Disusun Oleh

:
Dewi Rimayani, ST
MTS.12.21.1.0442

Pendahuluan (1)
Matematika
Statistik
PROGRAM
STUDITerapan
MAGISTERdan
TEKNIK
SIPIL

0 | Page
Tugas Mata Kuliah Matematika Terapan dan Statistika Dosen Pengajar Bp. Ir. H.
UNIVERSITAS ISLAM
AGUNG
Sumirin,SULTAN
MS

PENDAHULUAN
1. STATISTIKA
A. Pengertian Statistika
Istilah statistik berasal dari bahasa latin “status” yang artinya suatu negara.
Suatu kegiatan pengumpulan data yang ada hubungannya dengan
kenegaraan, misalnya data mengenai penduduk, data mengenai penghasilan
dan sebagainya, yang lebih berfungsi untuk melayani keperluan administrasi.
Secara kebahasaan, statistik berarti catatan angka-angka (bilangan);
perangkaan; data yang berupa angka-angka yang dikumpulkan, ditabulasi,
dikelompokkan, sehingga dapat memberi informasi yang berarti mengenai
suatu masalah, gejala atau peristiwa (depdikbud, 1994).
Menurut Sutrisno Hadi (1995) Statistik adalah untuk menunjukkan kepada
pencatatan angka-angka dari suatu kejadian atau kasus tertentu. Selaras
dengan apa yang didefinisikan oleh Sudjana (1995:2) bahwa statistik adalah
kumpulan fakta berbentuk angka yang disusun dalam daftar atau tabel dan
atau diagram, yang melukiskan atau menggambarkan suatu persoalan.
Statistika beda halnya dengan statistik, statistika yang dalam bahasa Inggris
“statistics” (ilmu statistik), ilmu tentang cara-cara mengumpulkan,
mentabulasi dan menggolongkan, menganalisis dan mencari keterangan
yang berarti dari data yang berupa angka.
Statistika merupakan ilmu pengetahuan yang berhubungan dengan cara-cara
mengumpulkan, menabulasi, menggolong-golongkan, menganalisis, dan
mencari keterangan yang berarti dari data yang berupa bilangan-bilangan
atau angka, sehingga dapat ditarik suatu kesimpulan atau keputusan
tertentu.
Selain itu, Statistika juga merupakan cabang ilmu matematika terapan yang
terdiri dari teori dan metoda mengenai bagaimana cara mengumpulkan,
mengukur,
mengklasifikasi,
menghitung,
menjelaskan,
mensintesis,
menganalisis, dan menafsirkan data yang diperoleh secara sistematis.
Dengan demikian, didalamnya terdiri dari sekumpulan prosedur mengenai
bagaimana cara:
· Mengumpulkan data
· Meringkas data
· Mengolah data
· Menyajikan data
· Menarik kesimpulan dan interpretasi data berdasarkan kumpulan data dan
hasil analisisnya
Sedangkan dalam dunia pendidikan, statistika membahas tentang prinsipprinsip, metode, dan prosedur yang digunakan sebagai cara pengumpulan,
menganalisa serta menginterpretasikan sekumpulan data yang berkaitan
dengan dunia pendidikan.
Beberapa pengertian statistika yang lain :
 Merupakan bagian dari matematika yang membahas rumus untuk
mengumpulkan, menggambarkan atau menyajikan, menganalisis, dan
menginterpretasikan data kuantitatif [Webster New Collegiate
Distionary]

1 | Page

standar deviasi atau varian dalam mendeskripsikan karakteristik variabel Jika tujuan penelitian akan melakukan pengujian terhadap hipotesis (inferensial) dapat digunakan metode analisis verifikatif. Jika tujuan penelitian hanya sebatas ingin mendeskripsikan karakteristik variabel penelitian. 2) Statistika Induktif (Inferens) Statistika inferens adalah statistika yang mempelajari bagaimana caranya mengumpulkan data. digunakan untuk penelitian dengan satu variabel 2) Statistika bivariate. Metode analisis verifikatif mengenal dua jenis analisis statitistik yang dapat digunakan. digunakan untuk penelitian yang menggunakan lebih dari dua variabel penelitian. yakni statistik parametrik atau statistik non-parametrik Dilihat dari jumlah variabel yang digunankan. Keuntungan Menggunakan Statistika 1) Dengan prosedur tertentu kita dapat menggunakan hanya sebagian dari data (sampel) untuk mengambil kesimpulan yang berlaku untuk keseluruhan (populasi). Merupakan cabang dari metode ilmiah yang menggunakan data didapatkan dengan menghitung atau mengukur bagian populasi [Kendall & Stuart]  Membahas metode penarikan kesimpulan dari hasil percobaan atau proses [Fraser]  Sebagai teknologi metoda ilmiah yang membahas rancangan percobaan dan investigasi serta inferensia statistika [Mood]  Membahas rancangan percobaan atau survai sampling untuk mendapatkan sejumlah informasi tertentu dan penggunaan informasi secara optimal dalam pembuatan inferensia tentang populasi. Hal ini berhubungan dengan generalisasi informasi. membuat kesimpulan dan mengambil keputusan. menganalisis data. 2 | Page . B. Klasifikasi Metode Statistika 1) Statistika Deskriptif Statistika deskriptif adalah statistika yang mempelajari bagaimana caranya mengumpulkan data. menyajikan data. modus. digunakan untuk penelitian dengan 2 variabel penelitian 3) Statistik multivariate. dengan menarik kesimpulan tentang populasi yang didasarkan pada sampel yang ditarik dari populasinya. atau secara lebih khusus. C. menganalisis data. yaitu : 1) Statistika univariate. Bertujuan memberikan gambaran terhadap datadata pada variabel yang digunakan dalam penelitian. median. maka metode analisis deskriptif dirasa sudah cukup. seperti: mean. metode statistik dibedakan menjadi 3 kelompok. Misalnya ingin mengetahui besaran-besaran parameter tendensi sentral. menyajikan data. mengolah data. mengolah data.

secara harfiah variabel berarti dapat berubah. Hal ini dikarenakan kita seolah-olah sudah mendapatkan jawabannya. Jadi. tempat. 4) Dimungkinkan untuk mengambil kesimpulan atau keputusan dengan kesalahan yang dapat dikendalikan dan dengan biaya yang lebih murah. Biasanya bentuk soal yang menggunakan teknik ini adalah soal counting (menghitung) atau menentukan suatu bilangan . 3). 1). kita akan memperoleh lebih mudah memahami permasalahan. yaitu: nominal. dan bisa tidaknya diukur secara langsung. atau keduanya. 3 | Page . dalam penelitian sains. kualitas. Karakteristik adalah ciri tertentu pada obyek yang kita teliti. Kumpulan nilai yang diperoleh dari hasil pengukuran atau penghitungan suatu variabel dinamakan dengan data. Sutrisno Hadi Variabel adalah objek penelitian yang bervariasi. 3) Statistika dilengkapi dengan informasi kesalahan ataupun tingkat kecocokan (goodness of fit) dari hasil yang diperoleh. karakteristik. misalnya jenis kelamin karena jenis kelamin mempunyai variasi laki-laki dan perempuan. variabel adalah bagian penting yang tidak bias dihilangkan. atribut. Pembagian Variabel Variabel bisa dibagi berdasarkan: Perananan. atau sifat-sifat dari suatu objek (orang. Robbins Pearson Variabel adalah semua karakteristik umum yang dapat diukur dan dapat berubah dalam keluasan. Dengan menngunakan variable. dapat dinyatakan dengan angka) juga bisa kualitatif (jumlah dan derajat atributnya yang dinyatakan dengan nilai mutu). variabel didefinisikan sebagai konsep. cara pengukuran.2) Dengan prosedur tertentu kita dapat menggunakan hanya sebagian dari data (sampel) untuk mengambil kesimpulan yang berlaku untuk keseluruhan (populasi). VARIABLE A. sehingga setiap variabel dapat diberi nilai dan nilai itu berubah-ubah. B. Variabel merupakan element penting dalam masalah penelitian. ordinal. 2. Freddy Rangkuti Variabel adalah konsep yang mempunyai variasi nilai. Definisi Variabel Variable adalah suatu besaran yang dapat diubah atau berubah sehingga mempengaruhi peristiwa atau hasil penelitian. Dalam statistik. 2). yang dapat membedakan objek tersebut dari objek lainnya. intensitas. dll) yang nilainya berbeda-beda antara satu objek dengan objek lainnya dan sudah ditetapkan oleh peneliti untuk dipelajari dan ditarik kesimpulannya. serta waktu yang lebih singkat. benda. maka nilai variabel dapat dibedakan menjadi empat tingkatan skala. sedangkan objek yang karakteristiknya sedang kita amati dinamakan satuan pengamatan dan angka atau ketegori (nilai mutu) tertentu dari suatu objek yang kita amati dinamakan variate (nilai). internal dan rasio. Variabel berasal dari kata “vary” dan “able” yang berarti “berubah” dan “dapat”. Nilai tersebut bisa kuntitatif (terukur dan atau terhitung.

