BAB 6

ANALISIS HUBUNGAN (1)

A. Pengertian Analisis Hubungan

Analisis hubungan adalah bentuk analisis variabel (data) penelitian
untuk mengetahui derajat atau kekuatan hubungan, bentuk atau arah
hubungan di antara variabel-variabel, dan besarnya pengaruh variabel yang
satu (variabel bebas, variabel independen) terhadap variabel lainnya (variabel
terikat, variabel dependen). Dalam analisis hubungan ini, hubungan
antarvariabel dapat berbentuk hubungan simetris, hubungan kausal, dan
hubungan timbal balik).

1. Hubungan Simetris
Hubungan simetris merupakan bentuk hubungan di mana dua
variabel atau lebih muncul secara bersamaan. Dalam bentuk hubungan ini
tidak ditemukan secara pasti adanya variabel bebas dan variabel terikat.
Hal ini disebabkan karena keberadaan satu variabel tidak disebabkan atau
tidak dipengaruhi oleh keberadaan variabel lainnya.
Contoh:
a. Hubungan antara bunyinya burung hantu dengan kematian seseorang.
b. Hubungan antara tingkat kemanisan buah rambutan dengan
keberadaan semut di pohon rambutan
c. Hubungan antara kekayaan kepala desa di pedesaan dengan tingkat
volume penjualan mobil di perkotaan.

2. Hubungan Kausal
Hubungan kausal merupakan bentuk hubungan yang sifatnya sebab-
akibat. Artinya keadaan satu variabel disebabkan atau ditentukan oleh
keadaan satu atau lebih variabel lain. Dalam bentuk hubungan ini, sudah
ditemukan secara pasti adanya variabel terikat dan variabel bebas.
Variabel yang nilai-nilainya bergantung pada variabel lain atau ditentukan
oleh variabel lain disebut sebagai variabel terikat dan disimbolkan dengan
 “Y”. Variabel yang nilai-nilainya tidak bergantung pada variabel lain atau
menentukan nilai variabel lainnya disebut sebagai variabel bebas dan
disimbolkan dengan “X”.
Hubungan ini dapat terjadi apabila memenuhi beberapa syarat
berikut ini.
a. Asosiasi, menunjukkan kaitan di antara variabel seperti yang sering
diperoleh dengan teknik korelasi
b. Prioritas waktu, menunjukkan bahwa X (variabel bebas) harus terjadi
lebih dahulu sebelum Y (variabel terikat)
c. Hubungan sebenarnya, menunjukkan Y benar-benar disebabkan oleh
X bukan oleh faktor lain.
d. Rasional, menunjukkan logika yang mendasari hubungan-hubungan
tersebut.
Contoh
a. Hubungan antara periklanan dengan volume penjualan
b. Hubungan antara kurs valuta asing (valas) dengan harga saham.
c. Hubungan antara pelatihan dengan prestasi kerja.

3. Hubungan Timbal Balik

Hubungan timbal balik atau hubungan interaktif atau hubungan
resiprokal merupakan bentuk hubungan di mana dua variabel atau lebih
saling mempengaruhi. Dalam bentuk hubungan ini, sudah ditemukan
secara pasti adanya variabel terikat dan variabel bebas, namun kedua
variabel ini dapat berganting kedudukannya, artinya variabel terikat dapat
bertindak sebagai variabel bebas. Demikian pula sebaliknya, variabel
bebas dapat bertindak sebagai variabel terikat.
Contoh:
a. Hubungan antara motivasi dan prestasi kerja
b. Hubungan antara harga dan volume penjualan
B. Teknik Statistik Dalam Analisis Hubungan
Teknik statistik yang digunakan dalam analisis hubungan meliputi
analisis korelasi (koefisien korelasi), koefisien penentu dan koefisien
determinasi, dan analisis regresi (persamaan regresi linear), baik untuk
hubungan yang melibatkan hanya dua variabel maupun untuk hubungan yang
melibatkan lebih dari dua variabel serta uji statistiknya masing-masing.
1. Koefisien Korelasi
Koefisien korelasi adalah indeks atau bilangan yang digunakan
untuk mengukur derajat hubungan, meliputi kekuatan hubungan dan
bentuk/arah hubungan.
Untuk kekuatan hubungan, bilai koefisien korelasi berada di antara
-1 dan + 1. Untuk bentuk / arah hubungan, bilai koefisien korelasi
dinyatakan dalam positif (+) dan negatif (-), atau ( –1 < KK < +1).
 Jika koefisien korelasi bernilai positif maka variabel-variabel
berkorelasi positif, artinya jika variabel yang satu naik / turun maka
variabel yang lainnya juga naik / turun. Semakin dekat nilai koefisien
kroelasi ke +1, semakin kuat korelasi positifnya.
 Jika koefisien korelasi bernilai negatif maka variabel-variabel
berkorelasi negatif, artinya jika variabel yang satu naik / turun maka
variabel yang lainnya akan naik / turun. Semakin dekat nilai koefisien
korelasi ke –1, semakin kuat korelasi negatifnya.
 Jika koefisien korelasi bernilai 0 (nol) maka variabel tidak
menunjukkan korelasi
 Jika koefisien korelasi bernilai +1 atau –1 maka variabel-variabel
menunjukkan korelasi positif atau negatif sempurna.

Untuk menentukan keeratan hubungan / korelasi antarvariabel

tersebut, berikut ini diberikan nilai-nilai dari KK sebagai patokan.
 Tabel 4.1
Interval Nilai Koefisien Korelasi dan
Kekuatan Hubungan

No. Interval Nilai Kekuatan Hubungan

1 KK = 0,00 Tidak ada
2 0,00 < KK < 0,20 Sangat rendah atau lemah sekali
3 0,20 < KK < 0,40 Rendah atau lemah tapi pasti
4 0,40 < KK < 0,70 Cukup berarti atau sedang
5 0,70 < KK < 0,90 Tinggi atau kuat
6 0,90 < KK < 1,00 Sanggat tinggi atau kuat sekali, dapat diandalkan
7 KK = 1,00 sempurna
Catatan
 Interval nilai KK dapat bernilai positif atau negatif
 Nilai KK positif berarti korelasi positif
 Nilai KK negatif berarti korelasi negatif

Proses untuk memperoleh koefisien korelasi ini disebut sebagai

ukuran asosiasi. Jenis ukuran asosiasi harus sesuai dengan jenis data atau
variabel berdasarkan skala pengukurannya.

2. Koefisien Penentu
Koefisien penentu (KP) atau koefisien determinasi (KD) adalah
angka atau indeks yang digunakan untuk mengetahui besarnya
sumbangan sebuah variabel atau lebih (variabel bebas, X) terhadap
variaasi (naik / turunnya) variabel yang lain (variabel terikat Y).
Nilai koefisien penentu berada antara 0 sampai 1 (0 < KP < 1).
 Jika nilai koefisien penentu (KP) = 0, berarti tidak pengaruh variabel
independen (X) terhadap variabel dependen (Y).
 Jika nilai koefisien penentu (KP) = 1, berarti variasi (naik / turunnya),
variabel dependen (Y) adalah 100% dipengaruhi oleh variabel
independen (X).
  Jika nilai koefisien penentu (KP) berada di antara 0 dan 1 (0 < KP <
1) maka besarnya pengaruh variabel independen terhadap variasi
(naik / turunnya) variabel dependen adalah sesuai dengan nilai KP itu
sendiri, dan selebihnya berasal dari faktor-faktor lain.

3. Regresi
Regresi yang berarti peramalan merupkan teknik statistik (alat
analisis) hubungan yang digunakan untuk meramalkan atau
memperkirakan nilai dari satu variabel dalam hubungannya dengan
variabel yang lain melalui persamaan garis regresi.
Regresi ini dapat berbentuk regresi linear, yaitu regresi yang
memperlihatkan data yang ada dapat dinyatakan berada pada suatu garis
lurus (linear) dan regresi nonlinear, yaitu regresi yang memperlihatkan
data yang ada tidak dapat dinyatakan pada suatu garis lurus (nonlinear).
Regresi linear dapat berupa regresi linear sederhana, yaitu regresi linear
yang hanya melibatkan dua variabel yaitu satu variabel bebas X dan satu
variabel terikat Y dan regresi linear berganda, yaitu regresi linear yang
melibatkan lebih dari dua variabel, satu variabel terikat (Y) dan dua atau
lebih variabel bebas (X1, X2, X3, …. X11).
Regresi yang akan dibahas difokuskan pada regresi linear, baik
regresi linear sederhana maupun regresi linear berganda.

C. ANALISIS HUBUNGAN ANTARA DUA VARIABEL

Teknik statistik yang digunakan dalam analisis hubungan yang
hanya melibatkan dua variabel adalah koefisien korelasi sederhana, koefisien
penentu atau koefisien determinasi, dan analisis regresi linear sederhana.
1. Koefisien Korelasi Sederhana
Koefisien korelasi sederhana adalah koefisien korelasi yang
digunakan untuk mengukur derajat hubungan dari dua variabel.
 Berikut ini diberikan tabel yang berisikan jenis variabel dan jenis
koefisien korelasi sederhana yang tepat dan sering dipakai untuk dua
variabel.

