PENDAHULUAN
Latar Belakang
Kita ketahui bahwa kumpulan hasil pengamatan mengenai sesuatu hal, skor hasil belajar
siswa, berat bayi yang baru lahir misalnya, nilai datanya bervariasi dari yang satu dengan
yang lain. Karena adanya variasi ini untuk sekumpulan data, telah dihitung alat ukurnya,
yaitu varians. Varians bersama rata-rata juga telah banyak digunakan untuk membuat
kesimpulan mengenai populasi, baik secara deskriptif maupun induktif melalui
penaksiran dan pengujian hipotesis mengenai parameter.
Varians untuk sekumpulan data melukiskan derajat perbedaan atau variasi nilai data
individu yang ada dalam kelompok data tersebut. Secara umum varians dapat
digolongkan ke dala varians sistematik dan varians galat. Varians sistematik adalah
pengukuran karena adanya pengaruh yang menyebabkan skor atau nilai data lebih
condong ke satu arah tertentu dibandingkan ke arah lain.
Salah satu jenis varians sistematik dalam kumpulan data hasil penelitian adalah varians
antar kelompok atau disebut juga varians eksperimental. Varians ini menggambarkan
adanya perbedaan antara kelompok-kelompok hasil pengukuran. Dengan demikian
varians ini terjadi karena adanya perbedaan antara kelompok-kelompok individu.
(Sudjana.1996.Metoda Statistika.Bandung:Tarsito Bandung).
Rumusan Masalah
C. Tujuan
BAB II
PEMBAHASAN
Pengertian Anova
Anava atau Anova adalah sinonim dari analisis varians terjemahan dari analysis of
variance, sehingga banyak orang menyebutnya dengan anova. Anova merupakan bagian
dari metoda analisis statistika yang tergolong analisis komparatif lebih dari dua rata-rata
(Riduwan.2008.Dasar-dasar Statistika.Bandung:Alfabeta).
Analisis Varians (ANAVA) adalah teknik analisis statistik yang dikembangkan dan
diperkenalkan pertama kali oleh Sir R. A Fisher (Kennedy & Bush, 1985). ANAVA dapat
juga dipahami sebagai perluasan dari uji-t sehingga penggunaannya tidak terbatas pada
pengujian perbedaan dua buah rata-rata populasi, namun dapat juga untuk menguji
perbedaan tiga buah rata-rata populasi atau lebih sekaligus.
Jika kita menguji hipotesis nol bahwa rata-rata dua buah kelompok tidak berbeda, teknik
ANAVA dan uji-t (uji dua pihak) akan menghasilkan kesimpulan yang sama; keduanya
akan menolak atau menerima hipotesis nol. Dalam hal ini, statistik F pada derajat
kebebasan 1 dan n-k akan sama dengan kuadrat dari statistik t.
ANAVA digunakan untuk menguji perbedaan antara sejumlah rata-rata populasi dengan
cara membandingkan variansinya. Pembilang pada rumus variansi tidak lain adalah
jumlah kuadrat skor simpangan dari rata-ratanya, yang secara sederhana dapat ditulis
sebagai ∑ ( X i −μ) . Istilah jumlah kuadrat skor simpangan sering disebut jumlah
2
kuadrat (sum of squares). Jika jumlah kuadrat tersebut dibagi dengan n atau n-1 maka
akan diperoleh rata-rata kuadrat yang tidak lain dari variansi suatu distribusi. Rumus
untuk menentukan varians sampel yaitu,
n
∑ (Y 1−Y )2
2 i=1
S=
n−1
Seandainya kita mempunyai suatu populasi yang memiliki variansi σ 2 dan rata-rata μ.
Dari populasi tersebut misalkan diambil tiga buah sampel secara independent, masing-
masing dengan n1, n2, dan n3. Dari setiap sampel tersebut dapat ditentukan rata-rata dan
variansinya, sehingga akan diperoleh tiga buah rata-rata dan variansi sampel yang
masing-masing merupakan statistik (penaksir) yang tidak bias bagi parameternya.
Dikatakan demikian karena, dalam jumlah sampel yang tak hingga, rata-rata dari rata-rata
sampel akan sama dengan rata-rata populasi (μ) dan rata-rata dari variansi sampel juga
akan sama dengan variansi populasi (σ ¿¿ 2)¿.
ANAVA satu jalur yaitu analisis yang melibatkan hanya satu peubah bebas. Secara rinci,
ANAVA satu jalur digunakan dalam suatu penelitian yang memiliki ciri-ciri berikut:1.
