BEBERAPA TEKNIK STATISTIKA DALAM ANALISA

BAB 16

PENDAHULUAN
Statistik
1

MEMEGANG PERANAN PENTING DALAM PENELITIAN BAIK DALAM PENYUSUNAN MODEL, PERUMUSAN HIPOTESA D\PENGEMBANGAN ALAT DAN INSTRUMEN PENGUMPULAN DATA, PENYUSUNAN DESAIN PENELITIAN, PENENTUAN SAMPLE, DAN ANALISA DATA
MEMBERIKAN TEKNIK-TEKNIK SEDERHANA DALAM MENGKLASIFIKASIKAN DATA SERTA PENYAJIAN DATA SECARA LEBIH MUDAH.

3 MENOLONG PENELITI UNTUK MENYIMPULKAN APAKAH SUATU PERBEDAAN YG DIPEROLEH BENAR-BENAR BERBEDA SECARA SIGNIFIKAN 4 PENARIKAN KESIMPULAN SECARA STATISTIK MEMUNGKINKAN PENELITI MELAKUKAN KEGIATAN ILMIAH SECARA LEBIH EKONOMIS DALAM PEMBUKTIAN INDUKTIF

TABEL DISTRIBUSI FREKUENSI

DATA MENTAH
DATA YG DIPEROLEH TANPA MELAKUKAN SUATU PENGATURAN TERTENTU TERHADAP DATA TERSEBUT, DATA-DATA TERSEBUT DAPAT DIATUR DALAM KATEGORI-KATEGORI ATAU KELAS

MISAL
BERAT BADAN 10 PEMIMPIN DUNIA DALAM kg

72 79 RANGE

74 79

60 65

61 61

69 60

79 60 = 19 1. 60-69 kg 2. 70-79 kg 60,69,70,79 60 DAN 70 69 DAN 79

INTERVAL KELAS

LIMIT KELAS
LIMIT KELAS ATAS LIMIT KELAS BAWAH

1. TABEL DISTRIBUSI FREKUENSI

FREKUENSI

JUMLAH PEMUNCULAN

DATA MENTAH KELAS DAN FREKUENSI BESAR KELAS INTERVAL HARUS SAMA JUMLAH INTERVAL KELAS TERGANTUNG JUMLAH DATA MENTAH PENGELOMPOKKAN DATA 15

JIKA DATA MENTAH TERLALU BANYAK ATAU RANGE TERLALU BESAR

RUMUS STURGE k = 1 + 3,3 log n
k = JUMLAH INTERVAL KELAS n = JUMLAH PENGAMATAN

BESAR INTERVAL KELAS = 70 60 ATAU 79 69 = 10

JUMLAH INTERVAL KELAS k=R/I i=R/k
k = JUMLAH INTERVAL KELAS I = BESAR INTERVAL KELAS R = RANGE

PROSEDUR MEMBUAT TABEL FREKUENSI

TENTUKAN RANGE DARI PENGAMATAN, GUNAKAN PENGAMATAN TERENDAH SEBAGAI LIMIT BAWAH KELAS PERTAMA TENTUKAN JUMLAH KELAS DENGAN RUMUS STURGE, INTERVAL KELAS, DAN JUMLAH KELAS DENGAN MENGGUNAKAN RANGE BUAT INTERVAL KELAS, HITUNG FREKUENSI PENGAMATAN YG JATUH UNTUK MEMBUAT TALLY JUMLAH FREKUENSI DARI MASING-MASING KELAS

CONTOH : GAJI BULANAN 50 PEGAWAI NEGERI DALAM Rp .000

138 144 168 135 142 164 152 165 140 150 150 148 126 153 135 132 136 154 135 156 144 147 138 147 145 125 140 118 142 145 149 158 176 173 161 157 146 163 146 128 118 128 137 146 155 124 135 143 150 162

RANGE = 176 118 = 58 BESAR INTERVAL KELAS = 9 JUMLAH KELAS = 58 : 9 8

GAJI (Rp .000) 118-126 127-135 136-144 145-153 154-162 163-171 172-180

TALLY IIII IIII II IIII IIII I IIII IIII IIII IIII II IIII II

FREKUENSI 5 7 11 14 7 4 2

TOTAL
KELAS GAJI (Rp .000) 118-126 127-135 136-144 145-153 154-162 163-171 172-180 TOTAL FREKUENSI 5 7 11 14 7 4 2 50

50
FREKUENSI RELATIF (%) 10 14 22 28 14 8 4 100

2. DISTRIBUSI FREKUENSI KUMULATIF

JUMLAH FREKUENSI DARI SEMUA NILAI YG LEBIH KECIL DARI LIMIT ATAS DARI SUATU INTERVAL KELAS SAMPAI DENGAN DAN TERMASUK KELAS YG BERSANGKUTAN

FREKUENSI KUMULATIF

INTERVAL KELAS 118-126 127-135 136-144 145-153 154-162 163-171 172-180

FREKUENSI

FREKUENSI KUMULATIF 10 14 22 28 14 8 4

FREKUENSI KUMULATIF RELATIF 0 24 46 74 88 96 100

5 7 11 14 7 4 2

MEAN, MEDIAN DAN MODE

NILAI TENGAH ATAU KECENDERUNGAN TENGAH YG MEMBERIKAN GAMBARAN UMUM DARI SUATU SERI PENGAMATAN

1. MEAN

X
4 5 4+5+4+3+6+5 4 3 27

X1 + X2 + + Xn = n

Xi
n

X = MEAN Xi = PENGAMATAN KE

CONTOH = 6 OBSERVASI BERAT ANAK BALITA (kg) 6 5

x=

= 4,5 kg
= n X1 X2 Xn = n X1

GEOMETRIC MEAN

= 6 4x5x4x3x6x5 = 6 7200 = 4,39

VARIABEL V

log X1
n

HARMONIC MEAN

RATA-RATA GEOMETRIK

= antilog V

H=

1 ( 1/n ) ( 1/ Xi )

V=

log 4 + log 5 + log 4 + log 3 + log 6 + log 5 6 0,60 + 0,70 + 0,60 + 0,48 + 0,79 + 0,70 6 3,87 6

= =

= 0,645

= antilog 0,645 = 4,4 kg

2. MEDIAN

NILAI TENGAH-TENGAH YG DICARI DARI SEBUAH SERI YG SUDAH DIATUR MENURUT RANKING

CONTOH = UNTUK SET 4,5,2,3,7,8,4,1,12 MEDIANNYA :

