Kegiatan Belajar 3

Analisis Korelasi
Hubungan fungsional antara peubah-peubah telah diuraikan dalam kegiatan belajar 1 dan 2. Disana ditinjau bagaimana persamaan regresi linier ditentukan dan juga bagaimana pengujian terhadap parameter-parameter dilakukan. Persoalan berikutnya yang dirasakan perlu, jika data hasil pengamatan terdiri dari banyak peubah, ialah berapa kuat hubungan antara peubah-peubah itu terjadi. Dalam kata lain, perlu ditentujan derajat hubungan antara peubah-peubah. Studi yang membahas tentang derajat hubungan antara peubah-peubah dikenal dengan nama analisis korelasi. Ukuran yang dipakai untuk mengetahui derajat hubungan, terutama untuk data kuantitatif, dinamakan koefisien korelas. Perlu diketahui bahwa: dalam analisis regresi, kita anggap bahwa peubah bebas X adalah konstan, jadi bukan suatu peubah acak. Dalam analisis korelasi, peubah X dan Y keduanya merupakan peuabah acak yang menyebar bersama. Di dalam kegiatan belajar 3 ini akan diuraikan bagaimana koefisien korelasi dihitung dan selanjutnya juga diberikan penjelasan mengenai cara-cara pengujiannya. 9.3.1. Indeks Determinasi Analisis korelasi sukar untuk dipisahkan daripada analisis regresi. Karenanya kitapun akan menggunakan hasil-hasil dari kegiatan belajar 1 dan 2. Secara umum, untuk pengamatan yang terdiri dari dua variabel X dan Y, kita tinjau hal berikut. Misalnya persamaan regresi Y atas X2 tidak perlu harus linier yang dihitung dari sampel, berbentuk: Y = f(X). Jika regresinya linier, jelas f(X) = a + bX dan jika parabola kuadratik f(X) = a + bX + cX2 dan seterusnya. Apabila Y menyatakan rata-rata untuk data variabel Y, maka kita dapat membentuk jumlah JKG = Σ (Yi-Yi)2 dengan menggunakan harga-harga Yi yang didapat dari regresi Y = f(X). Besaran yang ditentukan oleh rumus:
I= ˆ )2 ∑(Yi − Y) 2 − ∑( Yi − Y i ∑( Yi − Y ) 2

(9.3.1)

atau
I = JKT − JKG JKT

(9.3.2)

dinamakan indeks determinasi yang mengukur derajad hubungan antara variabel X dan Y, apabila antara X dan Y terdapat hubungan regresi berbentuk Y = f(X). Indeks determinasi ini bersifat bahwa jika titik-titik diagram pencar letaknya semakin dekat