Melibatkan hanya satu peubah bebas dengan dua kategori atau lebih yang dipilih dan
ditentukan oleh peneliti secara tidak acak. Kategori yang dipilih disebut tidak acak karena
peneliti tidak bermaksud menggeneralisasikan hasilnya ke kategori lain di luar yang
diteliti pada peubah itu. Sebagai contoh, peubah jenis kelamin hanya terdiri atas dua
ketgori (pria-wanita), atau peneliti hendak membandingkan keberhasilan antara Metode
A, B, dan C dalam meningkatkan semangat belajar tanpa bermaksud menggeneralisasikan
ke metode lain di luar ketiga metode tersebut.
Pola sampel
Sampel yang digunakan adalah sampel yang homogen untuk semua perlakuan.
Contoh penyusunan pola sampel dari 6 perlakuan dengan masing-masing 5 ulangan:
P2 P1 P2 P4 P3 P5
P5 P5 P3 P1 P4 P2
P3 P1 P6 P3 P4 P6
P5 P4 P2 P6 P1 P6
P2 P6 P4 P3 P3 P5
Sumber keragaman
Dalam one way anova keragaman dipengaruhi oleh perlakuan atau antar x dan
galat( uncontroled variabel) atau dalam x.
Kenormalan
Setiap harga dalam sampel berasal dari distribusi normal. Sehingga distribusi
skor sampel dalam kelompokpun hendaknya normal. Kenormalan dapat diatasi dengan
memperbanyak sampel dalam kelompok. Karena semakin banyak maka distribusi akan
mendekati normal. Apabila sampel tiap kelompok kecil dan tidak dapat pula diatasi
dengan jalan melakukan transformasi.
Kesamaan variansi
Pengamatan bebas
analisisnya mudah
missing data tidak perlu diduga sekalipun terdapat keragaman yang berbeda antar
masing-masing perlakuan
Anova pengembangan atau penjabaran lebih lanjut dari uji-t ( t hitung) .Uji-t atau uji-z
hanya dapat melihat perbandingan dua kelompok data saja. Sedangkan anova satu jalur
lebih dari dua kelompok data. Contoh: Perbedaan prestasi belajar statistika antara
mahasiswa tugas belajar ( X 1 ), izin belajar ( X 2 ) dan umum ( X 3 ).
Anova lebih dikenal dengan uji-F (Fisher Test), sedangkan arti variasi atau varian itu
asalnya dari pengertian konsep “Mean Square” atau kuadrat rerata (KR).
Rumusnya :
JK
KR =
db
Varian dalam group dapat juga disebut Varian Kesalahan (Varian Galat). Dapat
dirumuskan :
(∑ X Ai )2 (∑ X τ )2
J KA = ∑ − untuk db A= A−1
n Ai N
2 (∑ X Ai)2
J K D =( ∑ X τ ) −∑ untuk db D =N− A
n Ai
Dimana
(∑ X τ )2
= sebagai faktor koreksi
N
( )
2 2 2
(∑ X Ai )2 (∑ X τ )2 ( ∑ X A 1 ) ( ∑ X A 2 ) ( ∑ X A 3 ) (∑ X τ )2
J KA = ∑ − = + + −
n Ai N nA1 nA2 nA 3 N
JK A
Hitunglah kudrat rerata antar group ( KR A ) dengan rumus : KR A =
db A
2
(∑ X Ai)
J K D =( ∑ X τ )2−∑
n Ai
2 2 2
2 2 2 ( ∑ X A 1) (∑ X A2 ) (∑ X A3)
¿∑ X A1 +¿ ∑ X A2 +¿∑ X A3 −( + + )
nA1 nA2 nA3
JK D
Hitunglah kuadrat rerata dalam antar group ( KR D ) dengan rumus : KR D =
db D
KR A
Carilah F hitung dengan rumus : F hitung =
KR D
Antar ∑ A−1 JK A KR A α
group 2
(∑ X Ai ) (∑ X τ )
2
db A KR D
−
(A) n Ai N
Dalam 2 (∑ X AiN−
) A
2
JK D - -
group (∑ X τ ) −∑
n Ai db D
(D)
Tentukan kriteria pengujian : jika F hitung ≥ F tabel , maka tolak H 0 berarti signifan dan
konsultasikan antara F hitung dengan F tabel kemudian bandingkan
Buat kesimpulan.
Seorang ingin mengetahui perbedaan prestasi belajar untuk mata kuliah dasar-dasar
statistika antara mahassiswa tugas belajar, izin belajarn dan umum.
Umum ( A3 ) = 6 9 8 7 8 9 6 6 9 8 6 8 = 12 orang
LANGKAH-LANGKAH MENJAWAB :
Diasumsikan bahwa data dipilih secara random, berdistribusi normal, dan variannya
homogen.
H a = Terdapat perbedaan yang signifikan antara mahasiswa tugas belajar, izin belajar dan
umum.
H 0 = Tidak ada perbedaan yang signifikan antara mahasiswa tugas belajar, izin belajar
dan umum.
