STATISTIK DALAM PENELITIAN (S3)

DOSEN I
1. Ukuran Kecenderungan Sentral
2. Ukuran Kedudukan Relatif
3. Ukuran Variabilitas
DOSEN II
4. Ukuran Perbedaan
DOSEN III
5. Ukuran Korelasi

4. Ukuran Perbedaan

Misalnya ingin mengetahui mana yang lebih baik antara metode

Contextual Teaching and Learning (CTL) dan metode konvensional dalam
mengajarkan suatu mata pelajaran. Kalau ada selisih hasil belajar yang cukup
besar, mungkin kita tidak ragu-ragu menetapkan metode mana yang lebih
baik. Tetapi bila selisih hasil belajar tersebut adalah relatif kecil, tentunya kita
ragu-ragu menetapkan metode mana yang lebih baik. Untuk mengatasi
keragu-raguan inilah, maka perlu menguji perbedaannya dengan
menggunakan rumus-rumus statistik.
Untuk menentukan ukuran perbedaan ini, biasanya yang paling sering
digunakan adalah:
(1) Uji-t

(2) Kai Kuadrat (𝓍 2 )

(3) Analisis Variansi (Anava)
Berikut ini akan dibahas rumus-rumus statistik yang ringkas dan praktis
saja, serta yang paling sering dipakai.

1). Uji-t
Untuk menguji perbedaan dua mean dapat diketahui dengan:

1
 M1 − M2
(1). z =
SD2 2
1 + SD2
√
N1 N2

M1 − M2
(2). Uji-t =
∑ x2 2
1 + ∑ x2 )( 1 + 1 )
√(
N1 + N2 − 2 N1 N 2

Keterangan: M = Mean (rata-rata kelompok)

∑x 2 = jumlah deviasi dari mean kuadrat
N = frekuensi
SD = Standar Deviasi

Pada prinsipnya, kedua rumus di atas adalah sama, hanya kalau z-

score itu didasarkan atas sampel yang besar, sehingga diasumsikan bahwa
distribusinya mendekati normal, sedangkan uji-t didasarkan atas sampel yang
kecil, misalnya ≤ 30. Namun kalau diperhatikan tabel t, dimana derajat
kebebasannya sampai 120, ini berarti bahwa uji-t dapat dipergunakan untuk
sampel N1 + N2 = 120 atau derajat kebebasannya 120. Derajat kebebasan
(db) ini diperoleh dengan rumus: N1 + N2 - 2. Hasil perhitungan uji-t yang
dihitung dikonsultasikan dengan tabel t pada taraf signifikansi 5 % dan derajat
kebebasannya ditentukan seperti rumus di atas.

Contoh 1 (Penggunaan rumus z)

Misalkan kita ingin mengetahui mana yang lebih baik antara metode
Contextual Teaching and Learning (CTL) dan metode konvensional dalam
mengajarkan suatu mata pelajaran dengan jumlah siswa masing-masing kelas
adalah 50. Hasil eksperimen menunjukkan nilai rata-rata kelas yang diajarkan
dengan metode CTL adalah 6,50 dengan SD = 0,60 sedangkan nilai rata-rata
kelas yang diajarkan dengan metode konvensional adalah 6,20 dengan SD =
0,75. Jika data tersebut dimasukkan ke dalam rumus z di atas, maka:
M1 − M2 6,50−6,20
z = =
2 2
SD2 SD2
√ 1+ 2 √0,60 + 0,75
N1 N2 50 50

z = 2,21

2
 Adapun hipotesis nihil (Ho) adalah M1 = M2 dan hipotesis alternatif
(Ha) adalah M1 ≠ M2 pada taraf signifikansi 5 % dengan ketentuan:
(1) Menolak hipotesis nihil (Ho) dan menerima hipotesis alternatif (Ha)
bilamana ternyata z ˂ - 1,96 atau z ≥ + 1,96.
(2) Menerima hipotesis nihil (Ho) dan menolak hipotesis alternatif (Ha)
bilamana ternyata z terletak di antara - 1,96 dan + 1,96 ataupun -
Ho: -1,96 ≤ z ≤ + 1,96
Hasil perhitungan di atas menunjukkan bahwa z = 2,21 berada di atas
+ 1,96 sehingga dikenakan ketentuan pertama: menolak hipotesis nihil (Ho)
dan menerima hipotesis alternatif (Ha), dengan demikian dapat disimpulkan
bahwa dalam mengajarkan mata pelajaran tersebut maka metode Contextual
Teaching and Learning (CTL) lebih baik dari metode konvensional.

Contoh 2 (Penggunaan rumus uji-t)

Misalkan kita ingin mengetahui mana yang lebih baik antara metode
Contextual Teaching and Learning (CTL) dan metode konvensional dalam
mengajarkan suatu mata pelajaran dengan jumlah siswa masing-masing kelas
adalah 15. Hasil eksperimen ditunjukkan pada tabel 6.13 berikut.
Berdasarkan data pada tabel 6.13, maka:
X 105
M1 = = = 7
N1 15
Y 90
M2 = = = 6
N2 15
M1 − M2
t =
∑ x2 2
1 + ∑ x2 )( 1 + 1 )
√(
N1 + N2 − 2 N1 N2

7−6
t =
28+ 20 1 1
√( )( + )
15+15− 2 15 15

1
t =
48 2
√( )( )
28 15

1
t = = 2,0916
0,47809

3
Tabel 6.13. Tabel Contoh Perhitungan Uji-t

Metode Pembelajaran
x y x2 y2
CTL (X) Konvens.(Y)
9 8 +2 +2 4 4
8 7 +1 +1 1 1
6 5 -1 -1 1 1
8 7 +1 +1 1 1
9 6 +2 0 4 0
6 5 -1 -1 1 1
6 4 -1 -2 1 4
9 7 +2 +1 4 1
7 6 0 0 0 0
6 5 -1 -1 1 1
8 6 +1 0 1 0
5 5 - 2 -1 4 1
7 8 0 +2 0 4
6 5 -1 -1 1 1
5 6 -2 0 4 0

