TM-1 pengantar statistika

Statistik Diskriptif.

 

BAB I

PENGANTAR STATISTIKA

 

METODOLOGI STATISTIK :
BAGIAN DESKFtIPTIV

 

I.                 PENGANTAR

 

Dalam suatu research seorang penyelidik dapat menggunakan dua jenis analisa, yaitu analisa statistik (statistical analysis) dan analisa non-statistic (nonstatistice analysis). Bab ini dan bab berikutnya dimaksud­kan untuk menanggapi keperluan-keperluan analisa statistik.

Barangkali tidak perlu dijelaskan bahwa dalam kesempatan yang sangat terbatas ini tidak mungkin semua seluk-beluk statistik dapat di­uraikan seterang-terangnya. Malahan dasar-dasar dan teknik-teknik yang pokok saja tidak akan dapat diantarkan semua satu demi satu. Puaslah kita apabila bab-bab ini telah dapat memberikan ilustrasi-ilustrasi ter­pilih mengenai kerja statistik. Sukurlah jika yang sedikit ini dapat mem­bangkitkan hasrat untuk memperdalam dasar-dasar, teknik-teknik, dan kerja statistik yang sebenarnya, hal-hal mana dapat kita selidiki dari buku-buku yang khusus dipersiapkan untuk mengantarkan kita pada persoalan-persoalan tersebut.

 

1001. PENGERTIAN

Istiah statistik pada pokoknya mempunyai dua macam pengerti­an, yang luas dan yang sempit. Dalam pengertian yang seempit kata sta­tistik digunakan untuk menunjuk semua kenyataan yang berwujut angka-­angka tentang sesuatu kejadian khusus, seperti misalnya statistik kecela­kaan lalulintas, statistik nikah-talak-rujuk, statistik kelahiran dan kematian, statistik import dan eksport, statistik penerimaan mahasiswa, statistik kesegaran jasmani rakyat Indonesia dan sebagainya. (COBA SEBUTKAN STATISTIK APA SAJA DALAM KEOLAHRAGAAN ? Sebutkan juga statistik yang ada pada disiplin ilmu dan profesi saudara apa saja ?).

 

Dalam pengertian yang luas, yaitu pengertian teknik metodologik, statistik berarti cara-eara ilmiah yang dipersiapkan untuk mengumpulkan, menyusun, menyajikan, dan menganalisa data penyelidikan yang berwujut angka-angka. Lebih jauh daripada itu statistik diharapkan dapat menye­diakan dasar-dasar yang dapat dipertanggung-jawabkan untuk menarik ke­simpulan-kesimpulan yang benar dan untuk mengambil keputusan-keputusan yang baik.

Jadi statistik adalah prosedur kerja yang meliputi, proses: pengumpulan data, pengorganisasian/penyusunan data, menghitung/menganalisis data, menyimpulkan/menginterptetasi hasil analisa data, dan menyajikan data sehingga dapat menginformasikannya secara mudah dan cepat.

 

222

 

 

1002. LANDASAN KERJA STATISTIK

 

Statistik menggunakan karakterisitik jenis landasan kerja yang pokok, yaitu: (1) variasi, (2) reduksi, dan (3) generalisasi.

Landasan kerja yang pertama didasarkan atas kenyataan bahwa seorang penyelidik selalu mengha­dapi gejala - gejala yang bermacam-macam, Gejala-gejala yang bervariasi, baik dalam jenisnya maupun dalam tingkatan besar-kecilnya.

Landasan kerja yang kedua memberi kesempatan kepada penyelidik untuk menyelidiki hanya sebagian dari seluruh gejala atau kejadian yang hendak diselidiki. Penyelidikan semacam ini, seperti telah kita ketahui, kita kenal dengan sebutan penyelidikan sampling (sampling study).

