TUGAS MERINGKAS MATERI

STATISTIK 1

Nama : Daffa Athaullah

NIM :22B505021023
Prodi : Manajemen Transportasi Darat
 PENYAJIAN DATA

Penyajian data dalam statistik adalah proses mengatur, mengelompokkan, dan

menampilkan informasi yang diperoleh dari data. Tujuannya adalah untuk membuat data
menjadi lebih mudah dipahami dan diinterpretasikan oleh pembaca. Berikut adalah
beberapa teknik umum dalam penyajian data:

A. TABEL

Tabel adalah cara paling umum untuk menyajikan data. Data diatur dalam baris dan
kolom. Ini bisa berupa tabel tunggal atau tabel silang (crosstab), yang menggambarkan
hubungan antara dua atau lebih variabel. Berikut adalah conotoh penyajian data
menggunakan tabel 1 arah sampai dengan 3 arah :

1. Tabel 1 Arah

Tabel satu arah adalah tabel yang hanya terdiri dari satu karakteristik atau
kategori. Misalnya :

- Jumlah penjualan menurut jenis barang.

- Jumlah penganguran menurut daerah.

- Jumlah modal asing menurut sektor ekonomi.

Judul:…..

Daftar Inventaris Kelas X-1 menurut jenis barang, Tahun Ajaran 2023-2024

Sumber:….
 2. Tabel 2 Arah
Yaitu tabel yang terdiri dari dua karakteristik atau dua kategori misalnya :
- Jumlah penjualan menurut jenis barang dan daerah penjualan.
- Jumlah penanaman modal asing menurut sektor ekonomi dan lokasi
investasi.
- Jumlah Impor menurut Jenis barang dan negara
Judul:…

Jumlah Mahasiswa ITL Trisakti menurut tingkat dan jurusan Tahun 2024
Sumber:…..
3. Tabel 3 Arah
- Tabel tiga arah menunjukan tiga karakteristik atau kategori data misalnya :
- Jumlah Investasi menurut jenis usaha, negara asal dan lokasi investasi.
- Jumlah Produksi menurut, Jam kerja (sift), jenis mesin dan kualitas
barang.
judul:…

Jumlah karyawan perusahaan ITL Trisakti Berdasarkan Jenis Kelamin Dan Pendidikan
Sumber:….
B. GRAFIK

Penyajian data grafik adalah cara untuk menyajikan informasi atau data
menggunakan elemen visual seperti garis, batang, lingkaran, atau bentuk lainnya.
Grafik digunakan untuk membuat data lebih mudah dipahami, memperjelas pola atau
tren, serta memfasilitasi interpretasi dan analisis data. Penggunaan grafik dapat
membantu memvisualisasikan hubungan antara variabel, menyoroti perbandingan,
distribusi, atau komposisi data. Berikut adalah beberapa jenis grafik yang umum
digunakan dalam penyajian data:

1. Grafik/Diagram Batang Tunggal

JUDUL
14
12
10
8
6
4
2
0
Category 1 Category 2 Category 3 Category 4

Series 1 Series 2 Series 3

Sumber:..
2. Grafik/Diagram Batang Berganda

JUDUL
5

0
Category 1 Category 2 Category 3 Category 4

Series 1 Series 2

Sumber
 Sumber:

3. Grafik/Diagram Batang Berganda

Judul
5
4.5
4
3.5
3
2.5 Series 2
2
1.5
1
0.5
0
Category 1 Category 2 Category 3 Category 4

Sumber:..