∑ X = 105 ∑ Y = 90 - - ∑ x2 = 28 ∑ y2 = 20

Adapun hipotesis nihil (Ho) adalah M1 = M2 dan hipotesis alternatif

(Ha) adalah M1 ≠ M2 pada taraf signifikansi 5 % dengan ketentuan:
(1) Menolak hipotesis nihil (Ho) dan menerima hipotesis alternatif (Ha)
bilamana ternyata t hitung ˃ t tabel pada taraf signifikansi 5%.
(2) Menerima hipotesis nihil (Ho) dan menolak hipotesis alternatif (Ha)
bilamana ternyata t hitung ≤ t tabel pada taraf signifikansi 5%.
Untuk dk = N1 + N2 - 2 = 28 maka pada taraf signifikansi 5% harga t
tabel = 2,048 sehingga dikenakan ketentuan pertama: menolak hipotesis nihil
(Ho) dan menerima hipotesis alternatif (Ha), dengan demikian dapat
disimpulkan bahwa dalam mengajarkan mata pelajaran tersebut maka metode
Contextual Teaching and Learning (CTL) lebih baik dari metode konvensional.

2). Kai Kuadrat (𝔁𝟐 )

Konsep 𝓍2 banyak sekali dipergunakan dalam statistik untuk

menghitung signifikansi perbedaan, terutama bila statistik itu menghadapi data

4
yang berbentuk frekuensi, proporsi ataupun probabilitas. Adapun rumusnya
adalah sebagai berikut:

2 (fo − fh )2
𝓍 = ∑
fh

Keterangan: 𝓍2 = Kai Kuadrat

fo = frekuensi obserbasi

fh = frekuensi yang diharapkan

Sama halnya dengan rumus uji-t, yaitu harus dikonsultasikan dengan

tabel 𝓍 2, untuk mengetahui apakah signifikan atau tidak. Derajat

kebebasannya ditentukan dengan rumus (b – 1)(k – 1), dimana: b = baris,

dan k = kolom.

Contoh 1.
Misalkan penelitian dilakukan terhadap dosen suatu Perguruan Tinggi
untuk mengetahui bagaimana pendapat mereka terhadap efektivitas sistem
Pelaksanaan Kurikulum Berbasis Kompetensi sebagai sistem yang sedang
diterapkan di Perguruan Tinggi. Kepada 100 orang dosen yang ditetapkan
secara random dijadikan sebagai responden. Adapun pertanyaan yang
diajukan adalah: Apakah penerapan sistem Pelaksanaan Kurikulum Berbasis
Kompetensi lebih efektif, sama saja, atau tidak lebih efektif jika dibandingkan
dengan sistem lama. Selanjutnya jawaban yang mereka berikan dirangkum
seperti pada tabel 6.14 berikut.

5
Tabel 6.14. Pendapat 100 Orang Dosen Suatu Perguruan Tinggi tentang
Penerapan Sistem Baru

No Pernyataan-Pernyataan: Jumlah (fo)

1 Sistem Pelaksanaan Kurikulum Berbasis 49

Kompetensi lebih efektif dari sistem lama
2 Sistem Pelaksanaan Kurikulum Berbasis 21
Kompetensi tidak lebih efektif dari sistem
lama
3 Sistem Pelaksanaan Kurikulum Berbasis 19
Kompetensi dan sistem lama sama saja
efektifnya
4 Tidak mengemukakan pendapat 11

Jumlah N = 100

Langkah berikutnya adalah menentukan frekuensi yang diharapkan (fh)

atau frekuensi teoretik, yaitu dengan menganggap bahwa porsi responden
pada empat pernyataan di atas adalah sama, sebagaimana ditunjukkan pada
tabel 6.15 berikut.

Tabel 6.15. Tabel Frekuensi Observasi dan Frekuensi yang Diharapkan

Frekuensi Frekuensi yang
No Pernyataan-Pernyataan: observasi (fo) diharapkan
(fh)
1 Sistem Pelaksanaan Kurikulum 49 25
Berbasis Kompetensi lebih efektif dari
sistem lama
2 Sistem Pelaksanaan Kurikulum 21 25
Berbasis Kompetensi tidak lebih efektif
dari sistem lama
3 Sistem Pelaksanaan Kurikulum 19 25
Berbasis Kompetensi dan sistem lama
sama saja efektifnya
4 Tidak mengemukakan pendapat 11 25

Jumlah N = 100 N = 100

6
Tabel 6.16. Tabel Perhitungan Kai Kwadrat (𝔁𝟐 )

(fo − fh )2
Pernyataan fo fh (fo − fh )2
fh
1 49 25 576 23,04
2 21 25 16 0,64
3 19 25 36 1,44
4 11 25 196 7,84
(fo −fh )2
𝓍2 = ∑ = 32,96
fh

Derajat kebebasan adalah (baris – 1)(kolom – 1) = (4 – 1)(2 – 1) = 3,

maka untuk dk = 3, harga 𝓍 2 tabel = 11,345 pada taraf signifikansi 1 %.
Adapun hipotesisnya adalah:
Ha : Di kalangan dosen terdapat perbedaan yang signifikan antara frekuensi
yang diobservasi dan frekuensi yang diharapkan.
Ho : Di kalangan dosen tidak terdapat perbedaan yang signifikan antara
frekuensi yang diobservasi dan frekuensi yang diharapkan.

Berdasarkan hasil perhitungan di atas, maka 𝓍 2 hitung lebih besar dari

𝓍 2 tabel pada taraf signifikansi 1 %, dengan demikian Ho ditolak ataupun Ha

diterima, sehingga dapat disimpulkan bahwa di kalangan dosen terdapat
perbedaan yang sangat signifikan antara frekuensi yang diobservasi dan
frekuensi yang diharapkan atau dengan kata lain: pendapat dosen mengenai
sistem Pelaksanaan Kurikulum Berbasis Kompetensi adalah lebih efektif (49
%) dari sistem lama.

Contoh 2. (Menguji Normalitas Data).

