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 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.
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.
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 kontinyu adalah data yang diperoleh berdasarkan derajat ketelitian tertentu, jadi
merupakan nilai pendekatan kepada nilai sebenarnya.
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.
Ternak potong di kota B selama tahun 2019 menurut jenis, macam ternak, dan
pengusaha ( dalam ekor )
a. Diagram batang
b. Diagram garis
c. Diagram lambanga atau simbol
d. Diagram pastel atau lingkaran
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 :
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
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
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.
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.
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
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
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
__ 79
X = 72 + 5 ------ = 77,643 atau 77,64
70
F1 5
Mo = Bb + P. -------- = 74,5 + 5. ------ = 77,278 atau 77,28
F1 + F2 5 + 4
½ n – Jf ½ .70 - 23
Me = Bb + P. ------------- = 74,5 + 5 -------------- = 77,5
F 20
Dimana :
Pt = keadaan pada akhir periode
Po = keadaan awal
x = rata-rata
t = jangka waktu atau lamanya
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)
∑( fi . log xi )
Log U = -----------------------
N
CONTOH :
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
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
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
( ∑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
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
( ∑ 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
Dari data tersebut dapat dicari dengan rumus yang berbeda yaitu :
∑ fx2
S = ------------
∑f - 1
_
∑fi ( xi - x )2
S = ---------------- data jumlah besar
n - 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
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
( ∑fk ) . ( ∑fb )
fe = -------------------
∑T
375 x 275 250 x 275 100 x 275
= ------------- = 142,24 . -------------- = 94,83. ----------------- = 37,93
725 725 725
= 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
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
Langkah – langkah menjawab :
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.
7. Membuat Kesimpulan
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
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.
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 :
1. Membuat Ha dan Ho dalam bentuk kalimat
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) :
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):
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.
7. Membuat Kesimpulan
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.
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
n. ∑ XY - ∑ X . ∑ Y ∑ Y - b.∑ X
b = ---------------------------- a = ---------------
n. ∑ X2 - ( ∑ X)2 n
( ∑Y )2
JKReg(a) = ---------
n
6. Mencari Jumlah Kuadrat Regresi ( JKReg (b/a) dengan rumus :
( ∑ X ).( ∑ Y )
JKReg(bja) = b. ∑ XY - ---------------
n
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
Kaidah Pengujian Signifikansi :
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 !
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
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
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.
( ∑ 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 :
Pertanyaan :
a. Tentukan persamaan Regresi Ganda ?
b. Buktikan apakah ada pengaruh yang signifikan antara umur, tinggi dan berat
badan ?
Jawab :
1. Membuat Ha dan Ho dalam bentuk kalimat :
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 :
R2 ( n – m – 1 ) (0,9)2 (14-2-1)
Fhitung = -------------------- = ---------------------- = 23,45
m. ( 1 – R2 ) 2.(1 – 0,92)
Pertanyaan :
Tentukan persamaan regresinya ?
Buktikan apakah terdapat pengaruh yang signifikan makanan ikan dan
panjang ikan terhadap berat badan ikan di Desa Tambak tahun 2018 !
( ∑X )2 (3565)2
∑X - ---------
2
208939 - -------
n 61
S = ------------------- = ------------------------- = 3,14
n- 1 61 - 1
- ∑ Xi 3565
X = ------------ = -------------- = 58,443
n 61
Wilayah penolakan Ha
Wilayah penerimaan Ho
@ = 0,05
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.
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
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
dkA = A - 1 = 3 - 1 = 2
Langkah 6 : Mencari Kuadrat Rerata antar group (KRA ) dengan rumus :
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
JKD 7,54
KRD = ------- = -------- = 0,5
dkD 15,2
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.
1 e 1 e2 e
1
P31 P31 P31
(a) Correlated Path Model (b) Mediated Path Model (c) Independent Path Model
X1 E1 E2
X3
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
C
1
8
A
2
r12 3 7 Y
4
5
B
9
6 D
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
1 Y1
8
X1
2
3
4 Z
5
X2
9
6 7
Y2
E
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
X1 Py2x1 Y1
r12 Py2x2
X2 Py2x2
Y2 E2
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: