Anda di halaman 1dari 41

Cover: (diberi animasi dan motion semenarik mungkin)

E-Learning STATISTIKA INDUSTRI


HOW I CAN LEARN ABOUT STATIN

By Dian Ayu Septina (112110071)
TI-35-02
Fakultas Rekayasa Industri
IT Telkom
Tahun 2012

Bab perkenalan dan kerangka per bab sampai materi dan problem solving (diberi motion dan
animasi sebanyak2nya dan semenarik mungkin)

a. MAINMENU (berikan motion dan animasi sebanyak dan semenarik mungkin)

KERANGKA BAB INTRODUCTION MATERI SOAL
PROBLEM
SOLVING
1. KERANGKA BAB (berbentuk bagan tapi diolah di flash sesuai kreasi dan ada effect animasi
semenarik mungkin)

STATIN
TEORI SAMPLING
PENGERTIAN DASAR
UKURAN SAMPEL
TEKNIK PENGAMBILAN
SAMPEL
TEKNIK PENYAJIAN
DATA
DISTRIBUSI SAMPLING
DISTRIBUSI SAMPLING
RATAAN Z
DISTRIBUSI SAMPLING
RATAAN T
DISTRIBUSI SAMPLING
PROPORSI
DISTRIBUSI SAMPLING
PROPORSI 2 POPULASI
DISTRIBUSI SAMPLING
VARIANSI
TEORI ESTIMASI
ESTIMASI RATAAN
SELANG KEPERCAYAAN
KESALAHAN ESTIMASI
ESTIMASI PROPORSI
ESTIMASI SELISIH 2
PROPORSI
ESTIMASI VARIANSI
ESTIMASI NISBAH 2
VARIANSI

STATIN
UJI HIPTOTESIS
HIPOTESIS
STATISTIK
ARAH PENGUJIAN
HIPOTESIS
UJI EKASISI
UJI DWISISI
KESALAHAN
DALAM PENGUJIAN
HIPOTESIS
LANGKAH
PENGERJAAN UJI
HIPOTESIS
UJI MENYANGKUT
RATAAN
UJI MENYANGKUT
PROPORSI
UJI MENYANGKUT
VARIANSI
REGRESI DAN
KORELASI
REGRESI
REGRESI LINIER
SEDERHANA
REGRESI LINIER
BERGANDA
KORELASI
DEFINISI KORELASI
KOEFISIEN
KORELASI
TEKNIK KORELASI
UJI HIPOTESIS
KORELASI
ANNOVA
ONE WAY ANNOVA
TWO WAY
ANNOVA
TWO WAY DENGAN
N- REPLIKASI
What is
statin?

2. INTRODUCTION (diberi motion dan animasi semenarik mungkin)






Statistika industri adalah ilmu yang mempelajari tentang data dan informasi yang tekniknya
meliputi pengumpulan data, proses pengolahan, serta kesimpulan yang berhubungan dengan
data.
Di dalam dunia industri dibutuhkan untuk menganalisis dan menentukan ketahanan serta umur
suatu mesin produksi serta sebuah produk sebelum resmi dipasarkan, guna untuk memenuhi
kebutuhan konsumen.

3. MATERI (diberi motion dan animasi semenarik mungkin)



1 PENDAHULUAN
Teori sampling didasarkan pada lima kategori sesuai dengan kondisi yang dihadapi yaitu:
a) Pengertian dasar teori sampling
b) Syarat sampel yang baik
c) Ukuran sampel
d) Teknik-teknik pengambilan sampel
e) Teknik penyajian data sampel

2 PENGERTIAN
1. Sampling
Proses pengambilan atau memilih n buah elemen/objek/unsur dari populasi yang
berukuran N. Misalnya: memilih sebagian murid SD Negeri di Kota Bandung, dalam sebuah
penelitian yang bertujuan untuk mengetahui proporsi latar belakang tingkat pendidikan orang tua
dari seluruh murid SD Negeri di Kota Bandung.
TEORI SAMPLING
2. Sample (n) :
Merupakan bagian dari populasi. Elemen anggota sampel, merupakan anggota populasi
dimana sampel diambil. Jika N banyaknya elemen populasi, dan n banyaknya elemen sampel,
maka n < N. Artinya tidak akan ada sampel jika tidak ada populasi. Populasi adalah keseluruhan
elemen atau unsur yang akan kita teliti. Namun karena sesuatu hal peneliti bisa tidak meneliti
keseluruhan elemen tadi, maka yang bisa dilakukannya adalah meneliti sebagian dari keseluruhan
elemen atau unsur tadi yang disebut sebagai sampel.
HUBUNGAN SAMPEL DAN POPULASI
Populasi Sampel