Tabel 4.2

Berbagai teknik statistik untuk analisis korelasi sederhana

Variabel I Variabel II Koefisien Korelasi

1. Nominal Nominal 1. Kontingensi (C)
2. Lambda ()
3. Phi ()

2. Jenis-jenis Koefisien Korelasi

Jenis-jenis koefisien korelasi yang sering digunakan adalah
koefisien korelasi Pearson, koefisien korelasi Rank Spearman, koefisien
korelasi Kontingensi, dan koefisien penentu (KP).
a. Koefisien Korelasi Pearson
Koefisien korelasi ini digunakan untuk mengukur keeratan
hubungan antara dua variabel yang datanya berbentuk data interval
atau rasio. Disimbolkan dengan r dan dirumuskan:
n  XY   X  Y
r
n  X 2
 X 
2
 n Y 2
  Y 
2

Nilai dari koefisien korelasi (r) terletak antara –1 dan +1 (–1 < r < +
1).
1. Jika r = +1, terjadi korelasi positif sempurna antara variabel X dan
Y.
2. Jika r = –1, terjadi korelasi negatif sempurna antara variabel X
dan Y.
3. Jika r = 0, tidak terdapat korelasi antara variabel X dan Y
4. Jika 0 < r < + 1, terjadi korelasi positif antara variabel X dan Y
 5. Jika –1 < r < 0, terjadi korelasi negatif antara variabel X dan Y

Contoh soal:
Dengan menggunakan data dari Tabel 6.2, tentukan besarnya
koefisien korelasi dan jelaskan artinya!

Penyelesaian
n = 8 X = 124 X2 = 1.972
Y = 12,3 Y2 = 19,33 XY = 194.7
8(194,7)  (124)(12,3)
r =
(8(1.972)  (124) 2 )(8(19,33)  (12,3) 2 )

= 0,885

Jadi, antara variabel X (biaya promosi) dan variabel Y (hasil

penjualan) terdapat korelasi positif dan kuat, artinya apabila biaya
promosi naik maka hasil penjualan juga akan meningkat.

b. Koefisien Korelasi Rank Spearman

Koefisien korelasi ini digunakan untuk mengukur keeratan
hubungan antara dua variabel yang datanya berbentuk data ordinal
(data bertingkat). Disimbolkan dengan rs dan dirumuskan

6d2
rs = 1 
n3  n

Keterangan:
d = selisih ranking X dan Y
n = banyaknya pasangan data

c. Koefisien Korelasi Kontingensi

Koefisien korelasi ini digunakan untuk mengukur keeratan
hubungan antara dua variabel yang datanya berbentuk duta nominal
(data kualitatif). Disimbolkan dengan C dan dirumuskan:
 x2
C=
x2  n

Keterangan:
x2 = kai kuadrat
n = jumlah semua frekuensi

d. Koefisien Penentu (KP) atau koefisien Determinasi (R)

Apabila koefisien korelasi dikuadratkan, akan menjadi koefisien
penentu (KP) atau koefisien determinasi, yang artinya penyebab
perubahan pada variabel Y yang datang dari variabel X, sebesar
kuadrat koefisien korelasinya. Koefisien penentu ini menjelaskan
besarnya pengaruh nilai suatu variabel (variabel X) terhadap
naik/turunnya (variasi) nilai variabel lainnya (variabel Y).
Dirumuskan:

KP = R = (KK)2 x 100%

Keterangan:
KK = koefisien korelasi

Nilai koefisien penentu ini terletak antara 0 dan +1 (0 < KP < +

1). Jika koefisien korelasinya adalah koefisien korelasi Pearson (r),
maka koefisien penentunya adalah:

KP = R = r2 x 100%

Dalam bentuk rumus, koefisien penentu (KP) dituliskan:

( n)( XY )  ( X )( Y )
KP =
 
( N )( X 2 )  ( X ) 2 ( N )( Y 2 )  ( Y ) 2 
 Contoh soal:
Dengan menggunakan data dari Tabel 6.2, tentukan besarnya
koefisien penentu dan apa artinya?

Penyelesaian:
Dari penyelesaian contoh soal sebelumnya diperoleh:
r = 0,885
KP = r2 x 100%
= (0.885)2 x 100%
= 0,7832 x 100%
= 78,32%

Nilai KP = 78,32% memiliki arti, yaitu pengaruh variabel X

(biaya promosi) terhadap variasi (naik-turunnya) variabel Y (hasil
penjualan) hanya sebesar 78,32%, sisanya sebesar 21,68% berasal
dari faktor-faktor lain, seperti biaya periklanan, biaya distribusi tetapi
tidak dimasukkan dalam persamaan regresinya namun tetap
mempengaruhi variabel Y.

Catatan:
Uraian selengkapnya tentang koefisien korelasi sederhana ini dapat
dilihat pada Buku Pokok-Pokok Materi Statistik 1 (Statistik
Deskriptif)

D. HUBUNGAN KOEFISIEN KORELASI DENGAN KOEFISIEN

REGRESI
Antara koefisien korelasi (r) dan koefisien regresi (b), terdapat
hubungan. Hubungan tersebut dalam bentuk rumus dituliskan:

b . sx
r=
Sy
 1 ( X ) 2
Sx = ( X ) 2 
n n

1 ( Y ) 2
Sy = ( Y ) 2 
n n

Contoh soal:
Dengan menggunakan data dari Tabel 6.1, tentukan besar koefisien korelasi
dengan menggunakan rumus di atas!

Penyelesaian:
n = 5 X = 41 X2 = 395
b = 1,5 Y = 113 Y2 = 2.709

1 412 
Sx =  395  
5 5 

= 3,429

1 113 2 
Sy =  2.709  
5 5 

= 5,571
1,5 (3,429)
r =
5,571

= 0,92

E. PENDUGAAN DAN PENGUJIAN HIPOTESIS KOEFISIEN

KORELASI POPULASI ()
Koefisien korelasi populasi dari variabel X dan Y yang keduanya
merupakan variabel random dan memiliki distribusi bivariat, dirumuskan:

Cov ( X , Y )  xy
= 
 x y  x y

Cov (X, Y) = xy = E(XY) – E(X) . E(Y)

xy = E( X   x ) 2
 y = E (Y   y ) 2

Dalam prakteknya, koefisien korelasi populasi () tidak diketahui,

namun dapat diduga dengan koefisien korelasi sampel (r). dengan demikian, r
merupakan penduga dari .
1. Pendugaan Koefisien Korelasi Populasi
Pendugaan koefisien korelasi populasi (interval keyakinan )
menggunakan distribusi Z. penduganya dapat dilakukan dengan terlebih
dahulu mengubah koefisien korelasi sampel r menjadi nilai Zr, yang
dalam bentuk persamaan dituliskan:
1 1 r
Zr = 2 ln 1  r

Variabel Z akan mendekati distribusi normal dengan rata-rata dan

varians sebagai berikut:
1 1 
Zr = 2 ln 1  r

1 1
2Zr = dan Zr =
n3 n3

Untuk Z pendugaan intervalnya secara umum dirumuskan:

P(Zr – Z/2 Zr < Zr < Zr + Z/2 Zr) = 1 – 

Atau:
Zr – Z/2 Zr < Zr < Zr + Z/2 Z

Dengan melakukan transformasi nilai Zr, maka diperoleh pendugaan

interval bagi koefisien korelasi populasi () dengan tingkat keyakinan 1 -
.
Selain menggunakan pendugaan interval Zr, pendugaan interval tabel
hubungan antara Zr dan r.
 Contoh soal :
Suatu sampel terdiri atas 12 pasang data menghasilkan nilai r = 0,7.
Dengan tingkat keyakinan 95%, buatlah pendugaan interval bagi !

Penyelesaian:
1 1  0,7
Zr = 2 ln 1  0,7  0,867

1
Zr =  0,33
12  3

 = 5% = 0,05
/2 = 0,025
Z0,025 = 1,96

Pendugaan interval bagi Zr dengan tingkat keyakinan 95%

0,867 – 1,96(0,33) < Zr < 0,867 + 1,96(0,33)
0,214 < 1,52
Dengan mentransformasikan batas-batas bagi Zr*, diperoleh batas-batas
bagi pendugaan interval bagi , yaitu:
 = 0,210 dan  = 909
Jadi, pendugaan interval bagi  dengan tingkat keyakinan 95% adlaah
0,210 <  < 0,909
Catatan:
1 1 
* Zr = 2 ln 1  

2. Pengujian Hipotesis Koefisien Korelasi Populasi ()

a. Untuk asumsi  = 0
Pengujian hipotesis dengan asumsi  = 0 mengunakan distribusi t
sebagai uji statistiknya. Prosedur pengujiannya ialah sebagai berikut.
1) Menentukan formula hipotesis
H0 :  = 0 (tidak ada hubungan antara X dan Y)
H1 :  > 0 (ada hubungan positif)
 < 0 (ada hubungan negatif)
  9 (ada hubungan)
2) Menentukan taraf nyata () beserta t tabel , dengan derajat bebas
(db) = n – 2
t;n-2 = … atau t/2;n-2 = …
3) Menentukan kriteria pengujian
a) Untuk H0 :  = 0 dan H1 :  > 0:
(1) H0 diterima jika t0 < t’
(2) H0 diterima jika t0 > t’
b) Untuk H0 :  = 0 dan H1 :  < 0:
(1) H0 diterima jika t0 > t’
(2) H0 ditolak jika t0 < –t’
c) Untuk H0 :  = 0 dan H1 :   0:
(1) H0 diterima jika –t/2 < t0 < t/2’’
(2) H0 ditolak jika t0 > t/2 atau t0 < –t/2’
4) Menentukan nilai uji statistik

r n2
t0 =
1 r2

5) Membuat kesimpulan
Menyimpulkan H0 diterima atau ditolak.
(sesuai dengan kriteria pengujian)

