Disusun Oleh :
Kelompok 3
Intan Sari ( 210121041 )
Muhamad A’izzudin ( 210121014 )
Wulan Widia Ningsih ( 210121087 )
Kelas : 21-A1B-K1
i
KATA PENGANTAR
Segala puji syukur kami panjatkan kepada Allah SWT. atas rahmat dan karunia-Nya, kami
dapat menyelesaikan tugas penyusunan makalah mata kuliah Statistika tepat waktu. Tidak lupa
shalawat serta salam semoga selalu tercurah limpahkan kepada junjungan kita Nabi besar
Muhammad SAW, beserta para pengikutnya hingga akhir zaman yang insyaAllah kita termasuk
di dalamnya yang senantiasa mendapat syafaatnya .
Makalah yang berjudul “Pengujian Hipotesis Asosiatif” ini disusun untuk memenuhi tugas
mata kuliah Statistika. Kami sangat berharap makalah ini dapat menjadi referensi bagi para
pembaca dan penulis untuk menambah wawasan tentang korelasi dari kedua variabel yang diteliti.
Selain itu kami juga sangat berharap agar pembaca mendapatkan sudut pandang baru setelah
membaca makalah ini.
Kami menyadari makalah ini masih jauh dari kata sempurna sehingga memerlukan
penyempurnaan, terutama pada bagian isi. Kami sangat menerima segala bentuk kritik dan saran
pembaca demi penyempurnaan makalah ini. Apabila terdapat banyak kesalahan pada makalah ini,
kami mohon maaf.
Demikian yang dapat kami sampaikan. Akhir kata, semoga makalah ini dapat digunakan
sebagaimana mestinya.
Penulis
ii
DAFTAR ISI
HALAMAN JUDUL..................................................................................................... i
KATA PENGANTAR................................................................................................... ii
BAB I PENDAHULUAN.............................................................................................. 1
3.1 Kesimpulan................................................................................................... 26
3.2 Saran.............................................................................................................. 26
DAFTAR PUSTAKA.................................................................................................... 27
iii
BAB I
PENDAHULUAN
Dalam statistik terdapat dua macam hipotesis, yaitu hipotesis nol dan hipotesis
alternatif. Hipotesis nol diartikan sebagai tidak adanya perbedaan antara parameter dengan
statistik, atau tidak adanya perbedaan antara ukuran populasi dan ukuran sampel. Hipotesis
alternatif adalah lawannya hipotesis nol, yang berbunyi adanya perbedaan antara data
populasi dengan sampel. Secara ringkas hipotesis dalam statistik merupakan pernyataan
statistik tentang parameter populasi sedangkan hipotesis dalam penelitian merupakan
jawaban sementara terhadap rumusan masalah pada suatu penelitian.
Terdapat macam-macam teknik statistik yang dapat digunakan dalam suatu penelitian
khususnya dalam pengujian statistik. teknik statistik yang akan digunakan tergantung pada
interaksi dua hal, yaitu macam data yang akan dianalisis dan bentuk hipotesisnya. Bentuk
hipotesis ada tiga macam, yaitu :
1. Hipotesis deskriptif adalah dugaan tentang nilai suatu variabel mandiri, tidak membuat
perbandingan atau hubungan.
2. Hipotesis komparatif adalah pernyataan yang menunjukkan dugaan nilai dalam satu
variabel atau lebih pada sampel yang berbeda.
3. Hipotesis asosiatif adalah suatu pernyataan yang menunjukkan dugaan tentang
hubungan antara dua variabel atau lebih.
1.3 Tujuan
Berdasarkan permasalahan tersebut diatas, maka dapat dirumuskan tujuan makalah ini
adalah sebagai berikut :
1. Mengetahui apa itu hipotesis asosiatif
2. Mengetahui pengujian hipotesis asosiatif
2
BAB II
PEMBAHASAN
2.1.3 Asosiatif Interaktif, artinya menekankan pada hubungan antara variabel yang saling
mempengaruhi, bukan sebagai hubungan sebab akibat, melainkan hubungan timbal
balik.
