STATISTIK PENELITIAN

DOSEN PENGAMPU : DEDI IRWAN. Phd

MATA KULIAH DATA COLLECTION & ANA LYZE STATISTIK PENELITIAN
PENDIDIKAN

FAKULTAS PENDIDIKAN BAHASA SASTRA DAN SENI

PROGAM STUDI PENDIDIKAN BAHASA INGGRIS
IKIP PGRI PONTIANAK
A Morning/ 5 semesters
GROUP 2

Agustinus Ripaldo : 322010159

Ahmad Firdaus : 322010047

Ahmad Jarod Alfianto : 322010011
Friscillia Pujianti Esa Putri : 322010109
Kristian Taufik : 322010052
Krisopras William Prayoga : 322010057
 I. STATISTIK

A. STATISTIK DESKRIPTIF
Statistik deskriptif. Yang biasa disebut Statistik Deduktif adalah statistika yang
tingkat kerjanya meliputi cara-cara pengambilan data, pengolahan, penyajian data, dan
analisis data numerik, sehingga dapat menggambarkan gambaran yang tepat, ringkas dan
jelas tentang suatu fenomena, peristiwa dan bahkan keadaan. Sedangkan menurut Shater
& Zhang (2012) bahwa “Statistik Deskriptif adalah cabang dari statistika yang meliputi
organisasi, tampilan dan penjelasan data. Statistik deskriptif meliputi: Distribusi
Frekuensi, Analisis Tendensi Sentral, dan Deviasi/Standar Deviasi”.
Statistik deskriptif menurut (Gito Supriadi,2021 16-17) merupakan gambaran
kegiatan yang berupa pengumpulan data, menyusunan data,mengolah data, dan
menyajikan data dalam bentuk tabel, grafik, ataupun diagram, untuk memberikan
gambaran yang teratur, ringkas, dan jelas mengenai suatu keadaan atau peristiwa.
1. Central Tendency
Pada umumnya data yang masuk cenderung ke arah nilai-nilai tertentu. Dalam hal statistik,
tendensi sentral digunakan untuk menggambarkan secara singkat sifat umum dari data. umum
digunakan adalah:

1. Rata-rata = rata-rata
2. Median = nilai tengah (setelah data diurutkan)
3. Modus = nilai yang paling sering muncul
a. Mean (rata-rata)
Mean adaalah ukuran tendensi sentral yang sering digunakan.

a) Mean dengan data tunggal

x=
∑ xi
n

x 1+ x 2 + x 3 …+ xn
x=
n

b) Mean dengan data kelompok

x=
∑ f i × xi
∑ fi
x=¿ nilai rata- rata

x i=¿ nilai tengah data ke i

f i=¿ frekuensi

Contoh soal

Interfal kelas Frekuensi Persentage Titik tengah x i. f i

61-65 7 17,5% 63 441
66-70 9 22,5% 68 612
71-75 11 27,5% 73 803
76-80 4 10% 78 312
81-85 3 7,5% 83 332
86-90 6 15% 88 528
Jumlah = 40 3028
Tentukan telebih dahulu nilai titik tengah x i dan hasil kali x idengan f i pada setiap kelas, serta
jumlah perkalian x idan f i

: Titik Tengah

: x i. f i

x=
∑ f i × xi
∑ fi
3028
x= =75,7
40

b. Median
Median merupakan nilai tengah dalam ilmu statistika. Cara mencari median sangat
mudah ketika data yang digunakan ganjil. Cukup dengan mengurutkan data dari
terkecil hingga besar, dan diantara data tersebut kita dapati nilai medianya.

Contoh : Didapati nilai ulangan kelas VII A SMPN 1 AIR UPAS sebagai berikut,
65,70,85,90,80,60,70,80,80,80,50 hitunglah mean darii data tersebut!

Jawab
 Langkah pertama, urutkan terlebih dahulu data tersebut, 50, 60, 65, 70, 70, 80, 80,
80, 80, 85, 90. Sehingga didapatkan 80 sebagai nilai median yag menjadi titik tengah
membagi kedua sisi dengan sama besar.

c. Mode
Modus : adalah data yang paling sering digunakan
i. Data yang tidak dikelompokan
Sebagai contoh : 3, 4, 4, 5, 5 1, 2, 3, 4
Anda dapat dengan mudah mencari modus dengan mengurutkan nilai dari terkecil
hingga terbesar. 1,2,3,3,4,4,4,5,5. Sehingga didapati nilai 4 dengan nilai yang
paling banyak dilihat.
ii. Data yang dikelompokan (table)

Mo=Bb+ w
( d1
d1 +d 2 )
Contoh :

Interfal kelas Frekuensi Persentage

61-65 7 17,5%
66-70 9 22,5%
71-75 11 27,5%
76-80 4 10%
81-85 3 7,5%
86-90 6 15%
Jumlah = 40
Frekuensi terrbanyak terdapat pada data 71-75 dengan frekuensi 11

2
M O=70,5 ×5
( 2+7 )

10
¿ 70,5+
7

= 70,5+1,43

= 71,93

d. Quartile
 Persentil dan kuartil berfungsi untuk menemukan posisi relatif nilai dalam
kumpulan data. Jadi, persentase ke-n sedemikian rupa sehingga n% nilainya di atas atau
di bawah angka ini. Dengan kata lain, ini adalah jenis kuartil yang membagi data menjadi
empat bagian dengan jumlah yang kurang lebih sama. Kuartil pertama atau kuartil bawah
(Q1) adalah nilai tengah antara nilai terkecil dan median dari kelompok data. Atas
pembagianya, Quartil bisa didapatkan melalui data tunggal dan data kelompok.
i. Quartil Data Tunggal
Data yang disajikan secara sederhana dan belum dikelompokkan dalam kelas
interval. Terdapat berbagai caara dalam mencari data quartil tunggal baik jika data
tersebut ganjil, maupun genap.
a) Data Quarti Ganjil
 Untuk data jika n+1 habis dibagi 4

Q1=x ( n+14 )
Q =x (
4 )
2 n+1
2

Q =x (
4 )
3 n+1
3

 Data Quartil jika n+1 tidak habis dibagi 4

( ( n−1 ) +x(
4 )
)
n−3
x
4
Q 1=
2

( 2 ( n+1
Q 2=x
4 )
)

Q =( )
x(
4 ) ( 4 )
3 n+1 3 n+5
+ x
3
2
Contoh
Tentukan letak kuartil dari data 77!
Jawab
Dari soal tersebut diketahaui n+1 tidak habis dibagi 4, sehingga menggunakan
rumus sebagai berikut:
 ( ( 77−1 ) +x(
4 ) 19,5+20
)
77 +3
x
4
Q 1= =
2 2

( 2 (774+1) )=39
Q 2=x

x(
( ) +x( ) =x )
3 ( 77 ) +1 3 ( 77 ) +5
4 4 58 + x 59
Q=3
2 2
b) Data Quartil Genap
 Data habis dibagi 4

Q 1= ( x ( n4 )+ x ( n4 +1)
2
)
(() ( ))
n n
x + x +1
2 2
Q 2=
2

Q 3= ( x ( 34n )+ x ( 34n +1)

2 )
Contoh
Diketahui data 100, tentukan letak kuartinya
Jawab
Data tersebut merupakan data habis dibagi 4 sehingga,

Q 1= (x ( 1004 )+ x ( 1004 + 1) = x
2
) 25 + x 26
2

(( ) ( ))
100 100
x +x +1
2 2 x +x
Q 2= = 50 51
2 2

( ( 3 ×100 )+ x( +1 )
)
3 ×100
x
4 4 x +x 75 76
Q 3= =
2 2
  Data Quartil jika n+1 tidak habis dibagi 4

( ( n−1 ) +x(
4 )
)
n−3
x
4
Q 1=
2

Q2=x ( 2 ( n+1
4 )
)

 Data tidak habis dibagi 4

Q1=x( n+24 )
x ( ) + x ( +1 )
n n
2 2
Q=
2
2

Q3=x ( 3 n+2
4 )
ii. Quartil data Kelompok
1
4 n−f kjs
Qi=BbQ i+ ×P
f Qi
i, Kuartil ke -i
bbQi batas bawah kelas kuartil ke i
n banyaknya data
fkjs, frekuensi kumulatif sebelum kelas kuartil ke-i
fQi frekuensi kelas kuartil ke-i
p, panjang kelas

contoh
Interfal kelas Frekuensi Persentage Frekuensi
kumulatif
61-65 7 17,5% 7
66-70 9 22,5% 16
71-75 11 27,5% 27
76-80 4 10% 31
 81-85 3 7,5% 34
86-90 6 15% 40
Jumlah = 40

Jawab
Langkah pertama tentukan frekuensi kumulatif, kemudian tentukan nilai dari
setiap kuartil
1
Q1= .40=10
4
2
Q2= .40=20
4
3
Q3= .40=30
4

1
4 40−16
Q1=70,5+ ×5
11
1 6
Q1=70 + ×5=71,05
2 11
Q1=71,05

e. Maximum Score
Tentu kita mengetahui apa itu skor maksimum, yaitu nilai dari suatu data yang
memiliki angka yang paling besar dalam suatu data. Maksimum adalah suatu angka yang
dalam suatu kumpulan data dan dalam suatu baris data namun hanya ada set angka
maksimum, karena pada dasarnya angka maksimum adalah angka yang memiliki nilai
yang paling tinggi / besar dari yang lainnya.

f. Minimum Score
Sedangkan skor minimum adalah kebalikan dari skor maksimum yaitu nilai yang
memiliki nilai paling kecil dalam suatu kumpulan data. Data minimum hanya ada satu
dalam satu set data yang sudah di ambil atau data yang dipilih menjadi dasar penelitian.
 Dan tidak boleh ada dua angka minimum dalam suatu kumpulan data karena salah satu
dari nilai dalam kumpulan data tersebut harus kurang dari yang lain.
2. Measure of Dispersion/Variation
a. Standar Deviasi
Standar deviasi (SD) adalah ukuran yang paling umum digunakan
dari dispersi. Artinya statistik digunakan untuk menghitung sekelompok data yang
tersebar dari nilai rata-ratanya. Singkatnya, ukuran yang menggambarkan distribusi
satu set atau paket data.