Sungguhpun penyelidikan dilakukan terbadap hanya sebagian dari keseturuhan gejala atau kejadian, namun kesimpulan daripadanya akan dikenakan atau diperuntukkan bagi keseluruhannya dari mana sebagian gejala atau kejadian itu diambil. Proses atau tata kerja semacam ini di­sebut generalisasi, dan inilah landasan kerja yang ketiga daripada statistik.

 

1003.  CIRI-CIRI POKOK STATISTIK

 

Statistik mempunyai tiga macam ciri pokok:

(1 ) Bekerja dengan angka-angka. Angka-angka ini dalam statistik mempunyai dua arti, yaitu angka sebagai jumlah yang menunjuklcan jurn­lah atau frekwensi; dan angka yang menunjukkan nilai atau barga. Dalam arti yang terakhir ini angka mewakili atau mensimbulkan sesuatu kwalitas, misalnya angka kecerdasan, nilai sekolah, atau harga kebajikan, kecepatan pulih asal (recovery) atlit kecabangan olahraga dan sebagainya.

(1)                  la bersifat obyektiv. Kerja siatistik menutup pintu bagi masuknya unsur-unsur subyektiv yang dapat menyulap keinginan menjadi kenyata­an atau kebenaran. Statistik sebagai alat penilai kcnyataan tidak dapat berbicara lain kecuali apa adanya. Adapun apa arti dan bagaimana menggunakan kenyataan-kenyataan statistik itu adalah persoalan -persoalan la­in yang berada di luar kompetensi statistik.

( 3) Ia basifat universal dalam arti dapat digunakan hampir dalam semua bidang penyeltdikan. Penyelidikan - penyelidikan dalam wilayah ilmu-ilmu eksakta, biologi, sosial, dan kebudayaan, semuanya dapat menggunakan statistik dengan keyakinan yang penuh. (COBA SEBUTKAN MASALAH PENELITIAN APA SAJA DALAM KEOLAHRAGAAN ?)

 

1004, MENGAPA STATIS'fIK ?

 

Kebanyakan dari kita mengira bahwa jika kita mempunyai kesim­pulan dari hasil penyelidikan kita terhadap kejadian-kejadian yang terbatas,  kesimpulan itu berlaku dengan sempuma untuk seluruh kejadian

Statistika adalah ilmu yang mempelajarinya cara meringkas dan mengorganisasi data sehingga menjadi informasi yang mudah dimengerti. Statistik berperan dalam penyusunan desain penelitian, penentuan sample, penentuan hipotesis, pengembangan alat pengumpul data dan analisis data, serta penarikan simpulan.

Statistik dapat memberikan:

1)     Teknik mengklasifikasikan

2)     Gambaran kecenderungan rengah

3)     Ukuran yang mensifatkan populasi/ menyatakan variasinya dan sebagainya.

 

Statistik dibedakan:

1.      Statistik Deskriptif       :     Mempelajari cara menyusun dan Menyajikan data(dalam bentuk tabel/ grafik). Pengukuran data biasanya meliputi:(1) ukuran kecenderungan tengah, dan (2) ukuran variabilitas (penyebaran)

2.      Statistik Interensial           :     Mempelajari cara menarik Kesimpulan mengenai populasi berdasarkan data dari sample, melalui uji hipotesis.

 

Untuk Uji Hipotesis, Statistik Dibedakan Menjadi:

 

1)        Statistik Parametrik

Statistik yang dapat menggambarkan parameter suatu objek (sifat-sifat sample dapat dikuantisasi), misalnya: kita dapat menentukan rata-rata/rerata (mean/nipura) dari suatu sample atau standar deviasi suatu sample.

Statistik parametrik, mensyaratkan populasi berdistribusi normal dan varian homogen. Sehingga, pada uji statistik parametrik perlu dilakukan uji normalitas dan uji homogenitas.

 

2)        Statistik Non Parametrik

Statistik yang dapat mengkuantisasi sifat-sifat sampel. Statistik ini digunakan untuk sampel-sampel kecil (varian besar) dengan tipe data nominal dan ordinal

Pada statistik non parametrik, tidak disyaratkan distribusi normal dan homogen.