Contoh penulisannya yakni;
1) Ada hubungan yang saling mempengaruhi antara tingkat infiltrasi dengan
permeabilitas tanah
2) Ada hubungan yang saling mempengaruhi antara curah hujan dengan evaporasi
3) Ada hubungan yang saling mempengaruhi antara laju sedimen dengan tingkat erosi
4) Ada hubungan yang saling mempengaruhi antara pencemaran sungai dengan
limbah masyarakat
Untuk mencari hubungan antara dua variabel atau lebih dilakukan dengan menghitung
koefisien korelasi antara variabel-variabel tersebut. Koefisien korelasi merupakan angka
yang menunjukkan arah dan kuatnya hubungan antar variabel. Arah hubungan dinyatakan
dengan tanda positif atau negatif, sedangkan kuatnya hubungan ditunjukkan dengan
besarnya angka koefisien korelasi yang besarnya berkisar antara 0 sampai dengan ± 1.
Hubungan positif antara dua variabel memberikan arti bahwa naiknya salah satu
variabel akan menyebabkan naiknya variabel yang satunya. Sedangkan hubungan yang
negatif mengandung arti bahwa ketika salah satu variabel nilainya naik maka variabelyang
lain turun. Sebagai hubungan yang positif antara besarnya pendapatan dengan besarnya
belanja bulanan, mengandung arti bahwa ketika pendapatan naik, maka belanja bulanan
juga semakin naik. Sedangkan hubungan negatif terjadi misalnya dalam hubungan antara
faktor usia dengan daya ingat, yang berarti bahwa semakin bertambah usia seseorang maka
daya ingat akan semakin menurun. Demikian juga sebaliknya.
4
Angka koefisien korelasi yang berkisar antara 0 sampai dengan ± 1 menujukkan
kuat/lemahnya hubungan kedua variabel tersebut. Koefisien korelasi +1 menunjukkan
bahwa antara kedua variabel tersebut terdapat hubungan positif sempurna. Sempurna disini
mengandung arti bahwa naik atau turunnya salah satu variabel bisa dijelasksn dengan
variabel yang lain dengan sepenuhnya tanpa kesalahan sedikit pun. Sedangkan koefisien
korelasi sebesar nol, berarti bahwa antara kedua variabel tersebut sama sekali tidak terdapat
hubungan. Artinya, naik atau turunnya variabel yang satu sama sekali tidak mempengaruhi
variabel yang lain. Namun, dalam kehidupan sosial, korelasi sebesar nol dan satu ini jarang
sekali terjadi (tidak akan pernah ada).
Dalam analisis statistik, besarnya koefisien korelasi bisa digambarkan dengan penyebaran
titik data dalam kurva X-Y. Gambar-gambar yang menunjukkan koefisien korelasi adalah sebagai
berikut
Variabel Y
Variabel Y
Variabel Y
5
bahwa antara kedua variabel tersebut terdapat hubungan negatif yang cukup
kuat.
xy
rxy =
( x2y2))
Dimana:
rxy = Korelasi antara variabel x dengan variabel y
x = (Xi – rata-rata X)
y = (Yi – rata-rata Y)
6
𝑛Σ𝑥1𝑦1 − (Σ𝑥1)(Σ𝑦1)
𝑟𝑥𝑦 = √{𝑛Σ𝑥2 − (Σ𝑥 )2}{𝑛Σ𝑦2 − (Σ𝑦 )2}
Contoh:
X= 800 900 700 600 700 800 900 600 500 500/bulan
Y= 300 300 200 200 200 200 300 100 100 100/bulan
H0 = Tidak ada hubungan antara pendapatan dan pengeluaran
H0 : 𝜌 = 0
Ha : 𝜌 ≠ 0
Untuk perhitungan koefisien korelasi, maka data pendapatan dan pengeluaran perlu
dimasukkan dalam tabel berikut.