√
n
n∑ x
2

(∑ )
n 2

i =1 i− x1
sd=
i=1

n ( n−1 )

cara menghitung simpangan:

1. Langkah pertama mententukan nilai rata-rata.

2. Kemudian,mencari nilai varians dengan cara mengurangkan rata-rata dari nilai
data.
3. Langkah ketiga setelah setiap nilai didapati, kuadratkan. Kemudian jumlahkan
hasilnya.
4. Membagi hasil jumlahan tersebut dengan jumlah titik data dikurangi satu.
Setelah ditemukan,dicari akarkuadratnya. Dengan demikian nilai didapatkan.
 Standar deviasi data tunggal

S=
∑ ( x i−x )2
n
Contoh soal
Diketahui, nilai matakuliah Ripaldo semester 5 sebagai berikut, 83,70,86,
73,90,83,70,80.
Pembahasan
Hitung terlebih dahulu rata – rata dari data teresebut =
70+70+73+80+ 83+83+86+ 91
x=
8
 x=¿ 79,5
Langkah kedua, mencari persimpangan dengan cara nilai data dikurangkan
dengan nilai rata – rata.
( 70−79,5 )2 + ( 70−79,5 )2+ ( 73−79,5 )2 + ( 80−79,5 )2+ ( 83−79,5 )2 + ( 83−79,5 )2 + ( 86−79,5
x=
8
90,25+90,25+ 42,25+0,25+12,25+12,25+ 42,25+132,25
x=
8
x=51,25
Langkah terakhir, akar kuadratkan nial varian tersebut
s= √51,25
S= 7,2
 Standar deviasi data kelompok

Contoh
√ ∑ x i ( x i−x )2
n

Tentukan standard deviasi dari data dibawah ini!

Interfal kelas Frekuensi Titik tengah x i. f i x i−x ( x i−x )
2
fi ( xi −x )
2

61-65 7 63 441 -12,7 161,29 1.129,03

66-70 9 68 612 -7,7 59,29 533,61
71-75 11 73 803 -2,7 7,29 80,19
76-80 4 78 312 2,3 52,9 211,6
81-85 3 83 332 7,3 53,29 159,87
86-90 6 88 528 12,3 151,29 907,74
Jumlah = 40 3028 3.022,04

Pembahasan :
Tentukan lilai tengah terlebih dahulu, kemudian mencari nilai kelompok dengan cara x i.
x . f i.
Langkah kedua hitung nilai rata – rata dengan cara membagi nilai kelompok dengan total
jumlah data
 x=
∑ xi. f i
∑ fi
441+612+803+312+332+528
x= =75,7
40
Kemudian hitung setiap simpangan kelompok, kemudian dibagi dengan total data. Ini
dikenal dengan variance

∑ fi ( x i−x )
2

s 2=
n
3.022,04
s2= =75,551
40
Langkah terakhir akar kuadratkan nilai varian tersebut

s=
√ 3.022,04
40
√ 75,551 = 8,69

b. Range
Range adalah selisih antara pengamatan terbesar dan terkecil dalam data.
Keuntungan dari dispersi ukuran ini adalah mudah untuk dihitung. Selain itu,
memiliki banyak kekurangan. Memberikan nilai minimum dan maksimum lebih
informatif daripada memberikan rentang.
c. Variance
Varians adalah ukuran dispersi yang memperhitungkan penyebaran semua titik data
dalam kumpulan data. Metode ini adalah ukuran dispersi yang paling umum
digunakan, bersama dengan standar deviasi, yang merupakan akar kuadrat dari
varians. Sehingga dapat disimpulkan, varians adalah selisih kuadrat rata-rata antara
setiap titik data dengan pusat distribusi yang diukur dengan mean.
Cara menghitung varians sebagai contoh ,Mari kita hitung varians dari kumpulan data
berikut: 4+2+3+9+15
Langkah pertama adalah menghitung rata-rata. Jumlahnya 35 dan ada 5 titik data.
Oleh karena itu, meannya adalah 33 5 = 6,6 Kemudian Anda mengambil setiap nilai
dalam kumpulan data, kurangi mean dan kuadratkan selisihnya. Misalnya, untuk nilai
pertama:〖4-6,6〗^2 = 6,76, lakukan hal yang sama untuk setiap data sehingga Anda
mendapatkan , 6,76, 21,16,12,96, 5,76 = 47,8 (Jumlahnya kemudian dibagi dengan
jumlah titik data) 47,8 5= 9,56 Untuk mendapatkan standar deviasi, Anda menghitung
akar kuadrat dari varians, sehingga Anda mendapatkan varians 3,09.
d. Kurva Normal
Kurva Normal adalah ukuran variabilitas yang sangat berguna ketika distribusi
mendekati atau mendekati normal karena proporsi distribusi dalam sejumlah standar
deviasi tertentu dari rata-rata dapat dihitung. Misalkan datanya adalah 68-95-99. Jika
kita memiliki distribusi normal dengan rata-rata 50 dan standar deviasi 10, maka 68%
dari distribusi akan jatuh antara 50 – 10 = 40 dan 50 +10 = 60. Diilustrasikan oleh
grafik di bawah ini.
a) Bentuk Kurva Normal
kurva normal memiliki bentuk mirip lonceng atau biasa disebut dengan
kurva lonceng. kurva normal adalah poligon mulus yang ordinatnya adalah
berisi frekuensi dan berisi nilai variabel. Bentuk kurva normal adalah
simetris. Yang berarti memiki sisi rata kanan dan kirinya. Kurva normal
memiliki satu modus, sehingga kurvanya unimodal.
b) Daerah Kurva Normal
Ruang yang dibatasi oleh luas kurva oleh absisnya atau sumbu X mendatar
disebut luas kurva normal. Luas kurva normal biasanya dinyatakan
sebagai persen atau saham. yaitu luas kurva dapat dikatakan dalam sebagai
persentase, biasanya 100%.sehingga luas kurva normal,jika dinyatakan
dalam proporsi adalah satu.
c) Kurva normal standard
Kurva normal disebut juga kurva normal baku merupakan kurva dengan
nilai rata-ratanya sama dengan nol ( µ = 0 ) dan simpangan bakunya
adalah 1 (σ = 0 ). Dalam kurva normal umum nilai rata-rata sama dengan
x dan nilai simpangan baku 1s, 2s, 3s. dengan kata lain dalam kurva
normal umum nilai rata-ratanya tidak sama dengan nol (µ ≠ 0) dan nilai
simpangan bakunya tidak sama dengan 1 (σ ≠ 1). Kurva normal umum
dapat diubah kedalam kurva normal baku dengan menggunakan rumus :
x−x
z=
s
B. STATISTIK INFERENSIAL
Secara umum statistika inferensial adalah suatu kegiatan atau proses penarikan
kesimpulan dari data yang telah diperoleh sebelumnya. Data diperoleh sebagai hasil dari
suatu kegiatan yang melibatkan populasi yang menjadi objek penelitian dimana data
diambil dari sebagian populasi untuk dianalisis dan kesimpulan yang ditarik diterapkan
pada populasi, data dari analisis diambil dari “ pengambilan sampel secara acak".
Statistik inferensial dimaksudkan sebagai dasar untuk membuat prediksi/perkiraan yang
nantinya dapat mengubah informasi menjadi pengetahuan. Sehingga dapat diketahui
bahwa statistik inferensial mempunyai tujuan utama untuk menafsirkan (inferensi) data.

