
DAFTAR-E
Harga Kritik Korelasi Tata Jenjang Spearman’s
.
DAFTAR-F
Harga Kritik Untuk t
Level of significance for one-tailed test
.10 .05 .025 .01 .005 .0005
dƒ
Level of significance for two-tailed test
.20 .10 .05 .02 .01 .001
1 3.078 6.314 12.706 31.821 63.657 636.619
2 1.886 2.920 4.303 6.965 9.925 31.598
3 1.638 2.353 3.182 4.541 5.841 12.941
4 1.533 2.132 2.770 3.747 4.604 8.613
5 1.476 2.015 2.571 3.365 4.032 6.859
6 1.440 1.943 2.447 3.143 3.707 5.959
7 1.415 1.895 2.365 2.998 3.499 5.405
8 1.397 1.860 2.306 2.896 3.355 5.041
9 1.383 1.833 2.262 2.821 3.250 4.781
10 1.372 1.812 2.228 2.764 3.169 4.587
1 161 200 216 225 230 234 237 239 241 242 243 244 245 246 248 249 250 251 252 253 253 254 254 254
4052 4999 5403 5625 5764 5859 5928 5981 6022 6056 6082 6106 6142 6169 6208 6234 6258 6286 6302 6323 6334 6352 6361 6366
2 18.51 19.00 19.16 19.25 19.30 19.33 19.36 19.37 19.38 19.39 19.40 19.14 19.42 19.43 19.44 19.45 19.46 19.47 19.47 19.48 19.49 19.49 19.50 19.50
98.49 99.01 99.17 99.25 99.30 99.33 99.34 99.36 99.38 99.40 99.41 99.42 99.43 99.44 99.45 99.46 99.47 99.48 99.48 99.49 99.49 99.49 99.50 99.50
3 10.13 9.55 9.28 9.12 9.01 8.94 8.88 8.84 8.81 8.78 8.76 8.374 8.71 8.69 8.66 8.46 8.26 8.60 8.58 8.57 8.56 8.54 8.54 8.53
35.12 30.81 29.46 28.71 28.24 27.91 27.67 27.49 27.34 27.23 27.13 27.05 26.92 26.83 26.69 26.60 26.50 26.41 2635 26.27 26.23 26.18 26.14 26.12
4 7.71 6.94 6.59 6.39 6.26 6.16 6.09 6.04 6.00 5.96 5.93 5.91 5.87 5.84 5.80 5.77 5.74 5.71 5.70 5.68 5.66 5.65 5.64 5.63
21.20 18.00 16.69 15.98 15.52 15.21 14.98 14.08 14.66 14.54 14.45 14.37 14.24 14.15 14.02 13.93 13.83 13.74 13.69 13.61 13.57 13.52 13.48 13.46
5 6.61 5.79 5.41 5.19 5.05 4.95 4.88 4.82 4.78 4.74 4.70 4.68 4.64 4.60 1.56 4.56 4.50 4.46 4.44 4.42 4.40 4.38 4.37 4.36
16.26 13.27 12.06 11.39 10.97 10.67 10.45 10.27 10.15 10.05 9.96 9.89 9.77 9.68 9.55 9.47 9.38 9.29 09.24 9.17 9.13 9.07 9.04 9.02
6 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 3.02 3.87 3.84 3.81 3.77 3.75 3.72 3.71 3.69 3.68 3.67
13.74 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 7.39 7.31 7.23 7.14 7.09 7.02 6.99 6.94 6.90 6.88
7 5.59 4.74 4.35 4.12 3.97 3.87 3.79 3.73 3.68 3.63 3.60 3.57 3.52 3.49 3.44 3.41 3.38 3.34 3.32 3.29 3.28 3.25 3.24 3.23