Pend/bln Pengl/bln
(𝑿𝒊 − 𝒙̅) (𝒀𝒊 − 𝒚̅)
No dlm ratusan dlm x2 y2 xy
(x) (y)
ribu rp (Xi) ratusan
ribu
rp (Yi)
1 8 3 1 1 1 1 1
2 9 3 2 1 4 1 2
3 7 2 0 0 0 0 0
4 6 2 -1 0 1 0 0
5 7 2 0 0 0 0 0
6 8 2 1 0 1 0 0
7 9 3 2 1 4 1 2
8 6 1 -1 -1 1 1 1
9 5 1 -2 -2 4 1 2
10 5 1 -2 -2 4 1 2 7
Σ = 70 Σ = 20 0 0 20 6 10
𝑋̅ = 7 𝑦̅ = 2
PENDAPATAN DAN PENGELUARAN
Σ𝑌2 = 6
Σ𝑋𝑌 = 10
Σ𝑥𝑦 10
𝑟𝑥𝑦 = = = 0,9129
√Σ𝑥2𝑦2 √(20 𝑥 6)
Jadi, ada korelasi posistif sebesar 0.9129 antara pendapatan dengan
pengeluaran. Hal ini berarti bahwa semakin besar pendapatan maka pengeluaran
juga akan semakin besar. Permasalahan adalah apakah angka korelsi tersebut
signifikan (dapat digeneralisasikan) untuk dikatakan bahwa juga terdapat korelasi
POPULASI. Untuk itu maka perlu diperbadingkan r hitung dengan r tabel (r tabel
product moment) pada taraf signifikansi tertentu. Dengan melihat angka tabel r
product moment, untuk tingkat signifikansi 5%, dengan N = 10, didapat r tabel =
0.632. Berarti hitung (=0.9129) lebih besar dari r tabel, yang berarti kita harus
menolak Ho dan menerima Ha. Dapat disimpulkan bahwa terdapat hubungan yang
kuat dan signifikan antara pendapatan dengan pengeluaran.
𝑟√𝑛−2 0,9129√10−2
𝑡= = 𝑡= = 6,33
√1− 𝑟2 √1− 102
Harga t hitung tersebut dibandingkan dengan t tabel. Untuk kesalahan 5% uji dua
pihak dan dk = n-2 = 8, maka diperoleh t tabel = 2,306. Sehingga, harga t hitung 6,33
lebih besar dari t tabel, maka, H0 ditolak. Hal ini berarti terdapat hubungan yang
positif dan signifikan antara pendapatan dan pengeluaran sebesar 0,9129. Untuk dapat
8
memberikan penafsiran terhadap koefisien korelasi yang ditemukan besar atau kecil,
maka dapat berpedoman pada ketentuan yang tertera pada tabel berikut.
Dalam analisis korelasi terdapat suatu angka yang disebut dengan koefisien
derminasi, yang besarnya adalah kuadrat dari koefisien korelasi (r 2). Koefisien ini
disebut koefisien penentu, karena varian yang terjadi pada variabel dependen dapat
dijelaskan melalui varian yang terjadi pada variabel independen. Berdasarkan contoh
diatas ditemukan r = 0,9129. Koefisien determinasinya = r2 = 0,91292 = 0,83. Hal ini
berarti varian yang terjadi pada variabel pengeluaran 83% dapat dijelaskan melalui
varian yang terjadi pada variabel pendapatan, atau pengeluaran 83% ditentukan oleh
besarnya pendapatan dan 17% oleh faktor lain, misalnya terjadi musibah, sehingga
pengeluaran tersebut tidak dapat diduga.
r2yx1 + r2yx2 – 2ryx1.ryx2.rx1x2
r y.x1.x2
= 1 – r2x1x2
9
Dimana,
𝑅𝑦𝑥1𝑥2 = Korelasi antara variabel X1 dengan X2 secara bersama-sama dengan
variabel Y
𝑟𝑦𝑥1 = Korelasi Product moment antara X1 dengan Y
𝑟𝑦𝑥2 = Korelasi Product moment antara X2 dengan Y
𝑟𝑥1𝑥2 = Korelasi Product moment antara X1 dengan X2
Jadi, untuk mengetahui korelasi ganda, maka harus dihitung terlebih dahulu
korelasi sederhananya melalui korelasi Product Moment dari Pearson.
