STATISTIK DAN
LABORATORIUM STATISTIK
OLEH :
JAYADI
UNIVERSITAS IPWIJA
JAKARTA
2022
DAFTAR ISI
Hal
BAB 1 PENDAHULUAN 1
BAB 2 DATA PENELITIAN 5
BAB 3 DISTRIBUSI FREKUENSI 11
BAB 4 PENYAJIAN DATA DALAM GRAFIK 14
BAB 5 PENGUKURAN GEJALA SENTRAL 19
BAB 6 KORELASI SPEARMAN RANK 34
BAB 7 CHI KUADRAT 39
BAB 8 KORELASI SEDERHANA 53
BAB 9 KORELASI GANDA 58
BAB 10 REGRESI SEDERHANA 66
BAB 11 REGRESI GANDA 72
BAB 12 Uji BEDA (t – TEST) 82
BAB 13 PENGUJIAN VALIDITAS DAN RELIABILITAS 95
DAFTAR PUSTAKA 99
DAFTAR LAMPIRAN 100
BAB 1
PENDAHULUAN
A. Definisi Statistik
Statistik berasal dari bahasa Inggris “State” dan bahasa Latin “Status”
artinya negara. Pada awalnya statistik berarti keterangan-keterangan yang
dibutuhkan oleh negara atau pemerintah untuk tujuan tertentu, misalnya : untuk
penarikan pajak, untuk mengetahui perkembangan jumlah penduduk, untuk
mengetahui perkembangan hasil bumi & industri dan lain-lain. Keterangan-
keterangan itu meliputi berbagai bidang kehidupan dan penghidupan, sehingga
lahirlah istilah statistik, yang pemakaiannya disesuaikan dengan lingkup
datanya. Contohnya dalam kehidupan sehari-hari sering kita dengar tingkat
inflansi rata-rata 9% setahun, bunga deposito bank rata-rata 12% setahun dan
lain-lain.
Perkembangan selanjutnya statistik mempunyai arti sebagai data
kuantitatif (numerik), baik yang sudah disusun maupun yang belum tersusun
dalam tabel. Atau dengan kata lain statistik menunjuk pada informasi tentang
bermacam-macam kegiatan dalam bentuk angka.
Perkembangan berikutnya statistik diartikan bukan hanya sebagai data
numerik (dalam arti sempit), tetapi statistik sudah diartikan sebagai metode
atau alat. Sehingga statistik diartikan sebagai metode untuk mengerjakan /
memanipulasi data kuantitatif agar angka tersebut lebih berarti/bermakna.
Para ahli yang lain berpendapat statistik dianggap sebagai salah satu
cabang ilmu pengetahuan yang bertugas untuk mengumpulkan, mengolah,
menyajikan dan menganalisis data. Pengertian statistik yang demikian ini juga
disebut sebagai statistik deskriptif, maksudnya memberikan gambaran data
yang diolah dan disajikan apakah dalam bentuk tabel, gambar (bermacam-
macam grafik), ukuran penempatan (rata-rata, median, modus, kuartil, desil,
persentil), simpangan baku, dan sampai dengan analisis data. Pada tahap ini
tidak sampai menyimpulkan data.
Pengertian statistik dalam arti luas (modern) tidak cukup hanya
memberikan gambaran deskriptif saja, tetapi juga melangkah lebih maju yaitu
menarik kesimpulan dan memberikan interpretasi atas hasil perhitungan.
Statistik yang demikian juga disebut statistik inferensial.
A. Pengertian Data
Data berbentuk jamak, sedang datum berbentuk tunggal. Jadi data terdiri
dari datum-datum. Data adalah suatu bahan mentah yang jika diolah dengan
baik melalui berbagai analisis dapat melahirkan berbagai informasi.
Data dapat diartikan sesuatu yang diketahui/dianggap.
Diketahui : sesuatu yang sudah terjadi merupakan fakta
Misalnya : jumlah modal yang dimiliki Rp.1 milyar, penjualan turun
20 %, pelanggan yang tidak puas 15% dan lain-lain
Dianggap : a. Pernyataan tentang sesuatu yang sudah terjadi akan
tetapi belum diketahui (belum dilaporkan), sering disebut
hipotesis
b. Pernyataan tentang sesuatu yang belum terjadi bisa
terjadi, bisa juga tidak, disebut ramalan (forecasting)
B. Kegunaan Data
D. Pembagian Data
Menurut sifatnya data dapat dibagi menjadi dua :
1. Data kualitatif yaitu data yang tidak berbentuk angka atau berupa
pernyataan, misalnya : pengunjung Jakarta Fair sepi, kondisi keamanan
mantap, harga stabil, karyawan bersemangat, penjualan menurun, utang
perusahaan meningkat, dan lain sebagainya.
2. Data kuantitatif yaitu data yang berbentuk angka, misalnya : harga beras
Rp. 2500/Kg, karyawan yang tidak bersemangat hanya 10%, rata-rata gaji
karyawan Rp. 900.00 per bulan, produksi padi mencapai 6 ton per hektar dan
lain-lain.
Data kuantitatif dibedakan menjadi dua yaitu :
1. Data deskrit, data ini merupakan hasil perhitungan sehingga tidak dijumpai
bilangan pecahan. Data deskrit juga disebut data nominal.
2. Data kontinyu, data ini merupakan hasil pengukuran sehingga kemungkinan
dijumpai bilangan pecahan.
Berdasarkan sumber data, data dibagi menjadi dua, yaitu data internal
dan data eksternal. Untuk membicarakan sumber data kita harus berpijak pada
suatu organisasi tertentu, misalnya : perusahaan tertentu, departemen tertentu
atau negara tertentu.
1. Data internal , yaitu data dari dalam suatu organisasi yang menggambarkan
keadaan organisasi tersebut.
Menurut cara memperolehnya data juga dapat dibagi menjadi dua, yaitu :
1. Data primer, yaitu data yang dikumpulkan sendiri oleh perorangan atau suatu
organisasi langsung melalui objeknya. Misalnya : PT. Unilever ingin
mengetahui konsumsi margarine blue band langsung menghubungi rumah
tangga. Biro Pusat Statistik untuk memperoleh data harga langsung
mendatangi pasar, Departemen Pendidikan Nasional untuk mendapatkan data
pendidikan langsung menghubungi sekolah, dan lain sebagainya.
2. Data sekunder, yaitu data yang diperoleh dalam bentuk sudah jadi berupa
publikasi. Data sudah dikumpulkan oleh pihak instansi lain. Misalnya suatu
perusahaan (departemen) ingin mengetahui data penduduk, pendapatan
nasional, indeks harga konsumen, ekspor dan impor serta data lainnya dari
Biro Pusat Statistik, data perbankan dari Bank Indonesia dan lain-lain.
E. Skala Data
Kebanyakan data sosial bersifat kategori. Misalnya jawaban terhadap
pertanyaan “Apakah anda puas terhadap pelayanan yang diberikan oleh petugas
Kantor Pos ?”. Maka jawaban yang diberikan kurang lebih : sangat puas, puas,
cukup puas, tidak puas. Tetapi seandainya orang yang membawa surat yang
akan dikirimkan kepada keluarganya, maka surat yang mereka bawa diukur
dengan timbangan menggunakan skala gram.
Dari contoh diatas ada dua macam skala yang berbeda, atau bersifat psikologis
dan yang kedua bersifat eksak. Secara umum ada empat macam skala dalam
statistik, yaitu :
1. Skala Nominal
Memiliki atribut paling sederhana, hanya menunjukkan kategori, tidak
mempunyai urutan (ranking), tidak mempunyai ukuran baru, tidak
mempunyai nol mutlak. Misalnya kelompok (1,2,3,4), Jenis kelamin (laki-
laki, perempuan), agama (Islam, Katholik, Kristen, Budha, Hindu)
2. Skala Ordinal
Memiliki atribut klasifikasi kuantitatif, mempunyai urutan tingkatan
(ranking), tidak mempunyai ukuran baru, tidak mempunyai nol mutlak.