Misalkan untuk menguji normalitas data hasil belajar statistik 40 orang
mahasiswa, dengan skor sebagai berikut: 69, 69, 69, 69, 69, 69, 69, 69, 69,
71, 71, 71, 71, 71, 71, 72, 72, 72, 72, 73, 74, 74, 74, 75, 75, 75, 75, 75, 76, 77,
77, 77, 77, 78, 78, 78, 78, 79, 83, 83.
Selanjutnya data tersebut ditabulasikan seperti yang ditunjukkan pada
tabel 6.17 berikut.

7
Tabel 6.17. Data Skor Hasil Belajar Statistik

Skor Frekuensi (f) fX f X2

69 9 621 42849
71 6 426 30246
72 4 288 20736
73 1 73 5329
74 3 222 16428
75 5 375 28125
76 1 76 5776
77 4 308 23716
78 4 312 24336
79 1 79 6241
83 2 166 13778
- N = 40 ∑ fX = 2946 ∑ fX2 = 217560

Langkah pertama, menghitung mean skor hasil belajar untuk data di atas
ΣfX 2946
maka: Mean = M = = = 73,65
N 40
Langkah kedua, menghitung Standar Deviasi skor hasil belajar untuk data di
atas, maka:

2 2
SD = √∑fX − (∑fX)
N N

2
SD = √217560 − (2946)
40 40

SD = 3,83

Langkah ketiga, menentukan besar frekuensi observasi (fo) dan frekuensi yang
diharapkan (fh). Untuk hal ini perhatikan kurva normal pada gambar 6.1 berikut,
yang terdiri atas 6 kelas, yaitu kelas I – VI. Setiap kelas jumlah frekuensi
observasi (fo) dihitung sesuai dengan rentangan skornya, misalnya kelas I,
maka rentangan skornya adalah 62,16 – 65,00 = 0 kelas II adalah 65,99 – 69
= 9, kelas III adalah 69,82 – 73,00 = 11, kelas IV adalah 73,65 – 77,00 = 13,
kelas V adalah 77,48 – 81,00 = 5 dan kelas VI adalah 81,31 – 85,14 = 2.

8
 I II III IV V VI

-3 -2 -1 M +1 +2 +3
62,16 65,99 69,82 73,65 77,48 81,31 85,14

Gambar 6.1. Rentangan Skor pada Kurva Normal

Untuk menghitung frekuensi yang diharapkan (fh) adalah berdasarkan

tabel kurva normal (tabel z). Untuk z = 1, maka luas kelas III = IV adalah 34,13
%, sehingga fh untuk kelas III = IV adalah 34,13 % x 40 = 13,65, luas kelas
II = V adalah z = 2 = 47,72 % - 34,13 % = 13,59 % x 40 = 5,44 dan luas
kelas I dan VI adalah z = 4 = 50% - 47,72 % = 2,28 % x 40 = 0,91. Frekuensi
observasi (fo) dan frekuensi yang diharapkan (fh) ditabulasi sebagai berikut.

Tabel 6.18. Frekuensi Observasi (fo) dan Frekuensi yang Diharapkan (fh)

(fo − fh )2
Kelas fo fh (fo − fh )2
fh
I 0 0,91 0,828 0,910
II 9 5,44 12,674 2,329
III 11 13,65 7,023 0,514
IV 13 13,65 0,423 0,031
V 5 5,44 0,194 0,036
VI 2 0,91 1,188 1,306
2
(fo −fh )
- 40 40,00 - ∑ = 5,126
fh

Ho : Distribusi skor Hasil Belajar Statistik tidak berbeda dengan distribusi kurva
normal.
Ha : Distribusi skor Hasil Belajar Statistik berbeda dengan distribusi kurva
normal.

9
Ketentuan: Terima Ho atau tolak Ha jika 𝓍 2 hitung ≤ 𝓍 2 tabel atau sebaliknya,

tolak Ho atau terima Ha jika 𝓍 2 hitung ˃ 𝓍 2 tabel, pada taraf signifikansi 5 %.

Untuk derajat kebebasan dk = (baris – 1)(kolom – 1) = (6 - 1)(2 - 1) = 5,
maka: 𝓍 2 tabel = 11,070. Berdasarkan hasil perhitungan di atas, 𝓍 2 hitung

˂ 𝓍 2 tabel, sehingga Ho diterima ataupun Ha ditolak, dengan demikian dapat

disimpulkan bahwa distribusi skor Hasil Belajar Statistik tidak berbeda dengan
distribusi kurva normal atau dengan kata lain distribusi Hasil Belajar Statistik
adalah cenderung normal.
Catatan: Uji normalitas seperti contoh di atas digunakan jika data tersebut
dibandingkan (uji perbandingan), tetapi jika data tersebut
dikorelasikan (uji korelasi) maka uji normalitas yang harus digunakan
adalah uji Lilliefors dengan galat taksiran, sebagaimana ditunjukkan
pada contoh berikut.
Adapun langkah-langkahnya adalah sebagai berikut:
a). Membuat tabel kerja dengan 10 kolom untuk setiap variabel penelitian
b). Mencari harga Ŷ = a + b X dan memasukkan harga-harga a dan b
c). Mencari galat taksiran (Galat T) dengan rumus: Ŷ - X (dimana X =
variabel endogenus) dan selanjutnya diurutkan (Galat T berurut)
d). Mencari standar deviasi (SD) galat taksiran
e). Mencari nilai z skor, dengan rumus : Zi = (Ŷ - X)/SD
f). Menentukan Nilai z tabel {F(zi)} dengan menggunakan tabel Kurva Normal
dari 0 ke z berdasarkan nilai z-score.
g). Menentukan S(zi) dengan rumus S(zi) = f kum : N
h). Menghitung harga Lilliefors hitung dengan rumus : L o = {F(zi) − S(zi) }
i). Mencari nilai Lilliefors terbesar sebagai Lhitung
j). Harga Lillefors tabel 5% (N=186) ditentukan dengan rumus:
0.886 0.886
Lt = = = 0.065
√𝑁 √186

k). Membuat kesimpulan :

(a).Jika harga Lo < Ltabel maka skor galat taksiran Y atas X berdistribusi
normal

