Remidi Statistik (Rischi Wulandari - 097 - 3a)

TUGAS REMIDI DASAR-DASAR STATISTIKA
Dosen Pengampu : Rahman Cahyadi S.Pd., M.Si
Disusun Oleh :
Nama : Rischi Wulandari
NPM : 2020406405097
Kelas: 3 A
PENDIDIKAN GURU SEKOLAH DASAR FAKULTAS KEGURUAN DAN ILMU

PENDIDIKAN (PGSD) UNIVERSITAS MUHAMMADIYAH PRINGSEWU LAMPUNG
2021
2
DAFTAR ISI
KELOMPOK 1....................................................................................................................................3
MENGAPA BELAJAR STATISTIKA
KELOMPOK 2....................................................................................................................................9
PENYAJIAN DATA, KEADAAN KELOMPOK DAN UKURAN PENEMPATAN
KELOMPOK 3..................................................................................................................................45
PENGUKURAN PENYIMPANGAN, SUMBER, METODE DAN INSTRUMEN PENGUMPULAN DATA
KELOMPOK 4..................................................................................................................................66
HIPOTESIS PENELITIAN, STATISTIK PARAMETRIK DAN UJI HOMOGENITAS
KELOMPOK 5..................................................................................................................................80
UJI NORMALITAS DATA
KELOMPOK 6..................................................................................................................................91
UJI LINEARITAS REGRESI
KELOMPOK 7................................................................................................................................102
UJI T (T-TEST)
KELOMPOK 8................................................................................................................................112
UJI PERSON PRODUCT MOMENT
KELOMPOK 9................................................................................................................................114
UJI KORELASI PARSIAL
KELOMPOK 10..............................................................................................................................123
UJI KORELASI GANDA
KELOMPOK 11..............................................................................................................................131
REGRESI LINIER SEDERHANA
3
KELOMPOK 1
MENGAPA BELAJAR STATISTIKA
1. Mengapa Belajar Statistika?

Informasi numerik ada di mana-mana Via TV, radio, surat kabar, internet, dll. setiap harinya
kita dibombardir oleh DATA
Misal
data: hasil polling, grafik fluktuasi nilai rupiah,
curah hujan, jumlah penjualan mobil
per bulan, indeks bursa effek, dll.
Contoh metode numerik dari Internet
2. Bagaimana efek BBM dan Ekonomi?

Pemerintah perlu mengkaji ulang pengaruh keberadaan bahan bakar minyak (BBM)
bersubsidi terhadap pertumbuhan ekonomi.
3. Bagaimana Menanggulangi Kemiskina

Rendahnya angka kemiskinan ini dianggap sebagai pencapaian dalam implementasi
kebijakan pemberantasan kemiskinan sejak dua dasawarsa terakhir.
Namun jika kita melihat kemiskinan dalam lensa yang lebih luas, kita perlu mempertanyakan
4
klaim pemerintah ini sebab ada kelompok masyarakat Indonesia yang luput dari kebijakan
pengentasan kemiskinan.
Mereka selama ini terus mengalami kerentanan, pada satu saat berada di ujung garis
kemiskinan dan saat lain di bawah garis kemiskinan. Golongan ini, yang oleh para ekonom
disebut kelompok miskin transient, berjuang sepanjang hidupnya untuk tidak jatuh miskin,
dan kerap gagal. Namun mereka luput dari bantuan pemerintah.
1) Berapa Banyak Korban Flu Burung?

2) Who is the Next President?
3) Apakah Gaji Sarjana Lebih Tinggi?

4) Apakah Ada Diskriminasi Gender dalam Gaji?
5) Bagaimana kita memahami data tsb?
6) Bagaimana mengevaluasi apakah data tersebut berguna atau tidak ?
5
7) Bagaimana menilai apakah polling yang dilakukan itu menyesatkan atau tidak ?
8) Bagaimana cara membaca dan memanfaatkan data tersebut?
Statistika digunakan sebagai penuntun dalam pengambilan keputusan di dunia kerja dan
kehidupan sehari-hari
Teknik statistika digunakan untuk pengambilan keputusan berdasarkan informasi terbatas
dan adanya keragaman dalam kehidupan sehari-hari
Misalnya, kita tertarik untuk mengetahui secara cepat, sebelum adanya pengumuman hasil
dari KPU, siapakah presiden terpilih mendatang?
Maka kita bisa memprediksi persentase suara masing-masing pasangan kandidat presiden
dengan hanya menghitung persentase suara berdasarkan sejumlah TPS saja.
1. Statistikadigunakan sebagai penuntun dalam Proses Metode Ilmiah

A. Metode Ilmiah
Statistika menjadikan proses penelitian bidang ilmu lain dengan metode ilmiah menjadi lebih
efisien dan efektif. Efisien dalam menggunakan sumberdaya dan efektif dalam mencapai
tujuan penelitian.
Hampir dalam setiap tahap dalam proses metode ilmiah, statistika dapat dijadikan alat
bantu.
Dengan demikian, "bisnis" sebenarnya dari statistika adalah metode ilmiah dan bila dikaitkan
dengan data, maka data adalah sebagai "komoditi"-nya.
Statis
Statistika menjadikan proses penelitian bidang ilmu lain dengan metode ilmiah menjadi lebih
efisien dan efektif. Efisien dalam menggunakan sumberdaya dan efektif dalam mencapai
tujuan penelitian.
Statistika bukanlah hanya sekumpulan metode analisis dan tata cara perhitungan belaka,
tetapi juga merupakan alat bantu yang dapat diandalkan dalam memecahkan masalah bagi
bidang ilmu lain.
B. Arti Statistika
Arti Statistika
Statistik adalah rekapitulasi/sekumpulan dari fakta yang berbentuk angka-angka disusun
dalam bentuk tabel dan diagram yang mendiskripsikan suatu permasalahan. Douglas A. Lind
dkk (2007):
Statistika (Statistics)
Ilmu dan seni tentang pengumpulan, pengaturan, menampilkan, analisis, dan penafsiran
data untuk membantu pengambilan keputusan dengan lebih efektif
"Statistika adalah cara berpikir secara cendekia (cerdas dan kritis) dalam menghadapi
informasi terbatas, keragaman dan ketidakpastian“
Statistika adalah cara bernalar dengan data
Dalam perkembangannya untuk menyelesaikan suatu masalah dapat digunakan beberapa
pendekatan antaralai
Statistika dalam arti sempit (Statistika Deskriptif
6
Statistika yang mendeskripsikan atau menggambarkan tentang data yang disajikan
dalambentuk tabel, diagram, pengukuran tendensi sentra (rata-rata hitung, rata-rata ukur,
dan rata-rata harmonic), pengukuran penempatan ( median, kuartil, desil, persentil) ,
pengukuran penyimpangan (range, rentangan antar kuartil, rentangan semi antar
kuartil,simpangan rata-rata, simpangan baku, varians) serta mencari kuatnya hubungan dua
variable, melakukan peramalan /prediksi dengan menggunakan analisis regresi linear,
membuatperbandingan (komparatif)
Statistika dlam arti luas (Statistika Inferensial/statistika induktif/statistika probabilitas
Suatu alat pengumpul data, pengolah data, menarik kesimpulan, membuat tindakan
berdasarkan analisis data yang dikumpulkan atau statistika yang digunakan menganalisis
data sampel dan hasilnya dimanfaatkan (generalisasi)untuk populasi.
Penerapan Statistika Dalam Kehidupan Sehari-Hari
Ilmu statistika banyak diaplikasikan ke dalam berbagai bidang yaitu, antara lain ilmu sosial,
bidang bisnis, bidang ekonomi, dan bidang industri. Dalam bidang pemerintahan statistika
digunakan untuk sensus penduduk, voting atau polling (contoh pemilihan dan penghitungan
suara dalam pemilihan umum atau quick count), pada bidang komputasi statistika
diterapkan pada pola kecerdasan buatan. Berikut ini adalah kegunaan statistik:
Statistika digunakan sebagai media penyusun, meringkas atau penyempurnaan data. Data
dapat diperoleh dari sebuah penelitian dengan menggunakan topik tertentu yang tidak
mencakup dalam jumlah besar hanya saja berisi banyak informasi.
Statistika untuk membantu dalam penelitian membangun aktivitas atau survey eksperimen
yang bisa meminimalkan biaya untuk informasi dalam jumlah yang ditentukan.
Statistika ini digunakan sebagai penetapan metode yang baik untuk penarikan kesimpulan
atau ringkasan sesuai dengan sampel tertentu.
Terakhir, statistika digunakan untuk mengukur baik atau tidaknya sebuah kesimpulan atau
evaluasi.
Contoh manfaat statistika dalam kehidupan sehari-hari:
Penghitungan laba, rugi, jumlah uang yang diperlukan dalam belanja bulanan dalam rumah
tangga. Dalam penghitungan Indeks Prestasi mahasiswa. Pada dunia bisnis cara
memperolehkeuntungan dalam sebuah royek, seperti peluang menanamkan saham
Pada bidang industry, statistika banyak digunakan dalam pengabilan keputusan. Seperti
jumlah produksi dalam sehari berdasarkan riwayat atau histori perusahaan.
C. Kegunaan Stati dapatdigunakan sebagai alat :
1. Komunikasi ialah sebagai penghubung beberapa pihak yang menghasilkan data statistic
atau berupa analilsis statistic sehingga beberapa pihak tersebut akan dapat mengambil
7
keputusan melalui informasi tersebut
2. Deskripsi yaitu penyajian data dan mengilustrasikan data missal mengukur hasil produksi,
laporan hasil liputan berita, indeks harga konsumen, laporan keuangan, tingkat inflasi,
jumlah penduduk, hasil pendapatan dan pengeluran Negara dll
3. Regresi yaitu meramalkan pengaruh data yang satu dengan data lainnya dan untuk
mengantisipasi gejala-gejala yang akan datang.
4. Korelasi yaitu untuk mencari kuatnya atau besarnya hubungan data dalam suatu
penelitian
5. Komparasi yaitu membandingkan data dua kelompok atau lebih.
2. DATA
A. Pengertian Data
Dalam Arti harafiah: DATUM adalah keterangan. DATA adalah bentuk jamak dari DATUM
Dalam Statistika:
DATA adalah keterangan-keterangan numerik, yaitu berupa angka. DATA adalah angka
dengan konteks TETAPI, angka TIDAK SELALU berarti data.
Contoh:
Angka 2,3 TANPA KONTEKS, tidak ada interpretasi yang dapat ditarik ( bukan data )
Bobot lahir bayi adalah 2.3 kg (angka dengan konteks. Dapat diberi komentar : apakah bayi
dengan bobot lahir 2.3 kg itu sehat atau tidak?
Data mampu memberikan pengertian dan interpretasi
SEHINGGA : menghitung angka rata-rata dari 2.3, 2.4, dan 2.6 BUKAN statistika, melainkan
latihan aritmatika (matematika)
TETAPI : menghitung rata-rata bobot lahir dari 5 bayi adalah statistika

B. Jenis data
1. Data Kualitatif
Data yang berhubungan dengan kategorisasi , karakteristik berwujud pertanyaan atau
berupa kata-kata .
Contoh :
Wanita itu cantik, pria itu tampan, baik, burk, senang, sedih, harga minayk turun harga dolar
naik,pohon itu rindang,
Data ini biasanya didapat dari wawancara dan bersifat subjektif sebab data tersebut
ditafsirkan lain oleh orang yang berbeda.
8
Data kualitatif dapat diangkakan dalam bentuk ordinal atau ranking
2. Data kuantitaif
Data yang berwujud angka-angka.
Contoh:
Harga bensin Rp. 7000/liter, yang diterima menjadi PNS tahun 2014 sebanyak 125 orang.
Data ini diperoleh dari pengukuran langsung. Data kualitatif bersifat objektif dan bias
ditafsirkan sama oleh semua orang.
C. Penggolongan Data Statistika

Penggolongan data statistic berdasarkan sifatnya
1. Data kontinyu
Data statistic yang angka-angkanya merupakan deretan angka yang sambung menyambung.
Dengan kata lain data kontinyu adalah data yang deretan angkanya merupakan suatu
kontinum.
Contoh :
berat badan (dalam ukuran kg) :40-40,1-40,2-40,3-40,4
tinggi badan (dalam ukuran cm) : 150-150,1-150,2-150,3
2. Data diskrit
Data statistic yang tidak mungkin berbentuk pecahan
Contoh:
Data statistic tentang jumlah anggota keluarga (dalam satuan orang) : 1-2-3-4-5 dst
Data statistic tentang jumlah buku-buku perpustakaan (dalam satuan eksemplar) : 50-125-
307-5113- dst
D. Penggolongan data statistic berdasarkan cara menyusun angkanya
1. Data nominal
Data statistic yang cara menyusun angkanya didasarkan atas penggolongan atau klasifikasi
tertentu.
2. Data ordinal
Disebut juga data urutan yaitu data statistic yang cara menyusun angkanya didasarkan atas
urutan kedudukan (ranking).
3. Data interval
Data statistic dimana terdapat jarak yang sama di antara hal hal yang sedang diselidiki atau
dipersoalkan.
4. Data Rasio
Dalam ilmu statistika, data rasio merupakan tipe data dengan level pengukuran yang paling
tinggi dibandingkan dengan tipe data lain.
E. Penggolongan data statistic berdasarkan bentuk angkanya

1. Data Tunggal
Data statistic yang masing masing angkanya merupakan satu unit (satu kesatuan) / data
statistic yang angka angkanya tidak dikelompok kelompokkan.
2. Data kelompok atau bergolong
Data Statistic yang tiap tiap unitnya terdiri dari sekelompok angka.
9
KELOMPOK 2
PENYAJIAN DATA, KEADAAN KELOMPOK DAN UKURAN PENEMPATAN
PENYAJIAN DATA
A. Cara Penyajian Data
Ada beberapa cara untuk menyajikan data yaitu sebagai berikut:
1) Diagram Lingkaran
Contoh penyajian data dalam bentuk diagram lingkaran

Diagram lingkaran merupakan bentuk penyajian data dalam bentuk sektor-sektor lingkaran.
Total nilai diubah dalam sektor 360°. Penyajian data dalam bentuk diagram lingkaran sangat
tepat untuk keperluan perbandingan.
2) Diagram Batang
10
Contoh penyajian data dalam bentuk diagram batang
Diagram batang merupakan suatu diagram yang digambarkan menggunakan batang-batang
persegi atau balok.Diagram ini cocok digunakan untuk kepentingan perbandingan.Diagram
batang dapat memuat lebih dari satu jenis data. Dalam menggambar diagram batang
membutuhkan sumbu vertikal dan horizontal.
4) Histogram
Untuk menyajikan data kelompok ke dalam bentuk histogram, kita membutuhkan

data nilai batas bawah dan batas atas masing-masing kelas.Hasil selengkapnya diberikan
seperti pada tabel berikut ini.Data yang digunakan di sini adalah data yang dibahas pada
sebelumnya.
Selanjutnya adalah menyajikan data kelompok yang tersusun seperti tabel di atas ke
dalam histogram.Caranya cukup mudah, kita hanya perlu menyesuaikan nilai rentang kelas
untuk batas bawah dan batas atas setiap kelas dengan nilai frekuensi yang sesuai denan
11
data. Bentuk data nantinya berupa persegi panjang atau yang biasa dikenal juga dengan
diagram batang.
Penyajian data kelompok bentuk histogram yang sesuai dengan data pada tabel di atas
diberikan seperti gambar di bawah.
5) Poligon
Data yang disajikan dalam bentuk poligon di sini masih sama dengan data yang
digunakan pada data yang digunakan pada penyajian data bentuk historgam. Untuk
membuat penyajian data bentuk poligon, Kita perlu mencari nilai titik tengan pada masing-
masing kelas. Titik tengah ini akan mewakili nilai untuk setiap rentang kelas.Nilai titik tengah
diperoleh dengan cara menjumlahkan batas atas dan batas bawah masing-masing kelas.
Berikut ini adalah tabel kelompok yang diperlukan untuk menyajikan data kelompok bentuk
poligon.
Langkah selanjutnya, hanya perlu menyesuaikan nilai titik tengah masing-masing

kelas dengan nilai frekuensi yang sesuai.Hasil bentuk poligon untuk tabel kelompok di atas
dapat dilihat pada gambar di bawah.
12
B. Tabel Distribusi Frekuensi
Penyusuanan suatu data mulai dari terkecil sampai terbesar yang membagi banyaknya
data kedalam beberapa kelas. Kegunaan data yang masuk dalam distribusi frekuensi adalah
untuk memudahkan data dalam penyajian, mudah dipahami dan mudah dibaca sebagai
bahan informasi, pada gilirannya digunakan untuk perhitungan membuat gambar statistik
dalam berbagai bentuk penyajian data.
Distribusi frekuensi terdiri dari dua yaitu distribusi frekuensi kategori dan distribusi
frekuensi numerik.
Distribusi frekuensi kategori ialah distribusi frekuensi yang pengelompokan datanya
disusun berbentuk kata-kata atau distribusi yang penyatuan kelas-kelasnya didasarkan pada
data kategori (kualitatif). Distribusi numerik ialah distribusi frekuensi yang penyatuan kelas-
kelasnya (disusun secara interval didasarkan pada angka-angka (kuantitatif)).
 Contoh Distribusi Frekuensi Kategorik

TABEL 2
13
Frekuensi Peserta Diklat Penjejangan
Jenis diklat Frekuensi
Adum 1.500
Adumia 1.200
Spama 750
Spamen 300
Spati 150
lemhannas 50
JUMLAH 3.850
 Contoh Distribusi Frekuensi Numerik

TABEL 3
Distribusi Frekuensi Nilai Pelayanan Masyarakat
Nilai Interval Frekuensi
27 – 33 1
34 – 40 9
41 - 47 13
48 – 54 15
55 – 61 13
62 – 68 11
69 - 75 2
JUMLAH 64
 Langkah-langkah penyusunan Tabel Distribusi Frekuensi

a. Mengurutkan data dari yang terkecil ke yang terbesar.
b. Menentukan jangkauan dari data
Rumus : Jangkauan (R) = Data terbear – Data terkecil
c. menentukan banyaknya kelas (K) dengan menggunakan atuan STURGES
14
K = 1+3,3 log n hasilnya dibulatkan biasanya ke atas.
d. Menentukan panjang kelas interval (I/P)
R
I=
K
e. Menentukan batas bawah kelas pertama (ambil nilai terkecil)
f. Menuliskan frekuensi kelas secara melidi / sistem terus sesuai banyaknya data.
Contoh : nilai ujian statistik 40 mahasiswa adalah:

78 72 74 79 74 71 75 74 72 68
72 73 72 74 75 74 73 74 65 72
66 75 80 69 82 73 74 72 79 71
70 75 71 70 70 70 75 76 77 67
Buatlah tabel Distribusi Frekuensi dari data tersebut :
a. Data diurutkan
65 69 70 72 72 73 74 75 75 79
66 70 71 72 72 74 74 75 76 79
67 70 71 72 73 74 74 75 77 80
68 70 71 72 73 74 74 75 78 82
n : 40
b. R = Data terbesar – Data terkecil
= 82 – 65 = 17
c. Banyak kelas
K = 1+3,3 log n
= 1+3,3 (log 40)
= 1+3,3 (1,6)
= 6,28 ~ 6 atau 7
d. Panjang kelas interval
r 17
I = = =2,8 3
k 6
e. Batas bawah kelas pertama = 65
f. Tabel
15
TABEL 4
Nilai Turus/tally Frekuensi
65-67 III 3
68-70 IIIII 6
71-73 IIIIIIII II 12
74-76 IIIIIIII III 13
77-79 IIII 4
80-82 II 2
JUMLAH 40
KEADAAN KELOMPOK
Pengukuran tendensi sentral (pengukuran gejala pusat) dan ukuran penempatan
(ukuran letak sebagai pengembangan dari beberapa penyajian data yang berbentuk table;
grafis; dan diagram).Pengukuran tendensi sentral dan ukuran penempatan digunakan untuk
menjaring data yang menunjukan pusat atau pertengahan dari gugusan data yang
menyebar.Harga rata-rata dari kelompok data itu, diperkirakan dapat mewakili seluruh harga
data yang ada dalam kelompok tersebut.Ukuran data sampel dinamakan statistik sedangkan
ukuran populasi dinamakan parameter.
Pengukuran tendensi sentral, terdiri dari:
16
a. Rata-rata hitung (mean)
b. Rata-rata ukur
c. Rata-rata harmonic
d. Modus (mode)
Ukuran penempatan, terdiri dari:

a. Median
b. Kuartil
c. Desil
d. Persentil.
Agar lebih jelas diuraikan sebagai berikut:

a. Rata-rata Hitung (Mean)
Rata-rata hitung atau disingkat dengan (mean). Penggunaan rata-rata hitung untuk
sampel bersimbul ( x dibaca: eks bar atau eks garis) dan populasi μ ( dibaca: my atau mu).
Perhitungan mean dibagi dua yaitu: mean data tunggal dan mean data kelompok.
1) Mean Data Kelompok
Data yang dipakai untuk menghitung mean tunggal hanya sedikit jumlahnya,
perhitungannya dengan cara menunjukan semua nilai data dibagi banyak data dijabarkan
dengan rumus:
∑ Xi
x=
n
Keterangan:
x = Mean
X i = Jumlah tiap data
n= Jumlah data
Contoh:
Apabila ada 6 mahasiswa mengikuti tes perbaikan mempunyai nilai masing-masing: 80,
70, 90, 50, 85, 60. Carilah nilai meannya:
17
Jawab:
∑ Xi
x=
n
80+70+90+50+ 85+60
x=
6
435
x=
6
x = 72,5
Jadi, nilai rata-rata keenam mahasiswa adalah 72,5
2) Mean Data Kelompok

Jika data yang sudah dikelompokan dalam distribusi frekuensi, maka data tersebut akan
berbaur sehingga keaslian data itu akan hilang bercampur dengan data lain menurut
kelasnya, hanya dalam perhitungan mean kelompok diambil titik tengahnya yaitu setengah
dari jumlah ujung bawah kelas dan ujung atas kelas untuk mewakili setiap kelas interval. Hal
ini dimaksudkan untuk menghindari kemungkinan data yang ada disetiap interval
mempunyai nilai yang lebih besar atau lebih kecil dari titik tengah. Perhitungan data mean
kelompok dapat dicari dengan rumus:
∑f i . x
x= i
∑fi
Keterangan:
x = Mean
x i = Titik tengah
∑ f i = Jumlah Frekuensi
Contoh 1:
Data hasil ulangan matematika 40 siswa, nilai 8 ada 6 siswa, nilai 7 ada 7 siswa, nilai 6
ada 15 siswa, nilai 5 ada 7 siswa dan nilai 4 ada 5 siswa. Berapa nilai rata-rata.
Jawab:
18
Cara 1:
∑f i.x
x= i
∑fi
6.8+7.7+15.6+7.5+5.4
=
40
242
=
40
= 6,05
Cara 2:
Nilai F Fixi
8 6 48
7 7 49
6 15 90
5 7 35
4 5 20
∑fi= 40 ∑fixi= 242
∑f i.x
x= i
∑fi
242
=
40
= 6,05
Contoh 2:
19
Diketahui:Nilai Ujian Statistik Universitas Muhammadiyah PringsewuTahun 2001 yang
diikuti oleh 70 mahasiswa. Berapkah rat-rat kelompok nilai statistic tersebut.
DISTRIBUSI FREKUENSI
Nilai Ujian Statistik Universitas Muhammadiyah PringsewuTahun 2001
TABEL 5
Nilai Interval f(frekuensi)
60-64 2
65-69 6
70-74 15
75-79 20
80-84 16
85-89 7
90-94 4
Langkah-langkah menjawab:
a)Buatlah tabel dan susunlah data dengan menambah kolom:
20
TABEL 6
Titik Tengah Frekuensi Jumlah

