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

4) Bentuk lain dapat pula digunakan. maka harga I makin dekat kepada satu.x / s 2 y 38 . maka hendaknya ini ditafsirkan bahwa tidak terdapat hubungan linier antara variabel-variabel X dan Y.kepada garis regresi. 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.3.1) dan Rumus (9. harga 1 − r 2 dinamakan koefisien alienasi atau koefisien perenggangan. 9. Letak titik-titik ada pada garis regresi linier dengan sifat bahwa harga X yang besar berpasangan dengan harga Y yang besar. Untuk keperluan perhitungan koefisien r berdasarkan sekumpulan data (Xi.3. Koefisien korelasi r tentu saja didapat dengan jalan mengambil akar dari r2.3. Khusus untuk r = 0. 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.3) r2 dinamakan koefisien determinasi atau koefisien penentu.2 Korelasi Dalam Regresi Linier Apabila garis regresi yang terbaik untuk sekumpulan data berbentuk linier.5) (9.3. Sebaliknya jika titik-titik itu makin jauh dari garis regresi.3. Mudah dilihat bahwa dari Rumus (9. maka itu pun berlaku apabila pola hubungan antara Y dan X berbentuk regresi linier. Harga r= -1 menyatakan adanya hubungan linier sempurna tak langsung antara X dan Y. 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 }{ } (9.3.2) akan berlaku 0 ≤ r2 < 1 sehingga untuk koefisien korelasi didapat hubungan -1 < r < +1. Harga 1 – r2 sendiri dapat dinamakan koefisien non determinasi. atau tepatnya terdapat garis regresi yang tuna cocok.1) diatas bersifat umum. maka harga I makin dekat kepada nol. maka derajat hubungannya akan dinyatakan dengan r dan biasa dinamakan koefisien korelasi karena rumus (9. Secara umum berlaku 0 < I < 1. sedangkan harga X yang kecil berpasangan dengan Y yang kecil pula. Harga r= + 1menyatakan adanya hubungan linier sempurna langsung antara X dan Y. ialah : r = 1 − s 2 y. Dalam hal ini I akan diganti oleh r2 dan diperoleh : r2 = ˆ ∑(Yi − Y) 2 − ∑( Yi − Yi ) 2 ∑(Yi − Y) 2 (9. 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. Ini berarti bahwa titiktitik yang ditentukan oleh (Xi.3.

001) r= 30(41. Ini berarti bahwa meningkatnya atau menurunnya pembeli 76. Contoh 9.4) kita peroleh : 30(37.3.094 ) − (1.105) 2 30(33. jika koefisien arah regresi Y atas X dan b2 koefisien arah regresi X atas Y untuk data yang sama. Contoh 9.2: Misalkanlah model regresi Y = 2 + X2.105)(1.3. Jika persamaan regresi linier Y atas X telah ditentukan dan sudah didapat koefisien arah b. 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. dari rumus di atas dapat diturunkan rumus koefisien korelasi.7670 atau sebesar 76. r = b sx / sy (9. yaitu yang ditentukan oleh koefisien arah garis regresi Y atas X dan regresi X atas Y.029.3.7% dapat dijelaskan oleh banyaknya pengunjung melalui hubungan linier X dan Y. ΣXiYi = 37. ΣYi = 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. berarti.094.001) 2 r = 0.3.599 dan n = 30.105. yang jelas bahwa model regresi ini bukan regresi linier.3.7%. Besar hubungannya ditentukan oleh koefisien determinasi r2 = 0. Bila data telah kita hitung sebagai berikut: ΣXi = 1. maka : r2 = r2 = b1b2 (9. Kita ambil harga-harga sebagai berikut : 39 . Masih ada rumus lain. ΣY2i = 33. Dari rumus (9.7) 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. ΣX2i = 41.001.8758 { }{ } Dari hasil ini ternyata didapat korelasi positif antara banyak pengunjung X dan yang berbelanja Y.029) − (1.599 ) − (1. 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. meningkatnya pengunjung yang datang meningkatkan pula banyaknya yang berbelanja.6) Dengan sedikit pengerjaan aljabar.

3. Ini berarti bahwa terdapat hubungan sempurna antara X dan Y yang dinyatakan oleh parabola dengan persamaan Y = 2 + X2.3. ΣX2y = 28. Memang hubungan yang ada antara X dan Y. Apabila sekarang untuk X dan Y terdapat pola tertentu. r2. yakni Y = 2 + X2. r3. ΣX2i = 336. Untuk ini kita gunakan Rumus (9. bahwa koefisien korelasi r = 0 dihitung dengan Rumus (9. Maka didapat kumpulan koefisien korelasi r1. ΣXiYi = 0 dan n = 7. 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.3. 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. Populasinya mempunyai ρ = 0 Jika semua sampel acak itu berasal dari populasi normal bervariabel dua dengan ρ = 0. ΣYi = 42. bukan berarti tidak terdapat hubungan antara X dan Y. melainkan hubungan berbentuk lain (dalam hal ini kuadratik). . Untuk ini dimisalkan bahwa X dan Y berdistribusi gabungan normal bervariabel dua yang didalamnya antara lain berisikan parameter ρ (baca : rho) sebagai koefisien korelasinya. . .3. maka analisis korelasi bisa berjalan lebih jauh. 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. Yang benar adalah tidak terdapat hubungan linier antara X dan Y. misalnya bagaimana X dan Y berdistribusi.1) mudah dilihat bahwa r2 = 1. Sekarang. jika dibentuk statistik : r n-2 t= (9.9) 1.2. Kita lihat bahwa Y = 6. Rata-rata dari simpangan baku untuk distribusi sampling koefisien korelasi ini akan diberi simbul µr dan σr. ini memperlihatkan. Dari kumpulan ini kita dapat membentuk distribusi sampling koefisien korelasi dan selanjutnya rata-rata dan simpangan bakunya dapat dihitung. sehingga dari Rumus (9. marilah kita lihat berapa derajad hubungan yang ada antara X dan Y dalam bentuk kuadratik tersebut. Dibedakan dua hal : Hal A).3. Yi dan harganya ˆ 2 diatas. maka distribusi sampling koefisien korelasi akan simetrik dengan µr = 0.3). 9.4). . Dengan demikian ∑ (Yi − Yi ) = 0.r2 40 . Contoh 9.3.Xi Yi -3 11 -2 6 -1 3 0 2 1 3 2 6 3 11 Dari sini mudah dihitung bahwa : ΣXi = 0. . antara lain menentukan interval taksiran dan menguji hipotesis. berbentuk parabola kuadratik.3.

4. distribusi normal yang terjadi (suatu bentuk pendekatan) mempunyai rata-rata dan simpangan baku : 1 + ρ0  µ z = 1 2 ln   1. dengan menggunakan sebuah transformasi akan menyebabkan distribusi yang tidak simetrik itu mendekati distribusi normal. transformasi ini dapat juga ditulis sebagai : 1+ r   Z = (1. maka distribusi sampling koefisien korelasi tidak simetrik.10) dengan In berarti logaritma asli.maka akan diperoleh distribusi Student t dengan dk = (n – 2) Hal B). Jika 41 . proporsi π) ada dua macam penaksiran.1513) log  1− ρ   0   (9.3. Taksiran titik ρ dengan mudah dapat ditentukan ialah koefisien korelasi r yang didapat dari sampel. simpangan baku σ. Populasinya mempunyai ρ ≠ 0 Jika populasi dari mana sampel acak itu diambil mempunyai ρ = ρ0 ≠ 0. ialah taksiran titik dan taksiran interval. Dalam logaritma biasa.3.ρ   0   1 σ = n -3 (9.3.13) 9.3.1513) log   1. maka untuk koefisien korelasi ρ pun didapat hal yang sama.11) Dengan transformasi ini.12) Rumus µz dapat pula ditulis dalam bentuk : 1 + ρ0  µz = (1.3. Dalam hal ini. Menaksir Koefisien Korelasi Sebagaimana halnya menaksir prameter-prameter lain (rata-rata µ.r  (9. yaitu logaritma dengan bilangan pokok e.r  (9. Transformasi yang digunakan ialah transformasi Fisher : 1+ r   Z = ½ ln   1.