H a : A1 ≠ A2 = A3 H a : A1 ≠ A 2 = A3
Anava atau Anova adalah sinonim dari analisis varians terjemahan dari analysis of
variance, sehingga banyak orang menyebutnya dengan anova. Anova merupakan bagian
dari metoda analisis statistika yang tergolong analisis komparatif lebih dari dua rata-rata
(Riduwan.2008.Dasar-dasar Statistika.Bandung:Alfabeta).
Menurut M. Iqbal Hasan (2003), pengujian klasifikasi dua arah tanpa interaksi
merupakan pengujian hipotesis beda tiga rata-rata atau lebih dengan dua faktor yang
berpengaruh dan interaksi antara kedua faktor tersebut ditiadakan. Tujuan dari pengujian
anova dua arah adalah untuk mengetahui apakah ada pengaruh dan berbagai kriteria yang
diuji terhadap hasil yang diinginkan.
∑ T i2 T2
( JKB )= i=1 −
k kb
∑ T j2 T
2
( JKK ) = j=1 −
k kb
Keterangan : T = total
Contoh Soal :
Berikut ini adalah hasil perhektar dari 4 jenis padi dengan penggunaan pupuk yang
berbeda.
V1 V2 V3 V4 T
P1 4 6 7 8 25
P2 9 8 10 7 34
P3 6 7 6 5 24
19 21 23 20 83
Dengan taraf nyata 5%, ujilah apakah rata-rata hasil perhektar sama untuk
Jawab:
Hipotesis
H 0=a1=a2=a3
H 1=sekurang−kurangnya ada satu ai ≠ 0
Untuk baris
V 1=b−1=3−1=2
f a(V 1
=f 0,05(2 ;6) =5,14
;V 2)
Untuk kolom
V 1=b−1=4−1=3
f a(V 1
=f 0,05(3 ;6) =4,76
;V 2)
Kreteria pengujian
Perhitungan
b k 2
T
( JKT )=∑ ∑ T ij 2−
i=1 j=1 kb
2
2 83
2 2
¿ 4 +9 +…+5 −
4 (3)
¿ 605−574,08
¿ 30,92
b
∑ T i2 T
2
( JKB )= i=1 −
k kb
2 2 2 2
25 + 34 +24 83
¿ −
4 4 (3)
2357 6889
¿ −
4 12
¿ 589,25−574,08
¿ 15,17
b
∑ T j2 T
2
( JKK ) = j=1 −
k kb
2 2 2 2 2
19 + 21 +23 +20 83
¿ −
3 4 ( 3)
1731 6889
¿ −
3 12
¿ 577−574,08
¿ 2,92
¿ 30,92−15,17−2,92=12,83
2
S2 0,97
f 2= 2
= =0,45
S3 2,14
Kesimpulan
Karena f 0=3,55< f 0,05 (2 ;6 )=5,14 . Maka H 0 diterima. Jadi, rata-rata hasil perhektar sama
untuk pemberian ketiga jenispupuk tersebut.
Karena f 0=0,45< f 0,05 (3 ;6 )=4,76. Maka H 0 diterima. Jadi, rata-rata hasil perhektar sama
untuk penggunaan ke-4 varietas tanaman tersebut.
Pengujian klasifikasi dua arah dengan interaksi merupakan pengujian beda tiga rata-rata
atau lebih dengan dua faktor yang berpengaruh dan pengaruh interaksi antara kedua
faktor tersebut diperhitungkan. ( Hasan, Iqbal. 2006. Analisis Data Penelitian dengan
Statistik. Jakarta: Bumi Aksara ).
b k n 2
T
∑ ∑ ∑ X ijk 2
−
bkn
JKT = i=1 j=1 k=1
JKB =
∑ T i2 T
2
i=1
−
kn bkn
Jumlah Kuadrat kolom
b
JKK =
∑ T j2 T2
j =1
−
bn bkn
JK(BK) =
∑ ∑ T ij ∑ T i ∑ T j
2 2 2
2
T
i=1 j=1 i=1 j=1
− − +
n kn bn bkn
JKE= JKT-JKB-JKK-JK(BK)
Keterangan : T = total
1) Contoh soal :
64 72 74
t1 66 81 51 607
70 64 65
65 57 47
t2 63 43 58 510
58 52 67
59 66 58
t3 68 71 39 527
65 59 42
58 57 53
t4 41 61 59 466
46 53 38
jawab :
Hipotesis
'
f 1> 3,01→ H 0 ditolak
''
f 2> 3,40→ H 0 ditolak
'' '
f 3> 2,51→ H 0 ditolak
Perhitungan
b k n
T2 21102
JKT= ∑ ∑ ∑ X ijk −
2
=642 +662 +…+ 382−
i=1 j=1 k=1 bkn 36
b k
n
T2 21102
∑∑∑ X ijk
bkn
2
=642 +662 +…+ 382− −
36
i=1 j=1 k=1
4452100
127448− =127448−123669=3779
36
b
JKB =
∑ T i2 2
T =
6072 +5102 +5272 +466 2 21102
− =1157
i=1
− 9 36
kn bkn
b
JKK =
∑ T j2 T 2 7232 +7362 +6512 21102
j =1
− = − =350
bn bkn 12 36
b k b k
JK(BK) =
∑ ∑ T ij 2
∑ Ti 2
∑ T j2 2
T
i=1 j=1 i=1 j=1
− − +
n kn bn bkn
= 771
JKE= JKT – JKB – JKK - JK(BK) = 3779 –1157 – 350 – 771 = 1501
JKB 1157
2
S1 = = =385,67
db 4−1
JKK 350
S22= = =175
db 3−1
2 JK (BK ) 771
S3 = = = 128,5
db 6
2 JKE 1501
S4 = = = 62,54
db 24
2
S1 385,67 '
f 1= = =6,17> f 1 tab maka H 0 ditolak
S4
2
62,54
2
S2 175
f 1= = =2,8< f 2 tab maka H '0' diterima
S4
2
62,54
2
S3 128,5 '' '
f 1= = =2,05< f 3 tab maka H 0 diterima
S4
2
62,54
Kesimpulan
ANALISIS REGRESI
Analisis regresi adalah kajian terhadap hubungan satu variable yang disebut
dengan variable yang diterangkan (the explained variable) dengan satu atau dua variable
yang menerangkan (the explanatory). Variabel pertama disebut juga sebagai variable
tergantung dan variable kedua disebut juga sebagai variable bebas. 1[1] Analisis regresi
merupakan salah satu analisis yang bertujuan untuk mengetahui pengaruh suatu
variabel terhadap variabel lain.2[2] Sir Francis Galton (1822 – 1911), memperkenalkan
model peramalan, penaksiran, atau pendugaan, yang selanjutnya dinamakan regresi,
sehubungan dengan penelitiannya terhadap tinggi badan manusia. Penelitian tersebut
membandingkan antara tinggi anak laki-laki dan tinggi badan ayahnya. Galton
menunjukkan bahwa tinggi badan anak laki-laki dari ayah yang tinggi setelah beberapa
generasi cenderung mundur (regressed) mendekati nilai tengah populasi. Dengan kata
lain, anak laki-laki dari ayah yang badannya sangat tinggi cenderung lebih pendek dari
pada ayahnya, sedangkan anak laki-laki dari ayah yang badannya sangat pendek
cenderung lebih tinggi dari ayahnya. (Ronal E. Walpole).
Hubungan antar variabel dapat berupa hubungan linier ataupun hubungan tidak
linier. Misalnya, berat badan orang dewasa sampai pada tahap tertentu bergantung
2
pada tinggi badan, keliling lingkaran bergantung pada diameternya, dan tekanan gas
bergantung pada suhu dan volumenya. Atau dalam ilmu pemasaran, nilai penjualan
akan bergantung pada biaya promosi. Hubungan-hubungan itu bila dinyatakan dalam
bentuk matematis akan memberikan persamaan-persamaan tertentu. Untuk dua
variabel, hubungan liniernya dapat dinyatakan dalam bentuk persamaan linier, yakni: Y =
a + bX. Hubungan antara dua variabel pada persamaan linier jika digambarkan secara
(scatter diagram), semua nilai Y dan X akan berada pada suatu garis lurus. Dan dalam
ilmu ekonomi, garis itu dinamakan garis regresi.
Berkaitan dengan analisis regresi ini, setidaknya ada empat kegiatan yang lazim
dilaksanakan yakni :
Menguji berapa besar variasi variabel dependen dapat diterangkan oleh variasi
independen.
Melihat apakah tanda magnitude dari estimasi parameter cocok dengan teori.
Analisis regresi dalam statistika adalah salah satu metode untuk menentukan hubungan
sebab akibat antara satu variabel dengan variabel yang lain. Analisis regresi adalah salah
satu analisis yang paling populer dan luas pemakaiannya. Hampir semua bidang ilmu
yang memerlukan analisis. Analisis regresi dan analisis korelasi dikembangkan untuk
mengkaji dan mengukur hubungan antara dua variabel atau lebih. Dalam analisis regresi
dikembangkan persamaan estimasi untuk mendeskripsikan pola atau fungsi hubungan
antara variabel-variabel. Sesuai dengan namanya, persamaan estimasi atau persamaan
regresi itu digunakan untuk mengestimasi nilai dari suatu variabel berdasarkan nilai
variabel lainnya. Variabel yang di estimasi itu disebut variabel dependen (atau variabel
terikat) sedangkan variabel yang diperkirakan memengaruhi variabel dependen itu
disebut variabel independen (atau variabel bebas). 3[3]
Membuat estimasi rata-rata dan nilai variabel tergantung dengan didasari pada nilai
variabel bebas.
