TUGAS PRA UAS

Pengantar Statistika

1. Daftar berikut memberikan catatan mengenai harga rata-rata per meter (dalam $) dan
jumlah produksi (dalam ribuan meter) dari beberapa hasil tekstil selama tahun 2007 –
2008

Tabel 1. Harga Rata-rata Per Meter Dan Jumlah Produksi Beberapa Hasil Tekstil
Periode Tahun 2007 – 2008

Jenis Harga rata- Jumlah

rata Produksi
Tekstil 2007 2008 2007 2008
Wol 4,50 3,84 6,50 6,00
Cita Kembang 5,40 4,78 7, 25 6,50
Kain Kipar 5,55 4,83 6, 25 5,75
Katun 4,05 3,95 5,00 4, 25
Jeans 5,50 5,35 5,75 5,45
Total 25 22,75 30,75 27,95
Catatan : Data Rekaan
Dengan menggunakan tahun dasar 2007, tentukan Indeks Harga Gabungan dan Indeks
Jumlah Produksi Gabungan dari kelima hasil tekstil tersebut untuk tahun 2008
dengan menggunakan:
a. Metode Laspeyres

Jenis Harga Rata-rata Jumlah Produksi

Tekstil PO 2007 Pt 2008 Q O 2007 Qt 2008
Wol 4,50 3,84 6,50 6,00
Cita Kembang 5,40 4,78 7, 25 6,50
Kain Kipar 5,55 4,83 6, 25 5,75
Katun 4,05 3,95 5,00 4, 25
Jeans 5,50 5,35 5,75 5,45
Total 25 22,75 30,75 27,95

 Indeks Harga
 Lp=
∑ ( Pt ¿ × Q o ) ¿
∑ ( Po ¿ ×Q0 )×100 ¿
22,75× 30,75
¿ ×100
25× 30,75
699,56
¿ ×100
768,75
¿ 0,91 ×100
¿ 91

Pada tahun 2008, harga dari beberapa jenis tekstil mengalami penurunan
sebesar 9 jika dibandingkan dengan tahun 2007.

 Indeks Jumlah Produksi

Lq=
∑ (Qt ¿ × Po ) ¿
∑ (¿ Qo × P0 )× 100¿
27,95× 25
¿ ×100
30,75× 25
698,75
¿ ×100
768,75
¿ 0,9089 ×100
¿ 90,89

Pada tahun 2008, jumlah produksi dari beberapa jenis tekstil mengalami
penurunan sebesar 9,11 jika dibandingkan dengan tahun 2007.

b. Metode Fisher
*Mencari Lp dan Pp menggunakan Metode Paasche

 Lp=
∑ ( Pt ¿ ×QO ) ¿
∑ ( Po ¿ ×QO )×100 ¿
22,75× 30,75
¿ ×100
25× 30,75
699,56
¿ ×100
768,75
¿ 91

 Pp=
∑ ( Pt × Qt ) × 100
∑ ( Po ×Qt )
22, 7 5 ×27,95
¿ × 100
25 ×2 7,95
 635,86
¿ ×100
698,75
¿ 91

Metode Fisher
 Indeks Harga
Fp= √ LP × P P
¿ √ 91× 91
¿ √ 8. 281=91
Pada tahun 2008, harga dari beberapa jenis tekstil mengalami penurunan
sebesar 9 jika dibandingkan dengan tahun 2007.

*Mencari LQ dan PQ dengan menggunakan Metode Paasche.

 LQ=
∑ (Qt ¿ × P o) ¿
∑ (¿ Qo × P0 )×100 ¿
27,95× 25
¿ ×100
30,75× 25
698,75
¿ ×100
768,75
¿ 0,9089 ×100
¿ 90,89

 PQ =
∑ (Qt ¿ × Pt ) ¿
∑ (¿ Qo × Pt )×100 ¿
27,95 ×22 , 75
¿ ×100
30,75 ×22 , 75
635,86
¿ ×100
699,56
¿ 0,9089 ×100
¿ 90,89

