Tag Archives: Analisis Uji Beda

Statistika Sosial (Penulis Buku: Dr. Taufiq Ramdani, M.Sos)

10 Okt

ANALISIS STATISTIKA SOSIAL
(Memahami Dasar-Dasar Statistika Sosial)

Penulis:
Dr. Taufiq Ramdani, M.Sos

YAYASAN PENDIDIKAN MADANI SUMBAWA
ALAS-SUMBAWA
2011

BAB I
PENDAHULUAN

A. Pengertian Statistika Sosial
Pengertian statistik dapat di bagi menjadi dua, yaitu pengertian statistik dalam arti sempit dan dalam arti luas.
• Pengertian dalam arti sempit: misalnya statistik penduduk yang hanya menyajikan berupa gambaran angka dalam bentuk tabel-tabel dan daftar atau diagram mengenai keadaan penduduk.
• Pengertian dalam arti luas: dalam pengertian ini sering digunakan istilah statistika, yaitu suatu ilmu yang diawali dari pengumpulan data, pengolahan, analisis, penarikan kesimpulan, serta pengambilan keputusan berdasarkan analisis yang dilakukan dari data tersebut.

B. Pengertian Data, Datum dan Data-data
Data adalah seluruh unit pengamatan. Maksudnya adalah suatu keterangan yang berhasil kita catat baik berupa data kuantitatif maupun data kualitatif. Data merupakan bentuk jamak dari datum.

C. Data Menurut Sumbernya (Internal-Eksternal )
• Data internal: adalah data yang dikumpulkan oleh suatu badan atau lembaga guna kepentingan badan atau lembaga itu pula.
• Data eksternal: adalah data yang diperoleh dari luar badan yang memerlukannya.

D. Data Menurut Jenisnya (Kuantitatif-Kualitatif)
• Data kuantitatif: adalah suatu data yang dinyatakan dengan menggunakan satuan angka.
• Data kualitatif: adalah data yang tidak dinyatakan dalam satuan angka, melainkan yang dinyatakan dalam bentuk kategori sesuai dengan sifat dari data tersebut.

E. Data Menurut Waktu ( Silang dan Berkala )
• Data silang: adalah data yang dikumpulkan pada waktu tertentu.
• Data berkala: adalah data yang dikumpulkan dari waktu ke waktu.

F. Data Menurut Cara Perolehan (Primer dan Sekunder)
• Data primer: adalah data yang diperoleh langsung dari responden.
• Data sekunder: adalah data yang diambil dari sumber primer yang telah diolah untuk tujuan-tujuan lain.

G. Variabel Dan Skala Pengukuran
Variabel: adalah suatu keterangan yang membedakan arti antara satu dengan lainnya. Misalnya, antara manusia dan hewan, laki-laki dan perempuan, orang dewasa dan anak-anak, dll.

H. Populasi Dan Sampel
• Populasi adalah keseluruhan dari obyek penelitian, baik berupa karakteristik nilai-nilai, jumlah maupun jenisnya.
• Sampel adalah bagian dari populasi yang diambil secara refersentatif.

I. Pengumpulan Data
Beberapa cara yang dapat ditempuh dalam upaya pengumpulan data:
• Mengadakan penelitian dan pengamatan secara langsung di lapangan atau laboratorium terhadap unit penelitian
• Mengambil atau menggunakan sebagian atau seluruh data yang telah tersedia yang dicatat atau dilaporkan pihak lain.
• Membuat angket, yakni cara-cara pengumpulan data dengan menggunakan kuisioner yang telah disiapkan dan disusun sedemikian rupa sehingga responden hanya tinggal mengisi atau menandai secara mudah dan cepat.

II
TEKNIK PENYAJIAN DATA

Data yang diperoleh, baik dari populasi maupun sampel, untuk keperluan pelaporan atau analisis selanjutnya perlu diatur, disusun dan atau disajikan dalam bentuk yang lebih jelas dan lebih baik.

Ada dua cara penyajian data:

1. Membuat Tabel dan Daftar
• Daftar Baris dan Kolom
• Sebaran Frekuensi
• Daftar Kontingensi

2. Membuat Diagram Histogram
• Diagram Batang
• Diagram Baris (Histogram)
• Diagram Lambang (Simbol)
• Diagram Pastel (Lingkaran)
• Diagram Peta (Kartogram)
• Diagram Pencar (Titik)

2.1
TEKNIK MEMBUAT SEBARAN FREKWENSI

• Data hepotetik (data sembarang) berjumlah 100 orang
• Kaidah sturges : karena data berjumlah 100 dan kurang dari 250, maka jumlah kelas adalah 9.
• Tetapkan Interval / range:

• Susun data secara teratur dari yang terkecil ke yang terbesar

Tabel 1. Data Hepotetik Pendapatan 100 Orang Pedagang Salak Pondoh di Yogyakarta Pertahun

22,4 30,1 40,0 33,0 35,1 34,7 37,7 40,9 48,2 50,5
21,7 23,1 30,0 33,6 38,1 47,8 38,6 42,2 45,8 50,4
34,5 22,1 40,2 35,0 42,7 45,6 39,5 35,9 49,6 50,7
56,3 32,2 50,1 45,0 39,0 25,6 40,9 34,9 46,7 44,8
54,2 34,2 52,5 47,1 44,7 38,8 45,1 52,9 31,4 60,0
26,7 23,5 42,0 50.3 46,2 28,7 47,3 46,6 41,5 54,4
57,3 50,2 36,0 31,6 53,1 29,6 52,8 53,3 36,1 62,6
44,6 52,1 31,9 41,2 38,0 39,9 58,0 29,7 37,2 37,6
21,5 22,7 47,0 51,2 47,6 49,7 48,6 37,6 38,5 63,1
22,5 23.0 37,0 52,3 48,7 25,7 39,9 61,3 49.5 48,9

Tabel 2. Susunan Data Terkecil ke Terbesar

21,5 26,7 31,9 34,5 37,7 40,9 45,3 48,2 51,1 53,3
21,7 27,9 32,2 34,7 37,9 41,2 45,6 48,6 51,2 54,2
22,1 28,7 33,1 34,9 38,5 41,3 45,7 48,9 51,3 54,4
22,2 29,6 33,3 35,1 38,6 41,4 45,8 49,6 52,1 54,7
22,5 29,7 33,4 35,7 38,8 41,5 46,6 49,7 52,3 56,3
22,7 30,1 33,5 35,9 39,5 42,2 47,1 50,1 52,4 57,3
23,1 31,4 33,6 36,1 39,7 43,2 47,2 50,2 52,5 58,7
23,5 31,6 33,7 37,2 39,9 44,6 47,3 50,4 52,7 60,1
25,6 31,7 33,9 37,5 40,2 44,8 47,4 50,5 52,8 60,2
25,7 31,8 34,2 37,6 40,7 45,1 47,8 50,7 52,9 60,8