Contoh :
Misalnya dari suatu penelitian yang berjudul :”Kepemimpinan dan Tata Ruang
Kantor dalam kaitannya dengan Kepuasan Kerja Pegawai di Lembaga A”.
Berdasarkan data yang terkumpul untuk setiap variabel, dan setelah dihitung
korelasi sederhananya ditemukan sebagai berikut
2. Korelasi antara Tata Ruang kantor dengan Kepuasan Kerja Pegawai, r2 = 0,48
Apabila ada pertanyaan, untuk siswa yang waktu belajarnya sama (diparsialkan)
berapa korelasi antara IQ dengan prestasi kuliah? Jawaban pertanyaan tersebut bisa
dicari dengan rumus korelasi parsial berikut:
Ryx1 – ryx2.rx1x2
Ryx1x2 =
(1 – r2x1x2) - (1 – r2yx2)
11
Sedangkan bila X1 yang dikendalikan, maka rumusnya adalah:
Ryx2 – ryx1.rx1x2
Ryx2x1 =
(1 – r2x1x2) - (1 – r2yx1)
Sedangkan uji korelasi parsial dapat dihitung dengan rumus sebagai berikut:
rp (n – 3)
t=
(1 – r2p)
t=
X
2
N + X2
X2 =
(Opij + Eij)2
EPij
Contoh :
Dilakukan penelitian untuk mencari tahu apakah terdapat hubunga antara profesi
pekerjaan dengan jenis olah raga yang sering dilakukan. Profesi dikelompokkan
menjadi : Dokter, Pengacara, Dosen, Bisnisman. (Dr, Pc, Ds, Bs). Sedangkan jenis
olahraga dikelompokkan menjadi: Golf, Tenis, Bulutangkis, Sepak bola (Gf, T, Bt,
Sp). Jumlah responden yang digunakan untuk mengumpulkan data adalah sebagai
berikut:
Dr = 58
Pc = 75
Ds = 68
Bs = 81
12
Jumlah seluruhnya = 282
Ho: Tidak ada hubungan yang signifikan antara profesi seseorang dengan jenis
olahraga yang disenanginya
Ha: Ada hubungan yang kuat dan signifikan antara profesi seseorang dengan jenis
olahraga yang disenanginya
Berdasarkan sampel empat kelompok profesi yang dipilih secara random, diperoleh
data seperti data berikut:
Jenis Olah Profesi
Jumlah
Raga Dr Pc Ds Bs
Gf 17 23 10 30 80
Tn 23 14 17 26 80
Bt 12 26 18 14 70
Sp 6 12 23 11 52
Jumlah 58 75 68 81 282
Untuk mmenghitung f yang diharapkan (fh) pertama-tama dihitung berapa persen
dari masing-masing sampel yang menyenangi olah raga Golf, Tenis, Bulu tangkis,
dan sepakbola.
Olah Dr Pc Ds Bs
JML.
Raga Fo Fh Fo Fh Fo Fh Fo Fh
JML 58 75 68 81 282
X2 = 0.007 +0.136 + 4.490 + 2.218 + 2.587 + 2.502 + 0.277 + 0.390 +
14
2
X = 29.881
Jadi, harga Chi Kuadrat (X2) hitung = 29.881. Selanjutnya untuk menghitung
keofisien kontingensi C, maka harga tersebut dimasukkan ke dalam rumus
C= X
2
N + X2
15
29.881
C= 282 + 29.881
C = 0.31
Jadi, besarnya koefisien antara jenis profesi dengan kesenangan olah raga =
0.31. Untuk menguji signifikansi koefisien C dapat dilakukan dengan menguji
harga Chi Kuadrat (X2) hitung yang ditemukan dengan Chi Kuadrat (X2) tabel,
pada taraf signifikansi dan dk tertentu. Harga dk = (k – 1) (r – 1); dimana K =
jumlah sampel = 4; r = jumlah kategoriolah raga. Jadi dk = (4 – 1) ( 4 – 1) = 9.