Pemahaman tentang variabel extraneous ini sangat penting. Variabel Confounding sebaiknya di kontrol atau dimasukkan ke dalam model.B. Untuk memahami variabel-variabel dalam penelitian. maka variabel ekstraneous tersebut disebut dengan variabel confounding. dan variabel asing/ekstra/tambahan (extraneous) yang bukan merupakan subjek dari penelitian yang sedang dipelajari dan berada di luar pengamatan/kajian utama penelitian. Oleh karena itu. karena variabel ini bisa saja bersaing dengan variabel independent dan bisa mengacaukan/membingungkan dalam menjelaskan pola hubungan antara variabel independent dan variabel dependent. Apabila ada. Berdasarkan Fungsi/Peranannya dalam penelitian Dalam penelitian kuantitatif. maka: Variabel = Pertumbuhan Dependent > tanaman Variabel = Dosis Pupuk Independent > Variabel = Varietas/Kultivar Extraneous > Jenis Pupuk Tingkat Kesuburan Tanah Jenis Tanah Ukuran Petak/Pot Penyinaran Matahari Temperatur Kelembaban 4 | Page . Apabila tidak. variabel terikat (dependent). kita seharusnya mengidentifikasi ada tidaknya variabel extraneous yang terbukti dapat mempengaruhi variabel dependent. biasanya dibagi menjadi variabel bebas (independent: aktif atau atribut). dalam menentukan hubungan sebab akibat. perhatikan contoh kasus berikut: Apabila kita ingin melihat pengaruh pemberian dosis pupuk yang berbeda terhadap pertumbuhan tanaman.1. kita tidak akan yakin bahwa perubahan variabel dependent tersebut hanya disebabkan oleh variabel independent saja. variabel yang telah didefinisikan secara operasional.

treatment. Artinya. tergantung. criteria. atau konsekuen. Y = Hasil (ton) dan X = pupuk Urea (kg). Contohnya: Jenis Kelamin. Tidak semua variabel independent bisa dimanipulasi. Usia. setiap terjadi perubahan (penambahan/pengurangan) sekian kali satuan variabel independen. Jika diterjemahkan dalam bahasa Indonesia. hubungan tersebut mungkin bisa digambarkan dalam bentuk persamaan Y = a + bX. Pengaruh Pupuk Organik terhadap hasil tanaman tomat. misalnya attribute yang sudah melekat pada suatu objek. ketinggian tempat. Nilainya bisa beragam dan tergantung pada besarnya perubahan variabel independent. Variable independent adalah variabel yang merupakan penyebab atau yang mempengaruhi variabel dependent (DV) atau yang menyebabkan terjadinya variasi bagi variabel dependent (DV). Sebagai Contoh: Pengaruh metode mengajar terhadap Prestasi siswa. dsb. atau dipilih oleh peneliti untuk menentukan hubungannya dengan suatu gejala yang diobservasi. diharapkan akan menyebakan variabel dependen berubah (naik/turun) sekian satuan juga. dimanipulasi. Apabila variabel IV berubah.a. respons. Variable dependent merupakan variabel yang dipengaruhi atau yang menjadi akibat dari variabel independent. input. faktor. variabel output. Variable independent merupakan variable yang faktornya diukur. predictor. =>Variabel independent adalah Pupuk Organik. maka variabel DV juga akan berubah. Secara matematis. Misalnya. maka setiap pupuk 5 | Page . Variabel inilah yang nilainya diamati dan diukur untuk menentukan pengaruh dari variabel independent. variabel terikat. Variabel Independent (IV). Kemiringan lereng. Variabel ini merupakan fokus utama dari penelitian. stimulus. dalam bahasa Indonesia sering disebut sebagai peubah tak bebas. =>Variabel independent adalah Metode Mengajar. b. Variabel Dependent (DV). atau antecedent. variabel independent disebut juga sebagai peubah bebas dan sering juga disebut dengan variable bebas. Metode mengajar dan pupuk organik bisa dimanipulasi atau ditentukan oleh peneliti. Variabel dependent.

Variabel tersebut dinamakan dengan variabel moderator. Secara skematis. Dengan Anova tersebut kita bisa menentukan ada tidaknya perbedaan diantara metode mengajar. Dalam analisis hubungan yang menggunakan minimal dua variabel. hubungan di antara ketiga variabel tersebut bisa diilustrasikan seperti pada gambar berikut: Contoh kasus 1: Perhatikan. maka hasilnya adalah sebesar a (ton). adakalanya hubungan di antara kedua variabel tersebut dipengaruhi oleh variabel ketiga. sebuah penelitian untuk melihat perbedaan diantara dua metode mengajar statistika. atau dipilih oleh peneliti untuk mengetahui apakah keberadaannya akan mempengaruhi hubungan antara variable bebas dan variabel terikat. Variabel ini bisa diukur.urea dinaikkan/atau diturunkan sebesar b (kg). yakni satu variabel dependen dan satu atau beberapa variabel independen. Dalam Analisis Varians (Anova). Pola hubungan antara kedua variabel tersebut bisanya di kaji dalam penelitian asosiasi atau prediksi. 1986: p. Varibel Moderator Variabel moderator merupakan variabel khusus dari variabel independent. maka jenis kelamin merupakan variabel moderator. yaitu faktor-faktor lain yang tidak dimasukkan dalam model statistik yang kita gunakan. dimanipulasi. 6 | Page . misal Metoda A dan Metode B. dan apabila ada. sehingga untuk melihat pengaruh dari variabel independet terhadap variabel dependent lebih tepat dengan menggunakan Analisis Varians (ANOVA). skala pengukuran variabel independentnya bukan merupakan variabel interval atau rasio. kita bisa menentukan metode mengajar yang lebih baik atau terbaik. c. sedangkan siswa perempuan lebih baik dengan Metode B. biasanya diuji dengan menggunakan Analisis Regresi. Jika siswa laki-laki lebih baik dengan Metode A. maka hasil naik/turun sebesar b (ton) dan apabila tidak di berikan pupuk (b=0). pengaruh dari variabel moderator ini bisa direfresentasikan sebagai pengaruh interaksi antara variabel independent (faktor) utama dengan variabel moderator (Baron and Kenny. Berbeda dengan contoh pengaruh metode mengajar terhadap keberhasilan siswa. 1174). Variabel moderator ini adalah variabel lain yang bisa memperkuat atau memperlemah hubungan antar variabel independen (bebas) dan variabel dependen (tak bebas).

