BUKU AJAR STATISTIKA

PENDIDIKAN

SYAMSINAR PASE
230008301010

PENDIDIKAN FISIKA
PASCASARJANA UNIVERSITAS NEGERI MAKASSAR
2023
DAFTAR ISI
BAB 1 ........................................................................................................................................ 0
PENDAHULUAN ..................................................................................................................... 0
A. Pengertian Statistika........................................................................................................ 0
B. Kegunaan Statistika ........................................................................................................ 4
C. Pentingnya Belajar Statistika .......................................................................................... 4
BAB II........................................................................................................................................ 6
Statistik Deskriptif ..................................................................................................................... 6
A. Pengertian Satistika Deskriptif ....................................................................................... 6
B. Analisa Univariate .......................................................................................................... 7
BAB III .................................................................................................................................... 15
Uji Hipotesis ............................................................................................................................ 15
A. Pengertian Uji Hipotesis ............................................................................................... 15
B. Pengujian hipotesis ....................................................................................................... 16
BAB IV .................................................................................................................................... 22
REGRESI LINIER ................................................................................................................... 22
A. Pengertian Regresi ........................................................................................................ 22
B. Jenis-jenis regresi linier ................................................................................................ 23
BAB V ..................................................................................................................................... 32
CONTOH KASUS ................................................................................................................... 32
 BAB 1
PENDAHULUAN
A. Pengertian Statistika

Statistika merupakan pelajaran yang terkesan sulit dan susah dipahami, apalagi statistika
merupakan mata kuliah yang wajib ada pada semua jurusan lintas ilmu. Istilah statistika
merupakan ilmu yang mempelajari bagaimana cara mengumpulkan, mengolah dan
mempresentasikan data. Statistika banyak digunakan di bermacam disiplin ilmu, baik ilmu alam
maupun dalam bidang bisnis, industri, dan ekonomi. Statistika juga digunakan di dalam
pemerintahan.
Perkembangan ilmu pengetahuan dan teknologi (iptek) saat ini menunjukkan bahwa
ilmu statistika telah mempengaruhi hampir seluruh aspek kehidupan manusia. Hampir semua
kebijakan publik dan keputusan-keputusan yang diambil oleh para pakar pendidikan atau para
eksekutif (dalam ruang lingkup ilmu mereka) didasarkan dengan metode statistika serta hasil
analisis dan interpretasi data, baik secara kuantitatif maupun kualitatif.
Statistika dapat digunakan sebagai alat komunikasi, yaitu sebagai penghubung beberapa
pihak yang menghasilkan data statistik atau berupa analisis statistis sehingga beberapa pihak
tersebut akan dapat mengambil keputusan melalui informasi tersebut. Statistika juga disebut
sebagai alat deskripsi, yaitu penyajian data dan mengilustrasikan data, misalnya mengukur hasil
produksi, laporan hasil liputan berita, indeks harga konsumen, laporan keuangan, tingkat inflasi,
jumlah penduduk, hasil pendapatan dan pengeluaran negara, dan lain sebagainya. Pada Bab 1
ini mahasiswa mempelajari tentang Pengantar Statistika.

Secara etimologi, awal mula istilah statistik dari bahasa Latin, yaitu state. Arti state
adalah negara dan penggunaannya terkait dengan kepentingan negara. Hal-hal yang terkait
dengan kepentingan negara diantaranya adalah penggunaan statistik untuk mendeskripsikan
keadaan dan penyelesaian masalah yang berkaitan dengan kenegaraan, seperti penghitungan
jumlah penduduk, jumlah pegawai negeri, gaji pegawai, jumlah balita, angka kemiskinan, dan
lain-lain. Dalam perkembangannya, pengertian statistik mengalami pengembangan, diantaranya
menurut Siregar (2016) adalah:

1. Satistik adalah koleksi data yang direpresentasikan dalam bentuk grafik, diagram, gambar,
ataupun tabel/daftar. Misalnya: statistik harga konsumen, statistik kelahiran dan kematian
 penduduk, statistik literasi digital, angka harapan hidup, statistik pertumbuhan kendaraan
bermotor, statistik penggunaan teknologi informasi dan komunikasi.
2. Statistik yang didefinisikan sebagai pengetahuan mengenai pengumpulan,
pengklasifikasian, penyajian, pengolahan data, dan penarikan kesimpulan, serta
pengambilan keputusan berdasarkan masalah tertentu.
3. Statistik matematika/statistik teoretik adalah statistik yang diderivasikan sebagai penciptaan
modelmodel teoretis dan matematis.
4. Statistik terapan adalah statistik yang mengulas teknik penganalisisan data untuk riset.

Statistik berbeda istilah dengan statistika. Statistik adalah kumpulan angka yang
penyusunannya lebih dari satu angka. Statistik adalah rekapitulasi dari fakta yang berbentuk
angka-angka disusun dalam bentuk tabel dan diagram yang mendeskripsikan suatu
permasalahan. Misalnya, pada tahun 2020 persentase angka kematian ibu di Indonesia naik
sebesar 10,25% dari tahun sebelumnya. Angka kematian bayi di Indonesia pada tahun 2020
sebesar 28 ribu. Sepanjang tahun 2021 pertumbuhan penduduk mengalami peningkatan
sebanyak 1,64 juta jiwa. Angka 10,25%, 28 ribu, dan 1,64 juta adalah contoh statistik. Data
dalam bentuk angka tersebut kemudian dapat disajikan dalam bentuk tabel, grafik, diagram,
deretan angka, dan visualisasinya.

Statistik berguna untuk mengukur bagian dari sekelompok fakta mengenai rata-rata
penghasilan, rata-rata hasil penjualan produk, persentase kenaikan harga bahan pokok, prediksi
indeks kinerja, prediksi hasil pemilu dan sebagainya. Terdapat beberapa proses dalam
mendapatkan informasi terkait suatu masalah dan memperoleh kesimpulan yang benar, yaitu
pengumpula informasi, pengolahan informasi, dan proses penarikan kesimpulan. Kesemuanya
itu memerlukan pengetahuan sendiri yang disebut statistika.

Adakah perbedaan antara statistik dan statistika? Statistika berasal dari istilah Latin,
yaitu statisticum collegium yang berarti dewan negara. Ini berarti bahwa statistika digunakan
untuk mengurus data pada lembaga-lembaga administrasi dan pemerintahan. Namun saat ini
penggunaan statistika lebih banyak menyentuh pada bidang ilmu pengetahuan seperti
astronomi, sosiologi, psikologi, komunikasi, ekonometrika, biometrika, psikometrika, dan lain-
lain. Statistika adalah ilmu dan metode tentang pengumpulan, pengolahan, penyajian,
penganalisisan, dan penginterpretasian data ke dalam bentuk angka-angka (Sudjana,1992;
Dajan,1995; Riduwan,2003; Rozak,2012). Statistika adalah ilmu yang digunakan untuk
membantu efektivitas pengambilan keputusan dengan cara memproses pengumpulan data
sampai interpretasi data menjadi informasi.

Statistika penting untuk dipelajari karena sangat berguna untuk ketepatan pengambilan
keputusan dalam berbagai bidang. Terdapat dua alasan mengenai pentingnya belajar statistika.
Pertama, seseorang dapat mengevaluasi data dengan berbekal pengetahuan dan kemampuan
statistika. Dengan pengetahuan statistika yang dimiliki, kita dapat meragukan ataupun menolak
kebenaran. Kita juga dapat menerima dan menyetujui suatu kebenaran. Kedua, dengan statistika
kita dapat membuat kesimpulan dan menyampaikan hasil yang berbeda dengan keadaan yang
sesungguhnya. Misalnya, akhir-akhir ini media elekronik maupun media cetak sering
menyajikan hasil survei terkait elektabilitas calon presiden pada pemilihan umum 2024.
Beberapa hasil survei tersebut menyampaikan hasil yang berbeda antara Lembaga yang satu
dengan yang lainnya. Perbedaan hasil tersebut tentu banyak dipengaruhi oleh tingkat validitas
data itu sendiri. Permasalahan validitas data dapat disebabkan oleh besar kecilnya sampel.
Semakin besar sampel yang digunakan, hasilnya juga menjadi valid dan memadai.