13.74 9.55 8.45 7.85 7.46 7.19 7.00 6.84 6.71 6.62 6.54 6.47 6.35 6.27 6.15 6.07 5.98 5.90 5.85 5.78 5.75 5.70 5.67 5.65
8 5.32 4.46 4.07 3.84 3.69 3.58 3.50 3.44 3.39 3.34 3.31 3.28 3.23 3.20 3.15 3.12 3.08 3.05 3.03 3.00 2.98 2.96 2.94 2.93
11.26 8.65 7.59 7.01 6.63 6.37 6.19 6.03 5.91 5.82 5.74 5.67 5.56 5.48 5.36 5.28 5.20 5.11 5.06 5.00 4.96 4.91 4.88 4.86
9 5.12 4.26 3.86 3.63 3.48 3.37 3.29 3.23 3.18 3.13 3.10 3.07 3.02 2.98 2.93 2.90 2.86 2.82 2.80 2.77 2.76 2.73 2.72 2.71
10.56 8.02 6.99 6.42 6.06 5.80 5.62 5.47 5.35 5.26 5.18 5.11 5.00 4.92 4.80 4.73 4.64 4.56 4.51 4.45 4.41 4.36 4.33 4.31
10 4.96 4.10 3.71 3.48 3.33 3.22 3.14 3.07 3.02 2.97 2.94 2.91 2.86 2.82 2.77 2.74 2.70 2.67 2.64 2.61 2.59 2.56 2.55 254
10.04 7.56 6.55 5.99 5.64 5.39 5.21 5.06 4.95 4.85 4.78 4.71 4.60 4.52 4.41 4.33 4.25 4.17 4.12 4.05 4.01 3.96 3.93 3.91
11 4.84 3.98 3.59 3.36 3.20 3.09 3.01 2.95 2.90 2.86 2.82 2.79 2.74 2.70 2.65 2.61 2.57 2.53 2.50 2.47 2.45 2.42 2.41 2.40
9.65 7.20 6.22 5.67 5.32 5.07 4.88 4.47 4.63 4.46 4.46 4.40 4.29 4.21 4.10 4.02 3.94 386 3.80 3.74 3.70 3.66 3.62 3.60
Adaptasi dari : Ferguson, A. George; Statistical Analysis in Psychology and Education. San Francisco: McGraw-Hill Book Company. 1989.
db db untuk Pembilang
Penyebut
1 2 3 4 5 6 7 8 9 10 11 12 14 16 20 24 30 40 50 75 100 200 500
12 4.75 3.88 3.49 3.26 3.11 3.00 2.92 2.85 2.80 2.76 2.72 2.69 2.64 2.60 2.54 2.50 2.46 2.42 2.40 2.36 2.35 2.32 2.31 2.30
9.33 6.93 5.95 5.41 5.06 4.82 4.65 4.50 4.39 4.30 4.22 4.16 4.05 3.98 3.86 3.78 3.70 3.61 3.56 3.49 3.46 3.41 3.38 3.36
13 4.67 3.80 3.41 3.18 3.02 2.92 2.84 2.77 2.72 2.67 2.63 2.60 2.55 2.51 2.46 2.42 2.38 2.34 2.32 2.28 2.26 2.24 2.22 2.21
9.07 6.70 5.74 5.20 4.86 4.62 4.44 4.30 4.19 4.10 4.02 3.96 3.85 3.78 3.67 3.59 3.51 3.42 2.37 3.30 3.27 3.21 3.18 3.16
14 4.60 3.74 3.34 3.11 2.96 2.85 2.77 2.70 2.65 2.60 2.56 2.53 2.48 2.44 2.39 2.35 2.31 2.27 2.24 2.21 2.19 2.16 2.14 2.13
8.86 6.51 5.56 5.03 4.69 4.46 4.28 4.14 4.03 3.94 3.86 3.80 3.70 3.62 3.51 3.43 3.34 3.26 3.21 3.14 3.11 3.06 3.02 3.00
15 4.54 3.68 3.29 3.06 2.90 2.79 2.70 2.64 2.59 2.55 2.51 2.48 2.43 2.39 2.33 2.29 2.25 2.21 2.18 2.15 2.12 2.10 2.08 2.07
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 3.48 3.36 3.29 3.20 3.12 3.07 3.00 2.97 2.92 2.89 2.87
16 4.49 3.63 3.24 3.01 2.85 2.74 2.66 2.59 2.54 2.49 2.45 2.42 2.37 2.33 2.28 2.24 2.20 2.16 2.13 2.09 2.07 2.04 2.02 2.06