3. Elemen / unsur
Elemen adalah setiap satuan populasi.
4. Populasi (N)
Populasi adalah kumpulan lengkap dari elemen-elemen yang sejenis akan tetapi dapat
dibedakan berdasarkan karekteristiknya. Misalnya Mahasiswa Indonesia dapat dibedakan
berdasarkan variabel jenis kelamin dengan karakteristik laki-laki dan perempuan, atau variabel
IPK dengan karektaristik indeks antara 0-4.
5. Kerangka sampel
Kerangka sampel adalah daftar yang memuat seluruh elemen/anggota populasi, sebagai
dasar untuk penarikan sampel random Sedangkan sampel adalah suatu himpunan bagian dari
populasi.


3. SYARAT SAMPEL YANG BAIK
Secara umum, sampel yang baik adalah yang dapat mewakili sebanyak mungkin karakteristik
populasi. Dalam bahasa pengukuran, artinya sampel harus valid, yaitu bisa mengukur sesuatu
yang seharusnya diukur.
Langkah-langkahnya adalah sebagai berikut:


4. UKURAN SAMPEL
Roscoe (1975) dalam Uma Sekaran (1992) memberikan pedoman penentuan jumlah sampel
sebagai berikut :
1. Sebaiknya ukuran sampel di antara 30 s/d 500 elemen
2. Jika sampel dipecah lagi ke dalam subsampel (laki/perempuan, SD/SLTP/SMU, dsb),
jumlah minimum subsampel harus 30
3. Pada penelitian multivariate (termasuk analisis regresi multivariate) ukuran sampel harus
beberapa kali lebih besar (10 kali) dari jumlah variable yang akan dianalisis.
Untuk penelitian eksperimen yang sederhana, dengan pengendalian yang ketat, ukuran sampel
bisa antara 10 s/d 20 elemen.



akurasi atau
ketepatan (tingkat
ketidakadaan
"bias")
presisi (Presisi
mengacu pada
persoalan sedekat
mana estimasi kita
dengan
karakteristik
populasi)
syarat
sampel
yang baik
5. TEKNIK PENGAMBILAN SAMPEL

















6. TEKNIK PENYAJIAN DATA








1. Sampling dengan Pengembalian
Satuan sampling yang terpilih, dikembalikan lagi ke dalam populasi
(sebelum dilakukan kembali proses pemilihan berikutnya). Sebuah satuan
sampling bisa terpilih lebih dari satu kali. Untuk populasi berukuran N=4 dan
sampel berukuran n=2, maka sampel yang mungkin terambil adalah N
n
= 4
2
=
16 buah sampel. Teknik sampling seperti ini bisa dikatakan tidak pernah
digunakan dalam suatu penelitian, hanya untuk keperluan teoritis yang
berkatian dengan pengambilan sampel.
2. Sampling tanpa Pengembalian :
Satuan sampling yang telah terpilih, tidak dikembalikan lagi ke
dalam populasi. Tidak ada kemungkinan suatu satuan sampling terpilih lebih
dari sekali. Untuk populasi berukuran N=4 (misalnya A, B, C, D) dan sampel
berukuran n=3, maka sampel yang mungkin terambil ada 4 buah sampel yaitu
ABC, ABD, ACD, dan BCD. Secara umum untuk menghitung banyaknya
macam sampel yang mungkin jika pengambilan sampel tanpa pengembalian
adalah: nCr = n!/(r!(n-r)!)

Penyajian data dilakukan untuk mempermudah dalam
pengambilan keputusan. Data-data yang kita ambil dari populasi atau biasa
disebut sebagai data sampel, dapat diperoleh dengan berbagai cara, antara
lain:
Wawancara
Pengamatan
Surat menyurat
Kuisioner
Data mentah yang diperoleh dapat disajikan sebagai statistika
tataan (pengurutan data) dalam bentuk tabel distribusi frekuensi,histogram,
box plot, diagram dahan daun, dan lain-lain.