 

Berdasarkan Jenis Data, dibedakan:  

1) Data Diskrit  :      Adalah data pengukuran yang mempunyai Nilai bulat, dan biasanya diberi symbol. Data distrik tidak dapat dilaporkan sebagai bagain-bagian. Contohnya adalah jenis kelamin individu, jumlah anggota suatu tim, dan sebagainya.

2) Data Kontinu: Adalah data pengukuran yang dapat mempunyai sejumlah nilai dalam range tertentu. Nilai dapat dilaporkan sebagai bagian-bagian. Contohnya adalah waktu tempuh dalam perlombaaan renang atau lari, jarak tempuh dalam suatu perlombaan, dan sebagainya.

 

SKALA DATA

Data dapat dikelompokan ke dalam empat karegori yang bergantung pada banyak-nya informasi yang diberikan. Empat karegori skala tersebut adalah:

1.         Skala Nominal

Skala nominal adalah skala yang ditetapkan berdasarkan penggolongan/ pengelompokkan tertentu, dan nama-nama diberikan pada variabel sebagai sebuah karegori di mana setiap karegori saling melengkapi, contoh: laki-laki dan perempuan..skala ini merupakan skala paling sederhana, karena pada beberapa skala nominal hanya memiliki dua karegori saja, misalkan. Jenis kelamin. Tetapi yang lainnya dapat memiliki lebih dari dua karegori, misalnya: status perkawinan, pekerjaan, warna mata, atau ras.

2.         Skala Ordinal

Skala ordinan adalah skala yang disusun atas jenjang atribut tertentu, misalnya: rangking keras, urutan finish. Skala ordinal hanya menginformasikan urutan, tetapi tidak menunjukkan besar perbedaan dari urutan satu ke urutan yang berikutnya. Contoh: Urutan finish dalam perlombaan lari 10 km menginformasikan berapa selisih waktu antara pelari pertama dengan pelari kedua.

 

3.         Skala Interval

Skala interval adalah skala yang menginformasikan urutan variabel dengan menggunakan satuan-satuan pengukuran yang sama. Jaraknya sama untuk setiap bagian skala, sehingga memungkinkan untuk mengetahui perbedaan antara urutan pertama dengan urutan kedua. Skala interval tidak memiliki titik nol yang benar. Contoh: temperature, 90 C adalah 10 C lebih panas daripada 80 C

 

4.         Skala Rasio

Skala rasio adalah skala yang memiliki semua karakteristik dari skala interval dan memiliki titik nol yang merupakan skala rasio adalah: tinggi, berat, waktu, dan jarak. Contoh: 9 menit adalah 3 kali lebih lama daripada 3 menit 20 kg adalah 4 kali lebih berat daripada 5 kg

 

Macam-Macam Prosedur Statistik

1.         Statistik Parametrik, Antara Lain:

3)               Independent sample-t-test

4)               Paired sample-t-test

5)               Analisis varians (ANOVA)

6)               Analisi kovarians (ANACOVA)

7)               Korelasi product moment

2.         Statistik Non Parametrik, Antara Lain:

8)                 Uji Chi-Square

9)                 Uji Manna-Whitney

10)            Uji Wilcoxon

11)            Uji Kruskal-Wallis

12)            Koretasi Spearman

 

 

 

 

 

 

 

 

 

 

 

3.   Contoh Aplikasinya

Pembuatan Tabel

“Lima siswa dalam perkuliahan biomekanika berusia berturut-turut 17, 18, 18, 20 dan 21 tahun, mempunyai pengalaman berlari kompetitif setiap tahun antara 2-6 kali dan berat badan mereka antara 72-82 kg”.

