STATISTIK

Oleh :
DR. LEDY SETIAWATI, SE., M. Si.
 PENGERTIAN
STATISTIK
Statistika adalah ilmu yang mempelajari tekhnik
maupun metode-metode yang digunakan untuk
penelitian yang bersifat ilmiah agar diperoleh suatu
analisis yang sesuai dengan pengamatan yang
sebenarnya serta menghasilkan suatu ketajaman/
akurasi dalam pengukuran nilai data yang dihasilkan

Statistika tidak hanya menyajikan data dalam bentuk

tabel atau grafik, tapi juga berusaha menganalisis
data yang ada serta mangambil kesimpulan dan
menentukan seberapa jauh kebenaran daripada
kesimpulan yang sudah ada itu
Statistika pada dasarnya dibagi ke dalam 2 pokok
masalah, yaitu :
a) Statistika Deskriptif, merupakan ilmu yang
mempelajari bagaimana cara menyajikan,
menyusun, maupun mengukur nilai-nilai data yang
tersedia/ terkumpul dari suatu penelitian yang
akhirnya dapat diperoleh suatu gambaran yang
jelas terhadap objek yang diteliti sehingga mudah
dimengerti oleh banyak orang

b) Statistika Induktif, merupakan ilmu statistik yang

mempelajari mengenai cara-cara dalam
pengambilan kesimpulan suatu populasi, dimana
penarikan kesimpulan ini berdasarkan pada suatu
test (pengujian) yang dilakukan terhadap hasil
observasi.
 DISTRIBUSI
FREKUENSI
Tujuannya adalah untuk mengorganisasikan
data secara sistematik ke dalam berbagai
macam klasifikasi tanpa mengurangi informasi
yang ada dari data tersebut.
Data yang jumlahnya banyak dilakukan dengan
membagi data ke dalam beberapa kelas sesuai
dengan data yang diperoleh.
Untuk mempermudah pembuatan distribusi
frekuensi, maka dapat dipergunakan pendekatan
STURGES dengan mempertimbangkan hal-hal
sebagai berikut :
Jumlah kelas yang dapat dibuat dari sejumlah
data (N) adalah :

Range (R) = Nilai data maksimum-Nilai data

minimum

Interval kelas :
Contoh :
Berikut data mengenai pengeluaran konsumsi
rumah tangga di DIY selama 1 bulan dari 80
rumah tangga (dalam ribuan rupiah)
68 84 75 82 68 90 62 88 76 93
73 79 88 73 62 93 71 59 85 75
62 65 75 87 74 62 95 78 63 72
66 78 82 75 94 77 69 74 68 62
96 78 89 62 75 95 62 79 83 71
79 62 67 97 78 85 76 65 71 75
65 80 73 57 88 78 62 76 53 74
86 67 73 81 72 63 76 75 85 77
Jawab :
1. Menentukan jumlah kelas dengan rumus
Sturgess

2. Setelah menghitung jumlah kelas kemudian

menghitung range
Range = 97-53 = 44
3. Menghitung interval kelas menunjukkan
interval nilai dalam suatu kelas tertentu
Setelah perhitungan no 1, 2, dan 3 selesai,
maka selanjutnya adalah membuat tabel
distribusi frekuensi yang sesuai dengan jumlah
kelas
KELAS
dan Fintervalnya.
NILAI FKKD FKL FKKD = Frekuensi
TENGA D Kumulatif Kurang
H Dari
FKLD = Frekuensi
0 80 Kumulatif Lebih Dari
53 58 1 55,5 1 79
59 64 2 61,5 3 77
65 70 17 67,5 20 60
71 76 13 73,5 33 47
77 82 24 79,5 57 23
83 88 9 85,5 66 14
89 94 7 91,5 73 7
95 - 100 7 97,5 80 0
JUMLAH 80
 GAMBAR HISTOGRAM

