ANALISIS KORELASI DAN REGRESI SEDERHANA

MAKALAH
UNTUK MEMENUHI TUGAS MATA KULIAH
Statistik Penelitian Pendidikan II
Dosen Pengampu : 1. Dr., H. Mas’ud Zein, M. Pd.
2. Nurul Jannah, M. Pd.

KELOMPOK 1
Oleh:

1. Desi Cahyani Wulan (12010126735)

2. Fitria Mahmudah Putri (12010125080)

3. Nanda Sulaiman (12010113820)

4. Nurul Syafia Ulfa (12010124438)

5. Randy Pratama Ramadhani (12010116150)

SLTP-SLTA PAI 5 B

PROGRAM STUDI PENDIDIKAN AGAMA ISLAM

FAKULTAS TARBIYAH DAN KEGURUAN
UNIVERSITAS ISLAM SULTAN SYARIF KASIM
RIAU TA 2022/2023
 KATA PENGANTAR

Assalamu’alaikum warahmatullahi wabarakatuh

Puji syukur kehadirat Allah SWT, yang senantiasa memberikan nikmat, taufik dan
hidayah-Nya untuk kami kelompok 1 (satu) sebagai penulis sehingga dapat menyelesaikan
makalah “Pengujian Hipotesis” sebagai salah satu syarat terpenuhinya tugas dari mata kuliah
Statistik Penelitian Pendidikan II. Ucapan terima kasih penulis haturkan juga kepada dosen
pengampu Dr., Mas’ud Zein M. Pd., serta ibu Nurul Jannah M. Pd., yang telah membimbing
kami dalam mata kuliah ini.
Demikian yang bisa kami sampaikan, makalah ini dibuat sebagai wadah untuk
menambah wawasan tentang mata kuliah Statistika. Semoga makalah ini menjadi salah satu
yang dapat membantu untuk menanamkan pemahaman tentang Statistika.
Wassalamu’alaikum warahmatullahi wabarakatuh

Pekanbaru, 19 September 2022

Penulis Kelompok 1
 DAFTAR ISI

KATA PENGANTAR....................................................................................................................................2
DAFTAR ISI...................................................................................................................................................3
A. Latar Belakang.......................................................................................................................................4
BAB I PENDAHULUAN................................................................................................................................4
B. Rumusan Masalah..................................................................................................................................4
C. Tujuan.....................................................................................................................................................5
BAB II PEMBAHASAN................................................................................................................................6
A. Pengertian Korelasi................................................................................................................................6
B. Pengertian Regresi.................................................................................................................................9
BAB III..........................................................................................................................................................18
PENUTUP......................................................................................................................................................18
A. Kesimpulan...........................................................................................................................................18
B. Saran.....................................................................................................................................................18
 BAB I PENDAHULUAN

