Nama : Reka Juliana

Nim : 411417030

Kelas : E. Pendidikan

Uji T Sampel Berpasangan

Uji t sample berpasangan sering kali disebut sebagai paired-sampel t test. Uji t untuk
data sampel berpasangan membandingkan rata-rata dua variabel untuk suatu grup
sampel tunggal. Uji ini menghitung selisih antara nilai dua variabel untuk tiap kasus
dan menguji apakah selisih rata-rata tersebut bernilai nol.

Kriteria data untuk uji t sampel berpasangan :

• Data untuk tiap pasang yang diuji dalam skala interval atau rasio.
• Data berdistribusi normal.
• Nilai variannya dapat sama ataupun tidak.

Uji t berpasangan (paired t-test) umumnya menguji perbedaan antara dua pengamatan.
Uji seperti ini dilakukan pada Subjek yang diuji untuk situasi sebelum dan sesudah
proses, atau subjek yang berpasangan ataupun serupa (sejenis). Misalnya ketika kita
akan menguji banyaknya gigitan nyamuk sebelum diberi lotion anti nyamuk merk
tertentu maupun sesudahnya.

Contoh uji t sampel berpasangan

Sebuah penelitian memiliki tujuan ingin mengetahui apakah terdapat perbedaan waktu
yang dibutuhkan perawat untuk memasang infuse sebelum dan sesudah mengikuti
pelatihan. Karena itu peneliti mengambil sampel acak terhadap 10 orang perawat.
Berikut adalah waktu yang dibutuhkan seorang perawat saat memasang sebelum dan
sesudah mengikuti pelatihan, data berikut dihitung dalam menit.

Perawat 1 2 3 4 5 6 7 8 9 10

Sebelum 6 8 7 10 9 7 6 7 9 8

Sesudah 5 6 7 8 8 7 5 7 9 7

Jawaban :

• Ho: µ1 = µ2
Ha: µ1 ≠ µ2
• Titik kritis uji - nilai t tabel pada α = 0,05 dan df = 9à = 2.26
• Selisih Waktu sebelum dan sesudah

Sebelum 6 8 7 10 9 7 6 7 9 8

Sesudah 5 6 7 8 8 7 5 7 9 7

Selisih 1 2 0 2 1 0 1 0 0 1

• d = 8/10
d = 0,8

Sd = (√10(106) - 64) / 10 (10 -1)

Sd = 3,33

t-hitung = d / (s/√n)
t-hitung = 0,8 / (3,33/√10) t-hitung = 0,76
• Nilai t-hitung = 0,76 < 2,26 (t-tabel) àHo diterima
 • Kesimpulan:
Tidak ada perbedaan waktu yang dibutuhkan perawat untuk memasang infuse
sebelum mengikuti pelatihan dan sesudah mengikuti pelatihan.

1. Uji-t Dua Sampel Berpasangan (Paired t-test)

Pengujian dua sampel berpasangan digunakan untuk menganalisis
perbandingan untuk dua sampel. Dua sampel berpasangan dimaksud adalah sebuah
kelompok sampel yang mengalami dua pengukuran yang berbeda. Misalnya pada
sebuah kelas, peneliti memberikan tes awal sebelum perlakuan dengan metode atau
model pembelajaran tertentu dan memberikan tes/evaluasi diakhir perlakuan.

Formula uji statistika yang digunakan adalah:

Y1 − Y2
t0 =
s12 s 22  s  s 
+ − 2r  1  2 
n1 n2  n  n 
 1  2 

Dimana:

Y1 = rerata sampel sebelum perlakuan

Y2 = rerata sampel sesudah perlakuan

s1 = simpangan baku sampel sebelum perlakuan

s 2 = simpangan baku sampel sesudah perlakuan

s12 = varians sampel sebelum perlakuan

s 22 = varians sampel sesudah perlakuan

r = koefisien korelasi sampel sebelum dan sesudah perlakuan

Hipotesis statistik yang diuji:

H0 : 2  1

H1 : 2  1

Kriteria pengujian:

Tolak H0 jika t0 = thitung  tdaftar = ttabel pada taraf signifikansi  yang dipilih dengan
derajat bebas n1 + n2 – 2, pada keadaan lain terima H 0.

