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

5) (9.4) Bentuk lain dapat pula digunakan. 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. maka hendaknya ini ditafsirkan bahwa tidak terdapat hubungan linier antara variabel-variabel X dan Y. Khusus untuk r = 0.2 Korelasi Dalam Regresi Linier Apabila garis regresi yang terbaik untuk sekumpulan data berbentuk linier. maka itu pun berlaku apabila pola hubungan antara Y dan X berbentuk regresi linier. ialah : r = 1 − s 2 y.1) dan Rumus (9. Dalam hal ini I akan diganti oleh r2 dan diperoleh : r2 = ˆ ∑(Yi − Y) 2 − ∑( Yi − Yi ) 2 ∑(Yi − Y) 2 (9. 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. Letak titik-titik ada pada garis regresi linier dengan sifat bahwa harga X yang besar berpasangan dengan harga Y yang besar.3.kepada garis regresi.3. Secara umum berlaku 0 < I < 1. maka derajat hubungannya akan dinyatakan dengan r dan biasa dinamakan koefisien korelasi karena rumus (9. maka harga I makin dekat kepada nol. Untuk keperluan perhitungan koefisien r berdasarkan sekumpulan data (Xi.x / s 2 y 38 . Harga r= + 1menyatakan adanya hubungan linier sempurna langsung antara X dan Y. Sebaliknya jika titik-titik itu makin jauh dari garis regresi. 9. Koefisien korelasi r tentu saja didapat dengan jalan mengambil akar dari r2. 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 }{ } (9.2) akan berlaku 0 ≤ r2 < 1 sehingga untuk koefisien korelasi didapat hubungan -1 < r < +1. Harga 1 – r2 sendiri dapat dinamakan koefisien non determinasi.3.3.3.3. sedangkan harga X yang kecil berpasangan dengan Y yang kecil pula. atau tepatnya terdapat garis regresi yang tuna cocok.1) diatas bersifat umum. 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.3. maka harga I makin dekat kepada satu. harga 1 − r 2 dinamakan koefisien alienasi atau koefisien perenggangan. Mudah dilihat bahwa dari Rumus (9.3) r2 dinamakan koefisien determinasi atau koefisien penentu. Harga r= -1 menyatakan adanya hubungan linier sempurna tak langsung antara X dan Y. Ini berarti bahwa titiktitik yang ditentukan oleh (Xi.

1: Misalkanlah kita ingin mengetahui hubungan antara banyaknya pengunjung (X) dan banyaknya yang berbelanja (Y) di sebuah toko.3.3. sedangkan sisanya ditentukan oleh keadaan lain. Ini berarti bahwa meningkatnya atau menurunnya pembeli 76.029) − (1.2 dengan s yx = ∑ (Yi − Y )( X i − X ) yang merupakan kuadrat kekeliruan taksiran dan 2 sY = ∑ (Yi − Y ) yang merupakan ragam untuk variabel Y. Jika persamaan regresi linier Y atas X telah ditentukan dan sudah didapat koefisien arah b.7% dapat dijelaskan oleh banyaknya pengunjung melalui hubungan linier X dan Y. dari rumus di atas dapat diturunkan rumus koefisien korelasi. maka : r2 = r2 = b1b2 (9.7%.3. r = b sx / sy (9. Contoh 9. ΣY2i = 33.105)(1. ΣYi = 1.3.7670 atau sebesar 76. berarti. Besar hubungannya ditentukan oleh koefisien determinasi r2 = 0. yaitu yang ditentukan oleh koefisien arah garis regresi Y atas X dan regresi X atas Y.599 ) − (1. meningkatnya pengunjung yang datang meningkatkan pula banyaknya yang berbelanja. Bila data telah kita hitung sebagai berikut: ΣXi = 1. Masih ada rumus lain.2: Misalkanlah model regresi Y = 2 + X2.4) kita peroleh : 30(37.3.105) 2 30(33.105.001) 2 r = 0.001) r= 30(41.3. Contoh 9.6) Dengan sedikit pengerjaan aljabar.8758 { }{ } Dari hasil ini ternyata didapat korelasi positif antara banyak pengunjung X dan yang berbelanja Y. Dari rumus (9. yang jelas bahwa model regresi ini bukan regresi linier. ΣXiYi = 37. ΣX2i = 41.094.7) dengan sx simpangan baku untuk variabel X dan sy simpangan baku untuk variabel Y.001. maka koefisien determinasi r2 dapat ditentukan oleh rumus: 2 r2 = b { n ∑ X i Y − (∑ X i )( ∑ Yi )} n ∑ Y 2 i − (∑ Yi ) 2 (9.094 ) − (1. Kita ambil harga-harga sebagai berikut : 39 . jika koefisien arah regresi Y atas X dan b2 koefisien arah regresi X atas Y untuk data yang sama.599 dan n = 30.8) Rumus itu menyatakan bahwa koefisien korelasi r adalah rata-rata ukur daripada koefisien-koefisien arah b1 dan b2.029.

