Bab IV. Metode Analisis Data

Metode Analisis Data 35
BAB IV METODE ANALISIS DATA

4.1. METODE STATISTIKA
Pengertian statisti k dan statistika seringkali dicampur-
adukkan, walaupun sebenarnya kedua istilah tersebut berbeda.
Statistika dapat diartikan sebagai metode ilmiah yang
digunakan untuk mengumpulkan, mengorgani sasikan,
meringkas, menyajikan dan menganalisis data. Tujuannya
adalah untuk dapat diperoleh gambaran yang terperinci
mengenai karakteristik data itu sendiri sehingga berguna bagi
penarikan kesi mpulan. Sedangkan statistik hanya merupakan
hasil dari pada proses statistika. Statistik dipakai untuk
menyatakan kumpulan data, bilangan maupun non bilangan
yang disusun dalam tabel atau diagram, yang menggambarkan
suatu persoalan.
Berdasarkan pengertian di atas, maka statistika dapat
dibagi menjadi dua metode, yaitu Statistika Deskriptif dan
Statistika Induktif. Statistika deskriptif merupakan metode yang

36 Metode Penelitian Kuantitatif : Plus Aplikasi Program SPSS
berkaitan dengan pengumpulan dan penyajian suatu hasi l
pengamatan (data) sehingga memberikan informasi yang
berguna bagi pihak-pihak yang berkepentingan terhadap data
dan informasi tersebut. Yang harus mendapatkan perhatian
dalam statistika deskriptif adalah hanya menyajikan atau
memberikan informasi dari data yang dimiliki (data dari sampel)
dan bukan memberikan kesimpulan apapun tentang data
populasi. Penyampaian informasi yang di maksud dapat berupa
diagram, grafik, gambar, dan tabel. Sedangkan statistika
induktif adalah mencangkup metode yang berkaitan dengan
anali sis sebagian data (data dari sampel) yang kemudian
digunakan untuk melakukan peramalan atau penaksiran
kesi mpulan (generalisasi) mengenai data secara keseluruhan
(populasi). Generalisasi tersebut mempunyai sifat tidak pasti
karena hanya berdasarkan pada data dari sampel.

4.2. PENGUJIAN HIPOTESIS
Hipotesi s dapat diartikan sebagai kesimpulan sementara
terhadap masalah yang diajukan. Dalam kegiatan penelitian,
yang dapat menjadi sumber masalah adalah adanya
kesenjangan antara yang seharusnya terjadi dengan yang
sebenarnya terjadi. Dengan demikian, yang menjadi masalah
adalah apa yang menjadi penyebab timbulnya kesenjangan
antara yang sebenarnya terjadi dengan yang seharusnya
terjadi.

Dalam dunia akademik, suatu masalah terlebih dahulu
dijawab secara teoritik. Berdasarkan konsep teoritik tersebut
maka dapat diajukan suatu hipotesis. Dengan hipotesi s
tersebut suatu masalah sudah dapat dijawab, namun jawaban
tersebut masih bersifat teoritik dan bersifat sementara. Oleh
sebab i tu, diperlukan data lapangan untuk memastikan
kebenaran hipotesis yang diajukan. Kebenaran hipotesi s
tergantung pada analisis data lapangan. Hipotesis yang
diajukan dapat di terima kebenarannya jika analisis data
lapangan sesuai dengan teori, sebaliknya jika analisis data
lapangan bertolak belakang (berbeda) dengan teori, maka
hipotesis yang diajukan dapat ditolak.
Hipotesi s dapat bersifat Kuantitatif dan dapat bersifat
Kualitatif. Secara statistik, hipotesi s yang bersifat kualitatif tidak
dapat diuji, sedangkan yang dapat diuji adalah hipotesis yang
bersifat kuantitatif. Hipotesis yang demikian, disebut Hipotesi s
Statistik (Statistical Hypothesis) karena selain harus disajikan
dalam bentuk angka, hipotesis statistik juga merupakan
pernyataan tentang bentuk fungsi yang menggambarkan
hubungan antar variabel yang diteliti.
Secara statistika terdapat dua macam hipotesis, yaitu
Hipotesi s Nol (Null Hypothesis) yang diberi simbol dengan Ho,
dan Hipotesi s Alternatif (Alternative Hypothesis) yang diberi
simbol dengan Ha. Hipotesis Nol menyatakan tidak ada
perbedaan antara statistik sampel dengan parameter populasi

atau tidak ada hubungan antara dua variabel atau lebih.
Hipotesi s Alterenatif menyatakan terdapat perbedaan antara
statistik sampel dengan parameter populasi atau terdapat
hubungan antara dua variabel atau lebih.
Dalam merumuskan suatu hipotesis, agar hipotesis yang
diajukan dapat diuji atau dianalisis maka yang perlu
mendapatkan perhatian adalah bahwa hipotesis hendaknya :
1. Menyatakan hubungan antara dua variabel atau lebih;
2. Dinyatakan dalam kalimat pernyataan;
3. Dirumuskan secara jelas dan padat (sistematik); dan
4. Dapat diuji kebenarannya berdasarkan data lapangan.
Terdapat dua tipe kesalahan dalam pengujian hipotesis,
yaitu Tipe Kesalahan I jika dalam pengambi lan keputusan
berdasarkan pada penolakan hipotesis yang benar (yang
seharusnya diterima), sedangkan Tipe Kesalahan II jika
kesi mpulan berdasarkan pada penerimaan hipotesis yang salah
(yang seharusnya ditolak).
Probabilitas untuk terjadinya kesalahan disebut dengan
Taraf Signifikan atau disimbolkan dengan o, dimana nilai taraf
signifikan tersebut dinyatakan dalam prosentase, misalnya
o sebesar 5%, 10%, dan lain-lain. Lawan dari taraf signifikan
adalah tingkat keyakinan, yaitu bernilai sebesar 1 - o. Misalnya
jika taraf signifikan sebesar 5% maka tingkat keyakinan sebesar
95 %, jika o sebesar 10% maka tingkat keyakinan bahwa
hipotesis yang diajukan benar adalah sebesar 90%.