1. Tabel Distribusi frekuensi
Tabel distribusi frekuensi adalah metode pengelompokan data ke dalam
beberapa kategori yang menunjukan banyaknya data dalam setiap kategori.
Berikut adalah contoh tabel distribusi frekuensi:
Kelas interval Frekuensi
3 5 2
6 8 5
9 11 7
12 14 1
15 17 1
Langkah-langkah:
1. mengurutkan data dari terkecil sampai dengan terbesar
2. menentukan banyaknya kelas, menurut kaidah Sturges yaitu k = 1 + 3.3 log N
3. menentukan interval kelas, yaitu





























3. Distribusi Frekuensi Relatif :
Distribusi frekuensi relatif adalah frekuensi setiap kelas
dibandingkan dengan frekuensi total. Tujuan pembuatan distribusi ini
adalah untuk memudahkan membaca data secara tepat dan tidak
kehilangan makna dari kandungan data. Perhitungan distribusi frekuensi
relatif, yaitu:



Bentuk-bentuk penyajian data berdasarkan statistik:

(jumlah frekuensi/total frekuensi) x 100%



























Penyajian data berdasarkan grafik
1. Grafik Histogram
Penyajian dalam bentuk histogram tidak lain merupakan pengembangan dari bentuk tabel
frekuensi. Bentuk histogram memberikan gambaran frekuensi untuk setiap nilai atau
selang nilai tertentu dari data. merupakan diagram yang berbentuk balok. Histogram
menghubungkan antara tepi kelas interval dengan pada sumbu horizontal (X) dan
frekuensi setiap kelas pada sumbu vertikal (Y).

2. Grafik Polygon
Grafik polygon menggunakan garis yang mengubungkan titiktitik yang merupakan
koordinat antara nilai tengah kelas dengan jumlah frekuensi pada kelas tersebut.
Contoh dari grafik polygon:


Jumlah Frekuensi (F)
0
2
4
6
8
10
12
14
16
1 2 3 4 5
Jumlah
Frekuensi (F)
3. Kurva Ogif
Kurva ogif merupakan diagram garis yang menunjukan kombinasi
antara interval kelas dengan frekuensi kumulatif. Contoh kurva ogif
yaitu:


0
5
10
15
20
25
1 2 3 4 5 6
Interval kelas
F
r
e
k
u
a
n
s
i

K
u
m
u
l
a
t
i
f
Kurang dari
Lebih dari



























4. Box plot
Dalam membuat boxplot, pendekatan yang digunakan adalah dengan membagi kumpulan data yang
telah diurutkan menjadi empat bagian sama banyak. Keempat bagian tersebut mempunyai lima
pembatas, yaitu : data terkecil (Xmin), K1, K2 atau median, K3, dan data terbesar (Xmax).
Urutan untuk pembuatan box plot:
1. Ringkasan angka, yang terdiri dari median, kuartil 1 dan 3 serta nilai maksimum minimum
2. Pagar dalam
o Pd1 = Q1 3/2 RQ
o Pd3 = Q3 + 3/2 RQ
3. Pagar luar
o Pl1 = Q1 3 RQ
o Pl3 = Q3 + 3 RQ
4. Sebaran data, meliputi standar deviasi


RQ = Q3 Q1
Kemencengan:


.... Q2
Jika,
= maka simetris
< maka negatif; >
maka positif




5. Diagram dahan daun
Diagram dahan daun adalah suatu cara mencatat data secara tersusun. Diagram
ini sangat berguna pada saat kita ingin menyajikan data dalam bentuk gambar
tentang bentuk sebarannya tanpa kehilangan informasi nilai numerik dari data.
Diagram dahan-daun sangat mudah dibuat. Angka-angka data kita bagi menjadi
dua bagian, bagian pertama menjadi dahan, dan bagian kedua menjadi daun.
Angka yang menjadi daun biasanya adalah satu atau dua angka terakhir.


















DISTRIBUSI SAMPLING
Bidang statistika sering membahas
mengenai generalisasi atau penarikan
kesimpulan prediksi serta ramalan. Tetapi
generalisasi dan penarikan jarang sekali
melibatkan populasi karena keterbasan
kemampuan enelitian dan begitu besarnya
jumlah populasi, sehingga lebih sering
menggunakan sampel dari populasi tersebut


























DISTRIBUSI RATAAN
Berdistribusi normal
dengan rataan: x =
Berdistribusi normal dengan
variansi: =


Standar deviasi populasi : =


x dan terbatas : s=


x dan tidak terbatas : s =


Variabel random z


=


/



Variabel random t, untuk n > 30:


=

/



























DISTRIBUSI PROPORSI


Rata-rata:




jika populasi terbatas dan

> 5%


jika populasi tidak terbatas dan


< 5% (sering digunakan)



Variabel random:


























DISTRIBUSI VARIANSI
Mencari variansi dari sampel:
s =



Variabel random:
Nb: gunakan tabel khi-kuadrat


























DISTRIBUSI 2 POPULASI
Variabel random 2
rataan:
Z =



Rata-rata 2 proporsi:
Variabel random 2 proporsi:



untuk 2 proporsi:
TEORI
ESTIMASI
ESTIMASI
RATAAN
ESTIMASI
PROPORSI
ESTIMASI
VARIANSI
ESTIMASI 2
POPULASI
SIFAT-SIFAT PENDUGA
Sifat penduga (estimasi)
tidak bias
rata-rata/nilai harapan dari
statistik sampel samadengan
parameter populasi.

