No Y Y2
1 72 5184
2 73 5329
3 56 3136
4 67 4489
5 75 5625
6 83 6889
7 82 6724
8 78 6084
9 65 4225
10 66 4356
11 90 8100
12 88 7744
13 57 3249
14 75 5625
15 65 4225
16 68 4624
17 60 3600
18 65 4225
19 77 5929
20 66 4356
21 85 7225
22 55 3025
23 88 7744
24 77 5929
25 90 8100
26 60 3600
27 65 4225
28 90 8100
29 85 7225
30 64 4096
2187 162987
∑𝐹 2187
Rerata = = = 72,90
𝑛 30
n Y 2 − ( Y )
2
s=
n(n − 1)
30(162987) − (2187 )
2
=
30(30 − 1)
106.641
= = 11,07
870
Y - 0 72,90 − 80 - 7,10
to = = = = −3,51
s 11,07 2,02
n 30
Taraf signifikansi = 0,05. ttabel = t(; db) = t(0,05;29) = 1,699
Karena hipotesis statistik adalah uji pihak kiri maka:
Nilai ttabel = 1,699
Karena nilai t0 = -3,51 < ttabel = 1,699 maka tolak H1 atau terima H0 yang mengatakan bahwa
kualitas mengajar dosen paling rendah 80% dari rata-rata skor ideal. Simpulan: hipotesis
penelitian yang diajukan peneliti tidak teruji kebenarannya.
43,4583333 72,125
n Y1Y2 − Y1 Y2
rY1Y2 =
n Y 1
2 2
− ( Y1 ) n Y22 − ( Y2 )
2
24(75720) - (1043)(173 1)
=
24(46519) - (1043) 24(127541) - (1731)
2 2
11847
= = 0,2755
42996,1644
Y1 − Y2
Maka: t 0 =
s12 s22 s s
+ − 2r 1 2
n1 n2 n n
1 2
43,4583 − 72,1250
=
2685,7477 13705,619 51,8242 117,071
+ − 2(0,2755)
24 24 24 24
28,6667
= = 1,229
543,6829
• Interpretasi
Nilai t0 = thitung = 1,23. Nilai tdaftar = ttabel pada taraf signifikansi = 0,05
dengan derjata bebas 23 adalah 1,71. Karena nilai thitung = 1,23 < ttabel = 1,71 maka
terima H0. Simpulan: rata-rata hasil belajar siswa setelah dibelajarkan dengan
metode konvensional rendah dari sebelum dibelajarkan dengan metode
konvensional teruji kebenarannya.
TUGAS
1. Data hasil ujian materi statistika dari 20 peserta didik sebagai berikut
80 75 70 85 60
70 72 65 75 58
85 80 73 72 72
58 55 62 74 84
Peneliti menetapkan rata-rata paling rendah 75% dari rata-rata ideal. Instrumen berbentuk
esay dengan rentang skor 1 – 10 untuk masing-masing butir soal sebanyak 10 butir.
a) Buatlah hipotesis penelitian dan hipotesis statistik
b) Lakukan pengujian hipotesis penelitian dengan menggunakan uji-t satu sampel
dan simpulkan.
Penyelesaian :
Nilai ideal = jumlah item pernyataan x option x responden
= 10 x 10 x 20
= 2000
Rata-rata nilai ideal = Nilai Ideal : Responden
= 2000 : 20
= 100
75 % dari Rata-rata Nilai Ideal = 0,75 x 100 = 75
Hipotesis Penelitian: “Paling rendah hasil ujian 75% dari skor ideal (yang
diharapkan)
Hipotesis Statistik yang diuji: H0 : 0 < 75%
H1 : 0 ≥ 75%
No resp Y1 Y12
1 80 6400
2 75 5625
3 70 4900
4 85 7225
5 60 3600
6 70 4900
7 72 5184
8 65 4225
9 75 5625
10 58 3364
11 85 7225
12 80 6400
13 73 5329
14 72 5184
15 72 5184
16 58 3364
17 55 3025
18 62 3844
19 74 5476
20 84 7056
1425 103135
∑𝐹 1425
Rerata = = =71,2
𝑛 20
n Y 2 − ( Y )
2
s=
n(n − 1)
20(103135) − (1425)
2
=
20(20 − 1)
Y - 0 71,2 − 75 - 3,8
to = = = = −1,8497
s 9,1873 2,0543
n 20
106.641
= = 9,1873
870
Taraf signifikansi = 0,05. ttabel = t(; db) = t(0,05;19) = 1,729
Karena hipotesis statistik adalah uji pihak kiri maka:
Nilai ttabel = 1,729
Karena nilai t0 = -3,51 < ttabel = 1,729maka tolak H1 atau terima H0 yang mengatakan bahwa hasil
ujian materi statistika paling rendah 75% dari rata-rata skor ideal. Simpulan: hipotesis penelitian
yang diajukan peneliti tidak teruji kebenarannya.
2. Peneliti melakukan sebuah penelitian dengan tujuan ingin mengetahui perbedaan hasil
belajar matematika siswa sebelum dan sesudah diterapkan model pembelajaran Jigsaw.
Dipilih satu kelas untuk diberikan perlakuan dengan model pembelajaran Jigsaw. Sebelum
pembelajaran dilaksanakan siswa diberikan tes awal (pretes) dan di berikan tes akhi
(postes) setelah diterapkan model pembelajaran Jigsaw. Buatlah:
a) Buatlah hipotesis penelitian dan hipotesis statistik.
b) Lakukan pengujian hipotesis penelitian dengan menggunakan uji-t
berkorelasi/berpasangan (paired t-test) dan simpulkan.
Sebelum Sesudah
No Resp
Perlakuan Perlakuan
1 52 70
2 45 80
3 43 55
4 32 70
5 55 55
6 50 78
7 53 75
8 33 64
9 43 82
10 40 65
11 55 85
12 60 85
13 40 75
14 70 95
15 45 65
Penyelesaian:
a) Hipotesis penelitian: “Rata-rata hasil belajar siswa setelah dibelajarkan dengan model
pembelajaran Jigsaw lebih tinggi dari sebelum dibelajarkan dengan model
pembelajaran Jigsaw”
Hipotesis statistik yang diuji:
H0 : 2 1 H1 : 2 1
b) Analisis Data
Dari informasi pada Tabel 5.2 diperoleh:
Y1 = 716; Y1 = 43,73 Y12 = 35624; Y1Y2 = 52983
Maka:
57981
= = 0,9371
61869,2512
Y1 − Y2
Maka: t 0 =
s12 s22 s s
+ − 2r 1 2
n1 n2 n n
1 2
43,73 − 68,6
=
103,3516 839,8230 10,1662 28,9797
+ − 2(0,9371)
15 15 15 15
24,87
= = 4,8711
26,0675
Interpretasi
Nilai t0 = thitung = 4,87. Nilai tdaftar = ttabel pada taraf signifikansi =
0,05 dengan derjata bebas 14 adalah 1,76. Karena nilai t hitung = 4,87
ttabel = 1,76 maka tolak H0. Simpulan: rata-rata hasil belajar siswa
setelah dibelajarkan dengan model pembelajaran Jigsaw lebih tinggi
dari sebelum dibelajarkan dengan model Jigsaw teruji kebenarannya.
