STATISTIKA INFERENSIA

(INDUKTIF)

STATISTIKA
JURUSAN AKUNTANSI
POLITEKNIK NEGERI MALANG
Pengantar
• Berdasarkan buku 2 “Statistika Untuk Ekonomi dan Keuangan Modern” Edisi 3 oleh
Suharyadi dan Purwanto membahas tentang statistika inferensia (induktif) sedangkan
pada buku 1 membahas tentang statistika deskriptif.
• Sehingga diawali dari pengambilan data (populasi) kecil atau besar yang kemudian
dipilih untuk menghasilkan sampel, dilakukan analisis hingga ditarik kesimpulan.
• Metode Penarikan Sampel Sampel Probabilitas
1. Penarikan sampel acak sederhana
2. Penarikan sampel acak terstruktur
3. Penarikan sampel cluster

Sampel Nonprobabilitas
1. Penarikan sampel sistematis
2. Penarikan sampel kuota
3. Penarikan sampel purposive 2
Hipotesis dan Pengujian Hipotesis
• Good and Scates (1954) menyatakan bahwa hipotesis adalah sebuah dugaan atau
referensi yang dirumuskan serta diterima untuk sementara yang dapat menerangkan
fakta-fakta yang diamati dan digunakan sebagai petunjuk dalam pengambilan
keputusan.
• Kerlinger (1973) menyatakan bahwa hipotesis adalah pernyataan yang bersifat dugaan
dari hubungan antara dua atau lebih variable.
• Lind (2007) menyatakan bahwa hipotesis adalah suatu pernyataan mengenai nilai
suatu parameter populasi yang dimaksudkan untuk pengujian dan berguna untuk
pengambilan keputusan.
Pengujian Hipotesis adalah prosedur yang didasarkan pada bukti sampel yang dipakai
untuk menentukan apakah hipotesis merupakan suatu pernyataan yang wajar dan oleh
karenanya tidak ditolak atau hipotesis tersebut tidak wajar dan oleh karena itu harus
ditolak.

3
Prosedur Pengujian Hipotesis Sampel Besar (n ≥ 30)

Langkah 1. Merumuskan hipotesis (H0 dan H1)

Langkah 2. Menentukan Taraf Nyata (Probabilitas

menolak hipotesis)

Langkah 3. Menentukan Uji Statistik (Alat uji

statistik, uji Z, t, F, X²)

Langkah 4. Menentukan daerah keputusan (daerah di

mana hipotesis nol diterima atau ditolak)

Langkah 5. Mengambil Keputusan (Menerima Ho atau

Menolak Ho dan Menerima H1) 4
Keterangan
Pada Langkah 4 dari prosedur pengujian hipotesis, dibedakan
menjadi dua yaitu
1. Pengujian Satu Arah (One Tail Test)
Pengujian satu arah adalah daerah penolakan Ho hanya satu yaitu
terletak di ujung sebalah kanan saja atau ujung sebelah kiri,
digunakan untuk daerah keputusan penolakan Ho dengan tanda ≥
atau ≤. Contohnya
Hipotesisnya adalah rata-rata hasil investasi lebih kecil dari 10,5%,
maka perumusan hipotesisnya menjadi:
Ho : µ ≤ 10,5 H1 : µ > 10,5
Maka daerah penolakan Ho ada di sebelah kanan untuk tanda lebih
kecil sama dengan, dan sebaliknya.
2. Pengujian Dua Arah (Two Tail Test)
Pengujian dua arah adalah daerah penolakan Ho ada dua daerah,
yaitu di ujung sebelah kanan dan kiri maka masing-masing
mempunyai luas ½, digunakan untuk tanda sama dengan (=) pada
hipotesis nol dan tanda tidak sama dengan (≠) untuk hipotesis
alternatif. Contohnya
Hipotesisnya adalah rata-rata hasil investasi sama dengan 10,5%,
maka perumusan hipotesisnya menjadi:
Ho : µ = 10,5 H1 : µ ≠ 10,5
5
Prosedur Pengujian Hipotesis Sampel Kecil (n ≤ 30)