 

Beberapa data berikut diatas, dapat lebih jelas dihadirkan dalam bentuk tabel seperti di bawah ini :

 

Tabel: Data 5 siswa berpengalaman peserta kompetisi lari tahunan

 

No	Usia (Tahun	Berat Badan (Kg)	Pengalaman berlari (Tahun)
1.	17	82	3
2.	18	79	4
3.	18	72	4
4.	20	76	2
5.	21	80	6

 

 

 

				Skala Nominal
				Skala Ordinal
PENGANTAR STATISTIKA		Skala Data
				Skala Interval
				Skala Rasio
				Statistik Parametrik
		Macam Prosedur Statistik
				Statistik Non Parametrik

 

 

		Pembuatan Tabel
PENGORGANISASIAN DATA		Distribusi Frekuensi
				Histogram
		Grafik
				Polygon Frekuensi

 

 

		Mean
		Median
UKURAN KECENDERUNGAN TENGAH
		Mode (Modus)

 

 

		Varian
UKURAN PENYEBARAN (VARIABILITAS)
		Stantar Deviasi

 

		Kurva Berbentuk Lonceng
		Simetris terhadap sumbu vertikal
DISTRIBUSI NORMAL
		Skor terbesar di tengah kurva
		Semua ukuran (Mean, Median, Mode)

 

 

		Teori Sampel
		Estimasi
TEORI SAMPEL DAN ESTIMASI
		Interval Konfidensi (Confidence Interval)
		Derajat Kebebasan (Degree of Freedom)
		Tingkat Signifikan Level of Sicnificance)

 

 

UJI NORMALITAS

 

UJI KESAMAAN VARIAN (HOMOGENITAS)

 

PENGUJIAN HIPOTESIS

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

		Dua Sampel Bebas (Independent)
UJI BEDA DUA RATA-RATA (Uji-t)		Dua Sampel Berhubungan (Dependent) atau Correlated Sample
		Uji-t untuk Varian Heterogen

 

 

ANALISIS VARIAN

 

PROSEDUR TUKEY’S (HSD)

 

		Koefisien Korelasi Product Moment (Pearson)
KORELASI		Rank-Order Correlation Coefficient (Spearman)
		Uji Kebermaknaan Koefisien Korelasi
		Koefisien Determinasi

 

 

		Analisis Regresi Linear: Satu Prediktor
ANALISIS REGRESI
		Analisis Regresi Linear: Dua Prediktor

 

ANALISIS KOVARIANS

 

UJI MANN-WHITNEY

 

UJI WILCOXON

 

UJI KRUSKAL-WALLIS

 

 

 

 

                                                                      

PROSEDUR DAN PRINSIP-PRINSIP STATISTIK

-    Mean -    Median -    Mode (Modus)

-    Varian -    Standar Deviasi

-    Pembuatan tabel -    Distribusi frelwensi -    Grafik

-    Statistik deskriftif -    Statistik inferensial -    Statistik parametrik -    Statistik non parametrik

 

 

 

 

 

 

 

 

 

 

 

 

                                     

	-       Korelasi product moment -       Korelasi spearman -       Uji kebermaknaan korelasi -       Koefisien determinasi		-       Satu predictor -       Dua prediktor -       Tiga prediktor

 

 

 

 

 

 

 

 

                                                                               

 

 

                                                                                        

BAB II

PENGORGANISASIAN DATA

 

Seringkali tidak mungkin untuk menyajikan sejumlah besar data individu tanpa mengorganisasikan data tersebutke dalam bentuk yang sistematik. bentuk yang umum untuk pengorganisasian data adalah tabel dan grafik. Grafik umumnya lebih mudah untuk dipahami terutama jika ingin melihat suatu hubungan, namun pembuatan tabel secara terorganisir akan memberikan informasi yang lebih luas untuk pembaca. Kegunaan dari table dan grafik dalam beberapa situasi, akan didiskusikan dalam bab ini.

 

A.         PEMBUATAN TABEL

Selalu mungkin untuk melibatkan data kuantitatif sebagai bagian dari teks yang ditulis. sebagai contoh, dapat dituliskan : “Lima siswa dalam perkuliahan Biomekanika, berusia berturut – turut 17, 18, 18, 20, dan 21 tahun, mempunyai pengalaman berlari kompetitif antara 2 – 6 tahun, dan berat badn mereka antara 72 – 82 kilogram”.