Contoh soal:
Sampel sebanyak 6 psang data dari variabel X dan Y diperlihatkan
seperti berikut ini.
X = jumlah pekerja
Y = Produksi yang dihasilkan

X : 25 35 20 45 40 50
Y : 310 150 125 425 210 400

Ujilah pendapat yang mengatakan bahwa tidak ada hubungan antara

jumlah pekerja (X) dan banyaknya produksi yang dihasilkan (Y),
dengan alternatif ada hubungan positif! Gunakan taraf nyata 5%.
Penyelesaian
n = 6 X = 215 X2 = 8.375
Y = 1.620 Y2 = 518.950 XY = 63.025
6(63.025)  215(1.620)
r =
(6(8.375)  ( 215) 2 ) (6(518.950)  (1.620) 2 )

= 0,67
1. Formulasi hipotesis
H0 : =0
H1 : >0
2. Taraf nyata () dan nilai t tabel
 = 5% = 0,025 db = 6 – 2 = 4
t0,05(4) = 2,132
3. Kriteria pengujian
H0 diterima apabila t0 < 2,132
H0 ditolak apabila t0 > 2,132
4. Nilai uji statistik
0,67 6  2
t0 =
1  (1,67) 2

= 1,811

5. Kesimpulan
Karena t0 = 1,811 < t0,05(4) = 2,132 maka H0 diterima.
 Jadi, tidak ada hubungan antara jumlah pekerja dengan banyaknya
produksi yang dihasilkan.

b. Untuk asumsi   0
Pengujian hipotesis asumsi  = 0 menggunakan distribusi Z sebagai uji
statistiknya. Prosedur pengujiannya ialah sebagai berikut.
1) Menentukan formula hipotesis
H0 :  = 0 (0 mewakili nilali  tertentu)
H1 :  > 0 (0 lebih besar dari nilali  tertentu)
 < 0 (0 lebih kecil dari nilai  tertentu)
  0 (0 tidak sama dengan nilai  tertentu)
2) Menentukan taraf nyata () dan nilai Z tabel)
Z = … atau Z/2 …
3) Menentukan kriteria pengujian
a) Untuk H0 :  = 0 dan  > 0:
(1) H0 diterima jika Z0 < Z’
(2) H0 ditolak jika Z0 > Z’
b) Untuk H0 :  = 0 dan  < 0:
(1) H0 diterima jika Z0 > –Z’
(2) H0 ditolak jika Z0 < –Z’
c) Untuk H0 :  = 0 dan 0  0:
(1) H0 diterima jika –Z/2 < Z0 < Z/2’’
(2) H0 ditolak jika Z0 > Za/2 atau Z0 < –Z/2’
4) Menentukan nilai uji statistik

Z r  Z r
Z0 =
Z r

5) Membuat kesimpulan
Menyimpulkan H0 diterima atau ditolak.
(sesuai dengan kriteria pengujian)
Contoh soal:
Sampel sebanyak 8 pasang data dari variabel X dan Y diperoleh nilai r
= 0,30. Ujilah apakah koefisien korelasi populasi () sama dengan 27
pada taraf nyata 5%!

Penyelesaian
1. Formulasi hipotesis
H0 :  = 0,27
H1 :   0 ,27
2. Taraf nyata () dan nilai Z tabel
 = 5% = 0,05 /2 = 0,025
Z0,025 = 1,96
3. Kriteria pengujian
H0 diterima apabila –1,96 < Z0 < 1,96
H0 ditolak apabila Z0 < –1,96 atau Z0 > 1,96
4. Nilai uji statistik
1 1  0,3
Zr = ln
2 1  0,3

= 0,31
1 1  0, 27
Zr = 2
ln
1  0, 27

= 0,28
1
Zr =
83

= 0,45
0,31  0,28
Z = 0,45

= 0,067
5. Kesimpulan
Karena Z0 = 0,067 < Z0,025 = 1,96 maka H0 diterima.
Jadi, koefisien populasi () = 0,27
F. REGRESI LINEAR SEDERHANA
1. Hubungan Antarvariabel
Hubungan antarvariabel dapat berupa hubungan linear ataupun
hubungan tidak linear. Misalnya, berat badan laki-laki dewasa sampai pada
taraf tertentu bergantung pada tinggi badan, keliling lingkaran bergantung
pada diameternya, dan tekanan gas bergantung pada suhu dan volumenya.
Hubungan-hubungan itu bila dinyatakan dalam bentuk matematis akan
memberikan persamaan-persamaan tertentu.
Untuk dua variabel, hubungan linearnya dapat dinyatakan dalam
bentuk persamaan linear, yaitu:

Y = a + bX

Keterangan:
Y, X = variabel
a, b = bilangan konstan (konstanta)
Hubungan antara dua variabel pada persamaan linear jika
digambarkan secara grafis (scatter diagram), semua nilai Y dan X akan
berada pada suatu garis lurus. Dalam ilmu ekonomi, garis itu disebut garis
regresi.
Karena antara Y dan X memiliki hubungan, maka nilai X dapat
digunakan untuk menduga atau meramal nilai Y. dalam hal ini, X disebut
variabel bebas, yaitu variabel yang nilai-nilainya tidak bergantung pada
variabel lain dan Y disebut variabel terikat, yaitu variabel yang nilai-
nilainya bergantung pada variabel lain.
Hubungan antarvariabel yang akan dipelajari di sini hanyalah
hubungan linear sederhana, yaitu hubungan yang hanya melibatkan dua
variabel (Z dan Y) dan berpangkat satu.
2. Persamaan Garis Regresi Linear Sederhana
 Regresi yang berarti peramalan, penaksiran, atau pendugaan
pertama kali diperkenalkan pada tahun 1877 oleh Sir Francis Galton (1822
– 1911) sehubungan dengan penelitiannya terhadap tinggi manusia.
Penelitian tersebut membandingkan antara tinggi anak laki-laki dan tinggi
badan ayahnnya.
Analisis regresi juga digunakan untuk menentukan bentuk (dari)
hubungan antarvariabel. Tujuan utama dalam penggunaan analisis itu
adalah untuk meramalkan atau memperkirakan nilai dari satu variabel
dalam hubungannya dengan variabel yang lain yang diketahui melalui
persamaan garis regresinya.
Untuk populasi, persamaan garis regresi linear sederhananya dapat
dinyatakan dalam bentuk:

y.x = A + BX

Keterangan
y.x = Rata-rata Y bagi X tertentu
A, B = Konstanta atau parameter atau koefisien regresi populasi
Karena populasi jarang diamati secara langsung, maka digunakan
persamaan regresi linear sederhana sampel sebagai penduga persamaan
regresi linear sederhana populasi. Bentuk persamaannya adalah


Y = a + bX

Keterangan

Y = Penduga bagi y.x
= variabel terikat (variabel yang diduga)
X = Variabel bebas (variabel yang diketahui)
a, b = Penduga parameter A dan B
= Koefisien regresi sampel
a = Intersep (nilai Y, bila X = 0)
b = Slop (kemiringan garis regresi)
A, B = Konstanta atau parameter atau koefisien regresi populasi


Persamaan Y = a + bX memberikan arti jika variabel X
mengeluarkan satu satuan maka variabel Y akan mengalami peningkatan
atau penurunan sebesar 1 x b.
Untuk membuat peramalan, penaksiran, atau pendugaan dengan
persamaan regresi, maka nilai a dan b harus ditentukan terlebih dahulu.
Dengan metode kuadrat terkecil (least square), nila a dan b dapat
ditentukan dengan rumus berikut.

 XY  n . X .Y
b = 2
X 2
N.X

a = Y -b. X

Contoh soal:
Berikut ini adal a hdata hasil pengamatan pemupukan dan hasil panen padi
untuk 5 percaobaan yang telah dilakukan.

TABEL 6.1 HASIL PENGAMATAN TERHADAP PEMUPUKAN DAN PANEN PADI

X 3 6 9 10 13
Y 12 23 24 26 28

Y = Hasil panen padi (dalam kuintal)

X = Pemupukan (dalam kg)
a. Buatkan persamaan garis regresinya dan jelaskan artinya !
b. Tentukan nilai pendugaan bagi Y, jika X = 9!

Penyelesaian:
Untuk menyelesaikan soal tersebut, terlebih dahulu dibuat tabel seperti berikut
ini.