ATUR MENURUT RANKING = 1 2 3 4 4 5 7 8 12 n = GANJIL NILAI PENGAMATAN TENGAH = 4 JIKA JUMLAH PENGAMATAN GENAP SEPERTI 12 14 17 21 22 25 MAKA MEDIAN = ( 17 + 21 ) / 2 = 19

3. MODE CONTOH

NILAI YG MUNCUL TERBANYAK ATAU NILAI PENGAMATAN YG PUNYA FREKUENSI PEMUNCULAN PALING BANYAK

DARI SEBUAH SET PENGAMATAN HARGA BERAS / kg :\ Rp135,00 Rp137,00 Rp140,00 Rp140,00 Rp125,00 Rp140,00 MAKA MODE = Rp140,00

VARIANCE DAN STANDAR DEVIASI

VX = ( Xi X )2 n-1 X = RATA-RATA (MEAN) Xi = NILAI PENGAMATAN VARIABEL KE I VX = VARIANCE

VX =

n Xi2 ( Xi)2 n(n1)

CONTOH = NILAI AKHIR 7 BUAH MATA PELAJARAN SEORANG MURID 4,7,6,8,8,5,DAN 4 Xi 4 7 6 8 8 5 4 42 Xi2 16 49 36 64 64 25 16 270 Xi2 = 270 Xi = 42 ( Xi) 2 = (42) 2 = 1764 X = 42 / 7 = 6

VX = = =

n Xi2 ( Xi)2
n(n1) 7 (270) 1764 7 (7 1) 3

STANDAR DEVIASI = VX =3 = 1,73

ESTIMASI TERHADAP MEAN POPULASI

A. ESTIMASI TERHADAP MEAN u :

1. SAMPEL BESAR

> 30

uX B. INTERVAL DARI ESTIMASI

X = MEAN DARI SAMPEL s = STANDAR DEVIASI DARI SAMPEL z = HARGA z PADA SEGNIFICANCE TERTENTU (LIHAT TABEL DISTRIBUSI NORMAL STANDAR DI LAMPIRAN 4)

u < X + z . s/n (u/s) . z X < n C. JIKA X ADALAH MEAN DARI SAMPEL RANDOM YG BESARNYA n, DI MANA n 30, DAN MEAN SAMPEL TERSEBUT DIGUNAKAN UNTUK MENGADAKAN ESTIMASI TERHADAP MEAN POPULASI u, MAKA DENGAN PROBABILITAS 1 C DAPAT DIPASTIKAN BAHWA ERROR YG DIPERKUAT KURANG DARI ( zc . s) / n

2. SAMPEL KECIL

< 30

1.

ESTIMASI TERHADAP MEAN POPULASI u ADALAH MEAN DARI SAMPEL

u X

2.

ERROR ESTIMASI PADA SUATU PROBABILITAS KEPERCAYAAN E = tC . s / n DIMANA tC DAPAT DILIHAT DI TABEL DISTRIBUSI T PADA LAMPIRAN 5 DENGAN DEGREE OF FREEDOM (df) = n 1

3.

INTERVAL ESTIMASI u < X + E ATAU u < X + t . s / (n-1) u > X + E ATAU u > X + t . s / (n-1)

3. INTERVAL ESTIMASI UNTUK PROPORSI

p = p zc . { p (1-p) / n }

p = PROPORSI SUKSES zc = HARGA z UNTUK LEVEL CONFIDENCE TERTENTU p = ESTIMASI PROPORSI SUKSES POPULASI

UJI t UNTUK MEMBEDAKAN DUA BUAH MEAN

1. MEAN DARI DUA SAMPEL INDEPENDEN
ASUMSI DASAR : 1. DISTRIBUSI DARI VARIABEL ADALAH NORMAL 2. KEDUA POPULASI DI MANA SAMPEL TERSEBUT DITARIK MEMPUNYAI VARIANCE YG SAMA

SX1-X2 = { [SS1+SS2 / n1+n2 -2) 1/n1] + 1/n2 }

SS1 SS2 n1 n2 SX1-X2 Xi SS n

= SUMSQUARE DARI SAMPEL 1 = SUMSQUARE DARI SAMPEL 2 = BESAR SAMPEL 1 = BESAR SAMPEL 2 = STANDAR ERROR DARI BEDA = PENGAMATAN VARIABEL KE 1 = SUMSQUARE = BESAR SAMPEL

SS = Xi2 [( Xi)2 / n]

3 CARA MERUMUSKAN HIPOTESA

1. u1 = u2

HO : u1 = u2 DENGAN HIPOTESA ALTERNATIF HA u1 u2

- TENTUKAN HIPOTESA TENTANG KEDUA MEAN POPULASI HO : u1 = u2 ; HA u1 u2 - NYATAKAN BESAR MASING-MASING SAMPEL YANG INDEPENDEN TERSEBUT : n1,n2 - HITUNG STATISTIK t YANG AKAN DIGUNAKAN

t =X1 X2/ SX1-X2

-TENTUKAN LEVEL SIGNIFICANCE YAITU a - CARI HARGA t PADA TABEL DENGAN DEGREE OF FREEDOM n1+n2 2 -TENTUKAN DAERAH PENILIKAN HIPOTESA TOLAK HO ,TERIMA HA JIKA : t > t1/2a, df = n1+n2 2 TERIMA HO ,TOLAK HA JIKA : t t1/2a, df = n1+n2 2

2. u1 u2

HO : u1 u2 DENGAN HIPOTESA ALTERNATIF HA u1 > u2

- TENTUKAN HIPOTESA TENTANG KEDUA MEAN POPULASI HO : u1 u2 ; HA u1 > u2 - NYATAKAN BESAR MASING-MASING SAMPEL YANG INDEPENDEN TERSEBUT : n1,n2 - HITUNG STATISTIK t YANG AKAN DIGUNAKAN

t =X1 X2 / SX1-X2
-TENTUKAN LEVEL SIGNIFICANCE YAITU a - CARI HARGA t PADA TABEL DENGAN DEGREE OF FREEDOM n1+n2 2 -TENTUKAN DAERAH PENILIKAN HIPOTESA TOLAK HO ,TERIMA HA JIKA : t t1/2a, df = n1+n2 2 TERIMA HO ,TOLAK HA JIKA : t < t1/2a, df = n1+n2 2