Metode Fisher
 Indeks Jumlah Produksi
F Q = √ LQ × P Q
¿ √ 90,89 ×90,89
¿ √ 8. 260,9921=90,89
Pada tahun 2008, jumlah produksi dari beberapa jenis tekstil mengalami
penurunan sebesar 9,11 jika dibandingkan dengan tahun 2007.
 2. Tabel berikut berisikan data rata-rata upah bulanan pegawai (dalam ribuan rupiah) di
perusahaan B dan Indeks Biaya Hidup (1995 – 1997 = 100) selama tahun 1995 – 2002

Tabel 2. Rata-rata Upah Bulanan Pegawai Di Perusahaan B

Dan Indeks Biaya Hidup (1995 – 1997 = 100)
Periode Tahun 1995 – 2002

Tahun 1995 1996 1997 1998 1999 2000 2001 2002

Rata-rata Upah Bulanan 310 324 380 435 450 470 555 925
IBH (1995 – 1997 = 100) 95,5 101,4 103,1 116 120,2 124 150,5 312,6
Catatan : Data Rekaan
Tentukan upah nyata pegawai untuk tahun 1995 – 2002, bila dibandingkan dengan upah
dalam tahun 1995 (1995 = 100) dan tentukan daya beli rupiahnya!

Tahun Upah per IHK lama (1995- IHK baru Upah Nyata Daya Beli
Bulan 1997=100) (1995=100)
1995 310 95,5 (100/95,5)×95,5 (310/100)×100 (1/100)×100
= 100 = 310 =1
1996 324 101,4 (100/95,5)×101,4 (324/106,17)×100 (1/106,17)×100
= 106,17 = 305,17 = 0,94
1997 380 103,1 (100/95,5)×103,1 (380/107,96)×100 (1/107,96)×100
= 107,96 = 351,98 =0,92
1998 435 116 (100/95,5)×116 (435/121,46)×100 (1/121,46)×100
= 121,46 = 358,14 = 0,82
1999 450 120, 2 (100/95,5)×120, 2 (450/125,86)×100 (1/125,86)×100
= 125,86 = 357,54 = 0,79
2000 470 124 (100/95,5)×124 (470/129,84)×100 (1/129,84)×100
= 129,84 = 361,98 = 0,77
2001 555 150,5 (100/95,5)×150,5 (555/157,59)×100 (1/157,59)×100
= 157,59 = 352,17 = 0,63
2002 925 312,6 (100/95,5)×312,6 (925/327,32)×100 (1/327,32)×100
= 327,32 = 282,59 = 0,30

Rumus :
 IBH Baru = (100/Indeks Awal) × Indeks Lama
 Upah Nyata = (Upah per Bulan/IBH Baru) × 100
 Daya Beli = (1/IBH Baru) × 100
 3. Berikut adalah data deret berkala mengenai penggunaan tenaga listrik (dalam ribuan
KWH) di suatu perusahaan C selama periode 11 tahun.

Tabel 3. Data Penggunaan Tenaga Listrik Di Perusahaan B Periode Tahun 1997 – 2007

Tahun 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007

Penggunaan 14,8 13,2 21,8 43,4 40,5 63,6 95,3 90,1 110,8 120,6 150,9

Catatan : Data Rekaan

a. Gambarkan diagram pencar untuk data tersebut !

Data Penggunaan Tenaga Listrik di

Perusahaan B Periode Tahun 1997-
2007
160
140
120
100
80
60
40
20
0
1996 1998 2000 2002 2004 2006 2008

b. Trend jenis apa yang menurut anda cocok dengan sebaran titik-titik data yang telah
digambarkan ?
Jawab :
Trend yang cocok berdasarkan dengan sebaran titik-titik data yang digambarkan
di diagram adalah Trend Linier Naik, karena terlihat bahwa garis trend yang ditarik
cenderung mengikuti garis lurus, meskipun beberapa data mengalami penurunan
tetapi garis naik.

c. Tentukan persamaan trendnya (gunakan metode kuadrat terkecil) !

