Anda di halaman 1dari 416

EDISI KETUJUH

i.

i!:

1i

*
B-i:
.n6

a
,*

4:J'{ ";, iit

" *j.{:}p\_f&:;$

:'rpr. nt*

STATISTIK
TEORI DAN APLIKASI
EDISI KETUJUH

JILID,?,,,
)',
|

t"t ' 4!,tt -:ii.l


t.a...2,)l -r.
'r\:11:|,|R|', |.., | |

'

J. SUPRAi{TO, M.A.
Ahli Peneliti Utana (APU) Bidang Eko oni dd Manijefletl
Bndin

sal Statistik

Curu Besar PASCA SARJANA, UPI-YAI

li r I i.lI /lN(;(; 1
H. BapinS Raya No. 100

I'LNI_'<i
11.

Ciracas, lakana 13740


e-mail:mahameru@rad.net.id.

(Anggota IKAPI)

pada

214

SfAflil|ft lEORl DAN APIIKASI Edisi Ketujuh


Hak Cipta O 2009 pada Penetbit Etla g$a
Disusun oleh

Editor

:
:

J. Supranto, M.A.

Devri Bamadi, S.E.


Wibi Hardani S.T., M.M.

Buku ini diset dan dilay-out oleh bagian produksi Perelbit Erlafl.gla dengan power
Macintosh G4, Palatino 10 pt.

:
Desain cover :
Setting & layout

Tim PERTI Dept. Settint


Yudi Nur Riyadi
PT. Glora Aksara.Pratama

13 12 11 10 09

5 4 3,2

Dilalang ketus mery tip, meniiplak, atau memfotokopi sebagian atat sehouh isi b ku ini serta
empetjualbelikannya ktnpa nmdapat izin tertulis dan Pe etbit E/lo gt:a.
@

HAK CIPTA DILINDUNGI OLEH UNDANG.UNDANG

,\gar su.tu organisasi bisnis seprti prusahian ddpat bcrkcmbang, trmbuh, aiau
letidaknla bertahan hmup (surl,l.e), organisasi iersebut harus mampu mcnglusilkan
produk (barant/iasa) )'ang mutuNa lebih baik, hart.l lebih murah, penlcrahan lebih
cepat, dan pelayanan lebih baik daripada pesain$r'a. Semua ni dilakukan dalam upa).
memberikan kepuasan kepada para pelanggan (nasabah bank, tamu hotel, pembeli di
pasar swalavary turis asing & domestiK pelanggan TELKOIVI, PAl"{, PLN, pnumpang
GiA, \lEltPATl, \4ANDAL,\, BOLLAQ, PEL\I, PIKA, pasien rumah sakjt, dan liin
sbagain)'a). l'elanttan yang puas akan membeli berkali kali, mengajak orang l.rin
membeli, bercerita tentanil hal )'ang bagLrs mentenai produk atau perusahaan )an8
menghasilkan pLoduk. l'enjual.rn akan meningkat, dan pada akhir$ a laba perusahaan
jrila akan nlcningkat.
Berapa p.rscn pclanggan tidak puas? Bcrapa rata-rnta pembclian per pembeli atau
berapa..ring pcmbeli membrli .ialanr latu mingBu / bu lan I tahun? Berapa iumlah
produksi, jurnlah penjualan, berapa perscn barang tidak laku, bcrapi lima \r'aktu ),ang
dipcrlukan unt!k mcnlcrahkan prodr.rk secara raia-iaia, bcrapa rata-rati tnlgkat kepuasan
pelanggan dcngan nenggunakan Skala I-IKIRT: 5
iidak puas dan 1 sangat tidak puas?

u.tuk

saDgat puas,.1puas,3 netral,2

Data siaiistik tersebut akan diperlukan pimpinan. Hams ada orang vang nlanlpu
nrengumpulkar! mentolab men),ajikan.tan menSanalisis data. Re\.isi buku lang kccnam
ni dilengkapi c:terltan contoh data vant mutakhir atar bermanfaat bukan saia bagl para
nrahasisrla tetapi iuga bagi siapa saja.vang akanbelajar st.ltisiik sebagai dasar pcmbuatan

keplrtusao baik.talam peLusahaan maLrpun peme rtahan.

PTRUBAHAN SUSUI{AN BAB

Bila Anda simak isi Iilid 2 buku Stttti.tilt: T{ri dntl,lIlilnsi Edisi (rorirn ini, An.:ta akan
melihat adanya berbagai re\.isj dan perl,bahan dari edjsi scbchmnya. lcrubahan nx

lemata-mat. dirr.ksudkan agar isj blrku semakin mcnlcnuhi stan.lar kualitas _v"ang
dlharapkan serta untuk menyesuaikan susunan materi pokok bahasan dengan
perkembani;an pengaiaran siatistik di periluruan tinggi. Bcbcrapa perubahan yang
dimaksud adalah sebagai bedkut:

unl)

l, 1:ri'1'i i,:l ir,r \il'i

i1,:r rr,rri. pada

edisi sebelrinrnya ditenrpatkarl di Bab

2.

ini terladi karena materi mentenai Probabilitas yang pada edisi scbelumni,l]
Llitenrpatkan di Bab l Jilid 2, d+indahkan ke Iilid l e.tisi keenam. Ini merupakan
pcnvcsuaian terhadap kurikutum maia kuliah statisiik ]'ang menghendaki Prob.bilit.s
Perubahan

diajarkan pada semesier satu.


Scmeniara itu, materi pada Variabel Acak dan Nilai Harapan mentaiami perubahan
yang cL*Lrp sitnifikan. Susunan matcri pokok bahasnn, contoh-contoh soal, m.rupun soal
dan latihair semuanyn tehh mcntnlanli pcrbnikan. Bcgitu pula pcn.""usunan kallmnt
dilakukan sedenikian rupa schnrgga lcbih snrgkat dan padat.

Bib 2, 1)i.r'rr r!.i ii r, rf scbclumn)a mcrupakan Bab 3. Pad. bab nri ditambahkan .lu.
rnateri baru vaitu mengenai Distribusi Hipcrgromctrlk dan Dishibu\i Muliinonlinl. Kedua
pokok bahasan ini merupakan tuntutan pcrkcmbangan kurikulun kuliah statistik di
bcrbatai perguruan thtgi. I'etnbahasin mcngcnai n1nteri Distribuii NormaL juga

vi

lhrtrrri

iorirrl

rlorhn

_rltir

mengalani perbaikar! baik bahasa nraupun ..nroh-contuh soat. sudanetan Distribusi


I/.ri l..urdrar r7:r hamp,r Ho.rk menga rmip"nbrhdn. BeqirJ outd p..,rb"i"a.r,, meng,.n.,r
Distribusi t.
Hal baru lainnva pada Bab 2 adatah diberikannva aptikasi komputer dalam
menghitung Distribusi probabitiras \rariabet Diskrit dan Variab;l Kontinu. rialam bab ini
juga ditambahkan sebuah tampiran mengcnai nitai harapan dan pendugaan dengan
metodc Maximum Liketihood.
it.1ll i,r,, r .,ri.,rir trrrrt,,rii,,r sebetumnl,a merupakan Bab,1.
Bab ini pun banvak
n, rBJ .,rx peruLr,.hJn. terLran-d rruJ h,rSirr-b.rBr.ur ,r\vrt Telgend;.,ni p.'r".i..rn -drn;et
pen.rikan sampel acal sederhana, penarikan acak dari popr asi terbaras dan tak terbatas,
scrta disiribusi penarikan sarnpel. Kalimat-katimar pada pembahasan tersebut tebih
dipersingkat dan diperjelas sehingga lebih memudahkan pemahaman.
Di akhirbab ini discriakan pula pembahasan mcngenaipenggunaan kompuier untuk
melakukan pendugaan interval, baik unrLrk ta.us \rmpet he\-rr maupun I asrs sampel
kecii. Pertanyaan dan Latihan juga dipcrbanyak dan diperbaharui.
Il.rh l, i , ,,i'. ,l'r i .r sebelumn)'a merupakan Bab 5. pada bab ini dapat dikat.kan
tidak ada perubahan yang berarti kecuati perbaikan dan pcnyempumaan kalimat,
penambahan daftar istilah, rnrgkasan runrus, serta aptikasi kompuier untuk melakukan
pentujian dua rata rata.
li.rl, i, '.'
sebelumnya merupakan Bab r,. Dalam bab rx pun drpar dikatakan
ak ada perubahan materi yang culup berartr ke.xati perbaitan jan p.,,i."n1o,-uun
L'lim.,t ,erld c,,rroh,onr.h. penJn-hahr'1 d. d- i-tibl- penrirg. r nAk"..r;,rrn,.---r-.
dan aplikasi kompuir mengcnai pencrrpan program MLtrosoft nrcet untul metakukan

analisjs reSresi.

ri..

. , sebelumnya merupakan Bab 7. Sama seperti bab sebetumnva,


pcrubahan pada bab ini pun tidak rerlatu signifikan. Ada beberapa rumus yang
dr\cmpurnaLin drn Jipc,b.rt,L perbaikan conioh-contoh soal dan p""u-t ut,o"
"out
lJrihan Selain iiu. adr pLn.mbah.n s.tu materi baru, vaitu mengenii Anatisa Re8resi
Berganda tlerdasarkan Output Komputer.
l]rb7, \l i i 1rrrr.,ii \.., rr rrr, I r, sebetumnya metupakan Bab 8. pada b.b ini dilakukan
penyempurnaan kalimat dan pnjelasan, penambahan beberapa contoh soal dan soal
lj,rl

tatihan.

PTNIITUP BAB

Perubahan pentinS yang membedakan edisi ini dan edrsl-edisi sebeturnnra adalrh Dada
bagian akllir bab. Beberapa fiturr baru drtamb-rh agar naha.iswa dipat Jensan'baik
rre,r"hdmi, tidp r^pir \"np Jil-ahJ- di -epa,i. ni b.rb. Duns.,n deriti.n iu; bet.jjl
"
_vant diuraikan pada a1^.al bab dapat rerpenuhi.

lir\RLl l\iil.rh fclting. BaSian ini memuar istitah yang terdapat di sepanjang bab.
Tuludnnra JdJld} untLrl membr rru "naid.r+\.r menjtinsJl r.litah ,rJU ...n\p pe.rri,1B
yang ielah dibahas.
lJ.\lttl: ltingk.rr,rrr R!!nuc. Bagian ini be si rinSkasan atau pengulangan dari mmus
ielah dibahas di sepanjang bab. Tujuannva ad;tah untul mengingatkan
kembali rumus,rumus yanS tclah dibahas di sepanjang bab.
lJ,\RLl \flil'.rsi I\r,nrl)Ut!r. Bagianini lncnjadi penting sebagai pedoman baSi mahasiswa
uniuk mengeksploitasi penggunaan komputer dalam itmu .itaiistika.

vii
i ,, r t .) r \ r ) , ,:,,, ,, ih,, DibLlndingkan dentan edisi scbclunm]a, ectisi kccnam ini
menirediakan lebih banlak pertanyaan dan latihan. Dengan mengeriakan sclurlih
pertani,aan dan lailhan, mahasiswa diharaPkan akan menSuasai sciiaP mated-Yang dibahas
dalam setiap bab.
Ban) ak pihak ]'ang ierlibat dalam penserjian Statisiik e.lisi keenam ini. Ul1tt* itu,
kami nlengucapkan ierima kasih Yang sebcsar'besarnv. kcpida mereka. TanPa
mengecilkan peian pihak plhak lain l-ant tjdak disebutkan di sini, kami secara khusu-s
ingin mengucapkan tcdma kasih kcPada Bapak AIi Said, )ang telah membantu k.ml
malakukan revisi secar. menyeluruh terhadap edisi scbehmn)'a. Kami juga menilucaPkan
terima kasih kepada staf editorial Perlcrbit Erlangga, fatlt sec.ua ierus-menerus memb'r i
masukan bad penulis selama pengerjaan naskah dari cdisi keenam in].
Karya rans baik .lihasilkan melalui Pekerjaan ) art memPertimbantkan saran (lan
kdtik. Uniuk i!u, dcmi }renyempunraan L,ukLl ini di kcmudian hari, karni dentan senang
hati mentharapkan saran dan kriiik i,ant membangun dari pemba(a s.kalian.
'

'

Jakarta, Maret 2001

Ahli Pe eliti LItL|nn (APU)


Biddtlg Ekononi & t)Innaiet)tttt
Guru Besnr Pascn Sariina
UPI YAI

KATA PENGANTAR EDISI I(EIUJUH


Di dalam edisi ke 7 ini sclain dilakukan koreksi ierhadap salah ketik dan kalimat )ant
kumng jelas, juga ditambah cara pengujian hiPotesls untuk selisih dua rata rata drri
sampel pasanSan atau samPel tak bebas. Selain dari itu juta ada penanrbahan krjteria uji
Fricaman untuk I sanrpeL belpasangan dan uji Kruskal uhllis untuk k samPel l'ang tid'k
berpasangan (n,r?ryerde;t srrrplrs) dalam statistit nonParametdL dilengkaPi dengan contoh
soal serta tambahan 1 Bab be{udul: Contoh I'enttunaan SI'SS (Bab 8)..
Bagaimanapun tidak ada gadint yang hdak retak, maka Pefl is tetaP mengharapkan

vang membanSun da.i Para pembaca untuk lebih mcnyemPumakan isi buku nri
Kepacli plmpinan -eenerblr Erlatggn, tak lupa pcrlulis mengucapkan banyak tcrima kasih
aias kcscdiaannva menerbitkan edisi yang ke-7 ini.

kitik

Iaka.ta, lanuari 2009

Ahli P.'lcl)ti Lltnnla IAPU)


Bidang Lkrt.onLi da t4 uietirc
GltrtL Btsnr P,'s., Srrt La

IIPI.YAI.

DAFTAR ISI

I(ATA PTI'IGANIAR

VARIABTI.

A(AI( DAN NII.AI

V,ndbe

A,

HARAPAN

il

Vadabel Acak Diskrit

2
2
2
3

Vari.'be A(r. I\on n.r....................


Distribusi Probabilitas Vadabel Acak Diskrit......
Fungsi Probabilitas Kumulatif Variabel Acak Diskrit.....................-.....
Di.lribu.i l-ob.rl-r..rd. \dridbrl Ardl, 1untlnu............-....-... .
Fllngsi Probabilitas Kumulatif Variabel Acak koniinu ........................
Funtsi Probabilitas Bersat a lloint Prcbnbilit-y).

7
7

t0
t0

Variabel Diskrit............

Perhitungan Funtsi l'robabilitas Mariinal...


Nilai Harapan dan Vadans dari Variabel Acak Diskrit...............................
Nilai tlarapan dari Fungsi Probabilitas Bersama................................_.
Aturan aturan dalam Menghiiung Nilai Harapan ...........-....................
Koyarians dan Aplikasin),a dalam Keuantan.

r.,\

12
1,1

17
18
18

-ndn-......................

19

Portfolio Expected Return dan Portfolio Risk..

l.rilJl-

21

|en1rn8.. ............

22
22
21

Ri.,gld-dn Rum,,.......
Pcrtanld"n & I a1irr.,n. ......................

DTSTR|BUSI

TE0RET|S.....

Distribusi Binomial

3t

.....

Rata-ratadanVariansDistdbusiBinomia]........................

32
38

Distdbusi Poisson.......
f0
Karaktedstik dan Proses Distribusi Poisson..........._............................... .10
MenghitunB Probabilitas dengan Distribusi l,oisson............................ 44
Itata-raia dan Varians, Distribusi Poisson........
,15
Distribusi Hiper9eolnetrik.......................-..........
,15
q7
Distribusi l,fultinomial
Distribusi Norma1.......
49
Kurva Norlna1..............
,19
Distribusi Normal Baku (Siandar) ..............
.... 52
Di.rihu.i l'ri l..ualrat r,t: tl-i .quare,
...........i
Cara Membaca Tabel Xz. ....................................

Distdbusi f ...................
Distribusi i ....................
Rhgkasan Rumus.....Aplikasi Komputer....
Istilah Pentin9.............
Pertan),aan & Latihan.....................
Lampiran Bab 2.......................................

........67
...........69

..72
..75
..................76
._

...............78

................78
............82

PTNARIKAN SAMPII. DAN PTNDUGAAN

3b

lPrdfll dn camf.l .. ...


Penarikan Sampel A.ak Sederhana..................
Penarikan Sampel dari Populasi Terbatas.........
Cara Mentgunakan Tabel Bilangan Acak.......
l'enarikan Sampel dad Populasi Tak Terbaias .......................................
Ui\tribu\ l'\'n i L r r \Jn prl X
\ilJ HJ .,p., , d.,ri \
\. - ir5 rl.,r 5t.,no.r' D(a'J., Jrri I
Dalil Frl.r: Vernu-rl dJ, !.,1,."t Ldu11.t........................
l.r..ir.,n il-, ndug.r-n urgEJ ... ..... ......
\ rf.r r- - if.r I l- ndugJ ......

87
87

ArU

1,.

.i-.,r,

ndugJrr lrrcr\ J ...........................


Tendug.,Jn lnt, 1J. JIh.L Rrl,r- al. u .. ......
Pendugaan Inierval unruk froporsi (l'crsentase)
lL

90

9l
91

96
100
101
101

..-...............................

Pendugaan lnterval Tentang Perbedaan,i Selisih antara

107

Dta

il3

PTNGUJIAN HIPOTtSIS

89

ri-i Hip.re-i,.........
JPri. I\e-r d\rn .,r,. - r,,o,\....... .. .. .. ..
l'erumu.a r Hip.,le.j\
len$ j rr
enrr,rg llr.J-'. rd
'l:pcrc.i.
f. ,BuJiJn
H'pur,*i. -,''u Rdl ,-r., r
Pengujian Hipoiesis Perbedaan Dua Ilnta-rata......................................
Dch

Pengr.rjian Hipotesis Pe$edaarl Lebih Dua Rata rata..........................


Vdri.rr- .,nt. r., R ,t. -r.,i ,
l ..........

-J-i,

121

t24
125
130

i30
138
1.1,1

tl:

lengulr. n Hrp,'r"-i- ten.,18 Pr.por-i


PenguiiaD Hipotesis tcrltang Pcrbedaan Dua Proporsi ........................
Penguiian Hipoiesis tentang Pcrbc.l.an Lebih dari Dua Proporsi....
Pengujian Ketidakterganiunsan dan Ketepatan suatu Fungsi ...................
Pengujian tentang Ketepatan/Kecocokan suatl, Iungsi
l'e.ltsu;i.n H,po.F.i- re'rl.ro \;'d r-..
I'entujian Hipotesis untuk Dua Vadans ...........

119

..lildh l'erli

rt..............

171

R r8I a-dn l(un-J'......

172

Apl.t a-. l.ompur,,

&

L rLihan ..........

151
15,1
161-)

164
169
170

174
-..

174

REGRESI StDtRHANA

Hubungan Lhcar arltara Dua Variabcl.-....................................-.................... t81


Model liegresi Linear Sederhana.........
.................... 181
PenduBaan I'arameter A, B, <1an o.2..............................-.................................. 185
Pengujian Hipotesis dan Pendugaan Interval Parameter ,4 dan 4.. ......... 190

JriiIr

L rL

i,,r,lrr,i,jr rrl/

\lenguji Hipotesis tcntang Koefisien Regresi dentan


Pendutaan dan I'cngujian Hipotesis tcntarg Koefisien Korclasi ..............

fue

:Fr

\,,r,

.-i

.. .

..........................

Hubungan antara Koefisien Rcgresi dan Koefisie. Korelasi


Itamalan TungSal dan lntervnl dengan \{enggunakan Regresi Lnrcar

RtGRtSI BTRGANDA

197
200
201
206

?38

Hubungan Linear Lebih Dari Dua Variabcl


Taksiran .talr Pendugaan tentang Kocfisicrl Regresi Parsin1......................
Pengujian Hipoiesis Koefjsien ltegicsi Parsja1............................. .. .
Irendutaan Interval untuk Koefisien Rcgresi ParsiaI..............
Kociisicn Determinasi Berganda dan Koefisien Korelasi Parsial...............
R,,"n-ren l..orcl .i 'rr.ir ... .. .. .. ..
Hubungan antara Koefislcn Regresi Parsial dan Koefisien Korclasi

l'u^r.r1 .. .....................

241

250

252
253

251
256

Annlisis Yarians dalam liegfusi Lnrear Berganda dan Peramalan dengan


Nlenggunakan ltei+esi Llncar Bersanda
Pendugaan atau lt.malan dengan Ment$nakrn Regresi Lnrcar

Ber-. ,rdJ ... ... ....

...

Vr-- dl. .irB e-i I inn\J ..


OloI.,r.j..i .. ..

260

26il
271
271

...

Sr-li.riL / D.rrhir \\-r.un.....................


He.F
^J. J.,-t . r.,ro r r...
ir"- B. rt.rnod ...
Anaiisis Itegrcsi Berganda Berdasarkan Kcluaran (Output) Komputer . .
Cara Mcmbaca Keluaran (Ouiput) Komputer......................... . .....
Sel.ng Kepercavaan 95i, bagi 0u Bi, dan 8,. ..........-............ ... ... ...

\ ,J n. \;fl"n.
..lilJh l! ' ,E

273
276
280
281

182
283
283

R , Ul J-Jn Ru-nU.

281
281

lc

286

\p iL.,.i L. rnpurFr
rJn\J.,n & I.rr 1...r .........
L r.pi .,n

292

IIITTODT STATISTII( TIONPARAMTIRII(

295

7
Irenggunaan Metode Nonpar.mcirlk
uji randa (si9 i.,st) ......................................
Prosed; Uji ran,la ,lc"gan Samper K;cii
Prosedur Uji Tandi dengan Sampel Besar
I rl-- rEl ,.1 B. l.,r o. \\il.o\^n....... ...... ...

ftoiedur Uji Peringkat

l',

rdIii.,- V.r'ln

\\

\irn.I

tseLtanda

lvilco\orl

296
296
297

297
300
302
303

(ON]OH PTNGGUNAAN

Pendahuluan

ll4

SPSS

....-....-...-.

. .................
Uji I Satu Variabel...-.
t'jr ' R.,L i n rJ BcrP, ,J 8,rn
L jr ' R.,r , rrt.r .r(lJl B( pJ..rnE.,r.....
Ar.tlt-t- Re5re. .
t lr llipo'P-r. m"rrgr,unrl,r \P\r ...... .........

....

.. . .

33s
.

312
3'r6
3'rE

ReSre.r BerEird,r..

350

352

TAMPIRAN

...-........ .......
Lampiran I
Distribusi Binomial......
..-.................
Lampiran II Distribusi Rrisson........
....................
Lampiran lll Distribusi Normal........
....................
Lampiran lV Distribusi 1..................
... ........ .......
Lampiran V Nilai t
. ..
....................
Lampiran VI Nilai 8............................
. ..............
Lampiran VII AnBka Random ............
La piran VIII Statistik d Durbin hhtson......... ........-....-...-............................
Lampiran lx Nilai Kritis Prosedur Ujj Peringkat Bertanda Wiltoxon...
Lampiran x Distribusi L.l dalam Pen$jian Mlan-Whitney .....................
Lampiran XI Nilai Kritis r dalam RL,rs-L5t uniuk Mlihai Keacakan.Lampiran XII Conioh Menghftung MatriLs (ofaktor dan Mairiks Inv.rs
Lampiran XIII Contoh Soal-soal Ujian ............................................................
.

DATTAR PUSTA(A
INDTKS

336
338

..........

. . . .

. . .

. . . .

. . . . .

. . .

333
358
363
361
366

367
369
372
375
376
37E

379
383

.......-.............. 403
404

BAB

T*^rrrA*K

DAN Nr.Ar HARAPAN

Tuiuon Eelojor
Seteloh mempeloiori bob ini, Ando dihoropkon mompu:

.
.
.
.

memohomi voriobel orok serto distribusi probobilitosnyo.


menleloskon orli prohobililos bersomo.
menieloskon niloi horopon don vorions dori voriobel ocok disktil.
menieioskon

0[i kolorionr

don oplikorinyo dolom keuongon.

:::

l.uku jilid I sLrdah diielaskan ientang konsep percobaan (eksprlmen) dan hasil
:: :rrt,,baan. Untuk mentgambarkarl hnsil hasil per.obaan sebagai nilai nilai numerik
....r..r lebih scdcrhana, kita mcnggunakan apa vang (tisebLrt sebagai \.rdabcl a.ak. Iadi,
dapat djdcfifisik.n scbigai dcikripsi numerik dari hasil per.obaan.
\ariabel acak bias.nva nrcnghubungkan nllai-nlLai ntLmedk dengan seiiap kcnlungkn!
I h.tsil percobaan. Karena nilai{ilai numc k tcrsebut d.1pat bersit:t ,, (hasil hltungan)
,lin bcrsif.lt , (hasil pengukuran)maka varlabel acak dapat dikelompokkan menjadi
(meruPakanb1]anganbulai,tidakL1isaPccah.tn)dan

-:

lcl,,l Arr:k llii!lrit


Yarirbel acak diskrit ha.). dapat mengambil nil.1i nilai ierienilr vang terpisah, yang
umrnrm,v.l clihasilkan darl prnghihmtan suatu objek. Iika ada 100 karta\rar! maka
penithitungan orang Iang tidak m.rsuk ke4a pada hari Senh dap.l nrengambil nilai nilai
a, 1, 2, 3, ..., 100. Tabel dj bas ah memperlihatkan beberapa contoh \.ariabel .:tiskrit.
TABtt

l.l

(onloh (onloh Voriobel Diskril

Kefr ungkinan Nilai-nilai

Ieni5 kela,nnl pembeli

0 jika Liki Lrki,

t jjka perenil,uan

t,
Pen.ntatu pcngunjung
restoran [,ada s!atu hati

Ban\ilnya pengrniug

iabel A.ak

1, 2, 3, . ., 19, 5!.

0, 1,2, 3, ..

Voriohel A<oh ltr;ntinu

lika krta nengukur sesuaru scpcrh lbar mangar! tingti badan, at.lLr brat badan seseorary,
maka variabel,vang dihasilkan adalah !.tdabel acak kontnlLr.Ilasil pengL*ulan tersebut
mungkrn akan berbecta beda tergaftrng pada siapa ]ang melrktkan pentukuran dan
iingkat ketelitian l ang digunakan. Karcna .ilai hasil pentukuran ti.lak bisr setepat h.rsil
plnghitungan, maka nilai hasil pcngukuran bisa be adasi dallm suatL, selant nilai
tcrtcntr. Misalnva, iarak antara Bogor kc ]akarta dapat seiauh 80 km, EU,5 km, 80,55 km
dan seterusn_va tergantung pada kdclitlarl alat ukul atau sl pengLrkur. label di bawah ini
nlcmberikan beberapa conbh variabcl kontlnu dad sLratu percohaan.
TlEIt

!.2

tonloh (0nl0h Voriohsl (onlinu

Kemmskinan Nilai-nilai
Percobaan

Nlembangun proyck pcr-

Yqiaber

Acar<

Variabel Acak

0<x<100

ka.toan b.ru setehl 6 bula.


Isi botol minuman r.rdi
(naksimum = 600 ml)
Peninrbangln 20 paket ke

masan(nuksinum=2ks)

0<x<4100

ioh

ktiobel

Atola

dtn

tlki

ll

dp

DISTRIBUSI PROBABII.ITAS VARIABTT

A(AI( DISI(RIT

Distdbusi probabilitas va abel acak menggam;arkan baSarman.r \u:rtu Probabilitas


didistribusikan terhadap nilainilai dad variabel acak telsebut. Untuk vanabel diskrit X,
dicrribu.i probabilrta- didefini,ilan den8an ... i,.1 n1..,r- ddn dinolasilan (ebJgai
p(r) = P(xl= r) = probabilitas bahwa variabel X (hurur besar) mengambil nilai r (huruf

kecil).

Fungsi robabilitas p(r) menyatakan probabfitas untuk setiap nilai variabel acak x.

Sebagai ga/nbaran atau ilustrasi dari variabel acak diskrit dan distribusi Probabilitasny4

perhatikdi hasil pengamatan (dapat juga disebut Percobaan) dari Pnjualan mobil selama
300 haii pada PT. Indah Caraka Motor Jakarta. Data yang dicatat adalah jumlah mobil
yang te4ual dalam s!'hari. Hasil penganatan dimuat dalam tabel bedlut.

_)
C-- El:

:umloh ttobit Teriuol d0l0m sehori menurul Jumloh Hori Selomo 300 llori

54

117

72

42

72

lika X menyatakan jumlah mobil yanS terjual dalam sehari, maka P(0) menyatakan Probabititas 0 mobil teriual per hari, p(1) menyatalar Probabilitas 1 mobil tc'rjual per hari dan
seterusnya. Berdasarkan informasi yang diperoleh dari tabel di atas, bahwa 5r4 hari dari
300 hari 0 mobil terjual, maka kita nyataknn nilai g/300 : 0,18 sebaSai Probabilitas bahwa
0 mobil terjual dalam shari; 1171300 = 0,39 sebagai piobabilitas bahwa 1 mobil te4ual
dalam sehan dan seterusnya. Secara ringkas nilai Probabilitas dimuat dalam tabel benkut.

@lqAtaaAq

lumloh ilohil Teriuol dolom sehori

0,18

0,39

o,24

0,74

0,04

0,01

Total

1,00

Dari tabel tersebut terlihat bahwa kemunSlcnan terbesar iumlah mobil ter,ual dalam
sehari adalah 1 mobil dengan probabititas O39. Apabila kita ingin meryhitung probabilitas
bahwa 3 atau lebih mobil terjual dalam sehari, maka kita hitunS p(3) + p\4) + P$) = 0,14
+ 0,04 + 0,01 = o19.

trli,it h it

ktk6l

)itid 2

Dalam membuat suatu fungsi probabiliras untuk vafiabet acak diskrit, kondisi berikut

harus dipenuhi.

Strtrct \ang hntus ditt lthi u htk llitgsi ptobnbilihs nisktit:


(i) p(r) > 0 atau 0 < p(;r) < 1

(ii):p(r)=1

11.1)

(1.2)

Distribusi probabilitas variabel acak -I vang ditunjuhkan pada Tabel 1.4 memenuhi kedua
kondisi di atas yakri p(:r) lebih besar atau sama dengan 0 untuk semua nilai jr dan iumlah
probabilitasn),a sama dengan 1.
Kita jugabisa menyajikan distribusi probabilitas dengan menggunakan srafik. Datam
Pcraga 1.1, nilai nilai dari vafiabel acak ditunjultin pada sumbu ho zonral dan nilai
probabiliias yang berhubungan dcnsan nilai-nilai x tersebut ditunjukkan pada sumbu

i,

PflAGI

r.r l

Groffk Fungsi Probobilihr

0,50

:
I

0,10
0.20
0,10

1234
lunian mobil rerjuar daram sehad

Selain tabel dan giarik, distribusi probabilitas variabel acak

diskit juta dapat diberikan


dalam bentuk rumus- Sebagai contoh, berikut diberikan variabet acak X dan distdbusi
probabilitasnya.

/10

21fi

3/r0

.1/ 10

Distribusi probabilitas di atas dapat dinyatakan dengan rumus (tungsi) sebagai be kut.

plr) =

10'

untuk nilai x = 1, 2, 3, atau 4.

dr!

/rriri,rr n rr

rrr ]irri

IIrr,riJir

Nfisal l(r) = ;ii, p(:) = i dan seterusnya. Umunmlra distribusi probabilitas di$atakan
dengan rumus atau fungsi tcrtentu. I'ada Bab 2 akan dibahas bcbcrapa distribusi proba-

bilitas

_vang

penting, yang scmuanva memiliki rumus

ata

ftlngsi tertentu.

(,r/,1/,r,,: Fungsi .listribusi probabilitas tidak bolch rlegatif, dan 2 s),arat ),ang sudnh
disebutkan scbelumnva harus selalu tcrperluhi.

tungsi Probobilitos (umuloiif Voriobel A(ok Diskril


Fungsi probabilitas kurnulatif digunakan untuk menyatakan junnah dari seluruh nilai
fungsi probabilitas yang lebih kecil atau sama de gan suatu nilai yant ditetapkan.
Irerhatikan Tabel 1.4, misalnva kiia ingin nrenghiiurlg bcrapa probabilitas bahwa mobil
te4ual dalam sehari kurang dari atau sama dengan 3. Oleh karena itu, kita dapat

menjumlahlanprobabilitasdarinilainilair=0,r=1,jr=2,dan:r=3.fadi,P(r<3):
* p(1) + r(2) - p(3) = 018 + 0,39 + 0,2.1 - 0,14 = 0,9s

p(0)

Secara matematis,

I ultt4si

funtsi probabilitas kumulatif din),atakan sebagai berikut.

I,rolnbilitn! Knin lntil \t!tinl\l I)it^)it

F(ir) =

I(x s r)

rl.3l

r(r) = P(X

s jr) menyatakan Iunssi probabilitas kumulatif pada titik X = 1 yang


merupakan jumlah dari sluruh nilai funtsi probabilitas untul nilai X sama atau

kurang dari r.

I'a.1a contoh c1i atas, kita bisa men_vatakan probabilitas mobil terjual dalam scharl sama
atau kurang dari 3 denganr(3)= l'(X -<3)= 0,95. Berdasarkan Tabel l.,l,kitadapai embuat tabel untuk fungsi probabilitas kumulatifn_va sebagai berikut.

TAEtt

1.5

Probobilitos (umulofif dori lumloh Mobil Teriuol dolom Sehori

r(')
0,18

0,57 (= 0,r8 + o39)

OEI (= 0,s7 + O24)


0,95 (= 0,81 + 0,14)
0,99 (= 0,es + Olu)
1,00 (= 0,99

0,01)

lika fungsi probabilitas kumulatif disaiikan dalam bentuk gra{ik, maka trafikn),a dapat
dilihat pada Pcraga 1.2.

ttotistil

@-:qq--l.E!!lq

l(umulo

i dtu l0ltk6i

ltk

Diketahui suatu variabel I yang daPat mengambil nilai darj 0, 1,2,3, 4


(diskrit) dengan tungsi Probabilitas p(r) sebagai berikut.
(ONTOH

l.l

pt,t =

4l

xn

/1\'/1\e'

,r lz] lz.l

Caritah distdbusi probabilitas, dan distribusi Probabilitas kumulatif untuk seluruh nilai
r, dan kemudian Sambarkan SraJiknya
PtNYTI.TSAIAil

,,0,

- o(4qr0)! 11f
1f 1'=l
\2, t2, lt'
+r ttt' ttt'

/(1)= r(4-ur lr.J

Y"'-

lr.l

,rr rrr'trt'
2t\a

2)t \.2

) \2)

q
16

16

m rrinl =roa
l:l lzJ

Pt:l=.no-:rr

,rr rtt'ttto
r'-, 4\4 4)t \z) \2)

I
76

Gamba graliknya diperlihatkan Pada halaman berikut'

F{0)

f{r)=Fio)+P0)

=;

,11

E\b=F(r)+P(2) = r(3)=r(2)

+ P(3)

E(4): r(l) + l'(4)

l5

l6

ti t tttihl

ttk

i l!!

llr

ttl

!.!

_r

ht

94

Grofik fungsi Prob0bilih5 don fungsiProbobil 05 (umulolil

1!

10
16

!2

12
16

16

_!-

16

t2
(a) Crafik rungsi ProbibiLrtis

{b)

DISTRIBU5I PROBABII.IIAS VARIABII.

Grafik lungsi Probabilitas Kumulitil

A(AI( XONTINU

Disiribusi probabiliias variabel acak kontinu dnryatakan dengan tungsi l(r) dan sering
disebut sebagai fungsi kepadatan ,i,,i,ir,r ri,!,1, ! atau fungsi kepadatan probabilitas
dan bukan furltsi probabilitas. Nilai_(r) bisa lebih besar dari 1.
FunSSi kepadatan probabilitas harus memenuhi s-varat scbagai berikut.

\hr4,, y.r,\ tlntb

Dit\r hi,,/,ii i!r\., ktt,nt,tttrt

l'tth,tl,ittt,t-:

(i) l1)>0

1r.1)

rr) I _/(y)d\
t'rrttltr: flx) dt

Lrnte8rdl ,eluruh tung-i lepadaldn probabilIds


(1.s)
lQ) = 1)
Pir < x < (x + dx)), yaitu probabilitas bahwa nilai x terletak

pada inierval

dan

+ dr.

lungsi Probobilitos Kumulotil Voriqbel A(ok l(onlinu


Pada variabel acak diskrit, fungsi probabilitas kumulaiif djhitun8 dengan cara
peniumlahan. Pada variabel a.ak kontinu, probabilitas kumulaiif .{icari dengan inietral.
Rumusnya adalah sebagai berikut.

I't t$si l,fol'al,ilitd. kut',ttl tif Variibel Atnk Ko'tti'ut

l(Y) P(\ rl J_r(r) d'l


Nilai-nilai

dalam rumus ini harus krntinu atau dalam suatu interval.

rl.or

ltrtntil bui

(0t{T0H 1.2 Vadabl X mempunyai tungti kepadatan probabilitas

,(r)

dar

Aplilr

lll !

sebagai berikut:

, untuk ir > 0
,(r)=O , untukr<0
J\x) =

a)
b)
c)

2e\

Gambarkan

flr).

I(r): P(x < r).


Cari P(2 < X < 4): P(2 < X < 4); (berlaku
Gambarkan

untuk variabel kontinu).

PENYTITSAIA}I

e
(a) untuk jr =

0,

J10\

:2,71828L8 =

2,718

PETaGA

l.{ ,

tungsiPrchohiliros

l(x)

x = 0,5, lo, = 2!

:2 -L
2'718
=

t :1,

0,7358
1

fl1) -2 j

L
-z. 7,389

:
(b) r(x) = P(x < r)

0'271

= llfAl a, = t - t"

=0

Untuk

,:0, I(0) = 0
,:0,5, F(O5)= 1
=

: 1 - 0,3679
: 0'6321
a=L, F(1) : t-e-'1

=1-71= 1-

7,389
0,1353

0,8647

i!>0

r<0

c1

t- !

1-

rmcr t.s

_ri

FungliProhbil !3ltumuldil

r{x)

Bob

Variqbd Ank dar Niloi

lluap

(c) P(2<x<a)

11
=-7--T
: 0,018
P(2<x<4) = F(4t -

E(2)

= O -,*)-(1

-"r)

= 0,018
(0NT0H 1.3 Vadabel

X dengan fungsi kepadatan probabilitas

XrJ =

0,
Cariial nilai

uhhrk

lainnya.

.F(r)l

PtNYtI.ISAIAN

p=

!'*d,=l;r) lA= b-a

Jadi,r(r):0

, untukr<a

i{:i.l
lb-o)

=1

-.,1,r.,.

,.

untukx>,

Jikar:r,makar(r)=0,danjikar=b,makaI(r)=l.Dalamhalini,variabelXdilatakan

mempunyai ,1i:lril,L'i rrlr,rl t,, rr,'!i tr rrr/iir! atau 11. i 1,r!rr,rr ,1irr',l,rtr,,r, di dalam intffal
'
ll dan, dan sering juga disebut ,/isi rlirii \r,r.!,r, atau ,rfll;,rr JIrril,/rtft,r' Di dalam
uraian mengenai jarum penunjuk vadabel X mempunyai distribusi seragam, di mana

nilai a = 0 dan b = 1 (lihat Peraga 1.6).

LltI G! Llj

ery'1t4j l !t!

1(0,3 < x < 0,8)

lrrrrrii

t0

Lnri d0 ,furrtrr l/rd

IUNGSI PROBABII.IIAS BTRSAMA UOINl PROBABITITY)

Pada subbab scb.lumnva, pcmbahasan kita mengenai variabel acak clan distribusi
probrt,ilitasnvr tulrh drbatr5r h.nir Lrntuk ruang sampel btrdimensi satu, Ll'lam rrri
Lalrr. a has,l-hasLl r ang Jrperoteh dari suatu Percobaan meruPakan nilni-nilai yang daPat
diambil olch suatu peubah (variabcll acak Dalam Praktekn)'a, ban)'ak kon.tisi ,vang
nrcnghenclaki kita mencaiat sekaliEius nilai nilai beberaPa variabcl acak. Nlisalnva
perhitung.n kcuntungan yang djpcroleh oleh su:riu perusahaan mtlibatkan 'nalisis
ierhadap total penjuatan (x), total bla)'a (I, -vang dikeluarkan oleh Perusah'an ftu'
per,gukuran ijngkat produktilitas per Pckera mclibatkan Yarjabel total barang vang
diprodriksi, total peke{a, tnrgkat kerusakan produk dan sbagain}-a'.
Bila x dan )'adalah dua variabel acak diskrit, dist busi Probabilitas bersamanya
dapat din)atakan sebagai sebuah tuntsi Ir, !) bagi sembarang nilaj (r, v) i'ang dapat
diambil oieh variabel acak X clan )'. Sehinilga dalam kasus lariabel acak diskrit,

J(r'

Y): P(x = t'Y = '

dimana nilaj /(r, j/) men-vaiakan pelLrang bahwa:l dan

terjacli sccara bersanuan' Misaln)'a,

bila rlalam sr.ratu p"""il-oo" mahasiswa baru, x men.vatakan nilni rata rata krrcndnh
lans dlterlma. J. ) nrun\.ltakrn umur maksimum calon nahasis$'a, maka /(7, 17)
pr,,brbilrtas

",ofo,
^."",
dia bcrusia t7

l,ahr,: nilri

rata-rata mahasisw.r !'ang mendafiar .tdalah 7 dan

tahurl.

Voridbel Di5krit
Dua buah dadLl dilemParkan se.ara bersama sama. Kemungkimn mata dadu i'ang muncul
(hasili
).tari lemp.rran pertam: adalah x:1,2,3,'1,5,6, sedanSkan k$nuntkinan
hasil .:tari lcmparan kedua .tdalah )'= 1, 2, 3, 1, 5, 6. Variabel X .1an Y terladi bcrsama-

,,',

\,lisalkan pada suatu lcmParan didaPat (2,l), ini ber.lrii masing-masing dadu mcnghasil
kan mat.r 2 dan 4 dalam saiu kali lcmParan.
Sccara kescluruhan, kemuntkinan Pasantan (x, Y) Pada setiaP lemParan d'P'r dilihai

dari tabel bcrikui.

TAgtt

L{,

1.6

Tn8tt

tlosil temporon Dodu Duo Koli

'... v

11

t4

)2

'll

15

t6

33

41

52

6l

56

1.7

DktibusiProbobilihs 8er!0m0,

(x, y)

111111

:r;36:o3636:o

111111
:os6363636%
r1Il11
363636363636
111111
36 16 36 36 36
1r1111
36 36 36 36 36
1Il1t]
363636363{,36

36
36

,oi Lnrnrd 4ol

d,rr

l!i,

Karena ada 36

vaitu t(.r, y)
Misalnya

lt

i0r

hasil rri ,ii I maka tiap-tiap hasil rncmpurlvai probabilitas


P(X : I, )'= t) = 1/36, untuk semua nilai X dan Y.

)aDg sama,

X.lan Y diskrit, di mana X:1r, ir,,..., rii

v,lu!r,...,!t,,
;'l r ,,lr Ir lrir,,1r,rriadalah
Jadi, Iuntsi distribusi bersama X & Y
r(r.,y)=1,(x<1,Y<y)
SedanSkan distribusi probabilitas kumdatif bersama (d.p.i.r) X dan Y terdiri dari

rrrl"r

l. ,l

dan

1lr

1) urlul

'FTUd

l{

njlir

(01{T0H 1.4 Suatu koiak berisi 3 kartu yang dibei nomor 1,2,.1an 3. Suatu permainan
dilakukan dengan cara menarik satu kartu dari kotak tcrscbut secara acak. Apabila kartu

vang terambil mempunyai nomor 1 atau 3, maka kartu _vang kedua diambil. Apabila
hasilnya tidak demikia& maka permahan akan dihentikan.
Misalkan X = nomor pa.ta kartu dari penSambilan periama (X = 1, 2, 3) dan Y:
nomor pada kartu dari pentambilan kedua, dal1 Y = 0. Jika tidak ada pengambilan yang
kedua, sehinsSa (y = a,1,2,3). P(x = 1) = P(x = 2) = P(x = 3) = 1/3, karena masins
rnasjrrg k.1rtu mempunvai kemunilkinan yant sama untuk terpilih. Cariiah nilai p(1, y)
dan r(r. v).

7l

prNYELrsArAN

tl t,) z \

2) tt(

-/'t(.t,,

'3
:

pll,

t)

2)

P(X=2,Y:o):P(x:2)
- +, kartu kedua tidak diambil. (Hanya ada satu kcjadian).
P(x: 1, )'= 0) - 0 = p(1, 0), kemungkinan tidak akan terjadi, karena apablla pacla

pengambilan pertama didapat kartu nomor 1, maka akan


.tilakukan pengan$l]an kedua.

lika

X:1,

kemungkinan nilaj Y aelalah 1, 2, 3, karena kartu kedua harus diambil.


