BAB I

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

Adapun rumusan masalah dalam penulisan makalah ini diantaranya yaitu :

1. Apa pengertian anova ?

2. Bagaimana cara Penghitungan one way anova?

3. Bagaimana cara perhitungan Two way anova?

4. . Bagaimana cara perhitungan regresi

5. . Bagaimana cara perhitungan Korelasi

6. . Bagaimana cara perhitungan Uji T

C. Tujuan

Adapun tujuan dalam penulisan makalah ini diantaranya yaitu :

1. . Untuk mengetahui pengertian anova

2. . Untuk mengetahui cara Penghitungan one way anova

3. . Untuk mengetahui cara perhitungan Two way anova

4. . Untuk mengetahui cara perhitungan regresi

5. . Untuk mengetahui cara perhitungan Korelasi

6. . Untuk mengetahui cara perhitungan Uji T

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)¿.

One Way Anova

Analisis varians banyak digunakan pada penelitian-penelitian yang banyak melibatkan

pengujian komparatif yaitu menguji variabel terikat dengan cara membandingkannya
pada kelompok-kelompok sampel independen yang diamati. Analisis varians saat ini
banyak digunakan dalam penelitian survey dan penelitian eksperimen. One way anova
dilakukan untuk menguji perbedaan tiga kelompok atau lebih berdasarkan satu variabel
independen.

populasi ke-i. ( Sudjana.1996.Metoda Statistika.Bandung:Tarsito Bandung).

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.

Asumsi-asumsi dasar dalam anova

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

Masing-masing kelompok hendaknya berasal dari populasi yang mempunyai

variansi yang sama. Untuk sampel yang sama pada setiap kelompok, kesamaan variansi
dapat diabaikan. Tetapi, jika banyaknya sampel pada setiap kelompok tidak sama maka
kesamaaan variansi sangat diperlukan.

Pengamatan bebas

Sampel hendaknya diambil secara acak (random). Sehingga setiap pengamatan

merupakan informasi yang bebas.

keuntungan menggunakan one way anova

membuat lay out mudah

analisisnya mudah

ulangan masing-masing perlakuan tidak perlu sama

missing data tidak perlu diduga sekalipun terdapat keragaman yang berbeda antar
masing-masing perlakuan

derajat bebas galat yang tersedia maksimum.

Kerugian menggunakan one way anova

Jika perlakuan banyak maka sulit mendapatkan media yang homogen

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

Dimana: J K = jumlah kuadrat (some of square)

db = derajat bebas (degree of freedom)

Menghitung nilai Anova atau F ( F hitung) dengan rumus :

V A KR A J K A :db A varian antar group

F hitung= = = =
V D KR D J K D :db D varian antar group

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

N = Jumlah keseluruhan sampel (jumlah kasus dalam penelitian).

A = Jumlah keseluruhan group sampel.

Langkah-langkah Anova Satu Arah

Prosedur Uji Anova Satu Arah

Sebelum anova dihitung, asumsikan bahwa data dipilih secara

 random,berdistribusi normal, dan variannya homogen.

Buatlah hipotesis ( H a dan H 0) dalam bentuk kalimat.

Buatlah hipotesis ( H a dan H 0)dalam bentuk statistik.

Buatlah daftar statistik induk.

Hitunglah jumlah kuadrat antar group ( J K A ) dengan rumus :

( )
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

Hitunglah derajat bebas antar group dengan rumus : db A= A−1

JK A
Hitunglah kudrat rerata antar group ( KR A ) dengan rumus : KR A =
db A

Hitunglah jumlah kuadrat dalam antar group ( J K D ) dengan rumus :

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

Hitunglah derajat bebas dalam group dengan rumus : db D =N− A

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

Tentukan taraf signifikansinya, misalnya α = 0,05 atau α = 0,01

Cari F tabel dengan rumus : F tabel=F (1−α )(db A ,db D)

Buat Tabel Ringkasan Anova

TABEL RINGKASSAN ANOVA SATU ARAH

Sumber Jumlah Kuadrat Derajat Kuadrat F hitung Taraf

Varian (JK) bebas Rerata Signifikan

(SV) (db)
 (KR) (ρ)

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)

Total 2 (∑ X τ)2 N−1 - - -

(∑ X τ ) −
N

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.

Contoh Soal dan Pembahasan

Seorang ingin mengetahui perbedaan prestasi belajar untuk mata kuliah dasar-dasar
statistika antara mahassiswa tugas belajar, izin belajarn dan umum.