Misalnya pembagian jenis sekolah (SD, SLTP, SLTA, PT). Pembagian
dalam skala ordinal meskipun telah jelas ada bedanya, tetapi tidak jelas
jaraknya. Antara SD dan SLTP secara kuantitatif berbeda tetapi seberapa
perbedaanya tidak dapat diukur dengan jelas, jadi tetap hanya merupakan
tingkatan. Contoh lain dalam kepangkatan kemiliteran (Letnan, Kapten,
Mayor, Letkol dan Kolonel)
3. Skala Interval
Memiliki perbedaan antara klasifikasi satu dengan yang lain secara jelas dan
sama, mempunyai urutan, mempunyai ukuran baru, tetapi tidak mempunyai
nilai nol mutlak. Misalnya dalam Indeks Prestasi (IP) mahasiswa dikenal
standar penilaian sebagai berikut : A = 4, B = 3, C = 2 dan D = 1. Interval
antara A dengan B = 4 - 3 = 1, interval antara A dengan C = 4 - 2 = 2 dan
interval antara A dengan D = 4 - 1 = 3. Jadi data interval dapat ditambah
maupun dikurangi, walaupun demikan tidak dapat disimpulkan bahwa
Hasil pengamatan ya ya ya ya
Mempunyai urutan tidak ya ya ya
Mempunyai jarak tidak tidak ya ya
Memp.perbandingan tidak tidak tidak ya
Mempunyai satuan tidak tidak tidak ya
Mempunyai titik nol tidak tidak tidak ya
Kualitatif
Macam data
Deskrit (Nominal)
Kuantitatif
Ordinal
Kontinyu Interval
Rasio
Nilai Frekuensi
91 - 100 7
81 - 90 12
71 - 80 23
61 - 70 16
51 - 60 10
41 - 50 2
70
Sumber : BAAK STIE IPWIJA
Contoh :
Diketahui data sebagai berikut :
71 75 57 88 64 80 75 75 80
82 92 68 95 88 71 75 71 81
50 82 72 64 68 74 79 79 85
75 59 75 75 68 65 68
Buatlah tabel distribusi frekuensinya.
Jawah :
1. 50 57 59 64 64 65 68 68 68 68
71 71 71 72 74 75 75 75 75 75
75 75 79 79 80 80 81 82 82 85
88 88 92 95
2. R = 95 - 50 = 45
3. k = 1 + 3,3 log 34
k = 1 + 3,3 (1,53)
k = 6, 05 7 (dibulatkan keatas)
4. I = R / k = 45 / 7 = 6,43 7 (dibulatkan)
Keterangan :
F = Frekuensi
FR = Frekuensi Relatif (Frekuensi dalam bentuk prosen)
FK = Frekuensi Komulatif
FRK = Frekuensi Relatif Komulatif
Nilai F
10 10
9 15
8 25
7 20
6 12
5 5
F
25
20
15
10
0
4,5 5,5 6,5 7,5 8,5 9,5 10,5
Nilai (Batas bawah nyata)
100 96,5
90-96 2 93 89,5
83-89 3 86 82,5
76-82 7 79 75,5
69-75 12 72 68,5
62-68 7 65 61,5
55-61 2 58 54,5
48-54 1 51 47,5
44
Berdasarkan data pada tabel diatas maka histogramnya dapat dibuat sebagai
berikut :
Gambar 4.2. Histogram 2 (Diagaram Batang)
F
12
10
0
47,5 54,5 61,5 68,5 75,5 82,5 89,5 96,5
Nilai (Batas Bawah Nyata)
B. Poligon
Adalah diagram garis yang dibuat berdasarkan distribusi frekuensi pada setiap
titik tengah kelas
10
44 51 58 65 72 79 86 93 100
Nilai (Titik Tengah)
C. Ogive
Adalah penyajian secara grafis yang berupa diagram garis dari suatu distribusi
frekuensi komulatif
Berdasarkan data pada tabel 4.2 diatas maka distribusi dapat dirubah dalam
bentuk yang lain, sebagaimana tampak dalam tabel berikut ini
Nilai FK
Kurang dari 97 34
Kurang dari 90 32
Kurang dari 83 29
Kurang dari 76 22
Kurang dari 69 10
Kurang dari 62 3
Kurang dari 55 1
Kurang dari 48 0
35
30
25
20
15
10
48 55 62 69 76 83 90 96
Nilai
SMP S1
(290) (1150)
DIPLOMA
(580)
S2 SMU
(720) (860)
Nilai F X FX
90 - 96 2 93 186 Keterangan :
83 - 89 4 86 344 X = titik tengah kelas
76 - 82 9 79 711
69 - 75 14 72 1.008 M = FX / F
62 - 68 7 65 455 = 2.929 / 40
55 - 61 3 58 174 = 73,23
48 - 54 1 51 51
40 - 2.929
Nilai F X FX
90-96 2 +3 +6
83-89 4 +2 +8
76-82 9 +1 +9
69-75 14 0 0
62-68 7 -1 -7
55-61 3 -2 -6
48-54 1 -3 -3
40 - 7
Diketahuai : MT = 72 FX = 7
N = 40 i =7
M = MT + FX . i
N
M = 72 + (7/40) x 7
M = 72 + 1,23
M = 73,23
Nilai F Bb FK
90 - 96 2 40
83 - 89 4 38
76 -82 9 34
69 - 75 14 68,5 25
62 - 68 7 11
55 - 61 3 4
48 - 54 1 1
40
Diketahuai : Bb = 68,5 N = 40 i = 7
Fkb = 11 Fd = 14
Md = Bb + (0,5N - FKb) x i
Fd
Md = 68,5 + (0,5.40 - 11) x 7
14
Md = 68,5 + 4,5
Md = 73
Mo = Bb + ( b1 ) x i
b1 + b2
Keterangan :
Mo = Modus yang dicari
Bb = Batas kelas bawah nyata dimana modus diperkirakan
i = interval
b1 = frekuensi kelas modus - frekuensi kelas sebelumnya
b2 = frekuensi kelas modus - frekuensi kelas berikutnya
Nilai F Bb
90 - 96 2
83 - 89 4
76 - 82 9
69 - 75 14 68,5
62 - 68 7
55 - 61 3
48 - 54 1
Diketahui : Bb = 68,5 i =7
b1 = (14 - 7) = 7 b2 = (14 - 9) = 5
Mo = Bb + ( b1 ) x i
b1 + b2
Mo = 68,5 + ( 7 ) x 7
7+5
Mo = 68,5 + 4,08
Mo = 72,58
Menurut Sutrisno Hadi dan Sudjana modus dapat dicari dengan rumus yang
sangat sederhana yaitu :
Mo = 3Md - 2M
E. Kuartil
Adalah titik yang membagi distribusi menjadi empat bagian, setelah data
disusun menurut nilai terkecil sampai terbesar.
Jadi ada 3 kuartil : K1, K2, K3
Rumus yang digunakan untuk menghitung kuartil bila datanya dalam bentuk
distribusi (kelompok) adalah :
Kn = Bb + ( n/4.N - FKb ) . i
Fd
Keterangan :
Kn = Kuartil yang dicari (K1,K2,K3)
Bb = Batas kelas bawah nyata dimana kuartil dihitung
FKb = Frekuensi komulatif dibawah kelas dimana kuartil
dihitung
Fd = Frekuensi dalam kelas dimana kuartil dihitung
i = interval
Nilai F Bb FK
90 - 96 2 40
83 - 89 4 38
76 - 82 9 34
69 - 75 14 25
62 - 68 7 61,5 11
55 - 61 3 4
48 - 54 1 1
40
K1 = Bb + ( 1/4(N) - FKb ) . i
Fd
K1 = 61,5 + (1/4(40) - 4) x 7
7
= 61,5 + 6
K1 = 67,5
F. Desil
Adalah sekumpulan data dibagi sepuluh bagian sama banyaknya setelah disusun
dari yang terkecil sampai yang terbesar.
Dengan demikian ada 9 desil (D1,D2,D3...D9)
Rumus yang digunakan untuk menghitung Desil bila datanya dalam bentuk
distribusi adalah :
Dn = Bb + ( n/10.N - FKb ) . i
Fd
Keterangan :
Dn = Desil yang dicari
Bb = Batas kelas bawah nyata dimana desil dihitung
FKb = Frekuensi komulatif dibawah kelas dimana desil dihitung
Fd = Frekuensi dalam kelas dimana desil dihitung
i = interval
Nilai F Bb FK
90 - 96 2 40
83 - 89 4 38
76 - 82 9 34
69 - 75 14 25
62 - 68 7 61,5 11
55 - 61 3 4
48 - 54 1 1
40
G. Persentil
Adalah sekumpulan data yang dibagi seratus bagian yang sama besar setelah
data disusun mulai dari data yang terendah sampai dengan yang tertinggi.
Jadi ada persentil sebanyak 99 (P1,P2,P3...P,99)
Untuk menghitung Persentil bila datanya dalam bentuk distribusi adalah :
Pn = Bb + (n/100(N) - FKb) x i
Fd
Keterangan :
Pn = Persentil yang dicari
Bb = Batas kelas bawah nyata dimana persentil dihitung
FKb = Frekuensi komulatif dibawah kelas dimana persentil
dihitung
Fd = Frekuensi dalam kelas dimana persentil dihitung
i = interval
Misalnya :
Seorang bernama Anton mempunyai nilai (skor) 77. Dimanakah kedudukan
Anton dibanding teman-teman dari kelompoknya yang berjumlah 50 orang.
