Modul Statistika II Part 2 PDF

MODUL STATISTIKA II
2013
(Part 2)
Note : Terdapat beberapa kesalahan dalam

modul ini, misalnya dalam kunci jawaban
Alya Fauziyah
Taufik Nur Rachman
Deasy Puspasari
Karina Indri M. S.
Rudolf P. Purba
Yessica Sardina Purba
Ahmad Hamdi
Farhatunisa
Siti Hudaepah
Lois Jessica
Karina Megasari
Anita Kesia Zonebia
Nina Arina
Yana Mulyana Fauzi
Catra Evan Ramadhani
DAFTAR ISI
REGRESI DAN KORELASI SEDERHANA..79

REGRESI DAN KORELASI BERGANDA..101
CHI-SQUARE154
NON PARAMETRIK ...168
NON PARAMETRIK 1.171
NON PARAMETRIK 2198
REGRESI DAN KORELASI SEDERHANA

Untuk mempelajari hubungan-hubungan antar variabel dalam suatu persamaan dapat
mengunakan regresi dan korelasi dalam menganalisisnya. Regresi sederhana menunjukan
hubungan linear (garis lurus) antar dua variabel dan memperkirakan nilai dari variabel terikat
Y berdasarkan nilai dari variabel bebas X. Sedangkan korelasi sederhana mempelajari
hubungan antara variabel-variabel atau dengan kata lain menunjukan apakah dua variabel
mempunyai hubungan atau tidak.
A. REGRESI SEDERHANA
1. Pengertian Regresi
Persamaan Regresi adalah sebuah persamaan yang menunjukan hubungan linear
antara dua variabel. (Lind, Teknik-teknik Statistik dalam Ekonomi dan Bisnis :74)
Bentuk Umum
= a + bX
Keterangan :
= Variabel Terikat (Variabel yang diperkirakan)
= Variabel Bebas (Variabel yang mempengaruhi variabel terikat)
= nilai Y dimana diperkirakan garis regresinya memotong sumbu Y ketika X bernilai

nol (intercept)
= kemiringan garis, atau perubahan rata-rata Y setiap perubahan satu unit X (slope)
2. Metode Pengukuran Regresi Sederhana

a. Least Square Method
Bentuk Umum
= a + bX
79
Rum
us :
Y = an + bX
atau
a=
) ( )( )
( )
XY = aX + bX2 atau
b. Product Moment Method

Bentuk Umum
: = a + bX
Rumus :
xy = b X+ bX2
atau
xy = XY
x2 = X2
b=
,dimana
(
y2 = Y2
B. Korelasi
Analisis korelasi adalah sekumpulan teknik untuk mengukur hubungan antar dua
variabel. (Lind, Teknik-teknik Statistika dalam Bisnis dan Ekonomi: 61)
1. Koefisien korelasi (r)

Koefisien korelasi menunjukan kekuatan hubungan antara dua himpunan variabel.
Diberi tanda r, dan nilai r dapat berkisar dari -1 sampai +1. Tanda negatif berarti varibel
berkorelasi negatif, tanda positif berarti variabel berkorelasi positif, serta apabila tidak
terdapat hubungan sama sekali antar variabel maka r bernilai 0.
Kekuatan dari koefisien korelasi menurut Iqbal Hasan:
0.00 < r 0.20
= sangat lemah
0.21 < r 0.40
= lemah
0.41 < r 0.60
= cukup
80
0.61 < r 0.80
= kuat
0.81 < r 1.00
= sangat kuat
Rumus Pearson :
) )(
) )
Rumus Product Moment :
r=
2. Koefisien Determinasi
Koefisien determinasi adalah perbandingan total variasi dalam variabel terikat Y yang
dapat dijelaskan oleh variasi dalam variabel bebas X. (Lind)
Dirumuskan
r2 x 100%
-
Koefisien non determinasi adalah perbandingan total variasi terikat Y yang dapat
dijelaskan oleh variabel diluar model.
Dirumuskan
1 - r2
3. Kesalahan Standard Estimasi ( Standard Error of Estimate )

Adalah suatu ukuran yang menunjukan seberapa tepat prediksi untuk Y berdasarkan X atau
sebaliknya, seberapa tidak akuratnya estimasi itu. Dirumuskan
Least Square Method
SYX =
Product Moment Method

SYX =
Keterangan :
n = banyaknya pasangan variabel independen x dan variabel dependen y
81
k = banyaknya macam variabel independen x
4. Penaksiran tentang interval dan interval

Menaksir interval
Menaksir interval
(n > 30)
(n > 30)
a Z1/2.Sa < konstanta < a + Z1/2.Sa
b Z1/2.Sb < konstanta < b + Z1/2.Sb
(n 30)
(n 30)
a t1/2.Sa < konstanta < a + t1/2.Sa
b t1/2.Sb < konstanta < b + t1/2.Sb
Sa = SYX .
Sb = SYX .
5. Pengujian tentang Koefisien Regresi

Menguji
Menguji
- Tentukan Ho dan Ha
Ho : Konstanta = 0 (tidak berpengaruh
signifikan)
Ha : Konstanta 0 (ada pengaruh
signifikan)
- Tentukan t1/2 dengan df = n-k-1
n = jumlah sampel
Tentukan Ho dan Ha
Ho
: = (tidak berpengaruh
signifikan)
Ha : (ada pengaruh signifikan)
-
Tentukan t1/2 dengan df = n-k-1
Tentukan thitung dengan
k = jumlah variabel x
t=
Tentukan thitung dengan :

-
t=
-
Tentukan daerah penolakan yaitu

thitung < -t1/2 atau thitung > t1/2 Ho
Tentukan daerah penolakan yaitu
ditolak
thitung < -t1/2 atau thitung > t1/2 Ho ditolak
t1/2 thitung t1/2 Ho tidak dapat
t1/2 thitung t1/2 Ho tidak dapat ditolak
ditolak
Daerah penolakan Ho
(daerah kritis )
Daerah penolakan Ho
(daerah kritis )
Daerah penerimaan
Ho
-t1/2
t1/2
82
Kesimpulan
6. Interval Taksiran
Interval taksiran untuk rata-rata taksiran YX
Interval taksiran untuk Y individu
o t1/2 S< YX < o + t1/2 S
o t1/2 S< Y< o + t1/2 S
S = SYX
x )
S = SYX
x )
7. Pengujian Korelasi populasi

Menguji apakah sampel berasal dari populasi
yang berkorelasi
Ho : = 0 (tidak berasal dari populasi yang
berkorelasi)
Ha : 0 (berasal dari populasi yang
berkorelasi)
df = n-k-1
t=
Ho ditolak jika
-thitung < -t1/2 atau thitung > t1/2
8. Batas-batas koefisien korelasi populasi

- jika berkorelasi tidak perlu dihitung, jika berkorelasi perlu dihitung
(
Sr =
Z1/2. Sr <
<
Z1/2.Sr
83
CONTOH SOAL
Manager Investasi di Astra International, memiliki data mengenai penghasilan karyawan di
perusahaan tersebut dan persentase investasi kembali para karyawan pada produk keuangan
yang dikeluarkan perusahaan.
Karyawan
Penghasilan (juta)
Investasi Kembali (%)
Ade
7,0
20,2
Ahmad
7,8
20,4
Anjar
8,2
30,6
Andi
9,1
28,5
Adi
8,7
25,4
Anji
11,3
30,5
Adi
11,7
32,8
Ari
10,0
42,0
Apri
12,8
29,0
Ati
12,2
29,3
Tentukanlah :
a. Persamaan regresi dan interpretasi
b. Koefisien korelasi, determinasi, non determinasi serta artinya
c. Standard Error of estimate.
Jawaban
Penghasilan
(X)
7,0
7,8
8,2
Investasi Kembali
(Y)
20,2
20,4
30,6
(XY)
141,4
49
408,04
159,12
60,84
416,16
250,92
67,24
936,36
84
9,1
8,7
11,3
11,7
10,0
12,8
12,2
X = 98.8
28,5
25,4
30,5
32,8
42,0
29,0
29,3
Y = 288.7
259,35
82,81
812,25
220,98
75,69
645,16
344,65
127,69
930,25
383,76
136,89
1075,84
420
100
1764
371,2
163,84
841
357,46
148,84
858,49
XY = 2908,76
X = 1012,84
Y= 8687,55
a. Persamaan Regresi
a=
=
) (
) (
)
)
= 13.6838565511
( ) ( )( )
( ) ( )
Dan
=
) (
) (
)
)
= 1.53706126008
Maka persamaan regresinya adalah : Y= 13.6838565511 + 1.53706126008X Dari persamaan

tersebut dapat diketahui bahwa rata-rata persentase investasi kembali tanpa dipengaruhi oleh
variabel apapun adalah sebesar 13.6838565511 Sedangkan jika dipengaruhi oleh penghasilan,
jika pendapatan naik sebesar 1 juta rupiah rata-rata jumlah investasi kembali akan bertambah
adalah sebanyak 1.53706126008 unit.ceteris paribus
b. r =
r=
) )(
(
(
) )
) (
) (
)(
)
(
) (
))
r = 0.49573313338
Artinya, korelasi antara jumlah pengasilan dengan investasi kembali adalah cukup kuat dan
searah.
Koefisien determinasi adalah :
R2 X 100% = 0.495733133382 X 100% = 24.575133953 %
85
Artinya, variasi jumlah penghasilan menjelaskan total variasi Persentase investasi kembali
sebesar 24.575133953 % dan sisanya dijelaskan oleh variabel lain diluar model.
Koefisien non determinasi
1 R2 = 1 - 0.495733133382 = 0.24575133953 x 100 % = 75.424866047
c. SYX =
(
) (
) (
= 5.69799
Jadi, rata-rata penyimpangan variabel persentasi investasi kembali prediksi terhadap variabel
variabel persentase investasi kembali adalah sebesar 5.69799.
86
SOAL REGRESI DAN KORELASI SEDERHANA

1. Berikut ini adalah data berat mobil dalam ribuan pon dan konsumsi bahan bakar dalam
mil/gallon.
Berat mobil
Konsumsi
bahan bakar
2.0
2.4
2.8
3.4
3.6
3.2
2.6
2.9
2.5
2.7
32
30
28
23
19
25
27
24
29
33
a. Buat persamaan regresi dan interpretasinya!

b. Hitung standard error of estimate!
c. Hitung koefisien korelasi dan determinasi, jelaskan!
d. Pada tingkat signifikansi 5%, dapatkah disimpulkan bahwa terhadap hubungan negatif
antara dua variabel tersebut?
e. Batas-bats taksiran koefisien regresi pada tingkat kepercayaan 95%!
Jawab :
Berat Mobil (X)
Konsumsi Bahan
Bakar (Y)
XY
X2
Y2
2.0
32
64
1024
2.4
30
72
5.76
900
2.8
28
78.4
7.84
784
3.4
23
78.2
11.56
529
3.6
19
68.4
12.96
361
3.2
25
80
10.24
625
2.6
27
70.2
6.76
729
2.9
24
69.6
8.41
576
2.5
29
72.5
6.25
841
2.7
33
89.1
7.29
1089
X=28.1
Y=270
XY=742.4 X2=81.04
Y2=7458
a. Persamaan Regresi
a=
(
(
)(
(
) (
) (
)(
87
( )( )
( )
)
(
(
)
)(
(
)
)
maka persamaan regresinya adalah Y =
X.
Dari persamaan tersebut dapat diketahui bahwa rata-rata konsumsi bahan bakar tanpa
dipengaruhi oleh variabel apapun adalah sebesar
%. Sedangkan jika
dipengaruhi oleh berat mobil , jika berat mobil naik sebesar 1 ribu pon, maka rata-rata
konsumsi bahan bakar akan turun sebesar
b.SYX =
mil/gallon, ceteris paribus.

(
) (
)(
Jadi, rata-rata penyimpangan variabel konsumsi bahan bakar bakar prediksi terhadap
variabel konsumsi bahan bakar sebenarnya adalah sebesar
) (
c.
) )(
) )
) (
)(
)
(
) (
))
Artinya, koefisien korelasi dari berat mobil dan bahan bakar minyak adalah sebesar
. Artinya korelasi antara kedua variabel adalah negatif dan sangat kuat.
Koefisien determinasi adalah
R2 X 100% = (
)2 X 100 % = 0.76069653449 x 100 = 76.069653449 %
Artinya variabel berat mobil mampu menjelaskan variabel konsumsi bahan bakar
sebanyak 76.069653449 % dan sisanya 23.930346551% dijelaskan oleh faktor lain di luar
model.
d. Ho : = 0 (tidak ada korelasi)
Ha : 0 (ada korelasi )
df = 10-1-1 = 8
t 1/2 = 2,3060
t=
t=
88
kriteria :
Ho ditolak jika
Ternyata
< -2,306 atau
> 2.306 maka Ho ditolak
Jadi, pada tingkat signifikansi 5%, ternyata ada korelasi negatif antara berat mobil dan
konsumsi bahan bakar.
Sa = SYX .
e.
x2 = X2
= 2.079
Sa =
Sa = 0.708899
df = 10-1-1=8

2.3060*0.708899
<
Konstanta
<
2.3060*0.708899
47.396545 < Konstanta < 50.665988
Jadi pada tingkat signifikansi 5%, batas-batas taksiran kostanta berada dalam regresi
populasi -47.396545 hingga 50.665988.
2. Norton Corp. Ingin mengetahui hubungan antara bonus yang diterima dengan jumlah
lembur karyawan tersebut. Kemudian Norton Corp. Mewawancarai 20 karyawannya dan
mendapatkan :
X=75 ; Y=250 ; XY=1500; X2=700 ; Y2=5000. Dari informasi tersebut, tentukan :
a. Tentukan persamaan regresinya dan interpretasi!
b. r dan r2 serta berikan interpretasinya!
c. Pada tingkat signifikansi 5%, ujilah bahwa jumlah lembur dapat mempengaruhi jumlah
bonus yang diterima oleh karyawan Norton Corp.!
Jawab :
(
a. a =
)(
) (
(
) (
( )( )
( )
)(
)
(
(
)
)(
( )
89
X.
Dari persamaan tersebut dapat diketahui bahwa jumlah bonus tanpa dipengaruhi oleh
variabel apapun adalah sebesar
satuan. Sedangkan jika dipengaruhi oleh
lembur, jika jumlah lembur naik sebesar 1 satuan, maka rata-rata jumlah bonus akan naik
sebesar
satuan, ceteris paribus.

) (
b.
) )(
) )
) (
)(
)
(
) (
0.6348111
))
Artinya, koefisien korelasi dari jumlah bonus dan jumlah lembur adalah sebesar
0.6348111. Artinya korelasi antara kedua variabel adalah positif dan kuat.
r2 = (0.6348111)2 = 0.4029851 x 100% = 40.29851 %
k2 + r2 = 100%
k 2 = 100% - 40.29851 %= 59.70149%
Artinya variabel berat mobil mampu menjelaskan variabel konsumsi bahan bakar
sebanyak 40.29851 % dan sisanya 59.70149% dijelaskan oleh faktor lain di luar model.
c. Ho : = 0 (tidak ada korelasi)
df = 20-1-1 = 18
t 1/2 = 2.1009
t=
= 3.4856851
kriteria :
Ho ditolak jika
Ternyata
< -2.1009 atau 3.4856851 > 2.1009 maka Ho ditolak
Jadi, pada tingkat signifikansi 5%, ternyata ada korelasi positif antara jumlah bonus dan
jumlah lembur karyawan.
3. Based on the theory of supply, it can be presumed that there is a relationship between
production and price. below is the data production and palm oil prices from 1995 to 2004.
90
Production
(million of ton)
4.54
4.53
5.03
6.05
6.09
6.14
6.37
7.40
7.22
7.81
8.49
8.81
Year
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
Price
(US $/ton)
271
319
411
348
287
330
383
384
472
610
640
652
Determine :
a. The regression equation and give the interpretation!
b. How much r and r2 and give the interpretation!
c. The standard error of estimation and interpretation!
d. With significance 5%, estimate interval constanta !
e. With significance 5%, estimate interval constanta and test constanta can influence
the regression model significantly!
f. At significance 5%, can we conclude that the sample comes from population which
have correlation?
Answer :
Production (Y)
4.54
4.53
5.03
6.05
6.09
6.14
6.37
7.40
7.22
7.81
8.49
8.81
Y=78.48
Price (X)
271
319
411
348
287
330
383
384
472
610
640
652
X=5107
X2
73441
101761
168921
121104
82369
108900
146689
147456
222784
372100
409600
425104
X2=2380229
Y2
20.61
20.52
25.30
36.60
37.09
37.70
40.58
54.76
52.13
61.00
72.08
77.62
Y2=535.98
XY
1230.34
1445.07
2067.33
2105.40
1747.83
2026.20
2439.71
2841.60
3407.84
4764.10
5433.60
5744.12
XY=35253.14
a. Regression equation
a=
(
(
)(
(
) (
) (
)(
)
)
91
) ( )( )
( )
) (
(
)(
) (
0.008963
So, the regression equation is Y =

+
X. It means that average
production if not influenced by anything variabel is about
millions of ton. And
if influenced by price, in one US $/ton increasing in price then average production will be
increasing about 0.008963 US $/ton, ceteris paribus.
b.
) (
(
(
) )(
) )
) (
)(
)
(
) (
0.8550648
))
So, the correlation between production and price is 0.8550648. On the other hand, the
corelation is very strong and positive, because the value close to +1.
r2 = (0.8550648)2 = 0.7311359 x 100% = 73.11359 %
k2 + r2 = 100%
k 2 = 100% - 73.11359 %= 0.99268864%
so, the variation of production can explain total variation of price about 73.11359 % and
the residual about 0.99268864% is explained by variable out of model.
c. SYX =
) (
So the standard error of estimate is
)(
. It means that varians of production
prediction can explain real production about 16.28992761.

d. Sa = SYX .
x2 = X2
= 206774.9167
Sa =
Sa = 2.19560320235
df = 12-1-1=10

2.2281*2.19560320235 < Konstanta <
+ 2.2281*2.19560320235
-2.28275 < Konstanta < 7.733593

So, with significance 5% the limits of estimated
regression -2.28275 to 7.733593.
are constant in the population
e. (n 30)
92
Sb = SYX .
x2 = X2
x2 =
= 206774.9167
Maka Sb =
Sb = 0.00492982807
df = 12-1-1=10

2.2281*0.00492982807 < Konstanta <
+ 2.2281*0.00492982807
2.71443785 < Konstanta < 2.73640615

With significance 5%, interval estimation constanta for regression of population is
between 2.71443785 to 2.73640615
Uji t
Ho: = 0 (tidak ada pengaruh signifikan)
Ha: 0 (Ada pengaruh signifikan)
= 0,05
df = 10
t /2 = 2.2281
t=
t=
t = 552.8432151
criteria
-thitung <-t1/2 atau thitung > t1/2
Ho ditolak
evidently -552.8432151 < - 2.2281 or 552.8432151 > 2.2281 Ho rejected

so, with significance 5%, the test shows that constanta 0. It means that constanta
influence significantly.
d. Ho : = 0 (no correlation)
Ha : 0 (correlation)
df = 12-1-1 = 10
t 1/2 = 2.2281
93
t=
t = 5.214740
criteria :
Ho rejected if
-thitung < -t1/2 or thitung > t1/2
-5.214740 < -2.2281 or 5.214740 > 2.2281 then Ho is rejected
So, at significance 5%, there are positif correlation between production and price.
4. The data below is the income and consumption data per day from Nabila.
Income
(tens of thousands of dollars)
40
55
60
75
87
95
120
Consumption
(tens of thousands of dollars)
25
40
50
55
65
73
90
Determine :
a. What is the regression equation and give the interpretation?
b. How much the coeficient corelation for the case and interpretation?
c. How much the size of house can explain the selling price and interpretation?
d. Determine the standard error of estimate and interpretation?
Answer :
Income
(X)
40
55
60
75
87
95
120
X=532
Consumption
(Y)
25
40
50
55
65
73
90
Y=398
X2
Y2
XY
100
121
110.25
144
64
110.25
81
X2=44.844
121
169
144
121
169
100
144
Y2=25.404
140
143
126
132
104
105
108
XY=33.715
94
(
a=
(
(
)(
) (
) ( )( )
( )
)(
) (
(
) (
(
0.000318
)
)(
) (
0.73545
So, the regression equation is Y = 0.000318+ 0.73545X. It means that average

consumption if not influenced by anything variabel is about 0.000318 tens of thousands of
dollars. And if influenced by income, in tens of thousands of dollars increasing in price
then average consumption will be increasing about 0.73545 tens of thousands of dollars,
ceteris paribus.
(
b.
) )(
) )
) (
( (
) (
)( (
) (
))
-1.0000013
So, the correlation between consumption and income is -1.0000013. On the other hand, the
corelation is very strong and negative.
2
c. r = (-1.0000013) = 1.00000 x 100% = 100 %
k2 + r2 = 100%
k 2 = 100% - 100 %= 0%
so, the variation of consumption can explain total variation of price about 100 % and the
residual about 0% is explained by variable out of model.
d. SYX =
) (
So the standard error of estimate is

prediction can explain real production about
)(
. It means that varians of production

.
5. The following table is the observation of the random sample of 8 villages in cities
"alphabet" of income and health expenditure villagers during 2012.
Village
A
B
C
D
E
F
G
H
Income
(millions of rupiah)
21
15
15
9
12
18
6
12
Health expenditure
(millions of rupiah)
4
3
3.5
2
3
3.5
2.5
2.5
95
a. What is the regression equation and give the interpretation?

b. Determine the value of the coefficient of correlation, coefficient of determination,
coefficient of non-determination and give the explanation!
Answer :
Village
Health
expenditure (Y)
4
3
3.5
2
3
3.5
2.5
2.5
Y=24
Income (X)
A
B
C
D
E
F
G
H
21
15
15
9
12
18
6
12
X=108
(
a=
(
(
)(
) (
) ( )( )
( )
) (
(
)(
)(
) (
Y2
XY
441
225
225
81
144
324
36
144
X2=1620
16
9
12.25
4
9
12.25
6.25
6.25
Y2=75
84
45
52.5
18
36
63
15
30
XY=343.5
0.735443361
)
) (
X2
)
)
0.735443
So, the regression equation is Y = 0.735443361+ 0.735443X. It means that average health
expenditure if not influenced by anything variabel is about 0.735443361 millions of
rupiah. And if influenced by income, in one millions of rupiah increasing in income then
average health expenditure will be increasing about 0.735443 millions of rupiah, ceteris
paribus.
b. Coefficient of correlation
(
(
) )(
) )
( (
) (
) (
)( (
)
) (
))
0.884538
So, the correlation between consumption and income is 0.884538. On the other hand, the
corelation is very strong and positive.
Coefficient of determination
r2 = (0.884538)2 = 0.7824074 x 100% = 78.24074 %
k2 + r2 = 100%
Coefficient of non determination
k 2 = 100% - 78.24074 %= 21.75926 %
so, the variation of income can explain total variation of health expenditure about
78.24074 % and the residual about 21.75926 % is explained by variable out of model.
96
6. Tabel berikut menunjukkan hasil pengamatan terhadap sampel acak yang terdiri dari 15
usaha kecil di suatu kecamatan mengenai omzet penjualan dan laba (dalam juta rupiah).
Omzet Penjualan
Laba
34
32
38
36
34
31
40
38
30
29
40
35
40
33
34
30
35
32
39
36
33
31
32
31
42
36
40
37
42
35
a. Tentukan persamaan regresinya dan interpretasi!
b. r dan r2 serta berikan interpretasinya!
c. Pada tingkat signifikansi 5%, ujilah bahwa omzet penjualan dapat mempengaruhi laba!
Jawab :
Omzet
Penjualan (X)
34
38
34
40
30
40
40
34
35
39
33
32
42
40
42
X=553
Laba
(Y)
32
36
31
38
29
35
33
30
32
36
31
31
36
37
35
Y=502
(
a. a =
(
(
) ( )( )
( )
)(
) (
XY
1156
1444
1156
1600
900
1600
1600
1156
1225
1521
1089
1024
1764
1600
1764
X2=20599
1024
1296
961
1444
841
1225
1089
900
1024
1296
961
961
1296
1369
1225
Y2=16912
1088
1368
1054
1520
870
1400
1320
1020
1120
1404
1023
992
1512
1480
1470
XY=18641
115.7944
) (
(
Y2
)(
) (
(
X2
) (
)(
)
)
0.632557
97
X.
Dari persamaan tersebut dapat diketahui bahwa laba tanpa dipengaruhi oleh variabel
apapun adalah sebesar 115.7944 juta rupiah. Sedangkan jika dipengaruhi oleh omzet
penjualan, jika jumlah omzet penjualan naik sebesar 1 juta rupiah, maka rata-rata laba
akan naik sebesar
juta rupiah, ceteris paribus.