Tabel 3. Tabel Distribusi Frekwensi Pendapatan Pedagang Salak Pondoh Yogyakarta

No Kelas Frekwensi
1 21,5 – 25,6 9
2 25,7 – 31,7 10
3 31,8 – 33,6 8
4 33,7 – 37,6 13
5 37,7 – 41,2 12
6 41,3– 47,1 14
7 47,2 – 49,6 8
8 49,7 – 52,8 15
9 52,9 – 60,8 11
Jumlah 100

Kaidah Sturges, data kurang dari 250 = 9 kelas

Range:

Tabel 4. Penyusunan Tabel Frekwensi Lanjutan

No
Kelas
F
X

F

Frekwensi
Komulatif
1 21,5 – 25,6 9 23,55 9/100 9
2 25,7 – 31,7 10 28,7 10/100 19
3 31,8 – 33,6 8 32,7 8/100 27
4 33,7 – 37,6 13 35,65 13/100 40
5 37,7 – 41,2 12 39,45 12/100 52
6 41,3– 47,1 14 44,2 14/100 66
7 47,2 – 49,6 8 48,4 8/100 74
8 49,7 – 52,8 15 51,52 15/100 89
9 52,9 – 60,8 11 56,85 11/100 100
Jumlah 100 361,02 1 476

Tabel 5. Tabel Frekwensi Komulatif dan Nilai Tengah
No Kelas F Frek. Nisbi
Komulatif Fi.Xi
1 21,5 – 25,6 9 9/476 211,95
2 25,7 – 31,7 10 19/476 287
3 31,8 – 33,6 8 27/476 261.6
4 33,7 – 37,6 13 40/476 463,45
5 37,7 – 41,2 12 52/476 473,4
6 41,3– 47,1 14 66/476 618,8
7 47,2 – 49,6 8 74/476 387,2
8 49,7 – 52,8 15 89/476 768
9 52,9 – 60,8 11 100/476 625,35
Jumlah 100 1 4096,75

Tabel 6. Sebaran Frekwensi Untuk Mencari Keragaman
No Kelas Frekwensi
(f) X -X
(X -X)

1 21,5 – 25,6 9 -17,417 303,351
2 25,7 – 31,7 10 -12,267 150,479
3 31,8 – 33,6 8 -8,267 68,343
4 33,7 – 37,6 13 -5,317 28,270
5 37,7 – 41,2 12 -1,517 2,301
6 41,3– 47,1 14 3,233 10,452
7 47,2 – 49,6 8 7,433 55,249
8 49,7 – 52,8 15 10,553 111,365
9 52,9 – 60,8 11 15,883 252,269
Jumlah 100 -7,703 982,077

Tabel 7. Analisis Sebaran Frekwensi
No Kelas Frekwensi
(f) Batas
Bawah Batas Atas
1 21,5 – 25,6 9 21,45 25,65
2 25,7 – 31,7 10 25,65 31,75
3 31,8 – 33,6 8 31,75 33,65
4 33,7 – 37,6 13 33,6 37,65
5 37,7 – 41,2 12 37,65 41,25
6 41,3– 47,1 14 41,25 47,15
7 47,2 – 49,6 8 47,15 49,65
8 49,7 – 52,8 15 49,65 52,85
9 52,9 – 60,8 11 52,85 60,85
Jumlah 100
Tabel Kontingensi

Penyusunan tabel kontingensi pada dasarnya membuat tabel seperti pada penyusunan tabel sebaran frekuensi, namun diberikan kontingen pada setiap baris atau kolom yang ada.

Tabel 8. Komposisi Pendidikan Naker PT. Paracendekia
No
Bagian Tingkat Pendidikan

S3 S2 S1 SM SMU SMP SD
1 Pekerja
Produksi – – 33 110 50 20 7 220
2 Staf
Adminis – – 9 7 5 2 1 24
3 Kepala
Bagian 1 5 3 1 – – – 10
4 Direktur 1 – – – – – – 1

1 5 45 118 55 22 8 255

Pembuatan Diagram Batang

Pembuatan diagram batang atau histogram adalah bagaimana menyajikan data ke dalam grafik yang disusun dalam bentuk batang. Histogram adalah sejenis tabel batang tunggal, hanya saja dalam hal ini pada interval horizontalnya mempunyai arti penting.

Tabel 9. Distribusi Frekwensi Penerimaan Penjual Madu di Kabupaten Sumbawa

No Penerimaan (Ribu Rp) Jumlah Pelanggan
1 3 – 7,89 5
2 8 – 14,89 9
3 15 – 19,89 15
4 20 – 24,89 33
5 25 – 29,89 45
6 31 – 37,89 55
7 39 – 45,89 25
8 47 – 55,89 16
9 57 – 63,89 13

Tabel 10. Tabel Histogram Berdasarkan Data Tabel 9

Poligon

Poligon merupakan gambaran yang menjelaskan distribusi frekuensi yang dinyatakan dengan garis lurus yang menghubungkan titik-titik yang letaknya sesuai dengan ujung kelas dan frekuensi tiap-tiap kelas.

Tabel 11. Poligon Pendapatan Pengusaha Kerajinan Batik Lowok Waru Malang

Diagram Lambang
Diagram lambang merupakan penyajian data yang diwujudkan dalam bentuk simbol atau lambang-lambang.

Tabel 12. Diagram Lambang
Desa Jumlah
I

II
III
IV
V 

 
  

900
700
500
800
300
900
Merupakan gambaran perbandingan jumlah penduduk Muslim dan yahudi di Palestina
 = Penduduk Muslim
 = Penduduk Yahudi

Diagram Pastel

Diagram pastel sering juga disebut dengan diagram lingkaran yaitu penyajian data yang didasarkan pada pembagian pada satu lingkaran. Diagram pastel tidak memerlukan sumbu-sumbu seperti halnya dengan diagram batang atau poligon.

Tabel 13. Merk Hand Phon dan Jumlah Penggunanya di Kab.Malang
N0 Jenis Hand Phon Banyaknya (%)
1 Nokia 30
2 Samsung 20
3 Motorola 10
4 Siemen 20
5 Ericson 20
Jumlah 100

Diagram Pastel

Keterangan:
1= Nokia 2= Samsung 3= Motorola 4= Siemen 5= Ericson

Diagram Peta

Diagram peta biasa disebut dengan kartogram, merupakan penyajian data yang menggunakan peta untuk menggambarkan suatu data tertentu.

Gambar di atas menunjukkan lokasi-lokasi pendirian Masjid Agung di pulau Sumbawa

Diagram Pencar

Diagram pencar atau biasa disebut dengan scater diagram, yaitu bentuk pennyajian data yang menghubungkan antara titik-titik kombinasi pariabel X dan Y. Diagram pencar ini sangat penting untuk menganalisis ada tidaknya hubungan atau pengaruh antara variabel tersebut dalam analisis statistika.