Tidak mun8kin Y = 0, sebab kartu harus diambil, jadi p(1, 0) = 0.
,(1, 0) berarti probabilitas bahw-a L = 1 dan Y = O tidak pernah ierjadi.

Jika

l(

kemungklnan nilai )'adalah 0, karena kartu kedua tidak eliambil. ladi,

= 2,

P(2,0):1i3.

I(2, 0) berarti probabilitas balwa I = 2 dan Y = 0.


p\2,1) = p\2,2) = p\2,3) = 0, tak muntkin te4a.ii sebab kartu kedua tidak
diambil.
Jlka

x:

3,

dlai r adalah 1, 2, 3, karena karhr kedui harus diambil.


Tidak mungkin Y = 0, sebab kartu harus diambil, jadi P(3, u) = 0.
p(3, 0) berarti probabilitas bahwa X = 3 dan Y = 0, tak pernah te4adi.
kemungkinan

Stttith Ie i

12

a-iltrlt,s -' Diirihuti Prohbilihs


0
'|

Be6omo:

1119
9999
000-

pfr,

,,J

rmrr

don

ktk6i

lill

r.r ) Ofr,itusi trobobiliios (umuldil Ih /

oEtt123
1lIq
9999

111q
9999

qlL2

z2z9

,rt,

9999

F(2,2) =p(x<2,Y<2)
= p(1, 0) + r(1, 1) + p(1,2) + p\2,0) + rl:2, 1l + p(2,2)
= 0 - + + + + ++ 0 + 0
!
F(Z 1)

=P(X<2,Y<1)
= pO,

o')

+ pl1, 1) + pQ,0) + p(2, 1)

=0+ ++++0
!

Perhitungon Fungsi Probobilitos Moriinol


(0NT0H

1.5 Misalkan kotak berjsi 4 kartu bemomor

1, 2, 3, dan 4. Permasalahannya
sama dengan Conioh 1.4 akan tetapi apabila kartu bemomor 3 yang terpilih" pengambilan
kedua tidak dilakukan.

X
Y
Y

= nomor kartu pada pengambilan penama,


= nomor kartu pada pen8ambilan kedu+
= 0 iika tidak mensambil kartu.

Carilah: p(iv, y), f(x), dan {(V).


PEt{Yfl.t5AtAi{

x = 1, 2, 3, 4 d.a1lp(1.) = p\2) = p\3) = p@) p(1)=P(x=r)

|ob

knobelAak dor

tlki

ll

t3

owr

pG,r)=P(x=r,Y-y)
P@, Y)

Y=

= P(t) p(xly)

0,1,2,3,

C "f,!,,fb)

Distrihusi Prohbilitos Be6om0: p

lx, yl, p lxl,

dot

q ly)

p0,0)

p(1, 1)

p11,2)

P(1, 3)

p(r, 4)

P(1)

pQ, nl

plz

1)

pl2,2)

PQ,3)

p(?- 4)

p(2J

pl3, o)

p(3,

r)

p13,2)

p(3,3\

p(3, a)

P(3)

p(4 0)

p(4,

r)

P\4,2)

PU,3)

Pe, 4)

P14)

qtv)

Apabila dua \.ariabel x, Y dan P(x


memenuhi syarat berikutl

: ,,

Y = y) = p(r, y) merupakan suatu fungsi yang

a) /(r, y) > 0, untuk seluruh nilai X darr Y


b) :,tp(r, y) : 1 (penjumlahan untuk seluru}r
maka p(r, y) disebut fungsi probabilitas bersama
yobrbilitu. bnsa kita sebut saja dn8an I p. 1,.

nilai

dan y)

dan Y dan, agar singkat, IunBsr

Fungsi p(.t) dan qfu) yang diperoleh langsung dan plr, y) dtsebut

pl,t\ = ,p(x, y\, dan q(y) = 2pG, y)


!,

fa

gsi

naiinaL
11.71

FunSsi marjinal p(r) dan {(y) dapat dilihat dalam tabel, pada baris dan kolom yanS
paling akhir (pada tepi tabel marjin = tepi/ping8ir, seperti yang ditunjukkan oleh Tabel
1.11 berikut.

C* tllu

tLD

Prob0bilih! Moriinol

tfljlllCqfun$i

114

,rg)

4116

7116
7

/76

116

3l16

7116
't

lt6

1/16

116

4l16

1lt6

4176

l16

I176

4l16
4l16

3/16

16116

/16

1lt6

't

3/16

3116

't

ll

lbtistk

fl1,0) = p(1) p(0/1) = p(x = 1) ply = 0/x = 1l =


p(1,2) = p\1) pl2l1) = p\x 1) p[y :zlx 1]:
=
=

h l kt

tpl*Bi trld ?

o =o

+.+= +
P(4, 0) = p(4) p(014\ - p(x = 4) ply = 0/x = 4l =
1.0 _0
p(4,4) = p(4) pl4l4) = p(x = 4\ p[y :4lx 4]
=
= + += +
pG) = ZrG, t)
v

p(2) = p(2, 0) + p(2, 1) + p(Z 2) + p(2, 3\ + p(2, a)

=o++++++++

p(st

p\3,0) + pG, t\ + p(3,2) + pO, z) + pG, a)

=++0+0+0+0
p(.a) = p@, 0) + p(a, 1) + p(4, 2l + p@,3) + p(a, a)

-o+ + + + + +
_!
16-

++

q\2) = pO, 2) + pl2, 2) + pO, 2) + p(a, 2)

fr

f +o+ fr

q + pQ, 4) + p(4,4)
= + + + +0+ +

q\a) = p0, a) + p\2,

IIII.AI HARAPAT{ DAil VARIA S DARI VARIABII. AGI( DISKRIT


Rata-rata (jr) dari distribusi probabilitas adalah

nitaihanpa

Gxpected

utre) dari variabel

Nilai harapan variabl acak diskrit adalah rata-mta tertirbang dradap seluruh
\e_mynsLinan hasil di nana pe4imbangnya adatah nilai probabili-tas y rS
dihubungkan dengan setiap hd\it (oricoap).

harary1
_ Yl_1i
+pergleh denSan menyatakan setiap kemungkinan hasil : dengan
probabilitasnya P(X) dan kemudian menjur al*an hasil perkalian iemebur Nitai harapan
dari variabel acak diskit X yarlS dinotasikan dengan E(X) dirumuskan sba8ai beikut.

9r1t

l0

tb-,1

l,1l fui

ltl lNNt

t5

Nilai llLtntn Yatiabcl Al,,li Disktit


E(xJ = p,

= )jxi p\x)
PQ) + r, P(rr) +

(r.)r)

"'

:r-P(r,,,)

r; = nilai ke-i dari variabel acal X


p(:r) = prcbabilitas te4adinya r,
(ONToH

P(x)

I.5 x : bani,aknya pesanan barant dalam satuan yang masuk selama


probabilitas teradinya x = r.

0,375

Hitung rata-rata banyakn).a pesanan

4,37\

aia11 pesanan

min88u.

minggu

0,125

yang diharapkan.

PINYILTSAIAN

ir,:

E(x)

'

: :ri p(xi)
: (0) p(0) + (1) p(1) + (2) p(2) + (3) p(3)
: 0(0,125) + 1(0,37s) + 2(0,37s) + 3(0,12s)
:1.5

ladi,

secara rata rata dapat diharapkan bah*-a pcsanan yang masuk selama

adalah sebanyak 1,5 satuan.

tulain rata-rat4 ukuran statistik yanS lain adalah varians dan standar deviasi. Varians
acak diskrit didefinisikan sebagai be kut.

(d) dad variabel

Varians (d) dari variabel acak diskrit adalah rata-rata tertimbang dari kuadrat
selisih antara setiap kemungkinan hasil dan rata-ratanya di mana Penimbangnya
adalah piobabilitas dari masing-masinS hasil tersebut.

Vadans diperoleh dengan mengalikan sdiap kemllngkinan kuadrat selisih

(Xi

,r)'] dengan

probabiliiasnya p(.r,) dan kemudian menjumlahkan seluruh hasil perkalian tersebut.


Sehjngga varians dinyatakan sebagai bcrikut-

Vatia s \htinbtrl ArLlk Disktit


N.
d = E(x - !)2 = >lr,

- r)'

p(,,)

rr = nilai ke-i dari variabel acak X


p(.ri) = probabilitas te.jadinya x,

(t.q)

I6

Shtittk:h i

Standar deviasi o diperoleh dengan menarik akar dari

I(ri -

lfi

Allil\6i

)ilil

d.

(1.10)

tt)2 pl),)

(0t{T0H 1.7 Berdasarkan Contoh 1.5, hitunslah varians dan standar deviasinya.
PtNYEI.tSAIAtI

Dari Contoh 1.7 diperoleh E(X)

d = E(x

p = l,s

p)'

= E(X 1,5)'?
= l(r, 1,5)'?p(r)
= (2,25) (0,12s) + (0,2s) (O37s) + (O2s) (0,375) +
= 0,75
= \i0,75 = 0,866

Karena simpangan baku

o:

0,865,

(2,2.5) (0,12s)

ini berarti bahwa rata rata jarak nilai X trhadap

t=

E(iO adalah sebesar 0,865.

Jaral X terhadap E(x) dapat dilihat dalam PeraSa 1.8 berikut.

ruxnrilr

) lor0l

llosing'mosing l{il0i ,{lerhod0p

f[,{l

E(X) = 1,5

(0NT0H

1.8

Scorang penjual mobil yang menjadi "Agen Tunggal" merek tertcntu,

berdasarkan pengalamannya dapat menjual mobil sebanyak X dengan probabilitas sebesar


p(r) selama satu minggu. Data yang dia miliki adalah sebagai bedkut.

Berapa banyak mobil yang dia harapkan dapat

simpargan bakunya.

teiual selama satu minggu? Hitung iuga

Bdb

kr

ktidbelA@k

t7

Nki koapon

PENYtI.ISAIAN

E(x):

>.x PG)

+...

= (1)(0,08) + (2)(0,27)
= 4,29

+ (6X0,22)

Kita membayangkan balwa apabila pnjualan dilakukan berkali-kali dari mingSu ke


mingSu dalam jumlah yang banyak sekali, maka secara rata-rata dapat dijual sebanyak
429 mobil. Apabila penjualan dilakukan selama 500 minggu (N:500), maka selama
waktu tersebut diharapkan dapat terjual sebanyak N x E(X) : 500 x 429 : 2.145 mobil.

o:

= fk-rG)l'zpG)

: 2(x
=(1

o :
=

4,29)'1P(xJ

429F(0,08) + (2

4,29\2(0,27)

+ . . . + (6 - 4,29Y(0,22)

'i3'27
1,81

Niloi Horopon dori tungsi Probobilitos Bersomo

lika tungsi probabilitas bersama dinotasikan denSan p(i!, y) untuk variabel acak X dan Y,
maka nilai harapan dari vadabel acak /,(r, y) yang merupakan fungsi dari X dan Y adalah
sebagai berikut.
EILG,

r)l = ,

h(x, y\ plr,

yl

(1,11)

di mana: ,(f, y) adalah smbamng tungsi dari X dan Y


p(, y) adalah pmbabititas te4adinya x dan Y secara be6ama-sama.

lika

I(:r, v) = xy, maka

EIh(l, v)l = E(xY) =

Jika

hG,

y\ : t

t,

xy pO, y)

+ y, maka

Elhlt, v)l = E(x + Y) =

Ot +

-trrLtf
ir{r
trtrrltr

y\ p$, y)

tr t.r.lrl

(0NT0H 1.9

Diketahui p(r, v) sebasai berikut.

2
3
4
slY)

0
0,1
01

0,1
0
01

0,1
0,1
0

0,2
0
0

0,4

0,2

0,4

0,2
1,0

il

9dn : hdi h Artui

t8
a)

b)
c)

Jilid

carilah nilai E(X + Y)!


carilah nilai E(n + En, apakah hasilnya sama dengan ha-sil a)?
carilah nnai E(XY)!

PE}IYH.ISAIA}I

a)

E(x + Y)

= Ez(x + y) p(x, !)
= 2(0) + 3(O1) + 4(0,1) + s(O2) + 6(0) + 3(O1) + 4(0) + s(0,1) +
5(0) + 10,2) + 4(0,1) + 5(O1) + 6(0) + 7(0) + 8(0)

b)

E(x)

E(Y\

= 4,4
= 2.x p(i.)
= 2(0,4\ + 3(0,4) + 4(0,2)
= 2,8
= ,v sUt
= 0(O2) + 1(0,2) + 2(0,2) + 3(0,2) + 410,2')

=2

E(x) + E(Y) = 2,8+2

4,8=E(X+Y\

c)

LZ xy p(x, y)
(0)(0) + (2)(o1) + (a)(o 1) + (6)(0,2) + (8x0) + (0x0,1) + (3x0) +
(5X0,1) + (e)(0) + (12)(02) + (0x0,1) + (4xo1) + (8)(0) + (12)(0) +

E(XD

=
=

(16X0)
0,2 + OA + 1,2 + 0,6 +2,4 + 0,4
5,2

Aluron-olurur dolom l{lenghitung l{iloi Horopon

1.
2.
3.
a.

E(ft) =

t, t = bilanSan konstan

Varians (,t) = 0 dan varians (X) =

E(kX) = k E(X)

varians (rx) =

Pd

i=L,2,...,n
i=t,2,...,n
mtuk v.riabel aca( lonhnu lidak dibahas di buku ini lQr.na memrlukan PmBetahuan
matcnatika lmiutan. Ragi yanA ingirl mcmPelajari lebih ja!h, daPat membaca literatu. buku_buku statistik!
n.tcmatik 1,,4*.r4,i.d iratErtrs).

r(ovaRrails DAt{ aPUtGSmYA DAttrfi IGUA]lGAll


Dalam subbab sbelunnya, kita telah memPelaiari nilai haraPan, varians, dan standar
deviasi. Pada subbab ini, kita Pelajari konseP kovarians antaia dua variabel dan
kegunaannya dalam manajQmen Portfolio dan keuangan.

ldt,

lo,iJhr

li,i

/m

liiroi

t9

nrirr

Kovorions

Kovarians adalah suatu pengukuran yang menyatakan variasi bersama dari dua variabel
a..k Kovarians .nr,ra dua variabel acak diskrit X dan Y dinotasikan dengan o,y dan
didefinisikan sebatai brikut.

o
di mana:
x,
Y,

tlx

Irx)ll), . fl))l

(1.r2)

r?)

= nilai variabel acak X ke'i


= nilai variabel acak Y ke-i

pG,, v,) = probabilitas te4adinya

prr,.

ri

dan yi

-1,2,...,N

l.l0 An88aplah bahwa Anda :kan memutuskan dua altematif /Pilihan investasi
pada tahun mendaianS. Kedua macam investasi tersebut ditanamkan pada 2 jenis
perusahaan yang sudah t, t,r,l ir, katakanlah perusahaan A dan Perusahaan B. Misainya
Anda memperkilakan pentembalian investasi (untuk stiap investasi $1000) dan 3 kondisi
perekonomian di mana setiap kondisi perekonomian dibedlan nilai probabilitasnya.
(0NT0H

$100

lo,2)
(0,5)

Perekonomi t ang stat'il

+l00

(o3)

Perekonomian maju/
berkembang pesat

+250

HitungnilaiharapandaripenSembalianinvestasi,rrr,l/i,irrrriruntukstiaPinvestasi
dan kovarians dari investasi tersebut.

PtNYfl.tSAtAt{

Iika

-x

= investasi di perusahaan A, Y = investasi di perusahaan B

E(-{)

(-100X0,2) + (100)(0,5) + (250X0,3)

E(v)

11x

=(

va(x)

d.'

o:

:11_725

or

$10s

200)(0,2) + (s0)(0,5) + (350X0,3) = $90

(0,2X
121,35

100

105)'z+ (0,5)(100

105)'z

+ (0,3)(2s0

105)'?

,ttlt

20

var(Y)

(0,2)(

200

90)r

+ o,5xs0

90), + (03x3s0

hri kr AllkLi

Jilit 2

eOF

37.900

6t, Kov(ry) =

19.1,68

q,

= (0,2X 100
+ (0,3)(2s0

o,t

= 11.U90+100+11.310

1051(-200 90) + (0,5X100 10s)(s0


- 10sx350 90)

23

90)

i00

ladi, perusahaan A mcmiliki harapan pengembalian investasi 1,'L I , , r ,i ' ' I r! r ,i r trang lebih
tinggi dibandintkan dengan pcrusahaan B dan juga mempunyai standar deviasi yanS
lebih rendah. Nilai ko1'arians sebesar 23.300 antara kedua jenis nlvcstasi menunjuhkan
adanya hubungan positif yang kuai, di mana kedua jenis invcstasi saling berhubuntan
saiu sama l.in dalam arahj,ang sama. Apabila investasijelis AmcnnrgkaL maka investasi
B juga mcningkai.

Nilai Harapan, \,arians, dan Standar Deviasi dari Penjunnahan Dua Variabel Acak.

Niltti Itnntt'n dnti hltjuntlilln" 1)!n thtitl,tl


Nilai harapan dari penjunrlahalr dua variabl acak adalah sama dengan penjumlahan dari nilai harapan masing-masinS variabel acak.

E(x + Y) = E(x) +

E(Y)

(1.r3)

lj]ri]],ts dnri lieiith'tlihn D i yninlNl


Va ans dari penjumlahan dua vadabel acak adalah sama denSanjunJal varians
dari masing-masinS variabel ditambah 2 kali kovarians.

var(r+y)= 4-u=o,'z" o] *
Stndnr Dc?idsi

.lL1ti 1\\1iufi1Lah"tt

o*,

z<',0

(1.1t)

Dtn \htiibtl
= 1io,'--,

(r.15)

l.l I Dalam Contoh 1.10, hitunglah nilai harapan varians dan standardeviasi dari
penjumlahan kedra investasi telsebutl
(0NT0H

PINYtI.tSAIAN

Jika

= investasi perusahaan ,4,

Y:

/(\ )) /(\) f()).ll,c.on


d,, -d,-d,+2o,.,
= 14.725 - 37.900 + (2)(23.300)
=

q,

99 -225

:$315

investasi perusahaan B

5loc

Bob

2t

Voriohel Acok don Niloi Horopon

Expected return investasi dari penjumlahan investasi

di kedua perusahaan tersebut adalah

$195 dengan standar deviasi $315.

Portfolio Expected Relurn don Portfolio Risk


Setelah kita definisikan kovarians, expected return, dan standar deviasi dari penjumlahan

dua variabel acak, kita dapat menerapkan konsep-konsep tersebut pada studi mengenai
sekelompok aset yang merujuk pada apa yang disebut sebagai portfolio. Dengan
menanamkan investasi yang disebarkan pada tidak hanya satu perusahaan, investor
mengombinasikan pengembalian dan meminimumkan risiko. Dalam studi portfolio, kita
menggunakan penimbang untuk setiap jenis investasi dengan proporsi aset pada investasi
tersebut. Hal ini memungkinkan kita untuk menghitung portfolio expected retunr danportfolio
rlsk seperti didefinisikan berikut ini.

,
,:'?'xtfg,ti : etea ri
,,'r Xalkari\41,deflgan4{p,i

*+gst*|,3-:a.$tn* ra.$ang+n.perlimlang hqgi aset

.:

'larair

a i;a*etrXditaffbahdBaganpenimbangbagi
{1.16}

di mana
E(P) : portfolio expected ldl
,:;, ..i1.,,,,II . ;I #;plg$olr$t,lli]A.i.'pO 1+ ldari aset X
,,' ,::,[1.r:i- ,,=.pr.o$*ir*i:nikii|pii#.f d,.de.}i aset y
E,X) : expected return asset X
,i, ,. .E(Y)t,* expbctd.feiurn
,, ,, ,,,,.:

ry,,'y,,,.:1,.

Portfolio Risk

o, = f,iToi

+ (r

- r)'oi

+ 2a(1.

- a)i,y

(1,,11)

l.l2 Dari Contoh 1.10, kita telah menghitung E(X), E(Y), d,, {,. Misalkan kita
hendak membentuk sebuah portfolio dari dua investasi tersebut dengah menanamkan
investasi yang sama dalam setiap aset tersebut. Hitunglah portfolio expected return dan
(ONT0H

portfolio risk.
PTNYEI.ESAIAN

Dengan menggunakan persamaan (1.16) dan (1.17) di mana ot = 0,50, E(X)


90, d,:74.725, dr: Zz.OOO dan o,o: 23.300, maka
E(P)

o,

6p :

(0,5)(105) + (1

0,5Xe0)

[(o,s (14725) + (1

0,5

105, E(Y)

$e7,50

(37900) + 2(0,5)(1

0,sX23300)

^lz+aools
$157,50

]adi, portfolio mempunyai

expected return sebesar $97,5 untuk setiap investasi sebesar


$1000 (pengembalian sebesar 9,75%), tetapi memlllkt portfolio rlsk sebesar 9157,5. Dalam

hal ini portfolio rlsk lebih tinggi daripada expected return.

22

Statistik: leori dsn Aplikosi

lilid 2

ISTILAH PENTING
Vqriabel
Variabel

Acqk Deskripsi numerik dari hasil suatu percobaan.


Acak Diskrlf Variabel acak yang mengambil nilai-nilai tertentu yang diperoleh

dari hasil penghitungan.


Variabel Acak Kontinu Yariabel acak yang mengambil nilai-nilai dalam suatu interval
yang biasanya diperoleh dari pengukuran.

Distribusi Probabilitss Suatu gambaran bagaimana nilai-nilai probabilitas didistribusikan


terhadap nilai-nilai variabel acaknya.
Fungsi Probabilitas Suatu fungsi yang dinotasikan dengan p(x) yang memberikan nilai
probabilitas bagi nilai tertentu dari variabel acak X.

Nilai Harapan Sebuah ukuran rata-rata dari variabel


Varians Sebuah ukuran dispersi dari variabel acak.
Standar Deoiasi Akar dari varians.
Kotsarians Variasi bersama dari dua variabel acak

acak.

RINGKASAN RUMUS
1.

Syarat fungsi probabilitas diskrit:

(i) 0<p(x)<1
(ii) Ip(x):
1

Fungsi probabilitas kumulatif variabel diskrit:

F(r)
3.

P(x < *):

*(*)

Syarat fungsi kepadatan probabilitas (variabel kontinu):

(i) f(x) >- o


(ii) J:tl.l dx = 7
4.

Fungsi probabilitas kumulatif variabel kontinu:


F(x)

5.

Jlflrl

ar

Fungsi probabilitas bersama untuk variabel diskrit X dan


dengan syarat-syarat sebagai berikut:
(i) p(x, y) > 0

(ii) \Zpk,U)
rv
6.

P(X < x)

Fungsi marjinal p(x) dan q(y) dari p(x, y) adalah:

pk) = Zpk, y)
v

q(y) =

Lpk,

y)

Y,

P(X

x, Y = y)

p(x, y)

Bsh

23

Voriohel Aclk don Niloi Horopon

Nilai harapan variabel acak diskrit:


N

E(x) = u- =

\x;
r=

p(x;)

Varians variabel acak diskrit:

d
9.

= E(x

tt)z

= I(r, -

Standar deviasi variabel acak diskrit:

" = ^[7 = ./itr, 1.0.

tt)2

p(xi)

Nilai harapan dari fungsi probabilitas bersama:


Elh(x,

y)) = LL h(x, y) p(x, y)

f@y)
11.

trt)z p(xi)

i=1.

22xy p(x, y) untuk h(x, y)

Kovarians dari variabel acak X dan Y

(:

xy

o,r):

o*,:
ZlXi - E(x)llYi - E(Y)l p(x,, y)
'
i=1

12.

Nilai harapan dari penjumlahan dua variabel acak:

E(X+Y)=E(x)+E(Y)
Varians dari penjumlahan dua variabel acak:
Var (x + y)

d :
d,t :
o,, :

ozrny

o2,

ol

+ 26r,

varians dari X
varians dari Y
kovarians dari X dan Y

't4. Standar deviasi dari penjumlahan dua variabel acak:

o,*v
15.

'P; = @;q.

Portfolio Expected Return:

E(P): aE(X) +(1 -w)E(Y)


16. Portfolio Risk:
oo =

'?"-

24

Stotistik: Teori don Aplikosi

&

PERTANYAAN

1.

LATIHAN

Distribusi variabel acak x ditabelkan sebagai berikut.

X.::':

.,:

',:

zt}

25
30
35
Total
a.
b.
c.
d.
2.

lilid 2

! ':ir , ,p,tx)
A,20

0,15
0,25
0,40
1,00

Buktikan apakah distribusi probabilitas di atas memenuhi syarat yang telah ditetapkan?
Berapa probabilitas bahwa x = 30?
Berapa probabilitas bahwa x kurang dari atau sama dengan 25?
Berapa probabilitas bahwa x lebih besar dari 30?

Data berikut dikumpulkan dengan menghitung jumlah ruang operasi yang digunakan dalam sebuah
rumah sakit di Jakafta selama 20 hari. Data yang diperoleh adalah sebagai berikut: sebanyak 3 hari
dari 20 hari hahya terdapat 1 ruang operasi yang digunakan, 5 dari 20 hari 2 ruang operasi digunakan,
8 dari 20 hari 3 ruang digunakan dan 4 dari 20 hari terdapat 4 ruang operasi yang digunakan.
a. Gunakan pendekatan frekuensi relatif untuk membentuk distribusi probabilitas dari jumlah ruang
operasi yang digunakan.
b. Gambarlah grafik distribusi probabilitas tersebut.

c.

Tunjukkan bahwa distribusi probabilitas yang Anda buat memenuhi kondisi yang telah ditetapkan.

lnformasi dari 3731 pelanggan sebuah surat kabar mengenai jumlah anggota rumah tangga dapat
dilihat pada tabel berikut:

1
2
3
4
5

474
1664
627

522
444

Misalkan Xx adalah variabel acak yang menyatakan jumlah anggota rumah tangga.
Gunakan data tersebut untuk membentuk distribusi probabilitas x.
Gambarlah grafik dari distribusi probabilitas yang Anda buat.
Tunjukkan bahwa distribusi probabilitas yang Anda buat memenuhi persyaratan.

a.
b.
c.

Berdasarkan Soal No. 3, tentukan:


a. Probabilitas bahwa x sama dengan 3.
b. Probabilitas bahwa x lebih besar dari 3.
c. Probabilitas bahwa x kurang dari atau sama dengan 2.
5.

Diketahui fungsi probabilitas sebagai berikut:


untuk x= 1, 2,3, atau 4
Berapa probabilitas bahwa x = 2?
Berapa probabilitas bahwa x> 2?
Gambarlah grafik distribusi probabilitasnya!

p (x) =

a.
b.
c.

ft,

Bob

Voriohel Auk don Niloi lloropan

25

Berdasarkan Soal No.1:


a. Hitung E(,Y) (nilai harapan dari .r).
b. Hitung d.
c. Hitung o.
7.

Berdasarkan Soal No. 3:


Hitung t(,r).
Hitung d.
Hitung o.

a.
b.
c.

Berdasarkan laporan Badan Pusat Statistik, rata-rata jumlah kepemilikan TV di kota Jakarta adalah
1,5. Asumsikan bahwa distribusi probabilitas jumlah TV per rumah tangga seperti ditunjukkan pada

tabel berikut.
',',X.

:$

{;4:.,.

0,40

0,2'l

0,21

0,08

0,06

0,04

a.

Hitung nilai harapan dari jumlah kepemilikan TV pqr rumah tangga dan bandingkan hasil

b.

perhitungan Anda dengan laporan Badan Pusat Statistr'k tersebut di atas.


Hitung varians dan standar deviasi jumlah TV per rumah tangga.

Permintaan produk PT. lndah Perkasa bervariasi dari bulan ke bulan. Distribusi probabilitas pada
tabel di bawah ini yang berdasarkan pada dala 2 tahun lalu memperlihatkan permintaan bulanan
terhadap produk tersebut.

300
400
500
600
d.

0,20
0,30
0,35
0,15

Jika perusahaan mendasarkan pesanan bulanan pada nilai harapan dari permintaan bulanan,
berapa seharusnya perusahaan tersebut memproduksi barang/produk tersebut?

b.

10.

Asumsikan bahwa setiap unit permintaan mendatangkan pemasukan sebesar Rp. 70.000,- dan
setiap unit memerlukan biaya produksi Rp 50.000,-. Berapa banyak keuntungan atau kerugian
dalam sebulan jika pesanan yang dibuat didasarkan pada jawaban a), sedangkan permintaan
sebenarnya adalah 300 unit?

Sebuah perusahaan komputer merencanakan untuk mengembangkan usahanya dengan memproduksi


komputer baru. Manajer perusahaan tersebut harus memutuskan apakah proyek pengembangan
dilakukan dalam "skala menengah" atau "skala besar". Karena adanya ketidakpastian dalam permintaan
produk baru, perencanaan dibuat berdasarkan 3 kategori permintaan yaitu rendah, sedang, dan tinggi

dengan perkiraan probabilitas masing-masing 0,20, 0,50 dan 0,30. Anggaplah

menyatakan

keuntungan tahunan (dalam jutaan rupiah), manajer membuat perkiraan keuntungan sebagai berikut.

26

Stotistik: leori don Aplikosi

lilid 2

S.,fiqla,ffigpgah.1

a.
b.
11.

',b,irt

'v

Rendah

50

0,20

0,20

Sedang

'150

0,50

100

0,50

linggi

200

0,30

300

0,30

Hitung nilai harapan keuntungan dari masing-masing pilihan proyek di atas. Keputusan mana
yang lebih disukai jika tujuannya adalah untuk memaksimumkan keuntungan?
Hitung varians dan standar deviasi dari keuntungan berdasarkan kedua alternatif tersebut. Pilihan
mana yang lebih disukai jika tujuannya adalah meminimumkan risiko ketidakpastian?

Perusahaan penyewaan mobil di kota A mengadakan pengamatan mengenai permintaan harian dari
penyewaan mobil. Distribusi probabilitas permintaan harian tersebut dapat dilihat pada tabel berikut.

*,(r)::

x,.,.

0,15

't

0,30

0,40
0,10
0.05

3
4

a.
b.

Hitung nilai harapan permintaan harian jumlah mobil yang disewa.


Hitung varians dan standar deviasinya.

12. Berdasarkan Soal No. 11,


a. Jika biaya sewa sebuah mobil sehari adalah Rp. 200.000,-, berapa nilai harapan dari sewa mobil
hariannya?
b. Jika biaya sewa sebuah mobil adalah Rp. 75.000,- berapa nilai harapan sewa mobil hariannya?
13.

Misalkan dari sebuah program pelatihan penyelamatan yang dilakukan oleh sebuah lembaga
pemerintah, diperoleh data mengenai jumlah kecelakaan menurut jumlah minggu selama 20 minggu
program pelatihan sebagai berikut.

a.
b.
c.

Buatlah tabel distribusi probabilitas berdasarkan data di atas.


Hitung nilai harapan dan varians berdasarkan distribusi probabilitas yang Anda buat.
Gunakan hasil b) untuk mengevaluasi keefektifan program pelatihan penyelamatan.

14. Diketahui fungsi distribusi probabilitas bersama X dan Y sebagai berikut.

x
1

0,10 0,10 0,05


0,05 0,10 0,05
0,05 0,05 o,2o

4
0,05
0,10
0,10

Bob

rloiobel

a.
b.
c.
15.

16.

Acsk

don Niloi Horopon

Cari
Cari
Cari

27

P(X<2, Y<3).

p
p

(x).
Qr).

Berdasarkan Soal No. 14:


Cari Var (*), 4.
Cari Var (y).dr
Cari Kovarians or,

a.
b.
c.

Berikut ini disajikan data P (x,

):

1/5
1{5

2
6

a.

p (x, 1) seperli tertera dalam tabel di atas,


fungsi marjinal p (4 dan p $).

c.

E (4X).

Dari

115

215

carilah:

b, E (n, E (X2) dan E 6n.


17. p(x,

h = P(X= x, Y= h

adahn sebagai berikut:

135

a.
b.
't8.

Cari

do

ozrdan

4,2

0,2

4,2

0,2

0,1

0,1

o,

Cari d* * ,

Diketahui fungsi kepadatan probabilitas Xsebagai berikut:

f(4=0'5x,o<x<2
,untukxlainnya
=0

Carilah:

a. P(X<0,5).
b. P(0,8<x<1,8\.
19.

Diketahui: P

(X= x) = 0,5(0,5)x, x = O, 1, 2, 3,

Hitunglah:

a. E(x).
b. P(X= x) untuk x = 0, 1,2,3,4.
20.

Diketahui distribusi probabilitas sebagai berikut.


DistlliFu$,,4

lY

l?,{ff,,

0,20

0,10

0,20

0,20

0,20

0,40

3
4

o,20

3
4

0,20

0.20

,,,x,

:.#{

0,10

28

Stttistik: Teori dsn Aplikosi lilid 2

a.
b.
c.

Hitung nilai harapan dari masing-masing distribusi.


Hitung standar deviasi bagi masing-masing distribusi.
Bandingkan dan cari perbedaannya dari hasil distribusi A dan B. Diskusikan apa yang Anda
dapatkan.

21.

Diketahui distribusi probabilitas bagi variabel

:;P:,,1*j,5$:.

0,40
0,60
Hitung:

a. E (4
b. E(n

200
100

Y7

OX* y

Misalkan ada jenis investasi

Xdan Yyang memiliki karakteristik sebagai berikut.


E(X = $50, E(4 = $100, d,= 9000, dy= 15OOO, dan o*r= 7500
penimbang
(r) yang digunakan untuk aset portfolio X adalah sebesar 0,4 hitunglah:
Jika

a.
b.

23.

S.

berikut.

Y.

100
200
e. oxy
f. E(X+

C. OX
d. oY
22.

Xdan Ysebagai

portfo/n expected return.


portfo/n

n'sk.

Seorang yang berusaha di bidang perdagangan dalam skala kecil pada sebuah stadion lokal harus
menentukan apakah akan menjual es krim atau minuman dingin pada pertandingan yang akan
datang. Dia memperkirakan keuntungan berikut yang dibuat berdasarkan pengalaman masa lalu
dalam kondisi cuaca dingin dan panas.

0,4.

cuaca dingin

Rp50.000,00

Rp30.000,00

0,6

cuaca panas

Rp60.000,00

FIp90.000,o0

Hitung:

a.
b.
24.

Expecled return penjualan minuman dingin.


Expected return penjualan es krim.

c.
d.

Standar deviasi penjualan minuman dingin.


Standar deviasi penjualan es krim.

Berdasarkan soal No. 23, hitunglah:


Kovarians dari penjualan minuman dingin dan es krim!
Menurut Anda, pedagang tersebut seharusnya menjual minuman dingin atau es krim? Jelaskan!
Bagaimana Anda menggambarkan hubungan antara penjualan minuman dingin dan penjualan

a.
b,
c.

es krim?

25. Anda sedang mencoba untuk membangun

sebuah strategi bagi investasi di dua perusahaan "ga


pub/ic". Pengembalian tahunan yang diantisipasi bagi investasi adalah $1000 dalam setiap perusahaan
dengan probabilitas sebagai berikut.

0,1

-$100

0,3

$50
't00

0,3

80

-20

0.3

150

100

Boh

29

Vsriobel Ank don Niloi Horopon

Hitunglah:

a.
b.
c.
d.
e.
26.

Expected return bagi perusahaan X.


Expected return bagi perusahaan Y
Standar deviasi bagi perusahaan X.
Standar deviasi bagi perusahaan Y
Kovarians dari kedua jenis investasi tersebut (X dan

Berdasarkan Soal No. 25:


Bagaimana Anda memutuskan, apakah akan menginvestasikan pada perusahaan

a.

b.

X alau Y?

Jelaskan!

Anggaplah ingin menciptakan portfolio yang mencakup perusahaan Xdan L Hitunglah "portfo/io
expected return" dan "portfolio risk" untuk setiap proporsi investasi yang diinvestasikan di
perusahaan Xsebagai berikut.

(i) 0,10
(ii) 0,30

27.

YJ.

(v)

(iii) 0,50
(iv) 0,70

0,e0

Hitunglah seperti Soal No. 25 tetapi untuk tabel berikut.

i :.r!:r.!: :,::: -:.r; i i.: ii

*i,:i:1.:ff=;;rri;1

28.

-$100

0,1

-$50

0,3

2A

50

o,4

100

130

o,2

150

200

Berdasarkan Soal 27'.


Apakah Anda memutuskan untuk menginvestasikan di X alau di Y?
Misalkan Anda ingin menciptakan portfolio yang mencakup Xdan X Hitung "portfolio expected
return" dan "portfolio risk" unluk setiap proporsi investasi di Xsebagai berikut.

a.
b.

(i) 0,10
(ii) 0,30

(v)

(iii) 0,40
(iv) 0,60

0,80

29. Jika Expected Moneta4t Value (EMV) didefinisikan sebagai keuntungan untuk setiap kombinasi (xr)
dari kejadian r dan tindakan /, dikalikan probabilitas terjadinya kejadian i, (P,) yang dijumlahkan
terhadap seluruh kejadian, maka EMV dirumuskan sebagai berikut.
n

EMV.= L*,,
,=

P,

Di mana: EMVj

ii. =
P, =

Expected monetary ualue lindakan i


Keuntungan/kerugian yang teriadi bila tindakan Tdipilih dan kejadian i terjadi
Probabilitas teriadinya kejadian i

Berdasarkan data berikut, hitunglah EMV untuk setiap alternatif tindakan dari dua portofolio dalam 4
kondisi perekonomian.
::r::
I r:

:r

:: i i i:. a i

:::r ;

..

:::

:.

i::;i

: :.:

rib;'

0,10

30

-50

Perekonomian stabil

0,40

70

30

Pertumbuhan yang moderat


Tumbuh pesat

0,30
o,2a

100

250

150

400

Resesi

30

Stotistik: leori don Aplikosi

lilid 2

Catatan: Xrmerupakan nilai dalam sel dari setiap tindakan. Untuk tindakan A, 4t = 30, X^ = 70 dan
seterusnya. Untuk tindakan B,

30.

4z= -50, Xzz = 30, Xsz = 25O dan seterusnya.

Berdasarkan Soal No 29, jika koefisien variasi (KV) didefinisikan sebagai:

KV= o x 100%
EMV

Hitunglah koefisien variasi untuk tindakan A, (KVA) dan koefisien variasi untuk tindakan B, (KV")l

grsTRrBusr

TE,RETT'

Iuiuon Beloior
Seteloh mempeloiari boh ini, Ando dihuropkon mumpu:

.
.

menieloskon

orti beberopo ienis distribusi leorelis seperti distribusi binomiol, distribusi poisson,

hipergeometrik, distribusi mulfinomiol, distribusi normol, disribusi koi-kuodrol, distribusi

distribusi

don distrihusi t.

memohomi oplikosi berbogui ienis distribusi lersebd dolom menyelesoikon berbogoi permosoluhon.

32

Stltistik: Ieoti don Aplikosi lilid 2

Distribusi teoretis merupakan alat bagi kita untuk menentukan apa yang dapat kita
harapkan, apabila asumsi-asumsi yang kita buat benar. Distribusi frekuensi dapat
digunakan sebagai dasar pembanding dari suatu hasil observasi/eksperimen dan sering
juga digunakan sebagai pengganti distribusi sebenarnya. Hal ini penting sekali karena
distribusi sebenarnya yang harus diperoleh melalui eksperimen biasanya selain sangat
mahal juga sering kali sulit dilakukan. Distribusi teoretis memungkinkan para pembuat
keputusan untuk memperoleh dasar logika yang kuat di dalam membuat keputusary dan
sangat berguna sebagai dasar pembuatan ramalan (forecasting lpredictiorz) berdasarkan
informasi yang terbatas atau pertimbangan-pertimbangan teoretis, dan berguna pula untuk
menghitung probabilitas terjadinya suatu kejadian.
Pengertian mengenai beberapa distribusi yang utama akan meningkatkan kemampuan
seseorang untuk membaca atau mengartikan hasil karya ilmiah hampir di semua bidang
ilmu pengetahuan. Setiap kejadian yang dapat dinyatakan sebagai perubahan nilai suatu
variabel biasanya mengikuti suatu distribusi teoretis tertentu dary apabila sudah diketahui
jenis distribusinya, kita dengan mudah dapat mengetahui besarnya nilai probabilitas
terladinya kejadian tersebut. Misalnya: berapa probabilitas bahwa seorang calon gubernur
DKI ]akarta akan terpilih untuk menggantikan gubernur yar.g lama, berapa besarnya
probabilitas bahwa barang yang Anda beli merupakan barang rusak, berapa probabilitasnya bahwa produksi padi akan mencapai hasil antara 15,5 sampai 17,5 juta ton tahun
depary berapa probabilitasnya bahwa hasil penjualan tahun depan akan mencapai hasil
antara Rp]25 juta sampai Rp135 juta, dan lain sebagainya.
Beberapa distribusi teoretis yang akan dibahas dalam bab ini, antara lain Distribusi
Binomial, Distribusi Poissory Distribusi Hipergeometrik, Distribusi Multinomial, Distribusi
Normal, Distribusi Kai-Kuadrat (Chi-Square), Distribusi F, dan Distribusi t.
Seorang ahli tanaman menggunakan Distribusi Binomial untuk meramalkan hasil
penyilangan (crossing) berbagai varietas tanaman yang berbeda. Seorang ahli pengendalian
mutu (quality control specialist) menggunakanDistribusi Poisson untuk memutuskary apakah
suatu proses produksi sudah berjalan secara baik sehingga tidak menimbulkan kerusakan
barang yang berarti, atau dihentikan agar jumlah barang yang rusak tidak terlalu banyak.
Seorang ahli antropologi menggunakan Distribusi Normal untuk membandingkan
karakteristik dari dua populasi.
Seorang ahli riset pemasaran menggunakanDistribusi Kai-Kuodrat untuk menentukan
apakah ada perbedaan yang berarti dari reaksi pihak konsumen terhadap perubahan
produk. Seorang ahli agronomi menggunakan Distribusi F untuk menentukan apakah
perbedaan teknik pemupukan akan menyebabkan perbedaan yang berarti di dalam hasil
tanaman pertanian. Seorang ahli perekonomian menggunakan Distribusl f untuk
menentukan apakah kenaikan harga minyak menyebabkan kenaikan harga makanan,
dan lain sebagainya.

D!STRIBUSI BINOMIAI
Seorang petugas pengendalian mutu ingin menghitung probabilitas untuk mendapatkan
lampu yang rusak dari suatu sampel acak sebanyak 20 bola lampu, apabila diketahui
bahwa 107o dari bola lampu tersebut rusak. Nilai probabilitas ini dapat diperoleh dari
4 bola

tabel Binomial yang dibuat berdasarkan distribusi Binomial.


Seorang ahli farmasi ingin menguji efektivitas dari suatu jenis obat dalam mencegah
jenis penyakit tertentu. sehingga dilakukan pengobatan terhadap 100 pasien. Hasil
eksperimen ini dapat dianalisis dengan menggunakan distribusi Binomial.
Pada umumnya suatu eksperimen (percobaan) dapat dikatakan eksperimen Binomial apabila memenuhi 4 syarat sebagai berikut.

'1,, Banyaknya eksperimen merupakan bilangan tetap (fixed nttmber of trial).

Bob

33

Dishibusifeorctis

2.

Setiap eksperimen mempunyai 2 hasil yang dikategorikan menjadi "sukses" dan


"gagal". Dalam aplikasinya, harus dijelaskan kategori apa yang disebut sukses

tersebut.

3.
4.

(sukses)
senang (sukses)
setuju (sukses)
puas (sukses)

, tidak lulus (gagal)


, tidak senang (gagal)
, tidak setuju (gagal)
, tidak puas (gagal)
barang bagus (sukses) , barang rusak (gagal)
lulus

Probabilitas sukses nilainya sama pada setiap eksperimen (percobaan).


Eksperimen tersebut harus bebas (independent) satu sama lain, artinya hasil
eksperimen yang satu tidak mempengaruhi hasil eksperimen lainnya.

Perhatikan suatu eksperimen Binomial (Bernoulli), yang terdiri dari pengambilan


satu bola secara acak (random) dari kotak yang berisi 30 bola merah (: 30 M) dan 70 bola
putih (: 70 P). Y adalah variabel acak dengan nilai sebagai berikut.

\,I:t
P(M)

Pe) =

t, j;tu bola merah yang terambil

[0, jika bola putih yang terambil


p = probabilitas untuk mendapat bola merah (sukses) = 9,3
7 - p = q : probabilitas untuk mendapatkan bola putih (gagal)

0,7

E(Y):1(p)+0(1 -p)

:
:

1(0,3) + 0(0,7)
0,3

Sekarang, suatu eksperimen Binomial akan dilakukan dengan n:Akali. Pengambilan


bola dilakukan dengan pengembalian bola yang terambll (zuith replacement). Hal ini untuk
menjaga agar eksperimen yang satu tidak mempengaruhi hasil eksperimen lainnva.
Eksperimen ini akan menghasilkan 2a : 16 hasil sebagai berikut.