37

Harga 1 – r2 sendiri dapat dinamakan koefisien non determinasi. maka hendaknya ini ditafsirkan bahwa tidak terdapat hubungan linier antara variabel-variabel X dan Y. 9.3.3.4) Bentuk lain dapat pula digunakan.3.3) r2 dinamakan koefisien determinasi atau koefisien penentu. maka derajat hubungannya akan dinyatakan dengan r dan biasa dinamakan koefisien korelasi karena rumus (9. ialah : 38 .2 Korelasi Dalam Regresi Linier Apabila garis regresi yang terbaik untuk sekumpulan data berbentuk linier. Yi) berukuran n dapat digunakan rumus : r= {n ∑ X n ∑ X i Yi − (∑ X i )(∑ Yi ) 2 i − (∑ X i ) 2 }{ n ∑ Y 2 i − (∑ Yi ) 2 } (9. Mudah dilihat bahwa dari Rumus (9.3. sedangkan harga X yang kecil berpasangan dengan Y yang kecil pula. maka harga I makin dekat kepada nol. atau tepatnya terdapat garis regresi yang tuna cocok. Ini berarti bahwa titik-titik yang ditentukan oleh (Xi. maka itu pun berlaku apabila pola hubungan antara Y dan X berbentuk regresi linier. Harga-harga r lainnya bergerak antara -1 dan +1 dengan tanda negatif menyatakan adanya korelasi tak langsung atau korelasi negatif dan tanda positif menyatakan korelasi langsung atau korelasi positif. Dinamakan demikian oleh karena 100 r2% daripada variasi yang terjadi dalam variabel tak bebas Y dapat dijelaskan oleh variabel bebas X dengan adanya regresi linier Y atas X. Koefisien korelasi r tentu saja didapat dengan jalan mengambil akar dari r 2. Harga r= -1 menyatakan adanya hubungan linier sempurna tak langsung antara X dan Y. maka harga I makin dekat kepada satu. Letak titiktitik ada pada garis regresi linier dengan sifat bahwa harga X yang besar berpasangan dengan harga Y yang besar.1) dan Rumus (9.3. Sebaliknya jika titik-titik itu makin jauh dari garis regresi. Secara umum berlaku 0 < I < 1.2) akan berlaku 0 ≤ r2 < 1 sehingga untuk koefisien korelasi didapat hubungan -1 < r < +1. Untuk keperluan perhitungan koefisien r berdasarkan sekumpulan data (X i. harga 1 − r 2 dinamakan koefisien alienasi atau koefisien perenggangan. Yi) seluruhnya terletak pada garis regresi linier dan harga X yang besar menyebabkan atau berpasangan dengan Y yang kecil sedangkan harga X yang kecil berpasangan dengan Y yang besar. Harga r= + 1menyatakan adanya hubungan linier sempurna langsung antara X dan Y. Dalam hal ini I akan diganti oleh r2 dan diperoleh : r2 = ˆ )2 ∑(Yi − Y) 2 − ∑(Yi − Y i ∑(Yi − Y) 2 (9.3.1) diatas bersifat umum. Khusus untuk r = 0.kepada garis regresi.

berarti. r = b sx / sy (9. jika koefisien arah regresi Y atas X dan b 2 koefisien arah regresi X atas Y untuk data yang sama.dengan s Jika persamaan regresi linier Y atas X telah ditentukan dan sudah didapat koefisien arah b. Contoh 9.3. dari rumus di atas dapat diturunkan rumus koefisien korelasi.105) 2 }{30(33. Bila data telah kita hitung sebagai berikut: ΣXi = 1. ΣY2i = 33.3. Besar hubungannya ditentukan oleh koefisien determinasi r2 = 0. Masih ada rumus lain.001) 2 } r = 0.7%.094.599 dan n = 30. 39 . Dari rumus (9.599) − (1.3.029.8758 Dari hasil ini ternyata didapat korelasi positif antara banyak pengunjung X dan yang berbelanja Y.001. sedangkan sisanya ditentukan oleh keadaan lain.3.1: Misalkanlah kita ingin mengetahui hubungan antara banyaknya pengunjung (X) dan banyaknya yang berbelanja (Y) di sebuah toko. yaitu yang ditentukan oleh koefisien arah garis regresi Y atas X dan regresi X atas Y.3.7670 atau sebesar 76. maka : r2 = r2 = b1b2 (9. Ini berarti bahwa meningkatnya atau menurunnya pembeli 76. 2 2 yx = ∑(Yi − Y )( X i − X ) yang merupakan kuadrat kekeliruan taksiran dan r = 1 − s 2 y. ΣYi = 1.7% dapat dijelaskan oleh banyaknya pengunjung melalui hubungan linier X dan Y.6) Dengan sedikit pengerjaan aljabar.7) dengan sx simpangan baku untuk variabel X dan sy simpangan baku untuk variabel Y.8) Rumus itu menyatakan bahwa koefisien korelasi r adalah rata-rata ukur daripada koefisien-koefisien arah b1 dan b2.001) r= {30(41.x / s 2 y (9.4) kita peroleh : 30(37.3.5) b { n ∑ X i Y − (∑ X i )(∑ Yi )} n ∑ Y 2 i − (∑ Yi ) 2 (9. ΣX2i = 41. meningkatnya pengunjung yang datang meningkatkan pula banyaknya yang berbelanja. maka koefisien determinasi r2 dapat ditentukan oleh rumus: r2 = 2 sY = ∑(Yi − Y ) yang merupakan ragam untuk variabel Y. ΣXiYi = 37.029) − (1.105)(1.094) − (1.105.

marilah kita lihat berapa derajad hubungan yang ada antara X dan Y dalam bentuk kuadratik tersebut. ΣX2y = 28.2.3.3. Dengan demikian ∑ i bahwa r2 = 1. r3. Yi dan harganya ˆ ) 2 = 0.Contoh 9. ΣX2i = 336. Untuk ini kita gunakan Rumus (9. ini memperlihatkan.3. Maka didapat kumpulan koefisien korelasi r1. melainkan hubungan berbentuk lain (dalam hal ini kuadratik). Kita lihat bahwa Y = 6. .3. misalnya bagaimana X dan Y berdistribusi.4). .3).3. Distribusi Sampling Koefisien Korelasi Uraian tentang koefisien korelasi r dalam bagian-bagian yang lalu seluruhnya berlaku untuk hubungan antara X dan Y dan tidak bergantung pada asumsi yang dikenakan kepada variabel-variabel X dan Y. Dari populasi normal bervariabel dua ini ambillah semua sampel acak berukuran n lalu hitung koefisien-koefisien korelasinya r dengan rumus yang telah dijelaskan di atas. antara lain menentukan interval taksiran dan menguji hipotesis. Dari kumpulan ini kita dapat membentuk distribusi sampling koefisien korelasi dan selanjutnya rata-rata dan simpangan bakunya dapat dihitung. sehingga dari Rumus (9.2: Misalkanlah model regresi Y = 2 + X 2. ΣXiYi = 0 dan n = 7. Populasinya mempunyai ρ = 0 40 . Yang benar adalah tidak terdapat hubungan linier antara X dan Y. . Sekarang. yakni Y = 2 + X 2.3. Dibedakan dua hal : Hal A). Memang hubungan yang ada antara X dan Y. bahwa koefisien korelasi r = 0 dihitung dengan Rumus (9. yang jelas bahwa model regresi ini bukan regresi linier. 9. ΣYi = 42.1) mudah dilihat (Yi −Y diatas. . . Apabila sekarang untuk X dan Y terdapat pola tertentu. Kita ambil harga-harga sebagai berikut : Xi Yi -3 11 -2 6 -1 3 0 2 1 3 2 6 3 11 Dari sini mudah dihitung bahwa : ΣXi = 0. Dengan Rumus didapat : 7(0) − (0)(42) r= {7(28) − (0) 2 }{7(336) − (42) 2 } = 0 Yang berarti tidak terdapat hubungan linier antara X dan Y. berbentuk parabola kuadratik. Ini berarti bahwa terdapat hubungan sempurna antara X dan Y yang dinyatakan oleh parabola dengan persamaan Y = 2 + X2. maka analisis korelasi bisa berjalan lebih jauh.3. bukan berarti tidak terdapat hubungan antara X dan Y. Contoh 9. r2. Rata-rata dari simpangan baku untuk distribusi sampling koefisien korelasi ini akan diberi simbul µr dan σr. Untuk ini dimisalkan bahwa X dan Y berdistribusi gabungan normal bervariabel dua yang didalamnya antara lain berisikan parameter ρ (baca : rho) sebagai koefisien korelasinya.

r  (9.1513) log  1 + r    1.ρ 0  1 σ = n -3     (9.3. yaitu logaritma dengan bilangan pokok e. distribusi normal yang terjadi (suatu bentuk pendekatan) mempunyai rata-rata dan simpangan baku :  1 + ρ0 µ z = 1 2 ln   1. jika dibentuk statistik : t= r n-2 1.3.3. Populasinya mempunyai ρ ≠ 0 Jika populasi dari mana sampel acak itu diambil mempunyai ρ = ρ0 ≠ 0. Dalam hal ini.Jika semua sampel acak itu berasal dari populasi normal bervariabel dua dengan ρ = 0.3.10) dengan In berarti logaritma asli.11) Dengan transformasi ini. Dalam logaritma biasa.r2 (9.9) maka akan diperoleh distribusi Student t dengan dk = (n – 2) Hal B).4. dengan menggunakan sebuah transformasi akan menyebabkan distribusi yang tidak simetrik itu mendekati distribusi normal.13) 9. maka distribusi sampling koefisien korelasi akan simetrik dengan µr = 0. transformasi ini dapat juga ditulis sebagai : Z = (1. Transformasi yang digunakan ialah transformasi Fisher : Z = ½ ln  1 + r    1.12) Rumus µz dapat pula ditulis dalam bentuk : 1 + ρ0 µz = (1. maka distribusi sampling koefisien korelasi tidak simetrik.3. Menaksir Koefisien Korelasi 41 .3.1513) log  1 − ρ 0      (9.r  (9.