4. Grafik/Diagram Garis Tunggal

Judul
5
4.5
4
3.5
3
2.5
2
1.5
1
0.5
0
Category 1 Category 2 Category 3 Category 4

Series 1 Series 2

Sumber :…
5. Grafik/Diagram Berganda

JUDUL

1st Qtr

Sumber:…

6. Grafik/Diagram Lingkaran Tunggal

Judul

1st Qtr 2nd Qtr

Sumber:…
 DISTRIBUSI FREKUENSI

distribusi frekuensi adalah daftar nilai data (bisa nilai individual atau nilai data yang sudah
dikelompokkan ke dalam selang interval tertentu) yang disertai dengan nilai frekuensi yang sesuai.
Atau menurut definisi, distribusi frekuensi adalah penyusunan data dalam bentuk kelompok mulai
dari yang terkecil sampai yang terbesar berdasarkan kelas-kelas interval dan kategori tertentu.

Pengelompokkan data ke dalam beberapa kelas dimaksudkan agar ciri-ciri penting data
tersebut dapat segera terlihat. Daftar frekuensi ini akan memberikan gambaran yang khas tentang
bagaimana keragaman data. Sifat keragaman data sangat penting untuk diketahui, karena dalam
pengujian-pengujian statistik selanjutnya kita harus selalu memperhatikan sifat dari keragaman
data

Langkah Langkah

1. Menentukan Jumlah Kelas

K = 1 + 3,22 log n
K : Jumlah Kelas
N; Jumlah data

2. Menghitung Panjang kelas,lebar kelas dan class Interval

Ci = Nilai tertinggi – Nilai Terendah

3. Menentukan atas bawah kelas pertama,kedua dst.

4. Memasukan angka-angka ke dalam kelas yang dicari

IV. Penyajian Grafik

1. Histogram
Grafik/Diagram untuk data dalam Distribusi frekuensi dan bentuknya terdiri dari 4
persegi Panjang yang sisinya berdekatan/berhimpitan
2. Poligon
Garis yang menghubungkan titik tengah disetiap kelas/batang
3. Kurva
Frekuensi yang dirtakan seperti polygon tetapi garsinya di haluskan/diratakan (Patah-
patah)

Catatan :
Class Limit (CL) = Batas kelas
Upper Class Limit = Batas kelas Atas
Lower Class Limit = Batas Kelas Bawah
Class Boundary = Tepi Kelas
Upper Class Boundary = Tepi Kelas Atas
Lower Class Boundary = Tepi kelas Bawah

Latihan Soal
Pendataan Kantor pajak di kota solo pada Tahun 2014, jumlah wajib pajak (WP) di kota
itu sebanyak 30 orang, besarnya pajak yang dibayar dalam ribuan rupiah adalah?..

47 36 32 37 42 23 37 40 33 41
38 20 34 44 32 34 33 39 29 28
46 37 36 33 34 38 28 30 36 38

1. Array Data
20 23 28 28 29 30 32 32 33 33
33 34 34 34 36 36 37 37 37 38
38 38 39 40 41 42 44 46 46 47

2. K = 1 + 3,322 log m
O = 1 + 3,322 log 30
= 1 + 3,22 . 1,477
= 1+ 4,91
= 5,9 = 6
 3. Menentukan Nilai Ci
Ci: Nilai tertinggi – Nilai Terendah
K

= 47 – 20 = 27 + 4,5 = 5
6 6

4. Membuat Tabel Distribusi Frekuensi

Batas Tepi Kelas Tally Fi Fr Fk< Fk>

Kelas
20 - 24 19,5 - 24,5 II 2 6,67% 2 30
25 - 29 24,5 - 29,5 III 3 10% 5 28
30 - 34 29,5 – 34,5 IIII IIII 9 30% 14 25
35 - 39 34,5 – 39,5 IIII IIII 9 30% 23 16
40 - 44 39,5 – 44,5 IIII 4 13,3% 27 7
45 - 49 44,5 – 49,5 III 3 10% 30 3
TOTAL 30

Rumus Frekuensi Relatif (Fr%)