1.
2.
3.
4.
5.
6.
7.
8.

MMMM
MMMP
MMPM

9,

MPMM
MPMP
MPPM

PMMM
LO, PMMP
L1.. PMPM
L2. PMPP
L3. PPMM
L4, PPMP
15. PPPM

MPPP

16.

MMPP

PPPP

Masing-masing hasil eksperimen terdiri dari 4 kejadian yang bebas satu sama lairy sehingga
probabilitas terjadinya setiap hasil eksperimen merupakan hasil kali probabilitas masing-

masing kejadian, misalnya P(MMPM) : ppqp: (0,3)(0,3)(0,7)(0,3): 0,0189.


Aturan perkalian untuk kejadian-kejadian bebas dan aturan penjumlahan untuk
kejadian-kejadian yang saling meniadakan, yan1 sudah dibahas dalam Buku |ilid I, dapat
diterapkan di sini dan perhitungannya adalah

7P): P(MMMP) + P(MMPM) + P(MPMM) + P(PMMM) :0,0756


Tanpa memperhatikan urutan dari masing-masing kejadian, setiap suku dalam
P(3M dan

penjumlahan tersebut mempunyai probabilitas sebesar pppq : p3q. Dengan cara yang
sederhana ini, kita dapat menghitung probabilitas untuk mendapatkan sejumlah bola
merah tertentu sebagai hasil eksperimen.

Stotistik: leori

dm

Aplikosi

lilid 2

Selain dari cara yang diterapkan di atas, Anda dapat menghitungnya secara lebih
mudah dan cepat, yaiiu dengarl rtl.ggurlukan distribusi Binomiaiepabila X: banyaknya
botra merah dalam suatu hasil eksperimen Binomial, maka

x=iy,=fr,
i-"1

='-i * y, + yu + yn

Misalnya:

untuk MMMP,makaX = Yl + Yr+ Yr+ Y4:1 + 1 + 1 + 0 = 3


untuk MPMP, maka X : Yr + Y, + Y, + Y4 = 1 + 0 + 1 + 0 = 2
Dapat ditunjukkan bahwa apabila eksperimen (percobaan) dilakukan sebanyak 4 kali,
maka

:0,

7,2, 3, 4

Sedangkan, untuk n

kal|

X:0, L,2,

Apabila semua nilai probabilitas X sebagai hasil suatu eksperimen kita hitung, akan kita
peroleh distribusi probabilitas X dan disebut distribusi probabilitas Binomial.
p(x = 0) : p(pppp) : p(p)p(p)p(p)p(p) : (0,7)4 :0,2407

:
P(X :
p(x

P(MMMM) : p(M)p(M)p(M)p(M): (0,3)4 : 0,0081


z) = p3q + p2qp + pqpz + qp3 : 4puq : 4(OB)3(0,7) : 0,0756
4)

Terakhir kita dapat membuat tabel dan grafik distribusi probabilitas binomial tersebut
sebagai berikut.

:,X::i.i:

p(x)

rr.::lr:r]:::::.*

0,240r

0,41t6

0,2646

o5
0,4

0,0756

0,0081

0,3
0,2
0,1

Dari contoh soal di atas, kita dapat menyimpulkan bahwa dalam distribusi probabilitas
binomial, dengan r percobaan, berlaku rumus berikut,

Boh

Dislribusi Teoretis

Aturan umum permutasi dapat digunakan untuk memperoleh banyaknva


kemungkinan urutan yang berbeda, di mana masing-masing urutan terdapat / sukses,
misalnya x = 3 (:3 sukses): MMMP, MMPM, MPMM, PMMM.
Apabila suatu himpunan yang terdiri dari n elemen dibagi dua, yaitu x sukses dan
(n - x) gagal, maka banyaknya permutasi dari n elemen yang diambil x setiap kali dapat
dihitung berdasarkan rumus berikut.

l?;iet

'oC;,:,*

disepit,koffi der,l,ryfl p.g1i*1. ruffinkeniinasidarin


el,emen yang diarnbil x setiap kali).

*l{*,;;;1

Masing-masing probabilitas pada distribusi Binomial dihitung sebagai berikut.

p,{x\=

nl

iii'_ijifn"-

{2.3}

.r = 0, 1, 2, . . ., n; ni,! = n(n - 7)th - 2) . . .


in$at:$ 41,11,; ir'461 p0'+,l1*rf i;,r, orirt

1,

Dengan perkataan lairy probabilitas untuk memperoleh x sukses dalam eksperimen Binomial yang dilakukan sebanyak r kali sama dengan banyaknya kombinasi dari n elemen

yang diambil x setiap kali, dikalikan dengan probabilitas untuk memperoleh "sukses"
dipangkatkafl x, p', dan kemudian dikalikan dengan probabilitas "gagal" dipangkatkan
(n - x), q"*'.

(n-x)

\--VJ

Gagal

Sukses

p,(x) sebetulnya merupakan salah satu suku dari ekspansi Binomial (p + q)'

n:O,(p*q)o:
n:l,(p*q)':
n:2,(p+q)2:
n :3, (p + q)3 :
n :4, (p * q)n :

p+q
p2+2pq+q2
p' + 3p'q + 3pq2 +
p,

4puq

q3

* 6prq, * 4pq, *

q^

Pada umumnya (p + q)" mempunyai (n + 1) suku, yaitu

' ,P4"
Koefisien dari p3q (MMMP, MMPM, MPMM,

,C. :

:4

4l

3!(4

3)!

(4x3)(2x1)
(3)(r)(1x1)

7,
4n

PMMM:

4) dapat diperoleh dengan cara

36

Stotktik Teori dan Aplikui Jilid 2

Koefisien darip2q2 (MMPP, MPMP, PMMP, MPPM, PPMM, PMPM = 6) dapat diperoleh
dengan cara
4l

4v2: 2t(4_z)l
=

(4x3x2x1)
6(2)(1)(2)(1)

Termasuk koefisien untuk setiap suku

(p +

q)':

p" + npn-t
'r qt *

n(n:1)

prq'-'+
I t *... * --"12! ,n-2r2
xlfu-x)l'

rryq'-t + q"

p,(x) dari Rumus 2.3 merupakan fungsi probabilitas, karena

a)

p,(x) 2 0, untuk semua

b)

LP,@)

1,

r, sebab ,, '! ,, > 0 dan p'q' ' 2 O.


xl(n x)l

untuk semua

x.

Ingat bahwapr(x) merupakan salah salu suku dari (p + q)" karena

q:

(1

- p) maka

ZP,G):@+q)

:[p+(t-p)]

:(P*7-P)"
:7,
:1
iilffiq (OilTOH 2.1 Seorang penjual mengatakan bahwa di antara seluruh barang dagangannya
i.rK.[ yr"g dibungkus rapi, ada yang rusak sebanyak 20%.Seorang pelanggary membeli barang

'*

tersebut sebanyak 8 buah dan dipilihnya secara acak. ]ika X

banyaknya barang tidak

rusak (bagus) maka:

a)
b)
c)
d)

Hitung semua probabilitas untuk memperoleh X.


Buat probabilitas kumulatif.
Berapa probabilitasnya bahwa dari 8 buah barang yang dibeli, ada 5 yang rusak.
P(x < 5), P(2 < X < 5), P(X < 8), P(X > 4).

,f PENYIIISAIAN
{J toril perhitungan untuk menjawab

a)

danb) langsung dimasukkan dalam Tabel2.|pada

]ralaman berikut.

Untuk menjawab pertanyaan a), lihat p,(x). Demikian juga untuk b), lihat F(r).

: i) = P(X : 3)
'

=.,=t'
=,,
3!(8
- 3)r

(0,8)3(0,2)5

8.7.6.5.4.3.2,1,.

(0,8)3(0,2)5

3.2.7.5.4.3.2.7.

=
=

56(0,8)3(0,2f
0,009175 = 0,0092

(probabilitas untuk memperoleh 3 buah


barang bagus).

Bob

37

Dishihusi leorctk

Distribusi Probobilitos Binomiol don Kumulofifnyo (p

= 0,8, n = 8l

1(0,8)0

(0,2)8:

o,oooo

0,0000

8(o,s)1

(0,2)7:

o,ooo1

0,0001

28(0,8)2 (o,z)6

6,9911

0,0012

56(0,8)'(0,2F

0,0092

0,0104

70(0,8)4 (0,2)4

o,o4s9

0,0563

56(0,8)5 $,2)3

0,L468

0,2031

28(0,8)6 $,2Y

0,2s36

0,4967

=
8(0,8)7 (0,2)1 =

0,3355

0,8322

1(0,8)8 (0,2)o

0,1678

1,0000

p,(6):P(x

: 6) : At%

:
:
c) 5 rusak, berarti X:
P(X : 3) : p,(3) :
d) P(2 < X < 5) :
:
:

B'7

(0,8)6(0,2)2

'61' (o R)6(o ?)2

28(0,8)6(0,2)2

0,2936 (probabilitas

untuk memperoleh 6 buah barang bagus).

0,009175 = 0,0092,lihat jawaban a).

+ p,(3) + p,(4)
0,0011 + 0,0092 + 0,0459
0,4562

p,.(2)

2 buah barang bagus atau lebih

tetapi

I5;:ftJ:,jTil,":i,o"oan
P(X < 8) = 1,000 (probabilitas untuk mendapatkan paling banyak 8 barang bagus.).
P(X < s)

: r(5) :

p,(0) + p,(1) + p,(2) + p,(3) + p,(4) + p,(5)

-- 0,203l,lihat jawaban

b)

(probabilitas untuk mendapatkan paling banyak 5 barang bagus).

P(X>4)

1-p,(X<3)

: 1 - F(3)

1 - 0,0104
0,9896 (probabilitas

untuk mendapatkan paling sedikit 4 buah

barang bagus).
Apabila nilai n makin besar, perhitungan probabilitas Binomial sangat membosankan
dan memakan banyak waktu, sehingga dalam prakteknya harus digunakan Tabel Bino-

mial (lihat Lampiran 1).


Dalamtabeltersebut,n:16,danp:(0,05),(0,10),(0,15),...,(0,50).Apabilap>0,50,
maka persoalannya harus dibalik, yaitu menjadi x gagal dan (n - r) sukses' Dengan

demikian, peranan p bukan lagi menjadi probabilitas sukses melainkan probabilitas gagal.
Untuk n yang cukup besar dapat digunakan tabel normal.

Stotbtik: leori don Aplikwi Jilid 2

t,qpt

t-&#

(0NT0H

2.2 Suatu mata uang logam Rp50 dilemparkan ke atas sebanyak 3 kali.

banyaknya gambar burung (B) yang terlihat


p(probabilitas untuk mendapatkan B) : 712

B:sukses,E:gagal
Hitung p,(0), p,(1), p,(2), p,(3).

s:;;"H

PE]{YE|ESAIAN

irf,S
;,ffid#

n = 3, x:0,7,2,3, p :112,

7l (t
lz)ott lzlt

P.(0)= ,,s,

,..

,p "(7):

'/"

3l

1!(3

q:112

.,, (1" I 2)(1 l2)2 :

1)!

la

:318
"
-"- 2)1
- (rlz)2012)
p.(3): lL t, l2p(112)o :1lB

,p,(z):
t'

-.
2t(3
3!0!

Roto-rolo don Vorions Distribusi Binomiol

Kita mengetahui bahwa untuk mencari rata-rata

(pr),

kita menggunakan rumus

p: E(X) = 2xp,(x)
n!
:
.-x -n-x
=Lx
rr.rn-r11P4 ,

dimanax=7,2,3, .,ft.
Perhatikan bahwa X : ZYi : Yt + Yz + . . . *

Y,,

sehingga p (sukses) : p(1) : p


Y,: Il tll"
,,t"ot,",:"'
' [0, jlka"gagal", sehinggap (gagal) :p(0):1-p
E(Y) : 1(p) + 0(1 -p):p + 0: p, untuk semua i
E(X) E(IY,) : IE(Y,) : E(v1) + E(Y) + . . . + E(Y,)
: + p +*. . . + p
.p
r kali

di mana

-np
]adi, rata-rata dari distribusi binomial adalah np
Sedangkan untuk menentukan varians dari distribusi binomial, kita menggunakan rumus

var(X).il[
Var (Y)

-T;-.,

:il{ _rvff

Boh

Dklrihusi leoretk

:
:

L (y -

p)2 p(y)

- p)z(p) + (o - p)' (1 (1 - p)2p + pztt - p)


:p(1 -p)(1-p+p)
(1

p)

:p(l -p):pq
Var (X) : Var(IY;)
: I Var(Y;)
: V(Y) + V(Y2) + . . . + V(Y,)
:lq+pq+"...+pq:npq
ru

kali

]adi, varians dari distribusi binomial adaTah npq.


Dengan demikiary dapat disimpulkan bahwa untuk variabel Xyang mengikuti distribusi

binomial berlaku rumus berikut.


.:{ea}
{2.5a}
(2.Sb)

Catatan: o dibaca Sigma kecil,

d :

Sigma kuadrat,

I :

Sigma besar

2.3 Satu mata uang logam Rp50 dilemparkan ke atas sebanyak 4 kali, di mana
probabilitas munculnya gambar burung (P(B)) sama dengan probabilitas munculnya
gambar bukan burung P(E) : i. Iit, X : banyaknya gambar burung (B) yang muncul,
carilah nilai rata-rata (E(X)) dan simpangan bakunya (o) dengan menggunakan cara:
a) Perhitungan secara langsung.
b) Dengan menggunakan rumus E(X) : np, o : nTpq.
(0NT0H

PENYETESAIAN

a) d
E(X)

E(x)

E{X-E(x)}2
> xp,(x)

(0X+) + (1)(*) + (2Xfr) + (sXfl) + (+Xfr)


(0X0,062s) + (1)(0,2500) + (2)(0,3570) + (3)(0,2500) + (4)(0,0625)

1,964 =

Di dalam 4 kali lemparan, diharapkan

secara rata-rata memperoleh 28.

Var(X): d:t(.x-z)2
L (x@

2)2p,(x)

-Dz(fr) + (r -z)',(h) + Q-2)'(*) + (3 - 2)',(+) + (4 - D'z(+)

4(0,0625)
1

o:

"[:t

+ (1)(0,2500) + (0)(0,3570) + (1)(0,2500) + (4)(0,0625)

40

Stltistik: Teoil don Aplikosi lilid 2

b)

E(x)
d

np
4(1 l2)

npq

4(1 l2)(1 I 2)

1-+

o: Ji

=t

DISTRIBUSI POISSON

Kita dapat menghitung distribusi probabilitas binomial untuk percobaan dengan


probabilitas sukses (p) kurang dari 0,05. Namun perhitungan tersebut akan sangat tidak
efektif dan akurat (khususnya untuk nilai n yang sangat besar, misalnya 100 atau lebih).
Semakin kecil probabilitas sukses, distribusi probabilitasnya akan semakin melenceng.
Oleh sebab itu, dikembangkan satu bentuk distribusi binomial yang mampu
mengalkulasikan distribusi probabilitas dengan kemungkinan sukses (p) sangat kecil dan
jumlah eksperimen (r) sangat besal, yang disebut distribusi poisson.
Karena distribusi poisson biasanya melibatkan jumlah n yang besar, dengan p kecil,
distribusi ini biasanya digunakan untuk menghitung nilai probabilitas suatu kejadian
dalam suatu selang woktu dan daerah tertentu. Sebagai contolr, banyaknya dering telepon
dalam satu jam di suatu kantor, banyaknya kesalahan ketik dalam satu halaman laporan
banyaknya bakteri dalam air yang bersih, banyaknya presiden meninggal karena
kecelakaan lalu lintas. Distribusi poisson digunakan untuk menghitung probabilitas suatu
kejadian yang jarang terjadi.
Rumus untuk menyelesaikan distribusi Poisson adalah sebagai berikut.
'tr::i:.ii:,

,&S}ii

l(orokteristik don Proses Distribusi Poisson

Untuk lebih jelasnya, marilah kita lihat pada contoh distribusi kendaraan yang melalui
jalan bebas hambatan ]agorawi pada jam-jam sibuk seperti:
'1.. Rata-rata hitung kendaraan yang lewat pada jam-jam sibuk dapat diketahui dari
data lalu lintas terdahulu.

2.

Apabila jam-;'am sibuk kita bagi dalam detilg maka akan diperoleh:
a. Kemungkinan secara tepat sebuah kendaraan akan lewat setiap satu detik, dan
begitu seterusnya pada selang satu detik.
b. Kemungkinan dua atau lebih kendaraan akan lewat setiap satu detik (jumlah ini
kecil sekali) sehingga kita anggap sebagai nilai nol.
c. Banyaknya kendaraan yang lewat pada suatu detik tertentu tidak ada hubungannya dengan banyaknya kendaraan yang lewat pada setiap detik saat jam-jam
sibuk.
d. Banyaknya kendaraan yang lewat pada suatu detik tidak tergantung terhadap
banyaknya kendaraan yang lewat pada detik yang lain.

Bob

4t

Dhtilhusi Teoretk

Oleh karena itu, secara umum kondisi di atas dapat terjadi pula pada setiap proses.
Apabila kondisi di atas ditemui dalam suatu kasus,maka kita dapat menggunakan rumus
distribusi Poisson.
Misalnya seorang yang akan menjual mobil mewahnya memasang iklan pada suatu
surat kabar vang dapat menjangkau 100.000 pembaca. Dengan anggapan nilai probabilitas
bahwa seorang yang membaca iklan tersebut berminat membeli mobilnya sebesar p = 1l
50.000. ]ika dari 100.000 pembaca ada dua orang yang berminat membeli mobil tersebut
(p : 0,00002) dan X: banyaknya pembaca yang berminat pada mobil tersebut, berapakah
P(X : 0), P(X = 7), P(X :2), P(X:3), P(X: 4), . . .?
Persoalan ini sebetulnya dapat dipecahkan dengan menggunakan fungsi Binomial,
karena persoalannya hanya mencari probabilitas r "sukses" dari n: 100.000 eksperimen
di mana probabilitas sukses = p :1150.000. Akan tetapi, karena r terlalu besar dan p

terlalu kecil, fungsi Poisson dapat digunakan sebagai suatu pendekatan yang lebih
sederhana.

Apabila

1:

rata-tatadistribusi

E(X)

tW

H##

= 2, (secara rata-rata dapat diharap-

kan dua orang pembaca yang menanyakan keadaan mobil), maka setelah dilakukan
perhitungan, kita akan memperoleh tabel berikut.

= 0,13s3
p(L) = 0,2707
p{?) = 0'2707
p(3) = O1s0a

p$)

0,0e02

p(5)

0,0361

p(6)

0,01,20

0
1

p(0)

:
p(8) :

P0) =

p(7)

o,oo34
O000e
A,a002

Perhittrngan ini dapat juga dilihat pada Tabel Poisson (Lampiran 1I), di mana x : 0, 1, 2,
. . , 9. Misalnya, kita ingin melihat distribusi probabilitas bahwa 5 orang pembaca berminat
pada mobil tersebut (p(5)) dengan l- atau rata-rata distribusi : 2, perhatikan potongan
Tabel Poisson berikut.
.

42

Stltistik: Teoil don Aplikosi lilid 2

1,0

0,3679
0,367e
0,1839
0,0613

00153

0,0031 0,s36x
0,000s q0 20
0,0001 0,0*a*
0,0000 0;8009
0,0000 s"0002

0
1

7
8
9

3,0

z0
0,1353

04707
0.2707

q1804
0,$90r.

0,0498
0,1494
0,2240
0,2240
0,1680
0,n008
0,0504

4,0

5,0

6,0

0;1553

0,0067
0,0337
0,0842
0,1404
0,1755
0,L7s5

0,0025
0,0149
0,0446
0,0892
0,1339
0,1606
0,1606
0,1377
0,1033
0,0688

0,0183
0,0733
0,7465
0,7954
0,7954

0,1.042

0,1.462

0,021.6

0,0595

0,0081
0,0027

0,0298

0,1044
0,0653
0,0363

0,0132

7,0
0,0009

0,0064
0,0223
0,0521
0,0972
0,1277

0,t490
0,1490
0,1304
0,1014

Perhatikan kolom 2, dengan L : 2,0, telusuri ke bawah sampai ke baris x : 5. Kita akan
menemukan angka 0,03609 atau dibulatkan menjadi 0,0361. Artinya, probabilitas 5 orang
berminat dari 100.000 pembaca adalah 0,0361, probabilitas 6 orang berminat adalah 0,0120,
dan seterusnya.

Distribusi Poisson juga dapat digunakan untuk menghitung probabilitas dari x "sukses"
dalam n eksperimery yang terjadi dalam satuan luas tertentu, satuan isi tertentu, interval
waktu tertentu, atau satuan panjang tertentu, misalnya sebagai berikut:
a) banyaknya bakteri dalam satu tetes ai{,
b) banyaknya rumah terbakar dari 10.000 rumah yang diasuransikan selama bulan
Januari,

c)
d)
e)

f)

banyaknya kecelakaan mobil yang terjadi di depan Istana Merdeka selama minggu
pertama bulan Agustus,
banyaknya penggunaan telepon per menit,
banyaknya kesalahan ketik per halaman laporan tahunan, dan
banyaknya pesanan yang masuk per minggu.

2.4 Seorang pemilik pabrik rokok akan melakukan promosi penjualan rokok
merek A dengan iklan khusus. Di antara 1.000 batang rokok terdapat 5 batang yang
cliberi tulisan "Berhadiah" dan dicampur secara acak dengan rokok lainnya. Setiap pembeli

CONTOH

rokok merek A yang memperoleh batang rokok dengan tulisan "Berhadiah" akan
mendapatkan hadiah yang menarik.
Apabila X menyatakan banyaknya batang rokok yang terdapat tulisan "Berhadiah"
lari satu bungkus rokok merek A yang setiap bungkusnya berisi 20 batang, berapakah
-,.Y : 0) P(X : 1), P(X : 2), P(X : 3), P(X : 4)?

51rl

PtNYIIESAIAN

.,-rn.-LW-

banyaknya batang rokok per bungkus sebagai sampel acak

(batang rokok "Berhadiah")

= rtp :20(0,005)

0,1

p(sukses)

: # :

0,005

Boh

43

Distrihusi leoretis

Dari Tabel Poisson (Lanryiran

11)

kita peroleh:

pJxj

S;90ttB

0i090$ ,. 1.

S,q045 0;0W2 ,

$/0000

Probabilitas untuk mendapatkan 4 batang "Berhadiah" : 0,0000 (tidak mungkin),


sedangkan mendapatkan 1 batang "Berhadiah" = 0,0905 (>9'/o)
2.5 Seorang Kepala Bagian Kredit dari suatu bank beranggapan bahwa 4% dari
para nasabahnya merasa tidak puas dengan pelayanan bank tersebur. Kemudian 50 orang
nasabah dipilih secara acak.
CONIOH

X : banyaknya nasabah yang tidak puas.

Hitungp,(x),untukx:O,l,2,...,gdanhitungdistribusikumulatifF(x):P(X<x).
PEl{YEttSAtAN

Gunakan Tabel Poisson (Lampiran 1I) dengan

50,

),:

nP

50(0,04)

p,{x)

p6) *.,f(X s x)

0,1353

0,1353

0,2707

0,4060

0,2707

0,6767

0,1804

0,8571

0,0902

0,9473

0,0361

0,9834

0,0L20

0,9954

0,0034

0,9988

0,0009

0,9997

0,0002

0,ggg9

p,(r): A-e" x:0,7,2,...


)

merupakan fungsi probabilitas, sebab memenuhi syarat berikut:

a)
b)

p,(x) 2 0, sebab

i' ' _)'


r!

>

:1, untuk seluruh r.


^^
Bukti: ip.(x) : in'
^i,'
r-0

Zp,(r)

r=0

.tr1

Ststktik: leori don Aplikosi lilid 2

44

Bsb

: ,-1; L,t:
4

x=0

e-L eL

^"1

:1
)1

(lngat suatu deret: 1 + x +

;.

: d, secara limit)

Distribusi Poisson sering dijumpai dalam buku-buku riset operasi, terutama untuk
membahas Teori Antrian(QueuingTheory), sehingga makin menarik minat para pengelola.
Distribusi Poisson erat hubungannya dengan pengelolaan, sePerti kebutuhan perawatan
dan pelayanan terhadap suatu barang pada suatu periode. Atau untuk menghitung
distribusi kedatangan armada truk ke suatu gudang setiap selang sepuluh menit, dan
sebagainya. Distribusi ini disebut distribusi Poisson karena pertama kali ditemukan dan
dikeirbangkan oleh seorang Prancis, bernama Sim6on-Denis Poisson (1781 - 1840).
Menghitung Probobilitos dengon Distribusi Poisson

Berdasarkan contoh di atas, ternyata distribusi Poisson sangat erat kaitannya dengan
variabel acak/sembarang (random aariable). Apabila X (huruf besar) dianggap mewakili
suatu aariabel sembarang dan merupakan bilangan bulat, maka kejadian x (huruf kecil)
dalam distribusi Poisson dapat dihitung sebagai berikut.

P(x: x):P,(x):
),:
e:

x :0, 1,2,

rata-rata hitung suatu kejadian dengan selang waktu tertentu,


bilangan konstan Napier :2,71828
P(X : x) = p,(x): Probabilitas terjadinya suatu kejadian (peristiwa)

xl

= x faktorial = x(x

1)(x

2) . . .

1,.

Misalnya kita menjual trafo. Beberapa waktu yang lalu kita mengeluarkan 5 unit trafo
dari gudang untuk dijual ke pedagang besar (grosir). Apabila pimpinan menanyakan
bagaimana distribusi trafo tersebut, berdasarkan rumus Poisson maka kita hitung sebagai
berikut.
p,(x)

: I e-A di mana ,1, = lambda


" ,

-- rata-tata penjualan trafo per minggu.

Probabilitas untuk menjual 0 (nol) trafo:

(o)

50 e-5

0!

(1X0,00674)
1

p,(o) :0,00674

Probabilitas untuk menjual 1 trafo:


51 e'5
P,(l): M

(5X0,00674)

p,1) :0,03370 (Ingat 0! : 1! =


Probabilitas untuk meniual 2 trafo:

52

._ /a\

'

,-','..i""' '
P,(?)

-,.t

e-5

(25)(0,00674)

2l

=,0,08425

.{ nl. t. rl" \ ' ''

(2)(1)
'
:

1)

Rotc

l2

Esh

45

Distilhusi leoretis

Probabilitas untuk menjual 3 trafo:


e-"
p,(3):5'3t

p,(3)

rk
la.

an
:Ig
an
an

an

rili
:il)

(725)(0,00674)
(3)(2X1)

0,74042 (Lihat Tabel Poisson)

Untuk mengetahui berapa probabilitas penjualan untuk x :0,1,2, atau 3, perhitungannya


adalahP(0)+P(1)+P(2)+P(3)=0,00674+0,03370+0,08425+0,14042:0,26571'.P(x:
0 atau 1 atau 2 atau 3) : 0,26571, = P(X < 3) : probabilitas hasil penjualan paling banyak
3 unit trafo.
Misalnya, persediaan kita tinggal tersisa 3 unit trafo dair ingin mengetahui
kemungkinan permintaan yang lebih dari persediaan (sfock), maka

: 7 - p(Zke bawah) atau P(X > 3) : 1 - P(X < 3)


Jika P,(3 ke bawah) : P(0) + P(1) + P(2) + P(3) = 0,26511, maka
P,(3 ke atas) : 1 - 0,26511 : 0,73489.
]adi, probabilitas bagi permintaan di atas 3 unit trafo : 73,489%. Angka
P(3 ke atas)

ini cukup besa4


mengecewakan
lagi
agar
tidak
sehingga sudah selayaknya apabila persediaan ditambah

pelanggan.

Distribusi Poisson unluk Perminloon (Pembelion) Irofo

0,00674

afo
(an

gai

1.

0,03374

0,08425

0,14042

a,v552

0,17552

0,L4672

.7

0,10448

0,06530

0,a3628

10

0,01814

11

0,00824

Kebutuhan

11 ke

Kebutuhan 12 ke atas

12 ke atas

Rolo-rolo don Vorions, Distribusi Poisson


Dapat dibuktikan bahwa untuk distribusi Poisson,

E(X)

bawah

.P

= Z^ *p,(!) = L^
.rd
.r4

,rr,

:I"*-*,I,,[;.

:,r*

!.,t,,''

:,:,i,6*i:,**, :,'i
Jilt Tlrmur

Proflasl

Stotktik: leori don Aplikosi

46

)l
,fliEx.
*!{},."r::::r:
di,mdaai

':tK
,:F"

lilid 2

tE.el

= jurnlah kejadian sukses

= prolaliiitas te{adinya r
rata-rata distribusi
= konstanta Naperian (L77828)

rI g

i'a

6:

varians

DISTRIBUSI HIPERGEOMETRIK

Distribusi hipergeometrik sangat erat kaitannya dengan distribusi binomial. Perbedaan


antara distribusi hipergeometrik dengan binomial adalah bahwa pada distribusi
hipergeometrik, percobaan tidak bersifat independen (bebas). Artinya, antara percobaan
yang satu dengan yang lainnya saling berkait. Selain itu probabilitas "SUKSES" berubah
(tidak sama) dari percobaan yang satu ke percobaan lainnya.
Notasi-notasi yang biasanya digunakan dalam distribusi hipergeometrik adalah
sebagai berikut:

r i menyatakan jumlah unit/elemen dalam populasi berukuran N yang

l/ - r :
ni
x'.

dikategorikan atau diberi label "SUKSES"


menyatakan jumlah unit/elemen dalam populasi yang diberi label "GACAL".
ukuran sampel yang diambil dari populasi secara acak tanpa pengembalian
(without replacement)
jumlah unit/elemen berlabel "SUKSES" di antara r unit/elemen

Untuk mencari probabilitas x sukses dalam ukuran sampel n, kita harus memperoleh x
sukses dari r sukses dalam populasi, dan r - x gagal dari N - r gaga7. ]adi, fungsi
probabilitas hipergeometrik dapat dituliskan sebagai berikut.
N-,

'C, C*_,
p{*)==E=,0<x<r
di mana:
p(x)
t.,

probabilitas
L

sukses (atau ,iumlah sukses sebanyak

t2.$)

x) dalam r

percoDaan

N : jumlah

elemen dalarn populasi

Perhatikan bahwa terdapat dua persyaratan yang harus dipenuhi oleh sebuah
distribusi Hipergeometrik:

1.

Percobaan diambil dari suatu populasi yang terbatas, dan percobaan dilakukan tanpa
.

2.

(without replacement).
-pengembalian
Ukuran sampel n harus lebih besar daripada 5% dati populasi N (5'/o dari N).

Bob

47

Distilbusi Teoretis

Dari Rumus 2.9 di atas, perhatikan bahwa


rl
,C,
.l(, --

tt

"\(N - r)!
(r-r)!(N -r-n+x)!

Cr_,

,C,
di

N!

r!(N - r)!
'C, menyatakan jumlah

mana:

cara

x sukses dapat dipilih dari total r

sukses

dalam populasi.
n- -'C,
-, menyatakan jumlah cara n - x gagal dapat dipilih dari total -1,/ - r
gagal dalam populasi.
NC, menyatakan jumlah cara sampel berukuran n dapat dipilih dari
populasi berukuran N.

2.6 Sebuah anggota komite terdiri dari 5 orang, di mana 3 adalah wanita dan 2
laki-laki. Misalkan 2 orang dari 5 anggota komite tersebut dipilih untuk mewakili delegasi
dalam sebuah konvensi/pertemuary
(i) Berapa probabilitas bahwa dari pemilihan secara acak didapat 2 orang wanita?
(ii) Berapa probabilitas dari 2 orang yang terpilih adalah 1 laki-laki dan 1 wanita?
CONIOH

:*'fi
.S&J

PENYETESAIAN

distribusi hipergeometrik dalam kasus ini, dengan n:2,l'J =


jumlah wanita terpilih.

rciau dapat menggunakan

5,

r = 3 dan r
r

r(.r)

2, x

N-rn
,U

C,

(i)
oQ):
\'./ t'\Lr
- '"",
,C,

(+l&) = * :0,3
(rj;) t0

]adi, probabilitas 2 orang wanita terpilih adalah

'

0,3.

(,ir,)(
'ii:) = rl
rc, -=tffifl=#=*:o'6

(ij) p(l): '9, 'c,

Jadi, probabilitas terpilih 1 orang wanita dan 1 laki-laki

0,6.

DISTRIBUSI MULTII{OIWAI

Apabila pada distribusi binomial hasil sebuah percobaan hanya dikategorikan 2 macam
yaitu "Sukses" dan "Gagal", maka dalam distribusi multinomial, sebuah percobaan akan
menghasilkan beberapa kejadian (lebih dari 2) yang saling meniadakan/saling lepas
(mutually exclusiue). Misalnya ada sebanyak k kejadian dalam sebuah percobaary katakanlah
kejadian-kejadian 81,82, Br, . . ., B*. ]ika percobaan diulang sebanyak n kali dan peluang
terjadinya setiap kejadian B konstan/tetap dari setiap percobaan dengan P(Bi): P, untuk
i:1,2,3,...k, dan X1, X2,X3, .,Xrmenyatakan jumlahterjadinya kejadian BiQ 1, 2, . . . , k) dalam n percobaary maka fungsi distribusi multinomial ditulis sebagai
berikut:

Stltittik: feoil don Aplikosi lilid 2

48

I I I

rl
ct
mana:
: t|,.,:, :,:',: l,:r:rl

."

..

r'

a\i'aa'i: v ''rr
t}\1,/ *2t
t
: :i :i,i. ! I ti:r.:. r:;;:::: .

:'::. '': ::::::": "

pt, ?2, . .

;1,r1#*,*wlFeffi,,tffi
n

., ?r,

F$ilfi'&f

:dari
menyatakan jumiah percobaan

,Bg,r,', :

adalah probabilitas terjadinya kejadian 81,

;:f!

82,. . .,

B*

:,tata*an

i..a}'*,+,{n.r

}-

(L, -', 2}'r1rq, 1..'


"
;,,,

4l=4.3.2.1 =24

*Ii#*
;

C0i{T0H

2.7

Proses pembuatan pensil dalam sebuah pabrik melibatkan banyak buruh

*#rJ dan proses tersebut terjadi berulang-ulang. Pada suatu pemeriksaan terakhir yang
dilakukan telah memperlihatkan bahwa 85ft produksinya adalah "balk", 70/o ternTrata
"tidak baik tetapi masih bisa diperbaiki" dan 5/, produksinva "rusak dan harus dibuang".
]ika sebuah sampel acak dengan 20 unit dipilih, berapa peluang jumlah unit "baik"
sebanyak 18, unit "tidak baik tetapi bisa diperbaiki" sebanyak 2 dan unit "rusak" tidak
ada?

;':::ri,g PENYEIISAIAi{ Proses tersebut merupakan proses dari distribusi multinomial karena suatu
lM-# percobaan menghasilkan lebih dari 2 kejadian (dalam hal ini 3 kejadian).

Kita misalkan,

Xr :

banyaknya unit yang "ba7k".


Xz : banyaknya unit yang "tidak baik tetapi bisa diperbaiki"
Xs = banyaknya unit yang "rusak dan harus dibuang"

Dari soal di atas diketahui


xt:78, Xz:2 dan X. = 0 (syarat xl + xz + x3 :

pr:

0,05 maka:

p(78,2,0)

[--4]lto,asl',

= 190(0,85)18 (o,ot)
:0,102
jadi, peluangnya sebesar
Catatsn:0l

A,102.

(0,1)2 (0,05)0

n:20)

dan p,

0,85,

pz:0,7

dan

iob

Dktibusi leoretis

49

DISTRIBUSI NORI'JIAI

Di antara sekian banyak distribusi, barangkali distribtrsi nornutl merupakan distribusi y'ang
secara luas banyak digunakan dalam berbagai penerapan. Distribusi normal merupakan
distribusi kontinu yang mensyaratkan variabel yang diukur harus kontinu, misalnya tinggi
badary berat badan, skor IQ, jumlah curah hujary isi botol Coca-cola, hasil ujian, dan
sebagainya.

Kurvo Normol
Suatu variabel acak kontinu X, yang memiliki distribusi berbentuk ionceng seperti yang
diperlihatkan dalam Peraga 2.2, disebut variabel acak normal. Persamaan matematika
bagi distribusi probabilitas acak normal tergantung pada dua parameter, yaitu 1t dan o
atau nilai tengah dan simpangan bakunya. Fungsi kepadatan probabilitas normal dapat
dituliskan sebagai berikut.

f{x}

6\m ,,AG#)',untuk*<rs*,
1.

di mana: n :3i3.4L59
,
o = stmPansan baku

#-

{2.1L}

t2

vo-

rata-rata X

e :2,71828

Bila nilai-nilai

trr

dan o diketahui, maka kita dapat menggambarkan kurva normal itu

dengan pasti. Bagaimanapun bentuk dan ketinggian dari kurva normal sangat tergantung
pada dua variabel ini. Dalam Peraga 2.2 diberikan sketsa dua kurva normal yang mempunyai
dua simpangan baku yang sama, namun niiai tengahnya berbeda. Kedua kurva itu sama
bentuknya, tetapi berpusat pada posisi yang berbeda sepanjang sumbu mendatar.

Dalam Peraga 2.3 diberikan sketsa dua kurva normal dengan nilai tengah yang sama,
tetapi simpangan bakunya berbeda. Perhatikan bahwa kedua kurva itu berpusat di posisi
yang sama, tetapi kurva dengan simpangan baku yang lebih besar berbentuk lebih rendah
dan lebih menyebar ke samping.

Stutistik: Ieori don Aplikosi )ilid 2

50

t\: h

ffi

Dro K*uo No,*ol drngon /r,

lr.,

d, q *

o.

ol<cz

u.

lt2

Sementara dalam Peraga 2.4 menunjukkan sketsa dua kurva normal yang mempunyai

nilai tengah dan simpangan baku berbeda. Keduanya berpusat pada dua posisi yang
berbeda, dan bentuk yang mencerminkan nilai o yang berbeda juga.
Kurva normal mempunyai bentuk yang simetris terhadap rata-rata p. Bentuk kurva
normal sangat dipengaruhi oleh besar/kecilnya rata-rata pr dan simpangan baku o. Makin
kecil o bentuk kurva makin runcing dan sebagian besar nilai X mengumpul mendekati
rata-rata 7t, dan sebaliknya, bila o makin besar maka bentuknya makin tumpul dan nilai-

nilai X makin menjauhi rata-rata p.


Beberapa karakteristik distribusi normal adalah sebagai berikut:

1. Distribusi normal memiliki dua

parameter yaitu 1t dan o yang masing-masing

menentukan lokasi dan bentuk distribusi.

2. Titik tertinggi kurva normal berada pada rata-rata.


3. Distribusi normal adalah distribusi yang simetris.
4. Simpangan baku (standar deviasi) q menentukan

lebarnya kurva. Makin kecil o


bentuk kurva makin runcing. Dua distribusi normal dengan rata-rata p sama tetapi
dengan simpangan baku berbeda telah ditunjukkan pada Peraga 2.3 di atas.

5.

Total luas daerah di bawah kurva normal adalah 1. (Hal ini berlaku untuk seluruh
distribusi probabilitas kontinu).

6.

iika jarak dari masing-masing nilai X terhadap rata-rata p diukur dengan simpangan
baku q, maka kira-kira 68% berjarak 7o, 95% berjarak 2o dan 99/o be{arak 3q, atau
ditulis sebagai berikut:

iob

5l

Dislilhusi leoretis

1X I pt + 1o) : t 68% (68,26%)


P(1t-2oSX3trt + 2o) : X 95% (95,46%)
P(tt-3oSX31t + 3o) : x 99% (99,74%)
P(1t

1,o

Lihat Peraga 2.5.

Kurvo Normol dengon Skolo Bioso (,Y) don Skolo Boru

-l.zo

l, )o

(4

p io t, |,2o

68,26/o*i
95,467a+i

99,74%

Sebagai ilustrasi, diberikan data hasil pengukuran tinggi para atlet yang disajikan dalam
bentuk tabel dan grafik sebagai berikut.

Kumulotif dori linggi 100 0rong Ailel

154-155

0,03

0,03

1.56-r57

L2

0,12

0,15

1s8-1s9

Z2

0,22

0,37

L6W167

JZ

0,32

o,69

162-1.63
-t_64-t65

18

0,18

0,87

0,09

0,96

166-1,67

0,04

1,00

|umlah

100

1,00

Kurva fungsi normal teoretis sangat sempurna bentuknya dan sering disebut "ideal
Akan tetapi, di dalam prakteknya, hanya mendekati saja. Perhatikan bentuk kurva
empiris dari tinggi mahasiswa berikut, di mana bentuknya mendekati/menyerupai kurva
normal.
cLLrzte.".

Stotktik leori don Aplikosi Jilid 2

52

o,4

Frekuensi Relatif

0,3

Keterangan
= kurva normal
kurva mendekati normal

0,2
0,1

156

1.64

158

166

Untuk membuat histogram harus dibuat batas kelas yang sesungguhnya, mulai dari
kelas pertama 153,5 - 155,5 sampai dengan kelas terakhir 765,5 - 767,5. Setiap histogram
dibuai berdasarkan batas kelas yang baru tersebut. Suatu kurva yang diperoleh dengan
menghubungkan titik tengah dari puncak setiap histogram,disebut polygort fiequency.
perhitikan p"rugu di atas, kurva polygon mendekati bentuk kurva normal.
pertu diketahui di sini bahwa rata-rata dan varians distribusi normal adalah sebagai
berikut.

E({) =
var(x)= E{x

_L ,4+t'
Il*r;rrn

- ttf

I:.W

dx

,4#)'4,

12.121
i,1,

= oz

" ,,.

(r.13)

Fungsi distribusi atau distribusi kumuiatif dari fungsi normal adalah sebagai berikut'

F(x) = P(X s

xF

#J:

e l(#)'dr

t2,x4)
{?.15}

X : N(#, o) : fungsi normal dengarr rata'rata p,


o = ^,lo' = simPangan baku

Disftibusi Normol Boku (Stondorl


Setiap kurva normal, bentuk dan sebaran distribusinya sangat tergantung pada nilai p
dan o. Perhatikan Peraga 2.7. Luas daerah pada rentang r, dan r, berbeda antara kurva
I dan kurva II. Ha1 ini membuktikan bahwa luas daerah di bawah kurva sangat

oleh nilai 1"1dan o.


dipengaruhi
Adalah satu hal yang sia-sia untuk membuat tabel yang berbeda pada setiap kurva
normal dengan p dan o berbeda. Oleh karena itu, dikembangkan suatu cara untuk
mentransformasikan setiap hasil pengamatan yang berasal dari sembarang variabel acak

normalxmenjadivariabeiacaknormalzdenganlr:0dano=1'Artinya'variabelacak
normal z ini merupakan bentuk baku dari setiap variabel acak normal x sehingga

53

luos Doemh untrrk Ouo kuvo l{omol

pent elesaian setiap persoalan dengan I dan oberbeda dapat diselesaikan dengan satu
tabel standar.
Untuk mengubah distribusi normal meniadi distribusi normal baku (standar) adalah
dengan.ara menguran8i nilai-nilai variabel X denBan rata-rata p dan membagin),a dengan
standar deviasi o sehinS8a diperoleh variabel baru Z.

- x-lt
Variabel normal baku Z mempunyai rata-rata,u = 0 dan standar deviasi

,
tX- u\z 6'
LIZ- Llhl') - L(21 /l
= i=r
lo./

vdt\Z) =

Bila -r berada di antara


nilai-nilai ir iersebut.

:,
I'erhatikan Peraga

@!rr]s!

irr dan

r = r,, maka

lL -4 da"

o=

1.

(2.18,

variabet acak z akan berada di antara

z,

2-8.

Normnl

Asolion Hosil Tronsformq

o
/11- \.

,/ l:

(1,

li/

.-

Karena nilai-nilai antara irr dan :rr ditransformasikan ke :r dan :,, maka luas daerah
antara.rr dan:r, sama den8an luas daerah zr dan:,. DenSan kata lain,

2(r, <r<ir,)=PGr <z <:,)

ttoti/ili:

54

i don

ipllixi lilid 2

Untuk keperluan perhitungan probabilitas, luas kurva normal disamakan dengan

satuan (10012).