Penduga (estimasi) efisien
penduga yang memiliki nilai
varians yang kecil


























TEORI ESTIMASI
PENDAHULUAN
Teori estimasi adalah suatu ilmu yang
menghususkan bagaimana caranya
memperkirakan besaran-besaran
populasi yang tidak diketahui yang
dihitung berdasarkan suatu sample.


























Estimasi Rataan
a. Untuk dan diketahui; n>30


b. Untuk dan tidak diketahui; n<30


c. Menentukan jumlah sampel

d. Untuk dan diketahui; n>30



Kurva untuk rataan z

Gambar kurva rataan t:

Estimasi Proporsi
a. Secara umum estimasi proporsi:


b. Mencari n (populasi sampel diketahui) dan cara ini paling efektif untuk mencari n:


c. Mencari n (populasi sampel tidak diketahui)

(




























Estimasi Variansi
a. Taksiran selang untuk

dapat diturunkan dengan menggunakan statistic




b. Untuk estimasi variansi secara umum:


c. untuk estimasi selisih 2 variansi:



Gunakan tabel khi-kuadrat dan
derajat kebebasan v = n - 1


Gunakan tabel f dan derajat
kebebasan v1 dan v2 adalah v =
n- 1
Estimasi Selisih 2 Proporsi


Untuk estimasi 2 proporsi secara umum :



























Estimasi Selisih 2 Rataan
a. Jika 1 dan 2 diketahui
2
2
2
1
2
1
2 / 2 1 2 1
2
2
2
1
2
1
2 / 2 1
) ( ) (
n n
Z x x
n n
Z x x
o o

o o
o o
+ + < < +

b. Jika 1 dan 2 tidak diketahui, tetapi 1=2 :
2 1
2 / 2 1 2 1
2 1
2 / 2 1
1 1
) (
1 1
) (
n n
Sp t x x
n n
Sp t x x + + < < +
o o


Dimana Sp :


c. Jika 1 dan 2 tidak diketahui, tetapi 12 :
2
2
2
1
2
1
2 / 2 1 2 1
2
2
2
1
2
1
2 / 2 1
) ( ) (
n
S
n
S
t x x
n
S
n
S
t x x + + < < +
o o


Dengan dk =
2
) 1 ( ) 1 (
2 1
2
2 2
2
1 1 2
+
+
=
n n
S n S n
Sp

dengan dk = = n
1
+ n
2
-2

)] 1 /( ) / [( )] 1 /( ) / [(
) / / (
2
2
2
2
2 1
2
1
2
1
2
2
2
2 1
2
1
+
+
=
n n S n n S
n S n S
v
UJI
HIPOTESIS
MENYANGKUT
RATAAN
MENYANGKUT
PROPORSI
MENYANGKUT
VARIANSI


























UJI HIPOTESIS
Pendahuluan
Pada bab uji hipotesis ini mempelajari
bagaimana menguji suatu statemen
dimana statement tersebut belum teruji
kebenarannya. Pengujian ini
menyanngkut penerimaan atau
penolakan suatu populasi

















uji satu
daerah
(ekasisi)
uji dua
daerah
(dwisisi)
Prosedur Pengerjaan Hipotesis
Tentukan Ho (hipotesis nol)
Tentukan H1 (hipotesis alternatif)
Pilih taraf keberartian ()
Tentukan wilayah kritisnya (ekasisi/dwisisi)
Perhitungan (pilih uji statistik yang sesuai)
Tentukan keputusan
Tentukan kesimpulan
Terima Ho Tolak Ho
uji menyangkut
rataan
satu rataan; variansi
diketahui
satu rataan; variansi
tidak diketahui
dua rataan; variansi
diketahui
dua rataan; variansi
tidak diketahui
"o
1
=o
2 "

dua rataan; variansi
tidak diketahui "o
1

o
2"

uji rataan data
berpasangan







N
O
H
0
Statistik H
1
Daerah Kritis
1.


=
0



; o diketahui
<
0
>
0


=
0

Z <- Z
o

Z > Z
o
Z <- Z
o/2
;

Z > Z
o/2

2.


=
0



;
o tidak diketahui
v= n-1
<
0
>
0


=
0

t <- t
o

t > t
o

t <- t
o/2
;
t > t
o/2

3.

1
-
2
=d
0

z =

)(

)
;
o
1
dan o
2
diketahui

1
-
2
<d
0

1
-
2
>d
0

1
-
2
= d
0

Z <- Z
o

Z > Z
o
Z <- Z
o/2
;

Z > Z
o/2

4.