8.53 6.23 5.29 4.77 4.44 4.20 4.03 3.89 3.78 3.69 3.61 3.55 3.45 3.37 3.25 3.18 3.10 3.01 2.96 2.89 2.86 2.80 2.77 2.75
17 4.45 3.59 3.20 2.96 2.81 2.70 2.62 2.55 2.50 2.45 2.41 2.38 2.33 2.29 2.23 2.19 2.15 2.11 2.08 2.04 2.02 1.99 1.97 1.96
8.40 6.11 5.18 4.67 4.43 4.10 3.93 3.79 3.68 3.59 3.52 3.45 3.35 3.27 3.16 3.08 3.00 2.92 2.86 2.79 2.76 2.70 2.67 2.65
18 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 2.15 2.11 2.07 2.04 2.00 1.98 1.95 1.93 1.92
8.28 6.01 5.09 4.58 4.25 4.01 3.85 3.71 3.60 3.51 3.44 3.37 3.27 3.19 3.07 3.00 2.91 2.83 2.78 2.71 2.68 2.62 2.59 2.57
19 4.38 3.52 3.13 2.90 2.74 2.63 2.55 2.48 2.41 2.38 2.34 2.31 2.26 2.21 2.15 2.11 2.07 2.02 2.00 1.96 1.94 1.91 1.90 1.88
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 2.92 2.84 2.76 2.70 2.63 2.60 2.54 2.51 2.49
20 4.35 3.49 3.10 2.87 2.71 2.60 2.52 2.45 2.40 2.35 2.31 2.28 2.23 2.18 2.12 2.08 2.04 1.99 1.96 1.92 1.90 1.87 1.85 1.84
8.10 5.85 4.94 4.43 4.10 3.87 3.71 3.56 3.45 3.37 3.30 3.23 3.13 3.05 2.94 2.86 2.77 2.69 2.63 2.56 2.53 2.47 2.44 2.42
21 4.32 3.47 3.07 2.84 2.68 2.57 2.49 4.42 2.37 3.32 2.28 2.25 2.20 2.15 2.09 2.05 2.00 1.96 1.93 1.89 1.87 1.84 1.82 1.81
8.02 5.78 4.87 4.37 4.04 3.81 3.65 3.51 3.40 3.31 3.24 3.17 3.07 2.99 2.88 2.80 2.72 2.63 2.58 2.51 2.47 3.42 2.38 2.36
22 4.30 3.44 3.05 2.82 2.66 2.55 2.47 2.40 2.35 2.30 2.26 2.23 2.18 2.13 2.07 2.03 1.98 1.93 1.91 1.87 1.84 1.81 1.80 1.78
7.94 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 2.75 2.67 2.58 2.53 2.46 2.42 2.37 2.33 2.23
23 4.28 3.42 3.03 2.80 2.64 2.53 2.45 2.38 2.32 2.28 2.24 2.20 2.14 2.10 2.04 2.00 1.96 1.91 1.88 1.84 1.82 1.79 1.77 1.76
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 2.70 2.62 2.53 2.48 2.41 2.37 2.32 2.28 2.26
24 4.26 3.40 3.01 2.78 2.62 2.51 2.43 2.36 2.30 2.26 2.22 2.18 2.13 2.09 2.02 1.98 1.94 1.89 1.86 1.82 1.80 1.76 1.74 1.73
7.82 5.61 4.72 4.22 3.90 3.67 3.50 3.36 3.25 3.17 3.09 3.03 2.93 2.85 2.74 2.66 2.58 2.49 2.44 2.36 2.33 2.28 2.28 2.21
db db untuk Pembilang
Penyebut
1 2 3 4 5 6 7 8 9 10 11 12 14 16 20 24 30 40 50 75 100 200 500
25 4.24 3.38 2.99 2.76 2.60 2.49 2.41 2.34 2.28 2.24 2.20 2.16 2.11 2.06 2.00 1.96 1.92 1.87 1.84 1.80 1.77 1.74 1.72 1.71
7.77 5.57 4.68 4.18 3.86 3.62 3.46 3.32 3.21 3.13 3.05 2.99 2.89 2.81 2.70 2.62 2.54 2.45 2.40 2.32 2.29 2.23 2.19 2.17
