METODE PENELITIAN AKUNTANSI

Materi VII
TEKNIK ANALISIS STATISTIK

Rahman Pura, SE.. M.Si,AK, CA

081342330772
E-Mail : sahman_aslam@yahoo.com
 JENIS ANALISIS STATISTIK

Berfungsi untuk mendeskripsikan atau memberikan

gambaran terhadap objek yang diteliti melalui data
STATISTIK sampel atau populasi sebagaimana adanya tanpa
DESKRIPTIF melalukan analisis dan membuat kesimpulan yang
berlaku untuk umum.

Statistik yang digunakan untuk mendeskriptifkan data

STATISTIK
sampel dan hasilnya akan digeneralisasikan
INFERENSIAL
(diinferensialkan) untuk populasi dimana sampel diambil.
 JENIS STATISTIK DESKRIPTIF

Analisis yang memuat informasi data, membahas beberapa

penjabaran ukuran statistik desktiptif seperti mean (nilai
ANALISIS
tengah), modus (nilai yang sering muncul), deviasi
FREKUENSI
standar, varian, kuartil, persentil dan sebagainya.

BTKL
Freque Percent Valid Cumulati
ncy Percent ve
Percent
9,00 1 8,3 8,3 8,3
10,00 1 8,3 8,3 16,7
12,00 1 8,3 8,3 25,0
14,00 1 8,3 8,3 33,3
15,00 1 8,3 8,3 41,7
16,00 1 8,3 8,3 50,0
Vali
24,00 1 8,3 8,3 58,3
d
25,00 1 8,3 8,3 66,7
27,00 1 8,3 8,3 75,0
29,00 1 8,3 8,3 83,3
30,00 1 8,3 8,3 91,7
31,00 1 8,3 8,3 100,0
Total 12 100,0 100,0
 Analisis deskriptif memberikan gambaran atau deskripsi
suatu data secara numerik yang dilihat dari mean, standar
ANALISIS deviasi, varian, maksimum, minimum, sum, range,
DESKRIPTIF kurtosis dan skewness (kemencengan distribusi).

Descriptive Statistics
N Range Minimum Maximum Sum
 
Statistic Statistic Statistic Statistic Statistic
 

BTKL 12 22,00 9,00 31,00 242,00  

Valid N
(listwise) 12  
 Analisis tabulasi silang pada prinsipnya menyajikan data
ANALISIS dalam bentuk tabulasi yang meliputi baris dan kolom dan
CROSSTAB data untuk penyajian crosstab adalah data berskala
nominal atau ordinal

Dimisalkan kita mau menguji hubungan antara jenis kelamin dan pemilihan
kosentrasi pada peserta Praktikum Pengolahan Data kelompok I dengan jumlah
observasi sebayak 25 mahasiswa. Pada contoh tersebut variabel Jenis Kelamin
(JK) merupakan data nominal dengan (kode 1 Laki-Laki, kode 2 Perempuan) dan
variabel Kosentrasi (KONS) juga merupakan data nominal dengan (kode 1
Auditing, kode 2 Perpajakan dan kode 3 Akuntansi Sektor Publik /ASP). Data
selengkapnya sebagai berikut :
NO NAMA KOSENTRASI JENIS KELAMIN
(KONS) (JK)
1 A Auditing Laki-Laki
2 B Auditing Perempuan
3 C Perpajakan Perempuan
4 D Auditing Perempuan
5 E ASP Laki-Laki
6 F Perpajakan Laki-Laki
7 G Perpajakan Perempuan
8 H Auditing Perempuan
9 I Auditing Laki-Laki
10 J ASP Laki-Laki
11 K ASP Perempuan

12 L Perpajakan Perempuan
13 M ASP Laki-Laki
14 N Auditing Laki-Laki
15 O Auditing Laki-Laki
16 P Perpajakan Laki-Laki
17 Q Perpajakan Perempuan
18 R Auditing Perempuan
19 S Auditing Perempuan
20 T Auditing Perempuan
21 U Perpajakan Perempuan
22 V ASP Perempuan
23 W ASP Perempuan
24 X ASP Laki-Laki
25 Y Auditing Laki-Laki
 KONS * JK Crosstabulation