Contoh Kasus 2: Misalnya pengaruh pupuk anorganik terhadap hasil tanaman padi. Hal ini misalnya ditunjukkan dengan adanya perbedaan respon di antara varietas padi. padahal secara teoritis harusnya terjadi perbedaan. D3. 7 | Page . prestasi kerja adalah variabel dependen. tetapi secara teoritis dapat mempengaruhi hubungan antara variabel independent dan dependent yang sedang diteliti. Contoh kasus 3: Pengaruh Pelatihan terhadap Prestasi kerja. Variabel Intervening/mediator. Variabel independent dan moderator merupakan variable-variabel kongkrit. Karyawan D3 manajemen lebih antusias dalam mengikuti Pelatihan dibandingkan dengan D3 Pertanian karena mereka relatif lebih mudah dalam memahami materi (sesuai dengan bidangnya). d. Hasil analisis menunjukkan tidak ada pengaruh penggunaan pupuk anorganik terhadap hasil padi. Jelas disini bahwa adanya perbedaan tersebut dikarenakan adanya perbedaan kemampuan dalam menyerap materi yang disampaikan ketika melaksanakan pelatihan. bisa disimpulkan bahwa variabel moderator berpengaruh nyata (memiliki kontribusi yang signifikan) terhadap kemampuan variabel independen dalam mempengaruhi variabel dependen. ternyata kemampuan karyawan yang berasal dari D3 Manajemen. variable tersebut bersifat hipotetikal artinya secara kongkrit pengaruhnya tidak kelihatan. sedangkan varietas lokal tidak terlalu responsif bahkan cenderung hasilnya cenderung menurun. dan latar belakang pendidikan adalah variabel moderator. Dari ketiga contoh kasus tersebut. Mengapa demikian?? Setelah diselidiki. Setelah pelatihan selesai kemudian dilakukan tes ketrampilan. Misalnya pelatihan yang diikuti staf administrasi suatu perguruan tinggi dengan harapan bisa meningkatkan ketrampilan dalam menyelesaikan tugas-tugas administrasi. yang seharusnya dimasukkan juga ke dalam model. sehingga ikut mempengaruhi keragaman hasil padi. Variable tersebut dapat dimanipulasi oleh peneliti dan pengaruhnya dapat dilihat atau diobservasi. Lain halnya dengan variable intervening. Variabel tersebut adalah variabel moderator. ternyata ada variabel lain (misalnya varietas) yang tidak dimasukkan ke dalam model ataupun tidak dikontrol (diseragamkan). Setelah diamati. memiliki ketrampilan yang lebih baik dibandingkan dengan karyawan yang berasal D3 Pertanian. Varietas unggulan lebih responsif terhadap pupuk anorganik. Seluruh karyawan yang diikutsertakan memiliki jenjang pendidikan yang sama. Pada contoh kasus tersebut pelatihan adalah variabel independen.

Variable intervening didefinisikan sebagai variabel yang secara teoritis mempengaruhi hubungan antara Variabel independent dengan Variabel dependent. karena bersifat abstrak dan tidak bisa diukur seperti menurut Tuckman (1988) berikut ini: “… an intervening variable is that factor that theoretically affect the observed phenomenon but cannot be seen. Banyak siswa. dan dimanipulasi. hubungan sebab akibat antara X dan Y bisa dijelaskan oleh variabel Intervening T. tetapi tidak dapat dilihat. Untuk peneliti di bidang eksakta (terutama dalam penelitian eksperimental). pendidikan (T). X mempengaruhi T dan selanjutnya T mempengaruhi Y. or manipulate…”. seperti ilmu-ilmu perilaku dan penelitian non eksperimental lainnya. Dengan demikian. intervening (mediator) maksudnya. misalnya X → T → Y. X adalah usia dan Y adalah kemampuan membaca. Variabel ini merupakan variabel antara (penyela) yang terletak diantara Variabel independent dan Variabel dependent. Terminologi terakhir. Usia (X) tidak secara langsung mempengaruhi kemampuan membaca (Y). 1988). Variabel ini bisa digunakan dalam menjelaskan proses hubungan antara variabel independent dengan variabel dependent. misalnya Pendidikan. saya.Penelitian yang melibatkan variabel intervening (mediator/mediating/mediasi/pengganggu) sangat umum dalam bidang sosiologi dan psikologi. atau dengan kata lain. bahkan sebagian peneliti yang masih kesulitan dalam membedakan antara variabel moderator dengan variabel pengganggu yang satu ini. mungkin tidak terlalu banyak yang mengenal atau melibatkan variabel ini. yaitu sebagai variabel antara. diukur. dimana T adalah variabel intervening yang digunakan untuk menjelaskan pola hubungan antara IV dan DV. konsiten dengan metodologi dan definisi dalam Analisis Struktural Equation Modelling (SEM). tapi terlebih dahulu melalui variabel intervening. pengaruhnya harus disimpulkan dari pengaruh-pengaruh variabel independent dan atau variable moderat terhadap gejala yang sedang diteliti (Tuckman. measure. Misalnya. Contoh: Tingkat pendidikan → jenis pekerjaan → tingkat penghasilan Metode mengajar → motivasi belajar → Prestasi siswa Teknologi baru → budaya → Respon masyarakat Usia → Pengalaman mengendarai → kelihaian mengendarai sepeda motor Contoh di bidang pertanian: 8 | Page .

Misalnya saja. ternyata tanaman padi yang di beri pupuk tersebut misalnya menjadi rentan terhadap serangan penyakit/hama sehingga sebagian besar lahan terkena serangan hama/penyakit. yang dikenal dengan perlakuan atau treatment! B. varietas sudah dimasukkan ke dalam model atau varietasnya dibuat sama (varietas unggulan). variabel lain yang dapat mempengaruhi hubungan antara variabel independent dengan variabel dependent. berusaha dihilangkan atau di netralkan atau di kontrol atau diseragamkan! Dengan demikian. Variabel Intervening adalah Serangan Penyakit/Hama. yaitu Variabel Kontrol. akibatnya hasil padi tidak meningkat.Pengaruh pemberian pupuk anorganik terhadap hasil padi. Variabel kontrol adalah variabel yang dikendalikan atau dibuat konstan sehingga pengaruh variabel independent terhadap variabel dependent tidak dikacaukan oleh pengaruh faktor lain yang tidak kita diamati.2. tetapi hasinya tetap saja tidak signifikan. diharapkan variabel yang memberi keragaman terhadap variabel dependent hanyalah variabel independent yang ingin dipelajari pengaruhnya. Dengan kata lain. Mengapa?? Setelah diteliti secara seksama. Hubungan ke-4 Variabel: Tambahan: Terdapat beberapa literatur yang mengatakan ada variabel lain selain variabel yang sudah disebutkan di atas. Berdasarkan cara pengukuran  Kuantitatif (diskrit/kontinyu) o Rasio o Interval  Kualitatif o Ordinal à ada tingkatan o Nominal à tidak ada tingkatan 9 | Page .

kepuasan pelanggan.3. Pada saat Anda mengikuti perlombaan Lomba Lintas Lembah dan Bukit. Skala Pengukuran Variabel Fokus dari desain penelitian dan analisis statistik adalah studi tentang variabel. Langkah pertama adalah menentukan variabel apa saja yang akan dipelajari. Berdasarkan bisa/tidaknya diukur secara langsung  Variabel teramati (observed variable) o Dapat langsung diamati/diukur o Contoh: umur. Jelas disini ada dua kategori variabel. kita harus memahami dulu istilah variabel dan skala pengukuran.. dalam hal ini adalah menentukan variabel-variabel yang kita amati dan selanjutnya menentukan bagaimana cara Anda mengukur variabel tersebut. apakah semua jenis pupuk kandang pengaruhnya sama terhadap pertumbuhan tanaman? Nah ini baru ide baru. Tanpa sengaja Anda memperhatikan pertumbuhan beberapa tanaman.. C. pada akhirnya Anda akan mengalami kebingungan dalam menentukan desain penelitian yang tepat serta dalam menentukan prosedur analisis statistik yang sesuai. Variabel penyebab dikenal 10 | P a g e . langkah pertama adalah mendefinisikan fenomena yang diteliti tersebut. kesehatan o Umumnya diukur dengan menggunakan indikator yang berupa variabel teramati. he2… Mungkin muncul pertanyaan baru? Kenapa tanaman yang tumbuh di tanah tersebut tumbuh dengan subur sementara di tempat lainnya tidak demikian? Setelah Anda perhatikan dengan seksama.B. Apabila Anda tidak menentukan secara jelas cara pengukuran variabel yang ingin Anda pelajari. Sebagai contoh Fenomena di bidang pertanian. Namun muncul lagi pertanyaan baru. biasanya lebih dari dua variabel indikator. pada lokasi tertentu ada tanaman yang tumbuh dengan subur dan ada juga yang merana. Pada saat Anda ingin mempelajari suatu fenomena. dan Anda berniat untuk mempelajari pengaruh dari pemberian berbagai jenis pupuk kandang terhadap pertumbuhan dan hasil tanaman. yaitu variabel penyebab dan variabel akibat. Proses tersebut dikenal dengan istilah definisi operasional. jenis kelamin. Jelas disini bahwa untuk memahami suatu fenomena. Anda bisa menyimpulkan bahwa tanaman subur karena tersedianya hara yang cukup dari pupuk kandang. berat badan  Variabel laten (latent variable) o Tidak dapat langsung diamati/diukur o Contoh: kualitas pelayanan. ternyata pada lokasi yang tanamannya tumbuh dengan subur ditemukan banyak mengandung bahan organik yang berasal dari pupuk kandang...