26 4.22 3.37 2.98 2.74 2.59 2.47 2.39 2.32 2.27 2.22 2.18 2.15 2.10 2.05 1.99 1.95 1.90 1.85 1.82 1.78 1.76 1.72 1.70 1.69
7.72 5.83 4.64 4.14 3.82 3.59 3.42 3.29 3.17 3.09 3.02 2.96 2.86 2.77 2.66 2.58 2.50 2.41 2.36 2.28 2.25 2.19 2.15 2.13
27 4.21 3.35 2.96 2.73 2.57 2.46 2.37 2.30 2.25 2.20 2.16 2.13 2.08 2.03 1.97 1.93 1.88 1.84 1.80 1.76 1.74 1.71 1.68 1.67
7.68 5.49 4.60 4.11 3.79 3.56 3.39 3.26 3.14 3.06 2.98 2.93 2.83 3.74 2.63 2.55 2.47 2.38 2.33 2.25 2.21 2.16 2.12 2.10
28 4.20 3.34 2.95 2.71 2.56 2.44 2.36 2.29 2.24 2.19 2.15 2.12 2.06 2.02 1.96 1.91 1.87 1.81 1.78 1.75 1.72 1.69 1.67 1.65
7.64 5.45 4.57 4.07 3.76 3.53 3.36 2.23 3.11 3.03 2.95 2.90 2.80 3.71 2.60 2.52 2.44 2.35 2.30 2.22 2.18 2.13 2.09 2.06
29 4.18 3.33 2.93 2.07 2.54 2.43 2.35 2.28 2.22 2.18 2.14 2.10 2.05 2.00 1.94 2.90 1.85 1.80 1.77 1.73 1.71 1.68 1.65 1.63
7.60 5.42 4.54 4.04 3.73 3.50 3.33 3.20 3.08 3.00 2.92 2.87 2.77 2.68 2.57 2.49 2.41 2.32 2.27 2.19 2.15 2.10 2.06 2.03
30 4.17 3.32 2.92 2.69 2.53 2.42 2.34 2.27 2.21 2.16 2.12 2.09 2.04 1.99 1.93 1.89 1.84 1.79 1.76 1.72 1.69 1.66 1.64 1.62
7.56 5.39 4.51 4.02 3.70 3.47 3.30 3.17 3.06 2.98 2.90 2.84 2.74 2.66 2.55 2.47 2.38 2.29 2.24 2.16 2.13 2.07 2.03 2.01
32 4.15 3.30 2.90 2.67 2.51 2.40 2.32 2.25 2.19 2.14 2.10 2.07 2.02 1.97 1.91 1.86 1.82 1.76 1.74 1.69 1.67 1.64 1.61 1.59
7.50 5.24 4.46 3.97 3.66 3.42 3.25 3.13 3.01 2.94 2.86 2.80 2.70 2.62 2.51 2.42 2.34 2.25 2.20 2.12 2.08 2.02 1.98 1.96
34 4.13 3.28 2.88 2.65 2.49 2.38 2.30 2.23 2.17 2.12 2.08 2.05 2.00 1.95 1.89 1.84 1.80 1.74 1.71 1.67 1.64 1.61 1.59 1.57
7.44 5.29 4.42 3.93 3.61 3.38 3.21 3.08 2.97 2.89 2.82 2.76 2.66 2.58 2.47 2.38 2.30 2.21 2.15 2.08 2.04 1.98 1.94 1.91
36 4.11 3.26 2.86 2.63 2.48 2.36 2.28 2.21 2.15 2.10 2.06 2.03 1.98 1.93 1.87 1.82 1.78 1.72 1.69 1.65 1.62 1.59 1.56 1.55
7.39 5.25 4.38 3.89 3.58 3.35 3.18 3.04 2.94 2.86 2.78 2.72 2.62 2.54 2.43 2.35 2.26 2.17 2.12 2.04 2.00 1.94 1.90 1.87
38 4.10 3.25 2.85 2.62 2.46 2.35 2.26 2.19 2.14 2.09 2.05 2.02 1.96 1.92 1.85 1.80 1.76 1.71 1.67 1.63 1.60 1.57 1.54 1.53
7.35 5.21 4.34 3.86 3.54 3.32 3.15 3.02 2.91 2.82 3.75 2.69 2.59 2.51 2.40 2.22 2.22 2.14 2.08 2.00 1.97 1.90 1.86 1.84
40 4.08 3.23 2.84 2.61 2.45 2.34 2.25 2.18 2.12 2.07 2.04 2.00 1.95 1.90 1.84 1.79 1.74 1.69 1.66 1.61 1.59 1.55 153 1.51