Contoh:

Seorang peneliti ingin mengetahui apakah metode diskusi yang diterapkan dalam
pembelajaran memberikan hasil belajar yang berbeda. Untuk itu dipilih satu kelas yang
diberi perlakuan metode diskusi. Sebelum pembelajaran dilaksanakan, para siswa
diberikan tes awal (pretes) dan sesudah perlakuan metode diskusi diberikan tes akhir
(postes) untuk mengetahui rata-rata penguasaan siswa terhadap materi logaritma. Data
hasil pretes dan postes seperti pada Tabel 6.1. Buatlah:

1. Hipotesis penelitian
2. Hipotesis statistic
3. Lakukan pengujian terhadap hipotesis penelitian dan simpulkan
Tabel 5.1 Data Hasil Pretes dan Postes Siswa

No. Resp Pretes Postes No. Resp Postes Postes

1 55 85 11 70 90

2 60 85 12 50 75

3 40 75 13 65 85

4 70 95 14 55 65
 5 45 65 15 65 85

6 50 75 16 70 90

7 60 80 17 65 80

8 40 55 18 55 80

9 65 85 19 40 60

10 75 90 20 65 80

Penyelesaian:

1. Hipotesis penelitian: “Rata-rata hasil belajar siswa setelah dibelajarkan dengan

metode diskusi lebih tinggi dari sebelum dibelajarkan dengan metode diskusi”.
2. Hipotesis statistik yang diuji:
H0 : 2  1 H1 : 2  1

3. Analisis data:
Dari informasi pada Tabel 5.2 diperoleh:

Y1 = 1160; Y1 = 58 Y12 = 69550; Y1Y2 = 93550

Y2 = 1580; Y2 = 79 Y22 = 127000;

Maka:

nY12 − (Y1 )2 20(69550)- (1160)2

s1 = = = 10,9304
n(n − 1) 20(20− 1)

Maka: s12 = (10,9304)2 = 119,4736

 nY22 − (Y2 )2 20(127000)- (1580)2
s2 = = = 10,7115
n(n − 1) 20(20 − 1)

Maka: s 22 = (10,7115)2 = 114,7362

Tabel 5.2 Penghitungan Nilai-nilai untuk Pengujian Hipotesis Penelitian

No. Pretes Postes

Y12 Y22 Y1Y2
Resp
(Y1) (Y2)

1 55 85 3025 7225 4675

2 60 85 3600 7225 5100

3 40 75 1600 5625 3000

4 70 95 4900 9025 6650

5 45 65 2025 4225 2925

6 50 75 2500 5625 3750

7 60 80 3600 6400 4800

8 40 55 1600 3025 2200

9 65 85 4225 7225 5525

10 75 90 5625 8100 6750

11 70 90 4900 8100 6300

12 50 75 2500 5625 3750

13 65 85 4225 7225 5525

 14 55 65 3025 4225 3575

15 65 85 4225 7225 5525

16 70 90 4900 8100 6300

17 65 80 4225 6400 5200

18 55 80 3025 6400 4400

19 40 60 1600 3600 2400

20 65 80 4225 6400 5200

 1160 1580 69550 127000 93550

Yi 58,00 79,00

n Y1Y2 −  Y1 Y2
rY1Y2 =
n Y 1
2 2

− ( Y1 ) n Y22 − ( Y2 )
2

20(93550)- (1160)(1580)
=
20(69550)- (1160) 20(127000)- (1580) 
2 2

38200
= = 0,8586
44490,8979

Y1 − Y2
Maka: t 0 =
s12 s 22  s  s 
+ − 2r  1  2 
n1 n2  n  n 
 1  2 
 58 − 79
=
119,4736 114,7362  10,9304 10,7115
+ − 2(0,8586)  
20 20  20  20 

58 − 79
=
119,4736 114,7362  10,9304 10,7115
+ − 2(0,8586)  
20 20  20  20 

21
= = 16,3094
1.65781

4. Interpretasi
Nilai t0 = thitung = 16,31. Nilai tdaftar = ttabel pada taraf signifikansi  = 0,05 dengan
derjata bebas 38 adalah 1,67. Karena nilai thitung = 16,31  ttabel = 1,67 maka tolak H0.
Simpulan: rata-rata hasil belajar siswa setelah dibelajarkan dengan metode diskusi
lebih tinggi dari sebelum dibelajarkan dengan metode diskusi teruji kebenarannya.