) (
b.
) )(
) )
) (
)(
)
(
) (
0.8707684
))
Artinya, koefisien korelasi dari laba dan omzet penjualan adalah sebesar 0.6348111.
Artinya korelasi antara kedua variabel adalah positif dan kuat.
r2 = (0.8707684)2 = 0.7582377 x 100% = 75.82377 %
k2 + r2 = 100%
k 2 = 100% - 75.82377 %= 24.17623 %
Artinya variabel omzet penjualan mampu menjelaskan variabel laba sebanyak 75.82377 %
dan sisanya 24.17623 % dijelaskan oleh faktor lain di luar model.
c. Ho : = 0 (tidak ada korelasi)
df = 15-1-1 = 13
t 1/2 = 2.1604
t=
t = 6.38528
kriteria :
Ho ditolak jika
Ternyata -6.38528 < -2.1604 atau 6.38528 > 2.1604 maka Ho ditolak
Jadi, pada tingkat signifikansi 5%, ternyata ada korelasi positif antara laba dan omzet
penjualan.
98
7. Dibawah ini adalah biaya promosi dan volume penjualan dari PT.Cahaya Kamila.
Biaya Promosi
(Rupiah)
12
13.50
12.75
12.60
14.85
15.20
15.75
16.80
18.45
17.90
Volume Penjualan
(Buah)
56
62.43
60.85
61.30
65.83
66.35
65.26
68.80
70.47
65.20
Tentukan :
a. Persamaan regresi dan interpretasi!
b. Hitunglah standard error estimasinya!
c. Taksirlah berapa volume penjualan, apabila biaya promosi yang dikeluarkan adalah Rp
19?
Jawab :
Biaya Promosi
(X)
Volume
Penjualan
X2
Y2
XY
(Y)
12
56
144
3136
672
13.50
62.43
182.25
3897.5
842.805
12.75
60.85
162.563
3702.72
775.838
12.60
61.30
158.76
3757.69
772.38
14.85
65.83
220.523
4333.59
977.576
15.20
66.35
231.04
4402.32
1008.52
15.75
65.26
248.063
4258.87
1027.85
16.80
68.80
282.24
4733.44
1155.84
18.45
70.47
340.403
4966.02
1300.17
17.90
65.20
320.41
4251.04
1167.08
X=149.8
Y=642.49
X2=2290.25
Y2=41439.2
XY=9700.05
99
a. a =
(
( )
) ( )( )
( )
)(
) (
(
(
)(
) (
) (
(
)
)(
) (
39.77692
1.63365
X.
Dari persamaan tersebut dapat diketahui bahwa volume penjualan tanpa dipengaruhi oleh
variabel apapun adalah sebesar
rupiah. Sedangkan jika dipengaruhi oleh biaya
promosi, jika biaya promosi naik sebesar 1 rupiah, maka rata-rata vome penjualan akan
naik sebesar 1.63365 satuan, ceteris paribus.
b. SYX =
)(
) (
)(
= 62.9775912527
Jadi, rata-rata penyimpangan variabel volume penjualan prediksi terhadap variabel volume
penjualan sebenarnya adalah 62.9775912527.
c. Y =
Y=
X
(15)
Y = 64.28167
Jadi, ketika biaya promosi yang dikeluarkan adalah Rp 19 maka volume penjualan adalah
sebesar 64.28167.
100
REGRESI DAN KORELASI BERGANDA

A. REGRESI LINEAR BERGANDA
1. Hubungan Linear Lebih dari Dua Variabel
Disamping hubungan linear antar dua variabel, hubungan linear lebih dari dua
variabel juga sering terjadi. Misalnya, hubungan antara hasil penjualan dengan harga
dan daya beli, hubungan antara rata-rata harga beras dengan dengan jumlah
penduduk, pendapatan, dan jumlah uang beredar, atau hubungan antara produksi
padi dengan bibit, pupuk, luas sawah, dan curah hujan. (Ir. M. Iqbal Hasan, M.M.,
Pokok-Pokok Materi Statistik 2 (Statistik Inferensif), edisi kedua).Friedman (1962)
menyatakan bahwa keputusan seseorang untuk mengonsumsi sesuatupada dasarnya
tidak hanya dipengaruhi oleh faktor pendapatannya, tetapi juga perkiraan
pendapatannya pada masa akan dating, selain faktor suku bunga, pajak, distribusi
pendapatan, dan lainnya.
Hubungan linear lebih dari dua variabel bila dibuat dalam persamaan
matematis sebagai berikut:
= a + b1X1 + b2X2+ ... +bkXk
Keterangan:
Y
= variabel dependen
X1, X2, ..., Xk
= variabel independen
= bilangan konstan (konstanta)
b1, b2, ..., bk
= koefisien variabel
Pada persamaan linear lebih dari dua variabel, variabel Y dipengaruhi oleh
lebih dari dua variabel, yaitu X1, X2,...., Xk. Dimana variabel Y disebut dengan
variabel terikat atau dependent variable / explained variable / predictand /
regressand / response / endogeneous / outcome / controlled variable, dan variabelvariabel X1, X2,...., Xk disebut dengan variabel bebas atau independent variable /
explanatory variable / predictor / regressor / stimulus / exogenous / covariate /
control variable.(Damodar N. Gujarati, Basic Econometrics).
101
2. Persamaan Regresi Linear Berganda

Regresi Linear berganda adalah regresi dimana variabel terikatnya (Y) di
dijelaskan oleh lebih dari satu variabel bebas (X1, X2,...., Xk) namun masih
menunjukkan diagram hubungan yang linear.(Ir. M. Iqbal Hasan, M.M., PokokPokok Materi Statistik 2 (Statistik Inferensif), edisi kedua)
Bentuk umum persamaan regresi linear berganda :
a. Bentuk Stokastik
= a + b1X1 + b2X2+ ... +bkXk + e
b. Bentuk Nonstokastik (Deterministik)
= a + b1X1 + b2X2+ ... +bkXk
Keterangan:
= variabel terikat / dependen (nilai duga Y)
X1, X2, ..., Xk
= variabel bebas / independen
= bilangan konstan (konstanta)
b1, b2, ..., bk
= koefisien regresi (parameter)
= nilai residual / error / pengganggu (Y-)
3. Persamaan Regresi Linear Berganda dengan Dua Variabel Bebas

Bentuk umum persamaan regresi linear berganda dengan dua variabel bebas
adalah sebagai berikut:
= a + b1X1 + b2X2
Keterangan:
Y
= variabel terikat / dependen (nilai duga Y)
X1, X2
= variabel bebas / independen
b1,b2
=koefisien regresi linear berganda disebut juga sebagai koefisien

regresi parsial (partial coefficient regression)
= konstanta (nilai Y, apabila X1 = X2 = 0)
b1
= besarnya kenaikan/penurunan Y dalam satuan,

jika X1naiksatu satuan dan X2 konstan
b2
= besarnya kenaikan/penurunan Y dalam satuan,

jika X2naik satu satuan dan X1 konstan
+ atau -
= tanda yang menunjukkan arah hubungan antara Y dan X1atau X2

102
Nilai dari koefisien a, b1, b2 dapat ditentukan salah satunya dengan metode
kuadrat terkecil atau Ordinary Least Square Method.
Metode Kuadrat Terkecil

Metode Kuadrat terkecil atau Ordinary Least Square Method pada prinsipnya
adalah meminimumkan jumlah kuadrat deviasi di sekitar garis regresi. Dan nilai
koefisien regresi a, b1, dan b2 dapat dipecahkan secara simultan dari tiga persamaan
berikut :
Y = na + b1X1 + b2X2
X1Y = aX1 + b1X12 + b2X1X2
X2Y = aX2 + b1X1X2 + b2X22
Untuk mendapatkan koefisien regresi a, b1, dan b2 dengan menggunakan persamaan
di atas, diperlukan perhitungan yang cukup panjang, oleh karena itu, dikembangkan
beberapa cara yang lebih mudah, sebagai berikut :
A = nX1Y X1Y
B = nX22 (X2)2
C = nX1X2 - X1X2
D = nX2Y - X2Y
E = nX12 (X1)2
F = EB C2
Dari beberapa persamaan tersebut, nilai koefisien regresi untuk a, b1, dan b2dapat
diperoleh dengan cara berikut :
103
B. PENGUJIAN KOEFISIEN REGRESI

1. Standard Error of Estimate / KesalahanBaku dalam Penaksiran (SE)
Kesalahan baku dalam penaksiran melihat seberapa jauh nilai penduga, yaitu b1
dan b2 dari nilai sebenarnya, yaitu B1 dan B2 (parameter populasi). Oleh karena
nilai ini menunjukkan besarnya penyimpangan atau error, maka semakin kecil
nilainya dianggap akan lebih baik. Untuk menghitung kesalahan baku ini dapat
digunakan rumus berikut :
df = n k 1 = n 3
2.
Pendugaan Hipotesis Koefisien Regresi Berganda (Parameter 1 dan 1)

a. Pengujian Hipotesis Simultan (F statistik)
Digunakan
(
untuk
melihat
signifikansi
variabel
independent
)secara keseluruhan / bersamasama dalam mempengaruhi nilai
variabel dependen (Y).Langkah-langkah pengujiannya adalah sebagai berikut :

i.
Menentukan formulasi hipotesis

(X1 dan X2 secara bersama-sama tidak
mempengaruhi Y)
(X1 dan X2 secara bersama-sama mempengaruhi Y atau
paling sedikit ada satu X yang mempengaruhi Y)
ii.
Menentukan Taraf nyata () dan nilai F

Taraf nyata () dan nilai F tabel ditentukan dengan derajat kebebasan v1 = k 1 dan v2 = n k.
104
iii.
Menentukan nilai F stat
MSR
SSR
df1
SST = Y2 n Y
MSE
SSE
df 2
SSR = b1 X1Y + b2 X2Y

SSE = SST SSR
iv.
Menentukan Kriteria Pengujian

F stat F tabel Ho tidak dapat ditolak
F stat > F tabel Ho ditolak
atau
v.
Sig.
tidak dapat ditolak
Sig. <
ditolak
Membuat Kesimpulan
Menyimpulkan apakah Ho tidak dapat ditolak atau ditolak.
b. Pengujian Hipotesis Individual / Parsial (t statistik)

Digunakan untuk melihat signifikansi variabel independent (
secara parsial dalam mempengaruhi variabel dependen (Y).Langkah-langkah

pengujiannya adalah sebagai berikut :
i.
Menentukan formulasi hipotesis

Ho
: i = 0 ( tidak ada pengaruh Xi secara parsial terhadap Y)
Ha
: i > 0 ( ada pengaruh positif Xi secara parsial terhadap Y)

i < 0 ( ada pengaruh negatif Xi secara parsial terhadap Y)
i 0 ( ada pengaruh Xi secara parsial terhadap Y)
ii.
Menentukan Taraf nyata () dan nilai t tabel

Taraf nyata dari t tabel ditentukan dengan derajat kebebasan :
df = n k 1, (k = banyaknya jumlah variabel X)
iii.
Menentukan nilai t stat
t stat
iv.
bi Bi
, i 2,3
Sbi
MenentukanKriteria Pengujian
-ttabel tstat ttabel Ho tidak dapat ditolak

tstat< -ttabel Ho ditolak
105
tstat> ttabel Ho ditolak

atau
v.
Sig.
tidak dapat ditolak
Sig. <
ditolak
Membuat Kesimpulan
Menyimpulkan apakah Ho tidak dapat ditolak atau ditolak.
C. KORELASI LINEAR BERGANDA

Korelasi linear berganda merupakan alat ukur mengenai hubungan yang
terjadi antara variabel terikat (variabel Y) dan dua atau lebih variabel bebas (X1, X2,
..., Xk). Analisis korelasinya menggunakan tiga koefisien korelasi, yaitu koefisien
determinasi berganda, koefisien korelasi berganda dan koefisien korelasi parsial.(Ir.
M. Iqbal Hasan, M.M., Pokok-Pokok Materi Statistik 2 (Statistik Inferensif), edisi
kedua )
a. Koefisien Determinasi Berganda (R2)
Koefisien Determinasi Berganda, dilambangkan dengan R2, merupakan ukuran
kesesuaian garis regresi linear berganda terhadap suatu data. Koefisien determinasi
tersebut digunakan untuk :
Mengukur besarnya kontribusi variasi X1 dan X2 (variable independen)

terhadap variasi Y dalam hubungnnya dengan persamaan garis regresi
linear berganda
= a + b1X1 + b2X2.
Menentukkan apakah garis regresi linear berganda Y terhadap X1 dan X2

sudah cocok untuk dipakai sebagai pendekatan hubungan linear antar
variabel berdasarkan hasil observasi (goodness of fit).
Nilai koefisien determinasi berganda terletak antara 0 dan 1 (0 R2 1).

Koefisien determinasi berganda dirumuskan:
R2
b1 x1 y b2 x2 y
(Ir. M. Iqbal Hasan, M.M., Pokok-Pokok Materi Statistik 2 (Statistik Inferensif), edisi
kedua )
106
b. Koefisien Korelasi Berganda (R)

Koefisien korelasi berganda, disimbolkan Ry.12, merupakan ukuran keeratan
hubungan antara variabel terikat dan semua variabel bebas secara bersama-sama.
R y.12
b1 x1 y b2 x2 y
c. Koefisien Korelasi Parsial (r)

Koefisien korelasi parsial merupakan koefisien korelasi antara dua variabel
jika variabel lainnya konstan, pada hubungan yang melibatkan lebih dari dua
variabel. Sebelum menghitung koefisien korelasi parsial, dilakukan terlebih dahulu
perhitungan koefisien korelasi sederhana, yaitu:
( ) ][
) ]
) ][
) ]
)(
Koefisien Korelasi Parsial antara Y dan X2, apabila X1 konstan

(
) ]
Koefisien Korelasi Parsial antara Y dan X1, apabila X2 konstan

(
( ) ][
)(
Koefisien Korelasi Parsial antara X1 dan X2, apabila Y konstan

(
)(
(Suharyadi & Purwanto, Statistika, Untuk Ekonomi dan Keuangan Modern, Edisi 2)
107
Contoh soal:
Dibawah ini adalah data dari PDB, jumlah investasi, dan nilai ekspor negara YY dalam kurun
waktu 10 tahun terakhir:
PDB
Jumlah Investasi
Nilai Ekspor
(triliun rupiah)
(miliar rupiah)
(miliar rupiah)
190
20
40
340
45
65
350
30
70
400
57
80
300
40
50
450
62
80
370
50
70
180
22
35
280
60
40
300
34
60
Sumber: fiktif
a. Tentukan persamaan regresi dan interpretasikan!
b. Tentukan koefisien determinasi dan nondeterminasi! Interpretasikan nilainya!
c. Berapa besar penyimpangan variabel PDB yangdiprediksi terhadap variabel PDB
sebenarnya?
d. Tentukan koefisien korelasi berganda dan korelasi parsial antara variabel jumlah
investasi terhadap variabel PDB dengan menganggap variabel nilai ekspor konstan,
korelasi parsial antara variabel nilai ekspor terhadap variable PDB dengan
menganggap variabel jumlah investasi konstan, dan korelasi parsial antarvariabel
independen ! Bagaimana sifatnya?
e. Dengan tingat kepercayaan 95%, apakah jumlah investasi dan nilai ekspor
memengaruhi secara parsial terhadap PDB?
f. Apakah investasi dan nilai ekspor memengaruhi secara bersama-sama terhadap PDB?
(=5%)
108
Penyelesaian:
Langkah langah dengan menggunakan softwareSPSS :
1.
Buka SPSS, masukkan nama variabel pada variable view, dan masukkan data pada
data view
2.
pada menu bar, pilih analyze, sub menu regression, lalu klik linear
3.
masukkan variabel Y ke dalam kotak dependent dan X1 dan X2 ke dalam kotak

independent
4.
5.
6.
Klik Statistics
Regression Coefficient aktifkan estimates
Aktifkan model fit, descriptives, dan part and partial correlations
Klik Continue
Klik Option
Pilih Stepping Method Kriteria entry 0.05
Aktifkan Include Constant in Equation
Pada box missing value pilih exclude cases pairwise
Klik Continue
Lalu klik OK
Outputnya adalah sebagai berikut :(Jawab)

Coefficientsa
Model
Unstandardized
Coefficients
B
Standardized
Coefficients
Std.
Error
1 (Constant)
8.942 20.079
X1
1.987
0.416
X2
3.79
0.38
a. Dependent Variable: Y
Correlations
t
Sig.
Beta
0.356
0.744
0.445
4.772
9.971
0.669
0.002
0
Zeroorder
Partial
Part
0.766
0.94
0.875
0.967
0.298
0.622
a. Persamaan regresi :
Y = 8,942 + 1,987 X1 + 3,790 X2
Interpretasi :
a = 8,942
Tanpa dipengaruhi oleh variabel apapun, rata rata PDB yang didapatkan negara YY
adalah sebesar 8,942 triliun rupiah.
109
b1 = 1,987
Artinya, setiap kenaikan jumlah investasi sebesar 1 miliar rupiah, maka rata rata PDB
akan naik sebesar 1,987 triliun rupiah dengan variabel nilai ekspor dianggap konstan.
b2 = 3,790
artinya setiap kenaikan nilai ekspor sebesar 1 miliar rupiah, maka rata rata PDB akan
naik sebesar 3,790 triliun rupiah dengan variabel investasi dianggap konstan.
Model Summary
Model
.986a
R Square Adjusted R Square

.973
Std. Error of the Estimate
.965
16.00284
a. Predictors: (Constant), X2, X1

b. Koefisien determinasi : R2 = 0,973
Koefisien nondeterminasi : K2 = 1 - R2 = 1 0,973 = 0,027
Artinya,variabel jumlah investasidanvariabel nilai ekspor mampu menjelaskan variasi
dari PDB negara YY sebesar 97,3%, dan sisanya sebesar 2,7% dijelaskan oleh faktor
lain di luar model.
c. Standard Error of Estimate (SE)
SE = 16,00284
Artinya, rata-rata penyimpangan variabel PDB yang diprediksi dengan variabel PDB
sebenarnya adalah sebesar 16,00284 Triliun Rupiah
d. Koefisien korelasi berganda (R) = 0,986
Artinya, hubungan keseluruhan antara variabel PDB, variabeljumlah investasi, dan
variabel nilai eksporadalah searah dan sifatnya sangat erat yaitu sebesar 0,986.
110
Correlations
Y
X1
X2
Pearson
1.000
.766
.940
Correlation
X1
.766
1.000
.550
X2
.940
.550
1.000
.005
.000
X1
.005
.050
X2
.000
.050
10
10
10
X1
10
10
10
X2
10
10
10
Sig. (1-tailed)
ry1.2 = 0,766
Artinya hubungan antara variabel jumlah investasi secara parsial terhadap variabel
PDB adalahsearah dan sifatnya erat dengan nilai sebesar 0,766, dengan menganggap
variabel nilai ekspor konstan.
ry2.1 = 0,940
Artinya hubungan antara variabel nilai ekspor secara parsial terhadap variabel PDB
adalahsearah dan sifatnya sangat erat dengan nilai sebesar 0,940, dengan menganggap
variabel jumlah investasi konstan.
r12.y = 0,550
Artinya hubungan antara variabel jumlah investasi dan variabel nilai ekspor secara
parsial adalahsearah dan sifatnya cukup eratdengan nilai sebesar 0,550, dengan
menganggap variabel PDB konstan.
111
Coefficientsa
Model
Unstandardized
Coefficients
B
Standardized
Coefficients
Std.
Error
Correlations
t
Sig.
Beta
1 (Constant)
8.942 20.079
X1
1.987
0.416
X2
3.79
0.38
0.356
0.744
0.445
4.772
9.971
0.669
0.002
0
Zeroorder
Partial
Part
0.766
0.94
0.875
0.967
0.298
0.622
e. Uji t statistik :
1. Uji Parsial variabel PDB terhadap Variabel Jumlah Investasi
Hipotesis :
(variabel jumlah investasi secara parsial tidak berpengaruh
signifikan terhadap variabel PDB)
(variabel jumlah investasi secara parsial berpengaruh signifikan
terhadap variabel PDB)
Nilai t stat dan t tabel :
t stat = 4,772
t tabel = 2,3646
df = n k 1 = 10 2 1 = 7
= 0,05
Kriteria uji :
i. Uji tabel t

