S TAT I S T I K

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 dan intervalnya.
KELAS F NILAI FKKD FKLD •FKKD = Frekuensi
TENGAH Kumulatif Kurang Dari
0 80
•FKLD = Frekuensi
53 – 58 1 55,5 1 79 Kumulatif Lebih Dari
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 tengah
0
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 tengah
0
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 X₁ = Rp100.000,00
X₂ = Rp 80.000,00
X₃ = Rp120.000,00
X₄ = Rp125.000,00
X₅ = 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)
 KELAS F Xi F.Xi X I Xi - X l F l Xi - X l
53 - 58 1 55.5 55.5 78.5 23.0 23.0
59 - 64 2 61.5 123.0 78.5 17.0 34.1
65 - 70 17 67.5 1,147.5 78.5 11.0 187.5
71 - 76 13 73.5 955.5 78.5 5.0 65.4
77 - 82 24 79.5 1,908.0 78.5 1.0 23.3
83 - 88 9 85.5 769.5 78.5 7.0 62.7
89 - 94 7 91.5 640.5 78.5 13.0 90.8
95 - 100 7 97.5 682.5 78.5 19.0 132.8
80 6,282.0 78.5 619.6

Dari tabel diatas maka

3. Standard Deviation dan Variance
 Merupakan ukuran penyimpangan dari suatu
rangkaian data X₁, X₂,…,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
²

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 μ = Rp5.000,00
 Xi l Xi - X l ( Xi - X )²
4000 1000 1000000
5000 0 0
6000 1000 1000000
5000 0 0
4000 1000 1000000
3000000

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 :
KELAS F Xi F.Xi X I Xi - X l (Xi - X)² F (Xi - X)²
53 - 58 1 55.5 55.5 78.5 23 529 529
59 - 64 2 61.5 123 78.5 17 289 578
65 - 70 17 67.5 1,147.50 78.5 11 121 2057
71 - 76 13 73.5 955.5 78.5 5 25 325
77 - 82 24 79.5 1,908.00 78.5 1 1 24
83 - 88 9 85.5 769.5 78.5 7 49 441
89 - 94 7 91.5 640.5 78.5 13 169 1183
95 - 100 7 97.5 682.5 78.5 19 361 2527
80 6,282.00 7664

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 sebagai berikut :
SAMPEL MEREK A 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
PENJUALAN Misalkan tahun dasar yang
1990 180 0
digunakan adalah tahun 1990.
1991 196 1
1992 215 2
1993 228 3 Dari tabel tersebut, persamaan
1994 300 4 garis linear Y = a + bX dapat
1995 270 5
1996 325 6 dibuat melaui dua buah
1997 340 7 koordinat yang dipilih secara
1998 363 8
1999 276 9 bebas. Misalnya koordinat
2000 385 10
2001 399 11 tahun 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:
SEMI SEMI
TAHUN X PENJUALAN (Y) TOTAL RATA-RATA
X Y X Y
1990 0 180
1991 1 196
1992 2 215 15 1389 15/6 = 1389/6 =
1993 3 228 2.5 231.5
1994 4 300
1995 5 270
1996 6 325
1997 7 340
1998 8 363 51 2088 51/6 = 2088/6 =
1999 9 276 8.5 348
2000 10 385
2001 11 399
 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 + b∑X
∑XY = a∑X + b∑X²
Contoh :
Berikut data volume penjualan sabun per hari oleh
seorang agen dari PT Unilever :
VOLUME
TAHUN X XY X²
PENJUALAN (Y)
1975 -2 200 -400 4
1976 -1 245 -245 1
1977 0 240 0 0
1978 1 275 275 1
1979 2 285 570 4
1980 3 300 900 9
1981 4 290 1160 16
1982 5 315 1575 25
1983 6 310 1860 36
JUMLAH 2460 5695 96

Ditanya : buatlah trend volume penjualan sabun tersebut

dgn tahun dasar 1977 dengan metode least square
Jawaban :
∑Y = na + b∑X
Rumus :
∑XY = a∑X + b∑X²

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 X² X²Y 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+2,665X²

(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 :
  Log Y    (X Log Y) 
a  anti Log  
 b  anti Log  
 n   x 2 
 