frekuensi

30

25

20

15

10

5
Nilai
0 tengah
55,5 61,5 67,5 73,5 79,5 85,5 91,5 97,5
 GAMBAR POLIGON

frekuensi

30

25

20

15

10

5
Nilai
0 tengah
55,5 61,5 67,5 73,5 79,5 85,5 91,5 97,5
 KURVA OGIVE

90
80 FKKD
70
60
50
40
30
20
10
0 FKLD
55,5 61,5 67,5 73,5 79,5 85,5 91,5 97,5

FKKD = Frekuensi Kumulatif Kurang

Dari
FKLD = Frekuensi Kumulatif Lebih Dari
 PENGUKURAN NILAI
SENTRAL
Merupakan suatu usaha yang ditujukan untuk
mengukur besarnya nilai rata-rata dari distribusi data
yang telah diperoleh dalam penelitian.
Untuk mengukur besarnya nilai rata-rata, maka perlu
dibedakan secara jelas pengelompokkan data tersebut
ke dalam data yang berkelompok atau data yang tidak
berkelompok
Ukuran rata-rata yang biasanya digunakan dapat
dibedakan menjadi :
a) Rata-rata hitung (mean)
b) Median
c) Modus
a) Rata-Rata Hitung (mean)
1. Rumus untuk data tidak berkelompok

Contoh : Besarnya jumlah penjualan

satu hari dari 5 toko kelontong di jalan
Solo adalah sbb :
toko X = Rp100.000,00
X = Rp 80.000,00
X = Rp120.000,00
X = Rp125.000,00
X = Rp 75.000,00
maka rata-rata hitungnya :
2. Rumus untuk data berkelompok

Contoh :

KELAS F Xi F. Xi
53 58 1 55,5 55,5
59 64 2 61,5 123
65 70 17 67,5 1147,5
71 76 13 73,5 955,5
77 82 24 79,5 1908
83 88 9 85,5 769,5
89 94 7 91,5 640,5
95 - 100 7 97,5 682,5

JUMLAH 80 6282

Jadi
b) Median
1. Rumus untuk data yang tidak berkelompok

Untuk jumlah data

ganjil
Untuk jumlah data
genap
2. Rumus untuk data yang berkelompok

dimana :
TKB = tepi bawah kelas median
N = banyaknya data
FKSM = frekuensi kumulatif sebelum kelas median
FM = frekuensi kelas median
i = interval
Contoh :
Letak Median
TKB = 76,5
FKSM= 33
FM = 24
I = 6
Jadi

c) Modus
1. Untuk data berkelompok
Dimana :
TKB = Tepi bawah kelas modus
d1 = selisih frekuensi kelas modus dengan
frekuensi kelas sebelumnya
d2 = selisih frekuensi kelas modus dengan
frekuensi kelas sesudahnya
i = interval
Contoh :
Letak kelas modus adalah kelas yang memiliki
frekuensi terbesar, jika ada lebih dari satu maka
dipilih salah satunya. Dalam tabel di depan
diketahui bahwa kelas modus terletak pada
kelas ke-5
TKB = 76,5
d1 = 24 13 = 11
d2 = 24 9 = 15
i = 6
Jadi
 UKURAN DISPERSI
(PENYEBARAN)
Ukuran dispersi merupakan suatu metode
analisis data yang ditunjukkan untuk
mengukur besarnya penyimpangan/
penyebaran dari distribusi data yang
diperoleh terhadap nilai sentralnya.
Macam-macam ukuran dispersi :
1. Range (Jangkauan)
2. Mean Deviation (deviasi rata-rata)
3. Standard Deviation (standar deviasi) dan
Variance
4. Koefisien Variasi
1. Range
.Merupakan ukuran penyebaran yang
didasarkan pada perbedaan antara nilai
data tertinggi dengan nilai yang terendah.
Perhitungan ini hanya berdasarkan dua
pengamatan saja dan menghasilkan
perhitungan yang relatif kasar.
.Range yang penyebarannya kecil berarti
bahwa suatu distribusi memiliki rangkaian
data yang lebih homogen.
.Range yang penyebarannya besar berarti
bahwa suatu distribusi memiliki rangkaian
data yang lebih bersifat heterogen
(bervariasi cukup besar)
Contoh 1 : berikut data keuntungan yang
diperoleh dari 8 Toko Kelontongan di jalan Solo
Toko A = Rp4.000,00 Toko E = Rp4.000,00
B = Rp5.000,00 F = Rp6.000,00
C = Rp6.000,00 G = Rp5.500,00
D = Rp5.000,00 H = Rp4.500,00
Dari data di atas diperoleh bahwa rata-rata
keuntungan=