a. Parametric
Statistik parametrik adalah pengujian yang memanfaatkan informasi tentang
parameter populasi. Sedangkan statistik non parametrik adalah metode pengujian
dimana kita tidak mengetahui parameter-parameter dalam populasi. Populasi
diperkirakan dengan bantuan skala interval dan variabel yang akan diuji
hipotesisnya.
b. Nonparametic
Statistik non parametrik adalah metode pengujian dimana kita tidak mengetahui
parameter dalam populasi. Tidak ada parameter yang digunakan dan tidak ada
distribusi yang harus diketahui dalam pengujian ini. Sehingga, uji statistik non
parametrik dikenal sebagai metode yang bebas distribusi.
B.1 Uji Korelasi (Product Moment dan Pearson Correlation)
Korelasi product moment Pearson, atau dengan simbol (r), adalah yang paling
populer dan sering digunakan oleh mahasiswa dan peneliti. Korelasi ini dikemukakan
oleh Karl Pearson pada tahun 1900. Fungsi korelasi ini untuk mengetahui hubungan dan
kontribusi antara variabel bebas dengan variabel terikat.

r n ∑ xy −( ∑ x )( ∑ y )
xy=
√( ∑ x − ∑ x )− ( n ∑ y )−
(∑ 2)
2 2 2
n
y

(r)= korelasi momen produk Pearson

Dengan nilai r (-1 < r < 1). Nilai r = -1 berarti korelasinya negatif sempurna, jika r = 0 berarti tidak ada
korelasi dan jika nilai r = 1 berarti korelasinya sangat kuat. Sedangkan makna r dapat dilihat dari tabel
sebagai berikut:

Interfal Koefesien 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
a) Tujuan uji korelasi sebagai beriukut :
1) Untuk membutikan apakah ada hubungan antara interaksi dan variable.
2) Untuk mengetahui tingkat kedekatan antara variable, jika terdapat hubungan
antara interaksi dan variable.
3) Untuk memperjelas apakah hubungan tersebut signifikan atau tidak.
Contoh
Hubungan Nilai UTS dengan Nilai UAS mata kuliah Tourisme kelas A pagi semester 5.
Sampel diambil 10 mahasiswa dengan data sebagai berikut:
nama UTS(X) UAS(Y) X
2
Y
2
XY

Daus 72 60 5184 3600 4320

Anggi 88 78 7744 6084 6864
Nurul 90 70 8100 4900 6300
Step 80 70 6400 4900 5600
Yoga 77 66 5929 4356 5082
Pelda 70 65 4900 4225 4550
Elen 80 63 6400 3969 5040
Egi 80 78 6400 6084 6240
Depi 73 60 5329 3600 4380
topik 70 60 4900 3600 4200
jumla 780 670
h 61286 45318 52576

Pembahasan
1) Pertama mari membuat hipotesis
Ha = Terdapat hubungan yang signifikan antara nilai UTS & nilai UAS mata kuliah
Tourisme kelas A pagi semester 5.
Ho = Tidak terdapat hubungan yang signifikan antara nilai UTS & nilai UAS mata kuliah
Tourisme kelas A pagi semester 5.
2) Langkah ke dua carilah informasi detail data tersebut berupa, varian, mean dan
lainnya
3) r xy =r hitung
10. ( 52576 )−( 780 ) ( 670 )
r xy =
√ (10 ( 61286 )−( 780 ) |10 ( 45318 )−( 670 ) )
2 2

