Analisis Varians Kovarians Dan Jalur

BUKU AJAR 2012
STATISTIK DUA
Analisis Varians, Kovarians, dan Jalur
Prof. Dr. I Wayan Koyan, M.Pd
Universitas Pendidikan Ganesha Press

1
KATA PENGANTAR
Berkat rakhmat Tuhan Yang Maha Esa/ Ida Sang Hyang Widi Wasa dan dengan
adanya bantuan dari beberapa pihak, buku tentang Statistik Pendidikan (Teknik Analisis
Data Kuantitatif) bidang kajian Statistik Dua dapat diselesaikan sesuai dengan rencana
yang telah ditentukan. Buku ini adalah buku referensi yang dapat digunakan sebagai
acuan untuk mata kuliah Statistik Dua pada Program Doktor (S3) Program Studi
Penelitian dan Evaluasi Pendidikan. Di samping itu, buku ini juga dapat digunakan oleh
mahasiswa strata tiga yang mengambil mata kuliah Statistik Pendidikan di lingkungan
Universitas Pendidikan Ganesha dan Perguruan Tinggi lainnya.
Kepada semua pihak yang telah memberikan bantuan moral maupun finansial
dalam penyelesaian buku ini, melalui kesempatan ini disampaikan ucapan terima kasih
yang sedalam-dalamnya. Secara khusus, ucapan terima kasih dan penghargaan yang
setinggi-tingginya disampaikan kepada Rektor Universitas Pendidikan Ganesha yang
telah memberikan dukungan moral bagi penyusunan buku ini. Ucapan terima kasih juga
disampaikan kepada Direktur Program Pascasarjana Universitas Pendidikan Undiksha
yang telah memberikan kesempatan kepada saya untuk menyusun buku referensi ini.
Akhirnya, kepada semua pihak yang turut membantu pelaksanaan penyusunan
buku ini, disampaikan ucapan terima kasih yang mendalam. Semoga buku ini bermanfaat
bagi mahasiswa dan para pembaca yang berminat mempelajari Statistika Pendidikan.
Disadari sepenuhnya bahwa buku ini masih belum lengkap dan banyak kekurangan.
Untuk itu, melalui kesempatan ini kami mohon masukan untuk perbaikan lebih lanjut.
Atas saran dan sumbangan dari pembaca yang budiman, saya haturkan terima kasih.
Singaraja, 5 Oktoberl 2012
Penyusun.
Prof. Dr. I Wayan Koyan, M.Pd.
DAFTAR ISI
Halaman judul .
Kata Pengantar ....................................................................................................
ii
Daftar Isi .............................................................................................................
iii
Tinjauan Mata Kuliah .........................................................................................
BAB I.AANALISIS VARIANS ...................................................................
A. Analisis Varians Satu Jalur...............................................................

B. Analisis Varians Dua Jalur (Faktorial 2 x 2).....................................
C. Analisis Varians Dua Jalur (Faktorial 3 x 3)....................................
D. Analisis Varians Tiga Jalur (Faktorial Tiga Faktor).......................
E. Analisis Varians Rancangan AS (Pengukuran Berulang)................
BAB II. ANALISIS REGRESI LINEAR DAN KORELASI ......................
2
6
12
18
23
26.
A. Analisis Regresi Linear Sederhana .................................................
26
B. Analisis Regresi Linear Ganda Dua Prediktor..................................
34
1. Konstelasi Masalah .....................................................................

2. Tabel Data ..................................................................................
3. Menghitung Beta .........................................................................
4. Menghitung Beta dengan Rumus Deviasi ....................................
5. Menghitung Skor Deviasi ............................................................
6. Keberartian Regresi Ganda ..........................................................
7. UjiKeberartian Regresi ................................................................
8. Uji Keberartian Koefisien Regresi Linear Ganda .........................
34
34
35
37
37
40
40
41
C. Analisis Regresi Tiga Prediktor ......................................................
43
1. Konstelasi Masalah .....................................................................

2. Contoh Data ...............................................................................
3. Persamaan Garis Regresi .............................................................
4. Menghitung Koefien Regresi .......................................................
5. Menghitung Harga Korelasi Ganda ................................ ............
6. Menguji Signifikansi Regresi ......................................................
7. Uji Keberartian Koefisien Regresi Linear Ganda .......................
8. Menghitung Sumbangan Efektif ...............................................
43
43
44
44
48
48
49
51
D. Korelasi Parsial ............................................................................ ....

BAB III. ANALISIS KOVARIANS .............................................................
A. Analisis Kovarians Satu Jalur (Satu Kovariabel) ..........................
B. Analisis Kovarians Satu Jalur (Dua Kovariabel)............................
C. Analisis Kovarians Satu Jalur (Tiga Kovariabel)............................
D. Rancangan Analisis Kovarians Dua Jalur (Satu Kovariabel)........77
E. Rancangan Analisis Kovarians Dua Jalur (Dua Kovariabel).........
F. Rancangan Anakova Tiga Jalur (Dua Kovariabel) ..........................
3
52
58
59
63
69
85
98
BAB IV. ANALISIS JALUR (PATH ANALYSIS) ...........................................
116
A. Pengertian
......................................................................................
116
B. Diagram Jalur ................................................................................
117
C. Koefisien Jalur ...............................................................................
118
D. Persamaan pada Analisis Jalur ......................................................
119
E. Pengujian Model ............................................................................
122
F. Analisis Jalur dengan Data Hasil Penelitian...................................
127
1. Hipotesis Penelitian .................................................................
127
2. Data Hasil Penelitian ................................................................
128
3. Langkah-langkah Perhitungan untuk Menguji Hipotesis ..........
129
DAFTAR PUSTAKA ................................................................................... .....
135
LAMPIRAN DAFTAR TABEL ................................................................... ....
136
RIWAYAT HIDUP ........................................................................................ 160
STATISTIK DUA
Tinjauan Mata Kuliah
Mata kuliah Statistik dua untuk mahasiswa strata tiga (S3) Program Studi
Penelitian dan Evaluasi Pendidikan (PEP), ditekankan pada materi pokok yang berkaitan
dengan teknik analisis data kuantitatif untuk penelitian dengan statistik parametrik.
Materi perkuliahan disajikan dalam bentuk ceramah/penjelasan, diskusi, dan latihanlatihan mengerjakan soal yang dirancang untuk memperdalam pemahaman terhadap
materi yang diberikan.
Penata Awal
Mata kuliah ini bertujuan untuk memberikan pendalaman tentang konsep analisis
data kuantitatif dengan statistik inferensial, meliputi: pendalaman tentang analisis
varians, analisis regresi, dan analisis varians satu jalur, analisis varians dua jalur, analisis
varians tiga jalur, dan analisis jalur (path analysis).
Pengorganisasian materi perkuliahan dirancang menjadi beberapa bab sebagai
berikut.
1. Bab I, mengkaji tentang Analisis Varians Satu Jalur (Anava A), Analisis Varians
Dua Jalur (Anava AB), Analisis Varians Tiga Jalur (Anava ABC), dan Rancangan
AS (rancangan satu sampel dengan pengukuran berulang).
2. Bab II, mengkaji tentang Analisis Regresi dan Korelasi (Analisis Regresi Satu
Prediktor), Analisis Regresi Ganda (Analisis Regresi Dua Prediktor), Analisis
Regresi Jamak (Analisis Regresi Tiga Prediktor) dan Analisis Korelasi Parsial.
3. Bab III, mengkaji tentang Analisis Kovarians Satu Jalur (Satu kovariabel, dua
kovariabel, dan tiga kovariabel), Analisis Kovarians Dua Jalur (Satu kovariabel,
dua kovariabel, dan tiga kovariabel), dan Analisis Kovarians Tiga Jalur (dua
kovariabel)
4. Bab IV, mengkaji secara singkat mengenai analisis jalur (path analysis).
5
Pada setiap pokok bahasan diberikan tes formatif atau tugas-tugas terstruktur, baik
tugas individual maupun tugas kelompok. Dengan demikian, diharapkan mahasiswa
memiliki kemampuan untuk menganalisis data kuantitatif dalam rangka menyusun
tugas akhir atau disertasi.
BAB I
ANALISIS VARIANS (Uji F)
Kompetensi Dasar
Mahasiswa
memahami
fungsi
teknik
analisis
varians
dan
mampu
menggunakannya untuk menganalisis data dan menguji hipotesis penelitian.

Indikator pencapaian
Mahasiswa dapat melakukan analisis data sebagai berikut.
1. Menganalisis data dan menguji hipotesis penelitian dengan teknik analisis varians
satu jalur
dua jalur
tiga jalur
AS (rancangan ulangan).
A. Analisis Varian Satu Jalur (ANAVA klasifikasi tunggal = ANAVA A)
Rancangan Analisis Varian Satu Jalur, disebut juga rancangan satu faktor, yaitu
rancangan yang menggunakan hanya satu variabel bebas atau variabel klasifikasi sampel,
misalnya variabel jenis kelamin atau variabel lokasi tempat tinggal, atau variabel
klasifikasi lainnya, seperti metode pembelajaran, media pembelajaran dan lain-lainnya.
Jika dalam penelitian menggunakan metode pembelajaran sebagai variabel bebas, maka
metode pembelajaran diklasifikasi menjadi metode satu (A1) metode dua (A2), metode
tiga (A3) dan seterusnya sesuai dengan keperluan.
Dalam penelitian eksperimental, rancangan ini disebut Rancangan Rambang
Lugas (Simple Randomized Design). Jika menggunakan rancangan ini, maka ada
beberapa syarat yang harus dipenuhi, yaitu: (1) sampel-sampel langsung diambil dari
populasi, bukan dari subpopulasi, (2) pemilihan sampel dilakukan secara acak/rambang,
6
(3) penentuan perlakuan dilakukan secara rambang/acak, dan (4) yang memberi
perlakuan dilakukan secara rambang/acak pula. Model matematik yang digunakan dalam
analisis, sering disebut rancangan analisis rancangan A, baik untuk penelitian
eksperimental maupun bukan eksperimenta, adalah sebagai berikut. (1) Jika yang terlibat
dalam penelitian hanya dua sampel, digunakan uji-t unruk sampel independen (bebas).
(2) Jika yang dilibatkan dalam penelitian lebih dari dua sampel, digunakan uji-F (Analisis
Varians) satu jalur.
Langkah-langkah pengujian hipotesis dengan anava satu jalur
(1) Menghitung Jumlah Kuadrad Total (JKtot):
JKtot
= Xtot2
tot
(2) Menghitung Jumlah Kuadrad Antar Kelompok (JKantar):
JKantar =
X
A
nA
tot
(3) Menghitunng Jumlah Kuadrad Dalam Kelompok (JKdal):

JKdal = JKtot JKantar
(1) Menghitung Mean Kuadrad (Rerata Jumlah Kuadrat atau RJK) antar Kelompok
(RJKantar):
RJKantar =
JK antar
a 1
a = jumlah kelompok
(5) Menghitung Rerata Jumlah Kuadrat dalam Kelompok (RJKdal)

JK dal
RJKdal = N a N = jumlah seluruh sampel
RJK antar
RJK dalam
(6) Menghitung harga Fhitung dengan rumus:
(7) Konsultasikan pada table F dengan db pembilang (a-1) dan db penyebut (N-a)
(8) Aturan keputusan : Jika F hitung lebih besar daripada F table pada ataraf
signifikansi tertentu (Misalnya: ts 5% atau 1%), maka Ha diterima dan H0 ditolak.
(9) Membuat kesimpulan, apakah terdapat perbedaan yang signifikan atau tidak
(10) Membuat Tabel Ringkasan Analisis Varians untuk Menguji Hipotesis k Sampel
Tabel 1.1. Tabel Ringkasan Analisis Varians untuk Menguji

Hipotesis k Sampel
Sumber
Variasi
antar A
JK (SS)
dalam
(error)
Total
RJK
(MS)
JK
a 1
N-a
JK dal
N a
--
nA
Fh
Ftab
RJK antar
RJK dal
--
--
--
--
Taraf sig
0.05 0.01
tot
N
JKdal = JKtot JKantar
Xtot2
db
(df)
a-1
tot
N-1
Contoh penerapan
Seorang peneliti ingin mengetahui pengaruh metode mengajar terhadap prestasi
belajar IPA. Metode mengajar digolongkan menjadi 4, yaitu : Metode ceramah (A 1),
Metode Diskusi (A2), Metode Pemberian Tugas (A3), dan Metode campuran (A4).
Hipotesis Statistik:
H0: 1 = 2 = 3 = 4
H1 : 1 2 3 4 (salah satu tanda )
Tabel 1.2. Data Hasil Belajar IPA Siswa SMA Klas II di Singaraja
(A1)
(A2)
(A3)
(A4)
10
Total
n1 = 5
n2 = 5
n3 = 5
n4 = 5
N = 20
X1 = 13
X2 = 27
X3 = 34
X4 = 44
Xtot = 118
X12 = 45
X 1 = 2,6
X22 = 151
X 2 = 5,4
X32 = 236
X 3 = 6,8
X42 = 390
X 4 = 8,8
Xtot2 = 822
X tot = 5,9
Perhitungan:
JKtot
= Xtot2
JKantarA =
nA
2
A1
n A1
tot
X
=
= 822
118 2
20 = 125,8
tot
A2
n A2
X
A3
n A3
X
A4
n A4
tot
13 2 27 2 34 2 44 2 118 2
101,8
5
5
5 - 20
= 5
JKdal = JKtot JKantar = 125,8 101,8 = 24
Atau JK dal:
X 2 tot
X A2
nA
132 27 2 34 2 44 2
5
5
5
5
822
24
dbA = a-1 = 4-1 = 3

RJKantar = JKantar : dbantar = 101,8 : 3 = 33,93.
db dalam = N a = 20-4 = 16
RJKdal = JKdal : dbdal = 24:16 = 1,5
Fhitung = RJKantar : RJKdal = 33,93 : 1,5 = 22,66 lihat table F
Tabel 1.3. Tabel Ringkasan Analisis Varians untuk Menguji
Hipotesis 4 Kelompok
Sumber
Variasi
JK
Antar A
dalam
Total
101,8
24
125,8
db
3
16
19
RJK
Fh
33,93
1,5
--
22,62
--9
Ftab
5%
3,24
---
Keputusan
1%
5,29
---
Signifikan
---
Uji t Scheffe: db t sama dengan db dalam = 16
t
t1-2 :
t
t1-3:
t
t1-4:
t
t2-3:
t
t2-4:
t
t3-4:
2,6 4,0
2 x1,5
5
signifikan
2,6 6,8
2 x1,5
5
4 6,8
2 x1,5
5
4 8,8
2 x1,5
5
6,8 8,8
2 x1,5
5
5,422 signifikan
2,6 8,8
2 x1,5
5
3,615
-8,004 signifikan
-1,807 non signifikan
- 4,389 signifikan
- 2,582 signifikan
Menarik kesimpulan
1. Metode mengajar berpengaruh terhadap hasil belajar siswa
2. Metode mengajar IV lebih berpengaruh terhadap hasil belajar siswa dari pada
metode mengajar III, II, dan I
3. Metode mengajar III lebih berpengaruh terhadap prestasi belajar siswa daripada
metode mengajar II dan I
4. Metode mengajar II lebih berpengaruh terhadap prestasi belajar siswa
dibandingkan dengan metode mengajar I.
B. Anava Dua Jalur (Anava AB) = Faktorial (2*2; 2*3; 3*3; dsb)
Rancangan faktorial merupakan perluasan rancangan satu faktor. Dalam
rancangan faktorial, sampel-sampel diklasifikasi atas dasar lebih dari satu variabel. Untuk
klasifikasi sampel yang terdiri atas dua variabel, rancangan faktorialnya disebut
10
rancangan faktorial dua faktor. Jika dua faktor itu diberi lambang menurut abjad, yaitu A
dan B, maka nama rancangannya disebut rancangan AB. Misalnya, seorang peneliti ingin
mengetahui pengaruh kepemimpinan dan motivasi kerja (faktor A) terhadap peningkatan
produktivitas kerja (faktor B) pada suatu perusahaan.
1. Hipotesis Penelitian (alternatif I)
(1) Terdapat perbedaan produktivitas kerja antara karyawan yang dipimpin
secara demokratis dengan karyawan yang dipimpin secara otoriter
(2) Terdapat perbedaan produktivitas kerja antara karyawan yang
memiliki motivasi tinggi dan karyawan yang memiliki motivasi
kerja rendah
(3) Terdapat pengaruh interaksi yang signifikan antara insentif dan
motivasi kerja terhadap produktivitas kerja
2. Hipotesis Statistik:
(1) H0: 1 = 2
H1: 1 2
(2) H0: 1 = 2
H1: 1 2
(3) H0: Inter AB = 0
H1: Inter AB 0
2. Hipotesis Penelitian (alternatif II),
Jika dianggap tidak layak membandingkan antara motivasi tinggi dan rendah, dapat
diajukan hipotesis penelitian sebagai berikut.
1) Terdapat perbedaan produktivitas kerja antara karyawan yang dipimpin
secara demokratis dengan karyawan yang dipimpin secara otoriter
2) Terdapat pengaruh interaksi yang signifikan antara kepemimpinan dan
motivasi kerja terhadap produktivitas kerja
3) Pada karyawan yang memiliki motivasi kerja tinggi, terdapat perbedaan
produktivitas kerja antara karyawan yang dipimpin secara demokratis dengan
karyawan yang dipimpin secara otoriter
11
4) Pada karyawan yang memiliki motivasi kerja rendah, terdapat perbedaan

produktivitas kerja antara karyawan yang dipimpin secara demokratis dengan
karyawan yang dipimpin secara otoriter
3. Rancangan Analisis
Tabel 1.4. Rancangan Anava 2 Jalur (Faktorial 2x2)
atau Treatment by Level
Insentif (A)
Motivasi
Kerja
(B)
Motivasi Tinggi
(B1)
Motivasi Rendah
(B2)
A1
(demokratis)
A2
(otoriter)
A 1 B1
A2 B1
A 1 B2
A2 B2
Keterangan:
A = Kepemmpin (A1= Demokratis dan A2= Otoriter)
B = Motivasi Kerja (B1= Tinggi; B2= Rendah)
Y = Produktivitas Kerja
4. Contoh aplikasi
Tabel 1.5. Data Hasil Penelitian
A1
A2
B1
X
8
9
8
9
8
B2
X
5
6
5
6
6
B1
X
7
7
7
7
6
B2
X
6
8
7
7
7
Tabel 1.6. Tabel Statistik Induk (untuk menolong perhitungan)

Stat
n
A1
B1
5
A2
B2
5
B1
5
B2
5
12
Total
A1
A2
B1
B2
20
10
10
10
10
X
X2
X
42
354
8,4
28
158
5,6
34
232
6,8
35
247
7
139
991
6,95
70
512
7
69
479
6,9
76
586
7,6
Atau dalam bentuk lain sebagai berikut.

Tabel 1.7. Statistik Induk
(A)
A1
(B)
B1
n
=5
X = 42
X2 = 354
X = 8,4
B2
n
=5
X = 28
X2 = 158
X = 5,6
Total
n
= 10
X = 70
X2 = 512
X =7
Total
A2
n
=5
X = 34
X2 = 232
X
= 6,8
n
=5
X = 35
X2 = 247
X
=7
n
= 10
X = 69
X2 = 479
X
= 6,9
n
= 10
X = 76
X2 = 586
X
= 7,6
n
= 10
X = 63
X2 = 405
X
= 6,3
N
= 20
Xtot = 139
X2tot = 991
X
= 6,95
5. Langkah-langkah perhitungan
a. JKtot = Xtot2
b. JKantar A
= 991 (1392 : 20) = 991 966,05 = 24,95
nA
X
A1
tot
n A1
tot
X
A2
n A2
tot
= (702 : 10) + (692 : 10) - (1392 : 20) = (490 + 476,1) 966,05

= 966,1 966,05 = 0,05
13
63
405
6,3
c. JK antarB
nB
n B1
tot
B2
nB 2
tot
= (762 : 10) + (632 : 10) - (1392 : 20) = (577,6 + 396,9) 966,05

= 974,5 966,05 = 8,45
d. JKinter AB =
X
AB
nAB
X

TOT
JK A JK B
(422:5) +(282:5)+ (342:5)+ (352:5) - (1392 : 20) 0,05 8,45

= (352,8 + 156,8 + 231,2 + 245 ) 966,05 0,05 8,45
= 985,8 966,05 0,05 8,45 = 11,25
e. JK dal =
2
tot
X
AB
n AB
= 991 985,8 = 5,2

atau JK dal = JKtot JKantarA JKantarB JKinterAB
= 24,95 0,05 8,45 11,25 = 5,2
f. JKtot = JKA+ JKB+ JKAB+JKdal = 0,05 + 8,45 + 11,25 + 5,2 = 24,95
db A = a-1 = 2 1 = 1
db B = b-1 = 2 1 = 1
db inter AB = db A x db B = 1x1 = 1
db dalam = N ab = 20 (2x2) = 20 -4 = 16
RJKA
= JKA : dbA
= 0,05 : 1 = 0,05
RJKKB
= JKB : dbB
= 8,45 : 1 = 8,45
RJKKAB
= JKAB dbAB = 11,25 : 1 = 11,25
RJKKdalam = JKdal : dbdal = 5,2 : 16 = 0,325

FA
= RJKA : RJKdalam = 0,05 : 0,325 = 0,154
FB
= RJKKB : RJKdalam = 8,45 : 0,325 = 26
FAB
= RJKAB : RJKdalam = 11,25 : 0,325 = 34,61
14
Tabel 1.8. Tabel Ringkasan Analisis ANAVA AB

Sumber
JK
db
RJK
Fh
5%
Variasi
Ftab
1%
0,05
0,05
0,154*)
4,49
8,53
8,45
8,45
26,00**)
4,49
8,53
Inter AB
11,25
11,25
34,61**)
4,49
8,53
dalam
Total
5,2
24,95
16
19
0,325
--
---
---
---
*) non signifikan
**) signifikan
Kesimpulan
FA = 0,154*) non signifikan, artinya? Tidak tedapat perbedaan yang signifikan
produktivitas kerja karyawan antara yang dipimpin secara demokratis dan otoriter.
Kepemimpinan tidak berpengaruh terhadap peningkatan produktivitas kerja karyawan
FB = 26,00**) signifikan, artinya ? Terdapat perbedaan yang signifikan
produktivitas kerja karyawan antara karyawan yang memiliki motivasi kerja tinggi dan
rendah. Motivasi kerja berpengaruh terhadap peningkatan produktivitas kerja.
FAB
34,61**) signifikan, artinya ? Dilanjutkan pada uji simple effect, untuk
mengetahui pengaruh antara kepemimpinan dan motivasi kerja terhadap produktivitas

kerja.
Karena pengaruh interaksi signifikan, harus dilanjutkan dengan uji t-Scheffe atau
uji Tukey, dengan rumus sebagai berikut.
15
Rumus Tukey:
X1 X 2
RJKdal
n
db Q = n dan m
(n = sampel, dan m = jumlah kelompok)
atau Untuk n1 = n2 : t =
X1 X 2
2 xRJKdal
n
, dimana db t = db dalam
db t sama dengan db dalam = 16. Nilai t tabel untuk db = 16 pada taraf signifikansi 5% =
2,120.
t
Uji t1-2:
t
Uji t1-3:
t
Uji t1-4:
t
Uji t2-3:
t
Uji t2-4:
t
Uji t3-4:
8.4 6.8
X1 X 2
t
2 x0.325
2 xRJKdal
10
n
=
= 6.276 (signifikan)
X1 X 3
8 .4 7 .0
5.49
2 xRJKdal
2 x0.325
n
10
=
(signifikan)
8.4 5.6
X1 X 4
10.98
2 x 0.325
2 xRJKdal
n
10
=
(signifikan)
X2 X3
6.8 7.0
0.78
2 xRJKdal
2 x0.325
n
10
=
(non signifikan)
6.8 5.6
X2 X4
4.707
2 x 0.325
2 xRJKdal
n
10
=
(signifikan)
X3 X4
7 .0 5 .6
5.49
2 xRJKdal
2 x0.325
n
10
=
(signifikan)
C. Analisis Varians Dua Jalur (Anava AB) = Faktorial (3x3)

Rancangan Analisis Varians Tiga Jalur atau Rancangan Faktorial Tiga Faktor, dapt
diperluasnmenjadi rancanganempat faktor, lima faktor, dan seterusnya. Makin banyak
16
faktornya, akan makin rumit pula rancangannya. Di bawah ini disajikan rancangan
faktorial tiga faktor (rancangan ABC) yang paling sederhana.
Model analisis untuk rancangan ABC adalah analisis varians tiga jalur (jalur A, B,
dan C). Pengaruh utama (main effect) yang dapat diuji dalam rancangan ini ada tiga,
yaitu pengaruh utama faktor A (FA), pengaruh utama faktor B (FB), dan pengaruh utama
faktor C (FC). Pengaruh interaksi yang dapat diuji adalah empat, yaitu pengaruh interaksi
AB, AC, BC, ABC. Contoh aplikasinya adalah sebagai berikut ini.
1. Rancangan Analisis
Tabel 1.9.Rancangan Anava 2 Jalur (Faktorial 3x3)
Metode (A)
A1
A2
A3
A 1 B1
A2 B1
A 3 B1
A 1 B2
A2 B2
A 3 B2
A 1 B3
A2 B3
A 3 B3
Inteligensi (B)
Inteligensi Tinggi
(B1)
Inteligensi Sedang
(B2)
Inteligensi Rendah
(B3)
Keterangan :
A = Metode Mengajar
A1 = Metode Mengajar I (ceramah)
A2 = Metode Mengajar II (diskusi)
A3 = Metode Mengajar III (pemberian tugas)
B = Inteligensi
B1 = Inteligensi Tinggi
B2 = Inteligensi Sedang
B3 = Inteligensi Rendah
Misalnya, seorang peneliti ingin mengetahui pengaruh metode mengajar terhadap hasil
belajar matematika.
2. Hipotesis Penelitian
(1) Terdapat perbedaan prestasi belajar matematika antara siswa yang mengikuti
pembelajaran dengan metode I, II, dan III
17
(1) Terdapat perbedaan prestasi belajar matematika antara siswa yang memiliki
inteligensi tinggi, sedang , dan rendah
(3) Ada pengaruh interaksi antara metode mengajar dan inteligensi
terhadap hasil belajar matematika
H0: (1) 1 = 2 = 3
(2) 1 = 2 = 3
(3) AB = 0
H1: (1) 1 2 3
(2) 1 2 3
(3) AB 0
4. Contoh aplikasi
Tabel 1.10. Data Hasil Penelitian
B1
X
2,5
A1
B2
X
3,5
B3
X
4,0
B1
X
3,5
A2
B2
X
2,0
B3
X
3,0
B1
X
2,5
A3
B2
X
3,5
B3
X
3,0
3,0
3,0
3,0
3,0
3,0
2,0
3,0
3,5
2,0
4,0
2,0
1,0
1,5
1,5
2,0
3,0
2,5
1,0
2,0
1,5
3,5
3,0
2,5
3,0
1,5
2,0
1,0
1,5
2,5
2,0
2,5
2,5
3,5
1,5
2,0
3,5
Keterangan:
A = Metode Mgajar
A1 = Metode Mengajar I (ceramah)
A2 = Metode Mengajar II (diskusi)
A3 = Metode Mengajar III (pemberian tugas)
B = Inteligensi
B1 = Inteligensi Tinggi
B2 = Inteligensi Sedang
B3 = Inteligensi Rendah
18
X = IP (Indek Prestasi)
5. Langkah-langkah analisis
Tabel 1.11. Statistik induk

STAT
n
X
X2
A1
A2
A3
TO-TAL
B1
B2
B3
B1
B2
B3
B1
B2
B3
5
13,0
37,5
2,6
5
12,5
33,75
2,5
5
13,5
42,75
2,7
5
13,5
38,75
2,7
5
11,5
27,75
2,3
5
13,5
38,25
2,7
5
11,5
28,75
2,3
5
13,5
38,75
2,7
5
10,5
27,25
2,1
A1
A2
A3
B1
B2
B3
15
15
15
15
15
15
39,0
38,5
35,5
38,0
37,5
37,5
113,5
104,75
94,75
105
100,25
108,25
2,6
2,56
2,36
2,53
2,5
2,5
Atau dalam bentuk table berikut.

(A)
(B)
B1
B2
B3
Total
A1
A2
A3
Total
n
=5
X = 13,0
X2 = 37,5
n
=5
X = 13,5
X2 = 38,75
n
=5
X = 11,5
X2 = 28,75
n
= 15
X = 38,0
X2 = 105
= 2,6
n =5
X = 12,5
X2 = 33,75
= 2,7
n
=5
X = 11,5
X2 = 27,75
= 2,3
n
=5
X = 13,5
X2 = 38,75
= 2,53
n
= 15
X = 39,0
X2 = 100,25
= 2,5
n
=5
X = 13,5
X2 = 38,75
= 2,3
n
=5
X = 13,5
X2 = 38,75
= 2,7
n =5
X = 10,5
X2 = 27,25
= 2,6
n
= 15
X = 37,0
X2 = 107,75
= 2,7
= 15
= 2,7
= 15
= 2,1
= 15
= 2,47
= 45
= 113
X = 39,0
X = 38,5
X = 35,5
X2 = 113,5
X2 = 104,75
X2 = 94,75
X2 = 313
19
45
113,0
313,0
2,51
= 2,6
= 2,56
= 2,36
= 2,51
Perhitungan:
b. JKantar =
nA
A1
n A1
113 2
313 283,76 29,24
45
313
tot
a. JKtot = Xtot2
tot
A2
n A2
X
n A3
39 2 38,5 2 35,5 2 113 2

15
15
X
B
n B1
c. JK antarB =
15
45
B2
nB 2
X
nB3
d. JKinter AB =
15
X
AB
n AB
15
45
tot
284,23 283,76 0,47
B3
38 2 37,5 2 37,5 2 113 2
= 15
A3
X
tot
283,77 283,76 0,01.
tot
JK A JK B
=
132 12,5 2 13,5 2 13,5 2 11,5 2 13,5 2 11,5 2 13,5 2 10,5 2
5
5
5
5
5
5
5
5
5
113 2
45
0,47 0,01
= (33,8+31,25+36,45+36,45+26,45+36,45+26,45+36,45+22,05) -283,76 0,47 0,01 =

285,8 -283,76 -0,47 0,01 = 1,56.
e. JK dal =
2
tot
X
AB
n AB
313 285,8 27,20
atau JK dal = JKtot JKantarA JKantarB JKinter = 29,24 0,47 0,01 -1,56
= 27,20
f. JKtot = JKA+ JKB+ JKAB+JKdal = 0,47+0,01+1,56+27,2 = 29,24
db A = a-1 = 3-1 = 2
db B = b-1 = 3-1 = 2
20
db inter AB = db A x db B = 2 x 2 = 4
db dalam = N ab = 45 (3x3) = 36
RJKKA = JKA : dbA = 0,47 : 2 = 0,24
RJKKB = JKB : dbB = 0,01 : 2 = 0,005
RJKAB
= JKAB dbAB = 1,56 : 4 = 0,39
RJKdalam = JKdal : dbdal = 27,2 : 36 = 0,76
FA
= RJKA : RJKdalam = 0,24 : 0,76 = 0,32
FB
= RJKB : RJKdalam = 0,005 : 0,76 = 0,006
FAB
= RJKAB : RJKdalam = 0,39 : 0,76 = 0,51
Tabel 1.13. Tabel Ringkasan Analisis ANAVA AB
SV
JK
db
RJK
Fh
Ftab
5%
1%
3,26
5,25
Antar A
0,47
0,24
0,32
Antar B
0,01
0,05
0.006
3,26
5,25
Inter AB
1,56
0,39
0,51
2,63
3,89
dalam
Total
27,20
29,24
36
44
0,76
--
--
--
Kesimpulan:
FA
= 0,32 non signifikan
FB
FAB
Catatan:
Jika hasil uji hipotesis terdapat pengaruh interaksi yang signifikan (F inter AB adalah
signifikan), maka dilanjutkan dengan uji simple effect dengan uji Tukey (jika n tiap
kelompok sama) atau uji t- Scheffe (jika n sama atau tidak sama), dengan rumus sebagai
berikut.
Q
Rumus Tukey:
t
Uji t-Scheffe:
X1 X 2
RJKdal
n
X1 X 2
2 xRJKdal
n
Tugas Latihan
21
Seorang peneliti bermaksud untuk mengetahui pengaruh metode pembelajaran

kooperatif dan motivasi belajar terhadap hasil belajar matematika pada siswa SMA.
Untuk itu, dilakukan eksperimen selama satu semester terhadap dua kelas sebagai
kelompok eksperimen dan dua kelas sebagai kelompok kontrol. Kelompok eksperimen
diajar dengan metode pembelajaran kooperatif, sedangkan kelompok kontrol diajar
dengan metode pembelajaran konvensional. Motivasi belajar siswa diklasifikasikan
menjadi motivasi tinggi dan rendah. Jumlah sampel penelitian sebanyak 100 orang.
1. Buatlah rancangan analisisnya
2. Rumuskan hipotesis statistiknya
3. Hitunglah harga F masing-masing
4. Jika terjadi pengaruh interaksi yang signifikan, lakukan uji lanjut
Catatan: datanya dikarang sendiri (angka puluhan, n = 100).
D. Analisis Varians Tiga Jalur (Rancangan Faktorial Tiga Faktor)
Analisis varians tiga jalur (rancangan ABC) digunakan untuk menganalisis data
pada sampel yang variabel bebasnya terdiri atas tiga variabel. Misalnya, kita bermaksud
menguji pengaruh jenis kelamin, tempat tinggal, dan sikap sosial terhadap prestasi belajar
IPS. Misalnya, data hasil penelitian sebagai berikut.
Tabel 1.14. Data Hasi Penelitian (Fiktif)
B
A1 (laki-laki)
A2 (perempuan)
C1
15
15
10
14
15
C2
14
16
17
15
17
17
C3
16
17
18
16
16
20
C1
10
12
12
12
14
C2
12
14
16
11
15
16
C3
15
16
19
13
16
18
C1
11
11
15
11
11
13
C2
16
16
18
13
13
18
C3
16
20
20
14
15
18
C1
11
14
12
12
12
C
B1
B2
B3
B4
22
C2
14
15
19
15
16
18
C3
14
18
20
17
19
20
Dalam hal ini variabel penelitiannya adalah sebagai berikut.

Variabel bebasnya:
A = jenis kelamin (A1 = laki-laki; dan A2 = perempuan)
B = tempat tinggal (B1 = kota; B2 = pinggiran kota; B3 = desa; B4 = desa terpencil)
C = sikap sosial (C1 = sikap tinggi; C2 = sikap sosial sedang; C3 = sikap sosial rendah)
Variabel terikatnya: adalah prestasi belajar IPS.
Untuk menganalisis data tersebut, terlebih dahulu perlu dibuatkan tabel data
statistik induk yang diperlukan untuk menguji hipotesis penelitian. Statistik yang
diperlukan untuk menghitung jumlah kuadrat adalah seperti tabel berikut.
Tabel 1.15. Tabel Statistik Induk
Tempat
Tinggal
(B)
Kota
(B1)
Sikap
Sosial (C)
Jumlah
Desa
Terpencil
(B4)
A2 (perempuan)
n
X
X2
Total
X
38
514
39
521
77
Sedang (C2)
47
741
49
803
96
Rendah (C3)
Tinggi (C1)
3
9
3
51
136
34
869
2124
388
3
9
3
52
140
35
912
2236
421
103
276
69
Sedang (C2)
42
596
42
602
84
Rendah (C3)
Tinggi (C1)
3
9
3
50
126
37
842
1826
467
3
9
3
47
124
35
749
1772
411
97
250
72
Sedang (C2)
50
836
44
662
94
Rendah (C3)
Tinggi (C1)
3
9
3
56
143
34
1056
2359
398
3
9
3
47
126
36
745
1818
432
103
269
70
Sedang (C2)
48
782
49
805
97
Rendah (C3)
Jumlah
Total
3
9
36
52
134
539
920
2100
8409
3
9
36
56
141
531
1050
2287
8113
108
275
1070
Jumlah
Desa
(B3)
Tinggi (C1)
Jumlah
Pinggiran
(B2)
A1 (laki-laki)
n
X
23
Total
X2
4360
3598
4177
4387
16522
semua
Langkah-langkah perhitungan:
1).
2).
JKTot 16522
JK A
1070 2
620,611
72
539 2 5312 1070 2
0,889
36
36
72
276 2 250 2 269 2 2752 1070 2

JK B
24,278
18
18
18
18
72
3).
4).
77 2 69 2 72 2 70 2 96 2 84 2 94 2 97 2 1032 97 2 1032 1082

6
6
6 6
6
6
6 6
6
6
6
6
1070 2
328,028.
72
JK C
X tot 2
FK (Faktor Koreksi) adalah
1070 2
15901,389
72
136 2 126 2 1432 134 2 140 2 124 2 126 2 1412
FK JK A JK B
9
9
9
9
9
9
9
9
5). 15945,55556 15901,389 0,889 24,278 18,999555 19,00
JK AB
JK AC
38 34 37 34 2 39 35 35 36 2 47 42 50 48 2
12
12
12
2
2
49 42 44 49 51 50 56 52 52 47 47 56 2 FK JK JK
A
C
12
12
12
1704,083333 1752,083333 2914,083333 2821,333333 3640,083333
6). 3400,333333 15901,389 0,889 328,028 1,694
JK BC
77 2 69 2 72 2 70 2 96 2 84 2 94 2 97 2 1032 97 2 1032
6
6
6
6
6
6
6
6
6
6
6
1082
FK JK B JK C 16263,66667 15901,389 328,028 24,278 9,972
7). 6
24
8).
JK ABC
382 47 2 512 34 2 42 2 50 2 37 2 50 2 56 2 34 2 48 2 52 2
3
3
3
3
3
3
3
3
3
3
3
3
39 2
3
49 2 52 2 352 42 2 47 2 35 2 44 2 47 2 36 2 49 2 56 2
FK JK A JK B
3
3
3
3
3
3
3
3
3
3
3
JK C JK AB JK AC JK BC 1628,99996 15901,389 0,889 24,278 328,028
19,00 1,694 9,972 4,75
9).
JK dal JK tot JK A JK B JK C JK AB JK AC JK BC JK ABC 620,611 0.889
24,278 328,028 19,0 4,75 1,694 9,972 232,334
10). Menghitung Derajat Kebebebasan
dbA a 1 2 1 1
dbB b 1 4 1 3
dbC c 1 3 1 2
dbAB dbA * dbB 1 * 3 3
dbAC dbA * dbC 1 * 2 2
dbBC dbB * dbC 3 * 2 6
dbABC dbA * dbB * dbC 1 * 3 * 2 6
dbdal N 1 dbA dbB dbC dbAB dbAC dbBC dbABC 72 1 23 48
dbtotal N 1 72 1 71
11). Menghitung Rerata Jumlah Kuadrat (RJK)
RJKA = JKA/dbA = 0,889/1 = 0.889
RJKB = JKB/dbB = 24,278/3 =8,093
RJKC = JKC/dbC =328,028/2 = 164,014
RJKAB = JKAB/dbAB = 19/3 = 6,333
RJKBC = JKBC/dbBC = 9,972/6 = 1,662
RJKAC = JKAC/dbAC = 1,694/2 = 0,847
RJKABC = JKABC/dbABC = 4,75/6= 0,792
RJKdal = RJKdal/dbdal = 232,00/48 = 4,833 (varians terkecil/pembagi)
25
12). Menghitung harga F

FA = RJKA/RJKdal = 0,889/ 4,833 = 0,184
FB = RJKB/RJKdal = 8,093/4,833 = 1,674
FC = RJKC/RJKdal = 164,014/4,833 = 33,934 (sig)
FAB= RJKAB/RJKdal = 6,333/4,833 =1,310
FAC = RJKAC/RJKdal =0,847/4,833 =0,175
FBC = RJKBC/RJKdal =1,1662/4,833 = 0,344
FABC = RJKABC/RJKdal= 0,792/4,833 = 0,164
Tabel 1.16. Tabel Ringkasan Anava ABC
SV
A
JK
0,889
db
1
RJK
0,889
Fh
0,184ns
F tab
4,08
24,278
8,093
1,674ns
2,84
328,028
164,014
33,934*)
3,23
AB
19,00
6,333
1,310ns
2,84
AC
1,694
0.847
0,175ns
3,23
BC
9,972
1,662
0,344ns
2,17
ABC
4,75
0,792
0,164ns
2,17
dalam
Total
232,00
620,611
48
71
4,833
--
---
--
Memperhatikan tabel di atas, ternyata hanya FC (F antar C atau F antar sikap

sosial yang signifikan). Ini berarti terdapat perbedaan yang signifikan prestasi belajar IPS
antara siswa yang memiliki sikap sosial tinggi, sedang, dan rendah. Prestasi belajar IPS
yang tertinggi diperoleh oleh siswa yang memiliki sikap sosial rendah.
Uji lanjut antar C dengan t Scheffe, t tabel = 2,021
t1-2 = 5,449 (sig)
t1-3 = 8,071 (sig)
t2-3 = 2,620 (sig)
E. Anava Rancangan AS (Rancangan Pengukuran Berulang)
26
Rancangana analisis varians ini disebut juga Treatment by Subject, before after
design. Rancangan ini hanya terdiri atas satu kelompok sampel dan digunakan untuk
menganalisis suatu perkembangan dari suatu periode ke periode berikutnya. Misalnya,
ingin diteliti tentang pengaruh penggunaan metode inovatif terhadap prestasi belajar IPA.
Misalnya, diperoleh data seperti tabel berikut.
Tabel 1.17. Data Perkembangan Prestasi Belajar IPA
A1
X1
A2
X2
A3
X3
A4
X4
XTot
20
20
29
26
24
28
Kasus
1
Berdasarkan data pada tabel di atas, kemudian dihitung statistik induk yang
diperlukan untuk menganalisis data tersebut, seperti tabel berikut.
Statistik
n
A1
6
A2
6
A3
6
A4
6
Total
24
29
31
40
47
147
147
X2
X
155
4,83
171
5,16
272
6,6
375
7,83
973
6,125
3677
6,125
Langkah mengerjakan:
1)
JKTot 973
147 2
72,625
24
29 2 312 40 2 47 2 147 2
JK A
34,792
6
24
2).
3677 147 2
JK S
18,875
4
24
3).
27
XS
6
JK AS JKTOT JK A JK S 72,625 34,792 18,875 18,958.
4).
5). dbA= a-1 = 4-1 = 3
6). dbS = s-1 = 6-1 = 5
7). dbAS = dbA * dbS = 3 * 5 = 15
RJK A
JK A 34,792
11,597
dbA
3
RJK S
JK S 18,875
3,775
dbS
5
8).
9).
10).
RJK AS
JK AS 18,958
1,264
dbAS
15
Tabel1.19. Ringkasan Anava AS

SV
S
JK
18,875
db
5
RJK
3,775
Fhitung
2,987
F tabel
-
34,792
11,597
9,175*)
5.42
AS (dalam)
18,958
15
1,264
Total
72,625
23
*) = signifikan pada taraf signifikansi 5%

Dalam hal ini yang menjadi sasaran uji hipotesisnya adalah F antar A. FA hitung
diperoleh 9,175 lebih besar dari Ftabel (ts. 1%) = 5,42, sehingga H0 ditolak dan H1
diterima.Dengan demikian ada perbedaan yang signifikan prestasi belajar IPA antara
periode pengukuran pertama sampai dengan pengukuran terakhir. Oleh karena harga F
hitung signifikan, maka harus dilanjutkan dengan uji simple effect antar periode
pengukuran dengan menggunakan rumus t-Scheffe. Yang diuji adalah antar periode,
yaitu: (1) t (A1-A2); t (A1-A3); t (A1-A4); t (A2-A3), t (A2-A4); dan t (A3-A4). Untuk
hasil uji FS tidak dibahas karena asumsi dalam Psikologi menyatakan bahwa antar subyek
memang terdapat perbedaan secara individual. Uji FS bisa dugunakan untuk menguji
homogenitas varians. Db t = db dalam = 15. Harga t tabel untuk ts 5% = 2,132
28
t (A1-A2) =
4.83 5.16
X1 X 2
2 * RJK dal
2 *1.264
n
6
0.33
0.4213333
0.33
0.508
0.649
(ns)
t (A1-A3) = 4.83 6,6 = 1,77/0,0.649 = 2,727 ( signifikan)

t (A1-A4) = 4,83 7,83 = 3/0,649 = 4,622 (sig)
t (A2-A3) = 5,16 6,6 = 1,44/0.649 = 2,219 (sig)
t (A2-A4) = 5,16 7,83 = 2,67/0,649 = 4,114 (sig)
t (A3-A4) = 6,6 7,83 = 1,23/0,649 = 1,895 (ns)
Simpulan:
Penggunaan metode inovatif berpengaruh terhadap peningkatan prestasi belajar IPA
antara pengukuran periode 1 dan 3; 1 dan 4; 2 dan 3; dan 2 dengan pengukuran ke empat.
BAB II
ANALISIS REGRESI LINEAR DAN KORELASI
Kompetensi Dasar
29
Mahasiswa memahami tentang analisis regresi linear dan korelasi, serta mampu
menggunakannya untuk menganalisis data kuantitatif.
Mahasiswa dapat:
1.
2.
3.
4.
5.
6.
7.
menjelaskan manfaat analisis regresi dan korelasi

menjelaskan manfaat analisis regresi dan korelasi
merumuskan hipotesis penelitian dan hipotesis statistik
menguji hipotesis
menguji kebermaknaan dan keliniearan regresi
mengambar garis persamaa regresi sederhana
menerapkan teknik analisis regresi dan korelasi untuk menguji hipotesis
penelitian
8. menghitung koefisien determinasi
9. menghitung sumbangan efektif masing-masing prediktor terhadap kriterium
10. menerapkan teknik analisis parsial
11. menafsirkan dan menyimpulkan hasil uji hipotesis dengan analisis regresi,
korelasi, dan parsial.
Uraian Materi
A. Analisis Regresi Linear Sederhana
Regresi adalah bentuk hubungan fungsional antara variabel respon dan prediktor.
Guna regresi adalah untuk prediksi. Dalam hal ini, regresi linear sederhana Y atas X.
Misalnya, apakah prestasi belajar (Y) dapat diprediksi dari motivasi (X)? Atau apakah
terdapat hubungan fungsional antara motivasi dan prestasi belajar? Konstelasi
masalahnya dapat digambarkan sebagai berikut.
X
Gambar 2.1. Hubungan antara Variabel Bebas dan Variabel Terikat
Variabel X = variabel prediktor (bebas, independen)

Variabel Y = variabel kriterium (respon, terikat, tergantung, dependen)
Persamaam regresi linear sederhana: Rumus: = a + bX

Keterangan: a = konstanta (bilangan konstan)
b = koefisien arah regresi
30
Y X X XY
n X X
2
a
Rumus:
b
n XY X Y
n X 2 X
1. Contoh analisis regresi sederhana

Tabel 2.1. Skor Motivasi (X) dan Skor Prestasi belajar (Y)
Responden
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Jumlah ()
X
34
38
34
40
30
40
40
34
35
39
33
32
42
40
42
42
41
32
34
36
37
36
37
39
40
33
34
36
37
38
1105
Y
32
35
31
38
29
35
33
30
32
36
31
31
36
37
35
38
37
30
30
30
33
32
34
35
36
32
32
34
32
34
1001
XY
1088
1368
1054
1520
870
1400
1320
1020
1120
1404
1023
992
1512
1480
1470
1596
1517
960
1020
1080
1221
1152
1258
1365
1440
1056
1088
1224
1184
1292
37094
2. Langkah-langkah Perhitungan
Diketahui: X
= 1105
Y = 1001
31
X2
1156
1444
1156
160
900
1600
1600
1156
1225
1521
1089
1024
1764
1600
1764
1764
1681
1024
1156
1296
1369
1296
1369
1521
1600
1089
1156
1296
1369
1444
41029
Y2
1024
1296
961
1444
841
1225
1089
900
1024
1296
961
961
1296
1369
1225
1444
1369
900
900
900
1089
1024
1156
1225
1296
1024
1024
1156
1024
1156
33599
XY = 37094
X2 = 41029
Y2 = 33599
a
1001 41029 1105 37094 8,24

2
30 41029 1105
30(37094) (1105)(1001)
0,68
30(41029) (1105) 2
Dengan demikian, persamaan garis regresinya: = 8,24 + 0,68X

Jika X = 32, maka = 8,24+0,68 * 32 = 28,64
-30,00...........
= 8,24 + 0,68X
-8,24
30
32
34
36
Gambar 2.2. Gambar Persamaan Garis Regresi
3. Uji Kelinearan dan Keberartian Regresi

Hipotesis yang diuji adalah sebagai berikut.
(1) H0: Regresi linear
H1: Regresi non linear
(2) H0: Harga F regresi non signifikan/tidak bermakna/tidak berarti
H1: Harga F regresi signifikan/bermakna/berarti
Langkah-langkah mengerjakan adalah sebagai berikut.
(1) Urutkan data X dari terkecil hingga data terbesar, diikuti oleh data Y
Tabel 2.2. Pengelompokan data Skor Motivasi dan Prestasi Belajar
X
30
32
32
Kelompok
1
2
ni
1
2
32
Y
29
31
30
33
33
34
34
34
34
34
35
36
36
36
37
37
37
38
38
39
39
40
40
40
40
40
41
42
42
42
5
6
1
3
10
11
12
1
3
31
32
32
31
30
30
32
32
30
32
34
33
34
32
36
34
36
35
38
35
33
37
36
37
36
35
38
Dengan demikian, terdapat 12 kelompok

(2) Hitung berturut-turut Jumlah Kuadrat (JK) = Sum Square (SS) dengan rumus
berikut.
JK(T) = Y2
JK(a) = (Y)2
N
X Y
b XY
N
JK(ba) =
JK(S) = JK(T) JK(a) JK(ba)
Y 2
2
Y n
JK(G) =
JK(TC) = JK(S) JK(G)
33
Perhitungan:
JK(T) = Y2 = 33599
JK(a) = (Y)2 = (1001)2 : 30 = 33400,03
N
X Y
(1105)(1001)
b XY (0,68) 37094
152,21
N
30
JK(ba) =
JK(S) = JK(T) JK(a) JK(ba) = 33599 33400,03 152,21 = 46,76
JK(G)
(29) 2 2
(31 30) 2
2
2
29
31 30

1
2
(31 32) 2
(32 31 30 30 32) 2
2
2
2
2
2
32
31
30
30
32

2
5
2
2
(32)
(30 32 34)
(33 34 32) 2
2
2
2
2
2
2
2
32
30 32 34
33 34 32

1
3
3
2
2
(36 34)
(36 35)
2
2
2
2
36 34
36 35

2
2
2
2
31 32
(38 35 33 37 36)
(37) 2
2
37
5
1
(36 35 38) 2
2
2
2
36 35 38
37,67
3
JK (G) = 37,67
2
2
2
2
2
38 35 33 37 36
JK(TC) = JK(S) JK(G) = 46,76 37,67 = 9,09

(3) Hitung derajat kebebasan (dk) sebagai berikut.
dk (a) = 1 dk = derajat kebebasan = degree of freedom (df)
dk (b|a) = 1 jumlah prediktor 1
dk sisa = n-2 = 30-2 = 28
dk tuna cocok = k-2 = 12-2 = 10 k= jumlah pengelompokan data X = 12
dk galat = n-k = 30-12 =18
(4) Hitung Rerata Jumlah Kuadrat (RJK) sebagai berikut.
RJK(T) = JK(T) : n = 33599 : 30 =1119,97
RJK(S) = JK(S) : dk(S) = n-2 = 46,76: 28 = 1,67
34
RJK(Reg) = JK(Reg) : dk(reg) = 152,21 : 1 = 152,21

RJK(TC) = JK(TC) : db(TC) = 9,09 : 10 = 0,91.
(5) Hitung harga F regresi dan F tuna cocok sebagai berikut.
F (Reg) = RJK(Reg) : RJK(Sisa) = 152,21 : 1,67 = 91,14
F(TC) = RJK(TC) : RJK(G) = 0,91 : 2,09 = 0,44
(5) Masukkan ke dalam tabel F (ANAVA) untuk Regresi Linear berikut
Tabel 2.3. Tabel Ringkasan Anava Untuk Menguji Keberartian dan Linearitas Regresi
Sumber Variasi
Total
Koefisien (a)
JK (SS)
33599
33400,03
dk (df)
30
1
RJK (MS)
1119,97
-
F hitung
-
F tabel
-
Regresi (ba)
152,21
152,21
91,14*)
4,20
Sisa(residu)
Tuna Cocok
46,76
9,09
28
10
1,67
0,91
0,44ns
2,42
Galat (error)
37,67
18
2,09
*) signifikan pada taraf signifikansi 5%

ns = non signifikan
Keterangan:
JK (T) = Jumlah Kuadrat Total
JK(a) = Jumlah kuadrat (a) koefisien (a) = konstanta, X=0
JK(ba) = Jumlah kuadrat (ba) koefisien regresi
JK(S) = Jumlah Kuadrat Sisa (residu)
JK(G) = Jumlah kuadrat Galat (error)
JK(TC) = Jumlah Kuadrat Tuna Cocok (penyimpangan linearitas)
RJK = Rerata Jumlah Kuadrat = Sum Square (SS) = Rerata Jumlah Kudrat (RJK)
(6) Aturan keputusan (kesimpulan):

Jika F hitung (regresi) lebih besar dari harga F tabel pada taraf signifikansi 5% (
0,05), maka harga F hitung (regresi) signifikan, yang berarti bahwa koefisien regresi
adalah berarti (bermakna). Dalam hal ini, F hitung (regresi) = 91,14, sedangkan F tabel
35
untuk dk 1:28 (pembilang = 1; dan penyebut = 18) untuk taraf signifikansi 5% = 4,20. Ini
berarti, harga F regresi > dari harga F tabel, sehingga hipotesis nol ditolak dan hipotesis
alternatif diterima, sehingga harga F regresi adalah signifikan. Dengan demikian, terdapat
hubungan fungsional yang signifikan antara variabel motivasi dan prestasi belajar.
Jika harga F hitung (tuna cocok) lebih kecil dari harga F tabel, maka harga F
hitung (tuna cocok) non signifikan, yang berarti bahwa hipotesis nol diterima dan
hipotesis altenatif ditolak, sehingga regresi Y atas X adalah linear. Dalam hal ini, F hitung
(tuna cocok) = 0,44, sedangkan F tabel untuk taraf signifikansi 5% = 2,42, dengan
demikian harga F tuna cocok < dari harga F tabel. Ini berarti, H0 diterima sehingga harga
F tuna cocok adalah non signifikan. Dengan demikian, hubungan antara variabel motivasi
dan prestasi belajar adalah linear.
Atas dasar analisis regresi, dapat dihitung kadar hubungan antara X dan Y atau
kadar kontribusi X terhadap Y. Koefisien korelasi (r) dapat dihitung dengan rumus
berikut:
JK (TD) JK ( S )
JK (TD )
r2 =
, dimana JK(TD) = jumlah kuadrat total dikoreksi.
198,97 46,76
0,765
198,97
JK(TD) = JK(T) JK(a) = 33599 - 33400,03 = 198,97. Jadi r2 =
Koefisien korelasinya (r) =
0,765
0,875.
Dengan rumus korelasi produk moment, juga dapat dihitung koefisien korelasinya, yaitu
sebagai berikut:
Telah diketahui (telah dihitung di atas):
X
= 1105
Y = 1001
XY = 37094
X2 = 41029
Y2 = 33599
rxy
N XY X Y
N X
N Y
36
rxy
(30 x37094) (1105 x1001)
(30 x41029) (1105) (30 x33599) (1001)

2
0,875
Untuk uji signifikansi koefisien korelasi, digunakan table nilai-nilai r Product

Moment untuk n = 30 pada taraf siginifikansi 5%. Nilai r table untuk n = 30 pada taraf
signifikansi 5% = 0,361; dan untuk taraf signifikansi 1% = 0,463. Dengan demikian, nilai
r hitung = 0,875 lebih besar dari nilai r table, baik pada taraf signifikansi 1% maupun 5%.
Ini berarti, bahwa nilai r hitung adalah signifikan pada taraf signifikansi 5% maupun 1%.
Kesimpulan: H0 ditolak, dan H1 diterima, yang berarti bahwa terdapat korelasi positif
antara motivasi dan prestasi belajar.
Catatan: Selain pengujian signifikansi menggunakan tabel r, dapat juga
menggunakan uji-t, dengan rumus berikut (jika tidak ada tabel nilai-nilai r product
moment)
r n2
1 r2
0,875 30 2
1 (0,875) 2
4,630064794
9,564
0,484122918
Selanjutnya, harga t hitung tersebut dibandingkan dengan harga t tabel. Untuk uji
dua pihak pada taraf signifikan 5%, dk = n-2 = 30-2 = 28, maka harga t tabel = 2,048.
Ternyata harga t hitung lebih besar dari harga t tabel, sehingga H 0 ditolak, dan H1
diterima. Ini berarti, harga t hitung adalah signifikan, sehingga disimpulkan bahwa
terdapat korelasi positif dan signifikan antara motivasi dan prestasi belajar. Untuk
mengetahui kontribusi variabel prediktor terhadap kriterium, nilai koefisien korelasinya
dikuadratkan (r2). Koefisien determinasi (r2) = (0,875)2 = 0,765 atau 76,5%; ini berarti
sumbangan atau kontribusi motivasi terhadap prestasi belajar adalah sebesar 76,5%,
sedangkan residunya sebesar 23,5% dijelaskan oleh variabel lain yang tidak diteliti.
B. Analisis Regresi Linear Ganda Dua Prediktor (Multiple Regression)

1. Konstelasi Masalah
37
X1
Y
X2
Gambar 2.3. Hubungan antara Variabel Prediktor dan Kriterium
Keterangan:
X1 = Kemampuan kerja karyawan
X2 = Kepemimpinan direktif
Y = Produktivitas kerja
Rumus persamaan regresi: = b0 + b1X1+ b2X2
= prediksi atau ramalan kriterium
b0 = a = (konstan)
b1 = beta prediktor X1
b2 = beta prediktor X2
2. Tabel Data
Tabel 2.4. Data Skor Kemampuan kerja, Kepemimpinan direktif,
dan Produktivitas kerja
Respon-den
1
2
3
4
5
6
7
8
9
10
X1
10
2
4
6
8
7
4
6
7
6
60
X2
7
3
2
4
6
5
3
3
4
3
40
Y
23
7
15
17
23
22
10
14
20
19
170
X12
100
4
16
36
64
49
16
36
49
36
406
Hasil perhitungan pada tabel di atas adalah:

X1
= 60
X2
= 40
= 170
X12 = 406
X22 = 182
38
X22
49
9
4
16
36
25
9
9
16
9
182
X1 X2
70
6
8
24
48
35
12
18
28
18
267
X1Y
230
14
60
102
184
154
40
84
140
114
1122
X2Y
161
21
30
68
38
110
30
42
80
57
737
Y2
529
49
225
289
529
484
100
196
400
361
3162
X1X2 = 267
X1Y = 1122
X2Y = 737
Y2
= 3162
3. Menghitung beta
Menghitung harga-harga : b0; b1, b2 dengan menggunakan persamaan berikut,
dengan menggunakan skor angka kasar:
(1) Y
= nb0
+ b1X1
+ b2X2
(2) X1Y
= b0X1
+ b1 X12
+ b2X1X2
(3) X2Y
= b0X2
+ b1X1X2 + b2X22
Masukkan harga-harga di atas dimasukkan ke dalam persamaan tersebut sehingga

menjadi:
(1) 170
= 10 b0
+ 60 b1 + 40 b2
(2) 1122
= 60 b0
+ 406 b1 + 267 b2
(3) 737
= 40 b0
+ 267 b1 + 182 b2
Untuk menyelesaikan persamaan tersebut untuk memperoleh koefisien b0, b1, dan b2,
dapat digunakan metode eliminasi berikut.
Persamaan (1) dikalikan 6, persamaan (2) dikalikan 1, kemudian dikurangkan sehingga
menjadi sebagai berikut.
1020
= 60 b0
+ 360 b1
+ 240 b2
1122
= 60 b0
+ 406 b1
+ 267 b2
______________________________________ - 102 = 0
(4)
-46 b1 +
-27 b2
- 102 = -46 b1 - 27 b2
Persamaan (1) dikalikan dengan 4, persamaan (3) dikalikan dengan 1, hingga hasilnya
menjadi sebagai berikut:
680
= 40 b0 + 240 b1 +
160 b2
737
= 40 b0 + 267 b1 +
182 b2
________________________________
39
(5)
-57
= 0 + - 27 b1
-57
- 22 b2
- 27 b1
- 22 b2
Persamaan (4) dikalikan dengan 27, persamaan (5) dikalikan dengan 46, sehingga
hasilnya menjadi:
-2754 = -1242 b1 - 729 b2
-2622 = -1242 b1 - 1012 b2
_____________________________
-132
0 b1
+ 283 b2
b2 = -132 : 283 = - 0,466

Harga b2 dimasukkan ke dalam salah satu persamaan (4) atau (5). Dalam hal ini,
dimasukkan ke dalam persamaan (4), sehingga menjadi:
-102
= -46 b1 27 (-0,466)
-102
= -46 b1 +12,582
46b1
= 114,582 b1 = 2,4909 = 2,491
Harga b1 dan b2 dimasukkan dalam persamaan (1), sehingga menjadi:

170
= 10 b0
+ 60 (2,4909) + 40 (-0,466)
170
= 10 b0
+ 149,454
- 18,640
10 b0 = 170 149,454 + 18,640

b0
= 39,186 : 10 = 3,9186 =3,919

Jadi, persamaan regresi linear ganda untuk dua prediktor:
= 3,919 + 2,491X1 - 0,466X2
Ini berarti produktivitas kerja pegawai akan naik, jika kemampuan pegawai
ditingkatkan, dan akan turun jika kepemimpinan direktif (otoriter) ditingkatkan. Jika
kemampuan pegawai ditingkatan menjadi 10, dan tingkat kepemimpinan direktif sampi
10, maka produktivitas kerja pegawai menjadi: = 3,9186 + 2,4909X1 - 0,466X2 =
3,9186 + (2,4909 x 10) (0,466 x 10) = 24,1676 Jadi diprediksi produktivitas kerja
pegawai
= 24,1676.
40
4. Menghitung beta dengan rumus deviasi

Cara perhitungan koefisien-koefisien b0, b1, dan b2 di atas sangat panjang dan
rumit. Untuk mengatasi hal tersebut, dapat digunakan cara lain yang lebih sederhana,
yaitu hanya dengan dua persamaan, tetapi harus diubah menjadi skor deviasi terlebih
dahulu. Dengan demikian, persamaannya menjadi:
= b0+b1x1 + b2x2
b1, b2 dapat dihitung dari persamaan berikut
x y b x b x x
x y b x x b x
1
2
1
1 2
1 2
Sedangkan b0 dapat dihitung menggunakan b1, dan b2 serta rata-rata X 1 , X 2 , danY

5. Menghitung skor deviasi
Selanjutnya, koefisien regresi dapat dihitung menggunakan rumus berikut.
b0 Y b1 X 1 b2 X 2
b1
( x 2 )( x1 y ) ( x1 x 2 )( x 2 y )
b2
( x1 )( x 2 y ) ( x1 x 2 )( x1 y )
( x1 )( x 2 ) ( x1 x 2 ) 2
2
( x1 )( x 2 ) ( x1 x 2 ) 2
2
Untuk menghitung skor simpangan (deviasi), digunakan rumus-rumus berikut.
y
x
Y
2
X
2
( Y ) 2
( X ) 2
x y X Y
i
( X i )( Y )
n
41
x x
i
XiX j
( X i )( X j )
n
Skor rata-rata X 1 6, X 2 4, danY 17 (lihat tabel di atas, rata-rata = X dibagi n).

Telah diketahui (lihat tabel data di atas):
N = 10
X1
= 60
X2 = 40
Y
= 170
X12 = 406
X22 = 182
X1X2 = 267
X1Y = 1122
X2Y = 737
Y2
= 3162
Selanjutnya dapat dihitung harga-harga skor deviasi (menggunakan lambang
huruf kecil)sebagai berikut.
( Y ) 2
X1
2
= 3162 (1702 : 10) = 272

( X 1 ) 2
X2
2
n
( X 2 ) 2
x y X Y
1
y X 2Y
x x
1 2
= 406- (602 : 10) = 46
n
= 182 (402 : 10) = 22
( X 1 )( Y )
n
= 1122 ((60x170) : 10) = 102
( X 2 )( Y )
X1X 2
n
= 737 ((40x170) : 10) = 57
( X 1 )( X 2 )
n
= 267 ((60x40) : 10) = 27
Dengan menggunakan rumus deviasi, dapat dihitung harga b1, dan b2 sebagai berikut.
42
b1
b2
(22)(102) (27)(57)
705 : 283
(46)( 22) (27 ) 2
= 2,491
( 46)(57) ( 27)(102)
(46)( 22) (27 ) 2 = - 0,466
b0 17 (2,491x6) (0,466 x 4)
3,918
Dibandingkan dengan perhitungan menggunakan rumus panjang, tampak adanya

perbedaan hasil yang praktis dapat diabaikan (sangat kecil perbedaannya, karena adanya
pembulatan). Persamaan garis regesinya: = 3,918 + 2,491X1 - 0,466X2
Cara menghitung beta dapat juga dilakukan dengan metode Selisih Produk
Diagonal (SPD) sebagai berikut.
Persamaan:
(1)
(2)
x y b x b x x
x y b x x b x
1
2
1
1 2
1 2
Masukkan skor deviasi ke dalam persamaan tersebut sehingga menjadi sebagai berikut.
(1) 102 = 46 b1 + 27 b2
(2) 57 = 27 b1 + 22 b2
--------------------------(3) 705 = 283 b1 b1 = 705/283 = 2,491
Cara menghitung:
(102*22) (57*27) = 705
(46*22) (27*27) = 283 b1
Masukkan b1 ke salah satu persamaan di atas, misalnya dimasukkan ke persamaan (2)
sehingga menjadi:
57 = 27 (2,491) + 22 b2
57 = 67,257 + 22 b2
= 57 67,257 = 22 b2
= - 10,257 = 22 b2 b2 = -10,257/22 = -,466
Hasilnya sama dengan cara penyelesaian pertama di atas.
43
Dibandingkan dengan perhitungan menggunakan rumus panjang, tampak adanya

perbedaan hasil yang praktis dapat diabaikan (sangat kecil perbedaannya, karena adanya
pembulatan). Persamaan garis regesinya: = 3,918 + 2,491X1 - 0,466X2
6. Keberartian Regresi Ganda
Setelah diperoleh koefisien arah regresi, dilanjutkan dengan menghitung korelasi
ganda untuk 2 prediktor, dengan rumus berikut.
b1 x1 y b2 x 2 y
Ry (1,2) =
(2,491 * 102) (0,466 * 57)

0,912
272
=
Koefisien determinasi (R2) = 0,832; ini artinya bahwa sebesar 83,20%
produktivitas kerja karyawan dapat dijelaskan oleh variabel kemampuan kerja dan
kepemimpinan direktif.
7. Uji Keberartian Regresi
Untuk Uji signifikansi regresi, menggunakan uji F regresi: F =
JK (reg ) / k
JK ( sisa ) /( n k 1)
JK(reg) =
b1 x1 y b2 x 2 y
= (2,491)(102)+(-0,466)(57)= 227,52
JK(T) = y2 = 272
JK(sisa) = JK(T) = y2 JK(reg) = 272 227,52 = 44,48
dk reg = k (prediktor = 2)
RJK (reg) = JK(reg)/dk reg = 227,52 : 2 = 113,76
dk (sisa) = n k 1 = 10-2-1 = 7
RJK(sisa) = JK(sisa)/dk sisa = 44,48 : 7 = 6,354
F reg = RJK(reg)/RJK(sisa) = 113,76 : 6,354 = 17,90
Tabel 2.5. Ringkasan Anava untuk Menguji Keberartian Regresi
Sumber
Variasi
JK
dk
RJK
44
F hitung
F tabel
0,05
0,01
Regresi
Sisa
Total
227,52
44,48
272
2
7
9
113,76
6,354
-
17,90
-
4,74
-
9,55
-
Harga F hitung selanjutnya dikonsultasikan dengan F tabel dengan derajat

kebebasan (dk) pembilang = 2 dan dk penyebut = 7 untuk taraf signifikansi 5%, diperoleh
F tabel = 4,74 dan untuk taraf signifikansi 1% = 9,55. Dengan demikian, harga F hitung =
17,90 > dari harga F tabel pada ts. 5% = 4,74; sehingga hipotesis nol ditolak dan hipotesis
alternatif, diterima. Ini berarti bahwa koefisien regresi ganda yang diperoleh adalah
bermakna/berarti/signifikan.
Setelah diketahui harga R bermakna, maka dapat disimpulkan bahwa sebesar
83,20% variasi yang terjadi pada produktivitas kerja karyawan (Y)
dijelaskan/dikontribusi/diprediksi
oleh
variabel
kemampuan
kerja
(X 1)
dapat
dan
kepemimpinan direktif (X2) melalui persamaan regresi = 3,918 + 2,491X1 - 0,466X2.