No Nilai Interval
(xi) (fi) (xifi)
1 60-64 62 2 124
2 65-69 67 6 402
3 70-74 72 15 1.080
4 75-79 77 20 1.540
5 80-84 82 16 1.312
6 85-89 87 7 609
7 90-94 92 4 368
∑ni = 15 ∑ (ti.fi) = 5.435
b)berilah notasi abgka yang sudah ada untuk memudahkan perhitungan ∑ f i = 70 dan ∑( x i .f i
)= 5434.
∑f i . x 5435
c) Hitunglah nilai rata-rata dengan rumus: x = i
= = 77, 643
∑fi 70
Jadi, rata-rata nilai statistik= 77, 643
b. Rata-rata Ukur (Arithematic Mean)

1) Rata-rata ukur untuk data yang tidak berdistribusi (dikelompokan)
Kegunaan rata-rat ukur antara lain mencari rata-rata kenaikan dalam bentuk persentase,
perbandingan tiap data berurutan yang hampir tetap atau secara tetap, menghitung rata-
21
rata terhadap persentase atau ratio perubahan suatu gejala pada data tertentu. Rata-rata
ukur dinyatakan dengan rumus:
RU = √ X 1 . X 2 . X 3 … X n − 100
n
Keterangan:
RU = Rata-rat ukur
n = Banyak data
X1,X2,X3 = tiap gejala dalam %
Jika rumus berubah dalam bentuk logaritma, maka menjadi:
Log RU =
∑ . log X i
n
RU = anti log RU – 100
Contoh:
Diketahui besarnya penghasilan perminggu Yan Mufid di Toko Al-Batul YPI Al-Jawad
sebagai berikut:
I = 75.000 IV = 50.000
II = 65.000 V = 68.000
III = 70.000 VI = 120.000
Berapa rata-rata ukur perminggu?
22
Jawab:
Besar Penghasilan Perminggu Penghasilan Perminggu Yan Mufid di Toko Al-Batul Al Jawad
dengan persentse perubahan
TABEL 7
Minggu Penghasilan Persentse Perubahan (%)
I 75.000
(65.000 : 75.000) × 100 = 92,86

II 65.000
(70.000 : 65.000) × 100 = 107,69

III 70.000
(50.000 : 70.000) × 100 = 71,43

IV 50.000
(68.000 : 50.000) × 100 = 136

V 68.000
(120.000: 68.000) × 100 = 176,47

VI 120.000
Teknik perhitungan persentase perubahan seperti ini tujuannya supaya selalu diperoleh
harga yang positif, sehingga dalam perkaliannya nanti tidak akan diperoleh harga yang
negatif. Berdasarkan perhitungan data diatas, maka diperoleh harga rata-rata ukur
perubahan penghasilan Yan Mufid di Toko Al-Batul Al Jawad sebagai berikut:
23
X1 = 92,86; X2 = 107,69; X3 = 71,43; X4 = 136; X5 = 176,47
Log RU = √( 92,68 x 107,69 x 71,43 x 136 x 176,47) – 100

n
= 111,3782 – 100
= 11,3782
Setelah di hitung hasil RU = 11,3782%, maka dikatakn bahwa dari data tersebut telah
terjadi kenaikan penghasilan Yan Mufid di Toko Al-Batul Al Jawad, rata-rat ukur sebesar
11,3782% per minggu.
Cara lain dengan menggunakan logaritma, maka besarnya rata-rata ukur sebagai berikut.
Besaranya Penghasilan Perminggu Yan Mufid di Toko Al-Batul Al Jawad
dengan menggunakan Logaritma
TABEL 8
X (%) Log. X
92,86 1,9678
107,69 2,0322
71,43 1,8539
136 2,1335
176,47 2,2467
Jumlah ∑ log.X = 10,2341
24
Perhitungan:
Log RU =
∑ . log X i
n
RU = anti log RU – 100
10,2341 = 2,0468
Log RU =
5
RU = anti log 2,0468 – 100

RU = 111,3782 – 100 = 11,3782
Jadi besarnya rata-rat ukur = 11,3782 % per minggu
2) Rata-rata ukur untuk data berdistribusi (dikelompokan)

Jika data berbentuk berdistribusi (dikelompokan), maka rata-rata data dapat dihitung
dengan rumus:
RK =√n X 1f 1 . X 2f 2 . X 3 f 3 … Xnfn
Keterangan:
RK = Rata-rata kelompok
N=∑f
X = titik tengah tiap-tiap kelas
Jika rumus berubah dalam bentuk logaritma, maka menjadi:
Log RK =
∑ . f . log X
n
Contoh :
Distribusi frekuensi Nilai Ujian Statistik Universutas CJDW Tahun 2001 data sebagai
berikut:
25
Nilai Ujian Statistik Universutas CJDW Tahun 2001
TABEL 9
Titik Tengah
Frekuensi tiap-
No. Nilai Interval tiap-tiap Log X f.Log.X
tiap kelas (f)
kelas(x)
1 60−64 2 62 1,7924 3,5848
2 65−69 6 67 1,8261 10,9566
3 70−74 15 72 1,8573 27,8595
4 75−79 20 77 1,8865 37,7300
5 80−84 16 82 1,9138 30,6208
6 85−89 7 87 1,9395 13,5765
7 90−94 4 92 1,9638 7,8552
∑ (f. Log .X)=
n = ∑f = 70
132,1834
Jawab:
Log RK =
∑ . f . log X = 132,1843 = 1,8883
n 70
RK = 77,32 (anti log)

Jadi, Rata-rata Kelompok dari distribusi frekuensi Nilai Ujian Statistik Universitas CJDW 2001
sebesar 77,32
3) Rata-rata ukur sebagai pengukuran tingkat pertumbuhan (rate of growth)
Perhitungan rumus rata-rata ukur ini hanya dapat digunakan untuk pengukuran tingkat
pertumbuhan saja. Jika sederetan data itu ternyata mengalami penurunan, maka
perhitungan rumus rata-rata ukur tersebut tidak cocok digunakan (Mustafa, 1992 : 52).
26
Rumus ini biasanya digunakan untuk perhitungan bunga majemuk.
Pn = Po(1 + r) atau r =
√
n Pn
Po
−1
Keterangan:
Po = Besar data awal periode
Pn = Besar data yang ke-n
r = Rata-rata tingkat penurunan
n = Banyak data atau periode perkembangan
Contoh:
Bapak ramun seorang pedagang udang windu di Kalianyar Bangil, berpenghasilan perminggu
sebesar:
Periode awal (Po) = 525.000
Periode akhir (Pn) = 840.000
Jangka waktu periode = 5 minggu
Berpakah besarnya rata-rata pertumbuhan perminggu?
Jawab:
27
r=
√ n Pn
Po
−P
=
√ 5 840.000
525.000
−1
= √ 1,6
5
= 1,0986 – 1
= 0,0986 atau 9,86%
Jadi, besrnya rata-rata tingkat pertumbuhan perminggu dari penghasilan Bapak Ramun
adalah sebesar 9,86%.
c. Rata-rata Harmonik (Harmonic Mean)
Rata-rata harmonic ialah jumlah data dibagi dengan jumlah satu persetiap data.Rata-
rata harmoinik ini jarang digunakan untuk hitungan rata-rata, namun untuk data bersifat
khusus rata-rata harmonic ini sangat diperlukan.
1) Menghitung Rata-rata Harmonik Data Tunggal
Rumus:
n
RH = 1 + 1 … 1
X 1 X2 Xn
Keterangan:
28
X = Harga/nilai tiap-tiap data
n = banyak data
Contoh:
Nyonya Nurmasiyati melakukan perjalanan kereta api turanggu dari Bandung ke
Surabaya pulang pergi berkecepatan 90 km/jam, tetapi waktu pulang dulu ke Yogyakarta
dengan kecepatan 70 km/jam. Kemudian hari berikutnya dilanjutkan lagi perjalanan menuju
Bandung dengan kecepatan 80 km/jam.Berpakah kecepatan rata-rata perjalanan Nyonya
Nurmasiyati?
Diketahui:
Kecepatan Pertama (X1) = 90 km/jam
Kecepatan Kedua (X2) = 70 km/jam
Kecepatan Ketiga (X3) = 80 km/jam
n n n
RH = 1 + 1 … 1 = 1 1 1 = 1 1 1 = 79,2 km/jam
+ + + +
X 1 X 2 X n 90 70 80 0,0111 0,0143 0,0125
Jadi, keceptan rata-rata perjalanan = 79,2 km/jam
29
2) Menghitung Rata-rata Harmonik Berdistribusi (Dikelompokan)
Jika data berbentuk distribusi frekuensi menghitung rata-rata harmonic dengan rumus:
∑f
RHK =
( )
∑ Xf
i
Keterangan:
RHK = Rata-rata Harmonik Kelompok
f = frekuensi
Xi = titik tengah kelas
Contoh:
Distribusi frekuensi Nilai Ujian Statistik Universitas Muhammadiyah PringsewuTahun
2001 data sebagai berikut:
TABEL 10
NO Nilai Interval Frekuensi (f) Nilai Tengah (Xi) F
Xi
30
1 60-64 2 62 0,032
2 65-69 6 67 0,090
3 70-74 15 72 0,208
4 75-79 20 77 0,260
5 80-84 16 82 0,195
6 85-89 7 87 0,080
7 90-94 4 92 0,043
∑f = 70 ∑(f/Xi) = 0,91
Jawab :
∑f
RHK =
∑ Xf( ) i
70
=
0,91
= 76,92
Jadi, Rata-rata Harmonik untuk Distribusi frekuensi Nilai Ujian Statistik Universitas
Muhammadiyah Pringsewu Tahun 2001 sebesar 76,92.
TABEL 11
Frekuensi Titik Tengah f

NO Nilai Interval
(f) (Xi) Xi
1. 60 – 64 2 62 0,032
31
65 – 69
2. 6 67 0,090
70 – 74
3. 15 72 0,208
75 – 79
4. 20 77 0,260
80 – 84
5. 16 82 0,195
85 – 89
6. 7 87 0,080
90 – 94
7. 4 92 0,043
Σf = 70 Σ( f / Xi) = 0,91
Jawab:
Σf
70
RHK =
Σ ( )
f =
Xi
0,91
= 76,92
Jadi, rata-rata Harmonik untuk Distribusi frekuensi Nilai Ujian Statistik Universitas CJDW
Tahun 2001 sebesar 76,92.
1) Modus (Mode)
Modus atau disingkat dengan (Mo)ialah nilai dari beberapa data yang mempunyai
frekuensi timggi baik data tunggal maupun data yang berbentuk distribusi atau nilai yang
sering muncul dalam kelompok data.
1) Menghitung Modus Data Tunggal
Menghitung modus dengan data tunggal dilakukan sangat sederhana, yaitu dengan cara
mencari nilai yang sering muncul diantara sebaran data. Ukuran ini sering dipakai untuk rata-
rata data kualitatif. Misalnya sebagian besar penyakit AIDS di Amerika disebabkan oleh
hubungan bebas; pada umumnya masyarakat Jepang bekerja keras; sebagian besar rakyat
Indonesia bercocok tanam dan lain-lain. penggunaan modus bagi data kualitatif maupun
data kuantitatif dengan cara menentukan frekuensi terbanyak di anatara data yang ada.
Contoh :
Diketahui nilai Ujian Akhir Semester (UAS) untuk pelajaran Statistika bagi 10 mahasiswa,
data sebagai berikut : 40; 60; 60; 65; 72; 60; 70; 60; 80; dan 90.
Jawab :
32
modus nilai UAS pelajaran Statistika, yaitu pada nilai 60karena muncul 4 kali.
2) Menghitung Modus Berdistribusi (Dikelompokkan)
Mo = Tb + P ( b 1+b
b1
2)
Keterangan :
Mo = nilai modus
Tb = batas tepi bawah kelas yang mengandung modus
P = panjang kelas nilai modus
b1 = selisih antara frekuensi modus (f) dengan frekuensi sebelumnya (fsb)
b2 = selisih antara frekuensi modus (f) dengan frekuensi sesudahnya (fsd)
Contoh :Diketahui data distribusi frekuensi sebagai berikut:
TABEL 12
Nilai Ujian Statistik Universitas Muhammadiyah Pringsewu Tahun 2001
Frekuensi
No Nilai Kelas Interval
(f)
1. 60 – 64 2
2. 65 – 69 6
3. 70 – 74 15
4. 75 – 79 20
5. 80 – 84 16
6. 85 – 89 7
7. 90 – 94 4
n=Σf =70
Langkah-langkah menjawab :
33
a) Carilah jumlah frekuensi (f) modus terbanyak, yaitu 20. Nilai modus terletak di kelas
interval ke-4.
b) Carilah batas bawah kelas modus (Tb)
1
Tb = (74+75) = 74,5 atauTb = 75-0,5 = 74,5
2
c) Hitunglah panjang kelas modus (P)
P = 75 sampai 79 = 5
d) Carilah (b1), yaitu selisih antara frekuensi modus dengan frekuensi sebelumnya.
b1 = f-fsb = 20- 15 = 5
UKURAN PENEMPATAN
Ukuran Penempatan, terdiri dari :

a. Median
b. Kuartil
c. Desil
d. Persentil.
a. Median
Median (Me) ialah nilai tengah dari gugusan data yang telah diurutkan
(disusun) dari data terkecil sampai data terbesar atau sebaliknya dari data terbesar
sampai data terkecil. Median dibagi menjadi dua perhitungan, yaitu median data
tunggal dan median data kelompok.
1) Mencari Median Bentuk Data Tunggal

Mencari median data tunggal dengan cara mengurutkan data tersebut dari data
terkecil sampa data terbesar atau sebaliknya dari data terbesar sampai data terkecil,
34
1
kemudian posisi median dicari dengan rumus : Me = ( n+1 ) dimana n = jumlah data.
2
Contoh 1 : Data Ganjil

Diketahui data : 65; 70; 90; 40; 35; 45; 70; 80; dan 50
a) Urutkan data dari data yang terkecil sampai data terbesar
35; 40; 45; 50; 65; 70; 70; 80; 90
1
b) Carilah posisi median dengan rumus : Me = ( n+1 )
2
1
Me = ( 9+1 ) = 5(posisi pada data ke-5)
2
Jadi, Me = 65
Contoh 2 : Data Genap

Diketahui data : 50; 65; 70; 90; 40; 35; 45; 70; 80; dan 50
a) Urutkan data dari data yang terkecil sampai data terbesar
35; 40; 45; 50; 50; 65; 70; 70; 80; 90
1
b) Carilah posisi median dengan rumus : Me = ( n+1 )
2
1
Me = ( 10+1 )= 5,5(posisi pada data ke-5,5)
2
1
Jadi, Me = ( 50+65 ) = 57,5
2
2) Mencari Median Bentuk Data Kelompok

Mencari median data kelompok ini perlu dibuat susunan distribusi frekuensi
terlebih dahulu dengan cara mengurutkan dari data terkecil sampai data terbesar atau
sebalik nya dari data terbesar sampai data terkecil, kemudian menghitung rentangan
(R), jumlah kelas (K) dan panjang kelas interval (P). Terkahir membuat distribusi
frekuensi dilanjutkan mencari nilai mediannya dengan rumus :
35
Me = Tb + P ¿ ¿
Keterangan :
Me = nilai median
Tb = batas bawah kelas sebelum nilai median akan terletak
P = Panjang kelas nilai median
n = jumlah data
f = banyaknya kelas frekuensi kelas median
Jf = jumlah dari semua frekuensi kumulatif sebelum kelas median
Contoh 1. Data yang menyebar
Diketahui nilai ujian akhir Kuliah Statistika di Universitas CJDW Tahun 2001 yang diikuti
70 mahasiswa, diperoleh data :
70, 70, 71, 60, 63, 80, 81, 81, 74, 74, 66, 66, 67, 67, 67, 68, 76, 76,
77, 77, 77, 80, 80, 80, 80, 73, 73, 74, 74, 74, 71, 72, 72, 72, 72, 83,
84, 84, 84, 84, 75, 75, 75, 75, 75, 75, 75, 75, 78, 78, 78, 78, 78, 79,
79, 81, 82, 82, 83, 89, 85, 85, 87, 90, 93, 94, 94, 87, 87, 89.
a) Urutkan data dari terkecil sampai terbesar.
60, 63
66, 66, 67, 67, 67, 68
70, 70, 71, 71, 72, 72, 72, 72, 73, 73, 74, 74, 74, 74, 74
75, 75, 75, 75, 75, 75, 75, 75, 76, 76, 77, 77, 77, 78, 78, 78, 78, 78, 79,79
80, 80, 80, 80, 80, 81, 81, 81, 82, 82, 83, 83, 84, 84, 84, 84
85, 85, 87, 87, 87, 89, 89, 90, 93, 94, 94.
a) Hitung jarak atau rentangan (R).
R = data tertinggi – data terendah
R = 94–60
c) Hitung jumlah kelas (K) dengan Sturges :
K = 1 + 3,3 log 70
K = 1 + 3,3 (1,845)
36
K = 1 + 6,0885
K = 7,0887 ~ 7
d) Hitung panjang kelas interval (P)
R
P=
K
34
P= = 4,857 5
7
e) Tentukan batas kelas interval panjang kelas (P)
f) Buat tabel sementara dengan cara dihitung satu demi satu yang sesuai dengan
urutan interval kelas.
TABEL 13
Nilai Ujian Statistik Universitas Muhammadiyah Pringsewu Tahun 2001
Frekuensi
No. Nilai Interval
(f)
1. 60 – 64 2
2. 65 – 69 6
3. 70 – 74 15
4. 75 – 79 20
5. 80 – 84 16
6. 85 – 89 7
7. 90 – 94 4
n= Σf = 70
g) Membuat tabel distribusi frekuensi dengan cara memindahkan semua angka

frekuensi (f).
TABEL 14
Nilai Ujian Statistik Universitas Universitas Muhammadiyah Pringsewu Tahun 2001
Frekuensi
No. Nilai Interval
(f)
1. 60 – 64 2
2. 65 – 69 6
3. 70 – 74 15
37
4. 75 – 79 20
5. 80 – 84 16
6. 85 – 89 7
7. 90 – 94 4
Jumlah n= Σf = 70
h) Cari nilai unterval yang mengandung unsur median dengan rumus :

1/2n = 1/ 2 . 70 = 35. Jadi mediannya terletak di kelas interval ke-4.
i) Cari batas bawah kelas median (Tb)
1 1
Tb = ( 74+75 ) = 74,5 atau74 + = 74,5
2 2
j) Hitung panjang kelas median (P) →P = 75 sampai 79 = 5
k) Carilah banyaknya frekuensi kelas median (f) → f = 20
l) Cari jumlah dari semua frekuensi kumulatif dibawah kelas median (Jf)
Jf = 2+6+15 = 23
m) Hitung nilai median dengan rumus :
1
( n−Jf )
Me = Tb + P 2
f
1
( . 70−23)
Me = 74,5 + 5 2
20
Me = 77,5
Jadi, Nilai Median (Me) = 77,5
Contoh 2. Data sudah berbentuk distribusi

Diketahui umur mahasiswa yang mengikuti mata kuliah statistika di Universitas
Muhammadiyah Pringsewu, data sebagai berikut :
38
TABEL 15
DISTRIBSUSI FREKUENSI
Umur Mahasiswa yang mengikuti Mata Kuliah
Statistika di Universitas Universitas Muhammadiyah Pringsewu
No Frekuensi
Nilai Interval
. (f)
3
1. 22−24
5
2. 25−27
7
3. 28−30
8
4. 31−33
9
5. 34−36
6
6. 37−39
2
7. 40−42
Jumlah n= Σf = 40
a) Cari nilai interval yang mengandung unsur median dengan rumus :

1 1
n = . 40 = 20. Jadi mediannya terletak di kelas interval ke-4.
2 2
b) Cari batas bawah kelas median (Tb)
1 1
Tb = ( 30+31 ) = 30,5 atau30 + = 30,5
2 2
c) Hitung panjang kelas median (P) → P = 31 sampai 33
d) Carilah banyaknya frekuensi kelas median (f) → f = 8
e) Cari jumlah dari semua frekuensi kumulatif di bawah kelas median
(Jf) → Jf = 3+5+7 = 15
f) Hitung nilai median dengan rumus :
Me = Tb + P ¿ ¿
3) Me = 30,5 + 35 ¿ ¿
Me = 32,375
Jadi, Nilai Median (Me) = 32,375
a. Kuartil
Kuartil ialah nilai atau angka yang membagi data dalam empat bagian yang
39
sama, setelah disusun dari ia yang terkecil sampai data yang terbesar atau sebaliknya.
Ada tiga bentuk kuartil, yaitu :
1) Kuartil Pertama, ialah nilai dalam distribusi yang membatasi 25% frekuensi di
bagian atas dan 75% frekuensi di bagian bawah distribusi.
2) Kuartil Kedua, ialah nilai dalam distribusi yang membatasi 50% frekuensi di bagian
atas dan 50% dibawahnya.
3) Kuartil Ketiga, ialah nilai dalam distribusi yang membatasi 75% frekuensi dibagian
atas dan 25% frekuensi dibawah .
Mencari Kuartil Bentuk Data Tunggal

Mencari kuartil data tunggal dengan cara pertama menyusun atau mengurutkan data
tersebut dari data terkecil sampai data terbesar atau seblaiknya. Kemudia n posisi kuartil
dicari dengan rumus :
1 1 3
K1 = (n+1) ; K2 = (n+1) ; K3= (n+1)
4 2 4
Dimana n = jumlah data
Contoh 1:
Diketahui data : 65, 70, 90, 40, 35, 45, 70, 80, dan 50.
a) Urutkan data terkecil sampa data terbesar (sebaliknya).
35 90
40 80
45 70
50 atau model 70
65 65
70 50
40
70 45
80 40
90 35
b) Hitunglah dan carilah posisi kuartil pertama, kuartil kedua dan kuartil ketiga
dengan rumus :
1
K1 = (n+1)
4
1
= (9+1)
4
1
= (10)
4
= 2,5
Artinya K1 terletak pada posisi nilai ke– 2,5
Menemui gejala semacam ini nilai K1 diselesaikan dengan cara :
K1 = data ke-2 + data 0,5 (data ke-3 – data ke-2)
= 40 + 0,5 (45−40)
= 40 + 0,5 (5)
= 40 + 2,5
= 42,5
Jadi, posisi K1 menunjukkan nilai 42,5
1
K2 = (n+1)
2
1
= (9+1)
2
1
= (10)
2
=5
Artinya K2 terletak pada posisi nilai ke–5, yaitu menunjukkan nila 65
3
K3 = (n+1)
4
41
3
= (9+1)
4
3
= (10)
4
= 7,5
K3 = Data ke–7 + data 0,5 (data ke–8 – data ke–7)
= 70 + 0,5 (80–70)
= 70 + 0,5 (10)
= 70 + 5
= 75
Jadi, posisi K3 menunjukkan nilai 75
c) Gambar posisi K1, K2, dan K3.