Semakin besar atau tinggi tingkat keyakinan terhadap
hipotesis (dinyatakan benar setelah diuji) maka hipotesi s
tersebut semakin baik, tetapi yang harus menjadi perhatian
adalah penetapan tingkat signifikan (o) adalah :
1. Bidang ilmu dari penelitian yang dilaksanakan. Bidang i lmu
kelompok i lmu pasti, misalnya kedokteran dan teknik,
penetapan tingkat kesalahan (o) harus sekecil mungkin
karena akan berdampak sangat besar. Misalnya dalam
penelitian untuk membuat obat atau mesin, maka tingkat
kesalahan (o) pengukuran harus sekecil mungkin
2. Ruang lingkup dari penelitian yang dilaksanakan. Wilayah
penelitian menjadi salah satu perti mbangan dalam
penetapan tingkat kesalahan (o). Jika penelitian dilakukan
dalam wi layah nasional maka tingkat kesalahan akan
semakin besar dibandingkan jika penelitian dilakukan hanya
dalam wilayah lokal.
3. Jumlah variabel yang diteliti. Dengan semakin banyaknya
jumlah variabel yang diteliti maka tingkat kesalahan akan
semakin kecil dibandingkan jika peneli tian hanya
menggunakan sedikit variabel yang diteliti.
Dalam pengujian hipotesi s terdapat dua cara yang dapat
dilakukan, yaitu pengujian hipotesis satu arah (One Tail Test)
dan pengujian hipotesis dua arah (Two Tail Test). Untuk
pengujian hipotesis satu arah dibagi menjadi dua, yaitu
pengujian hipotesis satu arah negatif dan pengujian hipotesi s

satu arah posi tif (tergantung hipotesis alternatif yang diajukan).
Pengujian hipotesis tersebut dapat dijelaskan sebagai berikut:
1. Pengujian Hipotesis Satu Arah Negatif
Hipotesis Statistik : Ho : =
0
dan Ha : <
0

Keputusan penerimaan hipotesis :
Terima Ho : jika Z
hitung
> Z o atau jika T
hitung
> T o.
n-1
Tolak Ho : jika Z
hitung
< Z o atau jika T
hitung
< T o.
n-1
(lihat gambar 4.1.)
2. Pengujian Hipotesis Satu Arah Positif
0
dan Ha : >
0

Terima Ho : jika Z
hitung
s Z o atau jika T
hitung
s T o.
n-1
Tolak Ho : jika Z
hitung
> Z o atau jika T
hitung
> T o.
n-1
(lihat gambar 4.2.)
3. Pengujian Hipotesis Dua Arah
0
dan Ha : =
0

Terima Ho : jika - Z o s Z
hitung
s Z o , atau
jika - T o.
n-1
s T
hitung
s T o.
n-1

Tolak Ho : jika - Z o > Z
hitung
> Z o , atau
jika - T o.
n-1
> T
hitung
> T o.
n-1

(lihat gambar 4.3.)


Gambar 4.1. Uji Hipotesis Satu Arah Negatif

Gambar 4.2. Uji Hipotesis Satu Arah Positif

Gambar 4.3. Uji Hipotesis Dua Arah

- Z o
( T o n 1)
Daerah
Penolakan Ho
Daerah
Penerimaan Ho
Z o
(T o n 1)
Daerah
Penolakan Ho
Daerah
Penerimaan Ho
Z o
(T o n 1)
- Z o
( T o n 1)
Daerah
Penolakan Ho
Daerah
Penerimaan Ho
Daerah
Penolakan Ho

4.3. METODE ANALISIS DATA
4.3.1. Analisis Perbedaan
Analisis perbedaan dapat dibagi menjadi dua, yaitu Uji
Beda Rata-Rata dan Uji Beda Proporsi. Data yang digunakan
dalam Uji Beda Rata-Rata adalah bersifat data kontinyu,
sedangkan untuk Uji Beda Proporsi adalah data dalam bentuk
prosentase.
Uji Beda Rata-Rata dapat dibagi menjadi empat jenis,
yaitu:
1. Uji Beda Satu Rata-Rata dengan sampel kecil (n < 30)
Rumus yang digunakan:
n
SD
X
hitung
T

=

Keterangan:
X : Rata-Rata Statistik
: Rata-Rata Parameter
SD : Standart Deviasi Statistik
n : Jumlah Sampel
Contoh:
Data yang dikeluarkan oleh suatu lembaga menyatakan
bahwa pendapatan rata-rata per hari pedagang kaki lima di
kota Pn sebesar Rp. 7.250,-. Seorang peneliti menduga
bahwa pendapatan rata-rata perhari pedagang kaki lima
tersebut lebih dari Rp. 7.250,-. Untuk membuktikan dugaan
peneliti tersebut maka diambi l sampel sebanyak 20
pedagang kaki lima untuk diwawancarai. Dari hasil

wawancara diketahui bahwa rata-rata pendapatan perhari
pedagang kaki lima di kota Pn sebesar Rp. 8.100,- dengan
standat deviasi sebesar Rp. 2.300,-. Jika dalam pengujian
digunakan taraf signifikan sebesar 5%, ujilah kebenaran
data yang dikeluarkan lembaga tersebut.
Jawab:
Hipotesis Statistik : Ho : = 7.250 dan Ha : > 7.250
(Uji satu arah +)
Taraf signifikan (o = 5%), maka T o .
n 1
= T
0,05 . 19
= 1,729
T
hitung
= 1,65 =
20
2.300
7.250 8.100

Jadi karena T
hitung
< T
tabel
atau 1,65 < 1,729 maka Ho
diterima sehingga data dari lembaga yang menyatakan
bahwa pendapatan rata-rata perhari pedagang kaki lima di
kota Pn sebesar Rp. 7.250 adalah benar.

2. Uji Beda Satu Rata-Rata dengan sampel besar (n > 30)
n
SD
X
hitung
Z

=

Contoh:
Terdapat suatu pernyataan bahwa rata-rata kecepatan
sepeda motor yang melewati jalan dalam kota adalah
kurang dari 35 km per jam. Untuk membuktikan pernyataan

tersebut maka diteli ti kecepatan dari 200 sepeda motor yang
melewati jalan dalam kota dan hasil penghi tungan diketahui
bahwa rata-rata kecepatannya 34 km per jam dengan
standart deviasi 9,5 km per jam. Dengan menggunakan taraf
signifikan sebesar 2,5% ujilah pernyataan tersebut di atas.
Jawab:
Hipotesis Statistik : Ho : = 35 dan Ha : < 35
(Uji satu arah -)
Taraf signifikan (o = 2,5%) maka Z o .
n 1
= Z
0,025
= - 1,960
(lihat Tabel T Student)
Z
hitung
= 1,49 =
200
9,5
35 34

Jadi karena - Z
hitung
> - Z
tabel
atau - 1,49 > - 1,960 maka Ho
diterima artinya pernyataan bahwa rata-rata kecepatan
sepeda motor yang melewati jalan dalam kota kurang dari
35 km per jam adalah tidak benar.