7.31 5.18 4.31 3.83 3.51 3.29 3.13 2.99 2.88 2.80 3.73 2.66 2.56 2.49 2.37 2.29 2.20 2.11 2.05 1.97 1.94 1.88 1.84 1.81
42 4.07 3.22 2.83 2.59 2.44 2.32 2.24 2.17 2.11 2.06 2.02 1.99 1.94 1.89 1.82 1.78 1.73 1.68 1.64 1.60 1.57 1.54 1.51 1.49
7.27 3.15 4.29 3.80 3.49 3.26 3.10 2.96 2.86 2.77 2.70 2.64 2.54 2.46 2.35 2.26 2.17 2.06 2.02 1.94 1.91 1..85 1.80 1.78
44 4.06 3.21 2.82 2.58 2.43 2.31 2.23 2.16 2.10 2.05 2.01 1.98 1.92 1.88 1.81 1.76 1.72 1.66 1.63 1.58 1.56 1.52 1.50 1.48
7.24 5.12 4.26 3.78 3.46 3.24 3.07 2.94 2.84 2.75 2.68 2.62 2.52 2.44 2.32 2.24 2.15 2.06 2.00 1.92 1.88 1.82 1.78 1.75
db db untuk Pembilang
Penyebut
1 2 3 4 5 6 7 8 9 10 11 12 14 16 20 24 30 40 50 75 100 200 500
46 4.05 3.20 2.81 2.57 2.42 2.30 2.22 2.14 2.09 2.04 2.00 1.97 1.91 1.87 1.80 1.75 1.71 1.65 1.62 1.57 1.54 1.51 1.48 1.46
7.21 5.10 4.24 3.76 3.44 3.22 3.05 2.92 2.82 2.73 2.66 2.60 2.50 2.42 2.30 2.22 2.13 2.04 1.98 1.90 1.86 1.80 1.76 1.72
48 4.04 3.19 2.80 2.56 2.41 2.30 2.21 2.14 2.03 2.03 1.99 1.96 1.90 1.86 1.79 1.74 1.70 1.64 1.61 1.56 1.53 1.50 1.47 1.45
7.19 5.08 4.22 3.42 3.42 3.20 3.04 2.90 2.80 2.71 2.64 2.58 2.48 2.40 2.28 2.20 2.11 2.02 1.96 1.68 1.84 1.78 1.73 1.70
50 7.03 3.18 2.79 2.56 2.40 2.29 2.20 2.13 2.07 2.02 1.98 1.95 1.90 1.85 1.78 1.74 1.69 1.63 1.60 1.55 1.52 1.48 1.46 1.41
7.17 5.06 4.20 3.72 3.41 3.18 3.02 2.88 2.73 2.70 2.62 2.56 2.46 2.39 2.26 2.18 2.10 2.00 1.94 1.86 1.82 1.76 1.71 1.68
55 4.02 3.17 2.78 2.54 2.38 2.27 2.18 2.11 2.05 2.00 1.97 1.93 1.88 1.83 1.76 1.72 1.67 1.61 1.58 1.52 1.50 1.46 1.43 1.41
7.12 5.01 4.16 3.68 3.37 3.15 2.98 2.85 2.75 2.65 2.59 2.53 2.43 2.35 2.23 2.15 2.06 1.96 1.90 1.86 1.78 1.71 1.66 1.64
60 4.00 3.15 2.76 2.52 2.37 2.25 2.17 2.10 2.04 1.99 1.95 1.92 1.86 1.81 1.75 1.70 1.65 1.59 1.56 1.50 1.48 1.44 1.41 1.39
7.03 4.98 4.13 3.65 3.34 3.12 2.95 2.82 2.72 2.63 2.50 2.50 2.40 2.32 2.20 2.10 2.03 1.93 1.87 1.79 1.74 1.68 1.63 1.60
65 3.99 3.14 2.75 2.51 2.36 2.24 2.15 2.08 2.02 1.98 1.94 1.90 1.85 1.80 1.71 1.68 1.63 1.57 1.54 1.49 1.46 1.42 1.39 1.37
7.04 4.95 4.10 3.62 3.31 3.09 2.93 2.79 2.70 2.61 2.54 2.47 2.37 2.30 2.18 2.09 2.00 1.90 1.84 1.76 1.71 1.62 1.60 1.56
70 3.98 3.13 2.74 2.50 2.35 2.23 2.14 2.07 2.01 1.97 1.93 1.89 1.83 1.79 1.72 1.67 1.62 1.56 1.53 1.47 1.45 1.40 1.37 1.35
