A. Informasi Umum
4. Sistem Penilaian
Syarat untuk mengikuti ujian adalah jika mahasiswa mengikuti
perkuliahan tidak kurang dari 80% jumlah pertemuan.
Persentase penilaian ditentukan dari dari:
a. Tugas perorangan/kelompok + kehadiran dan partisipasi = 30%
b. Ujian Tengah Semester = 30%
1
c. Ujian Akhir Semester = 40%
C. Materi Perkuliahan
Pertemuan Pokok Bahasan Sub Pokok Bahasan Sumber
Penjelasan Silabus dan 1. Penjelasan Materi Silabus
lainnya 2. Aturan Perkuliahan
3. Penjelasan Penilaian
4. Pengertian Statistik dan
statistika
Berbagai jenis data Data, 1. Jenis Data dan Skala Buku 1, 2,
Skala Pengukuran, dan Pengukuran 3, 4, 5
pembulatan angka 2. Aturan Pembulatan angka
Penyajian Data dalam 1. Distribusi Frekuensi Buku 1, 2,
Distribusi Frekuensi dan Tunggal, dan Bergolong 3, 4, 5
Grafik/diagram 2. Jenis Grafik
1–5
Tendensi Sentral 1.Kuartil, Desil, Persentil Buku 1, 2,
2.Mean, Median, Mode 3, 4, 5
Variabilitas dan Skor Standar 1.Standar Deviasi, Varians Buku 1, 2,
2.Z Skor dan T Skor 3, 4, 5
6-7 Analisis Korelasi 1.Pengertian Korelasi Buku 3, 4,
2.Jenis-jenis Korelasi dan 5
pengujian hipotesis
8 Ujian Tengah Semester Materi Pertemuan 1 – 7
9 - 10 Pengujian Persyaratan Analisis 1. Uji Normalitas Buku, 3, 4,
2. Uji Homogenitas Varians 5
3. Uji Independensi antar
Variabel Bebas
11 -12 Analisis Regresi 1. Regresi tunggal/ganda Buku 2, 3,
2. Pengujian linearitas dan 4, 5
keberartian regresi
D. Daftar Bacaan
1. Hadi, Sutrisno. 1990. Statistik Jilid I. Yogyakarta: Andi Offset.
2. Sudjana. 1991. Desain dan Analisis Eksperimen. Bandung: Tarsito.
3. Sudjana. 1992. Metoda Statistika. Bandung: Tarsito.
4. Sudjana. 1992. Teknik Analisis Regresi dan Korelasi. Bandung: Tarsito.
5. Isparyadi. 1988. Statistik Pendidikan. Jakarta: P2LPTK.
6. Dan buku-buku Statistik lain yang relevan.
Padang, 4 September 2008
2
Dr. Adnan Fardi, M.Pd.
HAND OUT MATA KULIAH STATISTIK
PROGRAM PASCA SARJANA UNP
SATUAN ACARA PERKULIAHAN (SAP)
Pertemuan 1
Semester : Genap/Ganjil
Program Studi : S2/………….
Pokok Bahasan : Penjelasan silabus, Pengertian Statistik
Sub Pokok Bahahan : Penjelasan materi, Aturan Perkuliahan, Penilaian,
Pengertian Statistik, data dan skala pengukuran.
Alokasi Waktu : 3 x 50 menit
Dosen Penanggung Jawab : Dr. Adnan Fardi, M.Pd.
A. Petunjuk Umum
Setiap mahasiswa wajib membaca dan memahami silabus perkuliahan statistik.
B. Kompetensi Pembelajaran
Memahami materi, dan kegiatan pekuliahan selama satu semester.
C. Pokok Materi
Silabus mata kuliah statistik lanjutan dan pengertian konsep statistik, data dan skala
pengukuran.
F. Uraian Materi
3
1. Pelaksanaan perkuliahan dilaksanakan sebanyak 16 kali mencakup 14 kali
tatap muka perkuliahan dan 2 kali ujian, yaitu ujian Mid semester yang
dilaksanakan pada pertemuan ke 8 dan ujian semester pada pertemuan ke
16.
2. Pemberian tugas diberikan minimal pada setiap 2 kali pertemuan
3. Seluruh materi yang akan disampaikan selama satu semester dijabarkan
dalam silabus.
4. Bobot penilaian terhadap tugas dan keaktifan selama mengikuti perkuliahan
adalah 30%, ujian Mid semester 30%, dan ujian akhir semester adalah 40%.
5. Statistik: Kumpulan angka yang sering disusun, diatur atau disajikan dalam
bentuk daftar/tabel, sering pula daftar atau tabel tersebut disertai dengan
gambar-gambar yang biasa disebut diagram atau grafik.
6. Statistika: Pengetahuan yang berhubungan dengan cara-cara pengumpulan
data, pengolahan, atau penganalisisannya dan penarikan kesimpulan atau
interpretasi terhadap hasil analisis kumpulan data tersebut.
7. Statistik deskriptif: Fase statistik dimana hanya berusaha menggambarkan
dan menganalisis data dalam suatu kelompok tanpa membuat/menarik
kesimpulan tentang populasi atau kelompok yang lebih besar.
8. Statistik assosiatif: Fase statistik untuk mengetahui asosiasi (relasi,
hubungan) antara dua atau lebih variabel berupa hubungan yang bersifat non
causal.
9. Statistik inferensial: Fase statistik yang berkaitan dengan kondisi-kondisi
dimana data dari sampel dianalisis dan dari analisis tersebut ditarik
kesimpulan untuk populasi dari mana sampel tersebut diambil.
Data
1. Data = Keterangan atau informasi tentang suatu hal bisa berbentuk Kategori,
misalnya: tinggi, rendah, baik, buruk, senang, puas, berhasil, gagal, dsb., atau
juga bisa berbentuk bilangan (angka).
4
2. Data yang berbentuk bilangan disebut data kuantitatif, harganya berubah-ubah
atau bersifat variabel. Dari nilainya dikenal dua golongan data kuantitatif, yaitu
data diskrit dan data kontinyu.
3. Hasil menghitung merupakan data diskrit, sedangkan hasil pengukuran
merupakan data kontinyu.
4. Data yang bukan kuantitatif disebut data kualitatif, yaitu data atau keterangan
mengenai kategori atau golongan. Misalnya: sembuh, sakit, gagal, berhasil,
islam, kristen, golkar, PDI, dsb.
5. Data menurut sumbernya dikenal pula Data Intern dan Data Ekstern
Data Intern adalah data yang berasal dari dalam lembaga/institusi dimana
sipengumpul data berkerja.
Data Ekstern adalah data yang dikumpulkan dari lembaga lain.
6. Menurut aktivitas pengumpul data dapat pula dibedakan data primer dan data
sekunder
Data primer dikumpulkan dan diukur sendiri oleh peneliti atau pengumpul data.
Data sekunder adalah data yang diambil dari data yang sudah tersedia dari
sumberdata tertentu.
7. Data mentah adalah data yang baru dikumpulkan dan belum pernah mengalami
pengolahan apapun.
Skala Pengukuran
1. Pengukuran adalah proses penerjemahan hasil-hasil pengamatan menjadi angka-
angka.
2. Skala pengukuran adalah penetapan/pemberian angka kepada objek-objek, atau
kejadian-kejadian, menurut kaidah-kaidah tertentu.
3. Terdapat empat Jenis Skala pengukuran menurut S.S. Steven, yaitu: Skala
Nominal, Skala Ordinal, Skala Interval, dan Skala Rasio.
5
a. Skala Nominal
❖ Adalah skala yang digunakan untuk data yang menunjukkan adanya
penggolongan atas kriteria yang sangat tegas batasnya.
❖ Penggunaan angka hanya sebagai simbol untuk mengidentifikasi
kategori itu saja.
❖ Angka dalam skala nominal tidak dapat diolah secara matematis melalui
proses penambahan, pengurangan, perkalian atau pembagian.