1
-
2
=d
0



; v = n
1
+ n
2 -2

o
1
=o
2
tetapi tidak diketahui

1
-
2
<d
0

1
-
2
>d
0

1
-
2
= d
0

t <- t
o

t > t
o

t <- t
o/2
;
t > t
o/2

5.

1
-
2
=d
0

)(

)

o
1
o
2
dan tidak diketahui

(

1
-
2
<d
0

1
-
2
>d
0

1
-
2
= d
0

t <- t
o

t > t
o

t <- t
o/2
;
t > t
o/2

6.
D
=d
0



v = n-1

D
<d
0

D
>d
0
t <- t
o

t > t
o

Rumus Uji Menyangkut Rataan

Uji Menyangkut Rataan
uji
menyangkut
proporsi
uji
menyangkut
satu proporsi
uji
menyangkut
selisih proporsi













Ho Statistik H1 Daerah Kritis

p=p
0






p<p
0
p>p
0
p =p
0

Z <- Z
o

Z > Z
o
Z <- Z
o/2
;

Z > Z
o/2


p
1
=p
2





p
1
<p
2
p
1
>p
2
p
1
= p
2

Z <- Z
o

Z > Z
o
Z <- Z
o/2
;

Z > Z
o/2

p
1
=p
2
=.....=p
k


Tidak semuanya
sama
_
2
>_
o
2







pengamatan berpasangan
1D
= d
0
t <- t
o/2
;
t > t
o/2

Uji Menyangkut Proporsi

Rumus Uji Menyangkut Proporsi
Rumus Uji menyangkut Proporsi

Rumus Uji menyangkut Proporsi

uji
menyangkut
variansi
menggunakan
statistik chi-
square
menggunakan
statistik F











Ho

Statistik H1 Daerah Kritis
o=o
0


u
= n-1

o<o
0
o>o
0
o = o
0

_
2
<_
o
2
_
2
>_
o
2
_
2
<_
2
o/2

_
2
>_
2
o/2

o
1
=o
2


u
1 = n1-1
u
1 = n1-1

o
1
<o
2
o
1
<o
2
o
1
= o
2

f < f
1-o
(u
1,
u
2
)

f > f
o
(u
1,
u
2
)
f < f
1-o/2
(u
1,
u
2
)
f > f
o/2
(u
1,
u
2
)









Uji Menyangkut Variansi

Rumus Uji Menyangkut Variansi

Uji Chi-
Square
goodest of fit
test
independent
(kebebasan)


























UJI CHI-SQUARE
Pendahuluan
Uji Chi-kuadrat ialah pengujian hipotesis mengenai
perbandingan antara frekuensi observasi atau
frekuensi aktual dengan frekuensi harapan atau
frekuensi ekspektasi. Bentuk distribusi Chi-kuadrat
dinotasikan dengan

oleh karena itu nilainya


selalu positif.



























Goodest of Fit Test

Sering disebut juga dengan uji kecocokan atau kesesuaian antara
frekuensi terjadinya pengamatan pada sampel teramati dengan
frekuensi harapan yang diperoleh dari distribusi yang dihipotesiskan.
Langkah pengerjaan sama dengan uji hipotesis pada bab
sebelumnya, namun Ho merupakan hipotesis kecocokan sedangkan
Hi merpakan hipotesis ketidakcocokan.


Rumus dari uji kecocokan adalah:

: nilai peubah acak yang distribusi sampelnya didekati oleh distribusi Chi-
Kuadrat dengan derajat kebebasan v=k-1
k : jumlah sel atau kelas
oi : frekuensi amatan (observasi)
ei : frekuensi harapan (ekspektasi)



























Indepedensi (Uji Kebebasan)

Uji kebebasan ini digunakan untuk memeriksa kebebasan dari
dua variabel (frekuensi observasi dan frekuensi harapan)
sehingga kita dapat menyimpulkan apakah kedua peubah
tersebut saling bebas (tidak berpengaruh) ataukah saling
bertalian (berpengaruh).
Data untuk menguji kebebasan dua peubah tersebut disajikan dalam bentuk
Tabel Kontingensi atau Tabel Berkemungkinan yang umumnya berukuran r
baris dan x kolom. Sebelum melakukan pengujian , terlebih dahulu kita harus
mendefinisikan Hipotesis Awal (Ho = variabel saling bebas) dan Hipotesis
Alternatif (Hi = variabel tidak saling bebas)
Pada umumnya tabel kontingensi berisikan data berupa frekuensi observasi yang
diperoleh dari suatu pengujian. Untuk itu perlu mencari frekuensi ekspektasi
terlebih dahulu
Frekuensi ekspektasi =






