Nilai F Bb FK
90 - 94 5 50
85 - 89 9 45
80 - 84 13 36
75 - 79 10 74,5 23
70 - 74 6 13
65 - 69 4 7
60 - 64 3 3
50
X X-M (X - M)2
3 -6,7 44,89
5 -4,7 22,09
7 -2,7 7,29
8 -1,7 2,89
X X2
3 9
5 25
7 49
8 64
10 100
10 100
12 144
14 196
14 196
14 196
= 97 = 1079
Nilai F X FX X2 FX2
40 – 44 1 42 42 1.764 1.764
35 – 39 2 37 74 1.369 2.738
30 – 34 3 32 96 1.024 3.072
25 – 29 5 27 135 729 3.645
20 – 24 3 22 66 484 1.452
15 – 19 10 17 170 289 2.890
10 – 14 1 12 12 144 144
5–9 1 7 7 49 49
0–4 4 2 8 4 16
30 - 610 - 15.770
Contoh Soal :
Diketahui data sebagai berikut : 3,5,7,8,10,10,12,14,14,14
Hitunglah angka bakunya!
34,13% 34,13%
13,59% 13,59%
2,27% 2,27%
-3 -2 -1 0 1 2 3
M
Jawab:
a. Harga Z untuk nilai 8 dapat dihitung dengan rumus :
Z = Xn - M
SB
Z= 8 - 6 = 1
2
Berdasarkan Tabel kurva normal (Lihat tabel), harga Z = 1 mempunyai luas
wilayah sebesar 0,8413 (84,13%). Dengan demikian prosentase yang mendapat
nilai 8 keatas adalah 100% - 84,13% = 15,87%. Jadi mahasiswa yang mendapat
nilai 8 keatas adalah : 15,87% x 200 = 31,74 atau dibulatkan menjadi 32 orang.
b. Harga Z untuk nilai 5 dapat dihitung dengan rumus :
Z = Xn - M
SB
Z = 5 - 6 = -0,5
2
Berdasarkan tabel kurva normal, untuk harga Z = -0,5 mempunyai luas wilayah
sebesar 0,3085 (30,85%), sedangkan harga Z = 1 mempunyai luas wilayah
sebesar 0,8413 (84,13%). Dengan demikian prosentase yang mendapat nilai 5 s/d
8 adalah : 84,13% - 30,85%) = 53,28%. Jadi mahasiswa yang mendapat nilai 5
s/d 8 adalah : 53,88% x 200 = 106,6 atau dibulatkan menjadi 107 orang.
30,85% 84,13%
15,87%
0 2 4 5 6 8 10 12
M
No X1 X2 Y
1 30 32 30
2 41 36 42
3 44 44 36
4 34 29 32
5 30 35 34
6 35 38 45
7 33 29 28
8 36 38 40
9 38 31 30
10 44 40 39
11 38 38 46
12 31 32 30
13 45 45 39
14 43 35 39
15 32 38 38
16 40 37 33
17 44 47 46
18 22 30 32
19 20 42 35
20 28 30 32
21 36 43 42
22 28 43 35
23 27 28 32
24 38 44 46
25 37 38 37
26 30 42 38
27 36 31 37
28 40 48 45
29 43 46 44
30 37 45 39
Analisis Deskriptif
Langkah-langkah analisis deskriptif :
1. Masukkan data yang akan dianalisis ke program SPSS sheet Data View
2. Pilih menu ANALYZE→DESCRIPTIVE STATISTICS→FREKUENCIES
3. Pilih variabel yang akan dianalisis (X1, X2 dan Y) pindahkan ke kotak
VARIABLE
Statistics
X1 X2 Y
Valid 30 30 30
N
Missing 0 0 0
Mean 35.33 37.80 37.37
Median 36.00 38.00 37.50
Mode 30a 38 32a
Std. Deviation 6.572 6.110 5.430
Variance 43.195 37.338 29.482
Skewness -.484 -.043 .129
Std. Error of Skewness .427 .427 .427
Kurtosis -.265 -1.261 -1.053
Std. Error of Kurtosis .833 .833 .833
Range 25 20 18
Minimum 20 28 28
Maximum 45 48 46
Sum 1060 1134 1121
25 30.00 31.75 32.00
Percentiles 50 36.00 38.00 37.50
75 40.25 43.25 42.00
a. Multiple modes exist. The smallest value is shown
6 b2
= 1 -
n (n2 – 1)
Ranking Rangking
Buruh b b2
Supervisor I Supervisor II
A 6 7 -1 1
B 7 5 2 4
C 11 11 0 0
D 1 2 -1 1
E 5 4 1 1
F 2 1 1 1
G 3 3 0 0
H 9 8 1 1
I 10 9 1 1
J 4 6 -2 4
K 8 10 -2 4
Jumlah - 18
6 ( 18 )
= 1 -
11 (112 – 1)
= 1 – 0,082
= 0,918
Langkah berikutnya adalah melakukan pengujian nilai korelasi Spearman, sebagai
berikut :
1. Merumuskan hipotesis penelitian :
Ha : Ada kesesuaian yang signifikan antara Supervisor I dan II dalam
memberikan penilaian prestasi kerja buruh bangunan
Ho : Tidak ada kesesuaian yang signifikan antara Supervisor I dan II dalam
memberikan penilaian prestasi kerja buruh bangunan
2. Menentukan taraf signifikan sebesar 5%, jika n = 11 maka nilai tabel (rho)
sebesar 0,523.
3. Menentukan kriteria pengujian :
Jika : hitung > tabel berarti Ho ditolak dan Ha diterima
Jika : hitung < tabel berarti Ho diterima dan Ha ditolak
4. Membuat kesimpulan dengan cara membandingkan antara nilai hitung dengan
nilai tabel.
Ternyata hitung lebih besar dari tabel (0,958 > 0,523). Karena h > t , maka
menolak Ho dan menerima Ha. Jadi kesimpulannya adalah “ada kesesuaian
yang signifikan antara Supervisor I dan II dalam memberikan penilaian prestasi
kerja buruh bangunan”.
Contoh 2 :
Ada dua orang juri yang diminta untuk menilai dalam lomba membuat makanan.
Jumlah peserta lomba ada 10. Nilai yang diberikan kedua juri disajikan dalam tabel
berikut :
Tabel 6.2. Data Nilai Lomba oleh Juri I dan Juri II
Hitunglah besarnya korelasi Spearman Rank dan ujilah hipotesis yang menyatakan
terdapat kesesuaian yang signifikan antara Juri I dan Juri II dalam memberikan
penilaian lomba membuat makanan!
Karena korelasi Spearman Rank bekerja dengan data ordinal, maka data tersebut
harus diubah dulu menjadi data ordinal dalam bentuk rangking.
A 9 8 1 3 -2 4
B 6 7 5,5 5 0,5 0,25
C 5 6 7 6,5 0,5 0,25
D 7 8 3,5 3 0,5 0,25
E 4 5 8 8 0 0
F 3 4 9 9 0 0
G 2 2 10 10 0 0
H 8 9 2 1 1 1
I 7 8 3,5 3 0,5 0,25
J 6 6 5,5 6,5 -1 1
- - - - 0 7
Berdasarkan hasil pada tabel penolong tersebut, maka besarnya koefisien korelasi
Spearman Rank dapat dihitung :
6 b2
= 1 -
n (n2 – 1)
= 1 – 0,042
= 0,958
Correlations
Juri_1 Juri_2
Spearman's rho Juri_1 Correlation Coefficient 1.000 .957**
Sig. (2-tailed) . .000
N 10 10
Juri_2 Correlation Coefficient .957** 1.000
Sig. (2-tailed) .000 .
N 10 10
**. Correlation is significant at the 0.01 level (2-tailed).
Catatan :
1. Korelasi Spearman Rank dipakai, jika jumlah anggota sampel maksimum 30
(sampel kecil).
