Disusun oleh:
Annisa Zahra Ayu Lestari (200321614859)
Fathia Pramesthi (200321614893)
Margaretha (200321614919)
Mohammad Jazil Saidan (200321614810)
Muhammad Syarhan Fath Aminullah (200321614915)
Shalsabela Arief Normalita (200321614856)
Zeni Zamara (200321614887)
2. RUMUSAN MASALAH
2.1 Apakah yang dimaksud dengan statistika inferensial?
2.2 Apakah yang dimaksud dengan korelasi product moment?
2.3 Apakah yang dimaksud dengan korelasi point biserial?
2.4 Apakah yang dimaksud dengan regresi sederhana?
2.5 Apakah yang dimaksud dengan regresi ganda?
3. PEMBAHASAN
3.1 Statistika Inferensial
Statistika Inferensial (Induktif) merupakan metode yang digunakan untuk
mengetahui populasi berdasarkan sampel dengan menganalisis dan menginterprestasikan
data menjadi sebuah kesimpulan (HATANI, 2008).Statistik inferensial digunakan untuk
menarik kesimpulan dari beberapa orang, kejadian, dan waktu untuk keseluruhan
(generalisasi) (Sutarto Hadi, 2018). Statistika memiliki beberapa sifat, di antaranya yaitu:
(a) data yang dianalisis berasal dari random sampling (acak); (b) menggeneralisasikan atau
memprediksikan ciri penting suatu variabel atau hubungan antar variabel; (c) generalisasi
dan prediksi yang dibuat berlaku bagi keseluruhan populasi atas dasar hasil analisis data
dari sampel; (d) generalisasi dan prediksi dilakukan dengan uji hipotesis atau pengecekan
asumsi. Statistika inferensial dibagi menjadi dua yaitu prametrik dan non-parametrik.
Statistika prametrik dapat digunakan untuk menarik kesimpulan dari beberapa gejala yang
dapat disimpulkan ke keseluruhan bobotnya paling tinggi (populasi). Contoh: semua
mahasiswa offering C selalu datang tepat waktu.Statistika parametrik menggunakan
asumsi mengenai populasi dan membutuhkan pengukuran kuantitatif dengan level
data interval atau rasio. Ada parametrik adapula non-parametrik. Statistika non-
parametrik merupakan statistik yang tidak memerlukan pembuatan asumsi tentang
bentuk distribusi atau bebas distribusi, sehingga tidak memerlukan asumsi terhadap
populasi yang akan diuji. Pokok bahasan statistika nonparametrik secara khusus
mengenai data yang berskala ordinal (jenjang) dimana data tersebut mempunyai arti
berdasarkan urutan tingkat kepentingan(Sutarto Hadi, 2018).
Kelebihan dalam menggunakan statistik inferensial yaitu kita mendapatkan manfaat
luar biasa dengan pemilihan sampel secara acak yang diambil dari suatu populasi. Dalam
kebanyakan kasus, tidak mungkin untuk mengukur seluruh populasi untuk memahami
propertinya. Alternatifnya adalah mengumpulkan sampel acak dan kemudian
menggunakan metodologi statistik inferensial untuk menganalisis data sampel. Sementara
kekurangannya yaitu meskipun sampel jauh lebih praktis dan lebih murah untuk
dikerjakan, tapi tetap ada pengorbanan. Biasanya, kita belajar tentang populasi dengan
mengambil sampel yang relatif kecil. Kita tidak mengukur semua orang atau benda dalam
populasi itu. Akibatnya, ketika kita memperkirakan properti populasi dari sampel, statistik
sampel tidak akan sama persis dengan nilai populasi aktual. Misalnya, mean sampel kita
tidak mungkin sama dengan mean populasi. Perbedaan antara statistik sampel dan nilai
populasi adalah kesalahan pengambilan sampel. Statistik inferensial menggabungkan
perkiraan kesalahan ini ke dalam hasil statistik.
(Budiwanto, 2017).
4. Mencari proporsi (p) yaitu perbandingan banyaknya subjek yang menjawab ya dengan
jumlah seluruh subjek. Proporsi (q) adalah 1 – p
5. Mencari angka indeks korelasi dengan rumus berikut ini.
Untuk memberikan interpretasi terhadap korelasi Point Biserial digunakan tabel nilai
korelasi Product Moment. Hal yang perlu ditentukan terlebih dahulu adalah menentukan
taraf signifikansi dan mencari derajat kebebasan (db = N – 2). Bila indeks korelasi (rpbi)
sama atau lebih besar daripada nilai korelasi tabel maka kedua variabel atau antara butir
soal dan total berkorelasi secara signifikan. Jika hasil rpbi lebih kecil daripada nilai
korelasi tabel berarti tidak ada korelasi yang signifikan.
= konstanta regresi
= variabel bebas
Besarnya konstanta a dan b dapat ditentukan menggunakan persamaan :
Y=a+ + +…+
yang mana :
a = konstanta
Bila terdapat 2 variable bebas, yaitu dan , maka bentuk persamaan regresinya
adalah :
Y=a+ +
(*)Nilainya negatif. Disini terjadi hubungan dengan arah terbalik antara variabel tak
bebas Y dengan variabel-variabel dan
(*) Nilainya positif. Disni terjadi hubungan yang searah antara variabel tak bebas Y
dengan variabel bebas dan
• Apabila bernilai 0 , maka dalam model persamaan regresi yang terbentuk, variasi
variable tak bebas Y tidak sedikitpun dapat dijelaskan oleh variasi variable-variable
bebas dan
• Apabila bernilai 1, maka dalam model persamaan regresi yang terbentuk, variable
tak bebas Y secara sempurna dapat dijelaskan oleh variasi variablevariable bebas dan
.
