MODUL PERKULIAHAN

STATISTIKA
BISNIS
Konsep Statistika
Parametrik dan Uji t

Fakultas
Ekonomi & Bisnis

Abstract

Program
Studi
Akuntansi

Tatap
Muka

03

Kode MK

Disusun Oleh

84002

Nur Azmi Karim, SE, M.Si

Kompetensi

Dalam statistik parametrik diperlukan syarat Mahasiswa dapat memahami dan

bahwa data yang akan dianalisis harus mampu menerapkan uji-t serta
berdistribusi normal. Untuk itu perlu dilakukan melakukan pengambilan kesimpulannya
pengujian normalitas data. Salah satu cara
untuk pengujian normalitas data antara lain
dilakukan dengan : t-test.

Konsep Statistik Parametrik dan Uji T

Statistika inferensial mencakup semua metode yang berhubungan dengan pengolahan
data untuk kemudian sampai pada penarikan kesimpulan dan peramalan mengenai
sekumpulan data. Statistika jenis ini dapat berupa estimasi, uji hipotesis, prediksi, dan tingkat
huibungan antara variable.

Fungsi utamanya adalah membantu peneliti atau pemimpin

perusahaan untuk membuat keputusan tentang parameter dari populasi tempat data sample
diambil.

Lebih lanjut, statistika inferensia ini dapat dibagi menjadi statistika parametrik dan

statistika nonparametrik.
Statistika parametrik adalah statistika yang di dalam pengolahan datanya menggunakan
parameter yang spesifik seperti rata-rata populasi () atau varians ( 2).

Pengambilan

kesimpulan mengenai parameter tersebut didasarkan pada data yang ada pada sample.
Misalnya, untuk menaksir parameter rata-rata populasi dipakai rata-rata beberapa sample. Ini
membutuhkan persyaratan-persyaratan tertentu. Dengan kata lain, data sampel tersebut harus
memenuhi syarat-syarat tertentu agar absah

untuk dijadikan dasar dalam penarikan

kesimpulan mengenai parameter populasi tersebut. Sebaliknya statistika non parametrik tidak
memakai parameter tertentu di dalam pengolahan data untuk tujuan penarikan kesimpulan.
Oleh karena itu, metode ini tidak memerlukan syarat-syarat tertentu dari data sampelnya.
Kita telah membahas mengenai statistik deskriptif, maka pada modul ini akan dibahas
mengenai statistik inferensial. Statistik inferensial itu sendiri bertujuan untuk mengambil
kesimpulankesimpulan (to infer) tentang parameter populasi dengan berdasarkan pada
ukuranukuran yang diperoleh dari data sampel. Secara umum terdapat dua kegiatan yang
dilakukan dalam statistik inferensial yaitu:
1.

Menaksir (to estimate), yaitu menaksir parameter populasi berdasarkan ukuranukuran

2.

sampel.
Menguji (to test), yaitu menaksir suatu hipotesis.

1
3

Statistika Bisnis
Nur Azmi Karim SE,M.Si

Pusat Bahan Ajar dan eLearning

http://www.mercubuana.ac.id

Dengan statistik inferensial kita dapat menaksir (mengestimasi) dan menguji hipotesis
tentang berbagai ukuran (parameter). Parameter adalah ukuran kuantitatif dalam populasi,
sedangkan ukuran kuantitatif yang serupa di dalam sampel disebut statistik. Dalam melakukan
kegiatan menaksir dan menguji hipotesis tersebut, diperlukan perhitungan-perhitungan terhadap
data hasil pengukuran untuk menentukan ukuranukuran sampel. Dalam analisis data anggota
sampel dikenal dengan istilah satuan analisis (unit of analisis)