Statistika dapat dibedakan menjadi dua jenis, yaitu statistika deskriptif dan inferensial
(Riduwan, 2003; Gunawan, 2017). Statistika Deskriptif adalah statistika yang berkenaan dengan
metode atau cara mendeskripsikan, menggambarkan, menjabarkan, atau menguraikan data.
Statistika ini mengorganisasikan data, menentukan nilai rata-rata hitung, median, modus,
standar deviasi, dan membuat tabel, distribusi frekuensi, serta diagram atau grafik. Statistika
Inferensial adalah statistika yang bertujuan untuk menarik sebuah simpulan dari beberapa orang,
peristiwa, dan waktu untuk keseluruhan/populasi (Riduwan, 2003; Gunawan, 2017). Statistika
inferensial disebut juga statistika induktif (statistika penarikan kesimpulan). Cakupan statistika
inferensial melingkupi teori kemungkinan (probabilitas), distribusi teoretis, sampling dan
distribusinya, pengujian hipotesis mengenai karakteristik dari suatu populasi, analisis korelasi,
analisis regresi, analisis varians, analisis kovarians, analisis jalur, analisis cluster.

Secara umum, statistika deskriptif tidak mengandung unsur yang berbasis teori
probabilitas. Walaupun kesimpulan analisis suatu data didapat dengan menggunakan statistika
inferensial, biasanya statistika deskriptif juga mempunyai peran. Misalnya, dalam penelitian
penggunaan obat yang melibatkan manusia sebagai subjeknya, pasti akan diberikan tabel
mengenai jumlah sampel, jumlah sampel pada bagian populasi (misalnya, pada tiap dosis yang
berbeda atau pada tiap jam yang berbeda), dan karakteristik demografi atau klinis seperti, rata-
rata umur, dan perbandingan jumlah subjek laki-laki dan perempuan.
 Statistika memiliki hubungan yang erat dengan metode ilmiah, karena statistika
merupakan salah satu langkah dalam metode ilmiah. Metode ilmiah adalah salah satu cara
mencari kebenaran yang bila ditinjau dari segi penerapannya, resiko untuk keliru paling kecil.
Langkah-langkah dalam metode ilmiah adalah sebagai berikut :

1. Merumuskan masalah
2. Melakukan studi literatur
3. Membuat dugaan-dugaan, pertanyaan-pertanyaan atau hipotesis
4. Mengumpulkan dan mengolah data, menguji hipotesis, atau menjawab pertanyaan (peran
statistika: instrumen, sampel, sifat data, variabel, metode analisis)
5. Mengambil kesimpulan

Landasan kerja statistik dapat dibagi menjadi tiga jenis landasan kerja, yaitu:

1. Variatif, sebagai bentuk dasar bahwa kenyataan seorang peneliti dihadapi oleh berbagai
persoalan atau gejala yang bermacam-macam (variasi) baik dalam bentuk tingkatan dan
jenisnya.
2. Reduktif, hanya sebagian dari keseluruhan kejadian yang hendak diteliti (penelitia
sampling).
3. Generalisasi, sekalipun dilakukan terhadap sebagian kejadian yang diteliti, namun hasilnya
memberikan kesimpulan untuk keseluruhan kejadian atau gejala yang diteliti.

Statistik memiliki beberapa karakteristik, antara lain :

1. Statistik Bekerja dengan Angka.

Angka-angka ini dalam statistik mempunyai dua pengertian, yaitu :
a. Angka statistik merupakan data kuantitatif karena memuat jumlah atau frekuensi dan
nilai atau harga. Contoh : Jumlah mahasiswa Program Studi Ilmu Komunikasi UMSIDA,
jumlah dosen Universitas Muhammadiyah Sidoarjo pada tahun 2021, jumlah staf
administrasi UMSIDA, harga minyak goreng di Pasar Larangan, harga pertamax di
SPBU Sidoarjo, harga cabai di Pasar Puspa Agro, harga telur ayam kampung pada
minggu kedua setelah lebaran. Angka-angka tersebut menyatakan nilai atau harga
sesuatu.
b. Angka statistik merupakan data kualitatif karena memiliki nilai yang diwujudkan dalam
angka. Contoh : mutu program studi, kualitas universitas, nilai kepemimpinan, nilai
kecerdasan mahasiswa, metode mengajar dosen, pelaksanaan Merdeka Belajar Kampus
Merdeka (MBKM), dan sebagainya.
2. Statistik Bersifat Objektif Statistik bersifat objektif karena bekerja dengan angka. Sehingga
angka statistik dapat digunakan untuk menentukan kebijakan sesuai dengan data dan fakta
karena statistik berguna dalam mengungkap fakta dari suatu peristiwa, mencari fakta, dan
menjelaskan suatu kebenaran dalam peristiwa.
3. Statistik Bersifat Universal (Umum). Statistik tidak hanya digunakan dalam salah satu
disiplin ilmu saja, tetapi dapat digunakan secara umum dalam berbagai bentuk disiplin ilmu
pengetahuan dengan penuh keyakinan.

B. Kegunaan Statistika

Ilmu statistika telah berpengaruh terhadap seluruh aspek kehidupan manusia, terlebih saat ini
dimana ilmu pengetahuan dan teknologi mengalami perkembangan. Metode statistika, hasil
analisis dan interpretasi data digunakan oleh hampir semua ilmuwan dan para eksekutif sebagai
dasar dalam pengambilan keputusan-keputusan dan kebijakan publik yang sesuai dengan
bidang keilmuan mereka, baik secara kuantitatif maupun kualitatif. Selanjutnya statistika dapat
digunakan sebagai alat :

1. Komunikasi, yaitu menghubungkan beberapa pihak yang menghasilkan data statistik

atau analisis statistik sehingga informasi tersebut dapat dijadikan sebagai dasar bagi
pengambilan keputusan.
2. Deskripsi, yaitu penyajian data dan mengilustrasikan data misalnya mengukur hasil
penjualan, laporan tahunan, indeks harga konsumen, laporan keuangan, tingkat
kelahiran dan kematian bayi, jumlah penduduk, biaya produksi dan keuntungan, dan
lain sebagainya.
3. Komparasi, yaitu membandingkan dua kelompok data atau lebih.
4. Korelasi, yaitu mencari kuatnya atau besarnya hubungan data dalam suatu penelitian.
5. Regresi, yaitu memprediksi pengaruh data yang satu dengan data lainnya sebagai
bentuk antisipasi terhadap indikasi yang akan terjadi di masa yang akan datang.

C. Pentingnya Belajar Statistika

Sebagian orang menganggap bahwa belajar statistika itu sulit dan rumit karena tidak
memahami asal mulanya, padahal belajar statistika itu sangat mudah terlebih lagi mempunyai
dasar matematika yang baik. Seseorang tidak akan mengalami kesulitan, bahkan akan merasa
mudah meskipun mengetahui hitungan yang sedikit, asalkan tekun dan rutin mengerjakan
contoh-contoh persoalan statistika. Bukubuku yang tersedia di pasaran sering mengecoh
mahasiswa yang sedang belajar statistika karena cenderung mengulas hal-hal yang kurang
mempesona sehingga mahasiswa merasa minder, takut, banyak rumus, dan sulit untuk
dipahami. Terdapat beberapa faktor penyebab sulitnya belajar statistik, yaitu karena buku-buku
yang tersedia kurang berfokus pada permasalahan yang ada. Selain itu, tindakan yang mudah
dan jelas belum diambil oleh para untuk memperbaiki tulisannya, dan para pembaca dianggap
sudah memahami, menganalisis sendiri, bahkan dianggap jenis dan sebagainya. Pembaca atau
mahasisa merasa kebingungan untuk mempelajarinya, sehingga perkembangan mahasiswa
dalam mengkaji buku statistika terhambat. Padahal statistika bermanfaat bagi karir di masa
depan, yaitu dalam menyusun skripsi, tesi, disertasi, dan penelitian lainnya.

