MAKALAH STATISTIKA

Statistika Inferensial: Korelasi Product Moment, Korelasi Point Biserial, Regresi

Sederhana dan Regresi Ganda

Disusun untuk memenuhi tugas matakuliah Statistika untuk Pendidikan Fisika

Yang dibimbing oleh Drs. Agus Suyudi, M.Pd

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)

PROGRAM STUDI PENDIDIKAN FISIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUA ALAM
UNIVERSITAS NEGERI MALANG
FEBRUARI 2022
1. PENDAHULUAN
Statistika berasal dari bahasa Latin (status) yang berarti negara(Budiwanto, 2017).
Statistika merupakan kumpulan dari konsep dan metode yang digunakan untuk
mengumpulkan, menyajikan, menganalisis, serta untuk menginterpretasikan data
kuantitatif suatu fakta tentang suatu bidang kegiatan tertentu(Budiwanto, 2017). Statistika
juga disebut sebagai ilmu pengetahuanyang berhubungan dengan cara-cara bagaimana
pengumpulan, penyajian, pengolahan, analisis data serta cara bagaimana penarikan
kesimpulan dapat dilakukan(Sutarto Hadi, 2018). Statistika dapat dibedakan menjadi dua
jenis berdasarkan cara atau metode mengumpulkan, meyajikan, menganalisis, hingga
menarik kesimpulan, dua jenis tersebut yaitu Statistika Deskriptif dan Statistika
Inferensial.
Statistik deskriptif merupakan proses transformasi data penelitian dalam bentuk
tabulasi sehingga mudah dipahami dan di interpretasikan (DAHRI, 2020). Sedangka
statistik inferensial sendiri yaitu statistika yang digunakan untuk melakukan estimasi
parameter dan menguji hipotesis dari suatu penelitian guna menarik kesimpulan dalam
suatu penelitian tersebut(Rangkuti, 2017). Dalam ststistika mencakup beberapa hal di
antaranya yaitu korelasi product moment, korelasi point biserial, regresi sederhana dan
regresi ganda yang akan dibahas lebih lanjut dalam pembahasan.

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.

3.2 Korelasi Product Moment

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(Anon., 2015). Korelasi ini
digunakan untuk data kontinu dan data diskrit(Aulia, t.thn.). 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. Korelasi ini menghitung data apa adanya, tidak membuat ranking atas data
yang digunakan(Aulia, t.thn.).Korelasi product moment dan korelasi Spearman (korelasi
yang dihitung dengan menghitung ranking data terlebih dahulu) memiliki nilai antara nilai
-1 sampai dengan 1. Di mana semakin nilainya mendekati 1 maka korelasi semakin kuat
sedangkan nilai yang semakin mendekati nol maka korelasi antara dua variabel semakin
rendah.
Tanda koefisien korelasi menunjukkan arah hubungan, tanda negatif (-)
menunjukkan hubungan yang berkebalikan (semakin meningkat nilai suatu variabel maka
variabel lainnya semakin menurun) dan tanda positif (+) menunjukkan hubungan yang
searah (semakin meningkat nilai suatu variabel maka variabel lainnya ikut meningkat)
(Aulia, t.thn.). Korelasi product moment digunakan untuk mengetahui ada/tidaknya
hubungan antara dua variabel serta untuk menyatakan besarnya sumbangan variabel satu
terhadap yang lainnya yang dinyatakan dalam persen(Anon., 2015). Untuk menyatakan
besar kecilnya sumbangan variabelA terhadap varibel B digunakan rumus koefisien
determinan sebagai berikut denga KP merupakan nilai koefisien
determinan, dan r merupakan nilai koefisien korelasi(Anon., 2015).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 ; dan (4) menggunakan diagram scatter

(Budiwanto, 2017).

3.3 Korelasi Point Biserial

Teknik korelasi Point Biserial adalah salah satu teknik analisis korelasional bivariat.
Persyaratan data dalam teknik ini adalah variabel 1 merupakan variabel diskrit (data
nominal atau data dikotomi) dan variabel 2 merupakan variabel kontinu (data interval).
Teknik korelasi ini juga dapat digunakan untuk mengetahui validitas soal yaitu skor tiap
butir soal dikorelasikan dengan skor total. Angka indeks korelasi Point Biserial
dilambangkan dengan .
Teknik analisis korelasional poin biserial ini juga dapat digunakan untuk menguji
validitas soal (validity item) yang telah diajukan dalam tes, dimana skoruntuk setiap soal
dikorelassikan dengan skor hasil tes secara totalitas. Angka indeks korelasi menunjukkan
keeratan hubungan antar variabel yangsatu dengan variabel yang lain, pada korelasi ini
dilambangkan dengan .
Cara menghitung Korelasi Indeks Point Biserial
1. Mencari Mean total ( ) dengan rumus
=
2. Mencari Mean skor dari jawaban yang menjawab ya/benar
=
3. Mencari Standar Deviasi total ( ) dengan rumus

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.