3
Untuk meramalkan nilai rata-rata variabel bebas dengan didasarkan pada nilai variabel
bebas diluar jangkauan sample.4[4]
Model regresi dikatakan layak jika angka signifikansi pada ANOVA sebesar < 0.05.
Predictor yang digunakan sebagai variabel bebas harus layak. Kelayakan ini diketahui jika
angka Standard Error of Estimate < Standard Deviation.
Koefesien regresi harus signifikan. Pengujian dilakukan dengan Uji T. Koefesien regresi
signifikan jika T hitung > T tabel (nilai kritis).
Tidak boleh terjadi multikolinieritas, artinya tidak boleh terjadi korelasi yang sangat
tinggi atau sangat rendah antar variabel bebas. Syarat ini hanya berlaku untuk regresi
linier berganda dengan variabel bebas lebih dari satu.
Tidak terjadi otokorelasi. Terjadi otokorelasi jika angka Durbin dan Watson (DB) sebesar
< 1 dan > 3.
Terdapat hubungan linier antara variabel bebas (X) dan variabel tergantung (Y)
Kedua variabel bersifat dependen, artinya satu variabel merupakan variabel bebas
(disebut juga sebagai variabel predictor) sedang variabel lainnya variabel tergantung
(disebut juga sebagai variabel response).5[5]
5
istrinya. Dengan hadirnya seorang anak, maka rasa sayang tersebut bertambah. Berarti
variabel anak merupakan moderating antara rasa saya suami terhadap istri. Contoh lain:
kompensasi memperkuat pengaruh antara kepuasan kerja terhadap kinerja. Artinya
kepuasan kerja berpengaruh terhadap kinerja, dan adanya kompensasi yang tinggi maka
pengaruh antara kepuasan kerja terhadap kinerja menjadi lebih meningkat. Dalam hal
ini, kompensasi bisa saja berpengaruh terhadap kinerja bisa saja tidak. 6[6] Metode
analisis regresi linear dengan variabel moderating antara lain:
Metode ini dilakukan dengan menambahkan variabel perkalian antara variabel bebas
dengan variabel moderatingnya, sehingga persamaan umumnya adalah sebagai berikut:
Y = a + b1 X1 + b2 X2 + b3 X1 X2 dengan Y adalah kinerja, X1 adalah kepuasan kerja, X2
kompensasi dan X1 X2 adalah perkalian antara kepuasan kerja dengan kompensasi.
Hipotesis moderating diterima jika variabel X1 X2 mempunyai pengaruh signifikan
terhadap Y, tidak tergantung apakah X1 dan X2 mempunyai pengaruh terhadap Y atau
tidak. Model ini biasanya menyalahi asumsi multikolinearitas atau adanya korelasi yang
tinggi antara variabel bebas dalam model regresi, sehingga menyalahi asumsi klasik.
Hampir tidak ada model MRA yang terbebas dari masalah multikolinearitas, sehingga
sebenarnya model ini tidak disarankan untuk dipergunakan.
Absolut residual
Model ini mirip dengan MRA, tetapi variabel moderating didekati dengan selisih mutlak
(absolut residual) antara variabel bebas dengan variabel moderatingnya. Penerimaan
hipotesis juga sama, dan model ini masih riskan terhadap gangguan multikolinearitas
meskipun risiko itu lebih kecil dari pada dengan metode MRA.
Residual
Model ini menggunakan konsep lack of fit yaitu hipotesis moderating diterima terjadi
jika terdapat ketidakcocokan dari deviasi hubungan linear antara variabel independen.
Langkahnya adalah dengan meregresikan antara kepuasan kerja terhadap kompensasi
dan dihitung nilai residualnya. Pada program SPSS dengan klik Save pada regreesion, lalu
klik pada usntandardized residual. Nilai residual kemudian diambil nilai absolutnya lalu
diregresikan antara kinerja terhadap absolut residual.
Uji Hipotesis
6
adalah probabilitas melakukan kesalahan tipe 1, yaitu kesalahan menolak hipotesis
ketika hipotesis tersebut benar. Tingkat kepercayaan pada umumnya ialah sebesar 95%,
yang dimaksud dengan tingkat kepercayaan ialah tingkat dimana sebesar 95% nilai
semple akan mewakili nilai populasi dimana sample berasal. Dalam melakukan uji
hipotesis terdapat dua hipotesis, yaitu:
Contoh uji hipotesis misalnya rata-rata produktivitas pegawai sama dengan 10 (∑ x = 10),
maka bunyi hipotesisnya ialah:
Dalam pengujian akan menghasilkan dua kemungkinan, yaitu pengujian signifikan secara
statistic jika kita menlak HO dan pengujian tidak signifikan secara statistic jika kita
menerima H0.