Variabel Nominal/Skala Nominal Variabel nominal merupakan variabel dengan skala pengukuran yang paling rendah tingkatannya dan hanya bisa digunakan untuk klasifikasi kualitatif atau kategorisasi. sapi) dan variabel terikatnya yang akan di amatinya (respons) adalah kandungan hara di dalam tanah (N.1. Interval. tetapi kita tidak dapat mengukur atau bahkan mengurutkan peringkat kategori tersebut. Operator aritmetika yang bisa digunakan pada skala nominal hanya tanda “=” atau “≠”. P. domba. dan hasil tanaman. Interval. Terdapat empat Jenis Skala Pengukuran yaitu Nominal.dengan variabel bebas atau Faktor dan variabel akibat adalah variabel terikat (Respons). K). tetapi kita tidak bisa mengukur dan mengatakan mana yang “lebih” atau mana yang “kurang” dari kualitas yang diwakili oleh variabel tersebut. indikator yang akan dijadikan pewakil dari karakteristik hasil tanaman adalah berat biji. Pengukuran adalah dasar dari penyelidikan ilmiah. Skala pengukuran yang lebih tinggi akan memiliki karakteristik skala pengukuran di bawahnya.  kota. Artinya. kita dapat mengatakan bahwa jenis kelamin ke 2 orang tersebut berbeda. selanjutnya adalah menentukan bagaimana cara pengukurannya? Misalnya. C. Bagaimana cara mengukurnya? Cara mengukur berat biji tersebut termasuk pada penentuan skala pengukuran dari variabel berat biji tanaman. Ordinal. P. pertumbuhan tanaman (diwakili oleh variabel Tinggi tanaman). Angka 1 tidak menunjukkan lebih tinggi atau lebih baik di banding 0.2. Segala sesuatu yang kita lakukan dimulai dengan pengukuran objek yang akan kita pelajari.  bentuk. Kode/label angka tersebut bisa saja di tukar.  Golongan darah  Jenis penyakit  Agama  Suku  Nomor KTP/SIM/Kartu Pelajar C. skala Rasio akan memiliki karakteristik Nominal. K). dan Ordinal.  ras.  warna. Kita hanya bisa memberikan kode/label pada kedua karakteristik tersebut. Variabel Ordinal/ Skala Ordinal 11 | P a g e . Ratio. Misalnya variabel bebasnya adalah jenis pupuk kandang (ayam. Di sini kita bisa membedakan karakteristik keduanya. Sebagai contoh.  varietas. serapan hara oleh tanaman (N. Kode di sana hanya berfungsi sebagai pembeda antara kedua objek dan tidak menunjukkan urutan atau kesinambungan. Langkah selanjutnya adalah menentukan variabel-variabel tersebut. satu perempuan dan satunya lagi laki-laki. Setelah variabelnya ditentukan. misalnya angka 0 untuk perempuan dan angka 1 untuk laki-laki. Contoh-contoh variabel nominal lainnya adalah:  jenis tanah. variabel tersebut hanya dapat diukur dari segi apakah karakteristik suatu objek bisa dibedakan dari karekateristik lainnya. Skala yang paling rendah adalah Nominal dan yang tertinggi adalah Skala Rasio. Pengukuran adalah pemberian angka atau kode pada suatu obyek. Misalnya.

Variabel Rasio/ Skala Rasio Variabel rasio sangat mirip dengan variabel interval. tetapi nilai mutlaknya tidak dapat dibandingkan secara matematik. namun kita tidak bisa mengatakan seberapa banyak lebihnya A dibanding B. mengurutkan peringkatnya. suhu. berbeda dengan perbedaan pada skala ordinal yang maknanya tidak berarti. Jelas disini bahwa pada skala interval. dan atas = 2. menengah = 1. “<”.4. Perbedaan selisih suhu antara 40 dan 50 derajat nilainya sama dengan perbedaan suhu antara 20 dan 30 derajat. Operator aritmetika yang bisa digunakan pada skala ordinal adalah tanda “=”. Pemberian simbol/kode angka pada skala ordinal. “+”. kita tahu bahwa kelas menengah ke atas lebih tinggi status sosial ekonominya dibanding kelas menengah ke bawah. yang diukur dalam derajat Fahrenheit atau Celcius. juga sudah termasuk skala ordinal. oleh karena batas-batas variasi nilai pada interval adalah arbiter (angka nolnya tidak absolut). sama. namun kita tidak bisa mengatakan berapa perbedaan jarak (interval) diantara nilai-nilai tersebut. Dengan demikian. tinggi. di samping sudah memiliki semua sifat-sifat variabel interval. Variabel Interval/ Skala Interval Variabel Interval tidak hanya memungkinkan kita untuk mengklasifikasikan. atau lebih rendah daripada nilai yang lain. Sebagai contoh. sehingga memungkinkan menyatakan rasio atau perbandingan di antara kedua nilai. Dengan demikian. “>”. batas satu variasi nilai ke variasi nilai yang lain tidak jelas. Contohnya adalah berat. “≠”. 12 | P a g e . tetapi kita juga bisa mengukur dan membandingkan ukuran perbedaan diantara nilai. Misal suhu: 30 +10 = 40 derajat. selain berfungsi untuk membedakan karakteristik antar objek juga sudah menetukan urutan peringkat dari objek tersebut. “<” dan “>”. Angka 0 berbeda dengan 1 ataupun 2 (operator aritmetk: = dan ≠). demikian juga suhu 30 derajat lebih tinggi dibanding dengan suhu 20 derajat. Contoh umum variabel ordinal adalah status sosial ekonomi keluarga. 0 lebih rendah dibanding 1 (operator aritmetk: < dan >). misalnya x adalah dua kali lebih y. Contoh:  Tingkat pendidikan atau kekayaan  Tingkat keparahan penyakit  Tingkat kesembuhan  Derajat keganasan kanker C. juga bisa di hitung berapa perbedaannya/selisihnya dan jarak atau intervalnya juga dapat dibandingkan. Operator aritmetika yang bisa digunakan pada skala ordinal adalah tanda “=”. merupakan skala interval. tapi kita tidak bisa mengatakan berapa lebihnya atau mengatakan bahwa kelas menengah ke atas 18 % lebih tinggi. Dalam hal ini kita bisa mengatakan A “lebih” baik dibanding B atau B “kurang” baik dibanding A. “-”.3.Variabel ordinal memungkinkan kita untuk mengurutkan peringkat dari objek yang kita ukur. “≠”. Misalnya. Misal kode angka untuk kelas bawah = 0. selain kita bisa membedakan (mengkategorikan). Contoh Skala Interval lainnya:  Tingkat kecerdasan (IQ)  Beberapa indeks pengukuran tertentu C. mengurutkan nilainya. juga sudah bisa diidentifikasi titik nol mutlak. yaitu 10 derajat. Sebagai contoh. Kita dapat mengatakan bahwa suhu 50 derajat lebih tinggi daripada suhu 40 derajat. sehingga yang dapat dibandingkan hanyalah apakah nilai tersebut lebih tinggi. perbedaan antara suhu 40 dan 50 derajat dua kali lebih besar dibandingkan dengan perbedaan antara suhu 30 dan 35. Perbedaan antara kedua nilai pada skala interval sudah punya makna yang berarti. selain sudah mencakup sekala nominal.