Rumus uji kebebasan:

: nilai peubah acak yang distribusi sampelnya didekati oleh distribusi Chi-Kuadrat
dengan derajat kebebasan v=(r-1)(k-1)
k : jumlah kolom
r : jumlah baris
oij : frekuensi observasi baris ke-i, kolom ke-j
eij : frekuensi ekspektasi baris ke-i, kolom ke-j



























Analisis Korelasi dan Regresi Linier Sederhana
Scatter Plot (Diagram Pencar)
Sebelum menentukan bentuk hubungan dengan analisis regresi linier atau sebelum mengukur
keeratan hubungan antara dua variabel, harus dilihat apakah variabel-variabel memiliki hubungan
linier atau tidak dengan menggunakan scatter plot
Scatter Plot
BAB 11-
Hubungan Linier Positif
Hubungan Linier Negatif
Tidak Ada Hub.linier
Tidak ada Hubungan
2010 Hermita Dyah Puspita

Analisis Korelasi
Digunakan untuk mengukur kekuatan hubungan linier antara dua variabel.
Koefisien korelasi populasi (ukuran kekuatan hubungan linier dalam
populasi) sedangkan koefisien korelasi sampel r adalah estimasi dari
dan digunakan untuk mengukur kekuatan hubungan linier dalam sampel
observasi.
Macam-Macam Korelasi













Disebut juga sebagai korelasi "produk-momen"
Pedoman menentukan kuat tidaknya menggunakan tabel
Walpol
Korelasi
Pearson

Disimbolkan dalam R yang menyatakan proporsi variansi
keseluruhan
Nilai koefisien determinasi berkisar: 0 R 1
Korelasi
Determinan

Menunjukkan arah dan kuatnya hubungan antara dua atau
lebih variabel secara bersamaan
Merupakan korelasi dari beberapa variabel bebas secara
serentak dengan variabel terikat
Korelasi
Ganda
Menunjukkan arah dan kuatnya hubungan atau pengaruh
antara dua variabel atau lebih (variabel terikat dan bebas)
Korelasi
Parsial


Perumusan Uji Hipotesis Korelasi:
1. Menentukan Ho (tidak ada hubungan linier yang signifikan antara dua variabel Ho: 0)
2. Menentukan Hi (ada hubungan linier yang signifikan antara dua variabel Hi: 0)
3. Statistik Uji (menggunakan uji-T)

atau
S
SSR
S
Sxx
= =
b
t
hitung

4. Kriteria Uji (Tolak Ho jika thitung > ttabel atau thitung < -ttabel )
5. Kesimpulan




























+
Uji Hipotesis menggunakan Koefisien Korelasi Taksiran (

:
1. Menentukan Ho (

dimana

0)
2. Menentukan Hi (

)
3.Statistik uji:

(uji satu sisi) atau

(uji dua sisi)


4. Keputusan (Tolak Ho jika z
hitung
> z
tabel
atau z
hitung
< -z
tabel
)
5. Kesimpulan


Analisis Regresi
Dalam kehidupan sehari-hari, seringkali dijumpai kasus yang
berhubungan dengan dua variabel atau lebih. Hubungan
tersebut dapat berupa hubungan kausal atau hubungan
fungsional. Hubungan kausal misalnya: hubungan antara panas
dengan tingkat muai panjang. Sedangkan hubungan fungsional
misalnya: hubungan antara kepempimpinan dengan tingkat
kepuasan kerja pegawai

















regresi
regresi linier
sederhana
metode kuadrat
terkecil
partisi dari
varians total dan
estimasi dari
regresi linier
berganda
metode kuadrat
terkecil
ANNOVA
Analysis of Variance
Salah satu uji hipotesis pada statistika parametik, untuk
pengujian terhadap interaksi antara dua faktor dalam
suatu percobaan dengan membandingkan rata-rata dari
lebih dua sampel.

















one way
anova
model perbandingan ke
treatment (perlakuan)


prosedur pengujian
two way
anova
model random Block
experiment
posedur pengujian


























One Way Anova
Merupakan model perbandingan ke treatment (perlakuan)
Dimana:
= Mean

= efek perlakuan ke-j


IIDN(0,)
Prosedur pengujian dalam analisis varians ini seperti pengujian hipotesis pada bab sebelumnya,
berikut langkah-langkahnya:
Pengujian hipotesis:

==

: paling sedikit dua diantara rataan tersebut tidak sama.