JK Total

Laki-Laki Perempuan

Count 5 6 11

% within KONS 45,5% 54,5% 100,0%

Auditing
% within JK 45,5% 42,9% 44,0%

% of Total 20,0% 24,0% 44,0%

Count 2 5 7

% within KONS 28,6% 71,4% 100,0%

KONS Perpajakan
% within JK 18,2% 35,7% 28,0%

% of Total 8,0% 20,0% 28,0%

Count 4 3 7

% within KONS 57,1% 42,9% 100,0%

ASP
% within JK 36,4% 21,4% 28,0%

% of Total 16,0% 12,0% 28,0%

Count 11 14 25

% within KONS 44,0% 56,0% 100,0%

Total
% within JK 100,0% 100,0% 100,0%

% of Total 44,0% 56,0% 100,0%

Interpretasi
Berdasarkan tabel KONS* JK Crosstabulation menunjukkan jumlah peserta
praktikum yang memilih Konsentrasi Auditing yang berjenis kelamin
laki-laki sebanya 5 orang. Porsentase jumlah peserta yang berjenis kelamin
laki-laki yang memilih kosentrasi auditing terhadap jumlah peserta yang
memilih kosentrasi auditing sebesar 45,5% (5/11). Porsetase jumlah peserta
yang berjenis kelamin laki-laki yang memilih kosentrasi auditing terhadap
total jenis kelamin laki-laki semuanya sebesar 45,5% (5/11). Porsetase
jumlah peserta yang berjenis kelamin laki-laki yang memilih kosentrasi
auditing terhadap total peserta secara keseluruhan sebesar 20% (5/25).
Sedangkan berjenis kelamin perempuan sebanyak 6 orang. Porsentase
jumlah peserta yang berjenis kelamin perempuan yang memilih kosentrasi
auditing terhadap jumlah peserta yang memilih kosentrasi auditing sebesar
54,5% (6/11). Porsentase jumlah peserta yang berjenis kelamin perempuan
yang memilih kosentrasi auditing terhadap total jenis kelamin perempuan
semuanya sebesar 42,9% (6/14). Porsetase jumlah peserta yang berjenis
kelamin perempuan yang memilih kosentrasi auditing terhadap total
peserta secara keseluruhan sebesar 24% (6/25).
Interpretsi
 STATISTIK INFERENSIAL

STATISTIK
NON STATISTIK
PARAMETRIS PARAMETRIS
 STATISTIK
Digunakan untuk menganalisis data
NON
PARAMETRIS nominal dan ordinal

1. Tes Binomanial 1. Korelasi Produk

2. Chi Kuadrat Moment
STATISTIK
ANALISIS

3. MC. Nemar Test 2. Korelasi Ganda

TEKNIK

4. Sign Test 3. Korelasi Parsial

5. Korelasi Sperman 4. Regresi
Rank sederhana
6. Korelasi Kendal 5. Regresi berganda
Tau

STATISTIK
PARAMETRIS Untuk menganalisis data interval dan rasio.
 Digunakan untuk menguji hipotesis deskriptif bila
dalam populasi terdiri atas dua kelompok kelas
TES BINOMANIAL

dimana datanya berbentuk nominal dan jumlah

sampelnya kecil (kurang dari 25). Kelompok kelas ini
misalnya kelas pria dan wanita, senior dan yunior,
kaya dan miskin dan sebagainya.

Dalam praktik test binomanial dapat dilakukan

dengan cara membandingkan nilai p dalam tabel
yang didasarkan pada N dan nilai yang terkecil dalam
tabel (x) dengan taraf kesalahan (α) yang ditetapkan
sebesar 1%. Kriteria pengujian hipotesis. Apabila
harga p lebih besar dari α maka Ho diterima
dan Ha ditolak.
 Contoh dalam penelitian

Dilakukan penelitian untuk mengetahui bagaimana kecenderungan

masyarakat dalam memilih mobil untuk keluarga. Berdasarkan 24
orang sampel yang dipilih secara random ternyata 14 orang memilih
mobil berbahan bakar bensin dan 10 orang memilih mobil berbahan
bakar solar.
Hipotesis nol yang diajukan adalah bahwa peluang masyarakat
dalam memilih dua jenis mobil yaitu jenis bensin dan solar adalah
sama, yaitu 50%.
Ho : p1 = p2 = 50%
Ha : p1 ≠ p2 ≠ 50%