2. Jika sampel yang digunakan lebih dari 30 maka dapat juga diuji melalui
uji t, yaitu :
t hitung = n – 2 / 1 - 2
( fo – f h ) 2
2 =
fh
(fkolom ) (fbaris)
fh =
Jumlah Total
Guna menyederhanakan perhitungan Chi Kuadrat maka dapat digunakan rumus lain
(hanya berlaku untuk tabel kontingensi 2 x 2 ) :
N (ad – bc )2
2 =
(a + b) (c + d) (a + c) (b + d)
Frekuensi Pada :
Jumlah
Sampel
Sampel
Obyek 1 Obyek 2
Sampel A a b a+b
Sampel B c d c+d
N = jumlah sampel
Jika terdapat sel yang berisi frekuensi kurang dari 10, maka rumus Chi Kuadrat
diadakan modifikasi menjadi :
N (ad – bc ) - N / 22
2 =
(a + b) (c + d) (a + c) (b + d)
2
C=
N + 2
Contoh 1 :
Suatu penelitian dengan judul “Kecenderungan tingkat pendidikan masyarakat
dalam memilih jenis bank”. Pendidikan masyarakat dikelompokkan menjadi dua,
yaitu lulus SLTA dan lulus Perguruan Tinggi, sedangkan jenis bank dikelompokkan
menjadi : Bank Pemerintah dan Bank Swasta. Data penelitian disajikan dalam tabel
berikut :
Jenis Bank
Jumlah
Sampel Bank Sampel
Bank Swasta
Pemerintah
Jumlah 90 60 150
(fkolom ) (fbaris)
fh =
Jumlah Total
90 x 80 60 x 80
Fh (sel a) = = 48 Fh (sel b) = = 32
150 150
90 x 70 60 x 70
Fh (sel c) = = 42 Fh (sel d) = = 28
150 150
( fo – fh )2
2 =
fh
Jenis Bank
Jumlah
Sampel Bank Sampel
Bank Swasta
Pemerintah
Lulusan
60(a) 20(b) 80
SLTA
Lulusan PT 30(c) 40(d) 70
Jumlah 90 60 150(N)
N(ad – bc )2
2 =
(a + b) (c + d) (a + c) (b + d)
486.000.000
=
2
= 16,07
30.240.000
Nyatalah dengan rumus inipun kita memperoleh hasil yang sama. Karena
kesederhanaannya, maka rumus ini lebih banyak digunakan untuk menguji
signifikansi, jika tabel kontingensi berbentuk 2 x 2.
Menguji hipotesis penelitian :
1. Merumuskan hipotesis penelitian :
Ha : Ada hubungan antara tingkat pendidikan masyarakat dengan kecenderungan
menabung disuatu bank
Ho : Tidak terdapat Ada hubungan antara tingkat pendidikan masyarakat dengan
kecenderungan menabung disuatu bank
2. Menentukan taraf signifikan sebesar 5%, derajad kebebasan (db) yang
digunakan bukan jumlah sampel tetapi jumlah baris dan jumlah kolom, yaitu :
db = (baris – 1) (kolom – 1) = (2 – 1)(2 – 1) = 1.
Pada taraf kesalahan 5%, dan db = 1, maka harga 2 tabel = 3,841.
2
C=
N + 2
16,07
C=
150 + 16,07
C = 0,097
C = 0,311
Agar data-data dalam tabel diatas dapat diolah dengan menggunakan SPSS maka
data-data tersebut harus dijadikan (dirubah) kedalam data kuantitatif, caranya yaitu
dengan memberikan kode angka pada data kualitatif (data kelompok), yaitu :
Tingkat Pendidikan :
Value 1 = SLTA
Value 2 = Perguruan Tinggi
Kecenderungan Menabung:
Value 1 = Bank Pemerintah
Value 2 = Bank Swasta
Chi-Square Tests
Value df Asymp. Sig. Exact Sig. Exact Sig.
(2-sided) (2-sided) (1-sided)
Pearson Chi-Square 16.071a 1 .000
Continuity Correctionb 14.760 1 .000
Likelihood Ratio 16.323 1 .000
Fisher's Exact Test .000 .000
Linear-by-Linear
15.964 1 .000
Association
N of Valid Cases 150
a. 0 cells (0.0%) have expected count less than 5. The minimum expected count is 28.00.
b. Computed only for a 2x2 table
Symmetric Measures
Value Approx.
Sig.
Nominal by Nominal Contingency Coefficient .311 .000
N of Valid Cases 150
a. Not assuming the null hypothesis.
b. Using the asymptotic standard error assuming the null hypothesis.
Contoh 2 :
Dilakukan penelitian untuk mengetahui apakah ada hubungan antara Profesi
Pekerjaan dengan Jenis Olah raga yang disenangi. Profesi dikelompokkan : Dokter,
Pengacara, Dosen dan Bisnis. Jenis Olahraga dikelompokkan menjadi : Golf, Tenis,
Bulutangkis dan Volley. Data penelitian disajikan dalam tabel berikut ini :
Tabel 7.3. Data Jenis Profesi dan Jenis Olah Raga yang Disenangi
Jenis Profesi
Olah
Dokter Pengacara Dosen Bisnis Jumlah
Raga
f0 fh f0 fh f0 fh f0 fh
Golf 17 17 23 21 10 19 30 23 80
Tenis 23 17 14 21 17 19 26 23 80
Bulu Tangkis 12 15 26 18 18 17 14 20 70
Volley 10 12 12 15 23 13 10 15 55
Jumlah 62 75 68 80 285
2 = 27,94
Besarnya koefisien korelasi antara jenis profesi pekerjaan dengan kesenangan olah
raga dicari dengan rumus koefisien kontingensi C, yaitu :
27,94
C=
285 + 27,94
C = 0,089
C = 0,298
B. Asumsi (Persyaratan)
1. Variabel yang dihubungkan mempunyai data yang berdistribusi normal
2. Variabel yang dihubungkan mempunyai data linier
3. Variabel yang dihubungkan mempunyai data yang diambil secara random
4. Variabel yang dihubungkan mempunyai pasangan yang sama dari subyek
yang sama pula.
5. Variabel yang dihubungkan mempunyai data interval atau rasio.
C. Kelayakan Nilai r
1. Batas nilai r : yang terbesar adalah +1 atau –1 dan yang terkecil adalah 0.
2. Hanya untuk hubungan linier saja
3. Tidak berlaku untuk sampel dengan varian = 0, karena z tidak dapat dihitung
dan akhirnya r tidak dapat dihitung juga
4. r tidak mempunyai satuan (dimensi)
5. Jika r = +1 diberi makna hubungan kedua variabel adalah linier, positif dan
sangat tinggi
6. Jika r = -1 diberi makna hubungan kedua variabel adalah linier, negatif dan
sangat tinggi
1 2 4
2 3 3
3 4 6
4 6 8
5 4 7
6 5 8
No. X Y X2 Y2 XY
1 2 4 4 16 8
2 3 3 9 9 9
3 4 6 16 36 24
4 6 8 36 64 48
5 4 7 16 49 28
6 5 8 25 64 40
942 - 864
rxy =
(636 - 576) (1428 - 1296)
78 78
rxy = = = 0,876
(60) (132) 88,99
Correlations
Nilai Nilai
Matematika Statistik
Pearson Correlation 1 .876*
Nilai
Sig. (2-tailed) .022
Matematika
N 6 6
Pearson Correlation .876* 1
Nilai Statistik Sig. (2-tailed) .022
N 6 6
*. Correlation is significant at the 0.05 level (2-tailed).
Langkah-langkah pengujian :
a. Merumuskan Ha dan Ho dalam bentuk kalimat :
Ha : Ada hubungan yang signifikan antara nilai matematika dengan nilai
statistik
Ho : Tidak ada hubungan yang signifikan antara nilai matematika dengan nilai
statistik
b. Menetapkan taraf signifikan sebesar 5% ( = 0,05), dimana n = 6; maka dari
tabel r kritis Product Moment didapat nilai r tabel sebesar 0, 811.
c. Menetapkan kriteria pengujian :
Jika r hitung > r tabel atau nilai sig < 0,05 berarti Ho ditolak dan Ha diterima
Jika r hitung < r tabel atau nilai sig > 0,05 berarti Ho diterima dan Ha ditolak
d. Bandingkan nilai r hitung dengan r tabel dan buat kesimpulan :
Ternyata r hitung (0,876) > r tabel (0,811) atau nilai sig (0,022) < 0,05, ini
berarti menolak Ho dan menerima Ha. Jadi kesimpulannya bahwa antara
variabel nilai matematika dengan nilai statistik mempunyai hubungan yang
signifikan.
Besarnya pengaruh (kontribusi) nilai matematika (X) terhadap nilai statistik (Y)
dapat dihitung dengan rumus koefisien determinan, yaitu,
KD = r2 x 100%
= (0,876)2 x 100%
= 76,6%
Artinya bahwa nilai matematika dapat mempengaruhi nilai statistik sebesar 76,6%
sedangkan sisanya 23,4% dijelaskan oleh faktor-faktor lain.