Hampir seluruh bidang tidak terlepas dari kebutuhan menggunakan angka, data, dan
fakta. Terlebih pada era globalisasi, terlihat bahwa statistika sangat dibutuhkan. Secara sadar
atau tidak, statistika merupakan bagian fundamental dari latihan profesional dan menjadi
landasan dari kegiatankegiatan penelitian. Fungsi statistika tidak hanya sebagai sarana
pengembangan cara berpikir secara logis, tetapi juga pengembangan berpikir secara ilmiah
untuk merencanakan (forecasting), menyelidiki, menyimpulkan, dan membuat keputusan yang
teliti dan meyakinkan. Pembaca atau mahasiswa perlu memperhatikan bahwa belajar statistika
yang baik dan praktis harus diawali dengan mengetahui tujuan, manfaat dan kegunaannya.
Kemudian mahasiswa perlu memulai gagasan untuk menerapkan dalam kenyataan yang ada
dan berusaha melaksanakan gagasan atau ide-ide tersebut. Setelah gagasan dan usaha berhasil
dikoordinasikan, langkah yang harus dilakukan adalah mempertimbangkan dan memilah
gagasan atau ide dan usaha tersebut dengan rasa cipta karsa untuk diciptakan dalam karya
nyata. Terakhir dan yang paling penting adalah apabila dalam merealisasikan keseluruhan
langkah yang telah dijelaskan tidak didukung oleh modal berupa uang; gagasan, usaha, dan
rasa cipta karsa tidak akan terwujud. Jika keseluruhan tahap ini sudah terbentuk dan terpenuhi
dengan jelas, belajar statistika sangatlah mudah.
 BAB II
Statistik Deskriptif
A. Pengertian Satistika Deskriptif

Statistik deskriptif (descriptive statistics) yaitu statistik yang mempelajari tata cara
mengumpulkan, menyusun, menyajikan dan menganalisa data penelitian yang berwujud angka-
angka, agar dapat memberikan gambaran yang teratur, ringkas dan jelas mengenai suatu gejala,
keadaan peristiwa, sehingga dapat ditarik pengertian atau makna tertentu. Analisis data yang
tergolong statistik deskriptif, terdiri dari tabel, grafik, mean, median, modus, pengukuran variasi
data, dan teknik statistik lain yang bertujuan hanya mengetahui gambaran atau kecenderungan
data tanpa bermaksud melakukan generalisasi. Sugiyono (2004) menjelaskan statistik deskriptif
adalah statistik yang digunakan untuk menggambarkan atau menganalisa suatu statistik hasil
penelitian, tetapi tidak digunakan untuk membuat kesimpulan yang lebih luas (generalisasi/
inferensi). Lebih lanjut dijelaskan Sugiyono bahwa penelitian yang tidak menggunakan sampel,
maka analisisnya akan menggunakan statistik deskriptif. Demikian juga dengan penelitian yang
menggunakan sampel tetapi peneliti tidak bermaksud untuk membuat kesimpulan untuk
populasi dari mana sampel diambil, maka statistik yang digunakan adalah statistik deskriptif.

Statistik deskriptif merupakan bidang ilmu statistika yang mempelajari caracara

pengumpulan, penyusunan, dan penyajian data suatu penelitian. Statistik deskriptif adalah
bagian dari ilmu statistik yang meringkas, menyajikan dan mendeskripsikan data dalam bentuk
yang mudah dibaca sehingga memberikan informasi tersebut lebih lengkap. Statistik deskriptif
hanya berhubungan dengan hal menguraikan atau memberikan keterangan-keterangan
mengenai suatu data atau keadaan atau fenomena, dengan kata lain hanya melihat gambaran
secara umum dari data yang didapatkan.

Statistika deskriptif adalah metode-metode yang berkaitan dengan pengumpulan dan

penyajian suatu data sehingga memberikan informasi yang berguna (Walpole, 1995). Statistik
deskriptif berfungsi untuk mendeskripsikan atau memberi gambaran terhadap objek yang diteliti
melalui data sampel atau populasi (Sugiyono, 2007). Data yang disajikan dalam statistik
deskriptif biasanya dalam bentuk ukuran pemusatan data (Kuswanto, 2012). Salah satu ukuran
pemusatan data yang biasa digunakan adalah mean (Fauzy, 2009). Selain dalam bentuk ukuran
pemusatan data juga dapat disajikan dalam bentuk salah satunya adalah diagram pareto dan
tabel. Berikut ini penjelasan mengenai mean, diagram pareto, dan tabel.
 Tujuan utama analisis statistik deskriptif untuk memberikan gambaran mengenai
variable-variabel yang digunakan, seperti nilai minimum, nilai maksimum, rata-rata dan standar
deviasi pada masing-masing penelitian. Analisis statistik deskriptif menunjukkan gambaran
kondisi dan karakteristik jawaban responden untuk masing-masing konstruk atau variabel yang
diteliti. Analisis deskriptif dilakukan dengan menyajikan data ke dalam tabel distribusi
frekuensi, menghitung nilai rata-rata, skor total, dan tingkat pencapaian responden (TCR), serta
menginterpretasikannya. Analisis statistik deskriptif bertujuan untuk mengumpulkan,
mengolah, dan menganalisis data sehingga dapat disajikan dalam tampilan yang lebih baik
(Ghozali, 2016).

B. Analisa Univariate

1. Pengertian Analisa univariate

Analisis univariat adalah metode analisis data yang digunakan untuk menganalisis suatu
variabel atau data tunggal. Dalam analisis univariat, variabel tersebut dipelajari secara terpisah
tanpa mempertimbangkan hubungannya dengan variabel lain. Sedangkan analisis bivariat
adalah metode analisis data yang digunakan untuk menganalisis hubungan antara dua variabel
atau lebih dalam satu waktu.

 William G. Zikmund dan Barry J. Babin dalam buku “Exploring Marketing Research”,
analisis univariat digunakan untuk menjelaskan, merangkum, dan menggambarkan
karakteristik suatu variabel, sedangkan analisis bivariat digunakan untuk
mengeksplorasi hubungan antara dua variabel atau lebih.
 Ronán M. Conroy dalam buku “Essential Medical Statistics”, analisis univariat dan
analisis bivariat merupakan langkah awal dalam analisis statistik dan digunakan untuk
memahami data sebelum melakukan analisis yang lebih kompleks.
 Andy Field dalam buku “Discovering Statistics Using SPSS”, analisis univariat dapat
memberikan informasi tentang sebaran dan kecenderungan data, sedangkan analisis
bivariat dapat digunakan untuk mengeksplorasi hubungan antara dua atau lebih
variabel.
 David C. Howell dalam buku “Statistical Methods for Psychology”, analisis univariat
dan analisis bivariat merupakan dua jenis analisis yang saling melengkapi dan
seringkali digunakan bersama-sama dalam penelitian.
 Richard L. Scheaffer, et al. dalam buku “Elementary Survey Sampling”, analisis
univariat dapat digunakan untuk mengidentifikasi pola dalam data, sedangkan analisis
 bivariat dapat digunakan untuk mengeksplorasi hubungan antara dua variabel atau lebih
dan memperkirakan pengaruhnya terhadap variabel lain.
Analisa univariate berfungsi untuk meringkas Kumpulan data hasil pengukuran
sedemikian rupa sehingga Kumpulan data tersebut berubah menjadi informasi yang berguna.
Peringkasan tersebut dapat berupa ukuran statistic, tabel, grafik. Analisa univariate dilakukan
masing-masing variable yang diteliti.

2. Analisis Univariat Menggunakan Apa?

Analisis univariat menggunakan berbagai metode statistic seperti distribusi, tendensi

sentral, dan ukuran dispersi.

