STATISTIKA EKONOMI-2
UNTUK PROGRAM SARJANA
SEKOLAH TINGGI ILMU EKONOMI PGRI
SUKABUMI
PENGANTAR STATISTIKA
Definisi Statistika
Staistika adalah ilmu pengetahuan yang membahas tentang cara-cara
pengumpulan, pengolahan, penganalisaan data, penarikan kesimpulan
dan pembuatan keputusan yang beralasan berdasarkan penganalisaan
yang dilakukan.
Macam-macam Statistika
1. Statistika Deskriptif adalah bagian dari statistika yang membahas secara
khusus tentang deskripsi dari suatu data melalui ukuran-ukuran statistik, tabel
dan grafik serta melakukan penarikan kesimpulan berdasarkan deskripsi data
tersebut dengan tidak berlaku secara umum.
N S N S N S
10 10 220 140 1200 291
15 14 230 144 1300 297
20 19 240 148 1400 302
25 24 250 152 1500 308
30 28 260 155 1600 310
35 32 270 159 1700 313
40 36 280 162 1800 317
45 40 290 165 1900 320
50 44 300 169 2000 322
55 48 320 175 2200 327
60 52 340 181 2400 331
65 56 360 186 2600 335
Formula Empiris (Issac dan Michael, 1981 : 192)
χ2 NP (1 – P)
S =
d2 (N-1) + χ2 P (1 – P)
Keterangan :
S = ukuran sampel
N = ukuran populasi
P = Proporsi populasi sebagai dasar asumsi pembuatan tabel.
Harga ini diambil P = 0,05
d = derajat ketepatan yang direfleksikan oleh kesalahan yang
dapat ditoleransi dalam fluktuasi proporsi sampel pada
umumnya diambil 0,05.
χ2 = nilai tabel chi-square untuk satu dk relatif konfiden yang
diinginkan χ2 = 3,841 dengan tingkat kepercayaan 0,95.
Pendapat Gay
Gay (1981 : 98) menyatakan bahwa untuk menentukan ukuran
minimum sampel yang dapat diterima berdasarkan desain
penelitian, yaitu sebagai berikut :
1. Hipotesis Deskriptif
Adalah dugaan tentang nilai suatu variabel mandiri, tidak membuat
perbandingan atau hubungan
2. Hipotesis Komparatif
Adalah pernyataan yang menunjukkan dugaan nilai dalam suatu variabel
atau lebih pada sampel yang berbeda
3. Hipotesis Asosiatif
Adalah pernyataan yang menunjukkan dugaan tentang hubungan antara dua
variabel atau lebih.
E. Dua Tipe Kekeliruan
Kekeliruan yang terjadi ketika melakukan penarikan kesimpulan
berkenaan dengan perumusan hipotesis pada umumnya dapat
diperlihatkan pada tabel berikut :
F. Taraf Signifikan dan Kepercayaan
Setelah diketahui bahwa peluang membuat kekeliruan Tipe I
dinyakan sebagai α, maka dalam pemakaiannya α disebut
sebagai taraf signifikan, dan 1 – α disebut taraf kepercayaan.