3. u1 u2

HO : u1 > u2 DENGAN HIPOTESA ALTERNATIF HA u1 u2

- TENTUKAN HIPOTESA TENTANG KEDUA MEAN POPULASI HO : u1 > u2 ; HA u1 u2 - NYATAKAN BESAR MASING-MASING SAMPEL YANG INDEPENDEN TERSEBUT : n1,n2 - HITUNG STATISTIK t YANG AKAN DIGUNAKAN

t =X1 X2 / SX1-X2
-TENTUKAN LEVEL SIGNIFICANCE YAITU a - CARI HARGA t PADA TABEL DENGAN DEGREE OF FREEDOM n1+n2 2 -TENTUKAN DAERAH PENILIKAN HIPOTESA TOLAK HO ,TERIMA HA JIKA : t - ta, df = n1+n2 2 TERIMA HO ,TOLAK HA JIKA : t > - ta, df = n1+n2 2

1. MEAN DARI DUA SAMPEL BERHUBUNGAN

SB = d2 / n (n-1)

SB = STANDAR ERROR B = BEDA ANTARA PENGAMATAN TIAP PASANG B = MEAN DARI BEDA PENGAMATAN

d2 = ( B-B )2 = B2 (B)2 / n

DENGAN DEGREE FREEDOM n-1 DAN LEVEL SIGNIFICANCE TERTENTU DIMANA n ADALAH JUMLAH PASANG SAMPEL
- TENTUKAN HIPOTESA TENTANG KEDUA MEAN POPULASI HO UB = 0; HA UB 0 - TENTUKAN JUMLAH PASANGAN DALAM SAMPEL = n - HITUNG STATISTIK t YANG AKAN DIGUNAKAN

UB = 0 t = (B - 0) / SB = B / SB

-TENTUKAN LEVEL SIGNIFICANCE YAITU a - CARI HARGA t PADA TABEL DENGAN DEGREE OF FREEDOM n - 1 -TENTUKAN DAERAH PENILIKAN HIPOTESA TOLAK HO ,TERIMA HA JIKA : t t1/2a , df = n - 1 TERIMA HO ,TOLAK HA JIKA : t < t1/2a , df = n - 1

UJI U MANN-WHITNEY
ALTERNATIF LAIN UNTUK MENGUJI MEAN DARI DUA SAMPEL

TIDAK MEMERLUKAN ASUMSI DISTRIBUSI NORMAL DAN HOMOGENTAS VARIANCE

BUTUH DATA KONTINU DAN PUNYA SKALA ORDINAL

PROSEDUR

- DARI PERCOBAAN DUA KELOMPOK DENGAN PERLAKUAN BERBEDA, TENTUKAN BESAR MASING-MASING SAMPEL, YAITU : n1 DAN n2, DENGAN TOTAL BESAR SAMPEL n = n1 + n2 - UKURAN HASIL DARI PERCOBAAN DIURUTKAN DALAM SATU SERI DAN DIBUAT RANKINGNYA DARI 1 SAMPAI KE-n BERI TANDA DIBAWAH RANKING TERSEBUT, DARI KELOMPOK MANA PENGAMATAN TERSEBUT BERASAL HITUNG NILAI U DARI MASING-MASING SAMPEL TERSEBUT, YAITU : U1 DAN U2 DENGAN

U1 = n1 . n2 + (n2(n2+1) / 2) - R2 U2 = n1 . n2 + (n1(n1+1) / 2) - R2

-PILIH DARI U1 DAN U2 NILAI YG TERKECIL U = U1 ATAU U2 YG TERKECIL -BANDINGKAN NILAI U PADA TABEL U MANN-WHITNEY SESUAI DENGAN LEVEL SIGNIFICANCE YG DIINGINKAN -TENTUKAN PENOLAKAN HIPOTESA : TOLAK HO ,TERIMA HA JIKA : UCARI > UTABEL TERIMA HO ,TOLAK HA JIKA : UCARI UTABEL

UJI KUADRAT CHI

DIGUNAKAN DALAM PENELITIAN UNTUK MENCARI KECOCOKAN ATAUPUN MENGUJI KETIADAAN HUBUNGAN ANTARA BEBERAPA POPULASI 1. UJI KUADRAT CHI DALAM MENCARI KECOCOKAN

DIGUNAKAN UNTUK MENGUJI APAKAH DISTRIBUSI FREKUENSI YG DIAMATI MENYIMPANG SECARA SIGNIFICANCE DARI SUATU DISTRIBUSI FREKUAENSI HIPOTESIS ATAU YG DIHARAPKAN

CHI SQUARE

k
X2 =

i =1

( O1 Ei )2 Ei

YG DIDISTRIBUSIKAN DENGAN DEGREE OF FREEDOM = k - 1

k X2 =

i =1

( O1 - Ei - )2 Ei

O1 = FREKUENSI YG DIAMATI,KATEGORI KE-I Ei = FREKUENSI YG DIHARAPKAN DARI KATERGORI KE-I k = JUMLAH KATEGORI

PROSEDUR
-RUMUSKAN HIPOTESA : HO = KECOCOKAN BAIK HA = KECOCOKAN TIDAK BAIK -TENTUKAN JUMLAH OBSERVASI DAN JUMLAH KATEGORI = k; JUMLAH PENGAMATAN -TENTUKAN LEVEL SIGNIFICANCE a. UJI CHI KUADRAT DENGAN 1 EKOR -KRITERIA UJI :

X2 =

i =1

( O1 Ei )2 Ei

YG DIDISTRIBUSIKAN DENGAN DEGREE OF FREEDOM = k - 1

-TENTUKAN DAERAH PENOLAKAN : TOLAK HO ,TERIMA HA JIKA : X2 > X2a , df = k - 1 TERIMA HO ,TOLAK HA JIKA : X2 X2a , df = k - 1

2. UJI KUADRAT CHI DALAM MENCARI KETIDAKTERGANTUNGAN

ANALISA TABEL KONTIGENSI

-DATA HARUS DIBUAT DALAM KLASIFIKASI ATAU KATEGORI DUA ARAH -NILAI YG DIHARAPKAN DARI FREKUENSI DIHITUNG DENGAN MENGGUNAKAN DATA TABEL KONTIGENSI