Tabel : Ukuran dan besara dalam populasi dan sample

Telah dijelaskan sebelumnya bahwa terdapat dua tipe statistik inferensial, yaitu statistik
parametrik dan nonparameterik. Secara garis besar statistik parametrik yaitu statistik yang
digunakan untuk menguji hipotesis yang variabelnya terukur, misal: berapa menit rata-rata
waktu layanan pelanggan di restoran cepat saji X? Variabel waktu layanan pelanggan dapat
diukur dalam menit. Statistik Parametrik banyak digunakan untuk menganalisis data interval dan
rasio. Sedangkan statistik nonparametrik adalah statistik yang digunakan untuk menguji
hipotesis yang variabelnya tidak memiliki kepastian (standar), misal: Berapa besar kepuasan
pelanggan terhadap pelayanan restoran cepat saji X ? Disini variabel kepuasan tidak memiliki
standar pasti. Statistik Parametrik banyak digunakan untuk menganalisis data interval dan rasio.
Statistik nonparametrik banyak digunakan untuk untuk menganalisis data nominal dan ordinal.
Statistik Parametrik
Parametrik berarti parameter. Parameter adalah indikator dari suatu distribusi hasil
pengukuran. Indikator dari distribusi pengukuran berdasarkan statistik parametrik digunakan
untuk parameter dari distribusi normal. Distribusi normal dikenal juga dengan istilah Gaussian
Distribution. Distribusi normal mengandung dua parameter, yaitu rata-rata (mean) dan ragam
(varians). Parameter-parameter ini memberikan karakteristik yang unik pada suatu distribusi
berdasarkan

lokasi-nya

(central

tendency).

Berbagai

perhitungannya pada kedua parameter tersebut.

1
3

Statistika Bisnis
Nur Azmi Karim SE,M.Si

Pusat Bahan Ajar dan eLearning

http://www.mercubuana.ac.id

metode

statistik

mendasarkan

Penggunaan metode statistik parametrik mengikuti prinsip-prinsip distribusi normal. Prinsipprinsip dari distribusi normal adalah:
a.

Distribusi dari suatu sampel yang dijadikan obyek pengukuran berasal dari distribusi
populasi yang diasumsikan terdistribusi secara normal.

b.

Sampel diperoleh secara random, dengan jumlah sampel yang dianggap dapat mewakili
populasi.

c.

Distribusi normal merupakan bagian dari distribusi probabilitas yang kontinyu (continuous
probability distribution). Implikasinya, skala pengukuran pun harus kontinyu. Skala
pengukuran yang kontinyu adalah skala rasio dan interval. Kedua skala ini memenuhi
syarat untuk menggunakan uji statistik parametrik.
Bila syarat-syarat ini semua terpenuhi, maka metode statistik parametrik dapat digunakan.

Namun, jika data tidak menyebar normal maka metode statistik nonparametrik dapat digunakan.
Apa yang dapat dilakukan jika data tidak menyebar normal, namun statistik parametrik ingin
tetap digunakan. Untuk kasus ini data sebaiknya ditransformasikan terlebih dahulu.
Transformasi data perlu dilakukan agar data mengikuti sebaran normal. Transformasi dapat
dilakukan dengan mengubah data ke dalam bentuk logaritma natural, menggunakan operasi
matematik (membagi, menambah, atau mengali dengan bilangan tertentu), dan mengubah
skala data dari nominal menjadi interval.

Contoh metode statistik parametrik diantaranya

adalah uji-z (1 atau 2 sampel), uji-t (1 atau 2 sampel), korelasi pearson, perancang percobaan
(2-way ANOVA), dan lain-lain.
DISTRIBUSI NORMAL
Salah satu asumsi yang harus dipenuhi dalam statistik parametris adalah data yang
dianalisis harus berdistribusi normal. Dalam banyak hal distribusi normal dapat dipandang
sebagai model atau dasar bagi teori statistika modern. Distribusi normal banyak digunakan
untuk menghampiri distribusi data hasil penelitian. Distribusi normal memegang peranan yang
sangat penting dalam statistik inferensial, yaitu sebagai model distribusi peluang (probaility
distribution).
Tiga alasan yang mendasari tingkat kepentingan distribusi normal pada statistika
inferensial yaitu :
1.

Distribusi normal merupakan model yang baik untuk mendekati frekuensi distribusi
fenomena alam dan sosial jika sampelnya besar. Populasi berbagai perilaku dan
karakteristik alam dan sosial yang berskala interval dan rasio umumnya diasumsikan
berdistribusi Normal.

1
3

Statistika Bisnis
Nur Azmi Karim SE,M.Si

Pusat Bahan Ajar dan eLearning

http://www.mercubuana.ac.id

2.

Ada hubungan yang kuat antara besarnya sampel dengan distribusi rata-rata yang
diperoleh dari sampel-sampel acak yang diambil dari suatu populasi yang sama. Semakin
besar sampel, distribusi rata-rata sampel semakin mendekati distribusi normal.