35 90
40 80
Posisi K1 = 42,5 Posisi K3 = 75
45 70
50 atau model 70
Posisi K2 = 65 Posisi K2 = 65
70 50
70 45
Posisi K3 = 75 Posisi K1 = 42,5
80 40
90 35
1) Mencari Kuartil Bentuk Kelompok

Mencari kuartil berbentuk data kelompok dibuat susunan distribusi frekuensi terlebih
dahulu. Dalam hal ini semata-mata untuk mempermudah perhitungan. Proses mencari
kuartil hampir sama dengan proses mencari median, kalau median mencari nilai tengah
dan gugus (kelompok) data, sedangkan kuartil mencari nilai yang membagi data
kelompok dalam empat bagian yang sama.
Caranya urutkan terlebih dahulu mulai dari data terkecil sampai data terbesar atau
sebaliknya, kemudian menghitung rentang (R). Jumlah kelas (K) dan panjang kelas
42
interval (P). Akhirnya buatlah distribusi frekuensi dilanjutkan mencari nilai kuartil dengan
rumus :
1
( n−Jf )
K1 = Bb + P 4
f
(1 ⁄ 2 n−Jf )
K2 = Bb + P
f
(3 ⁄ 4 n−Jf )
K3 = Bb + P
f
Contoh :
TABEL 16
No Frekuensi
Nilai Kelas Interval
. (f)
1. 60 – 64 2
2. 65 – 69 6
3. 70 – 74 15
4. 75 – 79 20
5. 80 – 84 16
6. 85 – 89 7
7. 90 – 94 4
n= Σf=70
a) Carilah kelas interval yang mengandung K1, K2, dan K3 terlebih dahulu untuk
mencari posisi kuartil dengan rumus :
1
(1) K1 = 1/4 .n = . 70 = 17. Dengan demikian K1 terletak di dalam kelas interval
4
ke-3, yaitu : 70 – 74.

1 1
(2) K2 = . n= . 70 = 35. Dengan demikian K2 terletak di dalam kelas interval ke-4,
2 2
yaitu: 75 - 79.
3 3
(3) K3 = . n = . 70 = 52,5. Dengan demikian K3 terletak di dalam kelas interval
4 4
43
ke-5, yaitu: 80 - 84.
b) Carilah batas bawah kelas kuartil (Bb)

1
Bb k1 = (69 + 70) = 69,5
4
1
Bb k2 = (74 + 75) = 74,5
2
3
Bb k3 = (79 + 80) = 79,5
4
a) Hitunglah panjang kelas kuartil (P)

P k1 yaitu 70 sampai 74 = 5
Pk2 yaitu 75 sampai 79 = 5
d) Carilah banyaknya frekuensi kelas kuartil (f)
fk1 = 15
fk2 = 20
fk3 = 16
e) Carilah jumlah dari semua frekuensi kumulatif di bawah kelas kuartil (Jf)
Jfk1 = 2 + 6 = 8
Jfk2 = 2 + 6 + 15 = 23
Jfk3 = 2 + 6 + 15 + 20 = 43
f) Hitunglah kuartil dengan rumus :

(1 ⁄ 4 n−Jf ) (1/4 .70−8)
K1 = Bb + P = 69,5 + 5 = 72,667
f 15
(1 ⁄ 2 n−Jf ) (1 ⁄ 2. 70−23)
K2 = Bb + P = 74,5 + 5 = 77,5
f 20
(3 ⁄ 4 n−Jf ) (3 ⁄ 4. 70−43)
K3 = Bb + P = 79,5 + 5 = 82,469
f 16
44
g) Berilah makna atau arti dari K1, K2, dan K3 :
(1) Arti dari K1 bahwa terdapat 25% mahasiswa mendapatkan nilai ujian statistik
= 72,67.
(2) ) Arti dari K2 bahwa terdapat 50% mahasiswa mendapatkan nilai ujian statistik
= 77,5.
(3) ) Arti dari K3 bahwa terdapat 75% mahasiswa mendapatkan nilai ujian statistik
= 82,47.
a. Desil
Desil atau disingkat (Ds) ialah nilai atau angka yang membagi data menjadi 10
bagian yang sama, setelah disusun dari data terkecil sampai data terbesar atau
sebaliknya. Cara mencari desil hampir sama dengan mencari nilai kuartil, bedanya
hanya pada pembagian saja. Kalau kuartil data dibagi empat bagian yang sama,
sedangkan desil data dibagi 10 bagian yang sama. Harga-harga desil ada sembilan
bagian, yaitu Ds1 sampai Ds9.
1) Mencari Desil Bentuk Tunggal
Mencari desil data tunggal dengan cara mengurutkan data tersebut dari data
terkecil sampai data terbesar atau sebaliknya. Kemudian posisi desil dicari dengan
rumus :
Posisi Ds1 = 1/10 (n + 1) Posisi Ds6 = 6/10 (n + 1)

Posisi Ds5 = 5/10 (n + 1) Dimana : n = jumlah data
Contoh :
Diketahui data : 65, 70, 90, 40, 35, 45, 70, 80, 75, dan 50.
Pertanyaan : Carilah letak (Ds2 dan Ds7)
45
a) Urutkan data terkecil sampai data terbesar
No. Urut data 1 2 3 4 5 6 7 8 9 10
Data 35 40 45 50 65 70 70 75 80 90
b) Hitung dan carilah posisi Desil (Ds2 dan Ds7) dengan rumus :
Posisi Ds2 = 2/10 (n + 1) = 2/10 (10 + 1) = 2,2 artinya Desil 2,2 terletak pada posisi
data ke-2,2. Apabila menemukan gejala semacam ini Ds2 dicari dengan cara:
Ds2 = data ke-2 + data 0,2 (data ke-3 – data ke-2)
= 40 + 0,2 (45 – 40) = 41
Jadi, posisi Ds2 berada pada nilai 41.
Posisi Ds7 = 7/10 (n + 1) = 7/10 (10 + 1) = 7,7 artinya Desil 7,7 terletak pada posisi
data ke-7,7. Apabila menemukan gejala semacam ini Ds2 dicari dengan cara:
Ds7 = data ke-7 + data 0,7 (data ke-8 – data ke-7)
= 70 + 0,7 (75 – 70) = 73,5
Jadi, posisi Ds7 berada pada nilai 73,5
1) Mencari Desil Bentuk Kelompok

Mencari desil berbentuk data kelompok dibuat susunan distribusi frekuensi
terlebih dahulu, supaya mempermudah perhitungan. Proses mencari desil hampir
sama dengan proses mencari kuartil, kalau kuartil mencari nilai yang membagi
data kelompok dalam 1 baagian yang sama.
Caranya urutkan terlebih dahulu mulai dari data terkecil sampai data terbesar atau
sebaliknya, kemudian menghitung rentangan jumlah kelas (K) dan panjang kelas
interval (P). Akhirnya buatlah distribusi frekuensi dilanjutkan mencari nilai desil
dengan rumus :
n
(x − jf )
Ds data ke-x = Bb + P 10
f
46
Keterangan :
Ds = nilai desil
Bb = batas bawah kelas sebelum nilai desil akan terletak
P = panjang kelas nilai desil
n = jumlah data
f = banyaknya frekuensi kelas desil
Jf = jumlah dari semua frekuensi kumulatif sebelum kelas desil
a. Persentil
Persentil atau disingkat (Ps) ialah nilai yang membagi data menjadi 100 bagian
yang sama, setelah disusun dari data terkecil sampai terbesar atau sebaliknya. Cara
mencari persentil hampir sama dengan mencari nilai Desil. Bedanya kalau Desil data
dibagi 10 bagian yang sama, sedangkan Persentil data dibagi 100 bagian yang sama.
Harga-harga Persentil ada 99 bagian, yaitu Ps1 sampai Ps99.
1) Mencari Persentil Bentuk Tunggal
Mencari persentil data tunggal dengan cara mengurutkan data tersebut dari data
terkecil sampai data terbesar atau sebaliknya.
Kemudian posisi persentil dicari dengan rumus :
Posisi PS x = data ke-x/100 (n + 1)
Dimana : n = jumlah data

x = 1 – 99
Contoh :
Diketahui data : 65, 70, 90, 40, 35, 45, 70, 80, 75, dan 50.
Pertanyaan: carilah letak pada posisi (Ps20 dan Ps80)
a) urutkan data terkecil sampai data terbesar
No. Urut data 1 2 3 4 5 6 7 8 9 10
Data 35 40 45 50 65 70 70 75 80 90
a) hitunglah dan carilah posisi Persentil (PS2 dan DS7) dengan rumus :
47
Posisi PS20 = 20/100 (n + 1) = 20/100 (10 + 1) = 2,2 artinya Persentil 2,2 terletak
pada posisi data ke-2,2. Apabila menemukan gejala semacam ini PS20 diselesaikan
dengan cara :
PS20= data ke-2 + data 0,2 (data ke-3 - data ke-2)
= 40 + 0,2 (45 - 40 ) = 41
Jadi, Posisi PS20 berada pada nilai 41
Posisi PS80 = 80/100 (n + 1) = 80/100 (10 + 1) = 8,8 artinya Persentil 8,8 terletak pada
posisi data ke-8,8. Apabila menemukan gejala semacam ini PS7 dicari dengan cara:
PS80 = data ke-8 + data 0,8 (data ke-8 - data ke-7)
= 75 + 0,8 (80 - 75) = 79
Jadi, posisi PS80 berada pada nilai 79.
1) Mencari Persentil Bentuk Kelompok

Mencari persentil berbentuk data kelompok dibuat susunan distribusi frekuensi
terlebih dahulu, agar mempermudah perhitungan proses mencari Persentil hampir
sama dengan proses mencari Desil. kalau Desil mencari nilai yang membagi data
kelompok dalam 10 bagian yang sama, sedangkan Persentil mencari nilai yang
membagi data kelompok dalam 100 bagian yang sama. Cara mencari Persentil
urutkan terlebih dahulu mulai dari data terkecil sampai data terbesar atau
sebaliknya. Kemudian menghitung rentangan (R), jumlah kelas (K), dan panjang kelas
Interval (P). Akhirnya buatlah distribusi frekuensi dilanjutkan mencari nilai Persentil
dengan rumus:
n
(x − jf )
Ps data ke-x = Bb + P 100
f
Keterangan :
Ps = nilai Persentil
48
Bb = batas bawah kelas sebelum Nilai Persentil akan terletak
P = panjang kelas Nilai Persentil
n = jumlah data
f = banyaknya frekuensi kelas Persentil
Jf = jumlah dari semua frekuensi kumulatif sebelum kelas Persentil
Contoh :
TABEL 17
No Frekuensi
. (f)
1. 60 − 64 2
2. 65 – 69 6
3. 70 – 74 15
4. 75 – 79 20
5. 80 – 84 16
6. 85 – 89 7
7. 90 − 94 4
n= Σf=70
Pertanyaan: Carilah PS80 ?

a) Carilah kelas interval yang mengandung PS80 terlebih dahulu untuk mencari posisi
PS80 dengan rumus :
Posisi PS80= 80/100 x n = 80/100 x 70 = 56, dengan demikian ditemukan bahwa
Posisi PS80 terletak di dalam kelas interval interval ke-5 yaitu antara 80 - 40.
b) Carilah batas bawah kelas Persentil : Bb = 1/2 (79 + 80) = 79,5
c) Hitunglah panjang kelas Persentil: P = 80 sampai 84 =5
d) Carilah banyaknya frekuensi kelas Persentil : f =16
e) Carilah jumlah dari semua frekuensi kumulatif di bawah kelas Persentil:
Jf =2 +6 +15 +20 = 43
a) Hitunglah Persentil (PS80) dengan rumus :
49
n 70
(x − jf ) (8 −43)
PS80 = Bb + P 100 = 79,5 + 5 100 = 83,56
f 16
KELOMPOK 3
PENGUKURAN PENYIMPANGAN, SUMBER, METODE DAN INSTRUMEN
PENGUMPULAN DATA
PENGUKURAN PENYIMPANGAN
Pengukuran penyimpangan yaitu suatu ukuran yang menunjukkan tinggi rendahnya
perbedaan data yang diperoleh dari rata-ratanya. Pengukuran penyimpangan akan
membahas rentangan (range), rentangan antar kuartil, rentangan semi antar kuartil,
simpangan rata-rata, simpangan baku, varians, koefisien varians, dan angka baku.
a. Rentangan (Range)
Rentangan ialah data tertinggi dikurangi data terendah ditulis:
Rumus : R = data tertinggi – data terendah
Contoh : data nilai UAS statistika

Kelas A : 90, 80, 70, 90, 70, 100, 80, 50, 75, 70
Kelas B : 80, 80, 75, 95, 75, 70, 95, 60, 85, 60
Urutkan dahulu kemudian dihitung rentangannya :
Kelas A : 50, 70, 70, 70, 75, 80, 80, 90, 90, 100
Kelas B : 60, 60, 70, 75, 75, 80, 80, 85, 95, 95
Rentangan kelas A : 100 - 50 = 50
50
Rentangan kelas B : 95 - 60 = 35
b. Rentangan Antar Kuartil (RAK)

Rentangan Antar Kuartil yaitu selisih antara kuartil ketiga dengan kuartil pertama
ditulis dengan rumus :RAK = K3 – K1
Contoh :
TABEL 1
Nilai Ujian Statistik Universitas Muhammadiyah Pringsewu 2021
No Frekuensi
. (f)
1. 60 – 64 2
2. 65 – 69 6
3. 70 – 74 15
4. 75 – 79 20
5. 80 – 84 16
6. 85 – 89 7
7. 90 – 94 4
n= Σf=70
a) Carilah kelas interval yang mengandung K1, K2, dan K3 terlebih dahulu untuk
mencari posisi kuartil dengan rumus :
1
(1) K1 = 1/4 .n = . 70 = 17. Dengan demikian K1 terletak di dalam kelas interval
4
ke-3, yaitu : 70 – 74.

3 3
(2) K3 = . n = . 70 = 52,5. Dengan demikian K3 terletak di dalam kelas interval
4 4
ke-5, yaitu: 80 - 84.

b) Carilah batas bawah kelas kuartil (Bb)
1
Bb k1 = (69 + 70) = 69,5
4
51
3
Bb k3 = (79 + 80) = 79,5
4
c) Hitunglah panjang kelas kuartil (P)
P k1 yaitu 70 sampai 74 = 5
d) Carilah banyaknya frekuensi kelas kuartil (f)
fk1 = 15
fk3 = 16
e) Carilah jumlah dari semua frekuensi kumulatif di bawah kelas kuartil (Jf)
Jfk1 = 2 + 6 = 8
Jfk3 = 2 + 6 + 15 + 20 = 43
f) Hitunglah kuartil dengan rumus :
(1 ⁄ 4 n−Jf )
K1 = Bb + P
f
(1/4 .70−8)
69,5 + 5 = 72,667
15
(3 ⁄ 4 n−Jf )
K3 = Bb + P
f
(3 ⁄ 4. 70−43)
79,5 + 5 = 82,469
16
g) Berilah makna atau arti dari K1 dan K3 :

= 72,67.
= 82,47.
h) RAK = K3 - K1
= 82,47 - 72,67
= 9,8
c. Rentangan Semi Antar Kuartil ( Simpangan Kuartil)
52
Simpangan Kuartil (SK) ialah setengah dari RAK ditulis dengan rumus :
SK= ½ RAK
= ½ (K3-K1)
Contoh :
Diketahui data pada (tabel 1)
K1 = 72,67 ; K3 = 82,47
RAK = 9,8
SK = 1/2 RAK =1/2 . 9,8 = 4,9
Selanjutnya harga median (K2) =1/2 . (72,67 + 82,47) sama dengan 77,57 +4,9. Artinya
50% dari Ujian Statistik memperoleh nilai terletak dalam interval antara 72,67 sampai
82,47 atau 77,57 + 4,9
d. Simpangan Rata-rata (SR)

Simpangan Rata-rata ialah nilai rata-rata dari harga mutlak semua simpangan
terhadap rata-rata (mean) kelompoknya. Maksud harga mutlak disini semua nilai
simpangan negatif dianggap positif.
Nilai simpangan diberi simbol (x), sedangkan harga mutlak bersimbol |x| sehingga ditulis
rumus : x = x – x
Catatan :
x =simpangan data dari rata-ratanya.
x = data yang diketahui.
x = mean kelompok data.
Simpangan rata-rata ialah nilai rata-rata dari harga mutlak semua simpngan terhadap
rata-rata (mean ) kelompok.
b) Data Tunggal
x−X x
SR = atau
n n
c) Data Kelompok
53
x
SR = =
n
 x sama dengan x−x
Contoh Data Tunggal:

Data nilai UAS statistik yang diambil sempel sebanyak 9 mahaiswa sebagai berikut :
3, 4, 5, 8, 9, 8, 6, 5, 4
Tentukan simpangan rata-rata
x
SR =
n
x−x
=
n
x
x =
n
= 3 + 4 + 5 + 8 + 9 + 8 + 6 + 5 + 4 = 52 = 5,78
9 9
x−x
SR =
n
=  3 – 5,78 + 4 – 5,78 + 5 – 5,78 + 8 – 5,78 + 9 – 5,78+  8 – 5,78  +  6 –
5,78  + 53 – 5,78  +  4 – 5,78 
9
= 2,78+1,78+0,78+2,22+3,22+2,2 2+0,22+ 0,78+1,78
9
=15,78 = 1,75
9
Contoh Data Kelompok:
TABEL 2
54
NILAI DATA KELOMPOK
UNIVERSITAS MUHAMMADIYAH 2021
Nilai F xi Fixi  xi- x  fx
65-67 3 66 198 7,125 21,375
68-70 6 69 414 4,125 24,75
71-73 12 72 864 1,125 13,5
74-76 13 75 975 1,875 24,375
77-79 4 78 312 4,875 19,5
80-82 2 81 162 7,875 15,75
 fixi = fx=
Jumlah 40
2.925 119,25
x =  fixi
fi
= 2.925 = 73,125
40
SR =  f x
f
= f  xi - x 
f
= 119,25 = 2,98
40
e. Simpangan Baku / standar defiasi

Standar deviasi adalah nilai yang menunjukan tingkat atau drajat variasi kelompok data
55
atau ukuran standar penyimpangan dari mean nya, simbol standar deviasi untuk populasi :
- Populasi : σ natau σ
- Sampel : σ n−1atau s
- Rata/rata → sampel → x
- Rata-rata populasi → μ
 Rumus standar deviasi data tunggal
√
2
( x)
= ∑x − n
2
(i) S
n−1
(ii) S2 = xi  x 2
n1
(iii) S2 = n xi2 (xi)2 yang sering digunakan
n (n1)
b) Rumus Data Kelompok
√
2
(fx)
(i) S = ∑ fx
2
−
f −1
xf −1
(ii) S2 =  f (xi- x ¿
N ( n-1)
(iiI) S2 = n  fixi2 – (  fixi )2  yang sering digunakan
N (n-1)
Contoh Data Tunggal :
Xi xi2
3 9
56
4 16
5 25
8 64
9 81
8 64
6 36
5 25
4 16
2
xi=52 xi = 336
S2 = n xi2 – ( xi )2
n ( n-1 )
= (9) (366) - (52)2
9 (9-1)
S2 = 3024 – 2704
72
S2 = 320
72
S2 = 4,44
S = √ 4,44 = 2,10
Contoh Data Kelompok :

TABEL 4
DATA KELOMPOK
Nilai F Xi Fixi Xi2 Fixi2
65-67 3 66 198 4356 13068
68-70 6 69 414 4761 28566
71-73 12 72 864 5184 62208 S2 = n
fixi2  74-76 13 75 975 5625 73125 (fixi)2
77-79 4 78 312 6084 24336
n
80-82 2 81 162 6561 13122
( n-1 ) f fixi= fixi2 =
Jumlah
=40 2925
57 214,425
S2 = (40) (214,425)  (2925)2
40 (401)
S2 = 8.577.000  8.555.625
1560
S2 = 21375
1560
S2 = 13,70
S =√ 13,70 = 3,7
f. Variasi ( Varians ) / Ragam

Varisi adalah kuadrat dari standar deviasi tetapi tidak di akarkan. Symbol variasi σ 2 atau
σ2n
 Rumus standar deviasi data tunggal
√
2
( x)
(i) S = ∑ x 2− n
n−1
(ii) S2 = xi  x 2
n1
(iii) S2 = n xi2 (xi)2 yang sering digunakan

n (n1)
 Rumus Data Kelompok
√
2
(fx)
(i) S = ∑ fx
2
−
f −1
xf −1
ii) S2 =  f (xi- x ¿
N ( n-1)
(iiI) S2 = n  fixi2 – (  fixi )2  yang sering digunakan

N (n-1)
58
Contoh soal variasi:
xi xi2
3 9
4 16
5 25
8 64
9 81
8 64
6 36
5 25
4 16
xi2 =
xi=52
336
√
2
(x)
(i) S ∑ x 2− n
¿
n−1
S=
(iii). S2 = n xi2 – ( xi )2

n ( n-1 )
S2= (9) (366) - (52)2
9 (9-1)
2
S = 3024 – 2704
72
Nilai F Xi Fixi Xi2 Fixi2 S2 = 320
72 6 435
S2 = 65-67 3 198 13068 4,44
6 6
6 476
68-70 6 414 28566
9 1
7 518
71-73 12 864 62208
2 4
7 562
74-76 13 975 73125
5 5
7 608
77-79 4 312 24336
8 4
8 59 656
80-82 2 162 13122
1 1
f fixi fixi2 =
Jumla
=4 = 214,42
h
0 2925 5
(i). S2 = n fixi2  (fixi)2
n ( n-1 )
S = (40) (214,425)  (2925)2
2
40 (401)
2
S = 8.577.000  8.555.625
1560
2
S = 21375
1560
S2 = 13,70
b) Koefesiensi Varians (KV)
Koefesiensi varians ialah perbandingan antara standar deviasi dengan harga mean yang
dinatakan dengan (%). Gunanya untuk mengamati variasi data atau sebaran data dan
meannya. Artinya semakin kecil koefesiensinya maka data semakin seragam (homogen).
Sebaliknya semakin besar koefesien variasinya maka data semakin heterogen.
Rumus koefiensi variasinya :
S
KV =  100 %
x
Keterangan :
KV : koefisien variasi ( % )
S : standar variasi
x : rata-rata
Contoh soal data tunggal:

Diketahui data 3,4,5,8,9,6,5,4. Tentukan nilai keofisiensi varians dari data tersebut?
Jawab
1). Menentukan rata-rata
xi
x =
n
60
3+4 +5+8+ 9+8+6+5+ 4
=
9
= 2,78
2). Menentukan simpangan baku
TABEL 5
SIMPANGAN BAKU
Xi Xi2
3 9
4 16
5 25
S2 = n fixi2  (fixi)2
8 64
9 81 n ( n-1 )
8 64
6 36 = (9) (336)  (52)2
5 25
9 (91)
4 16
xi = 52 xi2 = 336
= 30242704
72
= 320 72
= 4,44
61
=
√ 4,44
= 2,10
3). Menentukan koefisiensi varian 3

S
KV =  100 %
x
KV =2,10 x 100 %
2,78
= 0,75 x 100%
= 7,5%
c) Angka Baku ( Standar Score)

Angka baku (Zscore) ialah bilangan yang menunjukan tingkatandata
penyampaiandarimean dalam satuan standar deviasi atau seberapa jauh suatu nilai tersebut
yang menyimpang dari rata-rata dengan satuan s. Sehingga dapat ditulis rumus :
X− X
Zscore =
S
Keterangan :
Zscore = Angka baku
X = Nilai variabl
S = Simpangan baku
x = Rata-rata mean
Contoh soal
Suatu kumpulan data memiliki rata-rata 76. Data tersebut memiliki simpangan baku sebesar
3. Tentukan Z-score untuk data yang bernilai 82!
Jawab
X− X
Zscore =
S
82−76
=
3
62
6
=
3
=2
SUMBER, METODE DAN INSTRUMEN PENGUMPULAN DATA
a. Sumber Data
Pengambilan data yang dihimpun langsung oleh peneliti disebut sumber primer
sedangkan apabila melalui tangan kedua disebut sumber sekunder.
b. Metode dan Istrumen Pengumpulan Data

Metode pengumpulan data ialah teknik atau cara cara yang dapat digunakan oleh
peneliti untuk mengumpulkan dat. Metode (cara atau teknik) menunjuk suatu kata yang
abstrak dan tidak diwujudkan dalam benda titik Tetapi hanya dapat dilihat penggunaannya
melalui angket, wawancara, pengamatan, ujian (test), dokumentasi, dan lainnya. Peneliti
dapat menggunakan salah satu atau gabungan tergantung dari masalah yang dihadapi.
Instrumen pengumpulan data adalah alat bantu yang dipilih dan digunakan oleh peneliti
dalam kegiatannya mengumpulkan agar kegiatan tersebut menjadi sistematis dan
dipermudah olehnya (suharsimi arikunto, 1995 : 134). Selanjutnya instrumen yang diartikan
sebagai alat bantu merupakan saran yang dapat diwujudkan dalam bend. contohnya angket
(questionnaire), daftar cocok (checlist), skala (scala), pedoman wawancara (interview guide
atau interview schedule), lembar pengamatan atau panduan pengamatan (observation
sheet atau obsevation schedule), soal ujian (soal test atau tes [test] inventori [inventory])
dan sebagainya. Kaitan antara metode dan instrumen pengumpulan data dapat dilihat pada
tabel 3.
TABEL 6
63
METODE DAN INSTRUMEN PENGUMPULAN DATA
No Jenis metode Jenis instrumen
1 Angket (questionnaire) a. Angket (questionnaire)
b. Daftar cocok (checklist)
c. Skala (scala)
Data yang
d. Inventori (inventory)
2 Wawancara (interview) a. Pedoman wawancara 9interview dikumpulkan
guide)
dalam
b. Daftar cocok (cheklist)
3 Pengamatan/observasi a. Lembar pengamatan penelitian
(observation) b. Panduan pengamatan digunakan
c. Panduan observasi (observation
untuk menguji
sheet atau observation schedule)
d. Daftar cocok (cheklist) hipotesis atau
4 Ujian atau test a. Soal ujian (soal tes atau tes [test] menjawab
b. Inventori (inventory)
5 Dokumentasi  Daftar cocok (cheklist) pertanyaan
 Tabel yang telah
dirumuskan titik karena data yang diperoleh akan dijadikan landasan dalam mengambil
kesimpulan, data yang dikumpulkan haruslah data yang benar.
Agar data yang dikumpulkan baik dan benar, instrumen pengumpulan data nya pun
harus baik. Ada beberapa instrumen pengumpulan data yang akan dibahas berikut ini sesuai
dengan teknik pengumpulan data.
1) Angket (questionnaire)
Angket (quetionnaire) adalah daftar pertanyaan yang diberikan kepada orang lain
bersedia memberikan respons (responden) sesuai dengan permintaan pengguna titik tujuan
penyebaran angket ialah mencari informasi yang lengkap mengenai suatu masalah dan
responden tanpa merasa khawatir bila responden memberikan jawaban yang tidak sesuai
dengan kenyataan dalam pengisian daftar pertanyaan. Di samping itu, responden
mengetahui informasi tertentu yang diminta titik angket dibedakan menjadi dua jenis yaitu
angket terbuka dan angket tertutup.
64
a) angket terbuka (angket tidak berstruktur) Iyalah angkat yang disajikan dalam bentuk
sederhana sehingga responden dapat memberikan isian sesuai dengan kehendak dan
keadaannya.
Contoh angket terbuka:
TABEL 7
JENJANG KELULUSAN SISWA
No Tingkat pendidikan Tempat Tahun kelulusan

1 SMA SMAN 2 Pringsewu 2020
2 SMA SMAN 2 Pringsewu 2020
3 SMA SMAN 1 Negerikaton 2020
4 SMK SMK 1 Gadingrejo 2020
5 SMA SMA Yadika Pagelaran 2020
Contoh
Bagaimanakah Pendapat anda tentang peraturan sekolah yang berlaku di sekolah
anda (peraturan secara umum)?
Jawab :Sangat perlu, karena tanpa peraturan sekolah, sekolah itu tidak akan berhasil
dalam memdidik anak didiknya
Mengapa harus dibuat peraturan sekolah untuk menegakan kedisiplinan sisawa?
Jawab : Agar semua warga sekolah mengetahui apa tugas, hak, dan kewajiban serta
melaksanakan dengan baik sehingga kegiatan belajar mengajar berjalan dengan
lancar.
Keuntungan angket terbuka:

 Bagi responden: mereka dapat mengisi sesuai dengan keinginan yang sesuai
dengan keadaan yang dialaminya.
65
 Bagi peneliti titik 2 akan mendapat data yang bervariasi, bukan hanya yang sudah
disajikan karena sudah diasumsikan oleh peneliti.
b) angket tetutup (angket berstruktur) adalah angket yang disajikan dalam bentuk
sedemikian rupa sehingga responden diminta untuk memilih satu jawaban yang
sesuaidengan karakteristik dirinya dengan cara memberikan tanda silang (x) atau
tanda checklist (√).
c) Contoh angket tertutp
1. Apakah anda datang ke sekolah tepat waktu ?

 a.ya
b. tidak
2. Apakah anda memakai atribut lengkap ketika mengikuti upacara bendera?

 a.ya
b.tidak
3. Apakah anda pernah meninggalkan jam sekolah sebelum pelajaran usai ?
 a.ya
b.tidak
• Checklist
checklist atau daftar cek adalah suatu daftar yang berisi subject dan aspek-aspek yang
akan diamati. checklist dapat menjamin bahwa peneliti mencatat tiap-tiap kejadian
sekecil apapun yang dianggap penting.
Bermacam-macam aspek perbuatan yang biasanya dicantumkan dalam daftar cek
sehingga pengamat tinggal memberikan cek (√) pada tiap-tiap aspek tersebut sesuai
dengan hasil pengamatannya.
Contoh.
66
67
TABEL 8
KEBERSIHAN RUANGAN KELAS
UNIVERSITAS MUHAMMADIYAH PRINGSEWU 2021
Kriteria
No. Bagian Yang Diperiksa Bersih Kurang Kotor
A Ruang 
1. Lantai 
2. Dinding 
3. Ventilasi/Jendela 
4. Tempat Sampah 
5. Westafel/TempatCuci Tangan 
2) Wawancara
Wawancara adalah suatu cara pengumpulan data yang digunakan untuk memperoleh
informasi langsung dari sumbernya. Wawancara ini digunakan bila ingin mengetahui hal-
hal dan responden secara lebih mendalam serta jumlah responden sedikit. Ada beberapa
faktor yang akan mempengaruhi arus informasi dalam wawancara, yaitu pewawancara,
responden, pedoman wawancara, dan situasi wawancara (subana, 2000:29).
Pewawancara adalah petugas pengumpul informasi yang diharapkan dapat

menyampaikan pertanyaan dengan jelas dan merangsang responden untuk menjawab
semua pertanyaan dan mencatat semua informasi yang dibutuhkan dengan benar.
68
Responden adalah pemberi informasi yang diharapkan dapat menjawab semua
pertanyaan dengan jelas dan lengkap titik dalam pelaksanaan wawancara, diperlukan
kesediaan dari responden untuk menjawab pertanyaan dan keselarasan antara
responden dan pewawancara.
Pedoman wawancara berisi tentang uraian penelitian yang biasanya dituangkan dalam
bentuk daftar pertanyaan agar proses wawancara dapat berjalan dengan baik.
Situasi wawancara ini berhubungan dengan waktu dan tempat wawancara. Waktu dan
tempat wawancara yang tidak tepat dapat menjadikan pewawancara merasa canggung
untuk mewawancarai dan responden merasa enggan untuk menjawab pertanyaan titik
berdasarkan sifat pertanyaan wawancara dapat dibedakan menjadi:
a) wawancara terpimpin
Dalam wawancara ini, pertanyaan diajukan menurut daftar pertanyaan yang telah
disusun.
b) wawancara bebas
Pada wawancara ini, terjadi tanya jawab bebas antara pewawancara dan responden,
tetapi pewawancara menggunakan tujuan penelitian sebagai pedoman. Kebaikan
wawancara ini adalah responden tidak menyadari sepenuhnya bahwa ia sedang
diwawancarai.
c) wawancara bebas terpimpin

Wawancara ini merupakan perpaduan antara wawancara bebas dan wawancara
terpimpin. Dalam pelaksanaannya, pewawancara membawa pedoman yang hanya
merupakan garis besar tentang hal-hal yang akan ditanyakan.
3) Pengamatan (Observation)
Observasi yaitu melakukan pengamatan secara langsung ke objek penelitian untuk
melihat dan dekat kegiatan yang dilakukan titik apabila objek penelitian bersifat perilaku
69
dan tindakan manusia, fenomena alam ( kejadian-kejadian yang ada di dalam di alam
sekitar), proses kerja, dan penggunaan responden kecil.
Tambahan : catatan anekdot ( daftar catatan anekdot) adalah catatan peneliti mengenai
segala sesuatu yang terjadi pada saat pengamatan berlangsung. Peristiwa atau sesuatu
yang dianggap penting dicatat dengan singkat tanpa harus menuruti aturan tertentu.
4) Tes (Test)
Tes sebagai instrumen pengumpulan data adalah serangkaian pertanyaan atau latihan
yang digunakan untuk mengukur keterampilan pengetahuan intelegensi kemampuan
atau bakat yang dimiliki oleh individu atau kelompok.
Ada beberapa macam tes instrumen pengumpulan data, antara lain:
a) tes kepribadian
Tes kepribadian adalah tes yang digunakan untuk mengungkapkan kepribadian
seseorang
b) tes Bakat
tes bakat (Talent test) adalah tes yang digunakan untuk mengukur atau
mengetahui bakat seseorang.
c) tes prestasi
Test prestasi (achievement test) adalah tes yang digunakan untuk mengukur
pencapaian seseorang Setelah mempelajari sesuatu.
d) tes intelegensi
Tes Intelegensi adalah tes yang digunakan untuk membuat arsiran atau Perkiraan
terhadap tingkat intelektual seseorang dengan cara memberikan berbagai tugas
kepada orang yang diukur intelegensinya.
e) tes sikap
tes sikap (attitude test) adalah tes yang digunakan untuk mengadakan
pengukuran terhadap berbagai sikap seseorang.
4) Dokumentasi
70
Dokumentasi adalah ditujukan untuk memperoleh data langsung dari Tempat
penelitian meliputi buku-buku yang relevan, peraturan-peraturan, laporan
kegiatan, foto-foto film dokumenter, data yang relevan penelitian.
KELOMPOK 4
HIPOTESIS PENELITIAN, STATISTIK PARAMETRIK DAN UJI HOMOGENITAS
A. HIPOTESIS PENELITIAN
Hipotesis pada umumnya diartikan sebagai jawaban (dugaan) sementara dari masalah
suatu penelitian. Hipotesis hanya disusun pada jenis penelitian inferensial, yakni jenis penelitian
dengan pendekatan kuantitatif yang bertujuan untuk menguji. Pengujian suatu hipotesis selalu
melalui teknik analisis statistik inferensial. Sedangkan penelitian deskriptif tidak memerlukan
secara eksplisit rumusan hipotesis.
(Fraenkel Wallen, 1990: 40) dalam Yatim Riyanto, (1996: 13) Hipotesis adalah suatu
prediksi tentang kemungkinan hasil dari suatu penelitian. Lebih lanjut hipotesis ini merupakan
jawaban yang bersifat sementara terhadap suatu permasalahan yang diajukan di dalam
penelitian. Hipotesis ini belum tentu benar. Benar atau tidaknya sebuah hipotesis itu tergantung
dari hasil pengujian data empiris.
Menurut Suharsimi Arikunto (1995:71) hipotesis ini didefinisikan adalah sebagai

alternative dugaan jawaban yang dibuat oleh penelitian bagi problematika yang diajukan di
dalam penelitian. Dugaan jawaban itu adalah suatu kebenaran yang sifatnya sementara, yang
tentu akan diuji kebenarannya itu dengan data yang dikumpulkan dengan melalui penelitian.
Dengan kedudukan tersebut maka hipotesis tersebut dapat berubah menjadi kebenaran, namun
juga tentu dapat tumbang dari kebenaran.
(John W.Best, di dalam Sanapiah Faisal, 1982 serta Yatim Riyanto, 1996). Penelitian yang
dilakukan itu sebenarnya tidak semata-mata ditujukan untuk menguji hipotesis yang diajukan,
namun juga bertujuan menemukan fakta yang ada serta yang terjadi dilapangan. Pernyataan
diterima atau juga ditolaknya hipotesis itu tidak dapat atau bisa diidentikkan dengan pernyataan
keberhasilan atas kegagalan penelitian. Perumusan hipotesis tersebut ditujukan untuk landasan
logis serta pemberi arah kepada suatu proses pengumpulan data dan juga proses penyelidikan itu
sendiri.
Seperti dijelaskan sebelumnya bahwa hipotesis dapat disusun oleh peneliti berdasarkan
landasan teori yang kuat dan didukung hasil-hasil penelitian yang relevan. Peneliti harus
71
memahami tentang isi dan bagaimana langkah-langkah dalam merumuskan suatu hipotesis
penelitian.
B. MACAM-MACAM HIPOTESIS PENELITIAN

1. Hipotesis dekriptif
Hipotesis dekriptif adalah hipotesis yang tidak membandingkan dan
menghubungkan dengan variabel lain atau hipotesis yang dirumuskan untuk
menentukan titik peluang. Sebagai contoh, peneliti ingin meneliti masalah
kandungan zat berbahaya dalam makanan. Rumusan masalahnya: apakah bakso
yang dijual di Pasar Sumbersari mengandung boraks?
Penelitian ini hanya punya satu variabel yakni bakso di pasar Sumbersari.
Penelitian ini bersifat deskriptif karena hanya menjelaskan apakah ada
kandungan boraks di dalam bakso atau tidak. Jadi dugaan sementara ada 2 yakni
bakso di Pasar Sumbersari mengandung boraks (H 1) atau bakso di Pasar
Sumbersari tidak mengandung boraks (H0).
2. Hipotesis komparatif
Hipotesis komparatif yaitu hipotesis yang dirumuskan untuk memberikan

jawaban pada permasalahan yang bersifat membedakan. Misalnya kamu akan
meneliti antara perilaku penggemar Korean Pop (K-Pop) dan perilaku penggemar
Japanese Pop (J-Pop). Kamu hendak membandingkan dua perilaku penggemar
tersebut. Dalam penelitian ini terdapat dua variabel. Bentuk penelitiannya adalah
perbandingan dua variabel tersebut.
Lantas, rumusan masalah yang muncul adalah bagaimana perilaku dua

kelompok penggemar tersebut? Apakah terdapat persamaan dan perbedaan
perilaku? Maka hipotesisnya adalah:
a) Penggemar K-Pop memiliki perilaku yang sama dengan perilaku
penggemar J-Pop atau
b) Penggemar K-Pop memiliki perilaku yang berbeda dengan perilaku
penggemar J-Pop.
72
3. Hipotesis asosiatif
Hipotesis asosiatif dirumuskan untuk memberikan jawaban pada

permasalahan yang bersifat hubungan. Sebagai contoh, kamu akan meneliti
tentang hubungan antara perilaku aktor negara dengan kebijakan luar negeri.
Dalam penelitian ada dua variabel yakni perilaku aktor negara dan kebijakan luar
negeri. Sebagai peneliti, kamu ingin meneliti hubungan keduanya. Pertanyaan
yang muncul: apakah perilaku aktor negara berpengaruh terhadap kebijakan luar
negeri?
Hipotesis yang didapatkan bisa dua kemungkinan:

a) Perilaku aktor negara berpengaruh terhadap kebijakan luar negeri
b) Perilaku aktor negara tidak berpengaruh terhadap kebijakan luar negeri.
Namun karena ini masih hipotesis maka kebenarannya harus ditemukan
melalui serangkaian penelitian. Hasil penelitian nantinya bisa jadi
mendukung hipotesis atau justru membantah hipotesis.
C. PENGERTIAN HIPOTESIS ALTERNATIF (Ha) DAN HIPOTESIS NIHIL/NOL (H0)

a. Hipotesis alternatif ( Ha )
Hipotesis alternatif diberi Simbol Ha dan disebut juga hipotesis penelitian atau
hipotesis kerja ( H1 ). Hipotesis alternatif dirumuskan dengan kalimat positif pihak
peneliti tidak menguji H0sebab Ha adalah lawan H0( hipotesis awal atau hipotesis noll ).
Hipotesis alternatif hanya mengekspresikan keyakinan penelitian tentang ukuran 
populasi.
a. Hipotesis nihil atau hipotesis noll ( H0 )

Hipotesis nol sebenarnya hanya diuji secara statistik dan merupakan pernyataan
73
tentang parameter yang bertentangan dengan keyakinan penelitian. H 0 sementara
waktu dipertahankan benar-benar hingga pengujian statistik mendapatkan bukti yang
menentang atau mendukung. Apabila dari pengujian statistik diperoleh keputusan
yang mendukung H0 maka dapat dikatakan H0 diberikan dan sebaliknya.
D. KESALAHAN DALAM MENGUJI HIPOTESIS

Terdapat 2 macam kesalahan yaitu sebagai berikut :
 Apabila kita menyatakan H0 diterima kemudian dibuktikan melalui penelitian kita
menerimanya, maka kesimpulan yang dibuat adalah benar.
 Apabila kita menyatakanH0 diterima kemudian dibuktikan melalui penelitian ditolak ,
maka kesimpulan yang diambil merupakan kesalahan yang disebut kesalahan model
1 (α).
 Apabila H0 kita tolak kemudian dibuktikan melalui penelitian ditolak, maka
kesimpulan yang sebenarnya kesimpulan benar.
 Apabila H0kita tolak kemudian dibuktikan melalui penelitian diterima maka
kesimpulan yang di ambil merupakan kesalahan yang disebut kesalahan model II (β).
Taraf Nyata atau Taraf Signifikan

Yang sering digunakan dalam penelitian adalah kesalahan (α) yang sering disebut
dengan istilah: taraf signifikan, taraf signifikansi, taraf arti, taraf nyata, probability (p), taraf
kesalahan atau taraf kekeliruan.
Arti α = 0,05 ialah diperkirakan 5 dari 100 kali penelitian berkesimpulan akan menolak
hipotesis yang seharusnya diterima atau kira-kira 95% percaya bahwa kita telah membuat
kesimpulan yang benar.
Taraf kepercayaannya adalah 1 – α = (0,05)
E. HIPOTESIS STATISTIK
Hipotesis statistik adalah pernyataan statistik tentang populasi yang diteliti. Jika menguji
74
hipotesis penelitian dengan perhitungan statistik, maka rumusan hipotesis tersebut perlu
diubah ke dalam rumusan hipotesis statistik. Dalam rumusan hipotesis penelitian hanya di
tuliskan salah satu saja yaitu hipotesis alternatif (Hₐ) atau hipotesis nol (H 0). Sedangkan,
dalam hipotesis statistik, keduanya dipasangkan sehingga dapat diambil keputusan dengan
tegas yaitu menerima H0 berarti menolak Ha. Begitu juga sebaliknya, apabila menolak H 0
berarti menerima Ha. Hipotesis statistik ini dirumuskan untuk menjelaskan gambaran dan
parameter apa dari populasi.
F. JENIS-JENIS PENGUJIAN HIPOTESIS

a) Hipotesis Direksional
Hipotesis direksional adalah rumusan hipotesis yang arahnya sudah jelas atau
disebut juga hipotesis langsung. Pengujian Hipotesis direksional terdiri dari dua yaitu
uji pihak kiri dan uji pihak kanan.
1) Uji Pihak Kiri

Apabila ada bunyi rumusan hipotesis pasangan Ha dinyatakan dengan bunyi kalimat :
paling tinggi, paling banyak, paling besar, maksimum dan sejenisnya berarti diberi tanda
lebih kecil (<). Maka sebaliknya H0 harus dinyatakan dengan bunyi kalimat : paling sedikit,
paling rendah, paling kecil, minimum dan sejenisnya berarti tandanya lebih besar atau
sama dengan (≥) pengujiannya menggunakan uji satu pihak (one tailed test) yaitu uji
pihak kiri. Seperti contoh berikut:
a) Hipotesis Bersifat Deskriptif

 Hipotesis dalam penelitian
Hₐ : Motivasi kerja pegawai di UMPRI paling tinggi 40% dari nilai ideal
75
H0 : Motivasi kerja pegawai di UMPRI paling rendah atau sama dengan
40% dari nilai ideal.
 Hipotesis (Ha dan H0) dalam statistik

Hₐ : p < 40%
H0 : p ≥ 40%
b) Hipotesis Bersifat Komparatif

Hₐ : Perbedaan prestasi belajar antara mahasiswa tugas belajar lebih tinggi
dari pada siswa ijin belajar.
H0 : Perbedaan prestasi belajar antara mahasiswa tugas belajar lebih rendah
dari pada siswa ijin belajar.

