PENGERTIAN STATISK (Repaired)

B PENGERTIAN STATISTIK DAN STATISTIKA
Statistik adalah laporan atau lukisan tentang sesuatu hal dalam bentuk diagram ,
grafik, gambar , gambar berbentuk lingkaran, tumpukan gambar mata uang,
deretan gambar manusia dan lain-lain.
Kumpulan angka –angka biasanya disusun dalam bentuk tabel atau daftar,
sering disertai diagram atau grafik dan keterangan lain seperlunya.
Statistika adalah pengetahuan yang berhubungan dengan cara-cara pengumpulan

bahan-bahan atau keterangan, pengolahan serta penganalisaannya,
penarikan kesimpulan serta pembuatan keputusan yang beralasan
berdasarkan penganalisaan yang dilakukan.
Statistika adalah suatu ilmu pengetahuan yang berhubungan dengan data statistik dan
fakta yang benar atau suatu kajian ilmu pengetahuan dengan teknik
pengumpulan data , teknik pengolahan data , teknik analisis data, penarikan
kesimpulan, dan pembuatan kebijakan atau keputusan yang cukup kuat
alasannya berdasarkan data dan fakta yang akurat. Jadi statistika sebagai alat
untuk menghitung atau menganalisis data.
Landasan kerja statistik ada tiga yaitu :
a. Variasi yaitu didasarkan atas kenyataan bahwa seorang peneliti atau

penyelidik selalu menghadapi persoalaan dan gejala yang bermacam-
macam (variasi) baik dalam bentuk tingkatan dan jenisnya .
b. Reduksi yaitu hanya sebagian dan seluruh kejadian yang hendak diteliti (
penelitian sampling )
c. Generalisasi yaitu sekalipun penelitian dilakukan terhadap sebagian dan
seluruh kejadian yang hendak diteliti.
Ciri-ciri pokok statistik adalah sebagai berikut :
a. Statistik bekerja dengan angka yaitu pertama angka statistik sebagai jumlah
atau frekuensi dan angka statistik sebagai nilai atau harga. Sehingga data
statistik adalah data kuantitatif. Kedua angka statistik sebagai nilai
mempunyai arti data kualitatif yang diwujudkan dalam angka.
b. Statistik bersifat obyektif
c. Statistik bersifat universal (umum)
Manfaat Statistik telah mempengaruhi hampir seluruh aspek kehidupan manusia.
Statistik dapat digunakan sebagai alat (a) komunikasi, (b) deskripsi, (c) regresi (d)
korelasi, dan (e) komparasi
Variabel adalah karakteristik yang dapat diamati dari sesuatu (obyek), dan mampu
memberikan bermacam-macam nilai atau kategori . Variabel yang sering digunakan
dalam penelitian atau beberapa kategori : (a) bebas ( independent ), (b) terikat
(dependent ), (c) moderator , (d) intervening dan (e) kontrol.
Dalam penyusunan instrumen penelitian harus mengetahui dan paham tentang dan
jenis skala pengukuran yang digunakan dan tipe-tipe skala pengukuran agar instrumen
bisa diukur sesuai yang hendak diukur dan bisa dipercaya serta reliabel (konsisten)
terhadap permasalahan instrumen penelitian.
Bentuk-bentuk skala sikap yang perlu diketahui dalam melakukan penelitian yaitu :
1. Skala Likert digunakan untuk mengukur sikap, pendapat dan persepsi seseorang
atau sekelompok tentang kejadian atau gejala sosial.
Alternatif jawaban skala Linkert misalnya : Sangat puas, Puas, Cukup Puas,
Kurang Puas, Tidak Puas. Atau Sangat Setuju (SS), Setuju (S), Netral (N), Tidak
Setuju (TS), dan Sangat Tidak Setuju (STS).
2. Skala Guttman merupakan skala kumulatif yaitu skala yang digunakan untuk
jawaban yang bersifat jelas (tegas) dan konsisten . Misalnya : Yakin – tidak yakin,
ya - tidak, benar - salah, positif - negatif, setuju - tidak setuju.
Contoh : Yakin atau tidakkah anda, pergantian Presiden akan dapat mengatasi
persoalan bangsa:
a. Yakin
b. Tidak
3. Skala Diferensial Semantik atau skala perbedaan semantik berisikan
serangkaian karakteristik bipolar (dua kutub) seperti : panas – dingin, baik – tidak
baik, dan sebaginya. Selain itu skala perbedaan semantik, responden diminta
untuk menjawab atau memberikan penilaian terhadap suatu konsep atau obyek
tertentu. Misalnya kinerja pegawai, peran pimpinan, gaya kepemimpinan,
prosedur kerja, produktivitas kerja dll.
4. Rating Scala yaitu data mentah yang didapat berupa angka kemudian ditafsirkan
dalam pengertian kualitatif. Responden menjawab misalnya : ketat – longgar,
lemah – kuat, positif – negatif, besar – kecil , dll.
5. Skala Thurstone meminta responden untuk memilih pertanyaan yang ia setujui
dari beberapa pernyataan yang menyajikan pandangan yang berbeda – beda.
Pada umumnya setiap item mempunyai asosiasi nilai antara 1 sampai dengan
10 , tetapi nilai-nilainya tidak diketahui responden. Pemberian nilai berdasarkan
jumlah tertentu pernyataan yang dipilih oleh responden mengenai angket
tersebut.
Populasi adalah seluruh obyek yang diteliti atau persoalan yang menyeluruh disertai
dengan definisi dan batas-batasannya yang jelas.
Statistika Induktif adalah bagian statistika yang berhubungan dengan pembuatan

kesimpulan mengenai populasi . ( melakukan penafsiran tentang karakteristik
populasi, pembuatan prediksi ).
Statistika Deskriptif adalah pengumpulan data, penyajian data, pembuatan tabel-

tabel dan grafik serta melakukan perhitungan untuk menentukan statistik.
Data Intern adalah data yang dikumpulkan oleh suatu badan mengenai aktivitas badan
itu sendiri dan hasilnya untuk keperluan badan itu sendiri.
Data Ekstern adalah data yang berasal dari luar badan atau lembaga itu sendiri.
Data ekstern primer adalah data dikumpulkan oleh suatu badan dan diterbitkan oleh
badan itu sendiri.
Data ekstern sekunder adalah data yang dilaporkan oleh suatu badan, sedangkan
badan itu tidak langsung mengumpulkan sendiri, melainkan diperoleh dari
pihak lain.
Data diskrit adalah data yang didapat dengan jalan menghitung.
Data kontinyu adalah data yang diperoleh berdasarkan derajat ketelitian tertentu, jadi
merupakan nilai pendekatan kepada nilai sebenarnya.
Sample adalah bagian dari populasi yang diteliti
Penyajian data adalah suatu penyajian yang pada umumnya disajikan dalam bentuk
baris dan kolom dari pada penyajian dalam bentuk penyusunan data secara
naskah.
Bentuk daftar yang standar yaitu judul daftar, judul kolom, judul baris, badan daftar
dan bagian catatan.
Contoh penyajian data.
Ternak potong di kota B selama tahun 2019 menurut jenis, macam ternak, dan
pengusaha ( dalam ekor )
Macam ternak Jumlah Pengusaha

dan jenisnya
X Y Z
Kambing
Jantan 2.300 800 700 800
Betina 1.500 600 500 400
Jumlah 3.800 1.400 1.200 1.200
Dst.
Penyajian data : data disajikan dalam bentuk diagram
Macam – macam diagram yang sering dipergunakan :
a. Diagram batang
b. Diagram garis
c. Diagram lambanga atau simbol
d. Diagram pastel atau lingkaran
Kartogram adalah peta yang disertai gambar-gambar.
Distribusi Frekuensi : daftar yang disusun secara berkelompok.
Contoh
Sebuah sample mengenai nilai hasil belajar Olah Raga dan Kesehatan di salah satu
sekolah SMA Samarinda berjumlah 100 siswa adalah sebagai berikut :
78,3 67,8 75,1 68,3 69,7 82,3 77,6 80,1 76,5 74,6
77,2 78,2 73,1 83,2 77,2 75,1 86,2 69,3 69,8 79,4
76,2 69,9 74,3 76,8 78,9 84,3 85,7 82,1 69,2 70,8
70,1 82,1 84,8 77,2 76,8 73,8 84,6 77,8 69,7 75,8
85,3 78,3 76,3 77,9 80,9 80,3 78,9 84,5 87,2 79,6
76,3 79,4 78,9 80,9 84,3 83,2 80,8 79,0 79,8 80,7
85,4 85,3 86,4 69,8 77,8 82,7 82,7 85,1 85,7 84,7
77,9 79,8 79,6 86,7 82,5 84,3 85,8 86,9 79,0 76,5
69,9 68,7 80,9 86,7 87,3 85,3 85,7 84,2 83,2 79.8
78,9 79,8 85,6 86,8 85,9 87,6 69,0 79,7 76,5 86,7
Tentukan :
a. Panjang kelas interval

b. Hitung panjang kelas interval dengan Rentang dibagi banyak kelas interval
c. Rentang interval = data tertinggi - data terendah
d. Rumus banyaknya interval kelas = 1 + 3,3 log n, n banyaknya data.
Jawab :
a. Panjang kelas interval = data tertinggi - data terendah dibagi banyak kelas
interval yaitu : 87,6 - 67,8 = 19,8 /8 = 2,475= dibulatkan satu desimal 2,5
b. Panjang kelas = 2,5
c. Rentang interval = 87,2 - 67,8 = 19,8
d. Banyaknya interval kelas dengan rumus 1 + 3,3 log n
1 + 3,3 log 100 = 1 + 3,3 . 2 = 1 + 6,6 = 7,6 dibulatkan 8
Membuat daftar distribusi frekuensi
Kelompok nilai hasil ulangan Banyaknya siswa
67,8 - 70,2 12
70,3 - 72,7 1
72,8 - 75,2 5
75,3 - 77,7 12
77,8 - 80,2 18
80,3 - 82,7 11
82,8 - 85,2 11
85,3 - 87,7 30
Jumlah 100
Keterangan :
Kelompok nilai hasil ulangan = rentang kelas
Banyaknya siswa = frekuensi = f
Untuk keperluan perhitungan digunakan simbol yaitu X i = interval kelas dan fi
untuk frekuensi sehingga datanya dapat dibuat dalam tabel sebagai berikut :
Membuat daftar distribusi frekuensi
Kelas ( Xi ) Frekuensi ( fi )
67,8 - 70,2 12
70,3 - 72,7 1
72,8 - 75,2 5
75,3 - 77,7 12
77,8 - 80,2 18
80,3 - 82,7 11
82,8 - 85,2 11
85,3 - 87,9 30
Jumlah 100
Distribusi Frekuensi Relatif dan Kumulatif

Sering diperlukan suatu daftar distribusi frekuensi dengan banyak data tidak
dinyatakan dalam frekuensi sebenarnya melainkan dinyatakan dalam bentuk
persen. Apabila ini dilakukan maka didapat daftar distribusi frekuensi relatif,
sehingga fi diganti dengan fi rel. Atau fi (%).
Contoh :
Diketahui suatu data sebagai berikut :
Kelas Interval Xi fi fi rel. atau fi (%)

1,5 - 1,9 1,7 8 15,4
2,0 - 2,4 2,2 16 30,8
2,5 - 2,9 2,7 14 26,9
3,0 - 3,4 3,2 6 11,5
3,5 - 3,9 3,7 8 15,4
Jumlah - 52 100,0
Perhitungannya :
Kelas interval kesatu = 8/52 X 100% = 15,4%
Kelas interval kedua = 16/52 X 100% = 30,8%
Dan seterusnya.
Di samping daftar frekuensi relatif ada juga daftar distribusi frekuensi
kumulatif. Terdapat dua macam daftar distribusi frekuensi kumulatif yaitu
distribusi frekuensi kumulatif kurang dari dan lebih dari.
Contoh :
Dari data tersebut di atas distribusi frekuensi kumulatif kurang dari dan lebih
dari adalah sebagai berkut :
Distribusi Kumulatif Kurang dari
Kelas Interval fi
Kurang dari 1,5 0
Kurang dari 2,0 8
Kurang dari 2,5 24
Kurang dari 3,0 38
Kurang dari 3,5 44
Kurang dari 4,0 52
Distribusi Kumulatif Lebih dari

Kelas Interval fi
Lebih dari 1,5 52
Lebih dari 2,0 44
Lebih dari 2,5 28
Lebih dari 3,0 14
Lebih dari 3,5 8
Lebih dari 4,0 0
Distribusi Kumulatif dengan model lain

Kelas Interval fi fi Kumulatif
1,5 - 1,9 8 8
2,0 - 2,4 16 24
2,5 - 2,9 14 38
3,0 - 3,4 6 44
3,5 - 3,9 8 52
Jumlah 52 -
SOAL LATIHAN
Data di bawah ini adalah merupakan data tentang hasil pengukuran tinggi
badan siswa kelas VII pada salah satu ( dalam Cm ) SMP di Kota Samarinda
tahun 2014 dengan rincian sebagai berikut :
135 138 147 145 137 144 139 156 154 148
156 157 148 156 146 139 156 159 158 150
147 157 159 147 138 156 143 138 154 148
155 157 160 153 146 159 162 158 154 145
156 146 144 161 139 157 152 147 163 155
138 147 158 159 146 157 162 149 160 162
TUGAS :
a. Susunlah daftar distribusi frekuensi dengan mengunakan rumusan 1 + 3,3
log n
b. Buat daftar distribusi frekuensi kumulatifnya untuk kedua daftar tersebut.
GRAFIK DISTRIBUSI FREKUENSI
1. HISTOGRAM
Menyajikan data yang telah disusun dalam daftar distribusi frekuensi ke dalam
bentuk gambar, sumbu datar selalu melukiskan data yang telah dinyatakan
dalam kelas-kelas interval.
Histogram merupakan diagram untk data dalam daftar distribusi frekuensi yang
bentuknya terdiri atas beberapa empat persegi panjang yang sisi berdekatannya
berimpitan. Tinggi semua empat persegi panjang sama dengan jumlah frekuensi.
Contoh :
6
Series 1
3
Series 2
Series 3
2
0
Category 1 Category 2 Category 3 Category 4
Apa bila titik-titk tengah dari diagram dihubungkan maka akan terdapt garis
patah-patah yang disebut Poligon Frekuensi .
Hubungan yang ada antara poligon frekuensi dan histogram adalah bahwa
jumlah luas semua empat persegi panjang sama dengan luas di atas sumbu datar
dan di bawah poligon frekuensi.
UKURAN KEMIRINGAN DAN KURTOSIS

Ukuran – ukuran dalam statistika yang hanya dititik beratkan pada ukuran untuk
penggunaan serta penganalisaan di antaranya :
1. Ukuran gejala pusat yaitu merupakan sebuah harga sekitar distribusi data
akan terkumpul, diharapkan bahwa nilai-nilai data akan terpusatkan di
sekitar harga tersebut.
2. Ukuran perbandingan yaitu suatu ukuran yang membandingkan keadaan
yang satu dengan yang lain.
3. Ukuran penyimpangan atau variasi merupakan sebuah harga yang
memberikan gambaran bagaimana nilai-nilai data akan bervariasi.
4. Ukuran kemiringan yaitu ukuran yang menyatakan derajat ketidak semitrisan
sebuah model lengkungan.
5. Ukuran kurtosis yang menekankan tinggi atau rendahnya bentuk lengkungan.
Meskipun terdapat beberapa golongan ukuran tetapi dalam pembahasan
tidak akan dibahas secara keseluruhan untuk tiap-tiap golongan misalnya :
- Golongan pertama ( rata-rata hitung, modus, median, kuartil )
- Golongan ke7dua ( angka relatif dan angka indeks )
- Golongan ketiga ( rentang, rata-rata simpangan, simpangan baku, varians,
koefisien variasi )
- Golongan keempat dan kelima tidak dibahas hanya sebagai pelengkap
tentang ukuran.
RATA – RATA HITUNG
Suatu ukuran gejala pusat yang pertama untuk suatu kumpulan data
kuantitatif, akan dipelajari rata-rata hitung atau rata-rata. Rata-rata dapat
dirumuskan jumlah nilai data dibagi banyak
Dirumuskan sebagai berikut : ___ ∑ Xi