Gambar di atas menunjukkan korelasi antara peningkatan peredaran menuman keras dengan tingkat kesadaran hukum masyarakat yang terus menurun

III
PENGUJIAN HIPOTESIS
Penulis: Dr. Taufiq Ramdani, M.Sos

Pengujian hipotesis Ho dan Hi pada intinya ingin mengetahui apakah pokok Ho ditolak atau diterima. Untuk menentukan satu di antara kedua pilihan tersebut maka perlu dibuat rumusan sebagaimana mestinya. Baik Ho maupun Hi hendaknya dirumuskan secara singkat dan jelas sesuai dengan persoalan yang sedang diteliti. Ho biasanya dirumuskan mengenai permasalahan yang cenderung menyamakan atau menyatakan adanya kesetaraan, sedangkan Hi dibuat berdasarkan lawan dari Ho yaitu cenderung bertentangan.

III.1
Analisis Hipotesis dengan Uji Beda Lebih dari Dua Rata-rata (One Way Classification)

One Way Classification atau analisis varians satu arah digunakan bila hendak menguji signifikansi perbedaan rata-rata hitung yang hanya mencakup satu klasifikasi atau satu variabel independen saja. Metode ini merupakan analisis yang menghitung variasi yang timbul akibat adanya perbedaan skor pada beberapa kelompok sampel. Perbedaan diantara kelompok tersebut ditunjukkan oleh adanya selisih rata-rata hitung pada tiap kelompok sampel.
Sebagai contoh, di sini ingin diketahui perbedaan perolehan nilai mata kuliah Matematika di empat fakultas di Brawijaya yaitu Fakultas Hukum, Fakultas Kedokteran, Fakultas Teknik, Fakultas Pertanian.

A. Tabel 14. Datum-datum
No Pencapaian Nilai Matematika
A/Hukum B/Kedokteran C/Teknik D/Pertanian
1 80 70 55 54
2 70 50 54 34
3 50 90 62 65
4 90 88 71 76
5 65 77 59 87
6 68 35 88 63
7 79 64 76 66
8 55 72 52 90
Sampel 8 8 8 8

557 546 517 535

N total = 32
N1=8
N2=8
N3=8
N4=8
= 2155
JK= 4455713
FK=
FK= =145125,78
JK =
JK = 145234,87–145125,78= 109, 09

JK = JKT-JKP = 4310587,22-109,09=4310478,13

JK = JK-FK = 4455713-145125,78=4310587,22

KT =

KT =

B. Tabel 15. Analisis Keragaman
S.Kera-
Gaman Db JK KT Fhit F.Tabel
5% 1%
Penca-
Paian K-1=3 JKP=
109,09 KTP=
36,36 0,00 2,95 4,57
Sisa 28 JKS=
4310478,13 KTS=
153945,64
Total 31 JKT=
4310587,22

Kaidah Pengujian:
Fhit Ftabel, maka menerima Ho
Fhit >Ftabel, maka menolak Ho

Oleh karena Fhit: 0,00 Ftabel: 2,95 (5%) maupun 4,57 (1%) maka kesimpulannya :
Menerima Ho, artinya tidak terdapat perbedaan yang significant dalam perolehan nilai matematika di keempat fakultas tersebut.

III.2
Analisis Hipotetis Uji Beda Lebih dari Dua Rata-Rata (Two Way Classification)

Two Way Classification merupakan analisis statistika yang digunakan untuk menguji hipotesis komparatif lebih dari dua sampel k secara serempak, bila setiap sampel terdiri atas dua kategori atau lebih.
Sebagai contoh, di sini ingin diketahui pengaruh narkoba pada masyarakat di empat kecamatan di kota Malang yaitu: Kecamatan Lowok Waru, Kecamatan Mantingan, Kecamatan Blimbing, Kecamatan Sumbersari. Indikator masing-masing yang diukur adalah :

1. Tingkat ketertarikan pada narkoba berdasarkan profesi
2. Indikator ketertarikan dilihat berdasarkan hasil poling terhadap masing-masing kategori profesi di 4 kecamatan di kota malang.

Konversi angka ditetapkan sbb:
Pernah memakai narkoba diberi point (1)
Tidak pernah memakai narkoba di beri point (2)

Kategori profesi ditetapkan sebagai berikut:
Mahasiswa
Pelajar
Pekerja
Seniman

Kategori kecamatan:
Lowok Waru
Mantingan
Blimbing
Sumbersari
Data yang diperoleh sebagai berikut:
Tingkat Ketertarika Kepada Narkoba Jumlah
Waru Mantingan Blimbing Sumbersari
Maha-
siswa 1 2 1 2

n=17
1 2 2 1
2 1 2 2
1 1 2
2 1
Pelajar 1 1 1 2

n=18
1 2 1 2
2 1 1 1
2 1 2 1
1 2
Pekerja 1 1 2 1

n=19
1 2 1 1
1 2 1 2
2 2 1 1
1 1 1
Seniman 2 1 1 2

n=18
2 2 2 1
2 1 2 1
1 1 1 2
2 1
N 18 19 19 16 N=
72

26 28 25 23

Tabel Analisis Keragaman

Tabel 16.Tabel Analisis keragaman
No Db JK
KT Fhit Ftabel
5% 1%
1 4-1=3 Jkkec=1,43 0,47 2,23 2,75 4,10
2 4-1=3 Jkpro=2,55 0,85 4,04* 2,75 4,10
3 Galat=65 Jkgalat=13,65 0,21

72-1=71 17,66

N=72
JK=165

FK=
JKkecamatan =

JKprofesi = 2, 55
JKgalat = JKT- JKkecamatan – JKprofesi=13,65
JKT = JK-FK 165-147,34 = 17,66

KTkecamatan =
KTprofesi =

KTgalat =

Oleh karena Fhitung kecamatan lebih kecil dari Ftabel, maka pada 4 kecamatan tidak menunjukan adanya perbedaan pada tingkat ketertarikan pada narkoba, sedangkan Fhitung profesi lebih bersar dari Ftabel, maka dapat disimpulkan, bahwa terdapat perbedaan tingkat ketertarikan perhadap narkoba di anatara ke 4 profesi tersebut sehingga dapat disimpulkan profesi menentukan ketertarikan pada narkoba.