8. Uji Keberartian Koefisien Regresi Linear Ganda
Meskipun ternyata regresi ini berarti, untuk menilai ketepatan ramalan (prediksi),
perli dilihat galat baku taksiran (simpangan baku taksiran) yang diberi lambang s 2y.12,
dapat dihitung dengan rumus berikut.
s 2 y .12
JK ( Sisa )
44,48
44,48
6,354
(n k 1) (10 2 1)
7
Dengan demikian galat baku taksiran, sy.12 = 6,354 = 2,521. Dengan galat baku
taksiran ini, dapat dihitung galat baku koefisien b1 dan b2 yang diberi lambang sbi , dapat
dihitung dengan rumus:
s 2 bi
s 2 y .12
x 2 ij (1 R 2 i )
Selanjutnya, uji keberatian koefisien regresi, digunakan statistik:

t = bi / sbi
45
dengan dk = (n-k-1) = 10-2-1 = 7

Dengan persamaan regresi = 3,918 + 2,491X1 - 0,466X2, apakah koefisien-koefisien
2,4909 dan 0,466 bermakna atau tidak. Untuk itu, perlu dihitung galat baku b1 dan b2.
Selanjutnya, dihitung harga-harga:
s 2 y.12
JK ( Sisa )
44,48
44,48
6,354.
(n k 1) (10 2 1)
7
46; x 2 22; dan y 2 272.....(lihat .. perhitungan..diatas )

2
rxy
Korelasi antara X1 dan X2 =

rxy
N XY X Y
N X
10(267) (60)( 40)
10(406 (60) 10(182 (40)

2
270
101200
N Y
270
0,849
318,119
r2 = 0,721.
Dengan demikian, dapat dihitung varians galat baku berikut:
s 2 b1
s 2 y.12
6,354
6,354
0,495...sb1 0,495 0,704

2
2
x 1 (1 R 1 ) 46(1 0,721) 12,834
s 2 b2
6,354
6,354
1,035.....sb 2 1,035 1,017

22(1 0,721) 6,138
t = b1 / sb1 = 2,491/ 0,704 = 3,538 tt 0,05 =1,895; jadi t hitung lebih besar dari t tabel; ini
berarti bahwa koefisien arah yang berkaitan dengan X1 adalah berarti.
t = b2 / sb2 = - 0,466 / 1,017 = 0,458 t hitung lebih kecil dari t tabel sehingga koefisien
arah yang berkaitan dengan X2 tidak berarti.
Dari pengujian tersebut di atas dapat disimpulkan bahwa daya ramal prediktor
kemampuan kerja terhadap produktivitas kerja adalah berarti/bermakna; sedangkan daya
ramal prediktor kepemimpinan direktif terhadap produktivitas kerja, tidak bermakna.
C. Analisis Regresi Tiga Prediktor
46
1. Konstelasi Masalah:
X1
X2
X3
Gambar:3.1. Hubungan antar Variabel Prediktor dan Kriterium
Keterangan:
X1 = Kemampuan kerja
X2 = Pemahaman Tugas
X3 = Motivasi kerja
Y = Produktivitas kerja
2. Contoh data
Tabel 2.6.Tabel Data Skor Kemampuan kerja, Pemahaman kerja, Motivasi kerja,
dan Produktivitas kerja
N
o
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
X1
X2
X3
X12
X22
X 32
Y2
X1Y
X2Y
X3Y
X1X2
X1X3
X2X3
60
31
70
69
50
30
40
55
58
26
78
45
47
34
57
75
0
59
33
70
69
48
29
48
54
61
34
76
43
56
42
58
78
0
67
41
71
70
49
33
51
60
59
31
75
43
46
43
56
79
5
56
36
71
68
47
34
50
60
61
29
77
46
50
39
56
78
0
3600
961
4900
4761
2500
900
1600
3025
3364
676
6084
2025
2209
1156
3249
4101
0
3481
1089
4900
4761
2304
841
2304
2916
3721
1156
5776
1849
3136
1764
3364
4336
2
4489
1681
5041
4900
2401
1089
2601
3600
3481
961
5625
1849
2116
1849
3136
4481
9
3136
1296
5041
4624
2209
1156
2500
3600
3721
841
5929
2116
2500
1521
3136
4332
6
3360
1116
4970
4692
2350
1020
2000
3300
3538
754
6006
2070
2350
1326
3192
4204
4
3304
1188
4970
4692
2256
986
2400
3240
3721
986
5852
1978
2800
1638
3248
4325
9
3752
1476
5041
4760
2303
1122
2550
3600
3599
899
5775
1978
2300
1677
3136
4396
8
3540
1023
4900
4761
2400
870
1920
2970
3538
884
5928
1935
2632
1428
3306
4203
6
4020
1271
4970
4830
2450
990
2040
3300
3422
806
5850
1935
2162
1462
3192
4270
0
3953
1353
4970
4830
2352
957
2448
3240
3599
1054
5700
1849
2576
1806
3248
4393
5
Dari tabel tersebut diperoleh harga-harga berikut:

X1
= 750
X2
= 780
X3
= 795
47
= 780
X12
= 41010
X22
= 43362
X32
= 44819
Y2
= 43326
X1Y
= 42044
X2Y
= 43259
X3Y
= 43968
X1X2 = 42035
X1X3
= 42700
X2X3
= 43935
X 1 50
X 2 52
X 3 53
Y 52
3. Persamaan garis regresi
Persamaan regresi: = b0 + b1X1+ b2X2 + b3X3
b0 Y b1 X 1 b2 X 2 b3 X 3
4. Menghitung koefisien regresi
Untuk menghitung koefisien regresi, digunakan skor deviasi berikut.
y 2 Y 2
( Y ) 2
X1
2
x2 X 2
2
2
3
X3
2
= 43326 (7802 : 15) = 2766

( X 1 ) 2
n
( X 2 ) 2
n
( X 3 ) 2
n
= 41010- (7502 : 15) = 3410

= 43362 (7802 : 15) = 2802
= 44819 (7952 : 15) = 2684
48
x y X Y
1
x
x
y X 2Y
y X 3Y
x x
1 2
1 3
n
= 42044 ((750x780) : 15) = 3044
( X 2 )( Y )
n
= 43259 ((780x 780) : 15) = 2699
( X 3 )( Y )
X1X 2
x x X
x
( X 1 )( Y )
X3
x3 X 2 X 3
n
= 43968 (795x780) : 15) = 2628
( X 1 )( X 2 )
n
= 42035 ((750x780) : 15) = 3035
( X 1 )( X 3 )
n
= 42700 ((750x795) : 15) = 2950
( X 2 )( X 3 )
n
= 43935 ((780x795) : 15) = 2595
Persamaan regresi untuk menghitung b0, b1, b2, dan b3 digunakan persamaan
sebagai berikut.
x y b
x y b
x y b
1
x1 b2 x1 x2 b3 x1 x3
2
x1 x2 b2 x2 b3 x2 x3
2
x1 x3 b2 x2 x3 b3 x3
b0 Y b1 X 1 b2 X 2 b3 X 3
Skor deviasi di atas dimasukkan ke dalam persamaan tersebut, menjadi:
(1)
3044 = 3410 b1 + 3035 b2 + 2950 b3
(2)
2699 = 3035 b1 + 2802 b2
+ 2595 b3
(3)
2628 = 2950 b1 + 2595 b2
+ 2684 b3
Untuk menyelesaikan persamaan tersebut digunakan metode eliminasi dengan jalan:

persamaan (1) sama-sama dibagi 2950, persamaan (2) dibagi 2595, dan persamaan (3)
dibagi 2684, supaya b menjadi habis.
(1a) 1,032 = 1,190 b1 + 1,029 b2 + b3 (pembulatan)
(2a) 1,040 = 1,170 b1 + 1,080 b2 + b3 (pembulatan)
49
(3a) 0,979 = 1,099 b1 + 0,967 b2 + b3 (pembulatan)

---------------------------------------------------------------(4) 1a 2a = -0,008 = 0,020 b1 + ( -0,051) b
(dibagi -0,051)
(5) 2a 3a = 0,061 = 0,071 b1 + 0,113 b2
(dibagi 0,113)
--------------------------------------------------------------(4a)
0,157 = -0,392 b1 + b2
(5a)
0,540 = 0,628 b1 + b2
--------------------------------------------------------------- (6) 4a 5a = -0,383 = -1,020 b1

b1 = (-0,383) : (-1,020) = 0,375 (pembulatan)
(5a) 0,540 = (0,628) (0,375) + b2
0,540 = 0,236 + b2
b2 = 0,540 - 0,236 = 0,304
(3a) 0,979 = 1,099 b1 + 0,967 b2 + b3
0,979 = (1,099)(0,375) + (0,967)(0,304) + b3
0,979 = 0,412 + 0,294 + b3
0,979 = 0,706 + b3
b3 = 0,979 0,706 = 0,273
b0 Y b1 X 1 b2 X 2 b3 X 3
= 52 (0,375) (50) - (0,304)(50) (0,273(53) = 3,581

Persamaan regresi = = b0 + b1X1+ b2X2 + b3X3
= 3,581 + 0,375X1+ 0,304X2 + 0,273X3
Di samping cara tersebut di atas, koefsien beta dapat juga dicari dengan metode
Selisih Produk Diagonal (SPD) sebagai berikut.
Persamaan:
(1)
3044 = 3410 b1 + 3035 b2 + 2950 b3
(2)
2699 = 3035 b1 + 2802 b2
+ 2595 b3
(3)
2628 = 2950 b1 + 2595 b2
+ 2684 b3
Ambil persamaan (1) dan (2) :

(1)
3044 = 3410 b1 + 3035 b2 + 2950 b3
(2)
2699 = 3035 b1 + 2802 b2 + 2595 b3
---------------------------------------------------------- SPD
50
(4)
-62870 = -104300 b1 + (-390075) b2 + 0
Ambil persamaan (2) dan (3):

(3)
(4)
2699 = 3035 b1 + 2802 b2

2628 = 2950 b1 + 2595 b2
+ 2595 b3
+ 2684 b3
-----------------------------------------------------------SPD
(5)
424456 = 490690 b1 + 786543 b2 + 0
Ambil persamaan (4) dan (5):

(4) -62870 = -104300 b1 + (-390075) b2
(5) 424456 = 490690 b1 + 786543 b2
--------------------------------------------------------SPD
1,16119715811 = 2,73442336711 b1 + 0
b1 = 1,16119715811 / 2,73442336711 = 0,375
Masukkan ke persamaan (5):
424456 = (0,375)(490690) + 786543 b2
424456 = 184008,75 + 786543 b2
424456 184008,75 = 786543 b2
240447,25 = 786543 b2
b2 = 240447,25 / 786543 = 0,304
Masukkan ke persamaan (3)
(3) 2628 = 2950 b1 + 2595 b2
+ 2684 b3
2628 = 2950 (0,375 ) + 2595 (0,304)
+ 2684 b3
2628 = 1106,25 + 788,88 + 2684 b3

2628-1106,25 78888 = 2684 b3
732,87 = 2684 b3 b3 = 732,87 / 2684 = 0,273
Ternyata cara pertama dan ke dua menghasilkan loefisien beta yang sama.
5. Menghitung harga korelasi ganda (jamak), dengan rumus berikut.
51
b1 x1 y b2 x 2 y b3 x3 y
Ry (1,2,3) =
(0,375 x3044) (0,304 x 2699) (0,273 x 2628)

2766
=
= 0,98423
Koefisien determinasi (R2) = 0,9687; ini artinya bahwa sebesar 96,87%
produktivitas kerja karyawan dapat dijelaskan/diprediksi oleh variabel kemampuan kerja,
pemahaman kerja, dan motivasi kerja.
6. Menguji Signifikansi Regresi
JK (reg ) / k
Untuk Uji signifikansi regresi, menggunakan uji F regresi: F = JK ( sisa ) /( n k 1)
b x y b2 x2 y b3 x3 y
JK(reg) = 1 1
= (0,375)(3044)+(0,304)(2699)+(0,273)(2628)= 2679,44
= y2 = 2766
JK(T)
JK(sisa)
= JK(T) = y2 JK(reg) = 2766 2679,44 = 86,56
dk reg
= k (prediktor = 3)
RJK (reg)
= JK(reg)/dk reg = 2679,44 : 3 = 893,147
dk (sisa)
= n k 1 = 15-3-1 = 11
RJKK(sisa)
= JK(sisa)/dk sisa = 86,56 : 11 = 7,869
F reg
= RJK(reg)/RJK(sisa) = 893,147 : 7,869 = 113,500

Tabel 2.7. Ringkasan Anava untuk Menguji Keberartian Regresi
Sumber
Variasi
Regresi
Sisa
Total
JK
dk
RJK
F hitung
F tabel
2679,44
86,56
2766,00
3
11
14
893,147
7,869
-
113,500*)
-
3,59
Harga F hitung selanjutnya dikonsultasikan dengan F tabel dengan derajat

kebebasan (dk) pembilang = 3 dan dk penyebut = 11 untuk taraf signifikansi 5%,
diperoleh F tabel= 3,59 dan untuk taraf signifikansi 1% = 6,22. Dengan demikian, harga
F hitung = 113,500 > dari harga F tabel pada ts. 5% = 3,59; sehingga hipotesis nol ditolak
dan hipotesis alternatif, diterima. Ini berarti bahwa koefisien regresi ganda yang
diperoleh adalah bermakna/berarti.
52
7. Uji Keberartian Koefisien Regresi Linear Ganda

Meskipun ternyata regresi ini berarti, untuk menilai ketepatan ramalan (prediksi),
perlu dilihat galat baku taksiran (simpangan baku taksiran) yang diberi lambang s y.123,
dapat dihitung dengan rumus berikut.
s 2 y .123
JK ( Sisa )
86,56
86,56
7,8691
( n k 1) (15 3 1)
11
Dengan demikian galat baku taksiran, sy.123 = 7,8691 = 2,805. Dengan galat baku
taksiran ini, dapat dihitung galat baku koefisien b1, b2 dan b3 yang diberi lambang sbi ,
dapat dihitung dengan rumus:
s 2 bi
s 2 y .123
x 2 ij (1 R 2 i )
Selanjutnya, uji keberatian koefisien regresi, digunakan statistik:

t = bi / sbi
dengan dk = (n-k-1) = 15-3-1 = 11
Dengan persamaan regresi = 3,581 + 0,375X1+ 0,304X2 + 0,273X3, apakah

koefisien-koefisien 0,375; 0,304 dan 0,273 bermakna atau tidak. Untuk itu, perlu dihitung
galat baku b1, b2 dan b3.
Selanjutnya, dihitung harga-harga:
s 2 y.123
JK ( Sisa )
86,56
86,56
7,8691
(n k 1) (15 3 1)
11
3410; x 2 2802; x3 2684; dan y 2 2766.....(lihat .. perhitungan..diatas )

2
rxy
Korelasi antara X1, X2 dan X3 =
N XY X Y
N X
N Y
Tabel 2.8. Matrik Korelasi Antar Variabel (dihitung dengan kalkulator)

X
X1
X2
X1
1,00
X2
0,968
1,00
53
X3
0,961
0,946
Y
0,977
0,969
r12 =0,968 r2 = 0,937

r13 = 0,961 r2 = 0,924
r23 =0,946 r2 = 0,895
s 2 b1
s 2 y.123
7,8691
7,8691
0,037...sb1 0,037 0,192

2
2
x 1 (1 R 1 ) 3410(1 0,937) 214,83
7,8691
7,8691
0,037....sb 2 0,037 0,1923

2802(1 0,924) 212,952
7,8691
7,8691
0,0279...sb 3 0,0279 0,167

2684(1 0,895) 281,82
s 2 b2
s 2b3
t = b1 / sb1 = 0,375/ 0,192 = 1,953 tt 0,05 = 1,80; jadi t hitung lebih besar dari t tabel; ini
berarti bahwa koefisien arah regresi yang berkaitan dengan X1 adalah berarti/bermakna.
t = b2 / sb2 = 0,304 / 0,1923 = 1,581 t hitung lebih kecil dari t tabel sehingga koefisien
t = b3 / sb3 = 0,273 / 0,167 = 1,635 t hitung lebih kecil dari t tabel sehingga koefisien
Dari pengujian tersebut di atas dapat disimpulkan bahwa daya ramal prediktor
kemampuan kerja terhadap produktivitas kerja adalah berarti/bermakna; sedangkan daya
ramal prediktor pemahaman tugas dan motivasi kerja terhadap produktivitas kerja, tidak
bermakna.
8. Menghitung sumbangan efektif masing-masing prediktor terhadap kriterium,

dikerjakan dengan langkah berikut
(1) Efektivitas regresinya = JK(reg) berbanding JK(T) dikalikan 100%. Telah
diketahui, JK(reg) = 2679,44 ; JK(T) = 2766, maka efektivitas regresi = (2679,44 : 2766)
x 100% =
54
96,87%. Ini sama dengan koefisien determinasinya.

(2) Hitung sumbangan relatif dalam persen (SR%) tiap prediktor (dihitung harga
mutlaknya):
JK(reg) =
b1 x1 y b2 x 2 y b3 x3 y
= (0,375)(3044)+(0,304)(2699)+(0,273)(2628)
= 1141,5 + 820,496 + 717,444 = 2679,44
JK(reg) tersebut tersusun dari:
b1 x1 y (0,375)(3044) 1141,5
b2 x 2 y (0,304)( 2699) 820,496

b3 x3 y 0,273)( 2628) 717,444
-------------------------------------------- +
Total (JKreg)
= 2679,44
Prdiktor X1 : SR% =
1141,5
x100% 42,602
2679,44
820,496
x100% 30,622
Prediktor X2: SR% = 2679,44
717,444
x100% 26,776
Prediktor X2: SR% = 2679,44
--------------------------------------------------------------Total
= 100%
(3) Menghitung Sumbangan Efektif dalam persen (SE%):
b1 x1 y
1141,5
(efektivitas)
(96,87%) 41,27%
2679,44
SE% X1 = JK (reg )
55
b2 x2 y
820,496
(efektivitas)
(96,87%) 29,66%
JK
(
reg
)
2679
,
44
SE% X2 =
b3 x3 y
(efektivitas )
717,444
(96,87%) 25,94%
2679,44
SE% X3 = JK (reg )
------------------------------------------------------------------------------Total
= 96,87%
Kesimpulan:
Prediktor X1 (kemampuan kerja) dapat memberikan kontribusi terhadap kriterium
(produktivitas kerja) sebesar 41,27%; prediktor X2 ( pemahaman tugas) dapat
memberikan kontribusi terhadap produktivitas kerja sebesar 29,66%; dan prediktor X3
(motivasi kerja) dapat memberikan kontribusi terhadap produktivitas kerja sebesar
25,94%. Dengan perkataan lain bahwa produktivitas kerja karyawan dapat diprediksi oleh
kemampuan kerja sebesar 41,27%, pemahaman tugas sebesar 29,66%, dan motivasi kerja
sebesar 25,94%.
D. Korelasi Parsial
Untuk menghitung korelasi parsial, terlebih dahulu harus dihitung korelasi
sederhana antara variabel prediktor dengan variabel kriterium. Korelasi parsial bertujuan
untuk mengetahui besaran koefisien korelasi antara variabel prediktor dengan variabel
kriterium dengan mengendalikan variabel prediktor yang lain.
Korelasi antar variabel setelah dihitung dengan kalkulator, diperoleh koefisien
korelasi sebagai matrik berikut.
Tabel 2.9. Matrik Korelasi Antar Variabel (dihitung dengan kalkulator)

X
X1
X2
X3
X1
1,00
X2
0,968
1,00
56
X3
0,961
0,946
1,00
Y
0,977
0,969
0,964
1,00
(1) Korelasi parsial dengan dua prediktor (X1 dan X2) sebagai berikut:
ry1..2
ry 2.1
ry1 ry 2 ry12
(1 r 2 y 2 )(1 r 212 )
ry 2 ry1 ry12
(1 r 2 y1 )(1 r 2 12 )
(2) Korelasi parsial dengan tiga prediktor (X1 , X2 dan X3) sebagai berikut
ry1..23
ry 2..31
ry 3.12
ry1.2 ry 3.2 r13.2

(1 r 2 y 3.2 )(1 r 213.2 )
ry 2.3 ry1.3 r21.3
(1 r 2 y1..3 )(1 r 2 21..3 )
ry 3.1 ry 2.1 r32.1
(1 r 2 y 2.1 )(1 r 2 32.1 )
(3) Korelasi parsial 3 prediktor berdasarkan matrik korelasi di atas adalah sebagai
berikut. Telah diketahui (dihitung):korelasi jenjang nihil (sederhana): ry1 = 0,977;
r y2 = 0,969; r y3 = 0,964; r12 = 0,968; r13 = 0,961; dan r23 = 0,946.
(4) Korelasi parsial jenjang pertama untuk 3 prediktor:

r12.3
r12. y
r12 (r13 )( r23 )

(1 r
13
)(1 r
23
r12 (r1 y )( r2 y )
(1 r
1y
)(1 r
2y
0,968 (0,961)(0,946)
(1 0,961 )(1 0,946 )
2
0,968 (0,977)(0,969)
(1 0,977 )(1 0,969 )
2
57
0,058894
0,657
0,08964775
0,021287
0,404
0,052683055
r13.2
r13. y
r23.1
r23. y
r1 y ..2
r2 y.1
r13 (r12 )( r23 )
(1 r 212 )(1 r 2 23 )
r13 (r1 y )( r3 y )
(1 r 21 y )(1 r 2 3 y )
r23 (r12 )( r13 )
(1 r 212 )(1 r 2 13 )
r23 (r2 y )( r3 y )
(1 r 2 2 y )(1 r 2 3 y )
r1 y (r12 )( r2 y )
(1 r 212 )(1 r 2 2 y )
r2. y (r12 )( r1 y )
(1 r
1y
)(1 r
12
r3 y (r23 )( r2 y )
r3 y .2
r13..2
r21.3
r32.1
r2 y..3
r3 y .1
r1 y ..3
(1 r 2 23 )(1 r 2 2 y )
r13 (r12 )( r32 )
(1 r 212 )(1 r 2 32 )
r21 (r23 )( r13 )
(1 r 2 23 )(1 r 213 )
r32 (r12 )( r13 )
(1 r 212 )(1 r 213 )
r2 y (r23 )( r3 y )
(1 r 2 23 )(1 r 2 3 y )
r3 y (r13 )( r1 y )
(1 r 13 )(1 r 1 y )
r1 y (r13 )( r3 y )
2
(1 r 213 )(1 r 2 3 y )
0,961 (0,968)(0,946)
0,045272
0,557
0,081349677
0,019172
0,338
0,056700807
0,015752
0,227
0,069399866
0,011884
0,181
0,065693998
0,039008
0,629
0,061999936
0,023264
0,435
0,053512444
0,047326
0,591
0,08008839
0,045272
0,556
0,081349677
0,058894
0,657
0,08964775
0,015752
0,227
0,069399866
(1 0,968 2 )(1 0,946 2 )

0,961 (0,977)(0,964 2 )
(1 0,977 2 )(1 0,964 2 )
0,946 (0,968)(0,961)
(1 0,968 2 )(1 0,9612 )
0,946 (0,969)(0,964)
(1 0,969 2 )(1 0,964 2 )
0,977 (0,968)(0,969)
(1 0,968 2 )(1 0,969 2 )
0,969 (0,968)(0,977)
(1 0,977 )(1 0,968 )
2
0,964 (0,946)(0,969)
(1 0,946 2 )(1 0,969 2 )
0,961 (0,968)(0,946)
(1 0,968 2 )(1 0,946 2 )
0,968 (0,946)(0,961)
(1 0,946 2 )(1 0,9612 )
0,946 (0,968)( 0,961)
(1 0,968 2 )(1 0,9612 )
0,969 (0,946)(0,964)
(1 0,946 2 )(1 0,964 2 )
0,964 (0,961)(0,977)
(1 0,961 )(1 0,977 )
2
0,977 (0,961)(0,964)
(1 0,9612 )(1 0,964 2 )
58
0,057056
0,662
0,08619663
0,025103
0,426
0,058970981
0,050596
0,688
0,073554829
(5) Korelasi parsial jenjang kedua (untuk 3 prediktor):

Telah dihitung di atas:
ry1 = 0,977;
r y2 = 0,969;
r y3 = 0,964;
r12 = 0,968;
r13 = 0,961;
r23 = 0,946.
r12.3 0,657
r12. y 0,404
r13.2 0,557
r13. y 0,338
r23.1 0,227
r23. y 0,181
r1 y..2 0,629
r2 y.1 0,435
r3 y .2 0,591
r13..2 0,556
r21.3 0,657
r32.1 0,227
r2 y..3 0,662
r3 y.1 0,426
r1 y ..3 0,688
ry1..23
ry 2..31
ry 3.12
ry1..2 ry 3.2 r13.2

(1 r
y 3.2
)(1 r
13.2
ry 2..3 ry1..3 r21..3

(1 r y1..3 )(1 r
ry 3.1 ry 2.1 r32.1
2
21..3
(1 r 2 y 2.1 )(1 r 2 32.1 )
0,629 (0,591)( 0,556)

(1 0,591 )(1 0,556 )
2
0,662 (0,688)(0,657)
(1 0,688 )(1 0,657 )
2
0,426 (0,435)( 0,227)

(1 0,435 2 )(1 0,227 2 )
59
0,300404
0,448
0,670491112
0,209984
0,384
0,547106446
0,327255
0,373
0,876924497
Kesimpulan:
(1) Terdapat korelasi positif dan signifikan antara variabel kemampuan kerja dengan
variabel produktivitas kerja setelah dikendalikan dengan variabel pemahaman
tugas dan motivasi kerja (r1y-23 = 0,448; r2 = 0,2007 = 20,07%; ini berarti bahwa
variabel kemampuan kerja memberikan kontribusi terhadap variabel produktivitas
kerja sebesar 20,07%).
(2) Terdapat korelasi positif dan signifikan antara variabel pemahaman tugas dengan
variabel produktivitas kerja setelah dikendalikan dengan variabel kemampuan
kerja dan motivasi kerja (r2y-31 = 0,384; r2 = 0,1475 = 14,75%; ini berarti bahwa
variabel pemahaman tugas memberikan kontribusi terhadap variabel produktivitas
kerja sebesar 14,75%).
(3) Terdapat korelasi positif dan signifikan antara variabel motivasi kerja dengan
produktivitas kerja setelah dikendalikan dengan variabel kemampuan kerja dan
pemahaman tugas (r3y-12 = 0,373; r2 = 0,1391 = 13,91%; ini berarti bahwa variabel
kemampuan kerja memberikan kontribusi terhadap variabel produktivitas kerja
sebesar 13,91%).
Tugas Latihan
Seorang peneliti ingin mengetahui hubungan antara inteligensi, minat belajar, dan
konsep diri dengan prestasi belajar IPA di SMA. Untuk itu, dikumpulkan data pada 60
orang siswa yang diambil secara random. Data yang diperoleh berbentuk angka puluhan
(data fiktif dibuat sendiri).
1. Buat konstelasi masalahnya

2. Rumuskan hipotesisnya
3. Hitung regresi sederhana masing-masing prediktor terhadap kriterium
4. Uji hipotesis itu dengan analisis regresi tiga prediktor
5. Hitung koefisien determinasinya secara bersama-sama
6. Hitung sumbangan efektif masing-masing prediktor terhadap kretirium
60
BAB III
ANALISIS KOVARIANS
Kompetensi Dasar
Mahasiswa memahami tentang analisis kovarianss satu jalur, dua jalur dan tiga
jalur, serta mampu menggunakannya untuk menganalisis data kuantitatif.
61
Mahasiswa dapat:
1. memahami konsep dasar analisis kovarians
2. menjelaskan manfaat analisis kovarians
3. melakukan analisis kovarians satu jalur, dua jalur, dan tiga jalur.
4. menggunakan analisis kovarians satu jalur, dua jalur, dan tiga jalur untuk
menganalisis data penelitian kuantitatif
Uraian Materi
Analisis Kovarians (Anakova), fungsinya sama dengan ANAVA, hanya saja dalam
ANAKOVA ditambah pengendalian secara statistik terhadap variabel numerik. Variabel
numerik dimasukkan sebagai kovariabel dengan tujuan untuk menurunkan error
varianss, dengan jalan menghilangkan pengaruh variable tersebut. Termasuk salah satu
statistik yang kuat. Berguna untuk penelitian eksperimen maupun non eksperimen.
Dengan menggunakan Rancangan Anakova, pengambilan sampel secara acak tidak lagi
sangat diperlukan. Anakova merupakan gabungan atau perpaduan antara analisis varians
dan analisis regresi.
Asumsi yang harus dipenuhi dalam ANAKOVA adalah: (1) data berdistribusi
normal, (2) varianss dalam kelompok homogen, (3) bentuk regresi linear, (4) koefisien
arah regresi tidak sama dengan nol, dan (5) koefisien arah regresi homogen.
*
Rumus yang digunakan:
FA
JK A / db A
RJK A
JK dal / dbdal RJK dal
A. Analisis Kovarians Satu Jalur (Satu Kovariabel)

1. Rumusan masalah penelitian
Setelah dikendalikan oleh skor tes bakat (X), apakah terdapat perbedaan hasil
belajar (Y) antara siswa yang mengikuti pembelajaran dengan metode kooperatif (A1)
dengan metode ceramah (A2) dan pemberian tugas (A3 )?
2. Rumusan Hipotesis Penelitian
62
Hipotesis penelitian: Setelah dikendalikan oleh kovariabel skor tes bakat (X), terdapat
perbedaan hasil belajar (Y) antara siswa yang mengikuti pembelajaran dengan metode
kooperatif (A1) dengan metode ceramah (A2) dan pemberian tugas (A3 ).
H0: 1 = 2 = 3
H1: 1 2 3
Kriteria pengujian: Tolak H0 jika F*A > Ft(; db A:db D)
Terima H0 jika F* < Ft(; db A:db D)
Contoh Aplikasi dalam analisis Data
a. Tabel Data
Tabel 3.1. Data Hasil Penelitian (fiktif)
A1
A2
A3
X
29
Y
15
X
22
Y
20
X
33
Y
14
49
19
24
34
45
20
48
21
49
28
35
30
35
27
46
35
39
32
53
35
52
42
36
34
47
39
43
44
48
42
46
23
64
46
63
40
74
38
61
47
57
38
72
33
55
40
56
54
67
50
54
54
78
56
Keterangan:
A = Metode Mengajar ( A1 = metode ceramah, A2 = metode
pemberian tugas, dan A3 = metode kooperatif.
X = Skor Tes Bakat (Aptitude Test Score) = kovariabel (X)
Y = Skor Prestasi Belajar Biologi
b. Langkah-langkah Perhitungan
Tabel 3.2. Format Tabel Statistik (data fiktif)
63
Statistik
n
X
X2
Y
Y2
XY
_
X
_
Y
A1
10
520
29054
300
10064
16603
A2
10
470
23888
390
16106
19241
A3
10
490
25898
360
14536
18978
Total
30
1480
78840
1050
40706
54822
52
47
49
49,33
30
39
36
35
Menghitung Sumber Variasi Total (Residu)

1). Jumlah Kuadrat Total Y ( y2)
JKYt = y2 t = (SStot) = YT2 (YT)2 = 40706 - (1050)2 = 3956
N
30
2). Jumlah Kuadrat Total X
JKXt = x2 t = Xt2 (XT)2 = 5826,67
N
3). Jumlah Produk Total (XY)
JPXYt = xy = XYT (XT)( YT) = 3022
N
4). Menghitung Beta
xy
x
Beta =
2
= 0,519
5). Menghitung JKReg. Tot. = * xy = 0,519 *3022 = 1567,359
t
JKYt JKReg. Tot = 3956-1567,359 = 2388,641
6). Menghitung JKRes. Tot. =
Menghitung Sumber Variasi dalam ( JK dal.residu)
1). JKY =
= YT2
nA
= 40706 - (3002 /10 +3902 /10 + 3602 /10) =3536
2). JKXd = x2
5700
= X2
nA
= 78840 (5202 /10 +4702 /10 + 4902 /10)
64
X Y
A
XY
nA
3).JPXY=xyd= Tot
=54822 (520*300:10 + 470*390:10 +
490*360:10) = 3252
xyd
x2d
4). Beta dal. =
= 3252 : 5700 = 0,5705
5). JK reg.dal. = * xy = 0,5705*3252 =1855,352
6). JK dal res. = JKY JKreg. = 3536 1855,352 =1680,648 = 1680,65
Menghitung Sumber Variasi Antar
SVTot SVdal. = JK res.tot JK res. dal. = 2388,641-1680,65= 707,993
Memnghitung derajat kebebasan
Db A* = db A = a 1 = 3-1= 2
Db D* = db D M = N a M ( jumlah kovariabel) = 30-3-1 = 26
Db Tot.* = db Tot. M = N 1 M = 30-1-1=28
Menghitung Rata-Rata Residu ( Adjusted Mean)
_
_
_
MA1 = Y1 dal. (XA1 XT) = 30 - 0,57(52 - 49,33) = 28,48
_
_
_
MA2 = Y2 dal. (XA2 XT) = 39 0,57 (47 49,33) = 40,33
_
_
_
MA3 = Y3 dal. ( XA3 XT) = 36 0,57 (49 49,33) = 36,19
Tabel 3.3. Rangkuman Analisis Kovarians Satu Jalur

SV
JK*(SS)
db*
Antar A
707,993
Dalam
(error) res
1680,648
26
RJK*(MS)
353,9965
64,640
65
F*
5,476
--
F tab
( 0,05)
3,37
--
Total (res)
2388,641
28
--
Dari perhitungan diperoleh F* = 5,476, sedangkan F table pada taraf signifikansi

5% dengan db 2 : 26 adalah 3,37. Dengan demikian, H0 ditolak dan H1 diterima,
sehingga dapat disimpulkan bahwa setelah dikendalikan oleh kovariabel skor tes bakat,
terdapat perbedaan hasil belajar yang signifikan antara siswa yang mengikuti
pembelajaran dengan metode kooperatif dengan siswa yang mengikuti pembelajaran
dengan metode ceramah dan metode pemberian tugas. Karena hasilnya/ harga F*
signifikan, maka dilanjutkan dengan uji lanjut.
Jika kita ingin mengetahui harga koefisien korelasi antara kriterium dengan
kovariabel X, harga rxy itu dapat dicari dengan menggunakan bahan-bahan sumber variasi
dalam kelompok, sebagai berikut.
rxy
xy
x y
2
3252
3252
3252
0,724
5700 * 3536
20155200 4489,45431
Kontribusi kovariabel terhadap kriterium sebesar R2 = 0,524 = 52,4%

c. Uji Lanjut
1). Fisher Protected LSD (Least Significant Difference)
2). Tukey HSD (Honestly Significant Difference)
3). Dunn Bonferroni Procedure
4). t-Scheffe (jika banyak sel)
Protected LSD
M A1 M A2
Rumus: t1-2 =
t12
1 1
X X2
RJKd
1
JK dal.
n1 n2
28,48 40,33
1 1 52 47
64,64

10 10 1680,648
11,85
11,85
3,294
12,928 0,014875214
12,94287521
db t sama db dalam = 2,056 (untuk ts 5%) dan 2,779 (untuk ts. 1%). Dengan demikian,
harga t adalah signifikan pada taraf signifikansi 1% (p<0,01). Simpulannya?
66
t13
28,48 36,19
1 1 52 49
64,64

10 10 1680,648
7,71
7,71
2,14
12,928 0,005355077
12,93335
Harga t signifikan pada taraf signifikansi 5%. Simpulannya?

t 2 3
40,33 36,19
1 1 47 49
64,64

10 10 1680,648
4,14
4,14
1,15
12,928 0,002380034
12,93038
Harga t tidak signifikan pada taraf signifikansi 5%. Simpulannya?

B. Analisis Kovarians Satu Jalur (Dua Kovariabel)
1. Rumusan masalah penelitian
Setelah dikendalikan oleh skor tes bakat (X 1) dan Motivasi Berprestasi (X2),
apakah terdapat perbedaan hasil belajar IPA (Y) antara siswa yang mengikuti
pembelajaran dengan metode konvensional (A1) dengan metode kooperatip (A2) ?
2. Rumusan Hipotesis Penelitian
Hipotesis penelitian: Setelah dikendalikan oleh kovariabel skor tes bakat (X1) dan
Motivasi Berprestasi (X2), terdapat perbedaan hasil belajar IPA (Y) antara siswa yang
mengikuti pembelajaran dengan metode konvensional (A1) dengan metode kooperatip
(A2).
H0: 1 = 2
H1: 1 2
Kriteria pengujian: Tolak H0 jika F*A > Ft(; db A:db D)
Tabel 3.4. Data Fiktif
X1
7
8
A1
X2
8
9
Y
6
7
X1
7
8
67
A2
X2
7
8
Y
8
9
6
7
5
8
7
6
8
4
8
7
6
8
7
7
8
6
6
6
5
7
6
6
7
5
6
5
3
7
6
6
9
7
6
6
5
8
7
6
9
5
Keterangan:
A = Metode Pembelajaran (A1 = metode konvensional; A2 = metode kooperatip)
Y = Prestasi Belajar IPA
X1 = Skor Tes Bakat
X2 = Skor Motivasi Berprestasi
5. Langkah-langkah Perhitungan
Tabel 3.5. Format Tabel Statistik (data fiktif))
Statistik
n
X1
X12
X2
X22
Y
Y2
X1Y
X2Y
X1X2
X1
X2
_Y
A1
10
66
452
74
556
61
377
411
457
498
6,6
7,4
6,1
A2
10
64
434
67
465
70
508
466
483
444
6,4
6,7
7,0
a. Menghitung Sumber Variasi Total (Residu)
1).
tot
x1 X 1
2
2).
tot
tot
X 1tot 2
N
131
885
20
886
130 2
20
26,95
41
68
Total
20
130
886
141
1021
131
885
877
940
942
7
6
4
8
7
7
8
6
x2 X 2
2
3).
4).
5).
6).
tot
141 2
20 = 26,95
X Y 877 130 *131 25,5

1tot
1 tot
1021
x y X Y
1
2 tot
tot
20
X Y 877 141 *131 16,45
y X 2Ytot
tot
tot
x1 x2 X 1 X 2 tot
20
X X
130 *141 25,5
877
1 tot
2 tot
20
b. Menghitung Sumber Variasi Dalam (Residu)
tot
X1
tot
x2 X 2
2
3)
x y X Y
1
1 tot
A1
A2
n1
n2
* YA1
n1
66 * 61 64 * 70
877
26,4
10
10
4).
y X 2Ytot
A1
2
2
885 61 70 885 862,1 22,9
10
10
2
2
886 66 64 886 845,2 40,8
10
10
n2
A1
A2
n1
tot
A1
2).
n2
A2
n1
A!
1).
2
* YA1
2
2
1021 74 67 24,5
10
10
A2
* YA 2
n2
A2
* YA 2
n1
n2
74 * 61 67 * 70
940
940 920,4 19,6

10
10
5).
69
x x X X
1 2
2 tot
1 A1
* X 2 A1
n1
66 * 74 64 * 67
942
942 917,2 24,8

10
10
6).
1 A2
* X 2 A2
n2
c. Menghitung Beta Total (b1 dan b2)

Untuk menghitung beta, gunakan rumus persamaan regresi linear ganda sebagai
berikut.
x y b1 x b2 x x
x y b1 x x b2 x
2
(1)
(2)
1 2
1 2
Masukkan skor deviasi di atas ke dalam persamaan tersebut sehingga menjadi seperti
berikut.
(1). 25,5 = 41b1
+ 25,5b2
(2). 16,45 = 25,5b1 + 26,95b2

----------------------------------------ini bisa diselesaikan dengan metode eliminasi atau
Metode Selisih Produk Diagonal (SPD), sehingga
menjdi:
(3) 267,75 = 454,7 b1 +0b2 (ini diperoleh dari: (25,5 * 26,95) (16,45 * 25,5) ; dan
(41*26,95) (25,5*25,5); dan 25,5*26,95) - (26,95*25,5). Dengan demikian,
diperoleh harga b1=267,75/454,7 = 0,589.
Dengan memasukkan harga betb1 ke persamaan (2), diperoleh: 16,45 = (0,589)
(25,5) + 26,95 sehingga menjadi: 16,45 = 15,0195 + 26,95b2. Dengan demikian,
b2 = 1,4311/26,95 = 0,053.
d. Menghitung Beta Dalam (b1 dan b2)

Dengan cara yang sama, yakni dengan menggunakan persamaan linear, harga beta
dalam ditemukan. Berdasarkan skor deviasi sumber variasi dalam, persamaan tersebut
menjadi seperti berikut.
70
(1) 26,4 = 40,8b1 + 24,8b2

(2) 19,6 = 24,8b1 + 24,5b2
------------------------------- diselesaikan dengan metode SPD, menjadi:
(3) 160,72 = 384,56b1; dengan demikian b1 = 160,72/384,56 = 0,418. Dengan
memasukkan harga beta ini ke dalam persamaan (2), diperoleh sebagai berikut.
b2: 19,6 = (24,8)(0,418) + 24,5 b2; sehingga b2 = 9,2336/24,5 = 0,377.
e. Menghitung Jumlah Kuadrat Residu Total (JKres tot)
JK total y 2 (b1 x1 y b 2 x2 y ) 26,95 (0,589 * 25,5) (0,053 *16,45)
26,95 15,89135 11,05865 11,059.
f. Menghitung Jumlah Kuadrat Residu Dalam (JKres.dal)
(b1 x1 y b2 x2 y ) 22,9 (0,418 * 26,4) (0,377 *19,6)
JKres.dal = 22,9 18,4244 4,478
g. Menghitung Jumlah Kuadrat Residu Antar (JKres.ant.)