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. yakni Y = 2 + X2. ΣXiYi = 0 dan n = 7. r3. ΣYi = 42.3). ini memperlihatkan. Dengan demikian ∑ (Yi − Yi ) = 0. Maka didapat kumpulan koefisien korelasi r1.3. Yi dan harganya ˆ 2 diatas. bukan berarti tidak terdapat hubungan antara X dan Y.4). antara lain menentukan interval taksiran dan menguji hipotesis. Populasinya mempunyai ρ = 0 Jika semua sampel acak itu berasal dari populasi normal bervariabel dua dengan ρ = 0. berbentuk parabola kuadratik.3. ΣX2i = 336. maka analisis korelasi bisa berjalan lebih jauh. Dibedakan dua hal : Hal A). Kita lihat bahwa Y = 6. bahwa koefisien korelasi r = 0 dihitung dengan Rumus (9. sehingga dari Rumus (9.r2 40 .3. maka distribusi sampling koefisien korelasi akan simetrik dengan µr = 0. Sekarang.3.1) mudah dilihat bahwa r2 = 1. . Dari kumpulan ini kita dapat membentuk distribusi sampling koefisien korelasi dan selanjutnya rata-rata dan simpangan bakunya dapat dihitung. ΣX2y = 28. .2. jika dibentuk statistik : r n-2 t= (9.Xi Yi -3 11 -2 6 -1 3 0 2 1 3 2 6 3 11 Dari sini mudah dihitung bahwa : ΣXi = 0. melainkan hubungan berbentuk lain (dalam hal ini kuadratik). .3. misalnya bagaimana X dan Y berdistribusi.3. .9) 1. 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. 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. marilah kita lihat berapa derajad hubungan yang ada antara X dan Y dalam bentuk kuadratik tersebut. Untuk ini dimisalkan bahwa X dan Y berdistribusi gabungan normal bervariabel dua yang didalamnya antara lain berisikan parameter ρ (baca : rho) sebagai koefisien korelasinya. r2. Yang benar adalah tidak terdapat hubungan linier antara X dan Y. Ini berarti bahwa terdapat hubungan sempurna antara X dan Y yang dinyatakan oleh parabola dengan persamaan Y = 2 + X2.3. Apabila sekarang untuk X dan Y terdapat pola tertentu. Untuk ini kita gunakan Rumus (9. . Rata-rata dari simpangan baku untuk distribusi sampling koefisien korelasi ini akan diberi simbul µr dan σr. Contoh 9. Memang hubungan yang ada antara X dan Y. 9.

3. maka distribusi sampling koefisien korelasi tidak simetrik.12) Rumus µz dapat pula ditulis dalam bentuk : 1 + ρ0  µz = (1. Menaksir Koefisien Korelasi Sebagaimana halnya menaksir prameter-prameter lain (rata-rata µ. transformasi ini dapat juga ditulis sebagai : 1+ r   Z = (1. dengan menggunakan sebuah transformasi akan menyebabkan distribusi yang tidak simetrik itu mendekati distribusi normal.11) Dengan transformasi ini. Populasinya mempunyai ρ ≠ 0 Jika populasi dari mana sampel acak itu diambil mempunyai ρ = ρ0 ≠ 0. Dalam hal ini.3. proporsi π) ada dua macam penaksiran.r  (9. yaitu logaritma dengan bilangan pokok e.1513) log   1.r  (9. ialah taksiran titik dan taksiran interval. Taksiran titik ρ dengan mudah dapat ditentukan ialah koefisien korelasi r yang didapat dari sampel.4.10) dengan In berarti logaritma asli.1513) log  1− ρ   0   (9. maka untuk koefisien korelasi ρ pun didapat hal yang sama.3. distribusi normal yang terjadi (suatu bentuk pendekatan) mempunyai rata-rata dan simpangan baku : 1 + ρ0  µ z = 1 2 ln   1. Dalam logaritma biasa. simpangan baku σ.maka akan diperoleh distribusi Student t dengan dk = (n – 2) Hal B).3.ρ   0   1 σ = n -3 (9.13) 9. Jika 41 .3. Transformasi yang digunakan ialah transformasi Fisher : 1+ r   Z = ½ ln   1.

7066 = (1.4906 dihasilkan : 1+ ρ  1.3.96 1. tentukan taksiran koefisien korelasi ρ untuk populasi.0986 < µz < 1.3.0986 + 28 − 3 28 − 3 atau 0.609    untuk µz = 1.3.8   = 1.3.3.14) dengan z½ γ σz didapat dari daftar distribusi normal baku menggunakan peluang ½γ .80.2947 yang menghasilkan ρ = 0.ρ     1+ ρ  log   1 .903    42 .1513) log   1.1513) log  1− ρ 0      (9. Untuk menentukan interval taksiran koefisien korelasi ρ.11) kita peroleh :  1 + 0.3).15) Contoh 9.hubungan antara X dan Y berbentuk regresi linier. maka interval taksiran µz dihitung oleh : Z – z½ γ σz < µz < Z + z½ γ σz (9.ρ  = 0.ρ  = 1. r dihitung dengan rumus (9.3: Sebuah sampel acak dengan ukuran n = 28 telah diambil dari sebuah populasi normal bervariabel dua. Untuk µz = 0.3. Dari sampel itu didapat r = 0.80.ρ     1+ ρ  log   1 . digunakan transformasi Fisher.7066 < µz < 1.8  Dari rumus (9. Jawab : Titik taksiran dengan mudah dapat ditentukan ialah ρ = 0. Untuk kita disini hanya dibahas penaksiran koefisien korelasi apabila regresi antara X dan Y berbentu linier. untuk menentukan interval taksiran ρ dengan angka kepercayaan γ = 95% misalnya dengan Rumus (9. Akhirnya batas-batas ρ dapat ditentukan dengan menggunakan batas-batas µz yang didapat dari Rumus (9. maka r dihitung dengan Rumus (9.0986 Z = (1. Jika γ = koefisien kepercayaan yang diberikan.1513) log   1.96 1.4906 = (1. yaitu Z.1513) log   1 − 0.3. Dalam hal lain.4) atau yang sejenisnya.3.3. baru batas-batas µz ditentukan. setelah Z didapat.14).4906 substitusikan batas-batas ini ke dalam Rumus (9.13) dan 1 + ρ0 µz = (1.12) dan Rumus XVI(15) didapat : 1.06137 yang menghasilkan ρ = 0.7066 didapat : 1+ ρ  0.

28) Jika taraf nyata α = 0.3. jika ρ = 0.interval taksiran ρ dengan angka kepercayaan 95% adalah 0. Dalam hal ini.458 2 1 − ( 0. jika sampel acak yang diambil dari populasi normal bervariabel dua itu berukuran n memiliki koefisien korelasi r.3. maka kita perlu melakukan uji independen.5.16) didapat : ( 0.060 dan 2. t0. dimana distribusi t yang digunakan mempunyai dk = (n-2). Menguji Hipotesis Kembali pada populasi bervariabel dua dengan koefisien koperasi ρ.28) 27 − 2 t= = 1. maka dapat digunakan statistik t seperti dicantumkan dalam Rumus (9. Jadi H0 diterima. Mudah dilihat bahwa t = 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. Sifat ini tidak berlaku untuk populasi yang tidak berdistribusi normal.903 9. maka dengan dk = 25. Tentu saja bentuk alternatif untuk menguji hipotesis H0 bisa H1 : ρ > 0 atau H1 : ρ < 0.060.½ α). seperti biasa harus disesuaikan dengan alternatif yang diambil.3. maka ternyata bahwa X dan Y independen.4: Untuk pengujian H0 : ρ = 0 melawan H1 : ρ ≠ 0 berdasarkan sebuah sampel acak berukuran n = 27 dengan r = 0. dari daftar distribusi t didapat.458 antara -2. 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.9) yaitu : t = r n-2 1. Contoh 9.16) Selanjutnya untuk taraf nyata = α.28. Sehingga dalam hal populasi berdistribusi normal ρ = 0 mengakibatkan bahwa X dan Y independen dan sebaliknya. Cobalah buat sendiri kesimpulannya! 43 . Dalam hal lainnya H0 kita tolak. Daerah kritis pengujianm. untuk uji dua pihak.609 < ρ < 0. maka dari Rumus (9.3. Dari modelnya. maka hipotesis kita terima jika –t(1.3.r2 (9.060. Untuk menguji H0 : ρ = 0 melawan H1 : ρ ≠ 0.05.½α) < t < t(1.995 = 2.

atau Jika taraf ternyata pengujian diambil α.96 < z < 1. maka daerah kritis.3.3573 Z = (1.17) Angka z inilah yang akan digunakan untuk menguji hipotesis : H0 : ρ = ρ0 ≠ 0 melawan salah satu alternatif : H1 : ρ ≠ ρ0. telah dihitung koefisien antara banyak pengunjung dan yang berbelanja untuk sampel berukuran n = 30.3. maka daerah penerimaan H0 adalah -1. di situ telah didapat r = 0.12) dan Rumus (9.8758.1924 30 − 3 Akhirnya.3. jika sampel acak diambil dari populasinormal bervariabel dua dengan koefisien korelasi ρ ≠ 0. apakah dua pihak.5: Dalam contoh 9.1.3573 − 0. Seperti telah dijelaskan dalam Bagian 5.1924 Jika diambil α = 0.3.9729 µz = (1. 44 . jika diduga bahwa populasinya mempunyai ρ = 0. atau H1 : ρ > ρ0.µz σz (9. s elanjutnya perlu digunakan angka z : z= Z . seperti biasa.75 melawan H1 : ρ ≠ 0.8758  sedangkan dari Rumus (9.3.3. Contoh 9.75   = 0.75. Untuk dapat menggunakan daftar distribusi normal baku.75 Dengan Rumus (9. maka dengan transformasi Fisher dalam Rumus (9.12).17) memberikan bilangan baku 1.96.9729 z= = 2.1513) log   1 − 0. ditentukan oleh bentuk alternatif.1513) log   1 − 0. Rumus (9.3. pihak kanan atau pihak kiri.11) kita dapat menghitung :  1 + 0.05.75 (dari hipotesis H0) didapat :  1 + 0. dapatkah sampel tadi menguatkan dugaan tersebut ? Pertanyaan ini akan terjawab apabila kita melakukan pengujian terhadap hipotesis : H0 : ρ = 0.Sekarang marilah kita tinjau bagaimana menguji hipotesis ρ yang tidak nol dapat dilakukan.8758   = 1.13) dengan ρ0 = 0.11) akan diperoleh distribusi normal dengan ratarata dan simpangan baku seperti tertera dalam Rumus (9.75  dan 1 σz = = 0.3.00 0.3. atau H1 : ρ < ρ0.

3.1513) log   1 − ρ  > 0.96 0.1.1513) log   1 − ρ  < 1.75.1924 1 + ρ0  atau (1.96 0.96 0.µ z . harus berlaku : 1. supaya hipotesis bisa diterima.7530 dan 0. 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 . 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 .1.05.96 < < 1.7344  0   1 + ρ0  atau   1 − ρ  < 32.Ternyata bahwa pengujian memberikan hasil yang berarti.1 sehingga ρ0 > 0.6: Berasal dari populasi dengan ρ berapa sampel di muka telah diambil? Jawab : Jika diambil α = 0. Contoh 9.µ z .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 0.3573 − µ z < 1.3573 . Latihan 3 1.1924 1 + ρ0  atau (1.96 < < 1.9395  0   Hal kedua adalah (ketidaksamaan sebelah kanan) : 1.1 sehingga ρ0 < 0.9802  0   1 + ρ0 atau > 7.9395. Sampel itu tidak berasal dari populasi dengan ρ = 0. maka untuk menguji hipotesis : Ho : ρ = ρ0 melawan H1 : ρ ≠ ρ0 dimana ρ0 bilangan yang akan dicari.

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

6 7. maka: a.325 b.0 8. -0.898 d. 0.922 e. 0.1 7. 0.143 d. kita peroleh: a.8 dari data tersebut di atas kita hitung: 1.931 c. 0.9 8. 19. 16.396 c. dengan cara menemukan satu pilihan jawaban yang paling tepat! A.µZ = 1 1+ ρ  1 2 ln  1 − ρ  dan σ Z = n − 3  2   Tes Formatif 3 Kerjakanlah semua soal di bawah ini. Statistik penguji Z untuk uji H0: ρ=0 lawan Ha: ρ≠ 0 kita peroleh: a.7 5.956 c. H0 diterima dan Ha ditolak c. 0.645 3. Pada tabel di bawah ini. data menunjukkan harga X yang menyatakan tingkat kenyamanan guru dalam lingkungannya bekerja.9 6. Koefisien determinasi kita peroleh: a. 9.378 e. X Y 93 96 108 86 92 80 96 117 95 92 96 108 92 7. 0.5 7. 0. H0 tidak ditolak dan Ha ditolak 47 . dan Y yang menyatakan kinerja guru dalam memberikan pembelajaran terhadap siswanya. -1.825 e.4 6.8 7. 1. Koefisien korelasi r. 0.914 b. Oleh sebab itu.928 d.956 2.922 4.268 b. H0 ditolak dan Ha diterima b.3 5.4 7.3 6. 2.

545 d.964 9 Koefisien determinasi kita peroleh: 48 .8 11.666 d. -0.8 8.6 7.5 10.1 7.2 7. X Y 10.946 b. Koefisien korelasi r kita peroleh: a.8 7. 5.2 10. 0.1 10.4 7. Statistik penguji Z untuk uji H0: ρ=0 lawan Ha: ρ≠ 0 kita peroleh: a. 2. -0.3 dari data di atas kita hitung: 5.7 7.d.478 b.9 7.7 10. H0 diterima dan Ha tidak ditolak B. -0.950 b. Gunakan data pada soal B dalam Tes Formatif 1 Kegiatan Belajar 1. 0.4 7.4 7.2 10. 0.566 c. H0 tidak ditolak dan Ha diterima e.928 d.922 C.750 e.876 e.2 10.444 b. Dari data tersebut kita hitung: 8. Koefisien determinasi kita peroleh: a.6 11.866 c. 0. 9.738 e. dan Y yang menyatakan panjang ekor beberapa burung jenis tertentu (dalam cm) hasil penelitian siswa dalam pelajaran Biologi. 0.666 d.4 7.3 10. 0.896 c. 0. 0. 0. -2.8 11. 0. Koefisien korelasi r kita peroleh: a. Data pada tabel di bawah ini menunjukkan nilai X yang menyatakan panjang sayap.4 10.2 7. 0. 0. 3.931 c.394 6.738 e.418 7.

89% = baik 70% .929 c. Anda dapat meneruskan dengan Kegiatan Belajar selanjutnya.876 e. 0.485 b. Statistik penguji Z untuk uji H0: ρ=0 lawan Ha: ρ≠ 0 kita peroleh: a.865 d.928 d.a. Kemudian gunakan rumus di bawah ini untuk mengetahui tingkat penguasaan Anda terhadap materi Kegiatan Belajar 3.991 b. Anda harus mengulangi Kegiatan Belajar 3. 0.750 e. Hitunglah jawaban Anda yang benar. Rumus: Jumlah jawaban Anda yang benar Tingkat Penguasaan = × 100% 10 Arti tingkat penguasaan yang Anda dapat: 90% . 0. terutama bagian yang belum Anda kuasai. 22.931 c. -2.922 Balikan dan Tindak Lanjut Cocokkanlah jawaban Anda dengan Kunci Jawaban Tes Formatif 3 yang terdapat di bagian akhir Modul ini. 49 .447 10.100% = baik sekali 80% . Bagus! Tetapi bila tingkat penguasaan Anda masih di bawah 80%.79% = cukup < 70% = kurang Bila Anda mencapai tingkat penguasan 80% atau lebih. 0. 3. 0. 17. 5.

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

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

Sign up to vote on this title
UsefulNot useful