III.3
Two Way Clasification dengan Interaksi

JKI=Setiap interaksi dikuadratkan dan dibagi n masing masing dan ditambah masing-masing, lalu dikurangi FK-JK1-JK2
Tingkat Ketertarika Kepada Narkoba Jumlah
Waru Mantingan Blimbing Sumbersari
Maha-
siswa 1 2 1 2

n=17
1 2 2 1
2 1 2 2
1 1 2
2 1
Interaksi 7 6 8 5
Pelajar 1 1 1 2

n=18
1 2 1 2
2 1 1 1
2 1 2 1
1 2
Interaksi 6 6 5 8
Pekerja 1 1 2 1

n=19
1 2 1 1
1 2 1 2
2 2 1 1
1 1 1
Interaksi 6 8 6 5
Seniman 2 1 1 2

n=18
2 2 2 1
2 1 2 1
1 1 1 2
2 1
Interaksi 7 7 7 6
N 18 20 17 15 N=72

26 28 25 23

Tabel 17. Analisis Keragaman
No Db JK
KT Fhit Ftabel
5% 1%
1 4-1=3 JKkec=1,43 0,47 2,23 2,75 4,10
2 4-1=3 JKpro= 2,55 0,85 4,04* 2,75 4,10
3 Interaksi
=7 Jkinter=
1,48 0,21 1 2,18 2,98
4 Galat=58 JKgalat=12,2 0,21

72-1=71 17,66

Oleh karena Fhitung interaksi lebih kecil dari Ftabel, maka kesimpulannya tidak terdapat interaksi antara faktor kecamatan dan profesi. Maka kita dapat melanjutkan analisis dengan menggunakan model anava dua arah, sedangkan apabila terdapat bintang pada Fhitung interaksi, maka kita harus kembali melakukan analisis anava satu arah.

III.4
ANALISIS HIPOTESIS DENGAN UJI BEDA DUA RATA-RATA

Analisis ini digunakan untuk menguji apakah ada perbedaan antara dua sampel rata-rata jika dibandingkan, apakah hanya karena faktor kebetulan atau karena perbedaan yang begitu signifikan atau besar sehingga dapat disimpulkan bahwa kedua sampel tersebut diambil dari populasi dengan nilai rata-rata yang tidak sama.
Sebagai contoh, dari hasil angket pada komunitas pedagang IKAN TONGKOL DAN IKAN BANDENG di Pasar Dinoyo, terungkap rata-rata perbedaan usia diantara mereka. Dari 100 pedagang ikan tongkol dikatahui rata-rata usia mereka yaitu 46,129, dengan simpangan baku 4,632. Sedangkan dari pedagang ikan bandeng rata-rata usia mereka adalah 26,967 dengan simpangan baku 1,069. Maka disini akan diuji perbedaan dua rata-rata tersebut dengan menggunakan analisis hoipotetis dengan tingkat nyata 5%.

Sampel Random Usia Pedagang Ikan Tongkol
Data Hepotetik Usia Pedagang Ikan Tongkol
44,6 24,5 24,5 53,2 54,2 65,5 56,4 44,3 23,9 34,9
52,4 54,6 34,6 54,9 54,3 45,3 65,8 15,3 65,9 23,5
32,5 25,7 24,6 54,3 87,2 25,6 98,5 54,3 35,8 45,7
15,1 64,4 34,3 65,3 76,4 76,4 43,6 43,2 34,8 57,3
55,6 35,5 25,7 76,9 45,1 76,3 34,6 43,2 65,4 65,1
33,5 75,3 35,I 52,1 46,7 86,4 75,6 54,4 43,1 34,9
22,4 26,3 65,4 86,3 76,4 65,4 65,7 23,7 23,1 23,5
23,5 25,3 35,9 65,8 27,9 87,4 54,3 54,3 25,1 45,7
43,6 54,5 54,9 65,2 45,3 98,4 87,1 64,7 27,4 57,3
52,6 23,4 56,9 65,4 45,1 65,3 34,7 34,5 28,6 65,1

Tabel 18. Susunan Data dari yang Terkecil ke yang Terbesar
15,1 24,5 27,9 34,6 43,4 46,7 54,7 56,4 65,3 66,4
15,3 24,6 28,6 34,7 43,6 52,1 54,8 56,9 65,4 66,5
22,4 24,7 29,9 34,8 43,7 52,4 54,9 57,1 65,5 66,6
23,1 25,1 31,7 34,9 44,3 52,6 55,1 57,2 65,6 66,7
23,3 25,3 32,5 35,5 44,6 53,2 55,2 57,7 65,7 66,8
23,4 25,6 33,5 35,8 45,1 54,2 55,3 57,8 65,8 66,9
23,5 25,7 34,1 35,9 45,3 54,3 55,4 64,4 65,9 67,1
23,6 25,8 34,2 43,1 45,4 54,4 55,5 64,7 66,1 67,2
23,7 26,3 34,3 43,2 45,6 54,5 55,6 65,1 66,2 67,3
23,9 27,4 34,5 43,3 45,7 54,6 55,7 65,2 66,3 67,4

Tabel 19. Distribusi Frekwensi
No Kelas Frekwensi
1 15,1-24,7 13
2 25,1-26,3 6
3 27,4-33,5 7
4 34,1-35,9 11
5 43,1-45,7 13
6 46,7-54,9 13
7 55,1-56,9 9
8 57,1-65,9 15
9 66,1-67,4 13
Jumlah 100

Tabel 20. Frekwensi Lanjutan
Tabel
Frekw.
Kom.No Kelas F Xi F Nisbi Frekwensi
Komulatif
1 15,1-24,7 13 19,9 13/100 13
2 25,1-26,3 6 25,7 6/100 19
3 27,4-33,5 7 30,45 7/100 26
4 34,1-35,9 11 35 11/100 37
5 43,1-45,7 13 44,4 13,100 50
6 46,7-54,9 13 50,8 13/100 63
7 55,1-56,9 9 56 9/100 72
8 57,1-65,9 15 61,5 15/100 87
9 66,1-67,4 13 66,75 13/100 100
Jumlah 100 1 467

Tabel 22. Frekwensi Nisbi Komulatif dan Nilai Tengah
No Kelas Frekwensi Frek.Nisbi
Komulatif Fi.Xi
1 15,1- 24,7 13 13/467 258,7
2 25,1- 26,3 6 19/467 154,2
3 27,4- 33,5 7 26/467 213,15
4 34,1- 35,9 11 37/467 385
5 43,1- 45,7 13 50/467 577,2
6 46,7- 54,9 13 63/467 660,4
7 55,1- 56,9 9 72/467 504
8 57,1- 65,9 15 87/467 992,5
9 66,1- 67,4 13 100/467 867,75
Jumlah 100 4612,9

Tabel 21. Sebaran Frekwensi Guna Mencari Keragaman termasuk Simpangan Baku
No Kelas Frekuensi Xi-X (Xi-X)2
1 15,1- 24,7 13 -26,229 687,960
2 25,1- 26,3 6 -20,429 417,344
3 27,4- 33,5 7 -15,679 245,831
4 34,1- 35,9 11 -11,19 125,216
5 43,1- 45,7 13 -1,729 2,989
6 46,7- 54,9 13 4,61 21,252
7 55,1- 56,9 9 9,81 96,236
8 57,1- 65,9 15 15,31 234,396
9 66,1- 67,4 13 20,621 425,225
Jumlah 100 2146,449