X = ------------- ( data tunggal )
N
____ ∑ ( fi ti )
X = ------------- ( data kelompok )
∑ fi
____ ∑ ( fi .si ) Keterangan :
X = to + p ------------- to = titik tengah
∑ fi fi = frekuensi
Si = tanda angka naik/turun
P = panjang kelas
Keterangan :
F1 Mo = Nilai mode ( Modus )
Mo = Bb + p _______ Bb = Batas bawah . p = panjang kelas
F1 + F2 F1 = Selisih antara frekuensi sebelumnya
F2 = Selisih antara frekuensi sesudahnya
½ n - Jf Keterangan :
Me = Bb + p _______ Me = nilai Median
f Jf = Jumlah dari semua frekuensi sblm
klas median
n = jumlah data
Diketahui Nilai ujian semester ganjil dari 70 mahasiswa semester IV Program
Studi Pendidikan Kepelatihan Olah Raga tahun akademis 2019 sebagi berikut
:
Distribusi frekuensi nilai ujian mata kuliah X
No. Nilai Interval Titik Tengah Frekuensi Jumlah
( ti ) ( fi ) ( fi ti )
1. 60 - 64 62 2 124
2. 65 - 69 67 6 402
3. 70 - 74 72 15 1080
4. 75 - 79 77 20 1540
5. 80 - 84 82 16 1312
6. 85 - 89 87 7 609
7. 90 - 94 92 4 368
Jumlah 70 5435
a. Hitunglah nilai rata-rata dengan menggunakan rumus data kelompok

b. Hitunglah modusnya
c. Hitunglah mediannya
Jawab :
__ ∑ ( fi ti ) 5435
a. X = --------- = ------------- = 77,643 atau 77,64
∑ fi 70
Jadi rata-ratanya = 77,64
a. Mencari rata-rata dengan rumus dugaan
__ ∑ ( f i si )
X = to + p -------------
∑ fi
No. Nilai Interval Titik Tengah fi si ( fi si )

1. 60 - 64 62 2 -2 -4
2. 65 - 69 67 6 -1 -6
3. 70 - 74 72 15 0 0
4. 75 - 79 77 20 1 20
5. 80 - 84 82 16 2 32
6. 85 - 89 87 7 3 21
7. 90 - 94 92 4 4 16
Jumlah 70 79
__ 79
X = 72 + 5 ------ = 77,643 atau 77,64
70
b. Mode dari data tersebut : F1 = 20 – 15 = 5 . F2 = 20 – 16 = 4
F1 5
Mo = Bb + P. -------- = 74,5 + 5. ------ = 77,278 atau 77,28
F1 + F2 5 + 4
c. Median dari data tersebut :
½ n – Jf ½ .70 - 23
Me = Bb + P. ------------- = 74,5 + 5 -------------- = 77,5
F 20
Jadi Mediannya adalah 77,5
RATA – RATA UKUR

Dalam beberapa hal kita akan dihadapkan dengan kenyataan-kenyataan yang
dilukiskan oleh data yang perubahaannya mengikuti aturan-aturan tertentu . Misalnya
pertambahan penduduk , pertambahan modal yang disimpan dengan bunga tersusun
dan waktu yang ditentukan.
Misalnya pertambahan penduduk di Indonesia pada tahun 1946 sebesar 60 juta jiwa
dan pada tahun 1956 jumlah penduduk menjadi 78 juta jiwa, berapa persenkah
pertamabahan penduduk di Indonesia tiap tahunnya? .
Jawabnya secara secara teori yang sudah dipelajari adalah sebagai berikut :
Selama 10 tahun penduduk bertambah 78 juta - 60 juta = 18 juta jiwa berarti
pertambahaanya 18/60 X 100% = 30% . Sehingga rata-rata sebesar 30%/ 10 = 3%
jawaban ini tidak tepat sebab jika dihitung apabila pertambahan penduduk 3%
pertahun maka hasilnya adalah 60 juta + 3/100 X 60 juta = 61,80 juta pada akhir tahu
1947, dan pada akhir tahun 1948 = 61,80 juta + 3/100 X 61,80 juta = 63,65 juta , pada
akhir tahun 1949 = 63,65 juta + 3/100 X 63,65 juta begitu seterusnya sampai pada akhir
tahun 1956 dan setelah dihitung sebesar 80,65 juta bukan 78 juta. Sehingga
jawabannya salah ,untuk memberikan jawaban yang benar maka misalnya
pertumbuhan penduduk untuk periode yang tetap dari tahun ketahun dan mengikuti
model dapat dirumuskan sebagai berikut :
Pt = Po ( 1 + x/100)t
Dimana :
Pt = keadaan pada akhir periode
Po = keadaan awal
x = rata-rata
t = jangka waktu atau lamanya
Dari data tersebut dapat dimasukan dalam rumus sebagai berikut :

78 = 60 ( 1 + x/100 )10
Log 78 = log 60 + 10 log ( 1 + x/100 )
1,8921 = 1,7782 + 10 log ( 1 + x/100 )
Log ( 1 + x/100) = 0,0114
1 + x/100 = 1,0267 sehingga x = 2,67
Jadi pertambahan penduduk tiap tahun sebesar 2,67 % selama 10 tahun
Contoh penggunaan rumus dalam pertambaan modal , misalnya A menyimpan uang
sebesar Rp. 100.000.000,-. Setelah 8 tahun ungnya menjadi 124.000.000,- Hitung
berapa persen bunganya rata-rata per tahun ?
Dengan menggunakan rumus Pt = Po ( 1 + x/100 ) t maka hasilnya adalah :
124.000.000 = 100.000.000 ( 1 + x/100 )8

124 = 100 ( 1 + x/100 )
Log 124 = log 100 + 8 log ( 1 + x/100 )
2,0934 = 2 + 8 log ( 1 + x/100 )
Log ( 1 + x/100 ) = 0,0117 atau 1 + x/100 = 1,027 sehingga x = 2,7
Jadi bunga rata-rata tiap tahun 2,7%
Dengan menggunakan ketentuan tersebut maka rata-rata ukur untuk n buah data
ditentukan :
∑ Log xi
U = n x1, x2, x3,…………… xn atau log U = ----------------
n
Nilai hasil ulangan dari 10 siswa kelas II untuk mata pelajaran Olahraga adalah sebagai
berkut : 6,7,8,7,6,8,9,8,9,6. Hitung rata-rata ukurnya data tersebut !
Data siswa
Nama Siswa Nilai (x) Log X
A 6 0,778
B 7 0,845
C 8 0,903
D 7 0,845
E 6 0,778
F 8 0,903
G 9 0,954
H 8 0,903
I 9 0,954
Jumlah 7,863
7,863
Log U = ------------- = 0,7863 sehingga U = 7,86 ( 6,11 )
10
Jadi rata-rata = 7,86. ( 6,11)
Rumus untuk data kelompok adalah :
∑( fi . log xi )
Log U = -----------------------
N
CONTOH :
Kelas ( xi ) Titik Tengah Frekuensi (fi ) Log xi Fi . Log xi

( xi )
72,2 - 72,4 72,3 2 1,8591 3,7182
72,5 - 72,7 72,6 5 1,8609 9,3045
72,8 - 73,0 72,9 10 1,8627 18,6270
73,1 - 73,3 73,2 13 1,8645 24,2385
73,4 - 73,6 73,5 27 1,8663 50,3901
73,7 - 73,9 73,8 23 1,8681 42,9663
74,0 - 74,2 74,1 16 1,8698 29,9168
74,3 - 74,5 74,4 4 1,8716 7,4864
Jumlah - 100 - 186,6478
186,6478
Rata – rata Ukur = log U = ----------------- = 1,8665 sehingga U = 73,53
100
Maka rata-rata ukurnya = 73,53.
RATA-RATA HARMONIK
Rata-rata harmonic untuk sekelompok data didefinisikan sebagai kebalikan rata-rata
hitung dari kebalikan nilai-nilai data tersebut.
Jika rata-rata harmonic dinyatakan H dan data dengan x1, x2, ……….., xn maka
n n
H = -------------------------------- atau H = ------------- ( untuk data tunggal )
1/x1 + 1/x2 + …….+ 1/xn ∑ 1/xi
Untuk data berkelompok dirumuskan sebagai berikut :

∑ fi
H = ---------------
fi
∑ -------
xi
Contoh data tunggal :
Hasil ulangan Matematika 5 siswa SMA dalah 5,6,6,7,8
5 5
Rata-rata harmoniknya adalah : -------------------------------------- = ---------------= 6,24
1/5 + 1/6 + 1/6 +1/7+1/8 1346/1680
Contoh untu data kelompok :
Kelas ( xi ) Titik Tengah Frekuensi (fi ) f i/ x i
( xi )
72,2 - 72,4 72,3 2 0,0277
72,5 - 72,7 72,6 5 0,0689
72,8 - 73,0 72,9 10 0,1372
73,1 - 73,3 73,2 13 0,1776
73,4 - 73,6 73,5 27 0,3673
73,7 - 73,9 73,8 23 0,3116
74,0 - 74,2 74,1 16 0,2159
74,3 - 74,5 74,4 4 0,0538
Jumlah - 100 1,3600
100
Rata- rata Harmonik ( H ) = ----------- = 73,52
1,3600 --
Apabila digabung antara rata-rata hitung, ukur dan harmonik: H < U < X
KUARTIL, DESIL DAN PRESENTIL
Kuartil adalah setengah dari median atau seperempat dari jumlah data sehingga
terdapat 3 kuartil yaitu K1 , K2 , K3 yang letaknya adalah :
i(n + 1 ) 1(n +1) 2(n+1)
Ki = -------------- K1 = ----------------- K2 = ---------------
4 4 4
Desil adalah sepersepuluh dari data baik data tunggal maupun data kelompok yang
dinotasikan sebagai berikut :
i( n + 1)
Di = --------------------
10
Presentil adalah seperseratus dari jumlah data yang diteliti yang dirumuskan :
i( n + 1)
Pi = --------------------
100
Bentuk rumus umum dari ketiganya adalah
i( ¼ ni - F )
Ki = b + p --------------
f
i (1/10 ni - F )
Di = b + p --------------------
f
i (1/100 ni - F )
Pi = b + p --------------------
F
Rentang Antar Kartil ( RAK ) rumusnya ; RAK = K 3 - K1

Sebagai ganti RAK kadang –kadang dipakai rentang semi kuartil atau simpangan kuartil
disingkat SK yang besarnya dalah setengah dari RAK sehingga dituliskan
SK = ½ ( K3 - K1 )
_
∑ │Xi - X │
RS = ---------------------- Rumus rata-rata Simpangan data tunggal
n
_
∑fi │Xi - X │
RS = ---------------------- Rumus rata-rata Simpangan data kelompok
n
Contoh penggunaannya.
Hasil ulangan statistic dari 10 mahasiswa PKO yg disusun dalam table sebagai berikut
Nama Nilai _ _
Xi - X │Xi - X │
A 8 1,1 1,1
B 7 0,1 0,1
C 8 1,1 1,1
D 7 0,1 0,1
E 7 0,1 0,1
F 6 -0,9 0,9
G 6 -0,9 0,9
H 5 -1,9 1,9
I 7 0,1 0,1
J 8 1,1 1,1
Jumlah/Rata-rata 69/6,9 - 7,4
_
∑ │Xi - X │ 7,4
RS = ---------------------- = ----------------- = 0,74
n 10
Contoh data kelompok :

Interval nilai Nilai fi _ _ _
Tengah (Xi ) Xi - X │Xi - X │ fi│Xi - X │
60 – 64 62 11
65 – 69 67 10
70 – 74 72 13
75 – 79 77 15
80 – 84 82 21
85 – 89 87 16
90 - 94 92 14
JUmlah 100
Rata-rata (X )
Tugas sebagai kuis I
Soal :
Diketahui distribusi frekuensi nilai ujian statistik pendidikan Program Studi PKO
smester V IKIP PGRI Kalimantan Timur sebagai berikut :
Interva Nilai Frekuensi
60 - 64 11
65 - 69 10
70 - 74 17
75 - 79 20
80 - 84 21
85 - 89 11
90 - 94 10
Jumlah 100
Hitunglah :
a. Rata-rata hitung
b. Rata-rata dengan dugaan
c. Rata-rata Ukur
d. Rata – rata harmonik
e. Modus
f. Median
g. K1 dan K3
h. D3 dan D7
i. SD Dan Variance
ANALISIS DESKRIPTIF ( PENGUKURAN PENYIMPANGAN )
Pengukuran penyimpangan adalah suatu ukuran yang menunjukkan tinggi rendahnya
perbedaan data yang diperoleh dari rata-ratanya.
1. Range
Range ( rentangan ) adalah data tertinggi dikurangi data terendah.
Contoh : Data nilai kemampuan statistik dari 10 mahasiswa semester V dan
semester VI adalah sebagai berkut :
Semester V : 90 80 70 90 70 100 80 50 75 70
Semester VI : 60 60 70 75 75 80 80 85 95 95
Rentang semester V = 100 - 50 = 50
Rentang semester VI = 95 - 60 = 35
2. Standard Deviation
Standard Deviation ( Simpangan Baku ) adalah suatu nilai yang menunjukkan
tingkat ( derajat ) variasi kelompok atau ukuran standar penyimpangan dari
reratanya.
Simbol Simpangan Baku Populasi Ó atau Ón sedangkan simpangan baku sampel
adalah s, sd atau Ón-1
Rumus simpangan baku data tunggal :
Simpangan baku untuk sampel
( ∑X )2
∑X2 - --------- ∑X2
Ón - 1 = ----------n--------- atau s = ----------
n- 1 n - 1
Contoh : Data nilai hasil ulangan statistik 10 mahasiswa sbb :

No. Hasil Ulangan (X) X2
1. 75 5625
2. 70 4900
3. 80 6400
4. 85 7225
5. 60 3600
6. 75 5625
7. 100 10000
8. 90 8100
9. 95 9025
10. 75 5625
2
N = 10 X = 805 X = 66125
( ∑X )2
∑X2 - --------- ∑X2
Ón - 1 = ----------n--------- atau s = ----------
n- 1 n - 1
(805)2
66125 - -----------
10 1322,5
= -------------------------- = -------------
10 - 1 9
= 146,9 = 12,12
Data nilai hasil ulangan statistik 10 mahasiswa sbb :
No. X (X - X) X2
x
1. 75 -5,5 30,25
2. 70 -10,5 110,25
3. 80 -0,5 0,25
4. 85 4,5 20,25
5. 60 -20,5 420,25
6. 75 -5,5 30,25
7. 100 19,5 380,25
8. 90 9,5 90,25
9. 95 14,5 210,25
10. 75 -5,5 30,25
2
N = 10 X = 805 0 X = 1322,5
805 ∑ x2 1322,5
X = --------- = 80,5 . s = --------- = ----------- = 146,9 = 12,12
10 n–1 9
Rumus Simpangan Baku Data Distribusi
( ∑ f x )2
∑ fx2 - --------------- _
∑f - 1 ∑ fx 2
∑ ( Xi - x )2
Ón – 1 = --------------------------- atau s = -------------- atau s = ---------------
∑f - 1 ∑f - 1 n
Contoh :
Distribusi Frekuensi Nilai Ujian Statistik II IKIP PGRI Semester VI
Prodi PKO tahun akademik 2015 adalah sebagai berikut
No. Nilai f Titik Tengah fx X2 fx2
Interval ( x)
1. 60 -- 64 2 62 124 3844 7688
2. 65 -- 69 6 67 402 4489 26934
3. 70 -- 74 15 72 1080 5184 77760
4. 75 -- 79 20 77 1540 5929 118580
5. 80 -- 84 16 82 1312 6724 107584
6. 85 -- 89 7 87 609 7569 52983
7. 90 -- 94 4 92 368 8464 33856
f = 70 fx = 5435 fx2 = 425385
( ∑ f x )2 ( 5435 )2
∑ fx2 - --------------- 425385 - ----------
∑f - 1 70 - 1
Ón – 1 = --------------------------- = ------------------------- = 49,64 = 7,045

∑f - 1 70 - 1
Dari data tersebut dapat dicari dengan rumus yang berbeda yaitu :
∑ fx2
S = ------------
∑f - 1
Rumus data kelompok jumlah kecil dan jumlah besar adalah :

_
∑fi ( xi - x )2
S = ---------------- data jumlah kecil
n
_
∑fi ( xi - x )2
S = ---------------- data jumlah besar
n - 1
Distribusi Frekuensi Nilai Ujian Statistik II IKIP PGRI Semester VI