PROSEDUR
-RUMUSKAN HIPOTESA : HO : DISTRIBUSI DARI PROPORSI YG BERHUBUNGAN DENGAN r BUAH ALTERNATIF ADALAH SAMA PADA SEMUA POPULASI HA : DISTRIBUSI PROPORSI YG BERHUBUNGAN DENGAN ALTERNATIF BERBEDA DARI MASING-MASING POPULASI -TENTUKAN KATEGORI, BAIK KATEGORI ALTERNATIF ATAU KATEGORI POPULASI -TENTUKAN LEVEL SIGNIFICANCE, YAITU a

-BUAT TABEL KONTIGENSI DARI ALTERNATIF DAN PROPORSI :

ALTERNATIF . 1 2 . . . 1 C11 C21 . . . 2 C21 C22 . . . j C1j C1j . . . k C1k C1k . . . n1. n2. . . .

i
. . . r

Ci1
. . . Cr1 n.1

Ci2
. . . Cr2 n.2

Cij
. . . Crj n.j

Cik
. . . Crk n.k

ni.
. . . nr. n

ELEMEN Cij ADALAH NILAI-NILAI YG DIAMATI

-CARI NILAI-NILAI YG DIHARAPKAN DENGAN MENGGUNAKAN RUMUS BERIKUT :

Cij

(n.j) (ni.) n

. 1 2 . . . i . .

1
C11 e11 C21 e21 . . . Ci1 ei1 . . . Cr1 er1 . . . . . . Ci2

2
C12 e12 C22 e22

Cj1

j
ej2 Cj2 ej2 . . . Cij

k
Ck1 ek1 Ck1 ek2 . . . Cik

n1. n2. . . . ni.

eik

-CANTUMKAN NILAI Cij DALAM SEL

ei2 . . . Crj er2

eij . . . Crk erj

. .

.
r

.
nr.
erk

Cr2

n.1

n.2

n.j

n.k

-HITUNG KUADRAT CHI

X2 =

i j

( Cij eij )2 eij

-TENTUKAN DAERAH-DAERAH PENOLAKAN HIPOTESADENGAN MENCARI HARGA KUADRAT CHI PADA TABEL DISTRIBUSI KUADRAT CHI, PADA LEVEL SIGNIFICANCE YG TELAH DITENTUKAN DENGAN DEGREE OF FREEDOM df = (r-1) (k-1) YAITU; Xa2 , df = (r-1) (k-1) -TOLAK HO ,TERIMA HA JIKA : X2 > X2a , df = (r-1) (k -1) TERIMA HO ,TOLAK HA JIKA : X2 X2a , df = (r-1) (k-1)

UJI KESESUAIAN KOLMOGOROV

-MERUPAKAN UJI ALTERNATIF DARI KUADRAT CHI UNTUK MENGUJI HIPOTESA BAHWA DISTRIBUSI VARIABEL YG DIAMATI BERBEDA DENGAN DISTRIBUSI VARIABEL YG DIHARAPKAN -DAPAT DIGUNAKAN DENGAN SAMPEL YG LEBIH KECIL DIBANDINGKAN DASAR SAMPEL YG DIPERLUKAN UNTUK UJI KUADRAT CHI -SUATU ASUMSI YG PERLU DIGUNAKAN ADALAH BAHWA DATA DIDISTRIBUSIKAN SECARA KONTINU -DAPAT DIGUNAKAN UNTUK MENGUKUR SKALA ORDINAL -DIPERLUKAN SUATU DISTRIBUSI KUMULATIF RELATIF DARI SAMPEL DAN DARI POPULASI YG DIHARAPKAN -KEDUA POPULASI HARUS MEMILIKI JUMLAH YG SAMA -KEDUA DISTRIBUSI TERSEBUT DIBANDINGKAN LALU DICARI BEDANYA, PILIH BEDA TERBESAR (D) -(D) BISA NEGATIF BISA JUGA POSITIF -D DIHITUNG DAN DIBANDINGKAN DENGAN HARGA D TABEL, PADA LEVEL SIGINIFICANCE TERTENTU DAN PADA BESAR SAMPEL TERTENTU -TOLAK HO ,TERIMA HA JIKA : D Da,n TERIMA HO ,TOLAK HA JIKA : D < Da,n

UJI KOLMOGOROF SMIRNOV

-SATU UJI LAIN UNTUK MENGGANTI UJI KUADRAT CHI UNTUK DUA SAMPEL INDEPENDEN -DATA BISA KONTINU ATAU DISKRIT, ORDINAL ATAU BUKAN, DAN BISA SAMPEL BESAR ATAU KECIL -PERLU ASUMSI DISTRIBUSI YG KONTINU -UNTUK MENGUJI BAHWA TIDAK ADA BEDA ANTARA 2 BUAH POPULASI -BERTITIK TOLAK DARI KENYATAAN BAHWA JIKA 2 BUAH SAMPEL INDEPENDEN YG DITARIK DARI SEBUAH POPULASI YG DISTRIBUSINYA KONTINU, DAN MASING-MASING FREKUENSINYA DIGAMBAR GRAFIK, MAKA BEDA DARI KEDUA KURVA ITU TIDAK TERGANTUNG DISTRIBUSI POPULASI

1. SAMPEL KECIL

30

1.

KEDUA SAMPEL DITARIK SECARA RANDOM DARI POPULASI, MASING-MASING SAMPEL DIBERI PERLAKUAN BERBEDA MASING-MASING SAMPEL DITARIK DARI POPULASI BERBEDA, UNTUK MENGUJI APAKAH KEDUA POPULASI TERSEBUT BERBEDA, BESAR MASING-MASING SAMPEL HARUS SAMA

2.