Langkah 1. Merumuskan hipotesis (H0 dan H1)

Langkah 2. Menentukan Taraf Nyata (Probabilitas

menolak hipotesis)

Langkah 3. Menentukan Uji Statistik (Alat uji

statistik, uji t, F)

Langkah 4. Menentukan daerah keputusan (daerah di

mana hipotesis nol diterima atau ditolak)

Langkah 5. Mengambil Keputusan (Menerima Ho atau

Menolak Ho dan Menerima H1) 6
Keterangan
• Pada umumnya pada sampel besar mempunyai distribusi normal dan standar deviasi sudah diketahui,
sehingga dapat digunakan uji statistik Z dalam prosedur uji hipotesis.
• Pada sampel kecil menggunakan distribusi t atau t-Student karena standar deviasi yang berfluktuasi
relative besar.
• Uji-t didasarkan pada distribusi-t Student. Sebaliknya, uji-z bergantung pada asumsi
bahwa distribusi rata-rata sampel adalah normal. Distribusi-t dan distribusi normal siswa tampak sama,
karena keduanya simetris dan berbentuk lonceng

7
REGRESI
KORELASI LINIER

STATISTIKA
JURUSAN AKUNTANSI
POLITEKNIK NEGERI MALANG
 Regresi Linier
Menurut Galton, Analisis Regresi berkenaan Menurut Nawari (2010), analisis regresi merupakan
dengan studi ketergantungan dari suatu variabel metode sederhana untuk melakukan investigasi
yang disebut dengan variabel tak bebas tentang hubungan fungsional di antara beberapa
(dependet variable), pada satu atau variabel yang variabel.
menerangkan dengan tujuan untuk
memperkirakan ataupun meramalkan nilai-nilai Menurut Sunyoto, (2007), Analisis regresi
dari variabel tak bebas jika nilai variabel yang merupakan bagian integral dalam
menerangkan sudah diketahui peramalan. Maksud dari peramalan ini
ialah berdasarkan data yang diolah dengan
Menurut Hasan (2008), regresi merupakan cara statistik yang kemudian menarik
suatu alat ukur yang juga digunakan untuk sebuah kesimpulan
mengukur ada tidaknya korelasi
antarvariabel.
David Olson & Yong Shi (2008), dalam
bukunya yang berjudul Pengantar Ilmu
KESIMPULAN: Pengalian Data Bisnis mengemukakan
bahwa regresi ialah salah satu perangkat
Regresi adalah suatu bentuk persamaan dasar untuk analisis yang bisa digunakan
liniear yang memberikan penjelasan akan untuk membuat model prediktif untuk
berbagai jenis data.
hubungan antara satu variabel atau lebih
dengan variabel lain.
9
 Regresi dikenal adanya dua variabel yaitu variabel bebas dan variabel terikat.
Variabel bebas adalah variabel yang menyebabkan atau memengaruhi, yaitu faktor-faktor yang
diukur, dimanipulasi atau dipilih oleh peneliti untuk menentukan hubungan antara fenomena yang
diobservasi atau diamati
variabel bebas disimbolkan dengan X. Variabel ini digunakan untuk meramalkan/ menerangkan
nilai variabel yang lain.
Variabel terikat adalah faktor-faktor yang diobservasi dan diukur untuk menentukan adanya
pengaruh variabel bebas, yaitu faktor yang muncul, atau tidak muncul, atau berubah sesuai dengan
Regresi yang diperkenalkan oleh peneliti.
variable ini disimbolkan dengan Y. Variabel ini merupakan variabel yang diramalkan atau
Linear diterangkan nilainya
Jul-Sep
Jika variabel bebas (Variabel X) memiliki hubungan dengan variabel terikat (variabel Y), maka
niai-nilai variabel X yang sudah diketahui dapat digunakan untuk menaksir atau memperkirakan
nilai-nilai Y

Istilah yang digunakan untuk variabel terikat dan variabel bebas:

Variabel bebas (independent variable) variabel yang menjelaskan peramal yang meregresi
Variabel terikat (dependent variable) variabel yang dijelaskan yang diramalkan yang diregresi
Oct-Des

10
Contoh
• Pengaruh Komitmen Kerja terhadap Produktivitas Kerja Karyawan PT Astra Motor. Variabel
bebasnya adalah komitmen kerja, variabel terikatnya adalah produktivitas kerja
• Pengaruh Uang Saku Mahasiswa terhadap Prestasi Belajar Mahasiswa. Variabel bebasnya
adalah komitmen kerja, variabel terikat prestasi Belajar mahasiswa
• Pengaruh motivasi belajar siswa terhadap hasil belajar. Variabel bebas adalah motivasi belajar,
variabel terikat hasl belajar

11
REGRESI
REGRESI LINIER BERGANDA
• Kelompok regresi dibagi menjadi dua :

REGRESI LINIER SEDERHANA

 Regresi Linier Sederhana
Analisis regresi linier sederhana adalah hubungan secara linear antara satu variabel independen (X) dengan variabel dependen (Y).
Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah positif atau negatif
dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan.
Contoh kasus:
Seorang mahasiswa bernama Hermawan ingin meneliti tentang pengaruh biaya promosi terhadap volume penjualan pada
perusahaan jual beli motor. Dengan ini di dapat variabel dependen (Y) adalah volume penjualan dan variabel independen
(X) adalah biaya promosi

Persamaan regresi linier dari Y terhadap X dirumuskan:

Keterangan:
Y: variabel terikat
X: variabel bebas
a: konstanta
b: koefisien regresi/ slop (menunjukkan besarnya pengaruh/ perubahan Y yang akan terjadi jika X mengalami perubahan

Persamaan regresi linier diatas dapat pula ditulis dalam bentuk:

13
 Regresi Linier Berganda
• Analisis regresi linear berganda sebenarnya sama dengan analisis regresi linear sederhana, hanya
variabel bebasnya lebih dari satu buah. Analisis ini untuk mengetahui arah hubungan antara variabel
independen dengan variabel dependen apakah masing-masing variabel independen berhubungan positif
atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen
mengalami kenaikan atau penurunan. Persamaan umumnya adalah:
• Y = a + b1 X1 + b2 X2 + .... + bn Xn.

Contohnya:
• Pengaruh Ukuran perusahaan, Provitabilitas, Leverage terhadap Laba perusahaan
 Persamaan Regresi Linier
Dari persamaan regresi Y = a + b X, nilai a dan b dapat ditentukan dengan cara sbb:
1. Rumus I:

2. Sistem persamaan linier dua variabel

dimana

dimana

15
Contoh Persamaan Regresi Linier
Berikut ini data mengenai pengalaman kerja dan penjualan
X = pengalaman kerja (tahun)
Y = omzet penjualan (ribuan)
X 2 3 2 5 6 1 4 1
Y 5 8 8 7 11 3 10 4

a. Tentukan nilai a dan b?

b. Buatlah persamaan regresinya?
c. Berapa omzet penjualan dari seorang karyawan yang pengalaman kerjanya 3,5 tahun?

16
Penyelesaian:
Langkah 1 : Penentuan Tujuan
Tujuan : Memprediksi omzet penjualan melalui pengalaman kerja

Langkah 2 : Identifikasikan Variabel Penyebab dan Akibat (Dependent dan Independent)

Varibel Faktor Penyebab (X) : pengalaman kerja
Variabel Akibat (Y) : omzet penjualan
Langkah 3 : Hitung X² & XY dan total dari masing-masingnya
X Y X² XY
2 5 4 10
3 8 9 24
2 8 4 16
5 7 25 35
6 11 36 66
1 3 1 3
4 10 16 40
1 4 1 4
24 56 96 198
17
Langkah 5 : Hitung a dan b berdasarkan rumus Regresi Linear Sederhana Langkah 6 : Buat Model Persamaan Regresi

Rumus I: Persamaan regresi linear :