Nilai r : -1 ≤ r ≤ +1. Apabila nilai r mendekati nilai +1 atau – 1, maka dapat dikatakan
bhawa semakin kuatnya hubungan/korelasi yang terjadi. Sebaliknya, apabila nilai r
mendekati 0, maka semakin lemahnya hubungan/korelasi yang terjadi.
Korelasi Parsial
Merupakan suatu korelasi yang menjelaskan korelasi antara 1 variable dengan 1 variable
dan variable lainnya dianggap konstan. Terdapat 3 macam bentuk korelasi parsial, yaitu :
Kesalahan baku estimasi digunakan untuk melihat apakah persamaan regresi yang
terbentuk tepat/ kurang tepat dipakai untuk mengestimasi/ memprediksi variabel
response Y. Jika kesalahan bakunya besar, maka persamaan regresi yang dibentuk
kurang tepat dipakai untuk mengestimasi. Hal ini disebabkan karena selisih nilai antara
variable response Y estimasi dengan Y kenyataan akan besar. Secara matematik
kesalahan baku estimasi diekspresikan oleh :
4. KESIMPULAN
Statistika Inferensial (Induktif) merupakan metode yang digunakan untuk mengetahui
populasi berdasarkan sampel dengan menganalisis dan menginterprestasikan data menjadi
sebuah kesimpulan yang dibagi menjadi dua yaitu prametrik dan non-parametrik. Sebagai
contoh : semua mahasiswa offering C selalu datang tepat waktu.
Korelasi merupakan salah satu istilah yang menyatakan derajat hubungan linier (searah)
antara dua variabel atau lebih. Korelasi product moment merupakan salah satu teknik korelasi
di mana kedua variabelnya berskala interval. Korelasi ini cocok digunakan untuk statistik
parametrik.Ketika data berjumlah besar dan memiliki ukuran parameter seperti mean dan
standar deviasi populasi, korelasi product moment menghitung korelasi dengan menggunakan
variansi data dan keragaman data tersebut dapat menunjukkan korelasinya. Ada empat cara
yang dapat digunakan untuk menghitung koefisien korelasi produk moment. Cara tersebut
adalah sebagai berikut:
1. Meggunakan skor kasar/mentah (belum diolah)
2. Menggunakan skor deviasi
3. Menggunakan standar deviasi
4. Menggunakan diagram scatter
Analisis regresi sederhana bertujuan untuk mengetahui pengaruh dari suatu variable
terhadap variabel lainnya. Jika persamaan regresi hanya terdapat satu variabel bebas dengan
satu variabel terkait, maka disebut dengan persamaan regresi sederhana. Jika variabel
bebasnya lebih dari satu, maka disebut dengan persamaan regresi berganda.
Analisis regresi berganda bertujuan untuk mengetahui ada atau tidaknya pengaruh dua
atau lebih variabel bebas (X) terhadap variabel terikat (Y). Metode alternatif pada regresi
ganda, yaitu metode matriks (metode kuadrat terkecil) dapat digunakan untuk menentukan
nilai a, dan . Metode ini dilakukan dengan cara membuat dan menyusun suatu
persamaan. Dengan menggunakan kesalahan baku estimasi bertujuan untuk melihat apakah
persamaan regresi yang terbentuk tepat/ kurang tepat dipakai untuk mengestimasi/
memprediksi variabel response Y. Jika kesalahan bakunya besar, maka persamaan regresi
yang dibentuk kurang tepat dipakai untuk mengestimasi. Hal ini disebabkan karena selisih
nilai antara variable response Y estimasi dengan Y kenyataan akan besar.
DAFTAR PUSTAKA
Anon., 2015. Dokumen Indonesia. [Online]
Available at: https://fdokumen.com/document/korelasi-product-moment-56812fc92af50.html
[Diakses 20 february 2022].
Aulia, R., t.thn. GLOBALSTATISTIK ACADEMIC. [Online]
Available at: https://www.globalstatistik.com/perbedaan-korelasi-pearson-product-moment-
dan-rank-spearman/
[Diakses 20 February 2022].
Budiwanto, S., 2017. METODE STATISTIKA: Untuk Mengolah Data Keolahragaan.
Malang: Universitas Negeri Malang.
DAHRI, M., 2020. OSFPREPRITS. [Online]
Available at: https://osf.io/dprtn/
[Diakses 20 February 2022].
HATANI, L., 2008. STATISTIKA EKONOMI LANJUTAN. KENDARI: UNIVERSITAS
HALU OLEO.
Rangkuti, A. A., 2017. STATISTIKA INFERENSIAL: untuk Psikologi & Pendidikan. 1st
penyunt. Jakarta: KENCANA.
Sutarto Hadi, I. G. J. D., 2018. STATISTIKA INFERENSIAL: Teori dan Aplikasinya. 2nd
penyunt. Banjarmasin: Banjarmasin Pers.
Yuliara, I. M. (2016). Regresi linier sederhana. Denpasar: Universitas Udayana.(Accesed on
April 30th 2021 from https://simdos. unud. ac. id/uploads/file_pe ndidikan_1_dir/321812643.