X Y X2 Y2 XY
3 12 9 144 36
6 23 39 529 138
 9 24 81 576 216
10 26 100 676 260
13 28 169 784 364
 41 113 395 2.709 1.014

n = 5
41
X = = 8,2
5
113
Y = = 22,6
5
1.014  5(8,2) (22,6)
b =
395  5(8,2) 2
87,4
= 58,8

= 1,5 (dibulatkan)
a = 22,6 – 1,5 (8,2)
= 10,3

a. Persamaan garis regresi linear sederhanya adalah

Y = 10,3 + 1,5X
Artinya, jika digunakan pupuk sebesar 1 kg maka akan memberikan
atau peningkatan hasil panen padi sebesar 1 x 1,5 = 1,5 kuintal.
b. Nilai duga Y, jika X = 9 adalah
Y = 10,3 + 1,5(9)
= 23,8
Selain cara rumus seperti di atas, a dan b dapat juga dicari dengan
cara berikut.
a. Sistem persamaan linear dengan dua variabel, melalui persamaan
normalnya sebagai berikut.

Y = n . a + b X
XY = a X + bX2

b. Sistem matriks, dengan bentuk persamaan matriksnya sebagai berikut.

  n X  a   Y 

 X

 
b 
 = 
 X Y 

 X 2
    

det A1
a =
det A
det A2
b =
det A
 n X 
A =  
 X X 2 
 

 Y X 
A1 =  
  XY  X2 
 

 n Y 
A2 = 
 X 

  XY 

G. PENDUGAAN DAN PENGUJIAN KOEFISIEN REGRESI

1. Kesalahan Baku Regresi dan Koefisien Regresi Sederhana
Kesalahan baku atau selisih taksir standar merupakan indeks yang
digunakan untuk mengukur tingkat ketepatan regresi (pendugaan) dan
koefisien regresi (penduga) atau mengukur variasi titik-titik observasi di
sekitar garis regresi. Dengan kesalahan baku, batasan seberapa jauh
melesetnya perkiraan kita dalam meramal data dapat diketahui. Apabila
semua titik observasi berada tepat pada garis regresi maka kesalahan
baku akan bernilai sama dengan nol. Hal itu berarti perkiraan yang kita
lakukan terhadap data sesuai dengan data yang sebenarnya.
Berikut ini rumus-rumus yang secara langsung digunakan untuk
menghitung kesalahan baku regresi dan koefisien regresi.
a. Untuk regresi, kesalahan bakunya dirumuskan:

 Y 2  a .  Y  b .  XY
Se =
n2

b. Untuk koefisien regresi a (penduga a), kesalahanbakunya

dirumuskan:
  X 2  Se
Sa =
n .  X 2  ( X ) 2

c. Untuk koefisien regresi b (penduga b), kesalahan bakunya

dirumuskan:

Se
Sb = ( X ) 2
X2
n

Contoh soal:
Tentukan kesalahan baku regresi, penduga a dan b dari Tabel 6.1!

Penyelesaian
Dari jawaban pada contoh soal sebelumnya, didapatkan:
a = 10,3 a = 10,3 b = 1,5
Y2 = 2.709 Y = 113 XY = 1.014
X2 = 395 X = 41

 Kesalahan baku regresi

2.709 10,3(113) 1,5(1.014)
Se = 5 2

= 2,9

 Kesalahan baku penduga a

395(2,9)
Sa =
5 (395)  412

= 1,97

 Kesalahan baku penduga b

2,9
Sb = (41) 2
395 
5
 = 0,38
2. Pendugaan Interval Koefisien Regresi (Parameter A dan B)
Pendugaan interval bagi parameter A dan B menggunakan
distribusi t dengan derajat kebebasan (db) = n – 2.
a. Pendugaan interval untuk parameter A
Untuk parameter A, pendugaan intervalnya dirumuskan

P(a – t/2;n – 2 Sa < A < a + t/2;n – 2Sa) = 1 – 

Atau dalam bentuk sederhana:

a – t/2;n – 2 Sa < A < a + ta/2;n – 2 Sa

Artinya: Dengan interval keyakinan 1 -  dalam jangka panjang,

jika sampel diulang-ulang, 1 –  kasus pada interval a -
t/2;n – 2 Sa sampai dengan interval a + ta/2;n – 2 Sa akan
berisi A yang benar.

b. Pendugaan interval untuk parameter B

Untuk parameter B, pendugaan intervalnya dirumuskan

P(b – t/2;n – 2 Sb < B < b + t/2;n – 2Sb) = 1 – 

Atau dalam bentuk sederhana:

b – t/2;n – 2 Sb < B < b + ta/2;n – 2 Sb

Artinya: Dengan interval keyakinan 1 -  dalam jangka
panjang, jika sampel diulang-ulang, 1 –  kasus
pada interval b – t/2;n – 2 Sb sampai dengan interval
b + ta/2;n – 2 Sb akan berisi B yang benar.

Contoh soal:
Tentukan pendugaan interval dari parameter A dan B dari Tabel 6.1
dengan  = 5% atau tingkat keyakinan 95% dan jelaskan artinya!
 Penyelesaian:
Dari jawaban pada contoh soal sebelumnya, didapatkan:

a = 10,3 b = 1,5
Sa = 1,97 Sb = 0,38
 = 5% = 0,05  /2 = 0,025 db = 5 – 2 = 3
t0,025(3) = 3,81

 Pendugaan interval parameter A

10,4 – 3,81(1,97) < A < 10,4 + 3,81(1,97)
2,894 < A < 17,906
Artinya: dengan interval keyakinan 95%, dalam jangka panjang (jika
sampel diulang-ulang), 95 dari 100 kasus pada interval
2,894 sampai 17,906 akan berisi A yang benar.

 Pendugaan interval parameter B

1,5 – 3,81(0,38) < B < 1,5 + 3,81(0,38)
0,052 < B < 2,948
Artinya: dengan interval keyakinan 95%, dalam jangka panjang (jika
sampel diulang-ulang), 95 dari 100 kasus pada interval
0,052 sampai 2,948 akan berisi B yang benar.

3. Pengujian Hipotesis Koefisien Regresi (Parameter A dan B)

Pengujian hipotesis bagi parameter A dan B menggunakan uji t,
dengan langkah-langkah pengujian sebagai berikut.
a. Menentukan formulasi hipotesis
1) Untuk parameter A:
H0 : A = A0
H1 : A > A0
A < A0
A  A0
 2) Untuk parameter B:
H0 : B = B0, Jika B0 mewakili nilai B tertentu, sesuai
hipotesisnya.
H1 : B > B0, Jika B0 > 0, berarti pengaruh X terhadap Y adalah
positif
B < B0, Jika B0 < 0, berarti pengaruh X terhadap Y adalah
negatif
B  B0, Jika B0  0, berarti X mempengaruhi Y.

b. Menentukan taraf nyata ( ) dan nilai t tabel

Taraf nyata dan nilai t tabel ditentukan dengan derajat bebas (db) = n
– 2.

c. Menentukan kriteria pengujian

1) H0 diterima apabila t0 < t
H1 diterima apabila t0 > t

2) H0 diterima apabila t0 > –t

H1 diterima apabila t0 < –t

3) H0 diterima apabila –t/2 < t0 < t/2

H0 ditolak apabila t0 < –t/2 atau t0 > t/2

d. Menentukan nilai uji statistik

1) Untuk parameter A

a  A0
t0 =
Sa

2) Untuk parameter B

b  B0
t0 =
Sb
 e. Membuat kesimpulan
Menyimpulkan apakah H0 diterima atau ditolak

Contoh soal
Ujilah parameter A dan B dengan menggunakan penduga a dan b pada
Tabel 6.1, dengan taraf nyata 5%!

Penyelesaian :
Dari jawaban contoh soal sebelumnya, didapatkan:
n = 5
a = 10,3 b = 1,5
Sa = 1,97 Sb = 0,38

1. Formulasi hipotesis
a. Untuk parameter A:
H0 : A = A0
H1 : A  A0

b. Untuk parameter B:
H0 : B = B0
H1 : B  B0

2. Taraf nyata () dan nilai t tabel:

a = 5% = 0,05  /2 = 0,025
db = 5 – 2 = 3
t0,025(3) = 3,81

n = 8
X = 15,5
Y = 1,54
194,7  (8(15,5) (1,54)
b =
1,972  8(15,5) 2

= 0,075
a = 1,54 – 0,075(15,5)
 = 0,35

a. Persamaan garis regresinya adalah

Y = 0,38 – 0,075X
b. * Kesalahan baku regresinya:
19,33  0,38(12,3)  0,075(194,7)
Sc =
8 2

= 0,09 (dibulatkan)
* Kesalahan baku penduga b:
0,09
Sb = 124 2
1972 
8
= 0,013
c. Pendugaan interval bagi parameter B dengan tingkat keyakinan 99%:
b = 0,075 Sb = 0,013
1 -  = 99%   = 1% = 0,01 /2 = 0,005
db = 8 – 2 = 6
t(0,005(6) = 3,707
0,075 – 3,707(0,013) < B < 0,075 +3,707(0,013)
0,027 < B < 0,123

d. Pengujian hipotesis parameter B dengan uji statistik F.