8   = 1.8  Dari rumus (9. maka interval taksiran µz dihitung oleh : Z – z½ γσz < µz < Z + z½ γσz (9.0986 + 1. Jawab : Titik taksiran dengan mudah dapat ditentukan ialah ρ = 0. Untuk menentukan interval taksiran koefisien korelasi ρ.4906 substitusikan batas-batas ini ke dalam Rumus (9.ρ  untuk µz = 1.12) dan Rumus XVI(15) didapat : 1.80.4) atau yang sejenisnya. maka r dihitung dengan Rumus (9.3).0986 < µz < 1. simpangan baku σ.3.80.7066 < µz < 1.3.13) dan 1 + ρ0 µz = (1.3.1513) log   log   1 + ρ     1. Taksiran titik ρ dengan mudah dapat ditentukan ialah koefisien korelasi r yang didapat dari sampel.14) dengan z½ γσz didapat dari daftar distribusi normal baku menggunakan peluang ½γ.ρ  42 . Jika hubungan antara X dan Y berbentuk regresi linier.15) Contoh 9.3.609  1.Sebagaimana halnya menaksir prameter-prameter lain (rata-rata µ. yaitu Z. untuk menentukan interval taksiran ρ dengan angka kepercayaan γ = 95% misalnya dengan Rumus (9.3.1513) log  1 − ρ 0      (9. Dari sampel itu didapat r = 0. Untuk µz = 0.3.96 28 − 3 1 + 0. r dihitung dengan rumus (9. Dalam hal lain. Untuk kita disini hanya dibahas penaksiran koefisien korelasi apabila regresi antara X dan Y berbentu linier.7066 = (1.0986 1 − 0.11) kita peroleh : Z = (1. setelah Z didapat.3. maka untuk koefisien korelasi ρ pun didapat hal yang sama.3: Sebuah sampel acak dengan ukuran n = 28 telah diambil dari sebuah populasi normal bervariabel dua.06137 yang menghasilkan ρ = 0. Akhirnya batas-batas ρ dapat ditentukan dengan menggunakan batas-batas µz yang didapat dari Rumus (9.1513) log  1. ialah taksiran titik dan taksiran interval.7066 didapat : 0. Jika γ = koefisien kepercayaan yang diberikan. baru batas-batas µz ditentukan. tentukan taksiran koefisien korelasi ρ untuk populasi.3. proporsi π) ada dua macam penaksiran.4906 dihasilkan : 1 + ρ    = 0.14). digunakan transformasi Fisher.3.96 28 − 3 atau 0.

maka kita perlu melakukan uji independen. jika sampel acak yang diambil dari populasi normal bervariabel dua itu berukuran n memiliki koefisien korelasi r. maka dari Rumus (9.16) didapat : t= ( 0.4906 = (1. jika ρ = 0. Untuk menguji H0 : ρ = 0 melawan H1 : ρ ≠ 0. Sehingga dalam hal populasi berdistribusi normal ρ = 0 mengakibatkan bahwa X dan Y independen dan sebaliknya. seperti biasa harus disesuaikan dengan alternatif yang diambil.1.28.5.2947 yang menghasilkan ρ = 0.3. Tentu saja bentuk alternatif untuk menguji hipotesis H0 bisa H1 : ρ > 0 atau H1 : ρ < 0.609 < ρ < 0. Dalam hal lainnya H0 kita tolak.3. maka hipotesis kita terima jika –t(1.9) yaitu : t = r n-2 1.28) 43 . Daerah kritis pengujianm.4: Untuk pengujian H0 : ρ = 0 melawan H1 : ρ ≠ 0 berdasarkan sebuah sampel acak berukuran n = 27 dengan r = 0. Contoh 9.½ α).458 2 1 − ( 0. Sifat ini tidak berlaku untuk populasi yang tidak berdistribusi normal. maka ternyata bahwa X dan Y independen.28) 27 − 2 = 1. Dari modelnya.r2 1 + ρ    = 1.903 9.3. Menguji Hipotesis Kembali pada populasi bervariabel dua dengan koefisien koperasi ρ.½α) < t < t(1.16) Selanjutnya untuk taraf nyata = α. dimana distribusi t yang digunakan mempunyai dk = (n-2). Dalam hal ini.3. maka dapat digunakan statistik t seperti dicantumkan dalam Rumus (9.1513) log   log   1 + ρ     1. Mengingat dalam banyak penelitian sering ingin mengetahui apakah antara dua variabel terdapat hubungan yang independen atau tidak. Dalam hal pertama merupakan uji pihak kanan sedangkan yang kedua merupakan uji pihak kiri.3.ρ  interval taksiran ρ dengan angka kepercayaan 95% adalah 0.903  1. maka hipotesis yang harus diujikan adalah : H0 : ρ = 0 melawan H1 : ρ ≠ 0 Uji ini sebenarnya ekivalen dengan uji H0 : θ2 = 0 dimana θ2 menyatakan koefisien arah regresi linier untuk populasi.ρ  (9.