Jika kita menggunakan nilai t, maka jika nilai t yang semakin besar atau menajuhi 0, kita
akan cenderung menolak H0, sebaliknya jika nilai t semakin kecil atau mendekati 0 kita
akan cenderung menerima H0.7[7]
Istilah regresi pertama kali diperkenalkan oleh Sir Francis Galton pada tahun 1886.
Galton menemukan adanya tendensi bahwa orang tua yang memiliki tubuh tinggi
memiliki anak-anak yang tinggi, orang tua yang pendek memiliki anak-anak yang pendek
pula. Kendati demikian. Ia mengamati bahwa ada kecenderungan tinggi anak cenderung
bergerak menuju rata-rata tinggi populasi secara keseluruhan. Dengan kata lain,
ketinggian anak yang amat tinggi atau orang tua yang amat pendek cenderung bergerak
kearah rata-rata tinggi populasi. Inilah yang disebut hukum Golton mengenai regresi
universal. Dalam bahasa galton, ia menyebutkan sebagai regresi menuju mediokritas.
7
Secara umum, analisis regresi pada dasarnya adalah studi mengenai ketergantungan
satu variabel dependen (terikat) dengan satu atau lebih variabel independent (variabel
penjelas/bebas), dengan tujuan untuk mengestimasi dan/ atau memprediksi rata-rata
populasi atau niiai rata-rata variabel dependen berdasarkan nilai variabe! independen
yang diketahui. Pusat perhatian adalah pada upaya menjelaskan dan mengevalusi
hubungan antara suatu variabel dengan satu atau lebih variabel independen.
Hasil analisis regresi adalah berupa koefisien regresi untuk masing-masing variable
independent. Koefisien ini diperoleh dengan cara memprediksi nilai variable dependen
dengan suatu persamaan.
Pengertian Korelasi
Korelasi merupakan teknik analisis yang termasuk dalam salah satu teknik pengukuran
asosiasi / hubungan (measures of association). Pengukuran asosiasi merupakan istilah
umum yang mengacu pada sekelompok teknik dalam statistik bivariat yang digunakan
untuk mengukur kekuatan hubungan antara dua variabel.
Dalam korelasi sempurna tidak diperlukan lagi pengujian hipotesis, karena kedua
variabel mempunyai hubungan linear yang sempurna. Artinya variabel X mempengaruhi
variabel Y secara sempurna. Jika korelasi sama dengan nol (0), maka tidak terdapat
hubungan antara kedua variabel tersebut. Dalam korelasi sebenarnya tidak dikenal
istilah variabel bebas dan variabel tergantung. Biasanya dalam penghitungan digunakan
simbol X untuk variabel pertama dan Y untuk variabel kedua. Dalam contoh hubungan
antara variabel remunerasi dengan kepuasan kerja, maka variabel remunerasi
merupakan variabel X dan kepuasan kerja merupakan variabel Y.
Korelasi produk momen Pearson untuk mengukur derajat asosiasi beberapa peubah
dengan skala interval atau rasio.
Korelasi Spearman untuk mengukur derajat asosiasi antara beberapa dengan skala
ordinal (rank).
Koefisien korelasi linier ( r ) adalah ukuran hubungan linier antara dua variabel/peubah
acak X dan Y untuk mengukur sejauh mana titik-titik menggerombol sekitar sebuah garis
lurus regresi. Berikut ini adalah rumus dari Korelasi :
Koefisien korelasi atau derajat asosiasi dua peubah (dinotasikan dengan r). Besarnya r
berkisar antara -1<.r<1. Ilustrasi grafik sebaran data dengan berbagai nilai korelasi dapat
disajikan dalam bentuk diagram pencar.
Koefisien Determinasi ( r2 )
untuk menyatakan proporsi keragaman total nilai-nilai peubah Y yang dapat dijelaskan
oleh nilai-nilai peubah X melalui hubungan linier tersebut.
Contoh : r = 0,6 artinya 0,36 atau 36 % diantara keragaman total nilai-nilai Y dapat
dijelaskan oleh hubungan liniernya dengan nilai-nilai X. atau Besarnya sumbangan X
terhadap naik turunnya Y adalah 36 % sedangkan 64 % disebabkan oleh faktor lain.
Berikut adalah data biaya promosi dan volume penjualan PT. Sukasukaku perusahaan
minyak goreng.