❖ Prosedur statistik yang dapat digunakan adalah penghitungan belaka,
misalnya melaporkan jumlah hasil pengamatan dalam setiap kategori.
b. Skala Ordinal
❖ Adalah skala yang digunakan untuk data yang menunjukkan adanya
penggolongan atas kriteria tertentu dengan jarak yang tidak sama antara
masing-masing golongan.
❖ Dalam pengukuran ordinal ditetapkan posisi relatif objek atau individu,
tanpa menunjukkan jarak antara posisi-posisi itu.
❖ Bila objek itu diberi angka, satunya-satunya yang dipertimbangkan
adalah urutan atau peringkat/ranking objek-objek tersebut.
❖ Angka dalam skala ordinal juga tidak dapat diolah secara matematis
melalui proses penambahan, pengurangan, perkalian atau pembagian.
c. Skala Interval
❖ Adalah skala yang digunakan untuk data yang menunjukkan adanya
penggolongan yang mempunyai kebesaran sama.
❖ Data ini memiliki ciri kebesaran yang berkelanjutan (kontinyu) sehingga
dapat diukur.
6
❖ Skala interval ialah skala yang memberi jarak interval sama dari suatu
titik asal yang tidak tetap (relatif, tidak ada titik nol sejati/absolut)
❖ Dalam skala interval, hubungan tata urutan dan jarak antara angka-
angka memiliki arti. Kita dapat menyatakan bahwa perbedaan antara 50
dan 51 derajat Celcius sama dengan perbedaan antara 30 dan 31 derajat
Celcius. Akan tetapi kita tidak dapat menyatakan bahwa 50 derajat
Celcius dua kali lebih panas dari 25 derajat Celcius. Hal ini disebabkan
karena tidak adanya titik nol sejati/absolut dalam skala interval. Titik
nol dalam hal ini ditetapkan berdasarkan kesepakatan belaka. Dalam
skala Celcius titik nol ditetapkan berdasarkan titik beku air.
❖ Demikian pula dalam tes psikologi atau hasil belajar tidak titik nol sejati
sebagai patokannya. Sebagai contoh tidak ada angka kecerdasan nol,
atau tidak ada satu carapun dalam tes kecerdasan yang dapat dipakai
untuk menetapkan bahwa seseorang memiliki tingkat kecerdasan nol.
❖ Seorang mahasiswa mungkin kadang-kadang memperoleh angka nol
dalam ujian matematik, tetapi itu tidak berarti bahwa ia tidak memiliki
pengetahuan matematik sama sekali.
❖ Kalau ada tiga orang mahasiswa memperoleh skor 15, 30 dan 45 dalam
ujian matematik, kita tidak dapat mengatakan bahwa mahasiswa yang
memperoleh skor 30 dua kali lebih pandai dari mahasiswa yang
memeperoleh skor 15, atau mahasiswa yang memperoleh skor 45 tiga
kali lebih pandai dari mahasiswa yang memeperoleh skor 15.
d. Skala Rasio
❖ Adalah skala yang digunakan untuk data yang menunjukkan adanya
penggolongan yang mempunyai kebesaran dari suatu titik asal yang
absolut (diukur dari nol).
❖ Skala Rasio pada dasarnya sama dengan skala interval. Bedanya pada
skala rasio digunakan angka nol absolut. Jadi nol berarti kosong atau
tidak ada sama sekali.
7
❖ Skala rasio adalah skala yang digunakan untuk mengukur jarak, berat,
volume, dsbnya. Untuk mengukur jarak misalnya dipakai meter, untuk
mengukur berat dipakai kilogram, untuk mengukur isi dipakai liter.
❖ Karena adanya titik nol absolut/mutlak, maka kita dapat menyatakan
bahwa berat 50 kg adalah dua kali lebih berat dari 25 kg.
4,5 5 4
7,50 8 8
1,500 2 2
6,5___ + 7___ + 6___ +
8
20,000 22 20
A. Petunjuk Umum
Setiap mahasiswa wajib membaca dan memahami literatur yang berkaitan dengan
Penyajian Data dalam Distribusi Frekuensi dan grafik/diagram
B. Kompetensi Pembelajaran
Memahami materi, Penyajian Data dalam Distribusi Frekuensi dan grafik/diagram
C. Pokok Materi
Penyajian Data dalam Distribusi Frekuensi dan grafik/diagram
F. Uraian Materi
9
1. Distribusi frekuensi adalah penyajian data dalam bentuk tabel berdasarkan
penyebaran frekuensinya.
2. Tabel distribusi frekuensi terdiri atas Baris (horizontal), Kolom (vertikal) , dan
sel (isi antara pertemuan baris dan kolom). Jumlah baris, kolom, dan sel dibuat
sesuai dengan keperluan.
3. Judul Tabel biasanya dibuat dibagian atas Tabel.
Xi Tally/Tabulasi fi fr (%)
45 || 2 12,50
56 |||| 4 25,00
69 |||| | 6 37,50
70 ||| 3 18,75
80 | 1 6,25
10
16 100,00
79 49 48 74 81 98 87 80
80 84 90 70 91 93 82 78
70 71 92 38 56 81 74 73
68 72 85 51 65 93 83 86
90 31 83 73 74 43 86 88
92 93 76 71 90 72 67 75
80 91 61 72 97 91 88 81
70 74 99 95 80 59 71 77
63 60 83 82 60 67 89 63
76 63 88 70 66 88 79 75
11
► Pilih ujung kelas interval pertama, bisa dimulai dari data yang terendah (31),
atau lebih kecil dari data terendah dengan selisih tidak boleh lebih besar dari
panjang kelas
31 – 40 || 2 2,50
41 – 50 ||| 3 3,75
51 – 60 |||| 5 6,25
6. Jenis Grafik/diagram
a. Histogram (diagram batang)
12
30
24
25 21
20
13 Series1
15 12
Series2
10
5
3
5 2
0
31 – 40 41 – 50 51 – 60 61 – 70 71 – 80 81 – 90 91 – 100
30
30
26.25
25 24
21
20
16.25
15 Series1
15
13
12 Series2
10
6.25
5
5
3 3.75
2 2.5
0
31 – 40 41 – 50 51 – 60 61 – 70 71 – 80 81 – 90 91 – 100
13
91 – 100 15
12
81 – 90 26.25
21
71 – 80 30
24
16.25 Series2
61 – 70 13
Series1
6.25
51 – 60 5
3.75
41 – 50 3
2.5
31 – 40 2
0 5 10 15 20 25 30 35
14
30 35
25 30
25
20
20 Series2
15
15 Series1
10
10
5 5
0 0
31 – 40 41 – 50 51 – 60 61 – 70 71 – 80 81 – 90 91 – 100
30 35
25 30
25
20
20 Series2
15
15 Series1
10
10
5 5
0 0
31 – 40 41 – 50 51 – 60 61 – 70 71 – 80 81 – 90 91 – 100
15
31 – 40, 2, 3%
41 – 50, 3, 4%
91 – 100, 12, 15%
51 – 60, 5, 6%
A. Petunjuk Umum
Setiap mahasiswa wajib membaca dan memahami literatur yang berkaitan dengan
Tendensi Sentral Kuartil, Desil, Persentil, Mean, Median, dan Modus.
B. Kompetensi Pembelajaran
Memahami materi, Tendensi Sentral Kuartil, Desil, Persentil, Mean, Median, dan
Modus.
16
C. Pokok Materi
Kuartil, Desil, Persentil, Mean, Median, dan Modus.
F. Uraian Materi
1. Kuartil adalah bilangan pembagi, pada sekumpulan data yang dibagi menjadi
empat bagian yang sama banyak, sesudah disusun menurut urutan
nilainya.Terdapat 3 buah Kuartil, yaitu K1, K2, dan K3.
2. Desil adalah bilangan pembagi, pada sekumpulan data yang dibagi menjadi
sepuluh bagian yang sama banyak, sesudah disusun menurut urutan nilainya.
Terdapat 9 buah Desil, yaitu: D1, D2, ……….. D9.