a. Distribusi
Distribusi adalah ringkasan frekuensi dari data individual atau data
berkelompok untuk sebuah variable. Distribusi yang paling sederhana adalah
dengan menentukan nilai-nilai yang ingin dicari dari variable yang dipelajari
dan jumlah sample yang memiliki nilai tersebut. Misalnya dalam menghitung
distribusi jenis kelamin subjek-subjek dalam satu penelitian berarti kita
menghitung persentase subjek yang laki-laki dan subjek yang Perempuan.
Penyusunan distribusi frekuensi memerlukan beberapa langkah. Adapun
langkah yang perlu diperhatikan dalam penyusunan distribusi frekuensi sebagai
berikut:
- Mengurutkan data dari yang terkecil hingga yang terbesar atau bisa juga
sebaliknya. Langkah ini dilakukan untuk memudahkan dalam
melakukan perhitungan.
- Mencari skor (data) terbesar dan terkecil
- Mencari nilai Range atau rentang (R)
- Mencari banyak kelas (BK) dengan rumus Sturgess : BK = 1 + 3,3 Log
n
- Mencari nilai panjang kelas (i)
- Membuat tabulasi dengan tabel frekuensi
b. Tendensi sentral
Tendensi sentral atau dikenal juga dengan istilah ukuran pemusatan adalah
penjabaran data yang berulang atau berpusat pada nilai-nilai tertentu secara
kuantitatif. Tendensi sentral adalah cara untuk mencari nilai tengah dari satu
 gugus data yang telah diurutkan dari nilai yang terkecil sampai yang terbsesar
atau sebaliknya yang terbesar sampai yang terkecil.
- Arithmetic mean ( rata-rata hitung) : jumlah seluruh nilai dibagi jumlah
data dalam observasi
- Median : nilai tengah yag memisahkan data yang tinggi dan yang
rendah.
- Mode : nilai yang paling sering muncul dalam observasi.
- Geometric mean : akar pangkat n dari hasil perkalian setiap pengamatan.
- Harmonic mean : rata-rata hitung untuk data yang memiliki rasio yang
berbeda.
c. Ukuran dispersi
Ukuran disperse atau ukuran variasi atau ukuran penyimpangan adalah ukuran
yang menyatakan seberapa jauh penyimpangan nilai-nilai data dari nilai-nilai
pusatnya atau ukuran yang menyatakan seberapa banyak nilai-nilai data yang
berbeda dengan nilai-nilai pusatnya. Ukuran disperse pada dasarnya adalah
pelengkap dari ukuran nilai pusat dalam menggambarkan sekumpulan data.
Jadi, dengan adanya ukuran disperse maka penggambaran sekumpulan data
akan menjadi lebih jelas dan tepat.
Disperse dapat diukur melalui beberapa metode :
- Jangkauan (Range): jangkauan adalah selisih antara nilai maksimum dan
nilai minimum dalam suatu kelompok data.
- Deviasi rata-rata (mean deviation): deviasi rata-rata adalah nilai rata-rata
hitung dari harga mutlak simpangannya.
- Variansi : ukuran keragaman yang melibatkan seluruh data, dengan
menghitung rata-rata dari jumlah kuadrat nilai simpangan.
- Simpangan buku (standard deviasi): simpangan buku adalah akar dari
variansi dan digunakan untuk mengetahui tingkat keragaman data.

Berikut ini contoh penyusunan distribusi frekuensi data hasil belajar mahasiswa Prodi
XYZ.

Contoh: Diketahui data hasil belajar mahasiswa XYZ, dan buatlah tabel distribusi
frekuensi.

80 70 67 62 69 60 67 60 63 68
 72 90 70 75 59 77 62 69 60 72

65 56 54 65 59 55 71 85 70 70 5

8 62 57 54 55 73 60 60 64 72

Langkah-langkah untuk menjawab :

- Mengurutkan data dari yang terkecil hingga yang terbesar.

54 54 55 55 56 57 58 59 59 60
60 60 60 60 62 62 62 63 64 65
65 67 67 68 69 69 70 70 70 70
71 72 72 72 73 75 77 80 85 90
- Mencari skor (data) terbesar dan terkecil
Skor terbesar = 90
Skor terkecil = 54 Langkah
- Mencari nilai Range atau rentang (R)
R = skor terbesar - skor terkecil
R = 90 -54 = 36
- Mencari banyak kelas (BK) dengan rumus Sturgess
BK = 1 + 3,3 Log n
terlebih dahulu hitung nilai n yaitu banyaknya data hasil belajar mahasiswa XYZ
kemudian masukkan nilai n ke dalam rumus BK.
BK = 1 + 3,3 Log 50
= 6,6 ≈ 7
- Mencari nilai panjang kelas (i)

- Membuat tabulasi dengan tabel frekuensi sebagai berikut:

No Kelas interval Tabulasi Frekuensi

(f)
1 54-59 IIII IIII 9
2 60-65 IIII IIII II 12
3 66-71 IIII IIII 10
 4 72-77 IIII I 6
5 78-83 I 1
6 84-90 II 2
Jumlah Σf = 40

a. Mean
Untuk menentukan rata-rata dari data distribusi frekuensi, dilakukan dengan
menghitung terlebih dahulu titik tengah dari tiap kelas interval. Setelah itu
dilakukan perhitungan dengan rumus rata-rata hitung.

No Kelas interval Titik tengah (xi) Frekuensi xi.fi

(fi)
1 54-59 56,5 9 508,5
2 60-65 62,5 12 750
3 66-71 68,5 10 685
4 72-77 74,5 6 447
5 78-83 80,5 1 80,5
6 84-90 86,5 2 173
Jumlah Σf = 40 2644

b. Median

No Kelas interval Frekuensi

(f)
1 54-59 9
2 60-65 12
3 66-71 10
4 72-77 6
5 78-83 1
6 84-90 2
Jumlah Σf = 40
 Letak median ada pada data ke 20 (Σf/2 = 40/2 = 20), yaitu pada interval kelas
kedua, sehingga nilai median yaitu:
bb = 59,5
p=6
n = 40
F=9
f = 12

c. Modus
Modus dari data distribusi frekuensi tersebut adalah :
3
Modus = 59,5 + 6( 3+2) = 63,1

d. Rata- rata ukur

No Kelas interval Titik Frekuensi Log f

tengah (xi) (fi) X logx
1 54-59 56,5 9 0,95 8,59
2 60-65 62,5 12 1,08 12,95
3 66-71 68,5 10 1,00 10
4 72-77 74,5 6 0,78 4,67
5 78-83 80,5 1 0,00 0,00
6 84-90 86,5 2 0,30 0,60
Jumlah Σf = 40 4,11 36,80

36,80 36,80
G = antilog ( )( )= 0,00
60 60

Ukuran disperse
- Range
Rumus yang digunakan untuk mengukur Simpangan Rata-rata (SR)
adalah sebagai berikut:

dimana:
 n = Banyaknya data
xi = data ke-i
= rata-rata
Contoh:
Misalkan tinggi 10 orang mahasiswa sebagai berikut: 1
80 172 176 170 166
155 177 180 169 185
HItunglah Simpangan Rata-rata data tersebut.
Jawab: Terlebih dahulu diakukan perhitungan rata-rata dari data tinggi
mahasiswa :

Untuk mempermudah perhitungan, dibuat tabel penolong seperti di

bawah ini.
Tabel Penolong Simpangan Rata-rata

No X
1 180 20,79 159,21
2 171 20,79 150,21
3 176 20,79 155,21
4 170 20,79 149,21
5 166 20,79 145,21
6 170 20,79 149,21
7 155 20,79 134,21
8 177 20,79 156,21
9 180 20,79 159,21
10 169 20,79 148,21
jumlah 150,61

Berdasarkan tabel penolong tersebut diperoleh simpangan rata-rata

sebagai berikut:
 - Standar Deviasi
Penentuan simpangan baku data tunggal dapat digunakan rumus sebagai
berikut:

Contoh :
Lengkapi data pada tabel berikut, kemudian hitunglah simpangan
bakunya.
Data kemampuan dosen Universitas ABC tertuang dalam tabel di bawah
ini.
No X X2
1 75 5625
2 70 4900
3 80 6400
4 85 7225
5 60 3600
6 75 5625
7 100 10000
8 90 8100
9 95 9025
10 75 5625
n=10 ∑ X = 805 ∑ X2=
66125

Nilai terkait yang ada pada tabel ke dalam rumus berikut untuk
memperoleh simpangan baku.
 BAB III
Uji Hipotesis

A. Pengertian Uji Hipotesis

Setelah peneliti mengadakan penelaahan yang mendalam terhadap berbagai

sumber untuk menentukan anggapan dasar, maka langkah berikutnya adalah
merumuskan hipotesis. Penelitian bertujuan untuk mengetahui sesuatu yang pada
tingkat tertentu dipercaya sebagai sesuatu yang benar, bertitik tolak pada pertanyaan
yang disusun dalam bentuk masalah penelitian. Untuk menjawab pertanyaan itu,
disusun suatu jawaban sementara yang kemudian dibuktikan melalui penelitian empiris,
tetapi pernyataan itu masih bersifat dugaaan dan pada tahap ini kita mengumpulkan
data untukmenguji hipotesis kita.Olehkarena itu, sebelum mencari jawaban secara
faktual, terlebih dahulu kita mencoba menjawab secara teoritis.