3. Uji Beda Dua Rata-Rata dengan sampel kecil (n < 30)
Dalam pengujian ini terdapat dua kelompok data, yaitu
banyaknya sampel dari kelompok pertama (n
1
) dan sampel
dari kelompok kedua (n
2
). Sehingga jumlah sampel atau
disimbolkan dengan n adalah n
1
+ n
2
. Dengan demikian
untuk degree of freedom (df) adalah n
1
+ n
2
2.

|
|
.
|
\
|
|
|
.
|
\
|
+
+
+
=
2
n
1
1
n
1
2
2
n
1
n
)
2
2
1)(SD
2
(n )
2
1
1)(SD
1
(n
2
X
1
X
hitung
T

Keterangan:
1
X : rata-rata statistik untuk sampel pertama
2
X : rata-rata statistik untuk sampel kedua
SD
1
: standart deviasi untuk sampel pertama
SD
1
2
: varian sampel pertama

SD
2
: standart deviasi untuk sampel kedua
SD
2
2
: Varian sampel kedua
n
1
: jumlah sampel pertama
n
1
: jumlah sampel kedua
Contoh:
Seorang dosen Mata Kuliah Statistika menyatakan bahwa
nilai ujian mahasi swi lebih baik dari pada ni lai ujian
mahasiswa. Untuk membuktikan pernyataan tersebut maka
diambi l sampel nilai ujian dari 14 mahasiswi dan 14
mahasiswa. Setelah diteliti rata-rata nilai ujian mahasiswi
70,5 dengan standart devi asi 10,30. Sedangkan untuk
mahasiswa rata-rata ni lai ujianya 65,4 dengan standart
deviasi 8,95. Dengan menggunakan tingkat keyakinan 95%
ujilah pernyataan dosen tersebut.
Jawab:
Misalnya A : nilai mahasiswi dan B : nilai mahasiswa
Hipotesis Statistik : Ho :
A
=
B
dan Ha :
A
>
B

(Uji satu arah +)
Taraf signifikan (o = 5%) maka T o.
14+14-2
= T
0,05;26
= 1,706
1,40 =
+
+
+
=
|
.
|
\
|
|
|
.
|
\
|
14
1
14
1
2 14 14
)
2
1)(8,95 (14 )
2
1)(10,30 (14
65,4 70,5
hitung
T

Jadi karena T
hitung
< T
tabel
atau 1,40 < 1,706 maka Ho
diterima artinya pernyataan dosen tentang nilai ujian
mahasiswi lebih baik dari pada nilai ujian mahasiswa adalah
salah. Berdasarkan penghitungan tersebut menunjukkan
bahwa rata-rata nilai ujian dari mahasiswi adalah sama
dengan mahasiswa.

4. Uji Beda Dua Rata-Rata dengan sampel besar (n > 30)
2
n
2
2
SD
1
n
2
1
SD
2
X
1
X
hitung
Z
+
=

Contoh:
Seorang dosen yang mengajar Mata Kuliah Statistika kelas
pararel (kelas A dan B) menyatakan bahwa rata-rata ni lai
ujian statistika kelas A dan kelas B adalah sama. Untuk
menguji pernyataan tersebut maka diteli ti sebanyak 50
mahasiswa kelas A dan 50 mahasiswa kelas B. Hasi l
penelitian menunjukkan bahwa rata-rata nilai ujian kelas A
adalah 67 dengan varian 25,2. Sedangkan untuk kelas B

rata-rata ni lai ujian adalah 70 dengan varian 38,7. Dengan
menggunakan taraf signifikan 5% ujilah pernyataan dosen
tersebut :
Jawab:
Hipotesis Statistik : Ho :
A
=
B
dan Ha :
A
=
B

Uji dua arah dan untuk tabel lihat Tabel T Student
Taraf signifikan (o = 5%) maka Z o.
50+50-2
=Z
0,025;98
= 1,980
2,65 =
+
=
50
38,7
50
25,2
70 67
hitung
Z

Jadi karena - Z
hitung
< - Z
tabel
atau - 2,65 < - 1,980 maka Ho
ditolak artinya pernyataan dosen bahwa nilai ujian statistika
kelas A dan kelas B sama adalah salah. Berdasarkan
penghi tungan statistik tersebut di atas menunjukkan bahwa
rata-rata ni lai ujian statistika antara kelas A dengan kelas B
adalah berbeda.

Uji Beda Proporsi akan memberikan hasil yang baik jika
jumlah sampel yang digunakan cukup besar. Seperti halnya
dengan Uji Beda Rata-Rata yang telah diuraikan di atas, Uji
Beda Proporsi juga dibagi menjadi dua, yaitu Uji Beda Satu
Proporsi dan Uji Beda Dua Proporsi.
1. Uji Beda Satu Proporsi
Rumus yang digunakan :
) q . . (n
) . (n X
hitung
Z
=

Keterangan:
X : Nilai sampel yang diketahui dari pengamatan
: Proporsi dari parameter dan q
= 1 -
n : Jumlah sampel yang digunakan
Jika proporsi (P) dihitung dengan menggunakan rumus
X / n, maka rumus tersebut dapat diubah menjadi :
n
) q . (
P
hitung
Z
=

Contoh:
Pimpinan perusahaan komputer menyatakan bahwa 90%
produk yang dihasilkan dalam kualitas standart. Untuk
menguji pernyataan tersebut maka diambi l sampel
sebanyak 250 buah untuk diteliti kualitasnya dan ternyata
terdapat sebanyak 16 buah yang dinyatakan mempunyai
kualitas tidak standart. Ujilah pernyataan pimpinan
tersebut dengan tingkat keyakinan 95%.
Jawab :
Hipotesis statistik Ho : = 0,90 dan Ha : = 0,90
Taraf signifikan (o) = 5%, maka Z o = Z
0,025
= 1,960
X = 250 16 = 234 atau P = 234 / 250 = 0,936
1,897 =
=
)(0,10) (250)(0,90
) (250)(0,90 234
hitung
Z atau

1,897 =
=
250
0) (0,90)(0,1
0,90 0,936
hitung
Z

Jadi karena Z
hitung
< Z
tabel
atau 1,897 < 1,960 maka Ho
diterima artinya pernyataan pimpinan perusahaan komputer
tentang produk yang dihasilkan sebesar 90% dalam kualitas
standart adalah benar.