(urvoflormolP(--<Z<-)
Luas kurva sebelah

kiri iitik O = P(Z > 0)

=P(z=o)

:
Plza< z

<o\

0,5000

= P(o<z<zt))

Iadi, kurva berbntuk simetds. Dan luas kurva


sebelah kanan titik O = 0,5000 (= 50ri,).
Unhrk mencari berapakah lrlns,4 (lihat peraga di aias) atau P(0 < X < 1,96), daPat di8unakan
tabel Distribusi Nomal pada l-d,,tilr, lll, yaitu se'besar 0,,1750.
Untuk mencari luas A denSan menggunal<an tabel tersebut dapat dilakukan cara

berikut ini:
. perhatikan harga tertinggi yang membatasi luas tersebut, dalam hal ini adalah
1,96, dan uraikan menjadi 1,90 + 0,06
. lihat kolom Z pada tabel dan cari di mana letak 1,90
. setelah Anda menemukan letak 1,90 segeralah beigeser ke arah kanan dan
perhatikan perpoiongannya dengan kolom 0,06 (peipoton8an baris 1,9 dengan
kolom 0,05)
. pada perpoiongan tersebut didapatkan angka sebesar 0,47s0 yan8 merupakan
lms ,,1 atau P(0 s X s 1,96).
Seandainya tabel Distribusi Normal hdak tersedia, maka untuk mencad l"ds A atau P(0
< X < 1,96) harus kita hitunS dengan Rumus 2.15 yang meng8unakan integral terhadap
fungsi normal dan tntu saia tidak mudah. Tetapi denSan bantuan komputer hal ini bisi

dilakukan (lihat APLIKASI KOMPUTER di akhir bab ini).


(0llT0H 2.8 Dengan menggunakan Tabel Normal, hitunglah:
e) P(Z < 0,77)
a) P(0 < Z < 1,20) c) P(Z > -{,86)

b)

P(z > 1,54)

d) P\0.11 /

12) 0 rr Lq. 7.

BJ P(4,5 < Z <075)


ul

P|rpotongan antara barjs 1,2 dengan kolom 0,00 = 0,3849.


Iaat, P(0 < Z < 1,20) = 0,3849

I'erpotongan aniara baris 1,5 dengan kolom 0,04 = 0,4382.


)adi, P(Z > 1;A)= P\Z > 0) P\Z < 1,51)

= 0,5000 0,4382
= 0,0618

55

PrpotonSan antara baris O8 dengan kolom Q06 = O3051.


JadL P(Z > 4,86t,- P(o < z < 0,a6) + P(Z > 0\
= 0,3051 + 0,5000

c)

= 0,8051

Perpotongan antara baris O4 dengan kolom 0,03 = 0,166,4.


Prpotongan antara bads 1,1 dngan kolom 0,02 = 0,3586.
plo,43 < z s 1,12)= P(0 < Z < 7,12) P(0 < Z < O,43t

= 0,3686 - 01654

.)

0,,(3

@,
N\
0

Perpotongan antara baris 0,7 dengan kolom 0,07 = 02794.


P(Z < 0,77) : P(z < 0) + P(0< Z < 0,77)

= 0,5000 + 0,2794
= 0,7794

0,n

-/N
1,5

Perpotongan antara baris 1,5 dengan kolom 0,00 = 0,4332.


P(-1,5 Z < 0) = P(0 < Z < 1,5)

g)

0,4332.

Perpotongan antara baris 0,5 dengan kolom 0,00 = 0,1915.


Perpotongan antara baris 0,7 dengan kolom 0,05 = 0,2734.

/reN
ffil \
- -./ rffii.l
4,5 0

0,2022.

1,:12

P(4,5 < z < o,7s)= P(0 < z < 0,5) + P(0 < z < 0,75)
= 0,1915 + 0,2734
= 0,4649.

0,7

Perhatikan, untuk variabel kontinq termasuk normal, brlaku:

P(x=r)=0
P(a <

< b) = P(a <

< b)

I(x)=2(x< x)=P(x<r)

Dt (0t{I0H 2.9
E r) \ \ur, 01
Carilah P(11

b) x"N(4e)
Carilah P(

c)

r(b)

N(12,4, diletahui o

sX<14).

2<x<5).

N(24, 144)

Carilah P(124 <

x < s8,8).

F(a)

Shtid : hdi kn

56

Wi

ltid 2

PEllYEtSAlAil Tabel Distribusi Normal dibuat berdasarkan variabel Z yanS iuga sudah
dibakukan berdasarkan variabel X. Untuk menggunakan Tabel Distribusi Normal variabel

X harus diubah menjadi

dan harus dibakukan dah1tu (sta dardizd).

z=::-----L-Nlo,l)

'

6=

=2
UntukX=11

..,/%,.11 12

t4

-,14

+Z= 11-2 t2 = {,50

UnrnkX=14)Z= 14-12 -1
2
P(17 <

X<

= P(4,5 < Z < 1)


= P(0 < Z <0,5) + Plo <Z<1)
= 01915 + 0,3413
= 0,5328

L4)

{,50 0

d=

b)

"19

=3

x=-2 +z= + :J

X=5 >Z= 5-4


3

=-2
= 0'33

P( 2< X< 5) =P(-2<Z<0,33)


= P(0 <Z <2) + P\0 < Z <O,33)
= 0,4n2 + 0,1293
= 0,fi65

o=

c)

/'\

/ i \
,/i\ i >
.^ -l 12,4 24

5e,8

"1144

=12

X=17,4-Z= 17.4u- 24 = 4s5


X

5a.a

z.

fi'8 -

24

z-go

t2
P(L7,5 < x < 58,8\ = P(4,s5 < Z < 2,9O)
= P(0 < Z < 0,5s) + P(0 < Z < 2,90)
= 0,2088 + 0,4981 = 0,7069
i

2.10 Satu mata uang logam Rp50 dilemparkan ke atas sebanyak 4 kali,
banyalnyd Sambar burung (B) !ang muncul.
menlatalan
1fo1
C()|ToH

a)
b)
c)

i*

Hitunglah p(r), r = 0, 1, 2, 3, 4 dengan tungsi Binomial.


Buadah histoSram p(r)!
Dengan menSgunakan pendekatan tungsi normal, hitunglah p(r)l

PtIYfftfillt

a) x=0 +

p(0) = O062s
p(1) = O2s00

x=1 -t
x=2 + p(2\ = 0,3750
x:3 --+ p(3) = 0,2s00
X=4 ) p(4):0,0625

57

b)

Unh* membuat histogram, harus dibuat kelas-kelas

bar-u yang memuat X = 0, 1, 2,

3,4 sebaSai nilai tengah dari masint masing kelas. Kelas-kelas yan8 dimaksud ialah
{,5 0,5 sampai dengan 3,5 4,5

p:E(x\:np:ax i:2
o=.,[@=J4,<+,<+=1
Apabila X merupakan vadabel diskrit skali8us nomal kontinu, maka perlu diadakan
koreksi yaitu dengan menambah dan menturangi nilajnya dengan 0,5- Kelas-kelas yang
baru diperoleh brdasarkan koreksi tersebui.

Yu
P(X=0)=?(O,s<X<0,s)

rf 0.s 2,7.0.5 1)2)


!t

=P(2,5<Z<

1-,5)

= Plo < z < 2,5) - P\0 < z < L,5)


= 0,4938 - 0,4332
= 0,0606
P\X = 2) = p(2) = P(1,5 < X < 2,s)

=P(4,5<Z<0,5)
=2P(0<Z<0,5)
Plx

3)

p(31

= 0,3830
: P(2,s <

< 3,s)

:P(0,5<Z<1,5)
: P(0 < z < L,5) -

P(0 <

Z < 0,5\

P(0 <

z < L,5t

= 0,4332 0,1915
= 0,2417

P(x

a) = p@) = P(3,s <

< 4,5)

=P(1.,5<Z<2,5)
= P(0 < z < 2,51,

0,938

= 00606

0,4332

Stotittil t@ti don Aplkri l1li|2

58

Misaln_va, distribusi normal digunakan uniuk memperkirakan besamya probabilitas


bahwa X > 2. Dari Peraga 2.9, P(X > 2), berarti luas daerah kurva di sebclah kanan titik
(2.5) adalah:

Jadi,

Z=

P(z > 0,s)

P(x > 2)

0,5

=Plz>o)-P(o<z<o,s)
: 0,5000 - 0,191s

= 0,3085
\I.nurut distribusi Binomial:
P(x > 2) =P(X=3)+P(x =a)
= 0,2500 + 0,0625
= 0,3125
Dengan demikian, terdapat selisih sebesar 0,3125 0,3085:0,004 (0,412).
biasanya pendekatan ini menjadi lebih baik.

(ol,lloH

Untuk,

>'10,

2.ll

Scoran8 pemilik pabrik ban insin mendapatkan perkiraan mengenai ratajalan


yang dapat ditempuh (dalam 1000 km) oleh ban merek terbam, sampai
rata panjang
ban iersebut rusak. Asumsinya, ban iersebut dipergunakan secara rvajar dalam kondrsi
ialan yang relatif sama. Untuk keperluan tersebuL telah dilakukan pcnclitian terhadap
.100 ban merek baru
),an8 telah dipakai sampai rusak. Ada ),ang dapat mcncmpuh jalan
sepanjang 30.000 kilometer kemudian rusak, dan ada pula yan8 menempuh lebih jauh
Iagi.

Hd.ilr\, oi'djil.'n dalrr rrbel bpril


l,r,r:;r

ur

lrr llll rrr'ri.;r:

i(L

r,rrllii{l .ir lrj,r iiri,ir,'r li,il

B.nyaknya

Batas Kela6
(1000

kf,)

Nilai

TenSal

(rt$

Ban

r(xl=Pfi<r)

13-15
16-18

14

20

77

40

0,050
0,100

2t

20

50

4,1,25

21

23

7A

l),t75

80

0,200
0,150
0,100
0,075
0,025

19
22

28-30

.10

34-46

37

29
32
35

39

l8

10

lnn

ah

31

33

30

0,050
0,1s0
4,27a
0,150
0,650

o800
0,900
0,975

1,000

1,000

Dari data aslinya dapat dihitung rata-rata lalan yang dapai diiemPuh sampai ban rusak
yaitu 25.300 km, dan simpangan bakunya berdasarkan perkiraan adalah 6.100 km. Di
dalam soal ini, nilai perkiraan tersebut kita angtap sebaSai nilai sebenarn) a, jadi ,u: 25,3
dbu kilometer, dan d= 6,1 ribu kilonreier.

Deqan menggxnakan pendekatan distriblrsi normal, buatlah distribusi normal kumrilarif


(sebaSai pndekatan frekuensi kumulaiif). Kemudian buatlah Sambar kurl'a dari kedua
distribusi kumulatif terscbut-

59

PtnU$ lAX Agar

dapat menSSunakan Tabel Distribusi nomal, nilai vaiiabel


dibakukan dahulu mmjadi r'ila1 z (sta daftlized aormalt.

X p
o

harus

X-25,3
5,1

di man4 X = nilai tengah = ] (nilai batas bawah + nilai batas atas) dari kelas ttentu.
Saelah dilakukan perhitunga4 misalnya:

t4

25,3

11,3
6,7

=
F(-1,8s)

1,85

=P(Z<

=1
=1

1,85)

P(Z < L,85)


(O5mo + P(o < 2 < 1,85)

=1-(0,5000+04678)
= 0,0322

25-

26

25,3

6,1

o,7

-("1
=
F(O,111

0,11

= P(Z <0,11)

=0,5000+P(0<Z<0,11)
= 0,5000 + 0,0438

=0,
zs=
=

38

38

25,3

5,1

72,7
6,1

= 208
EQ,M) = P(Z < 2,O8)

=0,5000+P(0<Z<208)
= 05000 + 0,4812
= 09812 dan seterusnya
akan kita peroleh tabel dan $afik atau kurva sef'erti tampak pada Tabel 2.9 dan
Peraga 2.11 di halaman berikut.
Dalam praktk unhrk keprluan analisis, kita seriflg kali mernbuat suatu asumsi
mengiktti fmgsi normal. Cara yang
pating mudah ialah membandingkan ftekuensi hasil obseruasi dengan frekuensi yan8
diperoleh dari kurva normal. Apabila selisihnya tidak bedtu besar, asumsi tersebut dapat
bahvsa $ratu data hasil ekspe men atau hasil riset

thifik Wi

60

d@

Mlli

ll

Disriburi Normol l(umulolil d0n Frekuensi (umulofif

74

-1,85

0,0322

0,050

t7

1,36

0 8590

0,150

20

4,87

o,1922

0,275

23

o,38

0,3520

0,450

o11

0,5438

0,650

29

0,6l

0,7291

0,800

32

1,10

o8665

0,900

35

1,59

o,9441

0,975

38

2,O8

o,9812

1,000

125 \5,5 18,5 21,5 24,5 2\5 30,5 33J 35,5

39,5

Frekljsi kmulatil obsPasirlt


DcEibusi normal klmdatif obsNd a(r)

diterima. Cara lain adalah dengan menggunakan Uji Ketepatan Penerapan suatu Furrgsi
('I sl Coodxess o/ Fil), yaitu suatu cam yang lebih ilmialu dan akan dibahas dalam Bab 5.
Intat, bahwa dalam menSgunakan pendekatan normal pada variabel asti yang diskrit
harus dilakukan koreksi denSan jalan menambal atau menguranginya dengan 05 untuk
tiap nilai X, setungga bentuk variabel nomal baku Z adalah sebagai berikut.

6t

Cdtdtrrj

(X-0,5)- il

Pentapan vadabel asli diskrit den8an pendekatan normal lebih baik kalau
dimulai dengan 1Zs (= 13 - 0,s) dan berakhir dengan 39,5 (= 39 + 0,5).

(oilTotl 2.12 Berdasarkan tabel firkuensi di bawal ini, buatlah tuekuensi kurva normal,

Tohel Irekuemi

159
168 150

158

767

24

176

51

66

194

72

zu 273
22?

203

48

212

21

227

186

195

,ur

230

ah

300

dan gambarkan histogramnya.

Dari data asli telah dihitung E(x) =

= 7a4,3; dar. o = 14,54.

*1

4J

4Xy1115111X Haru. dibuar baras leld\ baru denSan menambal dan mengurangnya
dengan 0,5. Jadi, kelas pertama (15G-1s8) menjadi (149,5 158,5) dan kelas terakhir (222
- 230) menjadi (221,5 - 230,5). Kemudian kita hitung ftekuensi kurva normal untuk setlap
kelas.

/-1

- 184,3 -L8
14,54 74,54

14q.5

Pl),39 < Z < 0\ =

z,'

sZ<

rro _ _1Jv

P(0 < Z < 2,39) = 0,49L6

158.?.._184.J

74,54

. _2.ro

:4i
14,54

L,n\ =

.t,zz

P(

1.,77

Z,'

_ 203,1--184.3 lo,? )204q t)2


14,54 14,54

1',)

= P(0 < Z <

_ _t,zzu

Pll<z<1,32)=0,4066

0,4516

dd Ntk@

62

ll.Lid

'ldnil.l$ti

zs:

212,5

L84,3
74,54

4].
74,4

= Lszau = t,gt

P(0<z<1,94):0,4738

221,5

184,3

74,54

P(0 < Z < 2,56)

lL
14,54

= z,ssaqs = z,se

0,4948, dan seterusnya.

Sekarang perhatikan kelas ke-7 dari Tabel 2.10 dengan batas kelas 204 - 212. Setelah
dilakukan kor;ksi dengan mengurangi 05 terhadaP 204 dan menambah 0,5 teihadaP 212,
kita peroleh batas kelas baru (204 - 0,s) 1212 + o,5) - 203'3 - 212,5

Kemudian melalui pmbakuar! kita Peroleh 27 = 1-,32 dan Za = 1,94.


Luas <laerah kurva normal antara 0 0,132 adala}t0,4066 dan antara 0 1,94 adaial
0,4738 (dari Tabel Distribusi Normar). DenSan demikian,luas daerah kurva normal antara
2A3,5 - 272,5 = 0,4nA - 0,4066 = 0,0672.
Juga, apabila kita lihat batas kelas Prtama (150 - 158), maka setelah dilakukan
koreksi menjadi (149,5 - 158,5). Luas daerah kurva normal antara (149,5 - 158,5) = 0,4616
(0,4916) = 0,,1916 - 0,4616 : 0,0300. (Ingat tanda Z.llka -2, daralm)'a diberi tanda ).
Hasil perhitungan di atas krta s1lsun dalam rabel benkut-

'199

208

19F203

204-212

222 230

226

190

186-194

273-227

181

'172

163

154

'\77 185

16ut76

'159-r67

150 158

Ntlai

Teigan

230,5

22L,5

2',12,5

203,5

794,5

185,5

t76,5

1,67,5

15&5

149,5

Bit:s B.wrw
l

300

21

48

72

66

51

24

0,0100

0,0200

0,700

01600

0,2400

0,2200

0,1700

0,0800

o0300

p
6
14,5,1

1i14,3

1,000

0 9900

0,97A0

0,9000

0,7400

0,5000

0,2800

o1100

0,0300

=
=

3,18

2,56

1,94

1,32

0,70

0,08

0,54

'1,16

'1,77

1,39

0,4993

0,4948

0,4734

4,4066

0,2580

0,0319

0,2054

olno

0,4476

0,4916

l:1

1,0000*

0,0045

0,0210

0,0672

0,1486

o,2267

4,873

0,1716

0,0846

0,0384

1,0000

0,9954

0,9744

0,9072

0,7586

0,5325

0,2946

o1230

o0384

51)

25)

68\

(=

6')

20)

300'

1,35(- 2',)

6,3

20,16(=

44s8(= 45)

67,831=

7r,19\= 71.)

51,48(=

25,38(=

11,52\= r2',)

tg

tututk: bui dM Apllari tihl2

64

Keterangan Tabel Frekuensi Kurva Normal.

Kolom
Koloni
Kolom

(1):
(2):
(3):

Batas kelas yanS asli.

Nilai tenSah.
Batas kelas baru, dari kolom (l) yang telah dilakukan koreksi untuk
mengubah vadabel diskrit menjadi kontinu yaitu den8an menambah atau
menguangi setiap nilai batas kelas dengan 0,5. Misalny4

1s0-os=149,5

Kolom
Kolom
Kolorn
Kolom

(4):
(5):
(6):
(7):

158+05:1s&s

Angka 158,s bisa diperoleh dari 158 + Os (batas atas kelas pertama) atau
159 - 0,5 (batas bawah kelas kedua). Begitu juga untuk kelas-klas lainnya.
Frekuensi asli (=/).
Frekuensi rclabr \= ft = fln)
Frekuensi kumulatif (=r*).
Vanabel dari kolom (2) dibakuka lstr drrdiztd) denSan rumus:

-Xu
z7=
Kololn

(8):

203,5

184,3
14,54

1,32

dan seterusnya.

Luas daerah dari kurva vaiiabel Z = N(0,1), dari 0 sampai dengan Z.

sZ) =P( Z=Z s0) karena simetris (diperoleh dari Tabel Distdbusi
Normal).
Luas daerah kurva dalam setiap kelas, nilainya sama den8an selisih antara
nilai Zi dengan nilai Z(i 1).
P(0=Z

Kolom (e):

Misalnya untuk kelas 150 158 , 149,5 - 158,5 maka luas daerah kurvanya
adalah = -21 - CZ2\ = 22 4 = 0,4916 - 0,4616 : 0,0300.
Sedangkan, untuk kelas 185 194 r 185,5 - 1945 maka luas daeiah kurvanya
ad.alah = Za - Z^ = 0,2580 00319 = 0,2261 dan seterusnya.
Kolom (10): Distribusi kumulatif normal.
Kolom (11): Frkoensi no.mal.

65

m Berd0sork0n freluonsi obrervosi don Pendekohn llomol

I4o,5

lJ8) t6/.' tTbq tScr

194.5

20r,r 212.5 2215

?r0.5

fieku6.i rcl,tif{bmrasi

------ hklssi
DISTRI0USI |G|-|(UAI,RAT

ielatii sel'a8ai h6il Pndekatan dislrihusi nomal

Gi

$quorel

Distribusi kai kuadrat sangat ber8ma sebagai knteria unhlk Pengujian hiPotcsis mentenar
varians dan juga untuk uji keiepatan penerapan suatu runSsi (trst.qr.drcss olril) aPabila
di8xnakan untuk data hasil observasi atau data empiris. Dengan dcmikiar! kita daPat
menentukan apakah dist busi pendugaan berdasarkan sampel hiimPir sama atau
mendekah distribusi teoretis, sehintta kita dapat mnyimpulkan bahwa populasi darr
mana sampel itu kiia pilih mmpunyai dist busi yang kita maksud (misalnya, suatu
populasi mempunyai distribusi Binomial, Poisson, atau Normal).
Misalnya, sebuah dadu yang mempunyai 6 mata (mata 1, 2, 3, 4, 5, 6) dilmParkan
ke atas sebanyak 300 kali. Dalam jangka panjang, kita harapkan untuk melihat masing
masing maia tersebut muncul dengan frekuensi yang sama, yaitu masin8-masinS muncul
50 kali. Dalam prakteknya, tuekuensi mata dadu yanS muncul sekitar 50, walaupun dadu
itu termasuk ?i/ dice". Dengan menggunakan kai-kuadrat, kita daPat menentutan aPakah
suatu dadu dapat dikatakan'fn,'' setelah membandingkan frekunsi dad masing-masing
mata dadu tersebui.
Apabila Z, = N(O 1) = variabel normal dentan rata-rata 0 dan rarrans sdma dengan
1, arat E(Z) =0, o:= 1, maka jumlah Zr'? + Zrr + . . . + Zi sama dcngan 1"r densdn dcrajat
kebbasan (d.Srd.s

(rfr..do,,)

sebesar

l.

Apabila suatu himpunan ierdiri dari , variabel acak X = lxi|, di mana xi - N(1, d) uniuk
semua i (i = 1. 2, . . . ,1), maka kita dapat memperoleh variabel Z seperti yang dimaksud
di atas, dengan rumus

z.=x, ! - N$]),

i=1,2,...,n

,dnik lati At bil6i lilil2

66

Apdlnh \ans dimak.ud dcngan der.rjal lebPba-dn aldu '',',rr' /' l


' Mi"ahv; kita,limmia untuk menentukan 5 nilai X, yaitu Xl, Xz X, X, Xy di mana
syaratnya iudah ditentukan bahwa rata-ratanya, x = s. ladi, jumlah klima nilai x
tcrcebui adalah 25.
6, dal]. 14: 7,
Jika nilai 11, rz 13, dan ra kita tentukan misalnlra 11 = 4 r, = 5, 13 =
membuat
15
harus
iuml'h
maka nilai 15 tidai b;bas lagi unruk menentukannya Nilai
kelima nilai ir tersebut menjadi 25.
Dengan demikian, x5 =25 (xr + X, + x3 + X4) = 25- (4 + 5 + b + 7) = 3' Tadi x6
- J. Kira mempunyai 4lebebdsan (..rtu ldli ridal,di .inrara '' Prlrh.rn den8an LJtd lain
ha"yu -"-p""yui derajat kebebasan sebanyak 4 yaitu (5 - 1). Apabila harus menjlih
dari r elemin,-maka derajat kebebasannya : (fl 1). Di dalam soal ini kita hanva
memperkirakan satu pendu8a (= x), sehingga derajat kebebasan ada (n - 1)' APabila
harui memperkirakan t penduta, maka derajat kebebasan ada (n I).
lika ft =: 2, yaitu d dan , (t7 penduga dari,4 dan, Penduga dad B), dalam persoalan
regresi v = A + BX + , maka derajai kebebasannya (rt -2).
Bentuk kur\.a kaikuadrat sangat diPengaruhi oleh besar-kecilnva nilai drajat
kebbasan. Makin kecil nilai deraiat kebebasan, bentuk kurvanya makin mencenS ke
kanan (i[.at,] tur l/rr ri!/,i) dan makin besar nilai derajat kebbasan ('1 -.) -), bentuk
kurvanya makin mendekati bentuk tun8si normal. Kai kuadratmeruPakan tungsi kontinu
dan nillinya tidak prnah negatif Nilai rata ratanya makin meningkat kalau nilai derajat
kebebasan juga makin meningkat.

Cl**o ,Ir)

1qry

(lli(uldrql dry.l !g!!lq lellbqsql,r z-')

" Elxi)=P=o

12.21)

Rata-rata kai-kladrat dengan deraiat kebel,asan sebesar o adalah sama dengan

\ta+G'1l=d=21)

".
tz22l

6t
Untuk keperluan perhitungan nilai f, suatu tabel kaikuadrat telah dibuat menurut
nilai derajat kebebasan. Dalam tabel, deraiat kebebasan serinB dibri simbol ,, /, ata! ,'1
dan sring disingkat d.o.f. atau d.f. Datam membaaa tabet kaikuadrat, agar diPerhatikan
simbol (n;iasi);i bagian atas yang di8unakan dalam tabel tersebut. Tabel Kai'Kuadrai
memuat nilai l- dan b1*an nilai probabiliias seperti halnya tabel distibusi normalUntuk n > 100, distdbusi kai-kuadrat mendekati distribusi normal, di mana vaiiabel
Z sebagai variabel nornal baku dapat diPeroleh dengan cara bedkut.

densan nilai deraiat kebebasan yang berbeda dan tingkat Probabilitas yang
berlainan dapat dilihat dalam Tabel I yang dicantumkan pada |l],l4'ill]n lv'

Nilai

ftro

mtoto

Tobel

72

Misalkan {}= probabilitas bah*'a kai-kuadrat mnSambil nilai sama atau lebih besar dari
nilai y.nt terdapat Pada tabel L.i-kuadrat dcngan derajat kbebasan sebsar 1) Nilai kai
luadrdi dari tJbel dibcrr -rmbL,l l"

dan s: 10'" ma}..a luas daerah dari kurva kai-kmdrat berdasarkan Tabel Kar16.00.
Kuadrat terlcrdl di sebeldh lanan dan ( 6 .

lila r, = l0

Pot>1too)=0,10

LuasnYa 10i'. atau d = Ol0

Sebagian dari Tabel Kai-Kuadrat adalah sebagai berikuti


Dillrihrsl (ol (uodrol

w.

(o,9s)

sv/.

lW

E%

{0,50}

{0,10}

(0,05)

0,01

0,45

2,71

3,84

1,67

435

9,24

11,10

I6,00

18,30

29,3t

24,40
4O30

31,40
43,80

39,30

51,80

st80

IO

4,47

2A

12,10

9,34
19,30

30

2060

4{)

29,74

68

bdi dM tplikri liH 2


'oti'lik:

Tabel Kai Kuadrat memuat nilai hasil perhitungan kumulatif.


Misalnya dari Tabel 2.12, untuk derajat kbebasan sebesar o = 10, luas kurvanya
sbesar 90% terletak di sebelah kanan titik di mana
= 487 atau dad Tabel 2.8 dapat

i!!s I
p(x:>4,s7)-0,90
p(x:>e,3s),=o,so

Pkr>8,30)=0,05
Apabil; dua variabel acak. Q1 dan Qr, masing-masing mempunyai disrribusi kal
?1 dan r, derajat kebebasan, mal<a Q = Qr + Q, akan mempunyai distribusi

kuadrat dengan

kai-kuadrat dengan

, = rr + ?,, derajat kbebasan.


a.,: t..

a. =f ,,
O =Or+O,.

a:*

Misalkan sampel acak: X], Xr, . .

Itt.;

., X, berasal

dad populasi X = N(ll,

d)

5'^l ----::(x. - I). S r,rrians,amoel

Kira ingin menger.rhui benrut

di.rribu.i

,l ' ' l'\o.lo'o'

-1, 1,

x, I , lIJlS'

>(X, X)'?brikui ini:


l(x, - X)r =I(x,-p * p x)'= I{(xr p) (x-rr))l
= >l(x, - rF - 2( x - !)(x, p) + (t lrl

Skarang, perhatikan uraian

2(x

lngat bahrva

(x

= >(xr - t)'z- p) : konstan.

p)>(xr p) + n (t

p),

Perhatikan bahwa suku yang di tengah dapat disederhanakan sebagai berikut.

Karcn"

)x mru )x -,\

ladi.2(x - t) I(xi - !) = 2(X ..u)(2x,

=2(x

- p)(x zn(i - p)'1

= zn(X

P)(nx

np)

np)
p)

69

>(xr x), =>(x pY "(x p)2


DenSan demikiarL s'! rl1:(X,- XP
- pll
- n-lt _t- rx._pt2_nt*
' '
Kalau ruas kiri dan ruas kanan persamaan masing-masing dikalikan dergan (n
maka kita peroleh:

(n

l)S'?

- ttl - ,1lx - p)'


--'\.(4r:z r' lr - r)
=

>(x,

o )

Perlu diketdlrui:
N(0,1)
Jika X1,

X!

- 1)l&,

\"$)

I!--l - z, - N(0,1) dan dapat juga dibulhkan bahwa I , ,t' - z ol 'ln


ol'ln

...

, Xrnerupakan variabel bebas (suatu sampel acak menjamin hal ini),

* =>(x,
\o./

p)'=>z]

-.2 (x p\' -' -,


n
\o1G )

(merupakan distribusi kaikuadrat dengan


derajat kebebasan z, = n)
(merupakan distribusi kai-kuadrat dengan
derajat kebebasan r, = 1)

Dapat juga dibuktikan bahwa 1,' dan xr'? merupakan variabel bebas. Berda.sarkan Rumus
(2.25), mala dapdt disimpulkan bahwa:

f,

- r = kaikuadrat dengan derajat kebebasan sebesar ? = ,r

Penggunaan distribusi
pengujian hipotesis.

u$ntEUSt

1.

akan diterangkan dalam bab-bab bedkutnya, I&uBusnya dalam

Distribusi I dapat digunakan sebagai kiteria untuk menguji hipotesis,


a) Bahwa varians dari z populasi sama: d = {.
b) Bahwa rata mta yang t erasal dad beberapa populasi (lebih dari dua) sama:

/,

Distribusi F memungkinkan ahli ekonomi untuk menguji asumsi mengenai tepatnya


fungsi Foduksi" fungsi permintaan dan fungsi konsumsi untuk diterapkan terhadap
data empiris atau data hasil observasi; memungkinkan ahli pemasaran untuk menguji

Shtalil:

70

lfli

don

Allkri lld

pendapatNa bah$a hirga bera5 5ama dr beberaPa Pasar di lakafia, memunBkinkan 'hli
munBul hiPotesrs balrwa tidak acla perbedaan pengaruh yang berarri
iiset pirtarua"
"nrut
dari berbagai varietas; memungkinkan seorant ahli ekonomi untuk menbaji PendaPa.hya
bah$.a beb-erapa fakbr (variabel) tiaal mempunvri Pengaruh \ dnt berar h teLhadaP hasil
penjL'alao terliadap p-octuksi padi, terhadap l.nail rn Penerlmain devisa ekspor, lerhadaP
kenaikan GDt dan lain sebagairYa.
lika Q,: /:,. dan Q. = 7']. merlrPakan Yariabel bebas, maka variabel lil berikut
mempun),ai clistuibusi F dengan deraiat kebebasan .1 dan 1,:'

Q,,1,,
^" - o,1,, - tB)i::l
J.rd: di-tribu-i i

merLpJ-d'1

/.t.
r"'i,, "

d. n

\2.26t

;4i.

Distribusi F ini diiemukan oleh R.A. Fisher Pada awal tahun 1920 dan bergrna sekali
rer dari
c,.'e, prr, 're.e.rrch worle, JnLUI' nrerBuji hiPo e{- ncrten'r: 'Jr'Lr Pdr'rmr
i
/
drlam
berrul
lJbc
dr''rrbu'i
hcte-apa popu.r-i , eorh d.,,i 2i. li-he- membu"r
j.
Snedecor
direvisi
oleh
G'
1.. .F,
=t.x. tb,langan natural r = 2,718) Tabel n1i kemudian
I ,., 'neo,l'^r men\'l'ur i J'rlJm anlu- -ebJBai
o.ng.r -..r-e.rn.,r.'.
"F ritio" untuk menghormati Fisher.
Bentuk kuNa di;tdbusi F sangat ditentukan oleh nilai deraiat kcbebasan 'r dan -"r'
Apabila .r dan -c, nilain)'a kecil, kurva i mencent ke kanan' Makin bcsar nilai?ldan ',
tentut< t<ui'a men.feUtikurva disiribusi normal yang simetris' Untuk meneniukan njl'i
-r, dan |, serta nilai (lYaitu suatu niLai Probabilitas
F, terlebih dahulu harus diketahui nilai
bahwa \'ariabel r'mengambil nilai atau lebih besar dari f.a.,,,-) sebaSai berikut:

plf z Fd,,,.

{1

":)l
r.hel F Dada 1,,,r1l,,r,rr I memberilan nilai F uniuk berbagai nilai derajat ke'bebasan
(I: 0,05) Sebagian dari tabel
d.nsan tlnskat L.vakrnan qebe':r L .jrn 571, (G = 0,01 dan
itu ;dalah sebasai berikut.

I !nirI

5eItr!10

20

10

.1

6,0.1

5,96

5,6.1

180

3,20

3,15

3,84

3,44

3,3s

10

3,,18

3,07

2,9rJ

2,82

2,77

15

3,05

2,61

2,54

2,39

?,33

2,35

2,t8

2,t2

20

2,47

2,,15

: 20, i,- : 15 dan d = 0,0s, ctari Tabel 2.13 didaPat njlai F sebesar 2,33'
..r : Fo,onro.r;) = 2,33 seperti peraga berikut

N{isalkan .cr

iadi, Fd,,

6,39

71

l(u&o Di5[ibu5i

dengon u

15, don

d=

0,05

Selanjutnya, jika zrr =

1,0, 1)2 = 4 dan a = 0,05, nilai F<,,; .,) = Fo,osrro;! = .5,96.


Di dalam praktek, seing kali diperlukan nilai F sebagai batas bawah (kurva bagian
kiri). Untuk itlr perlu diperhatikan bahwa kebalikan dad I juta meruPakan i', namun
dengan derajat kebebasan yang ditukar.

Jadi,

Fq,,,

".1iika

dibalik, menjadi I1",;,ir.

= Iz(!. ,,,) atau

Fa(.,,

,,) =

atan lIia peroleh bentuk

DenSan demikian,

gambar berikut jni.


2.t

fliloi

B0l0s B0v0h Gebeloh

0,298

liri),

don 80los At0s

(sfuoh

koflon)

\btilk lP i kr

72
PentSunaan distdbusi
dalam pengujian hiPotesis.

DISTRIBUSI

aplikosi Lt'd 2

akan diteranSkan dalam bab bab sclaniuhya, khususnya

sclain dignn.rkrn LrniuL mengLrji s!atu hilrotesis jrig. untuk nrcFrtruit


jntor\nl
(nrl,,.11 ,(l,iJr,!. Biasanya, distribusi t digunakan untuk menguii
:ru1.llLgn..

Ili;tribusi

ilipotesis mengenai nilai parametet maksimal2 populasi (jika lebih dari 2, harus digllnakan
I), dan L:iari sampel yang kecil ls|r',ll "r,r,|i,' .r:,l. misalnva ,, < 100, bahkan sernrg kali '
< 30. Untuk /l yang cukup bcsar (,1 2100, atau mungkin cukup ,r > 30) daPat di8unakan
distribusi normal, maksudnya iabel normal daPat djgxnakan sebagai Pcngganti tabel t'
Distribusi t dapat ditunakan oleh pejabai Perbankan i'ang bertanggung jawab tentang
penrb.rian Lredrt, rnlsalnl a untul menguli PendaPahl)'a )'ang mengatakan bah$'a raiaiata mocial perL*ahaan ni'r"'ral pada tahun ztl00 sebesar RP 300 miliar; oleh seorang ahli
senam hamit untuk enSuji Pendapahrya baht'a ada perbedaan signifikan mengenai
rata-rata waktu scjak seorang ibu ]ang scdang hamjl merasa ingin nrelahirkan samprr
ba,vinya lahir sctelnh diberi latihan senam khusus; olch seorang ahli Pernasaran unruk
mengrji pendapatn)a bahwa kenaikan 11i1, biaya iklan nenyebabkan kenaikan tekanan
daral 0,25t;, oleh scorang ahli ckonomi untuk menguji PendaPatnva bahlva clastisitas
perminiaan ctari suaiu jenis barang adalah 0,75; oleh pejab.t PerPaiakan untuk nlentuji
ilipotcsis bahH'a pcnurunan tanf Pajak akan menaikkan Peneriman pajak; oleh Pejab'r
pemerintah untuk menguli pendapatbahrva kenaikanharga min,vak tidak mempengarthi
kenaikan harga pangan.
Apabita Z - N(0,1) = \'ariabcl normal dengan rata rata 0 dan simpangan baku 1, dan
I = k;i-kuadrai clengan derajat kcbebasan t,, maka variabel t dapat diPeroleh dentan

t2.2Bl

Ariin),a, funSsi mcmPunvai distribusi t dengan deraiat ke'btbasan sebesar .'


\'.irjrbel t drpat meng,rnrbil nilli nrg.liil nuLrPUn po\itlt. karena pada dasarn-va
\.ariabel t ini bernsal dari l ariabel normal, Padahal kita ketahui variabel normal selain
mengambil nilai positif juga ncgatif. Variabcl t ini iu8a nrcmpun)ai kurl'a.,van8 simeiri\
terhactap i = 0. Di dalam buku statisiik matcmatik, daPat ditunjukkan bahwa:
E(t) =

!-

0 (rata rata I = il)

Varians (t) =

Apabila

.' - :,

i,, -,

Va(r)

:.;

= deraiat kebebasan

I (se..ri linit)

'LLrcl t, reperij iatrcl distribusi no,mil, .tapat dlSrnakan untuk mcn.ari nilai varia1,el
t apabila nilai probabilitas o su(tah dikctahui, ataLr scbaliknYa. UniLrk rncnggunakan tahel
I h.rrus dileniukan tedebih dahulu besarnf'a rilai a dan .. Karena kurva I simchis, maka
kit. bisa mencari nilai i sebelah kanan titik O

73

ffiNfN)

[uflo Difiibueil

Sebagian dafi Tabel

t (yant

terdapat pada tdnpiran V) dtuenkar. di bawah ini sebagar

ilustrasi.

ffiRsebogionTohel

t-

Dari Tabel 2.14 untu]<

15,
"=
P(r>r,7sJ)- | = o')o 22

I22

P(r>2,131)ladi,

to,os

= 1,753, dan

,onr5

O,Os

Onl

W. - o.ozs tzSc.)

= 2131, untuk

= ls-

Dapat ditunjukkan bahwa { = Fr., artinya apabila f, dikuadratkan maka akan diperoleh
variabel I deryan deraiat kebebasan r,1 = 1 dan ?r, = r,.

Bukti:

t\,t,,
Ii, r",

. =l-3:l
l_,lxin )

o-f

stdtrttl:

74

h i kr

Aplikosi

lilid 2

z1

x;

t,

=4
x;"
=

'r

,. (terbukti)

Perhatikan suatu sampl acak

rata p dan varians

Ii

xl, xz, . . . , X,, berasal dari distribusi normal

dengan rata-

d.

= N(t, d), untuk

X, X, . . ,x,

semua i,

i=

7, 2,

. ,

merupakan variabel bbas.

Selanjutnya ditunjukkan bahi{a

,-x-P
.- ,/.t (x
merupakan distribusi

'.t,r,

r\in
s

t dengan derajat kebebasan t,: (r

x,.'cbdBdi pendugi

1).

o drn- \".

Drsiribu5i t ini dapat drgunaLin untul menguji hiPotsis mengenai rata-rata sebenamya
g, pla vrrian< or tak drl.ctahui dan tr nilainya kuranS dari 120 (atau sering kali ,1 < 30).
Nilai f tergantunt pada r, bukan pada o, karena untuk,t > 30, i mendckati nilai Z.
Sebelum menutup bab ini, pertu disebutkan kembali mengenai beberaPa hal yanS
penting, khususnya tentang sifat dad masing masinB distdbusi dan hubungann)': dengan

1.

I)iirribLrri Brnomi.rl ,ncLrrp:k.rn d,s1rh,c, Ji(krit. Variabel Binomial (x) mengambil


nilai 0, 1,2,...,,1. Distdbusi ini ditentukan oleh r = banyaknya percobaan
(eksperimen) dan f : probabilitas "sukses".
Apabila nilai a besar sekali dan p kecil sekali, disiribusi Poisson dapat diSunakan
untuk mendekati Binomial di mana l: trp. Disidbusi normal iuga daPat di8unakan
untuk mendekati Binomial. Distribusi Binomial selain di$nakan untuk menghitung
probabilitas terjadinya suaiu kejadian juga untuk diteraPkan Pada data observasi

:. l) (rriilu,Li

hritson ingd rn!rLrpik.n Llrqifii-.u(i ,i:ll.lri1. selain di8tnakan untuk

menghitunS probabilitas juga untuk diteraPkan Pada data observasi. Distdbusi Poison ditentukanoleh satu parameter !, yang meruPakan rata-rata daniu8a meruPakan
varians. Variabel Poisson (= X) mengambil nilai 0, 1, 2, . . . , *.
Apabila kita ketahui bahwa nilai X mempunyai distribusi Poisson dentan rata
rata,.r, kita dapat menghitung probabilitas terjadinya I sukses tanPa perlu men8etahti
x dan p. Di dalam hal ini, i snkses dapat te4adi di dalam suatu isi atau vol1ime,
misalnya ban),alnya pohon cengkeh yang tidak dapat berbuah dalam 10 hektar
kebun; di dalam suatu interval r{'akiLr misalnya banyaknya kecelakaan mobil yang
lcrjrdi .elamr I buldr. dar la.n .ebdcdin\d.

l.

Variabcl normal (=
l)istril.r ti rrornr,il, L.i-1.!.r.1r.r1. i. i nfr n | 1 \t rl r\ 1,,
X) dan t mentambjl njlai dari: sampai dcngdn -. Variabel I': drn F mcngambil
nilai dari 0 sampai dengan -, dan tidak pernah negatif.
Distribusi n;rmal dltentukan oleh dua parameter pdan d; t dan /'] diteniukan

oleh derajat kebebasan o, sedangkan

ditentukan oleh deraiat kebebasan

?)1

dan

?)r.

75

Semua distribusi normal dengan vadabel


Gtandon ntFal) sebagai benkut:

Nfu, o) dapat dibuat normal baku

7=I--1!-y6,,11
o.
a)

nomal yang dibakukan (Z), berguna untuk:


mencari nilai probabilitas dan dist busi nomal yant berbeda rata-rata dan

b)

mendekati distribusi Binomial dan Poisson,

Variabel

x"p

ld

Binomial: Z =

Xp
Poisson: Z: -"{n

c)

N(0,1)

"

N(0,1)

menunjutran / memuurtr.an tarwa

g;])'

>tx

x:'

likn z, + * (?, sebasai nilai deraiat kebebasan dari distribusi t dan kai-kuadrat), maka
diltribusi / dan I akan mendelnti normal. Jutd distribu5i f alan mendekati normal
iika ,r dan ,. mendelatj tdl lerhin8Sa. Apdbild 1 dan F tida]. men8ambil nilaj
negadf, maka tidak dapat dibuat normal baku.
Jika r mempunyai derajat kebebasan ., mala P mcmPunyai distribusi F defl8an derajat
kebebasan .,r = 1 dan ., = o.

t,' = rr,,

RINGKASAN RUMUS
Distdbusi Binomial

..

P,rt(t

E(x)

nl

= tttn x\t f

np d.anvar

(x\ =

npq

Distribusi Poisson
)' "_l

/,(.r)=+
E(x) = .ldan var

(E

Distribusi Hipergeometrik

ta N,a
P(r)

-=;j4

Distdbusi Multinomial

p(x"4to...,trl=

I'lx2lx

pi'pi'pl' ...p;r

111

3!

'l

sffitui&Itfi,!tfl2

t5
Diskibusi Normal

'tlrl=-2.d'
o.12fr

Jr:-Elr

E(X)=pdanVar(x)=d
Di6kibusi Nomal Baku

,- x-l!

o
E(z)=0danVar(Z)=1
frishibusi Kai-kuadrat

e)

- x-u
o

xl =Lz?,
i=l

i, \ o )
^'-z=i(x'-r\'
EA?) =

&

p=ndal.var(li]l=20

Di6hibusi F
Diperoleh dari rasio antara
En,o,

9.

(23,Y",\
=l.elrl

Distribusi t

Dpercleh dari

E(r) = 0 dan
10.

* ^-, *

Va{i)

II;
=

o-2

Hubungan antara distdbusi , dan E


t'2

F"

APLIKASI KOMPUTER
Dislribual Probabllliaa Variabl Dl.krll
Exc6l momiliki kmampuan rnerEhitlng probabllllas untuk bobrapa dlstlbuBl probabllli,as diskit
spd Blnomial, Pol8so.r, HipoEo.nt ik, dan lail}lain.
Misalkan kh ingin merEhiirng Flbaulfta6 dart disulbu6l ginomial drE6n
10 dan p=
0,3O alau dl.lngl(at BIN (1O; 0,30). Jlka Eobablllb3 yang akan dihilrrE adelah plDbabllltas leliadnya
suks6 sebanyak 4 kali (-r= 4) dad 10 prcobaan, maka langkatFlangkahnya adalah eebagai
bedkul:
Pll[l ilkosono delam lefitar keda (riol,tsr6ar) exc.l dimarE nilei pobabilitas ded dblrib(rsl
Enoanial akan muncul.