Nama: Sri Windriana Ngabito
Kelas : E
Nim : 411417040
“TUGAS 2”
Uji-t Dua Sampel Bebas ( Independent t-test)
Pengujian dua sampel bebas digunakan untuk menganalisis perbandingan untuk dua
kelompok sampel. Kedua kelompok sampel ini diberi dua perlakuan yang berbeda. Misalnya
seorang peneliti akan membandingkan dua metode belajar. Satu kelas diberikan metode A dan
kelad lainnya diberikan metode B. Setelah pembelajaran (perlakuan) dalam beberapa waktu,
kedua kelompok siswa ini diberikan tes akhir. Hasil tes akhir ini yang dianalisis dengan uji-t dua
sampel bebas .
Pengujian uji-t dua sampel bebas ini perlu memperhatikan jumlah sampel pada setiap
kelompok dan varias kelompok. Prinsip pengujian uji ini adalah melihat perbedaan variasi kedua
kelompok data, sehingga sebelum dilakukan pengujian, terlebih dahulu harus diketahui apakah
variannya sama (equal variance) atau variannya berbeda (unequal variance).
Homogenitas varian diuji berdasarkan rumus:
𝑆12
𝐹= 2
𝑆2
Keterangan :
F = nilai F hitung
S12 = nilai varian terbesar
S22 = nilai varian terkecil
Data dinyatakan memiliki varian yang sama (equal variance) bila F-Hitung < F-Tabel,
dan sebaliknya, varian data dinyatakan tidak sama (unequal variance) bila F-Hitung > F-Tabel.
Bentuk varian kedua kelompok data akan berpengaruh pada nilai standar error yang akhirnya
akan membedakan rumus pengujiannya.
Uji t untuk varian yang sama (equal variance) menggunakan rumus Polled Varians:
𝑌̅1 − 𝑌̅2
𝑡=
(𝑛 − 1)𝑆12 + (𝑛2 − 1)𝑆22 1 1
√ 1 ( + )
𝑛1 + 𝑛2 − 2 𝑛1 𝑛2
Uji t untuk varian yang berbeda (unequal variance) menggunakan rumus Separated Varians:
𝑌̅1 − 𝑌̅2
𝑡=
𝑆2 𝑆2
√ 1+ 2
𝑛1 𝑛2
Anava Satu Jalan (One Way Anava)
Uji Anava Satu Jalan atau yang lazim disebut dengan one way anova adalah uji statistik
yang bertujuan untuk mencari perbedaan variansi dari dua (2) atau lebih kelompok sampel
dengan satu faktor perlakuan.
Misalkan ada k kelompok sampel perlakuan yaitu A1, A2 , A3 , .... , Ak seperti pada tabel
dibawah ini:
No. Perlakuan (A)
Resp A1 A2 A3 ... Ak
1 Y11 Y21 Y31 ... Yk1
2 Y12 Y22 Y32 ... Yk2
3 Y13 Y23 Y33 ... Yk3
. . . . . .
. . . . . .
. . . . . .
N Y1n Y2n Y3n ... Ykn
Rumus untuk menguji rata-rata hasil belajar kelompok mana yang unggul menggunakan uji-F
sebagai berikut:
𝑣𝑎𝑟𝑖𝑎𝑛𝑠 𝑎𝑛𝑡𝑎𝑟 𝑘𝑒𝑙𝑜𝑚𝑝𝑜𝑘 (𝐴) 𝑅𝐽𝐾 (𝐴)
𝐹0 = =
𝑉𝑎𝑟𝑖𝑎𝑛𝑠 𝑑𝑎𝑙𝑎𝑚 𝐾𝑒𝑙𝑜𝑚𝑝𝑜𝑘 (𝐷) 𝑅𝐽𝐾(𝐷)
Keterangan:
RJK = rata-rata jumlah kuadrat
A = antar kelompok (varians antar kelompok
D = dalam kelompok (varians dalam kelompok)
Hipotesis statistika yang diuji
Ho : 𝜇1 = 𝜇2 = 𝜇3 = ⋯ = 𝜇𝑘
H1 : Selain H0
Kriteria pengujian:
Tolak H0 jika F0 = Fhitung ≥ Ftabel pada taraf signifikansi α yang dipilih dengan derajat
bebas pembilang a-1 dan db penyebut nt-1, dan pada keadaan lain terima H0
Pada anava satu jalan sumber varians yang dihitung adalah total , antar kelompok dan dalam
kelompok. Berikut adalah langkah-langkah dalam perhitungan ANOVA satu jalur:
a) Tentukan k atau banyaknya perlakuan,
b) Tentukan n atau banyaknya sampel,
c) Hitung jumlah kuadrat – jumlah kuadrat dari
✓ Jumlah kuadrat Total:
(∑ 𝑌)2
JK(T)=∑ 𝑌𝑡2 − 𝑛
✓ Jumlah kuadrat Antar kelompok:
( X Ai ) 2 ( X T ) 2
𝐽𝐾 (𝐴) = n Ai
−
N
✓ Jumlah Kuadrat Dalam :
( X Ai ) 2
𝐽𝐾 (𝐷) = X 2
T −
n Ai
Seorang peneliti membandingkan dua metode mengajar pada dua kelas yang berbeda. Kelas
yang satu dibelajarkan dengan metode diskusi dan lainnya dengan metode pembelajaran
konvensional. Setelah kegiatan pembelajaran kedua kelompok siswa diberikan evaluasi. Hasil
evaluasi kedua kelompok siswa seperti pada tabel di bawah ini:
✓ Data hasil belajar siswa SMA yang dibelajarkan dengan metode diskusi dan
pembelajaran konvesional
No resp PD PK No resp PD PK
1 80 65 11 90 75
2 60 40 12 85 65
3 80 55 13 55 40
4 80 65 14 80 60
5 90 70 15 80 55
6 85 65 16 70 50
7 65 55 17 90 75
8 85 65 18 80 40
9 75 50 19 75 55
10 90 70 20 90 60
KET:
PD = Metode Pembelajaran Diskusi
PK = Metode Pembelajaran Konvesional
➢ Penyelesaian
a) Hipotesis penelitian yang diuji: “hasil belajar siswa yang diajar dengan
metode diskusi lebih tinggi dari metode pembelajaran konvesional”
b) Hipotetis statistik yang diuji
Ho : 𝜇1 ≤ 𝜇2
H1 : 𝜇1 > 𝜇2
Kriteria pengujian:
Tolak H0 jika t0 = thitung ≥ tdaftar = ttabel pada taraf signifikansi α yang
dipilih dengan derajat bebas (db) = n1 + n2 – 2 atau (db) = n1 + 1 atau db
= n2 – 1 , pada keadaan lain terima H1
c) Pengujian hipotesis penelitian
Untuk menentukan rumus yang digunakan dalam menguji hipotesis
penelitian maka hitung terlebih dahulu homogenitas varians kedua
kelompok sampel. Untuk itu perlu dibuat tabel bantu pengujian
homogenitas varians.