Jawab:
Karena banyak tahun ganjil, maka tahun ditransformasikan menjadi …, -5, -4, -3, -2,
-1, 1, 2, 3, 4, 5,… Dengan t m = 2002 dan n=11 tahun.
 Tabel Perhitungan Persamaan Trend Linier dengan Metode Kuadrat terkecil
( Tahun Ganjil )

Tahun Penggunaan (Y i ) Koding (t i) tiY i ti 2

1997 14,8 -5 -74 25

1998 13, 2 -4 -52,8 16
1999 21,8 -3 -65,4 9
2000 43,4 -2 -86,8 4
2001 40,5 -1 -40,5 1
2002 63,6 0 0 0
2003 95,3 1 95,3 1
2004 90,1 2 180, 2 4
2005 110,8 3 332,4 9
2006 120,6 4 482,4 16
2007 150,9 5 754,5 25
Jumlah 765 - 1.525, 3 110

 a=
∑ Yi
n
765
¿ =69,55
11

b=
∑ ti Y

i

∑ ti
1525,2
¿ =13,87
110

Sehingga persamaan trend liniernya adalah Y= 69,55 + 13,87 t.

d. Apa arti dari koefisien yang didapat?

Jawab :
Dari persamaan trend linier diatas diperoleh b = 13,87, artinya jumlah
penggunaan diperkirakan akan naik sebesar 13,87 setiap tahun.

e. Prediksikan berapa besar penggunaan tenaga listrik untuk tahun 2010 dan 2012 ?
Jawab :
 Penggunaan tenaga listrik tahun 2010
n = 11
t i−t m = 2010-2002
= 8 ( koding )
 t = 2010 → Y = 69,55 + (13,87 ×t)
= 69,55 + (13,87 × 8)
= 69,55 + 110,96 = 180,51
*untuk tahun 2010 diperkirakan umlah penggunaan tenaga listrik mencapai
180,51 ribuan kWh.

 Penggunaan tenaga listrik tahun 2012

n = 11
t i−t m = 2012-2002
= 10 ( koding )
t = 2012 → Y = 69,55 + ( 13,87 × 10)
= 69,55 + 138,7
= 208, 25
*untuk tahun 2012 diperkirakan jumlah penggunaan tenaga listrik mencapai
208, 25 ribuan kWh.

4. Dari hasil pengamatan selama 8 tahun diketahui besar pengeluaran dalam industri tekstil
(ratusan juta rupiah) selama tahun 2000 – 2007 sebagai berikut :

Tabel 4. Besar Pengeluaran Dalam Industri Tekstil Selama Tahun 2000 – 2007

Tahun 2000 2001 2002 2003 2004 2005 2006 2007

Pengeluaran 275 300 350 380 425 450 470 500

Catatan : Data Rekaan

a. Tentukan persamaan Trend Linier untuk data tersebut dengan menggunakan
Metode Setengah Rata-rata dan Metode Kuadrat Terkecil !
Jawab :
 Metode Setengah Rata-rata
Banyak data genap (8 tahun), maka setiap bagian mempunyai 4 data.

Tahun (t) Pengeluaran (Y)

2000 275
2001 300 → bagian 1 → rata-rata 1 = → (2001,5 ; 326, 25)
2002 350
2003 380
2004 425
2005 450 → bagian 2 → rata-rata 2 = → (2005,5 ; 471, 25)
2006 470
2007 500
 - Memasukkan kedua nilai koordinasi pada persamaan Y = a + bt
 Untuk (2001,5 , 326, 25) → 326, 25 = a + b 2001,5
 Untuk (2005,5 , 471, 25) → 461, 25 = a + b 2005,5

Menghitung :
- Eliminasi :
326, 25 = a + b 2001,5
461, 25 = a + b 2001,5 +
-135 = -4 b
33,75 =b

- Kemudian di substitusi ke persamaan

326, 25 = a + 33,75 × 2001,5
326, 25 = a + 67.550,63
a = - 67. 224,38

Sehingga persamaan trend liniernya adalah Y = - 67.224,38 +

33,75t
Dari persamaan trend diperoleh b = 33,75, artinya jumlah
pengeluaran diperkirakan akan naik sebesar 33,75 setiap
tahun.