1. Formulasi hipotesisnya:
H0 : B = B0 (tidak ada pengaruh X terhadap Y)
H1 : B > B0 (ada pengaruh positif X terhadap Y)

2. Taraf nyata () dan nilai F tabel:

 = 0,01 dengan v1 = 1 dan v2 = 8 – 2 = 6
F0,01(1,6) = 13,74
3. Kriteria pengujian
H0 diterima apabila F0 < 13,74
 H0 ditolak apabila F0 > 13,74
4. Nilai uji statistik:

b 2 . ( X  X ) 2
F0 = 2
Sc

(0,075) 2 (50)
=
(0,09) 2

= 34,72
5. Kesimpulan:
Karena F0 = 31,25 > F0,01(1,6) = 13,74. Maka H0 ditolak. Jadi, ada
pengaruh positif antara biaya promosi dan hasil penjualan, artinya
jika biaya promosi naik maka hasil penjualan akan meningkat
pula.

H. PERAMALAN (PREDIKSI)

Y sebagai penduga memiliki nilai yang mungkin sama atau tidak

sama dengan nilai sebenarnya. Untuk membuat Y sebagai penduga yang

dapat dipercaya, maka dibuat penduga bagi Y dengan menggunakan penduga
 
Y itu sendiri. Dengan demikian, Y sebagai penduga dapat digunakan
sebagai peramalan atau prediksi.

Ada tiga bentuk peramalan sehubungan dengan penduga Y tersebut,
yaitu sebagai berikut :
1. Peramalan Tunggal
Peramalan tunggal atau prediksi titik dirumuskan :

Y = a + bX

2. Peramalan Interval Individu


Peramalan interval individu atau prediksi interval bagi Y dirumuskan :
 
Y - t/2-2 S (Y 0  y0 ) < Y0 < Y + t/2-2 S (Y 0  y0 )
 
 
Y0 = nilai Y untuk X = X0

1 (X  X )2
1 
S (Y 
 y0 ) = Se n ( X ) 2
X 
2
0

3. Peramalan Interval Rata-rata

Peramalan interval rata-rata atau prediksi interval bagi E(Y) dirumuskan :
 
Y - t/2-2 S Y < E(Y) < Y + t/2-2 S Y
 

1 ( X  X )2

S Y = Se

n ( X ) 2
X2
n
Contoh soal :
Dengan menggunakan data Tabel 6.2, kerjakan soal berikut ini !
a. Buatlah ramalan tunggal untuk hasil penjualan jika besarnya biaya
promosi Rp 20.000,00!
b. Buatlah ramalan interval untik individu Y, jika biaya promosi Rp
20.000,00 dengan tingkat keyakinan 99%!
c. Buatlah ramalan interval untuk rata-rata E(Y), jika biaya promosi Rp
20.000,00 dengan tingkat keyakinan 99%!
Penyelesaian
Dari jawaban contoh soal sebelumnya, diperoleh :
n = 8
X = 15,5
2 ( X 2 )
X – = 50
n
Se = 0,09
t0,005(6) = 3,707
Y = 0,38 + 0,075X
a. Ramalan tunggal :
X = 20
 
Y = 0,38 + 0,075(20)
= 1,88
Jadi apabila biaya promosi menjadi Rp 20.000,00 maka diharapkan
hasil penjualan mencapai Rp 1.880.000,00
b. Ramalan Y0 :

1 (20 15,5) 2
S (Y 
 y0 ) = 0,09 1 
0
8 50
= 0,11
1,88 – 3,707(0,11) < Y0 < 1,88 + 3,707(0,11)
1,47 < Y0 < 2,29
Jadi, apabila promosi menjadi Rp 20.000,00 maka diharapkan hasil
penjualan adalah antara 1,47 juta sampai 2,29 juta, pada tingkat
keyakinan 99%
c. Ramalan E(Y) :

1 ( 20 15,5) 2
S Y = 0,09


8 50
= 0,065
1,88 – 3,707(0,065) < E(Y) < 1,88 + 3,707(0,065)
1,639 < E(Y) < 2,121
Jadi, apabila promosi menjadi Rp 20.000,00 maka diharapkan hasil
penjualan rata-rata adalah berkisar 1,639 juta sampai 2,121 juta, pada
tingkat keyakinan 99% 74+6
 BAB 7
HIPOTESIS PENELITIAN

Tujuan Pembelajaran

Setelah membaca dan mengikuti perkuliahan mahasiswa dapat mengetahui

konsep dasar statistik melalui pengujian hipotesis dengan benar, yaitu:
a. Menyebutkan konsep hipotesis dan pengujiannya
b. Menyebutkan macam-macam permasalahan dan hipotesis penelitian
c. Menyebutkan arti parameter dan statistik
d. Membedakan arti hipotesis (nol dan alternatif)
e. Menyebutkan kesalahan dalam pengujian hipotesis
f. Menyebutkan hipotesis statistik
g. Menyebutkan jenis-jenis pengujian hipotesis
h. Menerapkan rumus-rumus dan langkah-langkah dalam pengujian hipotesis

1. KONSEP HIPOTESIS
Semula istilah hipotesis dari bahasa Yunani yang mempunyai dua kata
ialah “hupo” (sementara) dan “thesis” (pernyataan atau teori). Karena
hipotesis merupakan pernyataan sementara yang masih lemah kebenarannya .
maka perlu diuji kebenarannya. Kemudian para ahli menafsirkan arti hipotesis
adalah sebagai dugaan terhadap hubungan antara dua variabel atau lebih
(Kerlinger, 1973:18 dan Tuckman, 1982:5). Selanjutnya Sudjana (1992:219)
mengartikan hipotesis adalah asumsi atau dugaan mengenai satu hal yang
dibuat untuk menjelaskan hal itu yang sering dituntut untuk melakukan
pengecekannya. Hal ini jelas bahwa Sudjana mengatakan asumsi atau dugaan
yang bersifat umum sedangkan Kerlinger dan Tuckman lebih khusus lagi
mengenai arti hipotesis menjadi dugaan antara dua variabel atau lebih.
Atas dasar definisi di atas, sehingga dapat diartikan bahwa hipotesis
adalah jawaban atau dugaan sementara yang harus diuji lagi kebenarannya.
Hipotesis penelitian adalah hipotesis kerja (Hipotesis Alternatif Ha atau
H1) yaitu hipotesis yang dirumuskan untuk menjawab permasalahan dengan
menggunakan teori-teori yang ada hubungannya (relevan) dengan masalah
penelitian dan belum berdasarkan fakta serta dukungan data yang nyata di
lapangan. Hipotesis alternatif (Ha) dirumuskan dengan kalimat positif.
Secara statistik hipotesis diartikan sebagai pernyataan mengenai
keadaan populasi (parameter) yang akan diuji kebenarannya berdasarkan data
yang diperoleh dari sampel penelitian (statistic). Dengan demikian dalam
perhitungan statistik yang diuji adalah Hipotesis Nol (Ho). Jadi hipotesis nol
adalah pernyataan tidak adanya hubungan, pengaruh atau perbedaan antara
parameter dengan statistik lawannya adalah Ha yang menyatakan adanya
hubungan, pengaruh atau perbedaan antara parameter dan statistik. Hipotesis
Nol (Ho) dirumuskan dengan kalimat negatif.
Perlu diperhatikakn bagi pembaca, bahwa setiap penelitian tidak harus
berhipotesis, tetapi setiap penelitian harus dirumuskan masalahnya. Adanya
 hipotesis dinyatakan berdasarkan pada rumusan masalah penelitian yang
diajukan. Agar rumusan masalah dapat terjawab dan hipotesis dapat teruji
berdasarkan data yang dikumpulkan oleh peneliti. Sehingga keduanya harus
dirumuskan dengan menggunakan kalimat yang jelas, tidak menimbulkan
banyak penafsiran dan spesifik supaya dapat diukur. Masalah penelitian
dirumuskan dalam bentuk kalimat tanya dan hipotesis dalam bentuk kalimat
pernyataan.