7.01 4.92 4.08 3.60 3.29 3.07 2.91 2.77 2.67 2.59 2.51 2.45 2.35 2.28 2.15 2.07 1.98 1.88 1.82 1.74 1.69 1.62 1.56 1.52
80 3.96 3.11 2.72 2.48 2.33 2.21 2.12 2.05 1.99 1.95 1.91 1.88 1.82 1.77 1.70 1.65 1.60 1.54 1.51 1.45 1.42 1.38 1.35 1.32
6.96 4.88 4.04 3.56 3.25 3.04 2.87 2.74 2.64 2.55 2.48 2.41 2.32 2.24 2.11 2.03 1.94 1.84 1.78 1.70 1.65 1.57 1.52 1.49
100 3.94 3.09 2.70 2.46 2.30 2.19 2.10 2.03 1.97 1.92 1.88 1.85 1.79 1.75 1.68 1.63 1.57 1.51 1.48 1.42 1.39 1.34 1.30 1.28
6.90 4.82 3.98 3.51 3.20 2.99 2.82 2.69 2.59 2.51 2.43 2.36 2.26 2.19 2.06 1.98 1.89 1.79 1.73 1.64 1.59 1.51 1.46 1.43
125 3.92 3.07 2.68 2.44 2.29 2.17 2.08 2.01 1.95 1.90 1.86 1.83 1.77 1.72 1.65 1.60 1.55 1.49 1.45 1.39 1.36 1.31 1.27 1.25
6.84 4.78 3.94 3.47 3.17 2.95 2.79 2.65 2.56 2.47 2.40 2.33 2.23 2.15 2.03 1.94 1.85 1.75 1.68 1.59 1.54 1.46 1.40 1.37
130 3.91 3.06 2.67 2.43 2.27 2.10 2.07 2.00 1.94 1.89 1.85 1.82 1.76 1.71 1.64 1.59 1.54 1.47 1.44 1.37 1.34 1.29 1.25 1.22
6.81 4.75 3.91 3.44 3.14 2.92 2.76 2.62 2.53 2.44 2.37 2.30 2.20 2.12 2.00 1.91 1.83 1.72 1.66 1.56 1.51 1.43 1.37 1.33
200 3.89 3.04 2.65 2.41 2.26 2.14 2.05 1.98 1.92 1.87 1.83 1.80 1.74 1.69 1.62 1.57 1.52 1.45 1.42 1.35 1.32 1.26 1.22 1.19
6.76 4.71 3.88 3.41 3.11 2.90 2.73 2.60 2.50 2.41 2.34 2.28 2.17 2.09 1.97 1.88 1.79 1.69 1.62 1.53 1.48 1.39 1.33 1.28
400 3.86 3.02 2.62 2.39 2.23 2.12 2.03 1.96 1.90 1.85 1.81 1.78 1.72 1.67 1.60 1.54 1.49 1.42 1.38 1.32 1.28 1.22 1.16 1.13
6.70 4.66 3.83 3.36 3.06 2.85 2.69 2.55 2.46 2.37 2.29 2.23 2.12 2.04 1.92 1.84 1.74 1.64 1.57 1.47 1.42 1.32 1.24 1.19
1000 3.85 3.00 2.61 2.38 2.22 2.10 2.02 1.95 1.89 1.84 1.80 1.76 1.70 1.65 1.58 1.53 1.47 1.41 1.36 1.30 1.26 1.19 1.13 1.08
6..66 4.62 3.80 3.34 3.04 2.82 2.66 2.53 2.43 2.34 2.26 2.20 2.09 2.01 1.89 1.81 1.71 1.61 1.54 1.46 1.38 1.28 1.19 1.11
3.84 2.99 2.60 2.37 2.31 2.09 2.01 1.94 1.88 1.83 1.79 1.75 1.69 1.57 1.57 1.52 1.46 1.40 1.35 1.28 1.24 1.11 1.11 1.00
6.64 4.60 3.78 3.32 3.02 2.80 2.64 2.31 2.41 2.32 2.24 2.18 2.07 1.79 1.79 1..79 1.69 1.59 1.52 1.41 1.36 1.15 1.15 1.00
DAFTAR-H
Harga Kritik 2
dƒ .99 .98 .95 .90 .80 .70 .50 .30 .20 .10 .05 .02 .01 .001
1 .000 .001 .004 .016 .064 .15 .46 1.07 1.64 2.71 3.84 5.41 6.64 10.83
2 .02 .04 .10 .21 .45 .71 1.39 2.41 3.22 4.60 5.99 7.82 9.21 13.82