JKres.ant. = JKres.tot.- JKres.dal = 11,059 4,476 = 6,583 (ini varians terbesar)
h. Menghitung derajat kebebasan (db) dan Rerata Jumlah Kuadrat (RJK)
dbA = a-1 = 2 1 = 1
dbdal = N a m (kovariabel) = 20- 2 2 = 16
RJKA = JKA/dbA= 6,583/1 = 6,583.
RJKdal = JKdal/dbdal = 4,478/16 = 0,2798 = 0,280 (ini varians terkecil)
Jadi Fresidu = 6,583/0,280 = 23,510
Tabel 3.6. Ringkasan Anakova Dua Kovariabel

Sumber
Variasi
antar A
JK
db
RJK
Fres
6,580
6,583
23,510
F tabel
( 0,05)
P<0,05
dalam
4,478
16
0,280
--------
-------
71
Total
11,059
17
-----
--------
-------
Berdasarkan hasil analisis di atas, dapat disimpulkan bahwa dengan pengendalian

terhadap skor tes bakat (X1) dan skor motivasi berprestasi (X 2), terdapat perbedaan yang
signifikan nilai rata-rata prestasi belajar IPA (Y) antara mahasiswa yang mengikuti
pembelajaran dengan metode konvensional dan metode kooperatif. Mahasiswa yang
pembelajarannya menggunakan metode kooperatif lebih unggul dari pada mahasiswa
yang belajar menggunakan metode konvensional (Y2 6,83 Y1 5,93) .
Angka rata-rata prestasi belajar IPA setelah disesuaikan adalah sebagai berikut.
Y * A1 YA1 X 1. A1 X 1.tot b1 .dal X 2. A1 X 2.tot b2.dal
61 66 130
74 141
0,418
0,377
10 10 20
10 20
6,1 6,6 6,5 0,418 (7,4 7,05)( 0,377
6,1 0,1 0,418 0,35 0,377 6,1 0,0418 0,13195
6,1 0,17375 5,92625 5,93
Y * A2 YA 2 X 1. A 2 X 1.tot b1 .dal X 2. A2 X 2.tot b2.dal

70 64 130
67 141
0,418
0,377
10 10 20
10 20
7,0 6,4 6,5 0,418 6,7 7,05 0,377
7,0 0,1 0,418 0,35 0,377
7,0 0,0418 0,13195
7,0 0,17375 6,82625 6,83
Jika kita ingin mengetahui harga koefisien regresi ganda antara kriterium dengan
kovariabel X1 dan X2, harga Ry (1,2) itu dapat dicari dengan menggunakan bahan-bahan
sumber variasi dalam kelompok, sebagai berikut.
Ry (1,2)
b1 x1 y b2 x2 y
0,418 25,5 0,377 16,45

22,9
10,659 6,20165
16,86065
0,736272925 0,858
22,9
22,9
72
R2 = 0,736 = 73,6%. Ini besarnya kontribusi bersama kovariabel X 1 dan X2

terhadap kriterium.
C. Analisis Kovarians Satu Jalur (Tiga Kovariabel)
1
Tabel Data
A1
X1
7
8
6
7
5
8
7
6
8
4
X2
8
9
8
7
6
8
7
7
8
6
A2
X3
7
8
5
6
4
6
5
6
7
6
Y
6
7
6
6
5
7
6
6
7
5
X1
7
8
6
5
3
7
6
6
9
7
Keterangan Notasi:
A = Asal Mahasiswa
A1 = asal SMA Jurusan IPA
A2 = asal SMA Jurusan IPS
Y = Nilai Statistika Dasar
X1 = Indeks Prestasi SMA (IPK)
X2 = Koefisien Kecerdasan (IQ)
X3 = Bakat Numerik (BN)
H0: 1 = 2
H1: 1 2
Kriteria pengujian:
Tolak H0 jika F*A > Ft(; db A:db D)
3. Langkah-langkah perhitungan
73
X2
7
8
6
6
5
8
7
6
9
5
X3
7
8
6
5
4
7
6
6
8
7
Y
8
9
7
6
4
8
7
7
8
6
Langkah-langkah perhitungan pada anakova satu jalur dengan tiga kovariabel,

sama dengan langkah-langkah perhitungan pada anakova satu jalur dengan dua
kovariabel, hanya ada penambahan perhitungan untuk menghitung beta masing-masing.
Untuk menghitung beta 1, beta 2, dan beta 3, menggunakan persamaan linear pada
analisis regresi tiga predictor.
a. Tabel Data Statistik Induk
Tabel 3.8. Format Tabel Statistik (data fiktif))
Statistik
n
X1
X12
X2
X22
X3
X32
Y
Y2
X1Y
X2Y
X3Y
X1X2
X1X3
X2X3
Rata-rata X1
X2
X3
_
Y
A1
10
66
452
74
556
60
372
61
377
411
457
371
498
404
451
A2
10
64
434
67
465
64
424
70
508
466
483
462
444
428
440
6,6
7,4
6,0
6,1
6,4
6,7
6,4
7,0
b. Menghitung Sumber Variasi Total (Residu)
y Y
2
1).
tot
x1 X 1
2
2).
tot
tot
X 1tot 2
N
131
885
20
886
130 2
20
26,95
41
74
Total
20
130
886
141
1021
124
796
131
885
877
940
833
942
832
891
3).
X2
2
2
x3 X 3
2
4).
5).
6).
7).
8).
9).
tot
tot
x y X Y
1
x x X
1 2
x x X
1 3
10).
1tot
tot
tot
tot
20
X Y 833 124 *131

tot
tot
20
20,8
X X 877 130 *141 25,5
1tot
X 3 tot
2
27,2
130 *131 25,5
877
20
X Y 877 141 *131 16,45
X 2 tot
2 3
20
x x X
124 2
X Y
3 tot
796
y X 2Ytot
x y X Y
20 = 26,95
X 3tot 2
1 tot
141
1021
2 tot
2 tot
20
X X 832 130 *124 26

1tot
3 tot
20
X X 891 124 *141 16,8

2 tot
X 3 tot
3 tot
20
c. Menghitung Sumber Variasi Dalam (Residu)
tot
X1
tot
x2 X 2
2
x3 X 3
4).
tot
n1
A1
n1
2
2
885 61 70 885 862,1 22,9
10
10
2
2
886 66 64 886 845,2 40,8
10
10
n2
A1
3)
2
A2
n1
tot
A1
2).
n2
A2
n1
A!
1).
2
A2
n2
2
2
1021 74 67 24,5
10
10
2
2
796 60 64 26,4
10
10
A2
n2
75
x y X Y
1
1 tot
A1
* YA1
n1
66 * 61 64 * 70
877
26,4
10
10
5).
y X 2Ytot
* YA1
A2
* YA 2
n2
* YA 2
n1
n2
74 * 61 67 * 70
940
940 920,4 19,6

10
10
6).
X * Y
X * Y
x3 y X 3Ytot A1n A1 A2n A2
1
2
60 * 61 64 * 70
833
833 814 19
10
10
7).
2
x1 x2 X 1 X 2tot
8).
942
A1
* X 2 A1
1 A1
n1
A2
1 A2
1 3
3 tot
1 A1
* X 3 A1
n1
n2
66 * 74 64 * 67
942 917,2 24,8

10
10
x x X X
* X 2 A2
1 A2
* X 3 A2
n2
66 * 60 64 * 64
832
832 805,6 26,4

10
10
9).
X * X
X * X
x2 x3 X 2 X 3tot 2 A1n 3 A1 2 A2n 3 A2
1
2
60 * 74 64 * 67
891
891 872,8 18,2

10
10
10).
d. Menghitung Beta Total (b1, b2 dan b3)
Untuk menghitung beta, gunakan rumus persamaan regresi jamak linear sebagai
berikut.
x y b x b x x b x x
x y b x x b x b x x
x y b x x b x x b x
1
2
1
1 2
1 3
1 2
1 3
2 3
2 3
2
76
Masukkan skor deviasi di atas ke dalam persamaan tersebut sehingga menjadi

seperti berikut.
1
25,5 = 41
b1 + 25,5 b2 + 26
b3
16,45 = 25,5 b1 + 26,95 b2 + 16,8 b3
20,8 = 26
b1 + 16,8 b2 + 27,2 b3
----------------------------------------------------- ambil persamaan (1) dan (2), ini bisa

diselesaikan dengan metode eliminasi atau metode Selisih Produk Diagonal (SPD),
sehingga menjdi:
3
0,7 = 25,8 b1 + (-272,3)b2 + 0 b3;(ini diperoleh dari: (25,5 * 16,8) (16,45 * 26)
; (41*16,8) (25,5*26); (25,5*16,8) - (26,95*26); dan (26*16,8)-(16,8*26).
Kemudian, ambil persamaan (2) dan (3), dan hitung dengan metode SPD sehingga
diperoleh seperti pada persamaan (5).
98 = 256,8 b1 + 450,8 b2 + 0 b3; hal ini diperoleh dari: (16,45*27,2)

(20,8*16,8); (25,5*27,2)- (26*16,8); (26,95*27,2) (16,8*16,8);
(16,8*27,2) (27,2*16,8). Selanjutnya, persamaan (4) dan (5) dihitung dengan
metode SDP dan jadikan persamaan (6) sebagai berikut.
--------------------------------------------------4
0,7 = 25,8 b1 + (-272,3)b2 + 0 b3
98 = 256,8 b1 + 450,8 b2
+ 0 b3
--------------------------------------------------6
27000,96 = 81557,28 b1; hal ini diperoleh dari: (0,7*450,8) (98*-272,3);

(25,8*450,8) (256,8*-272,3). Dengan demikian, diperoleh harga b1=.
27000,96/81557,28 = 0,331067 = 0,331
Dengan memasukkan harga beta1 ke persamaan (5), diperoleh: 98 = (0,331)(256,8) +
450,8b2 sehingga menjadi: 98 = 85,0008 + 450,8b2, menjadi 98 - 85,0008 = 450,8b2,

menjadi 12,9992 = 450,8b2. Dengan demikian, b2 = 12,9992/450,8 = 0,029.
Untuk menghitung b 3, gunakan salah satu persamaan di atas yang ada beta tiganya.
Misalnya, kita gunakan persamaan (2) sehingga menjadi sebagai berikut.
16,45 = 25,5 (0,331) + 26,95 (0,029) + 16,8 b3
16,45 = 8,4405 + 0,78155 + 16,8 b3
77
16,45 = 9,22205 + 16,8 b3

16,45 9,22205 = 16,8 b3
7,22795 = 16,8 b3 jadi b3 =7,22795 /16,8 = 0,3917 = 0,430.
e. Menghitung Beta Dalam (b1, b2, b3)
Dengan cara yang sama, yakni dengan menggunakan persamaan linear, harga beta
dalam ditemukan. Berdasarkan skor deviasi sumber variasi dalam, persamaan tersebut
menjadi seperti berikut.
(1)
(2)
x1 y b1 x1 b2 x1 x2 b3 x1 x3
2
x2 y b1 x1 x2 b2 x2 b3 x2 x3
2
x y b1 x1 x3 b2 x2 x3 b3 x3
(3) 3
26,4 = 40,8 b1 + 24,8 b2 + 26,4 b3
1
19,6 = 24,8 b1 + 24,5 b2 + 18,2 b3
19
= 26,4 b1 + 18,2 b2 + 26,4 b3
----------------------------------------------- diselesaikan dengan metode SPD, menjadi:

3
-36,96 = 87,84 b1 + (-195,44) b2; (hasil SPD dari persamaan (1) dan (2)).
171,64 = 174,24 b1 + 315,56
b2; (hasil SPD persamaan (2) dan (3)).
--------------------------------------------- diselesaikan dengan metode SPD

5
21882,224 = 61772,256 b1 b1 = 21882,224/61772,256 = 0,354 (dibulatkan).

Masukkan b1 ke persamaan (2) sehingga menjadi:
171,64 = 174,24(0,354) + 315,56 b2
171,64 = 61,68096 + 315,56 b2
171,64 61,68096 + 315,56 b2
109,92904 = 315,56 b2 b2 = 109,92904/315,56 = 0,348 (dibulatkan).
Selanjutnya, masukkan ke salah satu persamaan di atas, misalnya dimasukkan ke
persamaan (3) sehingga menjadi sebagai berikut.
19
= 26,4 (0,354) + 18,2 (0,348) + 26,4 b3
19
= 9,3456 + 6,3336 + 26,4 b3
19
= 15,6792 + 26,4 b3
19 15,6792 = 26,4 b3
3,3208 = 26,4 b3 b3 =3,3208/26,4 = 0,126 (dibulatkan)
78
f. Menghitung Jumlah Kuadrat Residu Total (JKres tot)

JK total y 2 (b1 x1 y b 2 x2 y b3 x3 y ) 26,95 (0,331* 25,5 0,029 *16,45
0,430 * 20,8) 26,95 17,86155 9,08845.
g. Menghitung Jumlah Kuadrat Residu Dalam (JKres.dal)

JKres.dal
=
2
y (b1 x1 y b2 x2 y b3 x3 y) 22,9 (0,354 * 26,4) (0,348 *19,6 0,126 *19)
22,9 18,5604 4,3396.
h. Menghitung Jumlah Kuadrat Residu Antar (JKres.ant.)
JKres.ant. = JKres.tot.- JKres.dal = 9,08845 4,3396 = 4,74885 (ini varians terbesar)

i. Menghitung derajat kebebasan (db) dan Rerata Jumlah Kuadrat (RJK)
dbA = a-1 = 2 1 = 1
dbdal = N a m (kovariabel) = 20- 2 3 = 15
dbtot = N 1 m = 20-1-3 = 16
RJKA = JKA/dbA= 4,74885/1 = 4,74885 = 4,749 (dibulatkan)
RJKdal = JKdal/dbdal = 4,3396/15 = 0,289306666 = 0,289 (ini varians terkecil)
Jadi Fresidu = 4,749/0,289 = 45,41868512 = 16,432 (dibulatkan)
Tabel 3.9. Ringkasan Anakova Tiga Kovariabel
Sumber
Variasi
antar A
JK
db
RJK
Fres
4,749
4,749
16,432
F tabel
( 0,05)
P<0,05
dalam
Total
4,3396
9,0886
15
16
0,289
-----
---------------
-------------
Berdasarkan hasil analisis di atas, dapat disimpulkan bahwa dengan pengendalian

terhadap IPK SMA (X1), IQ (X2), dan bakat numerik (X3), terdapat perbedaan yang
signifikan nilai Statistika Lanjut (Y) antara mahasiswa yang berasal dari IPS dan IPA.
Mahasiswa yang berasah dari IPA lebih unggul dibandingkan dengan mahasiswa yang
berasal dari jurisan IPS
(YIPA 7,132 YIPS 5,97)
.Rata-rata yang telah disesuaikan.
Angka rata-rata nilai Statistik Lanjut setelah disesuaikan adalah sebagai berikut.
79
Y * A1 YA1 X 1. A1 X 1.tot b1.dal X 2. A1 X 2.tot b2.dal X 3. A1 X 3.tot b3.dal

61 66 130
74 141
60 124
0,354
0,348
0,126
10 10 20
10 20
10 20
6,1 6,6 6,5 0,354 (7,4 7,05)(0,348 6,0 6,2 0,126
6,1 0,1 0,354 0,35 0,348 0,2 0,126
6,1 0,0354 0,1218 0,0252 6,1 0,132 5,968 5,97
Y * A 2 YA2 X 1. A 2 X 1.tot b1 .dal X 2. A 2 X 2.tot b2.dal X 3. A 2 X 3.tot b3.dal

70 64 130
67 141
64 124
0,354
0,348
0,126
10 10 20
10 20
10 20
7,0 6,4 6,5 0,354 6,7 7,05 0,348 6,4 6,2 0,126
7,0 0,1 0,354 0,35 0,348 0,2 0,126
7,0 0,0354 0,1218 0,0252
7,0 (0,132) 7,132
Jika kita ingin mengetahui harga koefisien regresi ganda antara kriterium dengan
kovariabel X1 dan X2, harga Ry (1,2) itu dapat dicari dengan menggunakan bahan-bahan
sumber variasi dalam kelompok, sebagai berikut.
Ry (1,2,3)
b1 x1 y b2 x2 y b3 x3 y
0,354 26,4 0,34819,6 0,12619

22,9
18,5604
0,8105 0,900
22,9
R2 = 0,8105 = 81,05%. Ini besarnya kontribusi bersama kovariabel X 1, X2 dan X3
terhadap kriterium.
Simpulan ? latihan menyimpulkan!
D. Rancangan Anakova Dua Jalur (Anakova Faktorial AB, satu kovariabel)

Sebelum kita lanjutkan pembicaraan mengenai penerapan anakova untuk
rancangan yang lebih rumit ini,
baiklah kita endapkan prinsip-prinsip dan tata-kerja
anakova yang sudah kita tangkap. Anakova merupakan perluasan dari anava, karena
80
adanya sejumlah variabel bebas yang dikendalikan secara individual. Pengendalian

dilakukan dengan 'memeras' pengaruh variabel bebas yang dikendalikan, yang disebut
kovariabel, terhadap kriterium, sehingga bilangan-bilangan kriterium yang dihasilkan dari
anakova dapat dianggap sebagai bilangan-bilangan yang murni.
Pengendalian variabel bebas
dilakukan secara statistik, dengan jalan
memperhitungkan besar korelasi antara kriterium dengan kovariabel (atau kovariabelkovariabel). Besar korelasi antara kriterium dengan kovariabel dengan sendirinya akan
diktemukan sekaligus dalam anakova. Makin tinggi korelasi antara kriterium dengan
kovariabel, makin banyak pengaruh dari kovariabel terhadap kriterium yang harus
diperas.
Angka rata-rata kriterium yang disesuaikan merupakan salah satu hasil
'pomerasan'
mengecil,
pengaruh kovariabel tersebut. Perbedaan rata-rata hasil anava akan

jika korelasi
antara kriterium dengan kovariabel positif.
Sebaliknya,
perbedaan tersebut akan melebar jika korelasi antara kriterium dengan kovariabel negatif.
Untuk melakukan anakova, kita harus mencari harga-harga jumlah kuadrat JK
untuk kriterium dan kovariabcl-kovariabel dalam pola rancangan anava yang dipakai,
misalnya rancangan rambang lugas,
rambang lugas,
rancangan faktorial,
yang akan dipakai untuk analisis
dsb.
Untuk rancangan
adalah JK total dan JK dalam.
Demikian juga halnya untuk rancangan faktorial. Akan tetapi untuk rancangan factorial,
JK total diperoleh dengan cara khusus,
faktorial itu mula-mula harus
bukan JK total faktorialnya. Rancangan
dipecah-pecah menjadi rancangan-rancangan rambang
lugas, baik untuk sumber variasi utamanya, maupun untuk sumber variasi interaksinya.
JK total tiap sumber variasi diperoleh dari menjumlahkan JK sumber variasi dengan JK
dalam. Selanjutnya JK total yang baru ini dan JK dalam yang dipakai untuk analisis
kovarianss.
Cara kerja yang digunakan dalam komputasi JK tersebut kita gunakan juga dalam
komputasi jumlah produk atau JP antara kriterium dengan kovariabel, maupun antara
kovariabel yang satu dengan kovariabel lainnya. Untuk rancangan rambang lugas kita
dapat langsung bekerja dongan JP total dan JP dalamnya. Untuk rancangan faktorial,
rancangan itu dipecah-pecah dahulu dalam sejumlah rancangan rambang lugas, dan
81
setelah diperoleh JP total yang baru, komputasi dapat dilanjutkan berdasarkan JP total
yang baru itu dan JP dalamnya.
Jumlah kuadrat residu atau JK residu, baik JK residu total maupun JK residu
dalam yang diperlukan dalam analisis kovarians dapat diperoleh setolah koofisien
masing-masing kovariabelnya ditemukan. Jika dalam anakova, diambil lebih dari satu
kovariabel, koefisien kovariabelnya diperoleh melalui persamaan simultan.Selanjutnya,
jika JK residu total dan JK residu dalam sudah ditemukan, maka JK residu antar dapat
dengan mudah ditemukan pula dari mengurangkan JK. residu total dengan JK residu
dalam. Dengan JK residu antar dan JK residu dalam, maka pekerjaan anakova dapat
segera diselesaikan. Besar korelasi antara kriterium dengan kovariabel dicari melalui cara
seperti yang sudah kita pelajari dalam analisis regresi. Demikian juga uji signifikansinya
terhadap korelasi tersebut.
Berikut ini, disajikan data fiktif untuk latihan analisis kovarians dua jalur dengan
satu kovariabel.
1
Tabel Data Hasil Penelitian

A1
X
62
75
B1
41
88
72
B2
84
91
68
77
85
A2
Y
5
7
3
8
7
X
46
53
57
49
62
Y
5
4
3
7
6
2
3
1
1
3
58
72
61
65
59
9
10
8
8
10
(Sumber: Bruning, 1977,199, dengan perubahan nama variabel)

Keterangan Notasi:
A = Metode Pembelajaran
A1 = Metode Konvensional
A2 = Metode Inovatif
82
B = Motivasi Berprestasi
B1 = Motivasi Tinggi
B2 = Motivasi Rendah
Y = Nilai IPA
X = kovariabel IQ
2
Tabel Statistik Induk

Tabel 3.11. Data Statistik Induk
Motivasi
Berprestasi
Statistik
B1 = Mot.Tinggi
B2 = Mot. Rendah
Metode
Konvensiona Inovatif
l
A2
A1
5
5
Total
Motivasi
10
30
25
55
X
N
338
5
267
5
605
10
10
45
55
405
315
720
Total Semua
10
10
20
40
70
110
743
582
1325
Total Metode
Kuadrat Total dan Produk Total

Kuadrat Total: Y 2
= 764
X 2
= 91587
Produk Total: XY = 7175

Rumus-rumus untuk mencari JK dan JP dari data tersebut, sama halnya dengan
rumus-rumus dalam perhitungan Anava AB. Karena itu, di bawah ini hanya diungkapkan
kembali rumus umumnya, dan untuk setiap pekerjaan selanjutnya akan mengacu pada
rumus umum tersebut.
JK T X T
83
JK A
JK B
nA
nB
JK AB
AB
n AB
JK A JK B
JK dal JK T JK A JK B JK AB
Jumlah Produk antara X dan Y (XY)
JPT XYT
X Y
JPA
nA
JPB
X Y X Y
A
X Y X Y
JPAB
nB
X Y X Y JP
AB
AB
n AB
JPB
JPdal JPT JPA JPB JPAB

3
Menghitung Jumlah Kuadrat (JK) dan Jumlah Produk (JP)
a. Jumlah Kuadrat (Y)
JK T YT
JK A
JK B
nB
764
110 2
764 605 15
0
9
nA
40 2 70 2 110 2
650 605 45
20
10 10
552 552 110 2
605 605 0
10 10
20
84
30 2 252 10 2 45 2 110 2
2
2

YAB
YT
5
5
5
20
5
JK AB
JK A JK B
n AB
N
730 605 80

JK dal JKT JK A JK B JK AB 159 45 0 80 34

b. Jumlah Kuadrat (X)
JK T X T
91587
JK A
X X
JK B
X X
7432 582 13252

890773 87781,24 1296,05

10
20
10
720 2 6052 1325 2

89756,6 87781,25 661,25

10
20
10
JK AB
nA
nB
X
AB
n AB
13252
91587 87781,25 3805,75
20
JK A JK B
405 2 3382 315 2 267 2 1325 2

5
5
5
20
5
89756,6 87781,25 1296,05 661,25
18,08

3805,75 1296,05 661,25 18,08
1830,37
1830,40
c. Jumlah Produk antara X dan Y (XY)
85
JPT XYT
JPA
X Y 7175 1325 *110 7175 7287,5 112,5

T
X Y X Y
A
nA
20
743 * 40 582 * 70 7287,5
10
10
7046 7287,5 241,5

JPB
X Y X Y 720 * 55 605 * 55 7287,5 0

B
nB
10
X Y X Y JP
JPAB
AB
AB
n AB
10
JP
338 * 30 405 *10

5
267 * 25 315 * 45 7287,5 7008 7287,5 (241,5) 0 38
5
5
JPdal JPT JPA JPB JPAB (112,5) (241,5) 0 (38) 167
4
Sumber Variasi Total A, B, dan Dalam
Tabel 3.12. Sumber Variasi Total A

Statistik
y2
x
xy
2
A
45
d
34
Total
79
1296,05
1830,4
3126,45
-241,5
167
-74,5
B
0
d
34
Total
34
661,25
1830,4
2491,65
167
167
Tabel 3.13. Sumber Variasi Total B

Statistik
y2
x
xy
2
Tabel 3.14. Sumber Variasi Total AB

86
Statistik
y2
x
xy
2
AB
80
d
34
Total
114
18,05
1830,4
1848,45
-38
167
129
Rangkuman JK, JP, dan dalam
Tabel 3.15. Rangkuman JK, JP, dan dalam

Statistik
y2
x
xy
2
Total A
79
Total B
34
Total AB
114
dalam
34
3126,45
2491,65
1848,45
1830,4
-74,5
167
129
167
Menghitung JK Residu Masing-Masing Sumber Variasi
JKres.dalam =
JKres.A =
34
167 2
34 15,237 18,763
1830,4
74,5
79
3126,5
18,763 79 1,775 18,763 58,462.
167
34
18,763 34 11,193 18,763 4,044
2491,65
JKres.B =
2
129
114
18,763 114 9,003 18,763 86,234.
1848,45
JKres.AB =
dbA = a-1 = 2 1 = 1
dbB = b-1 = 2 1 = 1
dbAB = (a-1)(b-1) = 1*1 = 1
dbtotal = N m 1 = 20 1 1 = 18
dbdal = dbtot dbA- dbB dbAB = 18 1 1 1 = 15
RJKA = JKA/dbA = 58,462/1 = 58,462
87
RJKB = JKB/dbB = 4,044/1 = 4,044

RJKAB = JKAB/dbAB =86,234/1 = 86,234
RJKdal = 18,763/15 = 1,251
FA = RJKA/RJKdal = 58,462/1,251 = 46,732
FB = RJKB/RJKdal = 4,044/1,252 = 3,233
FAB = RJKAB/RJKdal = 86,234/1,251 = 68,932
Tabel 3.16. Ringkasan Anakova AB (1 kovariabel)
*)
Sumber
Variasi
A
JK
db
RJK
Fhitung
58,462
58,462
46,732*)
Ftabel
( 0,05)
10,8
4,004
4,004
3,233ns
10,8
AB
86,234
86,234
68,932*)
10,8
dalam
Total
18,763
167,503
15
18
1,251
---
-----
-----
= signifikan pada taraf signifikansi 5%.

Berdasarkan hasil analisis di atas, dapat disimpulkan sebagai berikut.
(1) Dengan pengendalian terhadap kovariabel IQ (X), terdapat perbedaan yang
signifikan nilai IPA (Y) antara mahasiswa yang mengikuti pembelajaran dengan
metode inovatif dan metode konvensional. Mahasiswa yang pembelajarannya
menggunakan metode inovatif lebih unggul dari pada mahasiswa yang belajar
menggunakan metode konvensional (YA 2 6,86 YA1 4,14) .
(2) Dengan pengendalian terhadap kovariabel IQ (X), tidak terdapat perbedaan yang
signifikan nilai IPA (Y) antara mahasiswa yang memeiliki motivasi berprestasi
tinggi dan motivasi berprestasi rendah ( YB1 5,5 sama dengan YB2 5,5).
(3) Dengan pengendalian terhadap kovariabel IQ (X), terdapat pengaruh interaksi
yang signifikan antara metode pembelajaran (A) dan motivasi berprestasi (B)
terhadap nilai IPA (Y).
88
Menghitung rata-rata yang disesuaikan antar A dan antar B, dengan rumus

berikut.
_
_
_
MA1 = Y1 dal. (XA1 XT) = 4,0 0,091(4,0 - 5,5) = 4,0 (- 0,1365) = 4,14
_
_
_
MA2 = Y2 dal. (XA2 XT) = 7,0 0,091(7,0 5,5) = 7,0 0,1365 = 6,86
_
_
_
MB1 = Y1 dal. (XB1 XT) = 5,5 0,091(5,5 5,5) = 5,5
_
_
_
MB2 = Y2 dal. (XB2 XT) = 5,5 0,091(5,5 5,5) = 5,5
E. Rancangan Anakova Dua Jalur (Anakova Faktorial AB, 2 kovariabel)
1
Tabel Data Hasil Penelitian

A1
X1
X2
8
8
8
9
6
7
7
8
B1
7
8
5
6
6
7
7
8
6
7
7
8
B2
7
6
5
7
6
6
5
5
6
7
8
7
7
8
7
7
4
4
5
6
Y
7
7
6
8
8
7
7
9
8
9
X1
6
5
7
6
7
5
6
6
7
6
A2
X2
7
7
8
6
7
6
5
6
7
7
7
6
6
7
6
6
5
5
6
7
6
5
8
8
7
7
8
8
6
6
8
7
6
7
6
5
8
8
6
7
89
Y
6
6
7
5
6
6
5
4
6
7
7
6
7
7
6
6
7
8
5
6
Keterangan Notasi:
A = Intensitas Perkuliahan
A1 = kuliah teratur
A2 = kuliah tak teratur
B = Praktikum
B1 = praktikum teratur
B2 = praktikum tak teratur
Y = Nilai Fisika
X1 = kovariabel IQ
X2 = kovariabel Bakat Numerik
2
Tabel Statistik Induk

Tabel 3.18. Data Statistik Induk
Praktikum
B1 = Teratur
B2 = Tak Teratur
Statistik
N
Teratur
A1
10
Kuliah
Tak Teratur
A2
10
Total
Praktikum
20
76
58
134
X1
67
61
128
X2
N
76
10
66
10
142
20
61
65
126
X1
60
69
129
X2
63
68
131
Total Semua
20
20
40
137
123
260
X1
127
130
257
X2
139
134
273
Total Kuliah
Kuadrat Total dan Produk Total

90
Kuadrat Total: Y 2
= 1736
X1 2
= 1687
X2 2 = 1915
Produk Total: X1Y = 1691
X2Y = 1807
X2X2 = 1776
Rumus-rumus untuk mencari JK dan JP dari data tersebut, sama halnya dengan
rumus-rumus dalam perhitungan Anava AB. Karena itu, di bawah ini hanya diungkapkan
kembali rumus umumnya, dan untuk setiap pekerjaan selanjutnya akan mengacu pada
rumus umum tersebut.
Jumlah Kuadrat
JKT X T
JK A
JK B
nB
X
AB
n AB
nA
JK AB
JK A JK B
JK dal JKT JK A JK B JK AB
Jumlah Produk antara X dan Y

91
JPT XYT
X Y
T
JPA
X Y X Y
JPB
X Y X Y
JPAB
nA
nB
X Y X Y JP
AB
AB
n AB
JPB
JPdal JPT JPA JPB JPAB
Persamaan garis regresi:

Y b1 X 1 b2 X 2 ... bm X m
. Persamaan linier m prediktor adalah sebagai berikut.
(1) x1 y b1 x1 b2 x1 x2 ... bm x1 xm
2
(2) x2 y b1 x1 x2 b2 x2 ... bm x2 xm
2
........................................................................
(m) xm y b1 x1 xm b2 x2 xm ... bm xm
JK residu (berlaku untuk residu total maupun residu dalam, dengan bahan
terpisah),
JK res y 2 b1 x1 y b2 x2 y ... bm xm y
JK res antar JK res.tot JK res.dal
dbres.tot N m 1
dbres. A a 1
dbres. B b 1
dbres, AB a 1 b 1
dbres.dal. dbres.tot dbres. A dbres. B dbres. AB
JK
berlaku untuk " antar"dan" dalam"
db
RJK res ...
Fres
RJK res.dal
RJK
Ry 1,2,...m
b1 x1 y b2 x2 y ... bm xm y
Langkah-langkah Perhitungan
92
Langkah pertama yang harus dilakukan adalah mencari jumlah kuadrat dari semua
variable (Y, X1, dan X2) secara terpisah, seperti halnya kita mencari JK dalam analisis
varianss factorial dua jalur (factorial AB).
a
Menghitung JK variable kriterium Fisika (Y)
y Y
2
JK total =
JK A
JKA =
tot
tot
nA
1736
260 2
40
1736 1690 46
137 2 1232 260 2

20
40
20
1694,9-1690 =
4,9
JK B
134 2 126 2 260 2

20
40
20
= 1691,6 1690 = 1,6
nB
JK AB
AB
n AB
76 2 612 582 652 260 2

JK A JK B
10 10
10
40
10
4,9 1,6 12,1

5
JK dal JKT JK A JK B JK AB 46 4,9 1,6 12,1 27,4
b Menghitung Kovariabel IQ (X1)
JK T X 1T
1T
257
1687
40
X X
JK A
2
1A
1T
nA
127 2 130 2 257 2

1651,45 1651,225
20
20
40
0,225
X X
JK B
3
1687 1651,225 35,775
nB
1282 129 2 257 2

20
20
40 =
1651,225=0,025
93
1651,25-
JK AB
257 2
4
40
1 AB
1T
n AB
67 2 60 2 612 69 2

JK A JK B
10
10
10
10
0,225 0,025 1657,1 1651,225 0,225 0,025 5,625
Menghitung Kovariabel Bakat Numerik (X2)
JKT X 2T
JK A
273
1915
2T
2A
nA
40
X X
142 2 1312 273 2

20
40
20
nB
1866,25 1863,225 3,025

JK AB
273 2
5
1863,85 1863,225 0,625

JK B
51,775
139 2 134 2 273 2

20
40
20
2T
= 35,775 - 0,225 - 0,025 - 5,625 = 29,9
40
X
2 AB
n AB
2T
76 2 632 66 2 68 2

JK A JK B
10
10
10
10
0,625 3,025 1872,5 1863,225 0,625 3,025 5,625
= 51,775 0,625 3,025 5,625 = 42,5
94
d Menghitung Jumlah Produk (JP)

1), Menghitung JP (X1Y)
(1) JPT X 1YT
X Y 1691 257 * 260 1691 1670,5 20,5
(2) JPA
nA
1T
40
X Y X Y 127 *137 130 *123

1A
1T
20
257 * 260 1669,45 1670,5 1,05

40
(3) JPB
20
X Y X Y 128 *134 129 *126

1B
1T
nB
20
20
(257 * 260)
1670,3 1670,5 0,2
40
X 1 AB YAB X 1T YT JP JP 67 * 76
(4) JPAB
A
B
n AB
N
10
60 * 61 61 * 58 69 * 65 257 * 260 JP
A JPB 1677,5 1670,5

10
10
10
40
(1,05) (0,2) 8,25
(5) JPdal JPT JPA JPB JPAB 20,5 ( 1,05) (0,2) 8,25 13,5
Menghitung antara Nilai Fisika dan Bakat Numerik (X2Y)
(1) JPT X 2YT

(2) JPA
X Y 1807 273 * 260 1807 1774,5 32,5

2T
X Y X Y
2A
nA
2T
273 * 260 1776,25 1774,5 1,75

40
(3) JPB
40
139 *137 134 *123
20
20
X Y X Y 142 *134 131*126

2B
nB
2T
20
20
(273 * 260)
1776,7 1774,5 2,2
40
X 2 AB YAB X 2T YT JP JP 76 * 76
(4) JPAB
A
B
n AB
N
10
63 * 61 66 * 58 68 * 65 273 * 260 1,75 2,2 1786,7 1774,5 1,75 2,2 8,25
10
10
10
40
(5) JPdal JPT JPA JPB JPAB 32,5 1,75 2,2 8,25 20,3
95
Menghitung antara IQ dan Bakat Numerik (X1X2)
(1) JPT X 2 X 2
X X 1776 273 * 257 1776 1754,025 21,975
(2) JPA
nA
1T
2T
40
X X X X 139 *127 134 *130

1A
2A
1T
2T
20
273 * 257 1753,65 1754,025 0,375

40
(3) JPB
20
X X X X 142 *128 131 *129

1B
2B
1T
nB
2T
20
20
( 273 * 257)
1753,75 1754,025 0,275
40
X 1 AB X 2 AB X 1T X 2T JP JP 76 * 67
(4) JPAB
A
B
n AB
N
10
63 * 60 66 * 61 68 * 69 273 * 257 (0,375) (0,275)
10
10
10
40
1759 1754,5 0,375 0,275 5,15
(5) JPdal JPT JPA JPB JPAB 21,975 ( 0,375 ( 0,275) 5,15 17,475
Hasil perhitungan JK dan JP tersebut kita rangkum ke dalam satu table berikut.
Tabel 3.19. Tabel Rangkuman Jumlah Kuadrat dan Jumlah Produk
Dari Semua Sumber Variasi
Stt. JK dan
JP
Sumber Variasi
Praktikum
Inter
B
AB
1,6
12,1
y2
Kuliah
A
4,9
dalam
d
27,4
Total
T
46
x12
0,225
0,025
5,625
29,9
35,775
x22
0,625
3,025
5,625
42,5
51.775
x1y
-1,05
-0,2
8,25
13,5
20,5
x2y
1,75
2,2
8,25
16,35
32,5
x1x2
-0,375
-0,275
5,15
17,475
21,975
Untuk keperluan analisis kovarianss rancangan factorial AB tersebut, dipecahpecah atau disederhanakan menjadi sejumlah rancangan satu jalur atau rancangan
96
sederhana (rambang lugas). Misalnya, jika sumber variasi kuliah A kita pisahkan, maka
akan tampak pada table berikut.
Tabel 3.20. Tabel Sumber Variasi antar A, sumber Variasi Dalam dan Total
Statistik
y2
A
4,9
Sumber Variasi
d
27,4
x12
0,225
29,9
30,125
x22
0,625
42,5
43,125
x1y
-1,05
13,5
12,45
x2y
1,75
20,3
22,05
x1x2
-0,375
17,475
17,1
Total
32,3
Perhatikan, setelah pemisahan kita mempunyai bilangan total yang baru (4,9 + 27,4 =
32,3). Pemisahan semacam itu, kita lakukan juga terhadap sumber variasi B dan sumber
variasi AB, sehingga ditemukan bilangan sumber variasi total yang baru. Perlu diingat
bahwa bilangan-bilangan sumber variasi dalam untuk semua variasi tersebut adalah sama.
Hal ini terjadi karena dalam analisis varians faktorial, varians dalam selalu digunakan
sebagai varians error untuk semua sumber variasi utama dan interaksinya.
Tabel 3.21. Tabel Sumber Variasi antar B, sumber Variasi Dalam dan Total
Statistik
y2
B
1,6
Sumber Variasi
d
27,4
x12
0,025
29,9
29,925
x22
3,025
42,5
45,525
x1y
-0,2
13,5
13,3
x2y
2,2
20,3
22,5
x1x2
-0,275
17,475
16,7
97
Total
29
Tabel 3.22. Tabel Sumber Variasi antar AB, sumber Variasi Dalam dan Total
Statistik
AB
12,1
Sumber Variasi
d
27,4
Total
39,5
x12
5,625
29,9
35,525
x22
5,625
42,5
48,125
x1y
8,25
13,5
21,75
x2y
8,25
20,3
28,55
x1x2
5,15
17,475
22,625
Jika pemisahan terhadap semua sumber variasi telah dilakukan, maka akan diperoleh data
sebagai tabel berikut.
Tabel 4.23. Rangkuman JK dan JP Total dan Dalam dari Semua Sumber Variasi
JK dan JP
y2
Total A
Sumber Variasi
Total B
Total AB
dalam
32,3
29
39,5
27,4
x12
30,125
29,925
35,525
29,9
x22
43,125
45,525
48,125
42,5
x1y
12,45
13,3
21,75
13,5
x2y
22,05
22,5
28,55
20,3
x1x2
17,1
16,7
22,625
17,475
Dengan harga-harga JK dan JP total dan Dalam yang telah diperoleh tersebut,
akan dapat dicari harga-harga JK residu tiap-tiap sumber variasi melalui metode yang
telah diketahui pada saat pengkajian mengenai analisis regresi. Untuk memperoleh JK
residu, perlu dicari harga koefisien kovariabelnya, yaitu b 1 untuk X1 dan b2 untuk X2.
Dengan rumus persamaan simultan (linier), untuk masing-masing sumber variasi akan
ditemukan sebagai berikut.
Beta Sumber Variasi A Total:

1
x1y = b1x12
+ b2x1x2
98
x2y = b1x1x2 + b2x22
---------------------------------------------1
12,45
= 30,125 b1 + 17,1
22,05
= 17,1
b2
b1 + 43,125 b2
--------------------------------------------- dengan metode SPD, diperoleh sebagai berikut.