Ternyata tstat> ttabel, yaitu 4,772 2,3646 makaHo ditolak
ii. Uji sig.
Sig.
tidak dapat ditolak
Sig. <
ditolak
Sig. = 0,002 dan = 0,05

Ternyata Sig. < , yaitu 0,002< 0,05 maka
ditolak
112
Kesimpulan :
Pada tingkat signifikansi 5%, variabel jumlah investasi secara parsial
berpengaruh signifikan terhadap variabel PDB
2. Uji Parsial variabel PDB terhadap Variabel Jumlah Investasi

Hipotesis :
(variabel nilai ekspor secara parsial tidak berpengaruh signifikan
(variabel nilai ekspor secara parsial berpengaruh signifikan
t stat = 9,971
t tabel = 2,3646
df = n k 1 = 10 2 1 = 7
= 0,05
Kriteria uji :
i. Uji tabel t

Ternyata tstat> ttabel, yaitu 9,971 > 2,3646 makaHo ditolak
ii. Uji sig.
Sig.
tidak dapat ditolak
Sig. <
ditolak
Sig. = 0,000 dan = 0,05

ditolak
Kesimpulan :
Pada tingkat signifikansi 5%, variabel nilai ekspor secara parsial berpengaruh
signifikan terhadap variabel PDB.
113
f. Uji F statistik
ANOVAb
Model
1
Sum of Squares
df
Mean Square
Sig.
Regression
64047.363
32023.681
125.048
.000a
Residual
1792.637
256.091
Total
65840.000
b. Dependent Variable: Y
Hipotesis :
(variabel jumlah investasidan variabel nilai ekspor secara
bersama-samatidak
berpengaruh
signifikan
terhadap
variabel PDB)
(variabel jumlah investasidan variabel nilai eksporsecara
bersama-sama berpengaruh signifikan terhadap variabel
PDB)
Nilai F stat dan F tabel :
F stat = 125,048
= 0,05
F tabel = 5,32
v1 = k 1 = 2 1 = 1
v2 = n k = 10 2 = 8
Kriteria uji :
i. Uji tabel F
Ternyata F stat > F tabel, yaitu 125,048 >5,32 maka Ho ditolak
ii. Uji Sig.
Sig.
tidak dapat ditolak
Sig. <
ditolak
Sig. = 0,000 dan = 0,05

Ternyata Sig. < , yaitu 0,000< 0,05, maka
ditolak
Kesimpulan :
Pada tingkat signifikansi 5%, variabel jumlah investasidan variabel nilai
eksporsecara bersama-sama berpengaruh signifikan terhadap variabel PDB
114
SOAL REGRESI DAN KORELASI BERGANDA

1. Konsumen yang loyal akan memberi peningkatan keuntungan. Banyak cara yang bisa
dilakukan untuk meningkatkan loyalitas konsumen. Untuk memuaskan konsumen,
ada pemikiran di kalangan pengusaha kuliner atau rumah makan di daerah Bandung
untuk meningkatkan keuntungan usaha, yaitu dengan menambah jumlah tenaga kerja
untuk meningkatkan kepuasan pelayanan atau memperluas area parkir sebagai usaha
memberikan pelayanan yang baik pada konsumen. Untuk itu, dilakukan survey
terhadap 15 pengusaha kulinerdi wilayah Bandung pada tahun 2012. Hasil survey
tersebut adalah sebagai berikut:
Pendapatan
Jumlah Tenaga Kerja
Parkir Mobil
(Juta Rupiah)
(Orang)
(Ruang)
Double Steak
280
14
18
Waroeng Steak
130
Steak Ranjang
123
13
Giggle Box
160
12
Hummingbird
450
39
36
Tokyo Connection
570
67
84
The Cost
315
20
Javan Steak
64
Kopi Progo
340
48
55
Hanamasa
670
81
98
Laksana
370
12
65
Nannys Pavillon
644
59
Bebek Garang
128
44
12
The Kiosk
415
28
Ampera
387
65
12
Nama Restoran
a. Tentukan persamaan regresinya dan interpretasikan !

b. Tentukan koefisien determinasi, korelasi berganda, dan korelasi parsial !
Interpretasikan !
c. Berapa besar penyimpangan variabel
pendapatan pengusaha kuliner
yangdiprediksi terhadap variabel pendapatan yang sebenarnya?
115
d. Lakukan pengujian secara parsial antar variabel pendapatan dan jumlah tenaga
kerja, juga variabel pendapatan dan parkir mobil, dengan tingkat signifikansi
5% !
e. Lakukan pengujian simultan antara variabel jumlah tenaga kerja dan variabel
parkir mobil terhadap variabel pendapatan !
f. Jika anda seorang pengusaha kuliner di Bandung, apakah anda harus
menambah tenaga kerja saja, area parkir saja, atau keduanya ?
Jawab :
Coefficients
Model
1
(Constant)
X1
X2
Unstandardized
Coefficients
B
Std.
Error
123.911
54.379
4.873
1.5789
1.602
1.260
Standardized
Coefficients
Sig.
Beta
Correlations
Zeroorder
Partial
Part
2.279
0.042
0.634
3.087
0.009
0.785
0.665
0.519
0.261
1.271
0.228
0.627
0.345
0.214
Y = 123,911 + 4,873 X1 + 1,602 X2
Interpretasi :
a = 123,911
Tanpa dipengaruhi oleh variabel apapun, rata rata pendapatan yang didapatkan
pengusaha kuliner adalah sebesar Rp 123.911.000.
b1 = 4,873
Artinya, setiap kenaikan jumlah tenaga kerja sebanyak 1 orang, maka rata rata
pendapatan pengusaha kuliner akan naik sebesar Rp 4.873.000 dengan variabel
lahan parkir mobil dianggap konstan.
b2 = 1,602
Artinya setiap kenaikan lahan parkir mobil sebanyak1 lahan, maka rata rata
pendapatan akan naik sebesar Rp 1.602.000 dengan variabel jumlah tenaga kerja
dianggap konstan.
116
Model Summary
Model
R Square
.813
Adjusted R Square Std. Error of the Estimate
.661
.605
121.55813
Correlations
Pearson Correlation
Sig. (1-tailed)
X1
X2
1.000
.785
.627
X1
.785
1.000
.576
X2
.627
.576
1.000
.000
.006
X1
.000
.012
X2
.006
.012
15
15
15
X1
15
15
15
X2
15
15
15
b.
Koefisien Determinasi : R2 = 0,605 (Adjusted R2)

Koefisien Non Determinasi : K2 = 1 - R2 = 1 0,605 = 0,395
Artinya,variabel jumlah tenaga kerjadanvariabel lahan parkir mobil mampu
menjelaskan variasi dari pendapatan pengusaha kulinersebesar 60,5%, dan sisanya
sebesar 39,5% dijelaskan oleh faktor lain di luar model.
Koefisien Korelasi Berganda (R) = 0,813

Artinya, hubungan keseluruhan antara variabel pendapatan pengusaha kuliner,
variabeljumlah tenaga kerja, dan variabel lahan parkir adalah searah dan sifatnya
cukup erat yaitu sebesar 0,813 atau 81,3%.
Koefisien Korelasi Parsial (r)

ry1.2 = 0,785
Artinya hubungan antara variabel jumlah tenaga kerja secara parsial terhadap
variabel pendapatan pengusaha kulineradalah searah dan sifatnya eratdengan
nilai sebesar 0,785, dengan menganggap variabel lahan parkir mobil konstan.
117
ry2.1 = 0,627
Artinya hubungan antara variabel lahan parkir mobil secara parsial terhadap
variabel
pendapatan
pengusaha
kulineradalah
searah
dan
sifatnyacukuperatdengan nilai sebesar 0,627, dengan menganggap variabel

jumlah tenaga kerja konstan.
r12.y = 0,576
Artinya hubungan antara variabel jumlah tenaga kerja dan variabel lahan parkir
mobil secara parsial adalah searah dan sifatnya cukup eratdengan nilai sebesar
0,576, dengan menganggap variabel pendapatan pengusaha kuliner konstan.
SE = 121,55813
Artinya, rata-rata penyimpangan variabel pendapatan pengusaha kuliner yang
diprediksi dengan variabel pendapatan pengusaha kuliner yang sebenarnya adalah
sebesar RP 121.558.130.
d. Uji t statistik :
1. Uji Parsial Variabel Pendapatan Pengusaha Kuliner Terhadap Variabel
Jumlah Tenaga Kerja
Hipotesis :
(variabel jumlah tenaga kerja secara parsial tidak berpengaruh
signifikan terhadap variabel pendapatan pengusaha kuliner)
(variabel jumlah tenaga kerja secara parsial berpengaruh
t stat = 3,087
t tabel = 2,1788
df = n k 1 = 15 2 1 = 12
= 0,05
118
Kriteria uji :
i. Uji tabel t

Ternyata tstat> ttabel, yaitu 3,087 2,1788makaHo ditolak
ii. Uji sig.
Sig.
tidak dapat ditolak
Sig. <
ditolak
Sig. = 0,009 dan = 0,05

ditolak
Kesimpulan :
Pada tingkat signifikansi 5%, variabel jumlah tenaga kerja secara parsial
berpengaruh signifikan terhadap variabel pendapatan pengusaha kuliner.
2. Uji Parsial Variabel Pendapatan Pengusaha Kuliner Terhadap Variabel

Lahan Parkir Mobil
Hipotesis :
(variabellahan parkir mobil secara parsial tidak berpengaruh
(variabellahan parkir mobil secara parsial berpengaruh signifikan
terhadap variabel pendapatan pengusaha kuliner)
t stat = 1,271
t tabel = 2,1788
df = n k 1 = 15 2 1 = 12
= 0,05
119
Kriteria uji :
i. Uji tabel t

Ternyata -ttabel tstat ttabel, yaitu -2,1788 <1,271< 2,1788makaHo tidak
dapat ditolak
ii. Uji sig.
Sig.
tidak dapat ditolak
Sig. <
ditolak
Sig. = 0,228 dan = 0,05

Ternyata Sig. > , yaitu 0,228 > 0,05 maka
tidak dapat ditolak
Kesimpulan :
Pada tingkat signifikansi 5%, variabel lahan parkir mobil secara parsial tidak
berpengaruh signifikan terhadap variabel pendapatan pengusaha kuliner.
b
ANOVA
Sum of
Model
Squares
df
Mean Square
Sig.
11.724
.002
Regression
346473.054
173236.527
Residual
177316.546
12
14776.379
Total
523789.600
14

Hipotesis :
(variabel jumlah tenaga kerja dan variabel lahan parkir
mobil secarabersama-sama tidak berpengaruh signifikan
terhadap variabel pendapatan pengusaha kuliner)
(variabel jumlah tenaga kerja dan variabel lahan parkir mobil
secara bersama-sama berpengaruh signifikan terhadap
variabel pendapatan pengusaha kuliner)
120

F stat = 11,724
= 0,05
F tabel = 4,67
v1 = k 1 = 2 1 = 1
v2 = n k = 15 2 = 13
Kriteria uji :
iii. Uji tabel F
Ternyata F stat > F tabel, yaitu 11,724> 4,67 maka Ho ditolak
iv. Uji Sig.
Sig.
tidak dapat ditolak
Sig. <
ditolak
Sig. = 0,002 dan = 0,05

ditolak
Kesimpulan :
Pada tingkat signifikansi 5%, variabel jumlah tenaga kerjadan variabel lahan
parkir mobilsecara bersama-sama berpengaruh signifikan terhadap variabel
pendapatan pengusaha kuliner.
2. Salah satu penyebab krisis ekonomi di Indonesia yang berkepanjangan adalah belum
membaiknya iklim di sektor riil yang disebabkan masih tingginya suku bunga kredit.
Ada beberapa alasan mengapa suku bunga bank tetap tinggi, yaitu masalah inflasi dan
nilai tukar. Berdasarkan hal tersebut, disusun hipotesis, yaitu suku bunga dipengaruhi
oleh besarnya inflasi dan nilai tukar secara individual. Untuk analisis tersebut, akan
digunakan data dari tahun 1996 sampai 2007. Berikut adalah hasil pengumpulan data
tersebut :
Suku Bunga
Inflasi
Nilai Tukar
(% / tahun)
(% / tahun)
(Rp / USD)
1996
20,37
8,91
1905
1997
20,69
9,52
1997
1998
19,25
9,48
2074
1999
15,24
9,77
2118
Tahun
121
2000
16,77
9,24
2205
2001
16,86
6,09
2305
2002
17,02
6,47
2385
2003
18,49
11,05
5700
2004
25,09
7,63
8025
2005
26,22
2,01
7100
2006
19,55
9,35
9595
2007
19,15
12,55
10435
Dengan menggunakan data tersebut, buatlah persamaan regresinya dan apakah benar
suku bunga dipengaruhi oleh inflasi dan nilai tukar secara individual ?
Jawab :
Coefficients
Model
Unstandardized
Standardized
Coefficients
Coefficients
Std. Error
(Constant)
22.644
2.641
X1
-.651
.284
X2
.001
.000
Correlations
t
Sig.
Beta
Zero-order
Partial
Part
8.576
.000
-.538
-2.296
.047
-.482
-.608
-.535
.532
2.272
.049
.476
.604
.529
Y = 22,644 0,651X1 + 0,001X2
Interpretasi :
a = 22,644
Tanpa dipengaruhi oleh variabel apapun, rata rata suku bunga kredit adalah
sebesar22,644%.
b1 = -0,651
Artinya, setiap kenaikan inflasi sebesar 1%, maka rata rata suku bunga
kreditakanturun sebesar 0,651%, dengan variabel nilai tukar dianggap konstan.
b2 = 0,001
Artinya setiap kenaikan nilai tukar sebesarRp 1 / USD, maka rata rata suku
bunga kreditakan naik sebesar 0,001% dengan variabel inflasi dianggap konstan.
122
ANOVA
Model
Sum of Squares
df
Mean Square
Sig.
60.597
30.298
4.709
.040
57.903
6.434
Regression
1 Residual
Total
118.500
11
b. Uji t statistik :
1. Uji Parsial Variabel Suku Bunga Kredit Terhadap Variabel Inflasi
Hipotesis :
(variabelinflasi secara parsial tidak berpengaruh signifikan
terhadap variabel suku bunga kredit)
(variabelinflasi secara parsial berpengaruh signifikan terhadap
variabel suku bunga kredit)
t stat = -2,296
t tabel = 2,2622
df = n k 1 = 12 2 1 = 9
= 0,05
Kriteria uji :
i. Uji tabel t

Ternyata tstat-ttabel, yaitu -2,296-2,2622makaHo ditolak
ii. UjiSig.
Sig.
tidak dapat ditolak
Sig. <
ditolak
Sig. = 0,047 dan = 0,05

ditolak
123
Kesimpulan :
Pada tingkat signifikansi 5%, variabel inflasi secara parsial berpengaruh
signifikan terhadap variabelsuku bunga kredit.
2. Uji Parsial Variabel Suku Bunga Kredit Terhadap Variabel Nilai Tukar
Hipotesis :
(variabelnilai tukar secara parsial tidak berpengaruh signifikan
terhadap variabel suku bunga kredit)
(variabelnilai tukar secara parsial berpengaruh signifikan terhadap
variabel suku bunga kredit)
t stat = 2,272
t tabel = 2,2622
df = n k 1 = 12 2 1 = 9
= 0,05
Kriteria uji :
i. Uji tabel t

Ternyatatstat> ttabel, yaitu 2,272> 2,2622makaHo ditolak
ii. Uji sig.
Sig.
tidak dapat ditolak
Sig. <
ditolak
Sig. = 0,049dan = 0,05

ditolak
Kesimpulan :
Pada tingkat signifikansi 5%, variabel nilai tukar secara parsial tidak
berpengaruh signifikan terhadap variabel suku bunga kredit.
124
3. Taufik, The district sales manager for a major automobile manufacturer is studying
car sales. Specifically, he would like to determine what factors affect the number of
cars sold at a dealership. To investigate, he randomly selects 10 dealers. From these
dealers, he obtains the number cars sold last month, the minutes of radio advertising
purchased last month, the number of full-time salespeople employed in the dealership,
and wheter the dealer is located in the city. The information is as follows :
Cars Sold Last Month
Advertising
Sales Force
City
(No = 0, Yes = 1)
127
18
10
Yes
138
15
15
No
159
22
14
Yes
144
23
12
Yes
139
17
12
No
128
16
12
Yes
161
25
14
Yes
180
26
17
Yes
102
15
No
163
24
15
Yes
a. Determine the regression equation, how many cars would to be sold by a

dealership employing 20 salespeople, purchasing 15 minutes of advertising, and
located in a city ?
b. Conduct a global test of hypothesis with = 5%
c. Conduct a test of hypothesis for the individual regression coefficients. Would you
consider deleting any of the independent variables ? Let = 5%
Jawab :
Coefficients
Model
Unstandardized
Standardized
Coefficients
Coefficients
Std. Error
(Constant)
30.816
7.657
X1
2.687
.534
X2
4.713
X3
-1.513
Correlations
t
Sig.
Beta
Zero-order
Partial
Part
4.024
.007
.518
5.034
.002
.868
.899
.304
.612
.600
7.699
.000
.910
.953
.465
4.014
-.033
-.377
.719
.546
-.152
-.023
125
a. Regression Equatiom :
Y = 30,818 + 2,687 X1 + 4,713 X2- 1,513 X3
Interpretation :
a = 30,818
Without affected with no variable, the average of cars sold is about 30,818 or 31
unit of cars.
b1 = 2,687
Every increasing of 1 minutes advertising, the average of cars sold will be increase
as much as 2,687 or 3 unit of cars, considering sales force and city variable are
constant.
b2 = 4,713
Every increasing of 1 salespeople, the average of cars sold will be increase as much
as 4,713 or 5 unit of cars, considering advertising and city variable are constant.
b3 = -1,513
Every increasing of 1 point of distantce of the dealer to the city, the average of cars
sold will be decrease as much as 1,513 or 2 unit of cars, considering advertising
and sales force variable are constant.
Estimation :
Advertising = 15 minutes
Sales Force = 20 salespeople
The Dealer near the city (X3 = -1), [X=1 (farther to the city), X=-1 (nearby the city)
Y = 30,818 + 2,687 X1 + 4,713 X2- 1,513 X3
Y = 30,818 + (2,687 x 15) + (4,731 x 20) (1,513 x -1)
Y = 167,256 ~ 168
So, there would be 168 cars sold by a dealership employing 20 salespeople,
purchasing 15 minutes of advertising, and located in a city.
126
ANOVA
Model
Sum of Squares
df
Mean Square
Sig.
4441.505
1480.502
89.370
.000
99.395
16.566
4540.900
Regression
1
Residual
Total
a. Predictors: (Constant), X3, X2, X1

b. Global Hypothesis Test

Hypothesis :
(Advertising, sales force, and dealer location variables
simultaneous dont affect significantly the amount of cars
sold las month)
(Advertising, sales force, and dealer location variables
simultaneous affect significantly the amount of cars sold
las month)
The Value of F-Stat and F-table :
F stat = 89,370
F tabel = 4,74
= 0,05
v1 = k 1 = 3 1 = 2
v2 = n k = 10 3 = 7
Criteria :
i. F-Table Test
F stat F table Ho accepted
F stat > F table Ho rejected
F stat > F table, or 89,370> 4,74soHo rejected
ii. Sig. Test
Sig.
accepted
Sig. <
rejected
Sig. = 0,000and = 0,05

Sig. < , or 0,000< 0,05, so
rejected
127
Conclusion :
Using 5% significance level, advertising, sales force, and dealer location
variables simultaneous affect significantly to the amount of cars sold last month.
c. t-Test :
1. Partial Test of Advertising Variable to The Amount of Cars Sold
Hypothesis :
(Advertising variable partially doesnt affect significantly to the
amount of cars sold variable)
(Advertising variable partially affects significantly to the amount
of cars sold variable)
Value of t-stat and t-table :
t stat = 5,034
t table = 2,447
df = n k 1 = 10 3 1 = 6
= 0,05
Criteria :
i. t-Table Test
-ttable tstat ttable Ho accepted

tstat< -ttable Ho rejected
tstat> ttable Ho rejected
tstat>ttable, or5,034>2,447, so Ho rejected
ii. Sig. Test
Sig.
accepted
Sig. <
rejected
Sig. = 0,002and = 0,05

Sig. < , or0,002< 0,05so
rejected
Conclusion :
Using 5% significance level, advertising variable partiallyaffects significantly
to the amount of cars sold last month.
128
2. Partial Test of Sales Force Variable to The Amount of Cars Sold

Hypothesis :
(Sales force variable partially doesnt affect significantly to the
(Sales force variable partially affects significantly to the amount
of cars sold variable)
t stat = 7,699
t table = 2,447
df = n k 1 = 10 3 1 = 6
= 0,05
Criteria :
i. t-Table Test

tstat>ttable, or7,699 > 2,447, so Ho rejected
ii. Sig. Test
Sig.
accepted
Sig. <
rejected
Sig. = 0,000 and = 0,05

Sig. < , or0,000< 0,05so
rejected
Conclusion :
Using 5% significance level, sales force variable partiallyaffects significantly
to the amount of cars sold last month.
3. Partial Test of Dealer Location Variable to The Amount of Cars Sold
Hypothesis :
(Dealer location variable partially doesnt affect significantly to
the amount of cars sold variable)
(Dealer location variable partially affects significantly to the
129

t stat = -0,377
t table = 2,447
df = n k 1 = 10 3 1 = 6
= 0,05
Criteria :
i. t-Table Test