3. Persentil adalah bilangan pembagi, pada sekumpulan data yang dibagi menjadi
seratus bagian yang sama banyak, sesudah disusun menurut urutan nilainya.
Terdapat 99 buah Persentil, yaitu: P1, P2, ……….. P99.
4. Menentukan Letak dan Nilai Kuartil untuk data tunggal
a. Susun data menurut urutan nilainya
b. Tentukan letak kuartil
c. Tentukan nilai kuartil
Sampel dengan data
75, 82, 66, 57, 64, 56, 92, 94, 86, 52, 60, 70
Disusun urutan nilainya dari kecil ke besar
52, 56, 57, 60, 64, 66, 70, 75, 82, 86, 92, 94
17
4
dengan i = 1, 2, 3
18
Yaitu data ke 1 + 0,3 jauh dari data ke 1 ke arah data ke 2.
19
Yaitu data ke 3 + 0,25 jauh dari data ke 3 ke arah data ke 4.
▪ Ki = b + p (in/4 – F)
f
20
Untuk menentukan kuartil ketiga K3, kita perlu ¾ x jumlah data/frekuensi,
yaitu ¾ x 80 = 60
► K3 akan terletak di frekuensi ke 60, yaitu pada kelas
interval ke 6.
► Batas bawah kelas interval K3 (b) adalah nilai ujung kiri
kelas interval ke 6 – 0,5 = 80,5
► panjang kelas interval K3 (p) = 10
► Frekuensi kelas interval K3 (f) = 20
► F = 1 + 2 + 5 + 15 + 25 = 48
K3 = 80,5 + 10 (3x80/4 - F )
f
► K3 = 80,5 + 10 (60 - 48 )
20
► K3 = 80,5 + 10 (12 )
20
► K3 = 80,5 + 10 (0,6 )
► K3 = 86,5
8. Menentukan Letak dan Nilai Desil untuk data bergolong
Nilai Ujian Fi
▪ Di = b + p (in/10 – F)
31 – 40 1 f
41 – 50 2 dengan i = 1, 2, ……. 9
Jumlah 80
21
31 – 40 1 ▪ Pi = b + p (in/100 – F)
f
41 – 50 2 dengan i = 1, 2, 3 ………99
51 – 60 5
b= batas bawah kelas Pi, ialah kelas
61 – 70 15
interval dimana Pi akan terletak
71 – 80 25 p = panjang kelas interval Pi
81 – 90 20 F = jumlah frekuensi dengan tanda
10. Mean atau rata-rata hitung adalah jumlah semua skor dalam suatu
sebaran dibagi dengan jumlah kasus.
Rumus Mean = rata-rata hitung ( X )
22
n 5
X = Xi = 320 = 64
n 5
100 15780
23
➢ Ambil salah satu kelas interval, namakan Xo
➢ Untuk harga Xo diberi nilai sandi = 0
➢ Tanda kelas yang lebih kecil dari Xo berturut-turut diberi nilai-nilai sandi
C = -1, C = -2, C = -3 dan seterusnya
➢ Tanda kelas yang lebih besar dari Xo berturut-turut diberi nilai-nilai sandi
C = 1, C = 2, C = 3 dan seterusnya.
X = Σni X i
Σni
24
11. Median adalah nilai tengah dalam suatu sebaran data
Median Data tunggal
4, 12, 5, 7, 8, 10, 10
✓ Susun data terlebih dulu dari kecil ke besar
4, 5, 7, 8, 10, 10, 12 (jumlah data ganjil)
✓ Jika jumlah data ganjil, maka median (Me) adalah data paling tengah dari
sebaran data yang telah disusun (8).
4, 5, 7, 8, 10, 10, 12, 16 (jumlah data genap)
✓ Jika jumlah data genap, maka median (Me) adalah jumlah dua data paling
tengah dibagi 2, yaitu (8+10) = 9
2
71 – 80 25 n = jumlah sampel
F = jumlah frekuensi dengan tanda
81 – 90 20
kelas lebih kecil dari tanda kelas median
91 – 100 12
f = frekuensi kelas median
Jumlah 80
25
Tentukan letak Median. Setengah dari seluruh data adalah 40 buah. Jadi median
akan terletak di kelas interval kelima, karena sampai dengan ini jumlah frekuensi
sudah termasuk pada frekuensi ke 40.
Dari kelas median ini diperoleh b = 70,5; p = 10; dan f = 25.
Adapun F = 1 + 2 + 5 + 15 = 23
Jadi Median =
▪ Me = b + p (½n – F)
f
▪ Me = 70,5 + 10 (40 – 23) = 77,3
25
12. Modus adalah skor/data yang paling banyak/sering muncul dalam suatu sebaran
data.
Modus Data Tunggal
12, 34, 14, 28, 34, 34, 28, 14
Modus (Mo) pada data di atas adalah 34, karena skor 34 yang paling banyak
muncul (3 buah) dalam sebaran data tersebut.
26
Tentukan letak Modus, yaitu di kelas interval kelima, karena disana terdapat
frekuensi terbanyak
b = 70,5
b1 = 25 – 15 = 10
b2 = 25 – 20 = 5
p = 10
▪ Mo = b + p __b1__
b1 + b2
A. Petunjuk Umum
Setiap mahasiswa wajib membaca dan memahami literatur yang berkaitan dengan
Variabilitas dan Skor Standar
B. Kompetensi Pembelajaran
Memahami materi, Variabilitas dan Skor Standar
C. Pokok Materi
27
Standar deviasi, Varians, Skor standar (Z score dan T score)
E. Evaluasi
Penyelesaian dan evaluasi tugas-tugas
F. Uraian Materi
1. Standar deviasi adalah satuan ukuran penyebaran frekuensi dari tendensi
sentralnya.
Data tunggal
berdasarkan angka s= n ΣXi2 - (ΣXi)2 s2 = n ΣXi2 - (ΣXi)2
mentah n(n – 1) n(n – 1)
Data bergolong
berdasarkan angka s= n ΣfiXi2 - (ΣfiXi)2 s2 = n ΣfiXi2 - (ΣfiXi)2
mentah n(n – 1) n(n – 1)
28
Aplikasi rumus menghitung standar deviasi data tunggal berdasarkan Deviasi
Xi Xi -X (Xi - X )2
45 -19 361
56 -8 64
69 5 25
70 6 36
80 16 256
320 742
Data tunggal
29
berdasarkan angka s= 5x21222 - (320)2 = 13,62 s2 = 5x21222-(320)2
mentah 5(5 – 1) 5(4 – 1)
Tinggi
fi Xi Xi - X (Xi - X)2 fi(Xi - X)2 fiXi
(cm)
140 – 144 7 142 -16 256 1792 994
145 – 149 10 147 -11 121 1210 1470
150 – 154 16 152 -6 36 576 2432
155 – 159 23 157 -1 1 23 3611
160 – 164 21 162 4 16 336 3402
165 – 169 17 167 9 81 1377 2839
170 – 174 6 172 14 196 1176 1032
100 6490 15780
Zi = Xi - X
s
2. T score adalah bentuk lain dari skor standar dimana rata-rata ditentukan 50
dengan standar deviasi 10.
30
Ti = 50 + 10 Xi - X
s
A. Petunjuk Umum
Setiap mahasiswa wajib membaca literatur yang berkaitan dengan analisis korelasi
sederhana/tunggal
B. Kompetensi Pembelajaran
Memahami dan mampu melakukan berbagai analisis korelasi sederhana dan
menginterpretasikan hasilnya
31
C. Sub Kompetensi
Memahami dan mampu melakukan analisis korelasi product moment, tata jenjang,
biserial, dan pengujian kelinieran hubungan.
D. Pokok Materi
Korelasi product moment, korelasi tata jenjang, korelasi biserial, uji linearitas
hubungan.
E. Proses Kegiatan Pembelajaran
1. Metoda Pembelajaran
Ceramah, tanya jawab, diskusi, latihan
2. Media
OHP, whiteboard, LCD
F. Evaluasi
Evaluasi tugas latihan, dan ujian tulis (mid semester).