159,85125= 1006,730625 b1 jadi b1 = 159,85125/1006,730625 = 0,159
Masukkan ke salah satu persamaan di atas, misalnya ke persamaan (1), menjadi:
12,45 = (30,125)(0,159) + 17,1 b2
12,45 = 4,789875 + 17,1 b2
12,45-4,789875 = 17,1 b2
7,660125 = 17,1 b2 jadi b2 = 7,660125/17,1=0,44796 = 0,448
Beta Sumber Variasi B Total:
1
x1y = b1x12
x2y = b1x1x2 + b2x22
+ b2x1x2
---------------------------------------------1
13,3
= 29,925 b1 + 16,7
22,5 = 16,7
b2
b1 + 45,525 b2
----------------------------------------------229,7325= 1083,445625 b1 jadi b1 = 229,7325/1083,445625 = 0,212

Masukan ke persamaan (1), menjadi:
13,3 = 0,212(29,925) + 16,7 b2
13,3 = 6,3441 + 16,7 b2
13,3 6,3441 = 16,7 b2
6,9559 = 16,7 b2 jadi b2 = 6,9559/16,7 = 0,4165
Beta Sumber Variasi AB Total:
(1) x1y = b1x12 + b2x1x2
(2) x2y = b1x1x2 + b2x22
--------------------------------------------(1) 21,75 = 35,525 b1 + 22,625 b2
(2) 28,55 = 22,625 b1 + 48,125 b2

99
-------------------------------------------400,775 = 1197,75 b1 jadi b1 = 400,775/1197,75 = 0,3346

21,75 = 0,3346(35,525) + 22,265 b2
21,75 = 11,886665 + 22,265 b2
21,75 11,886665 = 22,265 b2
9,863335 = 22,265 b2 jadi b2 = 9,863335/22,265 = 0,443
Beta Sumber Variasi Dalam (untuk A, B, maupun AB)
(3) x1y = b1x12
+ b2x1x2
(4) x2x = b1x1X2 + b2x22

(5) 13,5 = 29,9 b1 + 17,475 b2
(6) 20,3 = 17,475 b1 + 42,5 b2
----------------------------------------------219,0075 = 965,374375 b1 jadi b1 = 219,0075/965,374375 = 0,227
13,5 = 0,227(29,9) + 17,475 b2
13,5 = 6,7873 + 17,475 b2
13,5 6,7873 = 17,475 b2
6,7127 = 17,475 b2 jadi b2 = 6,7127/17,475 = 0,384
JK residu Total A
JK res y 2 b1 x1 y b2 x2 y
= 32,3 (0,159*12,45)+(0,448*22,05)
= 32,3 11,85795= 20,442
JK residu Total B
= 29 (0,212*13,3) + (0,4165*22,5)
= 29 12,19085 = 16,809
JK residu Total AB
100
= 39,5 (0,3346*21,75) + (0,443*28,55)

= 39,5 19,9252 = 19,5748
JK residu Dalam (d)
JK res .dal y 2 b1 x1 y b2 x2 y
= 27,4 (0,227*13,5) + (0,384*20,3)
= 27,4 10,8597= 16,5403
JKres,antar A = JKres.tot.A JKres.dal = 20,442 16,5403 = 3,9017
JKres.B = JKres.tot.B JKres.dal =
16,809 - 16,5403 = 0,2678 = 0,268
JKres.AB = JKres.tot.AB JKres.dal = 19,5748 16,5403 = 3,0345

db res.tot = N m 1 = 40 2 1 = 37
db.res. A = a 1 = 2 1 = 1
db.res. B = b 1 = 2 1 = 1
db.res. AB = (a 1 ) (b 1) = 1
db.res.dal = db. Res.tot db.res.A db res. B db.res.AB = 37 1 1 1 = 34
JK
berlaku untuk " antar" dan" dalam"
db
RJK res ...
RJK res.dal
RJK
Fres
Tabel 3.24. Ringkasan Anakova AB Dua Kovariabel

Sumber
Variasi
A
JK
db
RJK
Fres
3,9017
3,9017
8,028*)
F tabel
( 0,05)
4,13
0,268
0,268
0,551ns
4,13
AB
3,0345
3,0345
6,244*)
4,13
dalam
Total
16,5403
23,7445
34
37
0,486
----
----
*)
----
Signifikan pada taraf signifikansi 5%.
(Regresi ganda dapat dihitung berdasarkan bahan-bahan sumber variasi dalam)
101
Ry 1,2
b1 x1 y b2 x2 y
(0,227 * 13,5) (0,384 * 20,3)

27,4
=
=
10,8597
0,3963394 0,6295
27,4
F. Rancangan Anakova Tiga Jalur (Anakova Faktorial ABC)

1
Data Hipotetik Hasil Penelitian

Tabel 3.25. Tabel Data Hipotetik
C1
B1
C2
C1
B2
C2
C1
B3
C2
Y
7
9
6
7
8
7
8
5
8
6
7
5
6
7
5
7
7
8
6
7
6
5
7
6
4
6
5
7
6
5
A1
X1
6
7
9
7
8
6
7
10
7
9
5
7
5
7
8
7
5
8
6
5
5
6
7
6
4
6
5
8
5
6
X2
9
7
8
6
8
8
8
7
7
6
7
6
7
o
6
6
6
7
7
8
6
5
5
7
6
4
6
5
7
5
Y
6
9
6
8
6
7
6
6
7
7
4
6
5
5
7
6
6
6
4
6
4
5
3
4
6
5
4
4
2
5
A2
X1
6
7
10
8
7
7
8
7
9
7
7
8
4
5
6
7
7
5
5
6
7
5
5
4
7
5
6
5
5
4
X2
7
8
6
7
8
9
8
6
7
7
7
6
8
7
7
5
6
7
9
6
5
6
5
7
6
6
6
5
6
3
(Sumber: Dikutip dari Materi Kuliah Program Doktor, yang disusun oleh Prof.
Sutrisno Hadi, MA, tahun 1984).
Keterangan notasi:
Variabel Perlakuan: Metode Pembelajaran (A)
102
A1 =Metode Inovatif
A2 = Metode Konvensional
Variabel Seleksi 1: Tempat Tinggal
B1 = Kota
B2 = Pinggiran
B3 = Desa
Variabel Seleksi 2: Jenis Kelamin
C1 = Pria
C2 = Wanita
Kovarlabel 1: X1 = IQ
Kovariabel 2: X2 = Bakat Numerik
Kriterium : Y = Prestasi Belajar Matematika
Langkah pertama dalam rangkaian kerja analisis kovarians adalah menghitung
semua data dasar statistik yang diperlukan, dari data pengamatan yang tercantum dalam
tabel induk tersebut. Dengan kalkulator, kita akan memperoleh data statistik jumlah skor,
jumlah kuadrat, dan jumlah produk, semuanya dalam skor kasar.
Telah kita coba dalam pelajaran-pelajaran yang terdahulu bahwa metode skor
deviasi merupakan metode yang paling efisien berdasarkan alat kalkulator yang tersedia.
Karena itu semua perhitungan tersebut scgera kita ubah dalam bentuk skor deviasi jumlah
kuadrat dan jumlah produk. Ini akan morupakan langkah kedua dalam pekerjaan analisi
kovarians.
Untuk rancangan faktorial ABC, jumlah kuadrat JK dan jumlah produk JP dalam
skor deviasi yang dimaksud langsung kita masukkan dalam rancangannya,
sumber-sumber variasi utama A, B,
dan C
dengan
dan sumber-sumber variasi interaksi AB,
AC, BC, dan ABC. Sumber variasi seluruhhya dapat kita ketemukan kembali dalam
rancangan aselinya, yaitu rancangan anava faktorial ABC. Demikian juga rumus-rumus
perhitungannya. Jadi misalnya, rumus-rumus JK untuk kriterium Y (berlaku juga untuk
kovariabel XI dan X2) adalah sebagai berikut.
2
JK T = Y 2T
( Y T )
JK T =
YA
nA
N
2
) (
YT
N
103
JK B=
YB
nB
) (
2
nC
( Y AB )
N
2
( Y T )
N
n AB
YT
( Y C)
JK C =
( Y T )
JK A JK B
JK AB=
( Y AC )
n AC
( Y T )
JK A JK C
JK AC =
( Y ) ( Y ) JK JK
BC
nBC
JK BC =
( Y ) ( Y ) JK JK JK JK
ABC
n ABC
AB
JK AC JK BC
JK ABC=
JK d=JK T JK A JK BJK C JK AB JK AC JK BC JK ABC
Selanjutnya, rumus-rumus untuk mencari JP.XIY (berlaku juga untuk JP.X2Y dan
JP X1X2) adalah sebagai berikut.
JP T = X 1 Y
( X 1T )( Y T )
N
(
JP =
X 1A
)(
nA
Y A
)(
X 1T
)( Y )
104
(
JP =
X 1B
(
JP =
C
Y B
nB
)(
X 1C
)(
YC
nC
JP AB=
JP AC
)( Y )
T
X 1T
)( Y )
T
)(
Y AC
n AC
)(
X 1T
)( Y ) JP JP
T
(
=
X 1 ABC
)(
Y ABC
n ABC
)(
n BC
JP A JPB
( X 1BC)( Y BC ) ( X 1T )( Y T )
JP ABC
X 1 AC
JP BC =
)(
n AB
(
=
X 1T
( X 1AB )( Y AB ) ( X 1T )( Y T )
)(
X 1T
JP BJPC
)( Y ) JP JP JP JP
AB
JP AC JP BC
JP d=JPT JP A JP B JPC JP AB JP AC JPBC JP ABC
Dengan rumus-rumus tersebut, kita selesalkan pekerjaan perhitungan

mencari JK dan JP sebagai langkah kedua dan ketiga. Selanjutnya, kita hitung
statistic induk yang diperlukan untuk menyelesaikan rumus-rumus tersebut.
Setelah dihitung dengan kalkulator, diperoleh harga-harga statistic sebagai berikut.
Total (T):
Y = 358
X1 = 391
X2 = 390
(N=60)
Y2 = 2252
X12 = 2663
X22 = 2626
105
Total Produk :
X1Y = 2378
X2Y = 2359
X1 X2 = 2556
B2B1C1
C2
B2C1
C2
B3C1
C2
Total
Y
37
34
30
35
28
29
35
33
27
28
22
20
358
X1
37
39
33
32
28
30
38
30
33
30
28
25
391
X2
38
36
32
32
29
27
36
37
35
33
29
26
390
Interaksi AB:
(nAB = 10)
B1B1
B2
B3
B2B1
B2
B3
Total
71
65
57
68
55
42
358
76
65
58
76
63
53
391
74
64
56
73
68
55
390
Interaksi AC:
(nAC = 15)
B1C1
C2
B2C1
C2
Total
95
98
84
81
358
98
101
99
93
391
99
95
100
96
390
Interaksi BC:
(nBC = 10)
B1C1
C2
B2C1
72
67
57
75
77
66
74
73
67
Interaksi ABC:
(nABC = 5)
B1B1C1
C2
B2C1
C2
B3C1
106
C2
B3C1
C2
Total
Perlakuan A:
(nA = 30)
B1
B2
Total
63
50
49
358
Y
193
165
358
62
56
55
391
X1
199
192
391
65
58
53
390
Lokasi B:
(nB = 20)
B1
B2
B3
Total
139
120
99
358
152
128
111
391
147
132
111
390
Kelamin C:
(nC = 30)
C1
C2
Total
179
179
358
197
194
391
199
191
390
Perhitungan Tahap Ke dua (mencari JK)
JK Kriterium Y:
2
358
JK T =2,252
=115,93
60
JK A=
1932 1652 3582

+
=13,07
30
30
60
JK B=
1392 1202 992 3582

+
+
=40,03
20
20 20
60
JK C =
1792 1792 3582

+
=0
30
30
60
2
JK AB=
71 65 57 68 55 42 358
+
+
+
+
+
13,0740,03=3,63
10 10 10 10 10 10
60
952 982 84 2 812 358 2

JK AC =
+
+
+
13,070=0,60
15 15 15 15
60
JK BC =
722 672 572 63 2 502 492 3582

+
+
+
+
+
40,030=3,10
10 10 10 10 10 10
60
JK ABC =
37 2 342
222 202 3582
+
+
+
5
5
5
5
60
13,0740,0303,630,603,10=0,70
JK d=115,9313,07040,033,630,603,100,70=54,80
107
194
196
390
JK Kovariabel X1:
JK T =2,663
3912
=114,98
60
JK A=
1992 1922 3912

+
=0,82
30
30
60
JK B=
152 128 111 391

+
+
=42,43
20
20
20
60
JK C =
1972 1942 3912

+
=0,15
30
30
60
762 652 582 76 2 632 532 3912

JK AB=
+
+
+
+
+
0,8242,43=0,63
10 10 10 10 10 10
60
JK AC =
982 1012 992 93 2 3912

+
+
+
0,820,15=1,35
15 15 15 15
60
JK BC =
75 77 66 62 56 55 391
+
+
+
+
+
42,430,15=0,90
10 10 10 10 10 10
60
JK ABC =
37 2 392
282 252 3912
+
+
+
0,8242,43=0,15
5
5
5
5
60
JK d=114,960,8242,430,150,631,350,900,15=68,40
JK Kovariabel X2:
3902
JK T =2,626
=91,00
60
2
JK A=
194 196 390

+
=0,07
30
30
60
JK B=
147 132 111 390

+
+
=32,70
20
20
20
60
JK C =
199 191 390

+
=1,07
30
30
60
742 64 2 562 732 682 55 2 3902

JK AB=
+
+
+
+
+
0,0732,70=0,83
10 10 10 10 10 10
60
JK AC =
992 952 1002 962 3902

+
+
+
0,071,07=0
15 15
15 15
60
108
JK BC =
74 73 67 65 58 53 390
+
+
+
+
+
32,701,07=0,43
10 10 10 10 10 10
60
382 36 2
292 262 3902
JK ABC =
+
+
+
0,0732,701,070,8300,43=0,70
5
5
5
5
60
JK d=91,000,0732,701,070,8300,430,70=55,20
3
Perhitungan Tahap Ke Tiga (mencari JP)
Antara kovariabel X1 dengan Kriterium Y (X1Y):
( 391 )( 358 )
=45,03
60
( 199 ) ( 193 ) ( 192 )( 165 ) ( 391 )( 358 )
JP A=
+
=3,27
30
30
60
JP T =2,378
JP B=
( 152 ) (139 ) ( 128 )( 120 ) ( 111) ( 99 ) ( 391 )( 358 )

+
+
=40,88
20
20
20
60
JP C =
(197 )( 179 ) (194 ) ( 179 ) ( 391 ) ( 358 )

+
=0
30
30
60
JP AB=
(76 )( 71 ) ( 65 )( 65 )
( 53 ) ( 42 ) ( 391 ) ( 358 )
+
++
+
3,2740,88=1,48
10
10
10
60
JP AC =
( 98 )( 95 ) ( 101 )( 98 ) ( 99 ) ( 84 ) ( 93 ) ( 81 ) ( 391 )( 358 )

+
+
+
+
3,270=0,90
15
15
15
15
60
JP BC =
( 75 ) (72 ) (77 )( 67 )
( 55 ) ( 49 ) ( 391 )( 358 )
+
+ +
+
40,880=1,65
10
10
10
60
JP ABC =
( 37 )( 37 ) (39 )( 34 )
( 25 )( 20 ) ( 391 )( 358 )
+
+ +
3,2740,8801,480,901,65=0,15
5
5
5
60
JP d=45,033,2740,8801,480,901,650,15=0
Antara kovariabel X2 dengan Kriterium Y (X2Y):
JP T =2,359
(390 )( 358 )
=32,00
60
JP A=
( 194 )( 139 ) ( 196 )( 165 ) ( 390 )( 358 )

+
=0,93
30
30
60
JP B=
( 147 ) ( 139 ) ( 132 ) (120 ) ( 111 )( 99 ) ( 390 ) ( 358 )

+
+
=36,10
20
20
20
60
109
JP C =
(199 )( 179 ) ( 191 ) ( 179 ) ( 390 )( 358 )

+
=0
30
30
60
JP AB=
(74 ) ( 71 ) ( 64 ) ( 65 )
( 55 ) ( 42 ) ( 390 ) (358 )
+
+ ..+
0,9336,10=0,17
10
10
10
60
JP AC =
( 99 )( 95 ) ( 95 ) ( 98 ) ( 100 ) ( 84 ) ( 96 ) ( 81 ) ( 390 )( 358 )

+
+
+
0,930=0
15
15
15
15
60
JP ABC =
( 38 ) ( 37 ) ( 36 )( 34 )
( 26 )( 20 ) ( 390 ) ( 358 )
+
+ +
0,93 36,1000,1700,10=0,70
5
5
5
60
JP d=32,000,93 36,1000,1700,100,70=3,60
Antara kovariabel X1 dengan kovariabel X2 (X1X2):
JP T =2,556
( 391 )( 358 )
=14,50
60
JP A=
( 199 ) ( 194 ) ( 192 ) ( 196 ) (391 ) ( 390 )

+
=0,23
30
30
60
JP B=
( 152 ) (147 ) ( 128 ) ( 132 ) ( 111) ( 111 ) ( 391 ) (390 )

+
+
=36,55
20
20
20
60
JP C =
(197 )( 199 ) (194 ) ( 191 ) ( 391 ) (390 )

+
=0,40
30
30
60
JP AB=
(76 )( 74 ) ( 65 ) ( 64 )
(53 )( 55 ) ( 391 )( 390 )
+
+..+
0,2336,55=0,08
10
10
10
60
JP AC =
( 98 )( 99 ) ( 101 )( 95 ) ( 99 ) ( 100 ) ( 93 ) ( 96 ) ( 391 ) (390 )

+
+
+
0,230,40=0
15
15
15
15
60
JP BC =
( 75 ) (74 ) ( 77 ) ( 73 )
( 55 )( 53 ) ( 391 ) (390 )
+
+ +
36,550,40=0,15
10
10
10
60
JP ABC =
( 37 )( 38 ) ( 39 )( 36 )
( 25 ) ( 26 ) ( 391 )( 390 )
+
++
0,2336,550,400,0800,15=0,15
5
5
5
60
JP d=14,50,2336,550,040,0800,15=22,09
Seperti metode yang kita gunakan dalam anakova rancangan faktorial AB,
rancangan faktorial ABC ini kita uraikan menjadi sejumlah randangan rambang
lugas. Atas dasar rancangan rambang lugas itu kita akan menganalisa JK total
dan JK dalamnya (juga JP total dan JP dalamnya). JK total diperoleh dari
110
menjumlahkan JK sumber variasi utama maupun interaksinya dengan JK dalam.

Telah kita catat, bahwa JK dalam dari rancangan faktorial menjadi milik dari
semua sumber variasi. Jadi misalnya, untuk kriterium Y.
Jika
semua
pekerjaan
itu
kita
rangkum
dalam
suatu
table,
maka hasilnya akan nampak seperti tabel rangkuman JK dan JP berikut.

Tabel 3.27. Rangkuman Jumlah Kuadrat dan
Jumlah Produk (JK dan JP)
Sumber
JK antar
JK dalam
JK Total
Variasi
A
13,07
54,80
(JKa+JKd)
67,87
40,03
54,80
94,83
0,00
54,80
54,80
AB
3,63
54,80
58,43
AC
0,60
54,80
55,40
BC
3,10
54,80
57,90
ABC
0,70
54,80
55,50
Sumber
JP antar
JP dalam
JP Total
Variasi
A
3,27
0,00
(JPa+JPd)
3,27
40,88
0,00
40,88
0,00
0,00
0,00
AB
1,48
0,00
1,48
AC
0,90
0,00
0,90
BC
-1,65
0,00
-1,65
ABC
0,15
0,00
0,15
Hasil pemecahan ini sebaiknya kita rangkum juga dalam suatu tabel
rangkuman seperti berikut.
111
Tabel 3.28. Rangkuman Semua JK Dan JP dari Semua Sumber Variasi

Suraber
Variasi
Jumlah kuadrat (JK)
Jumlah Produk (JP)
Y2
X 21
X 22
X1Y
X2Y
X1X2
Total (T)
115,93
114,90
91,00
45,03
32,00
14,50
A
B
C
AB
13,07
40,03
0,00
3,63
0,82
42,43
0,15
0,63
0,07
32,70
1,07
0,83
3,27
40,88
0,00
1,48
-0,93
36,10
0,00
-0,17
-0,23
36,55
0,40
0,08
AC
BC
0,60
3,10
1,35
0,90
0,00
0,43
0,90
-1,65
0,00
-0,10
0,00"
0,15
ABC
0,70
0,30
0,70
0,,15
0,70
0,15
54,30
68,40
55,20
0,00
-3,60
-22,60
Tabel 3.29. JK Total dan JP Total dari Semua Sumber Variasi Secara
Terpisah (SV Plus Ddalam) dan JK dalam dan JP dalam saja
Jumlah Kuadrat (JK)
SV Total
dan
dalam
Y2
X 21
X 22
A Total
67,87
69,22
B Total
C Total
AB Total
AC Total
BC Total
94,83
54,80
58,43
55,40
57,90
ABC Total
dalam
Jumlah Produk (JP)

X1Y
X2Y
X1X2
55,27
3,27
-4,53
22,83
110,83
68,55
69,03
69,75
69,30
87,90
56,27
56,03
55,20'
55,63
40,88
0,00
1,48
0,90
-1,65
32,50
-3,60
-3,77
-3,60
-3,70
13,95
-22,20
-22,52
-22,60
-22,45
55,50
68,70
55,90
0,15
-2,90
-22,45
54,80
68,40
55,20
0,00
-3,60
-22,60
112
Langkah berikutnya, langkah keempat, adalah mencari harga-harga

koefisien kovariabel. Karena kita menggunakan dua kovariabel, maka akan ada
dua koefisien kovariabel, yaitu b1, dan b2. Koefisien kovariabel itu kita perlukan
untuk menghitung JK residu total maupun JK residu dalam. Jumlah JK residu
totalnya akan sebanyak sumber variasi utama ditambah sumber variasi interaksi
sedang untuk JK residu dalamnya hanya ada satu.
Harga-harga b1 don
b2
dapat kita peroleh dari persamaan simultan yang
sudah sangat kita kenal:

1
2
x 1 y=b1 x 21 + b2 x 1 x 2
x 2 y=b1 x 1 x2 + b 2 x 22
Persamaan itu borlaku baik untuk mencari koefisien kovariabel total

maupun dalam. Untuk b1 dan b2 total bahan-bahannya diambil dari sumber variasi
total, sedang b1 dan b2 dalam bahan-bahannya diambil sumber variasi dalam, Jadi
misalnya, untuk sumber variasi A total:
A Total:
(1)
3,27 = 69,22 b1 + -22,83 b2
(2)
-4,53 = -22,83 b1 + 55,27 b2
(1A) -0,143 232 588 = -3,031 975 470 b1 + b2

(2A) -0,081 961 280 = -0,413 063 144 b1 + b2
(3)
-0,061 271 308 = -2,618 912 326 b1

b1 = 0,023 395 707
b2 = -0,072 297 378
Dengan cara yang sama kita dapat menemukan harga-harga b1 dan b2

untuk sumber-sumber variasi lainnya. Perhitungan untuk menemukan b1 dan b2
untuk semua sumber variasi tertera pada halaman berikutnya. JK residu, baik total
maupun dalam, untuk anakova dengan dua kovariabel rumusnya adalah sebagai
berikut.
113
JK res = y ( a1 x 1 y +a2 x 2 y )
Untuk sumber variasi A total:

JK res. A .Total =67,87[ ( 0,023 395707 )( 3,27 )+ (0,072 297 378 ) (4,53 ) ] =67,465 988 92
JK-JK residu total lainnya dicari dengan cara yang sama. Komputasi JK-JK itu,
juga JK residu dalam, telah dilakukan langsung setelah koefisien kovariabel masingmasing sumber variasi diselesaikan.
4
Perhitungan Tahap Ke empat (mencari koefisien Kovariabel dan Jumlah Kuadrat

Residu)
A Total :
(1)
3,27 = 69,22 b1 + -22,83 b2
(2)
-4,53 = -22,83 b1 + 55,27 b2

b1 = 0,023 4
b2 = -0,072 3
JK res =67,87[ ( 0,0234 ) (3,27 ) + (0,0273 )(4,53 ) ] =67,47

Dapat dicatat, bahwa dalam perhitungan di atas, dan perhitungan-perhitungan
berikutnya, harga-harga b1 dan b2 hanya dicatat dengan ketelitian akhir empat desimal.
B Total:
(1) 40,88 = 110,83 b1 + 13,95 b2

(1) 32,50 = 13,95 b1 + 87,90 b2
b1 = 0,328 9
b2 = 0,317 6
JK res =94,83[ ( 0,328 9 )( 40,88 )+ ( 0,317 6 ) ( 32,50 ) ] =71,06
C Total:
(1) 0,00 = 68,55 b1 + -22,20 b2

(1) -3,60 = -22,20 b1 + 56,27 b2
b1 = -0,023 8
b2 = -0,073 6
JK res =54,80[ (0,238 ) ( 0 ) + (0,0734 ) (3,60 ) ]=54,54
AB Total:
(1) 1,48 = 69,03 b1 + -22,52 b2

114
(1) -3,77 = -22,52 b1 + 56,03 b2

b1 = -0,000 6
b2 = -0,067 6
JK res =58,43[ (0,0006 ) ( 1,48 )+ (0,0676 )(3,77 ) ] =58,18
AC Total:
(1) 0,90 = 69,75 b1 + -22,60 b2

(1) -3,60 = -22,60 b1 + 55,20 b2
b1 = -0,0095
b2 = -0,0691
JK res =55,40[ (0,0095 ) ( 0,90 ) + (0,0691 )(3,60 ) ]=55,16

BC Total:
(1) -1,65 = 69,30 b1 + -22,45 b2

(1) -3,70 = -22,45 b1 + 55,63 b2
b1 = -0,052 2
b2 = -0,234 6
JK res =57,90[ (0,0522 )(1,65 ) + (0,2346 ) (3,70 ) ] =56,95

ABC Total:
(1) 0,15 = 68,70 b1 + -22,45 b2

(1) -2,90 = -22,45 b1 + 55,90 b2
b1 = -0,0170
b2 = -0,0587
JK res =55,50[ (0,0170 ) ( 0,15 ) + (0,587 ) (2,90 ) ] =55,33

Dalam (bentuk untuk semua sumber variasi)
(1) 0,00 = 60,40 b1 + -22,60 b2
(1) -3,60 = -22,60 b1 + 55,20 b2
b1 = -0,0249
b2 = -0,0754
JK res =54,60[ (0,0249 ) ( 0 ) + (0,0754 ) (3,60 ) ]=54,53
115
Dengan diketemukan JK residu total bagi semua sumber variasi dan JK

residu dalam, maka JK residu antar bagi semua sumber variasi itu dapat
diketemukam pula. Rumus: JK res. antar=JK res .totalJK res .dalam
Jadi, misalanya untuk sember variasi A: JK res. antar=67,4754,53=12,94
Dengan cara yang sama JK residu antar sumber-sumber variasi lain akan kita
ketemukan juga seperti berikut:
Tabel 3.30. Sumber variasi: JK res. Total JK res.dalam = JK res.antar
A
B
C
AB
AC
BC
ABC
67,47
71,06
54,54
58,18
55,16
56,95
55,33
54,53
54,53
54,53
54,53
54,53
54,53
54,53
12,94
16,53
0,01
3,65
0,63
2,42
0,80
db. untuk masing-masing sumber variasinya tetap sama, seperti db-nya

dalam anava. Jadi untuk sumber variasi A misalanya, db-nya = (a-1). Yang
berbeda hanyalah db dari sumber variasi dalam dan total. Untuk kedua sumber
variasi terakhir ini rumusnya adalah sebagai berikut.
dbres.tot = N m 1
dbres.dal = N m - abc
Jadi,
dbres .T =N m1
= 60-2-1=57
dbres . A =a1=21=1
dbres . B=b1=31=2
dbres .C =c1=21=1
dbres . AB =( a1 )( b1 )=( 1 ) ( 2 )=2
dbres . AC = ( a1 ) ( c1 ) =( 1 )( 1 )=1
dbres . BC =( b1 )( c1 )=( 2 ) ( 1 )=2
dbres . ABC =( a1 ) ( b1 )( c1 )=( 1 )( 2 ) ( 1 )=2
dbres .d =N mabc=602 (2 )( 3 ) ( 2 )=46
Dengan demikian, RJK dapat dihitung sebagai berikut.
116
RJK res. A=
12,94
=12,94
1
RJK res. AC =
0,63
=0,63
1
RJK res. B=
16,53
=8,26
2
RJK res. BC =
2,42
=1,21
2
RJK res. C =
0,01
=0,01
1
RJK res. ABC =
0,80
=0,40
2
3,64
=1,82
2
54,53
RJK res. d=
=1,19
46
RJK res. AB=
Harga F residu sesuatu sumber variasi SV diperoleh dari rumus:

Fres . SV =
RJK res. SV
RJK res .d
Dengan demikian, semua sumber variasi dapat dihitung sebagai berikut.

Fres . A =
12,94
=10,87
1,19
Fres . B=
8,26
=6,94
1,19
Fres . AC =
Fres . AB =
1,82
=1,53
1,19
Fres . BC =
1,21
=1,02
1,19
0,63
=0,53
1,19
Fres .C =
0,01
=0,01
1,19
Fres . ABC =
0,40
= 0,34
1,19
Tabel 3.31. Ringkasan Analisis Kovarians ABC

Sumber
Variasi
A
B
C
AB
AC
JK
db
RJK
Fresidu
F tabel
12,94
16,52
0,01
3,64
0,63
1
2
1
2
1
12,94
8,26
0,01
1,82
0,63
10,87
6,94
0,01
1,53
0,53
4,05
3,20
4,05
3,20
4,05
117
BC
ABC
dalam
Total
2,42
0,80
54,53
91,49
2
2
46
57
1,21
0,40
1,19
---
1,02
0,34
-----
3,20
3,20
-----
Derajat kebebasan untuk menguji signifikansi harga-harga F residu di atas

hanya dua macam, yaitu 1/46 atau 2/46. Dari tabel F dapat kita ketahui:
pada db = 1 / 46 , Ft1% = 7,21. Ft5% = 4,05
pada db = 2 / 46 , Ft1% = 5,10. Ft5% = 3,20
Dari pengujian harga-harga F di atas dapat kita ketahui bahwa hanya harga-harga
F antar A dan F antar B yang signifikan, malahan sangat signifikan, sedangkan hargaharga F lainya tidak signifikan.
Penyesuaian angka rata-rata kriterium untuk kelompok B1 dan B2
dikerjakan dengan rumus berikut.
Y B 1= Y B 1[ ( X B 1 X 1T ) a 1.d + ( X 2B 1 X 2T ) a2.d ]
Y B 2 =Y B 2[ ( X B 2 X 1T ) a 1.d + ( X 2B 2 X 2T ) a2.d ]
Perlakuan A:
(nA=30)
B1
B2
Total
X1
199
192
391
X1
6,6
6,4
6,5
X2
194
196
390
X 2
6,5
6,5
6,5
b1.d = -0,0249
jadi,
Y
193
165
358
Y
6,4
5,5
6,0
Y
6,4
5,5
6,0
b2.d = -0,0754
Y B 1=6,4 [ ( 6,66,5 )(0,0249 ) + ( 6,56,5 )(0,0754 ) ]=6,4

Y B 2 =5,5[ ( 6,46,5 ) (0,0249 )+ ( 6,56,5 )(0,0754 ) ]=5,5
Rata-rata kriterium untuk kelompok B1,B2 dan B3 disesuaikan dengan:
( X 1B 1 X 1T ) a1. d + ( X 2 B 1 X 2T ) a2.d
Y B 1=Y B 1
( X 1B 2 X 1T ) a1. d + ( X 2 B 2 X 2T ) a2.d
Y B 2=Y B 2
( X 1B 3 X 1T ) a 1.d + ( X 2B 3 X 2T ) a2.d
Y B 3=Y B 3
118
Perlakuan B:
(nB=20)
B1
B2
B3
Total
X1
X1
X2
152
128
111
391
7,6
6,4
5,6
6,5
147
132
111
390
X 2
7,4
6,6
5,6
6,5
b1 = -0,0249
139
120
99
358
7,0
6,0
5,0
6,0
7,1
6,0
4,9
6,0
b2 = -0,0754
Y B 1=7,0[ ( 7,66,5 ) (0,0249 ) + ( 7,46,5 )(0,0754 ) ] =7,1
jadi,
Y B 2 =6,0[ ( 6,46,5 ) (0,0249 ) + ( 6,66,5 )(0,0754 ) ] =6,0

Y B 3 =5,0[ ( 5,06,5 ) (0,0249 ) + ( 5,66,5 ) (0,0754 ) ]=4,9
Korelasi antar kriterium Y dengan kovariabel X1 dan X2 dicari dari bahan-bahan
sumber variasi dalam dengan rumus:
R y (1,2) =
Karena
a1 x 1 y +a 2 x 2 y
b1
x1y = (-0,0249)(0) = 0
b2
x2y = (-0,0754)(-3,60) = 0,27
y2 = 54,80
R y (1,2) =
0+0,27
= 0,0049=0,070
54,80
R2 = 0,0049
Uji signifikansi hasil harga R tersebut dilakukan dengan cara berikut.
2
Fres =
R ( N m1) ( 0,0049 ) (6021)

=
=0,140
2(10,0049)
m(1R 2)
Karena harga F tersebut kurang dari 1,00 maka F itu dinyatakan tidak signifikan.
Kesimpulan:
119
Antara kelompok B1 dan B2 terdapat perbedaan rata-rata Y yang sangat

signifikan Y A 1 =6,4 lebih baik secara signifikan dari pada Y A 2 = 5,5
Antara kelompok B1, B2, dan B3 terdapat perbedaan rata-rata Y yang sangat
signifikansi Y B 1 =7,1 lebih baik dari pada Y B 2 = 6,0 dan yang paling
rendah rata-ratanya adalah Y B 3 =4,9
Tidak ada pengaruh interaksi antara A dengan B, antara A dengan C antara B

dengan C maupun antara A dengan B dengan C
Korelasi antara Y dengan X1 dan X2 tidak signifikan.
BAB IV
ANALISIS JALUR (PATH ANALYSIS)
Kompetensi Dasar
Mahasiswa memahami tentang analisis jalur (path analysis), serta mampu
menggunakannya untuk menganalisis data kuantitatif.
Mahasiswa dapat:
1. menjelaskan konsep dasar analisis jalur
2. menjelaskan manfaat analisis jalur
3. merumuskan hipotesis penelitian
4. membuat diagram jalur
5. menghitung koefisien jalur
6. membuat persamaan analisis jalur
7. menganalisis data dengan analisis jalur
8. menguji model
Uraian Materi
A. Pengertian
120
Pada analisis korelasi dan regresi telah dibahas mengenai hubungan antara
variabel bebas dengan variabel terikat, dan telah dilihat berapa kuat hubungan yang ada
nantara variable bebas dengan variable terikat, dengan tidak mengatakan atau
menyimpulan bahwa terjadi kausal diantara variabel-variabel tersebut.
Analisis jalur, juga berpedoman pada dasar tidak untuk menemukan penyebabpenyebab, melainkan merupakan suatu metode yang digunakan pada model kausal yang
telah dirumuskan peneliti atas dasar pertimbangan teoretis dan pengetahuan tertentu. Jadi,
analisis jalur memiliki daya guna untuk mencek atau menguji kausal yang diteorikan dan
bukan untuk menurunkan teori kausal tersebut.
B. Diagram Jalur (Dikutip dari: Sudjana,1992).