Nama : Reka Juliana

Nim : 411417030

Kelas : E. Pendidikan

Uji T Sampel Berpasangan

Uji t sample berpasangan sering kali disebut sebagai paired-sampel t test. Uji t untuk
data sampel berpasangan membandingkan rata-rata dua variabel untuk suatu grup
sampel tunggal. Uji ini menghitung selisih antara nilai dua variabel untuk tiap kasus
dan menguji apakah selisih rata-rata tersebut bernilai nol.
Kriteria data untuk uji t sampel berpasangan :

• Data untuk tiap pasang yang diuji dalam skala interval atau rasio.

• Data berdistribusi normal.

• Nilai variannya dapat sama ataupun tidak.

Uji t berpasangan (paired t-test) umumnya menguji perbedaan antara dua pengamatan.
Uji seperti ini dilakukan pada Subjek yang diuji untuk situasi sebelum dan sesudah
proses, atau subjek yang berpasangan ataupun serupa (sejenis). Misalnya ketika kita
akan menguji banyaknya gigitan nyamuk sebelum diberi lotion anti nyamuk merk
tertentu maupun sesudahnya.

Contoh uji t sampel berpasangan

Sebuah penelitian memiliki tujuan ingin mengetahui apakah terdapat perbedaan waktu
yang dibutuhkan perawat untuk memasang infuse sebelum dan sesudah mengikuti
pelatihan. Karena itu peneliti mengambil sampel acak terhadap 10 orang perawat.
Berikut adalah waktu yang dibutuhkan seorang perawat saat memasang sebelum dan
sesudah mengikuti pelatihan, data berikut dihitung dalam menit.

Perawat 1 2 3 4 5 6 7 8 9 10

Sebelum 6 8 7 10 9 7 6 7 9 8

Sesudah 5 6 7 8 8 7 5 7 9 7

Jawaban :

• Ho: µ1 = µ2

Ha: µ1 ≠ µ2

• Titik kritis uji - nilai t tabel pada α = 0,05 dan df = 9à = 2.26

• Selisih Waktu sebelum dan sesudah

Sebelum 6 8 7 10 9 7 6 7 9 8

Sesudah 5 6 7 8 8 7 5 7 9 7

Selisih 1 2 0 2 1 0 1 0 0 1

• d = 8/10

d = 0,8

Sd = (√10(106) - 64) / 10 (10 -1)

Sd = 3,33

t-hitung = d / (s/√n)

t-hitung = 0,8 / (3,33/√10) t-hitung = 0,76

• Nilai t-hitung = 0,76 < 2,26 (t-tabel) àHo diterima

• Kesimpulan:

Tidak ada perbedaan waktu yang dibutuhkan perawat untuk memasang infuse sebelum
mengikuti pelatihan dan sesudah mengikuti pelatihan.

1. Uji-t Dua Sampel Berpasangan (Paired t-test)

Pengujian dua sampel berpasangan digunakan untuk menganalisis perbandingan

untuk dua sampel. Dua sampel berpasangan dimaksud adalah sebuah kelompok sampel
yang mengalami dua pengukuran yang berbeda. Misalnya pada sebuah kelas, peneliti
memberikan tes awal sebelum perlakuan dengan metode atau model pembelajaran
tertentu dan memberikan tes/evaluasi diakhir perlakuan.

Formula uji statistika yang digunakan adalah:

 Dimana:

= rerata sampel sebelum perlakuan

= rerata sampel sesudah perlakuan

= simpangan baku sampel sebelum perlakuan

= simpangan baku sampel sesudah perlakuan

= varians sampel sebelum perlakuan

= varians sampel sesudah perlakuan

r = koefisien korelasi sampel sebelum dan sesudah perlakuan

Hipotesis statistik yang diuji:

H0 : 2 1

H1 : 2 1

Kriteria pengujian:

Tolak H0 jika t0 = thitung tdaftar = ttabel pada taraf signifikansi yang dipilih
dengan derajat bebas n1 + n2 – 2, pada keadaan lain terima H0.