,=

1.

TI

2
3
4

Pilih menu utama INSERT

5.

Ketika kolak dialog berikllnya muncul,


N.{asukkan,ketik angka 4 pada kotak NUI\,'IBERS (menuniukkan nilai x= 4).
l asukkan/kelik angka 10 pada kotak TRIALS (menunjukkan nilai = 10).
Masukkan/ketik angka O,30 dalam kolak PBOBABILITY (menuntukkan nilai p = 0,30).
Masukkan/ketik FALSE pada kotak CUN4ULATIVE (FALSE memberikan nilai probabililas
lepat 4 sukses. Jika ketik TBUE akan mmbe kan nilai probabllilas sukses kurang dari alau
sama dengan 4).

Pilih menu FUNCTION


Ketika kotak dialog muncul.
PiIih STATISTICAL dAIi KOI K FUNCTION CATEGOBY
Pilih BINO[,4DlST dari kotak FUNCTION NALrE
Pilih NEXT,

tat

lar.' Nilai probabililas binonrlal yang dlinglnkan seara olomairs akan mtrncul pada kolak
VALUE di pojok kanan atas pada kotak dialog-

Piih FINISH dan probabilitas binomial akan tampak pada lembar kerla seperli yang lelah
dltenlukan pada langkah perlama.
Unluk menghitung probabilitas dari va abel diskr I lain seperti POlSSON DAN H IPERG EOI\,{ ETR|K,
maka langkahlangkah yang sama seperti di alas dapal dilakukan, ietapi pada langkah ke_4 pilih
POISSON aiau HtPEBGEoIi pada kolak FUNCTION NAME. Kolak dialog pada langkah ke-5
akan memberlkan petunjuk pada pengguna tentang nila -nllai paramater yang harus dimasukkan.

Disiribusi Probabilitas Variabel Konlinu


Untuk conloh aplikasi kompuler dalam penghitungan probabilitas variabel kontinu, akan digambarkan

langkah'angkah penghilungan probabililas dari distnbusi NOBIUAL, misalnya ).= ketahanan


sebuah ban rnob I merek baru (dalam km). Jlka Xmeng kuli dislribusi normal dengan l/ = 36.500
km dan s = 5000 kn, hilunglah probabililas Xleb h dari 40.000 km atau P()l.> 40.000)- Langkah_
langkahnya adalah sebagai berikut:

I
2
3
4.

Pilih sel dalam lernbar keta dl mana nilai prcbabililas akan ml]ncul
Pilih rnenu utama INSERT
Pillh nrenu FUNCTION
Kelika koiak dialog muncui,
Pi]ih STATISTICAL

dA

KOtAK

FUNCTION CATEGOBY

Pilih NOFMDIST dari koiak FUNCTION NAI,E


Pitih

NExl

Keilka kotak dialog berikutnya muncul


Masukkadketik 40000 pada kotak )r
Masukkan/ketik 36500 pada kotak [,4EAN
I\,4asukkadketik 5000 pada kolak STANDARD DEVIATION
Masukkan/ketik TBUE pada kolak CU[4ULATIVE
PiIih FINISH

Nila probabililas akan muncul pada selyang telah diteniukan pada langkah perlama yallu sebesar
0,7580 yang menunjukkan nilai probabililas Xkuang dari alau sama dengan 40.000. Dengan

dmikian, nilal P(X> 4ooo0) =


O,758O = 0,2420.
Unluk menghilung nilai probabilitas dar disiribusi variabel kontinu yang ain, pada langkah ke_4
pilih lungsi .air oada ko,ah FUNcrlo,\i NAIVE.

totinik:

78

ISTILAH PENTING

lvi kr W6i

:.\\!s\:!\\\l\.\i\\\\\\\\\\\S\\$\s\rsss\N\r\N{rRrsisss$qrN

Disttibltsi Probabilitas Binonial: Distribusi probabilitas dari X sukses dalam


eksperimen binomial yant dilakukan sebanyak n kali.
Disttibltsi Poisson: Distribusi probabititas yanS diSunakan untuk menghitung

probabilitas teqadinya kejadian menurut satuan waktu atau ruan8.


Distib si Hiperyeoraerik Distribusi Prcbabilitas yan8 digunakan unhrk mencari X
sukes dalam pengambilan sampel sebanyak n dart populasi N yant memuat /

Distribusi Mtlti oniati Distribusi Probabilitas dad Percobaan yanS meqhasilkan


lebih dari 2 keiadian yang saling meniadakan.
Distib si Norrnal: Distribusi probabilitas dengan bentuk fungsi yanS simetris dan
memiliki dua parameter yaitu p dan d.

& LATIHAN

PERTANYAAN
1.

\n.sNll\|\\\\\\\\\\\\\\\\\\\\\\N\\\sssN

dilemparkan ke atas 10 kali


plBl
p(8)
1/2
Jadi' p= 112 = probabilitas
coin,"
artinya
Uang tercebut merupakan'fair
=
=
sukses- Jika )r= banyaknya B, catilah nilai probabilitas be kuli
P \X>- 7)
P (x> 4\
P lX> 1), P(X<91
E = Bba\ aninya bokan B.
Satu mala uang logam Rpso yang mempunyai gambar burung {=

a)
b)
c)

Menurut seorang produsen, barang yang diproduksinya rusak lo%. Anda membeli5 buah barang

da

a)
b)
c)
d)
3.

produsen dan memilihnya secara acak \landodBerapa probabilitasnya bahwa satu barang Anda rusak.
Berapa prcbabilitasnya bahwa paling sedikit ada dua yang rusak.
Berapa probabililasnya bahwa yang rusak ada salu alau dua buah.
Berapa probabililasnya bahwa paling sedikit ada salu yang rusak-

Xmengikuli disiribusi Binomial dengan n = 4, p = 0,6

a)
b)
c)

Danqan menqgunakan angka_angka, iunjukkan bahwa distribusi Binomial r merupakan distribusi

probabilitas, yaitu p {,) > o, bagi semua


Tunjukkan bahwa EG) = ,p,
Tunjukkan bahwa vat \a) =
11 - A)-

r. :pA) =

1, untuk semua

r'

"p

Dua ratus buah radio dipilih secara acak sebagai sampel darisatu pab k Apab'la dikelahui 20ol"
produksi radio dari pab k lersebut rusak, berapakah probabilitasnya bahwa dari 2oo buah radio
aebagaisampel itu ada 35 sampai dengan 45 yang rusak, atau hitung P(35 < X< 45\l lPetunJnkgunakan pendekalan normal)
5.

P,Vt= L
Can PG=

a)

r=0, 1'2,3,....
1\,

Plx>

3)

Probabilitas bahwa suatu prodilksi barang rusak = p = 0,008. berapa probabilitasnya bahwa

suatu kotak yang berisi

1OO

buah barang akan terdapal di dalamnya satu atau lebih yang

79

b)

Seorang yang akan menjual mobrl memasang iklan di sualu sural kabar. Dia mengelahui
bahwa prcbabilitas seorang yang membaca iklan dalam surat kabar lersebul akan membeli
mobilnya sebesar p = o,oo2. Apabila pembaca iklan dalam sural kabar iersebut sebanyak
3.000 orang, berapa probabilitiasnya bahwa dari 3.000 orang teEebut ada:
nol orang yang akan membell (tak ada
salu orang yang akan membeli.
dua orang yang akan membeli
tiga orang yang akan membeli
empat orang yang akan membeli
lima orang yang akan membeli
lima alau lebih yang akan membeli
paling sedikit lima orang yang akan membeli

a.
b.
c.
d.
e.
L
g.
h.

7.

X= banyaknya sukses, sebagai variabel diskril. Hilung dislribusi probabilitas buatvariabelX kalau

n=10,p=O,1.

a)
b)
c)

dengan dislribLrsi Binomial


dengan dislribusi Poisson

cai

E\n danyatln,

masing-masing dengan menggunakan dislribusi Binomialdan Poisson.

= 10 dan va ans
Berapakah probabilitasnya bahwa Xlebih besar dari 8 telapi lebih kecil dai 13?

16.

8.

Variabel acak xmempunyai distribusi normal dengan rata_rata 4

Suatu pabrik baterai melakukan percobaan (eksperimen) unluk memperkirakan besarnya rala_rata
usia baterai (dari mulai digunakan sampai baterai rusak). Hasil percobaan tercebut diperoleh
sebagai berikul:

Batas Xeles

t sia Baleral

Oukn)

a)

Terapkan dislribusi nornral lerhadap


data hasil percobaan baterai, yailu
carilah lrekuensi menurul dlstribusi

b)

Gambarkan hislogram, baik ber_

{Banyaknya Batelai}

13-15

10

16 1a

20

19-21

40
60

22-24
25-27
28-30
31-33

dasarkan lrekuensi dala asli maupun


frekuensi nomal (dalam satu gamba0.

40

")

20
10

Bual frekuensi kumulatil berdasa*an


frekuensi dala asli dan ,rekunsi normal, kemudian gambarkan kurvanya
dalam satu gambar,

200
10.

L,pah mingguan karyawan perlsahaan asing mengikuli dislribusi normal dengan raia-rala g =
8p15.000, dan slmpangan baku \standard dev/attai) = ap3.5oo.
Kalau Anda berlemu denqan salah seorang karyawan lersebut dan perisliwa ini dianggap

a)

11

sebagai peristiwa acak, berapakah probabililasnya bahwa upahnya lebih besar dari Rp16 260?

b) Da sualu sampel acak sebesar,= 16, berapakah protabilrtasnya bahwa raia_rala upah
o;l
karyawan. rrelebil^r 8p16.260? (oeL'.,\ X NW,
a) Berapakah probabrllasnya bal,wa I leoih besar oali 43,733 tka v = 30?
b) Jika Kai-kuadrat dengan deraial kebebasan = 10, hiiunglah PA( > 3,24697) dar' PC( <
20,483)

12. Dikelahui Kaikuadral dengan derajal kebebasan


Hi\ong P CF > *,2O9)l
Hiiuns P (.,1 > 18,31)!

a)
b)

13.

Dikeiahui Kalkuadral dengan derajat kebebasan v


pergunakan pendekatan normal).

14.

/-

Jika X - N lp, d). p = ls, d = 9.


Bedasa*an suatu sampel acak sebesar

,-

10,

10.

128. Catilah P

bl > 162). lPetunluk.

!:

ttatitti\:

1=9, x2-20, x3= 16' X4= 13' x5='10' 4=21'


,\

b)
15.

7- t
s/in

Hiirn./=

a)
b)

s/r
n

den4=''

X7= 18,4=

1s,4=

\a=

17.

Yr':
'
1

*t
____irnempunyai dislribusi /dengan derajal kebebasan v=

L,4engapa

12,

l i dar Aplika\i )ifid 2

,-

1- (BuKikanl).

Dari Soal Nomor 14, hilung F, ,, .,= t2p t1


Jika Fmempunyai dlstrlbusi Fdengan derajai kebebasan { =5dan u2= 10- Cati adan b
sedemikian rupa sehingga P(F< a = 0,05 dan P(F< ,) = 0,95 dengan demikian P(a <

F< O

= 0,9O.

Petrn/t^

'*-- =!
t.

1\

lnoat bahwa

z\

p(F.

a\

"lr

E.

-l
_
1Pr1
.
,]
r.

16, Sualu perusahaan memproduksi 2 macam barang /dan 6 Ada dua orang salesman, kalakanlah
tL4 dar ttt- tttl menjual barang A, /4 nenjual barang A Sehma 9 bulan hasil penfuatan M
menunjukkan varians penduga sebesar d = 66 saluan, dan penjual /, menunjukkan varians
penduga sebesar fs= 44 satuan. Anggap bahwa vaians sebenarnya dari ; = varians sebenamya

yaitu o3 =

ln
--- ;-1)s'z

lnoal bahwa:
Dengan

dan
a)
b)

17

t'

(n I)si

den,kran oi
J

rn r)si
t; I dar _-Z-

fft,

r'- ", = )i,tu.


1r^ h,

Berdasarkan

da;

tersebul hilung

dl mana

Dengan derajal kebebasan yang sama yaitu


Lampkan), jika a= 0,05.

Jika vj

= v, = 15 dan o2R =

Hitung

f:(x)

6'?R,

hilung P (F =

, = 9.
v=n 1=a,catilahnlai

FdarlTabel F(lihal

> 2,4a)

18.

r9.

a)

dan

f:[x-

E:().)]'?(gunakan iabel).

Anda diberi tahu, barang yang akan Anda beli berasal dari gudang di mana diketahuijumlah
barang yang rusak 25ol". Anda membeli 5 barang dan memilih secara acak.
Jika X= banyaknya barang yang rusak.

Hilung: P (X= 3)
P lx> 2)

Plx<4)
P(1
=X<5)
p=

b) X= itLu,6),
Hitung P

c)

lX>

100,6=

1O5),

Gambarkan kurva p

10

P .X> 95), dan P Pa < X < 1O7).


(x), untuk ,y = o, 1, 2. 3, 4, 5-

,.., ,..s,
Fl'\ = 5r (55l r)r- ti'
li,
x = O, 1,2, 3, 4, 5a) Hilung E(x) dar, E lx E \X)1'z.
b) Kalau /= 5 +,{ hitung 6(4 dan EIY- ElYl2

8l
2'1.

X=

upah karyawan per bulan dalam rlbuah rupiah, mengikuti lungsi norma dengan rara-rata
sebesar Bp75 ribu dan deviasi standar Rp15 ibu. Saudara bertemu dengan salah seorang karyawan
Hitung: P(-Y>60),

22,

P160<X<8O), PIX>65), P (X< 85), dan PIX<90)-

"Serba Elisien" merupakan suatu organisasi penqusaha muda yang kreatif dan energik. Diketahui
bahwa modal para anggotanya berdistrbusi secara normal dengan rala rata (p) = Rp100 jula dan
simpangan baku (o) Fp25 jua.
Hitung probabiliias bahwa seorang anggota memillki modal:
Paling banyak Rpl20 jula.
Sekurang-kurangnya Bp80 juta.
Sekurang-kurangnya Rp85 juta, dan paling banyak Flp115 jula.

a.
b.
c.
23.

Suatu perusahaan memproduksi bolol untuk makanao dan minuman. Hasll produksinya menunlukkan
25% rusak. Seorang pelugas pengawasan mulu mengambil sampel acak sejumlah 5 botol.
Diketahui bahwa banyaknya botol rusak mengikuli disl busi binomlal

Hiiunglah probabililas bahwa bolol rlsak:


Paling banyak 4 buah.
Sekurafg-kurangnya 1 buah.
Leb'h besa'da- 0 da1 hJrang oan 5.

a.
b.
L.

24 x=

upah karyawan suatu perusahaan lribuan rupiah), rnengikuti iungsi normal, dengan rala-rata
Bp50 ribu sebulan dan deviasl standar Bp5 ribu.
Hilung: a) P(x> 60), PIX< 55), PIX> 45j.
b) Pl4o < x< 60), Pl4s < x< 60), Pl4o < x< 65)
c) jika ada 1000 karyawan, berapa yang upahnya leblh dari Rp45 ribLr.

25. X= NQ,6) dengan,4 - 100, o=


Hiiung: a) P(X > 95)

c)

op'.-.-\

P(95 <

X<

10.

b)

P(X <

105)

105)

G,na<a,. rabe, disrribLsi rorn'al. daningat

Z 4

Nrc,

1t

25. X=

upah karyawan per buJan dalam ribuan rupiah, meng kuli lungsl nomal denqan rala rata Rpso
ribu dengan deviasl standar Bps ribu.
Saudara berlemu dengan saiah seorang karyawan tersebul, dan Xmerupakan besar upahnya.
Hirunsr P(x> 60), P{4O < X= 6A), PW> 55\
P(X< 65), P\X < ss)

27.

Dikerahui xmempunya dislribusi normal dengan rata-raia = 20 dan deviasi standar = 4. Hilunglah
probabilitas bahwa rala-raia sampel Xyang didasarkan pada sampel sebesar = 64 akan:
meleblhi
melebihi 20,5
terletak anlara 19 dan
rnelebihi 25

a)
b)
c)

21

2l

meeblhi 18

28- [,lsa ,.- // (!, d) dengan ! = 50 dan o= 5


Hilung: a) P(x< 53)
b) PIX> 48)
c) Pl41 < X< 54)
29. Bata{ala jumlah panggilan teepon (telepon masuk)dimeja resepsonis

a.
b.

30.

d)
e)

sebanyak 48 kaliperlarn

Hitung probabilitas telepon masuk sebanyak 3 kali dalam selang 5 ment.


Hiiung probabilitas telepon masuk sebanyak 15 kali dalam 15 menil.

Penumpang pesawat yang datang di sebuah pelabuhan udara diasumsikan bersrlat acak dan
bebas. Rala{ata angka kedatangan dilempal pemeriksaan adalah sebanyak 1O orang per menil.
Berapa probabilllas lidak ada penlmpang yang dalang daam salr.r menit?
Berapa probab litas bahwa sebanyak kurang dari aiau sama dengan 3 penumpang yang
datang dalam saiu menit?
Berapa probabiliias lidak ada penumpang yang datang dalara 15 detik?
Aerapa probabililas paljng iidak salu orang dalang dalam 15 deUk?

a.
b.
c.
d.

9o r,*on ro, ,
l

tliloi Horopon don Vorions dori .f


Sesuai dengan nilai harapanyang sudah diteranSkan dalam Bab 2, maka nilai haraPan

dari

adalah sebagai berikut.

Tr
f(X)=ErIX,
n)
= 1:r(x,)

',l

="p
/sY \

\ar(X) = o!'\rl= Var g1


=

1:v-tx,l = ]io' * o'*... * o')


no'

L,

o2 = Var(X,

Rumu. oz L. rni hany. berlalu untul PoPUla-r )dng r.l lerbarJ'


Untuk populasi terbatas (r,rit.' ldl,,/lril(rr), harus diadakar koreksi, yaitu dikalikan
dengan "/n,ii.' fofr/rtrttt amttt rt' lf.y c),

(f. .) :

ladi,

i,

N,

'Nt
oi, = {N

rrl

6l

Men(qri Pendugo
- dengon ttletode "ltloximum Likeliftood"
Apabila / (x,, xr, . . . , x,,) meruPakan tungsi kepadatan bersama dari XI X2, " ,
X-, suatu sampel acak vang drambil dari suatu PoPulasi dengan p^arameter 0 yanS

tai diLetahur, ;ika talsiran atau penduga parameter 0adalah nilai 0, yang memb1lai
maksimum fungsi kepadatan bersama, suatu tungsi )'ang dianggaP sebagai tuntsi
x,, ]'ang tetaP
uitt!,kri':1r,ptitlsipdatiilalimumlikclihood,,rPdbil titttrPkr tLttt kl' LlttgaatL, ntah
toltilih t;',duRr valir tttttttt)unt Ynl'iltiljtrr ntuk ttklttlt ltll .r +\t vang diteliti tttLtLittl
Iika X1,
L(s)

Xr

..

., X, mcruPakan

=Ixl, xr,...,

x,,;6)

samPl acak, maka:

=-(x'i8)fl\te).
= II f(x,;

0)

frx,,;e)

83

n = phi,

simbot

g.A

mtuk perkalia& artinya

= (x,Xx,) . . . (x,)

4 merupakan tungsi odengan itl, x2, . . . , x, tetap.


m litelilr()()ri" u]ttuk parameter e adalah nilai 6 yang membuat

L(0) = tungsi "likelihood" untuk


Perrdugaar

"

0xi,r1

L(8) mai imL,m.

er<ori Pendugo P dori Dislribusi Bhorniol


Suatu eksperimen binomial terdin dari n percobaan yanS menghasilkan observasi
xr xz . . .,
. ., x,, di mana x, = 1, iika percobaan "sulses" dan x, = 0, jika
percobaan "gagal". Dengan menggunakan r etod,e "naxim m likelihood," cailah

x!.

penduga P.

PtltYtusatfit

perdugap, (p=o,i:6)
a_
L{p') - p^(1 p)' n, X - >x, - banyatnya sulseo.

fr

Kita intin mencad p yang membuat L (p) maksimum

!L@j - g. unt,1 mencari turunan L g), leb;h baik jika ura ambil
ln l(p)

=x

krp +

(n

-x) li

(1

-r)

sehingga

dhL(P\ x1 *{, x) 1=
p
,)p
l-p
!! = lr " -+ x - xp - np - xP -np p r-p
Nirai p yans memb'rar L (p) mal<simum ialah

ladi pmduga p dengan menggunakan metode ftaxinum

':

likelihoad

ah

di mana: X, = 1 (jika observasi sukses),


= 0 (iika observasi sasal).

ltleftnri

&ri

Distrfiuri llormd
Suatu sampel acak X1, Xr, . . . , X, berasal dad populasi yang mempunyai distribusi
nomat denSan rata-rata p dan variaru d.
Pendugo

don

flr,tp,d) - --i-1 e-!./-9'


" ' ',
Fungsi kepadatan bersama

-.X,.

,,

,_ ,
ft ",.1 >r,, _ri
p.
x,:
dt
t\ot
ft..x,....,
ltl 2trozo- l
Ca X dan 6':, sebagn pend.lga "maainunt liklihood" :Utrrtt:] p dan d.

84

,r'rrrr

rd b

HE,L

PfitY SlllX
Lotaritrna natural fungsi /rk?linood.

-!222o'
h2E - * rn o, - {21r, - r;,
EG\=E1!z(xt- rfr = *E t lxt- p- r

1n

L(A =

E(xr-

p --

pf;n

+pf1=x12try,-u-7 t ryt
-e I2$,- pf -2(x,- p)(X - p)+ (X -

EZ

--r

EE(x-rrl =ttEt(x-

pr)l

6t- pf =2E(\- ttf = t


E {E[ -2(xr-l)(X -,'rll = -2E t(X -r] E[(x,-p)]l
= -2E ll* - t\ lnx - ntlll
= J,tE l{X _ yyl = 2wl
= -zn4 = +d
pt)t.

xt(X _pfl

_o'=o,
tn
E

,{t(x - prl} = "+ - d

Iad;, (6,)

= f,lno. *

E(621

o, -

re

, o2 ,(.
rf--=.tll--l=-o

,
.L\o')

- ,r]

zo,

ll

\ n)
n-l o',
=
-

Apabila d'zdikalikan dmgan

fl-1

--1tr-l
, tr

kita peroleh

,, \ a-r
t-(^.
ld_ n- r,/
fl
n-l
\
-l=
-d'-=6'
d2 = 21 2(X, - X\'.:

62.n,=_!_!Xx,_Xt,
n- | n t 1
=

-t
ladi, S' =

;;->lxi

_-

- xY

merupakan penduga tak bias untuk

d.

Untuk slaniutny4 kita akan mmggunakan 52 sebagai pendu8a tak bias lmtuk

d.

Bob

85

Distilhusi Teoretis

il

flx, *r, . . .,

xn,

0) = flxr)flir) . . . flx,)
/ n \n

L(g) =,('*

,**" *

rn

r(e) = -n ln e -

fzx,

d00

-+IX,=n0-+e=iIX,:X
'n
agcngafl'#I g 4auii:metci$ waiim*n lrlrel+
Jadi, ,pryg;,u
1

/\

11

larah

6,#

fr-aRrKAN

sAtulpEt DAll

'E].DUGAA*

Tuiuon Beloior
Seteluh mempeloiori bob ini, Ando dihuropkon mompu:

.
.

menggomborkon proses don metode yong digunokun dolom pengumpulon dolo


menieloskon pr$es don metode yong digunokan dolom pengolohon doto

Bob

8t

Penorikon Sonpel don Pendugoon

ARTI PENARIKAN SATNPET ATAU SAMPI.ING

Dalam buku ]ilid I, kita telah memahami bahwa populasi dan sampel adalah dua aspek
penting dalam mempelajari statistika. Untuk menyegarkan kembali ingatan kit4 perhatikan
definisi dari populasi dan sampel berikut ini:
1. Populasi adalah kumpulan seluruh elemen/objek yang diteliti.
2. Sampel adalah bagian dari populasi.
Statistika pada dasarnya dapat dikelompokkan menjadi dua, yaitu statistika deskriptif

dan statistika induktif (inferensia). Statistik deskriptif telah kita pelajari pada buku ]ilid
I, sedangkan statistik induktif akan lebih banyak dibahas dalam buku ]ilid II ini.
Tujuan dari statistika induktif (inferensia) adalah untuk memperoleh informasi tentang
suatu populasi berdasarkan informasi yang diperoleh dari sampel. Apabila kita mengumpulkan data dari seluruh elemen dalam suatu populasi, maka kita akan memperoleh
informasi yang sesungguhlya, yang biasanya dikenal dengan istilah parameter, sedangkan
jika kita melakukan penarikan sampel (mengumpulkan data sebagian elemen dari suatu
populasi) maka kita akan memperoleh hasil berupa data perkiraan atau pendugaan yang
biasanya disebut stotistik (statistic tanpa s). ladi, statistik merupakan penduga dari parameter.

Berikut ini merupakan contoh penggunaan penarikan sampel mengenai informasi


populasi untuk membantu manajer atau para pengambil keputusan. Misalnya, sebuah
pabrik ban mobil membuat ban jenis baru yang diyakini akan memberikan daya tahan
yang lebih lama dibandingkan jenis ban yang sudah ada. Untuk mengevaluasi ban baru,
manajer memerlukan perkiraan dari rata-rata jumlah kilometer yang mampu ditempuh
oleh ban jenis baru tersebut. Pabrik memilih sampel yang terdiri dari 120 ban baru untuk
pengujian. Pengujian tersebut memperoleh hasil rata-rata sebesar 3.650.000 km. jadi,
3.650.000 km digunakan untuk memperkirakan rata-rata usia (daya tahan)bagi populasi
ban baru.
PENARIKAN SAIUIPEI. ACAK SEDERHANA

Beberapa metode dapat digunakan untuk memilih sebuah sampel dari sebuah populasi.
Salah satu metode yang paling umum adalah penarikan sampel acak sederhona (simple random sampling). Definisi dari penarikan sampel acak sederhana dan proses pemilihan
sampelnya bergantung pada apakah populasinya terbatss ffinite population) atau tak terbatls

(infinite population).
Contoh dari populasi terbstss adalah seluruh mahasiswa di Jakarta tahun 2007, seluruh
karyawan Bank Indonesia tahun 2007, seluruh kendaraan milik Pertamina, seluruh petak
sawah di Kecamatan Cibadak, Sukabumi, atau seluruh petani Kabupaten Karawang.
Populasi terbatas dapat dihitung mulai dari 1, 2, . . . , N. Sedangkan populasi tak terbatas
biasanya dihubungkan dengan suatu proses. Misalnya, proses produksi dari waktu ke
waktu (hari ke hari, bulan ke bulary tahun ke tahun), proses penjualary proses pelemparan
mata uang logam, dan sebagainya.
Suatu populasi dianggap tidak terbatas apabila proses yang terjadi dapat dilakukan
secara terus-menerus sampai proses itu dihentikan. Dalam hal ini, N tak terbatas nilainya.
Sebagian dari proses ini lalu dianggap sebagai sampel acak (rrmdom). Misalnya, produksi
barang A selama 10 tahun (X1, X2, . . . , Xrn); harga beras selama 12 bulan (X7, Xz, . . . ,
X,r); dan lain sebagainya.
Penorikon Sompel dori Populosi Terbotos
Sebuah sampel acak sederhana dengan ukuran
berukuran N didefinisikan sebagai berikut.

n yang diambil dari populasi

terbatas

t6

Stltistik: leori don Aplikosi lilid 2

Sampel A,cak Sederhana (Populasi Terbatas)


Sebuah sampel acak sederhana berukuran n dari populasi terbatas berukuran N

adalah sampel yang dipilih sedemikian rupa sehingga setiap kemungkinan


y g sama untuk,terpilih. l

rsampel berukuran n memiliki prolabilitas

Untuk memperoleh sampel acak sederhana digunakan metode yang disebut metode
penarikan sampel acak sederhana (simple random sampling). Cara penarikan sampel acak
dapat dilakukan melalui lotere/undian atau dengan menggunakan tabel angka acak.
Sebagai contol'r, misalkan terdapat 5 elemen dari suatu populasi (N : 5), yaitu X1, X2, Xy
Xo dan Xr. Sampel dengan n :3 (berarti 3 elemen) diambil dari 5 elemen yang ada.
Proses mengambil 3 elemen dari 5 elemen dapat dilakukan dengan:

a)

Lima potong kertas yang diberi nomor 1 sampai 5, dilipat dan dimasukkan ke dalam
kotak, lalu dikocok. Kemudian lipatan potongan kertas tadi diambil3 kali, dan tidak
dikembalikan lagi (without replacement) ke dalam kotak.
Kemungkinan hasil pengambilan adalah: X1, Xu Xu atau X2, X3, Xo atau kemungkinan
lainnya.

b)

Dicari'seluruh kemungkinan hasilnya (kombinasiny a), y aitu.


(1) X7' Xv X^
(6) X7, X2, X3

(2) Xl, X2, X4


(3) X7, X2, Xs
(4) X1' Xy Xs
(5) X1, X., X4

(7)

X2, X3, X4

(g) x2, x\, x5


(g) x2, x4, x5
(10) x3, xa x5

Apabila sudah diketahui kombinasinya, dalam hal ini ada 10 kombinasi, maka
diperlukan 10 potong kertas, diberi nomor 1 sampai dengan 10, dilipat, dimasukkan ke
dalam kotak, dikocok kemudian diambil satu. jika mendapat nomor 7 sampelnya X2, X3,
Xn jika nomor 9'. X2, X4, Xu, jika nomor 3'. Xy Xz, X' dan seterusnya.
Banyaknya kombinasi dapat diperoleh dengan rumus yang telah diuraikan dalam

Iilid

r.

N!

N=5,n=3,
5l
5.4.3.2.7
5L3-3!
(5-3X- 3.2.7.2.7

-r

r! (N - r)l'

10.

Cara a) dan b) hanya berlaku apabila jumlah elemen populasi sedikit, seperti di
dalam penelitian laboratorium atau penelitian mutu barang dalam pabrik. Penelitian
lapangan biasanya mempunyai nilai N maupun n yang cukup besar (ratusan atau bahkan
ribuan), yang mengakibatkan penggunaan cara a) dan b) kurang praktis, sehingga biasanya
digunakan tabel bilangan acak.
Sebenarnya contoh kasus di atas termasuk penarikan sampel acak tnnpa pengembalian.
Artinya, elemen-elemen yang sudah terpilih tidak ditempatkan kembali untuk bisa terpilih
kembali. jika kita menempatkan kembali elemen setiap elemen yang terpilih, maka prosedur
penarikan sampelnya disebut penarikan sampel acak dengan pengembnlinn Dalam prakteknya,

penarikan sampel tanpa pengembalian merupakan cara yang paling sering digunakan.

Bob

Penarikon Sonpel don Pendugoon

89

(oro Menggunokon Tobel Bilongon Atok


Di dalam Tabel Bilangan Acak (lihat Lampiran Vll), terdapat bilangan-bilangan yang dapat
digunakan untuk memilih sampel acak. Angka-angka pada tabel ini dihasilkan dari satu
proses pengacakan (dalam hal ini, oleh komputer). Setiap digit dari angka-angka tersebut
mempunyai probabilitas yang sama, baik angka 0, 1., 2, . . .9.
Misalkan 1000 orang karyawan dari suatu perusahaan akan diselidiki untuk
mengetahui berapa persen yang puas dengan gaji yang diterima. Untuk itu, 100 karyawan
dipilih secara acak. Perhatikan potongan Tabel Angka Acak pada Tabel 3.1. Untuk mulai
memilih karyawan secara acak, pilihlah salah satu angka sebagai titik awal. Misalkan
pada saat itu jarum jam menunjukkan pukul 04.15. Kita bisa saja rrrengambil ini sebagai
inisiatif untuk memulai pemilihan. Lihat kolom ke 4, dan telusurilah sampai bertemu
dengan angka yang ada pada baris ke 15. Angka yang tertera adalah 78351.. Karena hanya
ada 1000 karyawary ambillah tiga digit pertama, yaitu783 sebagai nomor karyawan yang
pertama terpilih. Kita juga bisa melanjutkan penelusuran ke mana saja. Misalkan kita
bergerak ke bawatu maka karyawan kedua yang terpilih adalah yang bernomor 280 (tiga
digit pertama dari28042). Demikian seterusnya. Angka yang dipilih tidak boleh melebihi
jumlah populasi, dan apabila terpilih angka yang sama, kita boleh melewatkannya saja.

27104 s4374 83559 ,75559


85694 38272 6926L 97632
77853 22702 28785 51676
86600 07664 89694 99067
26383 75987 54705 99067

901.59 12338 36248 65036 47393


94143 55827 37871, 82946 18894

26242
19132

45827 5821s 58503 437,29. 3122t 78476 78063 MO'14 67083

14321

02936 82362 73695 41692 19725 1,5049


51985 30784 95287 18448 91182 29728
9311.5 50695 57523 112t4 64728 88875

23011. s3152 15022 2359i 89899 37661 17709 99827 73371


28398 55932 20704 73t39 96574 23366 21128 21770 43886

99848 26278 14123 74472 97826 09721 00773 06158 65603


62758 510s8 48298 @557 72308 62076 05105 78524 39564
t,

l,

98136 36786 33878 ,13546, 72354 54715


18677 97088 89968 ,781-5q, 26378 51126
40571 59619 3413s 69444 45123 89t07
62454 42436 94025 '42132
52745 09096
j:

191t7 18929 544t4


83467 98723 85121
15229 49271 12864
53333 50151 48rc4

04328
17755
50979
31476
28663

04528 49891
44901 69374
94739 15749
32977 87833
30967 90195

16840
50891
77093
711.95

0't447

,,,:.

18303

23808
65568
1.0347
1.4321.

18308

23808
5s568

t,

16840 2804?, 94563


53891 gtor, 82014
36204 "697ffi, 52800
59846 :W235' 21867
60287 S0016 35t96

91678
89254
51098
84452
50923

34409
75771
43529

82675

51.947

20388

18865

99024
45405
59892

Di dalam prakteknya, pemilihan bilangan acak untuk memilih elemen pertama bisa juga
menggunakan "blind stab method", artinya dengan mata tertutup kita menjatuhkan pensil
yang runcing sehingga menyentuh salah satu angka dari blok, kolom, serta baris tertentu.
Kekurangan angka diambil dari sebelah kiri atau kanannya, kemudian bergerak dari blok
yang satu ke blok berikutnya.

90

Stotistik: leori don Aplikosi

lilid 2

Penorikon Sompel dori Populosi Tok Terhotos

Dalam beberapa situasi, populasi bisa tak terbatas atau sangat besar di mana untuk
keperluan praktis perlu diperlakukan sebagai populasi tak terbatas. Dalam praktek,
populasi yang diteliti dikatakan tak terbatas bila melibatkan sebuah proses yang terus
menerus sehingga pencatatan atau penghitungan setiap elemen dalam populasi menjadi
tidak mungkin dilakukan. Dalam pengambilan sampel dari populasi tak terbatas, kita
harus menggunakan definisi baru dari sampel acak sederhana. Dan karena elemen-elemen
dalam populasi tidak dapat diberi nomor, kita harus menggunakan proses yang berbeda
dalam pemilihan elemen-elemen sarnpelnya. Jadi, dalam kasus populasi tak terbatas, kita
tidak bisa menggunakan tabel angka random.
Definisi sampel acak sederhana dari populasi tak terbatas adalah sebagai berikut:

Sampet

Atak Sederhaas {Popwlasi Thk Tbrbatas)

$ebuah sampel acak sederhana dari populasi tak ter.batas adalah sampel yang

1.
2.

Setiap elemen yang terpilih berasal dari populasi yang sama.


Setiap elemen dipilih secara independen.

Sebagai contoh, anggaplah bahwa kita ingin memperkirakan rata-rata waktu tunggu
antara pemesanan makanan dan menerima makanan bagi pelanggan di sebuah rumah
makan selama jam makan siang. Jika kita menganggap bahwa populasinya adalah seluruh
kemungkinan pelanggan yang datang, kita akan sulit untuk menentukan batas jumlah

kemungkinan pengunjung. Untuk memenuhi dua kriteria diatas, maka kita perlu
menentukan batas waktu misalnya antara jam 11.30 - 13.30, sehingga populasinya adalah
seluruh pelanggan yang datang untuk makan siang. Kondisi kedua terpenuhi bahwa
pemilihan sampel pelanggan tertentu tidak mempengaruhi pemilihan pelanggan yang
lain.

DISTRIBUSI PTNARIKAN SAIUIPTI

Kita telah mendefinisikan variabel acak sebagai deskripsi angka-angka hasil dari sebuah
eksperimen. Jika kita anggap bahwa pemilihan sampel acak sederhana sebagai suatu
eksperimery maka rata-rata sampel X merupakan deskripsi numerik dari hasil percobaan.
Dari contoh penarikan sampel yang telah dijelaskan di atas, kita tahu bahwa ada lebih
dari satu kemungkinan hasil. Pada contoh di atas untuk populasi berukuran N: 5 dan
sampel yang berukutan n :3 diambil dari populasi tersebut, maka terdapat kombinasi
nilai-nilai dalam sampel sebanyak sC:: 10 macam kombinasi. Dari setiap kombinasi ini
dapat dicari nilai rata-ratanya ( f ). Iadi dalam hal ini, rata-rata sampel, x, merupakan
variabel acak.
Karena terdapat beberapa nilai x yang diperoleh dari 10 kemungkinan sampel, maka
rata-rata dari seluruh kemungkinan nilai X juga mempunyai varians dan distribusi
probabilitas. Karena berbagai macam kemungkinan nilai X adalah hasil dari sampel acak
sederhana yang berbeda, maka distribusi probabilitas dari X disebut distribusi penarikarr
sampel dsri i atau distribusi sampling 7
Dalam prakteknya, kita hanya memilih satu sampel acak sederhano dari populasi di
antara seluruh kemungkinan yang ada. Di samping distribusi penarikan sampel r, kita
juga mengenal distribusi penarikan sampel untuk proporsi (P).
.

Bob

9t

Pensriksn Sonpel don Pendugoan

Distribusi Penartkan Sampel dari 7


Distribusi penarikan sarnpel dari f adalah distribusi probabilitas dari seiuruh
kemungkinan nilai-nilai dari rata-rata sampel f
.

Niloi Horopon dori x

Nilai harapan dari 7 menyatakan rata-rata dari seluruh kemungkinan nilai-nilai 7. Nilai
harapan dari rata-rata disimbolkan dengan E(r ).

Nilai Harapan dari 7:

E(r):

(3.r.)

rI

di mana: E(r ) = nilai yang diharapkan dari variahel acak 7


,fi = rata-rata populasi

Pembuktian rumus tersebut dapat dilihat pada lampiran bab ini. |adi, dengan pengambilan
sampel acak sederhana, dapat ditunjukkan bahwa nilai harapan atau rata-rata dari 7
adalah sama dengan rata-rata populasinya. Dengan demikiary r merupakan penduga

yang baik bagi

yt.

Sampel acak sederhana


dengan ukuran n dipilih dari
populasi

Niiai r digunakan untuk


menduga nilai p

Ringkasan data sampel


memberikan nilai bagi ratarata sampel x

Vorions don Slondor Deviosi dori x


Sebelum menjelaskan varians dan standar deviasi dari

o| :
oi

7, pahamilah notasi berikut:

varians dari distribusi pengambilan sampel 7


standar deviasi dari distribusi pengambilan sampel

Stotkttk: Teori don Aplikosi

92

d
o

varians PoPulasi (sigma kuadrat)


standar deviasi poPulasi (sigma)

It=
N

ukuran sampel
ukuran populasi

Varians dan standar deviasi dari

T tergantung pada apakah populasinya

lilid 2

terbatas atau

tidak terbatas.

6,*

Populasi terbatas:
,,

:,ropal+i :tak:,,

d;=G

r$3)

fiv;Tr d \
l+l--*l
9r',i 1N-1\"/nj
,:
:::
.t::;- r'

Populasi terbatas:

:,,,' Fgpulasi

{3;2}

^n

atas1

Staidar Deaiasi d,ai T

,N-n: or,
\l*t
., (l'
t

i!..#

',, , r'6:'
0t = -'-

ltak.terP.'Etas:

(3rI
.i

,:

(3"s)

4n

Dalam hal populasi-terbatas'


Pembuktian rumus tersebut dibahas pada lampiran bab ini.
(sampling with replacement),
pengembalian
dilakukan-dengan
pengambilan sampel
iika
'""r"ti p"p"lasinya dianggap tak terbatas. Pengambilan sampel dengan pengembalian
berarti, ,.,1t yrttg sudatr terpilih dapat terpilih kembaii'
sampel dilakukan dengan pengembaliary
Jadi untuk populasi terbatas bila pengambilan
maka:
,)

't
O;--

O-

dan oi

^n

o
ln

ifficouror r.r
(samcontoh pengambilan sampel ac-ak sederhana tanpa pengembalian
i*(d;;r"",laaun
*
ditanya
perusahaanyang
pling without replacemeni). Mlsahya ada 5 orang karyawan suatu
'*"ig"rrui upah mingguan yang mereka terimi X : upah mingguan dalam ribuan rupiah.
Xt. : 5' Xz: 3' Xs: 4' Xq = 6' Xs: 7'
dengan pengambilan
Suatu sampel acak dengan rz : 3 diambil dari PlPulasi tersebut
sampel tanpa pengembilian' Hitunglah

ffi
-*

itlt:f,]t1l}"

9*i 5 poputasi
diPeroleh dari:

3 samper

kombinasi, Yang

N!
/NUr - rrl (N n)l
5L3

lt, I'rV ' o2

5l

3t (5 - 3)!
5.4.3.2'7
=-3.2.1.2'7

=10

dan ov

'

tanpa pengembalian akan menghasilkan 10

Boh

93

Penorikon Sonpel don Pendugoon

Sampel

X1, X2, X3

1.

X,:*(5+3+4):4

(5), (3), (4),

Xl, Xz, X4

Xr: i (5 + 3 + 6) = 4,67
Xr:3 (5+3 +z)=S
Xn: t (5+4+6):5

(5), (3), (6)


J

xy

x2, x5

-->

xy x3, x4

--+

X1, X3, Xs

--+

x., x^, x,

--->

X", X", X,

X2, X3, X5

-->

x2,

xa

x5

--+

xy xu

x5

10

Xu= 1(5+4 +7):s,23


Xu: t (5+6 +7):6

Xr:tQ+4+6):4,33
Xr:1(3+4 +7):4,67
Xr: I $+6+7):5,33
X,o: * (4+6+7):5,67

]adi, dari hasil di atas jelas bahwa X mempunyai nilai berbeda-beda yaitu Xt, Xz, Xy

...,

Xro.

Nilai dari parameter populasi pdan d dapat diperoleh dengan perhitungan berikut:
25
'u : J-$x, = l(s* 3+4+6+7\- =5

N;',

5'

1N
^
d:*irx,-p)'
N;'

7..: 5t(5-5)2+(35)2+(4-5)2+ (o-s)2+(7- sl't : f :z


o : tf = \12 :7,4742
X juga merupakan variabel, maka seluruh nilai x juga merupakan populasi
tersendiri dengan elemen sebanyak L : 11Cn, di mana ,C, menyatakan seluruh kemungkinan sampel dengan r elemen yang diambil dari populasi dengan N elemen.
Karena

Pada umumnya:

x:xr,x2,...,x7
Dengan demikian,
varians dari X.

iuga mempunyai parameter seperti

Px = tata-tata X

1 t

IX,
I X' = =
llv = -:^C, 'C,,L i=-t
ilt '
,
110
' sv

10
1. (

i]
12 14 15 15

-iotT-T-T-Tr
--l-r,r-l--

-5

"- 17\
3)-

150

30

d'an ozv

Stotistk leori don Apkkwi lilid 2

94

ladi,

trtU

l"tx:

dan

l-t,

trtV

sering ditulis sebagai E(X)

nilai harapan

(expected oalue)

dari X

o1

=+L(x,
-r,r)'
L i='l

+i(+ -5)' + (+ -5F + "'

(*

-s)',1

+t(-1F + (-0,33)2 + (0)2 + (0)2 + (0,33)2 + (7)'+


+

(0,33)2

#(t *

(-0,67)2

+ (-0,33)2

(0,67)21

0,109 + 0 + 0 + 0,109

+ 0,449 + 0,109 + 0,109 + 0,109 + 0,449)

0,33

Namun dengan menggunakan Rumus (3.2), kita secara langsung dapat menghitung o7,
yaitu:

r
'

N -r

6'

lJ-1 n
=5-3.2=2.2=1=0.33
5-1 3 4 3 3

Catqtan:

Untuk pengambilan sampel dari populasi terbatas, kemungkinan jumlah sampel


tergantung pada cara pengambilan sampelnya, apakah dengan pengembalian atau tanpa
pengembalian. Banyaknya sampel dengan r elemen yang diambil dari suatu populasi
dengan N elemen, adalah sebagai berikut.

a)

Denganpengembalian:

L=N"
Kalau l/ : 5, n : 3 -->banyaknya sampel - L :
Kalau N : 4, n : 2 -+banyaknya sampel : L :
b)

:
42 :
53

725
16

Tanpa pengembalian:

,-N!
L:NL,,:
Kalau N

nl

(N-r)!