Tentukan daerah kritis dengan Level of Significance () yang biasa
digunakan adalah 0,01 atau 0,05
Hitung dengan menggunakan tabel Anova
Pengambilan Keputusan:
Tolak H
0
jika F
hitung
> F
tabel((k-1) , k(n-1))
pada selang kepercayaan (level of
significance)
Kesimpulan

Ada dua cara dalam melakukan perhtiungan untuk mendapatkan tabel Anova, yaitu:
1. Dengan cara Matriks
2. Dengan Cara rumus



























Dengan cara rumus:
Perlakuan
1 2 j K


Jumlah

T..
Rataan

..
Keterangan:

: menyatakan pengamatan ke i dalam perlakuan ke j.

: menyatakan jumlah semua pengamatan dalam sampel dari perlakuan ke i.

: menyatakan rataan semua pengamatan dalam sampel dari perlakuan ke j.


T.. : jumlah semua nk pengamatan.
SST =


SSA =


SSE = SST SSA
Analisis Variansi untuk Klasifikasi satu arah

Sumber
variansi

SS

Df

MS

F
hitung

Perlakuan

SSA k-1


Error

SSE k(n-1)




Total SST nk-1





























KUMPULAN SOAL STATIN
1. Suatu sampel berukuran n
1
= 15 diambil secara acak dari populasi yang berdistribusi normal
dengan rataan
1
= 50 dan variansi
2
1
= 9, dan rataan sampel
1
dihitung. Sampel acak kedua
berukuran n
2
= 4 diambil, bebas dari yang pertama, dari populasi lain yang juga berdistribusi
normal, dengan rataan
2
= 40 dan variansi
2
1
= 4, dan rataan sampel
2
dihitung. Cari nilai
P(

< 8,2)! (Bab Distribusi Sampling)


2. Ada 7 kontainer serupa yang berisi asam sulfat dengan volume : 9.8, 10.2, 10.4, 9.8, 10.0, 10.2,
dan 9.6 liter. Tentukan selang kepercayaan 95% untuk mean dari kontainer-kontainer tersebut juka
distribusinya mendekati normal (Bab Distribusi Sampling)
3. Suatu sistem peluncur roket tertentu sedang dipertimbangkan untuk dipakai meluncurkan
sejumlah roket jarak pendek. Sistem yang sekarang mempunyai peluang berhasil meluncurkan
sebuah roket p =0,8. Sampel 40 peluncuran percobaan dengan sistem yang baru menunjukkan 34
yang berhasil. (Bab Teori Estimasi)
a) Buatlah selang kepercayaan 95% untuk p
b) Apakah kenyataannya cukup besar untuk mendukung
4. Suatu perusahaan rokok menyatakan bahwa rokoknya merek A terjual 8% lebih banyak dari
rokoknya merek B. Bila dari 200 perokok ada 42 yang lebih menyukai merk A dan 18 dari 150
perokok lebih menyukai merek B, hitunglah selang kepercayaan 94% untuk selisih antara proporsi
penjualan kedua merek dan tentukan apakah perbedaan 8% tersebut suatu pernyataan yang kena.
(Bab Teori Estimasi)
5. Suatu perusahaan baterai mobil menyatakan baterainya tahan, pada rata-ratanya, 3 tahun dengan
variansi 1 tahun. Bila 5 dari baterai ini tahan selama 1,9 , 2,4 , 3,0 , 3,5 dan 4,2 tahun, buatlah
selang kepercayaan 95% untuk

dan jelaskan apakah pernyataan perusahaan tadi bahwa

= 1
dapat dibenarkan. Anggap umur populasi baterai berdistribusi hampiran normal. (Bab Teori
Estimasi)



























7. Dari penelitian Comparison of Sorbic Acid in Countri Ham Before and After Storage yang
dilakukan di Virginia Polythecnic Institute and State University pada tahun 1983, diperoleh data
berikut yang menyangkut perbandingan sisa asam sorbat dinyatakan dalam bagian per sajuta,
dalam daging ham segera setelah dicelupkan dalam larutan sorbat dan setelah disimpan 60 hari
dicatat:
Potongan Sisa asam sorbat dalam ham
Sebelum disimpan Setelah disimpan
1 224 116
2 270 96
3 400 239
4 444 329
5 590 437
6 660 597
7 1400 689
8 680 576

Bila dianggap kedua populasinya berdistribusi normal, apakah terdapat kenyataan yang cukup,
pada taraf keberartian 0,05, untuk menyatakan bahwa lamanya penyimpanan mempengaruhi
konsentrasi sisa asam sorbat? (Bab Uji Hipotesis)
8. Uji hipotetis pada taraf 0,01 bahwa rata-rata aktivitas khusus sama saja untuk keempat
konsentrasi (Bab Anova)
Konsentrasi NaCl
A B C D
11,01 11,38 11,02 6,04
12,09 10,67 10,67 8,65
10,55 12,33 11,50 7,76
11,26 10,08 10,31 10,13



