2. Uji Beda Dua Proporsi
|
|
.
|
\
|
+
+
=
2
n
1
1
n
1
. ) q . p (
2
n
2
X
1
n
1
X
hitung
Z

Keterangan:
X1 = nilai sampel pertama dari hasil pengamatan
X2 = nilai sampel kedua dari hasil pengamatan
n1 = jumlah sampel pertama
n2 = jumlah sampel kedua
p = proporsi statistik :
2
n
1
n
2
X
1
X
p
+
+
= dan q = 1 p
Contoh:
Seorang salesmen produk shampoo Cl menyatakan bahwa
selera laki-laki dan perempuan terhadap produk shampoo
Cl adalah sama. Untuk menguji pernyataan tersebut maka
diambi l sampel 200 laki-laki dan 250 perempuan. Dari
sampel tersebut ternyata sebanyak 110 laki-laki dan

sebanyak 85 perempuan yang menyukai produk shampoo
Cl. Dengan menggunakan tingkat keyakinan sebesar 95%
ujilah pernyataan selesmen tersebut.
Jawab:
Hipotesis statistik : Ho : P
L
= P
P
Ha : P
L
= P
P
Taraf signifikan (o) = 5%, maka Z o = Z
0,025
= 1,960
0,43
250 200
85 110
p =
+
+
= sehingga q = 1 0,43 = 0,57
4,47 =
+
+
=
|
.
|
\
|
250
1
200
1
(0,57) (0,43)
250
85
200
110
hitung
Z

Jadi karena Z
hitung
> Z
tabel
atau 4,47 > 1,960 maka Ho
ditolak artinya pernyataan selesmen bahwa selera laki -laki
dengan perempuan terhadap shampoo Cl sama adalah
salah. Secara stati stik selera laki-laki berbeda dengan selera
perempuan terhadap shampoo Cl.

4.3.2. Analisis Chi-Square
Uji Chi-Square dapat dikatakan sebagai uji proporsi
untuk dua peristi wa atau lebih, sehingga datanya bersifat
diskrit. Dalam Uji Chi-Square dihadapkan pada suatu pengujian
apakah perbedaan antara frekuensi hasil observasi
(diisimbolkan f
0
) dengan frekuensi yang diharapkan oleh peneli ti

(disimbolkan f
h
) dari sampel yang terbatas merupakan
perbedaan yang signifikan atau tidak. Perbedaan tersebut
meyakinkan jika harga dari Chi-Square (X
2
) sama atau lebi h
besar dari suatu harga yang ditetapkan pada taraf signifikan
tertentu (dari tabel X
2
). Dengan kata lain Ho akan diterima jika
harga X
2
lebih kecil dari X
2
dalam tabel, sebaliknya Ho akan
ditolak jika harga X
2
lebih besar atau sama dengan X
2
dalam
tabel.
Sebagai rumus dasar dari Uji Chi-Square adalah sebagai
berikut :

=
h
f
2
)
h
f
o
f (
2
X
Keterangan: f
0
: frekuensi hasil observasi
f
h
: frekuensi yang diharapkan
Sedangkan untuk mendapatkan frekuensi yang diharapkan (f
h
)
adalah:
Data Jumlah
Sekolom Jumlah x Sebaris Jumlah
h
f =

Uji Chi-Square dapat digunakan untuk menguji, antara lain:
1. Uji Chi-Square untuk Perbedaan. Bentuk hipotesis (Ho)
yang digunakan dalam hal ini adalah: tidak terdapat
perbedaan dari keadaan atau peristi wa dari kelompok
sampel yang satu dengan kelompok sampel yang lain.
Sedangkan untuk Ha adalah: terdapat perbedaan dari
keadaan atau peristi wa dari kelompok sampel yang satu

dengan kelompok sampel yang lain. Jika banyaknya
kelompok sampel dapat dibagi menjadi sebanyak k (kolom)
dan sebanyak b (baris), maka untuk derajat kebebasan
adalah (kolom 1) (baris 1) (digunakan untuk mencari nilai
X
2
tabel).
Contoh :
Seorang perusahaan percetakan akan membeli mesin cetak
sebanyak tiga mesin cetak. Berdasarkan penawaran
terdapat tiga mesin cetak, yaitu merk A, B dan C. Untuk
mengetahui kuali tas dari tiga merk mesin cetak tersebut
maka dilakukan pengujian. Hasil pengujian menunjukkan
bahwa dari mesin merk A diambil sampel sebanyak 100
lembar hasil cetakan dan ternyata yang rusak 12 lembar.
Dari mesin merk B sampel hasil cetakan sebanyak 120
lembar yang rusak 15 lembar. Sedangkan mesin merk
C dari sampel hasil cetakan sebanyak 100 lembar yang
rusak 13 lembar. Jika tingkat keyakinan yang digunakan
sebesar 95%, apakah ketiga mesin cetak tersebut
mempunyai kualitas yang sama.
Jawab:
Hipotesis Statistik:
Ho : Tidak terdapat perbedaan kualitas (mesin merk A, B, C)
Ha : Terdapat perbedaan kualitas (mesin merk A, B, C)
(minimal terdapat dua merk yang berbeda kualitasnya)

Mencari harga frekuensi harapan (f
h
):
Hasil
Merk Mesin Cetak
Jumlah
Mesin A Mesin B Mesin C
Rusak (R) 12
1
15
2
13
3
40
Baik (B) 88
4
105
5
87
6
280
Jumlah 100 120 100 320

Untuk mencari f
h
masing-masing sel adalah:
Sel 1 = ( 40 x 100 ) : 320 = 12,5
Sel 2 = ( 40 x 120 ) : 320 = 15,0
Sel 3 = ( 40 x 100 ) : 320 = 12,5
Sel 4 = ( 280 x 100 ) : 320 = 87,5
Sel 5 = ( 280 x 120 ) : 320 = 105
Sel 6 = ( 280 x 100 ) : 320 = 87,5
Berdasarkan hasil tersebut di atas maka untuk mencari nilai
X
2
adalah:
Hasil Mesin f
o
f
h
f
o
f
h
(f
o
f
h
)
2
(f
o
f
h
)
2
: f
h

Rusak
A 12 12,5 - 0,5 0,25 0,02
B 15 15,0 0 0 0
C 13 12,5 0,5 0,25 0,02
Baik
A 88 87,5 0,5 0,25 0,003
B 105 105 0 0 0
C 87 87,5 - 0,5 0,25 0,003
JUMLAH 320 320 0 X
2
= 0,046

Dengan tingkat keyakinan sebesar 95% maka o = 5% dan
df = (k 1) (b 1) = (3 1) (2 1) = 2, maka nilai X
2
tabel
sebesar = 5,99. Jadi karena X
2
hitung lebih kecil dari
X
2
tabel atau 0,046 < 5,99 maka Ho diterima artinya ketiga
mesin cetak (mesin A, B dan C) adalah mempunyai kualitas
sama.