Dari informasi pada tabel di atas diperoleh:
∑ 𝑌1 = 1585 𝑌̅1 = 79,25 ∑ 𝑌12 = 127575
∑ 𝑌2 = 1175 𝑌̅2 = 58,75 ∑ 𝑌22 = 71275
No Resp Y1 Y2 Y12 Y2 2
1 80 65 6400 4225
2 60 40 3600 1600
3 80 55 6400 3025
4 80 65 6400 4225
5 90 70 8100 4900
6 85 65 7225 4225
7 65 55 4225 3025
8 85 65 7225 4225
9 75 50 5625 2500
10 90 70 8100 4900
11 90 75 8100 5625
12 85 65 7225 4225
13 55 40 3025 1600
14 80 60 6400 3600
15 80 55 6400 3025
16 70 50 4900 2500
17 90 75 8100 5625
18 80 40 6400 1600
19 75 55 5625 3025
20 90 60 8100 3600
1585 1175 127575 71275
n Y12 − (Y1 ) 2
s1 =
n(n − 1)
20(127575)−(1585)2
√ = 103,3553
20(20−1)
2 7 8 6
3 6 6 8
4 8 6 9
5 7 7 9
6 7 8 7
7 6 7 8
8 8 8 6
9 7 6 9
10 8 6 9
= 4,8666
( X Ai ) 2
o JK ( D ) = X 2
T −
n Ai
= y 2 = 26,5
➢ Penyelesaian
1) Rumusan masalah penelitian : Apakah ada perbedaan hasil belajar matematika dari siswa
yang di ajarkan dengan metode pembelajaran kooperatif, pemecahan masalah dan
pembelajaran langsung?
2) Hipotetis penelitian: “ Ada perbedaan hasil belajar matematika siswa dari siswa yang
diaarkan dengan metode pembelajaran kooperatif, pemecahan masalah dan pembelajaran
langsung
3) Hipotetis statistik
𝐻0 : 𝜇𝐴1 = 𝜇𝐴2 = 𝜇𝐴3
𝐻1 : 𝐵𝑢𝑘𝑎𝑛 𝐻0
4) Pengujian hipotesis penelitian
7) Buat tabel persiapan
Dengan menggunakan program excel for windows 2007 diperoleh nilai-
nilai seperti pada tabel dibawah
KET:
o A1 = Kelompok siswa yang dibelajarkan dengan model pembelajaran
berbasis masalah
o A3 = Kelompok siswa yang dibelajarkan dengan model pembelajaran
kooperatif
= 29,9398
( X Ai ) 2
9) HitungJKderajat
( D) =bebasX(db)
T −
2
n
= y 2
= 32,8031
o 𝑑𝑏(𝑇) = 𝑛𝑡 − 1 = 35 − 1 = 34
Ai
o 𝑑𝑏(𝐴) = 𝑎 − 1 = 3 − 1 = 2
o 𝑑𝑏(𝐷) = 𝑛𝑡 − 𝑎 = 35 − 3 = 32
10) Hitung Rerata Jumlah Kuadrat
𝐽𝐾(𝑇) 62,7429
o 𝑅𝐽𝐾(𝑇) = 𝑑𝑏(𝑇) = 34
= 42,0645
𝐽𝐾(𝐴) 29,9398
o 𝑅𝐽𝐾(𝐴) = 𝑑𝑏(𝐴) = = 14,9699
2
𝐽𝐾(𝐷) 32,8031
o 𝑅𝐽𝐾(𝐷) = 𝑑𝑏(𝐷) = = 1,0251
32
11) Hitung F0
𝑅𝐽𝐾(𝐴) 14,9699
𝐹0 = = = 14,6034 = 14,60
𝑅𝐽𝐾(𝐷) 1,0251
12) Bandingkan dengan Ftabel, simpulkan
Ftabel pada taraf signifikansi α = 0,05 dengan db pembilang 2 dan
db penyebut 32 adalah 3,30 . karena F0 = Fhitung = 14,60 > Ftabel = 3,30
pada taraf signifikansi α = 0.05 maka tolak H0 . Simpulan : terima H1 rata-
rata hasil belajar siswa pada ketiga kelompok tidak sama.
Karena H0 ditolak maka ada uji lanjut untuk melihat perbedaan
dari ketiga hasil perlakuan tersebut. Uji lanjut menggunakan uji-t sebagai
berikut:
̅𝑖 − 𝑌
|𝑌 ̅𝑗 |
𝑡0(𝑌𝑖 −𝑌𝑗) =
1 1
√𝑅𝐽𝐾(𝐷) (𝑛 + 𝑛 )
𝑖 𝑗
“TUGAS 4”
STATISTIK NONPARAMETRIS
1) Uji Median (Test Median)
Test median digunakan untuk menguji signifikansi hipotetis komparatif dua sampel
independen bila datanya berbentuk nominal atau ordinal. Pengujian didasarkan atas
media dari sampel yang diambil secara random. Dengan demikian H0 yang akan diuji
berbunyi: tidak terdapat perbedaan dua kelompok populasi berdasarkan mediannya.
Kalau test fisher digunakan untuk sampel kecil, dan test Chi Kuadrat (𝜒 2 ) digunakan
untuk sampel besar, maka test median ini digunakan untuk sampel antara Fisher atau Chi
Kuadrat.
1. Jika n1+n2 > 40 dapat dipakai test Chi Kuadrat dengan koreksi kontinuitas dari
Yates
2. Jika n1+n2 antara 20-40 dan jika tak satu selpun memiliki frekuensi yang
diharapkan ≥5, dapat digunakan Chi Kuadrat dengan koreksi kontinuitas.bila f<5
maka dipakai test Fisher.