juga sudah +. apakah nilai nol tersebut mutlak (berarti) atau tidak? Sebagai contoh. tetapi kita juga sudah dapat menyatakan dengan pasti bahwa rasionya benar dua kali lebih tinggi.  Operator aritmetik “=”. ≠  Status sosial l diurutkan dari kecil <. suhu dalam skala kelvin. tinggi.  Operator aritmetik “x” dan “÷”:A dua kali lebih berat dibanding B ( A = 2xB). Angka 0 di sini jelas dan berarti dan angka 0 menunjukkan nilai 0 mutlak. “≠”. Kebanyakan prosedur analisis data statistik tidak membedakan antara data yang diukur dalam skala interval dan rasio. Contoh:  Waktu. suhu bisa berupa skala interval tapi bisa juga skala rasio. ≠  Jenis Kelamin al  Wana Kulit Ordina Data yang hanya bisa =. “<”. Ringkasan skala pengukuran: Skala Definisi Operas Contoh i Aritme tik Nomin Data Kategori =. tergantung pada skala pengukuran yang digunakan. berat A = 70 kg. berat B = 35 kg. kita bisa mengatakan Berat A berbeda dengan Berat B (A ≠ B). berat B =35 kg. Fahrenheit) dan Ordinal. “-”: Beda antara berat A dengan B = 35 kg (A – B = 70 – 35 = 35) kg. “>”. Sebagai contoh. Apabila kita menggunakan skala Celcius atau Fahrenheit. Berat C = 0 kg. “>”: A lebih berat dibanding B (A > B).  Suhu (Celsius & al karakateristik Nomina <. termasuk skala interval. misalnya kita bisa mengatakan bahwa berat A dua kali berat B. usia  Kadar zat dan jumlah sel tertentu  Dosis obat.  Operator aritmetik “<”. panjang. Berat C = 0 kg. Disini kita bisa membandingkan rasio.  IQ (tingkat bisa dilakukan operasi kecerdasan) penjumlahan karena jarak antara datanya 13 | P a g e .  Operator Aritmetik “+”. dll Skala interval tidak memiliki karakteristik rasio. “≠”. “-”. Operator aritmetika yang bisa digunakan pada skala rasio adalah tanda “=”. ≠. suhu termasuk skala rasio.panjang. usia. > ekonomi ke besar atau keluarga sebaliknya  Peringkat Kelas  Pangkat/Jabata n/Golongan Interv Selain mencakup =. sedangkan apabila Kelvin yang digunakan. Kuncinya adalah di angka 0. artinya C tidak mempunyai bobot. Mengapa? Karena suhu 0 derajat Kelvin adalah mutlak! Kita tidak saja dapat mengatakan bahwa suhu 200 derajat lebih tinggi daripada suhu 100 derajat. berat. >. “x” dan “÷”. “+”. Misal nilai Berat A 70 kg. Memang agak sedikit susah dalam membedakan antara skala interval dengan rasio.

Ratio sudah jelas. <. ≠. -. Tidak mempunyai nilai nol mutlak Mencakup karakteristik Interval dan mempunyai nilai nol mutlak =. >. x. +. ÷ Suhu (Kelvin) Waktu Panjang Berat Tinggi Hubungan antara skala pengukuran dengan jenis datanya (kuantitatif dan kualitatif) Skala Kualit Kuantit pengukuran atif atif Nominal √ Ordinal √ Interval √ Ratio √ Flowchart untuk menentukan skala pengukuran variabel      Bagan Alir Skala Pengukuran Variabel Contoh Penerapan: Huru Jenis Perila Pering f Kela ku/ Ujian kat Mut min Sikap u 14 | P a g e .

Pembagian Data Data dapat dibagi berdasarkan : 1). Ordinal Adalah data dimana angka selain sebagai lambang. 3. Kuantitatif Adalah data yang berbentuk angka 2). Bentuk a. B. Nominal Adalah data dimana angka hanya merupakan lambang.5 A Bonnie P 74 2. Contoh : pada variabel Jenis Kelamin : 1 untuk Laki-laki 2 untuk Perempuan ket : orang yang mempunyai angka satu tidak lebih kecil dari pada orang yang memilih angka 2. Definisi Data Data adalah hasil pengukuran yang bisa memberikan gambaran suatu keadaan. b.(L-P) (20-80) (0100) 100 96 96 93 92 89 89 89 88 82 75 (1-11) (A-F) Barb P 80 1 A Chris L 48 2. Kualitatif Adalah data yang berbentuk bukan angka b. juga menunjukkan urutan Contoh : pada variabel Tingkat Pendidikan : 1 SD 2 SMP 3 SMU 4 PT 15 | P a g e . DATA A. Skala Pengukuran a.5 A Robert L 35 4 A Jim L 79 5 A Tina P 60 7 B Ron L 55 7 B Jef L 56 7 B Brenda P 74 9 B Mark L 56 10 B Mike L 65 11 C Skala nomin ordin interval rasio ordinal pengukuran: al al Skala pengukuran variabel penting untuk penentuan uji statistik yang sesuai: skala nominal dan ordinal hanya bisa menggunakan uji statistik non parametrik. sedangkan skala interval dan rasio bisa menggunakan statistik parametrik. Data merupakan suatu bahan mentah yang jika diolah dengan baik melalui berbagai analisis dapat melahirkan berbagai informasi.

baik kualitatif maupun kuantitatif. Contoh : Data penjualan perusahaan lain untuk jenis produk yang sama dengan produk perusahaan kita 4). Definisi Populasi dan Sampel 1) Definisi Populasi Populasi adalah keseluruhan dari objek penelitian. Eksternal Data eksternal adalah data yang diambil dari luar tempat di lakukannya penelitian. Interval Adalah data dimana angka adalah angka yang sebenarnya. Jenis a. Data Berkala Data berkala adalah data yang di ambil pada interval waktu tertentu. Populasi merupakan semua nilai baik hasil perhitungan maupun pengukuran. daripada karakteristik tertentu mengenai sekelompok objek yang lengkap dan jelas. Contoh : pada variabel Nilai ket : orang yang mempunyai nilai 80 adalah dua kali lebih baik dari orang yang mempunyai nilai 40. Internal Data internal adalah data yang diambil dari dalam tempat di lakukannya penelitian. Populasi berdasarkan keadaannya: 16 | P a g e . Contoh : Data penjualan perusahaan sendiri b. Rasio Adalah data dimana angka adalah angka yang sebenarnya dan mutlak Contoh : pada variabel jumlah : data yang dihasilkan adalah rasio. d. a. Contoh : Data hasil kuesioner b. Sumber a.ket : orang yang mempunyai angka 1 mempunyai tingkat pendidikan yang lebih rendah dari pada orang yang mempunyai angka 2. tapi orang yang mempunyai nilai 0 belum tentu kosong. Primer Data primer adalah data yang di peroleh langsung dari sumbernya. 3). tetapi tidak mutlak. POPULASI DAN SAMPEL A. Contoh : Jumlah produksi perhari selama bulan Januari 2008. Waktu Pengumpulan a. Data Cross-section (Acak) Data acak adalah data yang di ambil pada satu waktu tertentu Contoh : Jumlah produksi b. 4. Sekunder Data sekunder adalah data yang di peroleh dari hasil pengumpulan orang lain Contoh : Data yang diambil dari BPS 5).

dalam praktek kehidupan sehari-hari banyak kita jumpai adanya populasi terhingga dianggap sebagai populasi tak terhingga. Unpad  Tinggi penduduk yang ada di kota tertentu  Panjang ikan di sebuah danau Populasi tak hingga: populasi dikatakan tak hingga bilamana anggota populasinya tidak dapat diperkirakan atau tidak dapat diketahui jumlahnya. 17 | P a g e . jelas batas-batasnya secara kuantitatif. misalnya banyaknya orang Indonesia yang merokok. cukup dengan mencoba setetes cairan kopi tersebut. perlu adanya pengelompokan berdasarkan karakteristiknya.Populasi Homogen: populasi dikatakan homogen apabila unsurunsur dari populasi yang diteliti memiliki sifat-sifat yang relatif seragam satu sama lainnya. Karakteristik seperti ini banyak ditemukan di bidang eksakta. yang nantinya kelompok-kelompok tersebut akan hogomen dalam kelompoknya. batas-batasnya tidak dapat ditentukan secara kuantitatif. banyaknya penduduk Indonesia sekarang. larutan. Apabila kita ingin mengetahui manis tidaknya secangkir kopi. dengan kata lain. 2) Definisi Sampel Sampel adalah bagian dari populasi. yang objeknya manusia atau gejala-gejala dalam kehidupan manusia yang bersifat unik dan kompleks. apabila kita ingin mengetahui rata-rata IQ mahasiswa Unpad angkatan 2009 (berarti rata-rata dari semua Fakultas). dan hal seperti ini dibenarkan secara statistika. Angkatan 2009. Faperta. rata-rata IQ mahasiswa antar Fakultas kemungkinan besar bervariasi.  Banyaknya anak yang menderita kekurangan gizi  Kedalaman suatu danau yang diukur dari berbagai titik Namun demikian. Populasi Heterogen: populasi dikatakan heterogen apabila unsurunsur dari populasi yang diteliti memiliki sifat-sifat yang relatif berbeda satu sama lainnya. Misalnya. misalnya air. IQ mahasiswa Fakultas Kedokteran relatif lebih tinggi dibanding dengan rata-rata IQ mahasiswa Fakultas lainnya. dengan kata lain. Jelas. Untuk mengatasi populasi yang heterogen dalam melakukan penelitian. sehingga dari populasi yang ada digrupkan dalam beberapa kelompok. sehingga kita bisa mengatakan bahwa populasi tersebut keadaannya heterogen. Setetes cairan kopi sudah bisa mewakili kadar gula dari secangkir kopi tersebut. tetapi kelompok-kelompok tersebut sangat heterogen diantara kelompkonya. Karakteristik seperti ini banyak ditemukan dalam penelitian sosial dan perilaku. kelompok identik dengan Fakultas. Populasi berdasarkan ukurannya: Populasi terhingga: Populasi dikatakan terhingga bilamana anggota populasi dapat diperkirakan atau diketahui secara pasti jumlahnya. misalnya:  Air di lautan  Banyaknya pasir yang ada di Pantai Pangandaran. dsb. dan sebagainya. misalnya:  Banyaknya Mahasiswa Agroteknologi Kelas A. Pada pemisalan sebelumnya.