32
sedangkan r yang bertanda minus (-) menunjukkan hubungan yang berlawanan
arah/berbanding terbalik. Untuk r yang bertanda plus biasanya tidak ditulis
tandanya.
7. Korelasi bukan menunjukkan hubungan sebab akibat.
8. Koefisien korelasi tidak ditafsirkan menurut persentase, yang ditafsirkan
sebagai persentase adalah koefisien determinasi, yaitu koefisien korelasi
dikuadradkan (r2). Hal ini menyatakan sebarapa besar sumbangan/kontribusi
dari variabel bebas/prediktor terhadap variabel terikat/kriterium.
9. Korelasi Product Moment, adalah teknik analisis yang digunakan untuk
mengetahui hubungan antara dua variabel dalam skala interval atau rasio.
Rumus-rumus korelasi Product Moment:
a. r Pearson berdasarkan standar deviasi
1_
rxy = n-1 (X-X)(Y-Y)
sX sY
rxy = xy_____
(x2) (y2)
33
3 28 45 5 5 25 25 25
4 22 36 -1 -4 1 16 4
5 16 32 -7 -8 49 64 56
6 17 34 -6 -6 36 36 36
7 23 32 0 -8 0 64 0
8 19 33 -4 -7 16 49 28
9 26 30 3 -10 9 100 -30
10 24 46 1 6 1 36 6
11 25 42 2 2 4 4 4
12 27 46 4 6 16 36 24
13 26 45 3 5 9 25 15
14 19 39 -4 -1 16 1 4
15 21 34 -2 -6 4 36 12
16 20 40 -3 0 9 0 0
17 24 44 1 4 1 16 4
18 22 46 -1 6 1 36 -6
19 27 49 4 9 16 81 36
20 21 39 -2 -1 4 1 2
460 800 242 690 244
X = X = 460 = 23 Y = Y = 800 = 40
n 20 n 20
34
Kekuatan otot Kemampuan
Sampel X2 Y2 XY
tungkai (X) menendang (Y)
1 27 40 729 1600 1080
2 26 48 676 2304 1248
3 28 45 784 2025 1260
4 22 36 484 1296 792
5 16 32 256 1024 512
6 17 34 289 1156 578
7 23 32 529 1024 736
8 19 33 361 1089 627
9 26 30 676 900 780
10 24 46 576 2116 1104
11 25 42 625 1764 1050
12 27 46 729 2116 1242
13 26 45 676 2025 1170
14 19 39 361 1521 741
15 21 34 441 1156 714
16 20 40 400 1600 800
17 24 44 576 1936 1056
18 22 46 484 2116 1012
19 27 49 729 2401 1323
20 21 39 441 1521 819
20 460 800 10822 32690 18644
Rumus c.
rxy = nXY – (X)(Y)____
= (20x18644)-(460x800)
{nX2–(X)2 }{nY 2-(Y)2 }
{20x10822-(460)2}{20x32690-(800)2}
rxy = 0,60
10. Korelasi tata jenjang adalah teknik analisis yang digunakan untuk mengetahui
hubungan antara dua variabel dalam skala ordinal.
Rumus korelasi tata jenjang
rs = 1 - 6Di2
n(n2-1)
35
Hubungan antara Biaya Persiapan pada masing-masing Kota/Kab. dengan
perolehan medali pada Porda Sumbar
Biaya Persiapan Perolehan Ranking Ranking
No Kota/Kab. D D2
(X) Medali (Y) X Y
1 Padang Rp. 50 juta 58 1 1 0 0
2 B. Tinggi Rp. 46 juta 40 3 2 1 1
3 Agam Rp. 44 juta 26 4 6 -2 4
4 P. Panjang Rp. 30 juta 23 13 7 6 36
5 Solok Rp. 40 juta 34 6.5 4 2.5 6.25
6 Kab. Solok Rp. 42 juta 20 5 8 -3 9
7 Sawahlunto Rp. 48 juta 15 2 9 -7 49
8 SWL SJJ Rp. 40 juta 12 6.5 10 -3.5 12.25
9 Pessel Rp. 35 juta 10 10 11 -1 1
10 Pasaman Rp. 36 juta 8 9 12 -3 9
11 Payakumbuh Rp. 38 juta 36 8 3 5 25
12 50 kota Rp. 34 juta 30 11 5 6 36
13 P. Pariaman Rp. 32 juta 6 12 13 -1 1
14 Pariaman Rp. 25 juta 4 14 14 0 0
189.5
11. Korelasi Biserial, digunakan untuk mencari hubungan antara dua vaiabel
kontinum (interval atau rasio) tetapi variabel yang satu telah dibuat dua
penggolongan atas dua kategori dasar data kontinum tersebut, sedangkan
variabel yang lainnya tetap dalam skala interval atau rasio.
36
p = proporsi kelompok 1
Q = proporsi kelompok 0
Y = tinggi ordinat dari P dan Q
37
s= n ΣXi2 - (ΣXi)2 s= 12x126934 – (1226)2 s = 12,35
n(n – 1) 12(12 – 1)
1- r2 1- 0,602
Dengan α = 0,05 dan dk = n – 2, diperoleh nilai ttabel = 1,73, yaitu dari 1- α atau
0,95 sebagai dk pembilang dan n-2 (18) sebagai dk penyebut.
Kriteria pengujian adalah: jika thitung > ttabel, Ho yang menyatakan tidak terdapat
hubungan antara variabel ditolak. Sebaliknya jika thitung < ttabel Ho diterima.
Oleh karena thitung (3,18) > ttabel (1,73) maka Ho ditolak, dan Ha diterima.
38
SATUAN ACARA PERKULIAHAN (SAP)
Pertemuan 7
Mata Kuliah : Statistik
Semester : Genap/Ganjil
Program Studi : S2/………….
Pokok Bahasan : Analisis korelasi ganda
Sub Pokok Bahahan : Korelasi ganda, pengujian hipotesis, uji independensi
antar variabel bebas
Pertemuan : ……
Alokasi Waktu : 3 x 50 menit
Dosen Penanggung Jawab : Dr. Adnan Fardi, M.Pd.
A. Petunjuk Umum
Setiap mahasiswa wajib membaca literatur yang berkaitan dengan analisis korelasi
ganda.
B. Kompetensi Pembelajaran
Memahami dan mampu melakukan analisis korelasi ganda dan menginterpretasikan
hasilnya.
C. Sub Kompetensi
39
Memahami dan mampu melakukan analisis korelasi ganda, uji independent antar
variabel bebas dan menguji hipotesis.
D. Pokok Materi
Analisis korelasi ganda, uji independent antar variabel bebas, uji hipotesis.
F. Evaluasi
Penyelesaian dan evaluasi tugas latihan
G. Uraian Materi
1. Korelasi ganda digunakan untuk menghitung derajat/kekuatan hubungan antara
beberapa variabel bebas/prediktor dengan variabel terikat/kriteria.
2. Rumus Korelasi Ganda
R2y12 / k
F =
(1 – R2y12 ) / (n - k – 1)
40
Misalnya seorang peneliti melalukan analisis korelasi terhadap tiga buah
variabel penelitian (dua variabel prediktor X1 dan X2 dengan satu variabel
kriteria Y) yang diperoleh dari 50 orang sampel. Hasil analisis korelasi tunggal
antar variabel adalah sebagai berikut:
Variabel Y X1 X2
Y - 0,46 0,52
X1 0,46 - 0,17
X2 0,52 0,17 -
R2y12 / k
F =
(1 – R2y12 ) / (n - k – 1)
0,642 / 2
F = = 16,33
(1 – 0,642 ) / (50 - 2 – 1)
41
Untuk mengetahui apakah ada kontaminasi antara variabel bebas dalam
hubungannya dengan variabel terikat, maka pada analisis korelasi ganda
seyogyanya dilakukan pengujian independensi antar variabel bebas. Jika
hubungan antar variabel bebas signifikan berarti ada kontaminasi, jika tidak
terdapat hubungan (tidak signifikan) antara variabel bebas, berarti hubungan
tersebut bebas dari kontaminasi variabel bebas. Hal belakangan inilah yang
sebaiknya ditemukan dalam korelasi ganda.