𝑓𝑖
= ∑ 𝑓𝑖 𝑥 100%

Contoh:
2
= ∑ 30 𝑥 100%

2+3+9+9+4
• = 𝑥 100% = 90 % 𝐿𝑖ℎ𝑎𝑡 𝑑𝑎𝑟𝑖 𝐹, 𝐶𝐿 𝑑𝑎𝑛 𝐹𝐾
30
• Batas Kelas Bawah ke 3 = 30

• Batas Kelas Atas ke 4 = 35

• Tepi Kelas Atas ke 2 = 29,5

• Tepi Kelas Atas ke 4 = 39,5

NOTE :
Paling sedikit : Minimal >
Paling banyak : Maksimal <
Lebih Dari : >
Kurang Dari: <
Antara : …. < x < ……

A. Median (me)
• Data yang belum di kelompokan
𝑛+1
Me = nilai yang ke = = 2

• Data sudah dikelompokan

𝑛⁄ −∑ 𝑓𝑖
2
Me = Lo + Ci = ( )
𝑓𝑚𝑒

Dimana
Lo: Tepi kelas bawah dari kelas me berada di ( LCB)
Ci : Class Interval dimana me berada
N : Jumlah Data ∑ 𝑓𝑖
∑ 𝑓𝑖 : Jumlah frekuensi dari semua kelas yang berada di bawah nilai me ( mediannya
tidak ikut )
Fme : frekuensi dari kelas me berada
 B. Modus (mo)

• Data sudah dikelompokan

𝑓𝑖
Mo: Lo + Ci = ( 𝑓1+𝑓2)

Lo: Tepi kelas bawah dari kelas modus berada

F1: Selisih dari frekuensi kelas sebelumnya yang memuat modus berada
F2 : Selisih dari frekuensi kelas sesudahnya memuat modus berada

Contoh soal
Dibawah ini terdapat jumlah siswa yang mengikuti pelatihan IT pada Tahun 2023

LCL - UCL FK < F

17 – 23 50 6
24 – 30 44 9
31 – 37 35 13
38 – 44 22 12
45 – 51 10 10

Batas Kelas Tepi Kelas Xi Fi Xi.Fi

17 – 23 16,5 – 23,5 20 6 120
24 – 30 23,5 – 30,5 27 9 143
31 – 37 30,5 – 37,5 34 13 442
38 – 44 37,5 – 44,5 41 12 492
45 – 51 44,5 – 51,5 48 10 480
TOTAL - - 50 1777
Jawaban :

∑(𝑥𝑖.𝑓𝑖)
a. Mean : = 𝑥̅ ∑ 𝑓𝑖

∑ 1777
= 𝑥̅ = 35,54
50

b. Median
𝑛
(∑ 𝑓𝑖)
2
Lo + Ci (= )
𝑓𝑚𝑒

25 (15)
30,5 + 7 (= 13

30,5 + 7 . (0,7692)
30,5 + 5,3844 = 35,88
c. Modus

fi
Lo + Ci = f1 + f2
4
30,5 + 7 = = 4+1
4
30,5 + 7 = 5

30,5 + 7 = ( 0,8 )
30,5 + 5,6 = 36,1
 UKURAN VARIASI DISPERSI

Ukuran variasi dispersi adalah sekelompok metrik statistik yang digunakan untuk
mengukur seberapa jauh atau seberapa tersebarnya titik data dari nilai pusat (misalnya, nilai rata-
rata atau median) dalam kumpulan data. Ukuran variasi ini memberikan gambaran tentang
seberapa bervariasi atau heterogen data tersebut, serta seberapa besar penyebaran antara nilai-nilai
individu dalam kumpulan data tersebut.

Ukuran variasi dispersi mencakup metrik seperti rentang, varians, deviasi standar, kuartil,
persentil, dan jangkauan antarkuartil (interquartile range). Setiap ukuran memiliki cara yang
berbeda dalam mengukur dispersi data dan memberikan informasi yang berbeda pula tentang
sebaran data.