Standar Deviasi / simpangan baku:

Sampel Random Usia Pedagang Ikan Bandeng

Data Hepotetik Usia Pedagang Ikan Bandeng
21,1 22,1 27,7 33,5 32,5 22,7 41,3 27,4 32,1 21,5
5,7 35,5 25,4 31,6 22,8 26,3 35,7 40,1 36,2 27,5
2,4 37,3 28,6 37,9 45,5 47,2 31,8 27,9 24,8 21,3
35,6 28,3 29,5 38,2 40,4 48,6 43,2 49,5 29,1 30,9
25,1 21,6 22,6 24,7 38,3 46,8 26,7 44,2 28,9 29,8
31,2 32,2 31,9 35,8 38,5 49,2 22,5 24,4 37,2 26,6
40,2 44,1 43,5 45,7 48,4 33,2 36,3 37,1 39,6 44,3
23,5 24,2 27,6 29,4 35,1 43,6 42,1 37,7 39,2 23,3
41,2 45,3 37,5 38,9 50,5 50,1 49,9 39,9 36,6 49,6
39,3 37,7 38,4 32,4 33,8 33,9 47,1 50,2 50,7 50,6

Menyusun Data dari Terkecil ke Terbesar
22,1 23,5 26,7 29,4 32,4 35,8 37,9 40,1 44,1 48,6
21,3 24,2 27,4 29,5 32,5 36,2 38,2 40,2 44,2 49,2
21,5 24,4 27,5 29,8 33,2 36,3 38,3 40,4 44,3 49,5
21,6 24,7 27,6 30,9 33,5 36,6 38,4 41,2 45,3 49,6
22,1 24,8 27,7 31,2 33,7 37,1 38,5 41,3 45,5 49,9
22,5 25,1 27,9 31,6 33,9 37,2 38,9 42,1 45,7 50,1
22,6 25,4 28,3 31,8 35,1 37,3 39,2 42,4 46,8 50,2
22,7 25,7 28,6 31,9 35,5 37,5 39,3 43,2 47,1 50,5
22,8 26,3 28,9 32,1 35,6 37,7 39,6 43,5 47,2 50,6
23,3 26,6 29,1 32,2 35,7 37,8 39,9 43,6 48,4 50,7

Tabel 23. Distribusi Frekwensi
No Kelas Frekwensi
1 21,1 – 24,8 15
2 25,1 – 27,9 11
3 28,3 – 31,9 12
4 32,1 – 35,8 13
5 36,2 – 37,9 10
6 38,2 – 39,9 9
7 40,1 – 46,8 17
8 47,1 – 49,9 8
9 50,1 – 50,7 5
Jumlah 100
Frekwensi= Jumlah selisih sampel antara variabel kiri(VB) dan variabel kanan (VA)

Tabel 24. Penyusunan Tabel Frekwensi Lanjutan
Tabel
Frk.
K.No Kelas F Xi F Frekwensi
Komulatif
1 21,1 – 24,8 15 33,5 15/100 15
2 25,1 – 27,9 11 26,5 11/100 26
3 28,3 – 31,9 12 30,1 12/100 38
4 32,1 – 35,8 13 33,95 13/100 51
5 36,2 – 37,9 10 37,05 10/100 61
6 38,2 – 39,9 9 39,05 9/100 70
7 40,1 – 46,8 17 43,45 17/100 87
8 47,1 – 49,9 8 48,5 8/100 95
9 50,1 – 50,7 5 50,4 5/100 100
jumlah 10 342 1 543

Tabel 25: Frekwensi Nisbi Komulatif dan Nilai Tengah,
termasuk Rata-rata
No Kelas F Frek.Nisbi
Komulatif Fi . Xi
1 21,1 – 24,8 15 15/543 502,5
2 25,1 – 27,9 11 11/543 291,5
3 28,3 – 31,9 12 12/543 361,2
4 32,1 – 35,8 13 13/543 441,35
5 36,2 – 37,9 10 10/543 370,05
6 38,2 – 39,9 9 9/543 351,45
7 40,1 – 46,8 17 17/543 738,65
8 47,1 – 49,9 8 8/543 388
9 50,1 – 50,7 5 5/543 252
Jumlah 100 1 3696,7

Tabel 26: Sebaran Frekwensi Untuk Mencari Keragaman Termasuk Simpangan Baku
No Kelas F Xi-X (Xi-X)2
1 21,1 – 24,8 15 -3,467 6,934
2 25,1 – 27,9 11 -10,467 20,934
3 28,3 – 31,9 12 -6,867 13,734
4 32,1 – 35,8 13 -3,017 6,034
5 36,2 – 37,9 10 0,083 0,166
6 38,2 – 39,9 9 2,083 4,166
7 40,1 – 46,8 17 6,483 12,966
8 47,1 – 49,9 8 11,333 22,666
9 50,1 – 50,7 5 13,433 26,866
Jumlah 100 114,472

Standar Deviasi / simpangan baku:

Kaidah ujinya: Ho:
Hi:

N1= 100 X1= 46,129 S1= 4,632
N2= 100 X2=26,967 S2=1,069
a = 0,05: Z= 1,96

Dengan menggunakan rumus:

Maka Ho ditolak sebab Z = 32,043 > Z (1,96)

III.5
Analisis Hipotetis dengan Uji Rata-rata
(Untuk Sampel Besar)

Analisis hipotesis dengan uji rata-rata pada dasarnya sama saja dengan pengujian secara proporsi, yakni dengan menggunakan pengujian dua arah ataupun satu arah, tergantung pada permasalahan yang dikaji.
Sebagai contoh, diketahui tinggi badan supir angkutan kota di Kodya Malang (M) yaitu 80 cm. Sedangkan dari suatu sampel random (tabel di bawah) yaitu sebanyak 100 orang supir diketahui rata-rata pendapatan supir angkot Kodya Malang adalah 53,52 cm dengan simpangan baku 26,320 cm dengan taraf nyata dua arah 5% = 1,96

A. Sampel Acak
27,3 32,6 38,5 45,9 51,2 56,6 61,7 67,7 72,1 81,3
41,1 85,5 36,7 65,3 50,7 71,6 71,5 66,4 53,3 33,6
37,9 32,5 27,2 51,1 45,8 54,5 60,6 86,6 29,4 81,2
21,1 52,1 35,4 42,4 49,5 29,7 59,2 65,4 70,5 76,5
35,3 71,8 41,3 59,1 51,6 48,4 44,6 70,1 57,8 88,7
26,3 30,3 35,5 44,5 49,6 52,2 59,3 66,3 60,4 78,1
27,1 31,5 37,8 62,2 50,8 81,1 60,5 51,4 71,7 69,4
80,2 28,3 41,2 48,3 51,5 58,9 45,7 69,5 75,4 66,6
47,2 33,5 26,5 28,2 66,5 75,5 62,1 54,4 72,3 31,4
28,1 69,3 39,7 46,1 51,3 56,7 61,8 32,7 72,2 82,4