Diagram jalur, secara grafis sangat membantu untuk melukiskan pola hubungan
kausal antara sejumlah variable. Untuk model kausal, perlu membedakan variablevariabel menjadi variable eksogenus dan endogenus. Variabel eksogenus adalah variable
yang variabelitasnya diasumsikan terjadi oleh karena penyebab-penyebab diluar model
kausal, sehingga penentuan variable eksogenus tidak termasuk dalam model. Sedangkan
variable endogenus adalah variable yang variasinya terjelaskan oleh variable eksogenus
ataupun variable endogenus dalam sistem.
Contoh diagram jalur sebagai berikut.
R1
R2
P3R1
X1
P4R2
P41
P31
r 12
X3
P43
P32
X2
P42
121
X4
Gambar 4.1: Diagram Jalur (Sumber: Sudjana,1992)

Variabel X1 dan X2 merupakan variable eksogenus (anak panah pada kedua
ujungnya). Variabel X3 dan X4 adalah variable endogenus (anak panah tunggal pada
ujungnya)
Kedua jalur yang ditarik dari X1 dan X2 kepada X3 menyatakan bahwa X3
merupakan variabel terikat bagi variabel-variabel X1 dan X2. Variabel X3 bersama-sama
dengan variabel X1 dan X2 , nampak menjadi variabel bebas bagi variabel X4.
Model tersebut pada diagram 01 di atas disebut model rekursif (eka arah), artinya
bahwa arus kausal dalam model bersifat eka arah. Dengan kata lain, bahwa pada saat
yang sama sebuah variabel tidak bisa sekaligus menjadi penyebab bagi dan akibat dari
variabel lain. Oleh karena hampir tidak mungkin mendapatkan keseluruhan varians
sebuah variabel, diperkenalkanlah variabel-variabel residual untuk menunjukkan efek
variabel-variabel yang tidak termasuk dalam model. Variabel-variabel residual ini
dilambangkan oleh R1 dan R2 masing-masing pada variabel endogenus X3 dan X4.
Asumsi-asumsi yang mendasari analisis jalur adalah sebagai berikut.
1. Hubungan antara variabel-variabel dalam model adalah linear
2. Variabel-variabel residual dalam model tidak berkorelasi dengan variabel-variabel
yang mendahuluinya, tidak juga saling berkorelasi
3. Dalam sistem hanya terjadi arus kausal searah
4. Variabel-variabel diukur dengan skala interval.
C. Koefisien Jalur
Koefisien jalur, yang mengukur pentingnya sebuah jalur pengaruh dari penyebab
kepada akibat, didefinisikan sebagai rasio variabilitas akibat yang harus ditemukan
apabila semua penyebab konstan, kecuali satu yang sedang dipermasalahkan, terhadap
variabilitas total. Variabilitas ini diukur dengan simpangan baku. Jadi, koefisien jalur
menunjukkan akibat langsung sebuah variabel yang diambil sebagai penyebab terhadap
sebuah variabel yang diambil sebagai akibat. Simbul yang dipakai untuk koefisien jalur
adalah Pij dengan pengertian i menyatakan akibat atau variabel terikat dan j menyatakan
122
penyebab atau variabel bebas. Perhatikan pada gambar diagram 01 di atas, dapat dilihat
koefisien-koefisien jalur: P31 dan X1 ke X3, P32 dari X2 ke X3, P41 dari X1 ke X4, P42 ari X2
ke X4, dan P43 dari X3 ke X4, dan demikian juga residualnya (dilambangkan dengan e).
D. Persamaan pada analisis jalur

Jika diagram jalurnya seperti gambar 02 di bawah ini, maka persamaannya dapat
dibuat seperti berikut.
X1
P41
P31
P21
P43
X3
X4
P32
P42
X2
Gambar 4.2: Diagram Jalur
Dalam gambar tersebut pada diagram 02 di atas, variabel X 1 adalah eksogenus;

jadi jika variabel-variabel dituliskan dalam bentuk angka baku z, maka z untuk variabel
eksogenus ini, ialah z1, hanyalah dinyatakan oleh suku residual e1 saja, yakni z1 = e1.
Variabel X2 yang bergantung pada variabel X1, juga bergantung pada residual e dengan
koefisien jalur P21. Persamaannya yang dinyatakan dalam angka baku z adalah: z 2 = P21 z1
+ e2. Jika cara ini diteruskan untuk variabel-variabel lainnya, maka diperoleh sistem
rekursif berikut.
123
z1 = e1
z2 = P21 z1+ e2
z3 = P31 z1+ P32 z2 + P42 z2 + e3
z4 = P41 z1+ P42 z2 + P43 z3 + e4
Berdasarkan asumsi diatas bahwa tiap residual tidak berkorelasi dengan variabelvariabel yang terdapat dalam persamaan dan juga antara residual sendiri tidak terdapat
korelasi. Dengan syarat ini, maka koefisien-koefisien jalur dapat dihitung yang
dinyatakan oleh koefisien korelasi rij. Oleh karena variabel-variabel dinyatakan dalam
angka baku, maka untuk n buah sampel akan berlaku rumus berikut.
rij
1
zi z j
n
Dengan rumus tersebut dapat dihitung koefisien-koefisien jalurnya sebagai berikut.

r12
1
z1 z1
n
Substitusikan z2 = P21 z1+ e2 ke dalam rumus r12 diatas, maka diperoleh:

1
r12 z1 ( P21 z1 e2 )
n
1
1
2
P21 z1 z1e2
n
n
1
2
atau...r12 P12 ,...karena z1 1dan z1e2 0.
n
...ini sebagai syarat residual tidak berkorelasi dengan variabel dalam persamaan.
Dengan cara yang sama, akan diperoleh koefisien r13 sebagai berikut.
Untuk mencari r13 dan P32 , gunakan rumus di atas sebagai berikut.
r13
1
z1 z3
n
Substitusikan z3 = P31 z1+ P32 z2 + e3 ke dalam rumus r23 diatas, maka diperoleh:
124
1
z1 ( P31 z1 P32 z 2 e3 )
n
1
1
1
2
P31 . z1 P32 . z1 z 2 z1e3
n
n
n
1
1
2
atau...r13 P31 P32 r12 ...karena... z1 1, z1 z 2 r12 ...dan.. z1e3 0
n
n
Dengan cara yang sama, selanjutnya dapat dihitung:
r13
1
z 2 z3
n
Substitusikan z3 = P31 z1+ P32 +z2 +e3 ke dalam rumus r23 di atas, maka diperoleh
1
r23 z 2 ( P31 z1 P32 z 2 e3 )
n
1
1
1
2
P31 . z 2 z1 P32 . z 2 z 2 e3
n
n
n
atau...r23 P31 .r12 P32
Dengan cara yang sama, bisa memperoleh hubungan-hubungan untuk menghitung
r23
koefisien-koefisien jalur lainnya.

Jika perhitungan-perhitungan di atas dikumpulkan, maka untuk model kausal pada
diagram 02 di atas, koefisien-koefisien jalurnya dapat dihitung dengan menggunakan
sistem persamaan berikut:
r12 P21
r13 P31 P32r12
r23 P31r12 P32
r14 P41 P42r12 P43r13
r24 P41r12 P42 P43r23
r34 P41r13 P42r23 P43
Jika ada data penelitian, maka korelasi antar variabel dapat dihitung dengan
rumus korelasi product moment. Berdasarkan contoh di atas, jelas bahwa panjang
pendeknya perhitungan koefisien-koefisien jalur yang ada dalam suatu model kausal,
bergantung pada kompleks atau sederhananya model yang dimiliki.
Informasi tambahan yang dapat diperoleh dari sistem persamaan yang
menghubungkan rij dengan Pij adalah kemungkinan untuk melihat adanya efek langsung
125
dan efek tidak langsung antara variabel. Korelasi antara X 1 dan X4 terdiri atas empat
komponen, ialah efek langsung X1 terhadap X4, efek tidak langsung X1 terhadap X4
melalui X2, efek tidak langsung X1 terhadap X4 melalui X3 dan efek tidak langusng X1
terhadap X4 sesudah terlebih dahulu melalui X2 dan X3. Dengan demikian, jelas bahwa
korelasi tidak identik dengan kausal.
Dengan adanya dekomposisi koefisien korelasi menjadi efek langsung dan tidak
langsung, yang bermanfaat untuk menentukan efek tidak langsung total, sehingga
memungkinkan untuk mengetahui peranan tiap komponen dalam sistem/model kausal
yang diambil.
Untuk variabel X1 dan X3 misalnya, maka dari r12 = P31+ P32 P21 dapat dilihat
bahwa efek tidak langsung total (P32P21) sama dengan r13 P31. Untuk variabel X1 dan X4,
dari r14 = P41 + P42P21 + P43P31, diperoleh efek tidak langsung total (P42P21 + P43P31 +
P43P32P21) sama dengan r14 P41.
Dengan demikian jelas bahwa efek tidak langsung total dihitung dengan jalan
mengurangi koefisien korelasi dengan koefisien jalur untuk kedua variabel yang sama.
E. Pengujian Model
Misalkan, rata-rata skor ujian (RSU) sejumlah mahasiswa diregresikan atas status
sosial ekonomi (SSE), kecerdasan (IQ) dan kebutuhan berprestasi (KEB). Dari status
mahasiswa yang diteliti, sesudah dilakukan perhitung-perhitungan dengan rumus korelasi
product moment dari Pearson, diperoleh matrik korelasi sebagai berikut.
Tabel 4.1.Matrik Korelasi antar Variabel
Variabel
SSE (X1)
IQ (X2)
KEB (X3)
RSU (X4)
SSE (X1)
1,00
IQ
(X2)
0,25
1,00
KEB (X3)
0,38
0,20
1,00
Misalnya untuk itu, model kausal yang dibuat adalah sebagai berikut.
R3
SSE
X1
R4
126
RSU (X4)
0,30
0,62
0,56
1,00
P41 0,006(0,30)
P31
0,352(0,38)
r 12
(0,25)
P32
0,112(0,20)
KEB
X3
P43
0,452(0,56)
P42
0,528 (0,62)
IQX
RSU
X4

Dalam gambar 5.3 ini tampak bahwa sementara SSE dan IQ diambil sebagai
variabel eksogenus, keduanya merupakan penyebab bagi KEB. Variabel SSE, IQ, dan
KEB menjadi penyebab bagi RSU.
Untuk menghitung koefisien-koefisien jalur dalam model kausal ini, diperlukan
dua analisis regresi. (1) Regresi KEB dan IQ untuk mendapatkan P 31 dan P32 yang
menghasilkan sistem rekursif z3 = P31 z1 + P32 z2 +e3, dan (2) regresi RSU atas SSE, IQ,
dan KEB untuk mendapatkan P41, P42, dan P43 dengan sistem rekursif z4 = P41 z1 + P42 z2 +
P43 z3 + e4. Jika datanya lengkap, dapat dihitung koefisien-koefisien korelasinya seperti
tersebut pada matrik di atas.
Selanjutnya, dengan menggunakan cara yang telah dijelaskan di atas, dapat
disusun sistem persamaan yang menghubungkan rij dan Pij, kemudian dengan
memasukkan harga-harga rij dan Pij, dapat dihitung koefisien-koefisien jalur Pij. Dengan
menggunakan rumus yang telah dijelaskan di atas, untuk r 13, r23, r14, r24, dan r34 dan
memanfaatkan sistem rekursif yang telah dijelaskan, kita memiliki lima anu (P 31, P32, P41,
P42, P43) sebagai berikut.
r13 P31 P32 r12

r23 P31r12 P32
r14 P41 P42 r12 P43r13
r24 P41r12 P42 P43r23
r34 P41r13 P42 r23 P43
Dengan memasukkan harga-harga rij dari matrik korelasi akan memberikan
persamaan berikut.
127
0,38 P31 0,25 P32

0,20 0,25 P31 P32
0,30 P41 0,25 P42 0,38 P43
0,62 0,25 P41 P42 0,20 P43
0,56 0,38 P41 0,20 P42 P43
Persamaan tersebut di atas harus diselesaikan dengan metode eliminasi atau
metode Selisih Produk Diagonal (SPD). Dalam perhitungan di bawah ini, digunakan
metode SPD.
(1) 0,38 =
P31 + 0,25P32
(2) 0,20 = 0,25 P31 +
P32
---------------------------------------0,33 = 0,9375P31
P31 = 0,352
(2a) 0,20 = (0,25)(0,352) + P32

0,20 = 0,088 + P32 P32 = 0,112
(3) 0,30 =
P41 + 0,25 P42 + 0,38P43
(4) 0,62 = 0,25P41 +
P42 + 0,20 P43
----------------------------------------------------(6) -0,1756 = 0,105P41 + (-0,33)P42

(4) 0,62 = 0,25P41 +
P42 + 0,20 P43
(5) 0,56 = 0,38P41 + 0,20P42 +
P43
----------------------------------------------------(7) 0,508 = 0,174P41 + 0,96 P42

(6a) -0,1756 = 0,105P41 + (-0,33)P42
(7a) 0,508
= 0,174P41 + 0,96 P42

128
-----------------------------------------------------0,000936 = 0,15822P41 P41 = 0,006

(7a) 0,508 = (0,174)(0,006) + 0,96P42
+ 0,96P42 P42 = 0,528
0,508 = 0,001044
(3a) 0,30 = (0,38)(0,006) + (0,20)(0,528) + P43

0,30 = 0,00228 + 0,1056 + P43
0,30 = 0,10788 + P43 P43 = 0,30 0,10788 = 0,452
Dalam gambar 5.3 diagram jalur di atas, koefisien-koefisien korelasi dituliskan
dalam tanda kurung, sedangkan lainnya menyatakan koefisien-koefisien jalur. Tampak
bahwa koefisien jalur P41 lebih kecil dari 0,05 sehingga memberi petunjuk, bahwa r 14
semata-mata dikarenakan oleh efek-efek tidak langsung.
Efek langsung SSE terhadap RSU besarnya 0,006 sedangkan efek tidak langsung
total adalah r14 P41 = 0,30 0,006 = 0,294. Ini menunjukkan bahwa SSE praktis tidak
mempunyai efek langsung terhadap RSU. Akan tetapi, melalui korelasinya dengan IQ
dan efeknya terhadap KEB, variabel SSE ini mempengaruhi RSU. Korelasi antara IQ dan
KEB terbesar disebabkan oleh korelasi IQ dengan SSE.
Pengamatan terhadap P41 menyimpulkan bahwa model dalam gambar jalur 03 di
atas dapat disederhanakan dengan menghilangkan P41 dan diagramnya diubah menjadi
seperti diagram 5.4 berikut.
SSE
1
0,352
(0,25)
KEB
3
0,112
IQ
2
0,452
0,528
129
RSU
4
Apakah data yang diperoleh konsisten dengan model baru pada diagram 5.4?
Untuk itu, perlu dihitung koefisien-koefisien jalur dalam model baru dan gunakan untuk
menghitung koefisien-koefisien korelasi, kemudian dilihat apakah dihasilkan matrik
korelasi yang sama dengan matrik korelasi sebelumnya. Dengan meregresikan KEB atas
SSE dan IQ serta meregresikan RSU atas IQ dan KEB akan didapat:
z3 = P31 z1 + P32 Z2 + e3
z4 = P42 z2 + P43 z3 + e4
Dengan menggunakan cara yang telah dijelaskan, diperoleh sistem persamaan:
r13 P32 r12 P31

r14 P42 r12 r13
r23 P31r12 P32
r24 P42 P43 r23
r34 P42 r23 P43
Mensubstitusikan harga-harga rij dari matrik korelasi ke dalam persamaan

tersebut, akan diperoleh persamaan terakhir sebagai berikut:
0,38 0,25 P32 P31

0,20 0,25 P31 P32
0,62 P42 0,20 P43
0,56 0,20 P42 P43
Setelah diselesaikan dengan menggunakan metode SPD, diperoleh harga-harga

koefisien jalur: P31 = 0,352, P32 = 0,112, P42 = 0,528, dan P43 = 0,452. Semua koefisien
jalur harganya tidak kurang dari 0,05 sehingga model dalam gambar 04 di atas tidak
mengalami perubahan. Apakah matrik korelasinya juga sama?
130
Dengan menggunakan kenyataan bahwa IQ dan SSE sebagai variabel eksogenus

sehingga r12 tetap tidak dianalisis, yakni r12 = 0,25 dan menggunakan harga-harga Pij yang
diperoleh untuk model 04 tersebut, dari sistem persamaan terakhir akan diperoleh:
r13 = (0,112)(0,25) + 0,352 = 0,38
r14 = (0,528)(0,25) + (0,452)(0,38) = 0,3038
r23 = (0,352)(0,25) + 0,112 = 0,20
r24 = 0,528 + (0,452)(0,20) = 0,6184
r34 = (0,528)(0,20) + 0,452 = 0,5576
Dengan demikian, untuk model dalam diagram 04 di atas, diperoleh matrik
korelasi sebagai berikut.
Tabel 4.3. Matrik Korelasi antar Variabel
Variabel
SSE
IQ
KEB
RSU
SSE
1,00
IQ
0,25
1,00
KEB
0,38
0,20
1,00
RSU
0,3038
0,6184
0,5576
1,00
Ternyata bahwa matrik korelasi tersebut sesuai dengan matrik korelasi

sebelumnya, perbedaannya sangat kecil (lebih kecil dari 0,05) sehingga bisa diabaikan.
Ini menunjukkan bahwa data konsisten dengan model pada gambar 04 tersebut di atas.
Kesimpulan
Status Sosial Ekonomi (SSE) tidak mempunyai pengaruh langsung terhadap hasil
rata-rata skor ujian (RSU), akan tetapi efeknya penting melalui variabel kebutuhan untuk
berprestasi (KEB) dan memlalui korelasi dengan kecerdasan (IQ). Kebutuhan untuk
berprestasi (KEB) dan kecerdasan (IQ) mempunyai efek langsung terhadap hasil rata-rata
skor ujian (RSU) dan juga mempunyai efek tidak langsung. Efek-efek langsung kedua
unsur ini terhadap RSU lebih besar jika dibandingkan dengan efek-efek tidak
langsungnya. Efek langsung IQ terhadap RSU lebih besar daripada efek langsung KEB
terhadap RSU.
F. Analisis Jalur dengan Data Hasil Penelitian
1. Hipotesis Penelitian
131
Suatu penelitian, ingin menguji hipotesis penelitian sebagai berikut.

a. Ada hubungan langsung antara Status Sosial Ekonomi (SES) dengan Prestasi
belajar (PB)
b. Ada hubungan langsung antara kecerdasan (IQ) dengan Prestasi Belajar (PB)
c. Ada hubungan langsung antara Motif Berprestasi (MB) dengan Prestasi
Belajar (PB)
d. Ada hubungan tidak langsung antara Status Sosial Ekonomi (SES) dengan
Prestasi Belajar (PB) melalui Motif Berprestasi (MB)
e. Ada hubungan tidak langsung antara kecerdasan (IQ) dengan Prestasi Belajar
(PB) melalui Motif Berprestasi (MB).
2
Data hasil penelitian adalah seperti Tabel 5.4 berikut
Tabel 4.4. Data Hasil Penelitian (Fiktif)

No.
Subyek
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
X1
X2
X3
X4
. 8.00
7.00
7.00
8.00
9.00
8.00
7.00
7.00
8.00
8.00
7.00
7.00
6.00
8.00
8.00
7.00
6.00
7.00
5.00
6.00
7.00
6.00
5.00
6.00
7.00
7.00
7.00
8.00
6.00
6.00
7.00
6.00
6.00
8.00
8.00
7.00
6.00
7.00
7.00
7.00
6.00
6.00
5.00
6.00
7.00
4.00
5.00
6.00
5.00
5.00
7.00
7.00
6.00
8.00
7.00
6.00
7.00
5.00
6.00
7.00
7.00
6.00
6.00
8.00
9.00
7.00
5.00
7.00
8.00
7.00
6.00
6.00
4.00
7.00
7.00
5.00
4.00
7.00
5.00
6.00
7.00
7.00
5.00
6.00
7.00
6.00
7.00
6.00
7.00
7.00
8.00
7.00
6.00
9.00
8.00
7.00
6.00
7.00
8.00
7.00
5.00
6.00
6.00
5.00
7.00
6.00
8.00
7.00
6.00
7.00
7.00
6.00
7.00
5.00
7.00
8.00
8.00
7.00
7.00
6.00
132
Keterangan:
X1 = Status Sosial Ekonomi (SES)
X2 = Kecerdasan (IQ)
X3 = Motivasi Berprestasi (MB)
X4 = Prestasi Belajar (PB)
3. Langkah-langkah Perhitungan untuk Menguji Hipotesis
133
Dari status mahasiswa yang diteliti, sesudah dilakukan perhitungan-perhitungan

dengan rumus korelasi product moment dari Pearson, diperoleh matrik korelasi sebagai
berikut.
Tabel 4.5. Matrik Korelasi antar Variabel
Variabel
SES (X1)
IQ (X2)
MB (X3)
PB (X4)
SES (X1)
1,00
IQ (X2)
0,408
1,00
MB (X3)
0,644
0,766
1,00
PB (X4)
0,352
0,278
0,379
1,00
Misalnya untuk itu, model kausal yang dibuat adalah sebagai berikut.
R3
SES
X1
R4
P41 (0,352)
P31
(0,644)
r 12
(0,408)
P32
(0,766)
P43
MB
0,(0,379)
X3
PB
X4
P42 (0,278)
IQX
2

Dalam gambar 5.5 ini tampak bahwa sementara SES dan IQ diambil sebagai
variabel eksogenus, keduanya merupakan penyebab bagi MB. Variabel SES, IQ, dan MB
menjadi penyebab bagi PB.
Untuk menghitung koefisien-koefisien jalur dalam model kausal ini, diperlukan
dua analisis regresi. (1) Regresi MB dan IQ untuk mendapatkan P31 dan P32 yang
menghasilkan sistem rekursif z3 = P31 z1 + P32 z2 +e3, dan (2) regresi PB atas SES, IQ, dan
MB untuk mendapatkan P41, P42, dan P43 dengan sistem rekursif z4 = P41 z1 + P42 z2 + P43 z3
+ e4. Berdasarkan data pada tabel diatas, dapat dihitung koefisien-koefisien korelasinya
seperti tersebut pada matrik di atas.
Selanjutnya, dengan menggunakan cara yang telah dijelaskan di atas, dapat
disusun sistem persamaan yang menghubungkan rij dan Pij, kemudian dengan
134
memasukkan harga-harga rij dan Pij, dapat dihitung koefisien-koefisien jalur Pij. Dengan
menggunakan rumus yang telah dijelaskan di atas, untuk r 13, r23, r14, r24, dan r34 dan
memanfaatkan sistem rekursif yang telah dijelaskan, kita memiliki lima anu (P 31, P32, P41,
P42, P43) sebagai berikut.
r13 P31 P32 r12

r23 P31r12 P32
r14 P41 P42 r12 P43r13
r24 P41r12 P42 P43r23
r34 P41r13 P42r23 P43
Dengan memasukkan harga-harga rij dari matrik korelasi akan memberikan
persamaan berikut.
0,644 P31 0,408 P32

0,766 0,408 P31 P32
0,352 P41 0,408 P42 0,644 P43
0,278 0,408 P41 P42 0,766 P43
0,379 0,644 P41 0,766 P42 P43
Persamaan tersebut di atas harus diselesaikan dengan metode eliminasi atau

metode Selisih Produk Diagonal (SPD). Dalam perhitungan di bawah ini, digunakan
metode SPD.
(6) 0,644 =
P31 + 0,408P32
(7) 0,766 = 0,408 P31 +
P32
---------------------------------------(6) 0,347472 = 0,833536P31
P31 = 0,4169
(1) 0,644 = 0,4169 + 0,408P32

0,2271= 0,408 P32 P32 = 0,5566
135
(8) 0,352 =
P41 + 0,408 P42 + 0,644P43
(9) 0,278 = 0,408P41 +
P42 + 0,766 P43
----------------------------------------------------------(7) 0,0906 = 0,503248 P41 + (-0,331472) P42

--------------------------------------------------------(10)
0,379 = 0,644 P41 + 0,766 P42 + P43
(4) 0,278 = 0,408 P41 + P42 + 0,766 P43

-------------------------------------------------------(8) -0,012314 = -0,085304 P41 + 0,413244 P42
(7) 0,0906 = 0,503248P41 + (-0,331472)P42
--------------------------------------------------------(9) -0,03335816 = -0,17968832 P41 P41 = 0,1856
(7) 0,0906 = (0,503248)(0,1856) + (-0,331472) P42
0,0906 = 0,093402828 + (-0,331472) P42
-0,0028028288 = -0,331472 P42 P42 = 0,0085
------------------------------------------------------------------(4) 0,278 = 0,408P41 + P 42 + 0,766 P43
0,278 = (0,408)(0,1856) + 0,0085 +0,766 P43
0,278 = 0,0757248 + 0,0085 + 0,766 P43
0,1945752 = 0,766 P43 P43 = 0,2540
--------------------------------------------------------------------
R3
R4
136
SES
X1
P41 0,1856(0,352)
P31
0,4169(0,644)
r 12
(0,408)
P43
MB
0,2540(0,379)
X3
P32
0,5566(0,766)
PB
X4
P42 0,0085(0,278)
IQX
2

Dalam gambar diagram jalur 5.6 di atas, koefisien-koefisien korelasi dituliskan
dalam tanda kurung, sedangkan lainnya menyatakan koefisien-koefisien jalur. Tampak
bahwa koefisien jalur P31 dan P32 lebih kecil dari 0,05 sehingga memberi petunjuk,
bahwa r31 dan P32 semata-mata dikarenakan oleh efek-efek tidak langsung.
Efek langsung IQ terhadap PB besarnya 0,0085 sedangkan efek tidak langsung
total adalah r24 P24 = 0,278 0,0085 = 0,2695. Ini menunjukkan bahwa IQ praktis tidak
mempunyai efek langsung terhadap PB. Akan tetapi, melalui korelasinya dengan SES dan
efeknya terhadap PB, variabel IQ ini mempengaruhi PB. Korelasi antara IQ dan PB
disebabkan oleh korelasi IQ dengan SES.
Pengamatan terhadap P42 menyimpulkan bahwa model dalam gambar jalur 03 di
atas dapat disederhanakan dengan menghilangkan P42 dan diagramnya diubah menjadi
seperti diagram 04 berikut.
SES
X1
r12
0,1856 (0,408)
0,4169(0,644)
(0,408)
MB
X3
PB
X4
0,2540(0,370)
IQ
X2
0,5566(0,766)
Apakah data yang diperoleh konsisten dengan model baru pada diagram 04?
Untuk itu, perlu dihitung koefisien-koefisien jalur dalam model baru dan gunakan untuk
137
menghitung koefisien-koefisien korelasi, kemudian dilihat apakah dihasilkan matrik

korelasi yang sama dengan matrik korelasi sebelumnya. Dengan meregresikan MB atas
SES dan IQ serta meregresikan PB atas IQ dan MB akan didapat:
z3 = P31 z1 + P32 Z2 + e3
z4 = P42 z2 + P43 z3 + e4
Dengan menggunakan cara yang telah dijelaskan, diperoleh sistem persamaan:
r13 P32 r12 P31
r14 P42 r12 r13
r23 P31r12 P32
r24 P42 P43 r23
r34 P42 r23 P43
Mensubstitusikan harga-harga rij dari matrik korelasi ke dalam persamaan
tersebut, akan diperoleh persamaan terakhir sebagai berikut:
0,644 0,408 P32 P31

0,766 0,408 P31 P32
0,352 P42 0,20 P43
0,56 0,20 P42 P43
Setelah diselesaikan dengan menggunakan metode SPD, diperoleh harga-harga

koefisien jalur: P31 = 0,352, P32 = 0,112, P42 = 0,528, dan P43 = 0,452. Semua koefisien
jalur harganya tidak kurang dari 0,05 sehingga model dalam gambar 04 di atas tidak
mengalami perubahan. Apakah matrik korelasinya juga sama?
Dengan menggunakan kenyataan bahwa IQ dan SES sebagai variabel eksogenus
sehingga r12 tetap tidak dianalisis, yakni r12 = 0,25 dan menggunakan harga-harga Pij yang
diperoleh untuk model 04 tersebut, dari sistem persamaan terakhir akan diperoleh:
r13 = (0,112)(0,25) + 0,352 = 0,38
138
r14 = (0,528)(0,25) + (0,452)(0,38) = 0,3038

r23 = (0,352)(0,25) + 0,112 = 0,20
r24 = 0,528 + (0,452)(0,20) = 0,6184
r34 = (0,528)(0,20) + 0,452 = 0,5576
Dengan demikian, untuk model dalam diagram 04 di atas, diperoleh matrik
korelasi sebagai berikut.
Tabel 4.6. Matrik Korelasi
Variabel
SES
IQ
MB
PB
SES
1,00
IQ
0,408
1,00
MB
0,644
0,766
1,00
PB
0,352
0,278
0,379
1,00
Ternyata bahwa matrik korelasi tersebut sesuai dengan matrik korelasi

sebelumnya, perbedaannya sangat kecil (lebih kecil dari 0,05) sehingga bisa diabaikan.
Ini menunjukkan bahwa data konsisten dengan model pada gambar 04 tersebut di atas.
Kesimpulan
Kecerdasan (IQ) tidak mempunyai pengaruh langsung terhadap hasil rata-rata
skor ujian (PB), akan tetapi efeknya penting melalui variabel kebutuhan untuk berprestasi
(MB) dan melalui korelasi dengan (SES). Kebutuhan untuk berprestasi (MB) dan status
sosial ekonomi (SES) mempunyai efek langsung terhadap hasil rata-rata skor ujian (PB)
dan juga mempunyai efek tidak langsung. Efek-efek langsung kedua unsur ini terhadap
PB lebih besar jika dibandingkan dengan efek-efek tidak langsungnya. Efek langsung
SES terhadap PB lebih besar daripada efek langsung MB terhadap PB.
Daftar Pustaka
139
Anrderson, T.W., An Introductin to Multivariate Statistical Analysis, New York: John

Wiley & Sons, Inc., 1958.
Bruning, James L. Computational Handbook of Statistics, USA: Foresman and Company,
1977.
Ching Chun Lie, Path Analysis a primer, California: Pasific Grove, 1975.
Everit, Brian S & Graham Dunn, Applied Multivariate Data Analysis, New York: Halsted
Press, 1991.
Guilford, J.P. and fruchter, B., Fundamental Statistics in Psycholoy and Education, New
York: McGraw-Hill Ltd, 1978.
Hair, Joseph F. Jr. cs., Multivariate Data Analysis, Upper Saddl River, NJ: Prentice Hall
International Inc., 1998.
Huitema, Bradley E. The Analysis 0f Covarianss and Alternatives, New York: John Wiley
& Sons,1980.
Imam Ghazali, Applied Analisis Multivariat dengan Program SPSS, Semarang: Badan
Penerbit Universitas Diponegoro, 2001.
Kerlinger, F.N. and Pedhazur, E.J., Multiple Regression in Behavioral Research, New
York: Holt Rinehart and Winston, Inc., 1973.
Singgih Santoso, SPSS Statistik Multivariat, Jakarta: Elex Media Komputindo, 2002
Sutrisno Hadi, Statistik, Jilid 2, 3, Yogyakarta: UGM, 1986.
Sutrisno Hadi, Analisis Regresi, Yoyakarta: UGM, 1986.
Sutrisno Hadi, Analisis Kovarians (Materi Kuliah Lembaga Pendidikan Doktor UGM),
Yoyakarta: UGM, 1984.
Sudjana, Metoda Statistika, Bandung: Tarsito, 1992.
Sudjana, Teknik Analisis Regresi dan Korelasi bagi Para Peneliti, Penerbit Tarsito,
Bandung, 1992.
Sugiyono, Statistika untuk Penelitian, Bandung: Penerbit CV Alfabeta, 2002.
DAFTAR TABEL STATISTIK
140
Tabel
I. Luas di bawah Lengkungsn Kurve Normal dari 0 sd Z
Tabel
II. Nilai-nilai dalam Distribusi t
Tabel
III. Nilai-nilai r Product Moment
Tabel
IV. Harga-harga X dalam Test Binomial (harga-harga dalam table adalah 0,.)
Tabel
V. Harga Factorial
Tabel
VI. Nilai-nilai Chi Kuadrat
Tabel VIIa. Harga-harga Kritis r dalam Test RUN Satu Sampel,untuk = 5 %

Tabel VIIb. Harga-harga Kritis r dalam Test RUN Dua Sampel,untuk = 5 %
Tabel VIII. Harga-harga Kritis dalam Test Wilcoxon
Tabel IX. Harga-harga Kritis Man-Whitney U Test
Tabel
X. Harga-harga Kritis dalam Test Kolmogorov-Smirnov
Tabe
XI. Harga-harga z untuk Test Run Wald-Wolfowitz
Tabel XII. Tabel Nilai-nilai RHO