Hasil pengumpulan data tersebut, dapat disusun ke dalam sebagai

berikut :
 Tabel : Kecenderungan Masyarakat dalam Memilih
Mobil

No Alternatif pilihan Frekuensi yang memilih

1 Mobil jenis bensin 14
2 Mobil jenis solar 10
Jumlah 24

Dalam kasus ini jumlah sampel independen (N) = 24, karena yang
memilih jenis mobil bensin ada 14 dan solar ada 10. Frekuensi
terkecilnya (x) = 10. Dengan demikian berdasarkan Tabel Binomial
dengan nilai N = 24 dan x = 10, maka koofisien binomialnya (p)
adalah 0,271. Bila taraf kesalahan ditetapkan 1% (0,01),
maka ternyata harga p sebesar 0,271 lebih besar dari 0,01
(0,0271 > 0,01), maka Ho diterima dan Ha ditolak.
Kesimpulannya adalah kemungkinan masyarakat dalam memilih dua
jenis mobil adalah sama, yaitu 50%
 Chi Kuadrat digunakan untuk menguji hipotesis deskriptif dan
komparatif bila dalam populasi terdiri atas dua atau lebih
kelompok kelas dimana datanya berbentuk nominal dan jumlah
sampelnya besar

= Chi Kuadrat
= Frekuensi yang dioservasi
CHI KUADRAT

= Frekuensi yang diharapkan

Untuk membuat keputusan tentang hipotesis yang diajukan

diterima atau ditolak, maka harga Chi Kuadrat tersebut perlu
dibandingkan dengan Chi Kuadrat tabel dengan derajat kebebasan
(dk) dan taraf kesalahan tertentu. Dalam hal ini berlaku ketentuan
:

bila Chi Kuadrat hitung lebih kecil (<) dari tabel, maka
Ho diterima, dan apabila lebih besar atau sama dengan
(≥ ) harga tabel maka Ho ditolak.
dk (k – 1)
 Contoh dalam penelitian

Telah dilakukan penelitian untuk mengetahui bagaimana kemungkinan

beberapa mobil dipilih oleh masyarakat Kota Makassar. Berdasarkan
pengamatan selama 1 minggu terhadap mobil-mobil pribadi ditemukan
1000 berwarna biru, 900 berwarna merah, 600 berwarna putih dan 500
berwarna yang lain.

Ho : Peluang masyarakat Kota Makassar untuk

memilih empat warna mobil adalah sama.
Ha : Peluang masyarakat Kota Makassar untuk
memilih empat warna mobil tidak sama.

Untuk menguji hipotesis tersebut di atas, maka data hasil pengamatan

perlu disusun ke dalam tabel penolong. Karena dalam penelitian ini terdiri
dari 4 kategori, maka derajat kebebasannya (dk) = 4-1 = 3.
 Tabel : Frekuensi Yang Diperoleh dan di Harapkan dari 3000 Warna Mobil
Yang Dipilih oleh Masyarakat Kota Makassar

Warna
fo fh fo - fh (fo - fh)2
Mobil
Biro 1.000 750 250 62.500 83,33
Merah 900 750 150 22.500 30,00
Putih 600 750 -150 22.500 30,00
Warna Lain 500 750 -250 62.500 83,33
Jumlah 3.000 3.000 0 170.000 226,67
Catatan : Frekuensi yang diharapkan (f h) untuk setiap kategori adalah 3.000 : 4 = 750

Berdasarkan dk = 3 dan tingkat kesalahan 5%, maka diperoleh harga Chi Kuadrat
Tabel = 7,815 (Lihat tabel Chi Kuadrat). Ternyata Chi Kuadrat hitung lebih besar
dari harga Chi Kuadrat tabel (226,67 > 7,815). Karena () hitung > lebih dari ()
tabel, maka Ho ditolak dan Ha diterima. Ini berarti peluang masyarakat
Kota Makassar untuk memilih empat warna mobil berbeda atau tidak sama.
Berdasarkan data sampel ternyata warna mobil biru yang mendapat peluang
tertinggi untuk dipilih masyarakat Kota Makassar. Ini juga berarti mobil warna biru
yang paling laku di masyarakat itu.
 MC. Nemar Test digunakan untuk menguji hipotesis komparatif dua
sampel yang berkorelasi bila datanya berbentuk nominal. Sebagai
panduan untuk menguji signifikan setiap perubaha n, maka data
perlu disusun ke dalam tabel segi empat ABCD.

Dimana :
MC. Nemar Test

A dan D = total orang yang berubah,

B dan C = total orang yang tidak
berubah.