Sehubungan dengan contoh di atas, maka uji independensi antar variabel bebas
dapat dilakukan dengan menguji signifikansi melalui uji distribusi t.
1- r2 1- 0,172
Dengan α = 0,05 dan dk = n – 2, diperoleh nilai ttabel = 1,68, yaitu dari 1- α atau
0,95 sebagai dk pembilang dan n-2 (48) sebagai dk penyebut.
42
SATUAN ACARA PERKULIAHAN (SAP)
Pertemuan 9
Mata Kuliah : Statistik
Semester : Genap/Ganjil
Program Studi : S2/………….
Pokok Bahasan : Pengujian normalitas data
Sub Pokok Bahahan : Uji Lilliefors dan uji chi kuadrad
Pertemuan : ………
Alokasi Waktu : 3 x 50 menit
Dosen Penanggung Jawab : Dr. Adnan Fardi, M.Pd.
B. Petunjuk Umum
Setiap mahasiswa wajib membaca dan memahami literatur yang berkaitan dengan
pengujian normalitas data.
C. Kompetensi Pembelajaran
Memahami dan mampu melaksanakan pengujian normalitas data
D. Sub Kompetensi
43
Memahami dan mampu melaksanakan pengujian normalitas data tunggal dengan uji
Lilliefors, dan data bergolong dengan uji chi kuadrad.
E. Pokok Materi
Uji normalitas data dengan Uji Lilliefors dan uji chi kuadrad
G. Evaluasi
Penyelesaian dan evaluasi tugas-tugas
H. Uraian Materi
1. Pengujian normalitas adalah suatu analisis yang dilakukan untuk menguji
apakah data berasal dari populasi yang berdistribusi normal atau tidak
2. Pengujian normalitas menjadi penting karena kebanyakan analisis statistik yang
bersifat inferensial mensyaratkan bahwa data yang akan diolah seyogyanya
berdistribusi normal.
3. Pengujian normalitas untuk data tunggal dapat dilakukan dengan uji Lilliefors,
sedangkan untuk data bergolong dapat dilakukan dengan uji chi kuadrat.
4. Langkah-langkah uji normalitas Lilliefors
a. Susun data secara berurutan dari skor terkecil sampai terbesar seperti
terlihat dalam contoh tabel berikut.
Data: 27, 40, 23, 48, 33, 68, 62, 70, 57, 59, 69, 48
Hitung rata-rata dan standar deviasi
Rata-rata (X) = 50,3 dengan standar deviasi (s) = 16,55
Xi zi F(zi) S(zi) IF(zi) - S(zi)I
23 - 1,65 0,0495 0,0833 0,0338
27 - 1,41 0,0793 0,1667 0,0874
44
33 - 1,05 0,1469 0,2500 0,1031
40 - 0,62 0,2676 0,3333 0,0657
48 - 0,14 0,4443 0,5000 0,0557
48 - 0,14 0,4443 0,5000 0,0557
57 + 0,40 0,6554 0,5833 0,0721
59 + 0,53 0,7019 0,6667 0,0352
62 + 0,71 0,7612 0,7500 0,0112
68 + 1,07 0,8577 0,8333 0,0244
69 + 1,13 0,8708 0,9167 0,0459
70 + 1,19 0,8830 1 0,1170 (Lo)
b. Pengamatan X1, X2, ……. Xn dijadikan skor baku z1, z2, …… zn, dengan
menggunakan rumus Z skor.
c. Untuk tiap skor baku ini dan dengan menggunakan daftar distribusi normal
baku, dihitung peluang F(zi) = P (z zi). Untuk zi yang bertanda negatif
(-), harga F(zi) diproleh dari 0,5 – angka tabel (0,…..). Sebaliknya untuk zi
yang bertanda positif (+) harga F(zi) = 0,5 + angka tabel (0,…..).
d. Hitung S(zi), yaitu proporsi z1, z2, …. Zn yang lebih kecil atau sama
dengan zi dengan rumus: S(zi) = banyaknya z1, z2, …. Zn zi
n
e. Hitung selisih atau harga mutlak F(zi) – S(zi).
f. Ambil harga mutlak terbesar di antara harga mutlak tersebut yang disebut
Lo (L observasi) = 0,1170.
g. Bandingkan Lo dengan Ltabel dengan kriteria: jika Lo lebih besar dari Ltabel
berarti populasi berdistribusi tidak normal, sebaliknya jika Lo lebih kecil
atau sama dengan Ltabel berarti populasi berdistribusi normal.
h. Ltabel dilihat pada tabel Nilai Kritis Uji Lilliefors yang didasarkan pada
jumlah sampel dan taraf signifikansi yang dipilih. Sesuai dengan data,
maka nilai Ltabel adalah 0,242.
i. Jadi Lo (0,1170) < Ltabel , dengan demikian dapat disimpulkan bahwa data
sampel berasal dari populasi yang berdistribusi normal.
45
a. Susun data dalam daftar distribusi frekuensi yang terdiri dari k buah kelas
interval.
Contoh data tinggi badan mahasiswa
Tinggi (cm) F
140 – 144 7
145 – 149 10
150 – 154 16
155 – 159 23
160 – 164 21
165 – 169 17
170 – 174 6
46
2.= Σ (Oi – Ei)2
i=1 Ei
j. Bandingkan harga 2hitung dengan harga 2tabel dengan kriteria: jika 2hitung
lebih kecil atau sama dengan harga 2tabel, maka dapat disimpulkan bahwa
populasi berdistribusi normal. Sebaliknya jika 2hitung lebih besar dari harga
2tabel, maka dapat disimpulkan bahwa populasi berdistribusi tidak normal.
47
SATUAN ACARA PERKULIAHAN (SAP)
Pertemuan 10
A. Petunjuk Umum
Setiap mahasiswa wajib membaca dan memahami literatur yang berkaitan dengan
pengujian homogenitas varians.
B. Kompetensi Pembelajaran
Memahami dan mampu melaksanakan pengujian homogenitas varians
C. Sub Kompetensi
48
Memahami dan mampu melaksanakan pengujian homogenitas varians untuk dua
atau lebih kelompok sampel.
D. Pokok Materi
Uji homogenitas varians dua kelompok sampel dan uji Bartlett.
F. Evaluasi
Penyelesaian dan evaluasi tugas-tugas
G. Uraian Materi
1. Pengujian homogenitas varians adalah suatu teknik analisis untuk menguji
apakah data berasal dari populasi yang homogen atau tidak. Untuk menguji
homogenitas varians terhadap dua kelompok sampel dapat dilakukan dengan
Uji F, sedangkan untuk menguji homogenitas varians terhadap 3 kelompok
sampel atau lebih dapat dilakukan dengan Uji Bartlett.
2. Langkah pengujian homogenitas varians dua kelompok sampel (Uji F):
a. Hitung varians masing-masing kelompok data
b. Hitung hasil bagi antara varians yang besar dengan varians yang kecil
Contoh:
49
Pengujian homogenitas varians hasil belajar matematika antara siswa laki-
laki dan perempuan.
Dengan menggunakan derajat kebebasan (n1 - 1), (n2 - 1) dan taraf siginfikansi
0,05 pada tabel Distribusi F terbaca batas signifikansi (Ftabel) adalah 3,18.
Mengingat Fhitung lebih kecil dari Ftabel, maka dapat disimpulkan bahwa kedua
varians tersebut homogen. Dengan kata lain dapat disimpulkan bahwa kedua
kelompok sampel tersebut berasal dari populasi yang homogen.
3. Langkah pengujian homogenitas varians tiga kelompok sampel atau lebih (Uji
Batlett)
b. Buat daftar/tabel mengenai besaran-besaran yang diperlukan untuk Uji
Bartlett.