Dimana:
r : Koefisien Korelasi
X : Variabel Pertama
Y : Variabel Kedua
N : Banyaknya pasangan data
Penjelasan:
Besarnya koefisien korelasi ditentukan dengan nilai : -1 < r < 1
Y Y
X X
Contoh:
Dilakukan penelitian untuk mengetahui ada tidaknya hubungan
antara motivasi kerja dengan produktivitas kerja. Untuk
keperluan tersebut, telah dilakukan pengumpulan data terhadap
10 responden yang diambil secara random. Berdasarkan 10
responden tersebut diperoleh data tentang motivasi kerja (X)
dan produktivitas kerja (Y) sebagai berikut:
X 80 90 70 60 70 80 90 60 70 80
Kesimpulan:
Terdapat hubungan yang signifikan antara Motivasi Kerja
dengan Produktivitas Kerja
C. Korelasi Ganda (Multiple Correlation)
Pemahaman tentang korelasi ganda dapat dilihat melalui
Gambar berikut:
X1 r1
R
r3 Y
r2
X2
Keterangan:
X1 = Motivasi Kerja
X2 = Disiplin Kerja
Y = Produktivitas Kerja
R = Korelasi Ganda
Rumus Korelasi Ganda
Ry =
Dimana:
= Korelasi antara variabel dansecara simultan
dengan Y
r = Korelasi antara variabel dengan Y
r = Korelasi antara variabel dengan Y
r = Korelasi antara variabel dengan
Contoh penggunaan korelasi ganda
Misalnya dari hasil penelitian yang berjudul: “Hubungan
Motivasi dan Disiplin dengan Produktivitas Kerja Pegawai Pada
Inspektorat Kota Sukabumi”. Berdasarkan data yang terkumpul
untuk setiap variabel, dan setelah dihitung korelasi
sederhananya ditemukan sebagai berikut:
1. Korelasi Motivasi kerja dengan Produktivitas kerja, r= 0,80
2. Korelasi Disiplin kerja dengan Produktivitas kerja, r= 0,92
3. Korelasi Motivasi kerja dengan Disiplin kerja r= 0,86
Dengan demikian dapat dihitung Korelasi Motivasi kerja dan
Disiplin secara simultan dengan Produktivitas kerja, dapat
dihitung:
Ry =
=
= 0,9202
Untuk pengujian signifikansi terhadap koefisien korelasi ganda
dapat menggunakan uji F dengan rumus sebagai berikut:
Fh =
Dimana:
k = Jumlah variabel Independent dan
n = Banyaknya anggota sampel
Berdasarkan angka yang telah ditemukan, dan bila n =
30, maka harga Fh dapat dihitung dengan rumus
sebelumnya.
Fh =
= 74,6017
Sedangkan F tabel dengan dk pembilang = k = 2 dan dk
penyebut = n – k – 1 = 30 – 2 – 1 = 27 dengan α = 5%,
sehingga F tabel = 4,74. Ternyata harga Fh > F tabel
(74,6017 > 4,74), maka Ho ditolak atau H1 diterima.
Kesimpulannya:
Jadi koefisien korelasi ganda yang ditemukan adalah
signifikan. Dengan demikian dapat dikemukakan,
bahwa:
Terdapat hubungan yang signifikan antara motivasi dan
disiplin kerja secara simultan dengan produktivitas kerja
pegawai pada Inspektorat Kota Sukabumi.
ANALISIS REGRESI
A.Pengertian
Analisis regresi merupakan analisis hubungan antara dua variabel atau lebih yang
dituangkan dalam bentuk persamaan matematik yang sesuai. Model Umum dari
regresi untuk populasi :
Y = + + + ... + β + ε
dimana : Y = Variabel dependen
= Variabel Independen; i = 1, 2, ... , k.
= Koefisien garis regresi; i = 0, 1, 2, ... , k
k = Banyaknya variabel independen
ε = Kekeliruan/galat acak
= =1
= = 20
= - 94,0757
Jadi persamaan regresi berganda adalah:
Ŷ = -94,0757 + 1,2621 X1 + 1,6279 X2
PENGUJIAN HIPOTESIS ASSOSIATIF
UNTUK REGRESI
Contoh:
Dilakukan penelitian untuk mengetahui apakah ada tidaknya
pengaruh motivasi dan disiplin terhadap produktivitas kerja. Untuk
keperluan tersebut, telah dilakukan pengumpulan data terhadap 10
responden yang diambil secara random sebagaimana pada tabel
sebelumnya.
Pertanyaan:
1. Apakah terdapat pengaruh positif motivasi terhadap
produktivitas kerja.
2. Apakah terdapat pengaruh positif disiplin terhadap produktivitas
kerja.
3. Apakah terdapat pengaruh positif motivasi dan disiplin kerja
secara simultan terhadap produktivitas kerja.
Berdasarkan ketiga pertanyaan tadi dapat dibuat model
konstelasi variabel sebagai berikut:
X1
X2
Keterangan:
X1 = Motivasi Kerja
X2 = Disiplin Kerja
Y = Produktivitas Kerja
Untuk penyelesaian dari ketiga pertanyaan tersebut
akan dilakukan pengujian hipotesis assosiatif melalui
IBM Statistics SPSS 24 atau SPSS 25.
ANALISIS JALUR (PATH ANALYSIS)
A. Pengertian
Analisis jalur merupakan pengembangan dari analisis regresi,
sehingga analisis regresi dapat dikatakan sebagai bentuk khusus
dari analisis jalur (regression is special case of path analysis).