Test Mc Nemar berdistribusi Chi Kuadrat oleh karena itu

kriteria yang digunakan untuk pengujian hipotesis adalah
kriteria Chi Kuadrat yaitu :
Bila Chi Kuadrat hitung lebih kecil (<) dari tabel,
maka Ho diterima, dan apabila lebih besar atau
sama dengan (≥ ) harga tabel maka Ho ditolak.
 Contoh dalam penelitian

Suatu perusahaan ingin mengetahui pengaruh sponsor yang diberikan dalam suatu
pertandingan olah raga terhadap nilai penjualan barangnya. Dalam penelitian ini
digunakan sampel diambil secara random yang jumlah anggotanya 200 orang.
Sebelum sponsor yang diberikan, terdapat 50 orang yang membeli barang tersebut,
dan 150 orang tidak membeli. Setelah sponsor diberikan dalam pertandingan olah
raga, ternyata dari 200 orang tersebut terdapat 125 orang yang membeli dan 75
orang tidak membeli. Dari 125 orang tersebut terdiri dari pembeli tetap 40, dan
yang berubah dari tidak membeli menjadi membeli ada 85. Selanjutnya dari 75
orang yang tidak membeli itu terdiri atas yang berubah dari membeli menjadi tidak
membeli ada 10 orang, dan yang tetap tidak membeli ada 65 orang.

Ho : Tidak terdapat perubahan (perbedaan) penjualan sebelum dan

sesudah ada sponsor
Ha : Terdapat perubahan penjualan sebelum dan sesudah ada
sponsor
 Keputusan Membeli Tidak Membeli
Membeli 40 10
Tidak membeli 85 65
Jumlah 125 75

Harga Chi Kuadrat hitung tersebut selanjutnya dibandingkan dengan Chi Kuadrat tabel.
Bila dk=1 dan taraf kesalahan 5%, maka harga Chi Kuadrat tabel = 3,481. Ketentuan :
bila Chi Kuadrat hitung lebih kecil sama dengan (≤) Chi Kuadrat tabel,
maka Ho diterima dan Ha ditolak. Berdasarkan perhitungan di atas
ternyata harga Chi Kuadrat hitung lebih besar dari Chi Kuadrat tabel
(57,642 > 3,481). Hal ini berarti H0 ditolak dan Ha diterima.
Jadi dapat disimpulkan bahwa terdapat perbedaan yang signifikan nilai penjualan
setelah dan sebelum ada sponsor, dimana setelah ada sponsor pembelinya semakin
meningkat. Karena pembeli sesudah ada sponsor jumlahnya meningkat, maka hal itu
berarti sponsor yang diberikan pada pertandingan olah raga mempunyai pengaruh yang
nyata terhadap nilai penjualan.
 Sign Test digunakan untuk menguji hipotesis komparatif dua sampel
yang berkorelasi, dan bila datanya berbentuk ordinal.Dinamakan
sign test karena data yang dianalisis dinyatakan dalam bentuk tanda-
tanda yaitu tanda positif dan negatif. Dalam pengujian hipotesis tidak
Sign Test (Uji Tanda)

digunakan pertanyaan berapa besarnya pengaruh, tetapi hanya

pernyataan mempunyai pengaruh positif atau negatif.

Sampel yang digunakan dalam penelitian adalah sampel

berpasangan, suami-istri, pria-wanita, PNS-Swasta, dan lain-lain.
Tanda postif dan negative akan diketahui berdasarkan perbedaan
nilai antara satu dengan yang lain dalam pasangan itu.

Untuk sampel yang kecil ≤ 25 pengujian dilakukan dengan

menggunakan prinsip-prinsip berdistribusi Binomial dengan
P=Q=0,5 (lihat test binomial) dimana N=banyak pasangan. Bila
suatu pasangan observasi tidak menunjukkan adanya perbedaan
yakni selisihnya=0, maka pasangan itu dicoret dari analisis. Dengan
demikian N-nya akan berkurang. Untuk pengujian hipotesis
digunakan ketentuan :

Apabila harga p lebih besar dari α maka Ho diterima dan

Ha ditolak.
Korelasi Sperman Rank (

Teknik korelasi yang digunakan untuk mencari

hubungan dua variabel bila data kedua variabel
berbentuk ordinal dan sumber data dari kedua
variabel dapat berasal dari sumber data yang tidak
sama dan tidak harus membentuk distribusi normal.