Pemahaman tentang korelasi ganda dapat dilihat melalui gambar di bawah ini :
Gambar 9.1. Model Korelasi Ganda
r1
X1
R Y
r3
X2
r2
Contoh 1 :
Misalnya akan menghitung korelasi ganda antara variabel X1 dan X2 dengan Y,
dengan data-data sebagai berikut :
No. X1 X2 Y X1 2 X2 2 Y2 2 X1 Y X2 Y X1 X2
1 2 3 4 4 9 16 8 12 6
2 3 2 3 9 4 9 9 6 6
3 4 4 6 16 16 36 24 24 16
4 6 5 8 36 25 64 48 40 30
5 4 3 7 16 9 49 28 21 12
6 5 6 8 25 36 64 40 48 30
942 - 864
rx1y =
(636 - 576) (1428 - 1296)
906 - 828
rx2y =
(594 - 529) (1428 - 1296)
78 78
rx2y = = = 0,842
(65)(132) 92,63
600 - 552
rx1x2 =
(636 - 576) (594 - 529)
48 48
rx1x2 = = = 0,769
(60)(65) 62,45
(0,876)2+(0,842)2 – 2(0,876)(0,842)(0,769)
Ryx1x2 =
1 – (0,769)2
1,476 – 1,134
Ryx1x2 =
0,409
Ryx1x2 = 0,915
Berdasarkan korelasi ganda tersebut diatas, bila n = 6, maka Fhitung dapat dicari:
(0,915)2 / 2
Fh =
(1 – 0,9152) / (6 – 2 – 1)
0,4186
Fh =
0,0543
Fh = 7,715
Correlations
Y X1 X2
Y 1.000 .876 .842
Pearson Correlation X1 .876 1.000 .769
X2 .842 .769 1.000
Y . .011 .018
Sig. (1-tailed) X1 .011 . .037
X2 .018 .037 .
Y 6 6 6
N X1 6 6 6
X2 6 6 6
Model Summary
Model R R Square Adjusted R Std. Error of
Square the Estimate
1 .915a .837 .729 1.092
a. Predictors: (Constant), X2, X1
ANOVAa
Model Sum of df Mean Square F Sig.
Squares
Regression 18.425 2 9.212 7.730 .066b
1 Residual 3.575 3 1.192
Total 22.000 5
a. Dependent Variable: Y
b. Predictors: (Constant), X2, X1
Contoh 2 :
Suatu penelitian berjudul “Hubungan antara Kepemimpinan dan Tata Ruang
Kantor dengan Kepuasan Kerja di Lembaga ABC”. Adapun sampel penelitian yang
digunakan sebanyak 20 orang pegawai. Berdasarkan data yang terkumpul dan
setelah dihitung korelasi sederhananya ditemukan hasil sebagai berikut :
1. Korelasi antara kepemimpinan dengan kepuasan kerja, ryx1 = 0,45
2. Korelasi antara tata tuang kantor dengan kepuasan kerja ryx2 = 0,48
3. Korelasi antara kepemimpinan dengan tata ruang kantor rx1x2 = 0,22
0,4329 – 0,0950
Ryx1x2 =
0,9516
Ryx1x2 = 0,3550
Ryx1x2 = 0,596
R2 / k
Fhitung =
(1 – R2) / (n – k – 1)
(0,596)2 / 2
Fhitung =
(1 – 0,5962) / (20 – 2 – 1)
0,177608
Fhitung =
0,037928
Fhiung = 4,683
r3 = 0,22 R = 0,596
Y
X2
r2 = 0,48
Korelasi dan regresi keduanya mempunyai hubungan yang sangat erat. Setiap
regresi pasti ada korelasinya, tetapi korelasi belum tentu dilanjutkan dengan regresi.
Korelasi yang tidak dilanjutkan dengan regresi adalah korelasi antara dua variabel
yang tidak mempunyai hubungan kausal (sebab akibat) dan hubungan fungsional.
Untuk menetapkan kedua variabel mempunyai hubungan kausal atau tidak, maka
harus didasarkan pada teori atau konsep-konsep tentang dua variabel tersebut.
Hubungan antara panas dengan tingkat muai panjang, dapat dikatakan sebagai
hubungan sebab akibat; hubungan antara kepemimpinan dengan kepuasan kerja
pegawai dapat dikatakan hubungan yang fungsional.
Ada dua jenis variabel dalam analisis regresi yaitu variabel prediktor adalah
variabel yang mempengaruhi (diberi lambang X) dan variabel kriterium adalah
variabel yang dipengaruhi (diberi lambang Y). Analisis regresi dipakai apabila kita
ingin meramalkan pengaruh sebuah variabel prediktor dengan sebuah variabel
kriterium atau ingin membuktikan bahwa terdapat atau tidak terdapatnya hubungan
fungsional antara sebuah variabel bebas dengan variabel terikatnya. Untuk
mengetahui apakah hubungan fungsional itu positif atau negatif ditentukan oleh
koefisien arah regresi yang berlambangkan huruf b. Jika b positif, maka hubungan
fungsionalnya positif pula, artinya semakin naik (tinggi) nilai X, maka semakin
tinggi pula nilai Y, sebaliknya jika b negatif maka hubungan fungsionalnya
berbanding terbalik, artinya semakin naik (tinggi) nilai X maka semakin turun
(rendah) nilai Y.
Persamaan analisis regresi sederhana dapat dituliskan sbb. :
Y = a + bX
Untuk mencari nilai a dan b dalam persamaan regresi tersebut dapat dicari dengan
rumus :
(Y)(X2) - (X)(XY)
a =
nX2 - (X)2
nXY - (X)(Y)
b =
nX2 - (X)2
No. X Y XY X2 Y2
1 20 64 1.280 400 4.096
2 16 61 976 256 3.721
3 34 84 2.856 1.156 7.056
4 23 70 1.610 529 4.900
5 27 88 2.376 729 7.744
6 32 92 2.944 1.024 8.464
7 18 72 1.296 324 5.184
8 22 77 1.694 484 5.929
a = 40,1 ≈ 40
b = 1,5
Se 6,14 6,14
Sb = = =
(X2) - (X)2/n 4.902 - (192)2/8 17,15
Sb = 0,359
1,5 - 0
t hitung = = 4,18
0,359
nilai = 0, karena pada perumusan hipotesis nol (Ho), nilai = 0
Model Summary
Model R R Square Adjusted R Std. Error of
Square the Estimate
1 .862a .743 .700 6.158
a. Predictors: (Constant), Biaya Promosi
ANOVAa
Model Sum of df Mean Square F Sig.
Squares
Regression 658.503 1 658.503 17.367 .006b
1 Residual 227.497 6 37.916
Total 886.000 7
a. Dependent Variable: Nilai Penjualan
b. Predictors: (Constant), Biaya Promosi
Coefficientsa
Model Unstandardized Standardized t Sig.
Coefficients Coefficients
B Std. Error Beta
(Constant) 40.082 8.890 4.509 .004
1
Biaya Promosi 1.497 .359 .862 4.167 .006
a. Dependent Variable: Nilai Penjualan
Analisis regresi ganda termasuk statistik parametris yang digunakan oleh peneliti,
bila peneliti bermaksud meramalkan bagaimana keadaan (naik turunnya) variabel
dependen (kriterium), bila dua atau lebih variabel independen sebagai penentu
faktor prediktor dimanipulasi (dinaik turunkan nilainya). Jadi analisis regresi ganda
akan dilakukan bila jumlah variabel independennya minimal ada dua.
Untuk dapat membuat ramalan melalui regresi, maka data setiap variabel harus
tersedia. Selanjutnya berdasarkan data itu peneliti harus dapat menemukan
persamaan melalui perhitungan. Untuk menghitung harga-harga a, b1, b2 dapat
menggunakan persamaan berikut : (untuk regresi dua prediktor)
Y = an + b1X1 + b2X2
X1Y = aX1 + b1X12 + b2X1X2
X2Y = aX2 + b1X1X2 + b2X22
No X1 X2 Y
1 10 7 23
2 2 3 7
3 4 2 15
4 6 4 17
5 8 6 23
6 7 5 22
7 4 3 10
8 6 3 14
9 7 4 20
10 6 3 19
No X1 X2 Y X1 Y X2 Y X1 X2 X1 2 X2 2 Y2
1 10 7 23 230 161 70 100 49 529
2 2 3 7 14 21 6 4 9 49
3 4 2 15 60 30 8 16 4 225
4 6 4 17 102 68 24 36 16 289
5 8 6 23 184 138 48 64 36 529
6 7 5 22 154 110 35 49 25 484
7 4 3 10 40 30 12 16 9 100
8 6 3 14 84 42 18 36 9 196
9 7 4 20 140 80 28 49 16 400
10 6 3 19 114 57 18 36 9 361
60 40 170 1.122 737 267 406 182 3.162
Cara lain untuk menghitung harga-harga : a, b1, dan b2, juga dapat dilakukan dengan
formula sebagai berikut :
AB - CD
b1 = = [(1.020x220) – (270x570)] / 28.300 = 2,491
F
DE - AC
b2 = = [(570x460) – (1.020x270)] / 28.300 = -0,466
F
Y – b1X1 – b2X2
a = = [(170) – (2,491x60) – (-0,466x40)] / 10 = 3,919
n
Dimana :
A = nX1Y - X1Y = (10x1.122) – (60x1700) = 1.1220 – 10.200 = 1.020
B = nX22 - (X2)2 = (10x182) – (40)2 = 1.820 – 1.600 = 220
C = nX1X2 - X1X2 = (10x267) – (60x40) = 2.670 – 2.400 = 270
D = nX2Y - X2Y = (10x737) – (40x170) = 7.370 – 6.800 = 570
2
E = nX1 - (X1) 2
= (10x406) – (60) = 4.060 – 3.600
2
= 460
F = EB - C2 = (460x220) – (270)2 = 101.200 – 72.900 = 28.300
Dari persamaan itu berarti produktivitas kerja pegawai akan naik, bila kemampuan
pegawai ditingkatkan, dan akan turun bila kepemimpinan direktif ditingkatkan.