Range = 6.000 4.000 = 2.000

Contoh 2 : berikut data keuntungan yang diperoleh dari
8 Toko Kelontongan di jalan Yogya
Toko A = Rp1.000,00 Toko E = Rp6.000,00
B = Rp9.000,00 F = Rp5.000,00
C = Rp5.000,00 G = Rp9.500,00
D = Rp4.000,00 H = Rp500,00
Dari data di atas diperoleh bahwa rata-rata keuntungan=

Range = 9.500 500 = 9.000

Contoh 1 dan 2 memiliki nilai rata-rata Rp5.000,00 tetapi
kedua macam data tersebut memiliki perbedaan dalam
penyebarannya di mana dalam contoh 1 rangkaian data
lebih bersifat homogen dibanding contoh 2
2. Mean Deviation
Merupakan penyebaran dari data atas dasar
jarak (deviasi) dari berbagai angka-angka dari
rata-ratanya.
a) Rumus untuk data tidak berkelompok

Contoh : berikut data keuntungan dari 5 toko

Toko A = Rp4.000,00
B = Rp5.000,00
C = Rp6.000,00
D = Rp5.000,00
E = Rp5.000,00
Jawab :
1.

2. Xi
4.000 1.000
5.000 0
6.000 1.000
5.000 0
5.000 0
2.000
3. Jadi
b. Rumus untuk data yang berkelompok

dimana :
MD = Mean Deviation
F = frekuensi masing-masing kelas
Xi = nilai tengah
= nilai rata-rata (mean)
Dari tabel diatas
maka
3. Standard Deviation dan Variance
. Merupakan ukuran penyimpangan dari suatu
rangkaian data X, X,,Xn terhadap nilai
rata-rata (mean)

1. Rumus Standard Deviasi untuk data yang

tidak berkelompok
dimana :
= nilai standar deviasi
= nilai rangkaian data
= nilai rata-rata
n = jumlah data
2. Rumus Variance untuk data tidak
berkelompok

contoh : berikut data keuntungan yang

diperoleh dari 5 toko di daerah X :
Toko A Rp4.ooo,00
B Rp5.000,00
C Rp6.000,00
D Rp5.000,00
E Rp4.000,00 = Rp5.000,00
Jadi besarnya standar deviasi keuntungan Toko Kelontong di
daerah X adalah sebesar Rp774,69,00

Sedangkan besarnya varians keuntungan Toko

Kelontongan di daerah X adalah sebesar Rp600.000,00
3. Rumus Standard deviasi untuk data
berkelompok

dimana :
= deviasi standar
Xi = nilai tengah masing-masing kelas
= nilai rata-rata
N = banyaknya data
4. Rumus Variance untuk data berkelompok
Contoh :

Dari tabel diatas, maka diketahui standar deviasi dari

pengeluaran konsumsi per bulan untuk 80 tangga adalah
sebesar Rp9.790,00

Sedangkan besarnya variance dari pengeluaran konsumsi per

bulan untuk 80 rumah tangga adalah sebesar Rp9.580,00
4. Koefisien Variasi
.Koefisien variasi merupakan standar
deviasi dari suatu distribusi yang
dinyatakan dalam persentase dari nilai
mean
.Dalam kehidupan sehari-hari angka
koefisien variasi sangat penting untuk
diketahui karena dapat digunakan untuk
mengukur besarnya variabilitas distribusi
data yang diperoleh terhadap nilai rata-
ratanya. Angka tersebut juga bisa
digunakan sebagai dasar pengawasan
kualitas (mutu) suatu barang/ produk yang
dihasilkan oleh perusahaan tertentu
.Rumus :
Contoh :
Lembaga Konsumen Indonesia melakukan
pengujian terhadap beberapa sampel bola
lampu yang dipilih secara randomdari merek A,
B, dan C. Hasil pengujian sampel memberikan
informasi
SAMPEL sebagai
MEREK Aberikut
MEREK: B MEREK C
1 800 Jam 810 Jam 850 Jam
2 820 Jam 800 Jam 750 Jam
3 790 Jam 805 Jam 875 Jam
4 760 Jam 790 Jam 800 Jam
5 830 Jam 795 Jam 725 Jam
JUMLAH 4000 Jam 4000 Jam 4000 Jam

Ditanya : Menurut hasil pengujian di atas bola

lampu merek manakah yang mutunya paling
baik ?
Jawaban
MEREK A :