Tabel XIII. Harga-Harga Kritis Z dalam Observasi Distribusi Normal
Tabel XIV. Nilai-Nilai untuk Distribusi F
Tabel XV. Distribusi Tabel Q
Tabel XI. Tabel Liliefors (L)
TABEL I
LUAS Dl BAWAH LENGKUNGAN KURVE NORMAL
141
DARI 0 S/D Z
z
0,0
0,1
0,2
0,3
0,4
0
0000
0398
0793
1179
1554
1
0040
0438
0832
1217
1591
2
0080
0478
0871
1255
1628
3
0120
0517
0910
1293
1664
4
0160
0557
0948
1331
1700
5
0199
0596
0987
1368
1736
6
0239
0636
1026
1406
1772
7
0279
0675
1064
1443
1808
8
0319
0714
1103
1480
1844
9
0359
0753
1141
1517
1879
0,5
0,6
0,7
0,8
0,9
1915
2258
2580
2881
3159
1950
2291
2612
2910
3186
1985
2324
2642
2939
3212
2019
2357
2673
2967
3238
2054
2389
2703
2995
3264
2088
2422
2734
3023
3289
2123
2454
2764
3051
3315
2157
2486
2794
3078
3340
2190
2517
2823
3106
3365
2224
2549
2852
3133
3389
1,0
1,1
1,2
1,3
1,4
3413
3643
3849
4032
4192
3438
3665
3869
4049
4207
3461
3686
3888
4066
4222
3485
3708
3907
4082
4236
3508
3729
3925
4099
4251
3531
3749
3944
4115
4265
3554
3770
3962
4131
4279
3577
3790
3980
4147
4292
3599
3810
3997
4162
4306
3621
3830
4019
4177
4319
1,5
1,6
1,7
1,8
1,9
4332
4452
4554
4641
4713
4345
4463
4564
4649
4719
4357
4474
4573
4656
4726
4370
4484
4582
4664
4732
4382
4495
4591
4671
4738
4394
4505
4599
4678
4744
4406
4515
4608
4586
4750
4419
4525
4616
4693
4756
4429
4535
4625
4699
4761
4441
4549
4633
4706
4767
2,0
2,1
2,2
2,3
2,4
4772
4821
4861
4898
4918
4778
4826
4864
4896
4920
4783
4830
4868
4898
4922
4788
4834
4871
4901
4025
4793
4838
4875
4004
4927
4798
4842
4878
4906
4929
4808
4846
4881
4909
4931
4808
4850
4884
4911
4932
4812
4854
4887
4913
4934
4817
4857
4890
4916
4936
2,5
2,6
2,7
2,8
2,9
4938
4953
4965
4074
4981
4940
4955
4966
4975
4982
4941
4956
4967
4976
4982
4043
4957
4968
4977
4083
4945
4959
4969
4977
4984
4945
4960
4970
4987
4984
4948
4961
4971
4979
4985
4949
4962
4972
4979
4985
4951
4963
4973
4980
4986
4952
4964
4974
4981
4986
3,0
3,1
3,2
3,3
4987
4990
4993
4995
4987
4991
4993
4995
4987
4991
4994
4995
4988
4991
4994
4986
4988
4992
4994
4996
4989
4992
4994
4996
4989
4992
4994
4996
4989
4992
4994
4996
4990
4993
4995
4997
4990
4993
4995
4997
142
3,4
4997
4997
4997
4997
4997
4997
4997
4997
4997
4998
3,5
3,6
3,7
3,8
3,9
4998
4998
4999
4999
5000
4998
4998
4999
4999
5000
4998
4999
4999
4999
5000
4998
4999
4999
4999
5000
4998
4999
4999
4999
5000
4998
4999
4999
4999
5000
4998
4999
4999
4999
5000
4998
4999
4999
4999
5000
4998
4999
4999
4999
5000
4998
4999
4999
4999
5000
TABEL II
NILAI-NILAI DALAM DISTRIBUSI t
143
untuk uji dua fihak (two tail test)
dk
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
60
120
0,50
0,20
0,10
0,05
0,02
untuk uji satu fihak (one tail test)
0,25
1,000
0,816
0,765
0,741
0,727
0,718
0,711
0,706
0,703
0,700
0,697
0,695
0,692
0,691
0,690
0,689
0,688
0,688
0,687
0,687
0,686
0,686
0,685
0,685
0,684
0,684
0,684
0,683
0,683
0,683
0,681
0,679
0,677
0,674
0,10
3,078
1,886
1,638
1,533
1,486
1,440
1,415
1,397
1,383
1,372
1,363
1,356
1,350
1,345
1,341
1,337
1,333
1,330
1,328
1,325
1,323
1,321
1,319
1,318
1,316
1,315
1,314
1,313
1,311
1,310
1,303
1,296
1,289
1,282
0,005
6,314
2,920
2,353
2,132
2,015
1,943
1,895
1,860
1,833
1,812
1,796
1,782
1,771
1,761
1,753
1,746
1,740
1,743
1,729/
1,725
1,721
1,717
1,714
1,711
1,708
1,706
1,703
1,701
1,699
1,697
1,684
1,671
1,658
1,645
0,025
12,706
4,303
3,182
2,776
2,571
2,447
2,365
2,306
2,262
2,228
2,201
2,178
2,160
2,145
2,132
2,120
2,110
2,101
2,093
2,086
2,080
2,074
2,069
2,064
2,060
2,056
2,052
2,048
2,045
2,042
2,021
2,000
1,980
1,960
TABEL III
NILAI-NILAI r PRODUCT MOMENT
144
0,01
31,821
6,965
4,541
3,747
3,365
3,143
2,998
2,896
2,821
2,764
2,718
2,681
2,650
2,624
2,623
2,583
2,567
2,552
2,539
2,528
2,518
2,508
2,500
2,492
2,485
2,479
2,473
2,467
2,462
2,457
2,423
2,390
2,358
2,326
0,01
0,005
63,657
9,925
5,841
4,604
4,032
3,707
3,499
0,^03
3,250
3,165
3,106
3,055
3,012
2,977
2,947
2,921
2,898
2,878
2,861
2,845
2,831
2,819
2,807
2,797
2,787
2,779
2,771
2,763
2,756
2,750
2,704
2,660
2,617
2,576
N
3
Taraf Signif
5%
1%
0,997
0,999
0,950
0,878
0,990
0,959
0,811
0,917
0,754
0,874
0,707
0,834
0,666
0,798
10
0,632
0,765
11
0,602
0,735
12
0,576
0,708
13
0,553
0,684
14
0,532
0,661
15
0,514
0,641
16
0,497
0,623
17
0,482
0,606
18
0,468
0,590
19
0,456
0,575
20
0444
0,561
21
0,433
0,549
22
0,423
0,537
23
0,413
0,526
24
0,404
0,515
25
0,396
0,505
26
0,388
0,496
4
5
N
2
7
2
8
2
9
3
0
3
1
3
2
3
3
3
4
3
5
3
6
3
7
3
8
3
9
4
0
4
1
4
2
4
3
4
4
4
5
4
6
4
7
4
8
4
9
5
0
Taraf Signif
5%
1%
0,381
0,487
55
0,374
0,478
60
0,367
0,470
65
0,361
0,463
0,355
Taraf Signif
5%
1%
0,266
0,345
0,254
0,244
0,330 0,317
70
0,235
0,306
0,456
75
0,227
0,296
0,349
0,449
80
0,220
0,286
0,344
0,442
85
0,213
0,278
0,339
0,436
90
0,207
0,270
0,334
0,430
95
0,202
0,263
0,329
0,424
10C
0,195
0,250
0,325
0,418
125
0,176
0,230
0,320
0,413
150
0,159
0,210
0,316
0,408
175
0,148
0,194
0,312
0,403
200
0,138
0,181
0,308
0,398
300
0,113
0,148
0,304
0,393
400
0,098
0,128
0,301
0,389
500
0,088
0,115
0,297
0,384
600
0,080
0,105
0,294
0,380
700
0,074
0,097
0,291
0,376
800
0,070
0,091
0,288
0,372
900
0,065
0,086
0,284
0,368
1000
0,062
0,081
0,281
0,364
0,279
0,361
145
TABEL IV
HARGA-HARGA x DALAM TEST BINOMIAL
(Harga-harga dalam tabel adalah 0,....)
N
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
0
031
016
008
004
002
001
1
1
188
109
062
Q35
020
011
006
003
002
001
2
500
344
227
145
090
055
033
019
011
006
004
002
001
001
3
812
656
500
363
354
172
113
073
046
029
018
011
006
004
002
001
001
4
969
981
773
637
500
377
274
194
133
090
059
038
025
015
010
004
006
002
001
001
10
11
12
13
984
938
855
746
623
500
387
291
212
151
105
072
048
032
021
013
008
005
003
002
992
965
910
828
726
613
500
395
304
227
166
119
084
058
039
026
017
011
007
996
980
945
887
806
709
605
500
402
315
240
180
132
095
067
047
032
022
998
989
967
927
867
788
696
598
500
407
324
252
192
143
105
076
054
999
994
981
954
910
849
773
685
593
500
412
332
262
202
154
115
997
989
971
941
895
834
760
676
588
500
416
339
271
212
998
994
982
962
928
881
820
748
668
584
500
419
345
999
996
989
975
952
916
868
808
738
661
581
500
998
994
985
968
942
905
857
798
729
655
146
14
-
999
996
990
879
961
933
895
846
788
15
999
998
994
987
974
953
924
885
TABEL V
HARGA FACTORIAL
N
N!
0
1
2
3
4
1
1
2
6
24
5
6
7
8
9
120
720
5040
40320
362880
10
11
12
13
14
15
3628800
39916800
479001600
6227020800
87178291200
1307674368000
16
17
18
19
20922789888000
355687428096000
6402373705728000
121645100408832000
20
2432902008176640000
147
TABEL VI
NILAI-NILAI CHI KUADRAT
Taraf signifikansi
d
k
50%
30%
20%
10%
5%,
1%
1
2
3
4
5
0,455
0,139
2,366
3,357
4,351
1,074
2,408
3,665
4,878
6,064
1,642
3,219
4,642
5,989
7,289
2,706
3,605
6,251
7,779
9,236
3,481
5,591
7,815
9,488
11,070
6,635
9,210
11,341
13,277
15,086
6
7
8
9
10
5,348
6,346
7,344
8,343
9,342
7,231
8,383
9,524
10,656
11,781
8,558
9,803
11,030
12,242
13,442
10,645
12,017
13,362
14,684
15,987
12,592
14,017
15,507
16,919
18,307
16,812
18,475
20,090
21,666
23,209
11
12
13
14
15
10,341
11,340
12,340
13,332
14,339
12,899
14,011
15,19
16,222
17,322
14,631
15,812
16,985
18,151
19,311
17,275
18,549
19,812
21,064
22,307
19,675
21,026
22,368
23,685
24,996
24,725
26,217
27,688
29,141
30,578
16
17
18
19
20
15,338
16,337
17,338
18,338
19,337
18,418
19,511
20,601
21,689
22,775
20,465
21,615
22,760
23,900
25,038
23,542
24,785
26,028
27,271
28,514
26,296
27,587
28,869
30,144
31,410
32,000
33,409
34,805
36,191
37,566
21
22
23
24
25
20,337
21,337
22,337
23,337
24,337
23,858
24,939
26,018
27,096
28,172
26,171
27,301
28,429
29,553
30,675
29,615
30,813
32,007
33,194
34,382
32,671
33,924
35,172
35,415
37,652
38,932
40,289
41,638
42,980
44,314
26
25,336
29,246
31,795
35,563
38,885
45,642
148
27
28
29
30
26,336
27,336
28,336
29,336
30,319
31,391
32,461
33,530
32,912
34,027
35,139
36,250
36,741
37,916
39,087
40,256
40,113
41,337
42,557
43,775
46,963
48,278
49,588
50,892
TABEL VIIa
HARGA-HARGA KRITIS r DALAM TEST RUN
SATU SAMPEL, UNTUK = 5 %
n1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
n2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
3
3
3
3
3
3
10
11
12
13
14
15
16
17
18
19
20
2
2
2
2
3
3
3
3
3
3
3
3
4
4
4
4
4
2
2
3
3
3
3
3
3
4
4
4
4
4
4
4
5
5
5
2
2
3
3
3
3
4
4
4
4
5
5
5
5
5
5
6
6
2
3
3
3
4
4
4
5
5
5
5
5
6
6
6
6
6
6
2
3
3
3
4
4
5
5
5
6
6
6
6
6
7
7
7
7
2
3
3
4
4
5
5
5
6
6
6
7
7
7
7
8
8
8
2
3
3
4
5
5
5
6
6
7
7
7
7
8
8
8
8
2
3
4
4
5
5
6
6
7
7
7
8
8
8
9
9
9
9
2
2
3
4
4
5
6
6
7
7
7
8
8
8
9
9
9
10
10
2
2
3
4
5
5
6
6
7
7
8
8
9
9
9
10
10
10
10
2
2
3
4
5
5
6
7
7
8
8
9
9
9
10
10
10
11
11
2
3
3
4
5
6
6
7
7
8
8
9
9
10
10
11
11
11
12
2
3
4
4
5
6
6
7
8
8
9
9
10
10
11
11
11
12
12
2
3
4
4
5
6
7
7
8
9
9
10
10
11
11
11
12
12
12
2
3
4
5
5
6
7
8
8
9
9
10
10
11
11
12
12
13
13
2
3
4
5
6
6
7
8
8
9
10
10
11
11
12
12
13
13
13
2
3
4
5
6
6
7
8
9
9
10
10
11
12
12
12
13
13
14
149
TABEL Vllb
HARGA-HARGA KRITIS r DALAM TEST RUN
DUA SAMPEL, UNTUK = 0,05
n1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
n2
2
9
9
9
10
10
11
11
9
10
11
12
12
13
13
13
13
10
11
12
13
14
15
16
17
18
19
20
11
12
13
13
14
14
14
14
15
15
15
11
12
13
14
14
15
15
16
16
16
16
17
17
17
17
17
13
14
14
15
16
16
16
16
17
18
18
18
18
18
18
13
14
15
16
16
17
17
18
18
18
19
19
19
20
20
13
14
15
16
17
17
18
19
19
19
20
20
20
21
21
13
14
16
16
17
18
19
19
20
20
21
21
21
22
22
15
16
17
18
19
19
20
20
21
21
22
22
23
23
15
15
17
18
19
20
20
21
22
22
23
23
23
24
15
16
18
18
19
20
21
22
22
23
23
24
24
25
17
18
19
20
21
21
22
23
23
24
25
25
25
17
18
19
20
21
22
23
23
24
25
25
26
26
17
18
19
20
21
22
23
24
25
25
26
26
27
17
18
20
21
22
23
23
24
25
26
26
27
27
17
18
20
21
22
23
24
25
25
26
27
26
28
150
TABEL VIII
HARGA-HARGA KRITIS DALAM TEST WILCOXON
Tingkat Signifikansi Untuk Test Satu Fihak

(One Tail Test)
N
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
0,025
0,010
0,005
Tingkat Signifikansi Untuk Test Satu Fihak

(One Tail Test)
0,05
0,02
0,01
0
2
4
6
8
11
14
17
21
25
30
35
40
46
52
59
66
73
81
89
0
2
3
5
7
10
13
16
20
24
28
33
38
43
49
56
62
69
77
0
2
3
5
7
10
13
16
20
23
28
32
38
43
49
55
61
68
151
TABEL IX
HARGA-HARGA KRITIS MAN-WHITNEY U TEST
n
n1
2 1
10
11
12
13
14
15
16
17
18
19
20
10
10
11
12
13
14
15
16
11
11
12
13
15
16
18
19
20
22
12
14
16
17
19
21
23
24
26
28
11
13
15
17
20
22
24
26
28
30
32
34
14
16
18
21
23
26
28
31
33 :
36
38
40
10
11
16
19
22
24
27
30
33
36
38
41
44
47
18
22
25
28
31
34
37
41
44
47
50
53
12
21
24
28
31
35
38
42
46
49
53
56
60
13
23
27
31
35
39
43
47
51
55
59
63
67
14
26
30
34
38
43
47
51
56
60
65
69
73
-;s
28
33
37
42
47
51
56
61
66
70
75
80
16
31
36
41
46
51
56
61
66
71
76
82
87
17
33
38
44
49
55
60
66
71
77
82
88
93
18
36
41
47
53
59
65
70
76
82
88
94
100
19
38
44
50
56
63
69
75
82
88
94
101
107
20
40
47
53
60
67
73
80
87
93
100
107
114
152
TABEL X
TABEL HARGA-HARGA KR1TIS
DALAM TEST KOLMOGOROV-SMIRNOV
One Tailed Test

= 0,05
Two Tailed Test
= 0,01
= 0,05
= 0,01
10
11
12
13
14
15
16
10
17
10
18
10
10
19
10
10
20
10
11
21
10
11
22
11
11
23
11
10
11
24
11
10
12
25
11
10
12
26
11
10
12
27
12
10
12
28
10
12
11
13
29
10
12
11
13
30
10
12
11
13
153
35
11
13
12
40
11
14
13
TABEL XI
HARGA-HARGA z UNTUK TEST RUN WALD-WOLFOWITZ
Z
0,00
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
0,0
0,5000
0,4960
0,4920
0,4880
0,4840
0,4801
0,4761
0,4721
0,4681
0,4641
0,1
0,4602
0,4562
0,4522
0,4483
0,4443
0,4404
0,4364
0,4325
0,4286
0,4247
0,2
0,4207
0,4168
0,4129
0,4090
0,4052
0,4013
0,3974
0,3936
0,3897
0,3859
0,3
0,3821
0,3783
0,3745
0,3707
0,3669
0,3632
0,3594
0,3557
0,3520
0,3483
6,4
0,3446
0,3409
0,3372
0,3336
0,3300
0,3264
0,3228
0,3192
0,3156
0,3121
0,5
0,3086
0,3050
0,3015
0,2981
0,2946
0,2912
0,2877
0,2843
0,2810
0,2776
0,6
0,2743
0,2709
0,2676
0,2643
0,2611
0,2578
0,2546
0,2514
0,2483
0,2451
0,7
0,2420
0,2389
0,2358
0,2327
0,2297
0,2266
0,2236
0,2206
0,2177
0,2148
0,3
0,2119
0,2090
0,2061
0,2033
0,2005
0,1977
0,1949
0,1922
0,1894
0,1867
0,9
0,1841
0,1814
0,1788
0,1762
0,1736
0,1711
0,1685
0,1660
0,1635
0,1611
1,0
0,1587
0,1562
0,1535
0,1515
0,1492
0,1469
0,1446
0,1423
0,1401
0,1379
1,1
0,1357
0,1335
0,1314
0,1292
0,1271
0,1251
0,1230
0,1210
0,1190
0,1170
1,2
0,1151
0,1131
0,1112
0,1093
0,1075
0,1056
0,1038
0,1020
0,1003
0,0985
1,3
0,0968
0,0951
0,0934
0,0918
0,0901
0,0885
0,0809
0,0853
0,0838
0,0823
1,4
0,0808
0,0793
0,0778
0,0764
0,0749
0,0735
0,0721
0,0708
0,0694
0,0681
1,5
0,0668
0,0655
0,0643
0,0630
0,0618
0,0606
0,0594
0,0581
0,0571
0,0559
1,6
0,0548
0,0537
0,0526
0,0516
0,0505
0,0495
0,0485
0,0475
0,0465
0,0455
1,7
0,0445
0,0436
0,0427
0,0418
0,0409
0,0401
0,0392
0,0384
0,0375
0,0367
1,8
0,0359
0,0351
0,0344
0,0336
0,0329
0,0322
0,0314
0,0307
0,0301
0,0294
1,9
0,0287
0,0281
0,0274
0,0268
0,0262
0,0256
0,0250
0,0244
0,0239
0,0233
2,0
0,0228
0,0222
0,0217
0,0212
0,0207
0,0202
0,0197
0,0192
0,0188
0,0183
2,1
0,0179
0,0174
0,0170
0,0166
0,0162
0,0158
0,0154
0,0150
0,0146
0,0143
2,2
0,0139
0,0136
0,0132
0,0129
0,0125
0,0122
0,0119
0,0116
0,0113
0,0110
2,3
0,0107
0,0104
0,0102
0,0099
0,0096
0,0094
0,0091
0,0089
0,0087
0,0084
2,4
0,0082
0,0080
0,0078
0,0075
0,0073
0,0071
0,0069
0,0068
0,0066
0,0064
2,5
0,0062
0,0060
0,0059
0,0057
0,0055
0,0054
0,0052
0,0051
0,0049
0,0048
2,6
0,0047
0,0045
0,0044
0,0043
0,0041
0,0040
0,0039
0,0038
0,0037
0,0036
2,7
0,0035
0,0034
0,0033
0,0032
0,0031
0,0030
0,0029
0,0028
0,0027
0,0026
2,8
0,0026
0,0025
0,0024
0,0023
0,0023
0,0022
0,0021
0,0021
0,0020
0,0019
2,9
0,0019
0,0018
0,0018
0,0017
0,0016
0,0016
0,0015
0,0015
0,0014
0,0014
3,0
0,0013
0,0013
0,0013
0,0012
0,0012
0,0011
0,0011
0,0011
0,0010
0,0010
3,1
0,0010
0,0009
0,0009
0,0009
0,0008
0,0008
0,0008
0,0008
0,0007
0,0007
3,2
0,0007
0,0007
0,0006
0,0006
0,0006
0,0006
0,0006
0,0006
0,0005
0,0005
3,3
0,0005
0,0005
0,0005
0,0004
0,0004
0,0004
0,0004
0,0004
0,0003
0,0003
3,4
0,0003
0,0003
0,0003
0,0003
0,0003
0,0003
0,0003
0,0003
0,0003
0,0002
154
3,5
0,0002
0,0002
0,0002
0,0002
0,0002
0,0002
0,0002
0,0002
0,0002
0,0002
3,6
0,0002
0,0002
0, 0001
0,0001
0,0001
0,0001
0,0001
0,0001
0,0001
0,0001
3,7
0,0001
0,0001
0,0001
0,0001
0,0001
0,0001
0,0001
0,0001
0,0001
0,0001
3,8
0,0001
0,0001
0,0001
0,0001
0,0001
0,0001
0,0001
0,0001
0,0001
0,0001
3,9
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
TABEL XII
TABEL NILAI-NILAI RHO
N
Taraf
Signif
5%
1%
Taraf
Signif
5%
1%
16
0,506
0,665
1,000
0,886
1,000
18
0,475
0,626
0,786
0,929
20
0,450
0,591
0,738
0,881
22
0,428
0,562
0,683
0,833
24
0,409
0,537
10
0,648
0,794
23
0,392
0,515
12
0,591
0,777
28
0,377
0,496
14
0,544
0,715
30
0,364
0,478
155
TABEL XIII. HARGA-HARGA KRITIS Z DALAM OBSERVASI DISTRIBUSI NORMAL