Contoh:

Seorang peneliti ingin mengetahui apakah metode diskusi yang diterapkan dalam
pembelajaran memberikan hasil belajar yang berbeda. Untuk itu dipilih satu kelas yang
diberi perlakuan metode diskusi. Sebelum pembelajaran dilaksanakan, para siswa
diberikan tes awal (pretes) dan sesudah perlakuan metode diskusi diberikan tes akhir
(postes) untuk mengetahui rata-rata penguasaan siswa terhadap materi logaritma. Data
hasil pretes dan postes seperti pada Tabel 6.1. Buatlah:

1. Hipotesis penelitian

2. Hipotesis statistic

3. Lakukan pengujian terhadap hipotesis penelitian dan simpulkan

Tabel 5.1 Data Hasil Pretes dan Postes Siswa

No. Resp Pretes Postes No. Resp Postes Postes

1 55 85 11 70 90

2 60 85 12 50 75

3 40 75 13 65 85

4 70 95 14 55 65

5 45 65 15 65 85

6 50 75 16 70 90

7 60 80 17 65 80

8 40 55 18 55 80

9 65 85 19 40 60

10 75 90 20 65 80

Penyelesaian:

1. Hipotesis penelitian: “Rata-rata hasil belajar siswa setelah dibelajarkan dengan

metode diskusi lebih tinggi dari sebelum dibelajarkan dengan metode diskusi”.
2. Hipotesis statistik yang diuji:

H0 : 2 1 H1 : 2 1

3. Analisis data:

Dari informasi pada Tabel 5.2 diperoleh:

Y1 = 1160; = 58 Y12 = 69550; Y1Y2 = 93550

Y2 = 1580; = 79 Y22 = 127000;

Maka:

= = = 10,9304

Maka: = (10,9304)2 = 119,4736

= = = 10,7115

Maka: = (10,7115)2 = 114,7362

Tabel 5.2 Penghitungan Nilai-nilai untuk Pengujian Hipotesis Penelitian

No. Resp Pretes

(Y1) Postes

(Y2) Y12 Y22 Y1Y2

1 55 85 3025 7225 4675

2 60 85 3600 7225 5100

3 40 75 1600 5625 3000

4 70 95 4900 9025 6650

5 45 65 2025 4225 2925

6 50 75 2500 5625 3750

7 60 80 3600 6400 4800

8 40 55 1600 3025 2200

9 65 85 4225 7225 5525

10 75 90 5625 8100 6750

11 70 90 4900 8100 6300

12 50 75 2500 5625 3750

13 65 85 4225 7225 5525

14 55 65 3025 4225 3575

15 65 85 4225 7225 5525

16 70 90 4900 8100 6300

17 65 80 4225 6400 5200

18 55 80 3025 6400 4400

19 40 60 1600 3600 2400

20 65 80 4225 6400 5200

1160 1580 69550 127000 93550

58,00 79,00
 = 0,8586

Maka:

= 16,3094

4. Interpretasi

Nilai t0 = thitung = 16,31. Nilai tdaftar = ttabel pada taraf signifikansi = 0,05
dengan derjata bebas 38 adalah 1,67. Karena nilai thitung = 16,31 ttabel = 1,67 maka
tolak H0. Simpulan: rata-rata hasil belajar siswa setelah dibelajarkan dengan metode
diskusi lebih tinggi dari sebelum dibelajarkan dengan metode diskusi teruji
kebenarannya.

Nama : Reka Juliana

Nim : 411417050

Kelas : E-Pendidikan Matematika

Materi Korelasi Sederhana dan contoh soal

Koefisien Korelasi Sederhana disebut juga dengan Koefisien Korelasi Pearson karena
rumus perhitungan Koefisien korelasi sederhana ini dikemukakan oleh Karl Pearson
yaitu seorang ahli Matematika yang berasal dari Inggris.

Rumus yang dipergunakan untuk menghitung Koefisien Korelasi Sederhana adalah

sebagai berikut :
(Rumus ini disebut juga dengan Pearson Product Moment)

r= nΣxy – (Σx) (Σy)

. √{nΣx² – (Σx)²} {nΣy2 – (Σy)2}

Dimana :

n = Banyaknya Pasangan data X dan Y

Σx = Total Jumlah dari Variabel X
Σy = Total Jumlah dari Variabel Y
Σx2= Kuadrat dari Total Jumlah Variabel X
Σy2= Kuadrat dari Total Jumlah Variabel Y
Σxy= Hasil Perkalian dari Total Jumlah Variabel X dan Variabel Y