2. Uji Chi-Square untuk Independensi
Uji Chi-Square ini pada umumnya digunakan untuk menguji
apakah dua variabel yang masing-masing mempunyai
beberapa kategori saling mempunyai ketergantungan atau
tidak. Hipotesis nihil (Ho) menyatakan bahwa kedua variabel
tidak saling tergantung atau bersifat independen.
Sedangkan hipotesis alternatif (Ha) menyatakan bahwa
kedua variabel saling tergantung atau mempunyai
ketergantungan.
Contoh:
Seorang dosen mata kuliah Statistiska ingin menguji
keterkaitan antara nilai mata kuliah Matematika dengan
mata kuliah Statistika dari mahasiswa Fakultas Ekonomi.
Untuk kebutuhan peneli tian tersebut maka diambi l sampel
secara random sebanyak 100 mahasiswa dan diperoleh
data di bawah ini:

Nilai
Matematika
Nilai Statistika
Jumlah
Tinggi Sedang Rendah
Tinggi 20
1
10
2
5
3
35
Sedang 8
4
15
5
17
6
40
Rendah 0
7
4
8
21
9
25
Jumlah 28 29 43 100

Jika digunakan tingkat signifikan sebesar 5%, bagai mana
kesimpulan penelitian tersebut.
Jawab:
Hipotesis Statistik:
Ho : Nilai Statistika tidak tergantung pada nilai Matematika
Ha : Nilai Statistika tergantung pada nilai Matematika
Mencari nilai f
h
masing-masing sel adalah sebagai berikut :
Nilai Sel 1 = (35 x 28) : 100 = 9,8
Nilai Sel 2 = (35 x 29) : 100 = 10,15
Nilai Sel 3 = (35 x 43) : 100 = 15,05
Nilai Sel 4 = 11,2 Nilai Sel 7 = 7
Nilai Sel 5 = 11,6 Nilai Sel 8 = 7,25
Nilai Sel 6 = 17,2 Nilai Sel 9 = 10,75
Mencari nilai X
2
adalah :

Nilai
Matematika
Nilai
Statistika
f
o
f
h
f
o
f
h
(f
o
f
h
)
2
: f
h

TINGGI Tinggi 20 9,8 10,20 10,616
Sedang 10 10,15 - 0,15 0,002
Rendah 5 15,05 - 10,05 6,711
SEDANG Tinggi 8 11,2 - 3,20 0,914
Sedang 15 11,6 3,40 0,997
Rendah 17 17,2 - 0,20 0,002
RENDAH Tinggi 0 7 - 7,00 7,000
Sedang 4 7,25 - 3,25 1,457
Rendah 21 10,75 10,25 9,733
JUMLAH 100 100 0 X
2
= 37,472

Nilai tabel X
2
untuk o = 5% dengan df = (3 1) (3 1)
adalah sebesar 9,49. Jadi karena X
2
hitung lebih besar dari
X
2
tabel atau 37,472 > 9,49 maka Ho ditolak artinya
besarnya nilai mata kuliah Statistika mempunyai
ketergantungan dengan besarnya nilai mata kuliah
Matematika.

4.3.3. Analisis Regresi dan Korelasi
Analisis Regresi bertujuan untuk mengetahui seberapa
besar pengaruh dari variabel pengaruh (variabel independen)
terhadap variabel terpengaruh (variabel dependen). Beberapa
literatur menyebut variabel independen sebagai variabel bebas
dan variabel dependen sebagai variabel terikat. Tetapi secara

jelas yang disebut variabel independen adalah variabel yang
dapat mempengaruhi variabel lain, sedangkan variabel
dependen adalah variabel yang dipengaruhi oleh variabel lain.
Misalnya dalam persamaan konsumsi (C = a + b Y), diketahui
bahwa besanya ni lai konsumsi (C) dipengaruhi oleh jumlah
pendapatan (Y). Dengan demikian yang disebut dengan
variabel independen adalah Jumlah Pendapatan (Y) dan yang
menjadi variabel dependen adalah Konsumsi (C). Yang perlu
mendapatkan perhatian dalam menentukan variabel
independen dan variabel dependen adalah jangan terpaku
pada notasi dalam suatu persamaan regresi, karena masing-
masing literatur menggunakan notasi sendiri-sendiri.
Analisis Korelasi digunakan untuk mengetahui tingkat
keeratan dari hubungan dua variabel. Sedangkan angka yang
menunjukkan kuat tidaknya hubungan antara dua variabel
disebut dengan koefisien korelasi yang dinotasikan dengan r
(khusus untuk korelasi sederhana). Nilai koefisien korelasi
adalah 1 s r s 1.
Jika r = 1, berhubungan negatif sangat erat
Jika r = 1, berhubungan positif sangat erat
Jika r = 0, tidak berhubungan
Jika r semakin mendekati angka 1 atau 1, maka antara dua
variabel mempunyai hubungan yang kuat atau erat. Sedangkan
jika r lebih mendekati ke angka 0, maka antara dua variabel
mempunyai hubungan yang tidak kuat atau tidak erat.

4.3.3.1. Analisis Regresi Sederhana
Penyebutan regresi linier sederhana karena dalam model
yang diajukan hanya memasukkan satu variabel independen
dan persamaannya berpangkat satu. Dengan demikian model
regresi linier sederhana adalah sebagai berikut:
Y = a + b. X (dalam beberapa literatur ditulis Y = b
0
+ b
1
. X)
Keterangan :
Y : Variabel Dependen (variabel terikat)
X : Variabel Independen (variabel bebas)
a : Konstanta
b : Koefisien Regresi
Untuk mendapatkan nilai a dan nilai b maka digunakan
rumus sebagai berikut :
( )
2
X
2
X . n
XY . X
2
X . Y
a

= atau X . b Y a =
( )
2
X
2
X . n
Y . X XY . n
b

= atau
=
2
x
xy
b
Sedangkan untuk mencari nilai dari xy ,
2
y ,
2
x dan
adalah sebagai berikut:
( )
n
2
X
2
X

=
2
x

( )
n
2
Y
2
Y

=
2
y
( )
n
Y X
XY

=
.
xy

Selisih antara nilai Y observasi dengan nilai Y taksiran
disebut dengan Error. Berdasarkan nilai error maka dapat
dihitung besarnya kekeliruan standart dari penaksiran atau
Standart Error of Estimate (biasanya dinotasi dengan S
xy
).
Untuk menghitung besarnya nilai S
xy
k n
XY . b Y . a
2
Y
xy
S