-ttable tstat ttable, or-2,447 <-0,377< 2,447, so Ho accepted
ii. Sig. Test
Sig.
accepted
Sig. <
rejected
Sig. = 0,719 and = 0,05

Sig. , or0,719 0,05so
accepted
Conclusion :
Using 5% significance level, dealer location variable partiallydoesntaffects
significantly to the amount of cars sold last month.
Variables Entered/Removed
Model Variables Entered Variables Removed

1
X3, X2, X1
Method
Enter
a. All requested variables entered.

There is no variable should be removed or deleted from the model, although

one variable (dealer location) doesnt affect significantly to the amount of
cars sold last month.
130
4. Menurut para pengusaha di bidang properti, faktor-faktor yang paling mempengaruhi

harga apartemen adalah luas apartemen itu sendiri, jumlah ruangan di dalamnya,
fasilitas apartemen, dan jarak apartemen ke pusat perbelanjaan dan rekreasi. Berikut
ini adalah data yang diperoleh dari beberapa apartemen di Bandung :
Harga
Luas
Jumlah
(Rp .000.000)
(m2)
Ruangan
Dago Suites
275
24
Grand Setiabudhi
300
32
Grand Asia Afrika
250
28
Marbella Suites
143
15
10
Newton Hybrid
460
40
Pasadena
226
35
15
Pinewood
178
20
25
The Majesty
294
27
12
The Jarrdin
330
33
10
The Edge
312
26
Nama Apartemen
Fasilitas
Jarak ke Pusat
Perbelanjaan (Km)
a. Tentukan persamaan regresi dan berikan interpretasinya !

b. Tentukan koefisien determinasi, korelasi sederhana, dan korelasi parsial untuk
semua variabel independen terhadap variabel dependen ! Interpretasikan.
Jawab :
Coefficients
Model
Unstandardized
Standardized
Coefficients
Coefficients
Std. Error
(Constant)
66.637
112.822
X1
9.611
6.329
X2
-22.747
X3
X4
Correlations
t
Sig.
Beta
Zero-order
Partial
Part
.591
.580
.806
1.519
.189
.799
.562
.360
59.483
-.181
-.382
.718
.661
-.169
-.091
8.105
26.863
.117
.302
.775
.704
.134
.072
-3.566
3.771
-.250
-.946
.388
-.450
-.389
-.224
131
Y = 66,637 + 9,611 X1 22,747 X2+ 8,105 X3 3,566 X4
Interpretasi :
a = 66,637
Tanpa dipengaruhi oleh variabel apapun, rata rata harag apartemen di Bandung
adalah sebesar Rp 66.637.000.
b1 = 9,611
Artinya, setiap kenaikan luas apartemen sebesar 1 m2, maka rata rata harga
apartemen akan naik sebesar Rp 9.611.000 dengan variabel jumlah ruangan,
fasilitas, dan jarak ke pusat perbelanjaan dan rekreasi dianggap konstan.
b2 = -22,747
Artinya setiap kenaikanjumlahruangan apartemen sebanyak1 ruangan, maka rata
rata harga apartemen akan turun Rp 22.747.000 dengan variabel luas apartemen,
fasilitas, dan jarak ke pusat perbelanjaan dan rekreasi dianggap konstan.
b3 = 8,105
Artinya, setiap kenaikan jumlah fasilitas apartemen sebanyak 1 macam, maka rata
rata harga apartemen akan naik sebesar Rp 8.105.999 dengan variabel luas
apartemen, jumlah ruangan, dan jarak ke pusat perbelanjaanm dan rekreasi
dianggap konstan.
b4 = -3,566
Artinya setiap kenaikan jarak apartemen ke pusat perbelanjaan dan rekreasi
sebanyak1 km, maka rata rata harga apartemen akan turun sebesar Rp 3.566.000
dengan variabel luas apartemen, jumlah ruangan, dan fasilitas dianggap konstan.
132
Model Summary
Model
R Square
.848
.719
.494
62.50674
a. Predictors: (Constant), X4, X1, X3, X2

Correlations
Pearson Correlation
Sig. (1-tailed)
X1
X2
X3
X4
1.000
.799
.661
.704
-.450
X1
.799
1.000
.863
.752
-.248
X2
.661
.863
1.000
.678
-.269
X3
.704
.752
.678
1.000
-.420
X4
-.450
-.248
-.269
-.420
1.000
.003
.019
.011
.096
X1
.003
.001
.006
.245
X2
.019
.001
.016
.226
X3
.011
.006
.016
.113
X4
.096
.245
.226
.113
10
10
10
10
10
X1
10
10
10
10
10
X2
10
10
10
10
10
X3
10
10
10
10
10
X4
10
10
10
10
10
b.
Koefisien Determinasi : R2 = 0,494 (Adjusted R2)

Koefisien Non Determinasi : K2 = 1 - R2 = 1 0,494 = 0,506
Artinya,variabel luas apartemen, jumlah ruangan, fasilitas, dan jarak apartemen ke
pusat perbelanjaan dan rekreasi mampu menjelaskan variasi dari harga
apartemensebesar 49,4%, dan sisanya sebesar 50,6% dijelaskan oleh faktor lain di
luar model.
Koefisien Korelasi Berganda (R) = 0,848

Artinya, hubungan keseluruhan antara variabel harga apartemen, variabel luas
apartemen, jumlah ruangan, fasilitas, dan jarak apartemen ke pusat perbelanjaan
dan rekreasiadalah searah dan sifatnya erat yaitu sebesar 0,848 atau 84,8%.
133
Koefisien Korelasi Parsial (r)

ry1.234 = 0,799
Artinya hubungan antara variabel luas apartemen secara parsial terhadap variabel
harga apartmenadalah searah dan sifatnya eratdengan nilai sebesar 0,799, dengan
menganggap konstan variabel jumlah ruangan, fasilitas, dan jarak ke pusat
perbeanjaan dan rekreasi.
ry2.134 = 0,661
Artinya hubungan antara variabel jumlah ruangan secara parsial terhadap variabel
harga apartemenadalah searah dan sifatnya cukup eratdengan nilai sebesar
0,661, dengan menganggap konstan variabel luas apartemen, fasilitas, dan jarak ke
pusat perbelanjaan dan rekreasi.
ry3.124 = 0,704
Artinya hubungan antara variabel fasilitas secara parsial terhadap variabel harga
apartmenadalah searah dan sifatnyaeratdengan nilai sebesar 0,704, dengan
menganggap konstan variabel luas apartmen, jumlah ruangan, dan jarak ke pusat
perbelanjaan dan rekreasi.
ry4.123 = -0,405
Artinya hubungan antara variabel jarak ke pusat perbelanjaan dan rekreasi secara
parsial
terhadap
variabel
harga
apartmenadalah
berlainan
arah
dan
sifatnyacukup eratdengan nilai sebesar 0,405, dengan menganggap konstan

variabel luas apartmen, jumlah ruangan, dan fasilitas.
r12.y34 = 0,863
Artinya hubungan antara variabel luas apartemen dan variabel jumlah ruangan
secara parsial adalah searah dan sifatnya eratdengan nilai sebesar 0,863, dengan
menganggap variabel lainnya konstan.
r13.y24 = 0,752
Artinya hubungan antara variabel luas apartemen dan variabel fasilitas secara
parsial adalah searah dan sifatnya eratdengan nilai sebesar 0,752, dengan
r14.y23 = -0,248
Artinya hubungan antara variabel luas apartemen dan variabel jarak ke pusat
perbelanjaan dan rekreasi secara parsial adalah berlainanarah dan sifatnya
sangat lemahdengan nilai sebesar 0,248, dengan menganggap variabel lainnya
konstan.
134
R23.y14 = 0,678
Artinya hubungan antara variabel jumlah ruangan dan variabel fasilitas secara
parsial adalah searah dan sifatnya cukup eratdengan nilai sebesar 0,678, dengan
R24.y13 = -0,269
Artinya hubungan antara variabel jumlah ruangan dan variabel jarak ke pusat
perbelanjaan dan rekreasi secara parsial adalah berlainanarah dan sifatnya
sangat lemahdengan nilai sebesar 0,269, dengan menganggap variabel lainnya
konstan.
R34.y12 = -0,420
Artinya hubungan antara variabel fasilitas dan variabel jarak ke pusat perbelanjaan
dan rekreasi secara parsial adalah berlainanarah dan sifatnya cukup eratdengan
nilai sebesar 0,420, dengan menganggap variabel penlainnya konstan.
5. Karina owns a catering company that prepares food and beverages for banquets and
parties. But Karina is quite uncertain about her estimation of food-beverage and labor
cost over theoverhead cost estimation, its all because of the increase of gasoline
price.The overhead estimation was based on the actual data for the past 12
monthswhich are presented here. These data indicate the overhead cost vary with
direct labor-hours used and electricity used for cooking.
Month
Labor Hours
Electricity (Kwh)
Overhead Cost ($)
January
1500
7400
67000
February
1700
8800
73000
March
2000
9250
65000
April
3100
9480
70000
May
6400
10000
78000
June
4500
10300
71000
July
5500
11210
76500
August
3400
6900
68700
September
6000
8000
75430
October
3500
7760
72990
November
3100
7600
70400
December
5300
9520
74000
135
a. Determine regression equation for Karinas Catering Company, then interpret it!
b. Determine determination and nondetermination coefficient and interpret the value!
c. Find the difference between predicted overhead cost variable and actual overhead
cost !
d. Determine the multiple regression correlation coefficient and all possible partial
correlation ! How strong it is ?
e. Conduct a global test of hypothesis with = 5% !
f. Using = 5%, conduct a test of hypothesis for the individual regression
coefficients !
Jawab :
Coefficients
Model
Unstandardized
Standardized
Coefficients
Coefficients
B
(Constant) 62878.868
1
Std. Error
Correlations
t
Sig.
Beta
5088.530
Zero-order Partial Part

12.357
.000
X1
1.783
.500
.775
3.568
.006
.813
.765
.687
X2
.240
.636
.082
.377
.715
.440
.125
.073
a. Regression Equation :
Y = 62.878,868 + 1,783 X1 + 0,24 X2
Interpretation :
a = 62.878,868
Without affected with no variable, the average of overhead cost is about
$62.878,868.
b1 = 1,783
Every increasing of 1 hour of labor-hour, the average of overhead cost will be
increase as much as $1,783, considering electricity variable is constant.
b2 = 0,240
Every increasing of 1 Kwh of electricity, the average of overhead cost will be
increase as much as $0,240, considering labor-hour variable is constant.
136
Model Summary
Model
.816
R Square
Adjusted R Square
Std. Error of the Estimate
.666
.592
2482.01916
b. Determination Coefficient : R2 = 0,592 (Adjusted R2)

Nondetermination Coefficient: K2 = 1 - R2 = 1 0,592 = 0,408
It means that labor hour and electricity variable explained the variation of overhead
cost of Karinas Catering Company as much as 59,2%,and the 40,8%
residualvalueis explained by another factor out of the model.
SE = 2482,01916
It means that the difference between predicted overhead cost variable and actual
overhead cost is about $2482,01916.
d. Multiple Regression Correlation (R) = 0,986
A whole relation between overhead cost, labor hour, dan electricity variable is
positive and have a very strong relation, its 0,986.
Correlations
Pearson Correlation
Sig. (1-tailed)
X1
X2
1.000
.813
.440
X1
.813
1.000
.463
X2
.440
.463
1.000
.001
.076
X1
.001
.065
X2
.076
.065
12
12
12
X1
12
12
12
X2
12
12
12
137
ry1.2 = 0,813
The relation between labor hour variable partially to overhead cost variable is
positive and strong with 0,813 value of correlation, considering electricity variable is
constant.
ry2.1 = 0,440
The relation between electricity variable partially to overhead cost variable is
positive and strong enough with 0,440 value of correlation, considering labor hour
variable is constant.
r12.y = 0,463
The partial relation between labor hour and electricity variable partially is positive
and strong enough with 0,463 value of correlation, considering overhear cost
e. Global Hypothesis Test (F-Test)

b
ANOVA
Model
Sum of Squares
df
Mean Square
Sig.
Regression
110674528.067
55337264.034
8.983
.007
Residual
55443771.933
6160419.104
Total
166118300.000
11

Hypothesis :
(Labor hour and electricity variables simultaneous dont affect
significantly the overhead cost)
(Labor hour and electricity variables simultaneous affect
significantly the overhead cost)
F stat = 8,983
F tabel = 4,96
= 0,05
v1 = k 1 = 2 1 = 1
v2 = n k = 12 2 = 10
138
Criteria :
i. F-Table Test
ii. Sig. Test
Sig.
accepted
Sig. <
rejected
Sig. = 0,007 and = 0,05

Sig. < , or 0,007 < 0,05, so
rejected
Conclusion :
Using 5% significance level, advertising, sales force, and dealer location
variables simultaneous affect significantly to the amount of cars sold last month.
f. Individual Hypothesis Test (t-Test)

1. Partial Test of Labor Hour Variable to The Overhead Cost
Hypothesis :
(Labor hour variable partially doesnt affect significantly to the
overhead cost variable)
(Labor hour variable partially affects significantly to the overhead
cost variable)
t stat = 3,568
t table = 2,262
df = n k 1 = 12 2 1 = 9
= 0,05
Criteria :
i. t-Table Test

tstat>ttable, or3,568 > 2,262, so Ho rejected
139
ii. Sig. Test

Sig.
accepted
Sig. <
rejected
Sig. = 0,006 and = 0,05

Sig. < , or0,006< 0,05so
rejected
Conclusion :
Using 5% significance level, labor hour variable partiallyaffects significantly
to the overhead cost of Karinas Catering Company.
2. Partial Test of ElectricityVariable to The Overhead Cost
Hypothesis :
(Electricity variable partially doesnt affect significantly to the
overhead cost variable)
(Electricity variable partially affects significantly to the overhead
cost variable)
t stat = 0,377
t table = 2,262
df = n k 1 = 12 2 1 = 9
= 0,05
Criteria :
i. t-Table Test

-ttable tstat ttable, or-2,262<0,377 < 2,262, so Ho accepted
ii. Sig. Test
Sig.
accepted
Sig. <
rejected
Sig. = 0,715 and = 0,05

Sig. , or0,715 0,05so
accepted
140
Conclusion :
Using 5% significance level, electricity variable partiallydoesntaffects
significantly to the overhead cost of Karinas Catering Company.
6. Consider a study designed to examine the role of television viewing in the lives of
selected group of people over 65 years of age. The purpose of the study was to
provide guidelines for developing television programming that would adequately
meet the special needs of the audience. A sample of 25 senior citizen was selected and
from each senior citizen the following data were obtained : y = the average number of
hours per day an interviewee spend watching television; x1 = the age of the
interviewee; and x3 = the number of years of education of the interviewee. The data
are listed below :
Individual
Hours
Age
Education
0,5
73
14
0,5
66
16
0,7
65
15
0,8
65
16
0,8
68
0,9
69
10
1,1
82
12
1,6
83
12
1,6
81
12
2,0
72
10
2,5
69
2,8
71
16
2,8
71
12
3,0
80
3,0
71
3,0
75
3,2
76
10
3,2
78
3,3
79
3,3
79
4
141
3,4
78
3,5
76
3,6
65
12
3,7
72
12
3,7
80
a. Determine regression equation for this study, then interpret it!

b. Determine determination and nondetermination coefficient and interpret the value!
c. Find the difference between predicted average number of hours spent by
interviewee for watching televison variable and actual value of that dependent
variable !
d. Determine the multiple regression correlation coefficient and all possible partial
correlation ! How strong it is ?
e. Conduct a global test of hypothesis with = 5% !
f. Using = 5%, conduct a test of hypothesis for the individual regression
coefficients !
Jawab :
Coefficients
Model
Unstandardized
Standardized
Coefficients
Coefficients
Std. Error
(Constant)
3.355
3.182
X1
.010
.038
X2
-.178
.061
Correlations
t
Sig.
Beta
Zero-order
Partial
Part
1.054
.303
.053
.272
.788
.328
.058
.046
-.571
-2.928
.008
-.596
-.530
-.500
a. Regression Equation :
Y = 3,355 + 0,01 X10,178 X2
Interpretation :
a = 3,355
Affected with no variable, the average hours that the interviewee spent for
watching television is about 3,355 hours.
142
b1 = 0,01
Every increasing of 1 year age, the average hours that the interviewee spent for
watching television will be increase as much as 0,01 hours, considering education
b2 = -0,178
Every increasing of 1 year of education, the average hours that the interviewee
spent for watching television will be decrease as much as 0,178 hours, considering
age variable is constant.
Model Summary
Model
R Square
.598
.358
.299
.94240
b. Determination Coefficient : R2 = 0,299 (Adjusted R2)

Nondetermination Coefficient : K2 = 1 - R2 = 1 0,299 = 0,701
It means that age and education variable explained the variation of time spent for
watching televison as much as 29,9%,and the 70,1% residualvalueis explained by
another factor out of the model.
SE = 0,94240
It means that the difference between predicted time spent for watching television
variable and actual time spent for watching television is about 0,94240 hours.
d. Multiple Regression Correlation (R) = 0,598
A whole relation between time spent by interviewee for watching televison, age, and
education variable is positive and have a strong enough correlation, its 0,598.
143
Correlations
Pearson Correlation
Sig. (1-tailed)
X1
X2
1.000
.328
-.596
X1
.328
1.000
-.482
X2
-.596
-.482
1.000
.055
.001
X1
.055
.007
X2
.001
.007
25
25
25
X1
25
25
25
X2
25
25
25
ry1.2 = 0,328
The relation between age variable partially to time spent by inteviewee for watching
television variable is positive and weak with 0,328 value of correlation, considering
education variable is constant.
ry2.1 = -0,596
The relation between education variable partially to time spent by inteviewee for
watching televisionvariable is negative and strong enough with 0,596 value of
correlation, considering age variable is constant.
r12.y = -0,482
The partial relation between age and education variable is negative and strong
enough with 0,482 value of correlation, considering the time spent by inteviewee for
watching televisionvariable is constant.
e. Global Hypothesis Test (F-Test)
b
ANOVA
Model
Sum of Squares
df
Mean Square
Sig.
Regression
10.888
5.444
6.130
.008
Residual
19.539
22
.888
Total
30.426
24

144
Hypothesis :
(Age and education variables simultaneous dont affect
significantly the time spent by inteviewee for watching
television)
(Age and education variables simultaneous affect significantly
the time spent by inteviewee for watching television)
F stat = 6,130
F tabel = 4,24
= 0,05
v1 = k 1 = 2 1 = 1
v2 = n k = 25 2 = 23
Criteria :
j. F-Table Test
iii. Sig. Test
Sig.
accepted
Sig. <
rejected
Sig. = 0,008 and = 0,05

Sig. < , or 0,008< 0,05, so
rejected
Conclusion :
Using 5% significance level, age and education variables simultaneous affect
significantly to the time spent by inteviewee for watching television.
f. Individual Hypothesis Test (t-Test)
1. Partial Test of AgeVariable to The Time Spent By Inteviewee For
Watching Television
Hypothesis :
(Age variable partially doesnt affect significantly to the time
spent by inteviewee for watching television variable)
(Age variable partially affects significantly to the time spent by
inteviewee for watching televisionvariable)
145

t stat = 0,272
t table = 2,074
df = n k 1 = 25 2 1 = 22
= 0,05
Criteria :
i. t-Table Test

-ttable tstat ttable, or-2,074 < 0,272 < 2,262, so Ho accepted
ii. Sig. Test
Sig.
accepted
Sig. <
rejected
Sig. = 0,788 and = 0,05

Sig. , or0,788< 0,05so
accepted
Conclusion :
Using 5% significance level, age variable partiallydoesnt affectsignificantly
to the time spent by inteviewee for watching television.
2. Partial Test of EducationVariable to The Time Spent By Inteviewee For
Watching Television
Hypothesis :
(Education variable partially doesnt affect significantly to the
time spent by inteviewee for watching televisionvariable)
(Education variable partially affects significantly to the time spent
by inteviewee for watching televisionvariable)
t stat = -2,928
t table = 2,074
df = n k 1 = 25 2 1 = 22
= 0,05
146
Criteria :
i. t-Table Test

tstat< -ttable, or-2,928<-2,074, so Ho rejected
ii. Sig. Test
Sig.
accepted
Sig. <
rejected
Sig. = 0,008 and = 0,05

Sig. < , or0,008< 0,05so
rejected
Conclusion :
Using 5% significance level, education variable partiallyaffects significantly
to the time spent by inteviewee for watching television.
7. Deasy, pemilik perkebunan tembakau yang relatif besar di Sumedang, selama 2 tahun
terakhir, Deasy melakukan uji coba pemberian 2 jenis pupuk pada tanaman
tembakaunya demi mendapatkan tembakau dengan kualitas terbaik, yaitu pupuk jenis
Zwazelzure Kali (ZK) dan pupuk jenis Zwazelzure Amoniak (ZA). Tembakau jenis
ini dipanen setiap 4 bulan sekali, sehingga didapat 8 data penggunaan kedua jenis
pupuk terhadap hasil panen tembakau. Berikut data yang berhasil diperoleh :
Hasil Panen
Pupuk ZK
Pupuk ZA
(Kw)
(Kg)
(Kg)
Panen I
160
75
60
Panen II
200
125
100
Panen III
250
130
125
Panen IV
185
100
97
Panen V
300
170
156
Panen VI
325
175
160
Panen VII
400
230
218
Panen VIII
500
200
230
Waktu Panen
147
a. Tentukan persamaan regresinya dan interpretasikan !