Data diambil dari nilai UTS sebagai berikut :

Tugas belajar ( A1) =68577668767 = 11 orang

Izin belajar ( A2) = 5 6 6 7 5 5 5 6 5 6 8 7 = 12 orang

Umum ( A3 ) = 6 9 8 7 8 9 6 6 9 8 6 8 = 12 orang

Buktikan apakah ada perbedaan atau tidak?

LANGKAH-LANGKAH MENJAWAB :

Diasumsikan bahwa data dipilih secara random, berdistribusi normal, dan variannya
homogen.

Hipotesis ( H a dan H 0) dalam bentuk kalimat.

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.

Hipotesis ( H a dan H 0) dalam bentuk statistic

H a : A1 ≠ A2 = A3 H a : A1 ≠ A 2 = A3

Daftar statistik induk

Anova Dua Arah

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.

Sumber Varians Jumlah kuadrat Derajat bebas Rata-rata kuadrat f0

Rata-Rata Baris JKB b−1 2 JKB S 12

S1 = f 1=
db S 32

Rata-Rata Kolom JKK k −1 JKK

S22 =
db

Error JKE ( k −1 ) (b−1) JKE S2

2
S32= f 2=
db S3
2

Total JKT kb−1

Baris : V 1= b−1 dan V 2 = ( k −1 ) (b−1)

Kolom : V 1 = k −1 dan V 2 = ( k −1 ) (b−1)

Jumlah Kuadrat Total

b k 2
T
( JKT )=∑ ∑ T ij 2−
i=1 j=1 kb
Jumlah Kuadrat Baris
b

∑ T i2 T2
( JKB )= i=1 −
k kb

Jumlah Kuadrat Kolom

b

∑ T j2 T
2
( JKK ) = j=1 −
k kb

Jumlah Kuadrat Error

( JKE )=JKT −JKB−JKK

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

Jenis pupuk (pada baris),

Jenis tanaman (pada kolom).

Jawab:

Hipotesis

H 0=a1=a2=a3
H 1=sekurang−kurangnya ada satu ai ≠ 0

H 1=β 1=β 2=β 3=0

H 1=sekurang−kurangnya ada satu β j ≠ 0

Taraf nyata ( α )=5 %=0,05(nilai f tab ) :

Untuk baris

V 1=b−1=3−1=2

V 2=( k−1 ) ( b−1 )=( 3−1 )( 4−1 )=6

f a(V 1
=f 0,05(2 ;6) =5,14
;V 2)

Untuk kolom

V 1=b−1=4−1=3

V 2=( k−1 ) ( b−1 )=( 3−1 )( 4−1 )=6

f a(V 1
=f 0,05(3 ;6) =4,76
;V 2)

Kreteria pengujian

H 0 diterima apabila f 0 ≤ 5,14

H 0 ditolak apabila f 0> 5,14

H 0 diterima apabila f 0 ≤ 4,76

H 0 ditolak apabila f 0> 4,76

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

( JKE )=JKT −JKB−JKK

¿ 30,92−15,17−2,92=12,83

2 JKB 15,17 15,17

S1 = = = =7,585=7,59
db 3−1 2

JKK 2,92 2,92

S22= = = =0,97
db 4−1 3

2 JKE JKE 12,83 12,83

S3 = = = = =2,14
db ( k−1)(b−1) 3(2) 6
2
S1 7,59
f 1= 2
= =3,55
S3 2,14

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.

Anova Dua Arah dengan Interaksi

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 ).

Sumber Varians Jumlah Derajat Bebas Rata-rata Kuadrat f0

Kuadrat

Rata-rata baris JKB b-1 2 JKB

S1 =
db

Rata-rata kolom JKK k-1 2 JKK S1

2
S2 = f 1=
db S4
2

Interaksi JK (BK) (k-1)(b-1) JK (BK ) S2

2
S3 2 = f 1=
db S4
2

Error JKE bk (n-1) JKE S3

2
S4 2 = f 1=
db S4
2

Total JKT n-1

Jumlah Kuadrat Total

b k n 2
T
∑ ∑ ∑ X ijk 2
−
bkn
JKT = i=1 j=1 k=1

Jumlah Kuadrat Baris

b

JKB =
∑ T i2 T
2
i=1
−
kn bkn
Jumlah Kuadrat kolom
b

JKK =
∑ T j2 T2
j =1
−
bn bkn

Jumlah kuadrat bagi interaksi Baris Kolom

b k b k

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

Jumlah Kuadrat Eror

JKE= JKT-JKB-JKK-JK(BK)

Keterangan : T = total

1) Contoh soal :

Tingkat aktivitas Ekonomi Tingkat Keluarga

TOTAL
Ekstrakulikuler V1 V2 V3

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

Total 723 736 651 2110

Nb: untuk mempermudah dalam penyelesaian, masing-masing dijumlahkan terlebih
dahulu , b = 4, k = 3, n = 3

jawab :

Hipotesis

f 1 : H '0 =∝1=∝2=∝3 =∝4=0

'
H 1=sekurang−kurangnya ada satu α 1 ≠ 0
''
f 2 : H 0 =β 1=β 2=β 3=β 4 =0

H '1' =sekurang −kurangnya ada satu β j ≠ 0

f 3 : H '0' ' =(∝ β)11=(∝ β)12=(∝ β)13=…=(∝ β )43=0

''
H ' 1 =sekurang−kurangnya ada satu(∝ β )ij ≠ 0

Taraf nyata 5% = 0,05

f 1> f ∝ (b−1 ;bk (n−1) )

f 1> f 0,05 ( 4−1 ;4 (3)2)

f 1> f 0,05 (3 ;24 )

'
f 1> 3,01→ H 0 ditolak

f 2> f ∝ (k−1 ;bk (n−1) )

f 2> f 0,05 ( 3−1; 4(3)2 )

f 2> f 0,05 ( 2;24 )

''
f 2> 3,40→ H 0 ditolak

f 3> f ∝ (( b−1)(k−1);bk (n−1 ))

f 3> f 0,05 ( (4 −1 )(3−1);4 (3 )2)

f 3> f 0,05 ( 6 ;24 )

'' '
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

2002+ …+1502 6072 +…+ 4662 723 2+ …+6512 21102

= − − +
9 9 12 36

= 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

Tingkat aktivitas ekstrakulikuler berpengaruh terhadap prestasi belajar, tingkat ekonomi

tidak berpengaruh pada prestasi siswa. Dan adanya interaksi antara tingkat ekonomi
dengan kegiatan ekstrakulikuler.

ANALISIS REGRESI

Pengertian Analisis Regregi

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 :

Mengadakan estimasi terhadap parameter berdasarkan data empiris.

Menguji berapa besar variasi variabel dependen dapat diterangkan oleh variasi
independen.

Menguji apakah estimasi parameter tersebut signifikan atau tidak.

Melihat apakah tanda magnitude dari estimasi parameter cocok dengan teori.

Tujuan dan Kegunaan Analisis Regresi

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]

Ada beberapa tujuan penggunaan analisis regresi, antara lain:

Membuat estimasi rata-rata dan nilai variabel tergantung dengan didasari pada nilai
variabel bebas.

Menguji hipotesis karakteristik dependensi.

3
Untuk meramalkan nilai rata-rata variabel bebas dengan didasarkan pada nilai variabel
bebas diluar jangkauan sample.4[4]

Persyaratan Penggunaan Regresi

Model kelayakan regresi linear didasarkan pada hal-hal sebagai berikut:

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.

Keselerasan model regresi dapat diterangkan dengan menggunakan nilai r 2 semakin

besar nilai tersebut maka model semakin baik. Jika nilai mendekati 1 maka model regresi
semakin baik. Nilai r2 mempunyai karakteristik diantaranya: 1) selalu positif, 2) Nilai r 2
maksimal sebesar 1. Jika Nilai r2 sebesar 1 akan mempunyai arti kesesuaian yang
sempurna. Maksudnya seluruh variasi dalam variabel Y dapat diterangkan oleh model
regresi. Sebaliknya jika r2 sama dengan 0, maka tidak ada hubungan linier antara X dan Y.

Terdapat hubungan linier antara variabel bebas (X) dan variabel tergantung (Y)

Data harus berdistribusi normal

Data berskala interval atau rasio

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]

Regresi Linear dengan Variabel Moderating

Variabel moderating adalah variabel yang memperkuat atau memperlemah hubungan

antara satu variabel dengan variabel lain. Sebagai contoh: seorang suami menyayangi

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:

Multiple Regression Analysis (MRA)

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

Pengujian hipotesis dapat didasarkan dengan menggunakan dua hal, yaitu;

tingkat signifikan atau probabilitas dan tingkat kepercayaan atau confidence interval.
Didasarkan tingkat signifikansi pada umumnya orang menggunakan 0,05. Kisaran tingkat
signifikan mulai dari 0,01 sampai dengan 0,1. Yang dimaksud dengan tingkat signifikan

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:

HO (hipotesis nol) dan H1 (hipotesis alternative)

Contoh uji hipotesis misalnya rata-rata produktivitas pegawai sama dengan 10 (∑ x = 10),
maka bunyi hipotesisnya ialah:

HO: rata-rata prokdutivitas pegawai sama dengan 10

H1 : rata-rata prokdutivitas pegawai tidak sama dengan 10

Beberapa hal yang harus diperhatikan dalam uji hipotesis ialah:

Untuk pengujian hipotesis kita menggunakan data sample.