Prodi PKO tahun akademik 2015 adalah sebagai berikut
No. Nilai f Batas Kelas (x - x ) X2 fx2
Interval ( x) x
1. 60 -- 64 2 64,5 -15 225 450
2. 65 -- 69 6 69,5 -10 100 600
3. 70 -- 74 15 74,5 -5 25 375
4. 75 -- 79 20 79,5 0 0 0
5. 80 -- 84 16 84,5 5 25 400
6. 85 -- 89 7 89,5 10 100 700
7. 90 -- 94 4 94,5 15 225 900
2 2
f = 70 X = 556,5 0 X = 700 fx = 3425
556,5
Rata-rata ( x ) = ---------- = 79,5
70
3425
Jadi Standar Deviasi ( s ) = ------------- = 49,64 = 7,045
70 - 1
Variance
Variance ( Varians ) adalah kuadrat dari simpangan baku .
Fungsinya untuk mengetahui tingkat penyebaran atau variasi data.
Simbol Varians Populasi ( Ó2 atauÓ2n ) ( sedangkan untuk sampel ( s atau Ó2 n -1 )
Dari data tersebut di atas s = 7,045 , maka varians ( s ) = 49,64
ANGKA BAKU
Untuk membandingkan dua keadaan atau lebih pada umumnya dalam statistika
diperlukan rata-rata dan simpangan baku .
Contoh : Untuk membandingkan dua usaha misalnya A penjualan sayur mayor dan si
B mengenai penjualan alat tulis kantor . Jika dalam suatu bulan tertentu A telah
memperoleh keuntungan tertentu yaitu Rp.13.000.000,- dan B memperoleh
keuntngen Rp.8 000.000,-. Dari hasil penjualan tersebut diketahui untu A rata-rata
penjualannya Rp. 10.000.000,- dan Simpangan bakunya Rp.2.500.000,- Sedangkan
untuk B rata-ratanya Rp. 6.500.000,- dan Simpangan bakunya Rp.1.000.000,- Hasil
tersebut belum bias dipakai untuk membuat kesimpulan dari dua usaha karena
jenisnya berbeda . Agar dapat dibandingkan digunakan bilangan yang tidak punya
satuan yang disebut Angka Baku yang Rumusnya adalah :
( nilai data - ( rata-rata )
Z = -----------------------------------
Simpangan Baku
Dari kedua usaha tersebut dapat dicari nilai perbndingannya sebagai berikut :
13.000.000 - 10.000.000
Hasil usaha A = ---------------------------------------- = 1,2
2.500.000
8.000.000 - 6.500.000
Hasil usaha B = ------------------------------------- = 1,5
1.000.000
Dari hasil perhitungan tersebut bahwa usaha B lebih berhasil dibandingkan usaha A
sebab 1,5 > 1,2
UKURAN VARIASI RELATIF
Ketika kita melakukan pengukuran – pengukuran maka kita akan mengharapkan hasil-
hasil yang teliti dalam suatu pengukuran diperlukan suatu ketelitian sehingga
simpangan bakunya kecil bahkan mendekati nilai nol . Jika kita mengadakan
pengukuran dua jenis barang dengan berat yang bebeda makaakan terdapat
simpangan baku yang berbeda . Oleh karena itu kita perlu membuat perbandingan
ukuran variasi dalam bentuk relative yang dinamakan Koefisien Variasi KV dengan
Rumus :
Simpangan Baku
KV = -------------------------- X 100%
Rata – rata hitung
Contoh :
Dengan menggunakan mesin A , suatu proses pembuatan barang menghasilkan
diameter rata-rata 5,75 cm sedangkan simpangan bakunya 0,825 cm . Jika mesin B
yang digunakan , maka pruduksi barang tersebut mempunyai diameter rata-rata 7,75
cm dengan simpangan bakunya 1,005 cm . Hitunglah dengan mesin manakah proses
tersebut mempunyai hasil barang dengan diameter yang lebih seragam.
Jawab : 0,825
KV mesin A = -------------- X 100% = 14,35
5,75
1,005
KV mesin B = --------------- X 100% = 12,0%
7,75
Dari hasil tersebut ternaya dengan mesin B diameter barang hasilnya lebih seragam.
CHI – KUADRAT
Metode Chi-Kuadrat ( X2 ) digunakan untuk mengadakan pendekatan ( mengestimate
) dari beberapa faktor atau mengevaluasi frekuensi yang diselidiki atau frekuensi hasil
observasi ( fo ) dengan frekuensi yang diharapkan ( fe ) dari sampel apakah terdapat
hubungan atau perbedaan yang signifikan atau tidak. Untuk mengetahui dan
mengatasi permasalahan, maka diadakan teknik pengujian yang dinamakan pengujian
X2.
Metode X2 menggunakan data nominal ( deskrit ) , sedangkan besarnya nilai X 2 bukan
merupakan ukuran derajat hubungan atau perbedaan.
Cara menguji X2 pertama dibuat hipotesis berbentuk kalimat, tetapkan tingkat
signifikan, hitung nilai X2 selanjutnya buat kaidah atau keputusan yaitu jika :
X2hitung ≥ X2tabel maka tolak Ho artinya signifikan. Cari X 2tabel dengan menggunakan
Tabel X2 kemudian buatlah perbandingan antara X2hitung dengan X2tabel dan yang
terakhir kesimpulan.
Rumus X2 : Keterangan :
( fo - fe )2 X2 = Nilai Chi - Kuadrat
X2 = ∑ --------------- fo = frekuensi yang diobservasi
fe fe = frekuensi yang diharapkan
Rumus untuk mencari fe : Keterangan :

( ∑fk ) . ( ∑fb ) fe = frekuensi yang diharapkan
fe = ------------------- ∑fk = jumlah frekuensi pada kolom
∑T ∑fb = jumlah frekuensi pada baris
∑ T = jumlah keseluruhan baris atau kolom
Contoh :
Mahasiswa IKIP PGRI mengadakan penelitian kediplinan siswa, pegawai Tata Usaha
dan Guru di jenjang SMA Negeri Kota Samarinda. Sampel diambil secara acak
sebanyak 725 orang terdiri dari siswa = 275 orang, Guru = 250 orang dan Pegawai
Tata Usaha = 200 orang.
Frekuensi Observasi dari 725 orang tentang kedisiplinan sekolah
Obyek Observ. Pelaksanaan Kedisiplinan Sekolah Total
Tinggi Cukup Rendah
( 100 – 85 ) ( 84 – 66 ) ( 65 – 0 )
Siswa 150 75 50 275
Guru 75 150 25 250
Tata Usaha 150 25 25 200
Jumlah 375 250 100 725
Langkah – langkah menjawab :

1. Membuat Ha dan Ho dalam bentuk kalimat
Ha : Ada perbedaan yang signifikan antara Siswa, Guru dan Pegawai Tata
Usaha dalam pelaksanaan kedisiplinan sekolah .
Ho : Tidak ada perbedaan yang signifikan antara Siswa, Guru dan Pegawai Tata
Usaha dalam pelaksanaan kediplinan sekolah.
2. Mencari frekuensi yang diharapkan ( fe ) dengan rumusnya.
( ∑fk ) . ( ∑fb )
fe = -------------------
∑T
375 x 275 250 x 275 100 x 275
= ------------- = 142,24 . -------------- = 94,83. ----------------- = 37,93
725 725 725
375 x 250 250 x 250 100 x 250

-------------- = 129,31 --------------- = 86,21 ------------------ = 34,48
725 725 725
375 x 200 250 x 200 100 x 200

----------------= 103,45 --------------- = 68,96 ----------------- = 27,59
725 725 725
3. Mencari Chi-Kuadrat ( X2 ) dengan rumus :

( fo - fe )2
X2 = ∑ -------------
fe
(150 – 142,24)2 (75 – 94,83)2 (50 – 37,93)2
= --------------------- = 0,42. ----------------- = 4,15. ----------------- = 3,84
142,24 94,83 37,93
(75 – 129,31)2 (150 – 86,21)2 (25 – 34,48)2

= --------------------- = 22,81. ------------------- = 47,2. ------------------ = 2,61
129,31 86,21 34,48
(150 – 103,45)2 (25 – 68,96)2 (25 – 27,59)2

= -------------------- = 20,95 ------------------ = 28,02 . ---------------- = 0,24
103,45 68,96 27,59
2
X = 0,42 + 4,15 + 3,84 + 22,81 + 47,2 + 2,61 + 20,95 + 28,02 + 0,24
= 130,24.
4. Mencari X2tabel dengan rumus :
Dk = (k – 1). (b – 1)
= (3 – 1 ). (3 – 1) = 2 x 2 = 4
Nilai X2tabel, untuk α 0,01 = 13,28 dan α 0,05 = 9,49
Kemudian membandingkan antara X2hitung dengan X2tabel
Jika X2hitung ≥ X2tabel , maka tolak Ho artinya sgnifikan dan X2hitung ≤ X2tabel
Maka terima Ho artinya tidak signifikan.
Dari hasil perhitungan ternyata X2hitung > X2tabel atau 130,24 > 13,28 , maka
Ho ditolak artinya signifikan.
5. Membuat Kesimpulan
Jadi terdapat perbedaan yang signifikan antara Siswa, Guru dan Pegawai Tata
usaha dalam pelaksanaan tingkat kedisiplinan, dari data tersebut ternya ta
pegawai tata usaha dalam melaksanakan kedisiplinan kerja lebih baik dan
mentaati peraturan yang berlaku.
CARA MENCARI TABEL CHI - SQUARE / CHI – KUADRAT ( X )
dk Taraf signifikan
50% 30% 20% 10% 5% 1%
1. 0,455 1,074 1,642 2,706 3,841 6,635
2. 1,386 2,408 3,219 4,605 5,991 9,210
3. 2,366 3,665 4,642 6,251 7,815 11,341
4. 3,357 4,878 5,989 7,779 9,488 13,277
5. 4,351 6,064 7,289 9,236 11,070 15,086
6. 5,348 7,231 8,558 10,645 12,592 16,812
7. 6,346 8,383 9,803 12,017 14,067 18,475
8. 7,344 9,524 11,030 13,362 15,507 20,090
9. 8,343 10,656 12,242 14,684 16,919 21,666
10. 9,342 11,781 13,442 15,987 18,307 23,209
Dst.
Tugas Individu
Sebuah penelitian dilakukan terhadap 250 orang pemirsa tayangan olah raga
di TV. Dalam angket tersebut dinyatakan manakah stasiun TV yang paling
favorit menurut mereka. Data hasil penelitian sebagai berikut :
Frekuensi hasil penelitian dari 250 orang Pemirsa TV
Stasiun TV Stasiun TV Yang Paling Favorit Total
RCTI 80 25 10 115
SCTV 25 40 25 90
METRO 20 10 15 45
TOTAL 125 75 50 250
Tentukan dengan uji hipotesis :

Ha : Masyarakat memiliki minat yang berbeda terhadap 3 stasiun TV.
Ho : Masyarakat memiliki minat yang sama terhadap 3 stasiun TV.
KORELASI
KORELASI SPEARMAN RANK
Metode Korelasi Spearman Rank ( rho ) atau korelasi berjenjang , korelasi
berpangkat ditulis dengan notasi ( rs ). Metode ini dikemukakan oleh Carl
Spearman tahun 1904.
Kegunaannya untuk mengukur tingkat atau eratnya hubungan antara dua
variabel yaitu variabel bebas dan variabel terikat yang berskala ordinal,
mengetahui tingkat kecocokan dari dua variabel terhadap grup yang sama,
mendapatkan validitas empiris ( concusrent validity ) alat pengumpul data dan
mengetahui reliabilitas ( keajekan ) alat pengumpul data yang dimodifikasi
dengan William Brown , sehingga menghasilkan rumus baru Spearman –
Brown ( r11 ) = 2r; 1 + 2r.
Metode Korelasi Spearman Rank tidak terikat oleh asumsi bahwa populasi
yang diselidiki harus berdistribusi norma, populasi sampel yang diambil sebagi
sampel maksimal 5 < n < 30 pasang, data diubah dari data interval
menjadi data ordinal.
Rumus Korelasi Spearman Rank :
6 ∑ d2 Keterangan :
rs = 1 - ----------------- rs = Nilai Korelasi Spearman Rank
n ( n2 - 1 ) d2 = Selisih setiap pasangan rank
n = Jumlah pasangan rank
Untuk mencari signifikan digunakan rumus Z hitung :
rs
Zhitung = ---------------
1
-------------
√ n–1
Penerapan Korelasi Spearman Rank , buat hipotesis berbentuk kalimat ,
kemudian buat tabel untuk merangking dan hitung nilai rs. Selanjutnya
tetapkan taraf signifikan dan carilah nilai tabel r Spearman.
Buat keputusan , bandingkan Zhitung > Ztabel , maka tolak Ho ( signifikan ).
Terakhir adalah membuat kesimpulan.
Contoh :
Seorang dosen IKIP PGRI Kalimantan Timur mengadakan penelitian terhadap
10 mahasiswa PKO semester VI tahun 2015. Dalam penelitian untuk
mengetahui apakah terdapat hubungan antara motivasi belajar dengan
prestasi belajar mahasiswa tarap signifikan 5%. Data motivasi belajar (X) dan
prestasi belajar (Y). Datanya adalah sebagai berikut :
X : 70, 60, 55, 50, 89, 85, 75, 95, 90, 92
Y : 50, 50, 40, 90, 80, 70, 65, 65, 80, 50
1. Membuat Ha dan Ho dalam bentuk kalimat :
Ha : Ada hubungan yang signifikan antara motivasi belajar dengan pres-
tasi belajar mahasiswa IKIP PGRI Kalimantan Timur tahun 2015.
Ho : Tidak ada hubungan yang signifikan antara motivasi belajar dengan
Prestasi belajar mahasiswa IKIP PGRI kalimantan Timur tahun 2015
2. Membuat Ha dan Ho dalam bentuk statistik :
Ha : r ≠ 0
Ho : r = 0
3. Membuat tabel untuk menghitung ranking:
No. Nama Mahasiswa Nilai Rank (X) Nilai Rank (Y) X - Y
Motoivasi Prestasi (d2)
Belajar Belajar
1. Riduwan 70 7 50 8 -1 1
2. Khozali 60 8 50 8 0 0
3. Fatimah 55 9 40 10 -1 1
4. Rahman 50 10 90 1 9 81
5. Deden 89 4 80 2,5 1,5 2,25
6. Asep 85 5 80 2,5 2,5 6,25
7. Cecep 75 6 70 3 3 9
8. Maria 95 1 65 5,5 -4,5 20,25
9. Eny 90 3 65 5,5 -2,5 6,25
10. Udin 92 2 50 8 -6 36
Jumlah 163
4. Mencari rs hitung :
6 ∑ d2 6 x 163 978
rs = 1 - ----------------- = 1 - ------------------ = 1 - ------- = 0,012
n ( n2 - 1 ) 10.( 102 – 1 ) 990
5. Mencari Nilai rstabel Spearman :
Dengan α = 0,05 dan n = 10 maka rs tabel = 0,648, hasil dibandingkan
dengan rs hitung . Sehingga diketahui bahwa rshitung < rstabel atau
0,012 < 0,648, maka Ho diterima dan Ha ditolak.
6. Mencari Zhitung dengan rumus :
rs 0,012 0,012
Zhitung = ------------ = ---------- = ------------- = 0,036
1 1 0,33
------------ ----------
√( n – 1) √ ( 10 – 1 )
Dengan tingkat signifikan 5% , harga Ztabel pada Kurve Normal
Z(0,5)-1/2 (0,05) = Z0,475. Harga dalam kurve normal 0,475, maka harga Ztabel
= 1,96. Jika Zhitung ≥ Ztabel , maka tolak Ho artinya signifikan dan jika
Zhitung ≤ Ztabel , maka terima Ho artinya tidak signifikan.
Ternyata Zhitung < Ztabel atau 0,036 < 1,96, Ho diterima, sehingga
tidak ada hibungan yang signifikan antara motivasi belajar dengan prestasi
belajar mahasiswa.
Penelitian ini bermakna bahwa hubungan motivasi belajar dengan
prestasi belajar mahasiswa IKIP PGRI Kalimantan Timur tahun 2015
adalah tidak ada hubungannya atau tidak ada korelasi yang signifikan.
Cara membuat ranking data dari contoh di atas adalah sebagai berikut :
Diketahui data : 70, 60, 55, 50, 89, 85, 75, 95, 90, 92
Disusun urut dari yang terbesar sampai yang terkecil atau sebaliknya maka urutannya
adalah sebagai berikut : 95, 92, 90, 89, 85, 75, 70, 60, 55, 50 ( data X )
Untuk data (Y) adalah : 50, 50, 40, 90, 80, 80, 70, 65, 65, 50
Disusun urut sebagai berikut : 90,80,80,70, 65,65, 50, 50, 50, 40.
Jika dibuat tabel ranking adalah sebagai berikut :
No. Data ( X ) Ranking Data ( Y ) Proses Ranking Ranking
1. 95 1 90 - 1
2. 92 2 80 (2+3):2=2,5 2,5
3. 90 3 80 2,5
4. 89 4 70 - 4
5. 85 5 65 (5+6):2=5,5 5,5
6. 75 6 65 5,5
7. 70 7 50 (7+8+9):3=8 8
8. 60 8 50 8
9. 55 9 50 8
10. 50 10 40 - 10
Tugas untuk dikerjakan dirumah :