Sampel yang baik adalah sampel yang representatif. Teknik sampling berdasarkan peluang. dan lain sebagainya maka penelitian yang dilakukan untuk mengumpulkan informasi atau data yang diinginkan sesuai dengan permasalah yang diteliti ditempuh dengan mengambil sebagian dari populasi. dengan mempertimbangkan ketebatasan yang ada dari peneliti. Dari definisi tersebut jelas bahwa sampel yang kita ambil digunakan untuk menggambarkan karakteristik suatu populasi. sampel digunakan untuk menggeneralisasi suatu populasi. Ada 3 teknik sampling berdasarkan peluang : • Sampling Acak Sederhana Sampling acak sederhana adalah teknik pengambilan sampel dimana sampel diambil berdasarkan tabel bilangan acak. Teknik sampling tidak berdasarkan peluang Teknik sampling tidak berdasarkan peluang adalah teknik pengambilan sampel dimana setiap unit observasi dalam populasi tidak mempunyai kesempatan yang sama untuk terpilih menjadi sampel. atau dengan kata lain. Bagian dari populasi tersebut sebagai tempat untuk mengumpulkan informasi dinamakan contoh (sampel). yaitu sampel yang dapat mewakili populasinya. waktu. Agar representatif. Dengan demikian. • Sampling Klasifikasi Sampling klasifikasi adalah sebuah teknik pengambilan sampel dimana populasi terlebih dahulu di bagi-bagi menjadi sub-sub populasi yang antar sub populasi homogen. Karena sub populasi heterogen. c. yang digunakan untuk mengumpulkan informasi/data yang menggambarkan sifat atau ciri yang dimiliki populasi. diantaranya : • Teknik sampling convenience (seadanya) • Teknik sampling judgment (pertimbangan) Mengingat seorang peneliti dalam melakukan penelitian penuh dengan keterbatasan baik dari segi biaya. Teknik sampling berdasarkan peluang adalah sebuah teknik pengambilan sampel dimana setiap unit observasi dalam populasi mempunyai kesempatan yang sama untuk terpilih menjadi sampel. Karena sub populasi homogen. maka pengambilan sampel dari populasi harus menggunakan teknik pengambilan sampel (sampling) yang benar. salah satu sub populasi diambil sebagai sampel. Ada 2 teknik pengambilan sampel : b. sampel harus betul-betul bersifat representatif 18 | P a g e . • Sampling Stratifikasi Sampling stratifikasi adalah sebuah teknik pengambilan sampel dimana populasi terlebih dahulu di bagi-bagi menjadi sub-sub populasi yang antar sub populasi heterogen. Ada beberapa teknik sampling tidak berdasarkan peluang. pada setiap sub polulasi ada yang diambil sebagai sampel. Dengan demikian. sampel merupakan bagian dari populasi yang dipilih dengan menggunakan aturan-aturan tertentu.

Tiga pasang hipotesis nol tentang rata-rata suatu populasi dengan hipotesis alternatifnya: 19 | P a g e . 1) Uji t satu sampel (Uji t Satu Sampel (One Sample t Test) a. 5. 6. • Misalkan simbol nilai hipotesis dari rata-rata populasi adalah µh. PENGUJIAN HIPOTESIS A. maka karakteristik yang bisa kita lihat pada pipa adalah diameternya. Uji Hipotesis Hipotesis : uji signifikansi (keberartian) terhadap hipotesis yang dibuat. hipotesis bisa terarah.sehingga dapat mewakili dan mencerminkan karakteristik populasi dari mana sampel itu diambil. Contoh : Jika kita mengamati pipa. bisa juga tidak terarah. Definisi Karakteristik Karakteristik adalah ciri yang membedakan satu objek penelitian dengan objek penelitian yang lain. ketebalan pipanya. maka akan ada Ha (hipotesis alternatif) yakni hipotesis yang akan diterima seandainya Ho ditolak. warnanya dan sebagainya. akibat dari adanya Ho. B. KARAKTERISTIK A. Menguji apakah satu sampel sama/berbeda dengan rata-rata populasinya. Pengertian Hipotesis Hipotesis ialah pernyataan sementara yang perlu diuji kebenarannya. berbentuk hipotesis penelitian dan hipotesis statistik (H0). • Misal: apakah karyawan yang bekerja selama 8 tahun memang lebih/ kurang / berbeda kinerjanya dibandingkan dengan karyawan lainnya.

atau untuk menerima atau menolak Ha. Ho : D ≤ 0 Ha : D > 0 à uji sisi kanan ( uji satu pihak) b. Pengujian hipotesis membawa kepada kesimpulan untuk menolak atau menerima Ho. maka Ha diterima. Kedua hasil tersebut dibandingkan.µ2 ≥ 0 Ha : µ1 . Jika Ho diterima maka Ha ditolak. Harus diingat bahwa nilai koefisien 20 | P a g e . Ho : µ1 . Pengujian hipotesis. • Misal. baik dalam arah yang sama ataupun arah yang sebaliknya. Ha disebut hipotesis alternatif atau hipotesis penelitian. Ho : µ1 . yang diuji apakah Ho ditolak atau diterima. perbedaan rata-rata populasi D (sesudah dikurangi sebelum) lebih besar dari 0. maka diperlukan kriteria tertentu dengan nilai tertentu baik dari hasil perhitungan maupun hasil dari tabel. jika keuntungan bersih rata-rata tahun ini lebih besar / kurang / berbeda dari pada tahun lalu.µ2 ≠ 0 à uji dua sisi 3) Uji t dua sampel berpasangan UJI BEDA T-TEST DENGAN SAMPEL BERHUBUNGAN (RELATED SAMPLE T-TEST atau PAIRED SAMPLES TTEST) • Jika kita menguji hipotesis perbedaan rata-rata pada observasi berpasangan. • Dengan demikian tiga pasang hipotesis yang dapat terjadi. Ringkasan Pengujian hipotesis dilakukan jika ada hipotesis yang akan diuji. Korelasi Pearson merupakan salah satu ukuran korelasi yang digunakan untuk mengukur kekuatan dan arah hubungan linier dari dua veriabel. ANALISIS KORELASI A. Pengertian Analisis Korelasi Korelasi adalah istilah statistik yang menyatakan derajat hubungan linear antar dua variabel atau lebih.- Ho : µ ≤ µh Ha : µ > µh à uji sisi kanan Ho : µ ≥ µh Ha : µ < µh à uji sisi kiri Ho : µ = µh Ha : µ ≠ µh à uji dua sisi 2) Uji t dua sampel bebas (UJI BEDA T-TEST DENGAN SAMPEL INDEPENDEN (INDEPENDENT SAMPLE T-TEST) • Jika kita menguji hipotesis perbedaan rata-rata dua populasi (µ 1 µ2). yang ditemukan oleh Karl Pearson pada awal 1900. • Jika rata-rata produktivitas sesudah mengikuti pelatihan lebih besar/kurang / berbeda daripada sebelum mengikuti pelatihan. Pengujiannya dengan analisis statistik. Untuk dapat memutuskan apakah Ho ditolak atau diterima.µ2 ≤ 0 Ha : µ1 . a. Korelasi adalah salah satu teknik analisis statistik yang paling banyak digunakan oleh para peneliti. Ho : µ1 . • Tiga pasangan hipotesis yang dapat terjadi: a. Sebaliknya jika Ho ditolak.µ2 = 0 Ha : µ1 .µ2 > 0 à uji sisi kanan b.µ2 < 0 à uji sisi kiri c. Ho : D = 0 Ha : D ≠ 0 à uji dua sisi ( uji dua pihak) C. Ho : D ≥ 0 Ha : D < 0 à uji sisi kiri ( uji satu pihak) c. 7. Dua variabel dikatakan berkorelasi apabila perubahan salah satu variabel disertai dengan perubahan variabel lainnya.