dari daftar distribusi t didapat.3. telah dihitung koefisien antara banyak pengunjung dan yang berbelanja untuk sampel berukuran n = 30.1.9729 1 − 0. Untuk dapat menggunakan daftar distribusi normal baku. Cobalah buat sendiri kesimpulannya! Sekarang marilah kita tinjau bagaimana menguji hipotesis ρ yang tidak nol dapat dilakukan.458 antara -2. ditentukan oleh bentuk alternatif. untuk uji dua pihak. maka dengan transformasi Fisher dalam Rumus (9.3.060.75 (dari hipotesis H0) didapat : µz = (1. dapatkah sampel tadi menguatkan dugaan tersebut ? Pertanyaan ini akan terjawab apabila kita melakukan pengujian terhadap hipotesis : H0 : ρ = 0. t0.12). jika sampel acak diambil dari populasinormal bervariabel dua dengan koefisien korelasi ρ ≠ 0. Contoh 9. apakah dua pihak.3.75.75 Dengan Rumus (9.Jika taraf nyata α = 0. Seperti telah dijelaskan dalam Bagian 5. jika diduga bahwa populasinya mempunyai ρ = 0.75 melawan H1 : ρ ≠ 0. atau H1 : ρ < ρ0.060 dan 2. s elanjutnya perlu digunakan angka z : z= Z .75  = 0.17) Angka z inilah yang akan digunakan untuk menguji hipotesis : H0 : ρ = ρ0 ≠ 0 melawan salah satu alternatif : H1 : ρ ≠ ρ0.1513) log  1 + 0. pihak kanan atau pihak kiri.11) kita dapat menghitung : Z = (1. maka daerah kritis.3.1924 44 .3.12) dan Rumus (9. atau H1 : ρ > ρ0.75   = 0.995 = 2. maka dengan dk = 25. di situ telah didapat r = 0.060.8758  sedangkan dari Rumus (9.3.05. atau Jika taraf ternyata pengujian diambil α.8758.3.8758   = 1.3. Mudah dilihat bahwa t = 1.5: Dalam contoh 9.µz σz (9. seperti biasa.13) dengan ρ0 = 0. Jadi H0 diterima.1513) log  dan σz = 1 30 − 3 1 + 0.11) akan diperoleh distribusi normal dengan rata-rata dan simpangan baku seperti tertera dalam Rumus (9.3573 1 − 0.