- Metode Kuadrat Terkecil

Tabel Perhitungan Persamaan Trend Linier dengan Metode Kuadrat

Terkecil
( Tahun Genap )

Tahun Pengeluaran (Y i ) Koding (t i) tiY i ti 2

2000 275 -7 -1925 49

2001 300 -5 -1500 25
2002 350 -3 -1050 9
2003 380 -1 -380 1
2004 425 1 425 1
2005 450 3 1350 9
2006 470 5 2350 25
2007 500 7 3500 49
 Jumlah 3150 - 2770 168

 a=
∑ Y i = 3150 =393,75
n 8

 b=
∑ ti Y i =
2770
=16,49
∑ ti 168
Sehingga persamaan trend liniernya adalah Y = 393,75 + 16,49t.

Dari persamaan trend linier diatas diperoleh b = 16,49, artinya jumlah

pengeluaran diperkirakan akan naik sebesar 16,49 setiap tahun.

b. Tentukan persamaan Trend Logaritma dan Trend Eksponensial untuk data

tersebut !
Jawab :
Tabel Perhitungan Persamaan Eksponensial dan Logaritma
( Tahun Genap )

Tahun Pengeluaran (Y i ) Koding (t i) ti 2 log Y i t i logY i

2000 275 -7 49 2,439 -17,075
2001 300 -5 25 2,477 -12,386
2002 350 -3 9 2,544 -7,632
2003 380 -1 1 2,580 -2,580
2004 425 1 1 2,628 2,628
2005 450 3 9 2,653 7,960
2006 470 5 25 2,672 13,360
2007 500 7 49 2,699 18,893
Jumlah 3150 - 168 20,692 3,168

Dengan menggunakan rumus dapat diperoleh :

log a=
∑ log Y i = 20,692 =2,586 → a = antilog (2,586 ) =385,478
n 8

log b=
∑ ti log Y i = 3,168 =0,018 → b = antilog ( 0,018 ) = 1,042
∑ ti2 168

Sehingga persamaan trend logaritmanya adalah → log Y = log a + log b

= 2,586 + 0,018t

Sehingga persamaan trend eksponennya adalah Y =a bt

 t
¿ 385,478 ×1,04 2
5. Berikut adalah data mengenai umur (bulan) dan tinggi (cm) suatu jenis tanaman :

Tabel 5. Data Umur Dan Tinggi Suatu Jenis Tanaman

X (Umur, bulan) 3 5 8 7 10 12 13 14

Y (Tinggi, cm) 50 75 90 95 100 105 115 125

Catatan : Data Rekaan

a. Tentukan persamaan regresi linier sederhana !
Diagram Pencar
140

120

100

80

60

40

20

0
2 4 6 8 10 12 14 16

Dari diagram pencar diatas bias disimpulkan bahwa bentuk kurvanya garis lurus dan
jenis fungsinya linier.

Tabel Perhitungan Persamaan Regresi Linier Sederhana

X Y XY X
2
Y
2

3 50 150 9 2.500
5 75 375 25 5.625
8 90 720 64 8.100
7 95 665 49 9.025
10 100 1.000 100 10.000
12 105 1.260 144 11.025
13 115 1.495 169 13.225
14 125 1.750 196 15.625
n n n n n

∑ x i=¿72 ∑ yi =¿755 ∑ x i y i=¿7.415 ∑ x 2i =¿ 756 ∑ y2i =¿75.125

i=1 i=1 i=1 i=1 i=1
 ( )( )
n n n
n ∑ X i Y i− ∑ Xi ∑ yi
i=1 i=1 i=1
b=

(∑ )
n n
n ∑ X 2i − Xi
i=1 i=1

8× 7415 – ( 7 2 ×755 )
¿
8× 756 – ( 7 2 ×7 2 )
59.32 0−54.360
¿
6.048−5184
4.960
¿
864
= 5,74

n n

∑ yi b ∑ xi
i=1 i=1
a= −
n n
755 5,74 × 7 2
¿ −
8 8
¿ 94,38−51,66
¿ 4 2, 7 2

Sehingga persamaan Regresi Liniernya adalah Y = 42,71 + 5,74x.