= Angka indeks korelasi Point Biserial

= Mean skor dari subjek yang menjawab benar/ya
= Mean skor total
= Standar deviasi total
p = Proporsi subjek yang menjawab benar/ya terhadap jumlah total subjek
q = 1–p

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.

3.4 Regresi Sederhana

Analisis regresi sederhana bertujuan untuk mengetahui pengaruh dari suatu variabel
terhadap variabel lainnya. Pada analisis regresi suatu variabel yang mempengaruhi disebut
variabel bebas atau independent variable, sedangkan variabel yang dipengaruhi disebut
variabel terkait atau dependent variable. 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. Pada regresi sederhana kita dapat mengetahui berapa besar perubahan dari
variabel bebas dapat mempengaruhi suatu variabel terkait.
Persamaan regresi sederhana secara matematik dapat dituliskan sebagai berikut

= garis regresi/ variabel response / variabel terikat

= konstanta, (nilai dari Y apabila X=0)

= konstanta regresi

= variabel bebas
Besarnya konstanta a dan b dapat ditentukan menggunakan persamaan :

Yang mana n= jumlah data

Langkah-langkah Analisis dan Uji Regresi Linier Sederhana :
1. Menentukan tujuan dari Analisis Regresi Linear Sederhana
2. Mengidentifikasi variabel predictor dan variabel response
3. Melakukan pengumpulan data dalam bentuk tabel
4. Menghitung X², XY dan total dari masing-masingnya
5. Menghitung a dan b menggunakan rumus yang telah ditentukan
6. Membuat model Persamaan Garis Regresi
7. Melakukan prediksi terhadap variabel predictor atau response
8. Uji signifikansi menggunakan Uji-t dan menentukan Taraf Signifikan
3.5 Regresi Ganda
1. Analisis regresi berganda bertujuan untuk mengetahui ada atau tidaknya pengaruh dua
atau lebih variabel bebas (X) terhadap variabel terikat (Y)
2. Uji t bertujuan untuk mengetahui ada atau tidaknya pengaruh parsial (sendiri) yang
diberikan variabel bebas (X) terhadap variabel terikat (Y)
3. Uji F bertujuan untuk mengetahui ada atau tidaknya pengaruh simultan (bersama-
sama) yang diberikan variabel bebas (X) terhadap variabel terikat (Y)
4. Koefisien diterminasi berfungsi untuk mengetahui berapa persen pengaruh yang
diberikan variabel X secara simultan terhadap variabel Y

Persamaan regresi linier berganda secara matematik diekspresikan oleh :

Y=a+ + +…+

yang mana :

Y = variable tak bebas (nilai variabel yang akan diprediksi)

a = konstanta

, ,…, = nilai koefisien regresi

, ,…, = variable bebas

Bila terdapat 2 variable bebas, yaitu dan , maka bentuk persamaan regresinya
adalah :

Y=a+ +

Keadaan-keadaan bila koefisien-koefisien regresi, yaitu dan mempunyai nilai :

(*)Nilai=0. Dalam hal ini variabel Y tidak dipengaruh oleh dan

(*)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

Koefisien-koefisien regresi dan serta konstanta a dapat dihitung dengan

menggunakan rumus :
Metode alternatif, yaitu metode matriks (metode kuadrat terkecil) dapat digunakan untuk
menentukan nilai a, dan . Metode ini dilakukan dengan cara membuat dan
menyusun suatu persamaan sebagai berikut :
Koefisien Determinasi ( )

• Untuk mengetahui prosentase pengaruh variable-variable dan terhadap variable Y

digunakan koefisien determinasi

• Besarnya dihitung dengan rumus :

• 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
.

Koefisien Korelasi Ganda (r)

 Untuk mengetahui seberapa besar korelasi secara serentak/ simultan antara variable-
variable , , ...., dengan variabel Y dapat digunakan koefisien korelasi ganda.
 Besarnya nilai koefisien korelasi ganda dapat dihitung dengan rumus :

 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 (Standart Error Estimate)

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.

Yuliara, I. M. (2016). Regresi linier berganda. Denpasar: Universitas Udayana.