50
1 n1 – 1 1 / n1 – 1 s1 2 log s12 (n1–1) log s12
2 n2 – 1 1 / n2 – 1 s2 2 log s22 (n2–1) log s22
. . . . . .
. . . . . .
k nk - 1 1 / nk - 1 sk 2 log sk2 (nk–1) log sk2
(ni-1) (ni-1) log sk2
d. Sesuai dengan taraf signifikansi yang dipilih, terima hipotesis nol yang
menyatakan bahwa kelompok sampel memiliki varians yang homogen, jika
2hitung lebih kecil dari nilai 2tabel. Harga 2tabel diperoleh dari daftar
distribusi chi kuadrad dengan peluang 1- dan dk = k – 1 (2tabel (1-)(k-1),
dimana k adalah banyak atau jumlah kelompok sampel
.
e. Contoh penerapan Uji Bartlett
Data pertambahan berat badan kambing karena empat macam makanan
Jenis makanan
1 2 3 4
12 14 6 9
Pertambahan 20 15 16 14
berat badan 23 10 16 18
10 19 20 19
17 22
51
➢ Masukkan harga varians masing-masing ke dalam tabel besaran-besaran
statistik untuk Uji Bartlett.
Sampel ke dk 1/dk si2 log si2 dk (log si2)
1 4 0,25 29,3 1,4669 5,8676
2 4 0,25 21,5 1,3324 5,3296
3 3 0,33 35,7 1,5527 4,6581
4 3 0,33 20,7 1,3160 3,9480
14 19,8033
52
SATUAN ACARA PERKULIAHAN (SAP)
Pertemuan 11-12
Mata Kuliah : Statistik
Semester : Genap/Ganjil
Program Studi : S2/………….
Pokok Bahasan : Analisis regresi
Sub Pokok Bahahan : Analisis regresi sederhana/tunggal dan ganda
Pertemuan : ………
Alokasi Waktu : 3 x 50 menit
Dosen Penanggung Jawab : Dr. Adnan Fardi, M.Pd.
A. Petunjuk Umum
Setiap mahasiswa wajib membaca literatur yang berkaitan dengan analisis regresi.
B. Kompetensi Pembelajaran
Memahami dan mampu melakukan analisis regresi dan menginterpretasikan
hasilnya.
C. Sub Kompetensi
53
Memahami dan mampu melakukan analisis regresi linear tunggal dan ganda serta
menginterpretasikan hasilnya
D. Pokok Materi
Analisis regresi linear tunggal dan ganda
F. Evaluasi
Simulasi data dan evaluasi tugas latihan
G. Uraian Materi
1. Analisis regresi sangat erat kaitannya dengan analisis korelasi.
2. Pada analisis korelasi dapat diketahui derajat atau kekuatan hubungan antara
variabel yang satu terhadap variabel yang lainnya.
3. Pada analisis regresi dibahas hubungan fungsional antar variabel, yaitu seberapa
besar kontribusi (yaitu kuadrat dari koefisien korelasi atau r2) variabel
bebas/prediktor terhadap vaiabel terikat/kriteria, dan bagaimana skor pada suatu
variabel dapat digunakan untuk memprediksi skor pada variabel lainnya melalui
persamaan regresi yang diperoleh.
4. Regresi tunggal adalah analisis regresi antara satu variabel (bebas/prediktor)
terhadap variabel (terikat/kriteria) lainnya.
Persamaan regresi linear sederhana adalah Ŷ = a + bx
Dimana: Ŷ = skor yang akan diprediksi berdasarkan skor X
a = konstanta regresi
b = koefisien regresi
54
Konstanta regresi (a) = (ΣY) (ΣX2) - (ΣX)(ΣXY)
nΣX2 - (ΣX)2
55
16 16 10 256 100 160
17 13 9 169 81 117
18 14 10 196 100 140
19 15 12 225 144 180
20 10 9 100 81 90
260 180 3570 1748 2463
r= 0,79
r2 = 0.62
Ŷ= a + bx
a = (180) (3570) - (260)(2463) = 0.58
(20x3570) - (260)2
Ŷ= 0.58 + 0.65 X
JK (T) = ΣY2
JK (a) = (ΣY)2
n
56
JK(T) = Jumlah Kuadrat Total
JK(a) = Jumlah Kuadrat Koefisien (a)
JK(b/a) = Jumlah Kuadrat Regresi (b/a)
JK(S) = Jumlah Kuadrat Sisa
JK(TC) = Jumlah Kuadrat Tuna Cocok
JK(G) = Jumlah Kuadrat Galat
JK(T) = 1748
57
Tabel 3. Daftar ANAVA Regresi Linear Sederhana
Sumber Variasi dk JK KT F
Total N ΣY2 ΣY2
Koefisien (a) 1 JK(a) JK(a)
Regresi (b/a) 1 JK(b/a) S2reg = JK(b/a) s2reg ; JK(b/a)
Sisa n-2 JK(S) S2sis = JK(S)/n-2 s2sis ; JK(S)/n-2
Tuna Cocok k-2 JK(TC) S2TC = JK(TC)/k-2 S2TC ; JK(TC)/k-2
Galat n-k JK(G) S2G = JK(G)n-k S2G ; JK(G)/n-k
Langkah-langkah Pengujian
Statistik Sampel : n = 20
k = 10
dkpembilang = k-2 = 8
dkpenyebut = n - k = 20 – 10 = 10
JK(TC) = 19,52
JK(G) = 28,53
58
Terima Ho, jika Fh < Ft(0,05)(k-2)(n-k)
Fh = 19,52/8
28,53/10
Fh = 0,86
Ft(0,05)(8)(10)= 3,07
Statistik Sampel : n = 20
dkpembilang = 1
dkpenyebut = n-2 = 18
JK(b/a) = 79.95
JK(S) = 48,5
59
Fh = 79,95
48,5/18
Fh = 29,72
Ft(0,05)(1)(18)= 4,41
5. Regresi Ganda adalah analisis regresi antara dua atau lebih variabel
(bebas/prediktor) terhadap variabel (terikat/kriteria) lainnya.
Persamaan regresi ganda adalah : Ŷ = bo + b1X1 + b2X2
Dimana: Ŷ = skor yang akan diprediksi berdasarkan skor X1 dan X2
bo = konstanta regresi
b1X1= koefisien regresi X1 terhadap Y
b2X2= koefisien regresi X2 terhadap Y
60
19 80 46 16 3680 1280 736 6400 2116 256
20 85 48 16 4080 1360 768 7225 2304 256
21 88 50 18 4400 1584 900 7744 2500 324
22 89 51 17 4539 1513 867 7921 2601 289
23 86 53 20 4558 1720 1060 7396 2809 400
24 85 52 19 4420 1615 988 7225 2704 361
25 88 53 22 4664 1936 1166 7744 2809 484
26 90 48 20 4320 1800 960 8100 2304 400
27 94 47 19 4418 1786 893 8836 2209 361
28 93 54 22 5022 2046 1188 8649 2916 484
29 95 54 22 5130 2090 1188 9025 2916 484
30 98 60 25 5880 2450 1500 9604 3600 625
2473 1433 494 118758 41430 23989 205425 69101 8538
X 82.43 47.77 16.47
bo = Ÿ1 – b1X1 – b2X2
b1 = (Σx22)(Σx1y) – (Σx1x2)(Σx2y)
(Σx12)(Σx22) – (Σx1x2) 2
b2 = (Σx12)(Σx2y) – (Σx1x2)(Σx1y)
(Σx12)(Σx22) – (Σx1x2) 2
61
30
JK(S) = Σ y2 – JK(Reg)
Fh = JK(Reg)/k
JK(S)/(n-k-1)
= 348,73/2 = 86,00
54,74/27
Ft(0,05)(2)(27) = 3,35
62
SATUAN ACARA PERKULIAHAN (SAP)
Pertemuan 13 -15
Mata Kuliah : Statistik
Semester : Genap/Ganjil
Program Studi : S2/………….
Pokok Bahasan : Analisis komparasi
Sub Pokok Bahahan : Uji beda mean (uji t) dan analisis varians
Pertemuan : ………….