3. Kalau n1+n2 < 20 maka digunakan test Fisher
Untuk menggunakan test median, maka pertama-tama harus dihitung gabungan dua
kelompok (median untuk semua kelompok). Selanjutnya dibagi dua dan dimasukkan ke
dalam tabel seperti berikut:
Kelompok Kel.I Kel.II jumlah
>Median Gabungan A B A+B
≤Median Gabungan C D C+D
Jumlah A + C = n1 B + D = n2 N = n 1 + n2
1
A = banyak kasus dalam kelompok I > Median gabung = 2 𝑛1
1
B = banyak kasus dalam kelompok II > median gabung = 2 𝑛2
1
C = banyak kasus dalam kelompok I ≤ Median gabung = 2 𝑛1
1
D = banyak kasus dalam kelompok II ≤ median gabung = 2 𝑛2
Pengujian dapat menggunakan rumus Chi Kuadrat :
𝑁
𝑁[(𝐴𝐷 − 𝐵𝐶) − 2
2
𝜒 =
(𝐴 + 𝐵)(𝐶 + 𝐷)(𝐴 + 𝐶)(𝐵 + 𝐷)
Rumus di atas dk = 1
Kriteria pengujian:
H0 : diterima bila Chi Kuadrat hitung ≤ tabel
H0 : ditolak bila Chi Kuadrat hitung > tabel
Contoh
Dilakukan penelitian untuk mengetahui apakah hasil belajar siswa yang menggunakan
metode ceramah berbeda dengan metode diskusi berdasarkan mediaanya. Berdasarkan
wawancara terhadap 10 siswa yang menggunakan metode ceramah dan 9 siswa yang
menggunakan metode diskusi diperoleh data tercantum dalam tabel 1.1 berikut:
No Metode Ceramah Metode Diskusi
1 50 45
2 60 50
3 70 55
4 70 60
5 75 65
6 80 65
7 90 70
8 95 80
9 95 100
10 100
Untuk menghitung median gabungan, maka data dua kelompok tesebut diurutkan dari
yang terkecil sampai terbesar:
45 50 50 55 60 60 65 65 70 70 70 75 80 80 90 95 95 100 100
Median (nilai tengah) untuk kelompok tersebut jatuh pada urutan ke-10 yang nilainya =
70. Berdasarkan tabel 1.1 dapat diketahui bahwa :
A=6; C=4; B=2; D=7.
Harga-harga tersebut selanjutnya dimasukkan ke dalam Tabel 1.2 sehingga menjadi
sebagai berikut:
TABEL 1.2
TABEL PENOLONG UNTUK MEMPERMUDAH MENGUJI SIGNIFIKANSI
DUA SAMPEL PADA TEST MEDIAN
Jumlah skor Metode Ceramah Metode Diskusi Jumlah
Di atas Median gabungan A= 6 B=2 A+B= 8
Di bawah Media gabungan C= 4 D=7 C+D = 11
Jumlah 10 9 N= 19
Selanjutnya dimasukkan pada rumus Chi Kuadrat sehingga:
𝑁
𝑁 [(𝐴𝐷 − 𝐵𝐶) − ]
𝜒2 = 2
(𝐴 + 𝐵)(𝐶 + 𝐷)(𝐴 + 𝐶)(𝐵 + 𝐷)
19
19[(6.7 − 2.4) − ] 2
𝜒2 = 2
(6 + 8)(4 + 7)(6 + 4)(2 + 7)
11404,75
𝜒2 = = 0,823
13860
Harga Chi Kuadrat tabel untuk dk = 1 dan α = 5% (0,05) = 3,841 karena Chi Kuadrat
hitung lebih kecil dari tabel ( 0,823 < 3,841), maka H0 diterima. Hal ini berarti tidak
terdapat perbedaan secara signifikan antara hasil belajar siswa yang diajarakan dengan
metode ceramah dan metode diskusi berdasarkan mediannya.
Contoh
Misalnya peneliti ingin mengetahui apakah ada perbedaan motivasi belajar dalam
pembelajaran matematika antara siswa perempuan dan laki-laki. Kemudian dilakukan
penarika sampel untuk perempuan dan laki-laki masing-masing. Berikut hasil
perhitungan untuk masing-masing motivasi belajar:
Motivasi Belajar Perempuan Motivasi Belajar Laki-laki
90 79
89 82
82 85
89 88
91 85
86 80
85 80
86
84
TABEL 2.1
TABEL PENOLONG UNTUK PENGUJIAN DENGAN U-TEST
Kel I Perempuan Peringkat Kel II Laki-laki Peringkat
1 90 15 1 79 1
2 89 13,5 2 82 4,5
3 82 4,5 3 85 8
4 89 13,5 4 88 12
5 91 16 5 85 8
6 86 10,5 6 80 2,5
7 85 8 7 80 2,5
8 86 10,5
9 84 6
R1 = 97,5 R2 = 38,5
𝑛1 (𝑛1 +1)
𝑈1 = 𝑛1 𝑛2 + − 𝑅1
2
9(9+1)
𝑈1 = 9.7 + − 97,5 =10,5
2
𝑛2 (𝑛2 +1)
𝑈2 = 𝑛1 𝑛2 + − 𝑅2
2
7(7+1)
𝑈2 = 9.7 + − 38,5 = 52.5
2
Dari kedua nilai U tersebut di ambil nilai terkecil yaitu 10,5 yang digunakan untuk
membandingkan dengan tabel Mann Whitney .Berdasarkan n1 = 9 dan n2 = 7 dengan
α=0,05 diperoleh harga U tabel = 12. Ternyata harga U hitung lebih kecil dari nilai tabel
(10,5<12). Dengan demikian H0 ditolak dan Ha diterima. Kesimpulan terdapat
peberdaan motivasi belajar dalam pembelajaran matematika antara siswa perempuan
dan laki-laki.
Contoh
Dilakukan penelitian untuk mengetahui perbedaan prestasi belajar siswa yang rumahnya
jauh dan dekat . Jarak rumah ini dikelompakkan menjadi 3 yaitu:
I : (1-5) km
II : (>5-10) km dan
III : (>10) km
Penelitian ini dilakukan pada tiga kelompok sampel yang diambil secara random.
Jumalah siswa pada sampel I=11 sampel II= 12, dan sampel III=10. Pengukuran
dilakukan dengan instrumen prestasi.