10
 (b).Jika harga Lo > harga Ltabel, maka skor galat taksiran Y atas X tidak
berdistribusi normal

Uji Normalitas Galat Taksiran Motivasi Kerja (X3) Atas Kepemimpinan

Pembelajaran (X1) (a = 84,773 b = 0,378 SD = 10.51)
Ŷ – X3 Galat T
N X1 X3 Ŷ=a+bX1 Zi F(zi) S(zi) {F(zi) - S(zi)}
(Galat T) (berurut)
1 126 124 132.401 8.401 -31.943 -3.04 0.0012 0.005 0.0038
2 134 129 135.425 6.425 -31.163 -2.97 0.0015 0.011 0.0095
3 135 158 135.803 -22.197 -28.541 -2.72 0.0033 0.016 0.0127
4 138 150 136.937 -13.063 -26.833 -2.55 0.0054 0.022 0.0166
5 140 144 137.693 -6.307 -26.651 -2.54 0.0055 0.027 0.0215
6 141 140 138.071 -1.929 -26.517 -2.52 0.0059 0.032 0.0261
7 141 139 138.071 -0.929 -22.197 -2.11 0.0174 0.038 0.0206
8 147 144 140.339 -3.661 -21.383 -2.03 0.0212 0.042 0.0208
9 149 132 141.095 9.095 -21.163 -2.01 0.0222 0.048 0.0258
10 149 133 141.095 8.095 -20.211 -1.92 0.0274 0.053 0.0256
11 150 127 141.473 14.473 -18.833 -1.79 0.0367 0.059 0.0223
12 150 150 141.473 -8.527 -17.503 -1.67 0.0475 0.065 0.0175
13 151 143 141.851 -1.149 -16.125 -1.53 0.063 0.070 0.0070
14 151 153 141.851 -11.149 -14.747 -1.40 0.0808 0.075 0.0058
15 152 132 142.229 10.229 -14.077 -1.34 0.0901 0.081 0.0091
16 152 123 142.229 19.229 -13.235 -1.26 0.1038 0.086 0.0178
17 155 152 143.363 -8.637 -13.063 -1.24 0.1075 0.091 0.0165
18 156 137 143.741 6.741 -12.991 -1.24 0.1075 0.098 0.0095
19 156 152 143.741 -8.259 -12.943 -1.23 0.1093 0.102 0.0073
20 157 144 144.119 0.119 -12.919 -1.23 0.1093 0.107 0.0023
21 157 137 144.119 7.119 -11.211 -1.07 0.1401 0.112 0.0281
22 157 129 144.119 15.119 -11.211 -1.07 0.1401 0.118 0.0221
23 158 162 144.497 -17.503 -11.149 -1.06 0.1446 0.123 0.0216
24 158 138 144.497 6.497 -10.503 -1.00 0.1587 0.129 0.0297
25 158 135 144.497 9.497 -10.455 -0.99 0.1611 0.134 0.0271
26 158 155 144.497 -10.503 -10.321 -0.98 0.1635 0.139 0.0245
27 159 154 144.875 -9.125 -10.029 -0.95 0.1711 0.145 0.0261
28 159 137 144.875 7.875 -9.431 -0.90 0.1841 0.15 0.0341
29 159 161 144.875 -16.125 -9.369 -0.89 0.1861 0.155 0.0311
30 159 137 144.875 7.875 -9.297 -0.88 0.1894 0.161 0.0284
31 160 160 145.253 -14.747 -9.187 -0.87 0.1922 0.166 0.0262
32 161 155 145.631 -9.369 -9.187 -0.87 0.1922 0.171 0.0212
33 161 144 145.631 1.631 -9.125 -0.87 0.1922 0.177 0.0152
34 162 139 146.009 7.009 -8.943 -0.85 0.1977 0.182 0.0157
35 162 159 146.009 -12.991 -8.833 -0.84 0.2005 0.188 0.0125
36 162 129 146.009 17.009 -8.785 -0.84 0.2005 0.194 0.0065
37 163 145 146.387 1.387 -8.637 -0.82 0.2061 0.199 0.0071