Alokasi Waktu : 3 x 50 menit
Dosen Penanggung Jawab : Dr. Adnan Fardi, M.Pd.
A. Petunjuk Umum
Setiap mahasiswa wajib membaca literatur yang berkaitan dengan analisis
komparasi.
B. Kompetensi Pembelajaran
63
Memahami dan mampu melakukan analisis komparasi dan menginterpretasikan
hasilnya.
C. Sub Kompetensi
Memahami dan mampu melakukan analisis uji beda mean dengan uji t dan analisis
varians (ANAVA).
D. Pokok Materi
Uji beda mean (uji t) dan analisis varians.
F. Evaluasi
Evaluasi tugas latihan, dan ujian tulis (ujian akhir semester).
G. Uraian Materi
1. Pengertian analisis komparasi
a. Analisis komparasi adalah analisis yang digunakan untuk melihat
perbedaan/perbandingan mean antara dua variabel atau lebih.
b. Analisis komparasi untuk melihat perbandingan/perbedaan antara dua
variabel yang banyak digunakan adalah uji beda mean atau uji t (t-test).
c. Analisis komparasi untuk melihat perbedaan mean antara tiga atau lebih
yang banyak digunakan adalah analisis of varians disingkat dengan
ANAVA.
2. Perbedaan antara 2 mean, Uji t
a. Fungsi Uji t
64
1. Uji t hanya dapat digunakan untuk menguji perbedaan mean dari dua
sampel yang diambil dari suatu populasi yang berdistribusi normal,
serta data yang diperoleh dalam skala interval atau rasio.
2. Uji t dapat berlaku untuk sampel yang berkorelasi (dependent atau
correlated sample) atau sampel bebas (independent sample). Untuk
kedua jenis sampel tersebut mempunyai formula yang berbeda dalam
penggunaannya.
3. Khusus untuk sampel bebas pemakaian formulanya juga berbeda,
tergantung apakah variansnya homogen atau heterogen.
b. Langkah penggunaan Uji t
1. Pastikan betulkah sampel tersebut diambil dari populasi yang
berdistribusi normal.
2. Betulkah data diambil dengan skala rasio atau interval
3. Pastikan sampel itu termasuk dependent sample atau independent
sample.
4. Jika sampel tersebut merupakan sampel bebas, pastikan pula apakah
variansnya homogen atau heterogen.
c. Uji t untuk sampel yang berhubungan (dependent sample)
Sampel dikatakan berhubungan/tidak bebas apabila keberadaan satu sampel
pada satu kelompok ada kaitannya dengan keberadaan sampel lainnya pada
kelompok lain. Sampel yang berhubungan ini, mungkin hanya satu sampel
tetapi dikenakan perlakuan dua kali, atau dua sampel yang disamakan
(matching) atas dasar variabel tertentu (variabel terikat), tetapi kedua
sampel tersebut mendapatkan perlakuan yang berbeda. Untuk ini berlaku
rumus atau formula:
t= IX1 – X2I
(ΣD)2
ΣD – n___
2
n (n – 1)
Keterangan:
X1 = mean sampel pertama
65
X2 = mean sampel kedua
D = beda antara skor sampel pertama dan kedua
D2 = kuadrat beda
ΣD2 = jumlah kuadrat beda
n = jumlah pasangan sampel
Contoh 1
Seorang peneliti mencoba dua macam metode mengajar, metode A dan B
dengan mengambil 10 orang anak sebagai sampel. Setiap selesai perlakuan
diberikan tes dengan hasil seperti dalam tabel berikut.
th = I6,5 – 7,5I
(-10)2
24 – 10___
10 (9)
th = 2,535
66
Kesimpulan: terdapat perbedaan yang signifikan antara kedua metode
mengajar, dimana metode B lebih baik dari metode A terhadap hasil belajar
anak.
Contoh 2
Seorang peneliti mengambil 20 orang anak secara acak yang kemudian
dijadikan dua kelompok yang seimbang berdasarkan matching kemampuan
awal mereka. Kemudian melalui undian kedua kelompok tersebut diberikan
perlakuan dengan metode A dan metode B. Hasil tes akhir menunjukkan
hasil sebagai berikut:
Tabel 2. Hasil Uji coba metode A dan B pada dua sampel yang dipasangkan
Subyek Metode A (X1) Metode B (X2) D D2
1 8 8 0 0
2 6 8 -2 4
3 7 7 0 0
4 8 9 -1 1
5 5 7 -2 4
6 7 9 -2 4
7 6 8 -2 4
8 5 7 -2 4
9 7 7 0 0
10 6 8 -2 4
Jumlah 65 78 -13 25
Mean 6.5 7.8
th = I6,5 – 7,8I
(-13)2
25 – 10___
10 (9)
th = 4,33
67
Kesimpulan: terdapat perbedaan yang signifikan antara kedua metode
mengajar, dimana metode B (X2) lebih baik dari metode A (X1) terhadap
hasil belajar anak.
(ΣX1)2 (ΣX1)2
ΣX1 – n___ + ΣX2 – n____
2 2
n (n – 1)
Keterangan:
X1 = mean sampel pertama
X2 = mean sampel kedua
n = jumlah sampel
Tabel 3. Pengaruh Latihan Sistem Set dan Sistem Sirkuit terhadap Peningkatan
Kekuatan
Latihan Berbeban
No Sistem Set (X1) Sistem Sirkuit (X2) X12 X22
1 18 12 324 144
2 20 16 400 256
3 18 10 324 100
4 19 16 361 256
5 22 17 484 289
68
6 18 15 324 225
7 23 18 529 324
8 16 11 256 121
9 19 12 361 144
10 17 13 289 169
Jumlah 190 140 3652 2028
Mean 19 14
Varians 4.67 7.56
Pengujian homogenitas varians
Fhitung = Varians besar = 7,56 = 1,6188 = 1,62
Varians kecil 4,67
Dengan menggunakan derajat kebebasan (n1 - 1), (n2 - 1) dan taraf siginfikansi
0,05 pada tabel Distribusi F terbaca batas signifikansi (Ftabel) adalah 3,18.
Mengingat Fhitung lebih kecil dari Ftabel, maka dapat disimpulkan bahwa kedua
varians tersebut homogen.
(190)2 (140)2
3652 – 10___ + 2028 – 10____
10 (9)
th = 5 __________
th = 4,52
derajat kebebasan (dk) = n – 2 = 20 – 2 = 18
taraf signifikansi α = 0,05
tt(1-1/2α)(18) = 2,10
69
Misalnya anda ingin meneliti dengan variabel yang sama seperti contoh 1,
tetapi jumlah sampelnya berbeda, dan datanya sebagai mana terlihat dalam
tabel berikut
Tabel 4. Pengaruh Latihan Sistem Set dan Sistem Sirkuit terhadap Peningkatan
Kekuatan
Latihan Berbeban
No Sistem set (X1) Sistem Sirkuit (X2) X12 X22
1 18 12 324 144
2 20 16
Peningkatan kekuatan otot
400 256
3 14 10 196 100
4 16 16 256 256
5 22 17 484 289
6 18 15 324 225
7 23 18 529 324
8 16 11 256 121
9 19 12 361 144
10 17 13 289 169
11 18 324
12 15 225
Jumlah 216 140 3968 2028
Mean 18 14
7.27 7.56
Untuk uji t sampel bebas varians homogen dengan jumlah n yang berbeda ini
berlaku rumus:
th = IX1 – X2I __________________________
(ΣX1)2 (ΣX1)2
ΣX12 – n1___ + ΣX22 – n2____ _1 + _1__
n1 + n2 – 2 n1 n2
70
Mengingat Fhitung lebih kecil dari Ftabel, maka dapat disimpulkan bahwa kedua
varians tersebut homogen.