PROBLEM SOLVING


BAB DISTRIBUSI SAMPLING VARIANSI
Suatu pabrik baterai mobil menjamin bahwa baterai akan tahan rata-rata 3 tahun dengan simpangan baku
1 tahun. Bila lima baterainya tahan 1,9,2,4,3,0,3,5,dan 4,2 tahun, apakah pembuatnya masih yakin bahwa
simpangan baku baterai tersebut 1 tahun?
Jawab
Mula-mula dihitung variansi sampel :

= 0,815
Kemudian




Merupakan suatu nilai distribusi khi-kuadrat dengan derajat kebebasan 4. Karena 95% nilai


dengan derajat kebebasan 4 terletak antara 0,484 dan 11.143, nilai perhitungan dengan
menggunakan

= 1 masih wajar,sehingga tidak ada alasan bagi pembuatnya untuk mencurigai


bahwa simpangan baku baterainya bukan 1 tahun

0

00
00
0

00
00

ESTIMASI PROPORSI
Pada suatu sampel acak n = 500 keluarga yang memiliki pesawat televise di kota Hamilton, Kanada,
ditemukan bahwa x = 340 memiliki tv berwarna. Carilah selang kepercayaan 95% untuk proporsi
sesungguhnya dari keluarga yang memiliki tv berwarna di kota tersebut.
Jawab
Taksiran titik untuk p ialah

0. Dari table diperoleh

. Jadi, selang kepercayaan


95% untuk p adalah
Yang, bila disederhanakan akan menjadi
0,64 < p < 0,72





























UJI HIPOTESIS PROPORSI
Suatu perusahaan tv menyatakan bahwa 70% tv di kota B berasal dari perusahaan
tersebut. Apakah anda setuju dengan pernyataan itu bila suatu sampel acak di kota B
menunjukan bahwa 8 dari 15 tv berasal dari perusahaan tadi? Gunakan taraf
keberartian 0,01.
Jawab :
1. H
0
: p = 0,7
2. H
1
: p 0,7
3. = 0,10
4. uji statistik: peubah binomial X dengan p = 0,7 dan n = 15
5. perhitungan : x = 8 dan np
o
= (15)(0.7) = 10,5
P = 2P(X 8 bila p = 0,7)
= 2 0


= 0,2622 > 0,10
6. Keputusan : Terima H
0

7. Kesimpulan : tidak cukup alasan meragukan pernyataan perusahaan tersebut.

0 0

0

0

0

0

0

0

0

0

0

0

0

UJI GOODEST OF FIT (KECOCOKAN)
Pada percobaan pelemparan dadu sebanyak 120 kali, dihipotesiskan bahwa dadu tersebut
setangkup. Ini berarti sama saja menguji hipotesis bahwa distribusi hasil pelemparan dadu
tersebut adalah distribusi seragam (uniform) diskret. Maka :
H
0
= Hasil pelemparan dadu setangkup
H
1
= Hasil pelemparan dadu tidak setangkup
f(x) =

x = 1,2,,6
Karena nilai

, maka H
0
diterima.
Jadi dapat disimpulkan hasil pelemparan dadu tersebut setangkup.











BAB ANOVA ONE WAY
Berikut adalah data kecepatan merakit produk (dlm menit) yang dihasilkan oleh 4 macam
operator:
Mesin
1 2 3 4 Total
12 22 19 11
10 13 14 13
14 16 20 16
13 15 19 12
11 14 18 18
Total 60 80 90 70 300
Rataan 12 16 18 14 15

Ujilah dengan taraf keberartian 0,05 apakah rata-rata kecepatan merakit produk yang
dihasilkan beberapa mesin tersebut berbeda
Jawab:

: paling sedikit dua rataan tersebut tidak sama.


Daerah kritis: f hitung > f tabel= 3,24 dengan derajat kebebasan

dan


SST=


SSA=

100
SSE= 216-100=116
Tabel Anova
Sumber
variansi

SS

df

MS

Fhitung
Perlakuan 100 3 33,3333 4,5977
Error 116 16 7,25
Total 216 19

Dari perhitungan dengan cara matrik dan cara rumus untuk tabel Anova didapatkan
hasil
yang sama, sehingga untuk melakukan perhitungan boleh dilakukan dengan salah
satu cara tersebut.
Karena f hitung=4,5977 > f tabel= 3,24
Keputusan: tolak

dan disimpulkan bahwa keempat mesin tidak mempunyai rataan


yang sama (Mesin memang berpengaruh)