= atau
k n
xy
S

=
xy . b
2
y

Keterangan:
n : Jumlah data atau jumlah sampel
k : Jumlah variabel (Y dan X) yang dimasukkan dalam model
Berdasarkan rumus standart error of estimate tersebut di
atas, maka dapat digunakan untuk mendapatkan rumus
standart error dari penaksiran konstanta (a) dan koefisien
regresi (b), yaitu:
=
2
x . n
2
X
.
xy
S
a
S dan
=
2
x
xy
S
b
S

Di dalam analisis regresi linier, suatu hipotesis yang
diajukan akan diuji dengan menggunakan Uji T (uji parsial), Uji
F (uji serempak), dan juga memperhati kan nilai koefisien
determinasinya.
Uji T (Uji Parsial), digunakan untuk menguji tingkat
signifikan dari pengaruh variabel independen secara parsial
terhadap variabel dependen. Uji dilaksanakan dengan langkah

membandingkan T hitung dengan T tabel. Untuk menentukan
nilai T hitung digunakan rumus =
Sb
b

Keterangan:
b : Koefisien regresi
Sb : Standart error dari variabel independen
Sedangkan untuk mendapatkan ni lai T tabel dapat dilihat dalam
Tabel Distribusi T dengan menentukan degree of freedom (df):
n k dan nilai o (jika uji satu arah digunakan o dan jika uji dua
arah digunakan o). Misalnya, jika penelitian menggunakan
sampel sebanyak 10 dan tingkat signifikan 5% (regresi linier
sederhana) maka nilai T tabel adalah df : 8 dan o : 5% (uji satu
arah positif), yaitu sebesar 1,860. Jika uji dua arah maka
df : 8 dan o = 2,5%, yaitu sebesar 2,306.
Uji F (Uji Serempak), digunakan untuk menguji tingkat
signifikan dari pengaruh variabel independen secara serempak
membandingkan nilai dari F hitung dengan F tabel. Nilai
F hitung dicari dengan rumus =
2
xy
S
) 1 k ( / )
2
x
2
b (

Sedangkan untuk mengetahui nilai F tabel adalah menentukan
degree of freedom dan nilai o. Degree of freedom adalah k 1
(horisontal) dan n k (vertikal). Misalnya, jika penelitian
menggunakan sampel sebanyak 10 dan tingkat signifikan 5%

(regresi linier sederhana) maka nilai F tabel adalah df : k 1 =
2 1 = 1 (horisontal) dan n k = 10 2 = 8 dan o : 5% yaitu
sebesar 5,32.
Nilai koefisien korelasi digunakan rumus sebagai berikut:
)
2
) Y (
2
Y . n ( )
2
X) (
2
X . n (
Y X XY . n
r

= atau

=
)
2
y ( )
2
x (
xy
r

Disamping koefisien korelasi, juga terdapat yang disebut
dengan Koefisien Determinasi atau dinotasikan dengan r
2
.
Yang dimaksud dengan koefisien determinasi adalah untuk
menentukan seberapa besar variasi variabel dependen (Y)
yang dapat di jelaskan oleh variabel independen (X). Nilai
koefisien determinasi adalah 0 s r
2
s 1. Jika r
2
= 0 maka garis
regresi sangat tidak dapat mencocokkan atau sangat tidak
tepat dalam meramalkan nilai Y. Jika r
2
= 1 maka garis regresi
sangat cocok atau sangat tepat untuk meramalkan nilai Y.
Dalam reali ta nilai r
2
tidak mungkin 1 atau 100% tetapi selalu di
bawah 1 atau 100%. Untuk mendapatkan nilai r
2
dengan rumus:
)
2
y ( )
2
x (
2
) xy (

=
2
r

Contoh:
Seorang peneliti ingin mengetahui pengaruh dari tinggi badan
terhadap berat badan. Untuk kebutuhan penelitian tersebut
diambi l sampel secara acak sebanyak 10 orang untuk diteliti.
Jika hipotesis penelitian menyatakan bahwa tinggi badan
seseorang berpengaruh terhadap berat badan seseorang,
ujilah hipotesis tersebut dengan menggunakan Uji T dan Uji F
(tingkat keyakinan sebesar 95%) dan berapa nilai korelasi dan
koefisien determinasinya.
Jawab:
Jika Y : Berat Badan Seseorang
X : Tinggi Badan Seseorang
Maka untuk mendapatkan nilai a dan b untuk persamaan
regersi linier sederhana:
N Y X Y
2
X
2
XY
1 68 171 4.624 29.241 11.628
2 76 180 5.776 32.400 13.680
3 51 152 2.601 23.104 7.752
4 57 159 3.249 25.281 9.063
5 77 185 5.929 34.225 14.245
6 64 172 4.096 29.584 11.008
7 71 175 5.041 30.625 12.425
8 53 157 2.809 24.649 8.321
9 67 173 4.489 29.929 11.591
10 55 155 3.025 24.025 8.525
639 1.679 41.639 283.063 108.238

Untuk mendapatkan nilai a dan b adalah :
( )
2
X
2
X . n
Y . X XY . n
b

=
2
) 1.679 ( ) 283.063 x 10 (
) 639 )( 1.679 ( ) 108.238 x 10 (
b
= = 0,819657
X . b Y a = = 63,9 ( 0,819657 )( 167,9 ) = - 73,72041
Untuk mencari nilai dari xy ,
2
y ,
2
x dan adalah
sebagai berikut:
( )
n
2
X
2
X

=
2
x = 283.063 ((1.679)
2
/ 10 ) = 1.158,9
( )
n
2
Y
2
Y

=
2
y = 41.639 (( 639 )
2
/ 10 ) = 806,9
( )
n
Y X
XY

=
.
xy = 108.238 ((1.679 x 639)/10) = 949,9
Sedangkan untuk mencari standart error dari koefisien regresi
atau S
b
adalah :
k n
xy . b
2
y

=
xy
S
Sxy =
2 10
) 949,9 )( 0,819657 ( 806,9
= 1,881084

=
2
x
xy
S
b
S =
1.158,9
1,881084
= 0,05525673
Berdasarkan hasil pengolahan data tersebut di atas maka
dapat dibuat persamaan regresi linier sederhana:
Y = - 73,72041 + 0,819657 X.
Untuk menguji hipotesis secara parsial digunakan Uji T:
Hipotesis Statistik: Ho : b = 0 dan Ha : b = 0 (uji dua arah)
Nilai T hitung:
Sb
b
=
0,05525673
0,819657
= 14,833613932638
Nilai T tabel dengan df : 10 2 = 8 dan o = 2,5% (uji dua
arah), sebesar 2,306. Daerah penerimaan dan penolakan Ho