PROSEDUR

-RUMUSKAN HIPOTESA : HO = TIDAK ADA BEDA KEDUA DISTRIBUSI HA = KEDUA DISTRIBUSI BERBEDA -TENTUKAN BESAR SAMPEL, n1 = n2 = n -TENTUKAN LEVEL SIGNIFICANCE : a -KELOMPOKKAN DATA DALAM KELAS, CARI FREKUENSI KUMULATIF. JUMLAH KATEGORI HARUS SAMA -HITUNG BEDA FREK KUMULATIF KEDUA SAMPEL,PILIH YG TERBESAR, = KD -CARI HARGA PADA TABEL KD SIGNIFICANCE SESUAI DENGAN BESAR TABEL NILAI KRITIS KD = KD.a;n
-TOLAK HO ,TERIMA HA JIKA : KD KD.a;n TERIMA HO ,TOLAK HA JIKA : KD < KD.a;n

2. SAMPEL BESAR

30

-PROSEDUR SAMA DENGAN UJI KOLMOGOROV SMIRNOV SAMPEL KECIL -TOLAK HO ,TERIMA HA JIKA : D Da,n TERIMA HO ,TOLAK HA JIKA : D < Da,n

ANALISA VARIANCE
TEKNIK MATEMATIK UNTUK MEMISAHKAN KOMPONENKOMPONEN VARIASI DALAM SUATU SET HASIL PENELITIAN

1. DESAIN RANDOMISASI LENGKAP

VARIANCE ANTAR PERLAKUAN

VARIANCE ERROR ATAU DALAM PERLAKUAN

PERLAKUAN X11 X21 . . . Xi1 X12 X22 . . . Xi2 X1j X2j . . . Xij X1k X2k . . . Xik

.
. . Xn11 TOTAL OBSERVASI MEAN T1 n1 X1

.
. . Xn22 T2 n2 X2

.
. . Xnjj T3 n3 X3

.
. . Xnkk T4 n4 X4

STATISTIK F = MSp / MSe

MSp = MEAN SQUARE ANTAR PERLAKUAN MSe = MEAN SQUARE ERROR (DALAM PERLAKUAN)

PROSEDUR
A. RUMUSKAN HIPOTESA HO : u1 = u2 = = uk, TIDAK ADA BEDA ANTARA MEAN-MEAN POPULASI HA : u1 u2 uk, TERDAPAT BEDA ANTARA MEAN-MEAN POPULASI B. TENTUKAN JUMLAH PENGAMATAN DARI SAMPEL n1 = BESAR SAMPEL 1 n2 = BESAR SAMPEL 2 nj = BESAR SAMPEL j n = TOTAL PENGAMATAN n1 + n2 + + nj + + nk C. TENTUKAN LEVEL SIGNIFICANCE , a D. BUAT TABEL ANALISA VARIANCE (ANAVA), HITUNG 1. CORRECTION FACTOR : CF = CORRECTION FACTOR 2 / n CF = (Tj) Tj= TOTAL NILAI PENGAMATAN (BESAR VARIABEL) n = TOTAL NILAI SAMPEL (BESAR SAMPEL) 2. HITUNG SUMSQUARE TOTAL

SST =

(Xij)2 -

CF

SST = SUMSQUARE TOTAL Xij = NILAI PENGAMATAN i DARI SAMPEL j

3. HITUNG SUMSQUARE ANTAR PERLAKUAN

SSP = (T1)2 / n1 + (T2)2 / n2 + + (Tj)2 / nj + + (Tk)2 / nk CF = (Tj)2 / nj CF

Tj = TOTAL NILAI SAMPEL j nj = BESAR SAMPEL j SSP = SUMSQUARE ANTAR PERLAKUAN

4. HITUNG SUMSQUARE ERROR

SSE = SST - SSP

SSE = SUMSQUARE ERROR SSP = SUMSQUARE ANTAR PERLAKUAN SST = SUMSQUARE TOTAL

5. TENTUKAN DEGREE OF FREEDOM

DFP = k-1 DFT = n-1 DFE = DFT DFP

6. HITUNG MEAN SQUARE

DFP = DEGREE OF FREEDOM ANTAR PERLAKUAN DFT = DEGREE OF FREEDOM TOTAL DFE = DEGREE OF FREEDOM ERROR n = JUMLAH ANGGOTA TOTAL SAMPEL k = JUMLAH PERLAKUAN

MSP = SSP DFP MSE = SSE DFE

MSP = MEAN SQUARE ANTAR PERLAKUAN MSE = MEAN SQUARE ERROR DFP = DEGREE OF FREEDOM ANTAR PERLAKUAN DFE = DEGREE OF FREEDOM ERROR

7. HITUNG HARGA STATISTIK F

MSp = MEAN SQUARE ANTAR PERLAKUAN MSe = MEAN SQUARE ERROR (DALAM PERLAKUAN)

STATISTIK F = MSp / MSe

TABEL ANAVA SUMBER VARIASI DF SS MS

ANTAR PERLAKUAN
DALAM PERLAKUAN (ERROR) TOTAL

k-1
(n-k)-(k-1) n-k

SSP
SSE SST

SSP / k-1
SSE / (n-k)-(k-1) SST / n-k

MSP / MSE

8. CARI HARGA DISTRIBUSI F PADA LEVEL SIGNIFICANCE : FA;f1,f2 9. TENTUKAN TOLAK HO ,TERIMA HA JIKA : F FA;f1,f2 TERIMA HO ,TOLAK HA JIKA : F < FA;f1,f2

2. DESAIN BLOK LENGKAP RANDOM

BERTITIK TOLAK DARI PENGURAIAN TOTAL VARIANCE PERLAKUAN

PERLAKUAN 1 1 2 . . . I . . X11 X21 . . . Xi1 . . 2 X12 X22 . . . Xi2 . .

BLOK j X1j X2j . . . Xij . . r X1r X2r . . . Xir . .

TOTAL P1 P2 . . . Pi . .

. t
TOTAL

. Xt1
B1

. Xt2
B2

. Xtj
Bj

. Xtr
Br

. Pt
T

TOTAL CF = (T)2 / r x t SST = (Xij)2 CF DF = n-1

ANTAR PERLAKUAN ANTAR BLOK SSP = ((Pi)2 / r) CF DFP = r-1 MSP = SSP / DFP

ERROR SSE = SST - SSP - SSB DFE = (r-1) (t-1) MSE = SSE / DFE

SSB = ((Bj)2 / t) CF DFB = t-1 MSB = SSB / DFB

F = MSP / MSE

F = MSB / MSE

TABEL ANAVA UNTUK DESAIN BLOK LENGKAP RANDOM SUMBER VARIASI DEGREE OF FREEDO M SUM SQUARE MEAN SQUARE F

ANTAR BLOK ANTAR PERLAKUAN

ERROR TOTAL

r-1 t-1
(r-1) (t-1) n-1

SSB SSP
SST - SSP - SSB SST

SSB / r-1 SSP / t-1

SSE / (r-1) (t-1)

MSB / MSE MSP / MSE

PROSEDUR
1. RUMUSAN HIPOTESA HO : u1 = u2 = ut HA : u1 u2 ut TENTUKAN JUMLAH REPLIKASI (BLOK) DAN JUMLAH PERLAKUAN : r = JUMLAH BLOK t = JUMLAH PERLAKUAN n = TOTAL PENGAMATAN

2.