=1-
 Contoh dalam penelitian

Ada dua orang juri yang diminta untuk menilai dalam lomba
membuat makanan. Jumlah makanan yang dinilai ada 10, masing-
masing diberi nomor 1, 2, 3, 4, 6, 7, 8, 9, 10. NIlai yang diberi oleh
kedua juri adalah sebagai berikut :
Tabel : Nilai Dua Orang Juri Terhadap 10 Jenis Makanan

Nomor Makanan Nilai dari Juri I Nilai dari Juri II

1 9 8
2 6 7
3 5 6
4 7 8
5 4 5
6 3 4
7 2 2
8 8 9
9 7 8
10 6 6
  
Tabel : Tabel Penolong Untuk Menghitung Koofisien Korelasi Spearman Rank

Nilai dari Nilai dari

Nilai Rangking Rangking Xi - Yi
Juri I Juri II bi2
Makanan (Xi) (Yi) (bi)
(Xi) (Yi)
1 9 8 1 3 -2 4
2 6 7 5,5 5 0,5 0,25
3 5 6 7 6,5 0,5 0,25
4 7 8 3,5 3 0,5 0,25
5 4 5 8 8 0 0
6 3 4 9 9 0 0
7 2 2 10 10 0 0
8 8 9 2 1 1 1
9 7 8 3,5 3 0,5 0,25
10 6 6 2,5 6,5 -1 1
Jumlah 0 7
Jadi diperoleh nilai = 0,96

Untuk menginterpretasikan angka ini perlu dibandingkan

dengan tabel nilai-nilai rho. Dari tabel terlihat bahwa n = 10,
pada taraf kesalahan 5% diperoleh harga 0,648 dan untuk 1% =
0,794. Hasil rho tabel baik untuk taraf kesalahan 5% maupun
1%. Hal ini berarti terdapat kesesuaian yang nyata/signifikan
antara Juri I dan Juri II dalam memberikan penilaian terhadap
10 makanan yang diperlombakan. Dalam hal ini hipotesis
nolnya adalah : Tidak terdapat kesesuaian antara Juri I dan
Juri II dalam memberikan penilaian terhadap 10 makanan,
sedangkan hipotesis alternatifnya adalah terdapat kesesuaian
(ditunjukkan pada hubungan yang positif dan signifikan)
antara Juri I dan Juri II dalam memberikan penilaian
terhadap 10 makanan yang diperlombakan. Dengan demikian
hipotesis nol ditolak dan hipotesis alternatif diterima.
Korelasi Kendal Tau (

Korelasi Kendal Tau digunakan untuk mencari hubungan dan

menguji hipotesis asosiatif antara dua variabel atau lebih, bila
datanya berbentuk ordinal dan jumlah anggota sampelnya
lebih dari 10.

Selanjutnya melakukan pengujian hipotesis dengan criteria

pengujian :
Jika z hitung lebih kecil dari z tabel, maka Ho
diterima dan Ha ditolak
 KORELASI PRODUK MOMENT

Teknik korelasi ini digunakan untuk mencari hubungan dan

membuktikan hipotesis hubungan dua variabel bila data
kedua variabel berbentuk interval atau rasio, dan sumber data
dari dua variabel atau lebih tersebut adalah sama. Koofisien
korelasi untuk populasi diberi simbol rho (p), dan untuk
sampel diberi simbol r, sedangkan untuk korelasi ganda diberi
simbol R
 Contoh dalam penelitian

Dilakukan penelitian untuk mengetahui ada tidaknya hubungan antara

pendapatan dan pengeluaran. Untuk keperluan tersebut, maka telah dilakukan
pengumpulan data terhadap 10 responden yang diambil secara random.
Berdasarkan 10 responden tersebut diperoleh data tentang pendapatan (x) dan
pengeluaran (y) per bulan (dalam ribuan rupiah), sebagai berikut :

X 800 900 700 600 700 800 900 600 500 500

Y 300 300 200 200 200 200 300 100 100 100

Hipotesis :
Ho = Tidak ada hubungan antara pendapatan dan pengeluaran
Ha = Terdapat hubungan antara pendapatan dan pengeluaran
Jadi diperoleh nilai korelasi produk moment (r) = 0,91

Jadi ada korelasi positif sebesar 0,9129 antara pendapatan dan

pengeluaran tiap bulan. Hal ini berarti semakin besar pendapatan,
maka akan semakin besar pula pengeluaran. Apakah koofisien
korelasi hasil perhitungan tersebut signifikan atau tidak, maka perlu
dibandingkan dengan r tabel, dengan taraf kesalahan tertentu. (tabel
r produk moment). Bila taraf kesalahan 5% dan N =10, maka harga r
tabel = 0,632. Ternyata harga r hitung lebih besar dari harga r
tabel, sehingga Ho ditolak dan Ha dterima. Jadi kesimpulannya ada
hubungan yang positif dan nilai koofisien korelasi antara
pendapatan dan pengeluaran sebesar 0,9129.