Tabel tentang Pedoman umum dalam menentukan Kriteria Korelasi :

Kriteria
r Hubungan

0 Tidak ada Korelasi

0 – 0.5 Korelasi Lemah

0.5 – 0.8 Korelasi sedang

0.8 – 1 Korelasi Kuat / erat

1 Korelasi Sempurna

Contoh
Berikut Tabel Motivasi dan Minat belajar matematika siswa yaitu sebagai berikut :

X Y
 No.
Resp
1 6 5
2 7 6
3 7 6
4 7 7
5 8 7
6 8 7
7 8 7
8 9 8
9 9 8
10 9 8
11 9 8
12 9 9
13 9 9
Jawab
H1 : terdapat hubungan antara motivasi dan minat belajar matematika siswa
H0 : tidak ada hubungan antara motivasi dan minat belajar matematika siswa

No.
X Y
Resp X^2 Y^2 XY
1 6 5 36 25 30
2 7 6 49 36 42
3 7 6 49 36 42
4 7 7 49 49 49
5 8 7 64 49 56
6 8 7 64 49 56
7 8 7 64 49 56
8 9 8 81 64 72
9 9 8 81 64 72
10 9 8 81 64 72
11 9 8 81 64 72
12 9 9 81 81 81
13 9 9 81 81 81
Jlh 105 95 861 711 781
Rerata 8,076923 7,307692
r= nΣxy – (Σx) (Σy)
. √{nΣx² – (Σx)²} {nΣy2 – (Σy)2}9

r= (13 . 781) – (105) (95)

. √{13. 861 – (105)²} {13 . 711 – (95)2}

r= (10153) – (9975)
. √{11193 – 11025} {9243 – 9025}

r= 178
. 191,374

r = 0.930

kesimpulannya terdapat korelasi yang erat antara motivasi dan minta belajar
matematika siswa

Nama : Reka Juliana

Nim : 411417050

Kelas : E-Pendidikan Matematika

Analisis regresi sederhana

Contoh

• Kasus : Seorang mahasiswa akan meneliti apakah terdapat pengaruh motivasi

terhadap hasil belajar matematika siswa terdapat 15 sampel yang akan diteliti
Motivasi belajar

X Hasil belajar matematika

14 80

17 75

15 90

15 75

15 85

18 80

20 80

16 95

16 75

16 85

15 78

15 90

15 90

16 85

17 75

Jawab

H1 : Terdapat pengaruh antara motivasi dan hasil belajar matematika siswa

H0 : Tidak terdapat pengaruh antaraa motivasi dan hasil belajar matematika siswa
No Motivasi belajar Hasil belajar matematika

X Y X^2 Y^2 XY

1 14 80 196 6400 1120

2 17 75 289 5625 1275

3 15 90 225 8100 1350

4 15 75 225 5625 1125

5 15 85 225 7225 1275

6 18 80 324 6400 1440

7 20 80 400 6400 1600

8 16 95 256 9025 1520

9 16 75 256 5625 1200

10 16 85 256 7225 1360

11 15 78 225 6084 1170

12 15 90 225 8100 1350

13 15 90 225 8100 1350

14 16 85 256 7225 1360

15 17 75 289 5625 1275

jumlah 240 1238 3872 102784 19770

Menghitung Konstanta (a) :

a = (Σy) (Σx²) – (Σx) (Σxy)

. n(Σx²) – (Σx)²

a = (1238) (3872) – (240) (19770)

15 (3872) – (240)²

a = 101,5333

Menghitung Koefisien Regresi (b)

b = n(Σxy) – (Σx) (Σy)

. n(Σx²) – (Σx)²

b = 15 (19770) – (240) (1238)

. 15 (3872) – (240)²

b = -1,1875

Langkah 6 : Buat Model Persamaan Regresi

Y = a + bX

Y = 101,53 – 1,19X

Menentukan koefisien korelasi sederhana

r= nΣxy – (Σx) (Σy)

. √{nΣx² – (Σx)²} {nΣy2 – (Σy)2}

r= (15 . 19770) – (240) (1238)

. √{15. 3872 – (240)²} {15 . 102784 – (1238)2}

r= (296550) – (297120)

. √{58080 – 57600} {1541760 – 1532644}

r= -570

. -92,93

r = 6,1356

Dengan menggunakan tingkat signifikansi 5%, pengujian 2 sisi, dan derajat

kebebasan (df) = n-k-1 = 15-1-1 = 13 (dimana n = jumlah data, k = jumlah variabel
independen) maka diperoleh t tabel sebesar 1,77093.