3. HITUNG SSP SSB SST SSE DAN MSB MSE MSP 4. BUAT TABEL ANAVA, HITUNG NILAI F 5. CARI HARGA F PADA TABEL YAITU F ANTAR PERLAKUAN DAN F ANATR BLOK, PADA LEVEL SIGNIFICANCE a DENGAN DEGREE OF FREEDOM f1 DAN f2 f1 = DEGREE OF FREEDOM DARI MEAN SQUARE TERBESAR f2 = DEGREE OF FREEDOM DARI MEAN SQUARE TERKECIL DARI MSP DENGAN MSE DAN MSB DENGAN MSE 6. TENTUKAN TOLAK HO ,TERIMA HA JIKA : F Fa;df = f1,f2 TERIMA HO ,TOLAK HA JIKA : F < Fa;df = f1,f2

3. DESAIN KUADRAT LATIN

SUMBER VARIASI

ANTAR PERLAKUAN JAJAR (BARIS) ANTAR KOLOM ERROR

KOMPONEN SUMSQUARE TOTAL (SST)

ANTAR PERLAKUAN (SSP) JAJAR (BARIS) (SSK) ANTAR KOLOM (SSJ) ERROR (SSE)

PROSEDUR

1.

RUMUSKAN HIPOTESA HO : uA = uB = uC = uD DAN HA : uA uB uC Ud ATUR DATA DALAM KOLOM DAN BARIS SERTA CARI TOTALNYA HITUNG MEAN DARI TOTAL PERLAKUAN BUAT OUTLINE ANAVA HITUNG BESAR DEGREE OF FREEDOM : DFT = r2 1 DFP = r 1 DFJ = r 1 DFK = r 1 DFE = DFT - DFP- DFJ - DFK

2. 3. 4. 5.

6.

HITUNG SUMSQUARE : CF = T2 / r2 SST = (Xij)2 CF SSP = ((Pi)2 / r) SSK = ((Ki)2 / r) SSJ = ((Ji)2 / r) SSE = SST - SSP - SSK - SSJ ; DF = (r-1) (r-2)

7.

HITUNG MEAN SQUARE SUMBER VARIASI MSP = SSP / DFP MSK = SSK / DFK MSJ = SSJ / DFJ MSE = SSE / DFE

8.

HITUNG NILAI F : F UNTUK JAJAR / BARIS F UNTUK KOLOM F UNTUK PERLAKUAN

= MSJ / MSE = MSK / MSE = MSP / MSE

9.

TENTUKAN JIKA F F0,05;f1,f2 TOLAK HO, TERIMA HA ; BEDA SIGNIFIKAN JIKA F F0,01;f1,f2 TOLAK HO, TERIMA HA ; BEDA SANGAT SIGNIFIKAN CARI F TABEL UNTUK JAJAR / BARIS , KOLOM DAN PERLAKUAN F0,05;df DAN F0,01;df

10. BUAT TABEL ANAVA 11. BUAT KESIMPULAN

4. PERCOBAAN 2 FAKTORIAL DENGAN DESAIN BLOK LENGKAP RANDOM

PEMUPUKAN 3 JENIS PADI DENGAN 4 LEVEL JENIS PUPUK

DEGREE OF FREEDOM
UNTUK BLOK : DFB = r-1 UNTUK VARIETAS : DFV = v-1
r = REPLIKASI v = VARIETAS n = LEVEL PUPUK

UNTUK NITROGEN : DFN = n-1

UNTUK INTERAKSI : DFI = (v-1) (n-1) UNTUK ERROR : DFE = (r-1) (vn-1) UNTUK TOTAL : DFT = (r.v.n) -1

CF = (GRAND TOTAL)2 / TOTAL PENGAMATAN SST = (Xij)2 CF

SSB = ((BLOK)2 / v.n ) CF

SSP = ((PERLAKUAN) / r ) CF

SSE = SST SSB - SSP

SSV = ((VARIETAS)2 / (r.n) ) CF

SSN = ((NITROGEN)2 / (r.v) ) CF

SSI = SSP - SSV - SSN

PROSEDUR
1. 2. 3. 4. 5. 6. 7. RUMUSKAN HIPOTESA TENTUKAN LEVEL SIGNIFICANCE (0,05 DAN 0,01) TENTUKAN PERLAKUAN, VARISETAS DAN JUMLAH REPLIKASI (r, v,n MASIN-MASING) HITUNG TOTAL PERLAKUAN, MEAN PERLAKUAN, BLOK DAN GRAND TOTAL PADA TABEL BUAT OUTLINE TABEL ANAVA HITUNG PERLAKUAN-PERLAKUAN DENGAN MENGGUNAKAN TABULASI SILANG HITUNG SUMSQUARE : CF = (GRAND TOTAL)2 / TOTAL PENGAMATAN SST = (Xij)2 CF SSB = ((BLOK)2 / v.n ) CF SSP = ((PERLAKUAN) / r ) CF SSV = ((VARIETAS)2 / (r.n) ) CF SSN = ((NITROGEN)2 / (r.v) ) CF SSI = SSP - SSV - SSN

8.

HITUNG HARGA MEAN SQUARE :

MSV = SSV / DFV MSN = SSN / DFN MSI = SSI / DFI MSE = SSE / DFE

9.

HITUNG NILAI F NITROGEN : F = MSN / MSE INTERAKSI : F = MSVI / MSE VARIETAS : F = MSV / MSE

10. LIHAT HARGA TABEL F F0,05;df F0,01;df 11. TENTUKAN TOLAK HO, TERIMA HA ; JIKA FV F0,05;df DAN F0,01;df JIKA FN F0,05;df DAN F0,01;df JIKA FI F0,05;df DAN F0,01;df 12. BUAT TABEL ANAVA 13. RUMUSKAN KESIMPULAN

5. DESAIN SPLIT PLOT

DIBAGI 2 JENIS : -PLOT UTAMA -SUBPLOT MAKA ERRORNYA PUN 2 BUAH

CONTOH : PENGARUH PUPUK PADA BEBERAPA VARIETAS PADI : -LEVEL PUPUK -4 JENIS PADI -3 BUAH REPLIKASI

MAKA : n = JUMLAH PERLAKUAN PADA PLOT UTAMA (PUPUK) = 6 r = JUMLAH REPLIKASI = 3 v = JUMLAH PERLAKUAN PADA SUBPLOT (VARIETAS) = 4

PROSEDUR

1. 2. 3. 4.