11
38 163 153 146.387 -6.613 -8.527 -0.81 0.209 0.204 0.005
39 164 148 146.765 -1.235 -8.259 -0.79 0.2148 0.210 0.0048
40 164 160 146.765 -13.235 -8.053 -0.77 0.2206 0.215 0.0056
41 165 153 147.143 -5.857 -7.699 -0.73 0.2327 0.220 0.0127
42 165 145 147.143 2.143 -7.077 -0.67 0.2514 0.226 0.0254
43 165 147 147.143 0.143 -6.723 -0.64 0.2611 0.231 0.0301
44 166 147 147.521 0.521 -6.613 -0.63 0.2643 0.236 0.0283
45 166 149 147.521 -1.479 -6.345 -0.60 0.2743 0.241 0.0333
46 166 148 147.521 -0.479 -6.307 -0.60 0.2743 0.247 0.0273
47 166 149 147.521 -1.479 -5.857 -0.56 0.2877 0.253 0.0347
48 167 138 147.899 9.899 -5.675 -0.54 0.2946 0.258 0.0366
49 167 150 147.899 -2.101 -5.455 -0.52 0.3015 0.263 0.0385
50 167 150 147.899 -2.101 -5.321 -0.51 0.305 0.269 0.0360
51 167 138 147.899 9.899 -4.943 -0.47 0.3192 0.274 0.0452
52 168 137 148.277 11.277 -4.943 -0.47 0.3192 0.28 0.0392
53 168 116 148.277 32.277 -4.723 -0.45 0.3264 0.285 0.0414
54 168 155 148.277 -6.723 -4.455 -0.42 0.3372 0.29 0.0472
55 168 139 148.277 9.277 -4.187 -0.40 0.3446 0.296 0.0486
56 168 153 148.277 -4.723 -4.163 -0.40 0.3446 0.301 0.0436
57 168 139 148.277 9.277 -4.139 -0.39 0.3483 0.306 0.0423
58 169 145 148.655 3.655 -4.053 -0.39 0.3483 0.312 0.0363
59 169 155 148.655 -6.345 -3.675 -0.35 0.3632 0.318 0.0452
60 169 146 148.655 2.655 -3.661 -0.35 0.3632 0.322 0.0412
61 169 146 148.655 2.655 -3.651 -0.35 0.3632 0.327 0.0362
62 170 138 149.033 11.033 -3.431 -0.33 0.3707 0.333 0.0377
63 170 136 149.033 13.033 -3.053 -0.29 0.3859 0.338 0.0479
64 170 144 149.033 5.033 -2.809 -0.27 0.3936 0.344 0.0496
65 170 137 149.033 12.033 -2.699 -0.26 0.3974 0.349 0.0484
66 171 150 149.411 -0.589 -2.431 -0.23 0.409 0.354 0.055
67 171 141 149.411 8.411 -2.321 -0.22 0.4129 0.360 0.0529
68 172 170 149.789 -20.211 -2.101 -0.20 0.4207 0.366 0.0547
69 172 127 149.789 22.789 -2.101 -0.20 0.4207 0.370 0.0507
70 172 161 149.789 -11.211 -2.053 -0.20 0.4207 0.376 0.0447
71 172 161 149.789 -11.211 -2.053 -0.20 0.4207 0.381 0.0397
72 173 148 150.167 2.167 -1.929 -0.18 0.4286 0.387 0.0416
73 173 169 150.167 -18.833 -1.919 -0.18 0.4286 0.392 0.0366
74 173 145 150.167 5.167 -1.809 -0.17 0.4325 0.398 0.0345
75 173 177 150.167 -26.833 -1.785 -0.17 0.4325 0.403 0.0295
76 173 159 150.167 -8.833 -1.699 -0.16 0.4364 0.408 0.0284
77 174 138 150.545 12.545 -1.675 -0.16 0.4364 0.413 0.0234
78 174 156 150.545 -5.455 -1.479 -0.14 0.4443 0.419 0.0253
79 174 143 150.545 7.545 -1.479 -0.14 0.4443 0.425 0.0193
80 174 155 150.545 -4.455 -1.235 -0.12 0.4522 0.430 0.0222
81 174 161 150.545 -10.455 -1.187 -0.11 0.4562 0.435 0.0212

12
 82 174 143 150.545 7.545 -1.149 -0.11 0.4562 0.440 0.0162
83 175 165 150.923 -14.077 -0.929 -0.09 0.4641 0.446 0.0181
84 175 158 150.923 -7.077 -0.919 -0.09 0.4641 0.450 0.0141
85 175 143 150.923 7.923 -0.895 -0.09 0.4641 0.456 0.0081
86 176 154 151.301 -2.699 -0.589 -0.06 0.4761 0.462 0.0141
87 176 129 151.301 22.301 -0.565 -0.05 0.4801 0.468 0.0121
88 176 159 151.301 -7.699 -0.479 -0.05 0.4801 0.472 0.0081
89 176 153 151.301 -1.699 -0.321 -0.03 0.488 0.478 0.0100
90 176 140 151.301 11.301 -0.053 -0.01 0.496 0.482 0.0140
91 177 162 151.679 -10.321 -0.053 -0.01 0.496 0.489 0.0070
92 177 143 151.679 8.679 0.119 0.011 0.504 0.494 0.0100
93 177 157 151.679 -5.321 0.143 0.014 0.5044 0.500 0.0044
94 177 148 151.679 3.679 0.215 0.02 0.508 0.505 0.0030
95 177 154 151.679 -2.321 0.435 0.041 0.516 0.511 0.0050
96 177 146 151.679 5.679 0.435 0.041 0.516 0.517 0.0010
97 177 152 151.679 -0.321 0.521 0.05 0.5199 0.522 0.0021
98 177 147 151.679 4.679 0.593 0.056 0.5202 0.527 0.0068
99 177 150 151.679 1.679 1.387 0.132 0.5517 0.532 0.0197
100 178 149 152.057 3.057 1.593 0.152 0.5596 0.538 0.0216
101 178 161 152.057 -8.943 1.631 0.155 0.5599 0.543 0.0169
102 178 157 152.057 -4.943 1.679 0.16 0.5636 0.548 0.0156
103 178 157 152.057 -4.943 1.813 0.173 0.5675 0.553 0.0145
104 178 184 152.057 -31.943 1.837 0.175 0.5678 0.559 0.0088
105 178 165 152.057 -12.943 1.861 0.177 0.5681 0.565 0.0031
106 178 146 152.057 6.057 2.081 0.198 0.5753 0.570 0.0053
107 179 143 152.435 9.435 2.143 0.204 0.5793 0.575 0.0043
108 179 152 152.435 0.435 2.167 0.206 0.5795 0.580 0.0005
109 179 152 152.435 0.435 2.239 0.213 0.5832 0.586 0.0028
110 179 153 152.435 -0.565 2.349 0.224 0.5871 0.590 0.0029
111 180 151 152.813 1.813 2.655 0.253 0.5987 0.596 0.0027
112 180 162 152.813 -9.187 2.655 0.253 0.5987 0.602 0.0033
113 180 154 152.813 -1.187 2.813 0.268 0.6026 0.608 0.0054
114 180 150 152.813 2.813 3.057 0.291 0.6141 0.613 0.0011
115 180 162 152.813 -9.187 3.081 0.293 0.6143 0.618 0.0037
116 180 157 152.813 -4.187 3.349 0.319 0.6217 0.623 0.0013
117 180 146 152.813 6.813 3.655 0.348 0.6331 0.629 0.0041
118 181 156 153.191 -2.809 3.679 0.35 0.6368 0.634 0.0028
119 181 155 153.191 -1.809 4.081 0.388 0.648 0.639 0.0090
120 181 149 153.191 4.191 4.191 0.399 0.6517 0.645 0.0067
121 182 149 153.569 4.569 4.569 0.435 0.6664 0.65 0.0164
122 182 157 153.569 -3.431 4.679 0.445 0.67 0.655 0.0150
123 182 156 153.569 -2.431 5.033 0.479 0.6808 0.661 0.0198
124 182 163 153.569 -9.431 5.167 0.492 0.6879 0.667 0.0209
125 183 154 153.947 -0.053 5.325 0.507 0.6915 0.672 0.0195