Diketahui data pemberian insetif Guru (X) dan produktivitas kerjanya (Y) di Diknas
Pendidikan Kota A.
Data (X) : 85, 74, 76, 90, 85, 87, 94, 98, 81, 91, 76, 74
Data (Y) : 65, 60, 55, 65, 55, 70, 65, 70, 55, 70, 55, 50
Buktikan data tersebut apakah ada korelasinya dan signikan, kerjakan seperti
contohnya.
KORELASI PEARSON PRODUCT MOMENT
Analisis korelasi Pearson Product Moment terdapat 9 macam jenisnya :
1. Korelasi Pearson Product Moment ( r )
2. Korelasi Ratio ( λ )
3. Korelasi Spearman Rank atau Rho ( r s atau ρ )
4. Korelasi Berserial ( rb )
5. Korelasi Poin Berserial ( rpb )
6. Korelasi Phi ( Ф )
7. Korelasi Tetrachoric ( rt )
8. Korelasi Kontigency ( C )
9. Korelasi Kendall’s ( δ )
Dari 9 jenis korelasi tersebut penggunaannya tergantung pada data yang
dihubungkan, dan yang akan dibahas adalah teknik analisis korelasi Pearson
Product Moment ( r ).
Kegunaannya untuk mengetahui derajat hubungan dan kontribusi variabel
bebas ( independent ) dengan variabel terikat ( dependent ). Teknik analisis
Korelasi PPM termasuk teknik statistik parametrik yang menggunakan data
interval dan ratio dengan persyaratan tertentu.
Rumus yang digunakan Korelasi PPM :
n ( ∑XY ) - ( ∑X ). ( ∑Y )
rxy = -----------------------------------------------------------
{ n. ∑X2 - ( ∑X )2 }.{ n.∑Y2 - ( ∑Y )2 }
Korelasi PPM dilambangkan ( r ) dengan ketentuan nilai ( -1 ≤ r ≤ 1 )

Apabila nilai r = -1 artinya korelasinya negatif sempurna, r = 0 artinya tidak ada
korelasi dan r = 1 berarti korelasinya sangat kuat.
Tabel Interprestasi Nilai r sebagai berikut :
Interval koefisien Tingkat Hubungan
O,80 - 1,000 Sangat Kuat
0,60 - 0,799 Kuat
0,40 - 0,599 Cukup Kuat
0,20 - 0,399 Rendah
0,00 - 0,199 Sangat Rendah
Selanjutnya untuk menyatakan besar kecilnya sumbangan variabel X terhadap

Y dapat ditentukan dengan rumus koefisien diterminan :
KP = r2 x 100% Dimana KP = Nilai Koefisien Diterminan
r = Nilai Koefisien Korelasi
Pengujian lanjutan yaitu uji signifikansi yang berfungsi jika peneliti ingin mencari
makna hubungan variabel X terhadap Y , maka hasil korelasi PPM tersebut diuji
dengan Uji Signifikansi dengan rumus :
r √ n - 2 Dimana thitung = Nilai t
thitung = ------------------------ r = Nilai Koefisien Korelasi
√ 1–r 2
n = Jumlah sampel
Contoh :
“Hubungan motivsi dengan kinerja guru”
Motivasi (X) : 60, 70, 75, 65, 70, 80, 75, 85, 90, 70, 85, 60
Kinerja (Y) : 450, 475, 450, 470, 475, 455, 475, 470, 485, 480, 475, 480
Pertanyaan :
a. Berapakah besar hubungan motivasi dengan kinerja guru ?
b. Berapakah besar sumbangan ( kontribusi ) motivasi dengan kinerja guru ?
c. Buktikan apakah ada hubungan yang signifikan motivasi dengan kinerja guru
Jawaban :
Ha : Ada hubungan yang signifikan motivasi dengan kinerja guru.
Ho : Tidak ada hubungan yang signifikan motivasi dengan kinerja guru
2. Membuat Ha dan Ho dalam bentuk statistik
Ha : r ≠ 0
Ho : r = 0
3. Membuat tabel untuk menghitung Korelasi PPM
No. Motivasi (X) Kinerja (Y) X2 Y2 XY
1. 60 450 3600 202500 27000
2. 70 475 4900 225625 33250
3. 75 450 5625 202500 33750
4. 65 470 4225 220900 30550
5. 70 475 4900 225625 33250
6. 60 455 3600 207025 27300
7. 80 475 6400 225625 38000
8. 75 470 5625 220900 35250
9. 85 485 7225 235225 41225
10. 90 480 8100 230400 43200
11. 70 475 4900 225625 33250
12. 85 480 7225 230400 40800
Jumlah 885 5640 66325 2652350 416825
4. Mencari rhitung dengan rumus :

n ( ∑XY ) - ( ∑X ). ( ∑Y )
rxy = -----------------------------------------------------------
{ n. ∑X2 - ( ∑X )2 }.{ n.∑Y2 - ( ∑Y )2 }
12 ( 416825 ) - ( 885 ) . ( 5640 )
= ---------------------------------------------------------------------------
{12. ( 66325 ) – ( 885 )2 } . { 12.( 2652350 ) – ( 5640 )2 }
10500 10500
rxy = ------------------------------ = ------------------- = 0,684
√ 235755000 15354,32
5. Mencari besarnya sumbangan (kontribusi) variabel X terhadap Y
Rumusnya : KP = r2 x 100% =( 0,684)2 x 100% = 46,79%
Artinya motivasi memberikan kontribusi terhadap kinerja guru sebesar 46,79 %
dan 53,21% ditentukan oleh variabel lain.
6. Menguji signifikan dengan rumus thitung :
r √ n - 2 0,684 √12 - 2 2,16
thitung = --------------------------- = ---------------------- = ---------- = 2,963
√ 1–r 2
√ 1 – (0,684)2 0,729
Kaidah pengujian :
Jika thitung ≥ ttabel , maka tolak Ho artinya signifikan dan
thitung ≤ ttabel , terima Ho artinya tidak signifikan
Berdasarkan perhitungan di atas , α = 0,05 dan n = 12, uji dua pihak
dk = n – 2 = 12 – 2 = 10 sehingga diperoleh ttabel = 2,228.
Ternyata thitung lebih besar dari ttabel , atau 2,963 > 2,228, maka Ho ditolak
sehingga ada hubungan yang signifikan motivasi dengan kinerja guru.
7. Membuat Kesimpulan:
a. Berapakah besar hubungan motivasi dengan kinerja guru ?
Besarnya hubungan rxy = 0,684 kategori kuat.
b. Berapakah besar sumbangan (kontribusi) motivasi dengan kinerja guru ?
KP = r2 x 100% = (0,684)2 x 100% = 46,79%. Artinya motivasi memberikan
kontribusi terhadap kinerja guru sebesar 46,79% dan sisanya 53,21%
ditentukan oleh variabel lain.
c. Buktikan apakah ada hubungan yang signifikan motivasi dengan kinerja guru
Terbukti bahwa ada hubungan yang signifikan motivasi dengan kinerja guru.
Ternyata thitung lebih besar dari ttabel, atau 2,963 > 2,228 , maka Ho ditolak
artinya ada hubungan yang signifikan motivasi dengan kinerja guru.
TUGAS UNTUK DIKERJAKAN SECARA INDIVIDU

Berikut ini terdapat data hasil survey sebanyak 20 orang mahasiswa antara motivasi
dan prestasi, datanya dalam tabel sebagai berikut
Kode Motivasi ( X ) Prestasi ( Y )
Responden
1. 38 60
2. 45 50
3. 46 62
4. 30 40
5. 53 68
6. 54 59
7. 61 79
8. 50 69
9. 52 65
10. 51 70
11. 69 89
12. 53 79
13 75 82
14 58 67
15 78 79
16 77 68
17 80 81
18 69 76
19 75 78
20 68 73
Pertanyaan !
a. Berapa besar koefisien korelasinya ?
b. Berapa besar sumbangan antar variabel ?
c. Buktikan apakah ada hubungan yang sifnifikan antara motivasi mahasiswa
dengan prestasi , jika α = 0,05 ?
KORELASI GANDA
Analisis Korelasi Ganda berfungsi untuk mencari besarnya hubungan dan kontribusi
dua variabel bebas (X) atau lebih secara simultan ( bersama-sama ) dengan variabel
terikat (Y) .
Rumus Korelasi Ganda :
r2x1.y + r2x2.y - 2( rx1.y).( rx2.y ).( rx1.x2 )
Rx1.x2.y = ------------------------------------------------
1 - r2x1.x2
Kemudian untuk mengetahui signifikansi korelasi ganda dicari dulu F hitung selanjutnya
dibandingkan dengan Ftabel .
R2 Keterangan :
----- R = Nilai Koefisien Korelasi Ganda
K k = Jumlah Variabel Bebas ( Independent )
Fhitung = ----------------- n = Jumlah Sampel
2
(1–R ) Fhitung = Nilai F yang dihitung
-------------
n–k -1
Kaidah Pengujian Signifikansi :
Jika Fhitung ≥ Ftabel , maka tolak Ho artinya signifikan dan jika Fhitung ≤ Ftabel terima
Ho artinya tidak signifikan.
Cari nilai Ftabel menggunakan Tabel F taraf sifnifikan α = 0,01 atau α =0,05
Ftabel = F( 1 - α)(dk=k), (dk=n-k-1)
Langkah – langkah pengerjaan :
2. Membuat Ha dan Ho dalam bentuk statistik
3. Membuat tabel untuk menghitung Korelasi Ganda
4. Mencari rhitung dengan cara memasukan kerumus :
n( ∑ X1.Y ) - ( ∑ X1 ). (∑ Y )
rx1.y = ----------------------------------------------------
{ n. ∑ X21 - ( ∑X1 )2 } . { n. ∑ Y2 - ( ∑ Y )2 }
n( ∑ X2.Y ) - ( ∑ X2 ). (∑ Y )
rx2.y = ----------------------------------------------------
{ n. ∑ X22 - ( ∑X2 )2 } . { n. ∑ Y2 - ( ∑ Y )2 }
Dari hasil korelasi kemudian dimasukan pada rumus korelasi ganda (R) :
r2x1.y + r2x2.y - 2 (rx1.y).(rx2.y).(rx1.x2)

Rx1.x2.y = --------------------------------------------------
1 - r2x1.x2
Selanjutnya menguji signifikansi dengan rumus F hitung :

R2 Keterangan :
----- R = Nilai Koefisien Korelasi Ganda
K k = Jumlah Variabel Bebas ( Independent )
Fhitung = ----------------- n = Jumlah Sampel
( 1 – R2 ) Fhitung = Nilai F yang dihitung
-------------
n–k -1

Jika Fhitung ≥ Ftabel , maka tolak Ho artinya signifikan dan jika F hitung ≤ Ftabel terima
Ho artinya tidak signifikan.
Cari nilai Ftabel menggunakan Tabel F taraf sifnifikan α = 0,01 atau α =0,05
Ftabel = F( 1 - α)(dk=k), (dk=n-k-1)
Langkah berikutnya adalah membuat kesimpulan.
Contoh :
Judul Penelitian “ Hubungan kepuasan kerja dan disiplin kerja terhadap produktivitas
kerja karyawan Perusahaan B di Kota Samarinda tahun 2018”.
Dari judul penelitian telah diperoleh data melalui kuesioner yang diambil secara
random 64 karyawan Perusahaan yaitu :
a. Variabel kepuasan kerja (X1)
b. Variabel disiplin kerja (X2)
c. Variabel produktivitas kerja (Y)
d. Sampel sebanyak (n) = 64 orang dengan taraf sinifikan α = 0,05
Buktikan apakah ada hubungan yang signifikan variabel X1 , X2 terhadap Y !
Data penelitian untuk variabel X1, X2 dan Y.
No. X1 X2 Y X12 X22 Y2 X1Y X2Y
1. 48 97 61 2304 9409 3721 2928 5917
2. 47 77 40 2209 5929 1600 1880 3080
3. 47 99 48 2209 9801 2304 2256 4752
4. 41 77 54
5. 41 77 34
6. 42 55 48
7. 61 88 68
8. 69 120 67
9. 62 87 67
10. 65 87 75
11. 48 50 56
12. 52 87 60
13. 47 87 47
14. 47 87 60
15. 47 81 61
16. 41 55 47
17. 55 88 68
18. 75 98 68
19. 62 87 74
20. 68 87 75
21. 48 44 55
22. 49 94 61
23. 48 77 46
24. 54 55 61
25. 54 76 58
26. 48 65 50
27. 61 90 68
28. 54 119 75
29. 68 119 75
30. 68 98 75
31. 47 55 61
32. 41 66 54
33. 42 67 50
34. 41 58 61
35. 55 90 47
36. 68 77 68
37. 61 99 82
38. 61 109 67
39. 54 76 69
40. 48 75 55
41. 40 77 48
42. 34 67 47
43. 48 68 47
44. 38 67 55
45. 55 89 61
46. 62 87 61
47. 68 87 68
48. 56 87 65
49. 38 65 70
50. 61 98 75
51. 68 105 61
52. 60 78 54
53. 55 77 60
54. 27 66 55
55. 48 66 55
56. 40 55 47
57. 40 78 56
58. 48 79 54
59. 38 75 69
60. 57 98 74
61. 68 98 68
62. 61 87 66 3721 7569 4356 4026 5742
63. 35 87 61 1225 7569 3721 2135 5307
64. 40 77 69 1600 5929 4761 2760 5313
∑ 3320 5198 3871 179456 439670 240426 204514 320416

Ringkasan dari tabel :
n ( jumlah data ) = 64 ∑ X22 = 439670
∑ X1 = 3320 ∑ Y2 = 240426
∑ X2 = 5198 ∑ X1Y = 204514
∑Y = 3871 ∑ X2Y = 320416
∑ X1 2
= 179456
Ha : Terdapat hubungan yang signifikan antara kepuasan kerja dan disiplin kerja
secara simultan terhadap produktivitas kerja karyawan Perusahaan B di Kota
Samarinda tahun 2014.
Ho : Tidak terdapat hubungan yang signifikan antara kepuasan kerja dan disiplin
Kerja secara simultan terhadap produktivitas kerja karyawan Perusahaan B
Di Kota Samarinda tahun 2018x.
Ha : r ≠ 0
Ho : r = 0
3. Menghitung Nilai Korelasi X1 terhadap Y
n( ∑ X1.Y ) - ( ∑ X1 ). (∑ Y )
rx1.y = ----------------------------------------------------
{ n. ∑ X21 - ( ∑X1 )2 } . { n. ∑ Y2 - ( ∑ Y )2 }
64(204514) – (3320). (3871)

rx1.y = ------------------------------------------------------------------------ = 0,549
{ 64.(179456) – (3320)2 } . { 64. (240425) – (3871)2 }
4. Menghitung Nilai Korelasi X2 terhadap Y
n( ∑ X2.Y ) - ( ∑ X2 ). (∑ Y )
rx2.y = ----------------------------------------------------
{ n. ∑ X22 - ( ∑X2 )2 } . { n. ∑ Y2 - ( ∑ Y )2 }
64.(320410) – (5198).(3871)
rx2y = ------------------------------------------------------------------------ = 0,574
{ 64.(439670) – (5198)2 } . { 64.(240425) – (3871)2 }
4. Menghitung Nilai Korelasi X1 dengan X2
Ringkasan Statistik X1 dengan X2
n ( jumlah data ) = 64 ∑ X22 = 439670
∑ X1 = 3320 ∑ Y2 = 240426
∑ X2 = 5198 ∑ X1Y = 204514
∑ Y = 3871 ∑ X2Y = 320416
∑ X12 = 179456 ∑ X1X2 = 276596
n( ∑ X1.X2 ) - ( ∑ X1 ). (∑ X2 )
rx1.x2 = -----------------------------------------------------------
{ n. ∑ X12 - ( ∑X1 )2 } . { n. ∑ X22 - ( ∑ X2 )2 }
64(276596) – (3320).(5198)
= --------------------------------------------------------- = 0,618
64(179456) – (3320)2 . 64(439670) – (5198)2
5. Mencari Nilai Korelasi antar Variabel dan korelasi ganda ( r x1.x2.y )
Ringkasan hasil Korelasi
Simbol Statistik Nilai Statistik
rx1.y 0,549
rx2.y 0,574
rx1.x2 0,618
Dari hasil ketiga korelasi kemudian dimasukkan pada rumus Korelasi Ganda (R):
r2x1.y + r2x2.y - 2 (rx1.y).(rx2.y).(rx1.x2)