3160
r xy =
4369,1
r xy =0,723
4) Kemudian mencari r table dengan rumus r = n-2, 10-2= 8. Karena contoh diatas
merupakan penelitian pendidikan maka menggunakan taraf 5%, sehingga didapati
r = 0,707
5) Buatlah kesimpulan dari data tersebut, hipotesis awal. nilai r hitung > dari r tabel,
maka Ha diterima artinya ada hubungan yang signifikan antara nilai UTS dengan
nilai UAS mahasiswa kelas A pagi mata kuliah Tourisme semester 5.
 6) Ujilah signifikansi korelasi tersebut menggunakan rumus t hitung
r √ n−2
t hitung =
√ 1−r 2
0,723 √ 10−2
t hitung =
√ 1−0,7232
2,04609
t hitung =
0,69085
t hitung =2,9617
7) Langkah terakhir(hipotesis akhir), lanjutkan dengan mencari t tabel dengan db =
N – 2 = 10-2, pada taraf 5% diperoleh 2,306. Sehingga didapati, t hitung > t tabel
maka Ha diterima, artinya hubungan antara nilai UTS dengan nilai UAS
mahasiswa kelas A pagi mata kuliah Tourisme psemester 5 adalah signifikan.
Menggunakan SPSS

Contoh : pengaruh Motivasi dan Minat belajar terhadap Prestasi Mahasiswa kelas A pagi PRODI
Pendidikan Bahasa Inggris IKIP PGRI Pontianak.

1. Buka aplikasi SPSS, masuk pada bagian Variable View, pada bagian Name tulis X1,X2,
Y, pada bagian decimal ubah menjadi 0, kemudian tulis label sesuai dengan variabel
diatas, dan pada bagian meassure ubah menjadi scala.

2. masukan data yang akan dianalisis

3. Selanjutnya klik analyze, klik correlate, dan plih bivariate

 4. Selanjutnya masukan variabel X1,X2,Y pada kotak variabel, pada kolom correlation
coefficient pilih pearson dan untuk test of signification pilih 2 tailed dan ceklis pada flag
significan correlation, lalu ok.

Sehingga akan muncul seperti

Correlations
Motivasi Minat Prestasi
Motivasi Pearson Correlation 1 ,788 **
,796**
Sig. (2-tailed) ,002 ,002
N 12 12 12
Minat Pearson Correlation ,788 **
1 ,908**
Sig. (2-tailed) ,002 ,000
 N 12 12 12
Prestasi Pearson Correlation ,796** ,908** 1
Sig. (2-tailed) ,002 ,000
N 12 12 12
**. Correlation is significant at the 0.01 level (2-tailed).

Mari kita interpretasikan data tersebut

I. Berdasarkan nilai sig 2tailed antara Motivasi dengan Prestasi didapati 0,02 > 0,05 yang
artinya terdapat korelasi signifikan antara ke dua variabel. Nilai sig antara minat dengan
pretasi 0,000 < 0,05 yang berarti juga terdapat korelasi yang signifikan antara minat dan
prestasi.
II. Berdasarkan t hitung data diatas antara Motivasi terhadap Prestasi, 0,796 > dari 0,576 r
tabel berartikan terdapat hubungan signivikan antara kedua variabel tersebut. Berlaku t
hitung Minat terhadap Prestasi 0,908>0,576 berartikan terdapat hubungan signifikan
antara kedua variabel tersebut. Adapun tanda (**) di belakang nilai signifikan berartikan
taraf signifikasi sebesar 1%

B.2 Uji Beda

Uji Beda dalam statistik dipergunakan untuk mencari perbedaan antara dua sampel data
atau beberapa sampel data. Uji beda terdapat dua anggota tubuh yakni, independent
sample T-test, dan paired sample T-test.
a. T Uji test / Independent Sample T-Test
Uji beda t-test cocok digunakan ketika variable bebas memiliki dua kategori . Adapun
jika kategori lebih dari dua maka yang digunakan adalah uji analisis of variance
(Anova). Namun jika variabel terikat lebih dari satu maka yang cocok diugunakan
adalah multivariate analysis of variance (Manova) (Ghozali,2013:63)
Pengujian signifikansi. Hal ini berguna jika peneliti ingin mencari arti dari hubungan
atau korelasi antara variabel X dan variabel Y. Rumus pengujiannya adalah uji t,
yaitu sebagai berikut:
 r √n−2
t hitung=
√ 1−r 2
Keterangan:
T hitung = nilai t
r = Nilai Koefisien Korelasi
n = Jumlah Sampel
CONTOH

Group Statistics
kelas N Mean Std. Deviation Std. Error Mean
Nilai uts Tourisme A pagi 11 39,82 4,644 1,400
B pagi 9 31,22 3,701 1,234

Independent Samples Test

Nilai uts Tourisme
Equal variances Equal variances
assumed not assumed
Levene's Test for Equality of F ,642
Variances Sig. ,433
t-test for Equality of Means t 4,499 4,607
df 18 17,996
Sig. (2-tailed) ,000 ,000
Mean Difference 8,596 8,596
Std. Error Difference 1,910 1,866
95% Confidence Interval of Lower 4,582 4,676
the Difference Upper 12,610 12,516