6: Berasal dari populasi dengan ρ berapa sampel di muka telah diambil? Jawab : Jika diambil α = 0. Ternyata bahwa pengujian memberikan hasil yang berarti. Tabel di bawah ini menyajikan skore motivasi belajar Matematika (X) dan prestasi belajar Matematika (Y) dari 20 siswa yang dipilih secara acak dari suatu sekolah menengah pertama (lihat soal latihan 1 kegiatan belajar 1).3573 − µz < 1.3.75.7344 0   1 + ρ0  atau  1 − ρ   < 32.1924 1 + ρ0  atau (1. supaya hipotesis bisa diterima.7530 1 − ρ0 Sampel berukuran n = 30 tadi berasal dari sebuah populasi dengan ρ yang besarnya antara 0.05. Sampel itu tidak berasal dari populasi dengan ρ = 0. X 78 60 57 40 59 70 65 66 68 58 44 38 70 60 65 68 50 74 46 54 45 .17) memberikan bilangan baku z= 1. Rumus (9. Contoh 9.96.Akhirnya.1 sehingga ρ0 < 0.µz .9802 0   1 + ρ0 atau > 7.3573 .1 sehingga ρ0 > 0.96 < < 1. harus berlaku : 1. maka daerah penerimaan H0 adalah -1.1924 Kita selesaikan hal pertama (ketidaksamaan sebelah kiri) : 1.3.96 0.9729 = 2.05.3573 .96 0.1924 Jika diambil α = 0. maka untuk menguji hipotesis : Ho : ρ = ρ0 melawan H1 : ρ ≠ ρ0 dimana ρ0 bilangan yang akan dicari.9395 0   Hal kedua adalah (ketidaksamaan sebelah kanan) : 1.00 0.9395.3573 −0.96 < z < 1. Latihan 3 1.7530 dan 0.1.1.1924 1 + ρ0  atau (1.µz .1513) log  1 − ρ   > 0.96 < < 1.1513) log  1 − ρ   < 1.96 0.

Gunakan taraf nyata α=5%. Bagaimana hasilnya? Rangkuman Hubungan statistik antara peubah X dan peubah Y yang keduanya merupakan peubah acak. Yn) dari suatu populasi.. . maka koefisien korelasi sampel antara X dan Y dinyatakan oleh rumus: r= {n ∑ X n ∑ X i Yi − (∑ X i )(∑ Yi ) 2 i − (∑ X i ) 2 }{ n ∑ Y 2 i − (∑ Yi ) 2 } yang merupakan penduga titik bagi koefisien korelasi ρ.. (Xn. kita gunakan statistik: 46 . Namun perlu diketahui bahwa kuat lemahnya hubungan antara X dan Y yang ditunjukkan oleh koefisien korelasi ini adalah hubungan linear. Lakukan uji hipotesis H0: ρ=0 lawan Ha: ρ≠0. 2. Hitunglah koefisien korelasi r! b. Lakukan uji hipotesis H0: ρ=0 lawan Ha: ρ≠0. .Y 85 70 65 45 78 89 50 60 75 50 50 40 87 75 78 80 45 90 50 58 Bila kita anggap bahwa baik motivasi belajar matematika (X) maupun prestasi belajar (Y) keduanya merupakan peubah acak. Data hasil penelitian telah dihitung dan didapatkan hasil sebagai berikut: . Tentukan koefisien determinasinya! c. a. Y1). . (X2. Tentukan koefisien determinasinya! c. Gunakan taraf nyata α=1% dan 5%. Jika sampel acak berukuran n yaitu: (X1. a. n=12. Tentukan selang kepercayaan 95% bagi ρ. . . Inferensi mengenai ρ berdasarkan r. Suatu penelitian telah dilakukan untuk menentukan hubungan antara peubah acak X dan peubah acak Y. Besaran r2 dinamakan koefisien determinasi yang menunjukkan besarnya keragaman Y yang dapat dijelaskan oleh hubungannya dengan X. dapat kita tentukan kuat lemahnya dengan menghitung koefisien korelasinya. Hitunglah koefisien korelasi r! b. Y2)... d.

0. Pada tabel di bawah ini.9 6.1 7. 0. Koefisien korelasi r.7 5. 0. -1. dimana: 1 1 + r  ln  2 1 − r  µZ = 1 1 + ρ  1 2  ln = dan σ Z   2 1 − ρ  n −3 Tes Formatif 3 Kerjakanlah semua soal di bawah ini. 0.325 b.956 2. -0.898 d. 0.378 e.931 c. 0. Koefisien determinasi kita peroleh: a.3 6. dan Y yang menyatakan kinerja guru dalam memberikan pembelajaran terhadap siswanya.5 7.4 7.914 b. 9. dengan cara menemukan satu pilihan jawaban yang paling tepat! A. X Y 93 96 108 86 92 80 96 7.8 dari data tersebut di atas kita hitung: 1.Z = 2 yang mnyebar normal dengan rataan µZ dan ragam σ Z . 0.922 e.825 e.268 b. 1.6 7.9 8.8 7.645 3. 0.0 117 95 92 96 108 92 8. kita peroleh: a.956 c. data menunjukkan harga X yang menyatakan tingkat kenyamanan guru dalam lingkungannya bekerja. 16. 2.3 5. 19.396 c.922 47 . Statistik penguji Z untuk uji H0: ρ=0 lawan Ha: ρ≠0 kita peroleh: a.143 d.928 d.4 6.

