ESTIMASI &

UJI HIPOTESIS
ESTIMASI

Estimasi adalah menafsirkan keadaan populasi berdasarkan

kesimpulan yang diperoleh pada sampel

Jenis estimasi:
1.Estimasi tunggal, merupakan estimasi yang menggunakan satu
bilangan saja, contoh: rata-rata kecerdasan anak SD di Bali adalah 120
2.Estimasi berjarak, merupakan estimasi yang menggunakan dua
bilangan, contoh: rata-rata kecerdasan anak SD di Bali diantara 115
dan 125
HIPOTESIS

Hipotesis merupakan asumsi / dugaan yang masih perlu dibuktikan

kebenarannya.

Dalam statistik inferensia, terdapat 2 hipotesis yang harus diuji:

1.Hipotesis penelitian, merupakan pengujian jawaban sementara apakah betul-
betul terjadi pada sampel atau tidak.
2.Hipotesis statistik, merupakan hipotesis yang digunakan dalam analisa
statistik. Hipotesis statistik selalu dinyatakan dalam hipotesis nol, hipotesis
inilah yang akan diuji kebenarannya.

Bentuk hipotesis:
1.Hipotesis alternatif /alternative hypothesis (Ha), merupakan hipotesis yang
berisi pernyataan yang tidak menyangkal.
2.Hipotesis objektif / objective hypothesis (Ho), merupakan hipotesis yang berisi
pernyataan yang menyangkal.
HIPOTESIS

Acuan dalam merumuskan hipotesis adalah:

1.Harus menggunakan kata-kata yang jelas dan sistematis
2.Harus menggunakan suatu kalimat pernyataan
3.Harus menggunakan suatu kalimat yang cukup pendek
4.Harus menggunakan suatu kalimat tunggal
PENGUJIAN HIPOTESIS
TENTANG KORELASI
 PENGERTIAN KORELASI

Korelasi berarti hubungan timbal balik. Dua variable dikatakan berkorelasi jika setiap perubahan
yang terjadi pada variable yang satu selalu diikuti dengan perubahan pada variabel yang lain,
dimana pada masing-masing perubahan tersebut terjadi secara proporsional.
MACAM-MACAM KORELASI

Y
1. Korelasi Negatif, contoh: atlet
yang bertambah usianya
ternyata prestasinya semakin
berkurang X
Y
2. Korelasi Nol, contoh: hubungan
jumlah mahasiswa baru dengan
jumlah lulusan pada suatu X
universitas
Y
3. Korelasi Positif, contoh: setiap
anak yang frekuensi latihan
berhitungnya lebih banyak
ternyata dapat mencapai X
prestasi yang lebih baik.
JENIS-JENIS VARIABEL KORELASI

1. Variabel Kontinum
a. Variabel interval, menggunakan skala pengukuran yang sama,
contoh: IQ aminah 110, IQ budi 115 dan IQ cakra 120
b. Variabel ordinal, menggunakan tata jenjang/rangking, contoh: aminah
tergolong kurang rajin, budi tergolong cukup rajin, cakra tergolong rajin
2. Variabel Nominal
a. Variabel dikotonum / dikotomus, variable dibagi menjadi 2 kategori,
contoh: laki-laki, perempuan.
b. Variabel trikotonum / trikotomus, variabel dibagi 3 kategori, contoh:
kurang rajin, cukup rajin, rajin.
c. Variabel kuartotonum / kuartotomus, variabel dibagi menjadi 4
kategori, contoh: petani, pedagang, PNS, TNI
TEKNIK KORELASI

1.Teknik Korelasi Product Moment / Korelasi Pearson Product

Moment (PPM)
2.Teknik Korelasi Rank Order / Korelasi Spearman Rank
3.Korelasi Ganda
Korelasi
Pengantar

• Korelasi product moment yang dikembangkan oleh Karl

Pearson populer juga dengan sebutan Korelasi Pearson
• Korelasi ini digunakan untuk mencari koefisien
korelasi antara variabel interval dengan variabel
interval lainnya
• Fungsi :
1. Untuk mengetahui hubungan antara 2 variabel
2. Untuk mengetahui arah atau bentuk hubungan
3. Untuk mengetahui keeratan hubungan
4. Dasar untuk melakukan prediksi
 Langkah-langkah Uji PPM