MEREK B :
MEREK C :

Jadi dapat disimpulkan bahwa KVA = 3,4%, KVB = 0,98%, KVC = 7,96%.
Hal ini berarti bahwa variabilitas bola lampu merek B yang paling
rendah sehingga bola lampu manapun yang dipilih dari merek rata-
rata memiliki kekuatan sebesar 800 jam (kualitasnya lebih seragam)

Bola lampu merek A dan C memiliki koefisien variasi yang lebih besar
dari B. Hal ini berarti bahwa produksi bola lampu merek A dan C
kualitasnya lebih bervariasi (tidak seragam) dibandingkan dengan
merek B. Sehingga dapat disimpulkan bahwa kualitas bola lampu yang
terbaik adalah merek B
ANALISIS TIME SERIES
(TREND)
Analisis deret berkala (time series) merupakan suatu
metode yang ditujukan untuk melakukan suatu
estimasi maupun peramalan pada masa mendatang.
Analisis time series dapat digolongkan ke dalam
analisis jangka pendek dan jangka panjang. Apabila
analisis yang dipakai jangka pendek, maka ada
kecendrungan model analisisnya berbentuk
persamaan garis linear. Sedangkan dalam jangka
panjang banyak faktor yang ikut mempengarhi
fluktuasi dari data time series yang diperoleh,
sehingga analisisnya bersifat non linear
METODE- METODE ANALISIS TREND LINEAR
1. Free Hand Method
2. Semi Average Method
3. Least Square Method

4. Free Hand Method

Dalam metode ini penarikan garis linear secara
bebas adalah penarikan garis trend tanpa
menggunakan rumus-rumus matematika tertentu.
Contoh :
Berikut data mengenai jumlah penjualan sabun
setiap tahun selama 12 tahun di PT Unilever
(dalam ribuan unit)
TAHUN JUMLAH X Misalkan tahun dasar yang
PENJUALA
N digunakan adalah tahun
1990 180 0 1990.
1991 196 1
1992 215 2
1993 228 3
Dari tabel tersebut,
1994 300 4 persamaan garis linear Y =
1995 270 5 a + bX dapat dibuat
1996 325 6
1997 340 7 melaui dua buah koordinat
1998 363 8 yang dipilih secara bebas.
1999 276 9 Misalnya koordinat tahun
2000 385 10
2001 399 11 1990 yaitu (0,180) dan
koordinat tahun 2001
(11,399)
Dari dua titik koordinat tersebut, dapat diselesaikan seperti
berikut :
Y = a + bX
1. 180 = a + b (0) a = 180
2. 399 = a + b (11)
Dari persamaan 1 diperoleh nilai a sebesar 180. Sedangkan
nilai b diperoleh dengan mensubsitusikan nilai a ke
persamaan 2 sbb :
399 = a + b 11
399 = 180 + b 11 b = 19,9

Sehingga persamaannya menjadi Y = 180 + 19,9 X

a = 180 menunjukkan besarnya taksiran penjualan pada
tahun dasar yaitu 1990 sebesar 180.000 unit
b = 19,9 menunjukkan besarnya rata-rata kenaikan
penjualan setiap tahun yaitu sebesar 19.900 unit
2. Semi Average Method
Dalam metode ini, yang perlu dilakukan
pertama kali adalah membagi dua data
deret berkala tersebut:
 Y = a + bX

1. 231,5 = a + b (2,5)
2. 348 = a + b (8,5)

-116,5 = -6 b
b = 19,41
Setelah mendapatkan nilai a maka subsitusikan
ke salah satu persamaan, misalnya ke persamaan
pertama :
231,5 = a + 2,5 b
231,5 = a + 2,5 (19,41)
a = 183
Jadi persamaan regresinya adalah
Y = 183 + 19,41 X
Artinya : Jika X bertambah satu tahun maka
penjualan akan meningkat sebesar 19.410 unit

Jika ingin mengestimasi berapa penjualan pada

tahun 2003 ?
Y = 183 + 19,41 X
Y = 183 + 19,41 (13) = 435,3

Jadi besarnya estimasi penjualan pada tahun

2003 adalah sebesar 435.300 unit.
3. Least Square Method
Metode ini ditujukan agar jumlah kuadrat
dari semua deviasi antara variabel X dan Y
yang masing-masing memiliki koordinat
sendiri akan berjumlah seminim mungkin,
sehingga akan diperoleh suatu persamaan
garis trend yang lebih akurat dibanding
dengan metode sebelumnya.