BUAT RUMUSAN HIPOTESA TENTUKAN LEVEL SIGNIFICANCE BUAT OUTLINE TABEL ANAVA HITUNG SUMSQUARE UNTUK PLOT UTAMA BUAT TABEL SILANG HITUNG CORRECTION FACTOR : HITUNG SUMSQUARE BLOK : HITUNG SUMSQUARE PUPUK : HITUNG SUMSQUARE ERROR a :

CF = (GRAND TOTAL)2 / TOTAL PENGAMATAN SSB = (B2 / n.v ) CF SSN = (N2 / r.v ) CF SSEa = (NB2 / v ) CF SSB SSN

5.

HITUNG SUMSQUARE UNTUK SUBPLOT :

BUAT TABEL SILANG DARI PERLAKUAN HITUNG SUMSQUARE VARIETAS : SSV = (V2 / n.r )
HITUNG SUMSQUARE SS INTERAKSI : SSI = (VN2 / r ) CF SSV SSN HITUNG SUMSQUARE ERROR : SSEb = SST SSB SSN SSEa SSV SSI

6.

HITUNG MEAN SQUARE DARI SUMBER-SUMBER VARIASI MSN = SSN / DFN MSEa = SSEa / DFEa MSV = SSV / DFV MSI = SSI / DFI MSEb = SSEb / DFEb

7.

HITUNG HARGA F :
F = MSN / MSEa F = MSI / MSEb F = MSV / MSEb

8.

HITUNG KOEFISIEN VARIASI : V.C (a) = (MSEa / MEAN TOTAL ) X100% V.C (b) = (MSEb / MEAN TOTAL ) X100%

9.

CARI HARGA F PADA TABEL F0,05;df F0,01;df

10. BUAT TABEL ANAVA 11. TARIK KESIMPULAN

TEKNIK KORELASI
DERAJAT HUBUNGAN YG TERJADI ANTARA SATU VARIABEL DENGAN VARIABEL LAIN KORELASI

KORELASI POSITIF

NAIKNYA NILAI SATU VARIABEL YG DIIKUTI DENGAN NAIKNYA NILAI VARIABEL LAIN ATAU SEBALIKNYA

KORELASI NEGATIF

NAIKNYA NILAI SATU VARIABEL YG DIIKUTI DENGAN TURUNNYA NILAI VARIBEL LAIN

1. MOMEN PRODUK PEARSON

Sp = SUM OF PRODUCT SSX = SUMSQUARE VARIABEL X SSY = SUMSQUARE VARIABEL Y r = KOEFISIEN KORELASI SPEARMAN

r = Sp / SSX.SSY

Sp = XY ((X . Y) / N) = X Y

SSX = X2 ((X)2 / N) = X2

N = JUMLAH PENGAMATAN MASING-MASING VARIABEL x = (X X) y = (Y Y) X = MEAN DARI VARIABEL X Y = MEAN DARI VARIABEL Y

SSY = Y2 ((Y)2 / N) = Y2

MENGHITUNG KOEFISIEN KORELASI

JUMLAH PENGAMATAN VARIABEL X = Y ATAU KEDUA NILAI HARUS BERPASANGAN MAKIN BESAR KOEF KORELASI, MAKIN TINGGI DERAJAT HUBUNGAN ANTAR KEDUA VARIABEL DAN SEBALIKNYA

HUBUNGAN YG ADA DIASUMSIKAN LINIER

KOEF KORELASI TIDAK MEMPERLIHATKAN HUBUNGAN SEBAB AKIBAT ANTARA VARIABEL-VARIABEL

2. SPEARMAN

JIKA PENGAMATAN DARI 2 VARIABEL, DALAM BENTUK SKALA ORDINAL

PROSEDUR
1. 2. 3. ATUR PENGAMATAN DARI KEDUA VARIABEL DALAM BENTUK RANKING CARI BEDA MASING-MASING PENGAMATAN YG SUDAH BERPASANGAN HITUNG KOEF KORELASI DENGAN RUMUS :

= 1-

(6di2

N3

N)

di = BEDA ANTARA 2 PENGAMATAN BERPASANGAN N = TOTAL PENGAMATAN = KOEFISIEN KORELASI SPEARMAN

3. BISERIAL
JIKA DERAJAT HUBUNGAN INGIN DICARI ANTARA SEBUAH VARIABEL KONTINU DENGAN SEBUAH VARIABEL DICHOTOMI

A. POINT BISERIAL

rpb = (X1 X0 / SX) (p.q)

X = VARIABEL KONTINU X1 = MEAN DARI KELOMPOK VARIABEL KONTINU YG MEMPUNYAI PENGAMATAN SATU PADA KELOMPOK DICHOTOMI X0 = MEAN DARI KELOMPOK VARIABEL KONTINU YG MEMPUNYAI PENGAMATAN NOL PADA KELOMPOK DICHOTOMI p = PROPORSI DARI PENGAMATAN SATU PADA KELOMPOK PENGAMATAN VARIABEL DICHOTOMI q = PROPORSI DARI PENGAMATAN NOL PADA KELOMPOK PENGAMATAN VARIABEL DICHOTOMI SX = STANDAR DEVIASI DARI VARIABEL KONTINU

B. BISERIAL

INDEKS UNTUK MENCARI HUBUNGAN ANTAR DUA VARIABEL DI MANA SALAH SATU VARIABEL TERSEBUT DIANGGAP SEBAGAI VARIABEL DICHOTOMI

rb = (Xp Xq) / SX ((p.q) / y)