Rx1.x2.y = --------------------------------------------------
1 - r2x1.x2
( 0,549)2 + ( 0,574 )2 – 2.(0,549) . (0,574 ) . (0,618)
Rx1.x2.y = -------------------------------------------------------------------
1 - ( 0,618 )2
0,63 - 039 0,24
Rx1.x2.y = ------------------ = ---------- = 0,62
0,62 0,62
Hubungan kepuasan kerja dan disiplin kerja secara simultan terhadap produktivitas
karyawan Perusahaan B Kota Samarinda tahun 2018 tergolong tinggi atau kuat yaitu
0,62. Sedangkan kontribusinya secara simultan R2 x 100% = 0,622 x 100% = 38,44%
dan sisanya 61,56% ditentukan oleh varibel lain.
6. Menguji signifikansi dengan rumus Fhitung :
R2 ( 0,62 )2
----- -----------
K 2 0,1922
Fhitung = --------------- = -------------- = -------- = 19,22
( 1 – R2 ) (1 – 0,622 ) 0,01
------------- ---------------
n–k -1 64 – 2 – 1
Kaidah pengujian signifikansi :
Jika Fhitung ≥ Ftabel , maka tolak Ho artinya signifikan dan apabila
Fhitung ≤ Ftabel , terima Ho artinya tidak signifikan.
Dengan taraf signifikan α = 0,05
Ftabel = F(1-α) (dk = k), (dk=n-k-1) = F(1-0,05) (dk=2), (dk=64-2-1) = F(0,95),(2,61)
= 3,148.
Dalam tabel yg tersedia adalah untuk pembilang 2 dan penyebut 60 serta 65 yang
angkanya 3,15 dan 3,14. Cara mencari interpolasi sebagai berkut :
Rumus mencari interpolasi : Keterangan :
( C 1 - C0 ) B = Nilai dk yang dicari
C = C0 + --------------------- B0 = Nilai dk pada awal nilai yg sudah ada
( B1 - B0 ) B1 = Nilai dk pada akhir nilai yg sudah ada
C = Nilai Ftabel yg dicari
C0 = Nilai Ftabel pada awal nilai yg sudah ada
C1 = Nilai Ftabel pada akhir nilai yg sudah ada
Dari data F diperoleh:
B = 61, B0 = 60 , B1 = 65, C0 = 3,15, C1 = 3,14, sehingga C = 3,148.
Caranya : ( C 1 - C0 ) (3,14 – 3,15)

C = C0 + ----------------- = 3,15 + ---------------- = 3,15 – 0,002 = 3,148.
( B1 - B0 ) ( 65 – 60 )
Setelah dihitung ternyata Fhitung > Ftabel atau 19,22 > 3,148 , maka tolak H0
dan terima Ha artinya terdapat hubungan yang signifikan antara kepuasan kerja
dan disiplin kerja secara simultan terhadap produktivitas kerja karyawan
Perusahaan B di Kota Samarinda tahun 2018.
TUGAS UNTUK DIKERJAKAN DI RUMAH

Sebuah penelitian dilakukan untuk mengetahui apakah ada hubungan gaya
kepepimpinan (X1) dan budaya kerja (X2) terhadap produktivitas kerja
karyawan (Y) Perusahaan A di Kota Samarinda tahun 2014. Angket disebar
kepada 40 karyawan secara random dan diperoleh data sebagai berikut :
N X1 X2 Y N X1 X2 Y
1. 60 58 45 21. 45 42 50
2. 30 33 34 22. 49 44 48
3. 78 69 70 23. 50 53 49
4. 68 70 68 24. 29 27 30
5. 50 49 48 25. 69 70 63
6. 30 29 27 26. 45 54 49
7. 40 48 46 27. 55 66 50
8. 54 54 57 28. 45 51 48
9. 58 60 60 29. 54 37 50
10. 26 34 31 30. 40 38 44
11. 78 76 74 31. 41 45 39
12. 45 42 45 32. 56 62 68
13. 47 56 55 33. 69 68 67
14. 34 42 40 34. 55 50 48
15. 57 58 56 35. 43 41 54
16. 53 53 55 36. 53 42 56
17. 77 76 70 37. 43 53 49
18. 49 45 47 38. 39 53 36
19. 59 54 55 39. 69 49 60
20. 34 32 36 40. 42 44 40
Pertanyaan :
a. Berapa besar koefisien korelasi :
1. X1 dengan Y
2. X2 dengan Y
3. X1 dengan X2
4. X1 dan X2 terhadap Y
b. Berapa sumbangan antar variabel X1 dan X2 terhadap Y
c. Buktikan , apakah ada hubungan yang signifikan secara bersama-sama gaya
kepepimpinan dan budaya kerja terhadap produktivitas kerja karyawan
Perusahaan A di Kota Samarnda tahun 2018?
REGRESI SEDERHANA
Regresi atau peramalan adalah suatu proses memperkirakansecara sistimatis
tentang apa yang paling mungkin terjadi di masa yang akan datang berdasarkan
informasi masa lalu dan sekarang yang dimiliki agar kesalahannya dapat
diperkecil . Regresi dapat juga diartikan sebagai usaha memperkirakan
perubahan.
Kegunaan regresi dalam penelitian salah satunya adalah untuk meramalkan atau
memprediksi variabel terikat (Y) apabila variabel bebas (X) diketahui. Regresi
sederhana dapat dianalisis karena didasari oleh hubungan fungsional atau
hubungan sebab akibat (kausal) variabel bebas (X) terhadap variabel terikat
(Y).Pada dasarnya analisis regresi dan analisis korelasi keduanya punya
hubungan yang sangat kuat dan mempunyai keeratan. Setiap analisis regresi
otomatis ada analisis korelasinya , tetapi sebaliknya analisis korelasi belum tentu
diuji regresi atau diteruskan dengan analisis regresi.
Analisis korelasi yang tidak dilanjutkan dengan analisis regresi adalah analisis
korelasi yang kedua variabelnya tidak mempunyai hubungan fungsional dan
sebab akibat.
Persamaan Regresi dirumuskan : Ŷ = a + bX
Ŷ = ( baca Y topi ) subyek variabel terikat yang diproyeksikan
X = Variabel bebas yang mempunyai nilai tertentu untuk diprediksi
a = Nilai konstanta harga Y jika X = 0
b = Nilai arah sebagai penentu ramalan yg menunjukkan nialai peningkatan
atau penurunan variabel Y
n. ∑ XY - ∑ X . ∑ Y ∑ Y - b.∑ X
b = ---------------------------- a = ---------------
n. ∑ X2 - ( ∑ X)2 n
Langkah – langkah penyelesaian Regresi Sederhana :

2. Membuat Ha dan Ho dalam bentuk Statistik
3. Membuat tabel untuk mengitung angka statistik
4. Memasukkan angka-angka statistik pada rumus :
n. ∑ XY - ∑ X . ∑ Y ∑ Y - b.∑ X
b = ---------------------------- a = ---------------
n. ∑ X2 - ( ∑ X)2 n
5. Mencari Jumlah Kuadrat Regresi ( JK Reg (a) dengan rumus :
( ∑Y )2
JKReg(a) = ---------
n
6. Mencari Jumlah Kuadrat Regresi ( JKReg (b/a) dengan rumus :
( ∑ X ).( ∑ Y )
JKReg(bja) = b. ∑ XY - ---------------
n
7. Mencari Jumlah Kuadrat Residu ( JKRes ) dengan rumus :
JKRes = Y2 - JKReg(b/a) - JKReg(a)
8. Mencari Rata-rata Jumlah Kuadrat Regresi ( RJK Reg (a) dengan rumus :
RJKReg (a) = JKReg (a)
9. Mencari Rata-rata Jumlah Kuadrat Regresi ( RJKReg(b/a) rumusnya :
RJKReg(b/a) = JKReg(b/a)
10. Mencari Rata-rata Jumlah Residu ( RJKRes ) rumusnya :
JkRes
RJKRes = ------------
n - 2
11. Menguji Signifikansi dengan Rumus :
RJKReg(b/a)
Fhitung = ------------------
RJKRes
Jika Fhitung ≥ Ftabel , maka tolak Ho artinya signifikan dan
Fhitung ≤ Ftabel , terima Ho artinya tidak signifikan
Dengan taraf signifikan : α = 0,01 atau α = 0,05. Kemudian cari F tabel
rumusnya Ftabel = F(1-α) ( dk Reg (b/a), (dk Res)
12. Membuat Kesimpulan.
CONTOH :JUDUL PENELITIAN “ PENGARUH PENGALAMAN KERJA TERHADAP
PENJUALAN PRODUK BARANG PADA PERSEROAN TERBATAS ( PT )
ABC DI KOTA SAMARINDA TAHUN 2018”
Data dipilih secara random, berdistribusi normal , berpola linier, data sudah
homogen dan mempunyai pasangan yang sama sesuai dengan subyeknya.
Datanya sebagai berikut :
Pengalaman Kerja (X) tahun 2 3 1 4 1 3 2 2
Penjualan Produk Barang 50 60 30 70 40 50 40 35
Pertanyaan :
a. Bagaimana persamaan regresinya ?
b. Gambarkan diagram pencarnya !
c. Gambarkan arah garis regresinya !
d. Buktikan apakah ada pengaruh yang signifikan antara pengalaman kerja (X)
terhadap penjualan produk barang (Y)!
e. Buktikan apakah data tersebut berpola linier !
Langkah – langkah menjawabnya :

Ha : “ Terdapat pengaruh yang signifikan antara pengalaman kerja terhadap
Pejualan produk barang di Kota samarinda tahun 2014”
Ho : “ Tidak terdapat pengaruh yang signifikan antara pengalaman kerja ter-
Hadap penjualan produk barang di Kota Samarinda tahun 2014”
Ha : r ≠ 0
Ho : r = 0
3. Membuat tabel untuk menghitung angka statistik :
No. X Y X2 Y2 XY
1. 2 50 4 2500 100
2. 3 60 9 3600 180
3. 1 30 1 900 30
4. 4 70 16 4900 280
5. 1 40 1 1600 40
6. 3 50 9 2500 150
7. 2 40 4 1600 80
8. 2 35 4 1225 70
Jumlah 18 375 48 18825 930
4. Masukkan angka-angka statistik dari tabel ke dalam rumus b :

n. ∑ XY - ∑X . ∑ Y 8.(930) – 18.(375) 690
b = --------------------------- = --------------------------- = -------- = 11,5
n. ∑X2 - ( ∑X )2 8.(48) - (18)2 60
∑ Y - b.∑ X 375 - 11,5.(18) 168
a = --------------- = ----------------------- = -------- = 21
n 8 8
5. Menghitung Persamaan regresi sederhana :
Ŷ = a + bX
= 21 + 11,5 X
6. Menghitung rata-rata X dan Y :
Rata-rata X = 18/8 = 2,25
Rata-rata Y = 375/8 = 46,875
7. Menguji Signifikansi :
Mencari Jumlah Kuadrat Regresi ( JkReg(a)) dengan rumus :
( ∑Y )2 (375)2 140625
JKReg(a) = --------- = -------------- = -------------- = 17578,125
n 8 8
Mencari Jumlah Kuadrat Regresi (JKReg(b/a)) dengan rumus :
( ∑ X ).( ∑ Y )
JKReg(bja) = b. ∑ XY - ---------------
N
18.(375)
= 11,5. 930 - -------------- = 991,875
8
Mencari Jumlah Kuadrat Residu (JKres) dengan rumus :
JkRes = ∑ Y2 - JkReg (b/a) - JkReg(a) = 18825 - 991,875 - 17578,125 = 255
Mencari Rata-rata Jumlah Kuadrat Regresi (RJKReg(a) ) dengan rumus :
RJKReg(a) = JKReg(a) = 17578,125
Mencari Rata-rata Jumlah Kuadrat Regresi (RJK Reg(b/a) :
RJKReg(b/a) = JKReg(b/a) = 991,875
Mencari Rata-rata Jumlah Kuadrat Residu (RJKRes) :
JkRes 225
RJKRes = ------------ = ------------ = 42,5
n - 2 8–2
Menguji Signifikan dengan rumus :

RJKReg(b/a) 991,875
Fhitung = ------------------ = ------------------ = 23,34
RJKRes 42,5
Dengan taraf signifikan : α = 0,01 atau α = 0,05. Kemudian cari F tabel
rumusnya Ftabel = F(1-α) ( dk Reg (b/a), (dk Res)
= F(1-0,05)(dk Reg (b/a)=1) (dk Res =8 2 =6)
= F(0,95) (1,6) = 5,99
Ternyata Fhitung > Ftabel, maka tolak Ho artinya signifikan.
Membuat Kesimpulan
Karena Fhitung > Ftabel maka tolak Ho dan terima Ha. Sehingga terdapat
pengaruh yang signifikan antara pengalaman kerja terhadap penjualan produk
barang di Kota Samarinda tahun 2018.
Menguji Linieritas dengan Langkah- Langkah berikut :
Mencari Jumlah Kuadrat Error (JKE) rumusnya :
( ∑ Y )2
JKE = ∑ ∑ Y2 - ----------
k n
Untuk mencari nilai JKE urutkan data X mulai dari data yang paling kecil sampai
data yang paling besar dengan pasangannya data Y. Sehingga dari data
Sehingga data tersebut pasangan X dan Y untuk mencari ( JKE ) adalah :
No. X Y Diurutkan Kelompok N Y
dari data
terkecil
hingga data
terbesar ( X )
1. 2 50 1 30
2. 3 60 1 k 1 2 40
3. 1 30 2 35
4. 4 70 2 k 2 3 40
5. 1 40 2 50
6. 3 50 3 50
7. 2 40 3 k 3 2 60
8. 2 35 4 k 4 1 70
Keterangan : n = jumlah kelompok yang sama, k = 4 kelompok
( 30 + 40 )2 ( 35 + 40 + 50 )2
JKE = 302 + 402 - -------------- + 352 + 402 + 502 - ---------------------- +
2 3
( 50 + 60 )2 (70)2
502 + 602 - ------------ + 702 - ---------
2 1
= 50 + 116,67 + 50 + 0 = 216,67
Mencari Jumlah Kuadrat Tuna Cocok (JKtc) rumusnya :
JKTC = JKRes - JKE = 225 - 216,67 = 38,33
Mencari Rata-rata Jumlah Kuadrat Tuna Cocok (RJK TC) rumusnya :
JKTC 38,33
RJKTC = -------- = ---------- = 19,165. k = jumlah kelompok = 4
k–2 4-2
Mencari Rata-rata Jumlah Kuadrat Error (RJK E) rumusnya :
JKE 216,67
RJKE = ------- = ----------- = 54,1675
n–k 8–4
Mencari nilai Fhitung rumusnya :
RJKTC 19,165
Fhitung = ---------- = -------------- = 0,35
RJKE 54,1675
Uji linieritas berbeda dengan uji signifikansi, adapun perbedaannya terletak
pada pengambilan keputusan ( kaidah pengujian ) yaitu :
Menentukan Keputusan Pengujian Signifikansi :
Jika Fhitung ≥ Ftabel , maka tolak Ho artinya Signifikan dan
Fhitung ≤ Ftabel , maka Ho artinya tidak Signifikan
Menentukan Keputusan Pengujian Linieritas :
Jika Fhitung ≥ Ftabel , maka terima Ho artinya data berpola tidak Linier
Fhitung ≤ Ftabel , maka tolak Ho artinya data berpola Linier.
Menentukan Keputusan Pengujian Linieritas
Jika Fhitung ≥ Ftabel , maka terima Ho artinya data berpola tidak Linier
Fhitung ≤ Ftabel , maka tolak Ho artinya data berpola Linier.
Taraf signifikansi (α) = 0,05
Ftabel = F(1-α)(dk TC,dk E)
= F(1 – 0,05 ) ( dk = k-2, dk=n – k )
= F( 1 – 0,05 ) ( dk = 4 – 2, dk = n – k )
= F( 1 – 0,05 ) ( dk = 4 – 2, dk = 8 – 4 )
= F( 1 – 0,05 ) ( dk = 2 , dk = 4 )
= F( 1 – 0,05 ) ( 2, 4 ) , dalam tabel dk = 2 = pembilang, dk=4 = penyebut
Ftabel = 6,94
Membandingkan Fhitung dengan Ftabel ,
Ternyata hasil yang diperoleh Fhitung < Ftabel , atau 0,35 < 6,94
Maka tolak Ho artinya data berpola Linier.
Kesimpulan variabel pengalaman kerja terhadap penjualan produk barang
berpola linier.
Tabel Ringkasan Anava Variabel X dan Y Uji Signifikansi dan berpola Linier
Sumber Derajat Jumlah Rata-rata
Variansi Kebeba Kuadrat Jumlah Fhitung Ftabel
san (dk) (JK) Kuadrat
(RJK)
Total n Y2 - Signifikan
Linier
Regresi (a) 1 JKReg (a) RJKReg (a) Keterangan :
Regresi (b/a) 1 JKReg(b/a) RJKReg(b/a)
Residu n-2 JKRes RJKRes
Tuna Cocok k – 2 JKTC RJKTC Perband. Fhitung de-
Kesalahan n-2 JKE RJKE ngan Ftabel signifikan
(Error) dan linier
Total 8 18825 - Sig.=23,24 5,99
Linie =0,35 6,94
Regresi(a) 1 17578,125 17578,125 Ket :
Regresi(b/a) 1 991,875 991,875 Perband. Fhitung dg
Residu 6 255 42,5 Ftabel Signif. Dan Linier
Tuna Cocok 2 83,33 19,165 ritas terny :
Kesalahan 4 216,67 54,1675 23,24 > 5,99
(Error) 0,35 < 6,94
REGRESI BERGANDA
Analisis Regresi Ganda adalah pengembangan dari analisis regresi sederhana
. Kegunaannya yaitu untuk meramalkan nilai variabel terikat (Y) apabila
variabel bebas minimal dua atau lebih.
Analisis Regresi Ganda adalah suatu alat analisis peramalan nilai pengaruh
dua variabel bebas atau lebih terhadap variabel terikat untuk membuktikan
ada atau tidaknya hubungan fungsi atau hubungan kausal antara dua variabel
bebas atau lebih (X1), (X2), (X3), ..., (Xn) dengan satu variabel terikat.
Persamaan Regresi Ganda rumusnya :
a. Dua Variabel Bebas : Ŷ = a + b1X1 + b2X2
b. Tiga Variabel Bebas : Ŷ = a + b1X1 + b2X2 + b3X3
c. Empat variabel Bebas : Ŷ = a + b1X1 + b2X2 + b3X3 + b4X4
d. Ke n Variabel Bebas : : Ŷ = a + b1X1 + b2X2 + .... + bnXn
Langkah-langkah penyelesaian soal Regresi Ganda
1. Membuat Ha dan Ho dalam bentuk kalimat:
2. Me,buat Ha dan Ho dalam bentuk statistik :
3. Membuat tabel untuk menghitung angka statistik
4. Menghitung nilai-nilai persamaan b1, b2 dan a dengan rumus.
∑Y = a.n + b1 ∑ X1 + b2 ∑ X2
∑X1Y = a. ∑X1 + b1 ∑ X12 + b2 ∑ X1X2
∑X2Y = a. ∑X2 + b1 ∑X1X2 + b2 ∑X22
Contoh tabel untuk dua variabel bebas.
No. X1 X2 Y X12 X22 Y2 X1Y X2 Y X1 X 2