H0 : Tidak terdapat perbedaan prestasi belajar siswa berdarkan jarak rumah dengan jarak
sekolah
Ha : Terdapat perbedaan prestasi belajar siswa berdasarkan jarak rumah dengan jarak
sekolah
TABEL 3.1
PRESTASI BELAJAR SISWA BERDASARKAN JARAK RUMAH DENGAN
SEKOLAH
Jarak Rumah dengan Sekolah
0-5 km >5-10 km >10 km
78 82 69
92 89 79
68 72 65
56 57 60
77 62 71
82 75 74
81 64 83
62 77 56
91 84 59
53 56 90
85 88
69
TABEL 3.1
RANGKING PRESTASI BELAJAR SISWA BERDASARKAN JARAK RUMAH
DENGAN SEKOLAH
Jarak Rumah dengan Sekolah
0-5 km Rank >5-10 km Rank >10 km Rank
78 21,0 82 24,5 69 13,5
92 33,0 89 30,0 79 22,0
68 12,0 72 15,0 65 11,0
56 3,0 57 5,0 60 7,0
77 19,5 62 8,5 71 16,0
82 24,5 75 18,5 74 17,0
81 23,0 64 10,0 83 26,0
62 8,5 77 19,5 56 3,0
91 32,0 84 27,0 59 6,0
53 1,0 56 3,0 90 31,0
85 28,0 88 29,0
69 13,5
R1=205,5 R2=203,5 R3= 152,5
12 𝑅2
𝐻 = 𝑁(𝑁+1) ∑𝑘𝑗=1 𝑛𝑗 − 3(𝑁 + 1)
𝑗
12 (205,5)2 (203,5)2 (152,5)2
𝐻 = 33(33+1) [ + + ] − 3(33 + 1)
11 12 10
𝐻 = 96,16 − 102 = −5,84
Harga H hitung tersebut selanjutya dibandingkan dengan harga Chi Kuadrat tabel dengan
dk = k-1 = 3-2 = 1. Bila taraf kesalahan 5% (0,05), maka harga Chi Kuadrat tabel 5,59.
Harga H hitung tersebut ternyata lebih kecil dari tabel (-5,84<5,59). Karena harga hitung
lebih kecil dari tabel, maka H0 diterima dan Ha ditolak. Kesimpulannya adalah tidak
terdapat perbedaan prestasi belajar siswa berdasarkan jarak rumah. Siswa yang
rumahnya jauh dari sekolah sama dengan siswa yang jaraknya dekat dengan sekolah.
Nama : Sri Windriana Ngabito
Kelas : E
Nim : 411417040
“TUGAS 5”
MATERI DAN CONTOH
“REGRESI DAN KORELASI SEDERHANA”
Bila data yang diperoleh telah berdistribusi normal, maka dilanjutkan dengan
analisis korelasi dan regresi sederhana, dengan langkah-langkah berikut: (Sugiyono, 2017
: 261-262)
a) Mencari Persamaan Regresi
Secara umum persamaan regresi sederhana (dengan satu predictor) dapat
dirumuskan sebagai berikut:
𝑌̂ = 𝑎 + 𝑏𝑋
Dimana :
𝑌̂ = 𝑠𝑢𝑏𝑗𝑒𝑘 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙 𝑡𝑒𝑟𝑖𝑘𝑎𝑡 𝑦𝑎𝑛𝑔 𝑑𝑖𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑠𝑖𝑘𝑎𝑛
𝑎 = 𝑘𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑎 𝑎𝑡𝑎𝑢 𝑏𝑖𝑙𝑎 ℎ𝑎𝑟𝑔𝑎 𝑋 = 0
𝑏 = 𝑘𝑜𝑒𝑓𝑖𝑠𝑖𝑒𝑛 𝑟𝑒𝑔𝑟𝑒𝑠𝑖
𝑋 = 𝑁𝑖𝑙𝑎𝑖 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑒𝑡
Harga a dan b dapat dicari dengan menggunakan rumus:
(∑ 𝑌)(∑ 𝑋 2 )−(∑ 𝑋)(∑ 𝑋𝑌)
𝑎= 𝑛(∑ 𝑋 2 )−(∑ 𝑋)2
Dengan:
𝑅𝐽𝐾𝑅𝑒𝑔(𝑏⁄𝑎) = 𝑅𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑗𝑢𝑚𝑙𝑎ℎ 𝑘𝑢𝑎𝑑𝑟𝑎𝑡 𝑟𝑒𝑔𝑟𝑒𝑠𝑖
Dengan :
𝑅𝐽𝐾(𝑇𝐶) = 𝑁𝑖𝑙𝑎𝑖 𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑗𝑢𝑚𝑙𝑎ℎ 𝑘𝑢𝑎𝑑𝑟𝑎𝑡 𝑡𝑢𝑛𝑎 𝑐𝑜𝑐𝑜𝑘
𝑅𝐽𝐾(𝐸) = 𝑁𝑖𝑙𝑎𝑖 𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑗𝑢𝑚𝑙𝑎ℎ 𝑘𝑢𝑎𝑑𝑟𝑎𝑡 𝑒𝑟𝑟𝑜𝑟/𝑘𝑒𝑠𝑎𝑙𝑎ℎ𝑎𝑛
𝐽𝐾(𝑇𝐶) = 𝐽𝐾𝑅𝑒𝑠 + 𝐽𝐾𝐸 = 𝐽𝑢𝑚𝑙𝑎ℎ 𝑘𝑢𝑎𝑑𝑟𝑎𝑡 𝑡𝑢𝑛𝑎 𝑐𝑜𝑐𝑜𝑘
(∑ 𝑌)2
𝐽𝐾(𝐸) = ∑𝑋{∑ 𝑌 2 − } = 𝑗𝑢𝑚𝑙𝑎ℎ 𝑘𝑢𝑎𝑑𝑟𝑎𝑡 𝑒𝑟𝑟𝑜𝑟
𝑛
Hipotesis yang akan diuji:
H0 = Persamaan regresi tidak signifikan
H1 = Persamaan regresi signifikan
Dengan kriteria pengujian tolak H0 jika Fhitung ≥ Ftabel pada taraf
signifikansi α = 0,5 dengan derajat kebebasan (dk) pembilang = k-2 dan
penyebut= n-k pada keadaan lain terima H0.