Hₐ : μ₁< μ₂
H0 : μ₁ ≥ μ₂
c) Hipotesis Bersifat Asosiatif

Hₐ : Hubungan antara motivasi belajar dengan prestasi belajar paling tinggi
60%
H0 : Hubungan antara motivasi belajar dengan prestasi belajar paling rendah atau
sama dengan 60%

Hₐ : p < 60%
H0 : p ≥ 60%
76
Kriteria pengujian pihak kiri:
Jika –ttabel >thitung maka H0diterima
Jika – t tabel < t hitung maka H0 ditolak
2) Uji Pihak Kanan
Apabila ada rumusan hipotesis pasangan Ha dinyatakan dengan bunyi

kalimat: rendah, paling sedikit, paling kecil, minimum dan sejenisnya berarti
tandanya Iebih besar atau sama dengan (≥). Maka sebaliknya Ho harus
dinyatakan dengan bunyi kalimat: paling tinggi, paling banyak, paling besar,
maksimum dan sejenisnya berarti tandanya lebih kecil atau sama dengan
(≤).Seperti contoh berikut:
a) Hipotesis Bersifat Deskriptif

Hₐ : Motivasi kerja pegawai di UMPRI paling rendah40% dari nilai ideal
H0 : Motivasi kerja pegawai di UMPRI paling tinggi atau sama dengan
40% dari nilai ideal.
 Hipotesis (Hadan H0) dalam statistik

Hₐ : p > 40%
H0 : p < 40%
b) Hipotesis Bersifat Komparatif

77
Ha : Perbedaan prestasi belajar antara mahasiswa tugas belajar lebih rendah dari
pada siswa ijin belajar.
H0: Perbedaan prestasi belajar antara mahasiswa tugas belajar lebih tinggi dari
pada siswa ijin belajar.

Ha : μ₁ > μ₂
H0 : μ₁< μ₂
c) Hipotesis Bersifat Asosiatif

Hₐ : Hubungan antara motivasi belajar dengan prestasi belajar paling rendah
60%
H0 : Hubungan antara motivasi belajar dengan prestasi belajar palingtinggi atau
sama dengan 60%

Hₐ : p > 60%
H0 : p < 60%
d =- t tabel
Kriteria pengujian pihak kanan:

Jika –t tabel <thitung maka H0 diterima
Jika – t tabel > t hitung maka H0 ditolak
b) Hipotesis Non Direksional
78
Hipotesis non direksional (hipotesis tidak langsung) adalah hipotesis yang
tidak menunjukkan arah tertentu. Jika rumusan H a berbunyi kalimat: tidak sama
dengan (≠), maka hasilnya H0 berbunyi kalimat: sama dengan (=). Pengujian ini
menggunakan uji dua pihak (two tailed test). Contoh sebagai berikut:
1) Hipotesis Bersifat Deskriptif

Hₐ : Daya tahan lampu merk Philips bukan 400 jam
H0 : Daya tahan lampu merk Philips adalah 400 jam
 Hipotesis (Ha dan Ho) dalam statistik
Hₐ : μ ≠ 400 jam
H0 : μ = 400 jam
2) Hipotesis Bersifat Komparatif

Hₐ : Ada perbedaan hasil belajar statistika antara kelas A dan kelas B
H0 : Tidak ada perbedaan hasil belajar statistika antara kelas A dan kelas B
 Hipotesis (Ha dan Ho) dalam statistik
Hₐ : μ₁ ≠ μ₂
H0 : μ₁ = μ₂
79
3) Hipotesis Bersifat Asosiatif
Hₐ : Ada hubungan antara status sosial dengan tingkat gizi keluarga didaerah
Pringsewu
H0 : Tidak ada hubungan antara status sosial dengan tingkat gizi keluarga
didaerah Pringsewu
Hₐ : p ≠0
H0 : p =0
Kriteria pengujian dua pihak:

Jika –ttabel ≤ thitung≤ ttabel maka H0 diterima dan Ha ditolak.
80
STATISTIK PARAMETRIK
DAN UJI HOMOGENITAS
A. PERSYARATAN ANALISIS STATISTIKA PARAMETIK
Sebelum melakukan pengujian harus dipenuhi persyaratan analisis terlebih dahulu

dengan asumsi data harus:
a. Dipilih secara acak (random).
b. Homogen artinya data yang dibandingkan (dikomparasikan) sejenis (bersifat
homogen), maka perlu uji homogenitas.
c. Normal artinya data yang dihubungkan berdistribusi normal maka perlu uji
normalitas.
d. Bersifat linier artinya data yang dihubungkan berbentuk garis linier maka perlu uji
linieritas.
e. Berpasangan artinya data yang dihubungkan mempunyai pasangan yang sama
sesuai dengan subjek yang sama, jika salah satu tidak terpenuhi untuk persyaratan
analisis korelasi atau regresi tidak dapat dilakukan.
1. Uji Homogenitas
a) Menggunakan uji bartlet
Contoh:
Perbandingan keuangan antara Pemerintah Pusat (X₁), Provinsi (X₂) dan
Kabupaten/Kota (X₃) diwilayah Pringsewu seperti dalam tabel berikut:
Nilai Varians
Jenis Variabel : Perbandingan Keuangan
Sampel
Pemerintah Kabupaten/Kota
Provinsi (X₂)
Pusat (X₁) (X₃)
S² 37,934 51,760 45,612
81
N 65 65 65
Langkah –Langkah:
1. Tabel Uji Bartlet

Sampel db = (n-1) Sᵢ² Log Sᵢ² (db) Log Sᵢ²
1 = (X₁) 64 37,934 1,58 101,12
2= (X₂) 64 51,760 1,71 109,44
3 = (X₃) 64 45,612 1,66 106,24
Jumlah = 3 Ʃ(n-1) = 192 - - Ʃ(db) Log Sᵢ² = 316,8
2. Menghitung Varians Gabungan
S² =
S² =
S² =
S² =
S² = 45,102
3. Menghitung log S² = log 45,102 = 1,6542
4. Menghitung nilai B = (log S²).Ʃ(nᵢ-1) = 1,6542 x 192 = 317,61
82
5. Menghitung nilai χ ² ( Chi ) hitung = (Ion 10)[B – Ʃ(db)log S²]
= (2,3) x [317,61 – 316,8]
= (2,3) x [0,81]
= 1,863
6. Membandingkan χ ² ( Chi ) hitung dengan χ ² ( Chi ) tabel

α = 0,05
db = k-1 = 3-1 = 2
maka χ ² ( Chi ) tabel = 5,991
Kriteria uji:
Jika : χ² hitung ≥ χ ²tabel, tidak homogen
Jika : χ ² hitung< χ ² tabel, homogen
Ternyata χ ² hitung< χ ² tabel
1,863 < 5,991
Maka varians homogen
Kesimpulan : analisis uji komparatif dapat dilanjutkan.
2. Uji varians terbesar dibanding varians terkecil menggunakan tabel F

Langkah – langkah:
1) Fhitung= = = 1,36
2) Bandingkan Fhitungdengan Ftabel

db pembilang = n-1 = 65-1 = 64 (varians terbesar)
db penyebut = n-1 = 65-1 = 64 (varians terkecil)
α = 5%
Maka Ftabel= 1,512 (interpolasi)
 Rumus Interpolasi
83
C=
Keterangan:
B = nilai db yang dicari
B0 = nilai db pada awal nilai yang sudah ada
B₁ = nilai db pada akhir nilai yang sudah ada
C = nilai yang dicari
C0 = nilai tabel pada awal yang sudah ada
C₁ = nilai tabel pada akhir yang sudah ada
Diketahui:
B =64 C= …..?
B₀ = 50 C₀ = 1,54
B₁ = 70 C₁ = 1,49
C=
C=
C=
C =1,54 – 0,028
C = 1,512
3) Kriteria uji
Jika : Fhitung≥ Ftabel, tidak homogen
Jika : Fhitung<Ftabel, homogen
Ternyata Fhitung<Ftabel
1,36 < 1,512
Maka varians homogen
Kesimpulan : analisis uji komparatif dapat dilanjutkan.
84
85
KELOMPOK 5
UJI NORMALITAS DATA
METODE LILLIEFORS
Uji normalitas dengan metode lilliefors digunakan apabila datanya tidak dalam distribusi
frekuensi data bergolong.
Pada metode lilliefors setiap data Xi diubah menjadi bilangan baku Zi
Dengantransformasi
x − x̄
z i= i
s
Dengan :
zi: transformasidariangkakenotasipadadistribusi normal
: nilaipada data ke-i
: rata-rata dari data
: simpanganbakusampel
Statistic uji yang di gunakan :
S(zi)= proporsicacah Z ≤ ziterhadapseluruh z
Daerah kritisnyayaitu
DK={L | L > Lα;n}dengan n adalahukuransampel
Untuknilai Lα;ndapatdilihatpada table nilaikritikujiLilliefors
86
L=Maks|F( z i )−S( z i )|
Dengan
5) Contoh :
Sebuah sampel berukuran 6 diambil secara random dari sebuah populasi.Ke enam nilai
darisampel tersebut adalah sebagai berikut:
4 0 8 6 14 10
Dengan mengambil α=5%, ujilah hipotesis yang mengatakan bahwa tersebut berasal dari
populasi yang berdistribusi normal.
6) Penyelesaian :
1. Ho :sampel berasal dari populasi yang berdisribusi normal.
H1 :sampeltidakberasaldaripopulasi yang berdistribusi normal.
2. α = 5%
3. StatisticUji
L=Maks|F( z i )−S( z i )| F( z i )=P( Z≤z i ); z≈N (0,1 )

; dengan dan S(zi)= proporsicacah Z ≤
ziterhadapseluruh z
b. Komputasi
dari data di peroleh ∑ X =42 dan ∑ X 2=412

sehinggadiperoleh
X̄ =
∑ X =42 =7
n 6 dan
2
2 n ∑ X 2 −( ∑ X ) 2
6( 412)−(42) 708
s = = = =23 ,6
n( n−1 ) 6 (6−1 ) 30
s= √23,6=4 ,86
87
TabelUntukMencariLmaks
Xi x i− x̄ F(zi) S(zi) |F(z i )−S( z i )|

z i=
s
0 -1.44 0.0749 0.1667 0.0918
4 -0.62 0.2676 0.3333 0.0657
6 -0.21 0.4168 0.5000 0.0832
8 0,21 0.5832 0.6666 0.0835
10 0.62 0.7324 0.8333 0.1009*
14 1.44 0.9251 1.0000 0.0749
Catatan:
Untuk pengisian perhatikanlah bahwa
0−7
z 1= =−1. 44
4 .86
4−7
z 2= =−0 . 62
4 .86
6−7
z 3= =−0 . 21
4 . 86
8−7
z4= =0. 21
4 . 86
10−7
z 5= =0 . 62
4 . 86
14−7
z 6= =1 . 44
4 .86
F(-1.44)=P(Z≤-1.44)
= 0.5 – 0.4251
= 0.0749
F(-0.62)=P(Z≤-0.62)
88
= 0.5 – 0.2324
= 0.7324
F(-0.21)=P(Z≤-0.21)
= 0.5 – 0.0832 (lihattabel)
= 0.4168
F(0.21)=P(Z>0,21)
= 0.5 + 0.0832 (lihattabel)
= 0.5832
F(0.62)=P(Z>0,62)
= 0.5 + 0.2324 (lihattabel)
= 0.7324
F(1.44)=P(Z>1.44)
= 0.5 + 0.4251 (lihattabel)
= 0.925
1
=0 .1667
S(-1.44)= 6
2
=0 .3333
S(-0.62)= 6
3
=0 .5000
S(-0.21)= 6
4
=0. 6667
S(0.21)= 6
5
=0 . 8333
S(0.62)= 6
6
=1. 0000
S(1.44)= 6
L=Maks|F( z i )−S( z i )|
Dari tabel di peroleh = 0.1009
c. Daerah Kritis:
89
L0,05;6 = 0,319 ;
DK={L | L > 0,319} ;
Lobs=0,1009 ∉ DK
d. Keputusan Uji:
Ho diterima atau tidak ada alasan untuk menolak Ho.
e. Kesimpulan:
Sampel berasal dari populasi yang berdistribusi normal.
d) Metode Kertas Peluang Normal
Metode kertas peluang normal membutuhkan kertas grafik khusus yang

disebutKertas Peluang Normal. Berikut langkah-langkah Dalam metode kertas
peluangnormal:
ContohSoal :
Langkah-LangkahPenyelesaianContohSoalKertasPeluangnormal
1.Langkah pertama dalam mempergunakan metode kertas peluang normal, yaitu
data disajikandalambentuktabeldistribusifrekuensirelatif (data
disajikandalam bentukprosentase). Contoh data sebagaiberikut:
90
b. Selanjutnyatabeldiubahdalambentukdistribusifrekuensikomulatifrelatif kurangdar
i, sehinggaterbentuktabelsebagaiberikut :
c. Berikutnya data
komulatifrelatifditampilkanpadakertaspeluangnormal.Sumbuhorisontaltempatme
letakkan interval kelasdansumbuvertikaltempatuntukangkakomulatifnya.
Pertemuankelasdanangkakomulatif ditandaidengan titik-titik. Jika titik-
titik tersebut dihubungkan membentuk garis lurus, berarti data berdistibusi
normal. Contohuntukpenyajian data di ataspadakertaspeluang normal
menjadisebagaiberikut :
91
e) METODE CHI KUADRAT
Uji Chi Kuadrat dapat dikatakan sebagai uji proporsi untuk dua peristiwaatau lebih dan
data berjenis nominal, sehingga datanya bersifat dikrit. Dalam Uji Chi Kuadrat dihadapkan
pada suatu pengujian apakah perbedaan antara frekuensi hasilobservasi (disimbolkan fo)
dengan frekuensi yang diharapkan oleh peneliti (disimbolkanfe/fh) dari sampel yang terbatas
merupakan perbedaan yang signifikan atau tidak.
7) Contoh :
Data variabelmotivasikerjasebagaiberikut:
48 47 47 41 41 42 61 69
62 65 48 5247 47 47 41
55 75 62 68 48 49 48 54
54 4861 5468 6847 41
42 41 55 68 61 61 54 48
40 34 48 38 55 62 68 56
386168 60 55 27 48 40
40 48 38 57 68 61 35 40
Data variabelmotivasikerjasecaraurut :
27 34 35 38 38 38 40 40
92
40 40 41 41 41 41 41 42
42 47 47 47 47 47 47 48
48 48 4848 48 48 48 48
49 52 54 54 54 54 5555
55 55 56 57 60 61 61 61
61 61 61 62 62 62 65 68
68 68 68 68 68 68 69 75
Apakah data tersebutberdistribusi normal?
8) Penyelesaian :
1. Skorterbesar = 75
Skorterkecil = 27
2. R = data terbesar - data terkecil = 75 – 27 = 48
3. Banyakkelas
K = 1 + 3,3 log n
= 1 + 3,3 log 64
= 1 + 3,3 (1,81)
= 6,973 ~ 7
I 48
4. I = = =6,857 7
R 7
TABEL
Data variabelmotivasikerja
No. Kelas Interval f Xi Xᵢ² f Xᵢ f Xᵢ²
1. 27 – 33 1 30 900 30 900
2. 34 – 40 9 37 1369 333 12321
3. 41 – 47 13 44 1936 572 25168
4. 48 – 54 15 51 2601 765 39015
5. 55 – 61 13 58 3364 754 43732
93
6. 62 – 68 11 65 4225 715 46475
7. 69 – 75 2 72 5184 144 10368
Ʃ f Xᵢ = Ʃ f Xᵢ² =
Ʃf = 64
3313 177979
5. Menentukan rata-rata atau mean (x)̅

Ʃ f Xᵢ 3313
x= = =51,77
n 64
6. Menentukansimpanganbaku (S)
√ √ √
2
n . Ʃ f Xᵢ ²−( Ʃ f Xᵢ ) ( 64 ) . ( 177979 ) −(3313)²
S= = = 414687 =√ 102,85 = 10,14
n .(n−1) 64.(64−1) 4032
7. Menentukandaftarfrekuensi yang diharapkandenganlangkah-langkahsebagaiberikut:

a. Menentukanbataskelasyaituskorkirikelas interval pertamadikurangi
0,5dankemudianangka-angkaskorkanankelas interval ditambah 0,5.
Sehinggadiperoleh : 26,5 ; 33,5 ; 40,5 ; 47,5 ; 54,5 ; 61,5 ; 68,5 ; dan 75,5.
b. Mencarinilai Z-score untukbataskelas interval denganrumus :
Batas kelas−x̅
Z=
S
26,5−51,77 33,5−51,77
Z ₁= =−2,49 Z ₂= =−1,80
10,14 10,14
40,5−51,77 47,5−51,77
Z ₃= =−1,11 Z ₄= =−0,42
10,14 10,14
54,5−51,77 61,5−51,77
Z ₅= =0,27 Z ₆= =0,96
10,14 10,14
68,5−51,77 75,5−51,77
Z ₇= =1,65 Z ₈= =2,34
10,14 10,14
94
c. Mencariluas 0 - Z daritabelkurva normal 0 – Z denganmenggunakanangka-
angkauntukbataskelas, sehinggadiperoleh: 0,4936 ; 0,4641 ; 0,3665 ; 0,1628 ; 0,1064
; 0,3315 ; 0,4505 ; dan 0,4904. (Cara I)
Cara II
0–Z
0 – (-2,49) = 2,49 = 0,4936
0 – (-1,80) = 1,80 = 0,4641
0 – (-1,11) = 1,11 = 0,3665
0 – (-0,42) = 0,42 = 0,1628
0 – (0,27) = -0,27 = -0,1064
0 – (0,96) = -0,96 = -0,3315
0 – (1,65) = -1,65 = -0,4505
0 – (2,34) = -2,34 = -0,4904
d. Mencariluastiapkelas interval denganjalanmengurangkanangka-angka 0 – Z,

yaituangkabarispertamadikurangibariskedua, angkabariskeduadikurangibarisketiga,
danbegituseterusnya. Kecualiuntukangka yang berbedapadagaris paling
tengahditambahkandenganangkapadabarisberikutnya.
Cara I
0,4936 - 0,4641 = 0,0295 0,1064 - 0,3315 = 0,2251
0,4641 - 0,3665 = 0,0976 0,3315 – 0,4505 = 0,1190
0,3665 - 0,1628 = 0,2037 0,4505 – 0,4904 = 0,0399
0,1628 +0,1064 = 0,2692
Cara II
0,4936 - 0,4641 = 0,0295 (- 0,1064) – (- 0,3315) = 0,2251
0,4641 - 0,3665 = 0,0976 (- 0,3315) – (- 0,4505) = 0,1190
0,3665 - 0,1628 = 0,2037 (- 0,4505) – (- 0,4904) = 0,0399
95
0,1628– (- 0,1064) = 0,2692
e. Mencarifrekuensi yang diharapkan (fe) dengancaramengalikanluastiap interval

denganjumlahresponden (sampel).
fe₁ = 0,0295 x 64 = 1,89
fe₂ = 0,0976 x 64 = 6,25
fe₃ = 0,2037 x 64 = 13,4
fe₄ = 0,2692 x 64 = 17,23
fe₅ = 0,2251 x 64 = 14,41
fe₆ = 0,1190 x 64 = 7,62
fe₇ = 0,0399 x 64 = 2,55
TABEL
Frekuensi Yang Diharapkan
Batas Luas LuasTiapKelas
No. Z fe fo
Kelas 0–Z Interval
1. 26,5 -2,49 0,4936 0,0295 1,89 1
2. 33,5 -1,80 0,4641 0,0976 6,25 9
3. 40,5 -1,11 0,3665 0,2037 13,04 13
4. 47,5 -0,42 0,1628 0,2692 17,23 15
5. 54,5 0,27 0,1064 0,2251 14,41 13
6. 61,5 0,96 0,3315 0,1190 7,62 11
7. 68,5 1,65 0,4505 0,3990 2,55 2
75,5 2,34 0,4904
Ʃfo = 64
8. Mencarinilai χ² hitung
k
(f ₀−fe)²
χ ² hitung=∑
i=1 fe
(1−1,89) ² (9−6,25)² (13−13,04)² (15−17,23) ²

= + + + +
1,89 6,25 13,04 17,23
96
(13−14,41)² (11−7,62) ² (2−2,55)²
+ +
14,41 7,62 2,55
= 0,41+ 1,21 + 0,00012 + 0,29 + 0,14 + 1,5 + 0,12
= 3,67
9. Bandingkan χ² hitungdengan χ² tabel

α = 5%
db= k-3 = 7-3 = 4
χ²tabel= 9,488
kriteriauji:
Jika : χ²hitung≥ χ²tabel, distribusi data tidak normal
Jika : χ²hitung< χ²tabel, distribusi data normal
Ternyata : χ²hitung< χ²tabelatau 3,37 < 9,488
Kesimpulan : data berdistribusi normal
KELOMPOK 6
UJI LINEARITAS REGRESI

Definisi Uji Linieritas Regresi
Ujilinearitasadalahsalahsatuujiasumsiklasik yang dilakukanuntukmengetahuisifat

linear padasebaran data antara variable X dan Y. Perlunyamengetahuiadakahsifat
linear padahubungan X dan Y mempengaruhitingkat valid atautidaknya model regresi
yang dihasilkan.Jadi, sebagusapapun model regresi yang dihasilkandengan R squared
yang tinggi, namunjika data tersbeuttidakmemilikisifat linear,
makakemungkinanakanterjadikesalahanestimasi.Ujilinearitasdimaksudkanuntukmenge
tahuiadatidaknyahubungansecara linear antara variable dependen(Y) terhadapsetiap
variable independen(x) yang hendakdiuji. Jikasuatu model
97
tidakmemenuhisyaratlinearitasmaka model regresi linear
tidakbisadigunakan.Linearitasadalah variable darihubunganmatematis yang
secaragrafisdapatdirepresentasikansebagaigarislurus. Model yang paling
seringdigunakanuntukmenganalisispengaruhantar variable dalam data cross section
adalah model Regresi. Namununtukmemilih model regresi yang sesuai,
salahsatutahapan yang
harusdilakukanadalahmelakukanpengujianlinieritasterhadapdata.
MenurutSugiyonodanSusanto (2015:323)
ujilinearitasdapatdipakaiuntukmengetahuiapakah variable terikat(Y) dengan variable
bebas(X) memilikihubungan linear
atautidaksecarasignifikan.Kriteriapengujianlinieritasadalahjikanilaisignifikasilebihbesar
dari 0,05, makahubunganantara variable bebasdan variable terikatadalah linier.
Garisregresiadalahgarislurus di antaratitik yang

secaraterbaikmenggambarkanhubungan linear antarakedua variable pada diagram
tebar.Di bawahiniadalahcontohgarisregresi linier.
Gambar 1.1.Ataskiri: Hubunganpositif; Ataskanan: Hubunganariable; Bawah:

Tidakadahubungan
3 Ketigatipehubungan yang terlihatpadagambar 1.1

b) Hubunganpositif (kiriatas) :Pertambahannilai X (sumbu horizontal) disertaidenganpertambahannilai
Y (sumbu variable).
c) Hubungan negative : Pertambahannilai X (sumbu horizontal)
umumnyadisertaidenganpengurangannilai Y (sumbu variable).
98
d) Tidakadahubungan:Pertambahannilai X (sumbu horizontal) tidakmemilikiefekterhadapnilai Y (sumbu
variable).
2) Pengertian variable bebasdanterikat
f. PengertianVariabelBebas (Variabel X)
Yusuf (2014:109) memaparkanbahwavariabelbebasadalahvariabel yang memengaruhi,
menjelaskan, menerangkanvariabel yang lain.
g. PengertianVariabelTerikat (Variabel Y)
Yusuf (2014:109) memaparkanbahwavariabelterikatadalahvariabel yang
dipengaruhiatauditerangkanolehvariabellain, tetapitidakdapatmemengaruhivariabellainnya.
Contohnya :
2) “PengaruhPendidikandanpendapatan”
3) “HubunganantaraPendidikandenganPendapatan”
Contohjudulpenelitian di atasdiawalidenganpendidikan,
sehinggapadajudulpenelitiantersebutinginberusahamencariataumelihatapakahpeng
aruhpendidikanseseorangituberdampakpadapendapatannya.Makadariitu,
dapatdikatakanbahwapendidikanpadajudultersebutmerupakanvariabelbebas,
sedangkanpendapatanmerupakanvariabelterikat (Yusuf, 2014:109-110).
2) Pendidikansebagaivariabelbebas (variabel X)
3) Pendapatansebagaivariabelterikat (variabel Y)
Berdasarkanperincian di atas,
dapatdiambilsimpulanbahwapendidikansebagaivariabelbebaskarenapadajudulpenelitiantersebut
pendidikan (variabel X) menjadivariabel yang mempengaruhivariabelterikat, yaitupendapatan
(variabel
Y).Pendapatandisebutdenganvariabelterikatkarenapendapatanadalahvariabelefekatauvariabel
99
yang dikenaipengaruhdarivariabelbebas
Fungsi Dan TujuanUjiLinieritas

Ujilinearitasdigunakanuntukmemilih model regresiyang akandigunakan.
Ujilinearitasdimaksudkanuntukmengetahuiadatidaknyahubungansecara linear antara
variable dependenterhadapsetiap variable independen yang
hendakdiuji.Tujuanujilinieritasadalahuntukmengetahuihubunganantara variable
bebasdan variable terikat linier atautidak.
b. KETERANGAN
Rumus Keterangan
No
Db DerajatKebebasan
1.
JK JumlahKuadrat
2.
RerataJumlahKuadrat
3. RJK
Reg / a Regresi
4.
TC Tuna Cocok/ F hitung
5.
E Kesalahan / Galat
6.
b Keofisienarahregresi/ konstanta
7.
Yˆ Variabelterikat
8.
X Variabelbebas
9.
n jumlahresponden/jumlahdata
11.
100
S Akar
12.
Ʃ Jumlahtotal
13.
3) Contoh Data danPenyelesaiannya
UjiLinieritasRegresi
Tabel 21
N X Y X² Y² XY
o.
1. 50 57 2500 3249 2850
2. 55 57 3025 3249 3135
3. 55 54 3025 2916 2970
4. 49 52 2401 2704 2548
5. 54 51 2916 2601 2754
6. 54 61 2916 3721 3294
7. 54 61 2916 3721 3294
8. 48 43 2304 1849 2064
9. 56 28 3316 784 1568
10 57 39 3249 1521 2223
.
11 32 21 1024 441 672
.
12 42 58 1764 3364 2436
.
13 42 55 1764 3025 2310
.
14 43 40 1849 1600 1720
.
15 44 68 1936 4624 2992
.
16 66 58 4356 3364 3828
.
17 31 35 961 1225 1085
.
18 24 31 576 961 744
.
101
19 57 36 3249 1296 2052
.
20 40 50 1600 2500 2000
.
21 38 50 1444 2500 1900
.
22 50 52 2500 2704 2600
.
23 53 62 2809 3844 3286
.
24 48 55 2304 3025 2640
.
25 49 54 2401 2916 2646
.
26 45 48 2025 2304 2160
.
27 30 48 900 2304 1440
.
28 35 46 1225 2116 1610
.
29 39 66 1521 4356 2376
.
30 41 47 1681 2209 1927
.
31 60 26 3600 676 1560
.
32 69 51 4761 2601 3519
.
33 58 44 3364 1936 2552
.
34 56 44 3136 1936 2464
.
35 62 42 3844 1764 2604
.
36 52 46 2704 2116 2392
.
37 69 47 4761 2209 3243
.
38 59 61 3481 3721 3599
.
39 60 52 3600 2704 3120
.
40 56 54 3136 2916 3024
102
.
41 65 59 4225 3481 3835
.
42 63 59 3969 3481 3717
.
43 49 52 2401 2704 2548
.
44 44 61 1936 3721 2684
.
45 49 48 2401 2304 2352
.
46 51 50 2601 2500 2550
.
47 55 59 3025 3481 3245
.
48 51 61 2601 3721 3111
.
49 47 40 2209 1600 1880
.
50 36 72 1296 5184 2592
.
ƩX=2492 ƩY=2511 ƩX²=12913 ƩY²=131749 ƩXY=127048
8
Dari data diatasdiperolehhasil :
- ƩX=2492
- ƩY=2511
- ƩX²=129138
- ƩY²=131749
- ƩXY=127048
1) Penyelesaiannya
Ʃx 2492
a. = x̅ = =49,84
n 50
ƩY 2511
b. Y̅ = = = =50,22
n 50
103
nƩX ²−Ʃ(X ) ² 50 ( 129138 ) −(2492)²
c. S²X= =
n(n−1) 50(50−1)
6 456 900−6 210 064
S²X =
50 ( 49 )
246 836
S²X=
2450
S²X= 100,75
SX= √ 100,75
SX= 10,03
Persamaanregresi
Y = a + bx
ƩY −b ƩX ƩYƩX ²−ƩYƩXY
a= atau a=
n 2 X ²−( ƩX ) ²
nƩXY −ƩXƩY
b=
nƩX ²−(ƩX )²
nƩXY −ƩXƩY 50(127 248)– (2492)(2511)

b= = =0,15
nƩX ²−(ƩX )² 50 ( 129138 )−(2492) ²
ƩY −b ƩX 2511−( 0,15 ) ( 2492 )

a= = =42,79
n 50
h) UJI LINIERITAS REGRESI untuk VARIABEL Y atas X
Langkah-langkahUjiLinieritasRegresi
g. Hitungjumlahkuadratregresi (JKReg(a))
( ƩY ) ² (2511)²
JKReg(a)= = =126102,42
n 50
104
h. Hitungjumlahkuadratregresi (JKReg(b|a))
ƩXƩY (2492)(2511)
JKReg(b|a) = b {ƩXY - } = 0,15 {127048 – }= 114,714
n 50
i. Hitungjumlahkuadratresidu (JKRes)
JKRes= ƩY² - JKReg(b|a) - JKReg(a)
= 131749 – 114,714 – 126102,42
= 5576,866
j. Hitungjumlah rata-rata jumlahkuadratregresi (RJKReg(a))
RJKReg(a)= JKReg(a)= 126102,42
k. Hitungjumlah rata-rata jumlahkuadratregresi (RJKReg(b|a))
RJKReg(b|a) = JKReg(b|a) = 114,714
l. Hitung rata-rata jumlahkuadratresidu
JK Res 5576,866
RJKRes= = =116,18
n−2 50−2
m. Hitungjumlahkuadrat error (JKE)
(ƩY )²
JKE = ∑ { ƩY 2 − n
}
k
SebelummenghitungJKE urutkan data X₁ mulaidari data yang paling kecilsampai data yang
paling besarberikutdisertaipasangannya (Y tetap).
105
TABEL PENOLONG PASANGAN VARIABEL X DAN VARIABEL Y UNTUK MENCARI
(JK E)
NO NO.
X1 KEL. n Y X1 KEL n Y
urut URUT
1 24 1 1 57 26 51 46
19 2
2 30 2 `1 57 27 51 46
3 31 3 1 54 28 52 20 1 46
4 32 4 1 52 29 53 21 1 66
5 35 5 1 51 30 54 47
6 36 6 1 61 31 54 22 3 26
7 38 7 1 61 32 54 51
8 39 8 1 43 33 55 44
9 40 9 1 28 34 55 23 3 44
10 41 10 1 39 35 55 42
11 42 21 36 56 46
11 2
12 42 58 37 56 24 3 47
13 43 12 1 55 38 56 61
14 44 40 39 57 52
13 2 25 2
15 44 68 40 57 54
16 45 14 1 58 41 58 26 1 59
17 47 15 1 35 42 59 27 1 59
18 48 31 43 60 52
16 2 28 2
19 48 36 44 60 61
20 49 50 45 62 29 1 48
21 49 50 46 63 30 1 50
17 4
22 49 52 47 65 31 1 59
23 49 62 48 66 32 1 61
24 50 55 49 69 40
18 2 33 2
25 50 54 50 69 72
JKE= (572 - 572 /1) + (572 – 572 /1) + ( 542 – 542 / 1) + ( 522 – 522 / 1) + ( 512 – 512 / 1) + ( 612 –
612 / 1) + ( 612 – 612 / 1) + ( 432 – 432 / 1) + ( 282 – 282 /1) + (392 – 392 /1) + {(212 +
582) – ( 212 + 582 /2) + (552 – 552 /1) + { (402 + 682) – (402 + 682 /2)} + (582 – 582 /1) +
(352 – 352 /1) + { (312 + 362) – ( 312 + 362 /2) + {(312 + 362) – (312 + 362 /2) } + { (50 2 +
502 + 522 + 622) – (502 + 502 + 522 + 622 /4)} + {(552 + 542) – (552 + 542)/2} + { 482 +
106
482) – (482 + 482) /2)} + (462 – 462 /1) + ( 662 – 662 /1) + { (472 + 262 + 512) – ( 472 +
262 + 512)/3)} + { (442 + 442 + 422) – ( 442 + 442 + 422 /3) } + { (462 + 472 + 612 ) – (462 +
472 + 612 /3)} + { ( 52 2 + 542) – (522 + 542 /2) } + (592 – 592 /1) + (592 – 592 /1) + {( 522
+ 612) – (522 + 612 /2) + (482 – 482 /1 ) + ( ( 502 – 502 /1) + ( 592 – 592 /1) + (612 +
612 /1 ) + { (402 + 722) – 402 + 722 /2)}
= 0 + 0 + 0 + 0 + 0+ 0+ 0 + 0 + 0 + 0 + 684.5 + 0 + 392 + 0 + 0 + 12.5 + 99 + 0.5 + 0 + 0 +
0 + 360.67 + 2.67 + 140.67 + 2 + 0 + 0+ 40.5 + 0 + 0 + 0 + 0 + 512
= 2247.01
8) Hitungjumlahkuadrat tuna cocok

JKTC= Jkres – JKE
= 5576.866 – 2247.01
= 3329.876
9) hitung rata-rata jumlahkuadrat tuna cocok

JK TC 3329,876
RJKTC= => = 107,42
K −2 33−2
10) Hitung rata-rata jumlahkuadrateror

JKE 2247,01
RJKE= = = 132,18
n−K 50−33
11) MencariFhitung
RJKTC 107,42
Fhitung = = = 0,8127
RJKE 132,18
12) KriteriaUji
JikaFhit ≤ Ftabel H0diterima linier
JikaFhit>Ftabel H0ditolaktidak linier
107
13) carinilaiFtabel
Ftabel : F ( 1-a ) (db . Tc .db . E
: F ( 1- 0,05) (db : K-2, db :n-k)
: F ( 0,95) (db = 33-2, db = 50-33)
: F (0,95) (31,17)
Ftabel : 2,14
14) Bandingkannilai F hitungdenganFtabel
KarenaFhitung¿ Ftabel
0,8127< 2,14  H0Diterima
Maka ,dapatdisimpulkanbahwametoderegresi Y atas X1berpola linier.
TABEL23 ANAVA
Sumber JK Fhitung
db RJK Ftabel
variasi
Total 50 131749 - 0,8127 2,14
Regresi (a) 1 126102,42 126102,42 Kesimpulan :
Regresi 1 114,714 114,714 Karena Fhit<Ftab
(aIb) Atau 0,8127<2,14
Residu 48 5576,866 116,18 Maka dapat disimpulkan
Tuna 31 3329,876 107,42 bahwa metode regresi Y
cocok (Tc) atas X1berpola linier
Kesalahan 17 2247,01 132,18
(E)
108
KELOMPOK 7
UJI T (T-TEST)
1. UJI T (t-TEST)
Uji t satu sampel ini tergolong hipotesis deskriptif. Uji t ini terdapat dua rumus yang
dapat digunakan, yaitu :
A. Jika standar deviasipopulasidiketahui, maka yang digunakanialahrumusZhitung
x−μo
¿
Z hitung σ
√n
Dimana:
Zhitung : Harga yang dihitung dan menunjukkan nilai standar deviasi pada distribusi
normal (Tabel z)
x : Rata-rata nilai yang diperoleh dari hasil pengumpulan data
μ : Rata-rata nilai yang dihipotesiskan
σ : Standar deviasi populasi yang telah diketahui
n :Jumlah populasi penelitian
B. Jika standar deviasi populasi tidak diketahui, maka yang digunakan ialah rumus t hitung
x−μo
thitung= s
√n
Dimana:
thitung = Harga yang dihitung dan menunjukkan nilai standar deviasi dari distribusi t.
x : Rata-rata nilai yang diperoleh dari hasil pengumpulan data.
μo : Nilai yang dihipotesiskan
s: Standar deviasi sampel yang dihitung
n: Jumlah sampel penelitian
Adapun standar deviasi sampel dapat dihitung berdasarkan data yang terkumpul. Pada
umumnya standar devisiasi setiap populasi jarang diketahui,maka penggunaan rumus Z hitung
kurang digunakan.
Pengujian hipotesis deskriptif ada dua jenis,yaitu: uji dua pihak dan uji satu pihak( uji
pihak kiri dan uji pihak kanan).
Langkah-langkah Uji t
109
1) Buatlah H0 dan H1 dalam uraian kalimat.
2) Buatlah H0 dan H1 dalam model statistik.
3) Mencari thitung
x−μo
thitung= s
√n
4) Tentukan terlebih dahulu taraf signifikansinya, misalnya (α = 0,05 atau α = 0,01)
kemudian di cari ttabel dengan ketentuan db = n-1, juga diketahui tentang posisi
pengujiannya. Apakah menggunakan pihak kiri, pihak kanan atau dua pihak. Dalam
hal ini tergantung bunyi hipotesisnya. Dengan menggunakan tebel diperoleh t table.
5) Tentukan kriteria pengujian.
6) Bandingkan antara thitung dengan t tabel dan gambarlah posisinya.
7) Buatlah kesimpulan.
Contoh:
Kepala Bidang Pengajaran di perguruan tinggi UMPRI menduga bahwa:
f) Kualitas mengajar dosen statistika paling tinggi 70% dari rata-rata nilai ideal.
g) Kualitas mengajar dosen statistika paling rendah 70% dari rata-rata nilai ideal.
h) Kualitas mengajar dosen statistika tidak sama dengan 70% dari rata-rata nilai
ideal.
Kemudian dibuktikan dengan penelitian yang dilaksanakan pada setiap akhir semester.
Disebar angket kepada 61 mahasiswa yang mengikuti kuliah statistika untuk mengisi angket
dengan jujur dan adil sesuai dengan kualitas dan profesional dosen ketika mengajar. Jumlah
pertanyaan angket penelitian 15 item, instrumen penelitian kualitas mengajar dosen
statistika dalam berbagai aspek diberi skala: (4) = Sangat Baik; (3) = Baik; (2) =Cukup baik dan
(1)= kurang baik. Taraf kepercayaan 95% (taraf signifikansi α=0,05). Data diperoleh sebagai
berikut:
59 60 58 59 60 58 60 59 50 60 59 50 60
59 58 50 59 60 59 60 59 50 60 60 60
60 60 50 59 60 60 60 59 60 60 60 60
60 60 60 50 60 60 60 59 60 60 60 60
58 60 58 50 58 60 60 58 60 60 60 60
Langkah-langkah menjawab
Sebelum dilakukan perumusan hipotesis dihitung terlebih dahulu rata-rata nilai yang
dihipotesiskan (μ0).
Nilai ideal = 15 x 4 x 61 = 3.660
Rata-rata nilai ideal = 3.660:61 = 60
Jadi, 70% dari rata-rata skor ideal = 0,7 x 60 = 42 atau μ0 = 42
Jawaban pertanyaan a (Uji Pihak kiri)
1) Hipotesis (H0 dan H1) dalam uraian kalimat
110
H0 : Kualitas mengajar dosen statistika paling tinggi 70% dari rata-rata nilai ideal.
H1: Kualitas mengajar dosen statistika paling rendah atau sama dengan 70% dari
rata-rata nilai ideal.
2) Hipotesis (Hodan H1) model statistik
H0: μ0 < 42%
H1 : μ0 ≥ 42%
3) Menghitung standar deviasi(s) dan rata-rata ( x ) dengan rumus :
√ √
2
( ∑ x)
2
(3565)
S = ∑ x −¿ n = 20893− 61 = 3,14
2
¿
n−1 61−1
x=
∑ x = 3565 = 58,443
n 61
4) Menghitung thitung dengan rumus :

x−μo 58,443−42
16,443
thitung = s = 3,14 = = 41,1075≈ 41
0,4
√n √61
5) Mencari ttabel dengan ketentuan:
db = n-1; db=61-1=60,sehingga didapat ttabel=1,671
6) Menentukan kriteria uji pihak kiri :
Jika -ttabel≤ thitungmaka H0diterimadan H1ditolak
7) Membandingkan t hitung dengan t table

Ternyata :-1,671< 41 , maka H0 diterima dan H1 ditolak
8) Kesimpulan:
H1: Kualitasmengajar dosen statistika paling tinggi 70 % dari rata-rata nilai ideal
ditolak, sedangkan H0: Kualitas mengajar dosen statistika paling rendah atau sama
111
dengan 70% dari rata-rata nilai ideal diterima.
Jadi, Kepala Bidang Pengajaran di perguruan tinggi UMPRI yang menyatakan kualitas
mengajar dosen statistika paling tinggi 70% dari rata-rata nilai ideal itu kurang tepat
bahkan lebih dari itu.
Jawaban pertanyaan b (Uji Pihak Kanan)

1) Hipotesis (H0dan H1) dalamuraiankalimat
H0 : Kualitas mengajar dosen statistika paling rendah 70% dari rata-rata nilai ideal.
H1: Kualitas mengajar dosen statistika paling tinggi atau sama dengan 70% dari rata-
rata nilai ideal.
2) Hipotesis (H0dan H1) model statistik
H0: μo > 42%
H1 : μo ≤ 42%
3) Menghitung standar deviasi(s) dan rata-rata ( x ) = 58,443
4) Menghitung thitung = 41
5) Mencari nilai ttabel =1,671
6) Menentukan kriteria uji pihak kanan:
Jika + ttabel ≥ thitung maka H0diterima dan H1ditolak
7) Membandingkan t hitung dengan t table

Ternyata : 1,67 < 41 , maka H0ditolakdan H1diterima
8) Kesimpulan
H1 : Kualitasmengajardosenstatistikapaling rendah 70% dari rata-rata nilai ideal
diterima, sedangkan H0 : Kualitasmengajardosenstatistikapaling
tinggiatausamadengan70% dari rata-rata nilai ideal ditolak.
Jadi, KepalaBidangPengajaran di perguruantinggi UMPRI yang
menyatakankualitasmengajardosenstatistikapaling rendah 70% dari rata-rata nilai
ideal itubenarbahkanlebihdari 70% yang selamainidiaduga.
Dengandemikiankualitasmengajardosenstatistikamemanglebihhebatataulebihberkual
112
itasdaridugaan dia.
Jawaban pertanyaan c (Uji Dua Pihak)

H1: Kualitas mengajar dosen statistika tidak sama dengan 70% dari rata-rata nilai
ideal.
H0 : Kualitas mengajar dosen statistika sama dengan 70% dari rata-rata nilai ideal.
2) Hipotesis (H1 dan H0) model statistik
H1 : µ0 ≠ 42%
H0 : µ0 = 42%
3) Menghitung standar deviasi (s) =3,14 dan rata-rata ( x )= 58.443
4) Menghitung thitung = 41
5) Menentukan taraf signifikan α = 0,05 dan nilai ttabel = 2.000.
6) Menentukan kriteria pengujian:
Jika –t tabel≤ t hitung + t tabel, maka H0 diterima dan Ha ditolak
7) Membandingkan antara thitungdengan ttabel

Ternyata : -2.000 < 41 > 2.000, maka H0 ditolak dan Ha diterima
8) Kesimpulan
H1 : Kualitas mengajar dosen statistika tidak sama 70% dari rata-rata nilai ideal
diterima, sedangkan H0 : Kualitas mengajar dosen statistika sama dengan70% dari
113
rata-rata nilai ideal ditolak.
Jadi, Kepala Bidang Pengajaran di Perguruan Tinggi UMPRI yag menyatakan kualitas
mengajar dosen statistika tidak sama 70 % dari rata-rata nilai ideal itu benar bahkan
lebih dari itu. Dengan demikian kualitas mengajar dosen statistika memang lebih
berkualitas dari dugaan semula.
UJI T (T-TEST ) DUA SAMPEL

Uji kesamaan 2 rata-rata ( uji t dua pihak) digunakan untuk membandingkan apakah
kedua data tersebut sama atau berbeda.
Rumus uji t 2 pihak
Riduwan :
1 2
X −X
√
2 2
S1 S2
thitung= + ¿
n1 n s1 s2
2 −2r ( + )
¿ √n1 √n2
Contoh : Ada perbedaan kemampuan berbahasa asing antara lulusan SMU Plus Swasta
(X1) dengan lulusan SMU Negeri (X 2) di Kota Bandung. Data sebanyak 30 siswa
diambil secara acak, adapun data seperti TABEL 74 sebagai berikut:
114
Langkah-langkah:
H0: Terdapatperbedaanantara kemampuan berbahasa asing lulusan SMU Plus
Swasta dengan lulusan SMU Negeri di Kota Bandung.
H1: Tidak terdapat perbedaan antara kemampuan berbahasa asing lulusan SMU
Plus Swasta dengan lulusan SMU Negeri di Kota Bandung.
2) Hipotesis (H0dan H1) model statistic
H0 : μ ₁ ≠ μ ₂
H1 : μ ₁=μ ₂
3) Menghitungnilairata-rata;standardeviasi; dan varians
Rata-rata x 1= 81,07 x ₂ = 60,37
Standar Deviasi s1=16,48 s2=11,53
2 2
Varians S1=271,59 S2=132,94
Kolerasi r=0,44
4) Mencari thitung dengan rumus:
X 1−X 2
thitung =
√ S21
n1 n
+
¿
2 −2r (
S 22
s1
+
s2
√ n 1 √ n2 √
)
=
271,59
30
+
81,07−60,37
132,94
30
−2 0,44(
16,48
+
11,53
√ 30 √30
)
¿
115
20,7 20,7 20,7 20,7
= = =
(
thitung= 9,052+4,43−0,88 16,48 + 11,53
√ 5,48 √ 5,48 ) √13,482−4,488 √ 8,994 √ 2,999
=6,9
5) Mencari nilai ttabel dengan ketentuan:
Taraf signifikasi α = 0,05, db=n 1+n2-2=30+30-2=58, maka diperoleh nilai t tabel =2,004
(interpolasi)
6) Menentukan criteria duapihak:
Jika – ttabel≤ thitung≤+ t tablemaka H0diteriadan H1ditolak
7) Membandingkan antara thitung dengan ttabel