Beberapa data diatas, dapat lebih jelas dihadirkan dalam bentuk tabel seperti berikut.

Tabel 2.1

Usia, Berat badan, dan Pengalaman berlari dari Siswa

dalam Perkuliahan Biomekanika

(n = 5)

Nomor Siswa	Usia ( tahun)	Berat Badan (kg)	Pengalaman berlari (tahun)
1 2 3 4 5	17 18 18 20 21	82 79 72 76 80	3 4 4 2 6

 

B.          DISTRIBUSI FREKUENSI

Teknik lain untuk pengorganisasian data adalah distribusi frekuensi. prosedur ini sering digunakan untuk data kuantitatif dalam penelitian eksperimen.

Distribusi frekuensi dibedakan menjadi due, yaitu : (1) distribusi frekuensi tunggal, dan (2) distribusi frekuensi dikelompokkan.

1.Distribusi frekuensi adalah sebuah tabel dimana semua unit – unit skor didaftar dalam suatu kolom dan banyaknya individu – individu masing – masing  skor nampak sebagai frekuensi dalam kolom ke dua.

	Distribusi Frekuensi Tunggal   Jika jarak skor kecil (tidak lebih dari 20 unit skor),skor – skor ini dapat didaftar dalam urutan ranking yang sederhana dari tertinggi sampai terendah dalam kolom pertama fan frekuensi (f) dimasukkan dalam kolom kedua.    Skor                               f 15                               1 14                               0 13                               3 12                               2 11                               6 10                               5 9                                  2 8                                  4 7                                  1 6                                  2   N = 26				Distribusi Frekuensi Dikelompokkan   Jika jarak skor besar (lebih dari 20 unit skor), ini dikelompokkan ke dalam interval kelas dari luasnya sama dalam kolom satu dan frekuensi yang berhubungan dalam kolom dua.   Interval kelas           f               f  kum          42 – 44                 3              120          39 – 41               11             117          36 – 38                 8              106          33 – 35               23               98          30 – 32               35               75          27 – 29               14               40          24 – 26               10               26          21 – 23                 9                16          18 – 20                 6                  7          15 – 17                 1                  1 N = 120

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2.Aturan untuk pembuatan interval kelas

a. menemtukan range

R = data tertinggi – data terendah

b.menentukan banyak kelas (k), mengikuti aturan Sturges

k = 1 = 3,3 log n

dengan n = banyak data

c. menentukan panjang interval kelas (i), i = ..............

 

CONTOH 2

Berikut adalah sekelompok skor kekuatan isometrik fleksi siku (dalam kg) dari mahasiswa tingkat pertama suatu universitas (n = 40).

 

Tabel frekuensi dari data diatas, dapat diberikan sebagai berikut.

Data terbesar = 49 ; data terkecil ; 29 ; sehingga rentang (R) = 20

Banyak kelas,  k = 1 + 3,3 log n

   = 1 + 3,3 log 40

= 6,29 » 7

Panjang interval kelas :

i  =   rentang : banyak kelas

=   20 : 6,29

=   3,18 » 3

 

 

 

 

 

 

Nilai	Frekuensi (f)
29 – 31 32 – 34 35 – 37 38 – 40 41 – 43 44 – 46 47 - 49	4 4 5 6 9 6 6
	40

 

 

C.         GRAFIK

Data sering juga disajikan dalam bentuk grafik, karena dapat memberikan kemudahan bagi pembaca dalam menginterpretasikan data. Ada beberapa macam grafik dapat digunakan untuk menyajikan data, misalnya: grafik batang (histogram), grafik garis, grafik lingkaran, dan frekuensi poligon.

 

Histogram dan Polygon Frekuensi

1.Histogram atau grafik batang dan polygon frekuensi adalah sama. Keduanya dibangun dari distribusi frekuensi.