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.

Hukum regresi semesta (law of universal regression) dari Galton diperkuat oleh

temannya Karl Pearson, yang mengumpulkan lebih dari seribu catatan tinggi anggota
kelompok keluarga. Ia menemukan bahwa rata-rata tinggi anak laki-laki kelompok ayah
(yang) pendek lebih besar dari pada tinggi ayah mereka, jadi
“mundurnya” (“regressing”) anak laki-laki yang tinggi maupun yang pendek serupa kea
rah rata-rata tinggi semua laki-laki. Dengan kata lain Galton, ini adalah “kemunduran
kearah sedang”.

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.

Analisis korelasi sederhana (Bivariate Correlation) digunakan untuk mengetahui

keeratan hubungan antara dua variabel dan untuk mengetahui arah hubungan yang
terjadi. Koefisien korelasi sederhana menunjukkan seberapa besar hubungan yang
terjadi antara dua variabel. Dalam SPSS ada tiga metode korelasi sederhana (bivariate
correlation) diantaranya Pearson Correlation, Kendall’s tau-b,  dan  Spearman
Correlation. Pearson Correlation digunakan untuk data berskala interval atau rasio,
sedangkan Kendall’s tau-b,  dan  Spearman Correlation lebih cocok untuk data berskala
ordinal.

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.

Analisis korelasi sederhana (Bivariate Correlation) digunakan untuk mengetahui

keeratan hubungan antara dua variabel dan untuk mengetahui arah hubungan yang
terjadi. Koefisien korelasi sederhana menunjukkan seberapa besar hubungan yang
terjadi antara dua variabel.

Analisa Korelasi digunakan untuk mengukur kekuatan keeratan hubungan antara dua

variabel melalui sebuah bilangan yang disebut koefisien korelasi. Dalam analisis korelasi,
kita menghitung derajat asosiasi antara satu peubah peubah lain (misalnya antara berat
badan dan tinggi badan, antara berat dengan kolesterol, antara nilai IQ dengan
perolehan nilai ujian mata matematika dan sebagainya). Ada dua jenis ukuran korelasi
yang banyak yaitu:

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.

Kegunaan diagram pencar :

Membantu menunjukkan apakah terdapat hubungan yang bermanfaat antara dua

variabel.

Membantu menetapkan tipe persamaan yang menunjukkan hubungan antara kedua

variabel tersebut.

Menentukan persamaan garis regresi atau mencari nilai-nilai konstan.

Koefisien Determinasi ( r2 )

nilainya antara 0 dan 1

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

∑ ∑x=26 ∑y=40 ∑xy=232 ∑x2=158 ∑y2=346

Bentuk umum persamaan regresi linier sederhana: Y=a+bxa=5

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)

Pengertian dari Uji T-Test Dependent

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 Uji T-test dependent

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)

Syarat – Syarat Penggunaan Uji T - Test Dependent

Syarat – syarat penggunaan uji t – test dependent, terdiri dari :

Uji komparasi antar dua nilai pengamatan berpasangan, misalnya: sebelum dan sesudah

Digunakan pada uji parametrik dimana syaratnya sebagai berikut:

satu sampel (setiap elemen mempunyai 2 nilai pengamatan)

merupakan data kuantitatif (rasio-interval)

Data berdistribusi normal (di populasi terdapat distribusi difference = d yang berdistribusi
normal dengan mean μd=0 dan variance =1)

(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.

· Uji satu pihak

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:

t = Nilai t yang dihitung (t Hitung)

x= Rata rata variabel x

= Nilai yang dihipotesiskan

S = Simpangan Baku

n = Jumlah anggota Sampel

Menurut Sugiyono (2010), rumus uji t-test dependent, yaitu :

Statistik hitung (t hitung):

Dimana:

Keterangan
D = Selisih x1 dan x2 (x1-x2)
n = Jumlah Sampel
X bar = Rata-rata
Sd = Standar Deviasi dari d.