B. Susunan Data Terkecil hingga Terbesar
21,1 29,7 35,4 42,4 49,5 52,1 59,2 65,4 70,5 76,5
26,3 30,3 35,5 44,5 49,6 52,2 59,3 66,3 71,5 78,1
26,5 31,4 36,7 44,6 50,7 53,3 60,4 66,4 71,6 80,2
27,1 31,5 37,8 45,7 50,8 54,4 60,5 66,5 71,7 81,1
27,2 32,5 37,9 45,8 51,1 54,5 60,6 66,6 71,8 81,2
27,3 32,6 38,5 45,9 51,2 56,6 61,7 67,7 72,1 81,3
28,1 32,7 39,7 46,1 51,3 56,7 61,8 69,3 72,2 82,4
28,2 33,5 41,1 47,2 51,4 57,8 62,1 69,4 72,3 85,5
28,3 33,6 41,2 48,3 51,5 58,9 62,2 69,5 75,4 86,6
29,4 35,3 41,3 48,4 51,6 59,1 65,3 70,1 75,5 88,7

C. Tabel 27. Sebaran Frekuensi
no Kelas F Xi Fi.Xi Xi-X
1 21,1-29,7 11 25,4 279,4 -28,52
2 30,3-33,6 8 31.95 255,6 -21,57
3 35,3-44,6 14 39.95 559,3 -13,57
4 45,7-48,4 7 47.05 329,35 -6,47
5 49,5-51,6 10 50.55 505,5 -2,97
6 52,1-54,5 5 53.3 266,5 -0,22
7 56,6-65,4 16 61 976 7,48
8 66,3-72,3 17 69.3 1178,1 15,78
9 75,4-88,7 12 82.05 984,6 28,53

100 460.55 5352,35

D. Tabel 28. Sebaran Frekwensi dan Menghitung Simpangan Baku
No Kelas F Xi Fi.Xi Xi-X (Xi-X)2
1 21,1-29,7 11 25,4 279,4 -28,52 813,39
2 30,3-33,6 8 31.9 255,6 -21,57 465,26
3 35,3-44,6 14 39.9 559,3 -13,57 184,14
4 45,7-48,4 7 47.5 329,3 -6,47 41,86
5 49,5-51,6 10 50.5 505,5 -2,97 8,82
6 52,1-54,5 5 53.3 266,5 -0,22 0,04
7 56,6-65,4 16 61 976 7,48 55,95
8 66,3-72,3 17 69.3 1178,1 15,78 249,00
9 75,4-88,7 12 82.5 984,6 28,53 813,96

100 460.55 5352,3 2632,07

Simpangan Baku / Simpangan Baku :

Kaidah uji: Ho diterima bila -1,961,96

Maka: Ho : μ= 80 cm a= 0,05
Hi : μ= ± 80 cm
N= 100
X=52,52 cm
S=26,320 cm

Maka Ho ditolak sebab Zhit < -1,96
Artinya bahwa pendapatan supir angkutan kota di kodya Malang tersebut tidak sama.

III.6
Analisis Hipotetis dengan Uji Rata-rata
Untuk Sampel Kecil ( dibawah 30)

Telah dilakukan pengujian terhadap rata-rata berat badan terhadap atlet sumo kota Malang dan diketahui yaitu 70 Kg. Bila dari suatu sampel random sebanyak 27 orang diketahui rata-rata berat badan para atlet sumo kota malang adalah 56,335 kg dengan simpangan baku 8,430 kg

Menggunakan taraf nyata 5%. = -1,96
Sampel Random
51,2 33,2 67,1 59,7 45,6 77,5 79,5 66,3 71,7
32,5 78,4 31,3 76,5 60,5 44,3 55,2 55,1 36,8
71,3 61,7 47,8 54,3 39,7 48,9 71,2 51,5 49,9
Susunan Data terkecil ke terbesar
31,3 36,8 45,6 49,9 54,3 59,7 66,3 71,3 77,5
32,5 39,7 47,8 51,2 55,1 60,5 67,1 71,7 78,4
33,2 44,3 48,9 51,5 55,2 61,7 71,2 76,5 79,5

Tabel 29. Distribusi Frekwensi Berat Badan Atlet Sumo Kota Malang sekaligus Frekwensi Lanjutan
Tabel
Frek.
Kom.No Kelas F Xi F Frek
Komulatif
1 31,3-33,2 3 32,25 3/27 3
2 36,8-44,3 3 40,55 3/27 6
3 45,6-48,9 3 47,25 3/27 9
4 49,9-51,5 3 50,7 3/27 12
5 54,3-55,2 3 54,75 3/27 15
6 59,7-61,7 3 60,7 3/27 18
7 66,3-71,2 3 68,75 3/27 21
8 71,3-76,5 3 73,9 3/27 24
9 77,5-79,5 3 78,5 3/27 27

27 1 135

Tabel 30. Frekwensi Nisbi Komulatif dan Nilai Tengah
No Kelas Frekwensi
(f) Fre.Nisbi
Komulatif Fi.Xi
1 31,3-33,2 3 3/135 95,75
2 36,8-44,3 3 6/135 121,65
3 45,6-48,9 3 9/135 141,75
4 49,9-51,5 3 12/135 152,1
5 54,3-55,2 3 15/135 164,25
6 59,7-61,7 3 18/135 182,1
7 66,3-71,2 3 21/135 206,25
8 71,3-76,5 3 24/135 221,7
9 77,5-79,5 3 27,135 235,5

27 1 1521,05

Tabel 31. Sebaran Frekwensi untuk Mencari Keragaman
No Kelas Frekwensi Xi – X (Xi-X)2
1 31,3-33,2 3 -24,085 580,087
2 36,8-44,3 3 -15,785 249,166
3 45,6-48,9 3 -9,085 82,537
4 49,9-51,5 3 -5,635 31,753
5 54,3-55,2 3 -1,585 2,512
6 59,7-61,7 3 4,365 19,053
7 66,3-71,2 3 12,415 154,132
8 71,3-76,5 3 17,565 308,529
9 77,5-79,5 3 22,165 491,287

27 0,335 1919,044

Maka: Ho : μ= 70 kg a= 0,05
Hi : μ= ±70 kg
N= 27
X= 56,335 kg
S= 8,430

Maka Ho ditolak sebab Thit -5,811< dari Ttabel –1,96

III.7
ANALISIS HIPOTESIS DENGAN UJI BEDA DUA PROPORSI

Analisis hipotesis dengan uji beda dua proporsi pada dasarnya hampir sama dengan uji proporsi, hanya saja yang menjadi perbedaannya adalah tentang statistik dan distribusi samplingnya saja.
Sebagai contoh, dalam sebuah pameran kesenian yang sama, terdapat dua jenis barang yang dipamerkan yaitu barang A dan B. Dari 150 orang pengunjung 11 diantaranya membeli barang A dan 19 lainnya membeli barang B. Dengan tingkat nyata/kepercayaan 5%. Apakah ada perbedaan yang signifkant antara proporsi pembelian kedua jenis barang tersebut.