• Jenis Jenis Variasi Dispersi

Rumus :
1. Nilai Jarak
a. Data belum dikelompokan

Nilai jarak = nilai tertinggi – nilai terendah

b. Data telah di kelompokan

Nila Jarak = Nilai tengah kelas terakhir – nilai tengah kelas pertama

2. Deviasi Standar / Simpangan Baku

a. Data Belum Dikelompokan

∑ni:1 ( xi - x̅) 2
S=√
n
 • Populasi dan Sampel (n>30)
∑n ̅) 2
i:1 ( xi - x
S=√ n-1

• Sampel Kecil (N<30)

Dimana Xi = nilai observasi
b. Data telah dikelompokan

∑ni:1 ( xi - x̅) 2 𝑓𝑖
S=√
n

Populasi Sampel besar (n>30)

∑ni:1 ( xi - x̅) 2 𝑓𝑖
S=√
n-1

3. Ukuran Varian Relatif/Koefisien

𝑆
KV= 𝑋 100%
𝑋̅

4. Nilai Baku / Standar Value / Standar Score

𝑥𝑖 − 𝑥̅
𝑧
𝑠

Berikut adalah hasil penelitian yang dilakuakan kepada stasiun televisi di Jakarta, yang
datanya diketahui jumlah pemirsa sebagai berikut:
Stasiun 1 2 3 4
televisi
Sctv 58 60 54 55
Trans Tv 62 45 40 52
Net 48 65 56 50
a. Wilayah manakah yang menunjukkan jumplah pemirsa paling berfluktuasi
b. Apabila diambil dari standar wilayah ke 3 stasiun tv manakah yang paling baik
 wilayah 1 2 3 4
Xi xi-𝑥̅ 2 Xi xi-𝑥̅ 2 Xi xi-𝑥̅ 2 Xi xi-𝑥̅ 2
Stasiun tv
Sctv 58 (58-56)2 =4 60 (60 –56,66)2 =3,34 54 (54 – 50)2=16 55 7,12

Tanst Tv 62 (62-56)2 =36 45 (45–56,66)2 40 (40– 50)2=100 52 0,10

:
135,95

Net Tv 48 (48-56)2=64 65 (65–56,66)2=69,55 56 (56 – 50)2=36 50 5,42

Total 168 104 170 216,65 150 152 157 12,65

𝜀−𝑥𝑖 168
Rumus : 𝑥̅ = = 56
𝑛 3
𝜀−𝑥𝑖 170
𝑥̅ 2 = = = 56,66
𝑛 3
𝜀−𝑥𝑖 150
𝑥̅ 3 = = 0 = 50
𝑛 3

𝜀 − 𝑥𝑖 157
𝑥̅ 4 = = = 52,33
𝑛 3

Wilayah 1 Wilayah 2 Wilayah 3 Wilayah 4

∑ (𝑥𝑖 − 𝑥̅ ) 2 𝟐𝟏𝟔, 𝟔𝟓 152 12,69
𝑆1 = √ 𝑺𝟐 = √ 𝑆3 = √ 𝑆1 = √
𝑛−1 𝟑−𝟏 3−1 3−1

104 𝟐𝟏𝟔, 𝟔𝟓 152 12,69

=√ =√ =√ =√
3−1 𝟐 2 2

= √𝟏𝟎𝟖, 𝟑𝟐𝟓
= √76 = 8,71
= √52 = 7,2111 = 𝟏𝟎, 𝟏𝟎𝟕𝟗 = √6,325 = 2,5149

LANJUTAN DIBAWAH!!!
 Wilayah 1 Wilayah 2 Wilayah 3 Wilayah 4
𝑆 𝑺 𝑆 𝑆
KV 1 = 𝑋̅ 𝑥 100% KV2 = 𝑿̅ 𝒙 𝟏𝟎𝟎% KV 1 = 𝑋̅ 𝑥 100% KV 1 = 𝑋̅ 𝑥 100%