1. ,, ,, ,, ,, ,, ,, ,, ,, ,,
2. ,, ,, ,, ,, ,, ,, ,, ,, ,,
3. ,, ,, ,, ,, ,, ,, ,, ,, ,,
- ,, ,, ,, ,, ,, ,, ,, ,, ,,
n ,, ,, ,, ,, ,, ,, ,, ,, ,,
Statistik ∑X1 ∑X2 ∑Y ∑X12 ∑X22 ∑Y2 ∑X1Y ∑X2Y ∑X1 X2
Masukkan hasil dari nilai-nilai statistik ke dalam rumus :

( ∑ X1 )2
a. ∑ x12 = ∑ X12 - -------------
n
( ∑ X2 )2
b. ∑ x22 = ∑ X22 - -----------
n
( ∑Y )2
c. ∑y2 = ∑ Y2 - ------------
n
( ∑X1 ) . ( ∑Y )
d. ∑ x1y = ∑ X1Y - -------------------
n
( ∑ X2 ). ( ∑ Y )
e. ∑ x2y = ∑ X2Y - --------------------
n
( ∑ X1 ) . ( ∑ X2 )
f. ∑ x1x2 = ∑X1X2 - --------------------
n
Kemudian masukkan hasil dari jumlah kuadrat ke persamaan b 1 , b2 dan a :
( ∑ X22 ) . ( ∑ X1Y ) - ( ∑ X1X2 ) . ( ∑ X2Y )

b1 = --------------------------------------------
( ∑ X12 ) . ( ∑ X22 ) - (∑ X1X2 )2
( X12 ) . ( X2Y ) - ( X1X2 ) . ( X1Y )
b2 = ----------------------------------------------
( ∑ X12 ) . ( ∑ X22 ) - (∑ X1X2 )2
∑Y ∑ X1 ∑ X2
a = ----- - b1 ----- - b2 ------
n n n
Selanjutnya mencari Korelasi Ganda dengan rumus :

b1. ∑ X1Y + b2.∑ X2Y
( RX1.X2.Y ) = --------------------------
∑ Y2
Kemudian mencari Nilai Kontribusi Korelasi Ganda rumusnya :

KP = ( RX1.X2.Y )2. 100%
Berikutnya Menguji Signifikansi dengan membandingkan Fhitung dengan Ftabel
rumusnya :
R2 ( n – m – 1 ) Keterangan :
Fhitung = -------------------- n = jumlah responden
m. ( 1 – R2 ) m = jumlah variabel bebas.
Dengan taraf signifikan : α = 0,01 atau α = 0,05. Kemudian cari Ftabel
Rumusnya : Ftabel : F( 1 – α ) ( dk pembilang = m ) , ( dk penyebut = n –m – 1 )
Langkah terakhir membuat kesimpulan dari hasil penelitian.
Contoh : “PENGARUH UMUR DAN TINGGI TERHADAP BERAT BADAN PASIEN DI
RUMAH SAKIT ISLAM KOTA SAMARINDA TAHUN 2018”
Data dianggap memenuhi asumsi dan persyaratan analisis, data dipilih secara
random, berdistribusi normal, berpola linier, data sudah homogen dan mempunyai
pasangan yang sama sesuai dengan subyek yang sama. Datanya sebagai berikut :
Umur (X1) tahun 9 12 6 10 9 10 7 8 11 6 10 8 12 10

Tinggi (X2) cm 125 137 99 122 129 128 96 104 132 95 114 101 146 132
Berat Badan (Y) 37 41 34 39 39 40 37 39 42 35 41 40 43 38
kg
Pertanyaan :
a. Tentukan persamaan Regresi Ganda ?
b. Buktikan apakah ada pengaruh yang signifikan antara umur, tinggi dan berat
badan ?
Jawab :
Ha : Terdapat pengaruh yang signifikan antara umur dan tinggi terhadap
berat badan di Rumah Sakit Islam Kota Samarinda tahun 2018.
Ho : Tidak terdap pengaruh yang signifikan antara umur dan tinggi terha-
dap berat badan di Rumah Sakit Islam Kota Samarinda tahun 2014.
2. Membuat Ha dan Ho dalam bentuk Statistik :
Ha : R ≠ 0
Ho : R = 0
3. Membuat tabel untuk menghitung angka statistik :
No. X1 X2 Y X12 X22 Y2 X1Y X2Y X1X2
1 9 125 37 81 15625 1369 333 4625 1125
2 12 137 41 144 18769 1681 492 5617 1644
3 6 99 34 36 9801 1156 204 3366 594
4 10 122 39 100 14884 5121 390 4758 1220
5 9 129 39 81 16641 1521 351 5031 1161
6 10 128 40 100 16384 1600 400 5120 1280
7 7 96 37 49 9216 1369 259 3552 672
8 8 104 39 64 10816 1521 312 4056 832
9 11 132 42 121 17424 1764 462 5544 1452
10 6 95 35 36 9025 1225 210 3325 570
11 10 114 41 100 12996 1681 410 4674 1140
12 8 101 40 64 10201 1600 320 4040 808
13 12 146 43 144 21316 1849 516 6278 1752
14 10 132 38 100 17424 1444 380 5016 1320
∑X1 ∑X2 ∑Y ∑X12 ∑X22 ∑Y2 ∑X1Y ∑X2Y ∑X1X2
Jumlah 128 1660 545 1220 200522 21301 5039 65002 15570
4.Hitung nilai-nilai persamaan b1, b2, dan a ke dalam rumus :
( ∑ X1 )2 (128)2
a. ∑ x12 = ∑ X12 - ------- = 1220 - ------- = 49,71
n 14
( ∑ X2 )2
(1660)2
b. ∑x22 = ∑ X22 - -------- = 200522 - --------- = 3693,43
n 14
( ∑Y ) 2
(545)2
c. ∑y2 = ∑ Y2 - ------------ = 21301 - --------- = 84,93
n 14
( ∑X1 ) . ( ∑Y ) (128).(545)
d. ∑ x1y = ∑ X1Y - ----------------- = 5039 - -------------- = 56,14
n 14
(∑ X2 ).( ∑ Y ) (1660).(545)
e. ∑ x2y = ∑ X2Y - ------------------- = 65002 - ------------ = 380,57
n 14
( ∑ X1 ).( ∑ X2 ) (128).(1660)
f. ∑ x1x2 = ∑X1X2 - ------------------ = 15570 - ---------------- = 392,86
n 14
5. Kemudian dari hasil perhitungan masukkan ke persamaan b1, b2, dan a :
( ∑ X22).( ∑ X1Y) - ( ∑ X1X2 ).( ∑ X2Y ) (3693,43).(56,14)-(392,86).(380,57)

b1 = ------------------------------------------ = ------------------------------------------------= 1,98
( ∑ X12 ) . ( ∑ X22 ) - (∑ X1X2 )2 (49,71).(3693,43) – (392,86)2
( X12 ) . ( X2Y ) - ( X1X2 ) . ( X1Y ) (49,71).(380,57)-(392,86).(56,14)

b2 = ------------------------------------------ = ----------------------------------------------- = - 0,11
( ∑ X12 ) . ( ∑ X22 ) - (∑ X1X2 )2 (49,71).(3693,43)-(392,86)2
∑Y ∑ X1 ∑ X2 545 128 1660

a = ----- - b1 ----- - b2 ------ = ------- - 1,98. ------ - (-0,11). -------- = 33,83
n n n 14 14 14
Jadi Persamaan Regresi Ganda Adalah :
Ŷ = a + b1X1 + b2X2 = 33,83 + 1,98 X1 - 0,11 X2
6.Korelasi Ganda adalah :
b1. ∑ X1Y + b2.∑ X2Y (1,98).(56,14)+(-0,11).(380,57)

( RX1.X2.Y ) = ---------------------------- = ----------------------------------------- = 0,9
∑ Y2 84,93
7.Nilai Kontribusi Korelasi Ganda dengan rumus :
KP = ( RX1,X2,Y ) . 100% = (0,9)2 . 100% = 81%
8.Menguji Signifikansi dengan membandingkan F hitung dengan Ftabel rumusnya :
R2 ( n – m – 1 ) (0,9)2 (14-2-1)
Fhitung = -------------------- = ---------------------- = 23,45
m. ( 1 – R2 ) 2.(1 – 0,92)

Dengan taraf signifikan : α = 0,05. Kemudian cari Ftabel
Rumusnya : Ftabel = F( 1 – α ) ( dk pembilang = m ) , ( dk penyebut = n –m – 1 )
= F(1 – 0,05 ) ( dk pembilang = 2, (dk penyebut = 14 – 2 – 1 )
= F( 0,95 ) ( 2 ), ( 11 )
= 3,98
Jadi hasil Ftabel = 3,98
Dari hasil perhitungan nilai Fhitung dan Pencarian Ftabel ternyata Fhitung lebih
besar dari Ftabel atau Fhitung > Ftabel yaitu 23,45 > 3,98, maka tolak Ho dan
terima Ha artinya terdapat pengaruh yang signifikan antara umur dan tinggi
terhadap berat badan di Rumah Sakit Islam Kota Samarinda tahun 2018.
TUGAS INDIVIDU
Sebuah penelitian dilakukan untuk mengetahui apakah ada pengaruh
makanan ikan (X1) dan panjang ikan dalam mm (X2) terhadap berat ikan
dalam kg (Y) di Desa Tambak tahun 2018.
Data yang diperoleh sebagai berkut :
Responden X1 X2 Y
1. 8 125 37
2. 10 137 41
3. 7 100 34
4. 12 122 39
5. 9 129 40
6. 10 128 42
7. 7 98 38
8. 8 103 42
9. 11 130 40
10. 8 95 36
11. 10 115 41
12. 8 105 38
Pertanyaan :
Tentukan persamaan regresinya ?
Buktikan apakah terdapat pengaruh yang signifikan makanan ikan dan
panjang ikan terhadap berat badan ikan di Desa Tambak tahun 2018 !
PERBANDINGAN SATU VARIABEL BEBAS ( UJI t )

Analisis perbandingan satu variabel bebas dikenal dengan Uji t atau t tes. Tujuannya
Uji t adalah untuk mengetahui perbedaan variabel yang dihipotesiskan. Uji t
mempunyai dua rumus yang dapat digunakan yaitu :
- Keterangan :
X - uo Zhitung = Harga yg dihitung dan nilai standar de-
a. Zhitung = --------------- - viasi pada distribusi normal.
δ X = Nilai rata-rata dari data
------------- Uo = Rata-rata nilai yang dihipotesiskan
√ N δ = Standar deviasi populasi yang diktetahui
N = Jumlah sampel penelitian
b. Standar Deviasi sampel tidak diketahui, menggunakan rumus t hitung :
- Keterangan :
X - uo thitung = Harga yg dihitung dan nilai standar de-
thitung = --------------- - viasi pada distribusi normal.
S X = Nilai rata-rata dari data
------------- Uo = Rata-rata nilai yang dihipotesiskan
√ N S = Standar deviasi populasi yang diketahui
N = Jumlah sampel penelitian
Pengujian hipotesis deskriptif ada dua jenis yaitu : uji dua pihak dan uji satu pihak
dapat uji pihak kiri atau kanan. Dalam kajian ini yang dibahas adalah Uji t.
Langkah - Langkah Uji t
1. Membuat Ha dan Ho dalam bentu kalimat
2. Membuat Ha dan Ho model statistik
3. Mencari thitung :
--
X - uo
thitung = ---------------
S
-------------
√ N
4. Menentukan kreteria (kaidah) pengujian dengan cara tentukan terlebih

dahulu taraf signifikansinya , misalnya ( α = 0,01 atau α = 0,05 ). Kemudian
dicari ttabel dengan menggunakan ketentuan dk = n -1, juga diketahui posisi
pengujiannya. Apakah menggunakan pihak kiri, kanan atau dua pihak. Dalam
hal ini tergantung bunyi hipotesisnya. Dengan menggunakan tabel diperoleh
ttabel serta rumuskan kriteria pengujian.
5. Membandingkan ttabel dengan thitung.
6. Membuat kesimpulan.
Contoh : Hasil Rapat Koordinasi Kepala Sekolah se-Indonesia menduga bahwa :

a. Kualitas mengajar Guru tahun 2017 paling tinggi 70% dari rata-rata nilai ideal
b. Kualitas mengajar Guru tahun 2017 paling rendah 70% dari nilai rta-rata ideal
c. Kualitas mengajar Guru tahun 2017 sama dengan 70% dari nilai rata-rata ideal.
Dari pernyataan tersebut ditindaklanjuti atau dibuktikan oleh Balitbang Dikmen
dengan penelitian di berbagai kota besar se Indonesia. Kemudian disebar angket
kepada 61 Guru SMA Negeri untuk mengisi mengenai kualitas mengajarnya pada
tahun 2017 Jumlah pertanyaan angket penelitian 15 item dengan instrumen diberi
skala nilai : 4 = sangat baik, 3 = baik, 2 = cukup baik , 1 = kurang baik. Adapun taraf
signifikansi α = 0,05. Data diperoleh sebagai berikut :
59 60 58 59 60 58 60 59 50 60 59 50 60
59 58 50 59 60 59 60 59 50 60 60 60
60 60 50 59 60 60 60 59 60 60 60 60
60 60 60 50 60 60 60 59 60 60 60 60
58 60 58 50 58 60 60 58 60 60 60 60
Langkah – Langkah untuk menjawab :
Sebelum dilakukan perumusan hipotesis dihitung dahulu rata-rata nilai yang
dihipotesiskan (Uo).
Nilai ideal = 15 x 4 x 61 = 3660. Rata-ratanya = 3660 / 61 = 60.
Jadi 70% dari nilai rata-rata = 70% x 60 = 42 atau (Uo) = 42%
Kemudian mencari nilai Standar Deviasi dan nilai rata-ratanya :
( ∑X )2 (3565)2
∑X - ---------
2
208939 - -------
n 61
S = ------------------- = ------------------------- = 3,14
n- 1 61 - 1
- ∑ Xi 3565
X = ------------ = -------------- = 58,443
n 61
Uji pihak kiri langkahnya :

Ha : Kualitas mengajar Dosen tahun 2017 paling tinggi 70% dari rata-rata nilai
Ideal.
Ho : Kualitas mengajar Dosen tahun 2017 paling rendah 70% dari nilai rata-
rata ideal.
2. Membuat Ha dan Ho model statistik :
Ha : Uo < 42%
Ho : Uo < 42%
3. Mencari thitung dengan rumus :
--
X - uo 58,443 - 42 16,443
thitung = --------------- = ------------------ = -------------- = 41,1075 = 41,11
S 3,14 0,4
-------- --------
√ N √ 61
4. Menentukan kaidah pengujian

Taraf signifikansinya α = 0,05 , dk = n – 1 = 61 -1 =60 diperoleh ttabel = 1,671
Kriteria pengujian pihak kiri :
Jika : -ttabel ≤ thitung , maka Ho diterima dan Ha ditolak.
5. Membandingkan ttabel dengan thitung
Ternyata - ttabel < thitung atau - 1,671 < 41,12 maka Ho diterima dan Ha
ditolak.
6. Kesimpulan
Ha : Kualitas Mengajar Guru tahun 2017 paling tinggi 70% dari rata-rata nilai
ideal ditolak.
Ho : Kualitas Mengajar Guru tahun 2017 paling rendah 70% dari rata-rata nilai
ideal diterima.
Jadi Kualitas Mengajar Guru tahun 2017 paling tinggi 70% dari rata-rata nilai
ideal itu kurang bahkan lebih dari apa yang mereka duga.
Uji sebelah Kanan