d) Mengitung Koefisien Korelasi
Untuk menentukan apakah ada hubungan antara kemandirian belajar
dengan hasil belajar matematika siswa maka digunakan rumus pearson
product moment sebagai berikut:
𝑛 ∑ 𝑋𝑌−(∑ 𝑋)(∑ 𝑌)
𝑟𝑥𝑦 =
√(𝑛 ∑ 𝑋 2 −(∑ 𝑋)2 )(𝑛 ∑ 𝑌 2 −(∑ 𝑌)2 )
No resp X Y X2 Y2 X.Y
1 15 20 225 900 300
2 17 25 289 625 425
3 20 27 625 324 540
4 11 18 225 625 198
5 17 22 400 784 374
6 18 25 121 256 450
7 14 16 144 625 224
8 20 28 256 484 560
9 16 25 289 324 400
10 12 18 324 729 216
11 15 25 400 625 375
12 25 30 196 400 750
200 279 3494 6701 4812
𝑌̂ = 𝑎 + 𝑏𝑋
𝑌̂ = 6,445 + 1,008𝑋
(∑ 𝑋)(∑ 𝑌)
𝑅𝐽𝐾𝑅𝑒𝑔(𝑏⁄𝑎) = 𝐽𝐾𝑅𝑒𝑔(𝑏⁄𝑎) = 𝑏(∑ 𝑋𝑌 − )
𝑛
(200 − 279)
= 1,008 (4812 − ) = 163,296
12
𝐽𝐾𝑅𝑒𝑠
𝑅𝐽𝐾𝑅𝑒𝑠 =
𝑛−2
𝐽𝐾𝑅𝑒𝑠 = ∑ 𝑌 2 − 𝐽𝐾𝑅𝑒𝑔(𝑏⁄𝑎) − 𝐽𝐾𝑅𝑒𝑔(𝑎) = 𝐽𝑢𝑚𝑙𝑎ℎ 𝑘𝑢𝑎𝑑𝑟𝑎𝑡 𝑟𝑒𝑠𝑖𝑑𝑢
2
(∑ 𝑌) (279)2
𝐽𝐾𝑟𝑒𝑔(𝑎) = = = 6486,75
𝑛 12
𝐽𝐾𝑅𝑒𝑠 = 6701 − 6486,75 − 163,296 = 50,954
Nilai Ftabel pada taraf signifikansi α = 0,05 dan α = 0,01 dengan derajat bebas
pembilang (db)= 1 dan derajat bebeas penyebut = 10 masing-masing sebesar 2,96 dan
10,04. Karena nilai Fhitung = 32,05 > Ftabel = 10,04 maka tolak H0. Model regresi 𝑌̂ =
6,445 + 1,008𝑋 sangat signifikan (berarti) karena pada α = 0,01 nilai Fhitung masih lebih
besar dari pada Ftabel
Dengan kata lain motivasi belajar siswa berkaitan dengan kondisi lingkungan belajarnya.
jadi makin baik lingkungan belajar siswa maka makin tinggi motivasi belajarnya.
3) Menguji Linieritas Persamaan Regresi
Uji linieritas bertujuan untuk mengetahui apakah dua variabel mempunyai
hubungan yang linier atau tidak secara signifikansi. Uji statistik yang
digunakan dalam pengujian linieritas regresi adalah :
𝑅𝐽𝐾(𝑇𝐶)
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 =
𝑅𝐽𝐾(𝐸)
Dimana :
𝐽𝐾(𝑇𝐶)
𝑅𝐽𝐾(𝑇𝐶) = 𝑘−2
Maka:
182 182 162 (25+20)2
JK(E)={182 − }+{182 − }+{162 − }+{(252 + 202 ) − }+{252 −
1 1 1 2
252 (22+25)2 252 (28+27)2 302
}+{(222 + 252 ) − }+{252 − }+{(282 + 272 ) − }+{302 − }=
1 2 1 2 1
0+0+0+12,5+0+4,5+0+0,5+0=17,50
𝐽𝐾(𝑇𝐶) = 𝐽𝐾𝑅𝑒𝑠 + 𝐽𝐾𝐸
𝐽𝐾(𝑇𝐶) = 50,954 − 17,50 = 33,454
𝐽𝐾(𝐸)
𝑅𝐽𝐾 (𝐸) = 𝑛−𝑘
17,50
𝑅𝐽𝐾 (𝐸) = = 5,833
12 − 9
𝑅𝐽𝐾(𝑇𝐶) 4,779
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = = = 0,819 ≈ 0,82
𝑅𝐽𝐾(𝐸) 5,833
Nilai Ftabel pada taraf signifikansi α= = 0,05 dengan db pembilang 7 dan db penyebut 3 adalah
8,88. Karena Fhitung = 0,82 < Ftabel = 8,88 maka terima H0 jadi, model regresi 𝑌̂ = 6,445 +
1,008𝑋, linier
4) Mengitung Koefisien Korelasi
Untuk menentukan apakah ada hubungan antara lingkungan belajar dengan
motivasi belajar matematika siswa maka digunakan rumus pearson product
moment sebagai berikut:
𝑛 ∑ 𝑋𝑌 − (∑ 𝑋)(∑ 𝑌)
𝑟𝑥𝑦 =
√(𝑛 ∑ 𝑋 2 − (∑ 𝑋)2 )(𝑛 ∑ 𝑌 2 − (∑ 𝑌)2 )
12(4812) − (200)(279)
𝑟𝑥𝑦 =
√{12(3493) − (200)2 }{12(6701) − (279)2 }
57744 − 55800
= = 0,8759 ≈ 0,88
√(41916 − 40000)(80412 − 77841)
Nilai rxy ini bermakna bahwa hubungan lingkungan belajar (X) dengan motivasi belajar (Y)
adalah positif dan sangat kuat
5) Menghitung Koefisien Determinasi
Rumus yang digunakan adalah:
Koefisien determinasi = r2 × 100%
= 0.882 × 100% = 77,44%
6) Menguji signifikansi koefisien korelasi (menguji kebeartian hubungan)
𝑟√𝑛 − 2 0,88√(12 − 2)
𝑡= = = 5,8585
√1 − 𝑟 2 √1 − (0,88)2
Nilai ttabel pada taraf signifikansi α = 0,05 dan α = 0,01 dengan derajat bebas (db) = 12-2 = 10
untuk uji dua pihak masing-masing sebesar 2,228 dan 3.169. Karena nilai thitung = 5,859 > ttabel
maka terima H0 . Kesimpulannya : koefisien korelasi Y atas X Sangat signifikan
Nama : Sri Windriana Ngabito
Kelas :E
Nim : 411417040
TUGAS 6
“REGRESI DAN KORELASI GANDA”
a) Pendahuluan
Uji regresi ganda dua proyektor Ydan X1 dan X2 digunakan untuk melihat prediksi
(meramalkan) hubungan antara dua variable bebas (independent variable) dengan sebuah
variable tak bebas (dependent variable). Pada uji regresi dikembangkan sebuah estimating
equation (peramalan regresi) yaitu sebuah formula matematika yang mencari nilai variabel tak
bebas (terikat) dari nilai-nilai variable bebas yang diketahui
Uji korelasi ganda dua predictor Y dan X1 dan X2 membahas keeratan hubungan antara
dua variabel bebas secara bersama-sama dengan variable tak bebas dan kontribusi yang
disumbangkan kedua variable bebas tersebut terhadap variable tak bebas
b) Tahapan pengujian
Tahapan pengujian hipotesis penelitian melalui uji regresi dan korelasi ganda dua
proyektor adalah
1. Membuat model regresi
Model regresi ganda dua proyektor adalah 𝑌̌ = 𝑏0 + 𝑏1 𝑋1 + 𝑏2 𝑋2
Nilai b1 dan b2 dapat dicari melalui persamaan simultan sebagai berikut
𝑏1 ∑ 𝑥1 2 + 𝑏2 ∑ 𝑥1 𝑥2 = ∑ 𝑥1 𝑦
𝑏2 ∑ 𝑥1 𝑥2 + 𝑏2 ∑ 𝑥2 2 = ∑ 𝑥2 𝑦
Dari persamaan simultan diatas ini nilai b1 dan b2 dapat dicari dengan menggunakan
Determinan dengan rumus sebagai berikut
det 𝐷 |𝐷 | det 𝐷 |𝐷 |
𝑏1 = det 𝐷1 = |𝐷|1 dan 𝑏2 = det 𝐷2 = |𝐷|2
Nilai det D dan det Di, untuk i = 1,2 dapat dicari dari matriks, misalkan matriks D (unsur-
unsurnya adalah koefisien ruas kiri persamaan simultan) dan B (unsure-unsurnya adalah
koefisien ruas kiri persamaan simultan).