2. MACAM-MACAM PERMASALAHAN PENELITIAN

Penelitian pada tingkat eksplanasi (artinya memberikan keterangan
terhadap variabel-variabel yang akan diteliti tentang objek penelitian melalui
data yang dikumpulkan) dibagi menjadi tiga, yaitu: deskriptif, komparatif, dan
asosiatif. Penelitian tingkat eksplanasi paling sederhana ialah deskriptif.
Misalnya seorang peneliti ingin mengetahui dalam masalah produktivitas
karyawan, disiplin pegawai, minat pegawai, tingkat motivasi kerja pegawai,
peran pimpinan, kemampuan kerja pegawai, prestasi belajar, tingkat
keberhasilan, analisis pembayaran pajak dan lain-lain. Masing-masing hanya
berkenaan dengan satu variabel saja, dan tidak menghubungkan atau
membandingkan dengan variabel lain, penelitian deskritif hanya
menggambarkan (mendeskriptifkan) tentang sampel atau populasi. Penelitian
bentuk deskriptif ini hasilnya tidak dapat digunakan generalisasi pada populasi
(secara umum) ataupun tidak dapat digunakan untuk mengontrol pada
populasi.
Berdasarkan uraian diatas, maka permasalahan penelitian diuraikan
sebagai berikut:
a. Permasalahan yang bersifat deskriptif yaitu permasalahan yang tidak
membandingkan dan menghubungkan dengan variabel lain hanya
menggambarkan variabel saja.
Contoh:
1) Seberapa banyak hasil panen udang windu di Kabupaten Sidoarjo?
2) Seberapa tinggi disiplin kerja pegawai di lembaga CJDW?
 3) Seberapa tinggi motivasi kerja karyawan PT. Hamidah Nur Husna?
4) Bagaimana kualitas dosen statistik di Indonesia?
b. Permasalahan bersifat komparatif adalah permasalahan yang
menggambarkan perbedaan karakteristik dari dua variabel atau lebih.
Contoh:
1) Adakah perbedaan kemampuan kerja pegawai antara perusahaan
CJDW dengan perusahaan CJDW di Bangil?
2) Adakah perbedaan produktivitas kerja karyawan bagian fitting dengan
bagian fabrikasi di PT Fatimah Yogyakarta?
3) Adakah perbedaan kualitas belajar mahasiswa tugas belajar dengan
mahasiswa izin belajar dalam pelajaran statistik?
4) Adakah perbedaan kualitas pelayanan masyarakat antara Pemerintah
Kota Bandung dengan Pemerintah Kota Cimahi dalam persampahan?
c. Permasalahan bersifat asosiatif adalah permasalahan yang
menghubungkan atau pengaruh antara dua variabel atau lebih. Adapun
menurut sifat hubungannya terdiri dari tiga jenis yaitu:
1) Hubungan simentris ialah hubungan yang bersifat kebersamaan
antara dua variabel atau lebih. Adapun menurut sifat hubungannya
terdiri dari tiga jenis yaitu:
a) Adakah hubungan antara poster tubuh seseorang dengan gaya
kepemimpinan?
b) Adakah hubungan antara keaktifan mengikuti kegiatan organisasi
dengan tingginya prestasi belajar?
2) Hubungan Sebab Akibat (Kausal) ialah hubungan yang bersifat
mempengaruhi antara dua variabel atau lebih.
Contoh:
a) Seberapa besar pengaruh tambahan gaji pegawai terhadap disiplin
kerja pegawai?
b) Adakah pengaruh kekuatan baja yang diberi perlakuan dengan
menggunakan air, garam, dan oli?
c) Seberapa besar pengaruh pupuk terhadap hasil panen padi?
 3) Hubungan Interaktif ialah hubungan antara dua variabel atau lebih
yang bersifat saling mempengaruhi.
Contoh:
a) Adakah hubungan antara pemberian insentif dengan efektivitas
kerja?
b) Adakah hubungan antara pendidikan, sikap, dan kepribadian
dengan keterampilan kerja?
c) Adakah hubungan antara sikap guru terhadap prestasi belajar siswa
di SDPN UPI Bandung?

3. MACAM-MACAM HIPOTESIS PENELITIAN

Berdasarkan tiga macam masalah penelitian tadi, maka ada tiga macam
hipotesis penelitian (Hipotesis Alternatif), yaitu:
a. Hipotesis Deskriptif yaitu hipotesis yang tidak membandingkan dan
menghubungkan dengan variabel lain atau hipotesis yang dirumuskan
untuk menentukan titik peluang, hipotesis yang dirumuskan untuk
menjawab permasalahan taksiran (estimatif).
Contoh:
1) Panen udang windu di Tambak Udang Kalianyar Bangil mencapai 5
ton/ha.
2) Disiplin kerja pegawai lembaga CJDW sangat tinggi.
3) Motivasi kerja karyawan di pabrik mobil mencapai 80% dari kriteria
rata-rata nilai ideal yang akan ditetapkan.
4) Gaya mengajar dosen statistik mencapai 70% dari kriteria rata-rata
nilai ideal.
Dari keempat contoh diatas, terlihat bahwa yang menjadi titik estimasi
yaitu 5 ton/ha, sangat tinggi, 80% dari kriteria rata-rata nilai ideal, dan 70%
dari kriteria rata-rata nilai ideal. Semua ini bisa diukur atau diangkakan
dengan instrumen penelitian.
Hipotesis deskriptif untuk keperluan pengujian dengan statistik, bentuk
rumusan hipotesis deskriptif lengkap ialah “Terdapat perbedaan antara titik
taksiran (yang diperkirakan 5 ton/ha) dengan data yang diperoleh”. Misalnya
data yang dikumpulkan menghasilkan 3,9 ton/ha bagaimana kesimpulannya?
Perkiraan 5 ton/ha adalah pernyataan tentang populasi. Jika data yang
terkumpul itu data populasi atau sensus sebesar 0,9 ton/ha, maka hipotesis
yang diajukan diterima, yaitu ada perbedaan antara perkiraan dengan data
yang diperoleh (perkiraan 5 ton/ha, diperoleh 3,9 ton/ha). Tetapi bila 3,9
ton/ha diperoleh berdasarkan salah satu sampel yang dipilih dari Kalianyar
Bangil, maka kita belum dapat memutuskan apakah hipotesis alternatif yang
diajukan itu diterima atau ditolak, atau apakah perbedaan antara yang
diperkirakan 5 ton/ha untuk populasi dengan 3,9 ton/hari dari sampel itu
merupakan perbedaan yang signifikan atau tidak. Apakah 3,9 ton/ha yang
diperoleh itu benar-benar dapat mewakili populasi, atau kita salah mengambil
sampel sehingga didapatkan 3,9 ton/ha. Apabila kita memilih sampel di
tempat lain apakah data yang diperoleh juga tetap 3,9 ton/ha atau lebih
ataukah kurang.
b. Hipotesis Komparatif dirumuskan untuk memberikan jawaban pada
permasalahan yang bersifat membedakan.
Contoh:
1) Ada perbedaan kemampuan berbahasa asing antara lulusan pondok
pesantren X dengan lulusan SMU Y, yaitu lulusan pondok pesantren X
lebih baik dari pada lulusan SMU Y.
2) Terdapat perbedaan cara memahami Ilmu Filsafat antara mahasiswa
dari Kota Suci Qum (Iran) dengan mahasiswa Al-Azhar (Mesir),
bahwa mahasiswa dari Kota Suci Qum (Iran) lebih unggul daripada
mahasiswa Al-Azhar (Mesir).
3) Ada perbedaan kesenangan bagi anak-anak SD antara menonton TV
dengan membaca buku, bahwa menonton TV lebih disukai daripada
membaca buku.
4) Ada perbedaan gairah kerja antara pejabat struktural dengan fungsional
di lembaga CJDW.
c. Hipotesis Asosiatif dirumuskan untuk memberikan jawaban pada
permasalahan yang bersifat hubungan. Sedangkan menurut sifat
hubungannya hipotesis penelitian atau alternatif ada tiga jenis yaitu:
1) Hipotesis hubungan simentris ialah hipotesis yang menyatakan
hubungan bersifat kebersamaan antara dua variabel atau lebih, tetapi
tidak menunjukkan sebab akibat.
Contoh:
a) Ada hubungan antara berpakaian mahal dengan penampilan
b) Ada hubungan antara banyaknya mengikuti ekstrakurikuler dengan
tingginya prestasi belajar
c) Terdapat hubungan yang positif antara banyaknya penonton sepak
bola dengan tingkat kerusuhan
2) Hipotesis hubungan sebab-akibat (kausal) ialah hipotesis yang
menyatakan hubungan bersifat mempengaruhi antara dua variabel atau
lebih.
Contoh:
a) Kebakaran hutan di daerah tropis berpengaruh positif terhadap
tipisnya lapisan ozon.
b) Pergaulan bebas berpengaruh positif terhadap penyakit AIDS.
c) Pengalaman training dan tingkat pendidikan secara bersama-sama
berpengaruh terhadap kemampuan kerja.
d) Motivasi belajar berpengaruh positif terhadap prestasi belajar.
e) Disiplin pegawai yang tinggi berpengaruh positif terhadap
produktivitas kerja.
f) Jika ayam potong disuntik hormon 3%, maka berat ayam akan
bertambah berat tiga ons.
3) Hipotesis hubungan interaktif ialah hipotesis hubungan antara dua
variabel atau lebih yang bersifat saling mempengaruhi.
Contoh:
a) Terdapat hubungan yang saling mempengaruhi antara status sosial
ekonomi dengan terpenuhi gizi keluarga
 b) Terdapat hubungan yang saling mempengaruhi antara penambahan
gaji insentif dengan produktivitas karyawan
c) Terdapat pengaruh timbal balik antara kreativitas siswa dengan
hasil belajar
d) Terdapat pengaruh timbal balik antara kenaikan pangkat dengan
tersedianya jabatan.

Berdasarkan contoh hipotesis di atas, maka tampak jelas bahwa

rumusan hipotesis penelitian yang berupa hipotesis kerja atau hipotesis
alternatif merujuk pada tiga tingkatan yaitu: tingkat gambaran ataupun
peluang terhadap keadaan satu variabel, perbedaan antara dua variabel atau
lebih, dan hubungan antar dua variabel atau lebih.