Lebih

jauh, central limit theorem menyatakan bahwa distribusi rata-rata yang diperoleh dari
3.

sampel yang besar cenderung normal walaupun populasi sampel itu diambil tidak normal.
Distribusi normal memberikan penghampiran (aproksimasi) yang baik terhadap distribusi
teoritis lainnya yang pada umumnya lebih sulit digunakan untuk memodelkan distribusi
peluang. Distribusi normal adalah mendefinisikan frekuensi relatif skor x tertentu pada
suatu distribusi bergantung kepada dua parameter ( dan dan dua konstanta ,
dan bilangan dasar sistem logaritma asli , e = 2,7183) . Distribus normal dirumuskan
sebagai berikut:

dimana:
y = Ordinat pada Grafik
x = skor yang diperoleh
= rata-rata populasi
= Simpangan Baku Populasi
= 3,1416 dibulatkan
e = 2,7183 (dibulatkan)
Karakteristik Distribusi Normal
Distribusi normal berbentuk sebuah lonceng (bell-shape) oleh karena itu distribusi normal
sering disebut sebagai bell shape distribution. Sebagai model teoritik distribusi normal memiliki
empat karakteristik yang bersifat komulatif yaitu unimodal, simetrik, identik dan asimtotik.
1.

Unimodal, terdiri dari dua kata yaitu Uni = satu dan modal = modus, distribusi normal

2.

memiliki hanya satu modus.

Simetrik, yaitu jika data dibagi menjadi dua pada bagian median, maka distribusi frekuensi

3.

skor yang berada di atas median sama dengan distribusi frekuensi skor di bawah median.
Identik, yaitu nilai modus, median dan rata-rata pada distribusi normal adalah sama.
( modus = median = rata rata)

1
3

Statistika Bisnis
Nur Azmi Karim SE,M.Si

Pusat Bahan Ajar dan eLearning

http://www.mercubuana.ac.id

4.

Asimtotik, yaitu kurva distribusi normal tidak akan pernah menyentuh absisnya, yaitu
distribusi normal terbentuk dari perangkat dari skor yang bersifat kontinu dari mulai data
yang tak hingga sampai dengan nilai yang tak hingga pula.
Model Distribusi normal dapat berbeda-beda, hal tersebut tergantung pada nilai

simpangan baku dan rata-rata data. Pada Gambar di bawah berikut distribusi A dan B memiliki
nilai rata-rata () yang sama tetapi memiliki nilai simpangan baku ( ) yang berbeda. Sdangkan
distribusi A dan C memiliki simpangan baku () yang sama tetapi nilai rata-ratanya () berbeda.
Distribusi B dan C memiliki nilai rata-rata dan simpangan baku yang berbeda.

Tiga bentuk kurva normal

Distribusi Normal baku

Distribusi normal baku adalah distribusi normal yang memiliki empat ciri-ciri sebagaimana
Distribusi Normal dengan ditambah syarat rata-rata = 0 dan simpangan baku 1, sehingga
syarat-syarat Distribusi Normal baku adalah sebagai berikut:
1.
2.
3.
4.
5.
6.

Unimodal
Simetrik
Identik
Asimtotik
Rata-rata nilai = 0
Simpangan Baku nilai = 1
Untuk mendapatkan distribusi normal baku maka perlu untuk mengubah skor X ke dalam

skor baku z. Persamaan untuk mengubah adalah :

Z=
1
3

Statistika Bisnis
Nur Azmi Karim SE,M.Si

Pusat Bahan Ajar dan eLearning

http://www.mercubuana.ac.id

Dimana:
Z

= skor baku

Xi

= data ke i

= rata-rata

= simpangan baku

Daerah di Bawah Kurva Normal

Distribusi normal dimanfaatkan sebagai rujukan dalam menafsirkan data apabila distribusi
data itu dapat dihampiri oleh model distribusi normal. Daerah di bawah kurva normal, luasan
daerah itu menunjukan peluang munculnya nilai perubah acak yang memiliki distribusi normal
baku pada interval 0 sampai dengan z untuk z = 0,0; 0,01; 0,02.....009 dst. Oleh karena
distribusi normal bersifat simetrik terhadap rata-ratanya, maka kita tidak perlu menghitung luas
daerah dari 0 ke skor z yang bertanda negatif.
Luas daerah dibawah kurva normal dai 0 s/d z dapat diperoleh dengan mengintegrasikan
persamaan 0 ke z pada persamaan. Distribusi normal baku mempunyai rata-rata = 0 dan
simpangan baku = 1, maka persamaan menjadi :