Analisis jalur digunakan untuk melukiskan dan menguji model
hubungan antar variabel yang berbentuk sebab akibat. Dengan
demikian dalam hubungan antar variabel tersebut , terdapat
variabel independen (Eksogen) dan variabel dependen
(Endogen). Melalui analisis jalur ini akan dapat ditemukan jalur
mana yang paling tepat dan singkat suatu variabel independen
menuju variabel dependen yang terakhir.
B. Asumsi Analisis Jalur
1. Hubungan antar variabel yang akan dianalisis berbentuk
linier, aditif dan kausal.
2. Variabel-variabel residual tidak berkorelasi dengan variabel
yang mendahuluinya, dan juga tidak berkorelasi dengan
variabel yang lainnya.
3. Dalam model hubungan variabel hanya terdapat jalur
kausal/sebab akibat searah.
4. Data setiap variabel yang dianalisis adalah data interval dan
berasal dari sumber yang sama.
C. Diagram Jalur (Path Diagram)
X1 X1
X2 X3 X2 X3
X3 X4
X1
X2
X3 X4
X1
X2
X3 X4
X1
Keterangan:
⍴21 = adalah koefisien jalur dari X1 menuju X2
⍴31 = adalah koefisien jalur dari X1 menuju X3
⍴32 = adalah koefisien jalur dari X2 menuju X3
Contoh Analisis Jalur
Model diagram jalur dibuat berdasarkan variabel yang diteliti,
dalam penelitian ini variabel yang diteliti adalah Motivasi Kerja
(X1), Komitmen Organisasi (X2), Disiplin Kerja (Y) dan Kinerja
Pegawai (Z). Berikut model analisis jalur dalam penelitian dapat
dilihat pada gambar berikut :
ε1 ε2
X2 ⍴yx2
⍴zy
rx1x2 Y Z
⍴yx1
X1
Keterangan:
⍴yx1 : Koefisien jalur Motivasi Kerja terhadap Disiplin Kerja
⍴yx2 : Koefisien jalur Komitmen Organisasi terhadap Disiplin
Kerja
⍴zy : Koefisien jalur Disiplin Kerja terhadap Kinerja
rx1x2 : Koefisien korelasi antara variabel independen
ε : Faktor lain yang mempengaruhi variabel dependen
(diluar yang dipengaruhi yang tidak diteliti)
Adapun bentuk struktural dalam penelitian ini adalah sebagai
berikut :
Persamaan Jalur Sub Struktural pertama
Y= ρyx1X1 + ρyx2X2 + ε1
Dapat digambarkan sebagai berikut :
X2
⍴yx2
Y
rx1x2
⍴yx1
X1
Persamaan Jalur Sub Struktural Kedua
Z = ρzyY + ε2
Dapat digambarkan sebagai berikut :
ε1 ε2
⍴zy
Y Z
Dimana:
a = Koefisien regresi mentah (tidak standar) untuk hubungan antara IV dan mediator
Sa= Kesalahan standar a
b = Koefisien Regresi mentah untuk hubungan antara mediator dan DV (ketika IV juga
merupakan prediktor DV)
Sb= Kesalahan standar b
Masukkan a, b, Sa, dan Sb ke dalam sel di bawah
ini dan program ini akan menghitung rasio kritis
sebagai tes apakah pengaruh tidak langsung dari IV
pada DV melalui mediator secara signifikan berbeda
dari nol.
b Aroian test:
sa Goodman test:
sb Reset all
Sebagai alternatif, Anda dapat memasukkan ta dan tb
ke dalam sel di bawah ini, di mana ta dan tb adalah
statistik uji-t untuk perbedaan antara koefisien a dan b
dan nol. Hasil harus identik dengan tes pertama, kecuali
untuk kesalahan karena pembulatan.
Input: Test statistic: p-value:
ta Sobel test:
tb Aroian test:
Goodman test:
Reset all
Misal Judul Penenlitian:
Pengaruh Budaya Organisasi terhadap Komitmen Organisasional yang
dimediasi oleh Kepuasan Kerja Pegawai Pada Perusahaan “X”
Kerangka Pemikiran:
H1
H4
H2 H3
Sumber:
H1: Moon (2000); Manetje dan Martin (2009); Zain et.al. (2009).
H2: Kreitner dan Kinichi (2005); Aydin dan Ceylan (2009)
H3: Yousef (2002); Gunlu et al. (2010)
H4: I Wayan Sucipta Wibawa (2018).
Output SPSS
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients