Pertemuan
Bahan
Statistika
Deskriptif;
Ukuran
Pemusatan
dan
Penyebaran
Statistika; Frekuensi data
Dasar-dasar teori peluang; Peluang bersyarat dan
teorema bayes
Konsep sampling dan Populasi; Nilai Ekspektasi ratarata, varian, dan kovarian
Distribusi Teoritis Diskrit; Binom, hipergeometri, poisson
2
3
4
5
6
7
STATISTIKA-Pengantar
Pertemuan
Bahan
9
10
11
12
13
14
STATISTIKA-Definisi Statistika
STATISTIKA-Istilah-istilah umum
Populasi
Keseluruhan pengamatan yang menjadi perhatian si peneliti.
Sampel atau Contoh
Suatu himpunan bagian dari populasi.
Sampel acak sederhana
Suatu sampel acak sederhana n pengamatan adalah suatu contoh acak
sederhana yang dipilih dengan suatu cara tertentu, sehingga tiap
himpunan bagian yang berukuran n dari populasi tersebut memiliki
peluang terpilih yang sama.
Parameter
Sembarang nilai yang menjelaskan ciri-ciri populasi.
Statistik
Sembarang nilai yang menjelaskan ciri-ciri sampel.
STATISTIKA-Ukuran Pemusatan
STATISTIKA-Mean
= i =1
N
Contoh:
x = i =1
n
X i = {1,3,4,7,5}
n
x = i =1
n
x + x + x + x4 + + xn 1+ 3 + 4 + 7 + 5
= 1 2 3
=
=4
n
5
STATISTIKA-Median
STATISTIKA-Median
Contoh:
Berapakah median dari suatu gugus data X i ={ 1, -2, 8, 2, 2, 5}?
Langkah 1: Urutkan data
-2, 1, 2, 2, 5, 8
Langkah 2: n genap
X3 X4
x Me
2
2 2
2
STATISTIKA-Modus
Frekuensi
1
1
2
3
Mo 5
STATISTIKA-Ukuran Penyebaran
STATISTIKA-Range/Wilayah
Apakah Range/Wilayah itu?
Adalah suatu nilai yang menunjukkan beda antara nilai terbesar dengan
nilai terkecil dari suatu gugus data.
Rumus:
Range = NilaiTerbesar NilaiTerkecil
Contoh:
X i = {2,1,2,2,5,5,5,8}
Range = 8 (2) = 10
ii=
X
i
1
N
St.Dev untuk Sampel
s=
i= n
i=1
(X
x
n 1
i
s=
= 3.105
STATISTIKA-Varian/Ragam
Apakah varian/ragam itu?
Adalah kuadrat dari nilai standar deviasi.
2 =
=N
2
(
)
ii=
X
i
1
2
i= n
2 i=1 X i x
s =
n 1
STATISTIKA-Menggunakan Kalkulator
DT
xx
s
STATISTIKA-Contoh Nilai Z
x xx
z=
=
{2,1,2,2,5,5,5,8}!
2 3.25
=
= 1.69
3.105
Tanda negatif menyatakan, nilai -2 ada di sebelah kiri mean dari gugus data, angka
1,69 menunjukkan jarak nilai -2 dari mean dalam satuan standar deviasi.
Dalil Chebyshev:
1
Sekurang-kurangnya 1
bagian data,
k2
terletak dalam k standar deviasi dari nilai tengahnya.
STATISTIKA-Ukuran Fraksional
Ada lebih dari 1 cara untuk mencari kuartil, desil, dan persentil.
Namun semuanya memiliki satu filosofi:
membagi data menjadi fraksi-fraksi yang memiliki
anggota gugus data yang kira-kira hampir sama banyaknya
Q1
Q2
i
pQi = x(n + 1)
4
Q3
STATISTIKA-Contoh
3
pQ3 = x8 = 6.00
4
2. cari nilainya berdasarkan rumus:
STATISTIKA-Ingatkah Saudara?
STATISTIKA-Ingatkah Saudara?
PARETO PRINCIPLE:
Business management thinker Joseph M. Juran suggested the
principle and named it after Italian economist Vilfredo Pareto, who
observed that 80% of income in Italy went to 20% of the
population. It is a common rule of thumb in business; e.g., "80% of
your sales comes from 20% of your clients." (Hukum 80/20)
STATISTIKA-Ingatkah Saudara?
BAGAIMANA HUKUM 80/20 DILAHIRKAN? (Sebuah Ilustrasi)
Vilfredo Pareto, mengumpulkan data pendapatan orang-orang di Italia.
Data-data yang didapatkannya diurutkan. Setelah berulang kali
mengulang pengumpulan data, dia mendapati bahwa orang-orang yang
menempati posisi data lebih besar atau sama dengan 80 (persentil
ke-80 dan seterusnya) ternyata memiliki total pendapatan 80% dari
seluruh orang-orang dalam pengamatannya.
20% data;
80% total pendapatan
persentil ke-80
S={ 0,1; 0,9; 1; 1; 1; 1; 1; 2; 16; 16}
STATISTIKA-Ingatkah Saudara?
STATISTIKA-Menggunakan Kalkulator
DT
Frekuensi
fi
1
1
2
1
1
X = { 2,1,2,2,5, 8}
i
2 1 2 2 5 8
x=
+ + + + +
6 6 6 6 6 6
1
( 2 + 1 + 2 + 2 + 5 + 8)
6
1
= (1.(2) + 1.(1) + 2(2) + 1(5) + 1(8) )
6
1
x=
( x1) + f ( x2) + K + f ( xk )
f
1
2
k
6
=
i=n
i =1
1 i =k
x = i =1
n
f x
i
Frekuensi
fi
1
1
2
1
1
X = { 2,1,2,2,5, 8}
i
s=
f xi x
i =k
i =1
n 1
Cobalah menghitung nilai St. Dev dengan rumus di atas, bandingkan dengan
rumus St. Dev pada pertemuan ke-1!
Jumlah/
Total
(4)
241655
234916
216003
238054
240501
192932
131065
123921
109978
82086
74411
47917
36340
20137
27611
Ilustrasi Matematis:
Contoh:
Kasus nilai yang muncul dari pelemparan sebuah mata dadu.
S = {1,2,3,4,5,6}
A = {1,3,5}
B = {2,4,6}
C = {2,3,5}
D = {2}
E = {}
STATISTIKA-Pengolahan Kejadian
A B ; adalah
STATISTIKA-Kaidah Penggandaan
Contoh:
Jika seorang memutuskan untuk menginvestasikan uangnya dalam bentuk 1 jenis
saham dan 1 jenis mata uang asing. Jika di bursa saham ada 45 jenis saham dan
8 jenis mata uang yang diperdagangkan, maka berapa banyak pilihan
investasinya?
Jawabannya:
n1= banyaknya jenis saham di bursa= 45
n2= banyaknya jenis mata uang= 8
Banyaknya pilihan investasi= n1x n2= 45x 8 = 360 pilihan
STATISTIKA-Permutasi
Dalil-Dalil Permutasi:
1. Banyaknya permutasi n benda yang berbeda adalah n!
2. Banyaknya permutasi r benda dari n benda yang berbeda adalah
n Pr =
n!
(n r )!
STATISTIKA-Permutasi (Contd)
Dalil-Dalil Permutasi:
3. Banyaknya permutasi n benda yang berbeda yang disusun dalam suatu lingkaran
adalah (n-1)!
4. Banyaknya permutasi yang berbeda dari n benda yang n1 di antaranya berjenis
pertama, n2 berjenis kedua, , nk berjenis ke-k adalah
n!
n Pr =
n1!n2 !...nk !
STATISTIKA-Kombinasi
Apa yang dimaksud dengan Kombinasi?
Kombinasi adalah susunan banyaknya cara mengambil r benda dari n benda tanpa
memperhatikan urutannya.
RUMUS:
n!
n Cr =
r!(n r )!
Contoh:
Jika seorang memutuskan untuk menginvestasikan uangnya dalam bentuk 3 jenis
saham dan 2 jenis mata uang asing. Jika di bursa saham ada 45 jenis saham dan
8 jenis mata uang yang diperdagangkan, maka berapa banyak pilihan paket
investasinya?
Perpaduan antara Kombinasi dan
Kaidah Penggandaan
0 P ( A) 1 P ( ) = 0
P( S ) = 1
RUMUS:
n
P ( A) =
N
n = banyaknya titik contoh dalam kejadian A
N = banyaknya titik contoh dalam ruang contoh
STATISTIKA-Kaidah Penjumlahan
Hal yang perlu diperhatikan:
1. Bila A dan B adalah dua kejadian sembarang, maka:
P( A B) = P( A) + P( B) P( A B)
2. Bila A dan B adalah dua kejadian yang saling asing, maka:
P( A B) = P( A) + P( B)
STATISTIKA-Peluang Bersyarat
Dalam suatu kasus, mungkin saja kita mendapati bahwa kita mengetahui sejumlah
informasi awal. Dengan menggunakan informasi awal tersebut, kita dapat
memperkirakan peluang suatu kejadian dengan lebih akurat.
Peluang suatu kejadian terjadi, jika peluang kejadian yang lain diketahui
disebut sebagai PELUANG BERSYARAT.
P( A B)
P( B | A) =
P( A)
Catatan: P(A)>0
Naik
A
B
Total
Turun
10
15
25
Total
90
100
85
100
175
200
P(turun A)
P ( A | turun) =
P(turun)
90
18
200
=
=
175 35
200
Jadi peluang saham A turun nilainya adalah 18/35
Hari ini
Hujan Cerah
Hujan
30
15
Besok Hari Cerah
15
40
Total
45
55
Total
45
55
100
P ( B | A) = P ( B)
P ( A | B ) = P ( A)
Kaidah Penggandaan:
1. Bila dalam suatu percobaan kejadian A dan B dapat terjadi sekaligus,
maka:
P ( A B) = P( A) P( B | A)
2. Bila Kejadian A dan B bebas; maka:
P ( A B) = P( A) P ( B)
A
A
A
A
A
A
A
A
A
POPULASI
SAMPEL
Less
Accuracy
Low
Resources
High
Accuracy
High
Resources
Less
Accuracy
Low
Resources
High
Accuracy
High
Resources
Probability Sampling
Non-Probability Sampling
1. Convenience Sampling
2. Judgmental Sampling
3. Quota Sampling
4. Systematic Random
Sampling
4. Snowball Sampling
DEFINISI MATEMATIS:
E ( x) = X .dP
untuk diskrit:
E ( x ) = i x i
untuk kontinu:
b
E ( x) = x. f ( x).dx
a
Catatan:
Definisi diskrit dan kontinu akan dijelaskan pada pertemuan selanjutnya.
STATISTIKA-Mean Variabel
MISAL:
Ruang Contoh untuk pelemparan 2 uang logam, sbb:
S={AA, AG, GA, GG}
Jika dilakukan 16 kali pelemparan ternyata banyaknya muncul sisi gambar (Xi)
sbb:
xi
fi
Maka:
0
4
1
7
2
5
STATISTIKA-Mean Variabel
Mean Variabel x yang memiliki nilai yang sama dengan expected value E(x).
Adalah suatu perhitungan mean populasi menggunakan frekuensi relatif
Variabel Diskrit X:
xi
P(X=x)
x1
f(x1)
x2
f(x2)
xn
f(xn)
= E( X ) = xi . f ( xi)
i =1
Variabel Kontinun X:
= E( X ) = xi . f ( xi)
i =1
= E( X ) = x. f ( x).dx
STATISTIKA-Mean Variabel
= E( X ) = g( xi). f ( xi)
i =1
STATISTIKA-Varian Variabel
Varian Variabel X
Varian dari 16 kali pelemparan mata uang tersebut adalah:
2 = E ( X ) = ( X ) . f ( x)
2
i =1
2 = E( X 2 ) 2
Kontinu:
2 = E ( X )2 =
( X ) . f ( x).dx
Bagaimana dengan
varian dari g(X)?
STATISTIKA-Kovarian Variabel
xy = E (( x x )( y y ) )
Diskrit:
n
xy = ( xi x )( yi y ). f ( x). f ( y )
i =1
Kontinu
xy =
(x
i
)( yi y ). f ( x). f ( y ).dx.dy
Catatan:
Semakin kecil nilai kovarian antara variabel x dan y, maka semakin besar
independensi antara kedua variabel tersebut.
x y = x y
Nilai tengah hasil kali dua variabel
xy = x . y
Ragam jika b konstan
x2+b = x2 = 2
x2+ y = x2 + y2
2. Kontinu
Jumlah titik contoh TAK TERHINGGA, merupakan hasil mengukur.
contoh: tinggi seseorang yang diukur dalam satuan centimeter (174,74cm)
Dikrit:
Kontinu: 150cm
180cm
DISTRIBUSI PELUANG:
Untuk menghitung nilai peluang tertentu selain menggunakan cara mendaftarkan atau
membuat diagram. Ada bentuk-bentuk peluang khusus, yang nilainya dapat dicari dengan
rumus tertentu.
Distribusi peluang adalah fungsi yang digunakan untuk menghitung nilai peluang dari
suatu bentuk peluang-peluang tertentu.
Contoh:
Banyaknya gambar yang muncul dari 3 kali pelemparan 1 mata uang.
(banyaknya gambar yang muncul dari 1 kali pelemparan 3 mata uang)
Distribusi Peluang
BENTUK PELUANG
x
P(X=x)
0
1/8
1
3/8
2
3/8
3
1/8
3
x
f ( x) =
8
; x = 0, 1, 2, 3
DISTRIBUSI BINOMINAL
Ciri-ciri:
1.
2.
3.
4.
RUMUS:
n
b( x; n, p ) = p x q n x
x
Arti Notasi
n = banyaknya ulangan
x = banyaknya sukses
p = peluang sukses
p =35%
x =0
b(0;10,0.35) =0.013
n =10
Suatu percobaan yang terdiri atas contoh acak atau random sampel berukuran n diambil dari
populasi berukuran N
2.
Dengan k dari N benda diklasifikasikan sebagai berhasil dan N-k benda sebagai gagal.
RUMUS:
k N k
x nx
h( x; N , n, k ) =
N
n
Arti Notasi
k = banyaknya semesta sukses
x = banyaknya sukses
N = banyaknya semesta
n = banyaknya percobaan
k =5
N =45
n =3
h(0;45,3,5) =0,696
x=0
Banyaknya hasil percobaan yang terjadi dalam suatu selang waktu tertentu atau wilayah, tidak
tergantung pada banyaknya hasil percobaan pada selang waktu atau wilayah yang berbeda.
2.
Peluang terjadinya satu hasil percobaan selama selang waktu yang singkat atau dalam wilayah yang
kecil, sebanding dengan panjang selang waktu atau besarnya wilayah tersebut
3.
Peluang bahwa lebih dari satu hasil percobaan akan terjadi dalam selang waktu yang singkat atau
wilayah yang kecil dapat diabaikan.
(Distribusi Poisson selalu berkenaan dengan peluang selang waktu atau wilayah)
RUMUS:
e x
p ( x; ) =
x!
Arti Notasi
e =bilangan natural =2.718
x =banyaknya sukses
=mean populasi (sbg pendekatan binominal jika p sangat kecil; =np)
Jawaban:
=10
x =8
p(8;10) =0.113
P( X = a) = 0
Perhatikan bahwa jika x kontinu, maka:
n( x; , ) =
1
2
1 x
1=2
2
Kesimpulan dari Ilustrasi Grafik
P( ~ < x < + ~) = 1
Rumus Pembakuan:
z=
Ilustrasi Grafik:
z1
z2
Z =
x np
npq
Z =
x
/ n
x
t=
s/ n
Dimana, t merupakan variabel yang terdistribusi sesuai distribusi t dengan derajat bebas
(v=n-1).
v= ~
v= 5
v= 2
t1-
s12 / 12
f = 2 2
s2 / 2
f1 ( v1 , v 2 ) =
ILUSTRASI DISTRIBUSI F
f ( v1 , v 2 )
f0.01(3, 8) = 7,59
f0.05(5, 11) = 3,20
Contoh:
Mean dari Ujian Akhir Nasional adalah 5,11 dan Varian sebesar 1,89.
x
i=n
x=
i =1
)
V (1 )
) < 1; Varian pertama, lebih efisien dibanding varian yang kedua
V ( 2 )
3. Konsisten
Jika selisih antara estimator dan parameter selalu mendekati nol, maka
suatu estimator memiliki sifat konsisten.
b1 < < b2
P(b1 < < b2 ) = (1 )
Significance Level
Confidence Interval
/2
/2
CI=1-
Bentuk Confidence Interval:
P( x z / 2
< < x + z / 2
) = 1
V=?
/2
/2
CI=1-
Bentuk Confidence Interval:
P( x t / 2,v
s
s
< < x + t / 2,v
) = 1
n
n
/2
/2
CI=1-
Bentuk Confidence Interval:
)
P( p z / 2
))
pq
)
< p < p + z / 2
n
))
pq
) = 1
n
Jika CI untuk satu populasi digunakan untuk menguji: apakah BESARnya ukuran-ukuran
pada sampel sama dengan nilai tertentu pada populasi,
Maka CI untuk dua populasi digunakan untuk menguji: apakah BEDA ukuran-ukuran pada
sampel sama dengan nilai tertentu pada populasi.
/2
/2
CI=1-
Bentuk Confidence Interval:
V=?
/2
/2
CI=1-
Bentuk Confidence Interval:
v = n1 + n2 2
/2
V=?
/2
CI=1-
Bentuk Confidence Interval:
Ingat!!! Distribusi F:
Digunakan untuk menduga rasio dua buah varians dari dua buah sampel random.
Statistik F:
s12
f = 2 ~ F ,v1 ,v2
s2
/2
V=?
/2
CI=1-
/2
/2
CI=1-
Bentuk Confidence Interval:
) )
P(( p1 p2 ) z / 2
))
) )
p1q1 p2 q2
) )
+
< p1 p2 < ( p1 p2 ) + z / 2
n1
n2
))
) )
p1q1 p2 q2
+
) = 1
n1
n2
Sering kali untuk menarik suatu kesimpulan kita tidak mungkin meneliti
keseluruhan populasi karena kendala waktu, tenaga, dan biaya.
Statistika memberikan solusi untuk penarikan kesimpulan
menggunakan data-data yang kita dapatkan dari sampel. Penarikan
kesimpulan secara demikian dinamakan pengujian hipotesis
Hipotesis Statistik:
Pernyataan atau dugaan mengenai ciri-ciri atau sifat dari satu atau lebih
populasi
Catatan: benar atau salahnya suatu hipotesis tidak penah diketahui
kecuali kita memeriksa seluruh populasi.
Ada 2 Macam Hipotesis:
Hipotesis Nol:
Hipotesis yang dirumuskan dengan harapan akan ditolak.
Hipotesi Alternatif:
Hipotesis yang dirumuskan dengan harapan akan diterima
KENYATAAN
DUGAAN
H0 benar H1 benar
H0 benar
ok
H1 benar
ok
dan :
2
=
Catatan:
Peluang tidak mungkin dihitung kecuali kita memiliki hipotesis
alternatif yang spesifik. (ditandai dengan = )
dan :
Hipotesis:
H0: p = 25%
H1: p > 25%
= P(error jenis 1)
= P(X>=9 jika p=25%)
=
20
b( x;20;0.25)
x =9
= 1 b( x;20;0.25)
x =0
= 0,0409
Perhitungan
: jika p=50%
= P(error jenis 2)
= P(X<9 jika p=50%)
8
Catatan:
Untuk memperkecil dan
maka n harus diperbesar
= b( x;20;0.25)
x =0
= 0,2517
atau
H1: > 0
H0: = 0
H1: < 0
Bersifat 2 arah:
H0: = 0
H1: 0
/2
/2
Uji Hipotesis:
6 Langkah Menguji Statistik:
1. Nyatakan hipotesis nol-nya H0 bahwa = 0
2. Pilihlah hipotesis alternatif H1 yang sesuai diantara > 0, < 0,
atau 0
3. Tentukan taraf nyata (significance)
4. Pilih statistik uji (statistical test) yang sesuai dan tentukan wilayah
kritiknya
5. Hitung nilai statistik uji berdasarkan data pada contoh
6. KEPUTUSAN: Tolak H0 bila nilai uji statistik tersebut jatuh pada
wilayah kritik.
Mean
1 Populasi
Varian
2 Populasi
1 Populasi
2 Populasi
Proporsi
1 Populasi
2 Populasi
Mean
1 Populasi
n>=30, atau
diketahui
Nilainya; Rumus 1
n<30; dan
tidak diketahui
Nilainya;
Rumus 2
2 Populasi
Tidak
Berpasangan
Berpasangan;
Rumus 6
Tidak
Berpasangan
n<30;
n>=30;
atau 1 dan 2
diketahui nilainya;
Rumus 3
n<30;
atau 1 dan 2
tidak diketahui nilainya; 1=2;
Rumus 4
atau 1 dan 2
tidak diketahui nilainya; 12;
Rumus 5
1 Populasi;
Rumus 7
2 Populasi;
Rumus 8
1 Populasi;
Rumus 9
2 Populasi;
Rumus 10
= 0
RUMUS 2
KRITERIA
n>=30; atau
diketahui nilainya
RUMUS
uji z :
x 0
z=
/ n
uji t :
x 0
t=
s/ n
1-2=d0
RUMUS 4
KRITERIA
n>=30; atau 1 dan 2
diketahui nilainya
RUMUS
uji z :
z=
( x1 x 2 ) d 0
( 12 / n1 ) + ( 22 / n2 )
uji t :
t=
( x1 x 2 ) d 0
s p (1 / n1 ) + (1 / n2 )
v = n1 + n2 2
KRITERIA
n<30; atau 1 dan 2
diketahui tidak
nilainya; 12
RUMUS
uji t :
t=
( x1 x 2 ) d 0
( s12 / n1 ) + ( s22 / n2 )
( s12 / n1 + s22 / n2 ) 2
v= 2
( s1 / n1 ) 2 ( s22 / n2 ) 2
+
n1 1
n2 1
d=d0
RUMUS 6
pengamatan
berpasangan
uji t :
t=
d d0
sd / n
H0
2= 02
KRITERIA
Tidak ada
RUMUS 7
12= 22
RUMUS 8
RUMUS
uji 2 :
=
2
(n 1) s 2
2
0
; v = n 1
uji F : (rumus 1)
s12 (v , v )
F= 2; 1 2
s2
uji F : (rumus 2)
s22
F = 2 ; (v2 , v1 )
s1
H0
p= p0
KRITERIA
n>=30
RUMUS 10
uji z :
z=
RUMUS 9
p1-p2= d0
RUMUS
n>=30
x np0
np0 q0
uji z :
( p p 2 ) ( p1 p2 )
z= 1
p q[(1 / n1 ) + (1 / n2 )]
Z = -1,64
5. Hitung statistik uji-nya
x 0 2.75 3
z=
=
= 1,768
/ n 1 / 50
Tolak H0
Terima H0
6. Kesimpulan:
Tolak H0: Cukup bukti untuk menyatakan bahwa waktu tunggu pelanggan kurang dari
3 menit.
STATISTIKA Latihan
Try This (dont be fooled by a complex story)
Secara teoritis, chip micro processor yang diproduksi dengan cara baru
mampu berfungsi normal rata-rata 4 tahun. Untuk menguji teori tersebut
perusahaan memproduksi 10 prototype chip micro processor. Jika ternyata
dari 10 chip micro processor prototype tersebut mampu berfungsi normal
rata-rata 3,5 tahun dengan standar deviasi 1 tahun, apakah teori tersebut
dapat dinyatakan benar pada taraf signifikansi 5%?
STATISTIKA Latihan
Latihan Bab 11:
STATISTIKA Latihan
Latihan Bab 11:
STATISTIKA Latihan
Latihan Bab 11:
135
146
165
136
142
Audit 130
102
129
143
149
120
139
STATISTIKA Latihan
Latihan Bab 11:
STATISTIKA Latihan
Latihan Bab 11:
Sblm 14
17
12
Ssdah 2
13
STATISTIKA Latihan
Try This (dont be fooled by a complex story)
Secara teoritis, chip micro processor yang diproduksi dengan
cara baru mampu berfungsi normal rata-rata 4 tahun. Untuk
menguji teori tersebut perusahaan memproduksi 10 prototype
chip micro processor. Jika ternyata dari 10 chip micro
processor prototype tersebut mampu berfungsi normal ratarata 3,5 tahun dengan standar deviasi 1 tahun, apakah teori
tersebut dapat dinyatakan benar pada taraf signifikansi 5%?
STATISTIKA Latihan
Latihan Bab 11:
135
146
165
136
142
Audit 130
102
129
143
149
120
139
STATISTIKA Latihan
Latihan Bab 11:
STATISTIKA Latihan
Latihan Bab 11:
Sblm 14
17
12
Ssdah 2
13
STATISTIKA Latihan
CHAPTER TEST:
STATISTIKA Latihan
CHAPTER TEST:
STATISTIKA Latihan
CHAPTER TEST:
Baru
62
38
T I PE S K A L A U K U R D A T A
Non-metric
nominal
ordinal
metric
interval
ratio
Urutan
Jarak
Rasio
Nominal
Ya
Tidak
Tidak
Tidak
Ordinal
Ya
Ya
Tidak
Tidak
Interval
Ya
Ya
Ya
Tidak
Ratio
Ya
Ya
Ya
Ya
Seringkali orang
membicarakan
keterkaitan antara
suatu hal dengan hal
lainnya. Korelasi
adalah cara ilmiah
yang akan
memberikan informasi
mengenai hubungan
antara dua buah
variabel.
Nominal:
Phi coefficient
Ordinal:
Spearmans correlation, Kendalls
correlation
Interval-Ratio:
Pearson Correlation
-1.0
Nominal
Ordinal
Interval
Ratio
-0.6
+0.6
+1.0
Catatan
Tanda dan +
menandakan
arah hubungan.
(+) semakin tinggi
nilai suatu variabel
semakin tinggi juga
nilai variabel lainnya
(-) semakin tinggi
nilai suatu variabel
semakin rendah
nilai variabel lainnya
2 =
(O
i =1 j =1
ij
Eij )
Eij
Catatan:
n = banyaknya sampel
Non-Musik TOTAL
Rock
80-an
43
52
90-an
44
48
13
100
TOTAL 87
Langkah Pengerjaannya:
3. Hitung phi-coefficient nya:
=
1.778
= 0.133
100
Kesimpulannya:
Ada hubungan yang lemah antara co-hort dan jenis musik tertentu
= 1
6 d i2
i =1
2
n(n 1)
Contoh kasus:
Seorang ahli pendidikan ingin mengetahui adakah hubungan antara IQ dan
lamanya jam yang dihabiskan untuk menonton televisi dalam seminggu.
Berikut adalah datanya:
IQ (i)
Hours of TV
per week (t)
50
28
28
17
12
IQ (i)
86
97
99
100
100
103
106
110
113
113
0
20
28
50
28
28
7
17
7
12
rank (i)
rank (t)
1
2
3
4.5
4.5
6
7
8
9.5
9.5
1
6
8
10
8
8
2.5
5
2.5
4
d2
d
0
4
5
5.5
3.5
2
4.5
3
7
5.5
0
16
25
30.25
12.25
4
20.25
9
49
30.25
Hitung Rumus:
= 1
6(196)
= 0.188
10(99)
= 1
6(196)
= 0.188
10(99)
Kesimpulan:
Terdapat korelasi yang lemah dan negatif antara IQ dan lamanya jam yang
dihabiskan untuk menonton televisi selama seminggu
2P
1
n(n 1)
2
Contoh kasus:
Seorang ahli geniologi ingin meneliti, apakah ada hubungan antara tinggi dan
berat badan seseorang. Data yang didapat ternyata tidak sempurna sehingga
hanya mendapat data berbentuk ranking.
Person
A B C D E F G H
Rank by Height 1 2
3 4 5
6 7
Rank by Weight 3 4
1 2 5
7 8
Kesimpulan:
Terdapat korelasi yang sedang antara tinggi dan berat badan seseorang
S xy
S x .S y
Catatan:
n
Sx =
(x x)
i =1
; St.Dev. x
n 1
n
S xy =
( x x )( y
i =1
n 1
Sy =
(y
i =1
y)2
n 1
y)
Kovarian antara x dan y
; St.Dev. y
Contoh kasus:
Mudahman memiliki data-data mengenai biaya iklan dan nilai penjualan 12 merk sepatu.
Data tersebut dikumpulkannya dari publikasi tahunan laporan keuangan (dalam juta rupiah)
dari masing-masing merk sepatu. Data tersebut adalah sebagai berikut:
Merk
Biaya Iklan
Nilai Penjualan
A
40
385
B
20
400
C
25
395
D
20
365
E
30
475
F
50
440
G
40
490
H
20
420
I
50
560
J
40
525
K
25
480
L
50
510
Biaya Iklan
40
20
25
20
30
50
40
20
50
40
25
50
Nilai
Penjualan
385
400
395
365
475
440
490
420
560
525
480
510
(x x)
5.83
-14.17
-9.17
-14.17
-4.17
15.83
5.83
-14.17
15.83
5.83
-9.17
15.83
Total
( x x )2
( y y)
34.03
-68.75
200.69
-53.75
84.03
-58.75
200.69
-88.75
17.36
21.25
250.69
-13.75
34.03
36.25
200.69
-33.75
250.69
106.25
34.03
71.25
84.03
26.25
250.69
56.25
1641.67 Total
( y y)2
4726.56
2889.06
3451.56
7876.56
451.56
189.06
1314.06
1139.06
11289.06
5076.56
689.06
3164.06
42256.25
Biaya Iklan
40
20
25
20
30
50
40
20
50
40
25
50
Nilai
( x x )( y y )
Penjualan
385
-401.04
400
761.46
395
538.54
365
1257.29
475
-88.54
440
-217.71
490
211.46
420
478.13
560
1682.29
525
415.63
480
-240.63
510
890.63
5287.50
Total
Hitung Rumus:
Sxy= (5287.50)/11
Sx = sqrt(1641.67/11)
Sy = sqrt(42256.25/11)
r = 0.635
Kesimpulan:
Ada hubungan yang kuat dan positif antara biaya iklan dan nilai penjualan
Catatan:
Jika banyaknya variabel independen yang digunakan untuk menduga nilai variabel
dependen banyaknya lebih dari satu maka digunakan analisis regresi linier berganda.