Ternyata : -2.004 < 6,9 > 2.004,maka H0 ditolak dan H1 diterima.
8) Kesimpulan :
H0 yang berbunyi: Terdapat perbedaan anatara kemampuan berbahasa asing
lulusan SMU Plus Swasta dengan SMU Negeri di Kota Bandung DI TERMA.
H1yang berbunyi: Tidak terdapat perbedaan anatara kemampuan berbahasa asing
lulusan SMU Plus Swasta dengan SMU Negeri di Kota Bandung DITOLAK.
Jadi, adaperbedaanbahwa: kemampuan berbahasa asing kelulusan SMU Plus
Swasta lebih tinggi daripada lulusan SMU Negeri di Kota Bandung. Hal ini
dapatdiberlakukanuntukpopulasi.
Sudjana :
116
X 1−X 2
( n−1 ) s 21 + ( n2 −1 ) s 22
√
2
thitung= S 1 1 dimana s =
+ n1 +n2−2
n1 n 2
Contoh :
Apakah ada perbedaan antara kelas eksperimen dengan kelas kontrol , jika diketahui X 1:
66,36 , X 2: 56,56 , s1: 11.25 s2 : 10,42 n1: 30 n2 : 29
Penyelesaian:
1) Hipotesis dalam uraian kalimat.
H0 :tidak terdapat perbedaan antara rata rata kelas eksperimen dengan kelas
kontrol
H1 : ada perbedaan antara rata rata kelas eksperimen dengan kelas kontrol.
2) Hipotesis dalam penelitian.
H0 : µ1= µ2
H1 : µ1 ≠ µ2
3) Statistik uji
X 1−X 2
( n−1 ) s 21 + ( n2 −1 ) s 22
√
2
t : S 1 1 dimana s =
+ n1 +n2−2
n1 n 2
66,36−56,56
( 30−1 ) (11,25)2+ ( 29−1 ) (10,42)2
√
2
= 3,29 1 1 s =
+ 30+29−2
30 29
9,8
= s= 3,294
( 3,29 ) (0,81)
= 3,6296 s= 3,29
= 3,63
4) Kriteria uji
Jikathitung< - ttabel atau thitung> ttabel H0 ditolak
Jika -ttabel ≤ thitung ≤ ttabel H0 diterima
5) ttabel , α =5 %=0,05
dk : n1 + n2 – 2 = 30+29-2= 57
117
1 1
t ( 1- α ) (n1 + n2 – 2) = t (1- ( 0,05) ( 30 + 29 – 2)
2 2
= t ( 1- 0,025) (57)
= t ( 0,975) (57)
= 2,02 ( interpolasi)
6) Bandingkan thitung dengan ttabel
3,63>2,02 maka Ho di tolak
7) Kesimpulan : ada perbedaan antara rata rata kelas eksperimen dengan kelas kontrol.
Uji perbedaan 2 rata rata ( uji t 1 pihak)

Contoh: apakah rata rata hasil belajar kelompok eksperimen lebih tinggi dibanding
dengan rata rata hasil belajar kelas kontrol.
Jika diketahui : X 1 = 66,36 X 2 = 56,56 S1 = 11,25 S2= 10,42 n1 : 30 n2 : 29
1) Hipotesisdalamkalimat
H0 :rata rata hasil belajar kelas eksperimen lebih rendah atau sama dengan rata
rata kelas kontrol
H1 : rata rata hasil belajar kelas eksperimen lebih tinggi dari kelas kontrol.
2) Hipotesis dalam statistik.
H0 : µ1≤ µ2
H1 : µ1 > µ2Statistikuji
X 1−X 2
( n−1 ) s 21 + ( n2 −1 ) s 22
√
2
t : S 1 1 dimana s =
+ n1 +n2−2
n1 n 2
66,36−56,56
( 30−1 ) (11,25)2+ ( 29−1 ) (10,42)2
= 3,29
√ 1 1
+
30 29
s2 =
30+29−2
9,8
= s= 3,294
( 3,29 ) (0,81)
= 3,6296 s= 3,29 = 3,63
3) Kriteria uji
Jika thitung< ttabel H0 diterima
118
Jikathitung ≥ ttabel H0 ditolak
4) ttabel , α =5 %=0,05
dk : n1 + n2 – 2 = 30+29-2= 57
t : ( 1- α ) (n1 + n2 – 2) = t ( 1-( 0,05) (30+29-2)
= t ( 1- 0,05) (57)
= t ( 0,95) (57)
= 1,70 (interpolasi)
5) Perbandingan antara fhitung dengan ftabel
3,63> 1,70  H0 ditolak
6) Kesimpulan
Rata rata hasil belajar kelas eksperimen lebih tinggi dari kelas kontrol.
119
KELOMPOK 8
UJI PERSON PRODUCT MOMENT

1. Pengertian Uji Product Moment
Uji Pearson Product Moment adalah salah satu dari beberapa jenis uji korelasi yang
digunakanuntuk mengukur keeratan hubungan antara 2 variabel yang bertipe numerik
(interval/rasio) dan berdistribusi normal. Kegunaan uji pearson product moment atau
analisis korelasi adalah mencari hubungan variabel bebas (X) dengan variabel terikat (Y) dan
datanya berbentuk interval dan rasio. Teknik korelasi product moment ini dikembangkan
oleh Karl Pearson.Rumus korelasi pearson product moment yang dikemukakan yaitu:
r = n . ( ∑ XY ) – ( ∑ X ) .¿ ¿ (Riduwan, 1997: 123)
Keterangan :
1. r : Koefisien korelasi (-1 ≤ r≤ 1)
2. ∑X : Jumlah data variabel X
3. ∑Y : Jumlah data variebel Y
4. ∑XY : Jumlah dari perkalian variabel X dan Y
5. n : Jumlah sampel
Korelasi PPM dilambangkan (r) dengan ketentuan nilai r tidak lebih dari harga (-1 ≤ r ≤ + 1).
Jika r = -1 artinya korelasinya negatif sempurna, r = 0 artinya tidak ada korelasi, dan r = 1
berarti korelasinya sempurna positif (sangat kuat). Sedangkan harga r akan dikonsultasikan
dengan tabel interpretasi nilai r sebagai berikut.
Tabel 79
INTERPRETASI KOEFISIEN KORELASI
Nilai r
Interval Koefisien Tingkat Hubungan
0,00 – 0,199 Sangat Rendah
0,20 – 0,399 Rendah
120
0,40 – 0,599 Cukup
0,60 – 0,799 Kuat
0,80 – 1,000 Sangat Kuat
Sedangkan untuk menyatakan besar kecilnya sumbangan variable X terhadap Y dapat
ditentukan dengan rumus koefisien diterminan sebagai berikut :
KP = r2 × 100%
Keterangan:
KP: Besarnya koefisien penentu (diterminan)
r: Koefisien korelasi
2. Langkah-langkah Uji Kolerasi Person Product Moment

a) Buatlah Ha dan H0dalam bentuk kalimat.
Ha: Hipotesis alternatif
H0: Hipotesis nol
b) Buatlah Ha dan H0dalam bentuk statistik.
c) Buatlah tabel penolong untuk menghitung nilai kolerasi.
d) Masukkan angka-angka statistik dari tabel penolong dengan rumus:
r= n . ( ∑ XY ) – ( ∑ X ) .¿ ¿
e) Besarnya sumbangan (koefisien determinan atau koefisien penentu) variable X terhadap

Y dengan rumus : KP = r2 × 100%
f) Menguji signifikansi dengan rumus ttest atau thitung:
r ❑ √n−2
thitung :
√ 1−r 2❑
Kaidah pengujian:
Jika thitung ≥ ttabel, maka signifikan.
Jika thitung ¿ ttabel, maka tidak signifikan.
g) Ketentuan tingkat kesalahan (α) = 0,05 atau 0,01 dengan rumus derajat bebas (db) = n –
2.
h) Kesimpulan.
121
KELOMPOK 9
UJI KORELASI PARSIAL
A. PENGERTIAN KORELASI PARSIAL
Korelasi parsial adalah metode yang digunakan untuk mengukur
bagaimana tingkat keeratan pada hubungan antar variabel dependen dengan
variabel independen. Dengan demikian, seorang peneliti akan dapat
mengendalikan salah satu jenis variabel yang dipakai dalam penelitian yang
dilakukannya.
Analisiskorelasiparsial (Partial Correlation)
digunakanuntukmengetahuihubunganantaraduavariabeldimanavariabellainnya yang
dianggapberpengaruhdikendalikanataudibuattetap
(sebagaivariabelkontrol).Nilaikorelasi (r) berkisarantara 1 sampai -1,
nilaisemakinmendekati 1 atau -1 berartihubunganantaraduavariabelsemakinkuat,
sebaliknyanilaimendekati 0 berartihubunganantaraduavariabelsemakinlemah.
Nilaipositifmenunjukkanhubungansearah (X naikmaka Y naik)
dannilainegatifmenunjukkanhubunganterbalik (X naikmaka Y turun).Data yang
digunakanbiasanyaberskala interval ataurasio.
122
MenurutSugiyono (2007)
pedomanuntukmemberikaninterpretasikoefisienkorelasisebagaiberikut:
- 0,199 = sangatrendah
0,20 - 0,399 = rendah
0,40 - 0,599 = sedang
0,60 - 0,799 = kuat
0,80 - 1,000 = sangatkuat
Uji Signifikansi Koefisien Korelasi Parsial (Uji t)
Ujisignifikansikoefisienkorelasiparsialdigunakanuntukmengujiapakahhub
ungan yang terjadiituberlakuuntukpopulasi (dapatdigeneralisasi).Langkah-
langkahpengujiansebagaiberikut:
1. MenentukanHipotesis
Ho :Tidakadahubungansecarasignifikanantarakecerdasandenganprestasibe
lajarjikatingkat stress tetap
Ha : Ada
hubungansecarasignifikanantarakecerdasandenganprestasibelajarjikating
kat stress tetap
2. Menentukantingkatsignifikansi
Pengujianmenggunakanujiduasisidengantingkatsignifikansi∝ = 5%.
(ujidilakukan 2 sisikarenauntukmengetahuiadaatautidaknyahubungan
123
yang signifikan, jika 1
sisidigunakanuntukmengetahuihubunganlebihkecilataulebihbesar)
Tingkat
signifikansidalamhaliniberartikitamengambilrisikosalahdalammengambilke
putusanuntukmenolakhipotesa yang benarsebanyak-banyaknya 5%
(signifikansi 5% atau 0,05adalahukuranstandar yang
seringdigunakandalampenelitian)
3. KriteriaPengujian
Berdasarprobabilitas:
Ho diterimajika P value > 0,05
Ho ditolakjika P value < 0,05
4. Membandingkanprobabilitas
Nilai P value (0,181 > 0,05) maka Ho diterima.
UJI KORELASI PARSIAL (PARTIAL CORRELATION)
Korelasi Parsial (Partial Correlation) adalah suatu nilai yangmemberikan
kuatnya pengaruh atau hubungan dua variabel atau lebihyang salah satu atau
bagian variabel X konstan atau dikendalikan.Uji Korelasi Parsial digunakan
untuk mengetahui penganuh atauhubungan variabel X dan Y dimana salah satu
124
variabel X dibuat tetap(konstan). Koefisien Korelasi Parsial dirumuskan sebagai
berikut :
Bila X1 tetap Rumus:
rX1 (X2Y) = r x 2 Y −r x 1 Y . r X 1 X 2
√¿¿ ¿
Ha: Ada Pengaruh/Korelasi
yangsignifikan antara X2 dengan Y
apabilaX1 tetap.
Ho:Tidak ada Pengaruh/Korelasi
yangsignifikan antara X2 dengan
Yapabila X1 tetap.
rX2 (X1Y) = r x 1 Y −r x 1 Y . r X 1 X 2
√¿¿¿
Ha: Ada Pengaruh/Korelasi
yangsignifikan antara X1 dengan Y
apabilaX2 tetap.
Ho: Tidak ada Pengaruh/Korelasi
Yapabila X2 tetap.
125
Bila Y tetap Rumus:
rY (X1X2) = r X 1 X 2−r x 1 Y . r x 2 Y
√¿¿ ¿
Ha:adaPengaruh/Korelasi
yangsignifikan antara X1 dengan X2
apabilaY tetap.
Ho: Tidak ada Pengaruh/Korelasi
X2apabila Y tetap.
Selanjutnya untuk mengetahui apakah pengaruh atau hubunganpengujian ini
signifikan atau tidak ? maka periu diuji dengan ujisignifikansi, untuk koefisien
korelasi parsial menggunakan rumus thitungsebagai berikut :
r parsial √n−3
thitung=
√1−r 2 parsial
Dimana:
thitung = nilai yang akan dibandingkan dengan ttable
n = jumlah sampel
rparsial = nilai koefisien parsial
Kaidah pengujian : Jika thitung≥ ttable, maka signifikan.
Jika thitung¿ ttable, maka tidak signifikan.
ttable dapat dicari dengan rumus: db= n-1
126
Taraf signfikan α = 0,01 atau ∝=0,05.
Untuk uji satu pihak atau uji dua pihak, tergantung pada jenis penelitan.
C. CONTOH KASUS
Diketahui: Judul penelitian

PENGARUH PRODUKTIVITAS KERJA DAN KEPUASAN KERJATERHADAP PENINGKATAN
EFEKTIVITAS KERJA DOSENDI UNIVERSITAS NEGERI YOGYAKARTA.
X1 = PRODUKTIVITAS KERJA
X2 = KEPUASAN KERJA
Y = EFEKTIVITAS KERJA DOSEN
Nilai koefisien korelasi ditemukan sebesar :
rX1Y = 0,9
rX2Y = 0,7
rX1X2 = 0,6
Pertanyaan: Cari nilai korelasi parsial bila variabel X 1 ; X2 dan Ytetap dan ujilah
dengan signifikansi 5% untuk uji dua pihak
LANGKAH-LANGKAH MENJAWAB
a) Buatlah Hadan H0dalambentukkalimat:
Bunyi Ha
(1) Ada pengaruh yang signifikan antara kepuasan kerja (X 2)dengan
efektivitas kerja (Y) apabila produktivitas kerja (X1)tetap.
127
(2) Ada pengaruh yang signifikan antara produktivitas kerja (X1)dengan
efektivitas kerja (Y) apabila kepuasan kerja (X2) tetap.
(3) Ada pengaruh yang signifikan antara produktivitas kerja (X1)dan kepuasan
kerja (X2) apabila efektivitas kerja (Y) tetap.
Bunyi H0
(1) Tidak ada pengaruh yang signifikan antara kepuasan kerja (X 2)dengan
efektivitas kerja (Y) apabila produktivitas kerja (X1)tetap.
(2) Tidak ada pengaruh yang signifikan antara produktivitaskerja (X1) dengan
efektivitas kerja (Y) apabila kepuasankerja (X2) tetap.
(3) Tidak ada pengaruh yang signifikan antara produktivitaskerja (X 1) dan
kepuasan kerja (X2) apabila efektivitas kerja (Y)teta
b) Buatlah Ha dan H0dalambentukstatistik:
Ha : rX1(X2.Y) ≠ 0
H0 : rX1(X2.Y) ¿ 0
Ha : rX2(X1.Y) ≠ 0
H0 :rX2(X1.Y) ¿ 0
Ha : rY(X1.X2) ≠ 0
128
H0 : rY(X1.X2) ¿ 0
c) Masukkan nilai koefisien korelasi ini, ke dalam rumus berikut :
rX1Y = 0,9 rX2Y = 0,7 rX1X2 = 0,6
r X 2Y −r X 1Y . r X 1 X 2 0,7−( 0,9 ) .(0,6) 0,16

rX1(X2.Y) ¿ ¿= ¿= = 0,46
√1−r 2
X 1 Y ¿ . ( 1−r X 1 X 2 )
2
√1−0,9 ¿ . ( 1−0,6 )
2 2
0,35

r X 1Y −r X 2Y . r X 1 X 2 0,9−( 0,7 ) .(0,6) 0,48
rX2(X1.Y) ¿ = = = 0,84
√(1−r 2
X 2Y ). ( 1−r X 1 X 2 )
2
√(1−0,7 ) . ( 1−0,6 ) 0,57
2 2
Bila Y tetap Rumus:

r X 1 X 2−r X 1 Y .r X 2 Y 0,6−( 0,9 ) .(0,7) −0,03
rY(X1.X2) ¿ = = = -0,097
√(1−r 2
X 1Y ). ( 1−r X 2Y )
2
√(1−0,9 ) . ( 1−0,7 ) 0,31
2 2
a) 8
b) Mengujisignifikansidengancaramembandingkannilaithitungdenganttabelkemudia
nambilkesimpulan.
Kaidah pengujian : Jika thitung≥dari ttabel, maka signifikan.
Jikat thitung¿dari ttabel maka tidak signifikan.
r parsial √n−3 0,46 √ 80−3 4,03

thitung= = = = 4,53
√1−r 2 parsial √1−0,462 0,89
Kesimpulan tenyata thitung¿dari ttabel, atau 4,53> 1,99, maka adapengaruh
129
yang signifikan antara kepuasan kerja (X2) denganefektivitas kerja (Y)
apabila produktivitas kerja (X1) tetap.
r parsial √n−3 0,84 √ 80−3 7,37

thitung= = = = 13,65
√1−r 2 parsia l √1−0,842 0,54
Kesimpulan ternyata thitung> ttabel atau 13,65> 1,99, makaada pengaruh yang
signifikan antara produktivitas kerja (X1dengan efektivitas kerja (Y) apabila
kepuasan kerja (X2) tetap.
r parsial √n−3 −0,097 √ 80−3 −0,85

thitung= = = = -0,85
√1−r 2 parsial √ 1−(−0,097)2 0,995
Kesimpulan ternyata hitung thitung< ttabel, atau -0,85< 1,99,maka Tidak ada
pengaruh yang signifikan antara produktivitaskerja (X1) dan kepuasan kerja
(X2) apabila efektivitas kerja (Y)tetap.
ttabel= 1,99 (interpolasi)
db= n- 1 = 80 1 = 79 dengan α = 0,05. Untuk uji dua pihak
Rumus mencari interpolasi tabel :
C = C0 + ¿ ¿(B- B0)
Dimana :
B0 = nilai db pada awal nilai yang sudah ada
B1 = nilai db pada akhir nilai yang sudah ada
130
C = nilai ttabel yang dicari
C0 = nilai tabel pada awal nilai yang sudah ada
C1 = nilai tabel pada akhir nilai yang sudah ada
B = 89
B0 = 60
B1 = 120
C = nilai ttabel yang dicari melalui interpolasi = 1,99
C0 = 2,000
C1 = 1,980
(1,98−2)
C = C0 + ¿ ¿(B- B0) = 2 + (120−60) (89-60) = 2-0,01=1.99
131
KELOMPOK 10
UJI KORELASI GANDA

1. UJI KORELASI GANDA (MULTIPLE CORRELATION)
Uji Korelasi Ganda adalah suatu nilai yang memberikan kuatnya pengaruh atau
hubungan dua varinabel atau lebih secara bersama-sama dengan variabel lain. Rumus
Korelasi Ganda
R
X 1 X 2Y =
√ r x1 y +r x1 y −2.r x1 y .r x1 y .r x1 y
2 2
1−rx 1 y
2
2
2 2
Selanjutnya untuk mengetahui signifikansi korelasi ganda X 1 danX2 terhadap Y ditentukan

dengan Rumus Fhitung kemudian dibandingkan dengan Ftabel sebagai berikut :
R2
Rumus Fhitung = k
¿¿¿
Dimana :
R = Nilai koefisien korelasi ganda.
K = Jumah variabel bebas (independen).
n = Jumlah sampel
F = Fhitung yang selanjutnya akan dibandingkan dengan Ftabel
Kaidah Pengujian Signifikansi:

Jika Fhitung≥ Ftabel, maka signifikan
Jika Fhitung¿ Ftabel, maka tidak signifikan
Carilah nilai Ftabelmenggunakan Tabel F dengan rumus :
Taraf signifikansinya α =0,01 atau α =0,05
Ftabel= F(1-α) {(db=k), (db=n-k-1)}
132
1. LANGKAH-LANGKAH MENJAWAB UJI KORELASI GANDA
a. Buatlah Ha dan H0 dalam bentuk kalimat

b. Buatlah Ha dan H0dalam bentuk statistik:
c. Buatlah tabel penolong untuk menghitung nilai korelasi ganda:
d. Masukkan angka-angka statistik dari tabel penolong denganrumus
n . ( Σ XY )−( Σ X ) .( ΣY )
r =
√{n . Σ X 2−(ΣX )2 }. {n . Σ Y 2−(ΣY )2 }
selanjutnya hasil dari korelasi kermudian hitung korelasi ganda (R)dengan rumus
R
X 1 X 2Y =
√ r x1 y +r x1 y −2.r x1 y .r x1 y .r x1 y
2 2
1−rx 1 y
2
2
2 2
e. Menguji signifikansi dengan rumus Fhitung :

2
R
Fhitung = k
¿¿¿

Jika Fhitung≥ Ftabel, maka signifikan
Jika Fhitung¿ Ftabel, maka tidak signifikan
Carilah nilai Ftabelmenggunakan Tabel F dengan rumus :
Taraf signifikansinya α =0,01 atau α =0,05
Ftabel= F(1-α) {(db=k), (db=n-k-1)}
f. Buat Kesimpulan
A. KASUS
Judul Penelitian
133
HUBUNGAN MOTIVAŠI KERJA DAN KEMAMPUAN PEGAWAI TERHADAP PELAYANAN
MASYARAKAT PADA DINAS PENGEMBANGANSUMBER DAYA MANUSIA KOTA PRINGSEWU
1) Variabel Motivasi Kerja (X1)