 UJI CHI KUADRAT (χ²)
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 χ² 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 : P₁₁ = P₁₂ = P₁₃ = P₁₄
P₂₁ = P₂₂ = P₂₃ = P₂₄
P₃₁ = P₃₂ = P₃₃ = P₃₄
P₄₁ = P₄₂ = P₄₃ = P₄₄ (semua proporsi sama)
Ha : Tidak semua proporsi sama
2. Menentukan Level of Signifikan (α) = 0,05 atau 0,01
χ² tabel = (α ; (r-1)(k-1))
3. Kriteria pengujian
Ho diterima jika χ² hitung < χ² tabel
Ho ditolak jika χ² hitung > χ² tabel
4. Menghitung χ² hitung dengan tahap-tahap
 Menghitung proporsi baris
 Menghitung expected frequency (eij)
Rumus
 Menghitung nilai χ² hitung dengan rumus :
5. Membandingkan χ² hitung dan χ² 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. A DIV. B DIV. C DIV. D JUMLAH
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 : P₁₁ = P₁₂ = P₁₃ = P₁₄
P₂₁ = P₂₂ = P₂₃ = P₂₄
P₃₁ = P₃₂ = P₃₃ = P₃₄
Ha : Tidak semua proporsi sama
2. Menentukan LOS dan χ² tabel
α = 0,01 dengan db = (3-1)(4-1)=6
χ² tabel = 16,812
3. Menentukan kriteria pengujian
Ho diterima jika χ² hitung < χ² tabel
Ho ditolak jika χ² hitung > χ² tabel
4. Menghitung nilai χ² hitung :
 Menghitung expected frequency
n₁ = 327 n₂ = 125 n₃ = 48 n = 500
n₋₁ = 113 n₋₂ = 132 n₋₃ = 141 n₋₄ = 114
i = 1,2,3 j = 1,2,3,4
 nij eij nij - eij (nij-eij)²/eij
76 73.902 2.098 0.0596 χ² Hitung = 2,6257
85 86.328 -1.328 0.0204
91 92.214 -1.214 0.0160
75 74.556 0.444 0.0026
25 28.25 -3.25 0.3739
32 33 -1 0.0303
40 35.25 4.75 0.6401
28 28.5 -0.5 0.0088
12 10.848 1.152 0.1223
15 12.672 2.328 0.4277
10 13.536 -3.536 0.9237
11 10.944 0.056 0.0003
JUMLAH 2.6257
5. Kesimpulan
Karena χ² hitung = 2,6257 < χ² 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 β, dimana
dalam perhitungan garis regresi β 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
H₀ : β = 0 (X tidak mempengaruhi Y)
Ha : β ≠ 0 (X mempengaruhi Y)
2. Menentukan Level Of Signifikant (LOS) atau α
LOS biasanya sebesar 1% dan 5% sedangkan nilai t
tabel ditentukan seperti berikut : t (α/2 ; n-2 )
3. Menentukan kriteria pengujian
H0 diterima jika –t α/2 ≤ th ≤ t α/2
H0 ditolak jika th > t α/2 atau th < -t α/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 :
Biaya Produksi Luas Tanah
Y X
59.2 0.7
97.8 1.5
98.6 1.9
38.2 0.5
14.4 0.2
159.6 2.1
37 0.5
17.7 0.2
2.61 0.4
5.4 0.1

Pertanyaan :
a) Hitung nilai a dan b serta tentukan persamaan regresinya!
b) Ujilah hipotesisnya dengan α = 0,05
c) Hitunglah koefisien korelasinya!
Jawaban :
Biaya Produksi Luas Tanah
X² X.Y Y²
Y X
59.2 0.7 0.49 41.44 3504.64
97.8 1.5 2.25 146.7 9564.84
98.6 1.9 3.61 187.34 9721.96
38.2 0.5 0.25 19.1 1459.24
14.4 0.2 0.04 2.88 207.36
159.6 2.1 4.41 335.16 25472.16
37 0.5 0.25 18.5 1369
17.7 0.2 0.04 3.54 313.29
26.1 0.4 0.16 10.44 681.21
5.4 0.1 0.01 0.54 29.16
554 8.1 11.51 765.64 52322.86

Dari data di atas diketahui :

n = 10 ; ∑Y = 554 ; ∑Y₂ = 52322, 86 ; ∑X = 8,1 ;
∑X² = 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 Ý = 3,536 + 64,03X
b) 1. Ho : β = 0 tidak ada hub yang cukup berarti
Ha : β ≠ 0 ada hub yang cukub berarti
2. Menentukan LOS = 5%
t tabel = (α/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 uji F
dengan menggunakan Rumus seperti berikut :
R N  2001:258)
(Supranto,
2
k  1
F
k 1  R 2 

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
H₀ : β₁ = 0 ; Ha ≠ 0
H₀ : β₂ = 0 ; Ha ≠ 0
2. Menetukan LOS dan t tabel
t tabel = (α/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
X₁ : 8 8 6 5 3
X₂ : 0 1 1 3 4
Dimana :
Y = hasil per Ha (ton)
X₁ = jumlah pupuk yang dipakai (10 kg)
X₂ = 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 α = 0,05
Y X₁ X₂ Y² X₁² X₂² X₁ .Y X₂. Y X₁ . X₂
2 8 0 4 64 0 16 0 0
5 8 1 25 64 1 40 5 8
7 6 1 49 36 1 42 7 6
8 5 3 64 25 9 40 24 15
5 3 4 25 9 16 15 20 12
27 30 9 167 198 27 153 56 41