F(x) =
Luas daerah dibawah kurva normal dai 0 s/d z dapat diketahui dengan menggunakan
tabel z, tabel luas dibawah lengkungan normal standar dari 0 ke z, bilangan dalam daftar
menyatakan desimal.
Cara menggunakan tabel z tersebut adalah misalnya untuk mengetahui luas daerah di
bawah kurva normal antara 0 ke z = 1,96. Dengan menggunakan tebel z, dilihat pada kolom 1
dicari nilai z = 1,9 dan pada bari pertama dilihat pada nilai 0,06, pertemuan barisdan kolom
tersebut adalah nilai = 4750, maka berarti luas daerah dibawah kurva normal antara 0 ke z =
1,96 adalah = 0,750.

1
3

Statistika Bisnis
Nur Azmi Karim SE,M.Si

Pusat Bahan Ajar dan eLearning

http://www.mercubuana.ac.id

Daerah di bawah Normal Baku

1
3

Statistika Bisnis
Nur Azmi Karim SE,M.Si

Pusat Bahan Ajar dan eLearning

http://www.mercubuana.ac.id

Contoh Soal 1:
Suatu populasi berjumlah 1000, data sampel diambil secara acak sebanyak 200 subjek.
Rata-rata sampel = 40 dan simpangan baku = 10, ditanyakan : Berapa persen subjek yang
memperoleh skor antara 0 sampai dengan 55? dengan asumsi bahwa data diambil dari
populasi yang berdistribusi normal.
Penyelesaian:
1.

Mengubah skor 40 dan 55 ke dalam skor baku (skor z) yaitu sebagai berikut:

Z=
X= 40 , z = (40-40)/10 = 0,00
X= 55 , z = (55-40)/10 = 1,50
2.

Melihat tabel z antara z = 0,00 ke z = 1,50; maka pada kolom pertama dilihat pada nilai z

3.

= 1,5, pada baris pertama pada nilai =0, maka didapatkan nilai 4332, atau = 0,4332.
Dengan nilai sebesar 0,4332 maka dapat disimpulkan bahwa jumlah subjek yang
mempunyai skor antara 0 55 adalah 43,32% , jika diterapkan pada populasi maka kurang
lebih ada sekitar 43,32% x 1000 = 433 subjek.

Contoh Soal 2 :Berapa persen subjek yang memperoleh skor diatas 55? dengan asumsi
bahwa data diambil dari populasi yang berdistribusi normal.
Penyelesaian:
Penyelesaian pertanyaan adalah sebagai berikut:
1.
2.
3.
4.
5.

Pertanyaan sebelumnya, menemukan harga z untuk skor 55, yaitu 1,50.

Luas setengah kurva normal (0 <$ adalah 0,500 atau 50%.
Jika luas antara 0 - 1,50 adalah 0,4332 (lihat jawaban terhadap soal pertama),
Maka luas daerah untuk z >1,50 adalah 0,5 0,4332 = 0,0668
Sehingga subjek yang bernilai >55 adalah 6,68% , atau sekitar 6,68% x 1000 = 66,8 atau
sekitar 67 orang.

UJI T (T TEST)
Dalam statistik parametrik diperlukan syarat bahwa data yang akan dianalisis harus
berdistribusi normal. Untuk itu perlu dilakukan pengujian normalitas data. Salah satu cara untuk
pengujian normalitas data antara lain dilakukan dengan : t-test.
Hipotesis Satu Sampel
1
3

Statistika Bisnis
Nur Azmi Karim SE,M.Si

Pusat Bahan Ajar dan eLearning

http://www.mercubuana.ac.id

Statistik parametrik yang dapat digunakan untuk menguji hipotesis deskriptif bila datanya
interval atau rasio adalah t-test 1 sampel. Terdapat dua macam pengujian hipotesis deskriptif
yaitu dengan uji dua pihak (two tail test) dan uji satu pihak (one tail test). Uji satu pihak ada dua
macam yaitu uji pihak kanan dan uji pihak kiri. Jenis uji mana yang akan digunakan tergantung
pada bunyi kalimat hipotesis. Untuk menguji hipotesis deskriptif (satu sampel) yang datanya
interval atau ratio menggunakan rumus berikut ini.

t=
Di mana:
t

= Nilai t yang dihitung , selanjutnya disebut t hitung

= Rata-rata xi

= Nilai yang dihipotesiskan

S

= Simpangan baku

= Jumlah anggota sampel

Langkah-langkah dalam pengujian hipotesis deskriptif:

Menghitung rata-rata data

Menghitung simpangan baku
Menghitung harga t
Melihat harga t table
Menggambar kurve
Meletakan kedudukan t hitung dan t tabel dalam kurva yang telah dibuat
Membuat keputusan pengujian hipotesis

a.