:5, rt: 3 --> sC: :


5.4.3.2.7
"#,

:
Kalau l{ : 4. n :2- -+,C.
+-z:

3.2.7.2.7

10 (lihat contoh

di

atas)

2l (4 - 2)l
-44.3.2.7
2.7.2.7
6

;"t*t

(oNToH 3.2

populasi dengan ukuran N:4. Sampel berukuran n:2 diambil secara acak
i,""#,$Diketahui
i'ffi dari populasi
tersebut dengan cara pengambilan sampel dengan pengembali an (sampling
replacement)
with
Xt: 1, Xz:2, Xz: 4, X+: 5

\ob

95

Penorikon Sonpel don Pendugoon

Hitunglah F, Fv, o2, dan ox1. (Ingat pengambilan sampel dengan pengembalian dari
populasi terbatas dianggap pengambilan sampel dari populasi tak terbatas).
,-

;'iU*

PENYEI.ESAIAI{

eur"ryuknya sampel dari pengambilan dengan pengembali an, L

Sampel

x1,xl -+ Xr:t(1 +1):1

Xz -) X, : t(7 + 2) :1.,5
X.t, X3 -+ 4 : +$ + 4) :2,5
Xl,

2
a

15

-,
xz, X7 -,
Xz,X2 -+
Xz,X3 -+
Xz, X4 -+
x3, x.t -+
Xz, Xz -r
X3,X3 -+
x3, x4 -)
x* X, -+
X, X, -)
x4, x3 -+

76

x4,

X7,X4

4
5
6

7
8

9
10
11

12
13
14

Populasi: N

x4

-)

Xt:
1tr- nL"i

7,

4,

Xn:i(1 +5):3
Xu : tr(2 + 1) :7,5
Xu:trQ+2):2
Xr:iQ+g:3
X, : *(2 + 5) : 3,5
X, : i(4 + 1) = 2,5
Xro: i@ + 2) :3
Xrr:i@+$:a
Xrr: i(4 + 5) : 4,5
Xrr: L(5 + 1) : 3
Xrn: i(5 + 2) : 3,5
Xrr:

Xru:

q) =
1(5 +
tr(s + 5) :

+,s
5

Xz:2, Xs: 4, Xs: 5

_ 1\'Y

+2+4+5)

+(1

=3

:
:

+> (xi - tiz


+t tt - 3)2 + (2 - $2 + (4 -

3)2

+ (s

3)21

-,8

Rata-rata dari seluruh rata-rata sampel adalah sebagai berikut:

r(x) = px

Itx,
1

L+t,5+...+5)
=:(1
I6
1

=48

16

-3
Varians dari seluruh rata-rata sampel adalah sebagai berikut:

: N" :

42

76

g6

Stotistik: leori don Aplikon hlid 2

.L
o'-=i-t(x,-u-)2
t
' \'
L-'
^

= 76>(xi =

1,

16

3)2

{(1 -3)z + (1,5 -3)2 +

. + (5 -3)2}

20
16

1,25

Hasil perhitungan varians dari seluruh rata-rata sampel secara langsung, dalam prakteknya
jarang dilakukaru karena tidak praktis. Sebagai penggantinya, digunakan rumus sebagai
berikut:

,02
6i=An

=T
= 1,25
Apabila pengambilan sampel dilakukan tanpa pengembaliary hasilnya harus dikalikan
dengan ffi sebagai suatu koreksi, seperti telah ditunjukkan dalam contoh sebelumnya.

r.6

o* = troi" "Jn

merupakan "kesalahan baku" (standard error) dari X. Besar/kecilnya

nilai kesalahan baku digunakan untuk mengukur tingkat ketelitian dari X sebagai penduga
parameter p. Makin kecil nilai kesalahan baku suatu penduga, makin baik penduga
tersebut, artinya semakin teliti.

jadi, apabila X berasal dari suatu populasi dengan E(X) =


7 = |ZXi di mana E(X) : pd.an o| = * ++.

pr

dan E(X

- ti2 : d,

maka

Setiap perkiraan sebagai hasil suatu penelitian seharusnya disertai dengan kesalahan
bakunya (: standar deviasi suatu penduga), agar diperoleh gambaran berapa jarakl
selisih nilai penduga tersebut terhadap nilai harapannya.

DAI.II. BATAS IUIEflIUSAT DAI{ STATISTIK INDUKTIF

yaitu X, merupakan variabel acak, sehingga


mempunyai distribusi sendiri. Distribusi dari X disebut distribusi sampel dari rata-rata
atau distribusi sampling. Apabila suatu sampel sebesar r berasal dari distribusi normal
dengan rata-rata p dan varians d, maka distribusi X luga merupakan distribusi normal
dengan rata-rata p dan varians
atau ox =
uqn,6* adalah simpangan baku
"+ = +
(standar deviasi X).
Telah disebutkan bahwa rata-rata sampel,

Singkatnya,

jika

N(& d),

?:::i!:_X
varlans o

berdistribusi normal dengan rata-rata p dan


.

/ )\
t6-l
_
- Nltn)'
lt, : l, artinya X berdistribusi
\
/
dan varians d ln.

maka:

normal dengan rata-rata p

\oh

97

Penorikon Sonpel don Pendugoon

"-

X-u - l/(0, 1), artinya Z berdistribusi normal dengan rata,ro lln


rata 0 dan varians

1.

Distribusi Z disebut normal baku (standard normal), yaitu dengan rata-rata 0 dan varians

Dalil

,'

Batas

Mnnusat (Central L,imit

1.

Theorem)

Dal4ry.pemitrihansampel,aeak sederl-rqna dengan.ukuran a dari:suatu: populagi


yang berasal dari distribusi apapun (Binomial, Poissoru dan lain sebagainya),
maka aistriUusi aari rata-rata sampet dapat didekati dengan distribusi probabilitas
normal untuk ukuran sampel yang besar.

]ika g (theta) adalah sebuah parameter dari suatu distribusi populasi dan g (theta
topi) adalah penduga dari 0, maka untuk n menuju tak terhingga, atau untuk sampel
yang besar (n 2 720), 0 sebetulnya hanya mendekati normal saja. Akan tetapi dalam
prakteknya, kita dapat menggunakan Tabel Distribusi Normal untuk menghitung
probabilitas bahkan untuk n > 30 juga. Untuk n < 30, sampelnya disebut sampel kecil,
sehingga harus digunakan Tabel Distribusi f sebagai pengganti Tabel Distribusi Normal.
Sebagai ilustrasi, perhatikan kembali Contoh 3.2 di atas. Dengan N : 4, dan n : 2 di
mana .x1 : 1, xz: 2, x3 : 4, dan x+: 5, kita telah mendapatkan 16 kombinasi sampel

seperti yang ada pada halaman sebelumnya. Berdasarkan data tersebut, kita dapat
membuat Tabel Frekuensi Relatif dari X dan X seperti berikut ini.

;ifi1*ip$#4.i
I

lt6

2116
1116

2l16
4lL6
2lL6
1/16
2116

1lt6
1.61L6

Apabila frekuensi relatif tersebut digambarkan dalam bentuk grafik, kita akan
mendapatkan bentuk seperti dalam Peraga 3.2.
Dari Peraga 3.2 dapat dilihat, kurva p(r) sama sekali tidak normal, akan tetapi kurva

) mendekati kurva normal. Hal ini menunjukkan bahwa X mendekati normal


walaupun X tidak mengikuti distribusi normal, sesuai dengan Dalil Batas Memusat.
Berdasarkan Dalil Batas Memusat, apabila X : *>X,,yaitu rata-rata sampel yang
berasal dari suatu populasi dengan rata-tata p dan simpangan baku q, sedangkan Z
p( 7

Stttistik: leori don Aplikosi lihd 2

98

e(t)

4176
3116
2116
1.116

merupakan variabel normal baku (standard normal oariable), maka untuk bilangan konstan
Z, dan Z, di mana 27 < Zz, berlaku hubungan berikut.

P(Zt <

X-trt

;T]; .Zr):P(Zt<Z<22)

(sebetulnya tidak persis sama, akan tetapi hanya mendekati saja, khususnya jika n
atau mendekati tak terhingga).

""'"xft

jflJ

c*

-) e

coilToH 3.3
Suatu perusahaan penerbangan ingin menghitung probabilitas bahwa rata-rata berat badan
para penumpang dalam salah satu "jet" akan melebihi 155 pon, apabila semua tempat
duduk sebanyak 81 buah penuh (merupakan sampel, jadi n : 81).
Suatu pendapat mengatakan bahwa kalau seluruh penumpang "jet" diselidiki satuper-satu (sensus), maka akan diperoleh rata-rata sebenarnya sebesar p : 150 pon dengan
simpangan baku o: 21 pon. Berdasarkan keterangan ini, hitunglah berapa besarnya nilai
probabilitas bahwa rata-rata berat badan para penumpang "jet" lebih dari 155 pon.
PENYETESATAN

Untuk

X -755pon,Z = X-1t
tto lln
155

1s0

@t@
2,14

radi

P(x > 155)

:',{:ni:;:a"

]ika, besarnya probabilitas bahwa rata-rata berat badan penumpang melebihi 155 pon
adalah sebesar 0,01,62 = 7,6%.
Statistik Induktif (Inference\ ialah pengambilan kesimpulan mengenai nilai sebenarnya
dari parameter (yang dihitung berdasarkan populasi), yang didasarkan atas perhitungan
sampel, sehingga kesimpulan tersebut mengandung unsur ketidakpastian (uncertainty
factor). Artinya, kesimpulan tersebut bisa benar dan bisa juga salah. Hal ini disebabkan
karena data yang digunakan adalah data pendugaan/taksiran (dari sampel), yang
mengandung kesalahan dalam penarikan sampel (sampling error).

Boh

99

Penorikon Sompel don Pendugoon

Statistik induktif meliputi dua hal, yaitu teori pendugaan dan pengujian hipotesis
statistik. Ada dua macam pendugaan yaitu pendugaan tunggal (point estimate) dan
pendugaan interval (interoal estimate). Pendugaan interval dan pengujian hipotesis, akan
kita bahas setelah pembahasan Pendugaan Tunggal berikut ini.

TAKSIRAN (PENDUGAAN} TUNGGAT

Suatu penduga tunggal (point estimator) ialah pendugaan yang terdiri dari satu nilai saja,
misalrrya, rati-rata kbnsumsi susu per bulan tiap keluarga sebanyak 35 kaleng (X : 35
sebagai penduga dari p), atau pun persentase nasabah yang tidak puas sebesar 25'/o ( b
: 0,25) sebagai penduga P. X dan p disebut penduga atau estimator ,u dan p ya g
merupakan parameter.

Di bawah ini, akan diberikan beberapa penduga dan parameter, yaitu

Penduga:Xijsrb
Parameter'.
lt

di mana p (dibaca rho) adalah koefisien korelasi sebenarnya, dan B

adalah koefisien

regresi sebenarnya.
Satu parameter dapat mempunyai beberapa penduga. Berikut ini akan dibicarakan sifatsifat yang dimiliki suatu penduga.
Penduga tunggal (point estimator) merupakan fungsi dari nilai observasi yang berasal
dari sampel derlgin n elemen. Apabila penduga diberi simbol A (: thetu cap atau theta
Xu*".rpiku., suatu simpel acak, maka 0 : f (Xr, X2, . . ., X,).
topi) dan X1, xz: .,

Misalnya, apabila

:X:;L',
1

:l(x,+X,+
n'

+ X,,)

dan apabila
1_

o:S/
:

_I(X,-X)2
n|
1

',{(X'-Xf
n-1'
'

+(Xr-X)2+

+ (X,, - X)2)

maka nilai 6 akan berbeda-beda dari sampel yang satu dengan sampel lainnya. Seperti
kita ketahui, dari suatu populasi dengan N elemen akan diperoleh sebanyak K sampel
(lihat uraian sebelumnya). 6 merupakan variabel yang mempunyai distribusi sendiri.
Mudah dimengerti bahwa penduga yang baik harus terkonsentrasikan sedekat mungkin
terhadap^nilai parameter 0yangakan diestimasi. Misalnya ada 3 penduga dari 0, katakanlah 6r, Ar, dan Aryartg berlainan satu sama lainnya, dengan distribusi seperti terlihat
pada Peraga 3.3.
Dari P".rgu 3.3 dapat dilihat bahwa di antara 3 penduga, 0, adalah yang terbaik
sebab nilai estimasinya mendekati 0. Telah disebutkan di atas bahwa setiap penduga
merupakan variabel. Nilai salah satu variabel tersebut merupakan nilai taksiran/estimasi.
jadi, penaksir 6 menghasilkan taksiran/penduga sebanyakK, yaitu A1, 6rr, 6rr, . . . 6*

Stotistik: leoil don Aplikosi lilid 2

r00

f\e.)

Sifol'sifot

(a)

Pendugo
g
:9. Sebuah penduga
6 merupakanpenduga takbias Qmbiased estimator) dari jika E( A)
dikatakin takbiqsjika rata-rata dari seluruh kemungkinan sampel akan sama dengan
nilai parameter dari populasi yang diduga. Peraga di bawah ini memperlihatkan
penduga yang bias dan tak bias.

Distribusi penarikan
sampel dari 0

Distribusi penarikan
sampel dari 0

E@)=e

(b)

0)

g
0 merupaka n pendtLga konsisten (consistent estimator)bagi 0 apabila nilai cenderung
mendekati nilai parameter 0untuk r (besarnya sampel) yang semakin besar mendekati
tak terhingga (n -+ *).
lebih
Jadi, ukuriir sampel yang besar cenderung memberikan penduga titik yang
kecil.
sampel
ukuran
dibandingkan
baik
x merupakarrpenduga konsisten dari lt, sebab apabilan -+ N, maka X -+p. Dari
contoh ini jelas, apabila n : N maka X : #.
52

(c)

E(

: +r(xi- X)'

merupakan penduga konsisten dari

d: *r(x,-

p)'.

6 merupaka n penduga yang efisien (efficient estimator) bagi g jika penduga 6 memiliki
varians itau standar deviasi yang lebih kecil dibandingkan dengan penduga lainnya'
Apabila ada 2 pendu gayangtak bias 6, dan 0, di mana varians atau standar deviasi
diri pendug, 0, l"bih kecil dibandingkan varians atau standar deviasi penduga 0r,
mau e, relatif iebih efisien dibandingkan dengan 0, (Perhatikan Peraga 3.5).
yang cukup (sufficient estimator)bagi 0 apabila 6 mencakup
seluruhlnformasi tentang 0 yang terkandung di dalam sampel'

(d) 6 merupakanpenduga

Bsh

t0l

Penarikon Sonpel don Pendugoon

Distribusi penarikan
sampel dari 0,

Distribusi penarikan
sampel dari 0,

e
Parameter

Varians penduga 0, l"bih kecil daripada 6,

Sedangkan untuk mencari penduga, ada beberapa metode yang dapat digunakan
seperti rnetode "momen" dan metode'maximum likelihood'. Salah satu contoh metode
maximum likelihood telah diberikan pada Lampiran Bab 2.

IA|(S|RAN/PENDUGAAN

TNTERVAT

Dalam prakteknya, pendugaan tunggal yang terdiri dari satu angka tidak memberikan
gambaran mengenai berapa jarak/selisih nilai penduga tersebut terhadap nilai sebenarnya.
Kecuali jika diberikan besarnya kesalahan yang mungkin terjadi. Misalnya, apabila sampel
suatu perusahaan diselidiki dan memberikan nilai penduga modal (= XDebesar Rp100
juta, berapa nilai rata-rata modal sebenarnya (: tt)? Kita tahu bahwa lX - pl = s(e :
kesalahan). Itulah sebabnya sering digunakan pendugaan interval (selqng) yaitu suatu
pendugaan berupa interval yang dibatasi oleh dua nilai, yang disebut nilai batas bawah
dan nilai batas atas. Misalnya, dengan tingkat keyakinan 95% rata-rata modal akan terletak
dalam interval antara Rp95 juta - Rp105 juta. Kita mengharapkan bahwa nilai rata-rata
modal sebenarnya akan terletak di dalam interval tersebut. Interval yang demikian itu
disebut interval keyakinan atau selang keyakinan (confidence interaal).
Pendugoon lntervol unluk

Roto'tolt

lt

Misalnya 0 (: theta) adalah parameter yang akan diestimasi berdasarkan hasil penelitian
sampel. Untuk membuat pendugaan interval, harus ditentukan terlebih dahulu besarnya
koefisien keyakinan atau tingkat keyakinan, yang diberi simbol 1 - a. Besarnya nilai 1 - a,
misalnya 0,90 (a: 10%,), 0,95 (a:5%), 0,99 (a: 7'/o) atau angka lainnya.
Perhatikan suatu kurva normal sebagai berikut.
(luas kurva : 1 atau 100%)

-Zolz

02

gofistik: leori don Aplikosi lilid 2

BerdasarkanDalil Batas Memusat, apabila B: parameter, A - penduga


oA = kesalahan baku A, dan r mendekati tak hingga, maka

Z= A-e o6
Kemudian, apabila 0 :.,X,.6: pdan
probabilitas sebagai berikut.

0,E(0): 6 du,

N(0,1)

ox = fr,

maka dapat kita tuliskan pernyataan

P(-Zotz<Z<Zo1r):7-a
-Zatz<

+ol,,,l n

<Zorz

o < X-lt<z.,rL
-2..
utz
-'-,ln
tln
I

p(x - z-, + < tt < X + 2.,,9)


-'4n) = r "'' Vtr
\
a : batas bawah
b : batas atas
\---------v-

\--------------.

Persamaan P(a < tt <b) :1- a, berarti terdapat probabilitas sebesar


bahwa interval (o - b) memuat rata-rata trt.

a, yangmenyatakan

: Rp95 juta, b = Rp105 juta dan 1 - a:0,90.


105) : 0,90, menunjukkan bahwa adanya probabilitas sebesar 90% dalam
interval antara Rp95 juta dan Rp105 juta akan memuat nilai rata-rata sebenarnyayaitu St.
Dalam hal ini, a sering disebut taraf signifikan yaitu besarnya kesalahan yang ditolerir
di dalam membuat keputusan. Kita memutuskan bahwa interval 95 - 105 akan memuat
Misalnya, sesuai dengan contoh di atas, a

P(95

<

,n <

pdengan probabilitas sebesar 0,90 atau 90%.Bisa juga0,95 ataugs%. Dengan kata lain,
kesalahan yang ditolerir adalah sebesar a : 7 - 0,90 :0,10 atau lo%. Kesalahan yang
mungkin terjadi ialah bahwa interval tersebut tidak memuat p, artinya nilai p bisa lebih
kecil dari Rp95 juta atau lebih besar dari Rp105 juta.
Ada 3 rumus pendugaan atau perkiraan interval rata-rata

trt.

Pertama,

N-Z*D#<p<X*Z*,rft
Rumus ini berlaku untuk sampel besar (n ) 30) dari populasi yang tak terbatas
(infinite population) atau dari populasi terbatas (finite population), akan tetapi penarikansampel dilakukan dengan pengembalian (toith replacement).
Kedua,

x * z*o*.

<3r< X

*Z*,r*

Rumus ini digunakan kalau populasi terbatas, akan tetapi sampel sebanyak n diambil
tanpa pengembalian (without replacement) dari populasi dengan N elemen dan o diketahui.

Bob

r03

Penoriksn Sonpel don Pendugoon

Ketiga,
f-

X-f-,"---=<tt<
urt 4fi
1

n-1

X+

+- .t
'alz ^S;

(3.8)

perkiraan o

Rumus ini berlaku bagi sampel kecil (n < 30) yang diambil dari populasi (otak diketahui)
dengan pengembalian. Rumus ini diperoleh dari Rumus (3.6) dengan jalan mengganti o
dengan s d.an Zo,rdengan to12, lang masing-masing dapat diperoleh nilainya dari Tabel

Normal setelah a diketahui dan dari Tabel f dengan menggunakan derajat kebebasan
sebesar (n - 7).Dalam hal ini, untuk mengetahui tentang distribusi mana yang dapat
digunakan bagi pendugaan interval, perhatikan bagan aliran berikut. Karena T : p'lf,
maka untuk membuat perkiraan interval T (= Total : jumlah), batas bawah dan batas atas
kalikan dengan l,/. Perkiraan Tunggal T -- T : X'^/.

Apakeh

fr',:

$uU4g;n, UiS***6,.Z
:{qiam pprftitulrgan
,

Apaf,a*.

n>34,

Gtrnakan d.f:r*&nsi,E

dalampp

'

Seperti kita ketahui, apabila dari populasi sebanyak N elemen diambil sampel
sebanyak n elemen, maka akan kita peroleh banyak sekali sampel, katakanlah sebanyak
K. Kita akan membuat pendugaan interval tentang rata-rata p dengan tingkat keyakinan
sebesar 90'/o. Apakah ini berarti bahwa dari sampel yang terpilih secara acak,90% benar
bahwa interval yang dibuat berdasarkan sampel tersebut akan memuat nilai rata-rata
sebenarnya yaitu trt.
]awabannya adalah sebagai berikut:
Misalnya dari sampel sebanyak K, masing-masing kita hitung
kita akan peroleh interval berikut:

X dan intervalnya,

maka

t04

Stotistik: leori dan Aplikwi

1
Sampel 2
Sampel 3
Sampel I
Sampel

xi

/ memuat p

x2

, tidak memuat p

x3

, memuat p

xi

, tidak memuat

Sampel K-1, x*_,

, memuat p

/ memuat p

Sampe1

xK

lilid 2

/t/

Apabila sudah kita buat sebanyak K interval sesuai dengan banyaknya sampel, maka
hasil pengecekan (apakah interval-interval tersebut memuat nilai p atau tidak), apabila
7 - u :0,90 hasilnya akan menunjukkan bahwa 90% interval tersebut akan memuat ,u
sedangkan 70/o lainnya tidak (terletak di sebelah kiri atau kanan dari p). Prosedur umum
guna menentukan banyaknya sampel dalam melakukan pendugaan interval untuk ratarata trt, disajikan dalam bentuk bagan aliran sebagai berikut.

loh

Penorikon Sonpet don pendugun

I05

i,ilt[TJT',:l'S!il,il1*A;,I'*f
*ff :li]:f, ut",ruledipirihsecaraacak
diharapkan
*,rgfi.,;ig irl"r Karena
i,n,*ln"#l::":fl"#y,1.9,,

11u,

"p"r,r,

lrr':il,rcq$irflrr.rtrip{,lrx,x"i#1,[,ifjp,*,#,j3;;,f
apapun.

il"*r,iet;lcarametbr
It

oiarrr,.,.,u,Tr.

;;;:;';::;,es

of Econornerrr,.s, H-enry

is preferably to read
as ,,The probnbility is
0,95 that tlrc irtteruqt

contqin

',rnther than,, The


probability is 0,95 that

;:n"XiiT:illT;.-'u'

1t

lies

fl

rheil,

(X * t,oe-l:)

in the interaal

(x *
y

t,oe

4\.

pendusaan intervar untuk


^ln )
rata-rata p dapat dilakukan
menurut
lntervol unluk

di mono oDiketohui

t06

Stotistik: Teori don Aplikosi

lilid 2

(01{T0H 3.4

Seratus orang calon mahasiswa Akademi Ilmu Statistik sebagai sampel acak, yang sudah
mengikuti tes IQ, memPunyai rata-rata IQ sebesar 110 dan diketahui memlpunyai
simpangan baku sebesar 20. Dengan menggunakan tingkat keyakinan sebesar 9|%,Luatiah
pendugaan interval dari rata-rata IQ.

fqr#

#d

PtNYEIESAIAN

n:700, x:tto, o:20


1, - a:95%, a:5%, al2:2,5%, Za
tz:7,96

(dari Tabel Distribusi Normal)

X-z*trh<tt<X*Z*rrft
110

20 .g
20
-r'-< 110 + 7,96- 1,96-*
"^[tOO
{100
106,08

<1t<773,92

]adi, interval antara 106,08 dan1L3,92 akan memuat trt: yulu-rata Ie sebenarnya dengan
tingkat key akinan 95'/o .
CONTOH 3.5

Lima orang mahasiswa FE Unika Atma Jaya Jakarta, dipilih secara acak untuk kemudian
diukur tingginya.
X : tinggi mahasiswa dalam cm.

Xr :

160,

Xz:

770, Xz

165, X+

175, X5

180.

Buatlah pendugaan interval tentang rata-rata tinggi mahasiswa FE Unika Atma jaya
dengan tingkat keyakinan sebesar 95/o.
PENYETESAIAil

n :5
1sw : 1 + Xr+... +X5)
xv-: -LLi
- E(X,
1
: U(t0O+170+...+180)
:770

_-

--:
- :(x, - x)' = 7,9057
n-7-'

7,9057
,y =---=-----E-=JrJJ
"

"Jn

{5

Karena n < 30, maka kita harus menggunakan Thbel f (Rumus 3.8).
1" - a:0,95, a:5%, al2 :2,5%. Dari Tabel f, dengan a
= 2,5% dan derajat kebebasan
sebesar (n - 1) : 4, nilai t :2,7764:2,78.

X-to,,
p<X +t-,r-l
-'' - |.
-'- Vtt
\l n
170 = (2,78X3,53)< tt < 170 + (2,78)(3,53)
160,2 <1t<779,8

Interval antara 760,2 cm dan779,8 cm akan memuat rata-rata tinggi mahasiswa FE Unika
Atma Jaya dengan probabilitas 0,95.

Bob

Penorikon Sompel

fun

107

Pendugoon

CONIOH 3.6

Seratus empat puluh empat orang karyawan suatu perusahaan yang dipilih secara acak
ditanya mengenai besarnya pengeluaran per hari untuk biaya hidup. Ternyata rata-rata
pengeluaran per bulan sebesar Rp20.000 dengan simpangan baku yang diketahui sebesar
Rp6.000.

a)

Hitung pendugaan interval rata-rata pengeluaran dengan tingkat keyakinan sebesar


ee%.

b)

Hitung pendugaan interval rata-rata pengeluaran dengan tingkat keyakinan sebesar


e0%.

PET{YELESAIAI{

n : 744
X : np 20.000
Karena n > 30, kita gunakan Rumus (3.6)

a) 7 - a: 0,99 -+ a:1%,
o 6.000
,q "{144

o:

Rp 6.000

al2 = 0,5%, Zot2:2,58 (dari Tabel Normal)

= 500
20.000

- 2,58 (500) < ,ri < 20.000 + 2,58 (500)


78.770

< trt<2L.290

Interval pengeluaran antara Rp18.710 dan Rp21.290 akan memuat rata-rata


pengeluaran sebenarnya, dengan probabilitas 0,99 atau 99%.

b)

- a:0,90 -+ a=700% -90% : 10%


Ia2": 57o, l-t, = 7,65 (dati tabel normal)

20.000 - 165 (500) < lt


20.000 - 825 <p

19.175 <

lt

< 20.000 + 1.,65 (500) dengan tingkat keyakinan 90lo


< 20.000 + 825
<20.825

Interval pengeluaran antara Rp19.175 dan Rp 20.825 akan memuat rata-rata pengeluaran
sebenarnya, dengan probabilitas 0,90 atau 90%. Interval dari b) lebih kecil bila
dibandingkan dengan a). Pada umumnya, makin kecil nilai (1 - a), makin pendek interval yang akan diperoleh.
Catatan: Karena variabel

X kontinu, maka tanda < sama dengan tanda

<.

Pendugoon lntervol untuk Proporsi (Persenlosel

: proporsi x 100%. Perkiraan proporsi ini sangat penting, misalnya dalam


penelitian pendapat umum untuk mengetahui berapa % yang setuju dengan calon
presiden; dalam pemasaran berapa % dari ibu rumah tangga yang akan membeli mesin
iahit "Singer";berapa'/obarangproduksi yang rusak; berapa % penduduk sesuatu daerah
yang masih buta huruf; berapa /o karyawan suatu perusahaanyanglesu; berapa % nasabah
suatu bank yang tidak puas dengan layanan bank tersebut; berapa % petani peminjam
kredit Bimas yang tidak bisa mengembalikan kredit tersebu| berapa % proyek yang tidak
selesai pada waktunya, dan lain sebagainya.
Di dalam setiap penelitian, elemen populasi/sampel dapat dikategorikan sesuai
dengan karakteristik tertentu. Misalnya, elemen populasi/sampel tersebut dibagi menjadi
dua kelompok atau kategori, yaitu kelompok elemen yang mempunyai atau tidak
mempunyai karakteristik tertentu. Contohnya, barang dikategorikan menjadi rusak dan
tidak rusak; pemilih dikelompokkan menjadi setuju dan tidak setuju; ibu rumah tangga
dikelompokkan menjadi mau membeli TV dan tidak mau, dan lain sebagainya.
Persentase

r08

Stotistik:

Jika X

banyaknya elemen dengan karakteristik tertentu, maka p =

leoi don Aplikai lilid 2

merupakan

perkiraan P, yang menunjukkan proporsi sebenarnya dari elemen-elemen dengan


karakteristik tertentu tersebut. Misalnya suatu sampel barang : 25 atau n
rusak : 5 atau X : S,maka p = * = *.
Perkiraan barang yang rusak : 0,20 x 700% : 20%
Apabila sampelnya random, X merupakan variabel binomial.

X.7 ool'
i'

:25,

dan yang

r,(3.9}

Prosedur umum bagi penentuan banyaknya sampel dalam melakukan pendugaan


interval untuk proporsi P, dapat dilihat pada bagan aliran berikut. P = AIN -+ A : PN.
e = i,.N, F= XlN. A : banyaknya elemen populasi dengan karakteristik tertentu. Untuk
membuat perkiraan interval A, kalikan batas bawah dan batas atas dengan N.

ffi

i*ry{

i-k#

Prosedur Umum Menentukon Bonyoknyo Sompel bogi Pendugoon lntervol untuk Proporsi P

(0NI0H 3.7
Sampel random dari suatu barang sebanyak 100 buah ternyata setelah diteliti ada yang
rusak 30 buah. Dengan menggunakan tingkat keyakinan sebesar 9\%,buatlah pendugaan

interval P yang menunjukkan proporsi barang yang rusak'

Bob

r09

Penorikon Sonpel don Pendugaon

PTNYTTTSAIAN

n:1"00, X : 30, Zolr=

/Z(1

i-r,,r\f

rt

l{t,-s

aPa!t-*Zo:1z-,__:t_

- 1,96.,@
-'- \j 1oo

0,30

L,96

< p < 0,30 + 1,96 /(0^30)J0,70)


ioo

tr

0,27<P<0,39
27%

<P <39%

]adi, interval antara 27% dan39/o, akanmemuat persentase barang yang rusak sebenarnya
dengan probabilitas 0,95 atau 95%.Ilka N = 1000 maka banyaknya barang yang rusak
antara 210 buah sampai 390 buah, dengan tingkat keyakinan 95/o.
FffitEC01{r0H 3.8
S"orung pejabat bank akan memperkirakan berapa persen para nasabah yang tidak puas
l*t$
*
d"rrgun pelayanan yang diberikan oleh para pegawainya. Untuk maksud tersebut,
dilakukan penelitian terhadap 250 orang nasabah yang dipilih secara acak. Ternyata ada
60 orang ying tidak puas. Dengan tingkat keyakinan sebesar 95%,, buatlah pendugaan
interval persentase para nasabah yang tidak puas.
PTNYETESAIAI{

0,24

X:

250,

1,96

60, Zolr:7,96
< p < 0,24 +

W- 2so

1,96

(0,24)(0,76)
250

0,19<P<0,29

jadi, interval antara 19% dan 29'/o akan memuat persentase nasabah yang tidak puas
dengan pelayanan bank, dengan probabilitasg1'/o. ]ika N: 1000, maka banyaknya nasabah
yung tri puas antara 190 orang sampai 290 orang, dengan tingkat keyakinan95/r,.

Pendugoon lntervol lenlong Perbedoon/Selisih 0nl0r0 Duo Rolo-roto don Proporsi

Untuk perbedaan dua rata-rata, rumusnya adalah:

(x,

- X"1 *,zut*,41s,41;,'l*-{#r,--, <.{Xi '.,x1)

di maraa n > 30, or2 dan

+ Zo12otr,*zl

t3.10)

o] diketahui.

o6r-vr) =

{F-11}

(n < 30, q2 dan or2 tidak diketahui)

lt0

Stotistik:

/o72

leoil

don Aplikosi lilid 2

diperoleh dari Tabel f dengan menggunakan derajat kebebasan sebesar n, + n,

2, sebab n7 +

nz:

- 2:

t'1.

(01{I0H 3.9
Seorang ahli bola lampu sedang melakukan penelitian terhadap sejenis bola lampu dengan

merek yang berbeda, katakanlah merek A dan merek B. Dia ingin mengetahui apakah
ada selisih atau perbedaan rata-rata lamanya hidup (expected life) dari kedua bola lampu
tersebut. Untuk maksud itu, masing-masing merek diselidiki sebanyak 100 buah yang
dipilih secara acak. Ternyata merek A bisa menyala rata-rata selama 3600 jam, sedangkan
merek B selama 3500 jam. Diketahui simpangan baku merek A : 200 jam dan merek B
: 200 jam. Dengan menggunakan tingkat keyakinan sebesar 90/o,hitunglah pendugaan
interval selisih rata-rata lamanya hidup dari kedua bola lampu tersebut.

PI]{YEIESATAN

ffi 1t : n2:
'4#+*i*t
i

100,

Xr.

x,

:3600,

X-z

3500,

Zalz

25,1,: 7,64

100,

of : +o.ooo,
o; -- 4o.ooo,
(1 - s) :0,90,

jadi,u:1-0,90:0,10

(sering digunakan angka 1,65)

o{i,-.rt=

- Xr:

R---e
*

l;

Eo.ooo

\i 1oo = 28'28
. Q\ - !z) < (Xr - Xr) + Zotzolr,-,,1
100 - 1.,64 (28,28). (h - tt2) < 100 + 7,64(28,28)

(Xr - Xz) - Zotz

o{rr_*r1

53,62<(ttr-W)<746,38
jadi, interval antara 53,62 jam dan 746,38 jam akan memuat selisih rata-rata lamanya
hidup dari bola lampu kedua merek, dengan probabllitas 90/,,.
(0t{T0H 3.r0

Untuk mengetahui apakah ada perbedaan rata-rata gaji bulanan bagi para karyawan dari
2 perusahaan A dan B, maka dilakukan wawancara terhadap 9 orang karyawan yang
dipilih secara acak sebagai sampel dari masing-masing perusahaan. Hasil wawancara
adalah sebagai berikut.

Bsb

ill

Penoriksn Smpel don Pendugoan

Gaji per bulan, dalam,ribuan :ru.piah

Karyart4ll

fe*a&aa* A..':':fu165aft5s 3

40

30

46
50
36
38

24

34
42
44

40
46

4
5
5
7
8

1.6

25
35

38
34

30

Buatlah pendugaan interval dari selisih/perbedaan rata-rata gaji tersebut dengan tingkat

keyakinan 95'lo.

PEilYETESATAN

+ 46 +. . . + 30)

N2

51-

= .._a.r(X, -

vr1' =

s3

=;-r(Xn -

Vr)'

Str,-rr)
to,ozs0.6)

Untuk a

40(=Rp40.000)

=
ry=
irr,, = |eo
*rr,, = ftro + 24 + .. . + 34) = ry = 32 (=Rp32.000)

x1

mr * 6V

=1

16

=Y

^E=
V9 g

3e (= r<o3e.oro,

= 85,25(=RP85.250)

= 3,72(=Rp3.720),

n1

n2

2=

16

= 2,1199 = 2,72

57o

(V.,

nilai f dengan derajat kebebasan 16 adalah 2,12 (t

2,L2)

- to12S6,-i) ! l\ - ltza (V, - Vr) + tolzS6r-,r1


I - 2,72(3,72) < (l\ - ltz) . 8 + 2,12(3,72)
0,11 <(ttr-tt)<15,89

Xr1

]adi, interval antara Rp110 sampai dengan Rp1.589 akan memuat selisih rata-rata gaiiper
bulan antara karyawan perusahaan A dan B, dengan probabilitas 95/o.

Untuk selisih dua proporsi, rumusnya sebagai berikut:

Gt *

f,) * Zntzs{i,, -n,}< (.P, * Pr) .

Or *

A} * Zafzs{frr*ir)

{3.12'

s{r,-fir) =

p, dan p, dlbaca P, dan Prtopi atau "cap", artinya


dan P".

dan fi, merupakan perkiraan P,

il2

Stotistik:

leoi don

Aplikosi

lilid 2

(0NI0H 3.l l
i'T
i""f *
:t6tffir*E

BKKBN melakukan penelitian di dua daerah (D, dan D2) untuk mengetahui apakah ada
perbedaan antara persentase penduduk yang setuju KB di daerah tersebut. kemudian
akan dibuat pendugaan interval mengenai besarnya selisih/perbedaan persentase tersebut.
Di daerah D, dan D2 masing-masing dilakukan wawancara terhadap 120 orang, antara
lain menanyakan apakah mereka setuju KB atau tidak.
Dari D, ada 90 orang dan dari DradaTS orang yang setuju KB. Buatlah pendugaan
interval dari perbedaan persentase tentang pendapat penduduk yang setuju dengarrKB,
di kedua daerah tersebut, dengan tingkat keyakinan sebesar 90/o.
PTNYEI.TSAIAN

^x,
:

g0^x"79 :
1,,

= UO :0,75,

i,t

h-

Pz

)ri',-itrt

0,75
/

-l

- 0,65:

(0, 7s )( 0;2s

120

- 1itr]f/7{,
r2o =
Zutz :

n: = fr = 0,65

0,10

) -I

o,

65fo^35 )
720

TDi
t2o

0,059

1,65 (dari Tabel Normal)


0,10

< (pr 0,003 < (Pr -

1,65 (0,059)

p2)

< 0,i"0 +

1.,65 (0,059)

P2) <0,797

Jadi, interval antara 0,3% dan 19,7/o akan memuat perbedaan persentase mengenai
penduduk yang setuju KB dari dua daerah tersebut, dengan probabilitas 90/o.
Pendugoon lntervol untuk

d don o

Untuk pendugaan interval terhadap o2 dan o, kita menggunakan rumus


'

i4 .:.tisz',

:Jffi,,,,

..;':;::l:.

{3.13}

WW

tr-*H-

13.14)

(0NT0H 3.t2

Misalnya diketahui n = 1.4 dan s2 :9.


Buatlah pendugaan interval o2 dan o dengan tingkat keyakinan :95%.
PE}IYTI.TSAIAl{

Kurva f tidaksimetris. Untuk tingkat keyakinan sebesar 9s%, a : (100 - gs)% : s%.
Angka 5% ini harus dibagi dua, dan hasilnya z,s% diletakkan pada tiap ujung kurva,
sebagai berikut.

ilob

il3

Penorikon Sonpel don Pendugoan

.,)

to,*

t.ozs

(s,00)

rt = fi,rrr:

s,oo dan

fi:

(24,73)

fi,orr:24,73

: n - 1 :13, Lampiran lV a dan lV b)


(13xe) --.2_ (13)(e)
il7T <o-< -m0-

(dari Tabel f dengan derajat kebebasan

t,T) 1Z' i'n'il


Perhatikan bahwa:

plt ,

Xi

: t"t,

fir_or,\ =

(1

dan

fi : frr-otzt

- ul2)

dan

p(f ,

f*rz)

al2

Penenluon Niloi n (Besor otou Bonyoknyo Elemen Sompel)

Dalam praktek sering kali timbul pertanyaan seberapa besar


parameter ,u cukup baik.

!2x,, l,: !2x,, (r < N)


n_
l\
I X- lt I : e (e : kesalahan
jlkan: l/+ X:pmaka
:lt_lt:0

Perhatikan

rr

agar X sebagai pendugaan

penarikan-sampel atau santpling error),

Agar pendugaan sama dengan nilai sebenarnya, maka n

- N, berarti

harus diadakan

sensus yang membutuhkan biaya n-rahal.

Untuk menentukan niiai rr, ada 3 faktor yang harus diperhatikan:


"1.. Berapa besarnya r yang akan ditolerir. Apabila menghendaki e : 0 maka rz : N, sebab
e merupakan ukuran tingkat ketelitian.
2. Tingkat heterogenitas/variasi dari data populasi (nilai karakteristik/variabel) yang
akan diselidiki, yang dinyatakan dalam besar kecih-rya nilai o (simpangan baku)
3. Besarnya tingkat keyakinan yang akan digunakan, untuk menjamin pernyataan (stalement) dari pendugaan yang dihasilkan.
Rumusnya adalah sebagai berikut:

,,-t^l

(Z-,ro\'
lal
\/

di mana nilai Zr1, adalah dari Tabel Normal.

(3.15)

il4
Stotistik: leoil don Aplikosi

lilid 2

Cntatan:

Suafu sampel acak sebanyak


n elemen di mana: Xr,

populasi dengan rata_rata

X: |2x,.

p dan ,lr"fong;r., Uut,

Xz,"',Xr,.
o.

. . , X,,

dipilih dari suatu

Apabita populasi normal yaitu


X = N(P, o)

X luga normal, yaitu X = l/(1, or)ov


=
h
Seandainya populasi tak normal
akan tetap_i sampel ctrkup besar;
X juga mendekati nor_
I rnenuru t " Cer r t r n I Li m i t T h c o r y;;
i oriiitn" irr''nr". rrllf .""",

ma

X - ll(g,

on )

z=V-l..o
I

N(0, 1) = standar normal.

^li

: 0 _ q)
<2...
qz

P(-Zo.iz < Z S Zotz)


v

-2,:a 1=1
o,ln
-'",fi.r,i;

<X-

p.

Z,

r#

o
lX-lp 1Zo'/2 JiI

d . Z*rrft

--> dikuadratkan

(_
t
o \2
.=lZ".i_l

V,r /

e2 = (Z,r,z)2 o
t.t

,,=
" -

( 7-n

l-;

to \:

, seperri rumr.rs3.t5.

Perhatikan untuk fungsi kontinu,


berlaku:

6{ Znr't*ukur'tsarn.aden-,^
u . .Jtr -.--,, ialna dengan c,7
< Z*

o
2

G.

Bsb

il5

Penoilkon Sonpel don Pendugoon

(0NT0H 3.r3

Seorang ahli analisis pasar akan memperkirakan. rata-rata harga telur ayam negeri di
suatu kota besar. Berdasarkan pengalaman masa lampau telah diketahui besarnya

simpangan baku

16 rupiah.

Ahli analisis pasar tersebut ingin 95/o yakin bahwa

e di dalam pendugaan rata-rata


harga telur sesungguhnya p tidak lebih atau kurang dari 2 rupiah (!2), maksudnya ialah
bahwa:

P(-2
Berapa besarnya nilai

r:

<X-

pt

< 2)

P(-2 < e < 2)

95%

banyaknya pasar/toko/warung yang menjual telur ayam negeri

yang harus diselidiki?

ittt#t PEilYETESA|AN
ilF'...B
:ffiF
- : perkiraan rata_rata sebenarnya
a
a : 5%, Zo12: 1,96

p(tX-

trtt

pr

<7,e6ft1 -p(tet < 1,e6h):ss%.

Ahli analisis pasar harus memilih n sedemikian rupa sehingga e:1,96$


"''ln

, fi.96 o\2
,1.96 o .,
-:
.)-)n: (
fit

Jadi, n

((1'96](16)
2

:z+oobservasi.

(n : banyaknya pasar/toko/warung yang menjual telur ayam negeri dengan harga


yang berbeda-beda).

Untuk mengestimasi (menduga) proporsi, dipergunakan rumus berikut.


1'

= (0,25)

tryr

{3.16}

p$courox l.r+

*--sr., $ Seorang

kepala pabrik yang bertanggung jawab tentang mutu barang ingin mengestimasi
besarnya proporsi/persentase barang yang rusak. Dia ingin 95'ft, yaktnbahwa pendugaan

proporsi

fr:

X untukmengestimasipdengan :O,O4dimana : I
b-

P]

PENYEI.ESAIAN

tr -- (0,25)

,ryf
1,96 ,z
r_

(0,25) tgpa

:
:

(0,25) (2407)
600

]adi, untuk mendapatkan pendugaan proporsi dengan kesalahan sebesar +0,04 paling
sedikit harus menyelidiki sebanyak n : 600 buah barang.

