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=
atau I=

ˆ ∑(Yi − Y) 2 − ∑ (Yi − Yi ) 2 ∑( Yi − Y) 2

(9.3.1)

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

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= -1 menyatakan adanya hubungan linier sempurna tak langsung antara X dan Y.2) akan berlaku 0 ≤ r2 < 1 sehingga untuk koefisien korelasi didapat hubungan -1 < r < +1.3.x / s 2 y 38 . sedangkan harga X yang kecil berpasangan dengan Y yang kecil pula. harga 1 − r 2 dinamakan koefisien alienasi atau koefisien perenggangan. ialah : r = 1 − s 2 y. 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. Secara umum berlaku 0 < I < 1.5) (9. Untuk keperluan perhitungan koefisien r berdasarkan sekumpulan data (Xi. Mudah dilihat bahwa dari Rumus (9. maka derajat hubungannya akan dinyatakan dengan r dan biasa dinamakan koefisien korelasi karena rumus (9.1) diatas bersifat umum.3. Dalam hal ini I akan diganti oleh r2 dan diperoleh : r2 = ˆ ∑(Yi − Y) 2 − ∑( Yi − Yi ) 2 ∑(Yi − Y) 2 (9.3. atau tepatnya terdapat garis regresi yang tuna cocok.3) r2 dinamakan koefisien determinasi atau koefisien penentu. Sebaliknya jika titik-titik itu makin jauh dari garis regresi.3.kepada garis regresi. maka harga I makin dekat kepada satu. Harga r= + 1menyatakan adanya hubungan linier sempurna langsung antara X dan Y. Harga 1 – r2 sendiri dapat dinamakan koefisien non determinasi.4) Bentuk lain dapat pula digunakan.1) dan Rumus (9. maka hendaknya ini ditafsirkan bahwa tidak terdapat hubungan linier antara variabel-variabel X dan Y. maka itu pun berlaku apabila pola hubungan antara Y dan X berbentuk regresi linier.3. Ini berarti bahwa titiktitik yang ditentukan oleh (Xi.2 Korelasi Dalam Regresi Linier Apabila garis regresi yang terbaik untuk sekumpulan data berbentuk linier. Letak titik-titik ada pada garis regresi linier dengan sifat bahwa harga X yang besar berpasangan dengan harga Y yang besar. maka harga I makin dekat kepada nol.3. Koefisien korelasi r tentu saja didapat dengan jalan mengambil akar dari r2. Khusus untuk r = 0. 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. 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 }{ } (9.3.

4) kita peroleh : 30(37. Contoh 9. Besar hubungannya ditentukan oleh koefisien determinasi r2 = 0.094 ) − (1.3. yaitu yang ditentukan oleh koefisien arah garis regresi Y atas X dan regresi X atas Y. dari rumus di atas dapat diturunkan rumus koefisien korelasi. ΣYi = 1. ΣXiYi = 37. Kita ambil harga-harga sebagai berikut : 39 .7) dengan sx simpangan baku untuk variabel X dan sy simpangan baku untuk variabel Y. Ini berarti bahwa meningkatnya atau menurunnya pembeli 76. ΣX2i = 41.2 dengan s yx = ∑ (Yi − Y )( X i − X ) yang merupakan kuadrat kekeliruan taksiran dan 2 sY = ∑ (Yi − Y ) yang merupakan ragam untuk variabel Y. r = b sx / sy (9.7670 atau sebesar 76. yang jelas bahwa model regresi ini bukan regresi linier. ΣY2i = 33.001) r= 30(41.3.1: Misalkanlah kita ingin mengetahui hubungan antara banyaknya pengunjung (X) dan banyaknya yang berbelanja (Y) di sebuah toko. meningkatnya pengunjung yang datang meningkatkan pula banyaknya yang berbelanja.3. Dari rumus (9.6) Dengan sedikit pengerjaan aljabar.3. maka : r2 = r2 = b1b2 (9. sedangkan sisanya ditentukan oleh keadaan lain.8758 { }{ } Dari hasil ini ternyata didapat korelasi positif antara banyak pengunjung X dan yang berbelanja Y. Bila data telah kita hitung sebagai berikut: ΣXi = 1.2: Misalkanlah model regresi Y = 2 + X2. jika koefisien arah regresi Y atas X dan b2 koefisien arah regresi X atas Y untuk data yang sama.8) Rumus itu menyatakan bahwa koefisien korelasi r adalah rata-rata ukur daripada koefisien-koefisien arah b1 dan b2.599 ) − (1.3.599 dan n = 30.001) 2 r = 0.7%.7% dapat dijelaskan oleh banyaknya pengunjung melalui hubungan linier X dan Y. Jika persamaan regresi linier Y atas X telah ditentukan dan sudah didapat koefisien arah b. berarti.105.029. Masih ada rumus lain. Contoh 9.001.105)(1.094.105) 2 30(33. maka koefisien determinasi r2 dapat ditentukan oleh rumus: 2 r2 = b { n ∑ X i Y − (∑ X i )( ∑ Yi )} n ∑ Y 2 i − (∑ Yi ) 2 (9.029) − (1.3.

Yi dan harganya ˆ 2 diatas. ini memperlihatkan. melainkan hubungan berbentuk lain (dalam hal ini kuadratik). Contoh 9. Dengan Rumus didapat : 7(0) − (0)(42) r= =0 7(28) − (0) 2 7(336 ) − (42) 2 { }{ } Yang berarti tidak terdapat hubungan linier antara X dan Y. Untuk ini dimisalkan bahwa X dan Y berdistribusi gabungan normal bervariabel dua yang didalamnya antara lain berisikan parameter ρ (baca : rho) sebagai koefisien korelasinya. . ΣYi = 42.r2 40 . .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.9) 1.3. yakni Y = 2 + X2. Apabila sekarang untuk X dan Y terdapat pola tertentu. 9. bukan berarti tidak terdapat hubungan antara X dan Y. .1) mudah dilihat bahwa r2 = 1.3.3.3. maka distribusi sampling koefisien korelasi akan simetrik dengan µr = 0. . jika dibentuk statistik : r n-2 t= (9. Populasinya mempunyai ρ = 0 Jika semua sampel acak itu berasal dari populasi normal bervariabel dua dengan ρ = 0. r2. berbentuk parabola kuadratik. ΣX2i = 336. Dengan demikian ∑ (Yi − Yi ) = 0. ΣXiYi = 0 dan n = 7. Ini berarti bahwa terdapat hubungan sempurna antara X dan Y yang dinyatakan oleh parabola dengan persamaan Y = 2 + X2. r3. antara lain menentukan interval taksiran dan menguji hipotesis.4). Dibedakan dua hal : Hal A).3. Kita lihat bahwa Y = 6. Memang hubungan yang ada antara X dan Y. Rata-rata dari simpangan baku untuk distribusi sampling koefisien korelasi ini akan diberi simbul µr dan σr. Sekarang. 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.3). ΣX2y = 28. . marilah kita lihat berapa derajad hubungan yang ada antara X dan Y dalam bentuk kuadratik tersebut.3. misalnya bagaimana X dan Y berdistribusi. sehingga dari Rumus (9. Dari kumpulan ini kita dapat membentuk distribusi sampling koefisien korelasi dan selanjutnya rata-rata dan simpangan bakunya dapat dihitung. Maka didapat kumpulan koefisien korelasi r1. maka analisis korelasi bisa berjalan lebih jauh. Untuk ini kita gunakan Rumus (9. bahwa koefisien korelasi r = 0 dihitung dengan Rumus (9.Xi Yi -3 11 -2 6 -1 3 0 2 1 3 2 6 3 11 Dari sini mudah dihitung bahwa : ΣXi = 0.2. Yang benar adalah tidak terdapat hubungan linier antara X dan Y.

ρ   0   1 σ = n -3 (9. maka distribusi sampling koefisien korelasi tidak simetrik.1513) log  1− ρ   0   (9.r  (9.11) Dengan transformasi ini.13) 9. yaitu logaritma dengan bilangan pokok e.10) dengan In berarti logaritma asli. dengan menggunakan sebuah transformasi akan menyebabkan distribusi yang tidak simetrik itu mendekati distribusi normal. Taksiran titik ρ dengan mudah dapat ditentukan ialah koefisien korelasi r yang didapat dari sampel. Dalam logaritma biasa. proporsi π) ada dua macam penaksiran.3. Transformasi yang digunakan ialah transformasi Fisher : 1+ r   Z = ½ ln   1.3.12) Rumus µz dapat pula ditulis dalam bentuk : 1 + ρ0  µz = (1.4. Jika 41 . transformasi ini dapat juga ditulis sebagai : 1+ r   Z = (1. simpangan baku σ. distribusi normal yang terjadi (suatu bentuk pendekatan) mempunyai rata-rata dan simpangan baku : 1 + ρ0  µ z = 1 2 ln   1. Dalam hal ini.r  (9. Populasinya mempunyai ρ ≠ 0 Jika populasi dari mana sampel acak itu diambil mempunyai ρ = ρ0 ≠ 0.3.3.1513) log   1.3. ialah taksiran titik dan taksiran interval. maka untuk koefisien korelasi ρ pun didapat hal yang sama. Menaksir Koefisien Korelasi Sebagaimana halnya menaksir prameter-prameter lain (rata-rata µ.maka akan diperoleh distribusi Student t dengan dk = (n – 2) Hal B).

80.3.609    untuk µz = 1.0986 < µz < 1. Akhirnya batas-batas ρ dapat ditentukan dengan menggunakan batas-batas µz yang didapat dari Rumus (9.13) dan 1 + ρ0 µz = (1.3. yaitu Z.1513) log  1− ρ 0      (9. Dalam hal lain.4906 = (1.3. Untuk kita disini hanya dibahas penaksiran koefisien korelasi apabila regresi antara X dan Y berbentu linier. Dari sampel itu didapat r = 0. Jawab : Titik taksiran dengan mudah dapat ditentukan ialah ρ = 0.8  Dari rumus (9. maka interval taksiran µz dihitung oleh : Z – z½ γ σz < µz < Z + z½ γ σz (9.15) Contoh 9.3. r dihitung dengan rumus (9.7066 = (1. setelah Z didapat.7066 didapat : 1+ ρ  0.ρ  = 0.06137 yang menghasilkan ρ = 0.8   = 1.14).hubungan antara X dan Y berbentuk regresi linier.4906 substitusikan batas-batas ini ke dalam Rumus (9.0986 Z = (1. tentukan taksiran koefisien korelasi ρ untuk populasi.80.3.3. Jika γ = koefisien kepercayaan yang diberikan. baru batas-batas µz ditentukan. digunakan transformasi Fisher.14) dengan z½ γ σz didapat dari daftar distribusi normal baku menggunakan peluang ½γ . Untuk µz = 0.ρ     1+ ρ  log   1 . maka r dihitung dengan Rumus (9. Untuk menentukan interval taksiran koefisien korelasi ρ.ρ     1+ ρ  log   1 .3.1513) log   1.3.4906 dihasilkan : 1+ ρ  1.96 1.0986 + 28 − 3 28 − 3 atau 0.3).96 1.3.903    42 .1513) log   1 − 0.ρ  = 1.4) atau yang sejenisnya.3: Sebuah sampel acak dengan ukuran n = 28 telah diambil dari sebuah populasi normal bervariabel dua.7066 < µz < 1. untuk menentukan interval taksiran ρ dengan angka kepercayaan γ = 95% misalnya dengan Rumus (9.1513) log   1.2947 yang menghasilkan ρ = 0.11) kita peroleh :  1 + 0.12) dan Rumus XVI(15) didapat : 1.

Untuk menguji H0 : ρ = 0 melawan H1 : ρ ≠ 0. Contoh 9. Dalam hal ini. jika ρ = 0.060. Cobalah buat sendiri kesimpulannya! 43 .458 antara -2.16) Selanjutnya untuk taraf nyata = α.060. maka dengan dk = 25. maka ternyata bahwa X dan Y 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. maka dari Rumus (9. Mengingat dalam banyak penelitian sering ingin mengetahui apakah antara dua variabel terdapat hubungan yang independen atau tidak. Dari modelnya. Sehingga dalam hal populasi berdistribusi normal ρ = 0 mengakibatkan bahwa X dan Y independen dan sebaliknya.28) 27 − 2 t= = 1.3.r2 (9.060 dan 2.05.9) yaitu : t = r n-2 1.5. Dalam hal lainnya H0 kita tolak.28.4: Untuk pengujian H0 : ρ = 0 melawan H1 : ρ ≠ 0 berdasarkan sebuah sampel acak berukuran n = 27 dengan r = 0.609 < ρ < 0. t0.3.3.995 = 2. Dalam hal pertama merupakan uji pihak kanan sedangkan yang kedua merupakan uji pihak kiri. maka dapat digunakan statistik t seperti dicantumkan dalam Rumus (9. Menguji Hipotesis Kembali pada populasi bervariabel dua dengan koefisien koperasi ρ.458 2 1 − ( 0. dimana distribusi t yang digunakan mempunyai dk = (n-2). maka kita perlu melakukan uji independen.903 9.½ α). seperti biasa harus disesuaikan dengan alternatif yang diambil. Mudah dilihat bahwa t = 1. jika sampel acak yang diambil dari populasi normal bervariabel dua itu berukuran n memiliki koefisien korelasi r.interval taksiran ρ dengan angka kepercayaan 95% adalah 0. maka hipotesis kita terima jika –t(1.16) didapat : ( 0. Jadi H0 diterima. dari daftar distribusi t didapat. Tentu saja bentuk alternatif untuk menguji hipotesis H0 bisa H1 : ρ > 0 atau H1 : ρ < 0.½α) < t < t(1. untuk uji dua pihak.3. Daerah kritis pengujianm.3.28) Jika taraf nyata α = 0. Sifat ini tidak berlaku untuk populasi yang tidak berdistribusi normal.

atau H1 : ρ < ρ0.8758  sedangkan dari Rumus (9.05.9729 µz = (1.9729 z= = 2.00 0. seperti biasa. jika diduga bahwa populasinya mempunyai ρ = 0.12).3. jika sampel acak diambil dari populasinormal bervariabel dua dengan koefisien korelasi ρ ≠ 0. Rumus (9. Seperti telah dijelaskan dalam Bagian 5.75 (dari hipotesis H0) didapat :  1 + 0.3.75 Dengan Rumus (9.13) dengan ρ0 = 0.75  dan 1 σz = = 0. di situ telah didapat r = 0.1924 30 − 3 Akhirnya.75   = 0. apakah dua pihak. maka daerah penerimaan H0 adalah -1.75.3.96. atau H1 : ρ > ρ0.µz σz (9.3573 Z = (1.3. maka dengan transformasi Fisher dalam Rumus (9.1513) log   1 − 0.11) akan diperoleh distribusi normal dengan ratarata dan simpangan baku seperti tertera dalam Rumus (9.3.8758   = 1. telah dihitung koefisien antara banyak pengunjung dan yang berbelanja untuk sampel berukuran n = 30.1513) log   1 − 0. Contoh 9.17) memberikan bilangan baku 1. s elanjutnya perlu digunakan angka z : z= Z .5: Dalam contoh 9.1.3.3. pihak kanan atau pihak kiri.75 melawan H1 : ρ ≠ 0. atau Jika taraf ternyata pengujian diambil α.11) kita dapat menghitung :  1 + 0. dapatkah sampel tadi menguatkan dugaan tersebut ? Pertanyaan ini akan terjawab apabila kita melakukan pengujian terhadap hipotesis : H0 : ρ = 0. ditentukan oleh bentuk alternatif.8758.3573 − 0.1924 Jika diambil α = 0.3. Untuk dapat menggunakan daftar distribusi normal baku. maka daerah kritis.17) Angka z inilah yang akan digunakan untuk menguji hipotesis : H0 : ρ = ρ0 ≠ 0 melawan salah satu alternatif : H1 : ρ ≠ ρ0.3.96 < z < 1.12) dan Rumus (9.Sekarang marilah kita tinjau bagaimana menguji hipotesis ρ yang tidak nol dapat dilakukan. 44 .

9395. 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).7530 dan 0.96 0.1 sehingga ρ0 > 0.96 0.9802  0   1 + ρ0 atau > 7.µ z .Ternyata bahwa pengujian memberikan hasil yang berarti.1924 1 + ρ0  atau (1.96 < < 1.3573 .96 0. maka untuk menguji hipotesis : Ho : ρ = ρ0 melawan H1 : ρ ≠ ρ0 dimana ρ0 bilangan yang akan dicari.1.9395  0   Hal kedua adalah (ketidaksamaan sebelah kanan) : 1. Sampel itu tidak berasal dari populasi dengan ρ = 0.75.1513) log   1 − ρ  > 0.1. Contoh 9.1513) log   1 − ρ  < 1.1924 Kita selesaikan hal pertama (ketidaksamaan sebelah kiri) : 1.7530 1 − ρ0 Sampel berukuran n = 30 tadi berasal dari sebuah populasi dengan ρ yang besarnya antara 0.05.1 sehingga ρ0 < 0. Latihan 3 1.7344  0   1 + ρ0  atau   1 − ρ  < 32.1924 1 + ρ0  atau (1.3573 − µ z < 1. supaya hipotesis bisa diterima.3.6: Berasal dari populasi dengan ρ berapa sampel di muka telah diambil? Jawab : Jika diambil α = 0. X Y 78 60 57 40 59 70 65 66 68 58 44 38 70 60 65 68 50 74 46 54 85 70 65 45 78 89 50 60 75 50 50 40 87 75 78 80 45 90 50 58 45 .96 < < 1.µ z .3573 . harus berlaku : 1.

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

928 d.7 5.6 7. X Y 93 96 108 86 92 80 96 117 95 92 96 108 92 7. Oleh sebab itu. 0.8 7. Koefisien korelasi r. 16.0 8.898 d.9 6. kita peroleh: a. 0.5 7. Pada tabel di bawah ini. H0 tidak ditolak dan Ha ditolak 47 . 0.3 6.µZ = 1 1+ ρ  1 2 ln  1 − ρ  dan σ Z = n − 3  2   Tes Formatif 3 Kerjakanlah semua soal di bawah ini.3 5. dan Y yang menyatakan kinerja guru dalam memberikan pembelajaran terhadap siswanya.8 dari data tersebut di atas kita hitung: 1. 0. 0.922 e. Koefisien determinasi kita peroleh: a. Statistik penguji Z untuk uji H0: ρ=0 lawan Ha: ρ≠ 0 kita peroleh: a. H0 ditolak dan Ha diterima b. 0. -0. H0 diterima dan Ha ditolak c.645 3. 9.4 7. 0.1 7.325 b. 0.143 d. 19. 1. -1.931 c.268 b.4 6.9 8. data menunjukkan harga X yang menyatakan tingkat kenyamanan guru dalam lingkungannya bekerja. maka: a. dengan cara menemukan satu pilihan jawaban yang paling tepat! A.825 e.914 b.378 e.956 c.956 2. 2.396 c.922 4.

738 e. 0. 3. Koefisien korelasi r kita peroleh: a.4 10.8 11. 0.566 c. -0.545 d.418 7. 0. 0.946 b.950 b.8 11.2 10.394 6.9 7.666 d.2 7. Gunakan data pada soal B dalam Tes Formatif 1 Kegiatan Belajar 1. dan Y yang menyatakan panjang ekor beberapa burung jenis tertentu (dalam cm) hasil penelitian siswa dalam pelajaran Biologi. 5.4 7.4 7. Statistik penguji Z untuk uji H0: ρ=0 lawan Ha: ρ≠ 0 kita peroleh: a. -2.876 e.4 7.931 c. 0. 9. Koefisien korelasi r kita peroleh: a. 0. 0.7 7.478 b. 0.3 dari data di atas kita hitung: 5.5 10.d.738 e. 0. X Y 10.4 7.6 7. Data pada tabel di bawah ini menunjukkan nilai X yang menyatakan panjang sayap.896 c. -0. -0.1 7.750 e.8 8.444 b. 0. 0.2 10.2 10. 0.666 d.866 c. Koefisien determinasi kita peroleh: a.928 d.2 7.3 10. H0 tidak ditolak dan Ha diterima e.6 11. 2.1 10. Dari data tersebut kita hitung: 8.922 C.8 7.964 9 Koefisien determinasi kita peroleh: 48 .7 10. H0 diterima dan Ha tidak ditolak B.

17.89% = baik 70% . 5.750 e.865 d.100% = baik sekali 80% . 0.928 d.931 c.929 c.485 b. 3. Anda dapat meneruskan dengan Kegiatan Belajar selanjutnya. Statistik penguji Z untuk uji H0: ρ=0 lawan Ha: ρ≠ 0 kita peroleh: a. Rumus: Jumlah jawaban Anda yang benar Tingkat Penguasaan = × 100% 10 Arti tingkat penguasaan yang Anda dapat: 90% .876 e. terutama bagian yang belum Anda kuasai. Hitunglah jawaban Anda yang benar. 0. Anda harus mengulangi Kegiatan Belajar 3.447 10.79% = cukup < 70% = kurang Bila Anda mencapai tingkat penguasan 80% atau lebih. 0. 22. 0. Bagus! Tetapi bila tingkat penguasaan Anda masih di bawah 80%. 49 . Kemudian gunakan rumus di bawah ini untuk mengetahui tingkat penguasaan Anda terhadap materi Kegiatan Belajar 3.a.922 Balikan dan Tindak Lanjut Cocokkanlah jawaban Anda dengan Kunci Jawaban Tes Formatif 3 yang terdapat di bagian akhir Modul ini. -2.991 b. 0.

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

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