serapan Nitrogen. sebaiknya kita mengeksplorasi data tersebut terlebih dahulu secara grafis. sedangkan apabila lebih. misalnya pada kasus hubungan non linier. Dengan demikian. Variabel yang di catat tersebut nilainya bersifat acak. sehingga dikatakan sebagai variabel acak.korelasi yang kecil (tidak signifikan) bukan berarti kedua variabel tersebut tidak saling berhubungan. Seringkali kita melihat pola hubungan di antara variabel dengan cara memplotkan pasangan sampel data tersebut pada diagram kartesian yang disebut dengan scatterplot atau diagram pencar. Setiap pasangan data (x. dia juga ingin melihat hubungan di antara pasangan variabel-variabel respons yang dia amati. berat 100 biji. selain peneliti ingin melihat hubungan antara dosis pupuk (faktor) dengan hasil padi (respons) . sehingga dikatakan variabel tetap. dikatakan multivariate. koefisien korelasi hanya mengukur kekuatan hubungan linier dan tidak pada hubungan non linier. 21 | P a g e . Sebagai contoh. Apakah peningkatan serapan nitrogen seiring dengan peningkatan hasil atau justru sebaliknya dan bagaimanakah pula kekuatan hubungannya? Kekuatan dan arah hubungan linier di antara kedua variabel tersebut bisa dijelaskan dengan ukuran statistik yang dinamakan dengan “koefisien korelasi”. y) diplotkan sebagai titik tunggal. selain mencatat hasil padi. Mungkin saja. Seringkali peneliti mengamati beberapa parameter dari sampling atau satuan pengamatan yang sama. Contoh diagram pencar dapat dilihat pada gambar berikut. pada penelitian pengujian suatu jenis pupuk tertentu. variabel pupuk tersebut bersifat tetap. Mungkin saja dua variabel mempunyai keeratan hubungan yang kuat namun nilai koefisien korelasinya mendekati nol. mungkin juga Peneliti ingin mencatat beberapa respons lainnya. Harus diingat pula bahwa adanya hubungan linier yang kuat di antara variabel tidak selalu berarti ada hubungan kausalitas. dikatakan bivariate. seperti jumlah bulir. Berbeda dengan dosis pupuk yang sudah ditentukan sebelumnya. jumlah anakan. Apabila hanya terdapat dua variabel yang dicatat. sebabakibat. serapan kalium dsb. Eksplorasi data Sebelum melakukan analisis korelasi antar variabel.

Peningkatan salah satu nilai menyebabkan penurunan nilai pasangannya. Apabila nilai x meningkat. Pada Grafik a. e. c terlihat bahwa peningkatan nilai y sejalan dengan peningkatan nilai x.Secara sepintas kita bisa melihat pola hubungan dari grafik-grafik tersebut. Dari Grafik a sampai c. 22 | P a g e . Berbeda dengan grafik sebelumnya. sebaran titik-titik pasangan data semakin mendekati bentuk garis lurus yang menunjukkan bahwa keeratan hubungan antara variabel x dan y semakin kuat (sinergis). Hal ini menandakan bahwa tidak ada korelasi di antara kedua variabel tersebut. pada Grafik g tidak menunjukkan adanya pola hubungan linier antara kedua variabel. b. Sekali lagi tampak bahwa kekuatan hubungan antara kedua variabel dari d menuju f semakin kuat. maka nilai y pun meningkat. dan f. melainkan dalam bentuk kuadratik. hanya saja polanya bukan dalam bentuk hubungan linier. pada Grafik h kita bisa melihat adanya pola hubungan di antara kedua variabel tersebut. dan sebaliknya. Hal yang sebaliknya terjadi pada Grafik d. Terkahir. Peningkatan nilai y tidak sejalan dengan peningkatan nilai x (antagonis).

dan sebaliknya (Searah). berati bahwa apabila nilai x berada di atas nilai rata-ratanya. maka nilai y juga berada di atas nilai ratarata y. maka kita harus membakukannya terlebih dahulu yaitu dengan cara membagi nilai kovarians tersebut dengan nilai standar deviasi dari kedua variabel tersebut sehingga nilainya akan terletak antara -1 dan +1. 3. Misalnya. 1. Terakhir. Kovarian: Standar Deviasi variabel X dan Y: Korelasi: 23 | P a g e . Koefisien korelasi linear kadang-kadang disebut sebagai koefisien korelasi pearson untuk menghormati Karl Pearson (1857-1936). maka variabel tersebut tidak covary. Standarisasi Salah satu keterbatasan kovarian sebagai ukuran kekuatan hubungan linier adalah arah/besarnya gradien yang tergantung pada satuan dari kedua variabel tersebut. mengukur hubungan diantara dua variabel (kovarian) dan proses standarisasi. terdapat dua elemen yang harus kita tinjau. yaitu bervariasi bersama-sama. Ukuran statistik tersebut dikenal dengan Pearson product moment correlation yang mengukur kekuatan hubungan linier (garis lurus) dari kedua variabel tersebut. kovarian antara serapan N (%) dan Hasil Padi (ton) akan jauh lebih besar apabila satuan % (1/100) kita konversi ke ppm (1/sejuta). apabila nilai kovarian mendekati nol. Apabila nilainya positif. 2. yang pertama kali mengembangkan ukuran statistik ini. Namun jika satu variabel tidak berubah dengan meningkatnya (atau penurunan) variabel lain. Statistik untuk mengukur berapa banyak kedua variabel covary dalam sampel pengamatan adalah kovarian. Selain mengukur besarnya kekuatan hubungan di antara dua variabel. Kovarian Salah satu ukuran kekuatan hubungan linear antara dua variabel acak kontinu adalah dengan menentukan seberapa banyak kedua variabel tersebut co-vary. Nilai kovarian negatif menunjukkan bahwa apabila nilai x berada di atas nilai rata-ratanya sedangkan nilai y berada di bawah nilai rata-ratanya (berlawanan arah). Agar nilai kovarian tidak tergantung kepada unit dari masing-masing variabel.Kovarian dan Korelasi Untuk memahami korelasi linier antara dua variabel. Jika salah satu variabel meningkat (atau menurun) sebagai akibat peningkatan (atau penurunan) variabel pasangannya. menandakan bahwa kedua variabel tersebut tidak saling berhubungan. kovarian juga menentukan arah hubungan dari kedua variabel tersebut. maka dua variabel tersebut dinamakan covary.