2) Variabel Kemampuan Pegawai (X2)
3) Variabel Pelayanan Masyarakat (Y)
4) Sampel sebanyak 64 responden.
5) Tingkat kesalahan α = 0,05.
Pertanyaan:
No X1 X2 Y No X1 X2 Y
Apakah ada
1 48 97 61 33 42 67 54
2 47 77 40 34 41 58 50 hubungan yang
3 47 99 48 35 55 90 61
signifikan antara
4 41 77 54 36 68 77 47
5 41 77 34 37 61 99 68 (X1)dengan (X2)
6 42 55 48 38 61 109 82 secara bersama-
7 61 88 68 39 54 76 67
sama terhadap
8 69 120 67 40 48 75 69
9 62 87 67 41 40 77 55 (Y),buktikan !
10 65 87 75 42 34 67 48
11 48 50 56 43 48 68 47
Data penelitian sebagai
12 52 87 60 44 38 67 55
13 47 87 47 berikut: 45 55 89 61
14 47 87 60 46 62 87 61
15 47 81 61 47 68 87 68
Data Variabel (X1), (X2)
16 41 55 47 48 56 87 65
17 55 88 68 dan (Y) 49 38 65 70
18 75 98 68 50 61 98 75
19 62 87 74 51 68 105 61
20 68 87 75 52 60 78 54
21 48 44 55 53 55 77 60
22 49 94 61 54 27 66 55
23 48 77 46 55 48 66 55
24 54 55 61 56 40 55 47
25 54 76 58 57 40 78 56
26 48 65 50 58 48 79 54
27 61 90 68 59 38 75 69
28 54 119 75 60 57 98 74
134
29 68 119 75 61 68 98 68
30 68 98 75 62 61 87 66
31 47 55 56 63 35 87 61
32 41 66 61 64 40 77 69
B. LANGKAH-LANGKAH MENJAWAB
a) Buatlah Ha dan H0 dalam bentuk kalimat

Ha: Terdapat hubungan yang signifikan antara motivasi kerjadan kemampuan pegawai
terhadap pelayanan masyarakatpada Dinas Pengembangan Sumber Daya Manusia Kota
Pringsewu.
H0: Tidak terdapat hubungan yang signifikan antara motivasi kerjadan kemampuan
pegawai terhadap pelayanan masyarakatpada Dinas Pengembangan Sumber Daya
Manusia Kota Pringsewu.
b) Buatlah Ha dan H0dalam bentuk statistik:

Ha : R ≠ 0
H0 : R = 0
c) Buatlah Ringkasan Statistik untuk menghitung korelasi ganda:

(1) KORELASI X1 dengan Y
RINGKASAN STATISTIK X1 dengan Y

SIMBOL STATISTIK NILAI STATISTIK
N 64
ΣX1 3320
ΣY 3871
ΣX12 179456
2
ΣY 240425
ΣX1Y 204514
135
n . ( Σ X 1Y )−( Σ X 1 ) .( ΣY )
rX1Y =
√{n . Σ X 12−(ΣX 1)2 }. {n . ΣY 2−(ΣY )2 }
64. ( 204514 ) −( 3320 ) .(3871)

rX1Y = = 0,549
√{64 . 179456−(3320)2 }. {64.240425−(3871)2 }
(2) KORELASI X2 dengan Y
RINGKASAN STATISTIK X2 dengan Y
N 64
ΣX2 5198
ΣY 3871
ΣX22 439670
2
ΣY 240425
ΣX2Y 320416
n . ( Σ X 2Y )−( Σ X 2 ) .( ΣY )
rX2Y =
√{n . Σ X 22−(ΣX 2)2 }. {n . ΣY 2 −( ΣY )2 }
64. ( 320416 )−( 5198 ) .(3871)

rX2Y = = 0,574
√{64 . 439670−(5198)2 }.{64.240425−(3871)2 }
(3) KORELASI X1 dengan X2

RINGKASAN STATISTIK X1 dengan X2
N 64
ΣX1 3320
Σ X2 5198
ΣX12 179456
ΣX22 439670
ΣX1X2 276596
136
n . ( Σ X 1 X 2 )−( Σ X 1 ) .(ΣX 2)
rX1X2 =
√{n . Σ X 12−(ΣX 1)2 }. {n . Σ X 22−( ΣX 2)2 }
64. ( 276596 )−( 3320 ) .(5198)

rX1X2 = = 0,618
√{64 . 179456−(3320)2 }. {64. 439670−( 5198)2 }
(4) Rumus Analisis Korelasi Ganda (R)
√
2 2 2 2 2
r X 1 Y +r X 2 Y −2. r X 1 Y . r X 2 Y . r X 1 X 2
RX1X2Y = 2
1−r X 1 X 2
√
RX1X2Y = 0,5492 +0,574 2−2. ( 0,549 ) .
2 (0,574¿ ¿2).(O ,618)
1−(0,618)2
¿
RX1X2Y =
√ 0,63−0,39
0,62
=
0,24
0,62√= √ 0,39 =0,62
Hubungan motivasi kerja dan kemampuan pegawai terhadappelayanan masyarakat pada

Dinas Pengembangan Sumber DayaManusia Kota PringsewuDiperoleh sebesar 0,62
tergolong kuat. Sedangkanuntuk menyatakan besar kecilnya sumbangan variabel X 1 dan
X2terhadap variabel Y atau koefisien diterminan = R(kuadrad x 100% atau(0,62 2 x 100% =
38,44%). Sisa 100% - 38,44% = 61,56% Selanjutnya untuk mengetahuikeberartian korelasi
ganda (R) dihitung Uji F berikut:
2 2
R 0,62 0,1922
Fhitung = k = 2 = = 19,22
0,01
¿¿¿ ¿¿¿
d) Menguji signifikansi dengan rumus Fhitung

Kaidah uji signifikansi: Jika Fhitung≥ Ftabel, maka signifikan
Jika Fhitung¿ Ftabelmaka tidak signifikan.
Nilai Ftabel dengan α=0,05 untuk uji 2 pihak.
Ftable = F (1-α) {(db= k), (db = n-k- 1)}
137
= F (1-α) {(db= 2), (db = 64-2-1 )} = F (1-0,05) [2, 61]
= F (0,95) [2,61]
Cara mencari Ftabel = 2, sebagai angka pembilang
= 61, sebagai angka penyebut
Ftabel= 1,999 (interpolasi)
Berikut untuk menguji nilai interpolasi diatas:
C 1−C 0
C=C 0+ ( B−B0 )
B1−B0
Keterangan:
Bo = nilai db pada awal nilai yang sudah ada
B₁ = nilai db pada akhir nilai yang sudah ada
C = nilai yang dicari
Co = nilai tabel pada awal yang sudah ada
C₁ = nilai tabel pada akhir yang sudah ada
Diketahui :
B = 64
B0= 60
B1= 65
C 0= 3,15
C 1= 3,14
C….?
C 1−C 0
C=C 0+ ( B−B0 )
B1−B0
138
3,14−3,15
C=3,15+ ( 64−60 )
65−60
−0,01
C=3,15+ ( 4)
5
C=3,15−0,008
C=3,142
e) Kesimpulan: setelah dihitung ternyata F hitung≥ Ftabel, atau19,22 >1,999, maka terdapat
hubungan yang signifkanantara motivasi kerja dan kemampuan pegawai
terhadappelayanan masyarakat pada Dinas Pengembangan Sumber Daya Manusia Kota
Pringsewu.
KELOMPOK 11
REGRESI LINIER SEDERHANA

A. Regresi Linear Sederhana
Kegunaan Uji Regresi Sederhana adalah untuk meramalkan (memprediksi) variabel
terikat (Y) bila variabel bebas (X) diketahui. Regresi sederhana dapat di analisis karena di
dasari oleh hubungan fungsional atau hubungan sebab akibat ( kausal) variabel bebas (X)
terhadap variabel terikat (Y) karena ada perbedaan yang mendasar dari uji korelasi dan uji
regresi. Pada dasarnya uji regresi dan uji korelasi kedua nya punya hubungan yang sangat
kuat dan mempunyai keeratan. Setiap uji regresi otomatis ada uji korelasinya, tetapi
sebaliknya uji korelasi belum tentu di uji regresi atau di teruskan uji regresi.
Uji korelasi yang di lanjutkan dengan uji regresi adalah uji korelasi yang ke dua variabel
nya tidak mempunyai hubungan fungsional dan sebab akibat. Apabila peneliti
mengetahui hal ini lebih lanjut, maka perlu konsep dan teori yang mendasari kedua
variabel tersebut.
Persamaan regresi sederhana dirumuskan :Y^ =a+bX
139
Dimana :
Y^ = (baca Y topi), Subjek variable terikat yang diproyeksikan.
X = variable bebas yang mempunyai nilai tertentu untuk diprediksikan
a = nilai konstanta harga Y jika X = 0
b = nilai arah sebagai penentu ramalan (prediksi) yang menunjakan nilai peningkatan (+)
atau nilai penurunan (-) variable Y.
n . ∑ XY −∑ X . ∑ Y ∑ Y −b . ∑ X
b= a=
n . ∑ X −( ∑ X )
2 2
n
B. Langkah-Langkah menjawab uji regresi sederhana

2) Buatlah Ha dan Ho dalam bentuk kalimat
3) Buatlah Ha dan Ho dalam bentuk statistik
4) Buatlah tabel penolong menghitung angka statistik.
5) Masukan angka-angka statistik dari tabel penolong dengan rumus :
n . ∑ XY −∑ X . ∑ Y
a=∑
Y −b . ∑ X
b=
n . ∑ X −( ∑ X )
2 2
n
6) Hitung jumlah kuadrat regresi [JKRef(s) ] dengan rumus :

2
= (∑ )
Y
JKReg (a)
n
7) Hitung jumlah kuadrat Regresi [JKReg(b|a) ] dengan rumus :
JKReg(b|a) = b (∑ XY −
∑ X∑ Y
n )
8) Hitung Jumlah Kuadrat Residu [JKRes ] dengan rumus :
JKRes =∑ Y 2 – JKreg(b|a) – JKreg(a)
9) Hitung Rata rata Jumlah Kuadarat Regresi (a) [RJKReg(a) ] dengan rumus :
RJKreg(a) = JKReg(a)
10) Hitung Rata – rata Kuadrat Regresi (b|a) [JKReg(b|a) ] dengan rumus :
140
RJKreg(b|a) = JKReg(b|a)
11) Hitung Rata Rata Jumlah Kuadrat Residu [RJKRes] denga rumus :
JK Res
RJKRes =
n−2
12) Menguji signifikasi dengan rumus FHitung :
RJK Reg (b ∨a)

Fhitung =
RJK Res
13) Menentukan aturan pengambilan keputusan atau kriteria uji signifikan :
Kaidah Pengujian Signifikasi :
Jika Fhitung ≥Ftabel maka tolak Ho (signifikan)
Jika Fhitung ¿Ftabel maka tolak Ha (tidak signifikan)
14) Cari nilai Ftabel menggunakan Tabel F dengan rumus :

Taraf signifikasinya α =0,01 atau α =0,05
Ftabel = F(1-α ) (db reg[b|a].(db Res)
15) Buat kesimpulan
141
KASUS
Perusahaan Barang Elektronik PT Nurma Jaya ingin mengetahui pengaruh antara

pengalaman kerja (X) terhadap penjualan barang (Y). Kemudian diambil sampel secara
acak sebanyak 8 orang dengan data sebagai berikut :
Pengalaman Kerja Penjualan Barang
(X) (Y)
2 50
3 60
1 30
4 70
1 40
3 50
2 40
2 35
Pertanyaannya:
1. Bagaimana Persamaan Regresinya
2. Gambarkan diagram pencarnya
3. Gambar Arah Garis Regresi
4. Buktikan apakah terdapat pengaruh yang signifikan antara pengalaman kerja (X)
terhadap penjualan barang (Y)
5. Buktikan apakah data tersebut berpola linear
PENYELESAIAN :
1. LANGKAH_LANGKAH MENJAWAB UJI REGRESI SEDERHANA
c) Buatlah Ha dan Ho dalam bentuk kalimat
Ha : Terdapat pengaruh yang signifikan antara pengalaman kerja terhadap
penjualan barang.
Ho : Tidak terdapat pengaruh yang signifikan antara pengalaman kerja terhadap
penjualan barang
d) Buatlah Ha dan Ho dalam bentuk statistik :
Ha : r ≠ 0 Ho : r = 0
e) Buatlah tabel penolong menghitung angka statistik.
142
NO X Y X2 Y2 XY
1 2 50 4 2500 100
2 3 60 9 3600 160
3 1 30 1 900 30
4 4 70 16 4900 280
5 1 40 1 1600 40
6 3 50 9 2500 150
7 2 40 4 1600 80
8 2 35 4 1225 70
n ∑X ∑Y ∑ X2 ∑Y2 ∑ XY
8 18 375 48 18825 930
f) Masukan angka angka statistik dan buatlah persamaan regresi :

a) Menghitung rumus b
n . ∑ XY −∑ X . ∑ Y 8 × ( 930 ) −( 18 ) ×(375) 690

b= = = =11,5
n . ∑ X −( ∑ X )
2 2
( 8 ) × ( 48 )−(18)2 60
b) Menghitung rumus a
a=
∑ Y −b . ∑ X = 375−( 11,5 ) ×(18) = 168 =21
n 8 8
c) Persamaan regresi sederhana dengan rumus :
Y^ =a+bX =21+ 11,5.( X )
2. MEMBUAT DIAGRAM PENCAR

g) Membuat garis persamaan regresi :
4) Menghitung rata rata x dengan rumus :
X=
∑ X = 18 =2,25
n 8
5) Menghitung rata rata Y dengan rumus :
Y=
∑ Y = 375 =46,875
n 8
143
3. GAMBAR ARAH GARIS REGRESI
4. MENGUJI SIGNIFIKASI, DENGAN LANGKAH BERIKUT :

 Hitung Jumlah Kuadrat Regresi [JKReg(a)] dengan rumus :
= (∑ )
2
Y ( 375 )2 17578,125
JKreg(a) = =¿
n 8
 Hitung Jumlah Kuadrat Regresi [JKReg(b|a)] dengan rumus :
JKreg (b/a)= b (∑ XY −
∑ X∑ Y
n ) (
=11,5 . 930−
8 )
( 18 ) ×(375)
=991,875
 Hitung Jumlah Kuadrat Residu [JKRes] dengan rumus :
JKRes =∑ Y 2 – JKreg(b|a) – JKreg(a) = 18825 -991,875 -17578,125 =255
 Hitung Rata-Rata Jumlah Kuadrat Regresi (a) [RJKReg(a)] dengan rumus :
RJKreg(a) = JKReg(a) = 17578,125
144
 Hitung Rata-Rata Jumlah Kuadrat Regresi (b|a) [RJKReg(b|a)] dengan rumus :
RJKreg(b|a) = JKReg(b|a) = 991,875
a) Hitung rata rata jumlah kuadrat residu [RJKRes] dengan rumus :

JK Res 255
RJKRes = = =42,5
n−2 8−2
b) Menguji signifikasi dengan rumus Fhitung :
RJK Reg (b ∨a) 991,875

Fhitung = = =23,34
RJK Res 42,5
 Menentukan aturan pengambilan keputusan atau kriteria uji signifikan :
Kaidah pengujian signifikasi :
Jika Fhitung ≥Ftabel maka tolak Ho (signifikan)
Jika Fhitung ¿Ftabel maka tolak Ha (tidak signifikan)
 Cari nilai Ftabel menggunakan Tabel F dengan rumus :

taraf signifikasi nya α =0,05 dbRes = n – 2 = 8 – 2 = 6
Ftabel = F(1-α ) (db reg[b|a].(db Res)
Ftabel = F (1 – 0,05) ([1].[6])
Ftabel = 5,99
Cara mencari Ftabel : Angka 1 = db Pembilang
Angka 6 = db Penyebut
Ternyata Fhitung > Ftabel atau 23,24 > 5,99 maka signifikan
 Kesimpulan karena Fhitung lebih besar dari Ftabel, maka tolak Ho dan terima Ha. Dengan
demikian terdapat pengaruh yang Signifikan antara pengalaman kerja terhadap
penjualan barang.
5. MENGUJI LINEARITAS DENGAN LANGKAH LANGKAH BERIKUT.

 Hitung Jumlah Kuadrat Regresi [JKReg(a)] dengan rumus :
JKreg(a) = ( ∑ ) = ( 375 ) =¿17578,125

2
Y 2
n 8
 Hitung Jumlah Kuadrat Regresi [JKReg(b|a)] dengan rumus :

145
JKreg (b/a)= b (∑ XY −
∑ X∑ Y
n ) (
=11,5 . 930−
8 )
( 18 ) ×(375)
=991,875
 Hitung Jumlah Kuadrat Residu [JKRes] dengan rumus :
JKRes =∑ Y 2 – JKreg(b|a) – JKreg(a) = 18825 -991,875 -17578,125 =255
 Menghitung Jumlah Kuadrat Error (kesalahan) (JKE) dengan rumus:
{
JKE = Σᵏ ΣY ²−
( ΣY ) ²
n }
Sebelum menghitung JKE urutkan data X mulai dari data yang kecil sampai data yang
pling besar berikut disertai pasangannya, seperti Tabel 80 sebagai berikut :
TABEL 80
PASANGAN VARIABEL X DAN VARIABEL Y
UNTUK MENCARI (JKE)
X Y X Kel n Y
2 50 1 K1 2 30
3 60 1 40
1 30 2 K2 3 35
4 70 2 40
1 40 2 50
3 50 3 K3 2 50
2 40 3 60
2 35 4 K4 1 70
(
JKE = 30²+ 40²−
(30+40) ²
2 ) (
+ 35²+ 40²+50−
(35+40+ 50)²
3
+ )
(50²+60²− (50+60)
2
²
) + ( 70²−
1 )
(70)²
JKE = (-50 + 116,67 + 50 + 0 ) = 116, 67
 Hitung Jumlah Kuadrat Tuna Cocok (JKTC) dengan rumus:

JKTC = JKRES - JKE= 255 - 116,67 = 138,33
 Hitung Rata Rata Jumlah Kuadrat Tuna cocok (RJKTC) dengan rumus:
146
JKTC 138,33
RJKTC¿ = =69,165
k −2 4−2
 Hitung Rata Rata Jumlah Kuadrat Error (RJKE) dengan rumus:

JKE 116,67
RJKE¿ = =29,1675
n−k 8−4
 Mencari nilai Fhitung dengan rumus:
RJKTC 69,165
Fhitung¿ = =2,37
RJKE 29,1675
 Tentukan aturan untuk pengambilan keputusan atau kriteria uji linier:

Perlu diketahui bahwa uji linieritas ini berbeda dengan uji signifikansi, adapun
perbedaannya terletak pada pengamabilan keputusan, yaitu:

Jika Fhitung≥ Ftabel, maka tolak H0 SIGNIFIKAN
Jika Fhitung ¿ Ftabel, maka tolak Ha TIDAK SIGNIFIKAN
Tetapi pada uji linieritas berlaku:

Jika Fhitung ≤ Ftabel, maka terima H0 berarti LINIER
Jika Fhitung > Ftabel, maka terima Ha berarti TIDAK LINIER
 Carilah nilai Ftabel menggunakan Tabel F dengan rumus:

Ftabel = F (1-a) (db TC.db E)
= F (1-0,05) (db TC. db E)
= F (0,95)(db = k-2, db = n-k)
= F(0,95) (db= 4-2, db=8-4)
= F (0,95) (2,4)
Cara mencari Ftabel db= 2 sebagai angka pembilang

db = 4 sebagai angka penyebut. maka Ftabel = 6,94
 Bandingkan nilai Fhitung dengan nilai Ftabel , ternyata

Fhitung < Ftabel, atau 2.37< 6,94 Maka terima H0 berarti LINIER
 Kesimpulan karena Fhitung lebih kecil Ftabel, maka terima H0 dan tolak Ha. Dengan
demikian metode regresi Y atas X BERPOLAH LINIER.
147
148

Remidi Statistik (Rischi Wulandari - 097 - 3a)

Uploaded by

Document Information

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

Remidi Statistik (Rischi Wulandari - 097 - 3a)

Uploaded by

Copyright:

Available Formats

TUGAS REMIDI DASAR-DASAR STATISTIKA

Dosen Pengampu : Rahman Cahyadi S.Pd., M.Si

Nama : Rischi Wulandari

PENDIDIKAN GURU SEKOLAH DASAR FAKULTAS KEGURUAN DAN ILMU

MENGAPA BELAJAR STATISTIKA

PENYAJIAN DATA, KEADAAN KELOMPOK DAN UKURAN PENEMPATAN

PENGUKURAN PENYIMPANGAN, SUMBER, METODE DAN INSTRUMEN PENGUMPULAN DATA

HIPOTESIS PENELITIAN, STATISTIK PARAMETRIK DAN UJI HOMOGENITAS

UJI NORMALITAS DATA

UJI LINEARITAS REGRESI

UJI PERSON PRODUCT MOMENT

UJI KORELASI PARSIAL

UJI KORELASI GANDA

REGRESI LINIER SEDERHANA

MENGAPA BELAJAR STATISTIKA

1. Mengapa Belajar Statistika?

2. Bagaimana efek BBM dan Ekonomi?

3. Bagaimana Menanggulangi Kemiskina

1) Berapa Banyak Korban Flu Burung?

3) Apakah Gaji Sarjana Lebih Tinggi?

1. Statistikadigunakan sebagai penuntun dalam Proses Metode Ilmiah

C. Penggolongan Data Statistika

E. Penggolongan data statistic berdasarkan bentuk angkanya

PENYAJIAN DATA, KEADAAN KELOMPOK DAN UKURAN PENEMPATAN

Contoh penyajian data dalam bentuk diagram lingkaran

Untuk menyajikan data kelompok ke dalam bentuk histogram, kita membutuhkan

Langkah selanjutnya, hanya perlu menyesuaikan nilai titik tengah masing-masing

 Contoh Distribusi Frekuensi Kategorik

 Contoh Distribusi Frekuensi Numerik

 Langkah-langkah penyusunan Tabel Distribusi Frekuensi

Contoh : nilai ujian statistik 40 mahasiswa adalah:

Nilai Turus/tally Frekuensi

Ukuran penempatan, terdiri dari:

Agar lebih jelas diuraikan sebagai berikut:

Jadi, nilai rata-rata keenam mahasiswa adalah 72,5

2) Mean Data Kelompok

∑fi= 40 ∑fixi= 242

diikuti oleh 70 mahasiswa. Berapkah rat-rat kelompok nilai statistic tersebut.

Nilai Ujian Statistik Universitas Muhammadiyah PringsewuTahun 2001

Nilai Interval f(frekuensi)

a)Buatlah tabel dan susunlah data dengan menambah kolom:

Titik Tengah Frekuensi Jumlah

∑ni = 15 ∑ (ti.fi) = 5.435

Jadi, rata-rata nilai statistik= 77, 643

b. Rata-rata Ukur (Arithematic Mean)

X1,X2,X3 = tiap gejala dalam %

Jika rumus berubah dalam bentuk logaritma, maka menjadi:

RU = anti log RU – 100

III = 70.000 VI = 120.000

Berapa rata-rata ukur perminggu?

dengan persentse perubahan

Minggu Penghasilan Persentse Perubahan (%)

(65.000 : 75.000) × 100 = 92,86

(70.000 : 65.000) × 100 = 107,69

(50.000 : 70.000) × 100 = 71,43

(68.000 : 50.000) × 100 = 136

(120.000: 68.000) × 100 = 176,47

perubahan penghasilan Yan Mufid di Toko Al-Batul Al Jawad sebagai berikut:

Log RU = √( 92,68 x 107,69 x 71,43 x 136 x 176,47) – 100

Besaranya Penghasilan Perminggu Yan Mufid di Toko Al-Batul Al Jawad

dengan menggunakan Logaritma

Jumlah ∑ log.X = 10,2341

RU = anti log RU – 100