Uji dua pihak (two tail test)

Uji dua pihak digunakan bila hipotesis nol Ho berbunyi sama dengan dan hipotesis

alterantifnya Ha berbunyi tidak sama dengann

Contoh rumusan hipotesis:
Ho = Daya tahan berdiri pelayan toko = 5 jam/hari.
Ha = Daya tahan berdiri pelayan toko jammhari;
Bila ditulis ringkas menjadi:
Ho : = 5 jam/hari.
Ha : 5 jamm/hari;
1
3

10

Statistika Bisnis
Nur Azmi Karim SE,M.Si

Pusat Bahan Ajar dan eLearning

http://www.mercubuana.ac.id

Dalam pengujian hipotesis yang menggunakan uji dua pihak ini berlaku ketentuan, bahwa
bila harga t hitung berada pada daerah diantara t tabel, maka Ho diterima dan Ha ditolak.
Dengan demikian dapat disimpulkan bahwa bila harga t hitung lebih kecil atau sama dengan ()
dari harga t tabel maka Ho diterima dan Ha ditolak. Harga t hitung adalah harga mutlak,
sehingga tidak dilihat (+) atau (-) nya.
b.

Uji satu pihak (one tail test)

Uji pihak kiri

Uji pihak kiri digunakan apabila: Ho berbunyi lebih besar atau sama dengan () dan Ha
berbunyi lebih kecil (<). Kata lebih besar atau sama dengan sinonim dengan kata paling sedikit
atau paling kecil.
Contoh rumusan hipotesis:
Ho = Daya tahan lampu merek A paling kecil 500 jam.
Ha = Daya tahan lampu merek A lebih kecil dari 500 jam.
Bila ditulis ringkas menjadi:
Ho : 5 jam/hari.
Ha : < 5 jamm/hari;

Uji Pihak Kanan

Uji pihak kanan digunakan apabila: Ho berbunyi lebih kecil atau sama dengan () dan Ha
berbunyi lebih besar (>). Kata lebih kecil atau sama dengan sinonim dengan kata paling
besar/banyak.
Contoh rumusan hipotesis:
Ho = Penghasilan pedagang asongan paling besar Rp. 50.000/hari.
Ha = Penghasilan pedagang asongan lebih besar dari Rp. 50.000/hari.
1
3

11

Statistika Bisnis
Nur Azmi Karim SE,M.Si

Pusat Bahan Ajar dan eLearning

http://www.mercubuana.ac.id

Bila ditulis ringkas menjadi:

Ho : 50.000/hari.
Ha : > 50.000/hari;

Komparatif Dua Sampel Berkorelasi

Statistik parametrik yang digunakan untuk menguji hipotesis komparatif rata- rata dua
sampel berkorelasi bila datanya berbentuk interval atau ratio yaitu menggunakan t-test dengan
rumus berikut ini.

t=
Dimana :
= rata- rata sampel 1
= Rata- rata sampel 2
S1 = simpangan bakiu sampel 1
S2 = simpangan baku sampel 2
= varians sampel 1
= varians sampel 2
r = korelasi antara dua sampel

1
3

12

Statistika Bisnis
Nur Azmi Karim SE,M.Si

Pusat Bahan Ajar dan eLearning

http://www.mercubuana.ac.id

Daftar Pustaka
1.
2.
3.
4.

1
3

Dasar- Dasar Ekonometrika; Damodar.N.Gujarati; Salemba 4; Buku 2 Edisi 5;2012

Pengantar Metode Statistika; Anto Dajan; LP3ES 1986
Statistika Ekonomi dan NIaga; Prof.DR. Sudjana,M.A.M.Sc
Statistika, Untuk BIsnis dan Ekonomi; Lukas Setia Atmadja; Andi Yogyakarta;2009

13

Statistika Bisnis
Nur Azmi Karim SE,M.Si

Pusat Bahan Ajar dan eLearning

http://www.mercubuana.ac.id