Z
,0
,1
,2
,3
,4
,5
,6
,7
,8
,9
1,
0
1,
1
1,
2
1,
3
1,
4
1,
5
1,
6
1,
7
1,
8
1,
9
2,
0
2,
1
2,
2
2,
3
2,
4
,00
,5000
,4602
,4207
,3821
,3446
,3085
,2743
.2420
,2119
,1841
,01
,4960
,4562
,4168
,3783
,3409
,3050
,2709
,2389
,2090
,1814
,02
,4920
,4522
,4129
,3745
,3372
,3015
,2676
,2358
,2061
,1788
,03
,4880
,4483
,4090
,3707
,3336
,2981
,2643
,2327
,2033
,1762
,04
,4840
,4443
,4052
,3669
,3300
,2946
,2611
,2296
,2005
,1736
,05
,4801
,4404
,4013
,3632
,3264
,2912
,2578
,2266
,1977
,1711
,06
,4761
.4364
,3974
,3594
,3228 '
,2877
,2546
,2236
,1949
,1685
,07
,4721
,4325
,3936
.3557
.3192
.2843
,2514
,2206
,1922
,1660
,08
,4681
,4286
,3897
,3520
,3156
,2810
,2483
,2177
,1894
,1635
,09
,4641
,4247
,3859
,3483
,3121
,2776
,2451
,2148
,1867
,1611
,1587
,1562
,1539
,1515
,1492
,1469
,1446
,1423
,1401
,1379
,1357
,1335
,1314
,1292
,1271
,1251
,1230
,1210
,1190
,1170
,1151
,1131
,1112
,1093
,1075
,1056
,1038
,1020
,1003
,0985
,0968
,0951
,0934
,0918
,0901
,0885
,0869
,0853
,0838
,0823
,0808
,0793
,0778
.0764
,0749
,1735
,0721
,0708
,0694
,0681
,0668
,0655
,0643
,0630
,0618
,0606
,0594
,0582
,0571
,0559
,0548
,0537
,0526
,0516
,0505
,0495
,0485
.0475
,0465
,0455
,0446
,0436
,0427
,0418
,0409
,0410
,0392
,0384
,0375
,0367
,0359
,0351
,0344
,0336
,0329
,0322
,0314
,0307
,0301
,0294
,0287
,0281
,0274
,0268
,0262
,0256
,0250
,0244
,0239
,0233
,0228
,0222
,0217
,0212
,0207
,0202
,0197
,0192
,0188
,0183
,0179
,0174
,0170
,0166
,0162
,0158
,0154
,0150
,0146
,0143
,0139
,0136
,0132
,0129
,0125
,0122
,0119
,0116
,0113
,0110
,0107
,0104
,0102
,0099
,0096
,0094
,0091
,0089
,0087
,0084
,0082
,0080
,0078
,0075
,0073
,0071
,0069
,0068
,0066
,0064
156
2,
5
2,
8
2,
7
2,
8
2,
9
3,
0
3,
1
3,
2
3,
3
3,
4
3,
5
3,
6
3,
7
3,
8
,0062
,0060
,0059
,0057
,0055
,0054
,0052
,0051
,0049
.0048
,0047
,0045
,0044
,0043
,0041
,0040
,0039
,0038
,0037
,0036
,0035
,0034
,0033
,0032
,0031
,0030
,0029
,0028
,0027
,0026
,0026
,0025
,0024
,0023
,0023
,0022
,0021
,0021
,0020
.0019
,0019
,0018
,0018
,0017
,0016
,0016
,0015
,0015
,0014
,0014
,0013
,0013
,0013
,0012
,0012
,0011
,0011
,0011
,0010
,0010
,0010
,0009
,0009
,0009
,0008
,0008
,0008
,0008
,0007
,0007
,0007
,0005
,0003
,00023
,00016
,00011
,00007
TABEL XIV
NILAI-NILAI UNTUK DISTRIBUSI F
v2 =
dk
penyebut
0.10
1
0
0.05
0
0.02
5
0.01
0
0.00
5
0.10
2
0
0.05
0
0.02
5
0.01
0
0.00
5
0.10
3
0
0.05
0
0.02
5
0.01
0
0.00
5
0.10
4
0
v1 = dk pembilang
1
10
11
12
14
16
20
39.86
49.50
53.59
55.83
57.24
58.20
58.91
59.44
59.86
60.19
60.47
60.71
61.07
61.35
61.74
161.4
199.5
215.7
224.6
230.2
234.0
236.8
238.9
240.5
241.9
243.0
243.9
245.4
246.5
248.0
647.8
799.5
864.2
899.6
921.8
937.1
948.2
956.7
963.3
968.6
973.0
976.7
982.5
986.9
993.1
4052
4999
5403
5625
5764
5859
5928
5981
6022
6056
6083
6106
6143
6170
6209
16211
19999
21615
22500
23056
23437
23715
23925
24091
24224
24334
24426
24572
24681
24836
8.53
9.00
9.16
9.24
9.29
9.33
9.35
9.37
9.38
9.39
9.40
9.41
9.42
9.43
9.44
18.51
19.00
19.16
19.25
19.30
19.33
19.35
19.37
19.38
19.40
19.40
19.41
19.42
19.43
19.45
38.51
39.00
39.17
39.25
39.30
39.33
39.36
39.37
39.39
39.40
39.41
39.41
39.43
39.44
39.45
98.50
99.00
99.17
99.25
99.30
99.33
99.36
99.37
99.39
99.40
99.41
99.42
99.43
99.44
99.45
198.50
199.00
199.17
199.25
199.30
199.33
199.36
199.37
199.39
199.40
199.41
199.42
199.43
199.44
199.45
5.54
5.46
5.39
5.34
5.31
5.28
5.27
5.25
5.24
5.23
5.22
5.22
5.20
5.20
5.18
10.13
9.55
9.28
9.12
9.01
8.94
8.89
8.85
8.81
8.79
8.76
8.74
8.71
8.69
8.66
17.44
16.04
15.44
15.10
14.88
14.73
14.62
14.54
14.47
14.42
14.37
14.34
14.28
14.23
14.17
34.12
30.82
29.46
28.71
28.24
27.91
27.67
27.49
27.35
27.23
27.13
27.05
26.92
26.83
26.69
55.55
49.80
47.47
46.19
45.39
44.84
44.43
44.13
43.88
43.69
43.52
43.39
43.17
43.01
42.78
4.54
4.32
4.19
4.11
4.05
4.01
3.98
3.95
3.94
3.92
3.91
3.90
3.88
3.86
3.84
157
0.05
0
0.02
5
0.01
0
0.00
5
0.10
0
0.05
0
0.02
5
0.01
0
0.00
5
0.10
0
0.05
0
0.02
5
0.01
0
0.00
5
0.10
0
0.05
0
0.02
5
0.01
0
0.00
5
0.10
0
0.05
0
0.02
5
0.01
0
0.00
5
7.71
6.94
6.59
6.39
6.26
6.16
6.09
6.04
6.00
5.96
5.94
5.91
5.87
5.84
5.80
12.22
10.65
9.98
9.60
9.36
9.20
9.07
8.98
8.90
8.84
8.79
8.75
8.68
8.63
8.56
21.20
18.00
16.69
15.98
15.52
15.21
14.98
14.80
14.66
14.55
14.45
14.37
14.25
14.15
14.02
31.33
26.28
24.26
23.15
22.46
21.97
21.62
21.35
21.14
20.97
20.82
20.70
20.51
20.37
20.17
4.06
3.78
3.62
3.52
3.45
3.40
3.37
3.34
3.32
3.30
3.28
3.27
3.25
3.23
3.21
6.61
5.79
5.41
5.19
5.05
4.95
4.88
4.82
4.77
4.74
4.70
4.68
4.64
4.60
4.56
10.01
8.43
7.76
7.39
7.15
6.98
6.85
6.76
6.68
6.62
6.57
6.52
6.46
6.40
6.33
16.26
13.27
12.06
11.39
10.97
10.67
10.46
10.29
10.16
10.05
9.96
9.89
9.77
9.68
9.55
22.78
18.31
16.53
15.56
14.94
14.51
14.20
13.96
13.77
13.62
13.49
13.38
13.21
13.09
12.90
3.78
3.46
3.29
3.18
3.11
3.05
3.01
2.98
2.96
2.94
2.92
2.90
2.88
2.86
2.84
5.99
5.14
4.76
4.53
4.39
4.28
4.21
4.15
4.10
4.06
4.03
4.00
3.96
3.92
3.87
8.81
7.26
6.60
6.23
5.99
5.82
5.70
5.60
5.52
5.46
5.41
5.37
5.30
5.24
5.17
13.75
10.92
9.78
9.15
8.75
8.47
8.26
8.10
7.98
7.87
7.79
7.72
7.60
7.52
7.40
18.63
14.54
12.92
12.03
11.46
11.07
10.79
10.57
10.39
10.25
10.13
10.03
9.88
9.76
9.59
3.59
3.26
3.07
2.96
2.88
2.83
2.78
2.75
2.72
2.70
2.68
2.67
2.64
2.62
2.59
5.59
4.74
4.35
4.12
3.97
3.87
3.79
3.73
3.68
3.64
3.60
3.57
3.53
3.49
3.44
8.07
6.54
5.89
5.52
5.29
5.12
4.99
4.90
4.82
4.76
4.71
4.67
4.60
4.54
4.47
12.25
9.55
8.45
7.85
7.46
7.19
6.99
6.84
6.72
6.62
6.54
6.47
6.36
6.28
6.16
16.24
12.40
10.88
10.05
9.52
9.16
8.89
8.68
8.51
8.38
8.27
8.18
8.03
7.91
7.75
3.46
3.11
2.92
2.81
2.73
2.67
2.62
2.59
2.56
2.54
2.52
2.50
2.48
2.45
2.42
5.32
4.46
4.07
3.84
3.69
3.58
3.50
3.44
3.39
3.35
3.31
3.28
3.24
3.20
3.15
7.57
6.06
5.42
5.05
4.82
4.65
4.53
4.43
4.36
4.30
4.24
4.20
4.13
4.08
4.00
11.26
8.65
7.59
7.01
6.63
6.37
6.18
6.03
5.91
5.81
5.73
5.67
5.56
5.48
5.36
14.69
11.04
9.60
8.81
8.30
7.95
7.69
7.50
7.34
7.21
7.10
7.01
6.87
6.76
6.61
Distribusi F
v2 =
dk
penyebut
0.10
9
0
0.05
0
0.02
v1 = dk pembilang
1
10
11
12
14
16
20
3.36
3.01
2.81
2.69
2.61
2.55
2.51
2.47
2.44
2.42
2.40
2.38
2.35
2.33
2.30
5.12
4.26
3.86
3.63
3.48
3.37
3.29
3.23
3.18
3.14
3.10
3.07
3.03
2.99
2.94
7.21
5.71
5.08
4.72
4.48
4.32
4.20
4.10
4.03
3.96
3.91
3.87
3.80
3.74
3.67
158
10
11
12
13
14
15
16
17
5
0.01
0
0.00
5
0.10
0
0.05
0
0.02
5
0.01
0
0.00
5
0.10
0
0.05
0
0.02
5
0.01
0
0.00
5
0.10
0
0.05
0
0.02
5
0.01
0
0.00
5
0.10
0
0.05
0
0.02
5
0.01
0
0.00
5
0.10
0
0.05
0
0.02
5
0.01
0
0.00
5
0.10
0
0.05
0
0.02
5
0.01
0
0.00
5
0.10
0
0.05
0
0.02
5
0.01
0
0.00
5
0.10
0
0.05
0
10.56
8.02
6.99
6.42
6.06
5.80
5.61
5.47
5.35
5.26
5.18
5.11
5.01
4.92
4.81
13.61
10.11
8.72
7.96
7.47
7.13
6.88
6.69
6.54
6.42
6.31
6.23
6.09
5.98
5.83
3.29
2.92
2.73
2.61
2.52
2.46
2.41
2.38
2.35
2.32
2.30
2.28
2.26
2.23
2.20
4.96
4.10
3.71
3.48
3.33
3.22
3.14
3.07
3.02
2.98
2.94
2.91
2.86
2.83
2.77
6.94
5.46
4.83
4.47
4.24
4.07
3.95
3.85
3.78
3.72
3.66
3.62
3.55
3.50
3.42
10.04
7.56
6.55
5.99
5.64
5.39
5.20
5.06
4.94
4.85
4.77
4.71
4.60
4.52
4.41
12.83
9.43
8.08
7.34
6.87
6.54
6.30
6.12
5.97
5.85
5.75
5.66
5.53
5.42
5.27
3.23
2.86
2.66
2.54
2.45
2.39
2.34
2.30
2.27
2.25
2.23
2.21
2.18
2.16
2.12
4.84
3.98
3.59
3.36
3.20
3.09
3.01
2.95
2.90
2.85
2.82
2.79
2.74
2.70
2.65
6.72
5.26
4.63
4.28
4.04
3.88
3.76
3.66
3.59
3.53
3.47
3.43
3.36
3.30
3.23
9.65
7.21
6.22
5.67
5.32
5.07
4.89
4.74
4.63
4.54
4.46
4.40
4.29
4.21
4.10
12.23
8.91
7.60
6.88
6.42
6.10
5.86
5.68
5.54
5.42
5.32
5.24
5.10
5.00
4.86
3.18
2.81
2.61
2.48
2.39
2.33
2.28
2.24
2.21
2.19
2.17
2.15
2.12
2.09
2.06
4.75
3.89
3.49
3.26
3.11
3.00
2.91
2.85
2.80
2.75
2.72
2.69
2.64
2.60
2.54
6.55
5.10
4.47
4.12
3.89
3.73
3.61
3.51
3.44
3.37
3.32
3.28
3.21
3.15
3.07
9.33
6.93
5.95
5.41
5.06
4.82
4.64
4.50
4.39
4.30
4.22
4.16
4.05
3.97
3.86
11.75
8.51
7.23
6.52
6.07
5.76
5.52
5.35
5.20
5.09
4.99
4.91
4.77
4.67
4.53
3.14
2.76
2.56
2.43
2.35
2.28
2.23
2.20
2.16
2.14
2.12
2.10
2.07
2.04
2.01
4.67
3.81
3.41
3.18
3.03
2.92
2.83
2.77
2.71
2.67
2.63
2.60
2.55
2.51
2.46
6.41
4.97
4.35
4.00
3.77
3.60
3.48
3.39
3.31
3.25
3.20
3.15
3.08
3.03
2.95
9.07
6.70
5.74
5.21
4.86
4.62
4.44
4.30
4.19
4.10
4.02
3.96
3.86
3.78
3.66
11.37
8.19
6.93
6.23
5.79
5.48
5.25
5.08
4.94
4.82
4.72
4.64
4.51
4.41
4.27
3.10
2.73
2.52
2.39
2.31
2.24
2.19
2.15
2.12
2.10
2.07
2.05
2.02
2.00
1.96
4.60
3.74
3.34
3.11
2.96
2.85
2.76
2.70
2.65
2.60
2.57
2.53
2.48
2.44
2.39
6.30
4.86
4.24
3.89
3.66
3.50
3.38
3.29
3.21
3.15
3.09
3.05
2.98
2.92
2.84
8.86
6.51
5.56
5.04
4.69
4.46
4.28
4.14
4.03
3.94
3.86
3.80
3.70
3.62
3.51
11.06
7.92
6.68
6.00
5.56
5.26
5.03
4.86
4.72
4.60
4.51
4.43
4.30
4.20
4.06
3.07
2.70
2.49
2.36
2.27
2.21
2.16
2.12
2.09
2.06
2.04
2.02
1.99
1.96
1.92
4.54
3.68
3.29
3.06
2.90
2.79
2.71
2.64
2.59
2.54
2.51
2.48
2.42
2.38
2.33
6.20
4.77
4.15
3.80
3.58
3.41
3.29
3.20
3.12
3.06
3.01
2.96
2.89
2.84
2.76
8.68
6.36
5.42
4.89
4.56
4.32
4.14
4.00
3.89
3.80
3.73
3.67
3.56
3.49
3.37
10.80
7.70
6.48
5.80
5.37
5.07
4.85
4.67
4.54
4.42
4.33
4.25
4.12
4.02
3.88
3.05
2.67
2.46
2.33
2.24
2.18
2.13
2.09
2.06
2.03
2.01
1.99
1.95
1.93
1.89
4.49
3.63
3.24
3.01
2.85
2.74
2.66
2.59
2.54
2.49
2.46
2.42
2.37
2.33
2.28
6.12
4.69
4.08
3.73
3.50
3.34
3.22
3.12
3.05
2.99
2.93
2.89
2.82
2.76
2.68
8.53
6.23
5.29
4.77
4.44
4.20
4.03
3.89
3.78
3.69
3.62
3.55
3.45
3.37
3.26
10.58
7.51
6.30
5.64
5.21
4.91
4.69
4.52
4.38
4.27
4.18
4.10
3.97
3.87
3.73
3.03
2.64
2.44
2.31
2.22
2.15
2.10
2.06
2.03
2.00
1.98
1.96
1.93
1.90
1.86
4.45
3.59
3.20
2.96
2.81
2.70
2.61
2.55
2.49
2.45
2.41
2.38
2.33
2.29
2.23
159
0.02
5
0.01
0
0.00
5
6.04
4.62
4.01
3.66
3.44
3.28
3.16
3.06
2.98
2.92
2.87
2.82
2.75
2.70
2.62
8.40
6.11
5.18
4.67
4.34
4.10
3.93
3.79
3.68
3.59
3.52
3.46
3.35
3.27
3.16
10.38
7.35
6.16
5.50
5.07
4.78
4.56
4.39
4.25
4.14
4.05
3.97
3.84
3.75
3.61
10
11
12
14
16
20
3.01
2.62
2.42
2.29
2.20
2.13
2.08
2.04
2.00
1.98
1.95
1.93
1.90
1.87
1.84
4.41
3.55
3.16
2.93
2.77
2.66
2.58
2.51
2.46
2.41
2.37
2.34
2.29
2.25
2.19
5.98
4.56
3.95
3.61
3.38
3.22
3.10
3.01
2.93
2.87
2.81
2.77
2.70
2.64
2.56
8.29
6.01
5.09
4.58
4.25
4.01
3.84
3.71
3.60
3.51
3.43
3.37
3.27
3.19
3.08
10.22
7.21
6.03
5.37
4.96
4.66
4.44
4.28
4.14
4.03
3.94
3.86
3.73
3.64
3.50
2.99
2.61
2.40
2.27
2.18
2.11
2.06
2.02
1.98
1.96
1.93
1.91
1.88
1.85
1.81
4.38
3.52
3.13
2.90
2.74
2.63
2.54
2.48
2.42
2.38
2.34
2.31
2.26
2.21
2.16
5.92
4.51
3.90
3.56
3.33
3.17
3.05
2.96
2.88
2.82
2.76
2.72
2.65
2.59
2.51
8.18
5.93
5.01
4.50
4.17
3.94
3.77
3.63
3.52
3.43
3.36
3.30
3.19
3.12
3.00
10.07
7.09
5.92
5.27
4.85
4.56
4.34
4.18
4.04
3.93
3.84
3.76
3.64
3.54
3.40
2.97
2.59
2.38
2.25
2.16
2.09
2.04
2.00
1.96
1.94
1.91
1.89
1.86
1.83
1.79
4.35
3.49
3.10
2.87
2.71
2.60
2.51
2.45
2.39
2.35
2.31
2.28
2.22
2.18
2.12
5.87
4.46
3.86
3.51
3.29
3.13
3.01
2.91
2.84
2.77
2.72
2.68
2.60
2.55
2.46
8.10
5.85
4.94
4.43
4.10
3.87
3.70
3.56
3.46
3.37
3.29
3.23
3.13
3.05
2.94
9.94
6.99
5.82
5.17
4.76
4.47
4.26
4.09
3.96
3.85
3.76
3.68
3.55
3.46
3.32
2.96
2.57
2.36
2.23
2.14
2.08
2.02
1.98
1.95
1.92
1.90
1.87
1.84
1.81
1.78
4.32
3.47
3.07
2.84
2.68
2.57
2.49
2.42
2.37
2.32
2.28
2.25
2.20
2.16
2.10
5.83
4.42
3.82
3.48
3.25
3.09
2.97
2.87
2.80
2.73
2.68
2.64
2.56
2.51
2.42
8.02
5.78
4.87
4.37
4.04
3.81
3.64
3.51
3.40
3.31
3.24
3.17
3.07
2.99
2.88
9.83
6.89
5.73
5.09
4.68
4.39
4.18
4.01
3.88
3.77
3.68
3.60
3.48
3.38
3.24
2.95
2.56
2.35
2.22
2.13
2.06
2.01
1.97
1.93
1.90
1.88
1.86
1.83
1.80
1.76
4.30
3.44
3.05
2.82
2.66
2.55
2.46
2.40
2.34
2.30
2.26
2.23
2.17
2.13
2.07
5.79
4.38
3.78
3.44
3.22
3.05
2.93
2.84
2.76
2.70
2.65
2.60
2.53
2.47
2.39
7.95
5.72
4.82
4.31
3.99
3.76
3.59
3.45
3.35
3.26
3.18
3.12
3.02
2.94
2.83
9.73
6.81
5.65
5.02
4.61
4.32
4.11
3.94
3.81
3.70
3.61
3.54
3.41
3.31
3.18
2.94
2.55
2.34
2.21
2.11
2.05
1.99
1.95
1.92
1.89
1.87
1.84
1.81
1.78
1.74
Distribusi F
v2 =
dk
penyebut
0.10
18
0
0.05
0
0.02
5
0.01
0
0.00
5
0.10
19
0
0.05
0
0.02
5
0.01
0
0.00
5
0.10
20
0
0.05
0
0.02
5
0.01
0
0.00
5
0.10
21
0
0.05
0
0.02
5
0.01
0
0.00
5
0.10
22
0
0.05
0
0.02
5
0.01
0
0.00
5
0.10
23
0
v1 = dk pembilang
160
24
25
26
27
0.05
0
0.02
5
0.01
0
0.00
5
0.10
0
0.05
0
0.02
5
0.01
0
0.00
5
0.10
0
0.05
0
0.02
5
0.01
0
0.00
5
0.10
0
0.05
0
0.02
5
0.01
0
0.00
5
0.10
0
0.05
0
0.02
5
4.28
3.42
3.03
2.80
2.64
2.53
2.44
2.37
2.32
2.27
2.24
2.20
2.15
2.11
2.05
5.75
4.35
3.75
3.41
3.18
3.02
2.90
2.81
2.73
2.67
2.62
2.57
2.50
2.44
2.36
7.88
5.66
4.76
4.26
3.94
3.71
3.54
3.41
3.30
3.21
3.14
3.07
2.97
2.89
2.78
9.63
6.73
5.58
4.95
4.54
4.26
4.05
3.88
3.75
3.64
3.55
3.47
3.35
3.25
3.12
2.93
2.54
2.33
2.19
2.10
2.04
1.98
1.94
1.91
1.88
1.85
1.83
1.80
1.77
1.73
4.26
3.40
3.01
2.78
2.62
2.51
2.42
2.36
2.30
2.25
2.22
2.18
2.13
2.09
2.03
5.72
4.32
3.72
3.38
3.15
2.99
2.87
2.78
2.70
2.64
2.59
2.54
2.47
2.41
2.33
7.82
5.61
4.72
4.22
3.90
3.67
3.50
3.36
3.26
3.17
3.09
3.03
2.93
2.85
2.74
9.55
6.66
5.52
4.89
4.49
4.20
3.99
3.83
3.69
3.59
3.50
3.42
3.30
3.20
3.06
2.92
2.53
2.32
2.18
2.09
2.02
1.97
1.93
1.89
1.87
1.84
1.82
1.79
1.76
1.72
4.24
3.39
2.99
2.76
2.60
2.49
2.40
2.34
2.28
2.24
2.20
2.16
2.11
2.07
2.01
5.69
4.29
3.69
3.35
3.13
2.97
2.85
2.75
2.68
2.61
2.56
2.51
2.44
2.38
2.30
7.77
5.57
4.68
4.18
3.85
3.63
3.46
3.32
3.22
3.13
3.06
2.99
2.89
2.81
2.70
9.48
6.60
5.46
4.84
4.43
4.15
3.94
3.78
3.64
3.54
3.45
3.37
3.25
3.15
3.01
2.91
2.52
2.31
2.17
2.08
2.01
1.96
1.92
1.88
1.86
1.83
1.81
1.77
1.75
1.71
4.23
3.37
2.98
2.74
2.59
2.47
2.39
2.32
2.27
2.22
2.18
2.15
2.09
2.05
1.99
5.66
4.27
3.67
3.33
3.10
2.94
2.82
2.73
2.65
2.59
2.54
2.49
2.42
2.36
2.28
7.72
5.53
4.64
4.14
3.82
3.59
3.42
3.29
3.18
3.09
3.02
2.96
2.86
2.78
2.66
9.41
6.54
5.41
4.79
4.38
4.10
3.89
3.73
3.60
3.49
3.40
3.33
3.20
3.11
2.97
2.90
2.51
2.30
2.17
2.07
2.00
1.95
1.91
1.87
1.85
1.82
1.80
1.76
1.74
1.70
4.21
3.35
2.96
2.73
2.57
2.46
2.37
2.31
2.25
2.20
2.17
2.13
2.08
2.04
1.97
5.63
4.24
3.65
3.31
3.08
2.92
2.80
2.71
2.63
2.57
2.51
2.47
2.39
2.34
2.25
10
11
12
14
16
20
7.68
5.49
4.60
4.11
3.78
3.56
3.39
3.26
3.15
3.06
2.99
2.93
2.82
2.75
2.63
9.34
6.49
5.36
4.74
4.34
4.06
3.85
3.69
3.56
3.45
3.36
3.28
3.16
3.07
2.93
2.89
2.50
2.29
2.16
2.06
2.00
1.94
1.90
1.87
1.84
1.81
1.79
1.75
1.73
1.69
4.20
3.34
2.95
2.71
2.56
2.45
2.36
2.29
2.24
2.19
2.15
2.12
2.06
2.02
1.96
5.61
4.22
3.63
3.29
3.06
2.90
2.78
2.69
2.61
2.55
2.49
2.45
2.37
2.32
2.23
7.64
5.45
4.57
4.07
3.75
3.53
3.36
3.23
3.12
3.03
2.96
2.90
2.79
2.72
2.60
9.28
6.44
5.32
4.70
4.30
4.02
3.81
3.65
3.52
3.41
3.32
3.25
3.12
3.03
2.89
2.89
2.50
2.28
2.15
2.06
1.99
1.93
1.89
1.86
1.83
1.80
1.78
1.75
1.72
1.68
4.18
3.33
2.93
2.70
2.55
2.43
2.35
2.28
2.22
2.18
2.14
2.10
2.05
2.01
1.94
5.59
4.20
3.61
3.27
3.04
2.88
2.76
2.67
2.59
2.53
2.48
2.43
2.36
2.30
2.21
Distribusi F
v2 =
dk
penyebut
0.01
0
0.00
5
0.10
28
0
0.05
0
0.02
5
0.01
0
0.00
5
0.10
29
0
0.05
0
0.02
5
v1 = dk pembilang
161
30
40
60
12
0
24
0
50
0
0.01
0
0.00
5
0.10
0
0.05
0
0.02
5
0.01
0
0.00
5
0.10
0
0.05
0
0.02
5
0.01
0
0.00
5
0.10
0
0.05
0
0.02
5
0.01
0
0.00
5
0.10
0
0.05
0
0.02
5
0.01
0
0.00
5
0.10
0
0.05
0
0.02
5
0.01
0
0.00
5
0.10
0
0.05
0
0.02
5
0.01
0
0.00
5
0.10
0
0.05
0
0.02
5
0.01
0
0.00
5
7.60
5.42
4.54
4.04
3.73
3.50
3.33
3.20
3.09
3.00
2.93
2.87
2.77
2.69
2.57
9.23
6.40
5.28
4.66
4.26
3.98
3.77
3.61
3.48
3.38
3.29
3.21
3.09
2.99
2.86
2.88
2.49
2.28
2.14
2.05
1.98
1.93
1.88
1.85
1.82
1.79
1.77
1.74
1.71
1.67
4.17
3.32
2.92
2.69
2.53
2.42
2.33
2.27
2.21
2.16
2.13
2.09
2.04
1.99
1.93
5.57
4.18
3.59
3.25
3.03
2.87
2.75
2.65
2.57
2.51
2.46
2.41
2.34
2.28
2.20
7.56
5.39
4.51
4.02
3.70
3.47
3.30
3.17
3.07
2.98
2.91
2.84
2.74
2.66
2.55
9.18
6.35
5.24
4.62
4.23
3.95
3.74
3.58
3.45
3.34
3.25
3.18
3.06
2.96
2.82
2.84
2.44
2.23
2.09
2.00
1.93
1.87
1.83
1.79
1.76
1.74
1.71
1.68
1.65
1.61
4.08
3.23
2.84
2.61
2.45
2.34
2.25
2.18
2.12
2.08
2.04
2.00
1.95
1.90
1.84
5.42
4.05
3.46
3.13
2.90
2.74
2.62
2.53
2.45
2.39
2.33
2.29
2.21
2.15
2.07
7.31
5.18
4.31
3.83
3.51
3.29
3.12
2.99
2.89
2.80
2.73
2.66
2.56
2.48
2.37
8.83
6.07
4.98
4.37
3.99
3.71
3.51
3.35
3.22
3.12
3.03
2.95
2.83
2.74
2.60
2.79
2.39
2.18
2.04
1.95
1.87
1.82
1.77
1.74
1.71
1.68
1.66
1.62
1.59
1.54
4.00
3.15
2.76
2.53
2.37
2.25
2.17
2.10
2.04
1.99
1.95
1.92
1.86
1.82
1.75
5.29
3.93
3.34
3.01
2.79
2.63
2.51
2.41
2.33
2.27
2.22
2.17
2.09
2.03
1.94
7.08
4.98
4.13
3.65
3.34
3.12
2.95
2.82
2.72
2.63
2.56
2.50
2.39
2.31
2.20
8.49
5.79
4.73
4.14
3.76
3.49
3.29
3.13
3.01
2.90
2.82
2.74
2.62
2.53
2.39
2.75
2.35
2.13
1.99
1.90
1.82
1.77
1.72
1.68
1.65
1.63
1.60
1.56
1.53
1.48
3.92
3.07
2.68
2.45
2.29
2.18
2.09
2.02
1.96
1.91
1.87
1.83
1.78
1.73
1.66
5.15
3.80
3.23
2.89
2.67
2.52
2.39
2.30
2.22
2.16
2.10
2.05
1.98
1.92
1.82
6.85
4.79
3.95
3.48
3.17
2.96
2.79
2.66
2.56
2.47
2.40
2.34
2.23
2.15
2.03
8.18
5.54
4.50
3.92
3.55
3.28
3.09
2.93
2.81
2.71
2.62
2.54
2.42
2.33
2.19
2.73
2.32
2.11
1.97
1.87
1.80
1.74
1.70
1.66
1.63
1.60
1.57
1.53
1.50
1.45
3.88
3.03
2.64
2.41
2.25
2.14
2.05
1.98
1.92
1.87
1.83
1.79
1.73
1.69
1.61
5.09
3.75
3.17
2.84
2.62
2.46
2.34
2.25
2.17
2.10
2.05
2.00
1.92
1.86
1.77
6.74
4.69
3.86
3.40
3.09
2.88
2.71
2.59
2.48
2.40
2.32
2.26
2.16
2.08
1.96
8.03
5.42
4.39
3.82
3.45
3.19
2.99
2.84
2.71
2.61
2.52
2.45
2.33
2.23
2.09
2.72
2.31
2.09
1.96
1.86
1.79
1.73
1.68
1.64
1.61
1.58
1.56
1.52
1.49
1.44
3.86
3.01
2.62
2.39
2.23
2.12
2.03
1.96
1.90
1.85
1.81
1.77
1.71
1.66
1.59
5.05
3.72
3.14
2.81
2.59
2.43
2.31
2.22
2.14
2.07
2.02
1.97
1.89
1.83
1.74
6.69
4.65
3.82
3.36
3.05
2.84
2.68
2.55
2.44
2.36
2.28
2.22
2.12
2.04
1.92
7.95
5.35
4.33
3.76
3.40
3.14
2.94
2.79
2.66
2.56
2.48
2.40
2.28
2.19
2.04
2.71
2.30
2.08
1.94
1.85
1.77
1.72
1.67
1.63
1.60
1.57
1.55
1.50
1.47
1.42
3.84
3.00
2.60
2.37
2.21
2.10
2.01
1.94
1.88
1.83
1.79
1.75
1.69
1.64
1.57
5.02
3.69
3.12
2.79
2.57
2.41
2.29
2.19
2.11
2.05
1.99
1.94
1.87
1.80
1.71
6.64
4.61
3.78
3.32
3.02
2.80
2.64
2.51
2.41
2.32
2.25
2.18
2.08
2.00
1.88
7.88
5.30
4.28
3.72
3.35
3.09
2.90
2.74
2.62
2.52
2.43
2.36
2.24
2.14
2.00
162
TABEL XV
DISTRIBUSI TABEL Q (untuk Test Tukey)
= 0.05
k df
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
24
30
40
60
120
oo
18.0
6.08
4.50
3.93
3.64
3.46
3.34
3.26
3.20
3.15
3.11
3.08
3.06
3.03
3.01
3.00
2.98
2.97
2.96
2.95
2.92
2.89
2.86
2.83
2.80
2.77
27.0
8.33
5.91
5.04
4.60
4.34
4.16
4.04
3.95
3.88
3.82
3.77
3.73
3.70
3.67
3.65
3.63
3.61
3.59
3.58
3.53
3.49
3.44
3.40
3.36
3.31
32.8
9.80
6.82
5.76
5.22
4.90
4.68
4.53
4.41
4.33
4.26
4.20
4.15
4.11
4.08
4.05
4.02
4.00
3.98
3.96
3.90
3.85
3.79
3.74
3.68
3.63
37.1
10.88
7.50
6.29
5.67
5.30
5.06
4.89
4.76
4.65
4.57
4.51
4.45
4.41
4.37
4.33
4.30
4.28
4.25
4.23
4.17
4.10
4.04
3.98
3.92
3.86
40.4
11.73
8.04
6.71
6.03
5.63
5.36
5.17
5.02
4.91
4.82
4.75
4.69
4.64
4.59
4.56
4.52
4.49
4.47
4.45
4.37
4.30
4.23
4.16
4.10
4.03
43.1
12.43
8.48
7.05
6.33
5.90
5.61
5.40
5.24
5.12
5.03
4.95
4.88
4.83
4.78
4.74
4.70
4.67
4.65
4.62
4.54
4.46
4.39
4.31
4.24
4.17
45.4
13.03
8.85
7.35
6.58
6.12
5.82
5.60
5.43
5.30
5.20
5.12
5.05
4.99
4.94
4.90
4.86
4.82
4.79
4.77
4.68
4.60
4.52
4.44
4.36
4.29
47.4
13.54
9.18
7.60
6.80
6.32
6.00
5.77
5.59
5.46
5.35
5.27
5.19
5.13
5.08
5.03
4.99
4.96
4.92
4.90
4.81
4.72
4.63
4.55
4.47
4.39
49.1
13.99
9.46
7.83
6.99
6.49
6.16
5.92
5.74
5.60
5.49
5.39
5.32
5.25
5.20
5.15
5.11
5.07
5.04
5.01
4.92
4.82
4.73
4.65
4.56
4.47
10
TABEL XV (Lanjutan )
DISTRIBUSI TABEL Q (untuk Test Tukey)
= 0.01
k
df
1
2
90.0
10
135
164
186
202
216
227
237
246
163
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
24
30
40
60
120
oo
13.90
8.26
6.51
5.70
5.24
4.95
4.75
4.60
4.48
4.39
4.32
4.26
4.21
4.17
4.13
4.10
4.07
4.05
4.02
3.96
3.89
3.82
3.76
3.70
3.64
19.02
10.62
8.12
6.98
6.33
5.92
5.64
5.43
5.27
5.15
5.05
4.96
4.89
4.84
4.79
4.74
4.70
4.67
4.64
4.55
4.45
4.37
4.28
4.20
4.12
22.56
12.17
9.17
7.80
7.03
6.54
6.20
5.96
5.77
5.62
5.50
5.40
5.32
5.25
5.19
5.14
5.09
5.05
5.02
4.91
4.80
4.70
4.59
4.50
4.40
25.37
13.32
9.96
8.42
7.56
7.00
6.62
6.35
6.14
5.97
5.84
5.73
5.63
5.56
5.49
5.43
5.38
5.33
5.29
5.17
5.05
4.93
4.82
4.71
4.60
27.76
14.24
10.58
8.91
7.97
7.37
6.96
6.66
6.43
6.25
6.10
5.98
5.88
5.80
5.72
5.66
5.60
5.55
5.51
5.37
5.24
5.11
4.99
4.87
4.76
29.86
15.00
11.10
9.32
8.32
7.68
7.24
6.91
6.67
6.48
6.32
6.19
6.08
5.99
5.92
5.85
5.79
5.73
5.69
5.54
5.40
5.26
5.13
5.01
4.88
31.73
15.65
11.54
9.67
8.61
7.94
7.47
7.13
6.87
6.67
6.51
6.37
6.26
6.16
6.08
6.01
5.94
5.89
5.84
5.69
5.54
5.39
5.25
5.12
4.99
TABEL XVI
TABEL LILIEFORS (L)
N
4
5
6
7
=.
20
.3027
.2893
.2694
.2521
= .15
= .10
= .05
= .01
.3216
.3027
.2816
.2641
.3456
.3188
.2982
.2802
.3754
.3427
.3245
.3041
.4129
.3959
.3728
.3504
164
33.41
16.21
11.92
9.97
8.87
8.17
7.68
7.33
7.05
6.84
6.67
6.53
6.41
6.31
6.22
6.15
6.08
6.02
5.97
5.81
5.65
5.50
5.36
5.21
5.08
34.93
16.71
12.26
10.24
9.10
8.37
7.86
7.49
7.21
6.99
6.81
6.67
6.54
6.44
6.35
6.27
6.20
6.14
6.09
5.92
5.76
5.60
5.45
5.30
5.16
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
.2387
.2273
.2171
.2080
.2004
.1932
.1869
.1811
.1758
.1711
.1666
.1624
.1589
.1553
.1517
.1484
.1458
.1429
.1406
.1381
.1358
.2502
.2382
.2273
.2179
.2101
.2025
.1959
.1899
.1843
.1794
.1747
.1700
.1666
.1629
.1592
.1555
.1527
.1498
.1472
.1448
.1423
.2649
.2522
.2410
.2306
.2228
.2147
.2077
.2016
.1956
.1902
.1852
.1803
.1764
.1726
.1690
.1650
.1619
.1589
.1562
.1533
.1509
.2875
.2744
.2616
.2506
.2426
.2337
.2257
.2196
.2128
.2071
.2018
.1965
.1920
.1881
.1840
.1798
.1766
.1726
.1699
.1665
.1641
.3331
.3162
.3037
.2905
.2812
.2714
.2627
.2545
.2477
.2408
.2345
.2285
.2226
.2190
.2141
.2090
.2053
.2010
.1985
.1941
.1911
TABEL XVI (Lanjutan)

TABEL LILIEFORS (L)
N
29
30
=.
20
.1334
.1315
= .15
= .10
= .05
= .01
.1398
.1378
.1483
.1460
.1614
.1590
.1886
.1848
165
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
>5
0
.1291
.1274
.1254
.1236
.1220
.1203
.1188
.1174
.1159
.1147
.1131
.1119
.1106
.1095
.1083
.1071
.1062
.1047
.1040
.1030
0.741
fN
.1353
.1336
.1314
.1295
.1278
.1260
.1245
.1230
.1214
.1204
.1186
.1172
.1159
.1148
.1134
.1123
.1113
.1098
.1089
.1079
.1432
.1415
.1392
.1373
.1356
.1336
.1320
.1303
.1288
.1275
.1258
.1244
.1228
.1216
.1204
.1189
.1180
.1165
.1153
.1142
.1559
.1542
.1518
.1497
.1478
.1454
.1436
.1421
.1402
.1386
.1373
.1353
.1339
.1322
.1309
.1293
.1282
.1269
.1256
.1246
0.775
fN
0.819
fN
0.895
fN
.1820
.1798
.1770
.1747
.1720
.1695
.1677
.1653
.1634
.1616
.1599
.1573
.1556
.1542
.1525
.1512
.1499
.1476
.1463
.1457
01.035
fN
RIWAYAT HIDUP
PROF. DR. I WAYAN KOYAN, M.Pd., lahir di Desa Gobleg, Kecamatan
Banjar, Kabupaten Buleleng, tanggal 15 Maret 1943, anak ke lima dari pasangan suamiistri I Nyoman Merta (alm) dan Ni Wayan Nuragi (alm). Setelah menamatkan Sekolah
Rakyat (SR) tahun 1957 di Desa Gobleg, kemudian melanjutkan ke Sekolah Guru B
(SGB) di Singaraja mulai tahun 1957-1960. Pada tahun 1960 melanjutkan ke Sekolah
Guru A Negeri (SGAN) di Kota Singaraja dan tamat tahun 1963. Kemudian, pada tahun
166
1964 melanjutkan ke Kursus Peneliti Pendidikan Masyarakat (KPPM) di Yogyakarta dan

tamat tahun 1965. Pada tahun 1968 melanjutkan ke FIP Unud Singaraja dan
menyelesaikan Sarjana Muda (BA) tahun 1971. Tahun 1973 melanjutkan ke FIP IKIP
Yogyakarta dan memperoleh gelar sarjana pendidikan sosial pada tahun 1975. Lulus
Program Akta Mengajar Lima format jarak jauh pada tahun 1982. Pada tahun 1982
mengikuti pelatihan Metodologi Penelitian selama 6 bulan di Yogyakarta. Pada tahun
1983 1985 melanjutkan ke Pascasarjana IKIP Jakarta di Yogyakarta dan memperoleh
gelar Magister Pendidikan (M.Pd.) dalam bidang: Penelitian dan Evaluasi Pendidikan.
Pada tahun 1997 mengikuti program refreser selama 6 bulan di State University of IOWA
(USA) dengan tugas menyusun buku Pendidikan Moral Lintas Budaya.Pada tahun 1999
2003 melanjutkan sekolah ke Program Pascasarjana Universitas Negeri Jakarta dan
memperoleh gelar DOKTOR dalam bidang: Penelitian dan Evaluasi Pendidikan.
Mengikuti Pelatihan Aplikasi Program R dalam Asesmen Psikometri dan Pendidikan di
UNY Yogyakarta tgl 15-18-2009 dan Pelatihan Asesor Guru tahun 2006 dan Aesor Dosen
pada tahun 2007.
Pekerjaan yang pernah dijabat adalah (1) Guru SD (1963-1964), (2) Penilik
Pendidikan Masyarakat (1965-1971), (3) Asisten Dosen di FKIP Unud Singaraja (19711975), (4) dosen tetap pada FKIP Unud Singaraja (1975-1983), (5) dosen tetap pada
STKIP Negeri Singaraja (1983-2001), (6) dosen tetap pada IKIP Negeri Singaraja (20012003), (7) Guru Besar tetap pada Universitas Pendidikan Ganesha (Undiksha) mulai
tahun 2003 sampai dengan sekarang, (8) menjadi konsultan Education Manajement
Specialist (EMS) pada Proyek Desentralisasi Pendidikan Dasar (ADB Loan No. 1863INO) mulai tahun 2003 sampai tahun 2008 di Provinsi Bali, (9) menjadi dosen detasering
selama 6 bulan di Universitas Syah Kuala (2006), (10) menjadi Ketua Program Studi
Penelitian dan Evaluasi Pendidikan (2006 sampai sekarang), dan (11) menjadi asesor
Guru SD dan asesor Dosen mulai tahun 2006 sampai sekarang.
Publikasi ilmiah yang penting, antara lain: (1) menulis buku ajar Pendidikan
Moral Pendekatan Lintas Budaya, (2) artikel tentang Analisis Kebutuhan Belajar
Pendidikan Moral, (3) Pendidikan Karakter dengan Pendekatan Komprehensif, (4)
Mengembangkan Disiplin Diri dengan Menggunakan Strategi Pengubahan Perilaku
Model Madeline Hunter, (5) beberapa makalah ilmiah yang dipresentasikan pada Konaspi
dan Pelatihan-pelatihan Guru SD dalam rangka pelaksanaan Proyek Desentralisasi
Pendidikan Dasar di Bali, (6) menulis Buku Ajar Statistik Terapan, (7) menulis Buku Ajar
Telaah Kurikulum SD, (8) menulis Buku Ajar Asesmen Pendidikan, dan (8) menulis
Buku Ajar Langkah-langkah Menyusun Tes dan Non Tes.
Hasil-hasil penelitian selama menjadi dosen, antara lain: (1) Identifikasi dan
Pemetaan Anak Putus Sekolah dan Tidak Sekolah Usia Pendidikan Dasar di Kabupaten
Buleleng (1998), (2) Analisis Kebutuhan Belajar Pendidikan Moral dengan Pendekatan
Terpadu pada SLTP di Kabupaten Buleleng, (3) Kontribusi Tripusat Pendidikan dan
Religiusitas dalam Pembentukan Sikap terhadap Perilaku Disiplin pada Siswa SMU di
Bali (tahun 2000), (4) Mengembangkan Disiplin Diri dalam Belajar dengan
Menggunakan Strategi Pengubahan Perilaku Model Madeline Hunter pada Siswa SD
Kelas lima di Singaraja (2002), (5) Studi Evaluasi Tentang Efektivitas Proses
167
Implementasi Rencana Pengembangan Sekolah (RPS) Berbantuan DBEP di Kabupaten

Buleleng (tahun 2007), (6) Studi Evaluasi tentang Dampak Pelaksanaan Proyek
Desentralisasi Pendidikan Dasar di Kabupaten Klungkung (tahun 2008), (7)
Pengembangan Instrumen Kinerja Menulis Bahasa Inggris pada Siswa SMA Berbasis
Budaya Bali (Stranas) sebagai anggota (tahun 2009), (8) Mengembangkan Model
Pendidikan Karakter Berwawasan Pendekatan Terpadu pada Sekolah Menengah Pertama
di Provinsi Bali (tahun 2010), dan (9) Pengembangan Model Pendidikan Karakter dengan
Pendekatan Terpadu dan Alat Ukurnya pada SMP di Bali (tahun 2011).
Kegiatan Seminar/Workshop/Diklat yang pernah diikuti, antara lain: (1) Seminar
Nasional Hasil Penelitian Perguruan Tinggi (tahun 1994), (2) Menyajikan makalah
dengan judul: Metodologi Penelitian Kuantitatif pada Pelatihan Penelitian Kebijakan
Pendidikan dan Kebudayaan di Singaraja (tahun 1994), (3) Menyajikan Makalah dengan
judul: Langkah-langkah Penyusunan Tes Hasil Belajar dan Sistem Penilaian di
Universutas Udayana (tahun 1996), (4) Menyajikan Makalah Asesmen Berbasis Kelas
untuk Pemantauan Proses dan Hasil Belajar pada Diklat PLPG ( tahun 2006 -2010), dan
(5) Menyajikan Makalah Penelitian Tindakan Kelas pada PLPG di Bali (2006-2010).
Penghargaan yang pernah diperoleh antara lain: (1) Piagam Penghargaan Dosen
Teladan III Universitas Udayana (yahun 1982), dan (2) Piagam Tanda Kehormatan
Satyalancana Karya Satya 30 tahun dari Presiden Republik Indonesia (Kepres. RI. No.
002/tahun 1999).
Singaraja, tahun 2011
Penulis,
Prof. Dr. I Wayan Koyan, M.Pd.
168

Analisis Varians Kovarians Dan Jalur

Uploaded by

Document Information

Original Description:

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Analisis Varians Kovarians Dan Jalur

Uploaded by

Copyright:

Available Formats

BUKU AJAR 2012

Prof. Dr. I Wayan Koyan, M.Pd

Universitas Pendidikan Ganesha Press

Prof. Dr. I Wayan Koyan, M.Pd.

Kata Pengantar ....................................................................................................

Daftar Isi .............................................................................................................

Tinjauan Mata Kuliah .........................................................................................

BAB I.AANALISIS VARIANS ...................................................................

A. Analisis Varians Satu Jalur...............................................................

A. Analisis Regresi Linear Sederhana .................................................

B. Analisis Regresi Linear Ganda Dua Prediktor..................................

1. Konstelasi Masalah .....................................................................

C. Analisis Regresi Tiga Prediktor ......................................................

1. Konstelasi Masalah .....................................................................

D. Korelasi Parsial ............................................................................ ....

BAB IV. ANALISIS JALUR (PATH ANALYSIS) ...........................................

DAFTAR PUSTAKA ................................................................................... .....

LAMPIRAN DAFTAR TABEL ................................................................... ....

RIWAYAT HIDUP ........................................................................................ 160

menggunakannya untuk menganalisis data dan menguji hipotesis penelitian.

(2) Menghitung Jumlah Kuadrad Antar Kelompok (JKantar):

(3) Menghitunng Jumlah Kuadrad Dalam Kelompok (JKdal):

(5) Menghitung Rerata Jumlah Kuadrat dalam Kelompok (RJKdal)

(6) Menghitung harga Fhitung dengan rumus:

Tabel 1.1. Tabel Ringkasan Analisis Varians untuk Menguji

dbA = a-1 = 4-1 = 3

Uji t Scheffe: db t sama dengan db dalam = 16

-1,807 non signifikan

4) Pada karyawan yang memiliki motivasi kerja rendah, terdapat perbedaan

Tabel 1.6. Tabel Statistik Induk (untuk menolong perhitungan)

Atau dalam bentuk lain sebagai berikut.

= 991 (1392 : 20) = 991 966,05 = 24,95

= (702 : 10) + (692 : 10) - (1392 : 20) = (490 + 476,1) 966,05

= (762 : 10) + (632 : 10) - (1392 : 20) = (577,6 + 396,9) 966,05

(422:5) +(282:5)+ (342:5)+ (352:5) - (1392 : 20) 0,05 8,45

= 991 985,8 = 5,2

= JKAB dbAB = 11,25 : 1 = 11,25

RJKKdalam = JKdal : dbdal = 5,2 : 16 = 0,325

= RJKA : RJKdalam = 0,05 : 0,325 = 0,154

= RJKKB : RJKdalam = 8,45 : 0,325 = 26

= RJKAB : RJKdalam = 11,25 : 0,325 = 34,61

Tabel 1.8. Tabel Ringkasan Analisis ANAVA AB

34,61**) signifikan, artinya ? Dilanjutkan pada uji simple effect, untuk

mengetahui pengaruh antara kepemimpinan dan motivasi kerja terhadap produktivitas

(n = sampel, dan m = jumlah kelompok)

C. Analisis Varians Dua Jalur (Anava AB) = Faktorial (3x3)

Tabel 1.11. Statistik induk

Atau dalam bentuk table berikut.

39 2 38,5 2 35,5 2 113 2

284,23 283,76 0,47

38 2 37,5 2 37,5 2 113 2

283,77 283,76 0,01.

132 12,5 2 13,5 2 13,5 2 11,5 2 13,5 2 11,5 2 13,5 2 10,5 2

= (33,8+31,25+36,45+36,45+26,45+36,45+26,45+36,45+22,05) -283,76 0,47 0,01 =

313 285,8 27,20

= 0,32 non signifikan

= 0,006 non signifikan

= 0,51 non signifikan

Seorang peneliti bermaksud untuk mengetahui pengaruh metode pembelajaran

Dalam hal ini variabel penelitiannya adalah sebagai berikut.

539 2 5312 1070 2

276 2 250 2 269 2 2752 1070 2