Persamaan garis linearnya Y = a + bX

dapat dicari dengan rumus berikut :
Y = na + bX
XY = aX + bX
Contoh :
Berikut data volume penjualan sabun per hari
oleh seorang agen dari PT Unilever :

Ditanya : buatlah trend volume penjualan sabun

tersebut dgn tahun dasar 1977 dengan metode
least square
Jawaban :
Y = na + bX
Rumus :
XY = aX + bX

2460 = 9a + 18b x 2
5695 = 18a + 96b x 1

4920 = 18a + 36b

5695 = 18a + 96b
. 775 = -60b
b = 12,91
Subsitusikan nilai b kedalam salah satu persamaan :
2460 = 9a + 18b
2460 = 9a + 18(12,91)
a = 247,51
Sehingga persamaan regresinya adalah
Y = 247,51 + 12,91 X
Artinya :
a = 247,51 menunjukkan taksiran volume
penjualan sebesar 247.510 unit sabun pada
tahun dasar 1977
b = 12,91 menunjukkan taksiran rata-rata
kenaikan volume penjualan setiap tahun
yaitu sebesar 12.910 unit
Apabila ingin diramalkan besarnya volume
penjualan pada tahun 1990 adalah :
Y = 247,51 + 12,91 X
Y = 247,51 + 12,91 (13) = 415,34
METODE METODE ANALISIS TREND NON
LINEAR
Trend non-linear adalah garis trend yang tidak
linear, misalnya :
a. Trend kuadratik dan
b. Trend eksponensial.

(a) Trend Kuadratik

Persamaan trend kuadratik adalah sebagai
berikut :
Yt = a + b.x + c.x2
Untuk mencari a, b dan c digunakan rumus

Y na c X 2

XY b X 2

X 2
Y a X 2
c X 4

Rumus ini digunakan dengan asumsi X

=0
Berikut tentang data jumlah uang yang disimpan di Bank X
(dalam Jutaan Rupiah) :

DEPOSIT
TAHUN X XY X XY X4
UANG
1998 71 -13 -923 169 11999 28561
1999 49 -11 -539 121 5929 14641

2000 71 -9 -639 81 5751 6561

2001 95 -7 -665 49 4655 2401

2002 128 -5 -640 25 3200 625
2003 156 -3 -468 9 1404 81
2004 192 -1 -192 1 192 1
2005 217 1 217 1 217 1
2006 301 3 903 9 2709 81
2007 378 5 1890 25 9450 625
2008 520 7 3640 49 25480 2401
2009 726 9 6534 81 58806 6561
2010 804 11 8844 121 97284 14641
2011 1328 13 17264 169 224432 28561
JUMLAH 5036 0 35226 910 451508 105742
Jawaban :
I. 5036 = 14a+910c
II. 35226 = 910b
III. 451508 = 910a+105742c

Dari persamaan kedua diperoleh sebagai

berikut :
910b = 35226
b = 35226/910
b = 38,71
Nilai konstanta a dan c diperoleh sebagai berikut :
585.183,2 = 1626,8a + 105.742c I x 116,2
451.508,0 = 910,0a + 105.742c III

133.675,2 = 716,8a
a = 133.675,2/716,8
a = 186,49

Nilai c diperoleh dengan cara sebagai berikut :

5.036 = 14 (186,49) + 910c
c = 2,665

Jadi Persamaan Kuadratiknya :

Y=186,49+38,71X+2,665X
(b) Trend Eksponensial
Persamaan trend ekponensial adalah sebagai
berikut:
Y1 = a . b x
Atau :
Log Yt = Log a + X . Log b