No Keterangan Barang A Barang B
1 Jumlah Pengunjung 150 150
2 Jumlah Pembeli 11 19

Maka: n1= 150 n2=150 x1=11 x2=19 a=0,05

Nilai Signifikansi = 1,96

Dengan tingkat nyata 5% maka Ho ditolak,Oleh karena Zhit (-4,907) X2tabel, maka tolak Ho. Artinya ada perbedaan kesadaran membayar zakat yang significant pada keempat tipe / tingkat pendapatan pertanian tersebut. Artinya tingkat pendapatan pertanian mempengaruhi tingkat kesadaran membayar zakat.

IV
ANALISIS REGRESI
Penulis: Dr. Taufiq Ramdani, M.Sos

Analisis regresi dilakukan bila hubungan dua variabel berupa hubungan kausal atau fungsional. Kita dapat menggunakan analisis regeresi bila kita ingin mengetahui bagaimana variabel devenden / kriteria dapat diprediksikan melalui variabel indevenden atau prediktor. Dampak dari menggunakan analisis regresi dapat digunakan untuk memutuskan apakah naik dan turunnnya variabel dependen dapat dilakukan melalui menaikkan dan menurunkan keadaan variabel diependen dapat dilakukan dengan meningkatkan variabel indevenden atau sebaliknya

4.1
REGRESI LINIER SEDERHANA

Regresi linier sederhana didasarkan pada hubungan fungsional ataupun kausal satu variabel indevenden dengan satu variabel devenden.
Persamaan umum regersi linier sederhana adalah:

Dimana:
Y = Subyek dalam variabel dependen yang diprediksikan.
a = harga Y bila X = (harga konstan)
b = angka arah atau koefisien regresi, yang menunjukkan angka peningkatan ataupun penurunan variabel dependen yang didasarkan pada variabel independen. Bila b (+) maka naik, dan bila (-) maka terjadi penurunan.
X= Subyek pada variabel independen yang mempunyai nilai tertentu.

Sebagai contoh, data berikut adalah hasil pengamatan terhadap jumlah kader (X) dan perolehan suara partai PPP (Y) pada pemilu 1999. Maka Analisis Regresi Linier sederhana di sini digunakan untuk menganalisis nilai hubungan antara jumlah kader partai PPP dan perolehan suara yang dicapainya pada pemilu 1999.

Tabel I
Jumlah Kader dan Perolehan Suara Partai PPP pada Pemilu 1999
Nomor X
Y

1 5 112
2 7 254
3 9 363
4 10 165
5 13 151
6 15 276
7 17 287
8 20 295
9 18 179
10 21 205
11 25 214
12 6 76
13 16 157
14 19 204
15 23 293
16 24 301
17 26 262
18 29 335
19 12 156
20 17 197
21 30 398
22 35 409
23 36 435
24 34 323
25 33 394
26 23 302
27 25 351
28 27 276
29 17 207
30 19 298
31 17 239
32 14 205
33 18 264
34 29 313
35 21 335

Tabel 2
Tabel Penolong Untuk Menghitung Persamaan Regresi Dan Korelasi Sederhana
Nomor X
Y
X Y
X
Y

1 5 112 560 25 12544
2 7 254 1778 49 64516
3 9 363 3267 81 131769
4 10 165 1650 100 27225
5 13 151 1963 169 22801
6 15 276 3312 225 76176
7 17 287 4879 289 82369
8 20 295 5900 400 87025
9 18 179 3222 324 32041
10 21 205 4305 441 42025
11 25 214 5350 625 45796
12 6 76 456 36 5776
13 16 157 2512 256 24649
14 19 204 3876 361 41616
15 23 293 6739 529 85849
16 24 301 7224 576 90601
17 26 262 6812 676 68644
18 29 335 9715 841 112225
19 12 156 1872 144 24336
20 17 197 3349 289 38809
21 30 398 11940 900 158404
22 35 409 14315 1225 167281
23 36 435 15660 1296 189225
24 34 323 10982 1156 104329
25 33 394 13002 1089 155236
26 23 302 6946 529 91204
27 25 351 8775 625 123201
28 27 276 7452 729 76176
29 17 207 3519 289 42849
30 19 298 5662 361 88804
31 17 239 4063 289 57121
32 14 205 2870 196 42025
33 18 264 4752 324 69696
34 29 313 9077 841 97969
35 21 335 7035 441 112225
710
9231

204791
16726
2692564
X=20,28571 X=263,7428
S=8,266058 S=87,098099

A. Menghitung Harga A dan B

a =

b =

B. Menyusun Persamaan Regresi

Y = 131,27 + 17,903

Y = 131,27 + 17,903 . 37 = 793,681

Dengan demikian dapat diperkirakan bahwa jumlah perolehan suara pada pemilu 1999 sebesar 793,681. Dari persamaan regresi di atas dapat pula diartikan bahwa, bila jumlah kader bertambah 1, maka perolehan suara akan bertambah sebesar 17,903.

C. Membuat Garis Regresi
900

793,681
700

350

230

180
131,27
130

70
37

10 20 30 40 50 60 70

Nilai perolehan suara

r =

r = 0,233

r untuk taraf kesalahan 5 % dengan n = 35 diperoleh 0,334 dan untuk 1 % diperoleh 0,430. Karena harga r lebih kecil dari r baik untuk 5 % maupun 1 % maka dapat disimpulkan tidak terdapat hubungan yang significant / positif sebesar 0,233 antara jumlah kader dan perolehan suara pemilu 1999.

4.2
ANALISIS REGRESI LINIER BERGANDA EMPAT PREDIKTOR
Penulis: Dr. Taufiq Ramdani, M.Sos

Analisis regresi berganda digunakan bila kita bermaksud meramalkan bagaimana keadaan (naik turunnya) variabel dependen (kriterium), bila dua atau lebih variabel indevenden sebagai faktor prediktor dimanipulasi (dinaik turunkan nailainya. Jadi analisis regresi ganda dilakukan bila jumlah variabel indevendennya minimal 2.
Sebagai contoh, mencari persamaan regresi dan hubungan antara kegiatan siskamling ( , pemagaran halaman rumah ( , patroli polisi ( dan keberanian melawan pemilik rumah ( terhadap tingkat kejahatan pencurian ( .