Y=a+bX
Y = 3,25 + 1,25 X

= 1,25 Langkah 7 : Lakukan Prediksi atau Peramalan terhadap

Variabel Faktor Penyebab atau Variabel
Akibat
Rumus II: Nilai omzet untuk 3,5 tahun:
56 = 8a + 24b ....... (1) x1 168 = 24a + 72b Y = 3,25 + 1,25 X
198 = 24a + 96b ....... (2) x3 198 = 24a + 96b + Y = 3,25 +1,25 (3,5) = 7,625
-30 = -24 b
b = 1,25
(1) ..... 56 = 8a + 24b
56 = 8a + 24 (1,25)
a = 3,25

18

KORELASI
Korelasi adalah tindak lanjut dari regresi yang
mana untuk melihat sifat hubungan antara
variasi bebas dengan variabel terikat.
Sifat hubungan antara variabel bebas dan variabel terikat, sbb:
1. Kuat, hubungan antara variabel bebas dengan variabel terikat
dinyatakan kuat positif jika nilai koefisien korelasinya mendekati
angka satu (1) dan kuat negatif jika nilai koefisien korelasinya
mendekati angka minus satu (-1).
2. Sedang, hubungan antara variabel bebas dengan variabel terikat
dinyatakan sedang jika nilai koefisien korelasinya mendekati
angka 0,5 atau -0,5
3. Lemah hungan kedua variabel dinyatakan lemah jika koefisien
korelasinya mendekati angka nol (0)
19
 HUBUNGAN ANTAR VARIABEL
Korelasi Positif
• Korelasi positif atinya suatu hubungan antara variabel X dan Y yang
ditunjukan dengan hubungan sebab akibat dimana apabila terjadi
penambahan nilai pada variabel X maka akan diikuti terjadinya
penambahan nilai variabel Y dan sebaliknya apabila terjadi
pengurangan pada variabel X maka akan diikuti terjadinya
pengurangan pada variabel Y.
Contoh Korelasi Positif
• Dalam pertanian, jika dilakukan penambahan pupuk (X), maka
produksi padi akan meningkat (Y)
• Tentu saja semakin tinggi badan (X) seorang anak maka, berat
badannya akan bertambah pula(Y)
• Semakin luas lahan yang ditanami coklat (X) maka produksi coklat
akan meningkat
 HUBUNGAN ANTAR VARIABEL
• Korelasi Negatif
Korelasi negatif atinya suatu hubungan antara variabel X dan Y yang
ditunjukan dengan hubungan sebab akibat dimana apabila terjadi
penambahan nilai pada variabel X maka akan diikuti terjadinya
penurunan nilai variabel Y dan sebaliknya apabila terjadi penurunan
nilai pada variabel X maka akan diikuti terjadinya penambahan nilai
variabel Y.

Contoh Korelasi Negatif

• Apabila harga barang (X) meningkat maka kemungkinan permintaan
terhadap barang tersebut mengalami penurunan
• Apabila pendapatan (X) masyarakat meningkat maka kemungkinan
kejahatan atau kriminal menurun
 HUBUNGAN ANTAR VARIABEL
Tidak Ada Korelasi Atau Korelasi Sangat Lemah
• Korelasi ini terjadi apabila kedua variabel (X dan Y)
tidak menunjukkan adanya hubungan linear
Contoh :
• Panjang rambut (X) dengan tinggi badan (tidak bisa
dihitung hubungannya atau tidak ada hubungannya)
 Contoh Korelasi

• Hubungan antara kenaikan harga BBM (X) dengan harga kebutuhan pokok (Y)
• Hubungan tingkat pendidikan (X) dengan tingkat pendapatan (Y)
• Hubungan tingkat pendidikan ibu (X) dengan tingkat kesehatan/tingkat gizi bayi (Y), dsb

23
 TEKNIK MENGETAHUI KORELASI
1. SCATTER PLOT (DIAGRAM PENCAR)
Diagram pencar adalah sebaran nilai-nilai dari variabel – variabel pada sumbu x dan y.jika:
Tujuan dari diagram pencar ini adalah untuk mengetahui apakah titik-titik koordinat pada sumbu x dan y, adan apa pola
yang terbentuk dari sebaran tersebut.