4. PARAMETER DAN STATISTIK

Parameter merupakan ukuran-ukuran yang berlaku pada populasi.
Simbol parameter 0 (baca: tetha), sedangkan statistik merupakan ukuran-
ukuran yang berkenaan dengan sampel.
Anggapan-anggapan dasar yang berlaku hendaklah dipenuhi terlebih
dahulu sebelum melakukan pengujian hipotesis. Langkah-langkahnya adalah
sebagai berikut: data yang diuji harus berdistribusi normal dan peneliti
menyatakan secara tegas dan jelas bahwa data yang akan diuji tersebut berasal
dari populasi atau sampel. Jika menggunakan data populasi, maka rata-rata
populasi  (baca: myu), standar deviasi populasi  (baca: sigma), dan varians
populasi 2 (baca: sigma kuadrat). Apabila menggunakan data sampel, maka
rata-rata sampel x (baca: eks bar atau eks garis), standar deviasi sampel (s),
dan varians sampel (s2 atau S).
Statistik yang cocok untuk menguji hipotesis tentang parameter
populasi dinamakan statistik parametrik. Jika parameter diuji berdasarkan data
sampel, maka statistik yang digunakan adalah statistik inferensial (statistik
 induktif). Statistika parametik didasarkan atas asumsi yang ketat tentang
keadaan populasi. Asumsi utama adalah populasi atau sampel harus
berdistribusi normal, dipilih secara acak, mempunyai hubungan yang linier,
dan data bersifat homogen. Statistik parametrik lebih banyak bekerja dengan
data interval dan ratio.
Pasangan dari statistik parametrik adalah statistik nonparmetrik.
Statistik nonparmetrik tidak menganut asumsi bahwa adat populasi atau
sampel harus berdistribusi normal, dipilih secara acak, mempunyai hubungan
yang linier dan data bersifat homogen. Oleh sebab itu, statistik nonparmetrik
disebut juga dengan “statistik bebas distribusi”. Statistik nonparmetrik lebih
banyak bekerja dengan data ordinal dan nominal.

5. PENGERTIAN HIPOTESIS ALTERNATIF (Ha) DAN HIPOTESIS

NIHIL (HO)
a. Hipotesis Alternatif (Ha)
Hipotesis Alternatif diberi simbol (Ha) disebut juga hipotesis penelitian
atau hipotesis kerja (H1). Pihak peneliti tidak menguji (Ha) sebab (Ha)
adalah lawan (Ho). Hipotesis alternatif (Ha) hanya mengekspresikan
keyakinan peneliti tentang ukuran-ukuran populasi
b. Hipotesis Nihil (Ho)
Waktu menggunakan pengujian statistik kita selalu bekerja dengan
dua hipotesis yaitu hipotesis nihil atau nol dan hipotesis alternatif.
Hipotesis nihil dengan simbol (HO) inilah sebenarnya yang diuji secara
statistik dan merupakan pernyataan tentang parameter yang bertentangan
dengan keyakinan peneliti, (HO) sementara waktu dipertahankan benar-
benar hingga pengujian statistik mendapatkan bukti yang menantang atau
mendukungnya. Apabila dari pengujian statistik diperoleh keputusan yang
mendukung atau setuju dengan (HO), maka dapat dikatakan bahwa (HO)
DITERIMA. Sebaliknya jika diperoleh keputusan yang membelot atau
 bertentangan dengan keputusan (HO), maka dapat diambil tindakan bahwa
(HO) DITOLAK.

6. KESALAHAN DALAM MENGUJI HIPOTESIS

Walaupun berdasarkan analisis statistik kita telah menolak atau
menerima suatu hipotesis, hal ini belumlah memberikan kebenaran mutlak
100% kepada kita, sebab kita terbiasa bekerja dengan data sampel sehingga
kekeliruan sampling selalu ada betapapun kecilnya.
Ada dua macam kesalahan dalam pengujian hipotesis, diuraikan sebagai
berikut:
a. Apabila kita nyatakan Ho diterima kemudian dibuktikan melalui penelitian
kita menerimanya, maka kesimpulan yang dibuat adalah benar.
b. Apabila kita nyatakan Ho diterima kemudian dibuktikan melalui penelitian
ditolak, maka kesimpulan yang diambil itu merupakan kesalahan yang
disebut kesalahan Model I ().
c. Apabila Ho kita tolak kemudian dibuktikan melalui penelitian menolaknya,
maka kesimpulan yang dibuat adalah benar.
d. Apabila Ho kita tolak kemudian dibuktikan melalui penelitian diterima,
maka kesimpulan yang diambil itu merupakan kesalahan yang disebut
kesalahan Model II ().
Hubungan antara hipotesis, kesimpulan dan model kesalahan dapat
disajikan pada TABEL 57.

TABEL 57
Model Kesalahan Ketika Membuat Kesimpulan Dalam Pengujian
Hipotesis

KEADAAN YANG SEBENARNYA

KESIMPULAN
HO benar Ho salah
Menerima Ho Kesimpulan Benar Kesalahan Model II ()
Menolak Ho Kesalahan Model I () Kesimpulan Benar
 Penjabaran dan pengertian dari pernyataan TABEL 57 di atas dijelaskan
seperti contoh: Seorang investor mengunjungi ke mancanegara dalam
kunjungannya itu, dia tertarik pada Indonesia untuk membangun kembali
perekonomian negara yang hancur akibat kerusuhan tanggal 13-14 Mei 1998
yang lalu. Sehingga seorang investor ingin membuat kepastian apakah perlu
atau tidak menanamkan modal di Indonesia. Jika diperkirakan ada manfaat
(benefit) atau keuntungan (profit) dalam menanam modal, maka ia akan
menanamkan modalnya, demikian sebaliknya jika tidak ada manfaat dan
keuntungan yang didapat, maka tidak akan dilakukannya.
Permasalahan semacam ini perlu diantisipasi kemungkinan-
kemungkinan yang akan terjadi atau gejala-gejala yang akan muncul itu harus
diperhatikan sebelum mengambil keputusan.
a. Penanaman modal sebenarnya mempunyai keuntungan, kemudian investor
melakukannya. Tindakan yang telah dilakukan oleh investor tersebut
merupakan tindakan yang benar.
b. Sebenarnya menanam modal itu mempunyai keuntungan, tetapi investor
tidak melaksanakannya. Mungkin dia menduga kurang aman tentang
stabilitas nasional di Indonesia akibat kerusuhan yang terjadi atau masih
trauma dalam insiden itu. Tindakan yang telah dilakukan oleh investor
merupakan kesalahan. Kesalahan ini disebut kesalahan Model I ().
c. Penanaman modal sebenarnya tidak ada keuntungan, kemudian investor
tidak melakukan hal tersebut. Tindakan yang telah dilakukan oleh investor
tersebut merupakan tindakan yang benar.
d. Sebenarnya menanam modal tidak ada keuntungan, kemudian investor
melakukannya. Tindakan yang telah dilakukan oleh investor itu
merupakan kesalahan. Kesalahan ini disebut kesalahan Model II (). Dari
keterangan ini, dapat disimpulkan dengan TABEL 58 berikut:

TABEL 58
Tindakan Investor dalam Menanam Modal
 TINDAKAN SEBENARNYA PENANAMAN MODAL
INVESTOR
HO benar Ho salah
Menanam Modal Tindakan yang Benar Kesalahan Model II ()
Tidak Menanam Kesalahan Model I () Tindakan yang Benar
Modal

Ketika merencanakan pengujian hipotesis, kedua model kesalahan

tersebut hendaknya dibuat sekecil mungkin. Kedua model kesalahan tersebut
dinyatakan dalam peluang, suatu penilaian dapat dilakukan. Peluang ini juga
sekaligus merupakan besarnya resiko kesalahan yang ingin kita hadapi yakni
peluang membuat kesalahan () dan peluang membuat kesalahan ().
Sedangkan yang sering digunakan dalam penelitian adalah kesalahan ()
yang sering disebut dengan istilah; taraf signifikan, tingkat signifikansi, taraf
arti, taraf nyata, probability (p), taraf kesalahan atau taraf kekeliruan.
Taraf atau tingkat signifikan dinyatakan dalam dua atau tiga desimal
atau dalam persen. Lawan dari taraf signifikan ialah taraf kepercayaan atau
tingkat kepercayaan. Jika taraf signifikansi = 5% atau 1% dapat disebut juga
dengan taraf kepercayaan = 95% atau 99%, demikian seterusnya. Pada
umumnya penelitian sosial, besarnya  tergantung pada keinginan peneliti
sebelum analisis dilakukan. Arti  = 0,05 ialah diperkirakan 5 dari 100 kali
penelitian berkesimpulan akan menolak hipotesis yang seharusnya diterima
atau kira-kira 95% percaya bahwa kita telah membuat kesimpulan yang
benar.

7. HIPOTESIS STATISTIK
Hipotesis statistik adalah pernyataan statistik tentang populasi yang
diteliti. Jika menguji hipotesis penelitian dengan perhitungan statistik, maka
rumusan hipotesis tersebut perlu diubah ke dalam rumusan hipotesis statistik.
Kalau dalam rumusan hipotesis penelitian hanya dituliskan salah satu saja
yaitu hipotesis alternatif (Ha) atau hipotesis nol (Ho). Sedangkan dalam
hipotesis statistik keduanya dipasangkan sehingga dapat diambil keputusan
dengan tegas yaitu menerima Ho berarti menolak Ha begitu juga sebaliknya
 apabila menolak Ho berarti menerima Ha. Hipotesis statistik ini dirumuskan
untuk menjelaskan gambaran dan parameter apa dari populasi.