Tahun X Y xy X2 Y2
Volume
penjualan
Biaya
Promosi (Ratusan
juta
(Juta rupiah per
Rupiah) liter)
1992 2 5 10 4 25
1993 4 6 24 16 36
1994 5 8 40 25 64
1995 7 10 70 49 100
1996 8 11 88 64 121
Pengujian T
Tes t atau uji t adalah uji statistik yang digunakan untuk menguji kebenaran atau
kepalsuan hipotesis nol. Uji t pertama kali dikembangkan oleh William Seely Gosset
pada tahun 1915. Awalnya William Seely Gosset menggunakan nama samaran Student,
dan huruf t yang terdapat dalam istilah uji “t” dari huruf terakhir nama beliau. Uji t
disebut juga dengan nama student t.(Ridwan, 2006)
Uji t (t – test) merupakan statistik uji yang sering kali ditemui dalam masalah – masalah
praktis statistika. Uji t merupakan dalam golongan statistika parametrik.Statistik uji ini
digunakan dalam pengujian hipotesis, uji t digunakan ketika informasi mengenai nilai
variance (ragam) populasi tidak diketahui. Uji t adalah salah satu uji yang digunakan
untuk mengetahui ada atau tidaknya perbedaan yang signifikan (menyakinkan) dari dua
mean sampel (dua buah variabel yang dikomparasikan). Uji t dapat dibagi menjadi 2 ,
yaitu uji t yang digunakan untuk pengujian hipotesis 1 sampel dan uji t yang digunakan
untuk pengujian hipotesis 2 sampel. Bila duhubungkan dengan kebebasan (independency)
sampel yang digunakan (khusus bagi uji t dengan 2 sampel), maka uji t dibagi lagi
menjadi 2, yaitu uji t untuk sampel bebas (independent) dan uji t untuk sampel
berpasangan (paired).(Ridwan, 2006)
T-test dependent atau sering diistilakan dengan Paired Sampel t-Test, adalah jenis uji
statistika yang bertujuan untuk membandingkan rata-rata dua grup yang saling
berpasangan. Sampel berpasangan dapat diartikan sebagai sebuah sampel dengan subjek
yang sama namun mengalami 2 perlakuan atau pengukuran yang berbeda, yaitu
pengukuran sebelum dan sesudah dilakukan sebuah treatment.(Sugiyono, 2010)
Menurut Prof. Dr. Sugiyono (2009), definisi dari t test dependent adalah pengujian yang
mana tidak adanya perbedaan yang signifikan antara nilai variabel dari dua sampel yang
berpasangan atau berkolerasi. Sampel berpasangan dapat berupa :
Satu sampel yang diukur dua kali misalnya sebelum sampel diberi iklan dan sesudah
diberi iklan. Yang diukur selanjutnya adalah apakah setelah diberi iklan anggota sampel
yang membeli barang lebih banyak daripada anggota sampel sebelum diberi iklan atau
tidak.
Dua sampel berpasangan diukur bersama, misalnya sampel yang satu diberi iklan, sampel
yang lain tidak. Yang diukur selanjutnya adalah apakah anggota sampel yang diberi iklan
memberi barang lebih banyak atau tidak dari pada yang tidak diberi iklan.
Fungsi dari t-test dependent adalahuntuk membandingkan rata-rata dua grup yang saling
berpasangan. Sampel berpasangan dapat diartikan sebagai sebuah sampel dengan subjek
yang sama namun mengalami 2 perlakuan atau pengukuran yang berbeda, yaitu
pengukuran sebelum dan sesudah dilakukan sebuah perlakuan. Selain itu untuk menguji
efektifitas suatu perlakuan terhadap suatu besaran variabel yang ingin ditentukan,
misalnya untuk mengetahui efektifitas metode penyuluhan terhadap peningkatan
pengetahuan dari responden.(Ridwan, 2009)
Uji komparasi antar dua nilai pengamatan berpasangan, misalnya: sebelum dan sesudah
(Sugiyono, 2010)
Tahap pengujian hipotesis disesuaikan pada hipotesis yang diajukan, dalam makalah ini
yang akan dibahas adalah pengujian hipotesis Deskriptif atau yang lebih sering disebut
dengan uji hipotesis satu sampel (Uji –t Rerata 1 sampel). Dimana telah dijelaskan diatas
bahwa hipotesis deskriptif adalah jawaban sementara dari rumusan masalah Deskriptif
(1 varibel yang diteliti).
Terdapat dua macam pengujian hipotesis deskriptif , yaitu dengan uji dua pihak (two tail
test) dan uji satu pihak (one tail test). uji satu pihak ada dua macam yaitu uji pihak kanan
dan uji pihak kiri. Jenis uji mana yang digunakatergantung pada bunyi hipotesis yang
diajukan.
· Uji dua pihak pada hipotesis1 sampel digunakan jika bunyi hipotesisnya “sama
dengan” Ho = Ha, misal daya tahan berdiri pelayan toko perhari sama dengan 8 jam.
ü Pihak kiri jika Ho nya berbunyi lebih besar atau sama dengan dan Ha nya berbunyi
lebih kecil
ü Pihak kanan jika Ho nya berbunyi Lebih kecil atau sama dengan dan Ha nya berbunyi
lebih besar.