7,211 𝟏𝟎, 𝟒𝟎𝟕𝟔 8,71 2,5149

= 𝑥 100% = 𝒙 𝟏𝟎𝟎% = 𝑥 100% = 𝑥 100%
56 𝟓𝟔, 𝟔𝟔 50 52,53

= 0,128 x 100% = 0,1836 x 100% = 17,72% = 0,048 x 100%

= 12,876% = 18,36% = 4,8%

a. Maka dapat disimpulkan wilayah yang paling berfluktuasi adalah wilayah 2 karena
mempunyai nilai KV paling besar diantara wilayah yang lain

b. Wilayah III

𝑥𝑖−𝑓𝑖 Z Trans= Z Net tv

Z Sctv = 5 56 − 50
40 − 50
54 − 50 8,71
8,71
8,71
−10 = 0,6888
8,71
= 0,459

Maka dapat disimpulkan tv terbaik dari Z nya yaitu wilayah 3 ( Net tv )

 ANGKA INDEKS

Angka indeks statistik adalah nilai yang digunakan untuk mengukur perubahan
relatif dari suatu fenomena atau variabel dari waktu ke waktu atau dari tempat ke tempat.
Angka indeks sering digunakan dalam berbagai bidang, termasuk ekonomi, keuangan,
demografi, dan lainnya, untuk membandingkan perubahan dalam beberapa kuantitas
terhadap suatu titik referensi tertentu.

Angka indeks dapat mewakili berbagai jenis data, seperti harga, volume produksi,
pendapatan, konsumsi, dan lain sebagainya. Indeks sering kali mengacu pada angka relatif
yang dinyatakan sebagai persentase perubahan dari nilai awal atau sebagai rasio dari nilai
pada periode tertentu terhadap nilai pada periode referensi.( sumber lain )

Lebih sederhananya Angka Indeks Merupakan sebuah gambaran perubahan yang

realtif terhadap harga,kuantitas atau nilai yang dibandingkan dengan Tahun dasar

a. Angka Indeks Harga Relatif Sederhana

Menunjukkan Perkembangan hatga relative suatu barang dan jasa pada tahun berjalan
dengan tahun dasar, tanpa memberikan bobot terhadap kepentingan barang dan jasa

𝐻𝑇
Rumus : 𝐼𝐻 = 𝐻𝑂 𝑥 100

Keterangan:
IH : Indeks Harga
Ht : harga pada Tahun t
Ho : Harga pada Tahun dasar

b. Indeks Kuantitas Relatif sederhana

 Yaitu dimaksudkan untuk melihat perkembangan kuantitas barang dan jasa

𝐾𝑡
Rumus : Ik = 𝐾𝑜 𝑥 100

Keterangan :

Ik: Indeks Kuantitas

Kt: Kuantitas pada tahun t

Ko: Kuantitas pada tahun dasar

c. Rumus Laspayres

Etienne Laspayres mengembangkan metode ini pada akhir abad ke 18 dalam

menentukan sebuah indeks tertimbang dengan mengggunakan boboy sebagai
penimbang yaitu periode dasar

𝜀 𝐻𝑡.𝐾𝑜
Rumus : 𝐼𝐿 = 𝑥 100
𝜀𝐻𝑜.𝐾𝑜

Keterangan:
IL : Indeks Laspayres
Ht: harga pada tahun t
Ho: Harga pada tahun dasar sebagai bobot nilai (W)

d. Rumus Paasche

Paasche mengemukakan Konsep penggunaan bobot tahun berjalan dan bukan tahun
dasar sebagai bobot

𝜀𝐻.𝑡
Rumus : 𝐼𝑃 = 𝜀𝐻𝑜.𝐾𝑡 𝑥 100
 Keterangan:
Ip: Indeks paasche
Ht: Harga pada tahun t
Ho: Harga pada tahun dasar
Kt: Kuantitas pada tahun berjalan sebagai bobot (W)

e. Rumus Fisher

Menurut Fisher indeks agregat adalah panduan kedua indeks dan merupakan akar dari
perkalian kedua indeks