Berdasarkan persamaan tersebut dapat diprediksikan, jika kemampuan pegawai (X1)
ditingkatkan menjadi 10, dan tingkat kepemimpinan direktif (X2) juga ditingkatkan
menjadi 10, maka produktivitas pegawai akan menjadi :
Y = 3,919 + 2,491(10) - 0,466(10)
Y = 3,919 + 24,91 - 4,66
Y = 24,169
b1x1y + b2x2y
Ryx1x2 =
y2
dimana :
(X1) (Y)
x1y = X1Y -
n
(X2) (Y)
x2y = X2Y -
n
2
(Y)
y 2
= Y -
2
(60) (170)
x1y = 1.122 - = 102
10
(40) (170)
x2y = 737 - = 57
10
(170)2
y 2
= 3.162 - = 272
10
(2,491x102) + (-0,466x57)
Ryx1x2 =
272
254,082 – 26,562
Ryx1x2 =
272
Ryx1x2 = 0,915
R2 (n – k – 1)
Fhitung =
k (1 – R2 )
(0,9152) (10 – 2 – 1)
Fhitung =
2 (1 – 0,9152 )
Fhitung = 18,00
Model Summary
ANOVAa
Model Sum of df Mean Square F Sig.
Squares
Regression 227.512 2 113.756 17.899 .002b
1 Residual 44.488 7 6.355
Total 272.000 9
a. Dependent Variable: Produktivitas Kerja
b. Predictors: (Constant), Kepemimpinan Direktif, Kemampuan Kerja
Coefficientsa
Model Unstandardized Standardized t Sig.
Coefficients Coefficients
B Std. Error Beta
(Constant) 3.919 2.418 1.621 .149
Kemampuan Kerja 2.491 .703 1.024 3.544 .009
1
Kepemimpinan
-.466 1.016 -.133 -.459 .660
Direktif
a. Dependent Variable: Produktivitas Kerja
b2x2y
SRx2 = x 100%
(b1x1y + b2x2y)
(2,491) (102)
SRx1 = x 100%
( 2,491 x 102) + (0,466 x 57 )
SRx1 = 90,54%
(0,466) (57)
SRx2 = x 100%
( 2,491 x 102) + (0,466 x 57 )
SRx2 = 9,46%
t-test merupakan salah satu rumus statistik parametris yang digunakan untuk
menguji hipotesis komparatif rata-rata dua sampel yang berkorelasi (berpasangan)
atau tidak berkorelasi (independen), bila datanya berbentuk interval atau ratio
A. Rumus t-test bila kedua sampel berkorelasi adalah :
X1 - X2
t =
S12 S22 S1 S2
+ 2r ( )( )
n1 n2 √ n1 √ n1
Keterangan :
X1 : Rata-rata sampel 1
X2 : Rata-rata sampel 2
S1 : Simpangan baku sampel 1
S2 : Simpangan baku sampel 2
r : korelasi antara dua sampel
n : jumlah sampel
nX2 - (X)2
S =
n(n - 1)
Contoh :
Dilakukan penelitian untuk mengetahui ada tidaknya perbedaan produktivitas kerja
pegawai sebelum dan sesudah diberi kendaraan dinas. Berdasarkan 20 sampel
pegawai yang dipilih secara random, diperoleh data-data sebagai berikut :
Produktivitas Kerja
No. Responden
Sebelum (X1) Sesudah (X2)
1 7 9
2 8 9
3 6 7
4 7 7
5 7 7
6 8 9
7 6 6
8 8 8
9 9 9
10 7 6
11 6 6
12 7 7
13 7 8
14 7 6
15 8 9
16 6 6
17 7 8
18 7 8
19 8 9
20 6 6
Rata-rata 7,1 7,5
SB ( S ) 0,852 1,235
Varians ( S2 ) 0,726 1,526
nX12 - (X1)2
Simpangan Baku X1 =
n(n - 1)
20(1.022) - (142)2
Simpangan Baku X1 = = 0,852
20(20 - 1)
20(1.154) - (150)2
Simpangan Baku X2 = = 1,235
20(20 - 1)
276
=
400,1
rx1x2 = 0,800
X1 - X2
t =
S12 S22 S1 S2
+ 2r ( )( )
n1 n2 n1 n2
7,1 - 7,5
t =
0,726 1,526 0,852 1,235
+ 2(0,800) x x
20 20 20 20
t = -2,373
Catatan : Jika harga t-test ditemukan nilai negatif, maka diambil nilai mutlaknya
(tanda negatif diabaikan).
X1 - X2
t=
S1 2 S22
+
n1 n2
Contoh :
Dilakukan penelitian untuk mengetahui kecepatan memasuki dunia kerja antara
lulusan SMA dan lulusan SMK. Berdasarkan 21 responden lulusan SMA dan 19
responden lulusan SMK datanya dapat disajikan pada tabel dibawah ini.
Hipotesis yang diajukan : terdapat perbedaan yang signifikan lama menunggu
untuk mendapatkan pekerjaan antara lulusan SMA dengan SMK.
Tabel 12.3. Data Lama Menunggu dapat Pekerjaan antara Lulusan
SMA dan SMK
Untuk menentukan rumus t-test mana yang akan digunakan, maka perlu diuji dulu
homogenitas varians kedua sampel.
Varians terbesar 2,07
F = = = 3,334.
Varian terkecil 0,62
Harga F hitung tersebut selanjutnya dibandingkan dengan F tabel, pada taraf
kesalahan 5% dengan db pembilang : 21 – 1 = 20 dan db penyebut : 19 – 1 = 18
nilai F tabel sebesar 2,191.
Dalam hal ini berlaku ketentuan : jika F hitung < dari F tabel berarti varians kedua
sampel homogen dan sebaliknya.
Ternyata F hitung lebih besar dari F tabel (3,334 > 2,191), berarti varians kedua
sampel tidak homogen.
Setelah diketahui kedua varians tidak homogen dan jumlah sampel tidak sama,
maka sesuai pedoman digunakan rumus t-tes pertama :
X 1 - X2 2,81 - 1,79
t = = = 2,818
2 2
S1 S2 2,06 0,62
+ +
n1 n2 21 19
Group Statistics
Lulusan Sekolah N Mean Std. Std. Error
Deviation Mean
Waktu Tunggu Lulusan SMA 21 2.81 1.436 .313
Mendapat
Lulusan SMK 19 1.79 .787 .181
Pekerjaan
Equal variances
Waktu Tunggu 6.346 .016 2.744 38 .009 1.020 .372 .267 1.773
assumed
Mendapat
Equal variances
Pekerjaan 2.820 31.620 .008 1.020 .362 .283 1.757
not assumed
Pengujian Validitas
Validitas adalah ukuran yang menunjukkan sejauhmana instrumen pengukur
mampu mengukur apa yang ingin diukur. Tujuan pengujian validitas adalah untuk
meyakinkan bahwa kuesioner/angket yang kita susun akan benar-benar baik dalam
mengukur gejala sehingga dihasilkan data yang valid. Untuk melakukan uji
validitas, salah satu metode yang dapat digunakan adalah dengan mengkorelasikan
antara skor butir-butir pertanyaan dengan skor pertanyaan secara total (analisis
butir).
Suatu butir pertanyaan dikatakan valid jika nilai r hitung > r tabel. Jika ada
pertanyaan yang dinyatakan tidak valid maka pertanyaan tersebut harus didroup dari
daftar pertanyaan.
No P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 Motivasi
1 3 2 4 3 4 2 2 4 4 2 30
2 4 4 4 4 5 3 5 3 4 5 41
3 4 5 4 4 4 5 5 4 4 5 44
4 5 4 2 4 2 2 4 2 5 4 34
5 3 2 3 4 3 2 2 5 4 2 30
6 4 3 5 2 2 2 5 5 5 5 38
7 4 2 2 4 4 2 4 2 5 4 33
8 4 4 4 4 2 2 5 2 4 5 36
Untuk mengetahui korelasi setiap butir pertanyaan dapat dilihat pada kolom
Corrected Item-Total Correlation. Korelasi butir ini selanjutnya dibandingkan
dengan nilai r tabel. Nilai r tabel dapat diperoleh melalui lampiran pada buku-buku
statistik. Misalnya jumlah responden N = 30 dan taraf signifikansi 5% maka nilai r
tabel adalah 0,361.