A. Latar Belakang
Statistika adalah ilmu yang mempelajari bagaimana merencanakan,
Mengumpulkan, menganalisis dan mempresentasikan data. Singkatnya, statistika
adalah ilmu yang berkenan dengan data. Statistika dibagi menjadi dua, yaitu Statistika
Deskriptif dan Statistika Inferensial. Statistika deskriptif berkenaan dengan deskripsi
data, misalnya dari menghitung rata-rata dan varians dari data mentah;
mendeksripsikan menggunakan tabel-tabel atau grafik sehingga data mentah lebih
mudah “dibaca” dan lebih bermakna. Sedangkan statistika inferensial lebih dari itu,
misalnya melakukan pengujian hipotesis, melakukan prediksi observasi masa depan,
atau membuat model regresi. Untuk saat ini, kami akan membahas tentang ilmu
Statistika Deskriptif.
Statistika dalam arti sempit berarti kumpulan data berupa angka, penyajian
data dalam table dan grafik, bilangan yang menunjukan karakteristik dari kumpulan
data. Statistika dalam arti luas yaitu metode yang digunakan dalam pengumpulan dan
analisis data yang berupa angka-angka sehingga dapat diperoleh informasi yang
berguna. Statistika adalah suatu metode yang menjelaskan tata cara pengumpulan,
penyusunan, penyajian, penganalisaan, dan penginterprestasian data menjadi
informasi yang lebih berguna.
Menurut Sudjana (1996:7), Statistika Deskriptif adalah fase statistika dimana
hanya Berusaha melukiskan atau menganalisa kelompok yang diberikan tanpa
membuat atau menarik kesimpulan tentang populasi atau kelompok yang lebih besar
dinamakan Statistika Deskriptif.
Dalam materi Statistika Deskriptif, terdapat Regresi dan Korelasi. Regresi dan
Korelasi digunakan untuk mempelajari pola dan mengukur hubungan statistik antara
dua atau lebih variabel.
Sepanjang sejarah umat manusia, orang melakukan penelitian tentang ada
tidaknya hubungan antara dua hal, fenomena, kejadian atau lainnya. Dan ada tidaknya
pengaruh antara satu kejadian dengan kejadian yang lainnya. Karena itu untuk
mempermudah dalam melakukan penghitungan suatu kejadian maka digunakan
korelasi dan regresi dalam ilmu statistika.
Korelasi merupakan teknik analisis yang termasuk dalam salah satu teknik
pengukuran asosiasi / hubungan (Measures of association). Teknik ini berguna untuk
mengukur kekuatan hubungan antara dua variabel (kadang lebih dari dua variabel)
dengan skala-skala tertentu.
Regresi merupakan salah satu analisis yang bertujuan untuk mengetahui
pengaruh suatu variabel terhadap variabel lain. Dalam analisis regresi ,variabel yang
mempengaruhi disebut independent variabel (variable bebas) dan variabel yang
dipengaruhi disebut dependent variabel (variabel terikat)
B. Rumusan Masalah
 1. Jelaskan pengertian analisis korelasi sederhana?
2. Bagaimana rumus analisis korelasi Sederhana?
3. Jelaskan pengertian analisis regresi sederhana?
4. Bagaimana rumus analisis regresi sederhana?
C. Tujuan
a. Mahasiswa mampu mengetahui pengertian dari analisis korelasi sederhana.
b. Mahasiswa mampu mengetahui rumus analisis korelasi sederhana.
c. Mahasiswa mampu mengetahui pengertian dari analisis regresi sederhana.
d. Mahasiswa mampu mengetahui rumus analisis regresi sederhana.
 BAB II PEMBAHASAN

A. Pengertian Korelasi
Analisis korelasi banyak jenisnya, ada Sembilan jenis korelasi yaitu : Korelasi
Prduct Moment (r); Korelasi Ratio (ƛ); Korelasi Spearman Rank atau Rho (𝑟 atau 𝑝);
𝑠
Korelasi Bersial (𝑟 ); Korelasi Poin Bersial (𝑟 ); Kolerasi Phi (Ф); Korelasi
𝑏 𝑝𝑏
Tetrachoric (𝑟 ); Korelasi Kontingency ( C ); Korelasi Kendall’s Tau (δ). Bagaimana
𝑡
cara menggunakannya ? tergantung pada jenis data yang dihubungkan.

Berdasarkan Sembilan teknik analisis kolerasi tersebut, maka dipilih dan

dibahas ialah korelasiPearson Product Moment (r) karena sangat popular dan sering
dipakai oleh mahasiswa dan para peneliti. Korelasi ini dikemukakan oleh Kari
Pearson Tahun 1900. Kegunaannya untuk mengetahui derajat hubungan antara
variabel bebas (independent) dengan variabel terikat (dependent).

Teknik analisis Kolerasi PPM termasuk teknik statistic parametric yang

menggunakan data interval dan ratio dengan persyaratan tertentu. Misalnya : data
dipilih secara acak (random); datanya berdistribusi normal; data yang dihubungkan
berpola linier; dan data yang dihubungkan mempunyai pasangan yang sama sesuai
dengan subjek yang sama. Kalau salah satu tidak terpenuhi persyaratan tersebut
analisis kolerasi tidak dapat dilakukan. Rumus yang digunakan Korelasi PPM.
r XY = n ( £ XY )−( £ X ) .( £ Y )
¿¿
Kolerasi PPM dilambangkan (r) dengan ketentuan nilai r tidak lebih dari harga
(-1≤ r ≤ +1). Apabila nilai r = -1 artinya kolerasinya negative sempurna ; r = 0 artinya
tidak ada korelasi; dan r = 1 berarti korelasinya sangat kuat. Sedangkan arti harga r
akan dikonsultasikan dengan tabel interpretasi Nilai r sebagai berikut:

Interpretasi Koefisien Kolerasi Nilai r

Interval Koefisien Tingkat Hubungan

0,80-1,000 Sangat Kuat
0,60-0,799 Kuat
0,40-0,599 Cukup Kuat
0,20-0,399 Rendah
0,00-0,199 Sangat Rendah
 Selanjutnya untuk menyatakan besar kecilnya sumbangan variabel X terhadap
Y dapat ditentukan dengan rumus koefisien diterminan sebagai berikut.

Dimana : KP = Nilai Koefisien

Diterminan R = Nilai Koefisien

Korelasinya

Pengujian lanjutan yaitu uji signifikansi yang berfungsi apabila peneliti ingin
mencari makna hubungan variabel X terhadap Y, maka hasil korelasi PPM tersebut
diuji dengan Uji Signifikasi dengan rumus :

𝑡 𝑟 𝑛−2 =
ℎ𝑖𝑡𝑢𝑛𝑔= 2
1−𝑟

Dimana :

𝑡 = Nilai t
ℎ𝑖𝑡𝑢𝑛𝑔

r = Nilai Koefisien Korelasi

n = Jumlah Sampel

Contoh : Ada judul “HUBUNGAN PARTISIPASI ORANG TUA SISWA

TERHADAP PELAKSANAAN MANAJEMEN BERBASIS SEKOLAH (MBS)”

Data Partisipasi Ortu (X) : 60; 70; 75; 65; 70; 60; 80; 75; 85; 90; 70; dan 85

Pelaksanaan MBS (Y) : 450; 475; 450; 470; 475; 455; 475; 470; 485; 480; 475; dan 480.

Pertanyaan :

a. Berapakah besar hubungan variabel X terhadap Y?

b. Berapakah besar sumbangan (kontribusi) variabel X terhadap Y?
c. Buktikan apakah ada hubungan yang signifikan variabel X terhadap

Y? Langkah-langkah menjawab :

Langkah 1. Membuat 𝐻 dan 𝐻 dalam bentuk kalimat :

𝑎 0

𝐻 : Ada hubungan yang signifikan antara partisipasi orang tua siswa terhadap
𝑎
pelaksanaan MBS.
 𝐻 : Tidak ada hubungan yang signifikan antara partisipasi orang tua siswa
0
terhadap pelaksanaan MBS.

Langkah 2. Membuat 𝐻 dan 𝐻 dalam bentuk statistic :

𝑎 0

𝐻 :r≠0
𝑎

𝐻 :r≠0
0

Langkah 3. Membuat tabel penolong untuk menghitung korelasi PPM :

No X Y X2 Y2 XY
1. 60 450 3600 202500 27000
2. 70 475 4900 225625 33250
3. 75 450 5625 202500 33750
4. 65 470 4225 220900 30550
5. 70 475 4900 225625 33250
6. 60 455 3600 207025 27300
7. 80 475 6400 225625 38000
8. 75 470 5625 220900 35250
9. 85 485 7225 235225 41225
10. 90 480 8100 230400 43200
11. 70 475 4900 225625 33250
12. 85 480 7225 230400 40800
Statistik £X £Y £X £Y £XY
Jumlah 885 5640 66325 2652350 416825

Langkah 4. Mencari r hitung dengan cara memasukkan angka statistic dari tabel penolong dengan
rumus :
r XY = n ( £ XY )−( £ X ) .( £ Y )
¿¿

r XY = 12 ( 416825 )−( 885 ) .(5640)

¿¿

10500 10500
r XY = = = 0,684
{ √ 23575500 } 15354,32
Langkah 5. Mencari besarnya sumbangan (kontribusi) variabel X terhadap Y
dengan rumus:

KP = r2 x 100% = 0,6842 x 100% = 46,79%

Artinya variabel partisipasi orang tua siswa memberikan kontribusi terhadap

pelaksanaan MBS sebesar 46,79% dan sisanya 53,21% ditentukan oleh variabel lain.

Langkah 6. Menguji signifikansi dengan 𝑟𝑠 :

rumus ℎ𝑖𝑡𝑢𝑛𝑔

𝑛−2 12−2
𝑡
ℎ𝑖𝑡𝑢𝑛𝑔
=
𝑟 1−𝑟 2
=
0,684
1−0,684
2
= 2,16
0,7 = 2,963
 Kaidah pengujian :

Jika 𝑡 ≥ 𝑡 , maka tolak 𝐻 artinya signifikan dan

ℎ𝑖𝑡𝑢𝑛𝑔 𝑡𝑎𝑏𝑒𝑙 0

𝑡 ≥ 𝑡 , terima 𝐻 artinya tidak signifikan

ℎ𝑖𝑡𝑢𝑛𝑔
𝑡𝑎𝑏𝑒𝑙 0

Berdasarkan perhitungan diatas,α=0,05 dan n = 12, uji satu pihak;

dk = n-2 = 12-2 = 10 sehingga diperoleh 𝑡 = 1,812

𝑡𝑎𝑏𝑒𝑙

ternyata 𝑡 lebih besar dari 𝑡 , atau 2,963 > 1,8126, maka 𝐻 ditolak,
ℎ𝑖𝑡𝑢𝑛𝑔 𝑡𝑎𝑏𝑒𝑙 0
artinya Ada hubungan yang signifikan antara partisipasi orang tua siswa terhadap
pelaksanaan mbs.

Langkah 7. Membuat kesimpulan

Partisipasi orang tua siswa terhadap pelaksanaan MBS ini tergolong kuat,
artinya partisipasi orang tua siswa sangat mendukung dan rasa komitmen (adanya
keseriusan) terhadap pelaksanaan MBS.

B. Pengertian Regresi
Regresi atau peramalan adalah suatu proses memperkirakan secara sistematis 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 diartikan sebagai usaha memperkirakan perubahan. Regresi

mengemukakan tentang keingintahuan apa yang terjadi di masa depan untuk memberikan
kontribusi menentukan keputusan yang terbaik.

Kegunaan regresi dalam penelitian salah satunya adalah untuk meramalkan atau
memprediksi variabel terikat (Y) apabila variabel bebas (X) diketahui. Setiap analisi
regresi otomatis ada analisis korelasinya, tetapi sebaliknya analisis korelasi belum tentu
diuji regresi atau diteruskan dengan analisis regresi.

Persamaan regresi dirumuskan: Ŷ = a+bX Keterangan:

Ŷ = (baca Y topi) subjek variabel terikat yang diproyeksikan
X = variabel bebas yang mempunyai nilai tertentu untuk diprediksikan
a = nilai konstanta harga Y jika X = 0
b = Nilai arah sebagai penentu ramalan (prediksi) yang menunjukkan nilai
peningkatan (+) atau nilai penurunan (-) variabel Y
Regresi dapat diartikan sebagai usaha memperkirakan perubahan. Regresi mengemukakan
tentang keingintahuan apa yang terjadi di masa depan untuk memberikan kontribusi
menentukan keputusan yang terbaik.
Kegunaan regresi dalam penelitian salah satunya adalah untuk meramalkan
atau memprediksi variabel terikat (Y) apabila variabel bebas (X) diketahui. Setiap
analisi regresi otomatis ada analisis korelasinya, tetapi sebaliknya analisis korelasi
belum tentu diuji regresi atau diteruskan dengan analisis regresi.
Persamaan regresi dirumuskan: Ŷ = a+bX
Keterangan:
Ŷ = (baca Y topi) subjek variabel terikat yang diproyeksikan
X = variabel bebas yang mempunyai nilai tertentu untuk diprediksikan
a = nilai konstanta harga Y jika X = 0
b = Nilai arah sebagai penentu ramalan (prediksi) yang menunjukkan nilai
peningkatan (+) atau nilai penurunan (-) variabel Y

Langkah-langkah menjawab Regresi Sederhana:

Langkah 1. Membuat Ha dan H。dalam bentuk kalimat:
Langkah 2. Membuat Ha dan H。dalam bentuk statistik:
Langkah 3. Membuat tabel penolong untuk menghitung angka statistik:
Langkah 4. Masukkan angka-angka statistik dan tabel penolong dengan rumus:

Langkah 5. Mencari Jumlah Kuadrat Regresi (JK(reg a)) dengan rumus:

(Σ𝑌)²
JK(reg a) =
𝑛
Langkah 6. Mencari Jumlah Kuadrat Regresi RJK(reg b|a) dengan rumus:

RJK(reg b|a) = b. {Σ𝑋𝑌 − (Σ𝑋).(Σ𝑌)

� }
Langkah 7. Mencari jumlah kuadrat Residu RJK(res) dengan rumus:

RJK(res) = Σ𝑌² - JK(reg b|a) - JK(reg a)

 Langkah 8. Mencari rata-rata jumlah kuadrat regresi RJK(reg a) dengan rumus:

RJK(reg a) = JK(reg a)
Langkah 9. Mencari rata-rata jumlah kuadrat regresi RJK(reg b|a) dengan rumus:
RJK(reg b|a) = JK(reg b|a)
Langkah 10. Mencari rata-rata jumlah kuadrat residu RJK(res) dengan rumus:
𝐽𝐾(𝑟𝑒𝑠)
RJK(res)
= 𝑛−2

Langkah 11. Menguji Signifikasi dengan rumus:

𝑅𝐽𝐾(𝑟𝑒𝑔 𝑏|𝑎)
Fℎ𝑖𝑡𝑢𝑛𝑔 =
𝑅𝐽𝐾(𝑟𝑒𝑠)
Kaidah pengujian signifikansi:
Jika Fℎ𝑖𝑡𝑢𝑛𝑔 ≥ F𝑡𝑎𝑏𝑒𝑙 . Maka tolak H0 artinya signifikan dan

Fℎ𝑖𝑡𝑢𝑛𝑔 ≤ F𝑡𝑎𝑏𝑒𝑙 . Terima H0 artinya tidak signifikan

Dengan taraf signifikan: α=0,01 atau α=0,05.

Carilah nilai F𝑡𝑎𝑏𝑒𝑙 menggunakan Tabel F dengan rumus :

F𝑡𝑎𝑏𝑒𝑙 = F{(1-α) (dk Reg [b|a]), (dk Res))

Langkah 12. Membuat Kesimpulan

Contoh: Judul Penelitian “PENGARUH MOTIVASI SISWA TERHADAP

KARAKTERISTIK GURU DALAM PBM DI KELAS”
Data dianggap memenuhi asumsi dan persyaratan analisis; data dipilih secara random;
berdistribusi normal; berpola linear; data sudah homogen dan mempunyai pasangan yang
sama sesuai dengan subjek yang sama. Data sebagai berikut:

Motivasi Siswa (X) tahun 2 3 1 4 1 3 2 2

Karakteristik Guru (Y) unit 50 60 30 70 40 50 40 35

Pertanyaan:
1) Bagaimana persamaan regresinya ?
2) Gambarkan diagram pencarnya!
3) Gambarkan arah garis regresi!
4) Buktikan apakah ada pengaruh yang signifikan antara Motivasi Siswa (X) terhadap
 Karakteristik Guru (Y).
5) Buktikan apakah data tersebut berpola linier ?

Langkah-langkah menjawab:
Langkah 1. Membuat Ha dan H。dalam bentuk kalimat:
Ha: Terdapat pengaruh yang signifikan antara motivasi siswa terhadap karakteristik guru
dalam PBM.
H。: Tidak terdapat pengaruh yang signifikan antara motivasi siswa terhadap karakteristik
guru dalam PBM.

Langkah 2. Membuat Ha dan H。dalam bentuk statistik:

Ha: r ≠ 0
H。: r = 0

Langkah 3. Membuat tabel penolong untuk menghitung angka statistik:

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 40 4 1600 80
2
8 2 35 4 1225 70
Statistik Σ𝑋 Σ𝑌 Σ𝑋² Σ𝑌² Σ𝑋𝑌
Jumlah 18 375 48 18825 930

Langkah 4. Memasukkan angka-angka statistik dari tabel penolong dengan rumus:

1) Menghitung rumus b
 𝑛.Σ𝑋𝑌 − Σ𝑋.Σ𝑌 8.(930) − (18).(375) 690
b = 𝑁.Σ𝑋² − (Σ𝑋)² = 8.(48) − (18)² = 60 = 11,5
2) Menghitung rumus
a
Σ𝑌 − 𝑏.Σ𝑋 375 − 11,5.(18) 168
a= 𝑛 = 8 = 8 = 21
3) Menghitung persamaan regresi sederhana
Ŷ = a + bX = 21 + 11,5.(X)...........(Jawaban 1)
4) Membuat garis persamaan regresi:
Σ𝑋 18
(a) Menghitung rata-rata X dengan rumus: X = = = 2,25
𝑛 8

(b) Menghitung rata-rata X dengan rumus: Y Σ𝑌 375

= = = 46,875
𝑛 8

Gambar 10. Diagram Pencer (Jawaban 2) | Gambar 11. Diagram Pencer (Jawaban 3)

Menguji Signifikansi dengan Langkah-langkah berikut:

Langkah 1. Mencari Jumlah Kuadrat Regresi JK(reg a) dengan rumus:
(Σ𝑌)² (375)² 140625
JK(reg a) = = = = 17578,125
𝑛 8 8
Langkah 2. Mencari Jumlah Kuadrat Regresi RJK(reg b|a) dengan rumus:
{
RJK(reg b|a) = b. Σ𝑋𝑌 − (Σ𝑋).(Σ𝑌)

𝑛
} = 11,5.{930 − (18).(375)

8
} = 991,875
Langkah 3. Mencari jumlah kuadrat Residu RJK(res) dengan rumus:
RJK(res) = Σ𝑌² - JK(reg b|a) - JK(reg a) = 18825 - 991,875 - 17578,125 = 255
Langkah 4. Mencari rata-rata jumlah kuadrat regresi RJK(reg a) dengan rumus:

RJK(reg a) = JK(reg a) = 17578,125

Langkah 5. Mencari rata-rata jumlah kuadrat regresi RJK(reg b|a) dengan rumus:
RJK(reg b|a) = JK(reg b|a) = 991,875
Langkah 6. Mencari rata-rata jumlah kuadrat residu RJK(res) dengan rumus:
𝐽𝐾(𝑟𝑒𝑠) 255
RJK(res) = = = 42,5
𝑛−2 8−2

Langkah 7. Menguji Signifikasi dengan rumus:

𝑅𝐽𝐾(𝑟𝑒𝑔 𝑏|𝑎) 991,875
Fℎ𝑖𝑡𝑢𝑛𝑔 = = = 23,34
𝑅𝐽𝐾(𝑟𝑒𝑠) 42,5

Kaidah pengujian signifikansi:

Jika Fℎ𝑖𝑡𝑢𝑛𝑔 ≥ F𝑡𝑎𝑏𝑒𝑙 . Maka tolak H0 artinya signifikan dan

Fℎ𝑖𝑡𝑢𝑛𝑔 ≤ F𝑡𝑎𝑏𝑒𝑙 . Terima H0 artinya tidak signifikan

Dengan taraf signifikan: α=0,01 atau α=0,05.

Carilah nilai F𝑡𝑎𝑏𝑒𝑙 menggunakan Tabel F dengan rumus :

F𝑡𝑎𝑏𝑒𝑙 = F{(1-α) (dk Reg [b|a]), (dk Res))

= F{(1 - 0,05) (dk Reg [b|a]=1), (dk Res=8-2=6))

= F{(0,95) (1 , 6)}
Cara mencari F𝑡𝑎𝑏𝑒𝑙 : angka 1 = pembilang

angka 6 = penyebut.
F𝑡𝑎𝑏𝑒𝑙 = 5,99
Ternyata Fℎ𝑖𝑡𝑢𝑛𝑔 > F𝑡𝑎𝑏𝑒𝑙 , maka tolak H。 artinya signifikan.