2.Skor digambarkan sepanjang garis dasar horizontal yang disebut sebagai absis atau sumbu X. Frekuensi (banyaknya / persentase kasus) digambarkan sepanjang sumbu vertikal, yang disebut sebagai ordinat atau sumbu Y.

a. Untuk histogram atau grafik batang, luas dari masing – masing batang berhubungan dengan batasnyata (riil) dari luas maing – masing kelas interval. Tinggi masing – masing batang berhubungan dengan frekuensi atau persentae kasus dalam interval kelas tersebut (Gambar 2.a).

b.Untuk frekuensi polygon, titik – titik dirancang melalui titik – titik tengah dari masing – masing interval kelas ( Gambar 2.b).

c. Untuk proporsi grafik yang baik, sumbu vertikal harus dua pertiga panjang sumbu horizontal.

 

 

 

 

 

 

 

 

F

r

e

k

u

e

n

s

i    

 

       

Nilai

                                                   

     Gambar 2.a. Histogram

 

F

r

e

k

u

e

n

s

i

 

 

 

Nilai

        Gambar 2.b. Polygon

 

 

 

2.   Skema

Contoh aplikasi analisis:

Soal 1.

 

A.  PENGORGANISASIAN DATA

Berikut adalah sekelompok skor kekuatan isometrik. Fleksi siku dari 40 mahasiswa tingkat pertama suatu universitas (n = 40)

41    46    39    42    34    39    47    49

29    37    42    38    45    43    36    31

42    34    44    45    30    46    42    43

38    43    32    40    35    41    39    45

36    48    30    49    47    33    37    48

 

1)        Data terbesar    = 49, data terkecil  =  29, R  = 20

 

2)        Banyak kelas     k  = 1 + 3,3 log n

=  1 + 3,3 log 40

=  6,29  ≈ 7

 

3)  Panjang interval kelas :

1    =  rentang : banyak kelas

=  20 : 6,29

=  3, 18 ≈ 3

Nilai	Frekuensi (f)
29 – 31 32 – 34 35 – 37 38 – 40 41 – 43 44 – 46 47 – 49	4 4 5 6 9 6 6
	40

 

 

Grafik Histogram

 

 

 

 

 

 

 

 

 

 

Polygon Frekuensi

 

 

 

 

 

Statistik Diskriptif.

 

1.Tehnik Yang biasa digunakan adalah:

·     Distribusi Frekuensi.

·     Frekuensi Grafis, seperti: Histogram, Pie Chart dsb.

·     Mencari Terndensi Sentral, seperti: Mean, Median dan Modus.

 

2. Contoh Kasus.

Pemberdaya pembinaan prestasi olahraga pencaksilat ingin mengetahui gambaran ringkas mengenai banyaknya peminat para pesilat dalam mengikuti pembinaan prestasi selama 1 tahun di Sasana INDONESIA MUDA.

 

3. Prosedur Penghitungan (Komputasi).

 

a. Diketahui :

     

 

 

 

 

 

 

Tabel 01  : Distribusi Frekuensi Data peserta latihan Pembinaan Prestasi Pencaksilat SASANA INDONESIA MUDA tahun 2020.

 

NO.	B U L A N	JUMLAH (satuan orang)
01.	JANUARI	1.200.
02.	FEBRUARI.	1.345.
03.	MARET.	1.435.
04.	APRIL.	1.324.
05.	MEI.	1.768.
06.	JUNI.	1.654.
07.	JULI.	1.543.
08.	AGUSTUS.	1.556.
09.	SEPTEMBER.	1.600.
10.	OKTOBER.	1.685.
11.	NOPEMBER.	1.705.
12.	DESEMBER.	1.754.

                                                                          (Sumber data : Ilustrasi Purbodjati awal tahun 2020).