Berdasarkan output tersebut (kolom Corrected Item-Total Correlation) terlihat
bahwa dari 10 pertanyaan yang diuji, ternyata hanya ada 8 pertanyaan yang
dinyatakan valid karena nilai r hitung (corrected item-total correlation) > 0,361,
sedangkan pertanyaan yang tidak valid yaitu nomor 5 dan 8 dikarenakan nilai r
hitung (corrected item-total correlation) < 0,361. Proses selanjutnya kedua
pertanyaan yang tidak valid tersebut harus dikeluarkan dari daftar pertanyaan
(didrop).
Pengujian Reliabilitas
Setelah kita melakukan pengujian validitas tahap berikutnya adalah mengukur
tingkat reliabilitas. Reliabilitas adalah ukuran yang menunjukkan konsistensi dari
alat ukur dalam mengukur gejala yang sama di lain kesempatan.
Salah satu metode yang dapat dipakai untuk mengukur reliabilitas dengan
menggunakan rumus Cronbach Alpha.
Reliability Statistics
Cronbach's
N of Items
Alpha
.834 8
db db Pembilang
Penyebut 1 2 3 4 5 6 7 8 9 10
52 4,027 3,175 2,783 2,550 2,393 2,279 2,192 2,122 2,066 2,018
53 4,023 3,172 2,779 2,546 2,389 2,275 2,188 2,119 2,062 2,015
54 4,020 3,168 2,776 2,543 2,386 2,272 2,185 2,115 2,059 2,011
55 4,016 3,165 2,773 2,540 2,383 2,269 2,181 2,112 2,055 2,008
56 4,013 3,162 2,769 2,537 2,380 2,266 2,178 2,109 2,052 2,005
57 4,010 3,159 2,766 2,534 2,377 2,263 2,175 2,106 2,049 2,001
58 4,007 3,156 2,764 2,531 2,374 2,260 2,172 2,103 2,046 1,998
59 4,004 3,153 2,761 2,528 2,371 2,257 2,169 2,100 2,043 1,995
60 4,001 3,150 2,758 2,525 2,368 2,254 2,167 2,097 2,040 1,993
61 3,998 3,148 2,755 2,523 2,366 2,251 2,164 2,094 2,037 1,990
62 3,996 3,145 2,753 2,520 2,363 2,249 2,161 2,092 2,035 1,987
63 3,993 3,143 2,751 2,518 2,361 2,246 2,159 2,089 2,032 1,985
64 3,991 3,140 2,748 2,515 2,358 2,244 2,156 2,087 2,030 1,982
65 3,989 3,138 2,746 2,513 2,356 2,242 2,154 2,084 2,027 1,980
66 3,986 3,136 2,744 2,511 2,354 2,239 2,152 2,082 2,025 1,977
67 3,984 3,134 2,742 2,509 2,352 2,237 2,150 2,080 2,023 1,975
68 3,982 3,132 2,740 2,507 2,350 2,235 2,148 2,078 2,021 1,973
69 3,980 3,130 2,737 2,505 2,348 2,233 2,145 2,076 2,019 1,971
70 3,978 3,128 2,736 2,503 2,346 2,231 2,143 2,074 2,017 1,969
71 3,976 3,126 2,734 2,501 2,344 2,229 2,142 2,072 2,015 1,967
72 3,974 3,124 2,732 2,499 2,342 2,227 2,140 2,070 2,013 1,965
73 3,972 3,122 2,730 2,497 2,340 2,226 2,138 2,068 2,011 1,963
74 3,970 3,120 2,728 2,495 2,338 2,224 2,136 2,066 2,009 1,961
75 3,968 3,119 2,727 2,494 2,337 2,222 2,134 2,064 2,007 1,959
76 3,967 3,117 2,725 2,492 2,335 2,220 2,133 2,063 2,006 1,958
77 3,965 3,115 2,723 2,490 2,333 2,219 2,131 2,061 2,004 1,956
78 3,963 3,114 2,722 2,489 2,332 2,217 2,129 2,059 2,002 1,954
79 3,962 3,112 2,720 2,487 2,330 2,216 2,128 2,058 2,001 1,953
80 3,960 3,111 2,719 2,486 2,329 2,214 2,126 2,056 1,999 1,951
81 3,959 3,109 2,717 2,484 2,327 2,213 2,125 2,055 1,998 1,950
82 3,957 3,108 2,716 2,483 2,326 2,211 2,123 2,053 1,996 1,948
83 3,956 3,107 2,715 2,482 2,324 2,210 2,122 2,052 1,995 1,947
84 3,955 3,105 2,713 2,480 2,323 2,209 2,121 2,051 1,993 1,945
85 3,953 3,104 2,712 2,479 2,322 2,207 2,119 2,049 1,992 1,944
86 3,952 3,103 2,711 2,478 2,321 2,206 2,118 2,048 1,991 1,943
87 3,951 3,101 2,709 2,476 2,319 2,205 2,117 2,047 1,989 1,941
88 3,949 3,100 2,708 2,475 2,318 2,203 2,115 2,045 1,988 1,940
89 3,948 3,099 2,707 2,474 2,317 2,202 2,114 2,044 1,987 1,939
90 3,947 3,098 2,706 2,473 2,316 2,201 2,113 2,043 1,986 1,938
91 3,946 3,097 2,705 2,472 2,315 2,200 2,112 2,042 1,984 1,936
92 3,945 3,095 2,704 2,471 2,313 2,199 2,111 2,041 1,983 1,935
93 3,943 3,094 2,703 2,470 2,312 2,198 2,110 2,040 1,982 1,934
94 3,942 3,093 2,701 2,469 2,311 2,197 2,109 2,038 1,981 1,933
95 3,941 3,092 2,700 2,467 2,310 2,196 2,108 2,037 1,980 1,932
96 3,940 3,091 2,699 2,466 2,309 2,195 2,106 2,036 1,979 1,931
97 3,939 3,090 2,698 2,465 2,308 2,194 2,105 2,035 1,978 1,930
98 3,938 3,089 2,697 2,465 2,307 2,193 2,104 2,034 1,977 1,929
99 3,937 3,088 2,696 2,464 2,306 2,192 2,103 2,033 1,976 1,928
100 3,936 3,087 2,696 2,463 2,305 2,191 2,103 2,032 1,975 1,927
Sumber : Compute dari SPSS
Lampiran Tabel |5
db db Pembilang
Penyebut 12 14 16 18 20 22 24 26 28 30
52 1,944 1,887 1,842 1,806 1,776 1,750 1,729 1,710 1,693 1,678
53 1,940 1,883 1,838 1,802 1,772 1,746 1,725 1,706 1,689 1,674
54 1,936 1,879 1,835 1,798 1,768 1,743 1,721 1,702 1,685 1,670
55 1,933 1,876 1,831 1,795 1,764 1,739 1,717 1,698 1,681 1,666
56 1,930 1,873 1,828 1,791 1,761 1,735 1,713 1,694 1,678 1,663
57 1,926 1,869 1,824 1,788 1,757 1,732 1,710 1,691 1,674 1,659
58 1,923 1,866 1,821 1,785 1,754 1,729 1,706 1,687 1,671 1,656
59 1,920 1,863 1,818 1,781 1,751 1,725 1,703 1,684 1,667 1,652
60 1,917 1,860 1,815 1,778 1,748 1,722 1,700 1,681 1,664 1,649
61 1,915 1,857 1,812 1,776 1,745 1,719 1,697 1,678 1,661 1,646
62 1,912 1,855 1,809 1,773 1,742 1,716 1,694 1,675 1,658 1,643
63 1,909 1,852 1,807 1,770 1,739 1,714 1,691 1,672 1,655 1,640
64 1,907 1,849 1,804 1,767 1,737 1,711 1,689 1,669 1,652 1,637
65 1,904 1,847 1,802 1,765 1,734 1,708 1,686 1,667 1,650 1,635
66 1,902 1,845 1,799 1,762 1,732 1,706 1,683 1,664 1,647 1,632
67 1,900 1,842 1,797 1,760 1,729 1,703 1,681 1,661 1,644 1,629
68 1,897 1,840 1,795 1,758 1,727 1,701 1,678 1,659 1,642 1,627
69 1,895 1,838 1,792 1,755 1,725 1,698 1,676 1,657 1,640 1,624
70 1,893 1,836 1,790 1,753 1,722 1,696 1,674 1,654 1,637 1,622
71 1,891 1,834 1,788 1,751 1,720 1,694 1,672 1,652 1,635 1,620
72 1,889 1,832 1,786 1,749 1,718 1,692 1,669 1,650 1,633 1,618
73 1,887 1,830 1,784 1,747 1,716 1,690 1,667 1,648 1,631 1,615
74 1,885 1,828 1,782 1,745 1,714 1,688 1,665 1,646 1,629 1,613
75 1,884 1,826 1,780 1,743 1,712 1,686 1,663 1,644 1,626 1,611
76 1,882 1,824 1,778 1,741 1,710 1,684 1,661 1,642 1,625 1,609
77 1,880 1,822 1,777 1,739 1,708 1,682 1,660 1,640 1,623 1,607