No X
X
X
X
Y X
X
X
X
Y
X Y
X Y
X Y
X Y

X1.X2
X\.X3
X1.X4
X2.X3
X2.X4
X3.X4
1 21 33 25 27 35 441 1089 625 729 1225 735 1155 875 945 693 525 567 825 891 675
2 25 37 27 29 49 625 1369 729 841 2401 1225 1813 1323 1421 925 675 725 999 1073 783
3 27 31 29 21 37 729 961 841 441 1369 999 1147 1073 777 837 783 567 899 651 609
4 22 39 31 35 41 484 1521 961 1225 1681 902 1599 1271 1435 858 682 770 1209 1365 1085
5 26 30 33 39 45 676 900 1089 1521 2025 1170 1350 1485 1755 780 858 1014 990 1170 1287
6 23 35 35 41 50 529 1225 1225 1681 2500 1150 1750 1750 2050 805 805 943 1225 1435 1435
7 28 38 37 45 51 784 1444 1369 2025 2601 1428 1938 1887 2295 1064 1036 1260 1406 1710 1665
8 24 34 39 33 47 576 1156 1521 1089 2209 1128 1598 1833 1551 816 936 792 1326 1122 1287
9 29 32 41 31 55 841 1024 1681 961 3025 1595 1760 2255 1705 928 1189 899 1312 992 1763
10 39 37 43 39 57 1521 1369 1849 1521 3249 2223 2109 2451 2223 1443 1677 1521 1591 1443 1677
11 31 36 45 37 59 961 1296 2025 1369 3481 1829 2124 2655 2183 1116 1395 1147 1620 1332 1665
12 38 38 21 33 40 1444 1444 441 1089 1600 1520 1520 840 1320 1444 798 1254 798 1254 693
13 32 31 23 47 54 1024 961 529 2209 2916 1728 1674 1242 2538 992 736 1504 713 1457 1081
14 37 30 27 27 52 1369 900 729 729 2704 1924 1560 1404 1404 1110 999 999 810 810 729
15 33 23 29 25 39 1089 529 841 625 1521 1287 897 1131 975 759 957 825 667 575 725
16 36 29 33 35 38 1296 841 1089 1225 1444 1368 1102 1254 1330 1044 1188 1260 957 1015 1155
17 34 27 35 47 50 1156 729 1225 2209 2500 1700 1350 1750 2350 918 1190 1598 945 1269 1645
18 35 22 37 49 55 1225 484 1369 2401 3025 1925 1210 2035 2695 770 1295 1715 814 1078 1813
19 40 21 39 38 57 1600 441 1521 1444 3249 2280 1197 2223 2166 840 1560 1520 819 798 1482
20 49 28 41 34 58 2401 784 1681 1156 3364 2842 1624 2378 1972 1372 2009 1666 1148 952 1394
21 41 32 45 32 53 1681 1024 2025 1024 2809 2173 1696 2385 1696 1312 1845 1312 1140 1024 1440
22 48 37 47 31 56 2304 1369 2209 961 3136 2688 2072 2631 1763 1776 2256 1488 1739 1147 1457
23 42 28 49 30 58 1764 784 2401 900 3364 2436 1624 2842 1740 1176 2058 1260 1372 840 1470
24 47 40 51 35 59 2209 1600 2601 1225 3481 2773 2360 3009 2065 1880 2397 1645 2040 1400 1785
25 43 43 22 41 50 1849 1849 484 1681 2500 2150 2150 1100 2050 1849 946 1763 946 1763 902
26 46 42 24 44 51 2116 1764 576 1936 2601 2346 2142 1224 2244 1932 1104 2024 1008 1848 1056
27 44 45 28 47 58 1936 2025 784 2209 3364 2552 2610 1624 2726 1980 1232 2068 1260 2115 1316
28 45 47 26 39 50 2025 2209 676 1521 2500 2250 2350 1300 1950 2115 1170 1755 1222 1833 1014
29 53 33 21 37 57 2809 1089 441 1369 3249 3021 1881 1197 2109 1749 1113 1961 693 1221 777
30 51 35 25 30 60 2601 1225 625 900 3600 3060 2100 1500 1800 1785 1275 1530 825 1050 750
31 52 37 27 33 61 2704 1369 729 1089 3721 3172 2257 3172 2013 1924 1404 1716 999 1221 891

1141
1050
1035
1111
1582
44769
36774
36891
41305
82414
59579
53719
55099
57246
38992
38093
41068
34317
37854
37506

37

36774 34

1035 36891 33

1111 41305 36

1582 82414 51

Dengan metode skor deviasi diperoleh hasil sebagai berikut:

2335,36

Hasil skor deviasi dimasukkan ke dalam persamaan simultan:
1. 1351,2 = -7559,16 + 271,62 + -1,67 + 171,04
2. 135,13 = 271,62
3. 2280,62 = 271,62
4. 549,17 = 171,04

(1a) 7,89 = 44,19 +
(2a) 1,16 = 2,34 +10,44
(3a) 5,52 = 0,65
(4a) 0,36 = 0,11

(5) (1a-2a) 6,73 = 41,85
(6) (2a-3a) -4,36 = 1,69
(7) (3a-4a) 5,16 = 0,54

(5a) 0,18 = 0,29
(6a) 1,27 = 2,23
(7a) 0,15 = -0,45

(8) (5a-6a) -1,09 = -1,94
(9) (6a-7a) 1,12 = 1,78

(8a) 1,37 = 3,53
(9a) 1,59 = 2,65

(10) (8a-9a) 0,22 = 0,88

= 0,25

(9a) 1,59 = 2,65
1,59 = 1,13

= 0,42

(7a) 0,15 = -0,45
0,15 = -0,17 0,7

= 0,79

(4a) 0,36 = 0,11
0,36 = 0,07

= 0,17

a = Y-
a = 51 – (0,25).(36) – (0,42)(34) – (0,79)(33) – (0,17)(35)
a = -4,32

Y = a +
Y = – 4,32 + 0,25

Dari analisis regresi, koefien regresi berturut-turut diperoleh:
a = -4,32

Rumus korelasi ganda 4 prediktor:

R =
R
Koefisien determinasi ( R =1,36

F =

Jadi harga F =24,55. Harga ini selanjutnya dikonsultasikan dengan F . Untuk dk pembilang = 4 dan dk penyebut (31-4-1) = 26, maka didapat untuk 5 % F = 2,74 dan untuk 1 % F = 4,14

Kesimpulan F > F , maka koefesien korelasi ganda yang diuji signifikansi, yaitu didapat diberlakukan ke populasi dengan taraf kesalahan 5 % maupun 1 %.

DAFTAR PUSTAKA

Sugiyanto. 2002. Analisis Statistika Sosial, Fakultas Pertanian Universitas Brawijaya, Malang.

Sugiyono, Wibowo. 2004. Statistika Penelitian dan Aplikasinya dengan SPPSS 10.00 for Windows, Alfabeta,

Sugiyono. 2003. Statistika untuk Penelitian, CV. Alfabeta, Bandung.

Nazir. 2003. Metode Penelitian, Ghalia Indonesia, 2003.

Ikuti

Get every new post delivered to your Inbox.