13
126 183 140 153.947 13.947 5.679 0.54 0.7054 0.677 0.0284
127 183 158 153.947 -4.053 5.727 0.545 0.7059 0.682 0.0239
128 183 156 153.947 -2.053 5.727 0.545 0.7059 0.688 0.0179
129 183 157 153.947 -3.053 6.057 0.576 0.7157 0.693 0.0227
130 183 154 153.947 -0.053 6.325 0.602 0.7257 0.698 0.0277
131 183 144 153.947 9.947 6.425 0.611 0.7291 0.703 0.0261
132 183 162 153.947 -8.053 6.459 0.615 0.7293 0.709 0.0203
133 183 145 153.947 8.947 6.497 0.618 0.7296 0.714 0.0156
134 183 156 153.947 -2.053 6.617 0.63 0.7357 0.72 0.0157
135 183 146 153.947 7.947 6.703 0.638 0.7361 0.726 0.0101
136 184 156 154.325 -1.675 6.741 0.641 0.7389 0.731 0.0079
137 184 148 154.325 6.325 6.813 0.648 0.7392 0.736 0.0032
138 184 145 154.325 9.325 6.971 0.663 0.7454 0.741 0.0044
139 184 149 154.325 5.325 7.009 0.667 0.7457 0.747 0.0013
140 184 160 154.325 -5.675 7.105 0.676 0.7486 0.752 0.0034
141 184 158 154.325 -3.675 7.119 0.677 0.7489 0.758 0.0091
142 184 146 154.325 8.325 7.325 0.697 0.7549 0.763 0.0081
143 184 147 154.325 7.325 7.545 0.718 0.7611 0.768 0.0069
144 185 148 154.703 6.703 7.545 0.718 0.7611 0.774 0.0129
145 185 164 154.703 -9.297 7.875 0.749 0.7703 0.78 0.0097
146 185 146 154.703 8.703 7.875 0.749 0.7703 0.785 0.0147
147 186 152 155.081 3.081 7.923 0.754 0.7734 0.790 0.0166
148 186 157 155.081 -1.919 7.947 0.756 0.7737 0.796 0.0223
149 186 168 155.081 -12.919 8.095 0.77 0.7794 0.801 0.0216
150 186 156 155.081 -0.919 8.325 0.792 0.7852 0.806 0.0208
151 186 151 155.081 4.081 8.401 0.799 0.7856 0.812 0.0264
152 186 153 155.081 2.081 8.411 0.800 0.7881 0.817 0.0289
153 187 149 155.459 6.459 8.483 0.807 0.7883 0.822 0.0337
154 187 125 155.459 30.459 8.679 0.826 0.7939 0.828 0.0341
155 187 184 155.459 -28.541 8.703 0.828 0.7943 0.833 0.0387
156 188 177 155.837 -21.163 8.947 0.851 0.8023 0.839 0.0367
157 188 154 155.837 1.837 9.095 0.865 0.8051 0.844 0.0389
158 188 160 155.837 -4.163 9.277 0.883 0.8106 0.849 0.0384
159 188 187 155.837 -31.163 9.277 0.883 0.811 0.855 0.0440
160 189 165 156.215 -8.785 9.325 0.887 0.8115 0.86 0.0485
161 189 156 156.215 0.215 9.435 0.898 0.8133 0.866 0.0527
162 189 158 156.215 -1.785 9.483 0.902 0.8186 0.871 0.0524
163 190 155 156.593 1.593 9.497 0.904 0.8238 0.876 0.0522
164 190 140 156.593 16.593 9.899 0.942 0.8264 0.881 0.0546
165 190 156 156.593 0.593 9.899 0.942 0.8355 0.887 0.0515
166 191 150 156.971 6.971 9.947 0.946 0.8412 0.892 0.0508
167 191 141 156.971 15.971 10.229 0.973 0.8461 0.898 0.0519
168 191 167 156.971 -10.029 11.033 1.05 0.8531 0.903 0.0499
169 192 161 157.349 -3.651 11.277 1.073 0.8577 0.908 0.0503

14
170 192 145 157.349 12.349 11.301 1.075 0.858 0.913 0.0550
171 192 154 157.349 3.349 12.033 1.145 0.8729 0.919 0.0461
172 192 184 157.349 -26.651 12.349 1.175 0.879 0.925 0.0460
173 192 155 157.349 2.349 12.545 1.194 0.883 0.930 0.0470
174 193 152 157.727 5.727 13.033 1.24 0.8925 0.936 0.0435
175 193 152 157.727 5.727 13.947 1.327 0.9066 0.941 0.0344
176 194 159 158.105 -0.895 14.473 1.377 0.9147 0.946 0.0313
177 194 151 158.105 7.105 14.861 1.414 0.9207 0.951 0.0303
178 195 185 158.483 -26.517 15.119 1.439 0.9236 0.956 0.0324
179 195 149 158.483 9.483 15.971 1.52 0.9357 0.962 0.0263
180 195 150 158.483 8.483 16.593 1.579 0.9419 0.968 0.0261
181 196 157 158.861 1.861 17.009 1.618 0.9463 0.973 0.0267
182 196 144 158.861 14.861 19.229 1.83 0.9664 0.978 0.0116
183 196 163 158.861 -4.139 22.301 2.122 0.983 0.984 0.0010
184 197 157 159.239 2.239 22.789 2.168 0.9846 0.989 0.0044
185 198 153 159.617 6.617 30.459 2.898 0.9981 0.994 0.0041
186 198 181 159.617 -21.383 32.277 3.071 0.999 1,000 0.0010

3). Analisis Variansi (Anava)

Bila yang dibandingkan itu lebih dari dua kelompok, maka uji-t tidak
dapat dipergunakan, jadi untuk hal ini dipergunakanlah F-tes atau Analisis
Variansi (Anava). Misalkan kita ingin membandingkan tiga kelompok sampel,
yaitu sampel A, sampel B, dan sampel C, maka pengujian perbedaan mean
tidak dapat dilakukan sekaligus, tetapi berpasangan sebagai berikut:
Pasangan pertama: Menguji perbedaan mean sampel A dengan sampel B.
Pasangan kedua :Menguji perbedaan mean sampel A dengan sampel C.
Pasangan ketiga : Menguji perbedaan mean sampel B dengan sampel C.
Untuk dapat membandingkan ke tiga pasangan perbedaan tersebut
sekaligus, maka digunakanlah Analisis Variansi atau F-tes yang
dikembangkan oleh R. A. Fisher.
Analisis Variansi ada dua macam, yakni analisis variansi klasifikasi
tunggal (satu jalan) dan analisis variansi klasifikasi ganda (dua jalan, dan
seterusnya).