15) Contoh 9.ρ     1+ ρ  log   1 . baru batas-batas µz ditentukan.3.06137 yang menghasilkan 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 (9.14) dengan z½ γ σz didapat dari daftar distribusi normal baku menggunakan peluang ½γ .4906 dihasilkan : 1+ ρ  1. setelah Z didapat.3.1513) log   1.ρ     1+ ρ  log   1 .11) kita peroleh :  1 + 0.4906 substitusikan batas-batas ini ke dalam Rumus (9.hubungan antara X dan Y berbentuk regresi linier. Akhirnya batas-batas ρ dapat ditentukan dengan menggunakan batas-batas µz yang didapat dari Rumus (9. r dihitung dengan rumus (9. Untuk µz = 0.3.4) atau yang sejenisnya. maka interval taksiran µz dihitung oleh : Z – z½ γ σz < µz < Z + z½ γ σz (9. digunakan transformasi Fisher.96 1. Dalam hal lain.96 1.8   = 1.8  Dari rumus (9. Untuk menentukan interval taksiran koefisien korelasi ρ.14).3. yaitu Z.3.1513) log  1− ρ 0      (9.0986 + 28 − 3 28 − 3 atau 0.7066 = (1.3).3.1513) log   1.4906 = (1.609    untuk µz = 1.2947 yang menghasilkan ρ = 0.ρ  = 1.903    42 .7066 didapat : 1+ ρ  0.12) dan Rumus XVI(15) didapat : 1.3.80. maka r dihitung dengan Rumus (9.3.0986 Z = (1. Jika γ = koefisien kepercayaan yang diberikan.1513) log   1 − 0.7066 < µz < 1.0986 < µz < 1. Dari sampel itu didapat r = 0.ρ  = 0. Jawab : Titik taksiran dengan mudah dapat ditentukan ialah ρ = 0.3: Sebuah sampel acak dengan ukuran n = 28 telah diambil dari sebuah populasi normal bervariabel dua.3.80.13) dan 1 + ρ0 µz = (1. tentukan taksiran koefisien korelasi ρ untuk populasi.

3. Mengingat dalam banyak penelitian sering ingin mengetahui apakah antara dua variabel terdapat hubungan yang independen atau tidak.609 < ρ < 0.9) yaitu : t = r n-2 1.060.28) Jika taraf nyata α = 0. Sehingga dalam hal populasi berdistribusi normal ρ = 0 mengakibatkan bahwa X dan Y independen dan sebaliknya. Menguji Hipotesis Kembali pada populasi bervariabel dua dengan koefisien koperasi ρ.16) Selanjutnya untuk taraf nyata = α. jika sampel acak yang diambil dari populasi normal bervariabel dua itu berukuran n memiliki koefisien korelasi r. untuk uji dua pihak. maka hipotesis kita terima jika –t(1.060 dan 2.28) 27 − 2 t= = 1.995 = 2.½ α). Untuk menguji H0 : ρ = 0 melawan H1 : ρ ≠ 0. jika ρ = 0.903 9. Tentu saja bentuk alternatif untuk menguji hipotesis H0 bisa H1 : ρ > 0 atau H1 : ρ < 0. Daerah kritis pengujianm. maka dari Rumus (9.3. t0.3.28.458 antara -2. maka kita perlu melakukan uji independen. maka dengan dk = 25.3. 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 ternyata bahwa X dan Y independen. seperti biasa harus disesuaikan dengan alternatif yang diambil.458 2 1 − ( 0.4: Untuk pengujian H0 : ρ = 0 melawan H1 : ρ ≠ 0 berdasarkan sebuah sampel acak berukuran n = 27 dengan r = 0. Sifat ini tidak berlaku untuk populasi yang tidak berdistribusi normal.3.½α) < t < t(1.5.r2 (9.05. Mudah dilihat bahwa t = 1. Cobalah buat sendiri kesimpulannya! 43 . Dalam hal pertama merupakan uji pihak kanan sedangkan yang kedua merupakan uji pihak kiri. Dalam hal ini. Dalam hal lainnya H0 kita tolak.interval taksiran ρ dengan angka kepercayaan 95% adalah 0. maka dapat digunakan statistik t seperti dicantumkan dalam Rumus (9. Contoh 9. Dari modelnya.060. dari daftar distribusi t didapat.16) didapat : ( 0. Jadi H0 diterima. dimana distribusi t yang digunakan mempunyai dk = (n-2).

atau H1 : ρ < ρ0. maka dengan transformasi Fisher dalam Rumus (9.3573 Z = (1. Contoh 9.3. Seperti telah dijelaskan dalam Bagian 5. maka daerah kritis.3. telah dihitung koefisien antara banyak pengunjung dan yang berbelanja untuk sampel berukuran n = 30.13) dengan ρ0 = 0. Untuk dapat menggunakan daftar distribusi normal baku.Sekarang marilah kita tinjau bagaimana menguji hipotesis ρ yang tidak nol dapat dilakukan.3573 − 0.1924 Jika diambil α = 0.1513) log   1 − 0. Rumus (9. dapatkah sampel tadi menguatkan dugaan tersebut ? Pertanyaan ini akan terjawab apabila kita melakukan pengujian terhadap hipotesis : H0 : ρ = 0.3. jika diduga bahwa populasinya mempunyai ρ = 0.8758   = 1.3. apakah dua pihak. atau H1 : ρ > ρ0.75   = 0. ditentukan oleh bentuk alternatif.05.11) kita dapat menghitung :  1 + 0.µz σz (9.75 Dengan Rumus (9.96.9729 z= = 2.17) memberikan bilangan baku 1.3.75 melawan H1 : ρ ≠ 0.3.1513) log   1 − 0.1.8758. maka daerah penerimaan H0 adalah -1.75.96 < z < 1.11) akan diperoleh distribusi normal dengan ratarata dan simpangan baku seperti tertera dalam Rumus (9. 44 .00 0.12).12) dan Rumus (9.75 (dari hipotesis H0) didapat :  1 + 0. atau Jika taraf ternyata pengujian diambil α. di situ telah didapat r = 0.3.3.8758  sedangkan dari Rumus (9.5: Dalam contoh 9.1924 30 − 3 Akhirnya.75  dan 1 σz = = 0. jika sampel acak diambil dari populasinormal bervariabel dua dengan koefisien korelasi ρ ≠ 0.9729 µz = (1.3. seperti biasa. pihak kanan atau pihak kiri. s elanjutnya perlu digunakan angka z : z= Z .17) Angka z inilah yang akan digunakan untuk menguji hipotesis : H0 : ρ = ρ0 ≠ 0 melawan salah satu alternatif : H1 : ρ ≠ ρ0.

Ternyata bahwa pengujian memberikan hasil yang berarti. maka untuk menguji hipotesis : Ho : ρ = ρ0 melawan H1 : ρ ≠ ρ0 dimana ρ0 bilangan yang akan dicari.96 < < 1.1924 Kita selesaikan hal pertama (ketidaksamaan sebelah kiri) : 1.1.7344  0   1 + ρ0  atau   1 − ρ  < 32.9802  0   1 + ρ0 atau > 7.3573 . supaya hipotesis bisa diterima.1924 1 + ρ0  atau (1.1513) log   1 − ρ  > 0.7530 dan 0.1924 1 + ρ0  atau (1.µ z .µ z .96 0.9395  0   Hal kedua adalah (ketidaksamaan sebelah kanan) : 1.96 0.7530 1 − ρ0 Sampel berukuran n = 30 tadi berasal dari sebuah populasi dengan ρ yang besarnya antara 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 .1 sehingga ρ0 > 0. Contoh 9.96 < < 1.3573 − µ z < 1.3.96 0.9395.1 sehingga ρ0 < 0. Sampel itu tidak berasal dari populasi dengan ρ = 0. harus berlaku : 1.3573 .05.6: Berasal dari populasi dengan ρ berapa sampel di muka telah diambil? Jawab : Jika diambil α = 0.1. Latihan 3 1. 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).75.1513) log   1 − ρ  < 1.

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

2.378 e.645 3.3 5. Pada tabel di bawah ini.922 e. 0.9 8.143 d. 19. X Y 93 96 108 86 92 80 96 117 95 92 96 108 92 7. kita peroleh: a. H0 ditolak dan Ha diterima b. H0 tidak ditolak dan Ha ditolak 47 . dengan cara menemukan satu pilihan jawaban yang paling tepat! A.956 c. 0. 0.898 d. maka: a.3 6.6 7. Koefisien determinasi kita peroleh: a.268 b. -0. 0.956 2.914 b.4 6.9 6.325 b. 0.825 e.931 c. Oleh sebab itu. 1.0 8. dan Y yang menyatakan kinerja guru dalam memberikan pembelajaran terhadap siswanya.1 7.8 dari data tersebut di atas kita hitung: 1. 16. Statistik penguji Z untuk uji H0: ρ=0 lawan Ha: ρ≠ 0 kita peroleh: a.4 7.928 d.396 c. data menunjukkan harga X yang menyatakan tingkat kenyamanan guru dalam lingkungannya bekerja.µZ = 1 1+ ρ  1 2 ln  1 − ρ  dan σ Z = n − 3  2   Tes Formatif 3 Kerjakanlah semua soal di bawah ini.922 4. 0.5 7. Koefisien korelasi r.8 7. H0 diterima dan Ha ditolak c. 0. -1.7 5. 0. 9.

4 10.566 c. dan Y yang menyatakan panjang ekor beberapa burung jenis tertentu (dalam cm) hasil penelitian siswa dalam pelajaran Biologi. -2.750 e. Koefisien determinasi kita peroleh: a.896 c.478 b. 0.4 7.666 d. 0. Statistik penguji Z untuk uji H0: ρ=0 lawan Ha: ρ≠ 0 kita peroleh: a.9 7.7 10.7 7. 0.738 e.6 11.d.418 7. Data pada tabel di bawah ini menunjukkan nilai X yang menyatakan panjang sayap.545 d.4 7. 0.928 d. 5. 0. Gunakan data pada soal B dalam Tes Formatif 1 Kegiatan Belajar 1. 0. Dari data tersebut kita hitung: 8.876 e. 0. -0. 0. 0.8 11.2 7.922 C. 2. 0. H0 diterima dan Ha tidak ditolak B.2 10. 0.8 8.2 7.4 7.950 b. Koefisien korelasi r kita peroleh: a. Koefisien korelasi r kita peroleh: a. X Y 10.1 7.4 7.1 10. -0.946 b.5 10. 0.964 9 Koefisien determinasi kita peroleh: 48 .3 dari data di atas kita hitung: 5.2 10. 3. -0.931 c.2 10.666 d.444 b.738 e.6 7.8 7.394 6. H0 tidak ditolak dan Ha diterima e.866 c. 9.3 10.8 11.

Rumus: Jumlah jawaban Anda yang benar Tingkat Penguasaan = × 100% 10 Arti tingkat penguasaan yang Anda dapat: 90% .485 b.79% = cukup < 70% = kurang Bila Anda mencapai tingkat penguasan 80% atau lebih.922 Balikan dan Tindak Lanjut Cocokkanlah jawaban Anda dengan Kunci Jawaban Tes Formatif 3 yang terdapat di bagian akhir Modul ini. Anda dapat meneruskan dengan Kegiatan Belajar selanjutnya.876 e.447 10.a. 49 . 22.865 d.991 b. Kemudian gunakan rumus di bawah ini untuk mengetahui tingkat penguasaan Anda terhadap materi Kegiatan Belajar 3. Anda harus mengulangi Kegiatan Belajar 3. 5.750 e.89% = baik 70% .100% = baik sekali 80% . Bagus! Tetapi bila tingkat penguasaan Anda masih di bawah 80%.931 c. 0. 3. 0. 0.928 d.929 c. -2. Statistik penguji Z untuk uji H0: ρ=0 lawan Ha: ρ≠ 0 kita peroleh: a. terutama bagian yang belum Anda kuasai. 17. 0. Hitunglah jawaban Anda yang benar. 0.

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

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