X = VARIABEL KONTINU Xp= MEAN DARI VARIABEL X PADA KELOMPOK SUKSES Xq = MEAN DARI VARIABEL X PADA KELOMPOK TIDAK SUKSES p = PROPORSI DARI PENGAMATAN PADA KELOMPOK SUKSES q = PROPORSI DARI PENGAMATAN PADA KELOMPOK TIDAK SUKSES y = ORDINAT DARI KURVA NORMAL YG MEMBAGI KURVA NORMAL ATAS 2 BAGIAN, SATU BAGIAN ADALAH PROPORSI p DAN SEBAGIAN LAGI ADALAH PROPORSI q DARI TOTAL AREA KOEFISIEN KORELASI BISERIAL MEMILIKI TANDA POSITIF JIKA KELOMPOK SUKSES MEMPUNYAI MEAN VARIABEL KONTINU YG LEBIH BESAR DAN TANDA KOEFISIEN BISERIAL JADI NEGATIF JIKA MEAN VARIABEL KONTINU PADA KELOMPOK SUKSES LEBIH KECIL DIBANDINGKAN DENGAN MEAN VARIBEL KONTINU PADA KELOMPOK TDAK SUKSES

ANALISA REGRESI
MEMPELAJARI BAGAIMANA ERATNYA HUBUNGAN ANTAR SATU ATAU BEBERAPA VARIABEL INDEPENDEN DENGAN SEBUAH VARIABEL DEPENDEN 4 USAHA POKOK
MENGADAKAN ESTIMASI TERHADAP PARAMETER BERDASARKAN DATA EMPIRIS MENGUJI BERAPA BESAR VARIASI VARIABEL DEPENDEN DAPAT DITERANGKAN OLEH VARIASI VARIABEL INDEPENDEN MENGUJI APAKAH ESTIMASI PARAMETER SIGINIFIKAN ATAU TIDAK MELIHAT APAKAH TANDA MAGNITUDE DARI ESTIMASI PARAMETER COCOK DENGAN TEORI

ASUMSI BAHWA HUBUNGAN ANTARA VARIABEL DEPENDEN DAN INDEPENDEN ADALAH BENTUK LINIER
DISTURBANCE TERM = VARIABEL RANDOM DENGAN DISTRIBUSI NORMAL MEAN DARI DISTURBANCE TERM = 0, VARIANCENYA KONSTAN DISTURBANCE TERM DARI OBSERVASI YG BERBEDA TIDAK BERGANTUNG DISTURBANCE TERM SEBELUMNYA VARIABEL EKSPLANATORI ADALAH VARIABEL NONSTOKHASTIK, DIUKUR TANPA ERROR, TIDAK TERGANTUNG DISTURBANCE TERM

1. REGRESI SEDERHANA

ANALISA REGRESI YG MENYANGKUT SEBUAH VARIABEL INDEPENDEN DAN SEBUAH VARIABEL DEPENDEN

HUBUNGAN STOKHASTIK

Y = A0 + A1X1 + ui
Y = a0 + a1X1 + ei

ESTIMASI
ORDINARY LEAST SQUARE

Y = a0n + a1X1
X1Y = a0X1 + a1Xi2

BENTUK DEVIASI DARI MEAN

x1y = a1xi2 DIMANA xi = X1 - X

Y = VARIABEL DEPENDEN X1 = VARIABEL INDEPENDEN X = MEAN DARI VARIABEL INDEPENDEN n = JUMLAH OBSERVASI a0 = INTERCEPT a1 = ESTIMATOR DARI PARAMETER ATAU KOEF REGRESI

RUMUS

a1 = x1y / a1xi2 DIMANA : xi2 = xi2 - ((xi)2 / n) x1y = x1y - ((x1)(y) / n)

a0 = ( y - a1xi2 ) / n

KOEFISIEN DETERMINASI

BERAPA PERSEN DARI VARIASI VARIABEL DEPENDEN DAPAT DITERANGKAN OLEH VARIASI VARIABELINDEPENDEN

R2 = VARIASI YG DAPAT DITERANGKAN / VARIASI YG HARUS DITERANGKAN

R2 BERADA ANTARA 0 S/D 1

( a12

. x

) / y2

UJI t

- MENGUJI APAKAH ESTIMATOR TERHADAP PARAMETER BERBEDA SECARA SIGNIFIKAN DARI NOL - PERLU STANDAR ERROR

RUMUS

Sa.1 = (*2X12 / nX2)

*2 = ((y2) a12x2) / n 2

SEDANGKAN :

*2 = ESTIMATOR DARI VARIANCE DISTURBANCE TERM n = JUMLAH PENGAMATAN

DAERAH PENOLAKAN

HO: a0 = 0; HA : a0 0
LEVEL SIGNIFICANCE b

STATISTIK :

a0 : t = a0 / Sa.0 a1 : t = a1 / Sa.1

TOLAK HO, TERIMA HA : -t1/2b;df=n-2(Sa.0) > a0 > t1/2b;df=n(Sa.0) -t1/2b;df=n-2(Sa.1) > a1 > t1/2b;df=n(Sa.1)

2. REGRESI BERGANDA

JIKA PARAMETER DARI SUATU HUBUNGAN FUNGSIONAL ANTARA SUATU VARIABEL DEPENDEN DENGAN LEBIH DARI SATU VARIABEL INDEPENDEN INGIN DIESTIMASIKAN

HUBUNGAN

Y = a0 + a1X1 + a2X2 + e
Y = a0n + a1X1 + a2X2 X1Y = a0X1 + a1X12 + a2X1X2 X2Y = a0X1 + a2X1X2 + a2X22

PERSAMAAN NORMAL

BENTUK DEVIASI DARI MEAN

x1y = a1x21 + a2x1x2 x2y = a2x1x2 + a2x22

a1 = ((x1y)(X22) (x2y)(x12)) / ((x21)(x22) (x1x2)(x12))

a2 = ((x21)(x2y) (x1x2)(x1y)) / ((x21)(x22) (x1x2)(x1X2)) a0 = (Y a1X1 a2X2) / n

DIMANA : xi2 = xi2 - ((xi)2 / n) x22 = x22 - ((x2)2 / n) x1x2 = x1x2 - ((x1)(x2) / n) x1y = x1y - ((x1)(y) / n) x2y = x2y - ((x2)(y) / n)

KOEFISIEN DETERMINASI

R2 = (a1x1y + a2x2y) / y2

VARIANCE DARI KOEFISIEN REGRESI

Va.1 = (*2 X22) / ((xi2 x22) (x1x2)2) Va.2 = (*2 X12) / ((xi2 x22) (x1x2)2)

DIMANA : *2 = e2 / (n k) = ((1 R) y2) / (n k) k = JUMLAH VARIABEL

STANDAR ERROR

Sa.1 = Va.1 Sa.2 = Va.2