Contoh kasus:
Mudahman memiliki data-data mengenai biaya iklan dan nilai penjualan 12 merk sepatu.
Data tersebut dikumpulkannya dari publikasi tahunan laporan keuangan (dalam juta rupiah)
dari masing-masing merk sepatu. Data tersebut adalah sebagai berikut:
Merk
Biaya Iklan
Nilai Penjualan
A
40
385
B
20
400
C
25
395
D
20
365
E
30
475
F
50
440
G
40
490
H
20
420
I
50
560
J
40
525
K
25
480
Jika Equitas Merk dari masing-masing merk dianggap sama kuatnya, tentukan:
variabel independen, variabel dependen, dan alasannya!
L
50
510
Y = + X
UNTUK SAMPEL
Y = a + bx + e
y = a + bx
Y=variabel dependen
X; x=variabel independen
;a=konstanta
;b=koefisien
e=error fungsi
a = y bx
b=
S xy
S x2
y
x
= Mean dari y
= Mean dari x
a = y bx
b=
S xy =
S xy
S x2
a = (453.750) (3.221)(34.167)
= 343.706
( xi x )( yi y )
i =1
n 1
S x2 =
( xi x )
i =1
n 1
440.625
b = 149
.242
= 3.221
y = 343.706 + 3.221x
x = biaya iklan
SEHINGGA:
Merk
Biaya Iklan
Nilai Penjualan
Nilai Duga dari Nilai Penjualan
Merk
Biaya Iklan
Nilai Penjualan
Nilai Duga dari Nilai Penjualan
40
20
25
20
30
50
385
400
395
365
475
440
472.546 408.126 424.231 408.126 440.336 504.756
G
H
I
J
K
L
40
20
50
40
25
50
490
420
560
525
480
510
472.546 408.126 504.756 472.546 424.231 504.756
Source
Sum of
Degree of
Mean Square
Square (SS) Freedom (DF)
(MS)
(y y )
n
Regresi
i 1
Error
2
(
)
e
i1
n-2
Total
2
(
)
y
i 1
n-1
SSregresi MSregres
MSerror
1
SSerror
n2
Source
Sum of
Degree of
Mean Square
Square (SS) Freedom (DF)
(MS)
Regresi
17031.74
17031.74
Error
25224.51
10
2522.45
Total
42256.25
11
F
6.75
Selanjutnya:
FF(v1 ,v2 )
05
6.75F(10,.10
) = 4.96
tolak H 0
t=
(a )S x
n(n 1)
n
Se
x
i =1
(b )S x
Se
vs
H1 : 0
t ,n 1
2
i
t=
H0 : = 0
n 1
Catatan:
Sx adalah standar deviasi bagi x
Se adalah standar deviasi bagi error
H0 : = 0
t ,n 1
vs
H1 : 0
t=
(343.706 0)(12.216)
12(11)
t0.05,11
t = 7.675
t0.05,11 = 2.228
50.224 15650
t=
(3.221 0)(12.216) 11
50.224
t = 2.598
t0.05,11
t0.05,11 = 2.228
y = 343.706 + 3.221x
y = 343.706 + 3.221x
Selanjutnya:
Mudahman ingin membuat merk sepatu yang baru. Jika Mudahman memiliki pos
biaya iklan sebesar 50 juta rupiah. Ramalkanlah nilai penjualan yang mungkin
didapatkan oleh Mudahman!
y = 343.706 + 3.221x
y = 343.706 + 3.221(50)
= 504.756
Nilai penjualan yang mungkin didapatkan oleh Mudahman adalah 504.706
juta rupiah.