Hipotesis dapat diartikan sebagai dugaan mengenai suatu hal, atau hipotesis
merupakan jawaban sementara suatu masalah, atau juga hipotesis dapat diartikan
sebagai kesimpulan sementara tentang hubungan suatu variabel dengan satu atau lebih
variabel yang lain. Namun menurut Prof. Dr. S. Nasution definisi hipotesis adalah
pernyataan tentatif yang merupakan dugaan mengenai apa saja yang sedang kita amati
dalam usaha untuk memahaminya.

Hipotesis statistik adalah hipotesis yang dinyatakan dengan parameter suatu

populasi. Adapun definisi dari uji hipotesis adalah suatu prosedur yang digunakan untuk
menguji kevalidan hipotesis statistika suatu populasi dengan menggunakan data dari
sampel populasi tersebut. Sedangkan fungsi Hipotesis adalah :

1. Untuk menguji kebenaran suatu teori

2. Memberikan gagasan baru untuk mengembangkan suatu teori.
3. Memperluas pengetahuan peneliti mengenai suatu gejala yang sedang
dipelajari.
B. Pengujian hipotesis

Hipotesis yang baik selalu memenuhi dua pernyataan, yaitu :

1. Menggambarkan hubungan antar variabel.

2. Dapat memberikan petunjuk bagaimana pengujian hubungan tersebut.

Oleh karena itu hipotesis perlu dirumuskan terlebih dahulu sebelum dilakukan
pengumpulan data. Hipotesis ini disebut Hipotesis Alternatif (Ha) atau Hipotesis kerja
(Hk) atau H . Hipotesis kerja atau H merupakan kesimpulan sementara bahwa sudah
dilakukan suatu penelitian tindakan dan hubungan antar variabel yang sudah dipelajari
dari teori-teori yang berhubungan dengan masalah tersebut. Untuk pengujian H perlu
ada pembanding yaitu Hipotesis Nol (Ho). Hipotesis Nol(Ho) disebut juga sebagai
Hipotesis Statistik adalah pernyataan tentang nilai satu atau lebih parameter yang
merupakan status saat ini dan biasanya tidak ditolak kecuali data sampel menyimpulkan
dengan kuat bahwa hipotesis ini salah. Hipotesis Nol digunakan sebagai dasar
pengujian.

Berdasarkan tingkat eksplanasinya hipotesis yang akan diuji, maka ada tiga
macam hipotesis, yaitu : hipotesis deskriptif, hipotesis komparatif, hipotesis asosiatif.

A. Langkah-langkah Uji Hipotesis

Langkah-langkah yang biasanya digunakan dalam uji hipotesis :

1. Menentukan hipotesis nol (H0) dan hipotesis alternatif (H1).

2. Tingkat signifikansi (α).=1-α
Ketika inferensi statistik berdasarkan data sampel dilakukan ada
kemungkinan terjadi suatu kesalahan (error). Tingkat signifikansi suatu uji
hipotesis adalah peluang terbesar untuk menolak atau menerima H0.

3. Menentukan daerah kritis atau daerah penolakan H0 dan statistik uji yang
sesuai. Daerah kritis atau daerah penolakan adalah interval nilai dimana
 hitungan suatu statistik uji yang berada dalam interval tersebut akan ditolak
hipotesis nolnya. 4.
4. Menghitung statistik uji dengan menggunakan parameter sampel. Statistik
uji adalah suatu statistik sampel yang distribusi samplingnya dapat
digolongkan pada kasus hipotesis nol dan hipotesis alternatif. Statistik
sampel digunakan untuk mendefinisikan daerah penolakan.
5. Membuat kesimpulan apakah H0 diterima atau ditolak. Untuk menentukan
H0 diterima atau ditolak ada 3 cara :
a. Jika statistik uji (t/F/Z/X2)hit > (t/F/Z/X2)tabel maka H0 di tolak.
Jika statistik uji (t/F/Z/X2)hit < (t/F/Z/X2)tabel maka H0 di terima.
b. Jika sig (one tailed/ two tailed)< sig (α) maka H0 ditolak.
Jika sig (one tailed/ two tailed)> sig (α) maka H0 diterima.
c. Melihat confidence interval of the difference, apabila interval lower
– upper melewati nol maka H0 diterima dan apabila interval lower
– upper tidak melewati nol maka H0 ditolak.
6. Menginterpretasikan kesimpulan sesuai dengan masalah.

Langkah atau prosedur untuk menentukan apakah menerima atau menolak

Hipotesis Statistik (Ho) disebut Pengujian Hipotesis. Oleh karena itu dalam
pengujian Hipotesis, penarikan kesimpulan mengenai populasi didasarkan pada
informasi sampel bukan populasi itu sendiri, maka kesimpulannya dapat saja
keliru. Dalam Pengujian Hipotesis terdapat dua kekeliruan atau galat, yaitu:

kesimpulan Keadaan sebenarnya H0

H0 benar H0 salah
Terima H0 Tepat Galat jenis II (ϐ)
Tolak H0 Galat jenis I(ɑ) tepat

Penarikan kesimpulan dinyatakan tepat apabila kita menerima Ho, karena

memang Ho benar, atau menolah Ho, karena memang Ho salah. Apabila kita
menyimpulkan menolak Ho padahal Ho benar, maka kita telah melakukan
kekeliruan yang disebut kekeliruan atau galat jenis I (α). Begitu pula sebaliknya
 jika kita menyimpulkan untuk menerima Ho padahal Ho salah, maka kita telah
melakukan kekeliruan yang disebut kekeliruan atau galat jenis II (β).

Jika nilai α diperkecil, maka akan menjadi β besar. Nilai α biasanya

ditetapkan sebesar 0,05 atau 0,01. Jika α = 0,05, artinya 5 dari setiap 100
kesimpulan kita akan menolak Ho, yang seharusnya diterima. Harga (1- β)
disebut Kuasa Uji atau Kekuatan Uji.

C. Uji Parametrik

Statistik parametrik adalah alat tes yang dipakai untuk menganalisa data
kuantitatif dengan berpegang pada asumsi bahwa data penelitiannya mempunyai distribusi
normal sehingga akan diketahui parameternya (mean dan standar deviasi). Beberapa
metode parametrik adalah sebagai berikut:
1. Korelasi
Korelasi digunakan untuk mengukur hubungan antara dua variable. Dalam
analisa korelasi ini ada beberapa asumsi dasar yang harus terpenuhi
sebelum data dianalisa, yaitu:
a. Dua data yang akan dikorelasikan harus berasal dari sampel yang sama
b. Datanya harus merupakan data interval/rasio (dan data ordinal yang
diintervalkan)
c. Datanya mempunyai distribusi normal
d. Hubungan kedua data harus linier.

Ada tiga jenis analisa korelasi yang bisa digunakan dalam

penelitian ilmu – ilmu sosial, diantaranya: Pearson product-moment
correlation coefficient, phi coefficient dan point-biseral correlation.
Korelasi pearson product-moment digunakan untuk mengukur hubungan
antara dua variabelcontinuous. Bila variabelnya terdiri dari variable
kategorial, korelasi yang digunakan adalah korelasi phi coefficient,
sedangkan point-biseral digunakan bila variabelnya terdiri dari variabel
continuousdan kategorial. Korelasi Pearson product-moment juga dapat
digunakan untuk mencari hub bungan antara variabel interval/rasio dan
variabel ordinal yang diintervalkan.
2. Uji-T
Uji-T Adalah metode yang digunakan untuk menentukan apakah
seperangkat nilai yang kita analisa berasal dari populasi yang sama atau
tidak. Analisa ini lazim digunakan untuk membandingkan mean dari dua
kelompok. Ada dua jenis T-Test, yaitu: Independent groups T-Test dan
Repeated measures T-Test. Asumsi dasar yang harus dipahami dalam
analisa perbandingan T-Test adalah sebagai berikut:
- Datanya harus data interval atau rasio.
- Data berasal dari sampel yang random dari suatu populasi (bila ingin
mengeneralisasikan temuannya).
- Datanya mempunyai distribusi normal.
a. Independents groups T-Test
Jenis analisis ini digunakan untuk membandingkan mean dari dua
kelompok yang berbeda dan keduanya diambil dalam situasi yang
berbeda pula. T-Test ini sering disebut between subject design oleh
karena itu anggota dari kelompok satu tidak boleh menjadi anggota dari
kelompok lainnya.
Contoh diatas adalah perbandingan motivasi antara pria dan wanita
dalam belajar Bahasa Inggris. Dalam penelitian ini melibatkan 50
wanita dan 29 pria.Dengan melihat mean dan standar deviasi, belum
dapat disimpulkan apakah terjadi perbedaan antara motivasi wanita
dan pria. Untuk menentukannya harus digunakan nilai t atau t-value,
tingkat kebebasan atau degree of freedom (df) dan two tail significans
for acuals variances untuk menentukan apakah terjadi perbedaan
motivasi antara wanita dan pria.
Nilai t nya adalah -.959 dan two tail sigficancenya menunjukan p >
0.5 (p = 3.41). berdasarkan analisa tersebut p > .05, sehingga hasilnya
dapat disimpulkan bahwa tak ada perbedaan signifikan antara
motivasi pria dan wanita dalam Belajar Bahasa Inggris. Jadi hipotesa
nol (H0) dapat diterima.
 b. Repeated measures T-Test
Jenis analisa yang juga biasa disebut dengan paired T-Test atau
dependent sample T-Test ini digunakan untuk membandingkan
dua jenis data atau mean yang berasal dari sampel yang sama.
Berikut ini adalah contoh penggunaan repeated measures T-
Test untuk melihat apakah terjadi perbedaan antara belajar
TOEFL yang menggunakan teknik mengajar ceramah dan
teknik latihan soal TOEFL padaMKDU Bahasa Inggris pada
salah satu jurusan di Perguruan Tinggi (Setiyadi, 2000).