Jadi;
∑ 𝑥1 2 ∑ 𝑥1 𝑥2 ∑𝑥 𝑦
𝐷=[ 2 ] dan 𝐵 = [ 1 ] maka :
∑ 𝑥1 𝑥2 ∑ 𝑥2 ∑ 𝑥2 𝑦
∑ 𝑥1 2 ∑ 𝑥1 𝑥2
Det 𝐷 = |𝐷| = | | = (∑ 𝑥1 2 ) (∑ 𝑥2 2 ) − (∑ 𝑥1 𝑥2 ) (∑ 𝑥1 𝑥2 )
∑ 𝑥1 𝑥2 ∑ 𝑥2 2
∑ 𝑥1 𝑦 ∑ 𝑥1 𝑥2
Det 𝐷 = |𝐷1 | = | | = (∑ 𝑥1 𝑦) (∑ 𝑥2 2 ) − (∑ 𝑥1 𝑥2 ) (∑ 𝑥2 𝑦 )
2
∑ 𝑥2 𝑦 ∑ 𝑥2
∑ 𝑥1 2 ∑ 𝑥1 𝑦
Det 𝐷 = |𝐷2 | = | | = (∑ 𝑥1 2 ) (∑ 𝑥2 𝑦) − (∑ 𝑥1 𝑦 ) (∑ 𝑥1 𝑥2 )
∑ 𝑥1 𝑥2 ∑ 𝑥2 𝑦
Untuk mencari Deternminan D1 dan D2 digunakan aturan sebagai berikut
|𝐷1 | = nilai “ kolom pertama ” pada matriks D digantikan oleh nilai konstanta ruas
kanan (unsure matriks B) kemudian dihitung nilai determinannya
|𝐷2 | = nilai “ kolom kedua ” D digantikan oleh nilai konstanta ruas kanan (unsur matriks
B) kemudian dihitung nilai determinannya
Dan nilai 𝑏0 = 𝑌̅ − 𝑏1 − 𝑏2 ̅̅̅
𝑥2
2. Uji Signifikasi Regresi
Uji signifikasi koefisien regresi ganda dua predictor menggunakan uji-1 dengan formula
𝑏 𝑠𝑦12
𝑡1 = 𝑠 1 dengan 𝑠𝑏1 = 2 2
dan
𝑏1 √∑ 𝑥1 (1−𝑅 )
𝐽𝐾 (𝑆) 𝐽𝐾 (𝑆)
𝑠𝑦.12 = √ =√
𝑛−𝑘−1 𝑛−3
Keterangan :
𝑏1 = koefisien regresi ganda
𝑠𝑏1 = galat baku koefisien b1
𝑠𝑦12 =galat baku taksiran y atas X1 dan X2
𝑅 = koefisien korelasi antara X1 dengan X2 dapat dihitung dengan menggunakan rumus
𝑛 ∑ 𝑥1 𝑥2 − ∑ 𝑥1 ∑ 𝑥2
𝑅𝑥1 𝑥2 =
√{𝑛 ∑ 𝑥1 2 − (∑ 𝑥1 )2 }{∑ 𝑥2 2 − (∑ 𝑥2 )2 }
1 1
𝑅12 = 𝑅12 23 = 1 − 𝑟 11 dan 𝑅22 = 𝑅22 13 = 1 − 𝑟 22
𝑟 11 = nilai diagonal utama invers matriks korelasi antar predictor
Hipotesis yang duji:
H0 : Koefisien regresi b1 tidak signifikan
H1 : Koefiseien regresi b2 signifikan
Kriteria pengujian :
Tolak H0 jika –ttabel(α/2; n-k-1) < thitung < ttabel(α/2; n-k-1) pada taraf α = 0,05 dan pada keadaan lain H0
diterima
4. Koefiesn Korelasi Ganda Dua Prediktor
Rumus yang digunakan :
𝐽𝐾 (𝑅𝑒𝑔) 𝐽𝐾(𝑟𝑒𝑔)
𝑅 2 = (𝑅𝑦.12)12 = ∑ 𝑦 2 = 𝐽𝐾(𝑅)
5. Koefisien Determinasi
Perhitungan besar kontribusi variabel bebas ke variabel tak bebas menggunakan
rumus: KP = (Ry12)2 x 100%
Contoh Soal
Sebuah penelitian dilakukan untuk mengetahui pengaruh antara kecerdasan numerik (X1) dan
motivasi belajar (X2) terhadap prestasi belajar matematika siswa (Y) pada 15 sampel. Lakukan
pengujian regresi ganda dua prediktor Y atas X1 dan X2
Hasil pengumpulan data dapat dilihat pada tabel dibawah ini
No resp X1 X2 Y
1 54 53 65
2 54 53 67
3 55 53 63
4 55 55 60
5 55 55 62
6 63 62 67
7 63 62 69
8 63 62 70
9 65 63 70
10 65 65 71
11 65 65 70
12 65 70 75
13 70 70 72
14 70 75 77
15 70 75 73
Jawaban
No X1 X2 Y X12 X22 Y2 X1Y X2Y X1X2
resp
1 54 53 65 2916 2809 4225 3510 3445 2862
2 54 53 67 2916 2809 4489 3618 3551 2862
3 55 53 63 3025 2809 3969 3465 3339 2915
4 55 55 60 3025 3025 3600 3300 3300 3025
5 55 55 62 3025 3025 3844 3410 3410 3025
6 63 62 67 3969 3844 4489 4221 4154 3906
7 63 62 69 3969 3844 4761 4347 4278 3906
8 63 62 70 3969 3844 4900 4410 4340 3906
9 65 63 70 4225 3969 4900 4550 4410 4095
10 65 65 71 4225 4225 5041 4615 4615 4225
11 65 65 70 4225 4225 4900 4550 4550 4225
12 65 70 75 4225 4900 5625 4875 5250 4550
13 70 70 72 4900 4900 5184 5040 5040 4900
14 70 75 77 4900 5625 5929 5390 5775 5250
15 70 75 73 4900 5625 5329 5110 5475 5250
932 938 1031 58414 59478 71185 64411 64932 58902
Menentukan standar deviasi:
(∑ 𝑋1 )2
1) ∑ 𝑋12 = ∑ 𝑋12 − 𝑛
(932)2
= 58414 − = 505,73
15
(∑ 2)2
2) ∑ 𝑋22 = ∑ 𝑋22 − 𝑛
(938)2
= 59478 − = 821,73
15
(∑ 𝑦)2
3) ∑ 𝑦 2 = 2
∑𝑦 −
𝑛
(1031)2
= 71185 − = 458,33
15
(∑ 𝑥1 )(∑ 𝑦)
4) ∑ 𝑥1 𝑦 = ∑ 𝑥1 𝑦 − 𝑛
(932)(1031)
= 64411 − = 351,53
15
(∑ 𝑥2 )(∑ 𝑦)