3 .12 .18 .35 .58 1.00 1.42 2.37 3.66 4.64 6.25 7.82 9.84 11.34 16.27
4 .30 .43 .71 1.06 1.65 2.20 3.36 4.88 5.99 7.78 9.49 11.67 13.28 18.46
5 .55 .75 1.14 1.61 2.34 3.00 4.35 6.06 7.29 9.24 11.07 13.39 15.09 20.52
6 .87 1.13 1.64 2.20 3.07 3.83 5.35 7.23 8.56 10.64 12.59 15.03 16.81 22.46
7 1.24 1.56 2.17 2.83 3.82 4.67 6.35 8.38 9.80 12.02 14.07 16.62 18.84 24.32
8 1.65 2.03 2.73 3.49 4.59 5.53 7.34 9.52 11.03 13.36 15.51 18.17 20.09 26.12
9 2.09 2.53 3.32 4.17 5.38 6.39 8.34 10.66 12.24 14.68 16.92 19.68 21.67 27.88
10 2.56 3.06 3.94 4.86 6.18 7.27 9.34 11.78 13.44 15.99 18.31 21.16 23.21 29.59
11 3.05 3.61 4.58 5.58 6.99 8.15 10.34 12.90 14.63 17.28 19.68 22.62 24.72 31.26
12 2.57 4.18 5.23 6.30 7.81 9.03 11.34 14.01 15.81 18.55 21.03 24.05 26.22 32.91
13 4.11 4.76 5.89 7.04 8.63 9.93 12.34 15.12 16.98 19.81 22.36 25.47 27.69 34.53
14 4.66 5.37 6.57 7.79 9.47 10.82 13.34 16.22 18.15 21.06 36.68 26.87 29.14 36.12
15 5.23 5.98 7.26 8.55 10.31 11.72 14.34 17.32 19.31 22.31 25.00 28.26 30.58 37.70
16 5.18 6.61 7.96 6.31 11.15 12.62 15.34 18.42 20.46 23.54 26.30 29.83 32.00 39.29
17 6.41 7.26 8.67 10.08 12.00 13.53 16.34 19.51 21.63 24.77 27.59 31.00 33.41 40.75
18 7.02 7.91 9.39 10.86 12.86 14.44 17.34 20.60 22.76 25.99 28.87 32.35 34.80 42.31
19 7.63 8.57 10.12 11.65 13.72 15.35 18.34 21.69 23.90 27.20 30.14 33.69 36.19 43.82
20 8.26 9.24 10.85 12.44 14.58 16.27 19.34 22.78 25.04 28.41 31.41 35.02 37.57 45.32
21 8.90 9.92 11.59 13.24 15.44 17.18 20.34 23.86 26.17 29.62 32.67 36.32 38.93 46.80
22 9.54 10.60 11.34 14.04 16.31 18.10 21.34 24.94 27.30 30.81 33.92 37.66 40.29 48.27
23 10.20 11.29 13.09 14.85 17.19 19.02 22.34 26.02 28.43 32.01 35.17 38.97 41.64 49.73
24 10.86 11.99 13.85 15.66 18.06 19.94 23.34 27.10 29.55 33.20 36.42 40.27 42.98 51.18
25 11.52 12.70 14.61 16.47 18.94 20.87 24.34 28.17 30.69 34.38 37.65 41.57 44.31 52.62
26 11.20 13.41 15.38 17.29 19.82 21.97 25.34 29.25 31.08 35.56 38.88 42.86 45.64 54.05
27 12.88 14.12 16.15 18.11 20.70 22.72 26.34 30.32 32.91 36.74 40.11 44.14 46.96 55.48
28 13.56 14.85 16.93 18.94 21.59 23.65 27.34 31.39 34.03 37.92 41.34 45.42 48.28 54.59
29 14.26 15.57 17.71 19.77 22.48 24.58 28.34 32.46 35.14 39.09 42.56 46.69 49.59 58.30
30 14.95 16.31 18.49 20.60 23.36 25.51 29.34 33.53 36.25 40.26 43.77 47.96 50.89 59.70
.