Dengan melihat t-value, df dan two-tail significance dapat ditentukan apakah dua
kelompok tersebut berasal dari populasi yang berbeda atau tidak.
 BAB IV
REGRESI LINIER
A. Pengertian Regresi

Istilah regresi dikemukakan untuk pertama kali oleh seorang antropolog dan ahli
mereorology Fancis Galton dalam artikelnya “family likeness in sature” pada tahun 1886.
Ada juga sumber lain yang menyatakan istilah regresi pertama kali muncul dalam pidato
Francis Galton didepan Section H of the British Association di Aberdeen, 1855, yang dimuat
dimajalahNature September 1855 dan dalam sebuah makalah “Regression towards
mediocrity in heresity stature”, yang dimuat dalam Journal of The Antrhopological Institute
(Draper and Smith,1992).
Galton menyebutkan bahwa, tinggi rata-rata badan anak yang lahir ternyata akan
cenderung bergerak mundur (regress) mendekati tinggi rata-rata badan dari populasi secara
keseluruhan meskipun kecenderungan orangtua yang berbadan tinggi akan punya anak
berbadan tinggi ataupun orangtua berbadan pendek akan punya anak berbadan pendek.
Regeresi adalah alat yang berfungsi untuk membantu memperkirakan nilai suatu
varibel yang tidak diketahui dari satu atau beberapa variabel yang tidak diketahui. Analisis
regresi didefinisikan sebagai kajian terhadap hubungan satu variabel yang disebut variabel
yang diterangkan (the explaind variabel) atau sering disebut sebagai variabel tergantung, dan
variabel tidak tergantung atau variabel bebas.
Metode regresi yang sering digunakan yaitu analisis regresi linier dan non linier. Jika
variabel tidak bebas bersifat diskrit, analisis linier tidak layak digunakan karena bebebarapa
alasan, yaitu :
a. Variabel tidak bebas di dalam metode regresi linier harus bersifat continue
b. Variabel tidak bebas di dalam metode regresi linier harus dapat mengakomodasi
nilai negatif Variabel diskrit biasa juga dikatakan salam kategori dan sering juga
disebut variabel nominal atau variabel kategorik.

Metode analisis regresi digunakan untuk menghasilkan hubungan antara dua variabel
atau lebih dalam bentuk numerik dan untuk bagaimana dua atau lebih peubah saling berkait,
dimana telah diketahui variabel lainnya dan variabel mana yang mempengaruhinya.
Persamaan regresi ini merupakan persamaan garis yang paling mewakili hubungan antara dua
variabel tersebut. Beberapa asumsi statistik yang diperlukan dalam melakukan analisis regresi
adalah :

a. Variabel tak bebas, yaitu fungsi linier dari variabel bebas. Jika hubungan tersebut
tidak linier, data sering kali harus ditransformasikan agar menjadi linier.
b. Variabel bebas adalah tetap atau diukur tanpa kesalahan.
c. Tidak ada korelasi antara variabel bebas
d. Variansi dari variabel tak bebas terhadap garis regresi adalah sama untuk seluruh nilai
variabel tak bebas.
e. Nilai variabel tak bebas harus berdistribusi normal atau mendekati normal.
f. Nilai peubah bebas sebaiknya merupakan besaran yang relative mudah diproyeksikan.

B. Jenis-jenis regresi linier

1. Regresi linier sederhana

Dalam memperkirakan hubungan antara dua variabel terlebih dahulu membuat asumsi
mengenai bentuk hubungan yang dinyatakan dalam fungsi tertentu. Dalam beberapa
hal, bisa dicek asumsi tersebut setelah hubungan diperkirakan. Regresi linier
sederhana memiliki fungsi sebagai berikut :
a. Menguji hubungan / korelasi / pengaruh satu variabel bebas terhadap satu
variabel terikat.
b. Melakukan prediksi atau estimasi variabel terikat berdasarkan variabel bebasnya.
c. Data yang dianalisis haru berupa data yang berskala interval / rasio.

Fungsi linier, selain mudah interpretasinya, juga dapat digunakan sebagai pendekatan
(approximation) atas hubungan yang bukan linier (non linier). Fungsi linier, mempunyai
bentuk persamaan sebagai berikut :

Ƴ = A + BX

Dimana A dan B adalah konstanta atau parameter, yang nilainya harus diestimasi. Persamaan
Ƴ = A + BX juga bisa ditulis Y = B0 + B1X1 atau dengan symbol lainnya. Beberapa symbol
yang sering digunakan dalam fungsi linier ini adalah :

∆ = delta, symbol pertambahan

∆X = delta X, pertambahan X
∆Y = delta Y, pertambahan Y

B = ∆X ∆Y = rata – rata pertambahan Y per 1 unit (satuan) pertambahan X, atau pertambahan

X 1 unit akan mengakibatkan pertambahan Y sebesar B.

Y = 2 + 1,5X, A = 2,B = 1,5 artinya kalua X = 0, Y= 2 kalau X bertambah 1 unit, Y

bertambah 1,5 unit.

Hubungan di atas merupakan hubungan matematis, secara teoritis, apabila X = 10, Y

harus 2 + 1,5 (10) = 17. Tetapi dalam prakteknya tidak demikian, sebab yang mempengaruhi
Y bukan hanya X saja melainkan masih ada faktor lain yang tidak dimasukkan dalam
persamaan. Faktor – faktor tersebut secara keseluruhan disebut kesalahan pengganggu atau
disturbance error. Kesalahan pengganggu tersebutlah yang menyebabkan suatu ramalan
sering tidak tepat.