Dengan dk = 9 dan pada taraf signifikansi 0.05, maka harga Chi Kuadrat (X2)
tabel = 15.51. Ketentuan pengujian kalauharga Chi Kuadrat (X2) hitung lebih
besar dati Chi Kuadrat (X2) tabel, maka hubungannya signifikan. Pada kasus kita
di atas, ternyata harga Chi Kuadrat (X2) hitung lebih besar daripada Chi Kuadrat
(X2) tabel. (29.881 > 15.51). Dengan demikian dapat disimpulkan bahwa Ho
ditolak dan Ha diterima. Jadi, jenis profesi pekerjaaan secara nyata mempunyai
hubungan signifikan dengan jenis olahraga yang disenangi sebesar 0.31. Data yang
ada pada sampel dan angka korelasi mencerminkan keadaan populasi di mana
sampel diambil.
Dimana:
ρ = koefisien korelasi Spearman Rank
di = beda antara dua pengamatan berpasangan
16
N = total pengamatan
Contoh:
Ada 10 orang responden yang diminta untuk mengisi daftar pertanyaan tentang
Motivasi dan Prestasi dalam sebuah kantor. Jumlah responden yang diminta mengisi
daftar pertanyaan itu 10 karyawan, masing-masing diberi nomor 1, 2, 3, 4, 5, 6, 7, 8,
9, 10. Nilai yang diberikan oleh kesepuluh responden tentang Motivasi dan Prestasi
itu diberikan pada contoh berikut. Yang akan diketahui adalah apakah ada hubungan
antara Motivasi dengan Prestasi.
4. Hipotesis:
1 9 8
2 6 7
3 5 6
17
4 7 8
5 4 5
6 3 4
7 2 2
8 8 9
9 7 8
10 6 6
1 9 8 1 3 -2 4
5 4 5 8 8 0 0
6 3 4 9 9 0 0
7 2 2 10 10 0 0
8 8 9 2 1 1 1
10 6 6 5,5 6,5 -1 1
0 7
Selanjutnya harga bi2 yang telah diperoleh dari hitungan dalam tabel kolom
terakhir dimasukkan dalam rumus korelasi Spearman Rank :
ρ = 1 – 6.7 : ( 10 x 102 -1 ) = 1 – 0,04 = 0,96
Kesimpulan :
Terdapat hubungan yang nyata/signifikan antara Motivasi (Xi) dengan
Prestasi (Yi). Dalam hal ini hipotesis nolnya (Ho) adalah: tidak ada
19
hubungan antara variabel Motivasi (Xi) dengan Prestasi (Yi). Sedangkan
hipotesis alternatifnya (Ha) adalah: terdapat hubungan yang positif dan
signifikan antara variabel Motivasi (Xi) dengan Prestasi (Yi). Dengan
demikian hipotesis nol (Ho) ditolak dan hipotesis alternatif (Ha) diterima.
Atau dengan kata lain bahwa variabel Motivasi mempunyai hubungan yang
signifikan dengan Prestasi.
5% 1% 5% 1%
1. Metodologi
Rumus yang digunakan untuk mengukur koefisien korelasi kendall tau adalah:
Jika ada ranking yang sama, maka rumus di atas dilengkapi dengan faktor
koreksi rank yang sama, yaitu:
20
di mana:
21
atau secara ekivalen:
di mana:
Keterangan:
2. Sampel Besar
Jika sampel berukuran lebih dari 10, maka terapkan aproksimasi sampel besar
dengan menganggap bahwa distribusi sampel mendekati distribusi normal (z).