Langkah 8. Membuat Kesimpulan

Karena Fℎ𝑖𝑡𝑢𝑛𝑔 lebih besar dari F𝑡𝑎𝑏𝑒𝑙 , maka tolak H。dan terima Ha. Dengan
demikian terdapat pengaruh yang signifikan antara motivasi siswa terhadap karakteristik guru
dalam PBM……. (Jawaban 4)

Menguji Linieritas dengan Langkah-langkah berikut:

Langkah 1. Mencari jumlah kuadrat Error (JK𝐸 ) dengan rumus:

JK
𝐸
=∑ {Σ𝑌² − (Σ𝑌)²
} = 2247,01
𝑘 �
 Sebelum mencari nilai JK𝐸 urutkan data X mulai dari data yang paling kecil sampai

data yang paling besar berikut disertai pasangannya (Y), seperti tabel penolong berikut:

No. X Y

1 2 50
2 3 60
3 1 30
4 4 70
5 1 40
6 3 50
7 2 40
8 2 35

Menjadi :

diurutkan dari data Kelompok n Y

terkecil hingga data
terbesar X
1 k1 2 30
1 k1 2 40
2 k2 3 35
2 k2 3 40
2 k2 3 50
3 k3 2 50
3 k3 2 60
4 k4 1 70
Keterangan : n = jumlah kelompok yang sama k=4 kelompok

JK𝐸 =
( 30² + 40² −
2
(30+40)²
) + (35² + 40² + 50² − 3
(35+40+50)²
) +
(50² + 60² − (50+60)²

2
) + (70² − (70)²
) = (50+116,67+50+0)
1

JK𝐸 = 216,67

Langkah 2. Mencari jumlah kuadrat tuna cocok (JKTC) dengan rumus:

𝐽𝐾 = 𝐽𝐾 + JK𝐸 = 255 - 216,67 = 38,33
𝑇𝐶 𝑅𝑒𝑠

Langkah 3. Mencari rata-rata jumlah kuadrat tuna cocok (𝑅𝐽𝐾 ) dengan rumus:
𝑇𝐶

𝑅𝐽𝐾
38,33
𝑅𝐽𝐾 = 𝑇𝐶
= = 19,165 keterangan k = jumlah kelompok 4
𝑇𝐶 𝑘−2 4−2

Langkah 4. Mencari rata-rata jumlah kuadrat error (𝑅𝐽𝐾 ) dengan rumus:

𝐸
𝐽𝐾
𝐸 216,67
𝑅𝐽𝐾 = = = 19,165
𝐸 𝑛−𝑘 4−2

Langkah 5. Mencari nilai

dengan rumus:
Fℎ𝑖𝑡𝑢𝑛𝑔
𝑅𝐽𝐾 19,165
Fℎ𝑖𝑡𝑢𝑛𝑔 = 𝑇𝐶
= = 0,35
𝑅𝐽𝐾 54,1675
𝐸

Perlu diketahui bahwa uji linieritas berbeda dengan uji signifikansi, adapun
perbedaannya terletak pada pengambilan keputusannya (kaidah pengujiannya) sebagai
berikut:
(1) Menentukan Keputusan Pengujian signifikansi
jika Fℎ𝑖𝑡𝑢𝑛𝑔 ≥ F𝑡𝑎𝑏𝑒𝑙 , maka tolak Ho artinya signifikan dan