Rumus : 𝐼𝐹 = √𝐼𝐿 𝑋 𝐼𝑃

Keterangan:
If: Indeks Fisher
Il : Indeks Laspayres
IP: INdeks Paasche

f. Rumus Drobisvh

Merupakan nilai rata rata kedua indeks

𝐼𝐿+𝐼𝑃
Rumus : = 2

Keterangan :

Id: Indeks Drobisch

IL: Indeks Laspayres

Ip: Indeks Paasche

 g. Indeks harga Konsumen

Indeks Yang memperhatikan harga harga yang harus dibayar konsumen baik di
perkotaan maupun di pedesaan, IHK merupakan dasar bagi perhitungan laju inflasi di
Indonesia.

𝐼𝐻𝐾𝑡−𝐼𝐻𝐾𝑡−1
Rumus : = 𝑥 100
𝐼𝐻𝐾𝑡−1

Keterangan:

IHKt: INdeks Harga konsumen tahun t

IHKt-1 : Indeks harga konsumen tahun t -1 ( tahun lalu )

Contoh Soal :
Jenis Bahan Harga/Unit (P) Kuantitas/Unit (Q)
Bakar 2021 2022 2023 2021 2022 2023

Pertalite 25 58 32 210 250 230

Pertamax 20 23 24 260 275 300
Solar 15 18 20 300 315 330

1. Berapakah Presentase Peningkatan atau penurunan kuantitas masing-masing jenis

bahan bakar tahun 2022dan 2023 jika dibandingkan dengan tahun 2021 menggunakan
metode laspayres,IP dan If

Jawaban :

1. Tahun 2022
𝐾𝑡 250
a. Pertalite = Ik = 𝐾𝑜 𝑥 100% = 210 𝑥 100% = 119,047%
 275
b. Pertamax = 260 𝑥 100% = 105,769%
315
c. Solar = 300 𝑥 100% = 105%

2. Tahun 2023
230
a. Pertalite : = 210 𝑥 100% = 109,523%
300
b. Pertamax = 260 𝑥 100% = 115,38%
330
c. Solar= 300 𝑥 100% = 110%
 ANALISIS TREND

Trend adalah suatu gerakan kecenderungan naik atau turun dalam jangka panjang yang
diperoleh dari rata-rata perubahan dari waktu ke waktu dan nilainya cukup rata atau mulus Trend
data bertahap bisa berbentuk tren yang meningkat dan menurun secara mulus. Tren yang
meningkat disebut trend positif sedangkan tren yang menurun disebut tren negatif. Trend
menunjukkan perubahan waktu yang relatif panjang dan stabil.

Jenis-Jenis Metode Analisis Trend

1. Metode Kuadrat Terkecil (Least Squares Method):

Metode Kuadrat Terkecil adalah teknik statistik yang digunakan untuk menemukan garis
lurus terbaik yang meminimalkan jumlah kuadrat kesalahan antara titik data dan garis tersebut. Ini
sering digunakan dalam regresi linier untuk menemukan hubungan antara dua variabel. Langkah-
langkahnya termasuk menemukan garis regresi yang paling dekat dengan titik data dengan
mengurangi jumlah kuadrat deviasi vertikal antara titik data dan garis regresi.