8. JENIS PENGUJIAN HIPOTESIS

a. Hipotesis Direksional
Hipotesis Direksional adalah rumusan hipotesis yang arahnya sudah jelas
atau disebut juga hipotesis langsung. Sedangkan pengujian hipotesis
direksional terdiri dari dua yaitu uji pihak kiri dan uji pihak kanan, untuk
lebih jelasnya dapat diuraikan berikut ini.

1) Uji Pihak Kiri

Apabila ada rumusan hipotesis pasangan Ha dinyatakan dengan
bunyi kalimat : palingg tinggi, paling banyak, paling besar, maksimur dan
sejenisnya berarti tandanya lebih kecil (<). Maka sebaliknya Ho harus
dinyatakan dengan bunyi kalimat : paling rendah, paling sedikit, paling
kecil, minimum dan sejenisnya berarti tandanya lebih besar atau sama
dengan (>) pengujiannya menggunakan uji satu pihak (one tailed test)
yaitu uji pihak kiri. Seperti contoh berikut:
a) Hipotesis bersifat deskriptif
Motivasi kerja pegawai di departemen CJDW paling tinggi 40% dari
nilai ideal.
(1) Hipotesis (Ha dan Ho) dalam uraian kalimat
Ha : Motivasi kerja pegawai di departemen CJDW paling tinggi
40% dari nilai ideal
Ho : Motivasi kerja pegawai di departemen CJDW paling rendah
atau sama dengan 40% dari nilai ideal.
(2) Hipotesis (Ha dan Ho) model statistik
Ha :  < 40%
Ho :  > 40%
b) Hipotesis bersifat komparatif
 Terdapat perbedaan prestasi belajar antara mahasiswa tugas belajar
dengan mahasiswa izin belajar dalam mengikuti pelajaran statistik,
yaitu mahasiswa tugas belajar lebih tinggi dari pada mahasiswa izin
belajar. Atas dasar informasi ini, tim pengajar ingin membuktikan
melalui penelitian.
(1) Hipotesis (Ha dan Ho) dalam uraian kalimat
Ha : Perbedaan prestasi belajar antara mahasiswa tugas belajar
lebih tinggi dari pada mahasiswa izin belajar.
Ho : Perbedaan prestasi belajar antara mahasiswa tugas belajar
lebih rendah dari pada mahasiswa izin belajar.

(2) Hipotesis (Ha dan Ho) model statistik

Ha : 1 < 2
Ho : 1 > 2

c) Hipotesis bersifat asosiatif

Seorang pakar pendidikan ingin meneliti hubungan motivasi dengan
prestasi belajar di perguruan tinggi CJDW. Peneli berhipotesis bahwa
hubungan motivasi belajar dengan prestasi belajar paling tinggi 60%.
(1) Hipotesis (Ha dan Ho) dalam uraian kalimat
Ha : Hubungan motivasi belajar dengan prestasi belajar paling
tinggi 60%
Ho : Hubungan motivasi belajar dengan prestasi belajar paling
rendah atau sama dengan 60%.
(2) Hipotesis (Ha dan Ho) model statistik
Ha :  < 60%
Ho :  > 60%

Wilayah
Penolakan Ho
 Wilayah
Penerimaan Ho


–ttabel

Jika – ttabel < t hitung < ttabel maka Ho diterima dan Ha ditolak

2) Uji Pihak Kanan

Jika rumusan hipotesis pasangan Ha dinyatakan dengan bunyi
kalimat : rendah, paling sedikit, paling kecil, minimum dan sejenisnya
berarti tandanya lebih besar atau sama dengan (>). Maka sebaliknya Ho
harus dinyatakan dengan bunyi kalimat yang paling tinggi, paling banyak,
paling besar, maksimum dan sejenisnya berarti tandanya lebih kecil atau
sama dengan (<). Pengujiannya menggunakan uji satu pihak (one tailed
test) yaitu uji pihak kanan. Seperti contoh berikut:
a) Hipotesis bersifat deskriptif
Disiplin kerja pegawai di departemen CJDW paling rendah 70% dari
skor ideal.
(1) Hipotesis (Ha dan Ho) dalam uraian kalimat
Ha : Disiplin kerja pegawai di departemen CJDW paling rendah
70% dari skor ideal.
Ho : Disiplin kerja pegawai di departemen CJDW paling tinggi
atau sama dengan 70% dari skor ideal.
(2) Hipotesis (Ha dan Ho) model statistik
Ha :  > 70%
Ho :  < 70%

b) Hipotesis bersifat komparatif

Seorang pengamat haji ingin melakukan penelitian untuk mengetahui
adakah perbedaan vasilitas antara kelompok jamaah haji plus (VIP)
dengan jemaah haji biasa. Pengamat berhipotesis bahwa jemaah haji biasa
 kurang nyaman vasilitasnya bila dibandingkan dengan jamaah haji plus
(VIP)
(1) Hipotesis (Ha dan Ho) dalam uraian kalimat
Ha : Jemaah haji biasa kurang nyaman vasilitasnya bila dibandingkan
dengan jamaah haji plus (VIP)
Ho : Jemaah haji biasa lebih nyaman atau sama dengan vasilitasnya
bila dibandingkan dengan jemaah haji plus (VIP)
(2) Hipotesis (Ha dan Ho) model statistik
Ha : 1 > 2
Ho : 1 < 2

c) Hipotesis bersifat asosiatif

Seorang pengamat sosial mengatakan bahwa hubungan antara
atasan dengan bawahan di instansi CJDW paling rendah 45%.
(1) Hipotesis (Ha dan Ho) dalam uraian kalimat
Ha : Hubungan antara atasan dengan bawahan di instansi CJDW
paling rendah 45%.
Ho : Hubungan antara atasan dengan bawahan di instansi CJDW
paling tinggi atau sama dengan 45%.
(2) Hipotesis (Ha dan Ho) model statistik
Ha :  > 45%
Ho:  < 45%

Wilayah
Penolakan Ho
Wilayah
Penerimaan Ho 

ttabel

Jika –ttabel < thitung < ttabel maka Ho diterima dan Ha ditolak
b. Hipotesis Non Direksional
Hipotesis Non Direksional (hipotesis tidka langsung) adalah
hipotesis yang tidak men unjukkan arah tertentu. Jika rumusan Ha
berbunyi kalimt: tidak sama dengan (), maka sebaliknya Ho berbunyi
kalimat: sama dengan (=). Pengujian ini menggunakan uji dua pihak (two
tailed test). Contoh sebagai berikut:

1) Hipotesis bersifat deskriptif

PT CJDW memproduksi mesin boat dan menyatakan bahwa: mesin boat
hasil produksinya mampu berkecepatan rata-rata 300 km/jam. Berdasarkan
pernyataan ini seorang ahli mesin akan melakukan penelitian untuk
membuktikannya, apakah benar demikian.
a) Hipotesis (Ha dan Ho) dalam uraian kalimat
Ha : Mesin boat hasil produksi PT. CJDW mampu berkecepatan rata-
rata 300km/jam
Ho : Mesin boat hasil produksi PT. CJDW tidak mampu berkecepatan
rata-rata 300 km/jam
b) Hipotesis (Ha dan Ho) model statistik
Ha :   300
Ha :  = 300

2) Hipotesis bersifat komparatif

Ibu Fatimah Sholihah dosen statistika mengajar dua kelas (kelas A dan
Kelas B) dan ingin mengetahui hasil belajar mahasiswa yang
dibimbingnya selama satu semester. Beliau menyatakan bahwa: hasil
belajar statistika antara mahasiswa Kelas A dan Kelas B adalah berbeda.
a) Hipotesis (Ha dan Ho) dalam uraian kalimat
Ha : ada perbedaan hasil belajar statistika antara mahasiswa Kelas A
dan Kelas B
 Ho : tidak ada perbedaan hasil belajar statistika antara mahasiswa
Kelas A dan Kelas B
b) Hipotesis (Ha dan Ho) model statistik
Ha : 1  2
Ha : 1 = 2

3) Hipotensis bersifat asosiatif

Seorang dokter psikologi menyatakan bahwa : ada hubungan antara status
sosial dengan tingkat gizi keluarga di daerah CJDW. Atas dasar
pernyataan tersebut peneliti ingin membuktikannya.

a) Hipotesis (Ha dan Ho) dalam uraian kalimat

Ha : Ada hubungan antara status sosial dengan tingkat gizi keluarga
di daerah CJDW
Ho : Tidak ada hubungan antara status sosial dengan tingkat gizi
keluarga di daerah CJDW
b) Hipotesis (Ha dan Ho) model statistik
Ha : p  0
Ha : p = 0

Wilayah
Wilayah Penolakan Ho
Penolakan Ho Wilayah
Penerimaan Ho 


–ttabel ttabel

Gambar 47: Uji Dua Pihak

Kriteria pengujian dua pihak
 Jika –ttabel < thitung < ttabel maka Ho diterima dan Ha ditolak

9. SOAL-SOAL LATIHAN
a. Apa arti hipotesis penelitian dan hipotesis statistik?
b. Apa yang dimaksud dengan taraf signifikan?
c. Sebutkan macam-macam permasalahan dalam penelitian?
d. Sebutkan arti parameter dan statistik?
e. Bagaimana pengertian dan perbedaan hipotesis nol (Ho) dengan hipotesis
alternatif (Ha)?
f. Bagaimana teori kesalahan dalam pengujian hipotesis dan berikan
contohnya?