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

3.3.3. Mudah dilihat bahwa dari Rumus (9. ialah : 38 . harga 1 − r 2 dinamakan koefisien alienasi atau koefisien perenggangan. Harga r= -1 menyatakan adanya hubungan linier sempurna tak langsung antara X dan Y. sedangkan harga X yang kecil berpasangan dengan Y yang kecil pula.4) Bentuk lain dapat pula digunakan.3) r2 dinamakan koefisien determinasi atau koefisien penentu. Secara umum berlaku 0 < I < 1. 9.3. maka itu pun berlaku apabila pola hubungan antara Y dan X berbentuk regresi linier. Harga 1 – r2 sendiri dapat dinamakan koefisien non determinasi. 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 } (9.1) diatas bersifat umum.1) dan Rumus (9. Dalam hal ini I akan diganti oleh r2 dan diperoleh : r2 = ˆ )2 ∑(Yi − Y) 2 − ∑(Yi − Y i ∑(Yi − Y) 2 (9. 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. 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.kepada garis regresi.2 Korelasi Dalam Regresi Linier Apabila garis regresi yang terbaik untuk sekumpulan data berbentuk linier. Koefisien korelasi r tentu saja didapat dengan jalan mengambil akar dari r 2. Sebaliknya jika titik-titik itu makin jauh dari garis regresi. 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. Harga r= + 1menyatakan adanya hubungan linier sempurna langsung antara X dan Y.3. maka harga I makin dekat kepada satu.3. Khusus untuk r = 0. maka hendaknya ini ditafsirkan bahwa tidak terdapat hubungan linier antara variabel-variabel X dan Y.2) akan berlaku 0 ≤ r2 < 1 sehingga untuk koefisien korelasi didapat hubungan -1 < r < +1. Ini berarti bahwa titik-titik yang ditentukan oleh (Xi. maka derajat hubungannya akan dinyatakan dengan r dan biasa dinamakan koefisien korelasi karena rumus (9. maka harga I makin dekat kepada nol. Letak titiktitik ada pada garis regresi linier dengan sifat bahwa harga X yang besar berpasangan dengan harga Y yang besar. atau tepatnya terdapat garis regresi yang tuna cocok. Untuk keperluan perhitungan koefisien r berdasarkan sekumpulan data (X i.

sedangkan sisanya ditentukan oleh keadaan lain. ΣY2i = 33.7%.599 dan n = 30.3. Masih ada rumus lain.029) − (1.3. ΣYi = 1.x / s 2 y (9.094) − (1. jika koefisien arah regresi Y atas X dan b 2 koefisien arah regresi X atas Y untuk data yang sama. r = b sx / sy (9. ΣXiYi = 37. Contoh 9. dari rumus di atas dapat diturunkan rumus koefisien korelasi.105) 2 }{30(33.8758 Dari hasil ini ternyata didapat korelasi positif antara banyak pengunjung X dan yang berbelanja Y.105.3.599) − (1. Besar hubungannya ditentukan oleh koefisien determinasi r2 = 0. berarti. Bila data telah kita hitung sebagai berikut: ΣXi = 1.dengan s Jika persamaan regresi linier Y atas X telah ditentukan dan sudah didapat koefisien arah b.5) b { n ∑ X i Y − (∑ X i )(∑ Yi )} n ∑ Y 2 i − (∑ Yi ) 2 (9. 2 2 yx = ∑(Yi − Y )( X i − X ) yang merupakan kuadrat kekeliruan taksiran dan r = 1 − s 2 y.4) kita peroleh : 30(37.001. Dari rumus (9. Ini berarti bahwa meningkatnya atau menurunnya pembeli 76. maka : r2 = r2 = b1b2 (9.6) Dengan sedikit pengerjaan aljabar.7670 atau sebesar 76.001) r= {30(41.029.001) 2 } r = 0.3. maka koefisien determinasi r2 dapat ditentukan oleh rumus: r2 = 2 sY = ∑(Yi − Y ) yang merupakan ragam untuk variabel Y.8) Rumus itu menyatakan bahwa koefisien korelasi r adalah rata-rata ukur daripada koefisien-koefisien arah b1 dan b2. 39 .094. meningkatnya pengunjung yang datang meningkatkan pula banyaknya yang berbelanja. ΣX2i = 41. yaitu yang ditentukan oleh koefisien arah garis regresi Y atas X dan regresi X atas Y.3.7) dengan sx simpangan baku untuk variabel X dan sy simpangan baku untuk variabel Y.3.7% dapat dijelaskan oleh banyaknya pengunjung melalui hubungan linier X dan Y.105)(1.1: Misalkanlah kita ingin mengetahui hubungan antara banyaknya pengunjung (X) dan banyaknya yang berbelanja (Y) di sebuah toko.

r2. Dibedakan dua hal : Hal A). Yang benar adalah tidak terdapat hubungan linier antara X dan Y. Untuk ini kita gunakan Rumus (9. misalnya bagaimana X dan Y berdistribusi. Contoh 9. . 9. . Memang hubungan yang ada antara X dan Y. Apabila sekarang untuk X dan Y terdapat pola tertentu. r3. berbentuk parabola kuadratik. bahwa koefisien korelasi r = 0 dihitung dengan Rumus (9. .2. ΣYi = 42.2: Misalkanlah model regresi Y = 2 + X 2. ΣX2i = 336. Yi dan harganya ˆ ) 2 = 0.3. Dari kumpulan ini kita dapat membentuk distribusi sampling koefisien korelasi dan selanjutnya rata-rata dan simpangan bakunya dapat dihitung. Kita lihat bahwa Y = 6.3. marilah kita lihat berapa derajad hubungan yang ada antara X dan Y dalam bentuk kuadratik tersebut.Contoh 9. 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. melainkan hubungan berbentuk lain (dalam hal ini kuadratik). 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. Maka didapat kumpulan koefisien korelasi r1.1) mudah dilihat (Yi −Y diatas.3). Rata-rata dari simpangan baku untuk distribusi sampling koefisien korelasi ini akan diberi simbul µr dan σr. Dengan demikian ∑ i bahwa r2 = 1. ΣXiYi = 0 dan n = 7. ini memperlihatkan.3. yakni Y = 2 + X 2.3. .4).3. Untuk ini dimisalkan bahwa X dan Y berdistribusi gabungan normal bervariabel dua yang didalamnya antara lain berisikan parameter ρ (baca : rho) sebagai koefisien korelasinya. . yang jelas bahwa model regresi ini bukan regresi linier. ΣX2y = 28.3. Populasinya mempunyai ρ = 0 40 . bukan berarti tidak terdapat hubungan antara 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. maka analisis korelasi bisa berjalan lebih jauh. Ini berarti bahwa terdapat hubungan sempurna antara X dan Y yang dinyatakan oleh parabola dengan persamaan Y = 2 + X2. Sekarang. antara lain menentukan interval taksiran dan menguji hipotesis. 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. sehingga dari Rumus (9.3.

3.1513) log  1 + r    1. transformasi ini dapat juga ditulis sebagai : Z = (1. distribusi normal yang terjadi (suatu bentuk pendekatan) mempunyai rata-rata dan simpangan baku :  1 + ρ0 µ z = 1 2 ln   1. Transformasi yang digunakan ialah transformasi Fisher : Z = ½ ln  1 + r    1.3.3.13) 9.r  (9. Dalam hal ini.3.10) dengan In berarti logaritma asli.ρ 0  1 σ = n -3     (9.r  (9.3.4.3.12) Rumus µz dapat pula ditulis dalam bentuk : 1 + ρ0 µz = (1.9) maka akan diperoleh distribusi Student t dengan dk = (n – 2) Hal B).Jika semua sampel acak itu berasal dari populasi normal bervariabel dua dengan ρ = 0. jika dibentuk statistik : t= r n-2 1. dengan menggunakan sebuah transformasi akan menyebabkan distribusi yang tidak simetrik itu mendekati distribusi normal. yaitu logaritma dengan bilangan pokok e. maka distribusi sampling koefisien korelasi akan simetrik dengan µr = 0. Dalam logaritma biasa.r2 (9. Populasinya mempunyai ρ ≠ 0 Jika populasi dari mana sampel acak itu diambil mempunyai ρ = ρ0 ≠ 0. maka distribusi sampling koefisien korelasi tidak simetrik.11) Dengan transformasi ini.1513) log  1 − ρ 0      (9. Menaksir Koefisien Korelasi 41 .

80.3.14) dengan z½ γσz didapat dari daftar distribusi normal baku menggunakan peluang ½γ. Akhirnya batas-batas ρ dapat ditentukan dengan menggunakan batas-batas µz yang didapat dari Rumus (9. Dalam hal lain.3. digunakan transformasi Fisher.8   = 1. Dari sampel itu didapat r = 0.3.11) kita peroleh : Z = (1. Jika hubungan antara X dan Y berbentuk regresi linier. Untuk menentukan interval taksiran koefisien korelasi ρ. Taksiran titik ρ dengan mudah dapat ditentukan ialah koefisien korelasi r yang didapat dari sampel.96 28 − 3 1 + 0.15) Contoh 9.3.0986 < µz < 1.3.06137 yang menghasilkan ρ = 0. Untuk µz = 0. baru batas-batas µz ditentukan. maka interval taksiran µz dihitung oleh : Z – z½ γσz < µz < Z + z½ γσz (9.0986 + 1. Jika γ = koefisien kepercayaan yang diberikan.3: Sebuah sampel acak dengan ukuran n = 28 telah diambil dari sebuah populasi normal bervariabel dua.80.ρ  42 .14).4906 dihasilkan : 1 + ρ    = 0.1513) log  1. yaitu Z. Untuk kita disini hanya dibahas penaksiran koefisien korelasi apabila regresi antara X dan Y berbentu linier. maka untuk koefisien korelasi ρ pun didapat hal yang sama.ρ  untuk µz = 1.0986 1 − 0.7066 didapat : 0. maka r dihitung dengan Rumus (9.13) dan 1 + ρ0 µz = (1.3.3).8  Dari rumus (9.12) dan Rumus XVI(15) didapat : 1.4906 substitusikan batas-batas ini ke dalam Rumus (9.96 28 − 3 atau 0.3. tentukan taksiran koefisien korelasi ρ untuk populasi.1513) log  1 − ρ 0      (9.1513) log   log   1 + ρ     1. simpangan baku σ.4) atau yang sejenisnya. untuk menentukan interval taksiran ρ dengan angka kepercayaan γ = 95% misalnya dengan Rumus (9.3.7066 = (1. setelah Z didapat. ialah taksiran titik dan taksiran interval. Jawab : Titik taksiran dengan mudah dapat ditentukan ialah ρ = 0.609  1. proporsi π) ada dua macam penaksiran.Sebagaimana halnya menaksir prameter-prameter lain (rata-rata µ. r dihitung dengan rumus (9.7066 < µz < 1.3.

2947 yang menghasilkan ρ = 0. Menguji Hipotesis Kembali pada populasi bervariabel dua dengan koefisien koperasi ρ.ρ  interval taksiran ρ dengan angka kepercayaan 95% adalah 0.½α) < t < t(1.3. Dalam hal lainnya H0 kita tolak.28.903 9.28) 27 − 2 = 1.r2 1 + ρ    = 1.9) yaitu : t = r n-2 1. maka ternyata bahwa X dan Y independen. dimana distribusi t yang digunakan mempunyai dk = (n-2).4906 = (1. Tentu saja bentuk alternatif untuk menguji hipotesis H0 bisa H1 : ρ > 0 atau H1 : ρ < 0.ρ  (9. seperti biasa harus disesuaikan dengan alternatif yang diambil. maka dapat digunakan statistik t seperti dicantumkan dalam Rumus (9.903  1.28) 43 . Dari modelnya. Daerah kritis pengujianm.16) didapat : t= ( 0.3.16) Selanjutnya untuk taraf nyata = α. maka kita perlu melakukan uji independen. 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.½ α).4: Untuk pengujian H0 : ρ = 0 melawan H1 : ρ ≠ 0 berdasarkan sebuah sampel acak berukuran n = 27 dengan r = 0.3. Dalam hal ini. Untuk menguji H0 : ρ = 0 melawan H1 : ρ ≠ 0.5. Dalam hal pertama merupakan uji pihak kanan sedangkan yang kedua merupakan uji pihak kiri. Mengingat dalam banyak penelitian sering ingin mengetahui apakah antara dua variabel terdapat hubungan yang independen atau tidak. Contoh 9. maka dari Rumus (9. maka hipotesis kita terima jika –t(1.3.3. Sifat ini tidak berlaku untuk populasi yang tidak berdistribusi normal. jika sampel acak yang diambil dari populasi normal bervariabel dua itu berukuran n memiliki koefisien korelasi r. jika ρ = 0. Sehingga dalam hal populasi berdistribusi normal ρ = 0 mengakibatkan bahwa X dan Y independen dan sebaliknya.458 2 1 − ( 0.1513) log   log   1 + ρ     1.1.609 < ρ < 0.

3.3.11) akan diperoleh distribusi normal dengan rata-rata dan simpangan baku seperti tertera dalam Rumus (9. Cobalah buat sendiri kesimpulannya! Sekarang marilah kita tinjau bagaimana menguji hipotesis ρ yang tidak nol dapat dilakukan. untuk uji dua pihak. Untuk dapat menggunakan daftar distribusi normal baku.8758  sedangkan dari Rumus (9.9729 1 − 0. di situ telah didapat r = 0. ditentukan oleh bentuk alternatif. s elanjutnya perlu digunakan angka z : z= Z .1513) log  1 + 0.1924 44 . jika sampel acak diambil dari populasinormal bervariabel dua dengan koefisien korelasi ρ ≠ 0. telah dihitung koefisien antara banyak pengunjung dan yang berbelanja untuk sampel berukuran n = 30. dapatkah sampel tadi menguatkan dugaan tersebut ? Pertanyaan ini akan terjawab apabila kita melakukan pengujian terhadap hipotesis : H0 : ρ = 0.3.75  = 0.3. Mudah dilihat bahwa t = 1. seperti biasa. atau H1 : ρ < ρ0.75   = 0. atau Jika taraf ternyata pengujian diambil α. Jadi H0 diterima.17) Angka z inilah yang akan digunakan untuk menguji hipotesis : H0 : ρ = ρ0 ≠ 0 melawan salah satu alternatif : H1 : ρ ≠ ρ0.12) dan Rumus (9.3.3.05.5: Dalam contoh 9. maka dengan transformasi Fisher dalam Rumus (9.8758.13) dengan ρ0 = 0.060 dan 2.75 melawan H1 : ρ ≠ 0. Seperti telah dijelaskan dalam Bagian 5.75 Dengan Rumus (9. atau H1 : ρ > ρ0.75 (dari hipotesis H0) didapat : µz = (1. t0. maka dengan dk = 25.11) kita dapat menghitung : Z = (1.1513) log  dan σz = 1 30 − 3 1 + 0.1. Contoh 9. maka daerah kritis. dari daftar distribusi t didapat. pihak kanan atau pihak kiri.3.458 antara -2.8758   = 1.3.12). jika diduga bahwa populasinya mempunyai ρ = 0.75.060.995 = 2. apakah dua pihak.060.µz σz (9.Jika taraf nyata α = 0.3573 1 − 0.

96 < < 1.1924 1 + ρ0  atau (1.1 sehingga ρ0 > 0. maka untuk menguji hipotesis : Ho : ρ = ρ0 melawan H1 : ρ ≠ ρ0 dimana ρ0 bilangan yang akan dicari.7530 1 − ρ0 Sampel berukuran n = 30 tadi berasal dari sebuah populasi dengan ρ yang besarnya antara 0.6: Berasal dari populasi dengan ρ berapa sampel di muka telah diambil? Jawab : Jika diambil α = 0.1924 1 + ρ0  atau (1. Sampel itu tidak berasal dari populasi dengan ρ = 0.3573 − µz < 1.3573 −0.75.1.96 0.7530 dan 0.17) memberikan bilangan baku z= 1.1 sehingga ρ0 < 0.7344 0   1 + ρ0  atau  1 − ρ   < 32. harus berlaku : 1. Ternyata bahwa pengujian memberikan hasil yang berarti.Akhirnya.05.05.µz . 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 .3.9802 0   1 + ρ0 atau > 7.1513) log  1 − ρ   > 0.3.00 0.96.9395.96 0.96 0.96 < < 1.µz . maka daerah penerimaan H0 adalah -1. Latihan 3 1.1. supaya hipotesis bisa diterima.9729 = 2. Rumus (9.1924 Jika diambil α = 0.1924 Kita selesaikan hal pertama (ketidaksamaan sebelah kiri) : 1.3573 .96 < z < 1.9395 0   Hal kedua adalah (ketidaksamaan sebelah kanan) : 1.1513) log  1 − ρ   < 1. X 78 60 57 40 59 70 65 66 68 58 44 38 70 60 65 68 50 74 46 54 45 . Contoh 9.

Jika sampel acak berukuran n yaitu: (X1. d. Yn) dari suatu populasi. Gunakan taraf nyata α=5%. Tentukan koefisien determinasinya! c. 2. Y1). Besaran r2 dinamakan koefisien determinasi yang menunjukkan besarnya keragaman Y yang dapat dijelaskan oleh hubungannya dengan X. Hitunglah koefisien korelasi r! b. . 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. Suatu penelitian telah dilakukan untuk menentukan hubungan antara peubah acak X dan peubah acak Y. Lakukan uji hipotesis H0: ρ=0 lawan Ha: ρ≠0. (Xn...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. Tentukan koefisien determinasinya! c. Gunakan taraf nyata α=1% dan 5%. a. . Inferensi mengenai ρ berdasarkan r. n=12. (X2. . Data hasil penelitian telah dihitung dan didapatkan hasil sebagai berikut: . Lakukan uji hipotesis H0: ρ=0 lawan Ha: ρ≠0. Namun perlu diketahui bahwa kuat lemahnya hubungan antara X dan Y yang ditunjukkan oleh koefisien korelasi ini adalah hubungan linear. Hitunglah koefisien korelasi r! b. .. dapat kita tentukan kuat lemahnya dengan menghitung koefisien korelasinya. a. Y2).. Bagaimana hasilnya? Rangkuman Hubungan statistik antara peubah X dan peubah Y yang keduanya merupakan peubah acak. Tentukan selang kepercayaan 95% bagi ρ. kita gunakan statistik: 46 . .

268 b.143 d.9 8.931 c. 19. dengan cara menemukan satu pilihan jawaban yang paling tepat! A. Koefisien determinasi kita peroleh: a.8 dari data tersebut di atas kita hitung: 1. X Y 93 96 108 86 92 80 96 7.8 7.645 3.898 d. 0.4 7. Koefisien korelasi r.1 7.3 5. 0.956 2. data menunjukkan harga X yang menyatakan tingkat kenyamanan guru dalam lingkungannya bekerja.928 d. 0.3 6. 0. 9.9 6. 0.4 6. 0.922 47 .0 117 95 92 96 108 92 8.378 e.825 e. Pada tabel di bawah ini. 0.396 c. 2.7 5. 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.922 e.956 c. dan Y yang menyatakan kinerja guru dalam memberikan pembelajaran terhadap siswanya.325 b. -0.914 b. Statistik penguji Z untuk uji H0: ρ=0 lawan Ha: ρ≠0 kita peroleh: a.6 7. 0.5 7. 16.Z = 2 yang mnyebar normal dengan rataan µZ dan ragam σ Z . -1. kita peroleh: a.

478 b. 0.1 7.1 10.8 11.394 6.9 7.666 d. H0 tidak ditolak dan Ha diterima e. 5.6 11. dan Y yang menyatakan panjang ekor beberapa burung jenis tertentu (dalam cm) hasil penelitian siswa dalam pelajaran Biologi.8 11. X Y 10. Oleh sebab itu.866 c.7 10.2 7. 3. H0 diterima dan Ha tidak ditolak B.2 10. maka: a. Gunakan data pada soal B dalam Tes Formatif 1 Kegiatan Belajar 1. -0.922 C.2 10.545 d.876 e.4 10.8 7.3 10. 2. 0.3 dari data di atas kita hitung: 5.928 d. 0.418 7. Koefisien korelasi r kita peroleh: a.7 7.4 7. 0.8 8. Data pada tabel di bawah ini menunjukkan nilai X yang menyatakan panjang sayap. 0. H0 tidak ditolak dan Ha ditolak d.4 7.738 e.4 7. 9.2 7.444 b. 0.666 48 . 0. -2.931 c.750 e. H0 diterima dan Ha ditolak c. Statistik penguji Z untuk uji H0: ρ=0 lawan Ha: ρ≠0 kita peroleh: a. 0. 0. H0 ditolak dan Ha diterima b.5 10.4 7. Dari data tersebut kita hitung: 8.566 c.946 b.4. 0.2 10.6 7. -0.950 b.896 c. Koefisien korelasi r kita peroleh: a. -0. Koefisien determinasi kita peroleh: a.

928 d. 0. 0. terutama bagian yang belum Anda kuasai.931 c. 49 .79% = cukup < 70% = kurang Bila Anda mencapai tingkat penguasan 80% atau lebih. 0.485 b. 0.89% = baik 70% . 0.d. -2. Rumus: Tingkat Penguasaan = Jumlah jawaban Anda yang benar ×100% 10 Arti tingkat penguasaan yang Anda dapat: 90% .929 c. Statistik penguji Z untuk uji H0: ρ=0 lawan Ha: ρ≠0 kita peroleh: a. Hitunglah jawaban Anda yang benar.964 9 Koefisien determinasi kita peroleh: a. 17.447 10. 5.922 Balikan dan Tindak Lanjut Cocokkanlah jawaban Anda dengan Kunci Jawaban Tes Formatif 3 yang terdapat di bagian akhir Modul ini.865 d. Anda harus mengulangi Kegiatan Belajar 3. Kemudian gunakan rumus di bawah ini untuk mengetahui tingkat penguasaan Anda terhadap materi Kegiatan Belajar 3. 0. Bagus! Tetapi bila tingkat penguasaan Anda masih di bawah 80%. 0.750 e.876 e.991 b.738 e. 22. Anda dapat meneruskan dengan Kegiatan Belajar selanjutnya.100% = baik sekali 80% . 3.

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

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