 

b. Hitunglah Berapakah ? :

 

1.      Mean  = Nipura = Rerata ( x ).

2.      Median = Titik Tengah (Md).

3.      Mode  (Mo).

4.      Standar Deviasi (s).

5.      Varians = Sampel Variansi (s²).

6.      Berapa dan pada bulan apakah peserta terkecil (minimal = T ) dan terbesar (maksimal =T ) ?.

 

c.             Sajikanlah informasi kegiatan teresebut dalam bentuk:

 

(1)         Tabel Jumlah Peserta Paling Banyak (Maksimal); Rata-rata dan  Paling Sedikit (Minimal); Pada Latihan  Pembinaan Prestasi Pencaksilat Pada SASANA INDONESIA MUDA Tahun 2020.

(2)         Grafik (a. Diagram Garis; b. Peta Balok; c. Diagram Lingkar; d. Piktograf; dan e. Peta Statistik.) Jumlah Peserta Latihan Pembinaan Prestasi Pencaksilat Pada    Sasana INDONESIA MUDA Tahun 2020 di Kabupaten Magetan Jawa Timur.               

 

 

2.Permasalahan :

             Menurunnya prestasi pencaksilat Indonesia ke peringkat 2 Dunia beberapa tahun terakhir, menyadarkan perguruan besar Pencaksilat di wilayah eks Karesidenan Madiun untuk memacu potensi prestasi atletnya (peningkatan konsepsi dan strategi peneguhan nation and character building/nasionalisme berdimensi prestise dan prestasi namgsa) berbasis riset (base of research) ilmiah.

 

a.        Pada Persaudaraan Setia-Hati Terate dilakukan penelitian tentang masalah Produktivitas Program Pemassalan (P3massal) dan Produktivitas Program Pembinaan Prestasi (P3prestasi) Olahraga Pencaksilat Periode Tahun 2020 – 20224.

 

b.       Hipotesa dirumuskan : Tidak ada hubungan (korelasi) yang signifikan antara Produktivitas Program Pemassalan dengan Program Pembinaan Prestasi Atlet Pencaksilat.

 

c.        Proses pengambilan sample dilakukan secara random (acak) dan datanya berdistribusi normall   (homogen).

 

3. Ditanyakan :

 

 Buktikan hipotesa tersebut apabila diketahui bahwa r tabel (0,05) = 0,576 dibandingkan dengan koefisien korelasi hasil perhitungan statistic uji korelasi (r_hitung) yang datanya adalah sebagai berikut (Tabel: persiapan penghitungan (komputasi) korelasi produk moment Pearson.) :

 

 

 

 

 

 

 

 

 

 

 

 

Tabel : Distribusi tunggal data ttg. Produktivitas Program Pemassalan (P3massal) dan Program Pembinaan Prestasi (P3prestasi) Olahraga Pencaksilat Pada Persaudaraan-Setia-Hati Terate Periode 2010 - 2020.

      

NO.	TAHUN.	P3massal ( X ).	P3pres tasi ( Y ).	XY.	X2.	Y2.
(1).	(2).	(3).	(4).	(5).	(6).	(7).
1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11.	1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005	183,44 250,29 320,76 474,61 669,00 937,52 1.250,09 1.602,96 2.006,39 2.488,34 3.279,50	36,88 42,55 40,81 49,92 76,51 81,73 98,35 141,96 152,19 165,89 205,18	6.765,27 10.649,84 13.090,22 23.692,53 51.185,19 76.625,51 122.946,35 227.556,20 305.352,49 412.790,72 672.789,43	33.650,23 62.645,08 102.886,98 225.254,65 447.561,00 878.943,75 1.562.725,01 2.569.480,76 4.025.600,83 6.191.835,96 10.755.120,25	1.360,13 1.810,50 1.665,46 2.492,01 5.853,78 6.679,79 9.672,72 20.152,64 23.161,80 27.519,49 42.086,52
N = …….		£ X = ……………..	£ Y = ……………..	£ XY = ……………….	£ X2 = ………………….	£ Y2 = ……………….