menggunakan SPSS
1. Bukalah aplikasi SPSS & Klik variable view 
2. Pada kolom Name ketik nilai UTS, dan kolom Name pada baris kedua ketik kelas.
3. Di kolom Decimals, ubah nilai menjadi 0 untuk semua variabel.
4. Pada kolom Label, untuk kolom pada baris pertama ketik Nilai Ujian, untuk kolom pada
baris kedua ketik Kelas.
5. Pada kolom Values, untuk kolom pada baris pertama biarkan kosong (None). Untuk
kolom pada baris kedua klik pada kotak kecil, pada value ketik 1, pada Value Label ketik
kelas A, lalu klik Add. Langkah selanjutnya pada Value ketik 2, pada Value Label ketik
kelas B, lalu klik Add. Kemudian klik OK. 
6. Untuk kolom-kolom lainnya boleh dihiraukan (isian default)
7. Buka data view pada SPSS data editor, maka didapat kolom variabel nilaiujn dan kelas.
 8. Ketikkan data sesuai dengan variabelnya (pada variabel kelas ketik dengan angka 1 dan 2
(1 menunjukkan kelas A dan 2 menunjukkan kelas B)
9. Klik Analyze - Compare Means - Independent Sample T Test
10. Klik variabel Nilai Ujian dan masukkan ke kotak Test Variable, kemudian klik variabel
Kelas dan masukkan ke kotak Grouping Variable, kemudia klik Define Groups, pada
Group 1 ketik 1 dan pada Group 2 ketik 2, lalu klik Continue.
11. Klik OK, maka hasil output yang didapat seperti cntoh diatas
Mari uji kesamaan varian (homogenitas) dengan F test (Levene,s Test), artinya jika varian sama
maka uji t menggunakan Equal Variance Assumed (diasumsikan varian sama) dan jika varian
berbeda menggunakan Equal Variance Not Assumed (diasumsikan varian berbeda).
Langkah-langkah uji F sebagai berikut:
1. Menentukan Hipotesis
 Ho : Kedua varian adalah sama (varian kelompok kelas A dan kelas B adalah sama)
 Ha : Kedua varian adalah berbeda (varian kelompok kelas A dan kelas B adalah berbeda).
2. Kriteria Pengujian (berdasar probabilitas / signifikansi)
 Ho diterima jika P value > 0,05
 Ho ditolak jika P value < 0,05
3. Membandingkan probabilitas / signifikansi
 Nilai P value (0,433> 0,05) maka Ho diterima.
4. Kesimpulan
Oleh karena nilai probabilitas (signifikansi) dengan equal variance assumed (diasumsikan kedua
varian sama) adalah 1,00 lebih besar dari 0,05 maka Ho diterima, jadi dapat disimpulkan bahwa
kedua varian sama (varian kelompok kelas A pagi dan kelas B pagi adalah sama). Dengan ini
penggunaan uji t menggunakan equal variance assumed (diasumsikan kedua varian sama).
Pengujian independen sample t test
Langkah-langkah pengujian sebagai berikut:
1. Menentukan Hipotesis
 Ho : Tidak ada perbedaan antara rata-rata nilai UTS Tourisme kelas A pagi dengan
rata-rata nilai UTS Tourisme kelas B pagi
 Ha : Ada perbedaan antara rata-rata nilai UTS Tourisme kelas A pagi dengan rata-rata
nilai UTS Tourisme kelas B pagi
2. Menentukan tingkat signifikansi
Pengujian menggunakan uji dua sisi dengan tingkat signifikansi a = 5%. Tingkat
signifikansi dalam hal ini berarti kita mengambil risiko salah dalam mengambil keputusan untuk
menolak hipotesis yang benar sebanyak-banyaknya 5% (signifikansi 5% atau 0,05 adalah ukuran
standar yang sering digunakan dalam penelitian)
3. Menentukan t hitung
Dari tabel di atas didapat nilai t hitung (equal variance assumed) adalah 1,584
4. Menentukan t tabel
Tabel distribusi t dicari pada a = 5% : 2 = 2,5% (uji 2 sisi) dengan derajat kebebasan (df) n-2
atau 20-2 = 18. Dengan pengujian 2 sisi (signifikansi = 0,025) hasil diperoleh untuk t tabel
sebesar 2,101.
5. Kriteria Pengujian
Ho diterima jika -t tabel < t hitung < t tabel
Ho ditolak jika -t hitung < -t tabel atau t hitung > t tabel
Berdasar probabilitas:
Ho diterima jika P value > 0,05
Ho ditolak jika P value < 0,05
6. Membandingkan t hitung dengan t tabel dan probabilitas
Nilai t hitung > t tabel (4,499 > 2,101) dan P value (0,00 < 0,05) maka Ho ditolak
7. Kesimpulan
Oleh karena Nilai t hitung > t tabel (4,499 > 2,101) dan P value (0,00 < 0,05) maka Ho ditolak
artinya bahwa tada perbedaan antara rata-rata nilai UTS Tourisme kelas A dengan rata-rata nilai
UTS Tourisme kelas B. Pada tabel Group Statistics terlihat rata-rata (mean) untuk kelas A adalah
39,82 dan untuk kelas B adalah 31,22, artinya bahwa rata-rata nilai ujian kelas A lebih tinggi
daripada rata-rata nilai ujian kelas B.
Nilai t hitung positif, berarti rata-rata group1 (kelas A) lebih tinggi daripada group2 (kelas B)
dan sebaliknya jika t hitung negatif berarti rata-rata group1 (kelas A) lebih rendah dari pada rata-
rata group2 (kelas B)
Perbedaan rata-rata (mean diference) sebesar 8,596 (39,82-31,22), dan perbedaan berkisar antara
4,582 sampai 12,610 (lihat pada lower dan upper).
b. Paired Sample T-Test
paried T-Test adalah parametric yang di gunakan di dalam dua data. pengujian tersebut
merupakan pegangan untuk mengetahui hasil dari mean,tujuan nya adalah untuk mengetahui
perbedaan sampel, karena sampel yang di buat harus memiliki jumlah atau sumber yang sama.
misal nya: apabila ada dua sampel yang yang mana data nya tidak sama,maka dapat
menggunakan

Uji T sampel indepanden.untuk mengetahui data tersebut dan memerlukan uji normalitas. apabila
dengan menggunakan uji tersebut masih tidak di temukan maka alternatif kedua yaitu
menggunakan uji Wilcoxon (analisis statisttik non parametik).