b. Tentukan koefisien determinasi, korelasi berganda, dan korelasi parsial
!Interpretasikan !
c. Lakukan pengujian secara parsial antar variabel hasil panen dan jumlah pupuk
ZK yang digunakan, juga variabel hasil panen dan jumlah pupuk ZA yag
digunakan, dengan tingkat signifikansi 5% !
d. Lakukan pengujian simultan antara variabel jumlah pupuk ZK dan variabel
jumlah pupuk ZA yang digunakan terhadap variabel hasil panen tembakau !
e. Jika anda juga memiliki perkebunan tembakau, apakah anda harus menambah
pupuk ZK saja, pupuk ZA saja, atau keduanya ?
Jawab :
Coefficients
Unstandardized
Standardized
Coefficients
Coefficients
Model
Std. Error
(Constant)
54.154
27.025
X1
-1.286
.586
X2
2.998
.513
Correlations
t
Sig.
Beta
Zero-order
Partial
Part
2.004
.101
-.576
-2.195
.080
.902
-.700
-.152
1.532
5.839
.002
.976
.934
.403
Y = 54,1541,286 X1 + 2,998 X2
Interpretasi :
a = 54,154
Tanpa dipengaruhi oleh variabel apapun, rata rata hasil panen yang
dihasilkanadalah sebanyak 54,154 Kwintal.
b1 = -1,286
Artinya, setiap kenaikan penggunaan pupuk ZK sebanyak 1 Kg, maka rata rata
hasil panen akan turun sebesar 1,286 Kwintal dengan variabel penggunaan pupuk
ZA dianggap konstan.
148
b2 = 2,998
Artinya, setiap kenaikan penggunaan pupuk ZA sebanyak 1 miliar rupiah, maka rata
rata hasil panen akan naik sebanyak2,998 Kwintal dengan variabel penggunaan
pupuk ZK dianggap konstan.
Model Summary
Model
R Square
.988
.976
.967
21.29678
b. Koefisien determinasi : R2 = 0,967 (Adjusted R2)

Koefisien nondeterminasi : K2 = 1 - R2 = 1 0,967 = 0,033
Artinya,variabel penggunaan pupuk ZKdanvariabel penggunaan pupuk ZA mampu
menjelaskan variasi dari hasil panen Tembakausebesar 96,7%, dan sisanya sebesar
3,3% dijelaskan oleh faktor lain di luar model.
SE = 21,29678
Artinya, rata-rata penyimpangan variabel hasil panen tembakau yang diprediksi dengan
variabel hasil panen tembakau yang sebenarnya adalah sebanyak21,29678 Kwintal.
d. Koefisien korelasi berganda (R) = 0,988
Artinya,
hubungan
keseluruhan
antara
variabel
hasil
panen
tembakau,
variabelpenggunaan pupuk ZK, dan variabel penggunaan pupuk ZAadalah searah dan
sifatnya sangat erat yaitu sebesar 0,988.
Correlations
Pearson Correlation
Sig. (1-tailed)
X1
X2
1.000
.902
.976
X1
.902
1.000
.965
X2
.976
.965
1.000
.001
.000
X1
.001
.000
X2
.000
.000
X1
X2
149
Koefisien Korelasi Parsial :

ry1.2 = 0,902
Artinya hubungan antara variabel penggunaan pupuk ZK secara parsial terhadap
variabel hasil panen tembakauadalahsearah dan sifatnya sangat erat dengan nilai
sebesar 0,902, dengan menganggap variabel penggunaan pupuk ZA ekspor konstan.
ry2.1 = 0,976
Artinya hubungan antara variabel penggunaan pupuk ZA secara parsial terhadap
variabel hasil panen tembakauadalahsearah dan sifatnya sangat erat dengan nilai
sebesar 0,976, dengan menganggap variabel penggunaan pupuk ZK konstan.
r12.y = 0,965
Artinya hubungan antara variabel penggunaan pupuk ZK dan variabel penggunaan
pupuk ZA secara parsial adalahsearah dan sifatnya sangat eratdengan nilai sebesar
0,965, dengan menganggap variabel hasil panen tembakau konstan.
e. Uji t statistik :
1. Uji Parsial variabel Hasil Panen terhadap Variabel Penggunaan Pupuk ZK
Hipotesis :
(variabelpenggunaan pupuk ZK secara parsial tidak berpengaruh
signifikanterhadap variabel hasil panen tembakau)
(variabelpenggunaan pupuk ZK secara parsial berpengaruh
t stat = -2,195
t tabel = 2,571
df = n k 1 = 8 2 1 = 5
= 0,05
Kriteria uji :
i. Uji tabel t

Ternyata -ttabel tstat ttabel, yaitu -2,571< -2,195 <2,571makaHo tidak dapat
ditolak
150
ii. Uji sig.

Sig.
tidak dapat ditolak
Sig. <
ditolak
Sig. = 0,08 dan = 0,05

Ternyata Sig. , yaitu 0,08 0,05 maka
tidak dapat ditolak
Kesimpulan :
Pada tingkat signifikansi 5%, variabel penggunaan pupuk ZK secara parsial tidak
berpengaruh signifikan terhadap variabel hasil panen tembakau
2. Uji Parsial Variabel Hasil PanenTerhadap Variabel Penggunaan Pupuk ZA

Hipotesis :
(variabelpenggunaan pupuk ZA secara parsial tidak berpengaruh
(variabelpenggunaan pupuk ZA secara parsial berpengaruh
signifikan terhadap variabel hasil panen tembakau)
t stat = 5,839
t tabel = 2,571
df = n k 1 = 8 2 1 = 5
= 0,05
Kriteria uji :
i. Uji tabel t

Ternyata tstat> ttabel, yaitu 5,839> 2,571makaHo ditolak
ii. Uji sig.
Sig.
tidak dapat ditolak
Sig. <
ditolak
Sig. = 0,002 dan = 0,05

Ternyata Sig. < , yaitu 0,008 < 0,05 maka
ditolak
151
Kesimpulan :
Pada tingkat signifikansi 5%, variabel penggunaan pupuk ZA secara parsial
berpengaruh signifikan terhadap variabel hasil panen tembakau.
g. Uji F statistik
b
ANOVA
Model
Sum of Squares
df
Mean Square
Regression
92882.235
46441.118
Residual
2267.765
453.553
Total
95150.000
Sig.
a
102.394 .000

Hipotesis :
(variabelpenggunaan pupuk ZKdan variabel penggunaan
pupuk
ZA
secarabersama-sama
tidak
berpengaruh
signifikan terhadap variabel hasil panen tembakau)

(variabelpenggunaan pupuk ZK dan variabel penggunaan
pupuk ZA secara bersama-sama berpengaruh signifikan
terhadap variabel hasil panen tembakau)
F stat = 102,394
F tabel = 5,99
= 0,05
v1 = k 1 = 2 1 = 1
v2 = n k = 8 2 = 6
Kriteria uji :
i. Uji tabel F
Ternyata F stat > F tabel, yaitu 102,394>5,99 maka Ho ditolak
152
ii. Uji Sig.

Sig.
tidak dapat ditolak
Sig. <
ditolak
Sig. = 0,000 dan = 0,05

ditolak
Kesimpulan :
Pada tingkat signifikansi 5%, variabel penggunaan pupuk ZKdan variabel
penggunaan pupuk ZAsecara bersama-sama berpengaruh signifikan terhadap
variabel hasil panen tembakau.
153
CHI-SQUARE
Bila kita mempunyai dua macam proporsi dan kita ingin menguji apakah perbedaan antar
kedua proporsi itu signifikan atau tidak, maka disini kita menggunakan pengujian hipotesa mengenai
beda dua proporsi. Perluasan dari pada pengujian selisih proporsi (beda antara dua proporsi) adalah
pengujian Chi Kuadrat, karena didalam pengujian ini kita mengadakan pengujian hipotesa tentang
perbedaan proporsi dari proporsi yang banyaknya lebih dari dua. Dengan perkataan lain, pengujian 2
ada-lah pengujian hipotesa mengenai perbe-daan k proporsi dimana k 2 proporsi.
Chi square merupakan suatu ukuran yang menyangkut perbedaan yang terdapat di antara
frekuensi pengamatan dengan frekuensi teoritis/frekuensi harapan (Schaums). Maksud dari pengujian
chi square adalah untuk membandingkan fakta yang diperoleh berdasarkan hasil observasi dan fakta
yang didasarkan secara teoritis (Drs. Andi Supangat, M.Si.) Dalam statistik, distribusi chi-square
(dilambangkan dengan 2 BUKAN X2) termasuk dalam statistik nonparametrik. Distribusi
nonparametrik adalah distribusi dimana besaran-besaran populasi tidak diketahui. Distribusi ini sangat
bermanfaat dalam melakukan analisis statistik jika kita tidak memiliki informasi tentang populasi atau
jika asumsi-asumsi yang dipersyaratkan untuk penggunaan statistik parametrik tidak terpenuhi.
Berikut ini beberapa hal yang berhubungan dengan chi square:
a.
Adanya derajat kebebasan/ degree of freedom (df). Besarnya df menunjukan banyak observasi
yang bebas untuk bervariasi sesudah batasan-batasan tertentu dikenakan pada data. (Sidney
Siegel)
b.
Chi-square tidak pernah bernilai negatif. Hal ini dikarenakan selisih antara frekuensi data
observasi ( f o ) dengan frekuensi data yang diharapkan f e dikuadratkan, yaitu f o f e 2
c.
Jika 2= 0 maka frekuensi-frekuensi teoritis sama dengan frekuensi pengamatan. Jika 2>0 maka
frekuensi-frekuensi teoritis tidak tepat sama dengan frekuensi pengamatan. Semakin besar nilai
2 semakin besar pula perbedaan antara frekuensi yang diobservasi dan frekuensi teoritis.
d.
Distribusi chi-square adalah menceng kanan. Jika n nya sangat besar maka distribusi 2 ini
mendekati distribusi normal.
1. Penaksiran Standar Deviasi

Dalam pembahasan sebelumnya telah di sampaikan bahwa pada umumnya ada dua
cara menaksir, yakni titik taksiran dan interval taksiran. Titik taksiran untuk 2 digunakan
varians dari sampel yang dipakai sebagai bahan untuk menaksir. Guna mendapatkan interval
taksiran parameter maka:
154
s 2 (n 1)
rumus :
2 / 2
dimana:
s 2 (n 1)
12 / 2
; df = n-1
s = standar deviasi
n = banyaknya data yang diobservasi
= tingkat signifikansi
2 / 2 dan 12 / 2 didapat dari daftar distribusi chi-square dengan df = n-1 dan p

masing-masing sama dengan dan 1- .
2
Uji Hipotesis Standar Deviasi

Langkah-langkah pengujian standar deviasi:
1. Tentukan hipotesis awal dan alternatifnya
Uji dua pihak
Uji pihak kanan
Uji pihak kiri
Ho : a
Ho : a
Ho : a
Ha : a
Ha : a
Ha : a
2. Tentukan uji kriteria distribusi dengan df = n-1 dan tingkat signifikansi

3. Lakukan uji statistik pada data yang diobservasi dengan menggunakan rumus:
4.
s n 1
; df = n-1
Bandingkan nilai dengan nilai distribusi yang telah didapat pada langkah sebelumnya
sesuai kriteia uji yang digunakan
5. Buat kesimpulan
Ho tidak dapat
ditolak
Ho ditolak
Uji dua pihak
Uji pihak kanan
Uji pihak kiri
1 / 2 / 2
/ 2
1 / 2
155
2. Uji Chi-Square Dari Data Multinomial

Uji ini dilakukan untuk meneliti peristiwa yang terdiri lebih dari dua golongan.
Eksperimen yang dilakukan sebanyak n kali dan hasilnya dicatat, dikumpulkan menrut
golongan atau kategorinya masing-masing lalu diperoleh sebuah data, data yang diperoleh
demikian dinamakan data multinomial.(Sudjana)
Langkah-langkah:
1. Tentukan hipotesis awal dan hipotesis alternatifnya
Ho : 1 2 3 ... c
Ha : terdapat paling sedikit satu tanda
2.
Tentukan nilai 2 pada distribusi chi-square dengan df = c-1 dan tingkat signifikansi
dimana c adalah banyaknya kolom dari data.
3.
Lakukan uji statistik dengan menggunakan rumus
( oi e j ) 2
ej
Dimana:
oi = data hasil observasi
ej = data yang diharapkan atau diestimasikan
4.
lakukan uji kriteria dengan membandingkan nilai 2 dan 2 , yaitu:
2 2 Ho tidak dapat ditolak

2 2 Ho ditolak
5.
Buat kesimpulan
3. Uji Chi-Square dari Tabel Kontingensi

Tabel kontingensi merupakan tabel klasifikasi dua arah yang terdiri dari banyak
kolom dan banyak baris yang merupakan pengambangan konsep dari uji chi-square data
multinomial yang menggunakan tabel klasifikasi satu arah atau hanya sebuah variabel saja.
Langkah-langkah:
1. Tentukan hipotesis awal dan alternatifnya
Ho : 11 12 13 ... 1c
21 22 23 ... 2c
31 32 33 ... 3c
156
2. Tentukan nilai 2 dari distribusi chi-square dengan tingkat signifikansi dan

df = (r-1).(c-1), dimana r adalah banyaknya baris dari data dan c adalah banyaknya
kolom dari data.
3. Lakukan uji statistik dengan menggunakan rumus:
eij
ij
eij
Dimana:
oij= data hasil observasi dari baris ke-i kolom ke-j
eij= data hasil estimasi dari baris ke-i kolom ke-j
4. Tentukan uji kriterianya

2 2 Ho ditolak
5. Buat kesimpulan
Koefisien Kontingensi (C)

Koefisien kontingensi yaitu bilangan yang digunakan untuk menentukan derajat
hubungan antara dua faktor yang telah disusun dalam daftar kontingensi.
Rumus: C
2
n
2
dengan nilai maksimum
Cmax
m 1
m
Dimana:
n = banyaknya data
m = banyaknya baris atau kolom minimal
keterangan:
Cmax-C < C, hubungan erat
Cmax-C = C, hubungan cukup erat
Cmax-C > C, hubungan kurang erat
Contoh Soal
Dilakukan suatu penelitianterhadap seorang penjual sepatu untuk mengetahui apakah
ada pengaruh warna sepatu terhadap banyaknya sepatu yang terjual. Berikut adalah hasil
pengamatan sepatu berbagai warna selama satu periode tertentu:
157
Warna Sepatu
Sepatu
Hitam
yang 90
Putih
Biru
Coklat
Total
55
25
30
200
terjual (unit)
Pada tingkat signifikansi 1% dapatkah disimpulkan bahwa warna sepatu tersebut berpengaruh
terhadap banyaknya sepatu yang terjual?
Jawab:
Ho: 1 2 3 4
Ha: terdapat paling sedikit satu
df = c-1= 4-1 = 3
= 1%
2 = 11, 3449
Uji statistik:
ej
o 200 50
e
o e2
e
2
2
2
2
90 50
55 50
25 50
30 50
50
50
50
50
53
Uji kriteria:

2 2 Ho ditolak
Ternyata 53>11,3449 atau 2 2 Ho ditolak
Pada tingkat signifikansi 1% hasil pengamatan diatas menunjukkan bahwa warna sepatu
mempengaruhi banyaknya sepatu yang terjual karena perbedaannya signifikan.
158
SOAL CHI-SQUARE
1. Banyaknya orang yang berbelanja ke sebuah toko setiap hari selama 6 hari adalah sebagai
berikut :
Hari
Senin
Selasa
Rabu
Kamis
Jumat
Sabtu
Jumlah yang
127
112
121
109
132
149
berbelanja
Apakah banyaknya orang yang berbelanja itu tergantung dari nama-nama hari
ataukah
tidak?
Penyelesaian
1) . H0 : banyaknya orang yang berbelanja ke toko itu tidak tergantung pada
nama hari.
H1 : banyaknya orang yang berbelanja ke toko itu tergantung pada nama hari.
2) df = k 1 = 6 1 = 5
= 0,05
2 = 11,0705
3)
2
2
127 125
112 125

125
125
149 125
....
125
8,56
4) . Kriteria: H0 diterima
H0 ditolak
5) Ternyata : H0 diterima
6) Kesimpulan :
Meskipun banyaknya orang berbelanja tiap hari tidak sama, akan tetapi
karena perbedaan hari itu tidak signifikan, maka banyaknya orang
yang berbelanja ke toko tersebut setiap harinya selama seminggu
adalah sama.
2. Ada yang berpendapat bahwa pekerja-pekerja yang berasal dari dalam kota pada
umunya kurang rajin bila dibandingkan dengan pekerja-pekerja dari luar kota. Untuk
menguji pendapat ini diadakan penilaian terhadap kerajinan bekerja dari 50 orang
pekerja dan diperoleh data seperti dibawah ini :
159
Kerajinan Pekerja
Rajin
Kurang Rajin
Dalam Kota
Luar Kota
25
15
Asal Pekerja
Penyelesaian
1) H0 : tingkat kerajinan dengan asal pekerja tidak ada hubungan (independen).
H1 : tingkat kerajinan dengan asal pekerja ada hubungan (dependen).
2) df = (r 1).(k 1) = (2 1).(2 1) = 1
= 5% = 0,05
2 = 3,841
3)
Kerajinan Pekerja
Rajin
Kurang Rajin
Dalam Kota
(30).(10)/50 = 6
(20).(10)/50 = 4
Luar Kota
(30).(40)/50 = 24
(20).(40)/50 =16
Rajin
Kurang Rajin
Asal Pekerja
Kerajinan Pekerja
Asal Pekerja
Dalam Kota
5
6
Luar Kota
25
24
4
15
16
160
4) . Kriteria: H0 tidak ditolak

H0 ditolak
5) Ternyata : < H0 tidak ditolak
6) Kesimpulan :
Kita tidak menolak hipotesa. Dengan perkataan lain, tidak terdapat hubungan
antara
kerajinan pekerja dengan asal pekerja.
3. Simpangan baku dari masa hidup semacam lampu pijar adalah 36 jam dengan sampel
26 buah. Tentukanlah batas-batas taksiran simpangan baku dari masa hidup seluruh
produksi lampu, dengan menggunakan tingkat kepercayaan 95%!
= 5%
Dik
: s = 36
n = 26
Dit
: taksiran simpangan baku
Jawab :
Df = 25
= 40,6465
s 2 (n 1)
2 / 2
28,2325349
) = 13,91197
s 2 (n 1)
12 / 2
48,2589856
Dengan tingkat signifikansi 5% maka batas-batas taksiran simpangan baku dari masa hidup
seluruh produksi lampu adalah antara 28,2325349 jam dan 48,2589856 jam.
161
4. The Federal Correction Agency wants to investigate the question citied below: Does a
male released from federal prison make a different adjustment to civilian life if he
returns to his hometown or if he goes elsewhere to live? The agencys psychologist
interviewed 200 randomly selected former prisoners.
Adjustment to civilian life

Residence After
Outstanding
Good
Fair
Unsatisfactory
Hometown
27
35
33
25
Not Hometown
13
15
25
25
Released from Prison
To put it another way, is there a relationship between adjustment to civilian life and place
of residence after released from prison?
Dik : Ho :there is no relationship between adjustment to civilian life and place of

residence after released from prison
Ha : there is a relationship between adjustment to civilian life and place of residence after
released from prison
df= (r-1)(c-1)=(2-1)(4-1)= 3
= 1% 2 = 11,345
Residence After
Outstanding
Good
Fair
Unsatisfactory
Total
Hometown
27
35
33
25
120
Not Hometown
13
15
25
25
80
Total
40
50
60
50
200
Released from Prison
162
eij
o o
o
io
oj
eij
ij
eij
(
(
)
)
(
(

2 2 Ho ditolak
Ternyata
<11,345 maka 2 2 Ho tidak dapat ditolak
At 1% significance level there is no relationship between adjustment to civilian life and place
of residence after released from prison
5. Simpangan baku dari kekuatan semacam kabel yang dihasilkan oleh perusahaan X
adalah 100 kg. Didapat data dari industri penjualan kabel bahwa berdasarkan 8
sampel kabel yang diteliti, nilai simpangan bakunya adalah 120 kg. Telitilah, apakah
proses dalam pebuatan kabel perusahaan X mengalami perubahan variasi kekuatan
kabel yang berarti atau tidak? Ujilah dengan tingkat signifikansi 1%!
163
Penyelesaian
Dik : s = 100 kg
df = n-1= 8-1 = 7
= 1%
n=8
= 120 kg
Dit : apakah proses dalam pebuatan kabel perusahaan X mengalami perubahan variasi
kekuatan kabel yang berarti atau tidak
Jawab :
Ho : = 120
Ha : 120
1 / 2 0,989265 0,99462
/ 2 20,2777 4,50308
s n 1
100 8 1
120
2,2048
Uji Kriteria:
1 / 2 / 2 ho tidak dapat ditolak