Ir6

Stotistik: feori don Aplikosi lilid 2

(0Nr0H 3.15
Kita ingin mengestimasi proporsi atau persentase (ingat: persentase : proporsi x 1,00%)
dari penduduk suatu kota yang lebih menyukai barang impor daripada barang dalam
negeri. Berapakah besar sarnpel (banyak penduduk) yang harus diinterview, dengan
tingkat keyakinan 95'/n dan kesalahan penarikan sampel lebih kecil dari 0,02 atau2%.
PENYELESAIAN

lsl :
n:

f)

-Pl :0,02atau2%

(0,2s)

f#l'

:2.107

jadi, banyaknya penduduk vang harus diinterview paling sedikit 2.401 orang.
Seandainya secara kasar bisa diketahui bahwa proporsi yang senang barang impor P
0,80 (: 80%) maka rumus ttntuk tr, adalah:

n:P(7-r, 1+I'
-(0,80)(0,r0)
: 153/

{ffi}

Jadi, pengetahuan tentang nilai P, lvalaupun kasar, dapat mengurangi/memperkecil


besarnya sarnpel.

ISTILAH PENTING
Penarikan sampel acsk sederhana: penaikan sampel di mana pemilihan elemen-elemen
populasinya dilakukan sede.mikian rupa sehingga setiap elemen mempunvai
kesempatan yang sama untuk ctipiiih (simple rttndom sttnrpling).
Pemilihan sampel acak tanpa pengembalian; rnetode pemilihan sampel di mana elemenelemen yang sudah terpilih tidak ditempatkan kembali untuk terpilih lagi (without
replacement).

Pemilihan sampel acak dengan pengembalian; metode pemilihan sampel di mana elemenelemen vang sudah terpilih ditempatkan kembali untuk bisa dipilih kembali (arifk
replncement).

Distribusi penarikan sampel dari X: distribusi probabilitas dari seluruh kemungkinan


nilai-nilai dari rata-rata sampel X (distribusi sampling).
Pendugaan tunggal: pendugaan yang terdiri dari satu nilai saja (perkiraan tunggal).

Statistik induktif: pengambilan kesimpulan mengenai nilai sebenarnya dari parameter


yang didasark4n atas perhitungan sampel.

:{

PeXdugnartinten)al*pendugaan yang mengambil nilai dalam suatu selang dengan tingkat


I keporeayaan.toxtentu (nilai batas bawah dan nilai batas atas, sebagai perkiraan
",rendah dan.tingg+). l

ioh

il7

Penotikon Sompel dan Pendugaan

RINGKASAN RUMUS
1..

Nilai harapan (rata-rata) dari X

E(X) =

tt, lx = -|_
,C,,
1

.f-'X,
i=l
rrll

ltx = ;fu

,1,

, sampel tanpa pengembalian

,,,sampel
dengan pengembalian

Varians dari X

r
^

o'o =

N-noz untuk populasi terbatas


-:------=
N-1 n ,

-2
= Y-, untuk populasi tak terbatas
"fi
"+

Standar deviasi

dari X (disebut

stnndard error)

iN-11
untuk populasi terbatas
o= = ^l-:-.------=1---!;,
yN_1'rir'
^
.

oin = --L, untuk populasi tak terbatas


tj n
Pendugaan interval rata-rata

1t

Sampel besar (n > 30),

rJ--O

- Z-,.4.
"'' "l n

o diketahui

tak terbatas atau populasi


p < X + Zr,zh,populasi
*'"'ln terbatas tetapi pengambilan sampel
dengan pengembalian

v-z*,,#,H

o /N-n
- + Z,pftiffi,
<rt< X

populasi terbatas dan

pengambilan sampel tanpa pengembalian


Sampel kecil (n < 30),

o tidak diketahui

x - Uz# < p< x + t*nh

'=i;=r(x,-x)'
5.

Pendugaan interval proporsi P

L(, ,7\

MlLtr

Pendugaan interval beda dua rata-rata

Untuk n > 30, or2 dan

or2

diketahui

i
trn f,cerriler {
Propinsl Jrrr llnr
ledrn PerPus(airr

il8

Stotistik: leori don Aplikosi

(X,

- Zo12o6,-t)
l
loi
o:
otr,-ir)=tr^'*i
Vr)

<

(l\ -

ltz)

(X,

lilid 2

Xr) + Zotzo(t,-,,)

Untuk n < 30, or2 dan or2 tidak diketahui


(Nt - N2) - to,2s,r,-1,r .0rr - p). (x,
"{rl .Y2)
^
.l=

7.

'

- I

fll

,(x
Ev"-'l

Xr)';ti

itrtl

i,rt

n,

Pendugaan interval untuk o2 dan o

(n - 7\s2 a
\u-\

------

l; - 1''7

r; -T7

(n

x;

\x;

-l

9.

lr, )
, - Er)',

Pendugaan interval selisih/beda antara dua proporsi


(.b, - pr) - Zans(it-i) < (h - or1 < (h - t,z) + Zanslp,-p,1

i,,tt - i,,t,
",p,_r,,-! & 8.

fa zsrrr .r:r

r1\
t_t

/an,_ Ytl +1,rr-t1tl


,, + n, _ 2
X

n1

- Vr) *

- v -

7)s2
)

x;

\--i=

Penentuan besarnya ukuran sampel (n)

-- -{Lalzo\
lcl

APLIKASI KOMPUTER
Kosus Sompel Besor (n

> 30)

Berikut akan ditunjukkan bagaim ana Microsoft Excel dapat digunakan untuk melakukan
pendugaan interval bagi rata-rata populasi p dalam kasus sampel besar.
Diketahui data umur yang dikumpulkan dari data sampel acak sederhana berukuran
36 kepala rumah tangga, diperoleh rata-rata umur r : 39,5 tahury standar deviasi o : 7,77.
Jika selang kepercayaan yang digunakan adalah 90% atau 1 - a : 90%, maka untuk
memperoleh pendugaan interval bagi ltadalah dengan mengikuti langkah-langkah sebagai
berikut:
Langkah 1. ,Pilih sel kosong dalam worksheet ExceT
LangkEh 2. Pilih menu INSERT
Langkah 3. Pilih pilihan menu FUNCTION
Langkah 4. Ketika kotak dialog muncul:

Bob

il9

Penoilkon Sompel don Pendugoon

Pilih STATISTICAL dalam kotak Function Category


Pilih CONFIDENCE dalam kotak Function Name
Pilih NEXT >
Langkah

5. Ketika kotak dialog muncul

lagi:

Masukkan (ketik) .10 dalam kotak ALPHA (karena 7 - a: 90%, maka a:


70% atau 0.70)
Ketik7.77 dalam kotak STANDARD-DEV (Standar deviasinya adalah7.77
sesuai dengan soal di atas)
Ketik 36 dalam kotak SIZE (ukuran sampel n :36)
Pilih FINISH

Hasilnya dapat dilihat pada sel yang dipilih pada langkah 1. Hasilnya akan didapat
angka 2.13. Kemudian untuk mencari pendugaan selang adalah dengan cara mengurangi
39.5 dengan 2.73 dan menambah 39.5 dengan 2.73.Jadi dengan selang kepercayaan90/o,
kita dapatkan 39.5 - 2.73 < trt < 39.5 + 2.73 -+ 37.37 < trt < 41.63
Kosus Sompel Kecil (n

<

301

Untuk melakukan pendugaan interval dalam kasus sampel kecil, langkah-langkah yang
digunakan adalah berbeda dengan kasus sampel besar. Misalnya, diketahui data tentang
jumlah hari yang diperlukan untuk kursus komputer yang dilaksanakan oleh 15 orang
karyawan sebagai berikut:

l&ty
1

52

2
J

44

6
7

)3

I
I

45

10

59
55
54
62
46

anr,

t4

54
58
60
62

15

63

11

t2
13

jika tingkat keyakinan 1 - cx yang digunakan adalah 95%, nraka untuk memperoleh
pendugaan selang dari data pada tabel tersebu! langkah-langkah yang dilaksanakan
adalah sebagai berikut.
Langkah 1. Ketik/masukkan data 15 orang tersebut pada worksheet baris 1 sampai
kolom A.
Langkah
Langkah
Langkah

15

2. Pilih menu TOOLS


3. Pilih pilihan/opsi DATA ANALYSIS
3. Ketika kotak dialog muncul:

Pilih DESCRIPTIVE STATISTIC


Pitih oK
Langkah 5. Ketika kotak dialog muncul:
Masukkan/ketlk A1..A15 pada kotak /NPUT RANGE (hal ini sesuai dengan
langkah 1, karena data terletak pada baris 1-15 kolom A).
Pilih CONFIDENCE LEVEL FOR MEAN dan masukkan 95 pada kotak yang
tersedia.

Pilih OUTPUT RANGE dan ketik 81 pada kotak yang tersedia (Hasil
perhitungan akan nampak di kolom B baris ke-1).
P1Ilh SUMMARY

Pilih OK

20

Stotistik: Teori don Aplikosi

lilid 2

Hasilnya adalah sebagai berikut: Rata-rata sampelnya sebesar 53.87 nampak pada sel C3
dan nilai confidence leztel nampak pada sel C16 yaitu sebesar 3.78; catat bahwa CONFIDENCE adalah tingkat keyakinan yang digunakan (dalam contoh ini 95%). Dengan
demikian pendugaan interval bagi p dapat dihitung sebagai berikut
53.87

Jadi

1.t

3.78
50.09

< yt < 53.87 +


< 1t < 57.65

3.78

terletak antara 50.09 dan 57.65 dengan tingkat keyakinan95/o.

PERTANYAAN

&

LATIHAN

Suatu sampel acak sebanyak 144 observasi, memberikan X = 160 dan varians o2 = 100.
a) Dengan menggunakan (1 - cx) = 0,95 (= 95%), buatlah pendugaan interval tentang rata-rata
sebenarnya p.
b) Seperti a) tetapi dengan tingkat keyakinan (1 - cr) = 0,90 (90%).
c) Berapa besarnya nilai n= banyaknya observasi: agar 95% yakin (confidence), bahwa kesalahan
penarikan sampel sebesar lel = 11 ,21
2.

Buat pendugaan interval rata-rata sebenarnya,u dengan tingkat keyakinan (1

data berikut:

cr)

= 0,95 berdasarkan

a) fi= 15, x =42,55


o=5,34
b) ft= 8, X =12,74
o=2,62
c) n= 25, x = 1.263,40 o =82,10
3.

Rata-rata nilai pesanan (order) yang diterima oleh bagian penjualan suatu perusahaan sebanyak 20

kali bernilai Rp 12,74 juta dengan simpangan baku Rp 2,45 jula.


Buatlah pendugaan interval rata-rata pesanan sebenarnya dengan tingkat keyakinan sebesar 957o.
4.

Direktorat Jenderal Pariwisata, Deparlemen Perhubungan ingin mengetahui rata-rata pengeluaran


wisatawan asing selama tinggal di lndonesia. Untuk maksud tersebut dilakukan interview terhadap
9 orang wisatawan yang dipilih secara acak. Ternyata besarnya pengeluaran Rp 270,5 ribu dengan
simpangan baku sebesar Rp 18,24 ribu. Buatlah pendugaan interval rata-rata pengeluaran yang
sebenarnya bagi wisatawan asing selama tinggal di lndonesia, dengan tingkat keyakinan 90%.
Dari 16 orang penyewa rumah yang dipilih secara acak di daerah Slipi, Jakarta Barat, ternyata ratarata sewa per bulan sebesar Rp 80 ribu dengan simpangan baku sebesar Rp 12 ribu. Dengan tingkat
keyakinan sebesar 0,90 (= 90%). Buatlah pendugaan interval rata-rata sewa rumah per bulan di
daerah Slipi, Jakarta Barat.

Rektor Universitas Trisakti ingin mengetahui berapa persen mahasiswa Trisakti yang datang ke
kampus dengan mengendarai mobilnya sendiri. Untuk itu telah diteliti sebanyak 250 orang mahasiswa
yang dipilih secara acak, ternyata ada 90 orang yang datang ke kampus dengan mengendarai
mobilnya sendiri. Dengan menggunakan tingkat keyakinan sebesar 95% buatlah pendugaan interval
persentase mahasiswa Trisakti yang datang ke kampus dengan mengendarai mobilnya sendiri.
7.

Pedagang buah-buahan yang mengimpor jeruk dari California, Amerika, ingin mengetahui berapa
persen yang busuk. Untuk maksud tersebut telah dipilih 100 buah jeruk impor dari California yang
dipilih secara acak, ternyata ada 18 buah yang busuk. Buatlah pendugaan interval persentase jeruk
yang busuk, dengan tingkat keyakinan sebesar 95%, kemudian gunakan tingkat keyakinan 98%.
Bandingkan hasilnya dan berikan komentar!

Boh

8.

9.

Penuikon Sompel don Pendugoon

t2t

Pimpinan TVRI ingin mengetahui berapa persen para ibu rumah tangga di Jakafta yang tidak puas
dengan program-program TVRI. Untuk itu, dilakukan penelitian terhadap 4.000 ibu rumah tangga
yang dipilih secara acak. Ternyata ada 1.500 ibu rumali tangga yang tidak puas dengan program
siaran TVRI. Dengan menggunakan tingkat keyakinan sebesar 95%, buatlah pendugaan interval
persentase para ibu rumah tangga yang tidak puas dengan program-program TVRI.

a)

b)

Berapa besarnya sampel (banyaknya elemen dalam sampel atau besarnya nilai r) di dalam
penelitian pendapat umum yang harus diteliti agar kita bisa mempunyai keyakinan sebesar 957o
bahwa besarnya kesalahan penarikan sampel di dalam pendugaan proporsi (persentase) dari
anggota masyarakat yang setuju mengenai suatu permasalahan, kurang dari 0,03 atau 3% (
= b - P), t = kesalahan penarikan sampel.
Berapa besarnya sampel (nilai n ) harus diteliti agar dengan tingkat keyakinan sebesar 95%,
besarnya kesalahan penarikan sampel di dalam pendugaan proporsi (persentase) dari penggemar

rokok kretek yang menyukai rokok BENTOEL, kurang dari 0,05 atau 5%.
10.

Berapa banyaknya karyawan dari suatu perusahaan asing harus diselidiki sebagai suatu sampel
acak, agar dengan tingkat keyakinan sebesar 96%, besarnya kesalahan penarikan sampel ( I e I =
lX'- ltl) di dalam biaya pendugaan rata-rata pengeluaran untuk biaya hidup per bulan kurang dari
Rp2,5 ribu dan diketahui simpangan baku sebesar Rp15 ribu.

11.

Berapa banyaknya perusahaan nasional harus diselidiki sebagai suatu sampel acak, agar dengan
tingkat keyakinan sebesar 98%, kesalahan penarikan sampel di dalam memperkirakan rata-rata
modal kurang dari Rp10 juta dan diketahui simpangan baku Rp25 juta.

12. Suatu penelitian dilakukan untuk mengestimasi rata-rata biaya proyek besar (miliar rupiah), dengan
tingkat ketelitian sebesar + Rp2 miliar, sebagai kesalahan penarikan sampel. Berapa besarnya sampel
(= r), kalau tingkat keyakinan besarnya 95%, dan bila 99%?
13.

Suatu kegiatan pengawasan mutu barang (qua/ity contro/) ingin mengestimasi proporsi barang yang
rusak. Kalau tingkat ketelitian (kesalahan sampling) harus 0,07 dan tingkat keyakinan 95%, berapa
besarnya sampel barang (= n) yang harus diperiksa? Juga kalau tingkat keyakinan 99%?

14. Manajer di sebuah bank di sebuah kota kecil ingin menentukan proporsi deposan yang memiliki lebih
dari satu nomor rekening di bank. Random sampel 100 deposan dipilih, dan 30 orang mengatakan
memiliki lebih dari satu nomor rekening.

a.
b.

Buatlah 90% tingkat keyakinan dari poporsi populasi deposan yang memiliki "nomor rekening"
lebih dari satu.
Bagaimana hasil dari (a) dapat digunakan untuk strategi pemasaran bagi investasi jenis baru
yang mentargetkan deposan yang ada sekarang?

15.

Misalkan sebuah sampel berukuran 25 dipilih secara acak dari populasi berukuran 500. Diperoleh
rata-rata sampel sebesar 25,7 dan standar deviasi 7,8. Buatlah pendugaan interval bagi p (rata-rata
populasi) dengan tingkat keyakinan 99%.

16.

Jika

x =75, s=24, n = 36 dan N=200, buatlah pendugaan interval bagi rata-rata populasi p
dengan tingkat keyakinan 95% jika pengambilan sampel dilakukan tanpa pengembalian.

17. Untuk populasi berukuran 1.000, kita menginginkan sebuah perkiraan dengan tingkat keyakinan 95%,
standar deviasi = 20 dan kesalahan pengambilan sampel (e) = S. Berapa ukuran sampel yang akan
diperlukan?
18.

Seorang ahli riset pemasaran untuk barang-barang elektronik ingin melakukan studi tentang kebiasaan
pemirsa televisi di sebuah kota kecil. Sampel acak berukuran 40 responden dipilih dan setiap responden
diminta untuk menyimpan sebuah catatan detail selama seminggu tentang seluruh kegiatan mereka
menyaksikan acara di televisi. Hasil survei diperoleh sebagai berikut:
. Lamanya menyaksikan TV per minggu: X = 15,3 jam, s = 3,8 jam

27 responden menyaksikan acara berita malam selama paling tidak 3 kali dalam seminggu.

122

Stotktik: leori don Aplikosi

lilid 2

Buatlah rata-rata populasi p dengan tingkat keyakinan 95% untuk lamanya menyaksikan TV di kota
tersebut.
19.

Berdasarkan soal No. 18, buatlah selang keyakinan 95% bagi pendugaan proporsi responden yang
menyaksikan berita malam selama paling tidak 3 kali dalam seminggu.

20. Berdasarkan soal No, 18, misalkan ahli riset tersebut ingin melakukan survei di kota lain, hitunglah
berapa ukuran sampel yang diperlukan jika dia menginginkan bahwa dengan tingkat keyakinan g5%
kesalahan dari estimasi terletak anlara+2 jam dan asumsikan standar deviasi populasinya = 5 jam.
21. Seperti soal No. 20, hitunglah berapa ukuran sampel yang diperlukan jika dia ingin bahwa proporsi
yang sebenarnya dari populasi yang menyaksikan berita malam paling tidak 3 kali dalam seminggu
diperkirakan kesalahan estimasinya berkisar antara +0,35 dengan tingkat keyakinan g5%.
22.

Berdasarkan pengalaman diketahui bahwa waktu yang dibutuhkan oleh karyawan suatu pabrik di dalam
menyelesaikan pekerjaan distribusinya mendekati kurva normal dengan deviasi standar 17 menit.
a. Jika secara random diteliti 40 karyawan yang mengerjakan pekerjaan tersebut. Berapa besar
kesalahan duganya?
b. Jika diteliti 150 karyawan, apakah ada perbaikan di dalam ketepatan duga (dalam hubungan

c.

dengan pefianyaan a)?


Berapa besarnya sampel yang dibutuhkan agar kesalahan duga tidak melebihi 2 menil?
(Catatan.' confrdence nlerua/ tentukan sendrn).

Kesalahan duga (estimate


perkiraan dan paramater.

enol =

kesaiahan sampling (samp/ng

erol

yailu selisih antara

Seorang manajer ingin melihat pelaksanaan kegiatan proyek-proyek yang sedang dikerjakannya.
Ternyata setelah diteliti dari 150 proyek yang dipilih secara random, ada 30 yang ternyata belum
selesai pada waktunya.
Dengan confidence /eve/99Y" buatlah perkiraan interval persentase proyek yang belum selesai pada
waktunya.
24.

Diketahui dari suatu penelitian terhadap 225 kepala proyek, ternyata ada 30 orang yang mengatakan
belum membuat laporan. Dengan menggunakan confidence /eve/ sebesar g5%, buatlah perkiraan
interval persentase kepala proyek yang belum membuat laporan tersebut!

25.

Seorang pejabat perbankan berpendapat bahwa modal perusahaan swasta nasional rata-rata Rp 750
juta. Standar deviasi modal tersebut sebesar Rp 30 juta. Dengan tingkat keyakinan (confidence /evel
sebesar 99%, buatlah perkiraan interval rata-rata modal perusahaan swasta nasional.

26

Seorang pemilik supermarket ingin mengetahui kepuasan para pengunjungnya. Telah diwawancarai
100 oang pengunjung yang dipilih secara random, ternyata ada72 yang mengatakan puas. Buatlah
perkiraan interval persentase pengunjung yang puas dengan confrdence /eve/ = 99ok.

27.

Buatlah perkiraan interval rata-rata tinggi mahasiswa F.E.U.l dengan confidence /eve/sebesar 95"/o,
apabila tinggi 7 orang mahasiswa yang dipilih secara random adalah masing-masing 160 cm, 170
cm, 165 cm, 175 cm, 180 cm, 155 cm dan 170 cm.
Deviasi standar harus diperkirakan dari sampel tersebut.

28. Seorang pemeriksa ingin mengetahu berapa persen dokumen keuangan proyek yang akan diperiksa
tidak sah. Dari 250 buah dokumen sebagai sampel acak diperiksa, ternyata yang tak sah ada 60
buah. Dengan tingkat keyakinan 95%, bualah perkiraan interval persentase dokumen yang tak sah.
Diketahui informasi dari 10 karyawan yang dipilih secara acak dari populasi karyawan di sebuah
perusahaan tentang besarnya upah (dalam ribuan rupiah) sebagai berikut:
210, 215, 270, 30O,310, 320, 280, ?35,295, 310. Dengan menggunakan tingkat keyakinan 95%,
hitung perkiraan interval rata-rata upah tersebut.
Guna meningkatkan pelayanan, seorang pimpinan suatu bank mengadakan penelitian terhadap 300
nasabah. Dari 300 nasabah bank tersebut ternyata 40 orang mengatakan tidak puas. Dengan tingkat
keyakinan 99%, buatlah perkiraan interval persentase nasabah yang tidak puas.

fr*ouJIAN

HrPoTEsrs

Tuiuan Beloior
Seteloh mempeloiori bob ini, Ando dihoropkon mompu:

. . Menieloskon definisi don membud perumuson pengulion hipolesis


. Meneropkon penguiion hipotesis terhodop rolo-roto don lebih dori duo rolo-rolo.
. Meneropkon pengu[iun hipotesis terhodop proporsi: solu proporsi, duo proporsi, don lebih dori duo proporsi
. Meneropkon penguiiun hipotesis lerhodop vorions
. Melokukon penguiion ketidoktergantungon don kelepolon suolu fungsi

124

Stotistik: Teoil don Aplikosi

lilid 2

DEF[{tst HtPoTESIS
Hipotesis pada dasarnya merupakan suatu proposisi atau anggapan yang mungkin benal,
dan sering digunakan sebagai dasar pembuatan keputusan/pemecahan persoalan ataupun
untuk dasar penelitian lebih lanjut. Anggapan/asumsi dari suatu hipotesis juga merupakan
data, namun karena adanya kemungkinan kesalahan, maka apabila akan digunakan
sebagai dasar pembuatan keputusan harus diuji terlebih dahulu dengan menggunakan
data hasil observasi. Sebagai contoh:
1,. Karena pemerintah melalui BULOG menganggap bahwa beras cukup, maka
diputuskan untuk tidak mengimpor beras.
2. Karena seorang pimpinan bank beranggapan/berpendapat bahwa penurunan suku
bunga deposito tidak mempengaruhi jumlah tabungan deposito, maka diputuskan
untuk menurunkan suku bunga deposito.
3. Karena pemerintah melalui Departemen Pertambangan berpendapat bahwa kenaikan

harga minyak tidak mempengaruhi harga makanan, maka diputuskan untuk


menaikkan harga minyak.

Untuk dapat diuji, suatu hipotesis haruslah dinyatakan secara kuantitatif (dalam
bentuk angka). Pendapat yang mengatakan persediaan beras cukup, sukar diuji
kebenarannya. Hipotesis statistik (statistical hypothesis) ialah suatu pernyataan tentang
bentuk fungsi suatu variabel (apakah Binomial, apakah Poissory apakah Normal, dan lain
sebagainya) atau tentang nilai sebenarnya suatu parameter Qt: ruta-rata, P = proporsi/
persentase, o: simpangan baku, B : koefisien regresi, P = koefisien korelasi, dan lain
sebagainya).

Pengujian hipoiesis statistik ialah prosedur yang memungkinkan keputusan dapat

dibuat, yaitu keputusan untuk menolak atau tidak menolak hipotesis yang sedang
dipersoalkan / diuji.
Untuk menguji hipotesis, digunakan data yang dikumpulkan dari sampel, sehingga
merupakan data perkiraan (estimate). Itulah sebabnya, keputusan yang dibuat dalam
menolak/tidak menolak hipotesis mengandung ketidakpastian (uncertainty), maksudnya
keputusan bisa benar dan bisa juga salah. Adanya unsur ketidakpastian menyebabkan
risiko bagi pembuatan keputusan. Besar/kecilnya risiko dinyatakan dalam nilai
probabilitas. Pengujian hipotesis erat kaitannya dengan pembuatan keputusan.
Dalam "menerima" atau "menolak" suatu hipotesis yang kita uji, ada satu hal yang
harus dipahami bahwa penolakan suatu hipotesis berarti menyimpulkanbahwa hipotesis
itu salah, sedangkan menerima suatu hipotesis semata-mata mengimplikasikan bahwa
kita tidak mempunyai bukti untuk mempercayai sebaliknya. Karena pengertian ini,
statistikawan atau peneliti sering kali mengambil suatu pernyataan yang diharapkan
akan ditolaknya sebagai hipotesisnya .
Hipotesis yang dirumuskan dengan harapan akan ditolak mengunakan istilah
hipotesis nol. Penolakan hipotesis nol (dilambangkan dengan Ho) mengakibatkan
penerimaan suatu hipotesis alternatif, yang dilambangkan dengan H,.
Hipotesis nol mengenai suatu parameter harus didefinisikan sedemikian rupa
sehingga menyatakan dengan pasti sebuah nilai bagi parameter itu, sementara hipotesis
alternatifnya membolehkan beberapa kemungkinan lainnya.
]adi, bila Ho menyatakan bahwa probabilitas suatu pendugaan adalah 0,5, maka
hipotesis alternatifnya H, dapat berupa P > 0,5, P < 0,5 atau P * 0,5.
!

lenis Kesolohon (Type of Eruor)

Ada dua jenis kesalahan yang bisa terjadi di dalam pengujian hipotesis. Kesalahan itu
bisa terjadi karena kita menolak hipotesis nol padahal hipotesis nol itu benar atau kita

Bob

t25

Penguiion Hipotesis

menerima hipotesis nol padahal hipotesis nol itu salah. Kesalahan yang disebabkan karena
kita menolak hipotesis nol padahal hipotesis nol itu benar, disebut kesalahsn jenis I atau
Type I Error. Sebaliknya kesalahan yang disebabkan karena kita menerima hipotesis nol
padahal hipotesis itu salah disebut kesalahan jenis ll atau Type ll Error.
Misalnya, apabila hipotesis nol itu benar diberi simbol Ho dan kalau hipotesis alternatif

benar diberi simbol H,, perhatikan tabel berikut.

Terima Hn

Tolak Ho

Keputusan tepat

(r-a)

Kesalahan jenis I

(c)

Kesalahan jenis

Il

(B)

Keputusan tepat

$-pt

Pembuat keputusan biasanya berusaha agar kedua jenis kesalahan tersebut ditekan
sampai sekecil-kecilnya (maksudnya nilai udan B minimum). Hal ini sukar dicapai sebab
untuk sampel dengan n tertentu, nilai probabilitas Buntuk membuat kesalahan jenis II
meningkat, sewaktu nilai probabilitas untuk membuat kesalahan jenis I menurun (aJ B

'l).

Kedua-duanya bisa diperkecil kalau nilai r meningkat (sampelnya makin besar).


Memperbesar sampel berarti menambah biaya (biaya untuk memperkecil kesalahan).
Selain itu juga ada biaya yang berhubungan dengan kesalahan dalam pembuatan
keputusan (sering disebut kerugian atau "loss"). Misalnya, seorang pemilik pabrik bola
lampu menerima hipotesis bahwa rata-rata umur (lamanya menyala sampai rusak/mati)
bola lampu buatan pabriknya adalah 3 tahuru padahal kenyataannya hanya bisa menyala
selama 2 tahun. Berdasarkan hipotesis yang sudah diterima itu, dia memberikan jaminan
selama 21 lrtahun.Akibatnya, dia akan mengalami kerugian dengan mengganti bola lampu
yang rusak/mati sebelum waktunya. Menolak Ho berarti menerima Ho, sebaliknya
menerima Ho berarti menolak H,.

Perumuson Hipotesis

Hipotesis yang berupa anggapan lpendapat dapat didasarkan atas:


a)

b)
c)

teori
pengalaman (pengalaman sendiri atau pengalaman orang lain)

ketajaman berpikir. Orang yang cerdas sering mempunyai pendapat tentang


pemecahan suatu persoalan.

Hipotesis yang akan diuji diberi simbol Ho (Hipotesis nol) dan langsung disertai
dengan H, (Hipotesis alternatif). H, akan secara otomatis diterima, apabila Ho ditolak.
Cara merumuskan Ho dan H, tergantung pada jenis parameter yang akan diuji dan jenis
data yang tersedia (informasi yang dimiliki oleh peneliti). Sebagai contoh, seorang ahli
ekonomi merencanakan untuk memperkirakan fungsi permintaan linear sebagai berikut:

Q:c+dP

126

Stotistik: leori don

ffiosi

Jilid 2

di mana Q : banyaknya barang yang diminta dalam satuary P : harga barang dalam
satuan mata uang, sedangkan c dan d konstan.
Berdasarkan teori ekonomi, ahli ekonomi tersebut akan mengharapkan bahwa jumlah
barang yang diminta akan berkurang (menurun) apabila harga barang tersebut mengalami
kenaikan. Pada umumnya, kalau Pt-+ QJ, dengan asumsi faktor lain tidak berpengaruh.
Oleh sebab itu, nilai d akankurang dari nol (d <0), sehingga perumusan hipotesis menjadi:

Hu

d > 0 (d lebih besar atau sama dengan nol)


Ho: d < 0 (d lebih kecil dari nol)
Penjabaran dari perumusan hipotesis di atas adalah sebagai berikut:
(1) Ho: d < 0 (P tak mempengaruhi Q, atau berpengaruh secara negatif)

Ho:d > 0 (PengahPterhadap Qpositif, dimana Q: jumlahbarangyang


ditar.t arkan)

(2) Ho: d 2 0 (P tak mempengaruhi Q, atau berpengaruh secara positif)


H, : d < 0 (Pengaruh P terhadap Q negatif, di mana Q : jumlah barang yang diminta)
(3) H., : d :0 (P tak mempengaruhi Q)
Ho : d + 0 (P mempengaruhi Q, tanpa memperhatikan pengaruh itu positif atau
negatif).
(1) dan (2) disebut pengujian satu arah (one tsil fesf) sedangkan (3) disebut pengujian dua

arah (two tqil test).

Untuk menguji hipotesis, kita harus menentukan terlebih dahulu besarnya a

=
kesalahan jenis I yang sering juga disebut tingkat nyata (significant leoel). Kebiasaan dalam
dunia kedokteran, ekonomi/bisnis dan pertaniary nilai a masing-masing adalah sebesar
1%, 5%, dan 10/o. Besarnya nilai a ini sebenarnya tergantung pada keberanian pembuat
keputusan (decision maker), berapa besarnya kesalahan (yang menyebabkan risiko) yang
akan ditolerir. Yang disebut daerah kritis pengujian (critical region of a test) atau daeroh
penolakan (region of rejection) ialah himpunan nilai-nilai sampel yang diobservasi, yang

akan menghasilkan penolakan hipotesis. Sebagai contoh, kalau hipotesis:


Hn

: X

merupakan variabel Binomial dengan


0,80 dan n = 70 ditolak kalau X < 6, ini berarti bahwa daerah kritis pengujian/
daerah penolakan terdiri dari nilai-nilai sampel 0, L, 2, 3, 4, dan 5 (kurang

dari

6).

Pada umumnya, daerah penolakan akan memenuhi syarat bahwa probabilitas untuk
melakukan kesalahan jenis I tidak lebih dari nilai a. Seorang peneliti biasanya akan
memiliki daerah kritis, sesuai dengan nilai a yang telah dipilih, yang mempunyai nilai
probabilitas terkecil untuk melakukan kesalahan jenis II. Agar dapat menentukan probabilitas
untuk tidak menolak hipotesis yang diuji, apabila hipotesis itu salah, sangatlah perlu secara
spesifik menentukan bentuk hipotesis alternatif. Kalau tidak, sangatlah sulit untuk menentukan
the best critical region.
Sebagai contoh, seorang bernama joni, mengaku dirinya bisa membaca pikiran orang,
dengan kemungkinan paling tidak atau pada umumnya 90/o benar (setiap 100 kali
membaca/menebak apa yang dipikirkan orang lain, secara rata-rata, 90 kali benar).
Kepandaian membaca pikiran orang itu akan diuji. Caranya ialah satu angka dipilih
secara acak dari suatu tabel bilangan acak. Kemudian dengan mata tertutup, diminta
untuk menebak apakah angka yang terpilih genap atau ganjil. Cara pengujian ini dilakukan
8 kali.
Misalnya, P: proporsi waktu bahwa joni dapat menebak dengan tepat setiap angka
yang terpilih, apakah genap atau ganjil. ]ika Joni memang mempunyai keahlian membaca

Bob

t27

Penguiion Hipolesis

pikiran orang, seharusnya p : 0,90; akan tetapi jika tidak (hanya menerka-nerka saja),
kebenarannya hanya 0,50'/o saja (p : 0,50). Berdasarkan alasan ini, hipotesis dapat dirumuskan sebagai berikut:
Ho i p < 0,50 (pura-pura pandai membaca pikiran orang)
H,: p > 0,50 (memang pandai membaca pikiran orang)

Prosedur pengujian dapat dilihat sebagai suatu eksperimen Binomial dengan n : 8


:0,50, apabila Ho benar. Misalnya X : banyaknya tebakan Joni (menentukan angka
genap/ganjil) yang benar. Distribusi X mengikuti Binomial, sebagai berikut.
dan p

F{X),1

.'F{X},

P{X}:

.fiN):l

P'-,&5f

P.:::$ffi'

p.*Q7S

P *.0rX

0,0039
0,0312
0,1094

0,0001

0,0012
0,0100
0,0462

02188
a,2734

0,0000
0,0000
0,0000
0,0004
0,0045

0,-136L

0,7678
0,3355
0,2936
0,1468
0,0459

0,2188

0,0331

0,2541.

0,0092

0,1.094

0,031.2

0,1488
0,3826

0,2965
0,1977

0,0001

0,0039

o430s

0,0576

0,0000

0
1

2
3

0,0011

Keputusan untuk menolak/tidak menolak hipotesis (Ho) harus didasarkan atas nilai
X sebagai hasil eksperimen (observasi). Misalnya, kita menghendaki nilai a: 0,15 atau
lebih kecil. Salah satu kemungkinan daerah kritis yang memenuhi syarat ini terdiri dari
nilai-nilai X yang lebih besar dari 5 (X > 5). Dengan perkataan lain, probabilitas bahr,va
X : 6 atau 7 atau 8, kalau Ho benar adalah sebagai berikut:

P(x >

slp:0,s0) :

p(6) + p(7) + p(8)


0,L094 + 0,0312

0,0039

:0,1445
Probabilitas untuk menerima Ho, kalau nilai p : 0,90 sama dengan P(X < 5f :0,90) =
0,0381 = P(X > 3lp: 0,1). Maka, kalau ]oni memang dapat membaca pikiran orang
dengan 90% benar, oleh karena itu, Ho tak dapat diterima kalau daerah kritis terdiri dari

nilai-nilai X lebih besar dari

5.

Selanjutnya, kalau Joni hanya bisa membaca pikiran dengan 70% benar, probabilitas
untuk menerima H, padahal Ho salah (H, yang benar) adalah P(X < 5 lp - 0,70) : 0,001
+ 0,0072 + . . . + 0,2547 :0,4482. Kemungkinan daerah kritis lainnya terdiri dari nilai-nilai
X : 0, 1, dan 2. Probabilitas untuk menolak Ho dan Ho bena1, sama dengan P(X . 3lp :
0,5) : p(0) + p(7) + p(2): 0,0039 + 0,0312 + 0,7094 = 0,7445.
Jadi, probabilitas kesalahan jenis I untuk cara pengujian yang baru sama nilainya
dengan cara yang lama. Walaupun begitu, cara pengujian yang baru tidak begitu berguna,
sebab probabilitas untuk menerima H, padahal Ho salah, nilainya sangat tinggi, kalau p
> 0,50. Sebagai contoh misalnya: p:0,70, P(X > 3lp:0,70):0,0462 + 0,7361+ . +
0,0576: 0,8870. Dengan perkataan lain, menggunakan cara pengujian yang baru, bisa
disimpulkan, bahwa ]oni tidak mempunyai kemampuan untuk membaca pikiran orang
lain. Padahal, kenyataannya, dia mempunyai kemampuan tersebut. Kesimpulan ini bisa

28

Ststistik: leori don Aplikosi

lilid 2

menyesatkan. Dengan demikian, cara pengujian yang lama, yaitu yang menggunakan
nilai X > 5 (:6,7,8) sebagai dasar penentuan daerah kdtis, dikatakan lebih kuat. Kekuatan
suatu pengujian (power of the test) merupakan nilai yang mengukur besarnya probabilitas
untuk menolak hipotesis nol kalau hipotesis nol itu salah.
Kekuatan pengujian : P (menolak Ho dan ternyata Ho salah) : P (menolak HolH,)
Ke,kuatan:Per,tgqjian,kita sebut K,= J,* f,,
abi!{tas'r:,telakukan keshtahn jenis H.
di mana p;,

(4.X)

Dari Rumus (4.1), sudah jelas bahwa makin kecil nilai probabilitas untuk melakukan
kesalahan jenis II (makin kecil nilai B), maka makin kuat pengujian tersebut.
Seorang peneliti atau seorang pembuat keputusan akan memilih suatu daerah kritis
yang akan menghasilkan pengujian yang paling kuat untuk suatu nilai a tertentu (a:
probabilitas untuk melakukan kesalahan jenis I).
Misalkan hipotesis yang akan diuji Ho ; 0 = 00, di mana 0 (: theta) merupakan
parameter distribusi (misalnya 0 = lt, o, P, P, B, dan lain sebagainya) dari suatu variabel
X. (Distribusi normal mempunyai parameter 1t dan q, Binomial mempunyai P, regresi
mempunyai B, dan lain sebagainya).
Fungsi kekuatan dari suatu pengujian terhadap Ho merupakan fungsi parameter 0,
yang memberikan kekuatan pengujian untuk semua nilai 9. Suatu fungsi kekuatan untuk
menguji H; melawan alternatif H, : 0 * 1rdapat dilihat pada Peraga 4.1.
Pada titik di mana: 0 : 00,1((00) = 61 : probabilitas melakukan kesalahan jenis I,
apabila nilai g mendekati gn tidak akan menjadi masalah apabila prosedur pengujian
gagal untuk menolak Ho. Untuk nilai g yang jauh dati 0* kita menghendaki agar
probabilitas untuk menolak Ho mempunyai nilai yang besar.
Mari kita hitung fungsi kekuatan untuk menguji kemampuan joni di dalam membaca
pikiran orang lain. Aturan permainannya ialah kita akan menolak Ho i ? : 0,50 dan
menerima H,, p > 0,50, apabila joni dapat menebak dengan tepat setiap angka yang
keluar dari daftar bilangan acak (menentukan angka genap/ganjil), lebih dari 5 kali dari
8 kali pengambilan. Fungsi kekuatan adalah sebagai berikut:
t4.2]t

.::

dimanap:9

Nilai P(X < 51il untuk berbagai nilai p dapat dilihat dari Tabel Distribusi Binomial,
Lampiran 1. Sebagai ilustrasi, dikutipkan di sini nilai K(p), P = 0,20; 0,40; 0,60; 0,70; 0,80,
dan 0,90. Pada nilai p tertentu K(p) merupakan kekuatan pengujian.

Boh

Penguiian Hipoluis

129

: 7 - P(X < slp :


: 1 - P(X < 5l p :

: 1 - 0,9988 : 0,0072
= 1 - 0,9501 = 0,0499
:0,60)
: 7 - 0,6846:0,3754
K(0,6): 1 - P(X < Slp
K(0,7) : 1 - P(X < 5 lp : 0,70) - 7 - 0,4482: 0,5518
K(0,8) : 1 - P(X < Slp :0,80) : 7 - 0,2031 :0,7969
K(0,9) : 1 - P(X < slp :0,90) : 1 - 0,0381 : 0,9679
K(0,2)
K(0,4)

0,20)
0,40)

Catatan Tqmbahan
Karena dalam Tabel I, pada Lampiran l, nilai p hanya sampai dengan 0,50, maka untuk
nilai p > 0,50 harus diadakan perubahan sebagai berikut:

X harus diganti dengan n

- X (dalam

p harus diganti dengan 1

dan

soal

ini n :

8)

p.

Misalnya, P(X< 5lp:0,90),p:0,90 diganti 7-p:1


- 0,90:0,10
P(x < 5) : P(x = 0) + P(X : 1) + P(X : 2) + P(X :3) + P(x = 4) +P(X = 5)

X:0 diganti 8 - 0:8 -+ P(X: 9lp:0,10):0,0000


X:1 diganti 8 - 1 :7 -+ P(X = 7lp:0,10):0,0000
X : 2 diganti I - 2 : 6 -+ P(X : 6lp : 0,10) : 0,0000
X = 3 diganti 8 - 3 : 5 + P(X :slp = 0,10) : 0,0004
X : 4diganti 8 - 4 : 4 -+ P(X : 4lp :0,10) : 0,0046
X:5 diganti 8 - 5:3 -+ P(X:3lp :0,10) :0,0331 +
P(X< Slp : 0,90) : P(3 < x <8lp : 0,10) : 0,0381
Apabila digambarkary bentuk fungsi kekuatan K(p) adalah seperti Peraga 4.2.
Untuk suatu percobaan sebanyak r kali (n : banyaknya elemen sampel) dan kita
menghendaki a < 0,15, daerah kritis sebelah kanan terdiri dari nilai X : 6,7, dan 8 (X >
5), akan menghasilkan pengujian yang paling kuat untuk menguji Ho.. P : 0,50 untuk
nilai p < 0,50 (lihnt Peraga 4.2).
Kekuatan pengujian untuk suatu nilai a yang sudah ditentukan, dapat diperbesar dengan
jalan mengambil sampel yang besar (memperbesar n). Demikian juga, kekuatan pengujian di
mana nilai n sudah ditetapkan, dapat diperbesar dengan memperbesar nilai a.

30

Stotistik: feori don Aplikosi

lilid 2

Pengujian yang berbeda akan memberikan fungsi kekuatan yang berbeda juga.
Misalnya, K(0) merupakan fungsi kekuatan dari suatu pengujian dan Kr(g) merupakan
fungsi kekuatan dari pengujian yang lain. Apabila fungsi K(0) selalu lebih besar atau
sama dengan K,(0) maka pengujian yang berkenaan dengan kekuatan (0) disebut pengujiarr
yang paling kuat dnn serogam, artinya K(0) > I(1(0)

PENGUJIAN HIPOIESIS IENTANG RATA-RATA

Sering kali seorang pembuat keputusan mempunyai pendapat mengenai nilai rata-rata,u.
Misalnya, seorang pejabat bank berpendapat bahwa rata-rata modal perusahaan nasional
pada suatu periode sebesar Rp 300 miliar; seorang pejabat dari Departemen Tenaga Kerja

berpendapat bahwa rata-rata gaji per buian karyawan dari perusahaan tekstil sebesar
Rp 100.000; seorang pemilik pabrik bola lampu beranggapan bahwa bola lampu buatan
pabrikrrya bisa menyala (tetap hidup) rata-rata 1.000 jam; sedang pemiiik pabrik rokok
berpendapat bahwa setiap batang rokok buatan pabriknya mengandung nikotin secara
rata-rata 2 mg dan lain sebagainya.
Pendapat/anggapan yang merupakan hipotesis, apabila akan dipergunakan untuk
membuat keputusan atau untuk menentukan langkah-langkah berikutnya, harus diuji
terlebih dahulu. Setiap keputusan seyogyanya didasarkan atas hasil pengujian hipotesis.
Misalnya ada kebijakan(policy) dari pemerintatr, yaitu kalau rata-rata gaji pegawai negeri
eselon IV kurang dari Rp 500.000, kemudian diputuskan oleh pemerintah untuk menaikkan
gaji. Berdasarkan suatu penelitian, ternyata rata-rata gaji mereka kurang dari Rp 500.000,
maka kemudian diputuskan oleh pemerintah untuk menaikkan gaji mereka.
Pengulion Hipotesis Sotu Roto-roto

Urutan yang perlu diperhatikan dalam pengujian hipotesis tentang satu rata-rata (prosedur
pengujian hipotesis) adalah sebagai berikut.