Pengujian signifikan koofisien korelasi, selain dapat menggunakan

tabel, juga dapat dihitung dengan uji t yang rumusnya sebagai
berikut :

t = = 5,33
Harga t hitung tersebut selanjutnya dibandingkan dengan harga t tabel. Untuk
kesalahan 5 % uji dua pihak dan dk = n -2 = 8, maka diperoleh t tabel = 2,306.
Ternyata harga t hitung 6,33 lebih besar dari t tabel, sehingga H o ditolak. Hal ini
berarti terdapat hubungan yang positif dan nilai koofisien korelasi antara pendapatan
dan pengeluaran sebesar 0,9129.
Untuk dapat memberikan penafsiran terhadap koofisien korelasi yang ditemukan
tersebut besar atau kecil, maka berpedoman pada ketentuan dari Guilfort dalam
Riduwan (2008) sebagai berikut :
 
Tabel : Pedoman Untuk Menentukan Interpretasi Terhadap
Koofisien Korelasi
Interval Koofisien Tingkat Hubungan
0,00 - 0,199 Sangat rendah
0,20 - 0,399 Rendah
0,40 - 0,599 Sedang
0,60 - 0,799 Kuat
0,80 - 1,000 Sangat kuat

Dalam analisis korelasi terdapat suatu angka yang disebut dengan Koofisien
Diterminasi, yang besarnya adalah kuadrat dari koofisien korelasi (r 2).
Untuk contoh di atas ditemukan r = 0,9129. Koofisien Determinasinya r 2 = 0,91292 =
0,83. Artinya bahwa variasi perubahan variabel pengeluaran dapat dijelaskan oleh
variasi perubahan pendapatan sebesar 83%, sebesar 17% dijelaskan oleh faktor lain.
 KORELASI GANDA

Korelasi ganda merupakan angka yang menunjukkan arah dan

kuatnya hubungan antara dua variabel independen secara
bersama-sama atau lebih dari satu variabel dependen

Ryx1x2 =

Jadi untuk menghitung korelasi ganda, maka harus dihitung terlebih

dahulu korelasi sederhana dulu melalui Korelasi Produk Moment
 Contoh dalam penelitian
Misalnya dalam suatu penelitian yang berjudul :
Hubungan Kualitas Anggaran (X1) dan Sistem Pengawasan (X2)
dengan Kinerja Satuan Kerja di Pemda Bulukumba (Y).

Berdasarkan data yang terkumpul untuk setiap variabel, dan setelah

dihitung korelasi produk momentnya ditemukan hasil sebagai berikut :
Korelasi antara Kualitas anggaran dengan Kinerja , r1 = 0,45
Korelasi antara Sistem pengawasan dengan Kinerja r2 = 0,48
Korelasi antara Kualitas anggaran dengan Sistem pengawasan r3 = 0,22
 
Nilai tersebut dimasukkan dalam rumus Korelasi ganda diperoleh nilai R
adalah = 0,5959
Selanjutnya untuk mengetahui signifikansi Korelasi Ganda dicari dulu F hitung
kemudian dibanding dengan Ftabel
 
Kaidah pengujian signifikansi :
Jika Fhitung ≥ F tabel Ho ditolak, artinya signifikan
Fhitung ≤ F tabel Ho diterima, artinya tidak signifikan
Berdasarkan angka yang telah ditemukan, dan bila n = 30,
maka harga Fhitung dapat dihitung :

Fhitung = = 7,43

arga tersebut selanjutnya dibandingkan dengan harga F tabel

dengan dk pembilang = k dan dk penyebut = (n – k – 1). Jadi
dk pembilang = 2 dan dk penyebut = 10 – 2 – 1 = 7. Dengan
taraf kesalahan 5%, harga F tabel ditemukan 4,74. Ternyata
harga F hitung lebih besar dari F tabel (7,43 > 4,74). Karena F
hitung > F tabel maka Ho ditolak dan Ha diterima. Jadi
koofisien korelasi ganda yang ditemukan adalah signifikan.
 