Gambar 4.4. Daerah Penerimaan dan Penolakan Ho
(Analisis Regresi Sederhana)
Karena nilai T hitung lebih besar dari pada T tabel atau
14,834 > 2,306 maka Ho ditolak, Ha diterima dan hipotesi s
penelitian yang menyatakan bahwa Tinggi Badan berpengaruh
Daerah Penolakan
Ho 2,5%
Daerah Penolakan
Ho 2,5%
Daerah
Penerimaan Ho
95%
2,306 - 2,306 14,834

terhadap Berat Badan Seseorang adalah dapat di terima (dapat
dikatakan signifikan secara statistik).
Untuk melakukan pengujian secara serempak maka
digunakan Uji F. Hipotesis statistik: Ho : b = 0 dan Ha : b = 0
Sedangkan rumus F hitung =
2
xy
S
) 1 k ( / )
2
x
2
b (

F hitung =
)
2
1,881084 (
1 / ) 1.158,9 )(
2
0,819657 (
= 220,0361
Untuk nilai F tabel dengan df : k - 1 ; n k = 1 ; 8 dan o : 5%
sebesar 5,32. Karena nilai F hitung lebih besar dari F tabel atau
220,0361> 5,32 maka Ho ditolak, Ha diteri ma dan hipotesi s
penelitian yang menyatakan bahwa Tinggi Badan berpengaruh
terhadap Berat Badan Seseorang adalah dapat diterima.
Untuk mendapatkan nilai koesien korelasi dan koefisien
determinasi adalah:

=
)
2
y ( )
2
x (
xy
r =
) 806,9 ( ) 1.158,9 (
949,9
= 0,982
Dengan demikian, koefisien determinasi (r
2
) = 0,982
2
= 0,964.
Berdasarkan hasi l nilai koefisien korelasi tersebut maka dapat
dikatakan bahwa hubungan antara variabel independen (Tinggi
Badan) dengan variabel dependen (Berat Badan) mempunyai
hubungan yang kuat karena nilai r sebesar 98,2% tersebut
sangat mendekati nilai 100%. Sedangkan untuk nilai r
2
sebesar
96,4% menggambarkan bahwa sumbangan variabel

independen (Tinggi Badan) terhadap naik turunnya variabel
dependen (Berat Badan) sebesar 96,4% sedangkan sisanya
merupakan sumbangan dari variabel lain yang tidak
dimasukkan dalam model.

4.3.3.2. Analisis Regresi Berganda
Dalam analisis regresi linier sederhana jumlah variabel
independen yang digunakan adalah sebanyak satu variabel.
Sedangkan untuk analisis regresi dan korelasi berganda,
jumlah variabel independen yang digunakan lebih dari satu
variabel. Dengan demikian model persamaan regresi linier
berganda menjadi : Y = a + b
1
X
1
+ b
2
X
2
+ + b
i
X
i

Keterangan:
Y : Variabel Dependen
X
1
: Variabel Independen Pertama
X
2
: Variabel Independen Kedua
X
i
: Variabel Independen Ke-i
b
1
, b
2
, b
i
: Koefisien Regresi
a : Konstanta
Untuk mendapatkan nilai konstanta dan masing-masing
nilai koefisien regresi pada persamaan tersebut di atas, khusus
untuk analisis regresi berganda dengan tiga variabel (satu
variabel dependen dan dua variabel independen) sudah
tersedia rumusnya, sedangkan jika analisis regresi berganda
dengan lebih tiga variabel, harus menggunakan metode matrik.

Analisis regresi berganda tiga variabel model
persamaannya adalah sebagai berikut : Y = a + b
1
X
1
+ b
2
X
2
.
Sedangkan untuk mendapatkan nilai a, b
1
dan b
2
digunakan
rumus sebagai berikut:
2
X
2
b
1
X
1
b Y a =

=
2
)
2
x
1
x ( )
2
2
x ( )
2
1
x (
)
2
x
1
x ( ) y
2
x ( )
2
2
x ( ) y
1
x (
1
b

=
2
)
2
x
1
x ( )
2
2
x ( )
2
1
x (
)
2
x
1
x ( ) y
1
x ( )
2
1
x ( ) y
2
x (
2
b
Untuk mendapatkan
2
x
1
x , y
2
x , y
1
x ,
2
y ,
2
2
x ,
2
1
x

=
n
2
)
1
X (
2
1
X
2
1
x

=
n
2
)
2
X (
2
2
X
2
2
x

=
n
2
) Y (
2
Y
2
y

=
n
)
2
X ( )
1
X (
2
X
1
X
2
x
1
x


=
n
) Y ( )
1
X (
Y
1
X y
1
x

=
n
) Y ( )
2
X (
Y
2
X y
2
x
Berdasarkan rumus tersebut di atas, maka untuk mendapatkan
nilai kekeliruan standart dari estimasi (standart error of
estimate) atau dinotasikan Syx
1
x
2
k n
) y
2
x .
2
b y
1
x .
1
b (
2
y
+
=
2
x
1
yx
S
Berdasarkan rumus standart error of estimate tersebut di atas
maka dapat dicari standar error penaksiran dari masing-masing
koefisien regresi, yaitu:

=
2
)
2
x
1
x ( )
2
2
x ( )
2
1
x (
2
2
x
.
2
x
1
yx
S
1
b
S

=
2
)
2
x
1
x ( )
2
2
x ( )
2
1
x (
2
1
x
.
2
x
1
yx
S
2
b
S
Uji T (Uji Parsial), digunakan untuk menguji tingkat
signifikan dari pengaruh variabel independen secara parsial
membandingkan T hitung dengan T tabel.
Terdapat tiga jenis dari hipotesis statistik, yaitu:

Uji Satu Arah ( - ) Uji Satu Arah ( + ) Uji Dua Arah
Ho : b
1
= 0
b
2
= 0
Ho : b
1
= 0
b
2
= 0
Ho : b
1
= 0
b
2
= 0
Ha : b
1
< 0
b
2
< 0
Ha : b
1
> 0
b
2
> 0
Ha : b
1
= 0
b
2
= 0
Untuk menentukan nilai T hitung adalah:
1
Sb
1
b
dan
2
Sb
2
b

Sedangkan untuk degree of freedom adalah n k (dalam hal ini
nilai k sebesar 3).
Uji F (Uji Serempak), digunakan untuk menguji tingkat
signifikan dari pengaruh variabel independen secara serempak
membandingkan nilai dari F hitung dengan F tabel.
Hipotesi s statistik: Ho : b
1
= b
2
= 0 dan Ha : b
1
= b
2
= 0 (atau
salah satu bernilai tidak nol).
Nilai F hitung dicari dengan rumus:
F hitung =
2
)
2
x
1
yx
S (
+ ) 1 k ( / ) y
2
x .
2
b y
1
x .
1
b (