/ 2
ho ditolak
1 / 2
Ternyata 0,99462 < 2,2048 < 4,50308 maka 1 / 2 / 2 ho tidak dapat ditolak
Dengan tingkat signifikansi 1% maka proses dalam pebuatan kabel perusahaan X tidak
mengalami perubahan variasi kekuatan kabel yang berarti.
6. In a particular television market there are three commercial television stations, each
with its own evening news program from 06.00 to 06.30 pm. According to a report in
this mornings local newspaper, a random sample of 180 viewers last night revealed
53 Watched the news on channel 5, 64 watched on channel 11, 33 on channel 13and
30 watched on channel 19. At the 0,05 significance level, is there a difference in the
proportion of viewers watching the three channels?
164
Solution
Dik :
Channel 5
viewer
11 13 19
53 64 33 30
= 5%
Jawab :
: there is no difference in the proportion of viewers watching the the three channels
: there is difference in the proportion of viewers watching the the three channels
2
=
( oi e j ) 2
ej
= 9,711
Df = 5-1 =4
= 9,48773
2 2 Ho ditolak
Ternyata 9,711 > 9,48773 , 2 2 Ho ditolak
At 5% significane level there is difference in the proportion of viewers watching the the three
channels
7. Suatu penelitian diadakan untuk mengetahui apakah ada hubungan antara penghasilan
keluarga yang digolongkan dalam golongan-golongan rendah, sedang dan tinggi,
dengan penggunaan angkutan umum ketika bepergian. Angkutan umum yang dapat
digunkan ada tiga golongan yaitu kereta api, bus, dan taxi. Hasilnya diberikan dalam
daftar berikut :
Kereta Api
Bus
Taxi
Pendapatan Rendah
130
270
16
Pendapatan Sedang
215
214
39
Pendapatan Tinggi
80
28
140
165
Apakah ada hubungan yang berarti antara golongan pendapatan dan angkutan umum
yang digunakan? Gunakan tingkat signifikasni 1%, Tentukan pula sifat hubungan
tersebut !
Dik :
Ho : 11 12 13
21 22 23
31 32 33
df= (r-1)(c- 1)=(3-1)(3-1)=4
= 1% 2 =9,48773
Pendapatan
Rendah
Pendapatan
Sedang
Pendapatan
Tinggi
Jumlah
eij
o o
o
io
Kereta Api
130
Bus
270
Taxi
16
Jumlah
416
215
214
39
468
80
28
140
248
425
512
195
1132
oj
416 425
156,183
1132
416 512
e12
188,155
1132
416 195
e13
71,661
1132
468 425
e21
175,707
1132
e11
e22
e23
e31
e32
e33
468 512
211,675
1132
468 195
80,618
1132
248 425
93,110
1132
248 512
112,170
1132
248 195
42,721
1132
166
eij
ij
eij
156,183 )
156,183
(
2=
400,0387
2 2 Ho ditolak
Ternyata 400,0387 >9,48773
maka 2 2 Ho ditolak
Dengan tingkat signifikansi 1% maka terdapat hubungan antara tingkat pendapatan dan
angkutan umum yang digunakan.
2
n
2
C=
Cmax
= 0,511
m 1
m
C max=
Kriteria :
Cmax-C < C, erat
Cmax-C = C, cukup erat
Cmax-C > C, kurang erat
Ternayata
0,511, makaCmax-C > C, kurang erat
Maka sifat hubungan antara tingkat pendapatan dan angkutan umum yang digunakan kurang erat.
167
NON PARAMETRIK
Data pada penelitian kuantitatif dianalisis dengan cara tertentu yaitu menggunakan
statistik. Statistik tersebut dibagi menjadi dua kelompok, yaitu statistik deskriptif dan statistik
inferensial. Statistik deskriptif adalah jenis statistik yang menganalisis data populasi dengan
cara mendeskripsikan atau menggambarkan data yang telah terkumpul, dan tanpa membuat
kesimpulan yang berlaku umum. Sedangkan statistik inferensial adalah jenis statistik yang
menganalisis data sampel, dan membuat generalisasi (diberlakukan secara umum) pada
populasi.
Statistik inferensial kemudian dibedakan menjadi statistik parametrik dan statistik
non-parametrik. Statistik parametrik mensyaratkan banyak asumsi, yaitu asumsi tentang
kenormalan data, homogenitas data, dan datanya berupa interval atau rasio. Sedangkan
statistik non-parametrik tidak memerlukan asumsi-asumsi di atas terpenuhi.
Statistik non-parametrik dipakai apabila peneliti tidak mengetahui karakteristik
kelompok item yang menjadi sumber sampelnya. Metode ini dapat diterapkan terhadap data
yang diukur dengan skala ordinal dan dalam kasus tertentu, dengan skala nominal. Pengujian
non-parametrik bermanfaat untuk digunakan apabila sampelnya kecil dan lebih mudah
dihitung daripada metode parametrik.
Perbedaan
Skala pengukuran
Bentuk distribusi
Jumlah sampel
Parametrik
Skala interval dan rasio.
Harus diketahui bentuk
distribusinya, mis
berdistribusi normal atau
bentuk distribusi yang
lainnya (binomial, poisson,
dsb).
Jumlah sampel besar, atau
bisa juga jumlah sampel
kecil tetapi memenuhi
asumsi salah satu bentuk
distribusi.
Nonparametrik
Skala nominal dan ordinal.
Tidak mempermasalahkan
bentuk distribusinya (bebas
distribusi).
Sampel kecilpun dapat

dipergunakan (misalnya
sampelnya (n) = 6.
Pada kenyataannya sangatlah sulit untuk mendapatkan sampel yang memenuhi asumsi
mempunyai distribusi tertentu. Kebanyakan sampel yang diperoleh hanyalah sebatas
mendekati tertentu, seperti mendekati normal. Bahkan banyak juga sampel yang distribusinya
tidak diketahui sama sekali. Oleh karena itu kemudian dikembangkan suatu teknik inferensi
168
yang tidak memerlukan uji asumsi-asumsi tertentu mengenai distribusi sampelnya, dan juga
tidak memerlukan uji hipotesis yang berhubungan dengan parameter populasinya. Teknik
statistik ini dikenal dengan statistik non-parametrik.
Istilah non parametrik pertama kali digunakan oleh Wolfowitz pada tahun 1942.
Statistik non-parametrik adalah statistik yang tidak memerlukan asumsi-asumsi yang
melandasi metode statistik parametrik, terutama tentang bentuk distribusinya, dan juga tidak
memerlukan uji hipotesis yang berhubungan dengan parameter-parameter populasinya, oleh
karena itu teknik ini dikenal juga dengan distribution-free statistics dan assumption-free test.
Adapun asumsi-asumsi yang harus terpenuhi pada penggunaan metode parametrik
antara lain:
Sampel (data) diambil dari populasi yang mempunyai distribusi normal.
Pada uji t dan uji F untuk dua sampel atau lebih, kedua sampel diambil dari dua
populasi yang mempunyai varians sama.
Variabel (data) yang diuji haruslah data bertipe interval atau rasio, yang tingkatnya
lebih tinggi dari data tipe nominal atau ordinal.
Ukuran sampel yang memadai (direkomendasikan > 30 per kelompok) - central limit
theorem.
Jadi, untuk data yang tidak memenuhi salah satu dari asumsi di atas, lebih baik menggunakan
prosedur statistik non-parametrik untuk pengujian hipotesis.
Keuntungan dari penggunaan metode non-parametrik :
1. metode
non-paramertrik
tidak
mengharuskan
data
berdistribusi
normal,
perhitungannya singkat dan syarat skala pengukuran datanya tidak terlalu ketat.
2. Metode ini bisa dipakai untuk level data nominal dan ordinal.
3. Metode non-parametrik cenderung lebih sederhana dan mudah dimengerti.
Beberapa Metode non-parametrik1 yang biasa digunakan adalah:
Diadaptasi dari: Pett MA. 1997. Nonparametric Statistics for Health Care Research. London, Thousand Oaks,
New Delhi: Sage Publications (dalam Christy C. Tomkins, An Introduction to Non-parametric Statistics,
University of Alberta Health Sciences Journal, June 2006, Volume 3 Issue 1).
169
Metode
Penjelasan
Non-parametrik
Sign test
Uji yang digunakan untuk mengetahui apakah terdapat

perbedaan yang nyata atau tidak dari pasangan data
dengan skala ordinal. Data yang akan dianalisis
dinyatakan dalam bentuk tanda-tanda yang tanda
positif dan negatif. Biasanya digunakan pada kasus
sebelum sesudah
Wilcoxon signed rank Sama seperti sign test tapi lebih menitikberatkan pada
test
besaran perbedaannya
Mc Nemar test
Digunakan untuk menguji hipotesis komparatif dua

sampel yang berkorelasi bila datanya nominal/diskrit.
Rancangan penelitiannya biasanya berupa before
after
Mann Whitney test
Digunakan untuk menguji perbedaan dua populasi

yang berupa dua sampel yang independen
Kolmogorov
Smirnov Digunakan untuk goodness of fit test dan menguji dua
test
sampel
independen
(data
berbentuk
ordinal),
khususnya untuk perbedaan varians.

Cox and Stuart test
Digunakan untuk mengetahui tren suatu data yang

minimal ordinal
Spearman
correlation Digunakan untuk mengetahui hubungan atau untuk
test
menguji signifikansi hipotesis asosiatif bila masingmasing variabel berbentuk ordinal dan sumber datanya
tidak sama.
Kruskal Wallis test
Memiliki kegunaan sama seperti Mann Whitney tapi

menggunakan lebih dari dua sampel
170
NON-PARAMETRIK 1
RINGKASAN TEORI
A. SIGN TEST
Disebut juga uji tanda dimana kita menggunakan uji ini untuk mengetahui apakah
terdapat perbedaan antara data - data yang tersedia atau pengaruh dari hasil dua
perlakuan yang diwakili dengan tanda positif (+) dan negatif (-). Hanya melihat arah
& adanya perbedaan nyata atau tidak untuk setiap pasangan data, tanpa
memperhatikan besarnya perbedaan . Sampel yang digunakan saling berhubungan
dengan skala ordinal , uji ini berhubungan pada kasus kasus
sebelum
sesudah.
Langkah Langkah Penyelesaian Sign Test Problems
1. Bandingkanlah nilai dari pasangan data yang tersedia, jika data sebelum (x)
lebih besar dari data sesudah (y) maka beri tanda + , Jika sebaliknya nilai x
< y maka beri tanda , Tapi jika nilai data x = y maka data diabaikan atau
dihilangkan.namun ini tergantung pada data yang dibandingkan tetapi harus
konsisten
2. Kemudian hitunglah jumlah data yang masuk kedalam masing masing tanda
baik + maupun , lalu ambil data + = T
3. Lalu, buatlah Hipotesis untuk :

Two-Tailed test
Lower tailed test
Upper tailed test
Ho : P (+) = P (-)
Ho : P (+) P (-)
Ho : P (+) P (-)
Ha : P (+) P (-)
Ha : P (+) < P (-)
Ha : P (+) > P (-)
4. Menentukan kriteria pengujian

i.
Two-Tailed test
T t tabel atau T n-t tabel
maka
ditolak
t<T<nt
maka
tidak dapat ditolak
171
ii.
Lower tailed test
T t tabel
maka
ditolak
T > t tabel
maka
tidak dapat ditolak
T n - t tabel
maka
ditolak
T < n - t tabel
maka
tidak dapat ditolak
iii.
Upper tailed test
5. Menentukan nilai uji statistika

Merupakan nilai probabilitas hasil sampel. ( lihat tabel probabilitas binomial
dengan n, x tertentu dan p = 0,5), dimana x = jumlah tanda yang terkecil
6. Untuk n > 30 maka kita dapat mengunakan distribusi normal.sebagai

pendekatan distribsui binomial ( gunakan tabel distribusi normal baku ) dengan
menggunakan faktor koreksi sebagai berikut:
Z=
Note :
T + 0,5 jika T < n, danT 0,5 jika T > n
Kriteria :
Z < maka tolak Ho.
Z > maka terima Ho.
7. Kesimpulan.
Butalah kesimpulan berdasarkan kepada
apakah hipotesa tersebut tidak dapat
ditolak atau dapat ditolak
172
Contoh soal :
Karyawan
di suatu perusahaan akan diberikan pelatihan untuk meningkatkan
kemampuannya dalam bidang komputer. Diambil 15 orang sebagai sampel yang akan
diukur kemampuan dalam penggunaan komputer sebelum dan setelah dilakukan
pelatihan, dengan menggunakan skala likert, sbb:
1: luar biasa
2: sangat baik
3: baik
4: cukup
5: kurang
Pegawai
Sebelum 3
Sesudah
Dengan taraf kepercayaan 95 % , apakah ada perubahan yang sinifikansi terhadap 15

orang tersebut sesudah dan sebelum diadakanya pelatihan ?
( Bahan Kuliah Statistika 2 Merita Bernik, S.E.M.Si )
Jawab Manual:
Pegawai
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
Sebelum
3
4
2
5
2
3
5
2
3
5
3
4
3
3
5
Sesudah
1
2
3
3
2
1
4
1
5
3
1
2
4
1
3
Tanda perbedaan
+
+
+
0
+
+
+
+
+
+
+
+
173
Hipotesis ( uji 2 pihak ):
Ho: tidak adanya perbedaan kemampuan komputer sebelum dan setelah

adanya pelatihan.
Ha: adanya perbedaan kemampuan komputer sebelum dan setelah adanya

pelatihan.
Pengujian
n = 14,tanda + = 11, tanda - = 3
Nilai T = 11
Nilai tabel untuk n=14 dan p =0,05 berdasarkan tabel binomial maka diperoleh
nilai yang mendekati = 0,05 adalah y = 0,0287 t = 3
Kriteria
T t tabel atau T n-t tabel
maka
ditolak
t<T<nt
maka
tidak dapat ditolak
Ternyata
T < n - t ( 11 11 ) maka Ho ditolak
Kesimpulan
Jadi, dengan taraf signifikansi 5 %, tidak adanya perbedaan kemampuan
komputer sebelum dan setelah adanya pelatihan
B. WILCOXON SIGNED RANK TEST

Wilcoxon signed rank test merupakan test atau uji yang sangat berguna untuk ilmu
pengetahuan sosial, dengan data sosial (seperti : tingkah laku manusia, sosial,
antropologi, psikologi, dan lain lain)
Wilcoxon signed rank test pertama sekali diperkenalkan oleh Frank wilcoxon pada
tahun 1949 sebagai penyempurnaan dari uji tanda. Selain memperhatikan tanda
perbedaan Wilcoxon signed rank test juga memperhatikan besarnya beda dalam
menentukan apakah ada perbedaan nyata antara data pasangan yang diambil dari
sampel atau sampel yang berhubungan ( Pokok pokok materi statistika 2 : 304)
174
Langkah langkah pengujian :

Apabila pasangan data kurang dari 30 ( n 30)
Tentukan formulasi hipotesisnya, apakah uji 2 pihak atau 1 pihak
Untuk setiap pasangan tentukanlah selisihnya.
Rankinglah nilai selisih tersebut tanpa melihat tanda + atau -.
Berilah tanda pada setiap ranking (+ atau -) sesuai dengan tanda selisih yang
dihasilkan.
Tentukanlah T = jumlah yang terkecil dari kedua kelompok ranking yang

memiliki tanda yang sama.
Dengan menggunakan tabel uji wilcoxon dan dibantu dengan nilai dan n
hitunglah W
Tentukanlah n = banyaknya pasangan data yang memiliki selisih / tanpa tanda 0.
Pengujian jika n > 30, pengujian bisa menggunakan nilai Z, dengan menggunakan
tebel distribusi normal.
Untuk sampel yang besar n > 30. T = jumlah rangking +
N ( N 1)
T
4
T T
T
Z
N ( N 1)(2 N 1)
24
(Mathematical statistics with aplication, KM Ramachandran: 615)
Kriteria pengujian:
Kriteria Untuk n 30 :
Two-Tailed test
T+/T- terkecil W/2 (T tabel) Ho ditolak
T+/T- terkecil > W/2
Ho tidak dapat ditolak
Lower Tailed Test
T+/T- terkecil W Ho ditolak
T+/T- terkecil > W Ho tidak dapat ditolak
Upper Tailed Test
T+/T- terkecil W Ho ditolak
T+/T- terkecil > W Ho tidak dapat ditolak

175
Kriteria Untuk n > 30 :

Daerah penolakan Ho apabila :
z > z
Untuk Upper Tailed Test
z < - z
Untuk Lower Tailed Test
|z| > z/2
Untuk Two-Tailed test
Kesimpulan :
Butalah kesimpulan berdasarkan kepada
apakah hipotesa tersebut tidak dapat
ditolak atau dapat ditolak
Contoh Soal:
Pada suatu perusahaan pemerintah dilakukan penelitian untuk mengetahui pengaruh

ruangan yang diberi AC terhadap produktivitas kerja. Pengumpulan data terhadap
produktivitas kerja pegawai dilakukan pada waktu AC sebelum dipasang dan sesudah
dipasang. Data produktivitas kerja pegawai sebelum dipasang AC adalah X dan
sesudah dipasang adalah Y. jumlah pegawai yang dijadikan sampel adalah 10 orang.
Pegawai
100
105
98
94
76
78
90
98
87
90
89
85
77
86
92
87
78
80
10
82
83
Dengan = 5 %, hitunglah apakah ada perbedaan yang berarti bagi pegawai sebelum
dan sesudah pemasangan AC ? ( Bahan Kuliah Statistika 2 ; Ibu Merita Bernik )
176
Jawab :
Buatlah tabel seperti tertera di bawah ini kemudian lakukan perhitungan sesuai
dengan langlah langkah yang diberikan diatas
Pegawai
1
2
3
4
5
6
7
8
9
10
100
98
76
90
87
89
77
92
78
82
105
94
78
98
90
85
86
87
80
83
Jumlah
Beda
X-Y
-5
4
-2
-8
-3
4
-9
5
-2
-1
Tanda ranking
Ranking
+
7.5
5.5
5.5
2.5
9.0
4.0
5.5
5.5
10.0
7.5
7.5
2.5
1.0
T=18.5
7.5
2.5
9.0
4.0
10.0
2.5
1.0
36.5
T = 18,5 dan n = 10
Formulasi Hipotesisnya :
H0 = Ruangan ber-AC tidak mempunyai
perbedaab
terhadap produktifitas pegawai

H1
=Ruangan
ber-AC
mempunyai
perbedaan
terhadap produktifitas pegawai
Tarif nyata = 5 % dan n = 10 dengan melihat tabel t distribution atau tabel uji
wilcoxon maka kita mendapatkan W/2 = 9
Kriteria pengujian : T+/T- terkecil W/2 (T tabel) Ho ditolak
T+/T- terkecil > W/2
Ho tidak dapat ditolak
Kesimpulan : karena T = 18,5 dan W/2 = 9, T > T , maka H0 tidak dapat ditolak, Jadi
dengan taraf kepercayaan 95 % ruang kerja yang ber-AC tidak mempunyai pengaruh
yang berarti terhadap produktifitas pegawai
177
C. MC NEMAR
Digunakan untuk menguji hipotesis komparatif dua sampel yang berkorelasi bila
datanya nominal/diskrit. Rancangan penelitiannya biasanya berupa before after,
dengan pada umumnya menggunakan data yang ditabulasi dalam bentuk tabel
kontingensi 2 x 2 , Uji McNemar sangat cocok untuk membandingan 2 variabel
kategori yang dikodekan dengan 2 nilai (biner).
Langkah langkah pengujian :
Tentukan formulasi hipotesis

Bentuklah tabel kontingensi 2 x 2 berdasarkan kasus yang ada
Carilah nilai dari Mc. Nemar hitung atau
(
(
dengan menggunakan :
)
)
Tentukan nilai Mc.Nemar Tabel menggunakan Tabel Chi-Square dengan :

df = ( banyak kolom 1)x(banyak baris-1)
Siginifikansi level yang digunakan
Tentukan Kriteria
: Ho tidak dapat ditolak
: Ho ditolak
Buatlah Kesimpulan
Buatlah kesimpulan berdasarkan kepada
apakah hipotesa tersebut tidak
dapat ditolak atau dapat ditolak
Contoh Soal Mc.Nemar

Seorang manajer salon ingin meningkatkan penjualan jasa creambath. Diambil
sampel 200 pengunjung salon, kemudian bersama para pelayan salon melakukan
promosi dan menawarkan langsung kepada calon konsumen yang datang ke salon
tersebut. Diperoleh data konsumen yang ingin creambath sebelum promosi adalah 77
dan sisanya tidak creambath. Setelah dilakukan promosi, jumlah pengunjung
sebanyak 13 orang yang tadinya ingin creambath jadi tidak creambath dan 36
pengunjung yang tadinya tidak akan creambath menjadi creambath. Dapatkah pemilik
salon tersebut mengambil simpulan bahwa promosi creambath berpengaruh pada
penjualan jasa creambath?
178
Jawab:
1. Ho: P(Xi) = P(Yi) (Tidak ada perubahan keinginan konsumen untuk menggunakan
jasa creambath sebelum dan sesudah promosi)
Ha: P(Xi) P(Yi) (Ada perubahan keinginan konsumen untuk menggunakan jasa
creambath sebelum dan sesudah promosi)
Sesudah
Tidak
Membeli
Jumlah
87
36
123
Membeli
13
64
77
Jumlah
100
100
200
Sebelum
Membeli
Tidak
Membeli
(
(
(
)
)
)(
(
(
)
)
)
)(
= 5%
lihat tabel chi-square
Kriteria:
: Ho ditolak
Ternyata
atau
> 3,84146 Ho ditolak
Jadi, dengan tingkat signifikansi 5% manajer salon tersebut dapat mengambil

kesimpulan bahwa promosi jasa creambath berpengaruh pada permintaan jasa
creambath karena terdapat perubahan keinginan konsumen sebelum dan sesudah
promosi dilakukan.
D. PROSEDUR NON PARAMETRIK 1 DENGAN APLIKASI

Sebenarnya banyak sekali aplikasi pada komputer yang dapat kita gunakan untuk
menguji Sign test, wilcoxon rank test, dan Mc Nemar dengan komputer diantaranya
179
seperti SPSS ( Statistical Program for Social Science ), Minitab, E-Views, bahkan kita
juga bisa menggunakan Microsoft Excel untuk bagian bagian tertentu yang tentu kita
sudah familiar dengan itu, karena program SPSS lebih mudah untuk digunakan maka
kita akan menggunakan program ini dalam penyelesaian persoalan Nonparametrik ini
Langkah langkah :
Pada Komputer atau Laptop yang telah di instal program SPSS, klik Program
SPSS tersebut.
Pada Lembar Variable View isilah kotak yang tesedia yang nantinya akan
menjadi label kolom pada lembar Data view.
Masukkan data pada Data view
Kemudian Klik Analyze Non Parametric Test 2 Related samples
Pindahkan isi kotak sebelah kiri ke kotak test pair(s) list dengan mengklik
tombol panah yang berada di tengah tengah
Jika ingin melakukan test sign test maka beri tanda pada sign test yang
berada di kotak test type, begitu juga jika ingin melakuakn wilcoxon rank test
dan Mc Nemar test. Lebih lanjut silahkan lihat contoh dibawah ini,
(i) Contoh pada kasus Sign test:

Universitas Padjadjaran setiap tahunnya menerima Mahasiswa baru melalui jalur
jalur khusus misalnya SMUP dan mahasiswa undangan. Guna mengetahui kualitas
mahasiswa yang telah diterima melalui jalur tersebut, dilakukan test matrikulasi dan
pihak pelaksana melakukan dua kali ujian yaitu sebelum program matrikulasi
dilakukan dan setelahnya untuk mengetahui keefektifan program tersebut. Dan untuk
itu diambil sampel sebanyak 15 orang dari IPA untuk mata ujian Statistika, dan
diperoleh data ( = 5 %) :
Peserta
10 11 12 13 14 15
Sebelum 67 54 67 55 87 60 70 45 54 66 73 88 80 65 75
Sesudah
66 75 80 60 78 89 65 70 68 75 74 85 89 90 75
180
Analisanya dalam SPSS adalah sebagai berikut ;
Buka Software SPSS
Pada Variable View ketikkan Sebelum pada Kolom nama baris 1 dan sesudah
pada kolom nama baris ke 2
Kemudian pada Data view masukkan data sebagai berikut
Klik Analyze Nonparametric Test 2 Relates samples