Karena t hitung < t tabel, maka Ha diterima. Kesimpulannya, terdapat pengaruh yang
signifikan antara motivasi dan hasil belajar matematika siswa.

Nama : Reka Juliana

Nim : 411417050

Kelas : E-Pendidikan Matematika

ANALISIS REGRESI DAN KORELASI BERGANDA

Analisis regresi berganda merupakan perluasan dari analisis regresi linier sederhana.
Dalam regresi linier sederhana, dibuat analisis hubungan dua variabel (satu variabel
independent dengan satu variabel dependent) yang dinyatakan dengan persamaan
linier Y’ = a + bX, dengan tujuan membuat prediksi tentang besarnya nilai Y
(variabel dependent) berdasarkan nilai X (variabel independent) tertentu.
Prediksi perubahan variabel dependent (Y) akan menjadi lebih baik apabila
dimasukkan lebih dari satu variabel independent dalam persamaan liniernya (X1,
X2,……..Xn). Hubungan antara lebih dari satu variabel independent dengan satu
variabel dependent inilah yang dibicarakan dalam analisis regresi linier berganda.
Hubungan antara banyak variabel inilah yang sesungguhnya terjadi dalam dunia
nyata, karena sebenarnya kebanyakan hubungan antar variabel dalam ilmu soisal
merupakan hubungan statistikal, artinya bahwa perubahan nilai Y tidak mutlak hanya
dipengaruhi oleh satu nilai X tertentu tetapi dipengaruhi oleh banyak nilai X.
Model regresi berganda dengan 1 variabel dependent (Y) dengan n variabel
independent (X) adalah :
Y’ = a + b1.X1 + b2.X2 + …… + bn.Xn + e
Misalnya untuk n = 2, model regresinya adalah :
Y’ = a + b1.X1 + b2.X2 + e
Dimana :
Y’ = nilai Y prediksi
X1 = Variabel bebas 1
X2 = Variabel bebas 2
b1 = Koefisien regresi variabel bebas 1, adalah perubahan pada Y untuk
setiap perubahan X1 sebesar 1 unit dengan asumsi X2 konstan
b2 = Koefisien regresi variabel bebas 2, adalah perubahan pada Y untuk
setiap perubahan X2 sebesar 1 unit dengan asumsi X1 konstan
e = Kesalahan Prediksi (error)
Analisis regresi linier berganda, berdasarkan penelitian sampel dinyatakan dengan
persamaan linier :
Y’ = a + b1.X1 + b2.X2 + …… + bn.Xn
Untuk kasus dua variabel independent, persamaan liniernya dinyatakan sebagai :
Y’ = a + b1.X1 + b2.X2
Untuk mendapatkan nilai a, b1 dan b2 digunakan rumus-rumus sebagai berikut :

dimana :

Untuk memberikan gambaran bagaimana membuat analisis regresi linier berganda,

diberikan contoh sebagai berikut : Misalnya kita hendak memprediksi besarnya
pengeluaran untuk bahan makanan per bulan (variabel Y) berdasarkan penghasilan
keluarga per bulan (variabel X1) dan banyaknya/besar keluarga (variabel X2).
Berdasarkan sampel random 15 keluarga diperoleh informasi sebagai berikut :

Penghasilan Kelurga (Ratusan Ribu Rp/Bulan)

X1 Besar Keluarga

X2 Pengeluaran Bahan Makanan (Ratusan Ribu Rp/Bulan)