(1). Analisis Variansi Satu Jalan

Analisis Variansi satu jalan hanya terdiri atas satu baris tetapi n kolom
atau banyak kolom, dan pada contoh berikut terdiri atas tiga kolom. Misalnya

15
kita ingin membandingkan hasil belajar matematika siswa sekolah X
berdasarkan pekerjaan orang tuanya. Jika pekerjaan orang tua siswa
dikelompokkan atas tiga kelompok yaitu: PNS, petani, dan nelayan. Adapun
nilai-nilainya seperti dicantumkan pada tabel 6.19 berikut.
Tabel 6.19. Hasil belajar Matematika Siswa Sekolah X

PNS Petani nelayan

6 6 6
6 6 6
7 6 6
7 6 7
7 7 7
7 7 7
8 7 7
8 7 8
9 8 8
9 9 9

Adapun rumus-rumusnya adalah sebagaimana ditunjukkan pada tabel

berikut ini.

Tabel 6.20. Rumus-Rumus Analisis Variansi Satu Jalan

Sumber Ft(5%)
dk JK KR F0
Variasi
2 2
(∑ X1 ) (∑ X2 )
JK a = { + +⋯} KR a
Antar k- N1 N2
JK a
2
Kelompok 1 (∑ Xt ) = KR a
− dk a F0 = 3,35
Nt KR d
Dalam JK d
N -k JK d = JK t − JK a KR d =
Kelompok t dk d
2
2 (∑ Xt )
Total (t) Nt-1 JK t = ∑ Xt − Nt - - -

Keterangan: a = antar kelompok

d = dalam kelompok
t = total
JK = Jumlah Kuadrat
KR = Kuadrat Rerata
dk = derajat kebebasan
N = jumlah subjek (frekuensi)
F0 = harga F observasi

16
 Berdasarkan data pada tabel 6.19 di atas, dapatlah dihitung harga-
2
harga Mean, N1,…,t , ∑ X1,…,t , (∑ X1,…,t ) seperti pada tabel 6.21 berikut ini.

2
Tabel 6.21. Harga-harga Mean, N1,…,t , ∑ X1,…,t , (∑ X1,…,t )

Yang dihitung PNS (1) Petani (2) Nelayan (3) Jumlah (t)

N 10 10 10 30
∑ Xi 74 69 71 214
∑ Xi2 558 485 513 1556
Mean 7,4 6,9 7,1 -

Berdasarkan rumus-rumus pada tabel 6.20 serta data-data pada tabel

6.21, maka:
2
2 (∑ Xt )
JK t = ∑ Xt −
Nt

(214)2
JK t = 1556 − = 1556 – 1526,53 = 29,47
30
2 2 2 2
(∑ X1 ) (∑ X2 ) (∑ X3 ) (∑ Xt )
JKa = { + + }−
N1 N2 N3 Nt

(74)2 (69)2 (71)2 (214)2

JKa = { + + }− = 1527,8 – 1526,53 = 1,27
10 10 10 30

JK d = JK t - JK a = 29,47 - 1,27 = 28,20

dka = k – 1 = 3 – 1 = 2 dan dkd = Nt - k = 30 - 3 = 27

JKa 1,27
KRa = = = 0,635
dka 2

JKd 28,20
KRd = = = 1,044
dkd 27
KRa 0,635
F0 = = = 0,608
KRd 1,044

Untuk dk = (dka; dkd) = (2 ; 27) Ftabel = 3,35 pada taraf signifikansi

5%. Adapun hipotesisnya adalah:

17
Ho: Tidak ada perbedaan hasil belajar matematika siswa sekolah X jika
didasarkan atas pekerjaan orang tuanya (PNS, petani, nelayan).
Ha: Terdapat perbedaan hasil belajar matematika siswa sekolah X jika
didasarkan atas pekerjaan orang tuanya (PNS, petani, nelayan).
Kesimpulan:
Berdasarkan perhitungan di atas, dimana F0 ˂ Ft(5%) maka Ho diterima
atau Ha ditolak, sehingga dapat disimpulkan bahwa tidak ada perbedaan hasil
belajar matematika siswa sekolah X jika didasarkan atas pekerjaan orang
tuanya (PNS, petani, nelayan).
Jika F0 ˃ Ftabel maka dilanjutkan dengan uji perbedaan ganda yaitu
Mi −Mj
dengan uji Tukey yang rumusnya: Q =
KRd
√
N

Dengan ketentuan, jika Qhitung ˃ Qtabel (1% atau 5%), maka perbedaan
tersebut signifikan, dengan dk = (k ; dkd).