5) ∑ 𝑥2 𝑦 = ∑ 𝑥1 𝑦 − 𝑛
(938)(1031)
= 64032 − = 460,13
15
(∑ 𝑥1 )(∑ 𝑥2 )
6) ∑ 𝑥1 𝑥2 = ∑ 𝑥1 𝑥2 − 𝑛
(932)(938)
= 58902 − = 620,93
15
1) Membuat model regresi ganda
𝑌̂ = 𝑏0 + 𝑏1 𝑋1 + 𝑏2 𝑋2
Dari informasi tabel diatas diproleh persamaan simultan sebagai berikut:
𝑏1 ∑ 𝑥12 + 𝑏2 ∑ 𝑥1 𝑥2 = ∑ 𝑥1 𝑦 ↔ 505,73𝑏1 + 620,93𝑏2 = 351,53
“TUGAS 7”
1) Uji Chi-Square ( Uji Khi Kuadrat)
Chi-Square disebut juga dengan Kai Kuadrat. Chi Square adalah salah satu jenis
uji komparatif non parametris yang dilakukan pada dua variabel, di mana skala data
kedua variabel adalah nominal. (Apabila dari 2 variabel, ada 1 variabel dengan skala
nominal maka dilakukan uji chi square dengan merujuk bahwa harus digunakan uji pada
derajat yang terendah).
Uji chi-square merupakan uji non parametris yang paling banyak digunakan.
Namun perlu diketahui syarat-syarat uji ini adalah: frekuensi responden atau sampel yang
digunakan besar, sebab ada beberapa syarat di mana chi square dapat digunakan yaitu:
• Tidak ada cell dengan nilai frekuensi kenyataan atau disebut juga Actual
Count (F0) sebesar 0 (Nol).
• Apabila bentuk tabel kontingensi 2 X 2, maka tidak boleh ada 1 cell saja
yang memiliki frekuensi harapan atau disebut juga expected count (“Fh”)
kurang dari 5.
• Apabila bentuk tabel lebih dari 2 x 2, misak 2 x 3, maka jumlah cell
dengan frekuensi harapan yang kurang dari 5 tidak boleh lebih dari 20%.
Uji kai kuadrat (dilambangkan dengan “χ2” dari huruf Yunani “Chi” dilafalkan
“Kai”) digunakan untuk menguji dua kelompok data baik variabel independen maupun
dependennya berbentuk kategorik atau dapat juga dikatakan sebagai uji proporsi untuk
dua peristiwa atau lebih, sehingga datanya bersifat diskrit. Misalnya ingin mengetahui
hubungan antara status gizi ibu (baik atau kurang) dengan kejadian BBLR (ya atau tidak).
Dasar uji kai kuadrat itu sendiri adalah membandingkan perbedaan frekuensi hasil
observasi (O) dengan frekuensi yang diharapkan (E). Perbedaan tersebut meyakinkan jika
harga dari Kai Kuadrat sama atau lebih besar dari suatu harga yang ditetapkan pada taraf
signifikan tertentu (dari tabel χ2). Uji Kai Kuadrat dapat digunakan untuk menguji :
• Uji χ2 untuk ada tidaknya hubungan antara dua variabel (Independency
test).
• Uji χ2 untuk homogenitas antar- sub kelompok (Homogenity test).
• Uji χ2 untuk Bentuk Distribusi (Goodness of Fit)
Keterangan :
df = (b-1) (k-1)
Keterbatasan penggunaan uji Kai Kuadrat adalah tehnik uji kai kuadarat memakai
data yang diskrit dengan pendekatan distribusi kontinu.Dekatnya pendekatan yang
dihasilkan tergantung pada ukuran pada berbagai sel dari tabel kontingensi. Untuk
menjamin pendekatan yang memadai digunakan aturan dasar “frekuensi harapan tidak
boleh terlalu kecil” secara umum dengan ketentuan:
1. Tidak boleh ada sel yang mempunyai nilai harapan lebih kecil dari 1 (satu)
2. Tidak lebih dari 20% sel mempunyai nilai harapan lebih kecil dari 5 (lima)
Bila hal ini ditemukan dalam suatu tabel kontingensi, cara untuk
menanggulanginyanya adalah dengan menggabungkan nilai dari sel yang kecil ke se
lainnya (mengcollaps), artinya kategori dari variabel dikurangi sehingga kategori yang
nilai harapannya kecil dapat digabung ke kategori lain. Khusus untuk tabel 2×2 hal ini
tidak dapat dilakukan, maka solusinya adalah melakukan uji “Fisher Exact atau Koreksi
Yates”
𝒌
𝟐
(𝒇𝟎 − 𝒇𝒉 )𝟐
𝝌 =∑
𝒇𝒉
𝒊=𝟏