1. Merumuskan hipotesis, Ha dan Ho

2. Menyusun tabel kerja
3. Memasukkan data ke dalam rumus
n  Xi Yi  ( Xi ) ( Yi )
r
n ( X )  ( X ) n ( Y )  ( Y ) 
2
i i
2
i
2
i
2

4. Menguji nilai
5. Menarik Kesimpulan
Tabel Distribusi T
Interpretasi Angka Korelasi

Product Moment (r) Interpretasi

0,00 – 0,20 Antara variabel X dan Y memang terdapat korelasi
tetapi sangat lemah sehingga dapat diabaikan

0,20 – 0,40 Antara variabel X dan Y terdapat korelasi yang lemah

atau rendah
0,40 – 0,70 Antara variabel X dan Y terdapat korelasi yang sedang
atau cukup
0,70-0,90 Antara variabel X dan Y terdapat korelasi yang kuat
atau tinggi
0,90 – 1,00 Antara variabel X dan Y terdapat korelasi yang sangat
kuat atau sangat tinggi
Contoh :
Diketahui data jumlah SKS dan IPK mahasiswa sbb.

Jumlah SKS (X) IPK (Y)

10 3,00
10 2,50
15 2,00
10 1,50
5 1,00

Tentukan nilai koefisien korelasi dengan metode product

moment dan jelaskan artinya!
 n  Xi Yi  ( Xi ) ( Yi )
r
Jawab : n ( X )  ( X ) n ( Y )  ( Y ) 
2
i i
2
i
2
i
2

Buat tabel penolong untuk menghitung r

No Xi Yi Xi Y i Xi2 Yi2
1 10 3,00 30 100 9,00
2 10 2,50 25 100 6,25
3 15 2,00 30 225 4,00
4 10 1,50 15 100 2,25
5 5 1,00 5 25 1,00
n=5 Xi = 50 Yi = 10 XiYi= Xi2 = Yi2 =
105 550 22,5
5 (105)  (50) (10) 25
r = 5 (550)  (50) 5 (22,5)  (10) 
2 2
= (250) (12,5) = 0,447
Dari hasil ini ternyata didapat korelasi positif antara
jumlah sks (X) dan IPK yang didapat (Y).
 Korelasi
Teknik Korelasi Rank Order /
Korelasi Spearman Rank
 PENGANTAR

Diperkenalkan oleh Carl Spearman pada tahun 1904.

Uji Spearman Rank digunakan untuk menguji hipotesis korelasi
dengan skala pengukuran variabel minimal ordinal.
Dalam Uji Spearman Rank, skala data untuk kedua variabel yang akan
dikorelasikan dapat berasal dari skala yang berbeda (skala data ordinal
dikorelasikan dengan skala data numerik) atau sama (skala data
ordinal dikorelasikan dengan skala data ordinal).
Data yang akan dikorelasikan tidak harus membentuk distribusi
normal (tidak terikat asumsi bahwa populasi yang diselidiki harus
berdistribusi normal)
Jadi Uji korelasi Spearman Rank adalah uji yang bekerja untuk skala
data ordinal atau berjenjang atau rangking, dan bebas distribusi
 Langkah-langkah Uji Spearman Rank

1. Membuat hipotesis dalam bentuk kalimat, Ha dan Ho

2. Membuat hipotesis dalam bentuk statistik
3. Membuat tabel penolong untuk menghitung ranking dengan terlebih
dahulu mengurutkan data dari yang terbesar ke terkecil
4. Mencari rs hitung dengan rumus :
rs = koefisien korelasi Spearman
6∑di2
rs = 1 - (baca rho)
d = selisih ranking X danY
n3 - n n = jumlah sampel