Ha : Kualitas Mengajar Guru tahun 2017 paling rendah 70% dari rata-rata
nilai ideal.
Ho : Kualitas Mengajar Guru tahun 2017 paling tinggi 70% dari rata-rata
nilai ideal.
2. Membuat Ha dan Ho model statistik :
Ha : Uo < 42%
Ho : Uo < 42%
3. Mencari thitung dengan standar deviasi (s) = 3,14 dan rata-rata = 58,443 dan
thitung = 41,12
4. Menentukan kaidah pengujian :
Taraf signifikansinya α = 0,05 , dk = n – 1 = 61 – 1 = 60, dan ttabel = 1,671
Kriteria pengujian pihak kanan :
Jika : + ttabel ≥ thitung , maka Ho diterima dan Ha ditolak.
Ternyata + ttabel lebih kecil dari thitung atau + 1,671 < 41 , maka Ho ditolak dan
Ha diterima.
6. Kesimpulan
Ha kualitas mengajar guru tahun 2017 paling rendah 70% dari rata-rata nilai
ideal diterima. Sedangkan Ho Kualitas mengajar guru tahun 2017 paling
tinggi 70% dri rata-rata nilai ideal ditolak.
Jadi kualitas mengajar guru tahun 2017 paling rendah 70% dari rata-rata
nilai ideal itu benar bahkan lebih dari dari 70% yang selama ini mereka
duga. Dengan demikian kualitas mengajar guru pada tahun 2017 lebih
berkualitas dari tahun sebelumnya.
Uji Pihak Kanan
Langkah-langkah menjawab :
Ha : Kualitas mengajar guru tahun 2017 paling rendah 70% dari rata-rata
nilai ideal
Ho : Kualitas mengajar guru tahun 2017 paling tinggi 70% dari rata-rata
nilai ideal
2. Membuat Ha dan Ho model Statistik :
Ha : Ua > 42%
Ho : Uo < 42%
3. Mencari thitung dengan standar deviasi (s) = 3,14 dan rata-rata = 58,443.
Diperoleh thitung = 41
4. Menentukan kaidah pengujian dengan :
Taraf signifikansinya @ = 0,005
Dk = n-1 = 61 – 1 = 60 sehingga diperoleh ttabel = 1,671
Kreteria pengujian pihak kanan :
Jika : + ttabel > thitung maka Ho diterima dan Ha ditolak
Ternyata +t < t atau + 1,671 < 41 maka Ho ditolak dan Ha diterima
6. Kesimpulan
Ha : Kualitas mengajar guru tahun 2017 paling rendah 70% dari rata-rata
nialai ideal diterima. Sedangkan Ho : Kualitas mengajar guru tahun 2017
paling tinggi 70% dari rata-rata nilai ideal ditolak.
Jadi kualitas mengajar guru tahun 2017 paling rendah 70% dari rata-rata
nilai ideal itu benar bahkan lebih dari 70% yang selama ini diduga .
Dengan demikian kualitas mengajar guru pada tahun 2017 lebih
berkualitas dari tahun sebelumnya.
Uji Dua Pihak
Langkah-angkah menjawab :
1.Membuat Ha dan Ho dalam bentuk kalimat :
Ha : Kualitas mengajar guru tahun 2017 sama dengan 70% dari rata-rata
nilai ideal
Ho : Kualitas mengajar guru tahun 2017 tidak sama dengan 70% dari
rata-rata nilai ideal
Ha : Ua =/= 42%
Ho : Uo = 42%
3. Mencari thitung dengan standar deviasi (s) = 3,14 dan rata-rata = 58,443.
Diperoleh thitung = 41
4. Menentukan kaidah pengujian dengan :
Taraf signifikansinya @ = 0,05
Dk = n-1 = 61 – 1 = 60 sehingga diperoleh ttabel = 2
Kreteria pengujian pihak kanan :
Jika : - ttabel < thitung maka Ho diterima dan Ha ditolak
Ternyata -t < t atau - 2 < 41 > 2 maka Ho ditolak dan Ha diterima
6. Kesimpulan
Ha : Kualitas mengajar guru tahun 2017 sama dengan 70% dari rata-rata
nialai ideal diterima. Sedangkan Ho : Kualitas mengajar guru tahun 2017
tidak sama dengan 70% dari rata-rata nilai ideal ditolak.
Jadi kualitas mengajar guru tahun 2017 sama dengan 70% dari rata-rata
nilai ideal itu benar bahkan lebih
Wilayah penolakan Ha
Wilayah penerimaan Ho
@ = 0,05
PERBANDINGAN DUA VARIABEL BEBAS ( UJI t )

Tujuan Uji t dua variabek bebas adalah untuk membandingkan ( membedakan ) apakah
kedua variable tersebut sama atau berbeda . Gunanya untuk menguji kemampuan
generalisasi ( signifikansi hasil penelitian yang berupa hasil perbandingan dua rata-rata
sampel ) . Rumus uji t dua variable sebagai berikut :
- -
X - X
rhitung = ------------------------------------------------
S1 S2 S1 S2
----- + ----- - 2r ----- + -----
n1 n2 V n1 V n2
Keterangan :
r = nilai korelasi X1 dengan X2
n = jumlah sampel
-
X1 = rata-rata sampel ke satu
-
X2 = rata-rata sampel ke dua
s1 = standar deviasi ke 1
s2 = standar dviasi ke 2
S1 = Varians sampel ke 1
S2 = Varians sampel ke 2
Contoh : Judul penelitian “ Perbedaan antara prestasi belajar siang hari dengan malam
hari mahasiswa IKIP PGRI Kalimantan Timur Program Studi Pendidikan kepelatihan
Olah raga semester V sampel diambil secara acak sebanyak 30 mahasiswa tahun
akademik 2017/2018.
Data yang diperoleh adalah sebagai berikut :

No. Prestasi Mahasiswa No. Prestasi Mahasiswa
Siang (X1) Malam (X2) Siang (X1) Malam (X2)
1 77 40 16 55 47
2 99 48 17 88 68
3 77 54 18 98 68
4 77 34 19 87 74
5 55 48 20 87 75
6 88 68 21 44 55
7 98 67 22 94 61
8 87 67 23 77 46
9 87 75 24 55 61
10 50 56 25 76 58
11 87 60 26 65 50
12 87 47 27 90 68
13 87 60 28 80 75
14 90 70 29 89 75
15 81 61 30 96 75
LANGKAH- LANGKAH MENJAWAB :

Ha : Terdapat perbedaan yang signifikan antara prestasi belajar siang dengan malam
mahasiswa prodi PKO IKIP PGRI Kalimantan Timur tahun akademik 2017/2018
Ho : Tidak terdapat perbedaan yang signifikan antara prestasi belajar siang dengan
malam mahasiswa prodi PKO IKIP PGRI Kalimantan Timur tahun akademik
2017/2018
Ha : U1 =/= U2
Ho : U1 = U2
3. Mencari rata-rata standar deviasi , Varians,dan korelasi. Setelah dihitung
diperoleh hasil sebagai berkut :
Rata-rata : X1 = 80,27. X2 = 60,37
Standar Deviasi : S1 = 16,48 . S2 = 11,53
Varians : S 1 = 271,59. S2 = 132,94
Koreasi : r = 0,44
4. Mencari thitung dengan rumus :
-- --
X- X 80,27 - 60,37
rhitung = -------------------------------------------= ----------------------------------------------- = 6,9
S1 S2 S1 S2 27159 13294 1648 11,53
----- + ----- - 2r ----- + ----- --------- + -------- - 2.(0,44) ---- + ------
n1 n2 V n1 V n2 30 30 V30 V30
ANOVA SATU JALUR ( ONE WAY - ANOVA )
Anava atau analisys of variance adalah tergolong analisis komparatif lebih dari dua
variable atau lebih dari dua rata-rata . Tujuannya untuk membandingkan lebih dari dua
rata-rata. Gunanya untuk menguji kemampuan generalisasi artinya data sampel
dianggap dapat mewakili populasi. Anova lebih dikenal dengan uji F ( Fisher Test ) ,
sedangkan arti variansi atau varians itu asal usulnya dari pengertian “ Mean Square “
atau kuadrat Rerata ( KR ) rumus sistematisnya adalah :
JK Keterangan:
KR = ----------- JK = Jumlah Kuadrat
dk dk = derajat Kebesan
Menghitung nilai anova atau Fhitung dengan rumus :
VA KRA JKA : dkA Varians Antar Group
Fhitung = ------ = --------- = ------------------ = -------------------------------
VD KRD JKD : dkD Varians Dalam Group
Varians dalam group dapat juga disebut Varians Kesalahan ( Varians Galat ) rumusnya
( ∑ XAi )2 ( ∑ Xr )2
JKA = ∑ ------------- - ------------ untuk dkA = A - 1
nAi N
( ∑ XAi )2
JKD = ∑ Xr2 - ∑ -------------- untuk dkD = N - A
nAi
Keterangan :
( ∑ Xr )2
------- = sebagai factor koreksi
N N = Jumlah keseluruhan sampel ( jumlah kasus dalam penelitian )
A = Jumlah keseluruhan Group
Langkah –langkah uji anova satu jalur
Diasumsikan bahwa data dipilih secara acak berdistribusi normal dan variansnya
homogen.
Langkah 1 : Membuat Ha dan Ho dalam bentuk kalimat
Langkah 2 : Membuat Ha dan Ho dalam bentuk statistic
Langkah 3 : Membat table penolong untuk menghitung angka statistic
Langkah 4 : Mencari Jumlah Kuadrat antar group (JK A) dengan rumus :
( ∑ XAi )2 ( ∑ Xr )2 ( ∑ XA1 )2 ( ∑ XA2 )2 (∑ XA3)2 (∑ Xr)2
JKA = ∑ ----------- - ---------- = ----------- + ------------ + --------- - ----------
nAi N nA1 nA2 nA3 N
Langkah 5 : Mencari derajat Kebesan antar group (dk A) dengan rumus dkA = A - 1
Langkah 6 : Mencari Kuadrat Rerata antar group (KRA)
Rumusnya : JKA
KRA = --------
dkA
Langkah 7 : Mencari Jumlah Kuadrat Dalam antar group (JKD) dengan rumus :
( ∑ XAi)2 (∑XA1)2 (∑XA2)2 (∑XA3)2
JKD = ∑XT2 - ∑------- = (∑XA12 +∑XA22 + ∑XA32) - --------- + ----------- + --------
nAi nA1 nA2 nA3
Langkah 8 : Mencari derajat kebesan Dalam antar group (dk D) dengan rumus
dkD = N - A
Langkah 9 : Mencari Kuadrat Rerata Dalam antar group ( KR D) dengan rumus
JKD
KRD = -------
dkD KRA
Langkah 10 : Mencari nilai Fhitung dengan rumus Fhitung = --------
KRD
Langkah 11 : Menentukan kaidah pengjian
Jika Fhitung ≥ Ftabel , maka tolak Ho artinya signifikan
Jika Fhitung ≤ Ftabel , maka terima Ho artinya tidak signifikan
Langkah 12 : Mencari Ftabel dengan rumus :
Ftabel = F(1-@)(dkA,dkD)
Cara mencarinya = Ftabel dkA = pembilang
dkD = penyebut
Langkah 13 : Membandingkan Fhitung dengan Ftabel
Tabel Ringkasan Anava satu jalur
Sumber Varians (SV) Derajat Jumlah Kuadrat(JK) Kuadrat Rerata Fhitung Ftabel
kebebasan (dk) (KR)
Antar group (A) A - 1 (∑XAi)2 (∑XT)2 JKA KRA @ = 0,05
∑ ------------- - ----------- --------- KRD
NAi N dkA
Dalam group (D) N - A ( ∑ XAi)2 JKD
∑ XT2 - ∑ --------- ---------
nAi dkD
Total N - 1 (∑XAi)2
∑ XT2 - ---------
nAi
Langkah 14 : Simpulan
CONTOH :
Suatu penelitian dengan judul : Perbedaan antara hasil belajar mahasiswa IKIP PGRI Kalimantan
Timur yang masuk pagi, Siang dan Sore pada Falkutas Ilmu Pendidikan tahun akademik 2019/2020.
Data hasil penelitian adalah sebagai berikut :
Hasil belajar yang masuk pagi ( A1) = 6 8 5 7 7 6 6 8 7 6 7 = 11 orang
Hasil belajar yang masuk Siang (A2) = 5 6 6 7 5 5 5 6 5 6 8 7 = 12 orang
Hasil belajar yang masuk Sore (A3) = 6 9 8 7 8 9 6 6 9 8 6 8 = 12 orang
Pertanyaan :
Buktikan apakah terdapat perbedaan yang Signifikan !
Langkah-langkah menjawab uji Anova satu jalur:
Diasumsikan bahwa data dipilih secara acak , berdistribusi normal dan variannya homogeny.
Langkah 1 : Membuat Ha dan Ho dalam bentuk kalimat
Ha : Ada perbedaan yang signifian antara hasil belajar mahasiswa Falkutas Pendidikan yang masuk
,pagi, siang dan sore pada IKIP PGRI Kalimantan Timur.
Ho : Tidak ada perbedaan yang signifikan antara hasil belajar mahasiswa Falkutas Pendidikan yang
masuk pagi, siang dan sore IKIP PGRI Kalimantan Timur
Langkah 2 : Membuat Ha dan Ho model statistik
Ha : A 1 ≠ A 2 = A 3
Ho : A 1 = A 2 = A 3
Langkah 3 : Membuat table penolong untuk menghitung angka statistik
Hasil Belajar mhs
No. A1 A2 A3
1 6 5 6
2 8 6 9
3 5 6 8
4 7 7 7
5 7 5 8
6 6 5 9
7 6 5 6
8 8 6 6
9 7 5 9
10 6 6 8
11 7 8 6
STATISTIK 12 - 7 8 TOTAL (T)
n 11 12 12 N = 35
∑X 73 71 90 234
∑X2 943 431 692 2066
Rerata X 6,636 5,917 7,5 6,68
(∑X)2/nA1 85,73 35,92 57,67 179,31
Varians ( S ) 0,85 0,99 1,55 1,13
Langkah 4 : Mencari Jumlah Kuadrat antar group JK A dengan Rumus :
( ∑ XAi )2 ( ∑ Xr )2 ( 73 )2 ( 71 )2 (90)2 (234)2

JKA = ∑ ----------- - ---------- = ----------- + ------------ + --------- - ---------- = 1579,53 - 1564,46 = 15,07
nAi N 11 12 12 35
Langkah 5 : Mencari derajat Kebebasan antar group ( dkA ) dengan rumus
dkA = A - 1 = 3 - 1 = 2
Langkah 6 : Mencari Kuadrat Rerata antar group (KRA ) dengan rumus :
Rumusnya : JKA 15,07

KRA = -------- = --------- = 7,54
dkA 2
Langkah 7 : Mencarai Jumlah Kuadrat Dalam antar group ( JK D) rumusnya :
( ∑ XAi)2 (73)2 (71)2 (90)2

2
JKD = ∑XT - ∑------- = 493 +431 + 692) - --------- + ----------- + -------- = 2066 – 1579,53 = 486,47
nAi 11 12 12
Langkah 8 : Mencari derajat kebebasan Dalam antar group (dk D) dengqn rumus
DkD = N - A = 35 - 3 = 32
Langkah 9 : Mencari Kuadrat Rerata Dalam antar group (KR D) dengan rumus :
JKD 486,47
KRD = ------- = --------------- = 15,2
dkD 32
Langkah 10 : Mencari nilai Fhitung dengan rumus :
JKD 7,54
KRD = ------- = -------- = 0,5
dkD 15,2
Langkah 11 : Menentukan kaidah pengjian

Jika Fhitung ≥ Ftabel , maka tolak Ho artinya signifikan
Jika Fhitung ≤ Ftabel , maka terima Ho artinya tidak signifikan
Langkah 12 : Mencari Ftabel dengan rumus :

Ftabel = F(1-@)(dkA,dkD)
Ftabel = F(1-0,05) (2,32)
Ftabel = F(0,95)(2,32)
Ftabel = 3,30
Cara mencarinya = Ftabel dkA = pembilang
dkD = penyebut
Langkah 13 : Membandingkan Fhitung dengan Ftabel
Setelah dikonsultasikan dengan table F kemudian dibandingkan antara Fhitung dengan
Ftabel .
Ternyata Fhitung lebih kecil dari Ftabel atau 0,5 < 3,30, maka terima H artinya tidak
signifikan.
Tabel Ringkasan Anava Satu Jalur