Dengan demikian, kaidah pengambilan keputusan untuk analisis korelasi kendall
tau sebagai berikut:
1. Hipotesis dua arah: tolak Ho jika Z hitung > Z tabel atau Z hitung ≤ -Z tabel
untuk n dan tingkat signifikansi α.
2. Hipotesis satu sisi: tolak Ho jika nilai Z hitung > nilai Z tabel untuk n dan
tingkat signifikansi α.
3. Hipotesis satu sisi: tolak Ho jika nilai Z hitung < -Z tabel untuk n dan tingkat
signifikansi α.
22
di mana:
Contoh:
Dalam sebuah penelitian ingin diketahui apakah nilai matakuliah statistik teori
mempunyai hubungan dengan nilai matakuliah statistik praktek. Peneliti mengambil
sampel sebanyak 12 orang mahasiswa secara acak dan diperoleh hasil sebagai berikut:
Apakah ada hubungan nilai mata kuliah statistik teori dan nilai matakuliah statistik
praktek? Gunakan tingkat signifikansi 1%.
Pembahasan:
Hipotesis:
H0: tidak ada kesesuaian ranking skor hasil belajar statistik teori dan praktik mahasiswa
di tingkat populasi.
H1: ada kesesuaian ranking skor hasil belajar statistik teori dan praktik mahasiswa di
tingkat populasi.
Statistik uji:
23
Sesudah mengatur ranking-rangking itu, variabel X dalam urutan yang wajar, kita
tetapkan harga S untuk ranking yang saling berhubungan dengan variabel Y;
Ranking nilai statistik praktek yang paling kiri adalah ranking 1, ini memiliki 11
ranking yang lebih besar sebelah kanannya dan 0 ranking yang lebih kecil di sebelah
kirinya, jadi skornya (11-0), begitu seterusnya sehingga didapat harga S = 44.
Dengan demikian, korelasi atau tingkat hubungan antara mata kuliah statistik teori
dan praktek adalah
Karena n > 10, maka kita dapat gunakan pendekatan sampel besar. Kita hitung
statistik Z, yakni
24
Keputusan: Dengan melihat tabel nilai-nilai z, kita mengetahui bahwa z > 3,03
mempunyai kemungkinan kemunculan, di bawah H0, sebesar p = 0,0012. Dengan
demikian, kita dapat menolak H0 pada tingkat signifikansi alpha =0,01.
25
BAB III
PENUTUP
2.3 Kesimpulan
Hipotesis asosiatif merupakan dugaan adanya hubungan antar variabel dalam
populasi, melalui data hubungan dalam sampel. Hipotesis asosiatif dapat dikatakan jawaban
sementara terhadap suatu rumusan masalah yang mempertanyakan mengenai hubungan
antara dua variabel di dalam suatu penelitian.
Terdapat bermacam-macam teknik statistik korelasi yang dapat digunakan untuk
menguji hipotesis asosiatif. Teknik koefisien yang mana yang akan dipakai tergantung pada
jenis data yang dianalisis. Berikut adalah berbagai teknik statistik korelasi yang digunakan
untuk menguji hipotesis asosiatif. Uji korelasi untuk data interval dan rasio menggunakan
statistik parametriks, sedangkan uji korelasi untuk data nominal dan ordinal menggunakan
statistik nonparametriks.
2.4 Saran
Makalah ini masih jauh dari sempurna, kami mengharapkan para pembaca
memanfaatkan makalah ini bukan hanya sebagai referensi tetapi saran dan kritik yang
mendukung makalah ini
26
.
DAFTAR PUSTAKA
1. https://suhartoumm.wordpress.com/2013/01/02/korelasi-spearman-rank/
2. https://jagostat.com/statistik-nonparametrik/korelasi-kendall-tau
3. http://putriparaswarapratiwi.blogspot.com/2014/11/pengujian-hipotesis-asosiatif.html#
4. https://www.duniadosen.com/hipotesis-statistik/#3_Hipotesis_Asosiatif
5. https://penelitianilmiah.com/hipotesis-asosiatif/
27