Sunday, 3 May 2015

Regresi Linier Ganda


A.  Pengertian Regresi Linier
Pengertian regresi secara umum adalah sebuah alat statistik yang memberikan penjelasan tentang pola hubungan (model) antara dua variabel atau lebih.. Dalam analisis regresi dikenal 2 jenis variabel yaitu:
1. Variabel Respon disebut juga variabel dependen yaitu variabel yang keberadaannya dipengaruhi oleh variabel lainnya dan dinotasikan dengan variable Y .
 2. Variabel Prediktor disebut juga dengan variabel independen yaitu variabel yang bebas (tidak dipengaruhi oleh variabel lainnya) dan dinotasikan dengan X.
Untuk mempelajari hubugan – hubungan antara variabel bebas maka regresi linier terdiri dari dua bentuk, yaitu:
1.      Analisis regresi sederhana (simple analysis regresi)
2.      Analisis regresi berganda (Multiple analysis regresi)
Analisis regresi sederhana merupakan hubungan antara dua variabel yaitu variabel bebas (variable independen) dan variabel tak bebas (variabel dependen). Sedangkan analisis regresi berganda merupakan hubungan antara 3 variabel atau lebih, yaitu sekurang-kurangnya dua variabel bebas dengan satu variabel tak bebas.
Tujuan utama regresi adalah untuk membuat perkiraan nilai suatu variabel (variabel dependen) jika nilai variabel yang lain yang berhubungan dengannya (variabel lainnya) sudah ditentukan.
B.  Analisis Regresi Linier Sederhana
Regresi linier sederhana digunakan untuk mendapatkan hubungan matematis dalam bentuk suatu persamaan antara variabel tak bebas tunggal dengan variabel bebas tunggal. Regresi linier sederhana hanya memiliki satu peubah yang dihubungkan dengan satu peubah tidak bebas . Bentuk umum dari persamaan regresi linier untuk populasi adalah:

Y = a + bx

Di mana:
Y = variabel tak bebas
x = variabel bebas
a = parameter intersep
b = parameter koefisien regresi variabel bebas
   
Menentukan koefisien persamaan a dan b dapat dengan menggunakan metode kuadrat terkecil, yaitu cara yang dipakai untuk menentukan koefisien persamaan a dan b  dari jumlah pangkat dua (kuadrat) antara titik-titik dengan garis regresi yang dicari ysng terkecil . Dengan demikian , dapat ditentukan:
Koefisien a dan b

C.  Regresi Linier Berganda
Regresi linier berganda adalah analisis regresi yang menjelaskan hubungan antara peubah respon (variabel dependen) dengan faktor-faktor yang mempengaruhi lebih dari satu prediktor (variabel independen).
Regresi linier berganda hampir sama dengan regresi linier sederhana, hanya saja pada regresi linier berganda variabel bebasnya lebih dari satu variabel penduga. Tujuan analisis regresi linier berganda adalah untuk mengukur intensitas hubungan antara dua variabel atau lebih dan membuat prediksi perkiraan nilai Y atas X.

Secara umum model regresi linier berganda untuk populasi adalah sebagai berikut:
Rumus Umum

Model regresi linier berganda untuk populasi diatas dapat ditaksir berdasarkan sebuah smpel acak yang berukuran n dengan model regresi linier berganda untuk sampel, yaitu:


Bentuk data yang akan diolah ditunjukkan pada table berikut:
Tabel 2.1 Bentuk Umum Data Observasi
         



D.  Membentuk Persamaan Regresi Linier Berganda
Dalam regresi linier berganda variabel tak bebas (y) tergantung kepada dua atau lebih variabel bebas (x). Bentuk persamaan regresi linier berganda yang mencakup dua atau lebih variabel dapat ditulis sebagai berikut:






Untuk rumus diatas, dapat diselesaikannya dengan empat persamaan oleh empat variabel yang terbentuk:


E.  Koefisien Determinasi
Koefisien determinasi dinyatakan dengan R2 untuk pengujian regresi linier berganda yang mencakup lebih dari dua variabel. Koefisien determinasi adalah untuk mengetahui proporsi keragaman total dalam variabel tak bebas  Y yang dapat dijelaskan atau diterangkan oleh variabel – variabel bebas X yang ada di dalam model persamaan regresi linier berganda secara bersama-sama. Maka  R 2 akan ditentukan dengan rumus:



Harga R yang diperoleh sesuai dengan variasi yang dijelaskan masing–masing variabel yang tinggal dalam regresi. Hal ini mengakibatkan variansi yang dijelaskan penduga yang disebabkan oleh variabel yang berpengaruh saja (yang bersifat nyata)

F.   Uji Regresi Linier Berganda
Dalam pengujian regresi linier berganda terdapat tiga macam uji yaitu:
1). Uji simultan atau uji F atau uji ragam regresi atau uji varians regrsi;
2). Uji parsial koefisien regresi atau uji terhadap bi atau uji t koefisien regresi; dan
3). Uji koefisien korelasi berganda atau uji R.
Uji regresi linier ganda perlu dilakukan untuk mengetahui apakah sekelompok variabel bebas secara bersamaan mempunyai pengaruh terhadap variabel tak bebas.
1). Uji simultan atau uji F atau uji ragam regresi atau uji varians regresi;
Pada dasarnya pengujian hipotesis tentang parameter koefisien regresi secara keseluruhan atau pengujian persamaan regresi dengana menggunakan statistik F yang dirumuskan sebagai berikut:









Dalam pengujian persamaan regresi terutama menguji hipotesis tentang parameter koefisien regresi secara keseluruhan melibatkan intersep k serta buah variabel penjelasan sebagai berikut:

Dengan persamaan penduganya adalah:
Langkah-langkah yang dibutuhkan dalam pengujian hipotesis ini adalah sebagai berikut:
a.       Menentukan formulasi hipotesi
b.      Menentukan taraf nyata α dan Ftabel dengan derajat kebebasan V1 = k dan V2 = n-k-1
Pilih taraf nyata α yang diinginkan.
c.       Menentukan kriteria pengujian
d.      Menentukan nilai statistik F
e.       Membuat kesimpulan apakah Ho diterima atau ditolak
2). Uji Keberartian Koefisien Regresi (bi) Secara Parsial atau Uji t Koefisien Regresi terhadap variabel tak bebas Y
Modifikasi dari pengaruh masing-masing variabel bebas Xi secara individu atau parsial dalam kebersamaan atau simultan terhadap variabel tak bebas Y, dapat dilakukan dengan uji t atau uji koefisien regresi secara parsial.
Secara umum uji t mempunyai persamaan seperti berikut:


W nilai yang diuji, sehingga untuk pengujian koefisien regresi (bi), maka persamaananya menjadi:



Dari persamaan diatas  dalam menyederhanakan penulisan Koefisien Regresi Bi biasa ditulis dengan σBi (Salah Baku = Standard Error Koefisien Regresi Bi ).
Perhitungannya didasarkan pada Ragam Galat Regresi atau KT Galat Regresi. Karena
besarnya nilai σ2e (Ragam Galat Regresi Populasi) tidak diketahui, maka dapat diduga
dengan nilai S2e atau KT Galat Regresi penduga yang mempunyai persamaan yaitu:
S2e = KT Galat Regresi = JK Galat Regresi/(n-p-1 )
Selanjutnya, dalam Analisis Regresi dua prediktor, nilai Salah Baku bi yang ditulis (Sbi) mempunyai persamaan seperti:



Untuk pengujian b1 nilai salah baku menjadi:
Untuk pengujian b2 nilai salah baku menjadi:
Seperti dalam uji F, penulisan t-hitung dapat ditulis dengan notasi thitung (artinya uji t untuk pengujian hipotesis nol atau H0 : bi = 0 dan H1 : minimal satu dari bi ≠ 0).
Berdasarkan hasil uji t ternyata bahwa kreteria pengujian nilai thitung adalah:
1)   Jika thitung ≤ t(tabel 5%, db galat) ini berarti pada analisis regresi linier berganda, pengaruh X1 dan X2 terhadap Y menunjukkan bahwa baik X1 maupun X2 berpengaruh tidak nyata secara parsial terhadap Y.
2)   Jika thitung > t(tabel 5%, db galat) maka nilai bi menunjukkan bahwa masing-masing baik X1 maupun X2 berpengaruh nyata terhadap variabel bebas Y secara individual dalam kebersamaan atau secara parsial. Dengan kata lain ini
berarti bahwa koefisien arah bi yang berangkutan dapat dipakai sebagai
penduga dan peramalan yang dapat dipercaya.
Pengujian yang dilakukan dengan cara tersebut di atas, dapat memberikan petunjuk
apakah setiap variabel bebas Xi memberikan pengaruh atau hubungan yang nyata
terhadap variabel tak bebas Y.
3). Korelasi Linear berganda
Korelasi linear berganda merupakan alat ukur mengenai hubungan yang terjadi antara variabel yang terikat. (variabel Y) dan dua atau lebih variabel bebas (x1, x2……xk). Analisis korelasinya menggunakan tiga koefisien korelasi yaitu koefisien determinasi berganda, koefisien korelasi berganda, dan koefisien korelasi parsial.
1). Korelasi linear berganda dengan dua variabel bebas
a.       Koefisien penentu berganda atau koefisien determinasi berganda
Koefisien determinasi berganda, disimbolkan KPB y.12 atau R2 merupakan ukuran kesusaian garis regresi linear berganda terhadap suatu data. Rumus
b.      Koefisien korelasi berganda
 Koefisien korelasi berganda disimbolkan ry12 merupakan ukuran keeratan hubungan antara variabel terikat dan semua variabel bebas. Secara bersama-sama.  Rumus :
c.       Koefisien korelasi parsial
Koefisien korelasi parsial merupakan koefisien korelasi antara dua variabel. Jika variabel lainnya konstan, pada hubungan yang melibatkan lebih dari dua variabel.
Ada 3 koefisien korelasi parsial untuk hubungan yang melibatkan 3 variabel yaitu sebagai berikut:
1). Koefisien korelasi parsial antara y dan x1, apabila x2 konstan dirumuskan
2). Koefisien korelasi parsial antara y dan x2, apabila x1 konstan dirumuskan
3). Koefisien korelasi parsial antara x1 dan x2 apabila y konstan dirumuskan
2.      Korelasi linear berganda dengan 3 variabel bebas
a.       Koefisien penentu berganda

b.      Koefisien korelasi berganda

Refrensi 
Draper, N. dan Smith, H. 1992. Analisis Regresi Terapan. Edisi Kedua. Terjemahan
                 Oleh Bambang Sumantri. Jakarta: Gramedia Pustaka Utama.
Kutner, M.H., C.J. Nachtsheim., dan J. Neter. 2004. Applied Linear Regression Models.
                 4th ed. New York: McGraw-Hill Companies, Inc.
                 berganda-dengan-spss-17-0/)