Dimana :
Log adalah logaritma bilangan alam atau elog.
Untuk mencari a dan b digunakan rumus :
a anti Log
Log Y
b anti Log
(X Log Y)


n
x 2

 UJI CHI KUADRAT ()
Analisa uji chi kuadrat atau analisa tabel r x k : dimana
r menunjukkan banyaknya baris suatu tabel dan k
menunjukkan banyknya kolom dalam tabel
Distribusi dalam pengujian hipotesis biasanya
digunakan untuk mengetahui perbedaan antara
frekuensi pengamatan dan frekuensi yang diharapkan
Tahap-tahap penyelesaian analisa uji kuadrat :
1. Merumuskan hipotesis
Ho : P = P = P = P
P = P = P = P
P = P = P = P
P = P = P = P (semua proporsi sama)
Ha : Tidak semua proporsi sama
2. Menentukan Level of Signifikan () = 0,05
atau 0,01
tabel = ( ; (r-1)(k-1))
3. Kriteria pengujian
Ho diterima jika hitung < tabel
Ho ditolak jika hitung > tabel
4. Menghitung hitung dengan tahap-tahap
. Menghitung proporsi baris
. Menghitung expected frequency (eij)
Rumus
. Menghitung nilai hitung dengan rumus :
5. Membandingkan hitung dan tabel
6. Kesimpulan
Contoh :
Pemilik perusahaan PT Maju berpendapat
bahwa sikap para karyawan mengenai kondisi
kerja yang diperolehnya di berbagai divisi
adalah sama. Berikut data para karyawan di
berbagi divisi mengenai kondisi kerja.
DIV. DIV. B DIV. C DIV. D JUMLAH
A
Baik 76 85 91 75 327
Cukup 25 32 40 28 125
Buruk 12 15 10 11 48
JUMLAH 113 132 141 114 500
Pertanyaan :
Ujilah pendapat tersebut dengan taraf nyata 1%
Jawaban :
1. Formulasi hipotesis
Ho : P = P = P = P
P = P = P = P
P = P = P = P
Ha : Tidak semua proporsi sama
2. Menentukan LOS dan tabel
= 0,01 dengan db = (3-1)(4-1)=6
tabel = 16,812
3. Menentukan kriteria pengujian
Ho diterima jika hitung < tabel
Ho ditolak jika hitung > tabel
4. Menghitung nilai hitung :
. Menghitung expected frequency
n = 327 n = 125 n = 48 n = 500
n = 113 n = 132 n = 141 n =
114
i = 1,2,3 j = 1,2,3,4
 Hitung = 2,6257
5. Kesimpulan
Karena hitung = 2,6257 < tabel =
16,812, maka H0 diterima. Jadi pendapat
pemilik perusahaan bahwa proporsi sikap
para karyawan mengenai kondisi kerja yang
diperolehnya di berbagai divisi sama adalah
benar
 REGRESI LINEAR
SEDERHANA
Persoalan pokoknya adalah mencari suatu
persamaan garis dengan bentuk persamaan
Y = a + b X dimana Y adalah variabel
dependen, X adalah variabel independen,
sedangkan a dan b adalah koefisien
regresi yang harus dihitung nilainya.
Persamaan ini digunakan untuk peramalan.
Formulasi rumus untuk mencari a dan b
adalah sebagai berikut :

Dimana :
PENGUJIAN HIPOTESIS
Pengujian hipotesis dilakukan terhadap ,
dimana dalam perhitungan garis regresi
ditaksir dengan b. Dalam hal ini digunakan uji
t yang tujuannya untuk mengetahui ada
tidaknya hubungan yang cukup berarti antara
variabel X terhadap variabel Y

Tahap-tahap pengujian hipotesis adalah

sebagai berikut :
1. Merumuskan Hipotesis
H : = 0 (X tidak mempengaruhi Y)
Ha : 0 (X mempengaruhi Y)
2. Menentukan Level Of Signifikant (LOS) atau

LOS biasanya sebesar 1% dan 5%
sedangkan nilai t tabel ditentukan seperti
berikut : t (/2 ; n-2 )
3. Menentukan kriteria pengujian
H0 diterima jika t /2 th t /2
H0 ditolak jika th > t /2 atau th < -t /2
4. Menghitung nilai t hitung dengan rumus :
 Dimana :
Sb = standar error dari koefisien regresi
SY.X = standar error of estimate

4. Membandingkan t tabel dan t hitung

5. Kesimpulan
KORELASI

I Koefisien korelasi (r) mengukur keeratan

hubungan antara dua variabel yang diteliti.
Rumus untuk menghitung Koefisien korelasi
adalah sebagai berikut :
Berikut contoh data biaya produksi (dalam ribuan
Rp)dan luas areal tanah (ha) dari 10 orang petani :