Contoh Study Kasus

Pengaruh metode Role Playing dalam meningkatkan kemampuan speaking siswa kelas 7 SMPN
01 Air Upas.
Dalam pengambilan sample sebagai data acuan Skripsi Mahasiswa peneliti menggunakan
preetest dan post test untuk untuk melihat apakah ada perbedaan rata-rata antara dua sampel,
sebelum dan sesudah menggunakan metode role playing.
1) Pertama buka aplikasi SPSS, masukan pada kolom name preetest dan post tes, dengan
desimal 0, dan measure scale.

2) Kemudian,masukan data

3) Klik pada analyze > Compare Means > Paired-Samples T Test

 4) masukkan variabel dari sampel berpasangan kemudian klik ok

Sehingga menghasilkan data sebagai berikut

Paired Samples Statistics

Mean N Std. Deviation Std. Error Mean
Pair 1 Pree 70,42 12 7,821 2,258
Post 83,33 12 7,785 2,247

Paired Samples Correlations

N Correlation Sig.
Pair 1 Pree & Post 12 ,796 ,002

Mari kita interpretaskan data tersebut

 Tes Awal mempunyai nilai rata-rata (mean) 70,42 dari 12 data. Sebaran data (Std.
Deviation) yang diperoleh adalah 7,821 dengan standar error 2,258.
 Tes Akhir mempunyai nilai rata-rata (mean) 83,33 dari 12 data. Sebaran data
(Std.Deviation) yang diperoleh 7,785 dengan standar error 2,247.

Tabel Paired Samples Test merupakan tabel utama dari output yang menunjukkan hasil uji yang
dilakukan. Hal ini dapat diketahui dari nilai signifikansi (2-tailed) pada tabel. Nilai signifikansi (2-tailed)
dari contoh kasus ini adalah 0.002 (p < 0.05). Sehingga hasil test awal dan test akhir mengalami
perubahan yang signifikan (berarti). Berdasarkan statistika deskriptif tes awal dan tes akhir terbukti test
akhir lebih tinggi. Dapat disimpulksn bahwa Metode Role Playing dapat meningkatkan speaking siswa
kelas 7 SMPN 01 Air Upas.

c. Analysis of Variance (ANOVA)

Anova adalah sebuah analisis statistik yang menguji perbedaan antara grup. Grup
disini bisa berarti kelompok atau jenis perlakuan (Anwar Hidayat, 2021).

Adalah rumus statistik yang digunakan untuk membandingkan varians di seluruh

mean (atau mean) dari kelompok yang berbeda. Berbagai skenario menggunakannya
untuk menentukan apakah ada perbedaan antara rata-rata kelompok yang
berbeda.Misalnya, untuk mempelajari efektivitas obat diabetes yang berbeda, para
ilmuwan merancang dan bereksperimen untuk mengeksplorasi hubungan antara jenis
obat dan kadar gula darah yang dihasilkan.

Populasi sampel adalah sekelompok orang. Kami membagi populasi sampel

menjadi beberapa kelompok, dan setiap kelompok menerima obat tertentu untuk masa
percobaan. Pada akhir masa percobaan, kadar gula darah diukur untuk setiap peserta
individu. Kemudian untuk setiap kelompok dihitung rata-rata kadar gula darahnya.
ANOVA membantu membandingkan

rata-rata kelompok-kelompok ini untuk melihat apakah mereka berbeda secara

statistik atau apakah mereka serupa.

Contoh ANOVA
Misalnya adalah seorang peneliti ingin menilai adakah perbedaan model
pembelajaran A, B dan C terhadap hasil pembelajaran mata pelajaran fisika pada
kelas 5. Dimana dalam penelitian tersebut, kelas 5A diberi perlakuan A, kelas 5B
diberi perlakuan B dan kelas 5C diberi perlakuan C. Setelah adanya perlakuan selama
satu semester, kemudian dibandingkan hasil belajar semua kelas 5 (A, B dan C).
Masing-masing kelas jumlahnya berkisar antara 30 sampai dengan 40 siswa.
Hasil akhir yang didapatkan adalah nilai f hitung. Nilai tersebut dibandingkan
dengan nilai dalam tabel f pada derajat kebebasan tertentu (degree of freedom). Jika F
hitung > F Tabel, maka disimpulkan bahwa menerima H1 atau yang berarti ada
perbedaan secara nyata atau signifikan hasil ujian siswa antar perlakuan model
pembelajaran.
 Uji ANOVA menggunakan SPSS
Contoh study kasus :
Seorang peneliti ingin membandingkan hasil belajar tiga tipe model pembelajaran
pembelajaran untuk meningkatkan speaking skill siswa, yaitu Tipe Audio Lingual Method, tipe
Spionase, dan tipe Role Play, yang diterapkan kepada tiga kelas berbeda. Setelah proses
pembelajaran, dilakukan tes. Pertanyaann penelitiannya, apakah hasil belajar tiga kelas tersebut
berbeda signifikan? Untuk menjawab pertanyaan tersebut dilakukan Analisis Varian Satu Jalur
atau One way Anova
Pertama kita akan uji normalitas terlebih dahulu

1) Klik variabel view, ubah pada bagian name dengan nama masing-masing metode belajar

2) Klik Data view, dan input data

3) Klik menu analyze, pilih Nonparametric Test, pilih legacy dialogs, klik 1 sample K-

S  Klik masing – masing metode pembelajaran, dan klik tanda panah test variabel list,
centang kotak normal dan klik OK.