Langkah Menggunakan Uji T – Test Dependent

Menurut Ratih (2014), Langkah-langkah pengujian signifikansi (hipotesis) dalam

Pengujian Perbedaan Rata‐rata Dua kelompok berpasangan:

Tetapkan H0 dan H1

Tetapkan titik kritis (tingkat kepercayaan 95 %) atau (tingkat kepercayaan 99 %) yang

terdapat pada tabel “t”.

Tentukan daerah kritis, dengan db = n -1.

Tentukan t hitung dengan menggunakan rumus.

Lakukan uji signifikansi dengan membandingkan besarnya “ t” hitung dengan “t” tabel.

Contoh Kasus dalam Pengerjaan Pengujian Signifikansi (hipotesis)

Suatu kegiatan penelitian eksperimental, telah berhasil menemukan metode “ABG”

sebagai metode baru untuk mengajarkan mata kuliah Statistika Dasar. Dalam rangka uji
coba terhadap efektifitas atau keampuhan metode baru itu, dilaksanakan penelitian
lanjutan dengan mengajukan Hipotesis Nol (Nihil) yang mengatakan : Tidak terdapat
perbedaan yang signifikan nilai Statistika Dasar antara sebelum dan sesudah di
terapkannya metode “ABG” sebagai metode mengajar mahasiswa UIB semester 6. Dalam
rangka pengujian ini diambil sampel sebanyak 20 mahasiswa. Gunakan taraf kepercayaan
95 % (alfa=5% ) untuk menguji pernyataan (Hipotesis) tersebut.

Datanya Sebagai berikut:

 Nilai Statistika II
Nama
Sebelum Sesudah

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

Langkah -langkah yang dilakukan:

Menentukan Hipotesis yang digunakan, yaitu:

Ho:Tidak terdapat perbedaan yang signifikan antara hasil belajar sebelum dan sesudah
Ha:Terdapat perbedaan yang signifikan hasil belajar sebelum dan sesudah

Menetapkan titik kritis yaitu alfa 5%

Menentukan daerah kritis, dengan db = n -1=20-1=19

Menentukan t hitung

Memulai dengan menghitung selisih D.

Menghitung Standar Deviasi:

Menghitung t hitung:

Melakukan uji signifikansi

Diketahui t tabel = 2,093. Sehingga |t hitung| > t tabel.

Sehingga dapat disimpulkan:

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

[2] Dikutip dari: http://teratainear.blogspot.com/p/makalah-regresi-dan-korelasi.html,

15-04-2013

[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

Arnita, Pengantar Statistika, Bandung: Citapustaka Media Perintis, 2013.

Furqon. 2009. Statistika Terapan untuk Penelitian. Cetakan ketujuh. ALFABETA:

Bandung.

http://teratainear.blogspot.com/p/makalah-regresi-dan-korelasi.html, diunggah 15-04-

2013

Irianto, Agus. Statistik. 2004. Jakarta.

Nasrul, Setiawan.2013. “Uji t Perbedaan Rata‐rata Dua kelompok berpasangan

(dependent) parametrik” (online),
(http://statistikceria.blogspot.com/2013/12/Pengujian-Perbedaan-Rata-rata-
Dua-kelompok-berpasangan-dependent-parametrik.html ,

Nur, Sunardi, Pengantar Statistika, Jakarta: Bumi Aksara, 2009.

Popham, W. James & Sirotnik, Kenneth A. (1973). Educational Statistics. New York:
University of California, Los Angeles

Riduwan.2008.Dasar-dasar Statistika.Bandung:Alfabeta

Ridwan. 2006. Dasar – Dasar Statistika. Bandung : Alfabeta

Ridwan. 2006. Statistika untuk Penelitian. Bandung : Alfabeta

Ridwan. 2009. Pengantar Statistika Sosial. Bandung : Alfabeta

Rudi Siswoyo. 2012. http://rudisiswoyo89.blogspot.com/2013/11/analisis-

regresi.html. diakses pada tanggal 7 Januari 2019.

Soepeno, Bambang. Statistik Terapan, 1997. Jakarta.

Sudjana.1996.Metoda Statistika.Bandung:Tarsito Bandung

Sugiyono. 2009. Statistika untuk Penelitian. Bandung : Alfabeta

Sugiyono. 2010. Statistika untuk Penelitian. Bandung : Alfabeta

Sugiyono. Statistika untuk Penelitian. 2015. Bandung.

Usman,Husaini.2006.Pengantar Statistika.Jakarta:PT Bumi Aksara