Manfaat Diagram Pencar

• membantu menunjukkan apakah terdapat hubungan yang bermanfaat antara dua variabel
• membantu menetapkan tipe persamaan yang menunjukkan hubungan antara dua variabel tersebut
 TEKNIK MENGETAHUI KORELASI
2. KOEFISIEN KORELASI
Kegunaan koefisien korelasi untuk mengetahui ada / tidaknya hubungan antara kedua variabel (X dan Y)
dan seberapa erat hubungan antara kedua variabel tersebut.dapat diketahui dengan menghitung koefisien
korelasi dari kedua variabel. Jika koefisien korelasi bertanda positif (+) maka dapat disimpulkan hubungan
kedua variabel positif danbegitu juga halnya bila koefisien korelasi bertanda negative (-)

Koefisien Korelasi Pearson

Apabila antara dua variabel (X dan Y) yang masing-masing mempunyai skala pengukuran sekurang-
kurangnya interval (ratio)dan hubungannya merupakan hubungan linear,maka keeratan hubungan antara
kedua variabel itu dapat dihitung denganmenggunakan formula korelasi Pearson

Rumus koefisien korelasi:

Keterangan:
Y: variabel terikat
X: variabel bebas
25
 Contoh Koefisien Korelasi
Penyelesaian: Rumus:
X Y X² XY Y²
2 5 4 10 25
3 8 9 24 64
2 8 4 16 64
5 7 25 35 49 Berdasarkan tabel disamping, maka dapat dilihat apakah sifat hubungan antara jumlah
6 11 36 66 121 uang yang beredar dengan harga kuat, sedang, atau lemah.
1 3 1 3 9 Nilai koefisien korelasi menunjukkan = 0,727. Hal ini dikatakan bahwa sifat hubungan
antara jumlah uang yang beredar dengan harga adalah kuat positif, artinya jka jumlah
4 10 16 40 100
uang yang beredar meningkat makan akan diikuti kenaikan harga dan berlaku sebaliknya
1 4 1 4 16
24 56 96 198 448

26
 Koefisien Determinasi
Koefisien determinasi adalah ukuran untuk mengetahui kesesuaian atau ketepatan antara nilai
dugaan atau garis regresi dengan data sampel. Dengan kata lain, koefisien determinasi adalah
bagian dari keragaman total variable terikat (Y) yang dapat diterangkan atau diperhitungkan
oleh keragaman variable bebas (X).
Semakin besar koefisien determinasi menunjukkan semakin baik kemampuan X
menerangkan Y. Besarnya koefisien determinasi (r²) adalah kuadrat dari koefisien korelasi.

²
²

27
 Kesimpulan
• Analisis Korelasi adalah suatu Teknik statistic yang digunakan untuk mengukur
keeratan hunungan atau korelasi antara dua variable
• Analisis Regresi dilakukan untuk memperoleh koefisien regresi dari persamaan Y = a +
bX, nilai koefisien yang diperoleh digunakan untuk menduga nilai Y berdasarkan nilai X
tertentu
• Pengujian hipotesis adalah suatu prosedur untuk memeriksa apakah koefisien regresi
(a dan b) yang dihasilkan dari sampel sesuai atau tidak dengan nilai parameter
populasi sebenarnya atau yang dihipotesiskan.
• Koefisien korelasi, koefisien determinasi mempunyai hubungan yang dapat
digambarkan dalam table ANOVA. Tabel ANOVA dapat diketahui koefisien determinasi
dan kesalahan baku pendugaan dan nilai uji F untuk koefisien regresi.
• https://www.youtube.com/watch?v=2aRuIO6cWxE (ANOVA ONE WAY USING SPSS)
• https://www.youtube.com/watch?v=7OYkRGcAK1o&t=35s (REGRESI LINEAR
BERGANDA USING SPSS)

28
THANK
YOU