 =

KORELASI PARSIAL

Korelasi parsial digunakan untuk menganalisis bila peneliti bermaksud

mengetahui antara variabel independen dan variabel dependen,
dimana salah satu variabel independennya dibuat tetap

Ry. x1x2 =
Tingkat signifikansi

t=

t tabel dicari dengan dk = n-1

 Contoh dalam penelitian
Contoh dalam penelitian :
Misalnya dalam suatu penelitian yang berjudul :

Hubungan Nilai Kuliah (X1) dan Waktu Belajar (X2)

dengan IQ (Y).

Berdasarkan data yang terkumpul untuk setiap variabel, dan

setelah dihitung korelasinya hasil sebagai berikut :
Korelasi antara IQ dengan nilai kuliah = 0,58
Korelasi antara IQ dengan waktu belajar = -0,40
Korelasi antara nilai kuliah dengan waktu belajar = 0,10
Untuk orang yang waktu belajarnya sama (diparsialkan) berapa
korelasi antara IQ dengan nilai kuliah
 Nilai Ry. x1x2 diperloleh = 0,68

Sebelum waktu belajar digunakan sebagai variabel control, korelasi

antara IQ dengan nilai kuliah = 0,58. Setelah waktu belajarnya dibuat
sama (dikontrol) untuk seluruh sampel, maka korelasinya = 0,68. Jadi
setiap subjek dalam sampel bila waktu belajarnya sama, maka hubungan
antara IQ dengan nilai kuliah lebih kuat. Hal ini berarti bila orang yang
IQ-nya tinggi dan waktu belajarnya sama dengan yang IQ-nya rendah,
maka nilai kuliahnya akan jauh lebih tinggi.
Apakah koofisien korelasi parsial yang ditemukan itu signifikan atau
tidak, maka perlu diuji (uji t)
nilai t diperoleh = 4,35

Nilai t hitung tersebut selanjutnya dibandingkan dengan t tabel dengan

dk = (n-1) = 25 -1 = 24. Bila taraf kesalahan 5% untuk uji dua fihak,
maka harga t tabel = 2,064 (lihat tabel distribusi t). Ternyata t hitung
lebih besar dari t tabel (4,35 > 2,064). Dengan demikian koofisien
korelasi yang ditemukan ini adalah signifikan yaitu dapat
digeneralisasikan ke seluruh populasi di mana sampel diambil.
 REGRESI

Terdapat perbedaan yang mendasar antara analisis korelasi dan

regresi. Analisis korelasi digunakan untuk mencari arah dan kuatnya
hubungan antara dua variabel atau lebih, sedangkan analisis regresi
digunakan untuk memprediksi seberapa jauh perubahan nilai
variabel dependen, bila nilai variabel independen
dimanipulasi/dirubah-rubah atau dinaik-turunkan.
1. Disturbance error atau variabel gangguan () berdistribusi secara
normal atau acak untuk setiap nilai variabel independen (X)
SYARAT REGRESI
(Uji Asumsi Klasik

mengikuti distribusi normal disekitar rata-rata.

2. Tidak terdapat multikolinieritas, yaitu hubungan linier yang pasti
antar variabel bebas.
3. Varians dari error () adalah sama atau bersifat konstan, atau
bersifat homoskedastisitas. Dengan kata lain tidak terdapat
heterokedastisitas.
4. Tidak terdapat korelasi berurutan atau autokorelasi antara
variabel error ().
 REGRESI SEDERHANA

Regresi sederhana dapat dianalisis karena didasari oleh hubungan sebab akibat
(kausal) satu variabel independen dengan satu variabel dependen.
Persamaan regresi sederhana adalah :

Y = a + bX
Dimana :
Y = Subjek dalam variabel dependen yang diprediksi
a = Harga Y ketika harga X = 0 (konstan)
b = Angka arah atau koofisien regresi, yang menunjukkan angka peningkatan (+)
atau penurunan (-) variabel dependen yang didasarkan pada perubahan
variabel independen.
X = Subjek pada variabel independen yang mempunyai nilai tertentu

a = b =
 REGRESI BERGANDA

Regresi berganda merupakan pengembangan dari analsis

regresi sederhana. Kegunaannya untuk memprediksi nilai
variabel dependen apabila variabel independen dua atau
lebih.