Kesalahan ramalan menyebabkan perencanaan menjadi tidak akurat, sehingga

kesalahan tersebut mengakibatkan resiko, dan karenanya harus diusahakan sekecil mungkin.
Dalam membuat keputusan, selalu ada resiko yang disebabkan oleh adanya kesalahan.
Karena kesalahan itu tidak dapt dihilangkan sama sekali, maka resiko itu berapapun kecilnya
selalu ada. Resiko hanya bisa diperkecil dengan memperkecil kesalahan (minimized error).
Dengan memperhitungkan kesalahan pengganggu,ɛ, maka bentuk persamaan fungsi linier
diatas menjadi sebagai berikut :

Y = A + BX + ɛ

Dimana : A dan B adalah konstanta yang harus di estimasi. ɛ adalah kesalahan

pengganggu (disturbance error)

2. Analisis Regresi Linier Berganda

Yang memiliki variabel bebas lebih dari satu disebut analisis regresi linier berganda.
Teknik regresi linier berganda digunakan untuk mengetahui ada tidaknya pengaruh
signifikan dua atau lebih variabel bebas terhadap variabel terikat (Y).Model regresi linier
berganda untuk populasi dapat ditunjukkan sebagai berikut :

Y   0  1 X 1   2 X 2  ...   k X k
Dimana:

Y = variabel terikat
Xi = variabel bebas ( i = 1, 2, 3, …, k)
0 = intersep
i = koefisien regresi ( i = 1, 2, 3, …, k)

Model penduganya adalah

Y  b0  b1 X 1  b2 X 2  ...  bk X k

Misalkan model regresi dengan kasus 2 peubah bebas X1 dan X2 maka modelnya :

Y  0  1 X 1  2 X 2

Sehingga setiap pengamatan  X 1i , X 2i ; Yi  ; i  1, 2 ,...,n

Akan memenuhi persamaan

Y   0  1 X 1   2 X 2   i

Menaksir koefisien regresi dengan menggunakan matriks

Dari hasil Metode Kuadrat Terkecil didapatkan persamaan normal:

nb0  b1  X1i  b2  X 2i ...  bk  X ki  Yi

b0  X1i  b1  X1i b2  X1i X 2i ...  bk  X1i X ki   X1iYi

2

b0  X ki  b1  X ki X1i b2  X ki X 2i ...  bk  X ki   X kiYi

2

Tahapan perhitungan dengan matriks :

 Membentuk matriks A, b dan g

 n  X1i  X 2i ...  X ki 
 
 X1i  X1i  X1i X 2i  X1i X ki 
2
...
A
 ... ... ... ... ... 
 2 
 X ki  X ki X1i  X ki X 2i ...  X ki 
 b0 
b   g 0   Yi 
 
b   1 g   X 1iYi 
 ...  g 1
 ... 
   
bk   g k   X kiYi 

 Membentuk persamaan normal dalam bentuk matriks

Ab=g
 Perhitungan matriks koefisien b
b = A-1 g

Metode pendugaan parameter regresi

Dengan Metode Kuadrat Terkecil, misalkan model terdiri dari 2 variabel bebas

Tahapan pendugaannya :

n n
 ei 2   Yi  b0  b1 X 1i  b2 X 2i 
2

i 1 i 1

 Dilakukan turunan pertama terhadap b0 , b1 dan b2

  e   2Y
i
2
 b0  b1 X 1i  b2 X 2i 
b0
i

  e   2Y
i
2
 b0  b1 X 1i  b2 X 2i  X 1i
b1
i

  e   2Y
i
2
 b0  b1 X 1i  b2 X 2i  X 2i
b2
i

 Ketiga persamaan hasil penurunan disamakan dengan nol

nb0  b1  X i1  b2  X i 2  Yi

b0  X1i  b1  X i1  b2  X1i X i 2   X1iYi

2

b0  X 2i  b1  X i1 X 2i  b2  X i 2   X 2iYi
2
  Nilai b1 dan b2 dapat diperoleh dengan memakai aturan-aturan dalam matriks

 n 2 
n
  n  n 
 X2 
   X 1Y 
   X1 X 2 
   X 2Y 

b1   i 1  i 1   i 1  i 1
2

 n 2 
n
2  n 
  X1 
  X2 
    X1 X 2 

 i 1  i 1   i 1 

 n 2 
n
  n  n 
  X1 
   X 2Y 
   X1 X 2 
   X 1Y 

b2   i 1  i 1   i 1  i 1
2

 n 2 
n
2  n 
  X1 
  X2 
    X1 X 2 

 i 1  i 1   i 1 

b0  Y  b1 X1  b2 X 2

Uji kecocokan model

 Dengan Koefisien Determinasi

JKR
R2 
JKT

R2 menunjukkan proporsi variasi total dalam respon Y yang dapat diterangkan oleh
model

R2  r
r merupakan koefisien korelasi antara Y dengan kelompok X1 , X2 , X3 , … , Xk

 Dengan Pendekatan Analisis Ragam

Tahapan Ujinya :
 Hipotesis =
H0 :   0
H1 :   0
dimana
 = matriks [ 0, 1, 2, … , k ]

 Tabel Analisis Ragam

 Pengambilan Keputusan

H0 ditolak jika pada taraf kepercayaan 

 Komponen SS db MS Fhitung
Regresi

Regresi JKR k JKR / k JKR /ks2

Galat JKG n–k– s2 = JKG / n-k-

1 1

Total JKT n–1

Uji parsial koefisien regresi

Tahapan Ujinya :

 Hipotesis =

H0 : j  0

H1 : j  0

dimana j merupakan koefisien yang akan diuji

 Statistik uji :

bj   j
t
s c jj

Dimana :

bj = nilai koefisien bj

s = JKG / n  k  1

cjj = nilai matriks A-1 ke-jj

 Pengambilan keputusan

H0 ditolak jika

thitung > t /2(db= n-k-1)

pada taraf kepercayaan 

 Pemilihan model terbaik

 All Possible Regression

Tahapan pemilihan :

 Tuliskan semua kemungkinan model regresi dan kelompokkan menurut banyaknya

variabel bebas

 Urutkan model regresi menurut besarnya R2

 Periksalah untuk setiap kelompok apakah terdapat suatu pola variabel yang konsisten

 Lakukan analisa terhadap kenaikan R2 pada tiap kelompok

Contoh :

Akan dianalisis model regresi yang terdiri dari 4 variabel bebas

Pembagian kelompoknya

Y   0 Kelompok A terdiri dari koefisien intersep

Y   0  i X i Kelompok B terdiri dari 1 variabel bebas

Y   0  i X i   j X j
Kelompok C terdiri dari 2 variabel bebas

Y   0  i X i   j X j   k X k
Kelompok D terdiri dari 3 variabel bebas

Y  0  1 X1   2 X 2  3 X 3   4 X 4 Kelompok E terdiri dari 4 variabel bebas

Persamaan regresi yang menduduki posisi utama dalam setiap kelompok adalah

Kelompok Model Regresi R2

B Y = f(X4) 67,5%

C Y = f(X1 , X2) 97,9%

Y = f(X1 , X4) 97,2%

D Y = f(X1 , X2 , X4) 98,234

%

E Y = f(X1 , X2 , X3, X4) 98,237

%
 Persamaan terbaiknya adalah Y = f(X1 , X4)

Backward Elimination Procedur

Tahap pemilihannya :

 Tuliskan persamaan regresi yang mengandung semua variabel

 Hitung nilai t parsialnya

 Banding nilai t parsialnya

a. Jika tL < tO maka buang variabel L yang menghasilkan tL, kemudian

hitung kembali persamaan regresi tanpa menyertakan variabel L

b. Jika tL > tO maka ambil persamaan regresi tersebut

Contoh :

Akan dianalisis model regresi yang terdiri dari 4 variabel bebas

Model regresi yang mengandung semua variabel bebas

Y   0  1 X 1   2 X 2  3 X 3   4 X 4
Model terbaiknya Persamaan t parsial F
Regersi
Y = f(X1,X2)
Y= 157,266*
f(X1,X2,X3,X4)
4,337*
X1
0,497*
X2
0,018
X3
0,041*
X4
Y= 166,83*
f(X1,X2,X4)
154,008*
X1
5,026*
X2
1,863
X4
Y = f(X1,X2) 229,5*

Stepwise Regression Procedur

Tahap pemilihannya :

 Hitung korelasi setiap variabel bebas terhadap variabel Y. Variabel bebas

dengan nilai korelasi tertinggi masukkan dalam model regresi (syarat uji F
menunjukkan variabel ini berpengaruh nyata)

 Hitung korelasi parsial setiap variabel bebas tanpa menyertakan variabel

bebas yang telah mauk model. Masukkan variabel bebas dengan korelasi
parsial tertinggi ke dalam model

 Hitung nilai t parsial variabel yang telah masuk model, jika tidak
berpengaruh nyata keluarkan dari model

 Kembali ke langkah ii
 BAB V
CONTOH KASUS
A. Contoh kasus regresi sederhana
 Kasus : seorang mahasiswa akan meneliti apakah terdapat pengaruh promosi
terhadap volume penjualan pada erusahaan-perusahaan di kota Makassar, untuk
kepentingan penelitian tersebut diambil 10 perusahaan sejenis yang telah
melakukan kegiatan promosi.
 Judul penelitian : pengaruh biaya promosi terhadap volume penjualan Perusahaan.
 Rumusan masalah : apakah terdapat pengaruh antara biaya promosi terhadap
volume penjualan Perusahaan?
 Hipotesis : terdaat pengaruh antara biaya promosi terhadap penjualan Perusahaan
 Kriteria penerimaan hipotesis:
- H0 : tidak terdapat pengaruh antara biaya iklan terhadap penjualan
Perusahaan.
- Ha : terdapat pengaruh antara biaya iklan terhadap penjualan.