- b = 5,74, menunjukkan bahwa tinggi tanaman ( cm ) akan meningkat sebesar

5,74 setiap bertambahnya umur 1 bulan.
- a = 42,72, menunjukkan bahwa ketika umur ( bulan ) sama dengan nol maka
tinggi tanaman (cm) 42,72 cm.

b. Prediksikan tinggi tanaman jika tanaman tersebut berumur 18 bulan !

Jawab :
Diketahui : X = 18
Y =a+bx
= 42,72 + 5,74 (18)
= 146,04
Jadi, prediksi tinggi tanaman jika tanaman tersebut berumur 18 bulan adalah 146,04
cm.
 c. Hitung koefisien korelasi dan koefisien determinasi sampel !
- Koefisien Korelasi

(∑ )(∑ )
n n n
n ∑ X i Y i− Xi yi
i=1 i=1 i=1
r=

√[ (∑ ) ][ ∑ (∑ ) ]
n n 2 n n 2

n∑ x −
2 2
i xi n y −
i yi
i=1 i=1 i=1 i=1

8 × 7415−(7 2×755)
¿
√[ 8 × 756−(7 2) ] [ 8 ×75.1 2 5−(755) ]
2 2

59.32 0−54.360
¿
√[ 6.048−5.184 ] [ 601.000−570.0 25 ]
4.960
¿
√[ 864 ] [ 30.975 ]
4.960
¿ =0,959
√ 2 6.76 2 .400

Nilai r = 0,959 menunjukkan bahwa umur ( Variable X) dan tinggi tanaman

( Variabel Tak Bebas Y) berkorelasi linier positif dan sangat tinggi. Hal ini
mengindikasikan bahwa kedua variable memiliki hubungan yang sangat erat.

- Koefisien Determinasi
R=r 2
¿ ( 0,959 )2
¿ 0,9 19
¿ 0,9 2

Nilai R = 0,92 menunjukkan bahwa sebesar 92% proporsi keragaman tinggi

tanaman ( V ariabel Tak Bebas Y ) dapat dijelaskan oleh nilai umur ( Variabel
Bebas X ) melalui hubungan linier Y = 42,72 + 5,74 X dan sisanya yaitu 8%
dijelaskan oleh hal-hal lain.

6. Berikut adalah pasangan data antara X dan Y

Tabel 6. Data antara X dan Y

X 40 50 48 52 55 60 80 75 100

Y 60 85 70 65 100 110 125 130 140

 Catatan : Data Rekaan

a. Hitung koefisien korelasi pearson

- n=9

Tabel Perhitungan Persamaan Regresi Linier Sederhana

X Y XY X
2
Y
2

40 60 2.400 1.600 3.600

50 85 4. 250 2.500 7. 225
48 70 3.360 2.304 4.900
52 65 3.380 2.704 4. 225
55 100 5.500 3.025 10.000
60 110 6.600 3.600 12.100
80 125 10.000 6.400 15.625
75 130 9.750 5.625 16.900
100 140 14.000 10.000 19.600
n n n n n

∑ x i=560 ∑ yi =885 ∑ x i y i=59. 240 ∑ x =37.758

2
i ∑ y2i =94.175
i=1 i=1 i=1 i=1 i=1

( )(∑ )
n n n
n ∑ X i Y i− ∑ Xi yi
i=1 i=1 i=1
- b=

(∑ )
n n
n∑ X −
2 2
i Xi ❑
i=1 i =1

9 ×59. 2 40−(560)(885)
¿ 2
9 ×37.758 – (560)
533.160−495.600
¿
339.822−313.600
37.560
¿
26. 222
¿ 1,43

n n

-
∑ yi ∑ xi
i=1
a= −b i=1
n n
885 560
¿ −1,43 ×
9 9
¿98,33 – 1,43 × 62, 22
 = 98,33 – 88,97
= 9,36

Dengan demikian persamaan regresi liniernya adalah Y= 9,36 + 1,43 X.

- b = 1,43, menunjukkan bahwa nilai X akan meningkat sebesar 1,43
setiap bertambahnya nilai Y.
- a = 9,36, menunjukkan bahwa ketika nilai Y sama dengan nol
maka nilai X sebesar 9,36.

 Koefisien Korelasi

(∑ )(∑ )
n n n
n ∑ X i Y i− Xi yi
i=1 i=1 i=1
r=

√[ (∑ ) ][ ∑ (∑ ) ]
n n 2 n n 2

n ∑ x 2i − xi n y 2i − yi
i=1 i=1 i=1 i=1

9 ×59. 2 40−(560 ×885)

¿
√[ 9× 37.758−(560) ] [ 9 × 94.175−(885) ]
2 2

533.160−495.600
¿
√[ 339.8 22−313.600 ] [ 847.575−783. 225 ]
37.560
¿
√[ 2 6.222 ][ 64.350 ]
37.560
¿
√1.687 .385 .700
37.560
¿ =0,91
41.077,80

Nilai r = 0,91 menunjukkan bahwa variable bebas X dan variable tak bebas
Y berkolerasi linier sangat tinggi dan positif. Hal ini mengindikasikan
bahwa kedua variable memiliki hubungan yang sangat erat.

 Koefisien Determinasi
2
R=r
¿(0,91)2
= 0,83
 Nilai R = 0,83 menunjukkan bahwa sebesar 83% proporsi keragaman nilai
Y dapat dijelaskan oleh nilai X melalui hubungan linier Y = 9,36 + 1,43 X
dan sisanya yaitu 17% dijelaskan oleh hal-hal lain.

b. Hitung koefisien korelasi rank spearman

- n=9
Tabel Perhitungan Koefisien Korelasi Rank Spearman
Skor Ranking di 2
di
X Y X Y
40 60 9 9 0 0
50 85 7 6 1 1
48 70 8 7 1 1
52 65 6 8 -2 4
55 100 5 5 0 0
60 110 4 4 0 0
80 125 2 3 -1 1
75 130 3 2 1 1
100 140 1 1 0 0
Jumlah 8
n
6 ∑ d 2i
i=1
r s=1− 3
n −n
6(8)
¿ 1− 3
9 −9
48
¿ 1− =0,93
720

Nilai r = 0,93 menunjukkan bahwa nilai X dan nilai y berkorelasi linier

dan positif. Hal ini mengindikasikan bahwa kedua variable memiliki hubungan
yang sangat erat.

Diperoleh koefisien determinasi :

2
R=r
¿(0,93)2
= 0,86

Nilai R = 0,86 menunjukkan bahwa sebesar 86% nilai Y dapat dijelaskan

oleh nilai X dan sisanya yaitu 14% dijelaskan oleh hal-hal lain.
7. Berikut adalah pasangan data antara X dan Y

Tabel 7. Data antara X dan Y

X 150 145 155 155 155 160 165 165 170 165

Y 40 40 45 50 55 60 60 60 65 70

Catatan : Data Rekaan

 a. Hitung koefisien korelasi pearson
- n = 10

Tabel Perhitungan Persamaan regresi Linier Sederhana

X Y XY X2 Y2
150 40 6.000 22.500 1.600
145 40 5.800 21.025 1.600
155 45 6.975 24.025 2.025
155 50 7.750 24.025 2.500
155 55 8.525 24.025 3.025
160 60 9.600 25.600 3.600
165 60 9.900 27. 225 3.600
165 60 9.900 27. 225 3.600
170 65 11.050 28.900 4.225
165 70 11.550 27. 225 4.900
n n n n n

∑ x i=1.585 ∑ yi =545 ∑ x i y i=87.050 ∑ x =251.775

2
i ∑ y2i =30.675
i=1 i=1 i=1 i=1 i=1

(∑ )(∑ )
n n n
n ∑ X i Y i− Xi yi
i=1 i=1 i=1
b=

(∑ )
n n
n ∑ X 2i − X i ❑2
i=1 i =1

10× 87.05 0−(1.585)(545)