Thursday, 16 April 2015

PENGUJIAN HIPOTESIS DESKRIFTIF SATU SAMPEL

PENGUJIAN HIPOTESIS DESKRIPTIF SATU SAMPEL
STATISTIK DESKRIFTIF SATU SAMPEL DAN CONTOH

1.        Dasar Teori
Pengujian hipoteis deskriptif pada dasarnya merupakan proses pengujia generalisasi hasil yang di dasarkan pada satu sampel. kesimupalan yang di hasilkan nanti adalah apakah hipotesis yang di uji itu dapat di generalisasika atau tidak. bila Ho di terima berarti dapat di generalisasikan. dalam pengujian ini variabel penelitiannya bersifat mandiri ole karena itu hipotesis penelitian tidak berbentuk perbandigan ataupun hubungan antar dua variabel atau lebih.
a.      Pengertian Pengujian Hipotesis
Istilah hipotesis berasal dari bahasa Yunani, yaitu hupo dan thesis. Hipo berarti lemah,kurang atau dibawah dan thesis berarti tiori, proposisi, atau pernyataan yang disajikan sebagaibukti. Jadi hipotesis dapat diartikan sebagai suatu pernyataan yang masih lemah kebenarannyadan perlu dibuktikan atau dugaan yang sifstnya masih sementara.
Hipotesis ststistik adalah pernyataan atau dugaan mengenai keadaan populasi yangsifatnya masih sementara atau lemah kebenarannya. Hipotesis statistic dapat berbentuk suatuvariable, seperti binomial, poisson, dan normal atau nilai dari suatu parameter, seperti rata-rata,varians, simpangan baku dan proporsi. Hipotesis statistic akan diterima jika hasil pengujianmembenarkan pernyataannya dan akan ditolak jika terjadi penyangkalan dari pernyataannya.
Pengujian hipotesis adalah suatu prosedur yang akan menghasilkan suatu keputusan,yaitu keputusan menerima atau menolak hipotesis itu. Dalam pengujian hipotesis keputusan yangdibuat mengandung ketidakpastian, artinya keputusan bisa benar atau salah, sehinggamenimbulkan resiko. Besar kecilnya resiko dinyatakan dalam bentuk probabilitas.
Terapadat dua macam pengujian hipotesis deskriptif, yaitu dengan uji dua pihak ( two tail test ) dan uji satu pihak ( one tail test ). uji satu pihak ada 2 macam yaitu uji pihak kanan da uji pihak kiri.jenis uji mana yang akan di gunakan tergantung pada bunyi k kalimat hipotesis.
Langkah - langkah dalam pengujian hipotesis deskriptif :
1. Menghitung rata - rata data
2. Menghitung simpangan baku
3. Menghitung harga t
4. Melihat t tabel
5. Menggambar kurve
6. Meletakkan kedudukan t hitung dan t tabel dalam kurve yang telah di buat
7. Membuat keputusan pengujian hipotesis
1) Uji dua Pihak ( two tail test )
    Uji dua pihak di gunakan bila hipotesis nol ( Ho) berbunyi " sama dengan " dan hipotesis alternatifnya ( Ha) berbunyi " tidak sama Dengan" ( Ho =; Ha ≠ )
contoh rumusan hiotesis:
Hipotesis nol :daya tahan berdiri pelayan toko tiap hari = 8 jam
Hipotesis alternatif : daya tahan berdiri pelayan toko tiap hari ≠ 8 jam.
b. Jenis Pengujian Hipotesis  
1.  Hipotesis Direksional
Hipotesis direksional adalah rumusan hipotesis yang arahnya sudah jelas atau disebut juga hipotesis langsung. Hipotesis ini digunakan untuk menjelaskan pengujian rerata (uji-t) dengan rerata satu sampel. Sedangkan pengujian hipotesis direksional terdiri dari dua yaitu uji pihak kiri dan uji pihak kanan, untuk lebih jelasnya dapat diuraikan berikut ini.
1) Uji Pihak Kiri
Apabila ada rumusan hipotesis pasangan Ha dinyatakan dengan bunyi kalimat: paling tinggi, paling banyak, paling besar, maksimum dan sejenisnya berarti tandanya lebih kecil (<). Maka sebaliknya Ho harus dinyatakan dengan bunyi kalimat: paling rendah, paling sedikit, paling kecil, minimum dan sejenisnya berarti tandanya lebih besar atau sama dengan( >) pengujiannya menggunakan uji satu pihak (one tailed test) yaitu uji pihak kiri. Seperti contoh berikut:
a.      Hipotesis bersifat deskriptif
Motivasi kerja pegawai di Lembaga Pendidikan Lingua Plus paling tinggi 40% dari nilai ideal.
(1)   Hipotesis (Ha dan Ho) dalam uraian kalimat
Ha: Motivasi kerja pegawai di Lembaga Pendidikan Lingua Plus paling tinggi 40% dari nilai ideal.
Ho: Motivasi kerja pegawai di Lembaga Pendidikan Lingua Plus paling rendah atau sama dengan 40% dari nilai ideal.
(2)   Hipotesis (Ha dan Ho) model statistik
Ha: p < 40 %                     p= persentase
Ho: p > 40 %



b.      Hipotesis bersifat komparatif
Terdapat perbedaan prestasi belajar antara mahasiswa tugas belajar dengan mahasiswa izin belajar dalam mengikuti pelajaran statistik, yaitu mahasiswa tugas belajar lebih tinggi daripada mahasiswa izin belajar. Atas dasar informasi tim pengajar ingin membuktikan melalui penelitian.
(1)   Hipotesis (Ha dan Ho) dalam uraian kalimat
Ha: Perbedaan prestasi belajar antara mahasiswa tugas belajar lebih tinggi daripada mahasiswa izin belajar.
Ho: Perbedaan prestasi belajar antara mahasiswa tugas belajar lebih rendah daripada mahasiswa izin belajar.
(2)   Hipotesis (Ha dan Ho) model statistik
Ha: µ1 < µ2                                µ = rata-rata populasi
Ho: µ1 > µ2
c.         Hipotesis bersifat asosiatif
Seorang pakar pendidikan ingin meneliti hubungan motivasi dengan prestasi belajar di Perguruan Tinggi Lingua Plus. Peneliti berhipotesis bahwa hubungan motivasi belajar dengan prestasi belajar paling tinggi 60%.
(1)   Hipotesis (Ha dan Ho) dalam uraian kalimat
Ha: Hubungan motivasi belajar dengan prestasi belajar paling tinggi 60%.
Ho: Hubungan motivasi belajar dengan prestasi belajar paling rendah atau sama dengan 60%.
(2)   Hipotesis (Ha dan Ho) model statistik
Ha: p < 60%                      p= persentase
Ho: p > 60% 
2) Uji Pihak Kanan
Jika rumusan hipotesis pasangan Ha dinyatakan dengan bunyi kalimat: rendah, paling sedikit, paling kecil, minimum dan sejenisnya berarti tandanya lebih besar ( > ). Maka sebaliknya Ho harus dinyatakan dengan bunyi kalimat: paling tinggi, paling banyak, paling besar, maksimum dan sejenisnya berarti tandanya lebih kecil atau sama dengan ( < ). Pengujiannya menggunakan uji saatu pihak (one tailed test) yaitu uji pihak kanan. Seperti contoh berikut:

a.         Hipotesis bersifat deskriptif
Disiplin pegawai di Lembaga Pendidikan Lingua Plus paling rendah 70% dari skor ideal.
(1)   Hipotesis (Ha dan Ho) dalam uraian kalimat
Ha: Disiplin pegawai di Lembaga Pendidikan Lingua Plus paling rendah 70% dari skor ideal.
Ho: Disiplin pegawai di Lembaga Pendidikan Lingua Plus paling tinggi atau sama dengan 70% dari skor ideal.
(2)   Hipotesis (Ha dan Ho) model statistik
Ha: p > 70 %                     p= persentase
Ho: p < 70 %
b.        Hipotesis bersifat komparatif
Seorang pengamat haji ingin melakukan penelitian untuk mengetahui adakah perbedaan fasilitas antara kelompok jamaah haji plus (VIP) dengan jemaah haji biasa. Pengamat berhipotesis bahwa jemaah haji biasa kurang nyaman fasilitasnya bila dibandingkan dengan jemaah haji plus (VIP).
(1)   Hipotesis (Ha dan Ho) dalam uraian kalimat
Ha: Jemaah haji biasa kurang nyaman fasilitasnya bila dibandingkan dengan jemaah haji plus (VIP).
Ho: Jemaah haji biasa lebih nyaman atau sama dengan fasilitasnya bila dibandingkan dengan jemaah haji plus (VIP).
(2)   Hipotesis (Ha dan Ho) model statistik
Ha: µ1 > µ2                                µ = rata-rata populasi
Ho: µ1 < µ2
c.         Hipotesis bersifat asosiatif
Seorang pengamat sosial mengatakan bahwa hubungan antara atasan dengan bawahan di Lembaga Pendidikan Lingua Plus paling rendah 45%.
(1)   Hipotesis (Ha dan Ho) dalam uraian kalimat
Ha: Hubungan antara atasan dengan bawahan di Lembaga Pendidikan Lingua Plus paling rendah 45%.
Ho: Hubungan antara atasan dengan bawahan di Lembaga Pendidikan Lingua Plus paling tinggi atau sama dengan 45%.
(2)   Hipotesis (Ha dan Ho) model statistik
Ha: p > 45%                      p= persentase
Ho: p < 45%


c.     Statistik Nonparametris
Statistik nonparametris yang di gunakan untuk menguji hipotesis satu sampel bila datanya nominalnya adalah " Test Binomial " dan Chi Kuadrat (X2) satu sampel. selanjutnya test yang digunakan untuk menguji hipotesis satu sampe data ordinal akan diberikan "Run Test"
1. Test Binomial
Test binomial di gunakan untuk menguji hipotesis bila dalam populasi terdiri atas dua kelompok klas, datanya berbentuk nominal dan jumlah sampel keci ( kurang dari 25) dua kelompok klas itu misalnya klas pria dan wanita, senior dan junior, sarjana dan bukan sarjana, kaya dan miskin.
2. Chi Kuadrat (X2)
Chi kuadrat (X2) saru sampel adalah teknik statistik yang di gunakan untuk menguji hipotesis bila dalam populasi terdiri atas dua atau lebih klas dimana data berbentuk nominal dan sampelnya besar.
ü  Menggunakan Test Binomial
Contoh:
Seorang guru ingin mengetahui kecenderungan siswa SMA tahun 2012 dalam memilih jurusan IPA dan IPS dari 40 sampel yang diambil secara random.  Berdasarkan hasil pooling menunjukkan bahwa sebanyak 22 siswa memilih IPS dan sebanyak 18 siswa memilih IPA.  Simpulan apa yang dapat dikemukakan oleh guru tersebut?
Hipotesis statistik yang diajukan dapat dinyatakan sbb.
Ho   : p1 = p2 = 0,5
Ha   : p1 ≠ p2 ≠ 0,5





  Analisis Tes Binomial menggunakan SPSS Versi 19 menunjukkan hasil sbb.
Binomial Test

Category
N
Observed Prop.
Test Prop.
Exact Sig. (2-tailed)
Pilihan Jurusan
Group 1
IPS
22
.55
.50
.636
Group 2
IPA
18
.45


Total

40
1.00



Hasil analisis Tes Binomial tersebut menunjukkan bahwa koefisien Exact Sig. (2 tailed) sebesar 0,636, yang berarti koefisien tersebut untuk sisi kiri dan sisi kanan sehingga masing-masing sisi akan sebesar 0,318.  Apabila sampel penelitian kecil (≤ 25), maka koefisien Binomial dapat ditemukan pada Binomial Tabel dengan cara menemukan antara N dengan n terkecil.  Karena sampel penelitian yang ditetapkan oleh guru peneliti sebesar 40, maka koefisien Binomial (0,318) tersebut tidak dapat ditemukan pada Tabel Binomial.
Untuk merumuskan simpulan atas pembuktian di atas, maka harga koefisien Exact Sig.  Binomial tersebut dibandingkan dengan tingkat alpha yang ditetapkan yaitu 1% atau 5%.  Kriteria yang digunakan yaitu bila tingkat α atau kesalahan yang ditetapkan sebesar 1% yang berarti = 0,01, maka harga p sebesar 0,318 > 0,01, dengan demikian Ho diterima dan Ha ditolak.  Berdasarkan hasil analisis tes Binomial tersebut dapat disimpulkan bahwa kemungkinan siswa SMA dalam memilih dua jurusan (IPS atau IPA) adalah sama yaitu 50%.
c.       Menggunakan Chi Kuadrat
Apabila contoh pada nomor 1 di atas dianalisis menggunakan Chi Kuadrat makan perlu dirumuskan suatu hipotesis sbb.
Ho
:
Peluang jurusan IPS dan IPA adalah sama untuk dapat dipilih siswa SMA angkatan 2012 sebagai jurusannya
Ha
:
Peluang jurusan IPS dan IPA adalah tidak sama untuk dapat dipilih siswa SMA angkatan 2012 sebagai jurusannya

Hasil analisis Chi Kuadrat (2 kategori) dengan menggunakan program SPSS Versi 19 dapat ditunjukkan berikut ini.


Pilihan Jurusan

Observed N
Expected N
Residual
IPS
22
20.0
2.0
IPA
18
20.0
-2.0
Total
40



Test Statistics

Pilihan Jurusan
Chi-Square
.400a
df
1
Asymp. Sig.
.527
a. 0 cells (.0%) have expected frequencies less than 5. The minimum expected cell frequency is 20.0.

Apabila Chi Kuadrat hitung lebih kecil dari Chi Kuadrat tabel, maka Ho diterima dan apabila Chi Kuadrat hitung lebih besar dari Chi Kuadrat tabel, maka Ho ditolak.   Berdasarkan hasil analisis dapat dinyatakan bahwa pada dk = 1 dan taraf kesalahan yang ditetapkan sebesar 5% diperoleh koefisien Chi Kuadrat tabel sebesar 3,841.  Dengan demikian Chi Kuadrat hitung lebih kecil dari Chi Kuadrat tabel.  Sesuai dengan ketentuan yang ada maka disimpulkan bahwa peluang jurusan IPS dan IPA untuk dipilih sebagai jurusannya di SMA adalah sama diterima (Ho diterima dan Ha ditolak).
Contoh 2
Suatu penelitian yang dilakukan oleh seorang guru untuk mengetahui kecenderungan siswa-siswa SMK dalam memilih wara untuk pakaian oleh raga.  Berdasarkan pengumpulan data dengan wawancara kepada murid sebagai sampel sebesar 100 orang yang diambil secara random menunjukkan 40 memilih biru, 30 memilih merah, 20 memilih kuning, dan 10 memilih putih.
Hipotesis penelitian yang diajukan oleh gurupeneliti tersebut dinyatakan sbb.
Ho
:
Peluang siswa SMK untuk memilih empat macam warna pakaian olah raga adalah sama
Ha
:
Peluang siswa SMK untuk memilih empat macam warna pakaian olah raga adalah tidak sama

Hasil analisis Chi Kuadrat (4 kategori) dengan menggunakan program SPSS Versi 19 dapat ditunjukkan berikut ini.

Warna Pakaian

Observed N
Expected N
Residual
Biru
40
25.0
15.0
Merah
30
25.0
5.0
Kuning
20
25.0
-5.0
Putih
10
25.0
-15.0
Total
100



Test Statistics

Warna Pakaian
Chi-Square
20.000a
df
3
Asymp. Sig.
.000
a. 0 cells (.0%) have expected frequencies less than 5. The minimum expected cell frequency is 25.0.

Apabila Chi Kuadrat hitung lebih kecil dari Chi Kuadrat tabel, maka Ho diterima dan apabila Chi Kuadrat hitung lebih besar dari Chi Kuadrat tabel, maka Ho ditolak.   Berdasarkan hasil analisis dapat dinyatakan bahwa pada dk = 3 dan taraf kesalahan yang ditetapkan sebesar 5% diperoleh koefisien Chi Kuadrat tabel sebesar 7,815.  Dengan demikian Chi Kuadrat hitung lebih besar dari Chi Kuadrat tabel.  Sesuai dengan ketentuan yang ada maka disimpulkan bahwa peluang siswa SMK untuk memilih empat macam warna pakaian olah raga berbeda atau tidak sama.  Berdasarkan data sampel menunjukkan bahwa pilihan terhadap warna biru untuk pakaian olah raga memiliki peluang tertinggi. (Ho ditolak dan Ha diterima).

RAMADHAN PRODUKTIF DI KAMPUS

RAMADHAN PRODUKTIF DI KAMPUS, Cerita Kegiatan Bulan Ramadhan di Kampus Uny Saipuddin Pascasarjana Universitas Negeri Yogyakarta ...