Sedangkan untuk degree of freedom adalah k 1 ; n k (nilai k
sebesar 3, yaitu jumlah variabel yang diteliti)
Koefisien Determinasi (R
2
), digunakan untuk menentukan
seberapa besar variasi variabel dependen (Y) yang dapat
dijelaskan oleh variabel independen (X
1
dan X
2
). Untuk
mendapatkan nilai R
2
digunakan rumus sebagai berikut:

+
=
2
y
) y
2
x .
2
b y
1
x .
1
b (
2
R dimana 0 s R
2
s 1
Contoh:
Suatu penelitian tentang Pengaruh Pendapatan Keluarga per
Hari (X
1
) dan Jumlah Anggota Keluarga (X
2
) terhadap
Pengeluaran Konsumsi Keluarga per Hari (Y), menggunakan
sampel sebanyak 10 keluarga. Ujilah hipotesis yang
menyatakan bahwa Pendapatan Keluarga per Hari dan Jumlah
Anggota Keluarga berpengaruh terhadap Pengeluaran
Konsumsi Keluarga per Hari, dengan menggunakan Uji T dan
Uji F pada taraf signifikan 5% dan carilah nilai R
2
(koefisien
determinasi).
Jawab:
N X
1
X
2
Y X
1
2
X
2
2
Y
2
X
1
X
2
X
1
Y X
2
Y
1 100 7 23 10.000 49 529 700 2.300 161
2 20 3 7 400 9 49 60 140 21
3 40 2 15 1.600 4 225 80 600 30
4 60 4 17 3.600 16 289 240 1.020 68
5 80 6 23 6.400 36 529 480 1.840 138
6 70 5 22 4.900 25 484 350 1.540 110
7 40 3 10 1.600 9 100 120 400 30
8 60 3 14 3.600 9 196 180 840 42
9 70 4 20 4.900 16 400 280 1.400 80
10 60 3 19 3.600 9 361 180 1.140 57
600 40 170 40.600 182 3.162 2.670 11.220 737


=
n
2
)
1
X (
2
1
X
2
1
x = 4.600

=
n
2
)
2
X (
2
2
X
2
2
x = 22

=
n
2
) Y (
2
Y
2
y = 272

=
n
)
2
X ( )
1
X (
2
X
1
X
2
x
1
x = 270

=
n
) Y ( )
1
X (
Y
1
X y
1
x = 1.020

=
n
) Y ( )
2
X (
Y
2
X y
2
x = 57

=
2
)
2
x
1
x ( )
2
2
x ( )
2
1
x (
)
2
x
1
x ( ) y
2
x ( )
2
2
x ( ) y
1
x (
1
b = 0,25

=
2
)
2
x
1
x ( )
2
2
x ( )
2
1
x (
)
2
x
1
x ( ) y
1
x ( )
2
1
x ( ) y
2
x (
2
b = - 0,47
2
X
2
b
1
X
1
b Y a = = 3,88

Dengan demikian persamaan regresi linier berganda adalah:
Y = 3,88 + 0,25 X
1
0,47 X
2

Uji T (uji parsial). Mencari nilai Sb
1
dan Sb
2
adalah
sebagai berikut :
k n
) y
2
x .
2
b y
1
x .
1
b (
2
y
+
=
2
x
1
yx
S
= 2,502

=
2
)
2
x
1
x ( )
2
2
x ( )
2
1
x (
2
2
x
.
2
x
1
yx
S
1
b
S
= 0,07

=
2
)
2
x
1
x ( )
2
2
x ( )
2
1
x (
2
1
x
.
2
x
1
yx
S
2
b
S
= 1,008
Dengan demikian nilai T hitung masing-masing variabel
independen adalah :
1
Sb
1
b
= 3,5714 dan
2
Sb
2
b
= - 0,46627
Hipotesis Statistik : Ho : b
1
= 0 Ha : b
1
= 0
b
2
= 0 b
2
= 0
Nilai T tabel untuk o : 5% (uji 2 arah) dan df : 7 = 2,36
1. Karena nilai T hitung X
1
lebih besar dari pada T tabel atau
3,5714 > 2,36 (di daerah arsiran) maka Ho ditolak, Ha
diterima dan hipotesis penelitian yang menyatakan bahwa
Pendapatan Keluarga per Hari berpengaruh terhadap
Pengeluaran Konsumsi Keluarga per Hari adalah benar atau
dapat diterima.

2. Karena nilai T hitung X
2
lebih besar dari pada T tabel atau
0,46627 > 2,36 (di daerah tidak arsiran) maka Ho
diterima, Ha ditolak dan hipotesis penelitian yang
menyatakan bahwa Jumlah Anggota Keluarga berpengaruh
terhadap Pengeluaran Konsumsi Keluarga per Hari adalah
tidak dapat diteri ma pada taraf signifikan 5% (diterima pada
taraf signifikan 40%).

Uji F (uji serempak). Nilai F hitung dengan menggunakan
rumus :
2
)
2
x
1
yx
S (
+ ) 1 k ( / ) y
2
x .
2
b y
1
x .
1
b (
= 18,22842
Hipotesis Statistik: Ho : b
1
= b
2
= 0 dan Ha : b
1
= b
2
= 0
Nilai F tabel dengan o : 5% dan df : 2 ; 7 = 4,74. Karena nilai
F hitung lebih besar dari pada F tabel atau 18,22842 > 4,74
maka Ho di tolak, Ha diterima dan Hipotesis Peneli tian diterima,
artinya Pendapatan Keluarga per Hari dan Jumlah Anggota
Keluarga secara serempak atau bersama-sama mempunyai
pengaruh yang signifikan terhadap Pengeluaran Konsumsi
Keluarga per Hari.
R
2
(koefisien determinasi) diperoleh dengan rumus:
+
=
2
y
) y
2
x .
2
b y
1
x .
1
b (
2
R
= 0,84
Nilai R
2
tersebut memberikan gambaran bahwa sumbangan
Pendapatan Keluarga per Hari dan Jumlah Anggota Keluarga

terhadap naik turunnya atau variasi variabel Pengeluaran
Konsumsi Keluarga per Hari adalah sebesar 0,84 atau 84%
sedangkan sisanya sebesar 16% merupakan sumbangan dari
variabel lain yang tidak dimasukkan dalam model yang
diajukan.

Bab IV. Metode Analisis Data

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Bab IV. Metode Analisis Data

Enviado por

Direitos autorais:

Formatos disponíveis

Metode Analisis Data 35

BAB IV METODE ANALISIS DATA

Você também pode gostar