Rumus yang digunakan untuk menguji hipotesis satu sampel ini yang datanya interval
atau rasio adalah sebagai berikut:
Dimana:
S = Simpangan Baku
Keterangan
D = Selisih x1 dan x2 (x1-x2)
n = Jumlah Sampel
X bar = Rata-rata
Sd = Standar Deviasi dari d.
Tetapkan H0 dan H1
Lakukan uji signifikansi dengan membandingkan besarnya “ t” hitung dengan “t” tabel.
A 78 75
B 60 68
C 55 59
D 70 71
E 57 63
F 49 54
G 68 66
H 70 74
I 81 89
J 30 33
K 55 51
L 40 50
M 63 68
N 85 83
O 70 77
P 62 69
Q 58 73
R 65 65
S 75 76
T 69 86
Menentukan t hitung
Menghitung t hitung:
Ho ditolak , sehingga disimpulkan bahwa terdapat perbedaan yang signifikan antara hasil
belajar statistika II sebelum dan sesudah diterapkannya Metode “ABG”.
BAB III
PENUTUP
Kesimpulan
Anava atau Anova adalah anonim dari analisis varian terjemahan dari analysis of
variance, sehingga banyak orang yang menyebutnya dengan anova. Anova merupakan
bagian dari metoda analisis statistika yang tergolong analisis komparatif (perbandingan)
lebih dari dua rata-rata.
Uji anova satu arah adalah untuk membandingkan lebih dari dua rata-rata. Sedangkan
gunanya untuk menguji kemampuan generalisasi. Maksudnya dari signifikansi hasil
penelitian (anava satu jalur). Jika terbukti berbeda berarti kedua sampel tersebut dapat
digeneralisasikan, artinya data sampel dianggap dapat mewakili populasi.
Anova pengembangan atau penjabaran lebih lanjut dari uji-t ( t hitung) .Uji-t atau uji-z
hanya dapat melihat perbandingan dua kelompok data saja. Sedangkan anova satu jalur
lebih dari dua kelompok data. Contoh: Perbedaan prestasi belajar statistika antara
mahasiswa tugas belajar ( X 1 ), izin belajar ( X 2 ) dan umum ( X 3 ).
Korelasi merupakan hubungan antara dua kejadian dimana kejadian yang satu dapat
mempengaruhi eksistensi kejadian yang lain, Misalnya kejadian X mempengerahui
kejadian Y. Apabila dua variable X dan Y mempunyai hubungan, maka nilai variable X
yang sudah diketahui dapat dipergunakan untuk memperkirakan/menaksir atau
meramalkan Y. Ramalan pada dasarnya merupakan perkiraan/taksiran mengenai
terjadinya suatu kejadian(nilai suatu variabel) untuk waktu yang akan datang. Variable
yang nilainya akan diramalkan disebut variable tidak bebas (dependent variable),
sedangkan variabel C yang nilainya dipergunakan untuk meramalkan nilai Y disebut
variable bebas (independent variable) atau variable peramal (predictor) atau seringkali
disebut variable yang menerangkan (explanatory).
Analisis regresi berbeda dengan analisis korelasi. Jika analisis korelasi digunakan untuk
melihat hubungan dua variable; maka analisis regresi digunakan untuk melihat pengaruh
variable bebas terhadap variable tergantung serta memprediksi nilai variable tergantung
dengan menggunakan variable bebas.
Dalam analisis regresi variable bebas berfungsi untuk menerangkan (explanatory) sedang
variable tergantung berfungsi sebagai yang diterangkan (the explained).
Untuk mengumpulkan data waktu ke waktu kita dapat menggunakan deret berkala
metode semi average.
Saran
Saran dari makalah ini yaitu apabila ada kesalahan penulisan pada makalah ini dimohon
para pendengar atau pembaca untuk mengkritik makalah ini agar kita dapat puas.
DAFTAR PUSTAKA
[1] Arnita, Pengantar Statistika, Bandung: Citapustaka Media Perintis, 2013, hal: 142
[3] Sunardi Nur, Pengantar Statistika, Jakarta: Bumi Aksara, 2009, hal: 121
[4] Arnita, Pengantar Statistika, Bandung: Citapustaka Media Perintis, 2013, hal: 142
[5] Ibid, hal: 143-144
[6] Sunardi Nur, Pengantar Statistika, Jakarta: Bumi Aksara, 2009, hal: 123
[7] Arnita, Pengantar Statistika, Bandung: Citapustaka Media Perintis, 2013, hal: 144-145
Popham, W. James & Sirotnik, Kenneth A. (1973). Educational Statistics. New York:
University of California, Los Angeles
Riduwan.2008.Dasar-dasar Statistika.Bandung:Alfabeta