= 2
10 ×2 51.775 – (1.585)
870.500−863.8 2 5
¿
2.517 .750−2.51 2 .22 5
6675
¿ =1 , 21
552 5

n n

∑ yi ∑ xi
i=1 i=1
a= −b
n n
545 1.585
¿ −1, 2 1×
10 10
¿ 54,5−1 , 21 ×158,5
¿ 54,5−191,79
¿−137 , 29
 Dengan demikian persamaan regresi liniernya adalah Y = -137, 29 + 1, 21
X.
- b = 1, 21, menunjukkan bahwa nilai X akan meningkat sebesar 1,
21 untuk setiap kenaikan nilai Y.
- a = -137, 29, menunjukkan bahwa ketika nilai X sama dengan nol
maka volume nilai Y sebesar -137, 29.

 Koefisien Korelasi

(∑ )(∑ )
n n n
n ∑ X i Y i− Xi yi
i=1 i=1 i=1
r=

√[ (∑ ) ][ ∑ (∑ ) ]
n n 2 n n 2

n∑ x −
2 2
i xi n y −
i yi
i=1 i=1 i=1 i=1

10 ×87.050−(1.585 ×545)
¿
√[ 10 × 251.775−(1.585) ] [ 10 × 30.675−(545) ]
2 2

870.500−863.8 25
¿
√[ 2 .517 .750−2 .512 . 225 ][ 306.750−2 97.0 25 ]
6.675
¿
√[ 5.5 25 ][ 9.7 2 5 ]
6.675
¿ =0,91
√ 53.730 .6 25

Nilai r = 0,91 menunjukkan bahwa Variabel bebas X dan Variabel tak

bebas Y berkorelasi linier tinggi dan positif. Hal ini mengindikasikan
bahwa kedua variable memiliki hubungan yang sangat erat.

 Koefisien Determinasi
2
R=r
2
¿ 0,91
= 0,83

Nilai R = 0,83 menunjukkan bahwa sebesar 83% proporsi keragaman

Nilai Y ( Variabel Tak Bebas Y ) dapat dijelaskan oleh nilai X
( Variabel Bebas X ) melalui hubungan linier Y = -137, 29 + 1 ,21 X
dan sisanya yaitu 17% dijelaskan oleh hal-hal lain.

b. Hitung koefisien korelasi rank spearman

Tabel Menghitung Koefisien Rank Spearman
 Skor Ranking di d 2i
X Y X Y
150 40 9 9,5 -0,5 0, 25
145 40 10 9,5 0,5 0, 25
155 45 7 8 -1 1
155 50 7 7 0 0
155 55 7 6 1 1
160 60 5 4 1 1
165 60 3 4 -1 1
165 60 3 4 -1 1
170 65 1 2 -1 1
165 70 3 1 2 4
Jumlah 10,5
- ∑ T X =t 165+t 155
¿ T X ,Y

3
t −t
¿
12

¿ [ ][ ]
33−3
12
+
33 −3
12
¿ 2+2=4

- ∑ T Y =t 60+ t40
¿ T X ,Y

¿ [ ][
33−3
12
+
¿ 23−2
12 ]
¿ 2+0,5=2.5

3
- ∑ X 2= n1−n
2
−∑ T X

103−1 0
¿ -4
12
990
¿ −4
12
¿ 8 2,5 – 4 = 78,5

3
n −n
- ∑Y = 2
12
−∑ T Y
 3
10 −10
¿ −2 , 5
12
¿ 8 2 ,5−2 ,5
¿ 80

- r s=
∑ X + ∑ Y −∑ d i
2 2 2

2 √∑ X ∑ Y
2 2

78,5+ 80−10,5
¿
2 √ 78,5 × 80
148
¿
2 √ 6. 280
148
¿
2× 79,25
148
¿ =0,93
158,5

Nilai r = 0,93 menunjukkan bahwa kedua variable berkorelasi

linier dan positif. Hal inimengindikasikan bahwa kedua variable
memiliki hubungan yang sanggat erat.