semakin rendah suhu udara maka tekanan udara akan semakin rendah). Harus diingat bahwa nilai koefisien korelasi yang kecil (tidak signifikan) bukan berarti kedua variabel tersebut tidak saling berhubungan. Kedua variabel bisa saling dipertukarkan.  Nilai r tidak akan dipengaruhi oleh penentuan mana variabel x dan mana variabel y. variabel y. Karakteristik korelasi  Nilai r selalu terletak antara -1 dan +1  Nilai r tidak berubah apabila seluruh data baik pada variabel x. 24 | P a g e . koefisien korelasi hanya mengukur kekuatan hubungan linier dan tidak pada hubungan non linier. namun belum tentu keduanya menunjukkan adanya hubungan sebab akibat (misal. atau keduanya ditambahkan dengan suatu nilai konstanta (c) tertetu. sebab-akibat. misalnya pada kasus hubungan non linier. Dengan demikian. Korelasi hanya menjelaskan kekuatan hubungan tanpa memperhatikan hubungan kausalitas. Sebagai contoh. variabel y. semakin tinggi tempat maka baik suhu ataupun tekanan udara akan semakin menurun.  Nilai r tidak berubah apabila seluruh data baik pada variabel x. mana yang dipengaruhi dan mana yang mempengaruhi. Adanya korelasi suhu dan tekanan udara tersebut bisa saja semata-mata sebagai akibat dari perubahan ketinggian (z) suatu tempat.Nilai kovarian distandarkan dengan membagi nilai kovarian tersebut dengan nilai standar deviasi kedua variabel. Kedua pasang variabel. atau atau Koefisien Korelasi Koefisien korelasi mengukur kekuatan dan arah hubungan linier dari dua veriabel. atau keduanya dikalikan dengan suatu nilai konstanta (c) tertetu (asalkan c ≠ 0). x dan y bisa saja nilai koefisien korelasinya tinggi sebagai akibat adanya faktor z. Mungkin saja dua variabel mempunyai keeratan hubungan yang kuat namun nilai koefisien korelasinya mendekati nol. Dengan demikian. Harus diingat pula bahwa adanya hubungan linier yang kuat di antara variabel tidak selalu berarti ada hubungan kausalitas. Kedua variabel masing-masing bisa berperan sebagai Variabel X maupun Variabel Y. (meskipun secara teoritis memang terdapat hubungan sebanding antara suhu dan tekanan: PV = nRT). suhu (x) dengan tekanan udara (y) mungkin saja nilai koefisien korelasinya tinggi.

64=64%.Nilai r hanya untuk mengukur kekuatan hubungan linier. sebesar 36% mungkin disebabkan oleh faktor lain dan atau error (galat) dari percobaan. y) harus berdistribusi normal. Misalnya. Metode pertama dengan menggunakan Uji-t dan Metode kedua dengan menggunakan tabel r. Untungnya. Dengan demikian. kita bisa menggunakan korelasi Spearman (Spearman rank correlation). Koefisien Determinasi bisa didefinisikan sebagai nilai yang menyatakan proporsi keragaman Y yang dapat diterangkan/dijelaskan oleh hubungan linier antara variabel X dan Y. y) berasal dari sampel acak dan merupakan data kuantitatif. r2. Bagan Alir untuk pengujian hipotesis:  25 | P a g e . Pasangan data (x. Pengujian Koefisien Korelasi Terdapat dua metode yang biasa digunakan untuk menguji kebermaknaan koefisien korelasi. Sampel data berpasangan (x. 2.4. r. Akan tetapi tidak memberikan informasi mengenai berapa proporsi keragaman (variasi) variabel dependen (Y) yang dapat diterangkan atau diakibatkan oleh hubungan linier dengan nilai variabel independen (X). Hal ini berarti bahwa 64% keragaman Hasil padi bisa diterangkan/dijelaskan oleh tinggi rendahnya Serapan N. dan nilai statistik ini dinamakan dengan Koefisien Determinasi. Koefisien Determinasi Koefisien korelasi. hanya menyediakan ukuran kekuatan dan arah hubungan linier antara dua variabel. histograms & univariate scatterplots untuk masingmasing variabel  Bivariate scatterplots Apabila tidak memenuhi asumsi misalnya data tidak berdistribusi normal (atau ada nilai data pencilan).8 merupakan dua kali lipat dari nilai r =0. apabila nilai korelasi (r) antara Serapan N dengan hasil = 0. korelasi untuk analisis non-parametrik.8. Harus diingat bahwa analisis korelasi sangat sensitif terhadap data pencilan (outliers)! Asumsi bisa dicek secara visual dengan menggunakan:  Boxplots. maka r2 = 0. nilai kuadrat dari r bisa mengukur secara tepat rasio/proposi tersebut. Sisanya.8 = 0.8 x 0. Nilai r tidak bisa dibandingkan secara langsung. misalnya kita tidak bisa mengatakan bahwa nilai r = 0. dan tidak dirancang untuk mengukur hubungan non linier Asumsi Asumsi untuk analisis korelasi: 1.

Pelajaran yang mneyangkut masalah ini disebut analisis regresi.Catatan: Nilai tabel kritis r bisa di lihat pada tabel di bawah ini. 8. Definisi Analisis Regresi Analisis regresi dipakai apabila kita ingin meramalkan pengaruh sebuah variabel pediktur dengan sebuah variabel kriterium atau ingin membuktikan bahwa terdapat atau tidak terdapatnya hubungan fungsional antara sebuah variabel bebas dengan variabel terkaitnya. Faktor yang akan mempengaruhi nilai uji korelasi: Ukuran koefisien korelasi dan ukuran/banyaknya sampel. ANALISIS REGRESI A. Hubungan fungsional antara satu variabel kriterium disebut analisis 26 | P a g e .

025 atau 0. 2). C. Definisi Uji T Uji t menguji apakah rata-rata suatu populasi sama dengan suatu harga tertentu atau apakah rata-rata dua populasi sama/berbeda secara signifikan. A. Ho : p1 = p2 Diperoleh rata2 = 17. • hitung rata-rata dan std. dev (s) • df = n – 1 • tingkat signifikansi ( = 0. 2) Variabelnya tidak acak.05) • pengujian apakah menggunakan 1 ekor atau 2 ekor • diperoleh t hitung . sedangkan hubungan fungsional yang lebih dari satu variabel analisis regresi ganda. Uji t dua sampel bebas 27 | P a g e . 9.26 .55 Berdasarkan tabel df=89 dan = 0.987 Kesimpulan : t hitung > t tabel sehingga Ho ditolak Karyawan yang bekerja selama 8 tahun secara signifikan berbeda dengan karyawan lainnya. 4) Variabel yang dihubungkan mempunyai data interval atau rasio. UJI T A. Macam Uji T 1). std.regeresi tunggal.6 . Uji t satu sampel (Uji t Satu Sampel (One Sample t Test) Menguji apakah satu sampel sama/berbeda dengan rata-rata populasinya. sedangkan variabelnya harus acak. Dev = 7. B. lalu bandingkan dengan t tabel : jika t hitung > t tabel Ho ditolak Contoh : Peneliti ingin mengetahui apakah karyawan yang bekerja selama 8 tahun memang berbeda dibandingkan dengan karyawan lainnya. df = 89 . 3) Variabel yang dihubungkan mempunyai pasangan sama dari subjek yang sama pula. t hitung = 11.05 diperoleh t tabel = 1. Asumsi Agar Analisis Regresi Dapat Digunakan 1) Variabel yang dicari hubungan fungsionalnya mempunyai data yang berdistribusi normal. Guna Analisis Regresi Analisis regresi berguna untuk mendapatkan hubungan fungsional antara dua variabel atau lebih atau mendapatkan pengaruh antara variabel prediktur terhadap variabel kriteriumnya atau meramalkan pengaruh variabel prediktur terhadap variabel kriteriumnya.

Contoh : Peneliti ingin mengetahi apakah ada perbedaan penghasilan dosen antara dosen yang lulusan S2 dengan yang lulusan S3 Ho : Pb = Pk Diperoleh : rata2 x = 1951613 .Menguji apakah rata-rata dua kelompok yang tidak berhubungan sama/berbeda.05 maka model diterima. WEALTH b. * Dengan membandingkan probabilitas (pada tabel Anova tertulis Sig) dengan taraf nyatanya (0. ANOVAb Model 1 Regression Residual Total Sum of Squares 2514.175 572.544 6.05 maka model ditolak * Jika probabilitas < 0. Dependent Variable: INCOME 28 | P a g e F 104.162 df 4 95 99 Mean Square 628. Predictors: (Constant).987 3087. SAVING.025 diperoleh t tabel = 1. 10.05 atau 0. * Jika probabilitas > 0.7. y = 2722222 .211 Sig.369 Berdasarkan tabel df=69 dan = 0.031 a.01). UJI F A. t hitung = . SIZE. EARNS. .994 Kesimpulan : t hitung > t tabel sehingga Ho ditolak Rata-rata penghasilan dosen yang S2 berbeda secara signifikan dengan penghasilan dosen yang S3. Definisi Uji F * Uji statistik F adalah menunjukkan apakah semua variabel independen yang dimaksud dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen.000a .