Aktifan Wilcoxon pada test type jika ingin melakukan wilcoxon rank test dan
masukkan variabel yang akan di uji sebagaimana tampak pada kotak dialog :
181
Kemudian Klik OK maka akan muncul outputnya :
Dari output tersebut diperoleh:
Negative Ranks atau selisih antara variabel sebelum dan sesudah yang negatif
sebanyak 4 observasi atau dengan kata lain terdapat 4 observasi pada variabel sesudah
yang kurang dari observasi pada variabel sebelum. Dan rata-rata rangkingnya = 4
dengan jumlah rangking negatif = 16
Positive Ranks atau selisih variabel sebelum dan sesudah yang positif sebanyak 10
observasi atau denga kata lain terdapat 10 observasi pada variabel sesudah yang lebih
dari observasi pada variabel sebelum dengan ratarata rangkingnya = 8,90 dan jumlah
rangking positif = 89.
Ties atau tidak ada perbedaan antara variabel sebelim dan sesudah sebanyak 1
observasi.Oleh karena jumah rangking negatif lebih kecil dibanding rangking positif
maka nilai T yang digunakan adalah jumlah rangking yang negatif.
Selanjutnya dilakukan uji hipotesis:

H0 :
P = 0 (tidak ada perbedaan nilai tes sebelum matrikulasi dan sesudah

matrikulasi)
H1 : P 0 (ada perbedaan diantara nilai tes sebelum matrikulasi dan

sesudah matrikulasi )
Tingkat signifikansi a =0,05
182
Statistik uji
Untuk nilai statistik uji, tinjau tabel output berikut:
Dari tabel diperoleh nilai asymp sig = 0,022
Kriteria :
H0 ditolak jika nilai asymp sig < nilai
Ho tidak dapat ditolak jika nilai asymp sign
Kesimpulan
Oleh karena asymp sig < , (0,022 < 0,05 ) maka Ho ditolak yang berarti bahwa
tidak ada perbedaan nilai Statistika calon mahasiswa sebelum dan sesudah mengikuti
program matrikulasi.
(ii)
SPSS untuk Kasus Mc-Nemar:

Seorang manajer salon ingin meningkatkan penjualan jasa creambath. Untuk
itu, dia akan melakukan sebuah penelitian untuk mengetahui perilaku
konsumen. Diambil sampel sebanyak 200 orang pengunjung salon, kemudian
bersama-sama para pelayan salon melakukan promosi dan menawarkan secara
langsung kepada calon konsumen yang datang ke salon tersebut. Diperoleh data
konsumen yang ingin creambath sebelum promosi adalah 77 dan sisanya tidak
creambath. Setelah dilakukan promosi, jumlah pengunjung sebanyak 13 orang
yang tadinya ingin creambath jadi tidak creambath dan 36 pengunjung yang
tadinya tidak akan creambath menjadi creambath. Dapatkah pemilik salon
tersebut mengambil simpulan bahwa promosi creambath berpengaruh pada
penjualan jasa creambath?
183
Buka software SPSS

Pada lembar Variable View ketik sebelum pada baris 1 dan sesudah pada baris 2,
untuk measure: pilih nominal
Masukkan data di Data View.
Klik Analyze
Non Parametric Tests
2 Related Samples, pada menu
maka kotak dialog Two Related Samples Tests akan muncul.
Blok sebelum dan sesudah sehingga aktif dan pindahkan ke kotak Test Pair(s)
List dengan klik tombol panah sehingga muncul sebelum-sesudah pada kotak
tersebut.
Pada kotak Test Type, pilih McNemar
Klik Ok
Maka diperoleh output sebagai berikut :

Sebelum & Sesudah
Test Statisticsb
Sesudah
Sebelum &
Sebelum
Sesudah
87
36
200
13
64
Chi-Squarea
9.878
Asymp. Sig.
.002
a. Continuity Corrected
b. McNemar Test
Hipotesis
Ho: P(Xi) = P(Yi) (Tidak ada perubahan keinginan konsumen untuk menggunakan
jasa creambath sebelum dan sesudah promosi)
Ha: P(Xi) P(Yi) (Ada perubahan keinginan konsumen untuk menggunakan jasa
creambath sebelum dan sesudah promosi)
184
Exact Sig. (2-tailed) dan Tingkat Signifikansi

Exact Sig. (2-tailed) = 0,002
=5%
Kriteria
Exact Sig. (2-tailed) : Ho tidak dapat ditolak
Exact Sig. (2-tailed) < : Ho ditolak
Ternyata
Exact Sig. (2-tailed) < atau 0,002 < 0,05 Ho ditolak
Kesimpulan
Jadi, dengan tingkat kepercayaan 95% manager salon tersebut dapat mengambil
kesimpulan bahwa promosi jasa creambath berpengaruh pada permintaan jasa
creambath karena terdapat perubahan keinginan konsumen sebelum dan sesudah
promosi dilakukan.
185
SOAL NONPARAMETRIK I
1. Faculty of Economics do the training of a new employees for one full month to
provide increased capacity of the workforce, at the beginning and end of training, new
employees be given sort test to evaluate the training, The following are presented the
results of their training evaluation:
No
1
2
3
4
5
6
7
8
9
10
11
12
13
Name
Intan
Puspa
Taufik
Rudolf
Purba
Ahmad
Hamdi
Yessica
Sardina
Alya
Karina
Nainggolan
Deasy
Evaluation
Decrease
Increase
Decrease
Increase
Increase
Increase
Increase
Decrease
Increase
No change
Increase
Decrease
No change
From the data, can we conclude that the training program enhanced capabilities the
new employees ? (significance level of 5%)
A. MANUAL SOLUTION
No Name
1
Intan
2
Puspa
3
Taufik
4
Rudolf
5
Purba
6
Ahmad
7
Hamdi
8
Yessica
9
Sardina
10 Alya
11 Karina
12 Nainggolan
13 Deasy
Total : 0 = 2; + = 7; - = 4
Evaluation
Decrease
Increase
Decrease
Increase
Increase
Increase
Increase
Decrease
Increase
No change
Increase
Decrease
No change
Sign
+
+
+
+
+
+
0
+
0
Hypotesis :
Ho : P (+) P (-) : There is no increase in workfores capacity
Ha : P (+) > P (-) : There is an increase in workfores capacity
186
Value T hitung = 7 sedangkan nilai ttabel : 2

Because T < n-t ( 7 < 9 ) so Ho cannot be rejected.
So, using 5% significance level, we can conclude that there is no increase in
workfores capacity
B. SPSS SOLUTION
Frequencies
N
sesudah -
Negative
sebelum
Differences
Positive
Differences
c
Total
13
Ties
a. sesudah < sebelum
KRITERIA
Exact sig./2 < Ho rejected
Exact sig./2 Ho can be rejected
b. sesudah > sebelum
0,274,5 > 0,05 Ho can be rejected
c. sesudah = sebelum
Conclusion :
So, using 5% significance level, we can conclude that there is no increase in
workfores capacity
2. STA Corp. ingin mengetahui apakah ada perbedaan pemberian program reward and
punishment terhadap loyalitas karyawan dalam bekerja di perusahaan. untuk itu
diambil skor 12 karyawan yang dihimpun dari para manager pada saat sebelum dan
sesudah program reward and punishment dilakukan.
Employee
10
11
12
Before
901
900
600
809
605
800
905
708
850
802
885
709
900
888
605
800
605
804
902
700
850
800
889
704
Program
After
Program
Dengan menggunakan tingkat kepercayaan 5 %, apakah ada perbedaan loyalitas

karyawan di perusahaan antara sesudah dan sebelum dilaksanakannya program reward
and punishment tersebut. ( Wilcoxon ranked sign test)
187
A. JAWAB MANUAL:
Karyawan Sebelum Sesudah Beda Beda Ranking Ranking Rangking
Skor Skor
+
901
900
-1
1
1
1
1
900
898
-2
2
2,5
2
2,5
600
605
5
5
7,5
3
7,5
809
800
-9
9
10
4
10
605
605
5
0
0
800
804
4
4
5,5
6
5,5
905
902
-3
3
4
7
4
708
700
-8
8
9
8
9
850
850
0
0
9
802
800
-2
2
2,5
10
2,5
885
889
4
4
5,5
11
5,5
709
704
-5
5
7,5
12
7,5
JUMLAH
36,5
18,5
Hipotesis:
= Tidak ada perbedaan loyalitas karyawan di perusahaan antara

sesudah dan sebelum dilaksanakannya program reward and
punishment
= ada perbedaan loyalitas karyawan di perusahaan antara sesudah
dan sebelum dilaksanakannya program reward and punishment
T hitung dan T ( T tabel )

T-hitung ( jumlah rangking terkecil ) = 18,5
W atau T tabel :
n ( jumlah sampel tanpa tanda 0 ) = 10, dengan = 5 % , dan dengan melihat
tabel uji wilcoxon maka didapat W/2 ( T tabel ) = 9
Kriteria
T hitung > W/2 ( T tabel )
tidak dapat ditolak
T hitung W/2 ( T tabel )
ditolak
Kesimpulan :
Karena T hitung > T/2, 18,5 > 9, maka
tidak dapat ditolak
Jadi, dengan taraf signifikansi 5 % ternyata tidak terdapat perbedaan loyalitas

karyawan di perusahaan antara sesudah dan sebelum dilaksanakannya program
reward and punishment.
188
B. JAWABAN SPSS
Test Statistics
KRITERIA :
Sesudah Sebelum
Z
-.919
Asymp. Sig. (2-tailed)
Asymp sig. (2-tailed) < Ho ditolak

a
.358
a. Based on positive ranks.
Asymp sig. (2-tailed) Ho tidak dapat ditolak

0,358 > 0,05 MAKA Ho tidak dapat ditolak
b. Wilcoxon Signed Ranks Test
Jadi, dengan taraf signifikansi 5 % ternyata tidak terdapat perbedaan loyalitas

karyawan di perusahaan antara sesudah dan sebelum dilaksanakannya program
reward and punishment
3. Pada pemilihan president director dari STA Corp. Terdapat 2 calon, yaitu A dan H.
Sebelum kandidat memaparkan program kerja mereka, yang memilih A sebanyak 10
orang dan yang memilih H sebanyak 8 orang. Setelah pemaparan program kerja
kadidat, ternyata 5 orang sebelumnya memilih A berubah menjadi mimilih H, dan
yang tadinya memilih H berubah menjadi A sebanyak 6 orang, dengan signifikansi
5%, apakah ada perbedaan respon sebelum dan sesudah diberikannya pemaparan
program kerja yang akan dilaksanakan oleh calon tersebut ?
A. JAWAB MANUAL:
Sebelum
Pemaparan
Program
Setelah Pemaparan Program

Calon
A
H
5
5
A
6
2
H
11
7
Total
Total
10
8
18
Hipotesis :
Ho : tidak ada perbedaan respon sebelum dan sesudah diberikannya pemaparan
program kerja
Ha : ada perbedaan respon sebelum dan sesudah diberikannya pemaparan program
kerja
189
(
(
)
)
)(
(
(
)
)
)
)(
= 5%
Kriteria
: Ho ditolak
Kesimpulan : Karena
; 0,009090909 < 3,84, maka Ho tidak dapat ditolah
Jadi, dengan tingkat signifikansi 5 %, tidak ada perbedaan respon sebelum dan
sesudah diberikannya pemaparan program kerja
B. JAWAB SPSS
Test Statistics
KRITERIA :
sebelum &
sesudah
N
Exact Sig. (2-tailed)
18
1.000
1,000 > 0,05 Maka Ho tidak dapat ditolak
a. Binomial distribution used.

b. McNemar Test
Jadi, dengan tingkat signifikansi 5 %, tidak ada perbedaan respon sebelum dan
sesudah diberikannya pemaparan program kerja
4. STA Corp has 5 subsidiary companies engaged in telecommunications, mining,

agriculture, finance, and transportation. At the AGM, each subsidiary is expected to
provide benefits Rp.50.000.000,00/years. Test whether the expectations of
shareholders exceeds the real profit will be true? (use 5% significance level).
Subsidiary Companies
Real Profit (*in
million)
Telecommunications
41
Mining
84
Agliculture
28
Finance
52
Transportation
59
190
A. JAWAB MANUAL:
Subsidiary
Companies
Telecommunications
Mining
Agriculture
Finance
Transportation
Real Profit
(*in million)
41
84
28
52
59
Expected
[D]
Rank
50
50
50
50
50
-9
34
-22
2
9
9
34
22
2
9
2,5
5
4
1
2,5
Ket : D = differences
Hypotesis:
Rank
-
Rank
+
2,5
5
4
6,5
1
2,5
8,5
= shareholders expectation not exceeds real profit

= shareholders expectation exceeds real profit
(right tailed test)

T hitung dan T ( T tabel )
T-hitung ( jumlah rangking terkecil ) = 6,5
W atau T tabel :
n ( number of sample without 0 ) = 5, with = 5 % , using tabel wilcoxon ,W
( T tabel ) = 1
Kriteria
T hitung W
rejected
T hitung > W
cannot be rejected
Kesimpulan :
Karena T hitung > W, 6,5 > 1, maka
cannot be rejected
So, using 5% significance level, shareholders expectation is not exceeds real profit
B. JAWABAN SPSS
Test Statistics
KRITERIA :
expected -
Asymp sig. (2-tailed)/2 < Ho rejected
real_profit
Z
-.271
.786
Asymp sig. (2-tailed)/2 Ho can be rejected


191
So, using 5% significance level, shareholders expectation is not exceeds real profit
5. Fly Emirates ingin mengetahui perbedaan sebelum dan sesudah pemberian

sponsorship kepada Real Madrid dalam rangka meningkatkan profit perusahaan.
untuk itu diambil 20 orang sebagai sampel dimana, sebelum sponsor diberikan
terdapat 5 orang yang membeli produk tersebut, sedangkan sisanya tidak. Namun
setelah sponsor diberikan, ternyata ada 8 orang yang tidak membeli jadi membeli dan
ada 3 orang yang membeli menjadi tidak membeli. Dengan taraf nyata 5%, dapatkah
disimpulkan bahwa setelah pemberian sponsor tersebut dapat mempengaruhi profit
perusahaan atau tidak?
A. JAWAB MANUAL:
After Sponsorship
Before
Sponsorship
Total
Buy
Not buy
Buy
Not
buy
15
10
10
20
Total
Hipotesis :
Ho : Pemberian sponsor tersebut tidak dapat mempengaruhi profit perusahaan
Ha : Pemberian sponsor tersebut dapat mempengaruhi profit perusahaan
(
(
)
)
)(
(
(
)
)
)
)(
= 5%
Kriteria
: Ho ditolak
Kesimpulan : Karena
; 2,27272 < 3,84, maka Ho tidak dapat ditolah
Jadi, dengan tingkat signifikansi 5 %, Pemberian sponsor tersebut tidak dapat

mempengaruhi profit perusahaan.
192
B. JAWAB SPSS:
b
KRITERIA :
Test Statistics
sebelum &
sesudah
N
20
Exact Sig. (2-tailed)
.227
a. Binomial distribution used.

b. McNemar Test
Jadi, dengan tingkat signifikansi 5 %, Pemberian sponsor tersebut tidak dapat

mempengaruhi profit perusahaan
6. Statistics Laboratory conducts research to get offer improved campus facilities
difference, before and after the application of UKT by the University, using a
representative sample of 15 in each faculty, the following sample response to
increased facilities
Sample
Before
After
Sample
K
L
M
N
2
4
3
5
Before
5
6
4
4
After
5 = very satisified,... ; 1 = very unsatisfied
O
5
5
Test the null hypothesis that there is no difference facilities before and after the
imposition of UKT by the university? ( = 5%)
A. JAWAB MANUAL:
Sampel
Sebelum
Sesudah
Tanda
A
2
5
B
3
4
C
3
4
D
3
3
E
5
6
F
2
1
G
3
3
H
3
2
I
2
7
J
3
5
193
K
L
M
N
Sampel
2
4
3
5
Sebelum
5
6
4
4
Sesudah
Tanda
+
+
+
Jumlah tanda + =9 dan tanda = 3
Hipotesis:
O
5
5
0
there is no difference in facilities before and after UKT
there is a difference in facilities before and after UKT
Pengujian
T hitung = 9
T tabel
= Gunakan Tabel Binomial untuk mencari nilai t
Dengan n =12, p =0,5 mendekati , y =0,0193 t = 2
i.
Kriteria
t < T < n t Ho tidak dapat ditolak
T t atau T n t Ho ditolak
ii.
Ternyata
t < T < n t atau 2 < 9 < 7 maka Ho tidak dapat ditolak
B. JAWABAN SPSPS
Frequencies
N
sesudah -
Negative
sebelum
Differences
Positive
Differences
c
Total
15
Ties
a. sesudah < sebelum
KRITERIA
Exact sig. < maka Ho ditolak
Exact sig. maka Ho tidak dapat ditolak
b. sesudah > sebelum

c. sesudah = sebelum
194
iii.
Kesimpulan
Jadi dengan taraf signifikansi 5 %, tidak ada perbedaan fasilitas sebelum dan sesudah
pemberlakukan UKT oleh universitas.
7. The following data is the monthly rents ( in dollars ) paid by a random sampe of 25
household selected from a large city.
425
960
1450 655
1025 750
670
975
660
880
1250
780
870
930
550
575
545
840
765
950
1080
425
900
525
1800
Using the wilcoxon signed rank test, test the hypotheses that the median rent in this
city is $ 750 against the alternative that it is higher, with = 0,05 ?
(KM Ramachandran .Mathematical statistics with aplication: 615 )
1.
No
MANUAL SOLUTION:
Median
Monthly
D
rents
Rank
Rank
+
750
425
-325
325
19,5
750
960
210
210
15
15
750
1450
700
700
23
23
750
655
-95
95
750
1025
275
275
18
18
750
750
750
670
-80
80
750
975
225
225
16,5
750
660
-90
90
4,5
10
750
880
130
130
11
750
1250
500
500
22
22
12
750
780
30
30
13
750
870
120
120
14
750
930
180
180
11
11
15
750
550
-200
200
25
Rangk
19,5
16,5
4,5
12,5
195
16
750
575
-175
175
10
10
17
750
425
-325
325
19,5
19,5
18
750
900
150
150
19
750
525
-225
225
16,5
20
750
1800
1050
1050
24
21
750
545
-205
205
14
22
750
840
90
90
4,5
4,5
23
750
765
15
15
24
750
950
200
200
12,5
12,5
25
750
1080
330
330
21
21
9
16,5
24
14
Hipotesis:
194,5
105,5
= the median rent in this city = $ 750

= the median rent in this city > $ 750
T calc and T ( T tabel )

T-calc ( total of small rank ) = 105,5
W atau T table :
n (sample without 0 ) = 24, with = 5 % , and we found W ( T table ) = 92
Criteria
T hitung W
rejected
T hitung > W
can be rejected
Kesimpulan :
Karena T hitung > W, 105,5 > 9, maka
can be rejected
So, with significance level 5 % , we can conclude the median rent in this city = $ 750
196
2.
SPSS SOLUTION:
Test Statistics
KRITERIA :
MEDIAN RENTS
Z
Asymp sig. (2-tailed) < Ho rejected

a
-1.272
Asymp sig. (2-tailed) Ho can be rejected
.203
So, with significance level 5 % , we can conclude the median rent in this city = $ 750
197
NON PARAMETRIK 2
Data pada penelitian kuantitatif dianalisis dengan cara tertentu yaitu menggunakan
statistik. Statistik tersebut dibagi menjadi dua kelompok, yaitu statistik deskriptif dan statistik
inferensial. Statistik deskriptif adalah jenis statistik yang menganalisis data populasi dengan
cara mendeskripsikan atau menggambarkan data yang telah terkumpul, dan tanpa membuat
kesimpulan yang berlaku umum. Sedangkan statistik inferensial adalah jenis statistik yang
menganalisis data sampel, dan membuat generalisasi (diberlakukan secara umum) pada
populasi.
Statistik inferensial kemudian dibedakan menjadi statistik parametrik dan statistik
non-parametrik. Statistik parametrik mensyaratkan banyak asumsi, yaitu asumsi tentang
kenormalan data, homogenitas data, dan datanya berupa interval atau rasio. Sedangkan
statistik non-parametrik tidak memerlukan asumsi-asumsi di atas terpenuhi.
Statistik non-parametrik dipakai apabila peneliti tidak mengetahui karakteristik
kelompok item yang menjadi sumber sampelnya. Metode ini dapat diterapkan terhadap data
yang diukur dengan skala ordinal dan dalam kasus tertentu, dengan skala nominal. Pengujian
non-parametrik bermanfaat untuk digunakan apabila sampelnya kecil dan lebih mudah
dihitung daripada metode parametrik.
Metode ini digunakan untuk situasi berikut:
1.
Apabila ukuran sampel demikian kecil sehingga distribusi statistik pengambilan sampel
tidak mendekati normal, dan apabila tidak ada asumsi yang dapat dibuat tentang bentuk
distribusi populasi yang menjadi sumber sampel.
2.
Apabila digunakan data peringkat atau ordinal. (Data ordinal hanya memberikan
informasi tentang apakah suatu item lebih tinggi, lebih rendah, atau sama dengan item
lainnya; data ini sama sekali tidak menyatakan ukuran perbedaan)
3.
Apabila digunakan data nominal. (Data nominal adalah data dimana sebutan seperti lakilaki atau perempuan diberikan kepada item dan tidak ada implikasi dalam sebutan
tersebut)
198
SPEARMAN
Koefisien korelasi peringkat sperman, rs, adalah ukuran erat-tidaknya kaitan antara dua
variabel ordinal; artinya rs merupakan ukuran atas kadar/derajat hubungan antara data yang
telah disusun menurut peringkat (ranked data) (Supranto, Johanes; 2001). Koefisien korelasi
(r) dihitung dengan menggunakan nilai aktual dari X dan Y, sedangkan koefisien Spearman
yang akan kita bicarakan berikut ini menggunakan nilai peringkat untuk X dan Y, dan bukan
nilai aktual.
Langkah Penghitungan Koefisien Korelasi Spearman (rs)