Y
5,5 1 0,8
8,9 1 1,0
21,8 1 1,7
6,8 2 1,4
7,5 2 1,2
17,2 2 1,8
22,1 2 1,9
19,0 3 2,3
12,0 3 1,7
14,0 4 1,5
10,9 4 1,8
7,5 5 2,0
14,0 5 2,2
13,7 6 2,8
6,0 7 2,1
Untuk memperoleh persamaan garis regresi linier tentang hubungan antara variabel
penghasilan keluarga (X1) dan besar keluarga (X2) dengan variabel pengeluaran
untuk bahan makanan (Y) periksa tabel berikut :
Komputasi Persamaan Regresi Linier Berganda Berdasarkan Hubungan variabel
Penghasilan Keluarga (X1) dan Variabel Besar Keluarga (X2) dengan Variabel
Pengeluaran Untuk Bahan Makanan (Y)
X1 X2 Y X2 , 1
X2 , 2
Y2 X1Y X2Y X1X2
5,5 1 0,8 30,25 1 0,64 4,4 0,8 5,5
8,9 1 1 79,21 1 1 8,9 1 8,9
21,8 1 1,7 475,24 1 2,89 37,06 1,7 21,8
6,8 2 1,4 46,24 4 1,96 9,52 2,8 13,6
7,5 2 1,2 56,25 4 1,44 9 2,4 15
17,2 2 1,8 295,84 4 3,24 30,96 3,6 34,4
22,1 2 1,9 488,41 4 3,61 41,99 3,8 44,2
19 3 2,3 361 9 5,29 43,7 6,9 57
12 3 1,7 144 9 2,89 20,4 5,1 36
14 4 1,5 196 16 2,25 21 6 56
10,9 4 1,8 118,81 16 3,24 19,62 7,2 43,6
7,5 5 2 56,25 25 4 15 10 37,5
14 5 2,2 196 25 4,84 30,8 11 70
13,7 6 2,8 187,69 36 7,84 38,36 16,8 82,2
6 7 2,1 36 49 4,41 12,6 14,7 42
186,9 48 26,2 2767,19 204 49,54 343,31 93,8 567,7
Mean
12,46 3,2 1,74
X = 2767,19 – (186,9)2/15 = 438,416
X = 204 – (48)2/15 = 50,4
 Y2 = 49,54 – (26,2)2/15 = 3,777
X1Y = 343,31 – (186,9) (26,2)/15 = 16,858
X2Y = 93,8 – (48) (26,2)/15 = 9,96
X1X2 = 567,7 – (186,9) (48)/15 = -30,38
Koefisien regresinya adalah :
Intersepnya adalah :
a = 1,74 – 0,05442 (12,46) – 0,23042 (3,2)
a = 1,74 – 0,6780732 – 0,737344
a = 1,74 – 1,4154172 = 0,3245828
Persamaan regresi linier bergandanya adalah :
Y’ = 0,3246 + 0,0544.X1 + 0,2304.X2
Pengertian persamaan tersebut adalah : Pertama, apabila X2 konstan, pertambahan
satu unit pada X1 akan mempunyai pengaruh menaikkan 0,0544 unit pada Y. Kedua,
apabila X1 kostan, pertambahan satu unit pada X2, akan mempunyai pengaruh
menaikkan 0,2304 unit pada Y. Ketiga, apabila X1 dan X2 sama dengan nol,
besarnya Y adalah 0,3246 satuan.

Berdasarkan persamaan tersebut dapat dibuat prediksi/ramalan nilai-nilai Y

berdasarkan kombinasi nilai X1 dan X2 tertentu misalnya nilai X1 = 5,5 dan X2 = 1,
maka nilai Y adalah Y = 0,3246 + 0,0544 (5,5) + 0,2304 (1) = 0,8542

Standard error of estimates dinyatakan dengan rumus :

dimana,
n = jumlah observasi
3 = banyak koefisien

Berdasarkan contoh tersebut dimuka, besarnya standard error of estimate adalah :

Rumus (1) :

Rumus (2) :

Analisis Korelasi Berganda

Analisis korelasi berganda merupakan perluasan dari analisis korelasi sederhana.
Dalam analisis korelasi berganda bertujuan untuk mengetahui bagaimana derajat
hubungan antara beberapa variabel independent (Variabel X1, X2, ……., Xk) dengan
variabel dependent (Variabel Y) secara bersama-sama.
Asumsi-asumsi sehubungan dengan analisis regresi berganda tersebut adalah :
1. Variabel-Variabel independent dan variabel dependent mempunyai hubungan
linier
2. Semua variabel, baik variabel-variabel independent maupun variabel
dependent, merupakan variabel-variabel random kontinyu.
3. Distribusi kondisional nilai masing-masing variabel berdistribusi normal
(multivariate normal distribution)
4. Untuk berbagai kombinasi nilai variabel yang satu dengan yang lain tertentu,
varaince dari distribusi kondisional masing-masing variabel adalah homogen (asumsu
homoscedasticity berlaku untuk semua variabel)
5. Untuk masing-masing variabel, nilai observasi yang satu dengan yang lain,
tidak berkaitan.