Pertanyaan :
a) Hitung nilai a dan b serta tentukan persamaan
regresinya!
b) Ujilah hipotesisnya dengan = 0,05
c) Hitunglah koefisien korelasinya!
Jawaban :

Dari data di atas diketahui :

n = 10 ; Y = 554 ; Y = 52322, 86 ;
X = 8,1 ; X = 11,51 ; XY = 765,64
a) Jadi nilai a dan b adalah sebagai berikut :

a = 55,4 (64,03)0,81 = 3,536

persamaan regresinya adalah = 3,536 +
64,03X
b) 1. Ho : = 0 tidak ada hub yang cukup
berarti
Ha : 0 ada hub yang cukub
berarti
2. Menentukan LOS = 5%
t tabel = (/2 ; n-2) = (0,05/2 ; 10-2) =
2,306
3. Menghitung nilai t hitung :
 4. Membandingkan t hitung dan t tabel
t hitung = 11,04 dan t tabel = 2,306
sehingga t hitung > t tabel maka
hipotesis ditolak
5. Kesimpulan
Hasil ini menunjukkan adanya
hubungan yang cukup berarti antara luas
tanah dengan biaya produksi
c) Menghitung nilai koefisien korelasi :

artinya :
. Terdapat korelasi positif antara luas tanah
dengan biaya produksi.
. Koefisen korelasi = 0,97 menunjukkan
bahwa hubungan antara variabel sangat
erat karena mendekati r =1, atau dengan
kata lain hubungan yang sempurna antara
dua variabel
 REGRESI LINEAR
BERGANDA
Model regresi digunakan jika variabel
independen mempunyai hubungan terkait
dengan variabel dependent. Hubungan
kausal antara variabel independent terhadap
variabel dependent sering dikenal dengan
hubungan fungsional yang dapat
diformulasikan dalam persamaan fungsi
seperti berikut :
Y = f (X1, X2, ...., Xn) dimana :
Y = variabel dependen
X1, X2, ...., Xn = variabel independen
Bentuk Persamaanya adalah sebagai berikut :

Secara konsep untuk mengetahui besarnya

pengaruh variabel bebas terhadap variabel
terikat dengan menggunakan nilai koefisien
regresi secara partial misalnya nilai b1 dan
b2 serta b. nilai tersebut dapat diperoleh dari
rumus seperti berikut :
KOEFISIEN DETERMINASI
Selanjutnta untuk mengetahui variansi pengaruh
yang dijelaskan oleh variabel independent
terhadap dependen dapat dilihat dari nilai
koefisien diterminasi ( r square) yang
dirumuskan seperti berikut

KOEFISIEN KORELASI
Untuk mengetahui keeratan hubungan antara
variabel independent terhadap variabel
dependent dapat dilihat dari nilai koefisien
korelasi ( r) yang dikemukakan sebagai berikut:
Pengujian statistik dalam model regresi
berganda
Untuk membuktikan adanya pengaruh secara
simultan antara variabel independent terhadap
dependent variabel dapat dilakukan pendekatan
Statistik
R 2 N k uji
1 F dengan menggunakan Rumus
F
seperti k berikut:
1 R2
(Supranto, 2001:258)

Di mana:
R2 = Koefisien determinasi berganda
di mana R dinamakan koefisien berganda.
k = Jumlah variabel independen
n = Banyaknya sampel
Sedangkan untuk menguji secara individual
atau parsial dengan pendekatan statistik uji t
dengan tahapan sebagai berikut :
1. Merumuskan Hipotesis
H : = 0 ; Ha 0
H : = 0 ; Ha 0
2. Menetukan LOS dan t tabel
t tabel = (/2 ; (n-k))
3. Menghitung nilai t hitung
Dimana :
n = banyaknya data
k = banyaknya variabel
Contoh :
Seorang petani mempunyai catatan mengenai kegiatan
usahanya sebagai berikut :
Y : 2 5 7 8 5
X : 8 8 6 5 3
X : 0 1 1 3 4
Dimana :
Y = hasil per Ha (ton)
X = jumlah pupuk yang dipakai (10 kg)
X = curah hujan (cm/ thn)
Ditanya :
1. Susunlah persamaan regresi berganda
2. Hitung koefisien korelasinya
3. Ujilah keberartian hubungan tersebut dengan uji t dan
uji F dengan = 0,05