Persamaan regresi berganda :

Y = a + b1 X1 + b2 X2 ……. bn Xn
 Contoh dalam penelitian

 Contoh dalam penelitian :

Suatu penelitian dengan judul : Pengaruh
Kecerdasan Intelektual (X1) dan Kecerdasan
Emosional (X2) Terhadap Kinerja Auditor
 Data setelah dikumpul dan diolah, diangggap memenuhi
asumsi dan persyaratan analisis regresi : Data tersebut
sebagai berikut :
 
Kecerdasan Intelektual (X1) 10 2 4 6 8 7 4 6 7 6

Kecerdasan Emosional (X2) 7 3 2 4 6 5 3 3 4 3

Kinerja Auditor (Y) 23 7 15 17 23 22 10 14 20 19

1. Dari data tersebut diperoleh : b1 = 2,1559 b2 = -0,055
a = 1,8646

2. Jadi, persamaan regresi bergandanya adalah :

 
Y = a + b1X1 + b2X2 = 1,8646 + 2,1559 X1 - 0,055 X2

3. Mencari Korelasi Ganda dengan rumus :

RX1X2Y = = 0,26

4. Mencari nilai kontribusi/koofisien determinasi (R2)

dengan
rumus
 
R2 = (R)2. 100% = 0,262 . 100% = 6,7%
7). Menguji tingkat signifikansi :
a). Uji Simultan (Uji F)
Dalam uji ini koefisien regresi semua variabel independen diuji secara simultan
(bersama-sama) sehingga bisa diketahui apakah model regresi yang dihasilkan bisa
digunakan untuk melakukan prediksi atau tidak. Proses pengujian dilakukan dengan
membandingkan nilai F tabel dengan F hitung.
Untuk menguji pengaruh variabel bebas secara bersama-sama (simultan) terhadap
variabel terikat, digunakan uji F yang didapat dari rumus (Gujarati, 2003) :

F hitung =

Keterangan :
R2 = koefisien determinasi
n = ukuran sampel
k = banyaknya variabel bebas
 
Nilai F tabel diperoleh dengan menggunakan tingkat signifikan α dan derajat kebebasan
(df) yaitu V1 = k dan V2 = n-k-1. Keputusan pengujian menggunakan kriteria uji sebagai
berikut :
 
Jika F hitung ≤ F tabel, maka H0 diterima dan Ha ditolak
Jika F hitung > F tabel, maka H0 ditolak dan Ha diterima
Bila Ho diterima, maka diartikan sebagai tidak signifikannya pengaruh
dari variabel-variabel independen secara bersama-sama atas variabel
dependen dan penolakan Ho menunjukkan adanya pengaruh yang
signifikan dari variabel-variabel independen secara bersama-sama
terhadap variabel dependen.
Berdasarkan contoh sebelumnya, maka nilai Fhitung sebagai berikut :

Fhitung = = 0,073

Mencari nilai F tabel dengan taraf kesalahan (α) = 0,05 dan derajat
kebesan (dk) V1 = 2 dan V2 = 10-2-1 = 7, maka diperoleh nilai F tabel =
4,74 (lihat tabel F). Ternyata F hitung lebih kecil dari F tabel (0,073 < 4,74),
maka Ho diterima dan Ha ditotak. Artinya tidak terdapat pengaruh
yang signifikan antara kecerdasan intelektual dan kecerdasan
emosional terhadap kinerja auditor.
b). Uji parsial (Uji t)

Pengujian koefisien secara parsial adalah untuk mengetahui

pengaruh masing-masing variabel independen secara parsial
(sendiri) terhadap variabel dependen-nya. Proses pengujian
menggunakan uji t (t-test) dengan rumus sebagai berikut : (Agus,
2007) :
i
t
Se( i)
dimana :
t = Nilai hitung
=
i Estimator
Se = Standar error of estimator
i

Selanjutnya untuk mengetahui apakah variabel independen

(secara parsial) mem punyai pengaruh negatif secara nyata
(signifikan) terhadap variasi variabel dependen dilakukan dengan
membandingkan nilai t hitung dengan nilai t tabel pada tingkat
signifikan (α) dan derajat kebebasan (df) tertentu (df = n-k-1).
Kriteria pengujian :
 
Jika – t tabel ≤ t hitung, maka Ho diterima dan Ha ditolak (Uji pihak kiri)
Jika t tabel ≥ t hitung, maka Ho diterima dan Ha ditolak (Uji pihak kanan)
Jika – t tabel ≤ t hitung ≤ tabel, maka Ho diterima dan Ha ditolak (Uji dua pihak)
 
Bila Ho diterima maka dapat disimpulkan suatu yang
berpengaruh tidak signifikan, sedangkan bila Ho ditolak artinya
suatu berpengaruh signifikan