Didapati Uji Normalitas Sebagai Berikut

One-Sample Kolmogorov-Smirnov Test

Audio_lingual Spaionase Role_play
N 28 29 30
Normal Parametersa,b Mean 62,0000 64,9310 70,5667
Std. Deviation 5,88784 5,37807 5,78156
Most Extreme Differences Absolute ,188 ,160 ,228
Positive ,091 ,138 ,139
Negative -,188 -,160 -,228
Test Statistic ,188 ,160 ,228
Asymp. Sig. (2-tailed) ,012 c
,055c
,000c
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.

Mari kita interpretasikan data tersebut

Berdasarkan hasil output uji normalitas, nilai asymp.sig.(2-tailed) ketiga metode pembelajaran>
0,05 maka terima H0 artinya sampel diperoleh dari populasi terdistribusi normal, dan uji beda
tiga kelompok dapat menggunakan One Way Anova
 Uji Homogenitas
Uji homogenitas dan uji one way anova adalah satu kesatuan tahapan analisis.
Hipotesis uji homogenitas
H0 : Semua populasi mempunyai varians yang sama
H1 : Tidak semua populasi mempunyai varians yang sama
Hipotesis statistik uji homogenitas
H0 : σ12= σ22= σ32=0
 Hipotesis Uji One Way Anova
H0 : Tidak ada perbedaan rata-rata hasil belajar siswa dengan menggunakan model
pembelajaran Audio Lingual Methods, Spionase, Role Play.
H1 : Ada rata-rata hasil belajar siswa dengan menggunakan model pembelajaran Audio Lingual
Methods, Spionase, Role Play.
Hipotesis statistik uji One Way Anova
H0 : µ1= µ3= µ3

1) Klik variable view, tambah dua variabel dengan nama Hasil_Belajar dan metode belajar
Pada variabel Hasil_Belajar buat desimalnya 0, label hasil belajar dan measure scale.
Pada variabel metode belajar buat desimalnya 0, dan measure nominal.
 2) Klik value dari variabel perlakuan, pilih kotak berwarna biru disamping tulisan none.
Ketik 1 pada bagian value dan Audio Lingual pada bagian label, kemudian klik add.
Ketik 2 pada bagian value dan Spionase pada bagian label, kemudian klik add. Ketik3
pada bagian value dan Role Play pada bagian label, kemudian klik add. Klik OK.
3) Klik Data view, input nilai tes kelas stad pada kolom hasil belajar dan ketik angka 1
sebanyak data pada kolom variabel Metode Belajar . Kemudian lanjutkan input nilai tes
pada Audio Lingual pada kolom hasil belajar dan ketik angka 2 sebanyak data pada
kolom variable yang sama. lanjutkan input nilai tes pada metode role play pada kolom
hasil belajar dan ketik angka 3 sebanyak data pada kolom variabel yang sama juga.
4) Klik Analyze- Compare means- One Way Anova- Klik Variabel Hasil Belajar, klik tanda
panah pada bagian Dependent list. Kemudia klik variable Metode Belajar, klik tanda
panah pada bagian Factor. Klik option dan Homogenity of Varians test, klik continue
kemudian klik OK.
Sehingga menghasilkan data sebagai berikut

Test of Homogeneity of Variances

hasil_pembelajaran
Based on
Based on Median and with Based on
Based on Mean Median adjusted df trimmed mean
Levene Statistic ,004 ,003 ,003 ,000
df1 2 2 2 2
df2 84 84 81,580 84
Sig. ,996 ,997 ,997 1,000

ANOVA
hasil_pembelajaran
Sum of Squares df Mean Square F Sig.
Between Groups 1106,357 2 553,179 17,113 ,000
Within Groups 2715,229 84 32,324
Total 3821,586 86
Mari kita Interpretasikan
Berdasarkan hasil ouput Test of Homogenity of Variance diperoleh nilai sig > 0,05 , Maka
terima H0 yang artinya ketiga sampel memiliki varians yang sama. Berdasarkan hasil ouput
Anova , diperoleh nilai sig < 0,05 , maka tolak H0 yang artinya terima H1 . Hasil ini
menunjukkan bahwa rata-rata hasil belajar siswa yang berbeda antara model pembelajaran Audio
lingual Method, Spionase, dan Role Play.
 Bibliography
Gaur, S. S. (2009). Statistical Methods. Statistical Methods A guide to data analysis using SPSS,
38.
Gaur, S. S. (2009). Statistical Methods for Practice and Research. Measures of Central Tendency
, Percentiles, Quartiles, and Interquartile Range, 38 - 39.
Rahmawati, W. (2014). Statistik Deskriptif. Central Tendency & Variation, 1-13.
Sutarto Hadi, I. G. (2018, September). Statistika Inferensial. Statistika Infeensial Teori dan
Aplikasinya, 2, 2 - 18, 66-70, 107 - 1025.