5. Mencari rs tabel dengan menggunakan tabel Spearman Rank

6. Membandingkan antara rs hitung dan rs tabel sebagai berikut :
 TABEL NILAI-NILAI RHO

Taraf Signif Taraf Signif

N N
5% 1% 5% 1%
5 1.000 16 0.506 0.665
6 0.886 1.000 18 0.475 0.626
7 0.786 0.929 20 0.450 0.591
8 0.738 0.881 22 0.428 0.562
9 0.683 0.833 24 0.409 0.537
10 0.648 0.794 26 0.392 0.515
12 0.591 0.777 28 0.377 0.496
14 0.544 0.715 30 0.364 0.478
Aturan mengambil keputusan
No Parameter Nilai Interpretasi
1. rs hitung dan rs tabel. rs hitung ≥ Ho ditolak Ha diterima
rs tabel dapat dilihat pada rs tabel
Tabel 6 (Tabel Uji Rank rs hitung < Ho diterima Ha ditolak
Spearman) yang memuat rs rs tabel
tabel, pada berbagai n dan
tingkat kemaknaan α
2. Kekuatan korelasi rs hitung 0.000-0.199 Sangat Lemah
0.200-0.399 Lemah
0.400-0.599 Sedang
0.600-0.799 Kuat
0.800-1.000 Sangat kuat
3. Arah Korelasi rs hitung + (positif) Searah, semakin besar
nilai xi semakin besar
pula nilai yi
- (negatif) Berlawanan arah,
semakin besar nilai xi
semakin kecil nilai yi, dan
sebaliknya
Langkah-langkah Uji Spearman Rank

7. Mencari signifikan (Zhitung ) dengan rumus :

rs
Zhitung =
1
√n - 1

8. Mencari Ztabel pada tabel kurve normal (Zα-α/2)

9. Membandingkan hasil Zhitung dan Ztabel

Tabel Kurva Normal
Contoh

Sebuah penelitian dilakukan untuk mengetahui korelasi antara Kadar

SGOT (Unit Karmen/100ml) dengan Kolesterol HDL (mg/100ml) pada 7
sampel yang diambil secara random. Hasil pengumpulan data dapat dilihat
pada Tabel. Bagaimana kesimpulan yang dapat diambil dari data tersebut?
α=0.01
Sampel Kadar SGOT Kadar HDL

1 5,7 40,0
Ctt : Hasil uji
2 11,3 41,2 normalitas,
3 13,5 42,3 data tidak
4 15,1 42,8 terdistribusi
normal
5 17,9 43,8
6 19,3 43,6
7 21,0 46,5
Prosedur Uji

1. Tetapkan hipotesis
H0 : Ada korelasi antara kadar SGOT dengan
HDL
H1 : Tidak Ada korelasi antara kadar SGOT dengan HDL
2. Tentukan nilai rs tabel pada n=7 α=0,01 0.929
3. Hitung nilai rs hitung
Sampel Kadar SGOT Ranking Kadar HDL Ranking di di2
(xi) x yi y
1 5,7 1 40,0 1 0 0

2 11,3 2 41,2 2 0 0

3 13,5 3 42,3 3 0 0

4 15,1 4 42,8 4 0 0

5 17,9 5 43,8 6 -1 1

6 19,3 6 43,6 5 1 1

7 21,0 7 46,5 7 0 0

∑di2=2
 6∑di2 6x2 12
rs = 1 - = 1- = 1-
n3 - n 73 - 7 336
336 - 12
=
336
= 0,964

4. Kesimpulan
Karena nilai rs hitung (0,964) ≥ rs tabel (0,929), maka
Ho ditolak H1 diterima berarti tidak ada korelasi yang
sangat kuat dan positif antara Kadar SGOT dengan
Kadar HDL.
KD = 0,447^2 x 100 % =19,98

thitung = 0,895

ttabel (0.05, 3) = 3,182

Korelasi
 KORELASI GANDA
• Angka yang menggambarkan arah dan kuatnya hubungan antara dua
(lebih) variabel secara bersama-sama dengan variabel lainnya
 Korelasi Ganda dua var independen dengan
satu var dependen

r1 : korelasi X1 dgn Y
X1
r2 : korelasi X2 dgn Y

Y
r1

X2 R

r2

R : korelasi X1 dan X2 dengan Y

Tetapi R ≠ r1 + r2
 Rumusnya korelasi ganda…
2 2
r yx1 r yx 2  2ryx1 ryx 2 rx1x 2
2
RyX1X2 =
1 r x1 x 2

Di mana :
Ryx1x2 : korelasi antara X1 dan X2 bersama-sama dengan Y
ryx1 : korelasi product moment Y dengan X1
ryx2 : korelasi product moment Y dengan X2
rx1x2 : korelasi product meoment X1 dengan X2
 Uji Signifikansi nilai R…
2
R /k
Fhitung =
2
(1  R ) /(n  k  1)
Di mana :
R : koefisien korelasi ganda
k : banyaknya variabel independen
n : banyaknya anggota sampel
Konsultasikan dengan tabel F; dengan dk pembilang = k dan dk
penyebut = n – k -1.
Jika Fh > F tabel, maka hipotesis alternatif diterima.
Contoh :

Misalkan kita melakukan pengamatan terhadap 10 keluarga mengenai:

X1 = pendapatan dalam ribuan rupiah
X2 = jumlah keluarga dalam satuan jiwa
Y = pengeluaran untuk membeli barang A dalam ratusan rupiah

X1 10 2 4 6 8 7 4 6 7 6
X2 7 3 2 4 6 5 3 3 4 3
Y 23 7 15 17 23 22 10 14 20 19

Akan dibuktikan ada hubungan linier positif dan signifikan antara variabel X 1
dan X2 secara bersama-sama dengan variabel Y.
 No X1 X2 Y X1Y X2Y X1X2 X12 X22 Y2
1 10 7 23 230 161 70 100 49 529
2 2 3 7 14 21 6 4 9 49
3 4 2 15 60 30 8 16 4 225
4 6 4 17 102 68 24 36 16 289
5 8 6 23 184 138 48 64 36 529
6 7 5 22 152 110 35 49 25 484
7 4 3 10 40 30 12 16 9 100
8 6 3 14 84 42 18 36 9 196
9 7 4 20 140 80 28 49 16 400
10 6 3 19 114 57 18 36 9 361
Jumlah 60 40 170 1121 737 267 406 182 3162

Dari tabel diperoleh:

n = 10, X1 = 60, X2 = 40, Y = 170, X1Y = 1122, X2Y = 737, X1 X2 = 267,
X12 = 406, X22 = 182, Y2 = 3162
 n  X1Y  ( X1 ) ( Y)
r y x1 = n ( X )  ( X ) n ( Y )  ( Y )  =
2
1 1
2 2
1
2

10 (1122)  (60) (170)

r y x1 = 10 (406)  (60) 10 (3162)  (170) 
2 2

1020 1020

r y x1 = 460 x 2720 1118,57

r y x1 = 0,912

n  X 2 Y  ( X 2 ) ( Y)
r y x2 = n ( X )  ( X ) n ( Y )  ( Y)  =
2
2 2
2 2 2

10 (737)  (40) (170)

r y x2 = 10 (182)  (40) 10 (3162)  (170) 
2 2

570 570

r y x2 = 220 x 2720 773,56

r y x2 = 0,74
 n  X1X 2  (  X1 ) ( X 2 )
r x1 x 2 = n ( X )  ( X ) n ( X )  ( X )  =
2
1 1
2 2
2 2
2

10 (267)  (60) (40)

r x1 x 2 = 10 (406)  (60) 10 (182)  (40) 
2 2

270 270
r 
x1 x 2 = 460 x 220 318,12

r x1 x 2 = 0,85

r 2 y x1  r 2 y x2  2 ry x1 ry x2 rx1 x 2
ry x1 x 2 
1  r 2 x1 x 2

(0,912) 2  (0,74) 2  2 (0,912) (0,74) (0,85)

= 1  (0,85) 2

= 0,8354
= 0,914

Kesimpulan: Terdapat hubungan yang signifikan antara X2 bersama-sama dengan X2 dengan Y.

Atau : Terdapat hubungan yang signifikan antara pendapatan dan jumlah keluarga dengan
pengeluaran untuk membeli barang A.
Tabel Distribusi F
Baris atas untuk 5%
Baris Bawah Untuk 1 %
SEE YOU NEXT SESSION