Fℎ𝑖𝑡𝑢𝑛𝑔 ≤ F𝑡𝑎𝑏𝑒𝑙 , maka Ho artinya tidak signifikan

(2) Menentukan keputusan pengujian linieritas

jika Fℎ𝑖𝑡𝑢𝑛𝑔 ≥ F𝑡𝑎𝑏𝑒𝑙 , maka tolak Ho artinya data berpola linier dan

Fℎ𝑖𝑡𝑢𝑛𝑔 ≤ F𝑡𝑎𝑏𝑒𝑙 , maka Ho artinya data berpola tidak linier

Langkah 6. Menentukan keputusan pengujian linieritas

jika Fℎ𝑖𝑡𝑢𝑛𝑔 ≥ F𝑡𝑎𝑏𝑒𝑙 , maka tolak Ho artinya data berpola linier dan

Fℎ𝑖𝑡𝑢𝑛𝑔 ≤ F𝑡𝑎𝑏𝑒𝑙 , maka Ho artinya data berpola tidak linier

Dengan taraf signifikan (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 = 8 − 4)

= F(1 − 0, 05) (𝑑𝑘 = 2, 𝑑𝑘 = 4)

 = F(0, 95) (2 , 4)

Cara mencari = F𝑡𝑎𝑏𝑒𝑙 dk = 2 = pembilang

dk = 4 = penyebut.
F𝑡𝑎𝑏𝑒𝑙 = 6,94

Langkah 7. Membandingkan Fℎ𝑖𝑡𝑢𝑛𝑔 dengan F𝑡𝑎𝑏𝑒𝑙

Ternyata Fℎ𝑖𝑡𝑢𝑛𝑔 < F𝑡𝑎𝑏𝑒𝑙 atau 0,35 < 6,94, maka tolak Ho artinya data berpola Linier

Kesimpulan variabel motivasi siswa terhadap karakteristik guru dalam PBM berpola
Linier..............(Jawaban 5)

Tabel Ringkasan Anava Variabel X dan Y uji Signifikasi dan Uji Linieritas

Tabel Ringkasan Anava Variabel X dan Y uji signifikansi dan uji linieritas
 BAB III
PENUTUP
A. Kesimpulan
Korelasi merupakan hubungan antara dua kejadian dimana kejadian yang satu dapat
mempengaruhi eksistensi kejadian yang lain, Misalnya kejadian X mempengerahui kejadian Y.
Apabila dua variable X dan Y mempunyai hubungan, maka nilai variable X yang sudah diketahui
dapat dipergunakan untuk memperkirakan/menaksir atau meramalkan Y. Ramalan pada dasarnya
merupakan perkiraan/taksiran mengenai terjadinya suatu kejadian(nilai suatu variabel) untuk
waktu yang akan datang. Variable yang nilainya akan diramalkan disebut variable tidak bebas
(dependent variable), sedangkan variabel C yang nilainya dipergunakan untuk meramalkan nilai Y
disebut variable bebas (independent variable) atau variable peramal (predictor) atau seringkali
disebut variable yang menerangkan (explanatory).

Jadi jelas analisis korelasi ini memungkinkan kita untuk mengetahui suatu di luar hasil
penyelidikan, Salah satu cara untuk melakukan peramalan adalah dengan menggunakan garis
regresi. Untuk menghitung parameter yang akan dijadikan dalam penentuan hubungan antara dua
variabel, terdapat beberapa cara, yaitu: koefisien detreminasi, koefisien korelasi. Apabila terdapat
data berkelompok menggunakan koefisien data berkelompok dan bila menggunakan data
berganda maksudnya variabel bebas yang mempengaruhi variabel terikat ada dua, maka
menggunakan koefisien berganda.Sedangkan regeresi di bagi menjadi dua, yaitu regresi linier dan
regresi non linier. Dimana regresi linier juga dibagi menjadi dua yakni regresi linier sederhana dan
regresi linier berganda.

B. Saran
Penulis berharap dan serta sekaligus memberikan bahwa semoga dengan adanya materi ini
bisa membantu terutama dalam penyusunan karya ilmiah terutama dalam pendataan dalam
penelitian.
 DAFTAR PUSTAKA

Dr Riduwan, M.B.A. _"Belajar Mudah Penelitian untuk Guru-Karyawan dan Peneliti

Pemula"_Bandung,2013

Dr. Hartono, M.Pd”Statistik Untuk Penelitian”Jl. H. R. Soebrantas Komplek Metropolitan

City (MTC)/ Giant Blok A no. 39-40 Panam Tampan Pekanbaru Riau, 2004