8 7.478 b.9 7.666 d.4 7. Koefisien korelasi r kita peroleh: a.4 10.2 10.922 C. 0. Koefisien determinasi kita peroleh: a.876 e. 9. H0 diterima dan Ha tidak ditolak B. 3. H0 diterima dan Ha ditolak c. 0. 0.418 7. H0 tidak ditolak dan Ha diterima e. 5. 0. H0 ditolak dan Ha diterima b. Koefisien korelasi r kita peroleh: a.2 10.8 11. maka: a. 2.4 7.566 c. -0. 0. -0.750 e. -2.3 dari data di atas kita hitung: 5.2 7.3 10.946 b.6 11.8 8.666 48 . -0.896 c. 0. Oleh sebab itu.5 10.738 e.6 7. 0.7 10. dan Y yang menyatakan panjang ekor beberapa burung jenis tertentu (dalam cm) hasil penelitian siswa dalam pelajaran Biologi.928 d.1 7. 0.4 7. H0 tidak ditolak dan Ha ditolak d. 0.444 b.2 10.8 11. 0. Dari data tersebut kita hitung: 8. X Y 10. Statistik penguji Z untuk uji H0: ρ=0 lawan Ha: ρ≠0 kita peroleh: a. Gunakan data pada soal B dalam Tes Formatif 1 Kegiatan Belajar 1.4 7.545 d.866 c.4.950 b.394 6.7 7.2 7.1 10. Data pada tabel di bawah ini menunjukkan nilai X yang menyatakan panjang sayap.931 c.

Kemudian gunakan rumus di bawah ini untuk mengetahui tingkat penguasaan Anda terhadap materi Kegiatan Belajar 3. Rumus: Tingkat Penguasaan = Jumlah jawaban Anda yang benar ×100% 10 Arti tingkat penguasaan yang Anda dapat: 90% .865 d. Statistik penguji Z untuk uji H0: ρ=0 lawan Ha: ρ≠0 kita peroleh: a.922 Balikan dan Tindak Lanjut Cocokkanlah jawaban Anda dengan Kunci Jawaban Tes Formatif 3 yang terdapat di bagian akhir Modul ini. -2. 0.485 b.100% = baik sekali 80% . 22. 0.929 c. Anda dapat meneruskan dengan Kegiatan Belajar selanjutnya. 49 . 0.876 e. 0. 0. Hitunglah jawaban Anda yang benar. 5.964 9 Koefisien determinasi kita peroleh: a. Anda harus mengulangi Kegiatan Belajar 3.d. 17. Bagus! Tetapi bila tingkat penguasaan Anda masih di bawah 80%.447 10. 3.79% = cukup < 70% = kurang Bila Anda mencapai tingkat penguasan 80% atau lebih.89% = baik 70% .750 e.991 b. 0.928 d.931 c. terutama bagian yang belum Anda kuasai.738 e. 0.

d 6.b 8.d 9.a 10.a 8. Kunci Jawaban Tes Formatif 1: 1.c 3.a 4. Kunci Jawaban Tes Formatif 2: 1.a 9.a 3. Kunci Jawaban Tes Formatif 3: 1.a 7.d 6.d 2.a 7.Kunci Jawaban Tes Formatif: 1.b 3.e.c 4.a 2. 50 .b 10.e 7.c 5.c 8.e 2.a 5.e 3.b 5.c 2.b 4.d 6.

Johnson. Introduction to Statistics.H. John Wiley.E. 3nd edition. 1977. R. Probability and Statistics for Engineers and Scientist. & R. 2nd edition. 1982. G. Myers. Walpole. & R. McMillan.A. R. McMillan. 1982. Walpole.Daftar Pustaka: Bhattacharryya.E. 51 .K. Statistical Concepts and Methods.

Sign up to vote on this title
UsefulNot useful