Sumber Variansi Derajat Jumlah Kuadrat Kuadrat Fhitung Ftabel
(SV) Kebebasan (JK) Rerata (KR)
(dk)
Antar group (A) 2 15,07 7,54 0,5 3,30
Dalam group 32 486,47 15,2 Ket : Tidak
(D) 0,5 < 0,30 signifikan
TOTAL 34 501,54 -
Langkah 14 : Simpulan
Ternyata Fhitung lebih kecil dari Ftabel atau 0,5 < 3,30 , maka terima Ho dan tolak Ha
artinya tidak ada perbedaan yang signifikan antara hasil belajar mahasiswa IKIP PGRI
Kalimantan Timur yang masuk pagi, siang dan sore.
TUGAS INDIVIDU
Suatu penelitian tentang perbedaan gaya mengajar dosen yang berasal dari berbagai wilayah di
Indonesia bagian Barat, Tengah, dan Timur . Sampel diambil secara acak masing-masing 20 orang
dengan tingkat signifikan 0,05, sedangkan hasil penelitian skornya adalah sebagai berikut :
No. Barat Tengah Timur No. Barat Tengah Timur
1 90 62 60 11 77 86 48
2 89 60 55 12 76 80 50
3 89 63 56 13 40 80 44
4 87 68 52 14 68 80 40
5 94 71 56 15 67 78 68
6 92 80 68 16 54 77 67
7 91 78 76 17 49 76 48
8 90 77 78 18 56 75 54
9 90 76 81 19 55 74 56
10 86 59 75 20 67 74 68
Pertanyaan :
a. Rumuskan hipotesis statistiknya
b. Uji hipotesis tersebut , apakah ada perbedaan yang signifikan atau tidak ada.
KONSEP DAN PENGERTIAN PATH ANALISIS

A. Pengertian Path analisis
Analisis jalur yang dikenal dengan path analisis dikembangkan pertama tahun1920 an oleh
ahli genetika yaitu Sewaal Wright ( Joreskog & Sorbom , 1996 , Johnson & Wichem , 1992 ),
Path Analisis diartikan oleh Bohrnstedt ( 1974 dalam Kusnendi , 2005 : 1) bahwa model path
analisis digunakan untuk menganalisis pola hubungan antar variable dengan tujuan untuk
mengetahui pengaruh langsung maupun tidak langsung seperangkat variable bebas ( eksogen
) terhadap variable terikat ( endogen ) . Model path analisis yang dibicarakan adalah pola
hubungan sebab akibat . Oleh sebab itu rumusan masalah penelitian dalam kerangka path
analisis berkisar pada :
1. Apakah variasi eksogen ( X1…. , X2….. , Xk ……) berpengaruh terhadap variable endogen Y ?
2. Berapa besar pengaruh kausal langsung , kausal tidak langsung , kausal total maupun
simultan seperangkat variasi eksogen ( X1, X2 ……,Xk ) terhadap variable endogen Y?.
B. Manfaat Path analisis

Manfaat lain model Path nalisis adalah untuk :
1. Penjelasan ( explanation ) terhadap fenomena yang dipelajari atau permasalahan yang
diteliti
2. Prediksi nilai variable terikat (Y) berdasarkan nilai variable bebas (X) dan prediksi dengan
path analisis ini bersifat kualitatif
3. Faktor diterminan yaitu penentuan variable bebas (X) mana yang berpengaruh dominan
terhadap variable terikat (Y) juga dapat digunakan untuk menelusuri mekanisme ( jalur-
jalur ) pengaruh variable bebas (X) terhadap variable terikat (Y)
4. Pengujian model menggunakan teory trimming ,baik untuk uji reliabelitas (uji keajegkan )
konsep yang sudah ada ataupun uji pengembangan konsep baru.
C. Asumsi –Asumsi Path Analisis
Asumsi yang mendasari path analisis sebagai berikut :
1. Pada model Path analisis , hubungan antar variable adalah bersifat linier,adaptif dan
bersifat normal
2. Hanya system aliran kausal ke satu arah artinya tidak ada rah kausalitas yang berbalik .
3. Variabel terikat (endogen ) minimal dalam skala ukur interval dan ratio
4. Menggunakan sampel probability sampling yaitu teknik pengambilan sampel untuk
memberikan peluang yang sama pada setiap anggota populasiuntuk dipilih menjadi
anggota sampel
5. Observed Variables diukur tanpa kesalahan ( instrument pengukuran valid dan reliable )
artinyya variable yang diteliti dapat diobservasi secara langsung
6. Model yang dianalisis dispesifikasikan ( diidentifikasi ) dengan benar berdasarkan theory
–teori dan konsep –konsep yang relevan artinya model teori yang dikaji atau diuji
dibangun berdasarkan kerangka teoritis tertentu yang mampu menjelaskan hubungan
kausalitas antar variable yang diteliti.
D. Model Path Analisis
1 e 1 e2 e
1
P31 P31 P31
P12 3 P12 P12

3
3
P32 P32 P32

2 3
2 2
3
(a) Correlated Path Model (b) Mediated Path Model (c) Independent Path Model
E. Model Persamaan Struktural

Persamaan structural atau juga disebut model structural yaitu apabila setiap variable
terikat/endogen (Y) secara unik keadaannya ditentukan oleh seperangkat variable
bebas/eksogen (X) . Selanjutnya gambar yang meragakan struktur hubungan kausal antar
variable disebut diagram jalur (path diagram ) . Jadi persamaan ini Y = F ( X 1 ; X2 ; X3) dan
Z = F ( X1 ; X3 ; Y ) merupakan persamaan structural karena setiap persamaan menjelaskan
hubungan kausal yaitu variable eksogen X1 ; X2 dan X3 terhadap variable endogen Y dan Z .
Gambarnya sebagai beriku at:
X1 E1 E2
r12 Pyx1 Pzx1
r13 X2 Pyx2 Y Pzy

Z
r23 Pyx3 Pzx3
X3
Diagram jalur hubungan kausal X1 ; X2 ; X3 dan Y ke Z

Persamaannya adalah :
Y = PYX1 X1 + PYX2 X2 + PYX3 X3 + E1
Z = PZX1 X1 + PZX3 X3 + PZY Y + E2
X1 E1
r12 Pyx1
r13 X2 Pyx2 Y
r23 Pyx3
X3
Sub Struktur 1 . Hubungan kausal X1 , X2 dan X3 ke Y
X1 E1 E2
Pyx1 Pzx1
r13 Y Pzy
Z
Pyx3 Pzx3
X3
Sub Struktur 2 . Hubungan Kausal X1 , X3 , dan Y Ke Z

Keterangan :
Pik merupakan koefisien jalur , koefisien jalur menunjukkan pengaruh langsung variable eksogen k
terhadap variable endogen i . Sedangkan e menunjukkan variable atau factor residual yang fungsinya
menjelaskan pengaruh variable lain yang telah teridentifikasi oleh teori , tetapi tidak diteliti atau
variable lainnya yang belum teridentifikasi oleh teori, atau muncul sebagai akibat dari kekeliruan
pengukuran variable. Sebuah diagram jalur, tanda panah berujung ganda ( ) menunjukkan
hubungan korelasional dan tanda panah satu arah ( ) menunjukkan hubungan kausal atau
pengaruh langsung dari variable eksogen (X) terhadap variable endogen (Y).
Perhitungan menggunakan analisis jalur dengan model dekomposisi pengaruh kausal antarvariabel
dapat dibedakan menjadi tiga sebagai berikut :
1. Direct causal effects ( Pengaruh Kausal Langsung ) = PKL adalah pengaruh satu variable
eksogen terhadap variable endogen yang terjadi tanpa melalui variable endogen lain.
2. Indirect Causal effects ( Pengaruh Kausal Tidak Langsung ) = PKTL adalah pengaruh satu
variable eksogen terhadap variable endogen yang terjadi melalui variable endogen lain yang
terdapat dalam satu model kausaiutas yang sedang dianalisis
3. Total Causal effects ( Pengaruh Kausal Total ) = PKT adalah jumlah dari pengaruh kausal
langsung (PKL) dan Pengaruh Kausal Tidak langsung (PKTL) atau PKT = PKL + PKTL
Diagramnya sebagai berikut :
C
1
8
A
2
r12 3 7 Y
4
5
B
9
6 D
Dekomposisi Pengaruh Kausalitas Antarvariabel
Model Dekomposisi Pengaruh Kausalitas Antarvariasi

Pengaruh Pengaruh Kausal Total
Variabel
Tidak Langsung
Langsung Melalui C Melalui D Melalui C&D
A terhadap C (1) - - - (1)
A terhadap D (3) (1)(7) - - (3) + (1)(7)
A terhadap Y (2) (1)(8) (3)(9) (1)(7)(9) (2) +(1)(8) +
(3)(9) +(1)(7)(9)
B terhadap C (4) - - - (4)
B terhadap D (6) (4)(7) - - (6) + (4)(7)
B terhadap Y (5) (4)(8) (6)(9) (4)(7)(9) (5) + (4)(8) +
(6)(9) + (4)(7)(9)
C terhadap D (7) - - - (7)
C terhadap Y (8) - (7)(9) - (8) + (7)(9)
D terhadap Y (9) - - - (9)
Keterangan :
Angka 1 - 9 isinya : nilai pengaruh antarvariabel
Huruf A,B,C,D, dan Y : Variabel
CONTOH PENELITIAN :
Pengaruh Harga (X1 ) dan Faslitas (X2) terhadap Promosi (Y1) dan Produk (Y2) serta dampaknya
pada Citra Pelanggan (Z)
Datanya adalah sebagai berikut :
Kode X1 X2 Y1 Y2 Z
Responden
1 55 36 38 64 60
2 45 46 45 55 50
3 60 47 46 72 62
4 35 25 30 50 40
5 64 68 53 79 68
6 44 69 54 77 59
7 70 57 61 78 79
8 65 49 50 72 69
9 63 58 52 66 65
10 74 67 51 82 70
11 84 79 69 87 89
12 73 52 53 82 79
Langkah Pertama : membuat paradigm penelitian

E
1 Y1
8
X1
2
3
4 Z
5
X2
9
6 7
Y2
E
Langkah kedua : merumuskan masalah penelitian

1. Apakah harga dan fasilitas berpengaruh terhadap promosi ?
2. Apakah harga, fasilitas dan promosi berpengaruh terhadap produk ?
3. Apakah harga,fasilitas,promosi dan produk berpengaruh terhadap citra pelanggan ?
Langkah ketiga : membuat model hipotesa

1. Y1 = F ( X1, X2 ) Harga dan fasilitas secara bersama-sama maupun individual berpengaruh
terhadap promosi.
2. Y2 = F ( X1 , X2 ; Y1 ) Harga fasilitas dan promosi secara bersama-sama maupun individual
berpengaruh terhadap produk
3. Y2 = F ( X1 , X2 ; Y1; Y2 ) Harga, fasilitas , promosi dan produk secara bersama-sama maupun
individual berpengaruh terhadap pelanggan
Langkah keempat : membuat diagram jalur dan persamaan struktur
E1
Py1E1
Y1
Py1x1
X1 Pzx1
Pzy1
Py2x1
Py1x2 Z
Pzx2
X2
Pzy2
Py2x2 Py2y1
Y2
Py2E2
E2
Keterangan :
Diagram jalur lengkap tersebut mempunyai dua variable eksogen ( X1 dan X2 ) dan tiga variable
Endogen ( Y1 , Y2 dan Z )
Berdasarkan hipotesis yang diajukan , maka dibuatlah sebstruktur yang tujuannya untuk
menjelaskan dan mempermudah perhitungan sebagai berikut :
a. Sub Struktur -1 Hipotesis -1
X1
Py1x1
Y1 E1
r12 Py1x2
X2
Keterangan :
Variabel endogen ( Y1 )
Variabel eksogen ( X1 dan X2 )
Persamaan Struktur Y1 = Py1x1 X1 + Py1x2 X2 + Py1.1 E1
Sub Struktur – 2 Hipotesis - 2
X1 Py2x1 Y1
r12 Py2x2
X2 Py2x2
Y2 E2
Sub Struktur – 2 Hubungan Kausal X1; X2 dan Y1 terhadap Y2

Keterangan :
Variabel endogen (Y2 )
Variabel eksogen (X1; X2 dan Y1 )
Persamaan Sruktur Y2 = Py2x1 X1 + Py2x2 X2 + Py2y1 Y1 + Py2.E2E2
Struktut – 3 Hipotesis -3
E3
X1
Y1 Pzy1
Pzx1
r12
Pzx2 Z
X2 Pzy2
Y2
Sub Struktur – 3 Hubungan Kausal X1; X2; Y1 dan Y2 terhadap Z
Keterangan :
Variabel endogen (Z)
Variabel eksogen ( X1; X2; Y1 dan Y2)
Persamaan struktur Z = Pzx1 X1 + Pzx2 X2 + Pzy1 Y1 + Pzy2 Y2 + Pz,3E3
Langkah kelima : menguji tiap hipotesis untuk tiap sub Struktur :
1. Memaknai Analisis jalur Sub struktur -1
Dari hasil pengolahan data program SPSS versi 14 pada su struktur – 1 tersebut , terlihat table 14.4
sampai table 14.6 koefisien jalur yang diperoleh duji sbb:

PENGERTIAN STATISK (Repaired)

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

PENGERTIAN STATISK (Repaired)

Diunggah oleh

Hak Cipta:

Format Tersedia

B PENGERTIAN STATISTIK DAN STATISTIKA

Statistika adalah pengetahuan yang berhubungan dengan cara-cara pengumpulan

Landasan kerja statistik ada tiga yaitu :

a. Variasi yaitu didasarkan atas kenyataan bahwa seorang peneliti atau

Ciri-ciri pokok statistik adalah sebagai berikut :

Statistika Induktif adalah bagian statistika yang berhubungan dengan pembuatan

Statistika Deskriptif adalah pengumpulan data, penyajian data, pembuatan tabel-

Data diskrit adalah data yang didapat dengan jalan menghitung.

Sample adalah bagian dari populasi yang diteliti

Contoh penyajian data.

Macam ternak Jumlah Pengusaha

Penyajian data : data disajikan dalam bentuk diagram

Macam – macam diagram yang sering dipergunakan :

Kartogram adalah peta yang disertai gambar-gambar.

Distribusi Frekuensi : daftar yang disusun secara berkelompok.

a. Panjang kelas interval

Distribusi Frekuensi Relatif dan Kumulatif

Kelas Interval Xi fi fi rel. atau fi (%)

Distribusi Kumulatif Lebih dari

Distribusi Kumulatif dengan model lain

GRAFIK DISTRIBUSI FREKUENSI

UKURAN KEMIRINGAN DAN KURTOSIS

RATA – RATA HITUNG

Dirumuskan sebagai berikut : ___ ∑ Xi

a. Hitunglah nilai rata-rata dengan menggunakan rumus data kelompok

No. Nilai Interval Titik Tengah fi si ( fi si )

b. Mode dari data tersebut : F1 = 20 – 15 = 5 . F2 = 20 – 16 = 4

c. Median dari data tersebut :

Jadi Mediannya adalah 77,5

RATA – RATA UKUR

Dari data tersebut dapat dimasukan dalam rumus sebagai berikut :

124.000.000 = 100.000.000 ( 1 + x/100 )8

Rumus untuk data kelompok adalah :

Kelas ( xi ) Titik Tengah Frekuensi (fi ) Log xi Fi . Log xi

Untuk data berkelompok dirumuskan sebagai berikut :

Rentang Antar Kartil ( RAK ) rumusnya ; RAK = K 3 - K1

Contoh data kelompok :

Contoh : Data nilai hasil ulangan statistik 10 mahasiswa sbb :

Data nilai hasil ulangan statistik 10 mahasiswa sbb :

Rumus Simpangan Baku Data Distribusi

Ón – 1 = --------------------------- = ------------------------- = 49,64 = 7,045

Rumus data kelompok jumlah kecil dan jumlah besar adalah :

Distribusi Frekuensi Nilai Ujian Statistik II IKIP PGRI Semester VI

Rumus untuk mencari fe : Keterangan :

Langkah – langkah menjawab :

375 x 250 250 x 250 100 x 250

375 x 200 250 x 200 100 x 200

3. Mencari Chi-Kuadrat ( X2 ) dengan rumus :

(75 – 129,31)2 (150 – 86,21)2 (25 – 34,48)2

(150 – 103,45)2 (25 – 68,96)2 (25 – 27,59)2

Tentukan dengan uji hipotesis :

Tugas untuk dikerjakan dirumah :

Korelasi PPM dilambangkan ( r ) dengan ketentuan nilai ( -1 ≤ r ≤ 1 )

Selanjutnya untuk menyatakan besar kecilnya sumbangan variabel X terhadap

4. Mencari rhitung dengan rumus :

TUGAS UNTUK DIKERJAKAN SECARA INDIVIDU

r2x1.y + r2x2.y - 2 (rx1.y).(rx2.y).(rx1.x2)

Selanjutnya menguji signifikansi dengan rumus F hitung :

Kaidah Pengujian Signifikansi :

∑ 3320 5198 3871 179456 439670 240426 204514 320416

64(204514) – (3320). (3871)

r2x1.y + r2x2.y - 2 (rx1.y).(rx2.y).(rx1.x2)