(1) Menyusun peringkat data
(2) Menghitung perbedaan peringkat
(3) Menyusun hipotesis
(4) Menghitung rs
(5) Menghitung Wp dengan menggunakan tabel Quantiles of Spearmans
(6) Bandingkan nilai rs dan Wp dengan kriteria
(7) Menarik kesimpulan
Hipotesis Spearman
Uji dua pihak
Ho:
Tidak ada korelasi antara variabel X dengan variabel Y (independen)
Ha:
Ada korelasi antara variabel X dengan variabel Y
Uji pihak kiri

Ho:
Tidak ada korelasi antara variabel X dan variabel Y (independen)
Ha:
Ada kecendrungan korelasi negatif antara variabel X dan variabel Y
Uji pihak kanan

Ho:
Tidak ada korelasi antara variabel X dan variabel Y (independen)
Ha:
Ada kecendrungan korelasi positif antara nilai variabel X dan Y
199
Menghitung rs
(1) Jika tidak ada angka yang sama
rs = 1 - (
di = beda urutan dalam satu pasangan data

n= banyaknya pasangan data
(2) Jika ada angka yang sama

(
rs =
(
) ( )
) ) (
)
( )
) )
R(Xi) = Ranking grup 1

R(Yi) = Ranking grup 2
n = banyaknya pasangan data
Kriteria
Uji dua pihak : |rs| W 1- /2 : Ho tidak dapat ditolak
|rs|> W 1- /2 : Ho ditolak
Uji pihak kiri : rs - W1- : Ho tidak dapat ditolak
rs < - W1- : Ho ditolak
Uji pihak kanan : rs W1- : Ho tidak dapat ditolak
rs > W1- : Ho ditolak
200
Contoh Soal :
STA Corporation berencana untuk membuka cabang baru di Surabaya, untuk itu Departemen
Marketing melakukan pengujian pengaruh antara biaya iklan suatu jasa dan produk yang
ditawarkan perusahaan dengan konsumen yang membeli jasa atau produk tersebut.
Biaya Iklan
3,5
2,9
3,9
1,25
2,75
2,8
2,6
Jumlah Konsumen
280 259
320
150
175
250
285 260 290 275
Saudara diminta untuk membantu Departemen marketing untuk menemukan kesimpulan

pengujian, gunakan tingkat signifikansi 5% !
Jawab :
(1)
Tentukan Hipotesis
H0 : tidak ada hubungan antara biaya iklan dan jumlah konsumen

Ha: ada hubungan antara biaya iklan dan jumlah konsumen
X
R (X)
R (Y)
Di
Di2
3,5
280
2,9
259
3,9
320
10
-1
1,25
150
175
2,75
250
285
10
260
2,8
290
-4
16
2,6
275
-3
Jumlah
40
(2) Menghitung rs
rs = 1 - (
201
(3) Menghitung Wp dengan menggunakan tabel Quantiles of Spearmans

n = 10
Wp = W1-/2 = W1-0,05/2 = W0,975 = 0,6364
(4) Bandingkan nilai rs dan Wp dengan kriteria
|rs| W 1- /2 : Ho tidak dapat ditolak
Ternyata 0,757575 > 0,6364 atau |rs| > W 1- /2 maka H0 ditolak
(5) Kesimpulan
Dengan tingkat signifikansi 5% maka ada hubungan antara biaya iklan dan jumlah konsumen
Menggunakan SPSS
(1) Buka program SPSS
(2) Klik Variable View, kemudian isi variabel-variabel yang telah ditentukan
(3) Mengolah data:
Dari menu SPSS, pilih menu Analyze, pilih submenu Correlate kemudian Bivariate
Masukan variabel yang akan dikorelasi ke dalamTest variables, kemudian klik
Spearman
Pada kolom Test of Significance pilih Two-tailed
Klik Flag Significant Correlation
OK
Correlations
Biaya
Spearman's
Biaya
Konsumen
Correlation Coefficient 1.000
.758*
Sig. (2-tailed)
.011
10
10
rho
Konsumen
Correlation Coefficient .758*
1.000
Sig. (2-tailed)
.011
10
10
*. Correlation is significant at the 0.05 level (2-tailed).
202
Sig H0 tidak dapat ditolak

Sig < H0 ditolak
Ternyata 0,011 < 0,05 atau Sig < maka Ho ditolak
Kesimpulan : Dengan tingkat signifikansi 5% ada hubungan antara biaya iklan dan jumlah
konsumen
Kriteria :
MANN WHITNEY
Menguji apakah dua kelompok data yang independen berasal dari populasi yang sama atau
tidak. Uji Mann-Whitney mengasumsikan bahwa sampel yang berasal dari populasi adalah
acak. Pada uji Mann-Whitney sampel bersifat independen (berdiri sendiri). Skala pengukuran
yang digunakan adalah (minimal) ordinal.
Langkah Perhitungan Mann Whitney
(1) Menyusun hipotesis
(2) Menyusun peringkat data tanpa memperhatikan kategori sample (gabungan)
(3) Menjumlahkan peringkat di setiap kategori
sample yang telah di gabungkan
(4) Hitung T statistic.
(5) Tentukan nilai table (W)
(6) Bandingkan nilai T statistic dan nilai table dengan kriteria
(7) Menarik kesimpulan
Menyusun Hipotesis dan Kriteria
Hipotesis :
Uji Dua Pihak
Uji Pihak Kiri
Uji Pihak Kanan
Ho : P (X) = P (Y)
Ho : P (X) = P (Y)
Ho : P (X) = P (Y)
Ha : P (X) P (Y)
Ha : P (X) < P (Y)
Ha : P (X) > P (Y)
Kriteria :
Ho Tidak Dapat
Ditolak
Ho Ditolak
Uji Dua Pihak
Uji Pihak Kiri
Uji Pihak Kanan
W1-/2 T W /2
T W
T W1-
T < W /2
T > W1-/2
T < W
T > W1-
Keterangan : W1- = n(N+1)- W

W1-/2 = n(N+1)- W/2
203
Menghitung T Statistic
Jika tidak ada peringkat yang sama atau hanya sedikit yang sama peringkatnya maka statistik
ujinya adalah :
dimana
( ):
Jika banyak peringkatnya yang seri maka statistic ujinya :
Contoh Soal :
A study to examine whether the assistance is able to improve student test scores. For it's
taken nine students selected as samples.
Samples
Participated
Samples
Assistance
Not Part of
Assistance
80
100
90
50
70
39
49
40
60
Test with a significant level 5%. Are the students who participated assistance is higher than
that is not part of assistance?
204
Jawab :
(1) Menyusun Hipotesis

Ho : P (X) = P (Y) (score of the students who participated assistance is same as the
student who is not part of assistance)
Ha : P (X) > P (Y) (score of the students who participated assistance is higher than
that is not part of assistance)
Score
Rank
39
40
49
50
60
70
80
90
100
(2) Menghitung T Statistic

S = R(X) = 29
T = 29 - 5 (5+1)
2
T = 14
(3) Menentukan Nilai Tabel
Lihat tabel:
W (n=5, m=4 = 0,05 )( tabel mann whitney )
= 18
W1- = n(N+1)- W
= 5(9 +1) - 18 = 32
205
(4) Bandingkan nilai T statistic dan nilai table dengan kriteria

Kriteria T W1- Ho tidak dapat ditolak
T > W1- Ho ditolak
Ternyata, 14 < 32 atau T W1- maka Ho tidak dapat ditolak
(5) Menarik Kesimpulan
With a significant level 5%, we can conclude that score of the students who
participated assistance is same as the student who is not part of assistance.
Menggunakan SPSS
Masuk ke SPSS
Masuk ke variable view, measure Ordinal
Masukkan data ke dalam data view (gabungkan sample 1 & sample 2 dalam 1 kolom)
Kolom 1 = SCORE, kolom 2 = GROUP ( isikan 0 untuk sample Participated

Assistance & 1 untuk sample Not Part of Assistance)
Masuk ke Analyze , klik Nonparametric Test
Klik 2 Independent sample, masukkan SCORE di Test Variable List dan GROUP di
grouping Variable
Klik Define Group, masukkan grup 1 = 0, grup 2 = 1, continue
Checklist Mann whitney
Ranks
GROUP
SCORE
Mean Rank Sumof Ranks
5.80
29.00
4.00
16.00
Total
Kriteria :
Exact Sig (1-tailed) , Ho tidak dapat ditolak
Exact Sig (1-tailed) < , Ho ditolak
Asymp Sig (2-tailed) , Ho tidak dapat ditolak
Asymp Sig (2-tailed) < , Ho ditolak
206
Test Statisticsb
SCORE
Mann-Whitney U
6.000
Wilcoxon W
16.000
-.980
.327
Exact Sig. [2*(1-tailed Sig.)]
.413a
a. Not corrected for ties.

b. Grouping Variable: GROUP
Ternyata :
Exact Sig (1-tailed) < , atau 0.413 > 0,05 maka Ho tidak dapat ditolak
Asymp Sig (2-tailed) > atau 0.327 > 0,05 maka Ho tidak dapat ditolak
Kesimpulan :
With 5% significant level, we can conclude that score of the students who participated
assistance is same as the student who is not part of assistance
207
SOAL NON PARAMETRIK 2
1. Sebuah perusahaan yang bergerak dibidang kecantikan yaitu Beauty Skin Care Company,
ingin mengetahui apakah terdapat hubungan yang erat antara harga dari produk yang
diproduksi dengan permintaan konsumen atas produk kecantikan yang diproduksinya.
Untuk itu diambil sampel 20 konsumen untuk diobservasi. Berikut ini adalah data dari
sampel yang diobservasi.
Konsumen Harga Permintaan
1
28
37
2
37
35
3
31
33
4
42
43
5
38
49
6
35
48
7
29
30
8
30
36
9
32
39
10
43
40
11
36
41
12
33
50
13
44
55
14
50
58
15
34
42
16
39
44
17
45
46
18
46
51
19
55
56
20
53
29
Dari data diatas hitunglah spearman rank coefficient of correlation dan apakah terdapat
hubungan antara kedua variabel tersebut. Gunakan taraf nyata 5% !
Konsumen Harga (Xi)
1
28
2
37
3
31
4
42
5
38
6
35
7
29
8
30
9
32
10
43
11
36
12
33
13
44
Permintaan ( Yi)
37
35
33
43
49
48
30
36
39
40
41
50
55
R Xi
1
10
4
13
11
8
2
3
5
14
9
6
15
R Yi
6
4
3
11
15
14
2
5
7
8
9
16
18
di
-5
6
1
2
-4
-6
0
-2
-2
6
0
-10
-3
di2
25
36
1
4
16
26
0
4
4
36
0
100
9
208
14
15
16
17
18
19
20
50
34
39
45
46
55
53
58
42
44
46
51
56
29
18
7
12
16
17
20
19
20
10
12
13
17
19
1
-2
-3
0
3
0
1
18
Total
4
9
0
9
0
1
324
618
Ho : tidak terdapat hubungan antara harga produk dan permintaan konsumen

Ha : terdapat hubungan antara harga produk dan permintaan konsumen
rs = 1 - (
n = 20
Wp = W1-/2 = W1-0,05/2 = W0,975 = 0,4451
Ternyata 0,535338 > 0,4451 atau |rs| > W 1- /2 maka H0 ditolak
Dengan tingkat signifikansi 5% maka ada hubungan antara harga produk dan permintaan
konsumen.
2. Berikut ini adalah data mengenai pendapatan dari pegawai di PT Telephone Indonesia
yang merupakan lulusan Universitas Dalam Negeri dan Luar Negeri.
Univ. DN
85
78
83
80
74
65
88
79
69
71
Univ. LN
79
68
85
82
80
75
81
64
65
Dengan menggunakan taraf nyata 5%,tentukanlah apakah terdapat perbedaan pendapatan

yang signifikan antara pegawai yang merupakan lulusan Universitas Dalam Negeri dan Luar
Negeri !
209
Ho : Tidak terdapat perbedaan pendapatan antara pegawai yang merupakan lulusan

Universitas Dalam Negeri dan Luar Negeri
Ha : Terdapat perbedaan pendapatan antara pegawai yang merupakan lulusan Universitas
Dalam Negeri dan Luar Negeri
Univ. DN
85
78
83
80
74
65
88
79
69
71
N1 = 10
Ranking
17.5
9
16
12.5
7
2.5
19
10.5
5
6
R1 = 105
Univ. LN
79
68
85
82
80
75
81
64
65
Ranking
10.5
4
17.5
15
12.5
8
14
1
2.5
N2 = 9
R2 = 85
S = R(1) = 105
T = 105 - 10 (10+1)
2
T = 60
W/2 = 21
W1-/2 = 69
Kriteria T < W/2 Ho ditolak
T > W1-/2 Ho ditolak
Ternyata, 60 < 21 maka Ho tidak dapat ditolak
Kesimpulan : Dengan taraf nyata 5%, dapat disimpulkan bahwa tidak terdapat perbedaan
pendapatan antara pegawai yang merupakan lulusan Universitas Dalam Negeri dan Luar
Negeri.
3. Tabel dibawah ini merupakan tabel yang berisikan data mengenai pendapatan dari
Manajer Sumber Daya Manusia di kota Medan dan Makassar. Hitunglah apakah
pendapatan di Medan lebih besar daripada di Makassar ? (dalam ribuan Rupiah )
Medan
4500
6000
5750
7000
5400
5400
Makassar
4300
5200
4900
5700
6000
6200
210
6300
5800
7150
4500
6500
5400
4700
6400
Ho : Pendapatan Manajer Sumber Daya Manusia di Medan tidak lebih besar dari Manajer
Sumber Daya Manusia di Makassar
Ha : Pendapatan Manajer Sumber Daya Manusia di Medan lebih besar dari Manajer
Sumber Daya Manusia di Makassar
Medan
4500
6000
5750
7000
5400
5400
6300
5800
7150
4500
6500
N1 = 11
Ranking
2.5
13.5
11
19
8
16
12
20
18
2.5
8
R1 = 130.5
Makassar
4300
5200
4900
5700
6000
6200
5400
4700
6400
Ranking
1
6
5
10
13.5
15
8
4
17
N2 = 9
R2 = 79.5
S = R(1) = 130.5
T = 130.5 - 11(11+1)
2
T = 64.5
W = 28
Kriteria T > W Ho ditolak
Ternyata, 64.5 > 28 maka Ho ditolak
Kesimpulan : Dengan taraf nyata 5%, dapat disimpulkan bahwa pendapatan Manajer Sumber
Daya Manusia di Medan lebih besar dari Manajer Sumber Daya Manusia di Makassar.
4. University of England Research Center plans to conduct research about the score of
subject A and B in . Using 10 samples of students and the data they get is below :
Students
1
2
3
Score of
Subject A
90
85
87
Score of
Subject B
89
85
92
211
4
5
6
7
8
9
10
83
76
78
81
94
98
79
90
91
76
80
82
81
75
Calculate :
a. Spearman rank coefficient of correlation
b. Are there any real correlation between the score of the subject A and subject B? Use
the significance level of 5%
Score of
Subject A
Score of
Subject B
R Xi
R Yi
90
85
87
83
76
78
81
94
98
79
89
85
92
90
91
76
80
82
81
75
8
6
7
5
1
2
4
9
10
3
7
6
10
8
9
2
3
5
4
1
di
di2
1
1
0
0
-3
9
-3
9
-8
64
0
0
1
1
4
16
6
36
2
4
Total 140
Ho : there is no correlation between the score of the subject A and subject B

Ha : there is a correlation between the score of the subject A and subject B
rs = 1 - (
n = 10
Wp = W1-/2 = W1-0,05/2 = W0,975 = 0,6364
Ternyata 0,151515 < 0,6364 maka H0 tidak dapat ditolak ditolak
Kesimpulan :
Using 5% confidence level, there is no real correlation between subject A and B.
212
5. The Dean of Political Science in Political University apply two different methods to two
classes. Class A with e-learning method and class B with the conventional teaching
method. The Dean want to know whether there are differences in Final Exam Score
between the two classes.
Class A
Class B
80 70 83
70 75 80
85 75 95
90 55 65
84 60 75
85 72
65
With a 5% significance level, determine whether there is a difference in Final Exam Score
between the two classes ( class A has a higher score than class B) !
Ho : P (X) = P (Y) (score of the students in class A is same as the student in class B)
Ha : P (X) > P (Y) (score of the students in class A is higher than the student in class B)
Class A
80
70
83
85
75
95
84
60
75
65
N1 = 10
R (A) Class B R (B)

11.5
70
5.5
5.5
75
9
13
80
11.5
15.5
90
17
9
53
1
18
65
3.5
14
85
15.5
2
72
7
9
3.5
R1=101 N2 = 8 R2 = 70
S = R(X) = 101
T = 101 - 10 (10+1)
2
T = 46
Lihat tabel:
=21
W1- = n(N+1)- W
= 8(10 +1) - 21 = 67
T > W1- Ho ditolak
213
With a significant level 5%, we can conclude that score of the students in class A is same
as the student in class B.
6. The Ministry of Education make a hypothesis that students from high school in urban area
obtain a National Exam score higher than at high school students in the rural area. The
results obtained from the following tests.
Urban 43 56 31
Rural 47 68 39
30 41 38
42 33 54
53 32 45
40 24 30
33 41
With a 5% significance level, determine whether there is a difference between National

Examination scores in urban and rural (urban is higher than rural) !
Ho : P (X) = P (Y) (score of the students in urban is same as the student in rural)
Ha : P (X) > P (Y) (score of the students in urban is higher than the student in rural)
Urban
43
56
31
30
41
38
53
32
45
33
41
N1 = 11
R (1)
14
19
4
2.5
11.5
8
17
5
15
6.5
11.5
R1 = 114
Rural
47
68
39
42
33
54
40
24
30
R (2)
16
20
9
13
6.5
18
10
1
2.5
N2 = 9
R2= 96
S = R(X) = 114
T = 114 - 11 (11+1)
2
T = 48
Lihat tabel:
=28
W1- = n(N+1)- W
= 9(11 +1) - 28 = 80
214

T > W1- Ho ditolak
With a significant level 5%, we can conclude that score of the students in urban is same as
the student in rural
7. The following data concerning the relationship between the score of mathematical
economics and statistics subjects of the 10 students
Mathematical
economics
82
75
85
70
77
60
63
66
80
89
Statistics
79
80
89
65
67
62
61
68
81
84
Examine, if there is a real positive correlation between the score of mathematical economics
and statistics subjects ? ( significant level 5 % )
Answer ;
Mahasiswa
Score of Mathematical
Economics
Score of Statistics
D2
( X-Y )
Urutan
Urutan
82
79
75
80
-2
85
89
10
-1
70
65
77
67
60
62
-1
63
61
66
68
-2
80
81
-1
10
89
10
84
Jumlah
22
215
rs : 1
Hipotesis
(
(
)
)
= 0,867
:
:
s tabel(dimana n = 10 dan = 5 %) = 0,5315

Kriteria pengujian ; Ho tidak dapat ditolak apabila rs s tabel
Karena rs = 0,867> dari s tabel = 0,5315, maka Ho ditolak, jadi ada hubungan positif yang
nyata antara nilai matematika ekonomi dengan nilai statistika.
216

Modul Statistika II Part 2 PDF

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

Modul Statistika II Part 2 PDF

Uploaded by

Copyright:

Available Formats

MODUL STATISTIKA II

Note : Terdapat beberapa kesalahan dalam

Taufik Nur Rachman

Yessica Sardina Purba

Anita Kesia Zonebia

Yana Mulyana Fauzi

Catra Evan Ramadhani

REGRESI DAN KORELASI SEDERHANA..79

REGRESI DAN KORELASI SEDERHANA

= Variabel Terikat (Variabel yang diperkirakan)

= Variabel Bebas (Variabel yang mempengaruhi variabel terikat)

= nilai Y dimana diperkirakan garis regresinya memotong sumbu Y ketika X bernilai

2. Metode Pengukuran Regresi Sederhana

b. Product Moment Method

1. Koefisien korelasi (r)

0.21 < r 0.40

0.41 < r 0.60

0.61 < r 0.80

0.81 < r 1.00

Rumus Product Moment :

3. Kesalahan Standard Estimasi ( Standard Error of Estimate )

Product Moment Method

k = banyaknya macam variabel independen x

4. Penaksiran tentang interval dan interval

a Z1/2.Sa < konstanta < a + Z1/2.Sa

b Z1/2.Sb < konstanta < b + Z1/2.Sb

a t1/2.Sa < konstanta < a + t1/2.Sa

b t1/2.Sb < konstanta < b + t1/2.Sb

5. Pengujian tentang Koefisien Regresi

Tentukan t1/2 dengan df = n-k-1

Tentukan thitung dengan

Tentukan thitung dengan :

Tentukan daerah penolakan yaitu

Tentukan daerah penolakan yaitu

thitung < -t1/2 atau thitung > t1/2 Ho ditolak

t1/2 thitung t1/2 Ho tidak dapat

t1/2 thitung t1/2 Ho tidak dapat ditolak

Interval taksiran untuk Y individu

o t1/2 S< YX < o + t1/2 S

o t1/2 S< Y< o + t1/2 S

7. Pengujian Korelasi populasi

8. Batas-batas koefisien korelasi populasi

Investasi Kembali (%)

Maka persamaan regresinya adalah : Y= 13.6838565511 + 1.53706126008X Dari persamaan

SOAL REGRESI DAN KORELASI SEDERHANA

a. Buat persamaan regresi dan interpretasinya!

Berat Mobil (X)

maka persamaan regresinya adalah Y =

mil/gallon, ceteris paribus.

)2 X 100 % = 0.76069653449 x 100 = 76.069653449 %

< -2,306 atau

> 2.306 maka Ho ditolak

a t1/2.Sa < konstanta < a + t1/2.Sa

maka persamaan regresinya adalah Y =

satuan. Sedangkan jika dipengaruhi oleh

satuan, ceteris paribus.

< -2.1009 atau 3.4856851 > 2.1009 maka Ho ditolak

So, the regression equation is Y =

So the standard error of estimate is

. It means that varians of production

prediction can explain real production about 16.28992761.

a t1/2.Sa < konstanta < a + t1/2.Sa

-2.28275 < Konstanta < 7.733593