78 1,878 1,821 1,775 1,738 1,707 1,680 1,658 1,638 1,621 1,605
79 1,877 1,819 1,773 1,736 1,705 1,679 1,656 1,636 1,619 1,604
80 1,875 1,817 1,772 1,734 1,703 1,677 1,654 1,634 1,617 1,602
81 1,874 1,816 1,770 1,733 1,702 1,675 1,652 1,633 1,615 1,600
82 1,872 1,814 1,768 1,731 1,700 1,674 1,651 1,631 1,614 1,598
83 1,871 1,813 1,767 1,729 1,698 1,672 1,649 1,629 1,612 1,597
84 1,869 1,811 1,765 1,728 1,697 1,670 1,648 1,628 1,610 1,595
85 1,868 1,810 1,764 1,726 1,695 1,669 1,646 1,626 1,609 1,593
86 1,867 1,808 1,763 1,725 1,694 1,667 1,645 1,625 1,607 1,592
87 1,865 1,807 1,761 1,724 1,692 1,666 1,643 1,623 1,606 1,590
88 1,864 1,806 1,760 1,722 1,691 1,664 1,642 1,622 1,604 1,589
89 1,863 1,804 1,758 1,721 1,690 1,663 1,640 1,620 1,603 1,587
90 1,861 1,803 1,757 1,720 1,688 1,662 1,639 1,619 1,601 1,586
91 1,860 1,802 1,756 1,718 1,687 1,660 1,638 1,618 1,600 1,585
92 1,859 1,801 1,755 1,717 1,686 1,659 1,636 1,616 1,599 1,583
93 1,858 1,800 1,753 1,716 1,684 1,658 1,635 1,615 1,597 1,582
94 1,857 1,798 1,752 1,715 1,683 1,657 1,634 1,614 1,596 1,581
95 1,856 1,797 1,751 1,713 1,682 1,655 1,632 1,613 1,595 1,579
96 1,854 1,796 1,750 1,712 1,681 1,654 1,631 1,611 1,594 1,578
97 1,853 1,795 1,749 1,711 1,680 1,653 1,630 1,610 1,592 1,577
98 1,852 1,794 1,748 1,710 1,679 1,652 1,629 1,609 1,591 1,576
99 1,851 1,793 1,747 1,709 1,678 1,651 1,628 1,608 1,590 1,574
100 1,850 1,792 1,746 1,708 1,676 1,650 1,627 1,607 1,589 1,573
Sumber : Compute dari SPSS
Lampiran Tabel |7
Z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
-3,4 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0002
-3,3 0,0005 0,0005 0,0005 0,0004 0,0004 0,0004 0,0004 0,0004 0,0004 0,0003
-3,2 0,0007 0,0007 0,0006 0,0006 0,0006 0,0006 0,0006 0,0005 0,0005 0,0005
-3,1 0,0010 0,0009 0,0009 0,0009 0,0008 0,0008 0,0008 0,0008 0,0007 0,0007
-3,0 0,0013 0,0013 0,0013 0,0012 0,0012 0,0011 0,0011 0,0011 0,0010 0,0010
-2,9 0,0019 0,0018 0,0018 0,0017 0,0016 0,0016 0,0015 0,0015 0,0014 0,0014
-2,8 0,0026 0,0025 0,0024 0,0023 0,0023 0,0022 0,0021 0,0021 0,0020 0,0019
-2,7 0,0035 0,0034 0,0033 0,0032 0,0031 0,0030 0,0029 0,0028 0,0027 0,0026
-2,6 0,0047 0,0045 0,0044 0,0043 0,0041 0,0040 0,0039 0,0038 0,0037 0,0036
-2,5 0,0062 0,0060 0,0059 0,0057 0,0055 0,0054 0,0052 0,0051 0,0049 0,0048
-2,4 0,0082 0,0080 0,0078 0,0075 0,0073 0,0071 0,0069 0,0068 0,0066 0,0064
-2,3 0,0107 0,0104 0,0102 0,0099 0,0096 0,0094 0,0091 0,0089 0,0087 0,0084
-2,2 0,0139 0,0136 0,0132 0,0129 0,0125 0,0122 0,0119 0,0116 0,0113 0,0110
-2,1 0,0179 0,0174 0,0170 0,0166 0,0162 0,0158 0,0154 0,0150 0,0146 0,0143
-2,0 0,0228 0,0222 0,0217 0,0212 0,0207 0,0202 0,0197 0,0192 0,0188 0,0183
-1,9 0,0287 0,0281 0,0274 0,0268 0,0262 0,0256 0,0250 0,0244 0,0239 0,0233
-1,8 0,0359 0,0351 0,0344 0,0336 0,0329 0,0322 0,0314 0,0307 0,0301 0,0294
-1,7 0,0446 0,0436 0,0427 0,0418 0,0409 0,0401 0,0392 0,0384 0,0375 0,0367
-1,6 0,0548 0,0537 0,0526 0,0516 0,0505 0,0495 0,0485 0,0475 0,0465 0,0455
-1,5 0,0668 0,0655 0,0643 0,0630 0,0618 0,0606 0,0594 0,0582 0,0571 0,0559
-1,4 0,0808 0,0793 0,0778 0,0764 0,0749 0,0735 0,0721 0,0708 0,0694 0,0681
-1,3 0,0968 0,0951 0,0934 0,0918 0,0901 0,0885 0,0869 0,0853 0,0838 0,0823
-1,2 0,1151 0,1131 0,1112 0,1093 0,1075 0,1056 0,1038 0,1020 0,1003 0,0985
-1,1 0,1357 0,1335 0,1314 0,1292 0,1271 0,1251 0,1230 0,1210 0,1190 0,1170
-1,0 0,1587 0,1562 0,1539 0,1515 0,1492 0,1469 0,1446 0,1423 0,1401 0,1379
-0,9 0,1841 0,1814 0,1788 0,1762 0,1736 0,1711 0,1685 0,1660 0,1635 0,1611
-0,8 0,2119 0,2090 0,2061 0,2033 0,2005 0,1977 0,1949 0,1922 0,1894 0,1867
-0,7 0,2420 0,2389 0,2358 0,2327 0,2296 0,2266 0,2236 0,2206 0,2177 0,2148
-0,6 0,2743 0,2709 0,2676 0,2643 0,2611 0,2578 0,2546 0,2514 0,2483 0,2451
-0,5 0,3085 0,3050 0,3015 0,2981 0,2946 0,2912 0,2877 0,2843 0,2810 0,2776
-0,4 0,3446 0,3409 0,3372 0,3336 0,3300 0,3264 0,3228 0,3192 0,3156 0,3121
-0,3 0,3821 0,3783 0,3745 0,3707 0,3669 0,3632 0,3594 0,3557 0,3520 0,3483
-0,2 0,4207 0,4168 0,4129 0,4090 0,4052 0,4013 0,3974 0,3936 0,3897 0,3859
-0,1 0,4602 0,4562 0,4522 0,4483 0,4443 0,4404 0,4364 0,4325 0,4286 0,4247
L a m p i r a n T a b e l | 10
Z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
0,7 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852
0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319
1,5 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441
1,6 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545
1,7 0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633
1,8 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9699 0,9706
1,9 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767
2,0 0,9772 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817
2,1 0,9821 0,9826 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857
2,2 0,9861 0,9864 0,9868 0,9871 0,9875 0,9878 0,9881 0,9884 0,9887 0,9890
2,3 0,9893 0,9896 0,9898 0,9901 0,9904 0,9906 0,9909 0,9911 0,9913 0,9916
2,4 0,9918 0,9920 0,9922 0,9925 0,9927 0,9929 0,9931 0,9932 0,9934 0,9936
2,5 0,9938 0,9940 0,9941 0,9943 0,9945 0,9946 0,9948 0,9949 0,9951 0,9952
2,6 0,9953 0,9955 0,9956 0,9957 0,9959 0,9960 0,9961 0,9962 0,9963 0,9964
2,7 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,9971 0,9972 0,9973 0,9974
2,8 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,9980 0,9981
2,9 0,9981 0,9982 0,9982 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986
3,0 0,9987 0,9987 0,9987 0,9988 0,9988 0,9989 0,9989 0,9989 0,9990 0,9990
3,1 0,9990 0,9991 0,9991 0,9991 0,9992 0,9992 0,9992 0,9992 0,9993 0,9993
3,2 0,9993 0,9993 0,9994 0,9994 0,9994 0,9994 0,9994 0,9995 0,9995 0,9995
3,3 0,9995 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 0,9996 0,9996 0,9997
3,4 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9998