2. Metode Semi Rata-Rata (Semi Average Method):

Metode Semi Rata-Rata adalah metode yang digunakan untuk menghaluskan serangkaian
data dengan mengambil rata-rata titik data yang terdekat dengan titik yang ingin dihaluskan. Ini
adalah salah satu metode interpolasi sederhana yang digunakan dalam penghalusan data. Dalam
metode ini, titik data baru diperoleh dengan cara mengambil rata-rata dari titik data sekitarnya.
Metode ini sering digunakan dalam bidang pemrosesan sinyal atau analisis data untuk mengurangi
noise atau fluktuasi dalam data mentah.
 KORELASI DAN REGRESI

A. Korelasi

Korelasi adalah teknik analisis yang termasuk dalam pengukuran asosiasi, yang
mengukur kekuatan hubungan antara dua variabel. Dua teknik korelasi yang populer adalah
Korelasi Pearson Product Moment dan Korelasi Rank Spearman. Korelasi digunakan untuk
mengetahui tingkat hubungan antara variabel, di mana variabel dikatakan berasosiasi jika
perilaku satu variabel mempengaruhi yang lain. Korelasi bermanfaat untuk mengukur
kekuatan hubungan antara variabel dengan skala tertentu; Pearson menggunakan skala
interval atau rasio, sementara Spearman dan Kendal menggunakan skala ordinal.
Hubungan yang lemah atau kuat diukur dengan rentang 0 sampai 1, dan korelasi dapat
memiliki pengujian hipotesis dua arah. Korelasi searah terjadi jika koefisien korelasi
positif, sedangkan tidak searah jika negatif. Koefisien korelasi menunjukkan kovariasi
antara dua variabel, di mana nilai yang tidak nol menunjukkan adanya hubungan antara
variabel tersebut. Korelasi sempurna terjadi ketika koefisien korelasi adalah +1 (hubungan
linear sempurna dengan kemiringan positif) atau -1 (hubungan linear sempurna dengan
kemiringan negatif), di mana tidak diperlukan pengujian hipotesis lagi karena hubungan
sudah jelas. Jika korelasi adalah nol, tidak ada hubungan antara kedua variabel.

- Rumus Korelasi Product of Moment Pearson

- Dimana :

- n = Banyaknya Pasangan data X dan Y

- Σx = Total Jumlah dari
Variabel XΣy = 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
 Seorang manager ingin mengetahui apakah ada hubungan antara masa kerja (X) dengan jumlahpenjualan (Y)
pada 10 salesman di Jakarta. Berikut data penelitian ditampilkan :

No X Y X2 Y2 XY
1 3 5 9 25 15
2 4 6 16 36 24
3 5 10 25 100 50
4 5 12 25 144 60
5 3 4 9 16 12
6 6 8 36 64 48
7 7 9 49 81 63
8 10 12 100 144 120
9 12 14 144 196 168
10 10 15 100 225 150
X Y X2 Y2 XY

Total Σ 65 95 513 1031 710

Jawaban

10.710 − (65). (95)

𝑟𝑥𝑦 =
√10.513– 652 . 10.1031 − 952

7100 − 6175
𝑟𝑥𝑦 =
√925 . 1285

925
𝑟𝑥𝑦 =
1078.39

= 0.858

Pengujian Hipotesis Hubungan ( Uji Signifikan )

Yaitu adalah proses statistik yang digunakan untuk menguji keberadaan atau signifikansi
hubungan antara dua variabel dalam suatu populasi. Proses ini melibatkan formulasi hipotesis nol
(null hypothesis) yang menyatakan bahwa tidak ada hubungan antara dua variabel tersebut, dan
hipotesis alternatif yang menyatakan bahwa ada hubungan antara keduanya. Langkah-langkah
umum dalam uji hipotesis hubungan meliputi:
Pengujian Hipotesis Korelasi Rumus uji t:

Pengujuan Hipotesis Korelasi Uji t yaitu untuk menentukan apakah ada perbedaan
signifikan antara dua mean (rata-rata) dari dua kelompok yang berbeda. Uji t ini dapat digunakan
ketika jumlah sampel relatif kecil (biasanya kurang dari 30) dan distribusi data memiliki asumsi
normalitas. Berikut adalah pengerjaan uji t pada soal lanjutan diatas.

√𝑛 − 2
𝑡=r
1 − r2

√10 − 2
𝑡 = 0.858
1 − 0.8582