DAFTAR- I
Area dan Ordinat Dari Kurva Normal (Longer)
(1) (2) (3) (4) (5)
z A B C Y
Standard Area From Area ini Area in Ordinate
z z Larger Smaller z
Score Mean to Portion Portion AT
0.00 .0000 .5000 .5000 .3989
0.01 .0040 .5040 .4960 .3989
0.02 .0080 .5080 .4920 .3989
0.03 .0120 .5120 .4880 .3989
0.04 .0160 .5160 .4840 .3989
0.05 .0199 5199 .4801 .3984
0.06 .0239 .5239 .4761 .3982
0.07 .0279 .5279 .4721 .3980
0.08 .0319 .5319 .4681 .3977
0.09 .0359 .5359 .4641 .3973
0.10 .0398 .5398 .4602 .3970
0.11 .0438 .5438 .4562 .3965
0.12 .0478 .5478 .4522 .3961
0.13 .0517 .5517 .4483 .3959
0.14 .0557 .5557 .4443 .3951
0.15 .0596 .5596 .4404 .3945
0.16 .0636 .5636 .4364 .3939
0.17 .0675 .5675 .4325 .3932
0.18 .0714 .5714 .4286 .3925
0.19 .0753 .5753 .4247 .3918
0.20 .0793 .5793 4207 .3910
0.21 .0832 .5832 .4168 .3902
0.22 .0871 .5871 .4129 .3894
0.23 .0910 .5910 .4090 .3885
0.24 .0948 .5948 .4052 .3876
0.25 .0987 .5987 .4013 .3867
0.26 .1026 .6026 .3974 .3857
0.27 .1064 .6064 .3936 .3847
0.28 .1103 .6103 .3897 .3836
0.29 .1141 .6141 .3859 .3825
0.30 .1179 .6179 .3821 .3814
0.31 .1217 .6217 .3783 .3802
0.32 .1255 .6255 .3745 .3790
0.33 .1293 .6293 .3707 .3778
0.34 .1331 .6331 .3669 .3765
.
DAFTAR- I (lanjutan)
(1) (2) (3) (4) (5)
z A B C Y
Standard Area From Area ini Area in Ordinate
z z Larger Smaller z
Score Mean to Portion Portion AT
Uji searah arah untuk U: = 0,01 ( = 0,02 pada uji dua arah)
n1 n2
3 4 5 6 7 8 9 10 11 12 13 14 15
0 0 0
3 0 0 1 1 1 2 2 2 3
4 0 1 1 2 3 3 4 5 5 6 7
5 0 1 2 3 4 5 6 7 8 9 10 11
6 1 2 3 4 6 7 8 9 11 12 13 15
7 0 1 3 4 6 7 9 11 12 14 16 17 19
8 0 2 4 6 7 9 11 13 15 17 20 22 24
9 1 3 5 7 9 11 14 16 18 21 23 26 28
10 1 3 6 8 11 13 16 19 22 24 27 30 33
11 1 4 7 9 12 15 18 22 25 28 31 34 37
12 2 5 8 11 14 17 21 24 28 31 35 38 42
13 2 5 9 12 16 20 23 27 31 35 39 43 47
14 2 6 10 13 17 22 26 30 34 38 43 47 51
15 3 7 11 15 19 24 28 33 37 42 47 51 56
Sumber: Diambil dari William H. Beyer (editor), Handbook of Tables for Probability and
Statistics, The Chemical Rubber Co, CRC Press, 1968
DAFTAR- J (Lanjutan)
3 0 0 0 1 1 1 2
4 0 0 1 1 2 2 3 3 4 5
5 0 1 1 2 3 4 5 6 7 7 8
6 0 1 2 3 4 5 6 7 9 10 11 12
7 0 1 3 4 6 7 9 10 12 13 15 16
8 1 2 4 6 7 9 11 13 15 17 18 20
9 0 1 3 5 7 9 11 13 16 18 20 22 24
10 0 2 4 6 9 11 13 16 18 21 24 26 29
11 0 2 5 7 10 13 16 18 21 24 27 30 33
12 1 3 6 9 12 15 18 21 24 27 31 34 37
13 1 3 7 10 13 17 20 24 27 31 34 38 42
14 1 4 7 11 15 18 22 26 30 34 38 42 46
15 2 5 8 12 16 20 24 29 33 37 42 46 51