(216)2 (140)2
3968 – 12___ + 2028 – 10____ _1 + _1__
12 + 10 – 2 12 10
th = 3,43
derajat kebebasan (dk) = (n1 + n2) – 2 = 22 – 2 = 20
taraf signifikansi α = 0,05
tt(1-1/2α)(20) = 2,09
tt(1- α)(20) = 1,72
th(3,43) > tt(2,09)
S12 + S22
n1 n2
Keterangan:
71
t = koefisien t
X1 = mean sampel pertama
X2 = mean sampel kedua
n1 = jumlah sampel kesatu
n2 = jumlah sampel kedua
( S2 ) + ( S2 )
X1 X2
Dimana:
t1 = adalah t pada tabel distribusi t sesuai dengan taraf signifikansi, dan dk =
n1-1
t2 = adalah t pada tabel distribusi t sesuai dengan taraf signifikansi, dan dk =
n2-1
S2 = S12
X1 n1
S2 = S2
X2 n2
Apabila nilai yang diketemukan dengan formula t di atas lebih kecil dari
nilai yang diperoleh dari talpha , hipotesis null diterima kebenarannya. Akan
tetapi jika koefisien t yang diperoleh itu sama besar atau lebih besar dari
nilai t alpha, maka hipotesis null ditolak
Contoh
Misalnya seorang peneliti ingin melihat efektivitas guru menurut tipe A dan
B dalam mengajar. Data penelitian ini dapat dilihat dalam tabel berikut.
Tabel 5. Hasil Belajar Siswa yang diajar oleh Guru Tipe A dan Tipe B
Guru Tipe A Guru Tipe B
No X1 x1 x12 X2 x2 X22
1 8 1 1 8 1.5 2.25
2 7 0 0 5 -1.5 2.25
3 6 -1 1 7 0.5 0.25
72
4 7 0 0 6 -0.5 0.25
5 7 0 0 5 -1.5 2.25
6 8 1 1 9 2.5 6.25
7 8 1 1 6 -0.5 0.25
8 7 0 0 9 2.5 6.25
9 6 -1 1 4 -2.5 6.25
10 6 -1 1 6 -0.5 0.25
Jumlah 70 63 65 26.5
Mean 7 6.5
S 0.8165 1.7159
S2 0.6667 2.9444
th = I7 – 6,5I __________
0,6667 + 2,9444
10 10
th = 0,8321
Dengan melihat pada tabel disribusi t pada taraf signifikansi 0,05 dan dk (n1–1)
dan (n2 – 1), maka diperoleh ttabel = 2,262. Selanjutnya dapat dilakukan perhitungan
talpha.
talpha = 2,262
73
3. Analisis Varians (ANAVA)
a. Analisis varians adalah teknik analisis yang digunakan untuk
melihat/mengetahui/perbedaan/perbandingan rata-rata pada tiga variabel
atau lebih.
b. Syarat untuk melakukan analisis varians data harus berasal dari populasi
yang berdistribusi normal dan variansnya homogen.
c. Pada analisis varians biasanya akan diuji hipotesis null (Ho) dengan
tandingan Ha.
Ho : μ1 = μ2 = μ…. = μ3
Ha : paling sedikit satu tanda sama dengan tidak berlaku
d. Aplikasi analisis varians
Misalnya seorang peneliti ingin meneliti efek 4 macam makanan terhadap
pertambahan berat badan kambing. Data penelitian ini sebaiknya disusun
seperti dalam tabel berikut.
1 2 3 4
Pertambahan berat 12 14 6 9
badan 20 15 16 14
23 10 16 18
10 19 20 19
17 22
Jumlah 82 80 58 60
Rata-rata 16.4 16 14.5 15
74
Misalkan persyaratan kenormalan distribusi dan homogenitas varians sudah
terpenuhi.
Susun daftar analisis varians untuk menguji Ho, sebagai berikut.
Tabel 7. Daftar Analisis Varians
Sumber variasi dk JK KT F
Rata-rata 1 Ry R=Ry/1
Antar kelompok k–1 Ay A=Ay/k-1 A/D
Dalam kelompok (ni-1) Dy D=Dy/(ni-1)
Total ni Y2
Dimana Ry, Ay, Dy, dan Y2 merupakan jumlah kuadrat-kuadrat (JK) yang
berturut-turut berdasarkan sumber-sumber variasi: rata-rata, antara
kelompok, dalam kelompok, dan total. Setiap JK sumber variasi didampingi
oleh derajat kebebasan (dk). Untuk rata-rata dk =1, untuk antar kelompok
dk = k –1, untuk dalam kelompok dk = (ni-1), dan untuk total = ni.
Formula untuk menghitung masing-masing JK ini adalah:
Ry = J2 / ni dengan J = J1 + J2 + J…. + Jk
Ay = (Ji2 / ni) – Ry
Y2 = jumlah kuadrat-kuadrat (JK) dari semua nilai pengamatan
Dy = Y2 – Ry – Ay
75
5+5+4+4 18
Sumber variasi dk JK KT F
Rata-rata 1 4355,56 4355,56
Antar kelompok 3 10,24 3,41 0,128
Dalam kelompok 14 372,20 26,59
Total 18 4378
76
Contoh.
Seorang peneliti ingin mengetahui apakah terdapat perbedaan pengaruh waktu belajar
(Pagi, Siang, Sore dan Malam) terhadap hasil ujian. Kecuali waktu, yang diduga akan
mempengaruhi hasil belajar, misalnya cara mengajar, situasi kelas, bahan pelajaran dan
lain-lain dibuat sama. Dimisalkan ada 20 anak dengan dasar yang sama yang dijadikan
percobaan. Secara acak diambil 5 anak untuk setiap waktu mengajar. Pada akhir
percobaan yang dilakukan dengan metode mengajar dan bahan yang sama, diadakan
ujian. Hasil ujian adalah sebagaimana terlihat dalam tabel berikut.
Ho : μ1 = μ2 = μ…. = μ3
Ha : paling sedikit satu tanda sama dengan tidak berlaku (terdapat
perbedaan pengaruh waktu mengajar terhadap hasil ujian/belajar)
77
Dy = 51940 – 50601,8 – 1135 = 203,2
Tabel 10. Daftar Analisis Varians Hasil Belajar dalam 4 waktu mengajar (Pagi,
Siang, Sore dan Malam).
Sumber variasi dk JK KT F
Rata-rata 1 50601,8 50601,8
Antar kelompok 3 1135 378,33 29,79
Dalam kelompok 16 203,2 12,7
Total 20 51940
Untuk mengetahui perlakuan (waktu mengajar) mana saja yang berbeda di antara
beberapa perlakuan yang diberikan, diperlukan Uji lanjut setelah ANAVA (salah
satunya adalah Uji Rentang Newman-Keuls).
Sumber variasi dk JK KT F
Rata-rata 1 1,8 1,8
Antar kelompok 3 1135 378,33 29,79
Dalam kelompok 16 203,2 12,7
Total 20 1340
78
Dari daftar distribusi F dengan dk pembilang 3 dan dk penyebut 16 dan peluang 0,95
(jadi = 0,05) didapat Ftabel = 3,24.
Ternyata Fhitung(29,79) > dari Ftabel(3,24), jadi Ho ditolak, dan dapat disimpulkan bahwa
keempat jenis waktu mengajar menyebabkan hasil belajar berbeda secara nyata.
Dengan kata lain, terdapat perbedaan keempat waktu mengajar terhadap hasil
belajar/ujian siswa.
79
rentang = 3,00 3,65 4,05
5. Kali harga-harga yang didapat pada poin 4 itu masing-masing dengan SŸ.
Dengan demikian diperoleh apa yang dinamakan Rentang
Signifikansi Terkecil (RST).
p = 2 3 4
RST = 4,77 5,80 6,44
6. Bandingkan selisih rata-rata terbesar dan rata-rata terkecil dengan
RST untuk p = k, selisih rata-rata terbesar dan rata-rata terkecil
kedua dengan RST untuk p = (k-1), dan seterusnya. Demikian pula
kita bandingkan selisih rata-rata terbesar kedua dan rata-rata terkecil
kedua dengan RST untuk p = (k-2), dan seterusnya.
80