Data regresi sederhana

No Penjualan (Y) Promosi (X)

1 12 3
2 11 4
3 13 5
4 12 6
5 13 7
6 14 8
7 16 9
 Persamaan Regresi
Y X XY X2 Y2 Y Pred (Y-Ypred)^2 (Y-Yrata)^2
12 3 36 9 144 11.072 0.861184 1
11 4 44 16 121 11.715 0.511225 4
13 5 65 25 169 12.358 0.412164 0
12 6 72 36 144 13.001 1.002001 1
13 7 91 49 169 13.644 0.414736 0
14 8 112 64 196 14.287 0.082369 1
16 9 144 81 256 14.93 1.1449 9
91 42 564 280 1199 91.007 4.428579 16

𝑛(∑ 𝑋𝑌) − (∑ 𝑋)(∑ 𝑌)

𝑏=
𝑛(∑𝑋 2 ) − (∑ 𝑋)2
10(564) − (42)( 91)
𝑏=
10(280) − (42)2
𝒃 = 𝟎. 𝟔𝟒𝟑

(∑ 𝑌) − 𝑏 (∑ 𝑋)
𝑎=
𝑛
(91) − 0.643(42)
𝑎=
10
a= 9.143

Y= 9.143 + 0.643X + e

 Koefisien det.

R 2
 1
 (Y  Yˆ ) 2

 (Y  Y ) 2

4.428
𝑅2 = 1 − 16

R2= 0.723

 Koefisien determinasi disesuaikan (adjusted)

P(1  R 2 )
Radj  R 2 
N  P 1
 Radj = 0.667

 Standar baku estimasi

Se 
 (Y  Yˆ ) 2

nk
Se = 0.941

 Standar error koefisien regresi

Se
Sb 
( X ) 2
X2 
n

Sb = 5.2915

 Uji F
H0 : diterima jika Fhitung ≤ Ftabel
Ha : diterima jika Fhitung > Ftabel

F = 13.064

Karena F hitung (13.064) > dari F tabel (6.61) maka persamaan regresi dinyatakan
Baik (good of fit).
 Uji T
H0 : diterima jika Thitung ≤ Ttabel
Ha : diterima jika Thitung > Ttabel
bj
Thitung 
Sbj
Thitung = 3.614
Karena Thitung (3.614) > dari Ttabel (2.015) maka Ha diterima ada pengaruh iklan
terhadap penjualan.

 Kesimpulan
Terdapat pengaruh positif biaya periklanan terhadap volume penjualan.
B. Contoh kasus regresi linier berganda

 Kasus : Seorang mahasiswa meneliti apakah terdapat pengaruh harga dan

pendapatan terhadap konsumsi produk X. Untuk keperluan tersebut diambil
sampel secara acak sebanyak 10 orang pemakai produk
 Judul Penelitian : Pengaruh harga dan pendapatan terhadap konsumsi produk X
 Rumusan Masalah : Apakah terdapat pengaruh antara harga terhadap konsumsi
produk X ?
 Hipotesis : Terdapat pengaruh antara harga terhadap konsumsi produksi X
 Kriteria Penerimaan Hipotesis :
Ho : Tidak terdapat pengaruh antara harga terhadap konsumsi produk X
Ha : Terdapat pengaruh antara harga terhadap konsumsi produk X

Data regresi berganda

Hasil analisis menggunakan spss

 Y’= -672,770 + 0,844X1+0,437X2
Maka persamaan regresi linier berganda tersebut adalah:
o Konstanta sebesar -672,770; menunjukan bahwa jika harga (𝑋1) dan pendapatan
(𝑋2)sama dengan nol (0), maka konsumsi produk (Y’) nilainya sebesar Rp -
672,770
o Koefesien regresi variabel harga (𝑋1) sebesar 0,844; jika harga (𝑋1) mengalami
kenaikan sebesar Rp 1, maka, konsumsi produk (Y’) akan mengalami peningkatan
sebesar Rp 0,844. Dengan asumsi variabel lainnya dianggap konstan
o Koefesien regresi variabel pendapatan (𝑋2) sebesar 0,437; jika pendapatan (𝑋2)
mengalami kenaikan sebesar Rp 1, maka, konsumsi produk (Y’) akan mengalami
peningkatan sebesar Rp 0,437 0,844. Dengan asumsi variabel lainnya dianggap
konstan
 Hasil analisis Uji t (uji parsial)

Uji t dimaksudkan untuk mengetahui apakah dalam model regresi variabel independen (𝑋1 , 𝑋2
........... 𝑋𝑛) secara parsial (bagian dari keseluruhan) berpengaruh signifikan terhadap variabel
dependen (Y)
o Hipotesis 1 : Nilai uji t 𝑋1 diperoleh sebesar 3,794 dengan tingkat signifikansi sebesar
0,007 yang bermakna bahwa hasil berpengaruh signifikan karena 0,007 < 0,05 (α = 5%)
dan secara otomatis Ha diterima dan Ho ditolak
o Nilai signifikansi sebesar 0,007 memberikan makna bahwa tingkat kepercayaan yang
diberikan sebesar 99,3%; tingkat kepercayaan ini lebih tinggi dibanding dengan tingkat
kepercayaan yang diisyaratkan yaitu 99% (α = 5%)
o Hipotesis 2 : Nilai uji t 𝑋2 diperoleh sebesar 6,490 dengan tingkat signifikansi sebesar
0,000 yang bermakna bahwa hasil berpengaruh signifikan karena 0,000 < 0,05 (α = 5%)
dan secara otomatis Ha diterima dan Ho ditolak
 o Nilai signifikansi sebesar 0,000 memberikan makna bahwa tingkat kepercayaan yang
diberikan sebesar100%; tingkat kepercayaan ini lebih tinggi dibanding dengan tingkat
kepercayaan yang diisyaratkan yaitu 99% (α = 5%)
 Hasil analisis uji F (uji simultan)

Uji F dimaksudkan untuk mengetahui apakah dalam model regresi variabel independen (𝑋1 , 𝑋2
........... 𝑋𝑛) secara simultan (bersama-sama berpengaruh signifikan)
o Berdasarkan tabel tersebut diproleh nilai F sebesar 22,343 dengan tingkat signifikansi
sebesar 0,001. yang bermakna bahwa hasil berpengaruh signifikan karena 0,001 < 0,05
(α = 5%)
o Nilai signifikansi sebesar 0,001 memberikan makna bahwa tingkat kepercayaan yang
diberikan sebesar 99,9%; tingkat kepercayaan ini lebih tinggi dibanding dengan tingkat
kepercayaan yang diisyaratkan yaitu 99% (α = 5%)
 Hasil analisis korelasi ganda (R) dan koefisien determinasi (R2)

o Analisis Korelasi Ganda dipergunakan untuk mengetahui apakah korelasi antara dua atau
lebih variabel independen (𝑋1 , 𝑋2 ........... 𝑋𝑛) terhadap variabel dependen (Y) secara
serentak Berdasarkan output pada tabek Model Summary diperoleh nilai Koefesien
Korelasi Ganda (R) sebesar 0,930, hal tersebut menunjukan bahwa terdapat hubungan
yng sangat kuat antara variabel harga dan pendapatan terhadap konsumsi produk X

Nilai Koefisien of Determinasi menunjukan besarnya prosentase sumbangan pengaruh

variabel independen (𝑋1 , 𝑋2 ........... 𝑋𝑛) terhadap variabel dependen (Y) secara serentak

o Berdasarkan output pada tabek Model Summary diperoleh nilai Koefesien of

Determinasi (𝑅 2 ) sebesar 0,865 atau 86,5% yang bermakna bahwa prosentase
 sumbangan pengaruh variabel independen sebesar 86,5% sedangkan sisanya 13,5%
dipengaruhi oleh variabel lain
o Sedangkan Nilai Adjusted R Square merupakan nilai R Square yang telah di standarisasi
o Standart Error of The Estimate menunjukan besarnya nilai kesalahan model regresi
dalam memprediksi nilai Y