(2). Analisis Variansi Ganda (Khusus Dua Jalan)

Analisis variansi satu jalan yang telah dibahas terdiri atas satu baris
dan tiga kolom, yang disebut mempunyai satu variabel yaitu variabel kolom.
Berikut ini yang akan dibahas hasil belajar matematika 40 orang siswa sekolah
X dengan analisis variansi dua jalan, yang mempunyai dua variabel, yaitu
variabel kolom dan variabel baris. Variabel kolomnya adalah pekerjaan orang
tua siswa yang dikelompokkan atas dua kelompok yaitu: PNS dan swasta.
Sedangkan variabel barisnya adalah asal daerah yang dikelompokkan atas
dua kelompok, yaitu kota dan desa. Analisis dua jalan ini disebut juga faktorial
2 x 2, sebagaimana ditunjukkan pada tabel 6.22 berikut.
Tabel 6.22. Anava Faktorial 2 x 2

Hasil Pekerjaan Orang Tua: Pekerjaan Orang Tua:

Belajar PNS Swasta
Asal (A1) (A2)
Daerah

Kota (B1) A1B1 A2B1

Desa (B2) A1B2 A2B2

18
Tabel 6.23. Hasil Belajar Matematika Siswa Sekolah X

Pekerjaan Orang Tua: PNS Pekerjaan Orang Tua: Swasta

(A1) (A2)

Kota (B1) Desa (B2) Kota (B1) Desa (B2)

6 6
6 6
7 6
7 6
7 7
7 7
8 7
8 7
9 8
9 9
6 5
6 6
6 6
7 6
7 6
7 7
7 7
8 7
8 8
9 8

N1 = 10 N2 = 10 N3 = 10 N4 = 10
∑ X1 = 74 ∑ X2 = 69 ∑ X3 = 71 ∑ X4 = 66
∑ X12 = 548 ∑ X22 = 485 ∑ X32 = 513 ∑ X42 = 484
M1 = 7,4 M2 = 6,9 M3 = 7,1 M4 = 6,6

Mean = 7,15 Mean = 6,85

Pertanyaan:
a. Apakah ada perbedaan hasil belajar matematika siswa antara yang
memiliki pekerjaan orang tua PNS dan pekerjaan orang tua swasta?
b. Apakah ada perbedaan hasil belajar matematika siswa antara yang
berasal dari kota dan berasal dari desa?
c. Apakah ada interaksi jenis pekerjaan orang tua dengan daerah asal?
Penyelesaian:
Nt = 40
∑ Xtotal = 74 + 69 + 71 + 66 = 280
2
∑ Xtotal = 548 + 485 + 513 + 484 = 2030

19
 2
(∑ Xt )
a. JK total = ∑ X2t −
Nt

(280)2
= 2030 −
40
= 2030 - 1960
= 70
b. JK antar kelompok =
2 2 2 2 2
(∑ X1 ) (∑ X2 ) (∑ X3 ) (∑ X4 ) (∑ Xt )
= { + + + }−
N1 N2 N3 N4 Nt

(74)2 (69)2 (71)2 (66)2 (280)2

= { + + + }−
10 10 10 10 40

= 547,6 + 476,1 + 504,1 + 435,6 - 1960

= 1963,4 - 1960
= 3,4
c. JK dalam kelompok (JKd) = JK total - JK antar kelompok
= 70 - 3,4
= 66,6
d. JK antar variabel:
(1) Variabel Pekerjaan Orang Tua (A):
2 2
2
(∑ XA ) (∑ XA ) (∑ Xt )
1 2
JKA = { + }−
NA1 NA2 Nt

(143)2 (137)2 (280)2

= { + }− 40
20 20
= 1022,45 + 938,45 - 1960
= 1960,9 - 1960
= 0,9
(2) Variabel Asal Daerah (B):
2 2
2
(∑ XB ) (∑ XB ) (∑ Xt )
1 2
JKB = { + }−
NB1 NB2 Nt

(145)2 (135)2 (280)2

= { + }− 40
20 20
= 1051,25 + 911,25 - 1960
= 1962 - 1960 = 2

20
e. JK interaksi (AB):
2 2 2 2
2
(∑ XA B ) (∑ XA B ) (∑ XA B ) (∑ XA B ) (∑ Xt )
1 1 1 2 2 1 2 2
= { + + + }− -
NA1B1 NA1B2 NA2B1 NA2 B2 Nt

JKA - JKB
(74)2 (69)2 (71)2 (66)2 (280)2
= { + + + }− - 0,9 - 2
10 10 10 10 40

= 547,6 + 476,1 + 504,1 + 435,6 - 1960 - 0,9 - 2

= 1963,4 - 1960 - 0,9 - 2 = 0,5
f. Derajat Kebebasan (dk):
dk A = (A – 1) = (2 – 1) = 1
dk B = (B – 1) = (2 – 1) = 1
dk interaksi = dk AB = (A – 1)(B – 1) = (2 – 1)(2 – 1) = 1
dk d = ∑(N𝑖 − 1)
= (N1 – 1) + (N2 – 1) + (N3 – 1) + (N4 – 1)
= (10 – 1) + (10 – 1) + (10 – 1) + (10 – 1)
= 36
g. Rata-rata Jumlah Kuadrat:
JKA 0,9
RJK A = = = 0,9
dkA 1
JKB 2
RJK B = = = 2
dkB 1
JKAB 0,5
RJK AB = = = 0,5
dkAB 1
JKd 66,6
RJK d = = = 1,85
dkd 36

h. Fhitung :
RJKA 0,9
FA = = = 0,486 .................. a (dka;dkd)
RJKd 1,85
RJKB 2
FB = = = 1,08 ....................... b (dkb;dkd)
RJKd 1,85
RJKAB 0,5
FAB = = = 0,270 ................. c (dkab;dkd)
RJKd 1,85

i. Ftabel :
F5%(1;36) = 4,11 dan F1%(1;36) = 7,39

21
Tabel 6.24. Tabel Rangkuman Analisis Variansi

Sumber Variasi dk JK RJK Fhitung Ftabel(5%) Ftabel(1%)

Pekerjaan Orangtua (A) 1 0,9 0,9 0,468 4,11 7,39

Asal Daerah (B) 1 2 2 1,08 4,11 7,39

Interaksi (AB) 1 0,5 0,5 0,270 4,11 -

Galat 36 66,6 1,85 - - -

39 70,0 - - - -
Total

Kesimpulan:
a. Tidak terdapat perbedaan hasil belajar matematika siswa sekolah X
antara yang memiliki pekerjaan orang PNS dan Swasta.
b. Tidak terdapat perbedaan hasil belajar matematika siswa sekolah X
antara yang berasal dari kota dan desa.
Tidak terdapat interaksi antara pekerjaan orang tua dengan asal daerah.

22