Berdasarkan korelasi berganda, yang diberi notasi RY.12…..n dihitung melalui jalur
terjadinya hubungan antara beberapa variabel independent (X1, X2, ……., Xn)
dengan satu variabel dependent (Y), yakni yang berupa regresi linier berganda Y’ = a
+ b1.X1 + b2.X2 + …… + bn.Xn.
Berdasarkan adanya regresi berganda tersebut, koefisien korelasi linier berganda
tersebut dihitung dengan menggunakan rumus sebagai berikut :

Berdasarkan contoh tentang hubungan antara penghasilan keluarga (X1) dan besar
keluarga (X2) dengan pengeluaran untuk bahan makanan (Y), koefisien korelasi linier
bergandanya dinyatakan dengan :

dimana,
b1 = 0,0544
b2 = 0,02304
X1Y = 16,858
X2Y = 9,96
Y2 = 3,777
Jadi koefisien korelasi berganda dari contoh tersebut adalah :

Sedang koefisien determinasi berganda (R2)dari contoh tersebut adalah :

Angka tersebut menunjukkan bahwa sekitar 85% dari variasi pengeluaran untuk
bahan makanan (Y) dijelaskan oleh kombinasi dari penghasilan keluarga (X1) dan
besar keluarga (X2). Sisanya yakni 15% dijelaskan oleh variabel independent lainnya
yang tidak teramati.
Dari kasus korelasi linier berganda, peneliti dapat menghitung koefisien korelasi
parsialnya. Korelasi parsial (partial correlation) adalah korelasi antara sebuah variabel
dependent (Y) dengan sebuah variabel independent (X), sementara sejumlah variabel
independent lainnya konstan.
Apabila variabel independentnya ada dua buah yaitu X1 dan X2, maka koefisien
parsial yang ada ialah rY12 dan rY21, yang masing-masing menunjukkan koefisien
korelasi antara Y dengan X1 apabila X2 konstan dan koefisien korelasi antara Y
dengan X2 apabila X1 konstan. Seperti dalam contoh tersebut dimuka, rY12
menunjukkan korelasi antara penghasilan keluarga (X1) dengan pengeluaran untuk
bahan makanan (Y) apabila besar keluarga (X2) konstan. Dan rY21 menunjukkan
korelasi antara besar keluarga (X2) dengan pengeluaran untuk bahan makanan (Y)
apabila penghasilan keluarga (X1) konstan.
Rumus-rumusnya adalah :

Untuk menghitung koefisien korelasi parsialnya terlebih dahulu harus dihitung

koefisien korelasi sederhana antara X1 dengan Y, X2 dengan Y dan antara X1 dengan
X2.
Berdasarkan contoh dimuka :

Koefisien korelasi parsial :

Koefisien determinasi dan pengertiannya :

1. = (0,41)2 = 0,17
Sekitar 17% dari variasi pengeluaran untuk bahan makanan (Y) dapat dijelaskan oleh
variasi dalam penghasilan keluarga (X1) dimana faktor lain tidak dipertimbangkan.
2. = (0,72)2 = 0,52
Sekitar 52% dari variasi pengeluaran untuk bahan makanan (Y) dapat dijelaskan oleh
variasi dalam besar keluarga (X2) dimana faktor lain tidak dipertimbangkan.
3. = (0,81)2 = 0,66
Sekitar 66% dari variasi pengeluaran untuk bahan makanan (Y) dapat dijelaskan oleh
variasi dalam penghasilan keluarga (X1), apabila pengaruh dari besar keluarga (X2)
dianggap konstan.
4. = (0,90)2 = 0,81
Sekitar 81% dari variasi pengeluaran untuk bahan makanan (Y) dapat dijelaskan oleh
variasi dalam besar keluarga (X2), apabila pengaruh dari penghasilan keluarga (X1)
dianggap konstan.
5.
Sekitar 85% dari variasi pengeluaran untuk bahan makanan (Y) dapat dijelaskan oleh
kombinasi dari penghasilan keluarga (X1) dan besar keluarga (X2).
Periksa kembali penjelasan dimuka.