1.

Rumuskan hipotesis.

I:Ho
H

lt 3

u>

daerah
penerimaarr

l.Lo

u^

II:Ho lt 2 l-to
H

III:

l"t

<

l"tn

daerah
penolakan

Ho

H:

lto

lt + lto

2.,,

Cara perumusan I dan II disebut pengujian sottr arah (one tail test). I dan II masingmasing disebut pengujian satu arah atas dan satu arah bawah (upper and lower tail
fe"^f), oleh karena menggunakan sebelah kanan (I) dan sebelah kiri (II) kurva normal.

Bob

t3t

Penguiian llipotesb

Tentukan nilai
.)-

a: tingkat nyata

(significant leael) = probabilitas untuk melakukan


kesalahan jenis I dan cari nilai Zo atau 2o.,, dari Tabel Normal.

Hitung Zo sebagai kriteria pengujian normal.

7
ui --x-lto-o;
di

(4.3)

mana:

r : untuk populasi tidak normal banyaknya elemen sampel (n > 30), atau
populasi normal, r berapa saja, tidak harus lebih besar dari 30.
1
tsv
v
A-_L

",="oJ^r^hanbaku

'

x=+
"ln

: nilai ,u sesuai dengan Ho.

lto

Zo dan Z, (2"t2) masing-masing disebut nilai observasi dan nilai teoretis dari
Tabel Normal.

4.

Pengujian hipotesis dan aturan permainan (kesimpulan).

:Ho

H 1 t"to Apabila Zo> 2,, Ho ditolak.


It > ltn Apabila Zo < 2,, Ho diterima.
II:Ho
tt 2 lto Apabila Zr. -Z* Ho ditolak.
Ho lt < Ho Apabila Zo, -Z* Hn diterima.
il,Ho
l"t : lt, Apabila Zo> Zotz atau 2,, I -Zotz,Ho ditolak.
H, l-t + lto Apabila -Zotz < Zo I Zotz,Ho diterima.
Hn

CONTOH

4.I

Menurut pendapat seorang pejabat dari Departemen SosiaT, rata-rata penerimaan per
hari anak-anak penjual koran di suatu ibukota provinsi sebesar Rp7.000, dengan alternatif
lebih besar dari itu. Diketahui simpangan baku dari penerimaan sebesar Rp1.600. Untuk
menguji pendapatnya, dilakukan penyelidikan terhadap 256 orang anak yang dipilih
secara acak, ternyata diketahui rata-rata penerimaan mereka sebesar Rp7.100. Dengan
menggunakan s,: 5/o, ujilah pendapat tersebut.
PTNYTTESAIAN

Hoi lt<7000
Hn: lt > 7000
a

5%,

Zo:

1.,64

dari Tabel Normal.

, _ x - tto _ (X - po\\q _ Qloo - Tooo)J256


" o14n
o
1600

Karena Zo. Z* maka Ho tidak ditolak,


yang berarti bahwa rata-rata penerimaan
anak-anak penjual koran adalah sebesar
Rp7.000 per bulan.

Stotistik: leori don Aplikasi

r32

lilid 2

Untuk menghitung fungsi kekuatan di dalam menguji H, perhatikan uraian berikut:


Hoi lt<
Ho, I,t,

Fo

lto

Berdasarkan hipotesis alternatif bahwa F >_ltv maka akan masuk akal kalau kita
menolak Ho @erarti tidak menolak H,) apabila X lebih besar dari 1-t0. Daerah kriti-s akan
diperoleh dengan memilih X, katakan X, sedemikian rupa sehingga probabilitas bahwa
X , X, akan sebesar a, apabila Ho benar. Dengan perkataan lain, pemilihan Xo harus
sedemikian rupa sehingga berlaku hubungan berikut:

P(X> V*luo)=a
(Garis mirinc dibaca: dengan syarat atau kalau

4 yurg terjadi)

di mana: a: tingkat nyata : probabilitas untuk melakukan kesalahan jenis I. Letak {


dapat dilihat dalam Peraga 4.3.

Daerah Ho diterima

Daerah Ho ditolak

Pengujian seperti ini disebut upper-tail test sebab daerah kritis hanya terdapat di sebelah
kanin (atas) dari ujung kurva (dalam hal ini kurva normal) dari distribusi X.
Apabila X mempunyai distribusi normal, Tabel Normal dapat dipergunakan untuk
mencari nilai kritis X, yaitu X, untuk nilai u yang sudah ditentukan, misalnya a: 0,05
(: 5%).Kita ketahui bahwa P(Z > 7,64) : 0,05. ]adi, kita peroleh hubungan berikut:

\.64
'

v
n"
,- lo , dibakukan (standardizert).
= ol4n

Untuk mencari nilai

Vo_ !o=1'64+
w6
Xo=lto+l,O+g
Hipotesis Ho akan ditolak

(H,: lt > trr., akan diterima) kalau nilai X , X" atau X > pto

+ 1,64+
^',ln

Alternatif lain ialah mencari Zo sebagai berikut.

Bob

r33

Penguiion llipotesis

2,,=I;4-(.X-t,,)'"G
- olln
o
kemudian Zo dibandingkan dengan Zo: 1.,64. Kalat Zo> L,64, Hu kita tolak dan kalau
. Z, Ho kiti terima seperti telah diuraikan di atas, dalam Contoh 4.1.

Dari Contoh 4.L, N


Vo

7700, o

7600, n

Zo

:256, lto:7000

= tto. r,o+[,*)
\4n )
= Tooo + r.64
'
=

fg)
\42s6 )

7164

Oleh karena X < X, yaitu 71.00 < 7764, naka Ho tidak ditolak. Hasilnya akan sama
dengan Contoh 4.7.Di dalam pengujian hipotesis selanjutnya, kita akan menggunakan Zo
dan kita bandingkan dengan Zo.
Untuk menghitung fungsi kekuatan pengujian, kita gunakan berbagai macam nilai
p, dengan cara sebagai berikut.

, I+#l
, X,l u) : P(++
61"'ln
Ol\ln

((so)

P(X

1((p,)

P(x > 77641trt,:6800)

K(ttr)

: P(X>7164l1l,:7100):P(Z>ffi):P(Z>o,64)--o,2671

: P(2,
ffiffi):

P(Z > Z")

P(z>3,64) =

0,000

rk.): P(x>7764l1l.:72oo):P(Z>ffi):P(Z>_0,36)=0,64o6
K(ttn): P(x > 776411t0:7300)
4

: P(z>'r'*;72!):
16001 ",1256

P(z> -1,36): o,st3l

K(tl,):P([,7164ltrl.:74oo)=P(Z>ffi)=P(Z>_2,36):0,ggog
Hasil perhitungan di atas, kalau digambarkan, menunjukkan kurva pada Peraga 4.4 berikut

ini.

1,00
1

0,75
I

t((p)
0,50

0,25

t34

Stotistik: leori don Aplikosi

lilid 2

Prosedur yang digunakan untuk menghitung kekuatan pengujian dapat dilihat


lt: /16 dan H,: 1t*

berdasarkan Peraga 4.5 yang menunjukkan distribusi Xdengan Hoi

u.

Dari Peraga 4.5, dapat dilihat hubungan antara a (probabilitas untuk melakukan
kesalahan jenis I) dan B (probabilitas untuk melakukan kesalahan jenis II). Dengan Ho,
berarti X mempunyai distribusi dengan rata-rata F : lo = 7000. Daerah yang diarsir
mendatar (sejajar sumbu X) di sebelah kanan { merupakan probabilitas untuk melakukan
kesalahan jenis I dengan luas sebesar a. Daerah kritis dipilih dengan rata-rata p : Lt,.
Kekuatan pengujian untuk alternatif { sama dengan probabilitas bahwa X , X*dengan
lL: il,sebagai rata-rata sebenarnya, yaitu: P( X > X,l H,). Nilai probabilitas ini dinyatakan
dengan luas kurva, sebelah kanan X", sebesar nilai K dari distribusi dengan rata-rata pt
: lt,:7200. Untuk mencari nilai probabilitas ini, nilai X harus dibakukan yaitu dengan
jalan menguranginya dengan l, kemudian membaginya dengan o I -l n sebagai simpangan

baku dari X. Apabila X sudah dibakukan, Tabel Normal dapat digunakan untuk
menghitung probabilitas.

p:1 - K: probabilitas untuk


melakukan kesalahan jenis II.
K:

kekuatan penguiian.

q= probabilitas untuk
melakukan kesalahan jenis I.

xo
Skala X
7764 7200

SkalaZ

-0,36

Dalam hal ini, Hoi

lt: lto: ltz:7200.

Nilai K sebenarnya sama dengan

K(pr): P(X > N*lH,)


P(

X,

x ol trt,)

:=r;,Xrrlr/l,rur,
x-*-l,3)
-/: -2 -----r(x
- tl------t---r

\o/Vn

ol.ln

= p(z>7164-7200\

1600v2s6 )
P(Z > -0,36) :0,6406

Dengan demikian, P = 1

K(14)

: 1 - 0,6406 :

0,3594.

\ob

I35

Penguiion Hipotesk

Prosedur di atas merupakan prosedur pengujian Hnyang paling kuat dengan alternatif

H,,, lt,

lto.

Misalkan sekarang:

Ht,tlt:lto
H,ilt*lto
Dalam hal ini, akan masuk akal untuk menolak Ho (berarti tidak menolak H,) apabila X
"terlalu besar" atau "terlalu kecil" dibandingkan dengan #0. Daerah penolakan dibagi
menjadi dua tempat yaitu sebelah diri dan sebelah kanan kurva.
Dalam hal ini, a dibagi dua, ul2 di sebelah kiri dan al2lainnya di sebelah kanan.
(Perhatikan Peraga 4.6). Nilai kritis X untuk a : 0,05 dapat diperoleh dari persamaan
berikut:
-1

,96

1,96

: -xa,z --!10,
ol"'ln

untuk sebelah kiri

: *otz _-.lo , untuk sebelah kanan.


ol"ln

Skala

-x

.-

a/2:0,025
SkalaZ

-z-"
ctt

(-7,e6)

"z_
(7,e6)

Daerah

penolakan
-i-

"

Daerah
Penenmaan

-->r+

Karena ada dua daerah kritis, maka pengujian

ini disebut pengujian dua arah

test).

Nilai kritis V1: X,,r) di sebelah kiri

ltn

- 1,96+
n
"'l

:7ooo

Daerah
penolakan

1,96

ry
"1256

(two-tctil

136

inhfik:

Nilai kritis X-(: 4,r) di sebelah kanan

Teori

don Aplikwi lilid 2

lo + 1,96#

: 7000 + 7,90 76N


''1256
:7186
Karena

X:

ZLOO

lebih besar dari 6804 tetapi lebih kecil dari 7796, maka Ho tidak ditolak.

Alternatif lainnva,

z^:X ,9 -7loo-7000 -1
' o I 4n 76001 4256

Karena -7,96 < Zo < 1,96, maka

Ho

tidak ditolak (Ho diterima).

Prosedur untuk menghitung kekuatan pengujian sama dengan sebelumnya, akan


tetapi karena pengujian ini dua arah, maka ada dua daerah penolakan. ]adi, untuk,r.r :
6800,

kita peroleh:

I((p) :

p=

6800)

Untuk tr :71.00,
K(p) : P(X < 6804ltt:7100) + P(X > 7160ltt:

7100)

:
:

< 68041 p= 6800) + P(X >


<
P(Z 0,04) + P(Z > 3,96)
P(X

77e61

0,5160

= P(Z < 2,96) + P(Z > 0,96)


:0,1700

Apabila dihitung untuk seluruh nilai 1t, kemudian digambarkan grafiknya, kita akan
memperoleh Peraga 4.7.
Dalam hal ini, fungsi kekuatan simetris terhadap titik p: 7000. Apabila dibandingkary
fungsi kekuatan untuk menguji Ho dengan dua arah (Peraga 4.7) dan fungsi kekuatan
untuk menguji Ho hanya satu arah (Peraga 4.4), menunjukkan karakteristik bahwa
pengujian satu arah lebih kuat untuk nilai p > 7000, sedangkan pengujian dua arah lebih

kuat untuk

trt

<

7000.

/'

\.

1,;,
K(,u)

:/
\

o,uo

1,"

\.*

il.ra a,::

::::::tri
-'/

7000

lt-

7600

Bob

137

Penguiion Hipotuis

Dengan perkataan lain:

P(X<

680altt > 7000) +

P(x>7196lp >

7000) <

P(X >77641p >

7000)

Makin besar suatu sampel berarti makin besar nilai ir, makin kecil nilai kesalahan
baku (standard error)

X = o, = + , dan akibatnya nilai X makin terkonsentrasi dekat

sekali dengan nilai p. Tingkat ry/urfu aurisuatu pengujian dapat dikontrol dan nilainya
sama dengan a, berapa pun besarnya nilai n (banyaknya sampel). Hal ini mengakibatkan
luas daerah penerimaan akan mengecil apabila n membesal, dan kekuatan suatu pengujian
untuk setiap nilai p cenderung mengecil.
Sewaktu mendesain suatu sampel untuk keperluan pengujian hipotesis, seyogyanya
kita menghitung terlebih dahulu fungsi kekuatan dari pengujian yang digunakan. Hal ini
dapat dilakukan tanpa mengetahui informasi dari sampel, asalkan simpangan baku (o)
diketahui. Kemudian kita dapat menentukan banyaknya sampel (n) yang diperlukan
untuk mencapai tingkat kekuatan berbagai nilai p.
Prosedur hipotesis yang telah diuraikan berlaku untuk sampel besar (ru > 30), sebab
untuk sampel besat, distribusi X akan mendekati normal. Bahkan hal ini berlaku bagi
sampel yang besar dari populasi yang bukan normal (misalnya Binomial, Poisson, dan

lain sebagainya).
Untuk sampel kecil (n < 30), Zv Zodan Zo,rdiganti dengan

to,

t*

dan to,r,

di

rnana

fo sebagai berikut:

(8

- 5#o){ry

(4,.4'

1_

(X, - X)', langsung dihitung dari nilai observasi: X1, X2,


s: penduga o, s = lj;:
n- |
. . , X.. t, atau fo,, diperoleh dari Tabel f dengan menggunakan a atau' al2 dan derajat
kebebasan (degrees of freedom) sebesar n - 1.

i'"ffit
,, 3 coNToH

4.2

Mfu# Direktur keuangan suatu perusahaan berpendapat, bahwa rata-rata pengeluaran untuk
biaya hidup per hari bagi para karyawan perusahaan itu adalah sebesar Rp1.760 dengan
alternatif tidak sama dengan itu. Untuk menguji pendapatnya, dilakukan wawancara
terhadap 25 orang karyawan yang dipilih secara acak sebagai sampel, dan ternyata ratarata pengeluaran per hari adalah sebesar Rp1.700 dengan simpangan baku sebesar Rp100.
Dengan menggunakarr u -- 0,05 (: 5%), ujilah pendapat tersebut.
PTNYETESAIAN

n:25, X : t200, s :
Ho i P: 7760,
H",

L,

100, 1.to:1760

+ 7760

r-to
t^=*
" sl4n -1700-1760
7001.,125

=-3,00

u -- 0,05 dan derajat kebebasan = n


tqlz(n t): /o,o:s(z,t) :2'0639
-toiz : *2'0639

- 1:

25

- 7:

24

t38

Stttistik: leori don Aplikosi lilid 2

Karena ta< - t,.tz


= -3 < -2,0639,
maka Ho ditolak. Berarti, rata-rata
pengeluaran per hari karyawan
perusahaan tersebut tidak sama
dengan Rp1.760.

0,02s

-'0.02=

'o.o:s

(2,0639)

(-2,0639)

(0NI0H

4.3

Berdasarkan data dari Contoh 4.2, ujllah pendapat tersebut, akan tetapi dengan hipotesis

alternatif lebih kecil dari Rp 1760.


PE}IYTttSAIAN

Ho |

Ho:

lt > 1760 to
lt < 7760

:-3

n--25,n-L: 24, a :
V : 7700, tto: t760

0,05, fo,,, ,,

fo.os(rr)

7,7709

Karena

/o

: -3 (

-fo.o,

-1,7709, maka Ho

ditolak. Berarti, rata-rata pengeluaran

karyawan perusahaan tersebut lebih kecil

dari Rp1760.
+

'trr:

(-1,7109)

Perhatian: Di dalam pengujian hipotesis, sebelum mengambil sampel, terlebih dahulu

harus diperhatikan hal berikut:

j
hipotesisnya.
Hu: trt3 trto Hot lt> Ho Hot lt: lo
atau
atau
H,: 1"t * pto
Ho, lt, lt,
Ho, lt . lto
2. Tentukan besarnya a : tingkat nyata : probabilitas untuk melakukan kesalahan

1.

Tentukan bentuk

jenis

I.

Penguiion Hipolesis Perbedoon Duo Roto'rolo

Dalam praktek, sering kali ingin diketahui apakah ada perbedaan yang berarti dari dua
rata-rata. Misalnya, apakah ada perbedaan rata-rata dari:
1. Harga beras per kg di dua pasar di suatu kota.
2. Gaji karyawan per bulan di perusahaan asing dan nasional.
3. Kecepatan dalam mengerjakan suatu jenis pekerjaan bagi karyawan pria dan wanita.
4. Pendapatan per bulan petani di dua desa.
5. Kekuatan dua jenis magnet.
6. Lamanya menyala bola lampu merek A dan B.
7. Hasil ujian statistik mahasiswa Fakultas Ekonomi Universitas A dan B.

Bfi

t39

Pengujion Hipotesis

8.
9.

Biaya suatu jenis proyek di Jawa Tengah dan Jawa Timur.


Pengeluaran karyawan per bulan di perusahaan swasta dan pemerintah.

Perumusan hipotesisnya adalah sebagai berikut:

(1)

Ho
Ho

(2)

Ho
Ho

(3)

Ho

a)

l\ - lt2< 0
ltr- l"tr> 0 (ada perbedaan, h> ltz)
l\- p2>0
F, - lt, < 0 (ada Perbedaan, lt1 < P2)
L\ - ltr: 0
Lt,. - lt, + 0 (l-\tidak sama dengan lJ,

atau

1-r,

berbeda dari pr)

Bila n > 30 (sampel besar)

n, _ X,

Lo=_o_,

t4.5)

at -tz

6,
_rr _12
- = a91.4
r,
n2

di mana apabila of dan oj tak diketahui, dapat diestimasi dengan:

'l^

^2
Dl
2

--i
ftt-l

'

.r(X,r

1_

nz-7

b)

B1La

- x,)'

:(x," - x.)'

( 30 (sampel kecil)

r'o-M
-

Xt*xz

(4.6)

mempunyai Distribusi f dengan derajat kebebasan sebesar nr+ nr- 2.


Cara pengujiannya seperti yang sebelumnya, artinya Zo(fo) dibandingkan dengan Z* Z,
-zoi2(td to1r, -to,.).
fo

colrToH 4.4

Seorang pemilik toko yang menjual dua macam bola lampu merek A dan B, berpendapat
bahwa tak ada perbedaan rata-rata lamanya menyala bola lampu kedua merek tersebr-rt
dengan pendapat alternatif ada perbedaan (tak sama). Guna menguji pendapatnya itu,
kemudian dilakukan eksperimen dengan jalan menyalakan 100 buah bola lampu merek
A dan 50 buah bola lampu merek B, sebagai sampel acak. Ternyata bola lampu merek A
dapat menyala rata-rata selama 952 jarn, sedangkan merek B 987 jam, masing-masing
dengan simpangan baku sebesar 85 jam dan92jam. Dengan menggunakan ct:5ilo, ujilah
pendapat tersebut.
PENYETESAIAN

Hn : lt, : yt, atau lt, H,. , l-1,. + 1"t, atau p1 -

lt, :

Lt2 +

0
0

t40

Stotistik: Teoil don Aplikosi

lilid 2

Vr: 952, q : 85
nz = 50, Xr: osz, oz: 92

nr:

!gg,

lof . o;

/8s'

a:

7,96

e2'

,rtr

trr,* n, lroo- 50
untuk

5%,

Zo,r:

Zo: -2,25 < -Z,tz = -7,96, maka Ho


ditolak. Berarti, rata-rata lamanya menyala
dari bola lampu kedua merek tersebut tidak

Karena
al2:0,025

al2:0,025

sama.

(0NT0H 4.5
Seorang petugas pengawasan mutu rokok dari Departemen Kesehatan berpendapaf bahwa

tidak ada perbedaan antara rata-rata nikotin yang dikandung oleh batang rokok merek
A dan merek B. Untuk menguji pendapatnya itu, kemudian diselidiki sebanyak 10 batang
merek A dan 8 batang merek B sebagai sampel yang dipilih secara acak. Dari hasil
penelitian, ternyata rata-rata nikotin rokok merek A sebesar 23,1 mg dengan simpangan
baku 1,5 mg; sedangkan untuk rokok B rata-rata nikotin sebesar 22,7 mg dengan simpangan
baku 7,7 mg. Ujilah pendapat tersebut dengan menggunakan e : 0,05.
PEilYttESAIA}.I

Hoi ltr_ !z:0


H,r lr,- l-12*0 _
nr: 10, flz = 8, Xt : 23,1, Xz:

0,05, derajat kebebasan --

tqlz(nt + n2

2l:

l0 -

23,1"

22,7

9(7,5)2 + 70,,7)2
0,4

Tzffi
=

2'720
n1n2(n1

1|14\2

t_

fo,orr(ru)

o'4

.140,48

Sr: 7,5, Sr: 7,7


* nr- 2 = 18 - 2 : 16

22,7,

fi,

[mn6x16I

lte

n2Bo

l_

\l

28

^m)1

(0,4)(8,43)
6,36

0,s3
Karena /o : 0,53 < to.iz:2,120 rnaka Ho

tidak ditolak. Berarti, memang tidak


ada perbedaan antara rata-rata nikotin

yang dikandung oleh batang rokok


merek A dan merek B tersebut.
-to,f2o

(-2,120)

to,o".

(2,120)

Boh

r4t

Penguiion Hipolesis

CONIOH 4.6

Seorang pejabat BKPM berpendapat bahwa tak ada perbedaan rata-rata modal perusahaan

asing dan nasional, dengan alternatif ada perbedaan. Untuk menguji pendapat tersebut,
kemudian dilakukan penelitian berdasarkan penarikan sampel secara acak di mana diteliti
8 perusahaan nasional dan 6 perusahaan asing. Ternyata hasil penelitian modal perusahaan
dalam miliar rupiafu sebagai berikut:

: 5,7,8,3, 4,9, 6, 5
Asing : 6,5, 4,7,8, 6
Dengan menggunakan d:5/o, ulllah pendapat
Nasional

tersebut!

PTNYTTESAIA}I

1. Hri Hr- lt, = 0 -+ (ltr:


Hoi ltr- lt, * 0 -> (Fr+

ltr)
pr1

xr-v,

1r

@16@1

,lh,-1)s,2+\nr-1)s)

+ nr

"r.

r,

X, = f>X,1= *(5 + 7 + 8 + . . . + 5) = 5,875 (perkiraanrata-ratamodal


perusahaan nasional).

Nr
'

5 + . . . + 6) = 6 (perkiraanrata-ratamodalperusahaanasing)
= n^ Lxiz= *(6+
b'

,? = -fit-

;r(Xir - Xr)'
L

= |(o,zeso + 1.,2656+ . . . + 0,7656) = 4,1250

ti'^1= n^-l
_-j " L(Xiz -Xr)' =](o + t+...
(8X6X8+6-2)
5,875 - 6
.
'o

- 176j@i5@
=

-0,725 .
_:-_r.-:=
6,2350

r, *

txz

O)

8+6

16,4143)

= -0,1286
a = 5% talz =
df =

to,ozstay)

2=

+6

f0,025(12)

2=

2,179

1,2

to: -0,7286 , -to,orr(rr): -2,179, maka Ho tidak ditolak.


Pendapat bahwa rata-rata modal perusahaan nasional sama dengan perusahaan asing

Karena

dapat diterima.

-h

Penguiion Hipotesis ttt


unluk Sompel
Posongon lPoired Sonplesl

lok

Bebos (Dependent Smples) sebogoi Sompel

Untuk dasar evaluasi sering dilakukan pengujian hipotesis, misalnya:


1. Apakah rata-rata hasil penjualan para salesman yang belum dilatih teknik penjualan
(:pr) sama atau lebih kecil daripada rata-rata hasil penjualan setelah dilatih teknik

2.
3.

penjualan (= pr).
Apakah rata-rata tingkat kepuasan suatu nasabah bank sebelum ada peningkatan
mutu pelayanan (: ,u,) sama atau lebih kecil daripada rata-rata tingkat kepuasan
setelah ada peningkatan mutu pelayanan (: ttr).
Apakah rata-rata pendapatan penduduk suatu desa sebelum ada pembangunan
(= ,t'r,) sama atau lebih kecil daripada rata-rata pendapatan setelah ada pembangunan

G p).

142

Stotistik: leori don Aplikwi

1.

lilid 2

Apakah rata-rata lamanya waktu pengiriman suatu barang pada keadaan tak aman
(: iu,) lebih lama daripada keadaan aman (: prr).

jika p,

,tl,, maka ada 3 kemungkinan alternatif hipotesis dengan prosedur pengujian

hipotesis sebagai berikut:


1. Rumuskan Hu dan Ho:

(i)
(ii)
(iii)

H,,
Hn

lto20
ln . 0 -+ (tr-r, < ,ur) (pengujian

H(]
Ho

trroS0
lt, > 0 -+ (#, > /rr) (pengujian satu arah)

l'1r:

Hn t l-t, + 0

2.

tD
Hitung: r, s3 =

So:

(tt,

-#Jrf

r5(D;-

trtr1

(pengujian dua arah)

,O =

-Df-

satu arah)

Lo,f n

= rata-rataD

lh - 1) -+ so = ,,C}

standard deaiation

so = S' l"t'n

3.
4.

Tentukan {x, cari ta atau tal2 dari tabel dengan df : n -7.


Kesimpulan -) sama seperti pengujian dalam sampel bebas, yaitu membandingkan
nilai kriteria uji f yang dihitung (fo) dengan nilai / dari tabel. Hanya perlu diperhatikan,
df, untuk sampel tak bebas (berpasangan) : n - 1 sedangkan yang bebas r, + n" - 2.

?"$cot{ToH

4.7

*&*$ Direktur pemasaran akan melanjutkan pelatihan teknik penjualan bagi para salesman,
|ika rata-rata hasil penjualan setelah dilatih (: 4) lebih tinggi dari sebelum dilatih (: Ur).
Hasil penjualan dalam unit dari sepuluh orang salesman, sebagai berikut:

dilatih
20
18
108
729
79
22
84
11
17
135

Setelah

Sebelum dilatih
12
71

15
76

77
13

a. Uji Ho,pr.0 )[\3ltz


> 0 -+ > 1,, pergunakan a: 0,5
Berdasarkan jawaban dari a), apakah pelatihan teknik penjualan perlu dilanjutkan?

H,,t

b.

lrr.

Mengapa?

Bob

t43

Penguiion Hipotesis

PENYEI.ESAIAN

Xr',,D,=.{r-X,
128
7
11
82
93
15+
166
44
74
134
58

{1
20
18
10
12
79

22
8
11

77
13

I)'D '{D'n"y
.)

_J

-2
-1

-1

-1

-1

.)

----'-'---::.....".....:.:,...:.."":.:|,.......-

']uu,*ah;'5O

D=yL=50=5
-n
10
5f =y(Di-D)2 =9=4,444
rt-7
9
Sr="{{444=2,708

a. 1.

Hni [t, < 0 -+ ltra Lt,


Hnt !1o > 0 -+ lt, 1lt,

2. /n:(D -Ltot*=rr-5o
3. a: 0,05, fo,urrc) - 1,833 (satu arah kurva sebelah kanan)
4. Karena t,,-7,500 ) lr,u.(r) :7,833, maka Hn ditolak, artinya rata-rata hasil peniualan
para salesman setelah dilatih ternyata lebih besar daripada sebelum dilatih.

b.

Pelatihan harus dilanjutkan oleh karena pelatihan bisa meningkatkan rata-rata hasil
penjualan.

CONIOH 4.8

Direktur suatu bank akan meningkatkan mutu pelayanan jika rata-rata tingkat kepuasan
pelanggan sebelum ada peningkatan mutu pelayanan (: ,r-r,) lebih rendah dibandingkan
dengan rata-rata setelah ada peningkatan muttt pelayanan (: pr').
Dari 10 orang sebagai sampel acak nasabah, ternyata tingkat kepuasan mereka, dengan
skala LIKERT 7 butir, dengan 1 : sangat tidak puas sldT = sangat puas, dicatat sebagai
berikut:
Sebelum peningkatan mutu: 6, 5, 1,3, 5,

4,2, 6, 5, 3

Sesudah peningkatan mutu: 7, 6, 5, 4, 6, 4, 3, 7, 7, 6

t44
Stotistik: Teori don

ffiffi
6

*1

a
J

*1

-1

-)

-3

ffiosi

lilid 2

-1

D=y&=50-*
'n
10-'
c2 - s(D, -D)2 40
rD=
L-;1_-=T=4,444

SD=J4,444=2,70g

a.

1.

Ho: N, > 0 -+
H,, po < 0 --+

lr>

F,

ltt<

ltz

(D-t,o)Y=(s-o) f_1s,811_"
5D
,IoB= 2Jo8 =/,500

3. d: 0,05, /0.0.(s) : 1,g33 (satu arah sebelah kiri)


/
4' Karena to = -4,81 . -/o,orrr) = -1,833, maka H" ditolak,
artinya
rata-ratatingkat
kepuasan nasabah uu"t"Ieutr* ,;r
mutu pelayanan 1ebih kecil
apabila dibandingkan dengan sesudah;;;;;l;r"
ua, i""i.,gtatan riu#
;;i;;;"r".
b'
perlu ditingkatkan , agar tingkat kepuasan
nasabah
me,ingkat lebih
H;;.o""ran
Penguiion Hipotesis perbedqon Lebih
dori Duo Roto.roto

Apabila objek yang akan diperbandingkan


rata-ratanya mencakup lebih dari
dua (ratarata produksi barang dari 3 pabrik,
rata-rata gaji buianan dari 3 perusahaary
rata-rata
lamanya menyala sejenis bola lampu
dari 3 *!.Jr .rtr-iata hasil produksi
padi per ha
dari 4 jenis bibit unggur, rata-rata iru.gu.be.as
pJi;;;t 4 pasar,dan lain sluugrr,ya;,
maka kita harus menggunakan F test.
Akan ,"rupi,"r.uiu, banyaknya objek yang
akan
diperbandingkan ha,ya ada 2 (k
=
cukup
nJ"g;i;;"I,
menggunakan
?),i"11
Z
atau r (: r test). Bisa ditunjuk#;:h;
ti : F,,,di mani i = d.erajat
f";:#::'.test)

Bob

145

Penguiion Hipotesk

llr: ltz: . . . = Ft (semua sama)


Hoi Fr+ l-tz* . . . * ltr, (tak semua sama)
Misalnya kita meneliti sampel acak dari k populasi dengan hasil sebagai berikut.
Ho :

xl

x2

nl/ ny . .

N'

., flf

.,

Xr, . .
1

kel, 2,''', i''',


penduga lt1, l-t2, . . ., Fl . . . ., l-rr

., frk: banyaknya

X,, . .

.,

xkadalah

X= f:t!)sebagaipenduga u =f,Lu1, /r, =


i
observasi ke-l dari sampel

k'

elemen sampel

X,,:
nilai
tl

,rk

1 N,

lX,,dan i,

j; j=1,2,

.,k.

n'

,Z*,'

Kita anggap bahwa sampel-sampel tersebut, masing-masing berasal dari populasi dengan
distribusi normal, di mana rata-rata dan simpangan baku sama untuk tiap observasi,

yaitu trt dan o


= N(p, o).
rata-tata,
P:
o = simpangan baku.
Vorions onloro Rolo'roto Sompel

'i
Sl =

pendu ga

Kalau

Sr2

o? =

": =

*i

rx' -

x-r'

@'7t

nS] penduga o2.

kita kalikan n, kita peroleh rumus berikut:


ns] =

X)'

(4.8)

7rrn,penduga o'yang pertama, di mana k - 1 : derajat kebebasan.


Varians dalam sampel 7 adalah sebagai berikut:

ti' = ;+?.
nj -',tl'

r*,,a *

7,f
t

*\

fl*Li=t

64

- N2i

(4.e)

46

Stltktik leoil don

nj = n, untuk semua

j.

Aplikosi

lilid 2

Artinya, setiap sampel mempunyai jumlah elemen yang sama.

Kita dapat memperoleh penduga o2 yang kedua, yaitu dengan mendasarkan pada variasi
sampel atau rata-rata varians dari masing-masing sampel. Rumusnya adalah sebagai
berikut:

1k "
,' = +i
si = itsi + s! +...* si)
1

"A;1
!=L

qr*
k(n

- 1) :

k(n

^ tt rx..-x.'lz
"t'
- I)if it'""

(4.10)

derajat kebebasan.

Dalam hal ini, pengujian hipotesis menggunakan kriteria F sebagai berikut:

(& x)1
thfi
1nk

-1
nSi
*tg=-7f=

5-

k(n

t4.11)

iirx..-X-rf
7)

mempunyai derajat kebebasan (k - 1) dan k(n - 1.). Apabila s sudah ditentukan nilainya,
maka Fo,o 1.),k(n t) dapat dilihat dalam Tabel F pada Lampiran Vla dan Vlb.
Fo

Tolak Ho kalau

ditolak kalau
V, dan

Vz:

Fo

Fo

> Fa(v1,v,

I dan Ho tidak

< Fa(\,v).

derciat kebebasan.

Fo1vr, vr)

Daerah penolakan

Di dalam pengujian hipotesis ini, walaupun yang akan diuji ialah ada/tidaknya
perbedaan rata-rata antara k sampel dari k populasi, akan tetapi analisisnya disebut Analisis
Varians. Alasannya ialafu apabila varians

dari sampel yang satu sama dengan varians

sampel lainnya, maka berarti tak ada perbedaan. Alasan ini disajikan dalam tabel Analisis
Varians (ANOVA) sebagai berikut:

Antarsampel

Dalam sarnpel

jumlah

k-1,
k(n

1)

nk-1

nL( X,

I
I

nZ(V,-

X)'

(X, _ X,)'

(x,i- x)'

(X,i

N)'z

lk

- x,)'lk(n -

t)

Boh

t4f

Penguiion Hipotesis

r _ Rata-rata
'o-Rrt*rut@

nL(X,

- v)2 l& - 1)

LZ,(Xij

-X)'lk(n-1)

kuadrat antarsampel

Pengujian hipotesis dengan kriteria F adalah sebagai berikut:


Fo 2 Faet,t21, dan Ho tidak ditolak kalau Fo I Fo@t,,, I di mana Vr:k -7
1). Ringkasnya, prosedur pengujian hipotesis dengan menggunakan analisis

Tolak Ho kalau

danVr:k(n -

varians dapat digambarkan dalam bentuk bagan aliran berikut.

Prosedur untuk Melokukon Anolisis Vorions

Nyatakan hipotesis nol


dan hipotesis alternatil

Tentukan taraf nyata, d

Hitung:
o;.ern dan
2

6dslum

Hitung:

cn.' = "fl'*'
oiu"-

Cari nilai kritis F


dari tabel pada bagian
Lampirar; menurut
df pemb:Jang df
penyebut dan a
yanS sesual

Bandingkan CR.
dengan nilai kritis
dari Tabel F dan
tentukan kesirnpulan
statistiknya

iaqy* C01{T0H 4.8


, *K-# Seorang ahli pemasaran berpendapat bahwa tidak ada perbedaan rata-rata harga suatu
jenis barang dari tiga pasa1, dengan alternatif ada perbedaan. Untuk keperluan pengujian
pendapatnya itu, dilakukan penelitian terhadap harga barang per minggu, selama 4
minggu dari 3 pasar (k :3, fti: n : 4) dan hasilnya adalah sebagai berikut.

t48

Stathtik leoil don Aplikosi lilid 2

Horgo Suolu Jenis Borong (ribuon rupioh)


l:. Li,ri:,i :

t;:i,i:r:
:D..

: i:

::

::

:i:.:|

;::

:t ;

",1iit:i:.ii

p,,

i i: :

:! :r:::i;::;,i::i:Ji'r;:

22

22

II
m

21

'p
.tt

t1.,9:

ltlf,;

tJ

25
29

IV

26
23

25
24
25

Rata-rata

23

24

28

25

xl

x2

x"

Dengan menggunakan

cr,

28

30

5/o, ujilah pendapat tersebut!

PEI{YTLESAIAN

S?

^)
nb;
=a
5-

1' I(X, - x)'


= k-1-'t

- zs)2 + Q4 - 25)2 + (28 =!(4+1+9)=t=7

= ltQs

zilzl

=nx7=4x7=28
1_
-

k(n
11

' r\(Y -Nj)2


- 1)""''-'1

Xr)2I
- rLI(X, = +l+{(x11 - 7r)'+ (Xzr - Xr)'+ (X:r - *r)'+ (X+r - X,)' +
]{(xu - Vr)' + (Xzz - xr)' + (Xsz - Xr.)' + (Xqz - Xr)'} +
]{xrs - Xr)' * (xzs - X-r)2 + (X:a - N)' *(Xns - X-r)'}
= +l+tQz - n)2 + Q1. - 23)z + (26 - n)2 + Q3 - zz)2| +
it<zz - 24)z + (25 - 2q2 + Q4 - 24)2 + (25 - 24)2j +
*ttzs - 2B)2 + (29 - 2q2 + (28 - 28)2 +(30 - 28)21

= 1rl,

3,78

k_

nZ(X,
'0 -

rr

X)t l(k

7)

::(x,
- -xi)'lk(n -t)
tl
28

3,78

= /,4074 =7,4

Fa(rr,rr) = -4,os(r -D,k(n

-t) =

&,os(zt(s

) = 4,26'

Fo: 7,41 > Fo,os(z)(s): 4,26 rnaka Ho


ditolak. Hal ini berarti ada perbedaan ratarata harga dari tiga pasar tersebut.

Karena

Boh

Penguiion Hipotuis

149

Catatan Tambahan
Dapat ditunjukkan bahwa seluruh jumlah kuadrat total (total sum of square) dapat dipecah
menjadi jumlah kuadrat antarsampel dan jumlah kuadrat dalam sampel.
nk
nk
:i(xi,-[)'=i->{x,,
-Xi *Xi -x)'
ij
ii
'
= ++u - v; + (xi - x)l'
tt l'

*1t<* - vi)'
1nk

n\

::(Xir" -X)'

. t i

x) + tx, -

x121

1n

= ilLX,,=nY-

nl,

ktt

,t

II(Xii
x)+ii(Xi
X)'
', -XiXX;
J
, , i t
" -Xi)'-2>>(X,i
'
j ,
i i
2i9.1x,,

'o

j-

il

--IX,,
11 i

'

xi)(N

1k-

ki

Xi

17

= _i_::X., = _IX,
nkii 't

dimana X

Z(Xii

+ 2(X,,

- x,)lx,- x)

,i

ti(x,r - xr)(xj - x)l

n_

-X7)=IXq-ZXi =nXi -nX, =g


"

2t [[: [xii - xillxi - x]l


= -2r [0 [xr - x]l
il
tt k

nk

II(Xi, - X)'= I:,(Xi, -X,)'+ nL(Xi


- X)'
ii,ij',i

Jadi,

\--------vJ

q-___.YJ

L-.YJ

IIIM

I:

seluruh jumlah kuadrat


kuadrat dalam sampel

t{ = jumlah
III : jumlah

kuadrat antarsampel.

PTNGUJIAil HIPOIESIS TENTANG PROPORSI


Penguiion Hipolesis tentong Sotu Proporsi
Dalam praktel yang harus diuji sering kali berupa pendapat tentang proporsi (persentase).
Misalnya, persentase barang yang rusak :10%; nasabah yang tidak puas : 25/o; penduduk
suatu daerah yang masih buta huruf :15%; penduduk suatu kota yang tidak setuju KB

20%; karyawan yang tidak bergairah : 57d mahasiswa FE-Atmajaya yang belum
membayar uang kuliah : 30'/o; dan lain sebagainya. Pengujian hipotesisnya dinyatakan
dalam proporsi. Misalnya,

Hn,L,<lro
,,pr'pun

Fi

^
atau

H :o)n
rp.'l'o

H'"

Cara pengujiannya sama dengan pengujian rata-rata.

X-nPo
7
n-Po
""-.fnifr-iJM
1lt

(4.L2'

50

Stltistik: Teoil don Aplikosi lilid 2

di mana n : banyaknya elemen sampel.


X : banyaknya elemen sampel dengan karakteristik tertentu.
Po

Proporsi berdasarkan hipotesis

Secara umum, pengujian hipotesis tentang proporsi (persentase), dapat diringkaskan dalam
benhrk bagan aliran berikut.

ffi

Prosedur Penguiion Hipotesis tentong Penentose untuk ft-Bonyoknyo Sompel

Rumuskan

Ho

dan H

Tentukan taraf nyata (a)

Tentukan frekuensi
yang diabseraasi

dari sampel

Hitmg frekuensi yang


diharapkan,

llka

Ho

benar melalui rumus


(total barisxtotal kolom)
, --'/c total seneral

Hitung nilai

x2

dengan rumus:

r' - x(l; -.')'


t.
Dengan menggunakan nilai a
dan d/ yang sesuai, tenlukan
nilai kitis / dari tabel
pada bagian Lampiran

ldf-tr-l)(c-i)l
Bandingkan :rr2 dari hasil
perhitungan dengan nilai x2
dari tabel dan tentukan
kesimpulan statistiknya

(0NT0H 4.9

Seorang pejabat Bank Bumi Daya berpendapat, bahwa petani peminjam kredit Bimas
yang belum mengembalikan kreditnya adalah sebesar 70'/o, dengan alternatif lebih kecil

Bob

Penguiion

Hipotxis

5l

dari itu. Untuk menguji pendapatnya tersebut, sebanyak 225 orcng petani peminjam
kredit Bimas kemudian diteliti. Ternyata ada 150 orang yang belum mengembalikan
kredit. Dengan a : 70%,, ujilah pendapat tersebut.
i;;""**
! #[

PENYELESAIAN

:p>0,70 n:225,

:ffi*JH,,

x-150

0,70 a: 107o, 2,,: 7,28 (dari Tabel Normal).


X-rpo
750-225(0,70)
150 - 15
pn1 - ,[n5e,7o)(o3o) 6,87
^lipnqt

H,,: p <

.
"t'

a = 0,70

Zo: -1,09 > Zo- -1,28, maka


tidak ditolak. Berarti, pendapat

Karena
Ho

tersebut benar.

(0NT0H 4.r0

Seorang pejabat BKKBN (Badan Koordinasi Keluarga Berencana Nasional) berpendapat,


bahwa 40% penduduk suatu desa yang tidak setuju KB, dengan alternatif tidak sama
dengan itu (setuju KB). Untuk menguji pendapatnya, telah diteliti sebanyak 400 orang
sebagai sampel acak. Dengan menggunakan a : 7,/o, ujllah pendapat tersebut.
PENYETESAIAN

Ho: p : g,4g
H,: p * 0,40

rt:400, X:752
a : 0,01, 2,,,r: 2,58

X-rpo
"Jnp6(7 - 1tn)

z
"

al2-0,

152

400(0,40)

J4oo(0,40)(0,60)

al2 -

= '0,82

0,005

7
(-2.s8)

Karena -Z,t2 < Zs I 2o,2, yaitu -2,58 <


-0,82 < 2,58, maka Hn tidak ditolak.
Berarti, pendapat bahwa 40% penduduk
desa tersebut tidak setuju KB, dapat
diterima.

Penguiion Hipotesis tentong Perbedoon Duo Proporsi

Dalam prakteknya, mungkin ada persoalan mengenai perbedaan antara dua proporsi
(persentase). Misalnya, tak ada perbedaan persentase penduduk yang setuju KB dari dua
desa; tidak ada perbedaan persentase nasabah yang tidak puas dari dua bank pemerintah;
tidak ada perbedaan persentase barang produksi yang rusak dari dua pabrik, dan lain
sebagainya.

Stotistk leori don Aplikwi lilid 2

r52

Hipotesis tersebut dapat dirumuskan sebagai berikut:

(1) Hoipr-pra0
Hu, p, - Pz> 0
(2) Hoipr-pr20
Hnipr-pz< 0
(3) Ho:pt-Pz:0
Ho I p, - pr* 0
di

artinYa Pt>

Pz

artinYa Pt<Pz
artinYa Pr t

Pz

mana,

^Xl,^X2
ij,:-dan
l'lt

"topi"

atau

masing-masing merupakan pendug a p, dan p,

Pr=- 112

fi

dibaca p

fi "cap").

akan tetapi, karena Pt

Pz =

p, makabaik

maupun

fi

^"rupukan

penduga p'

l
o,,
t[-r' r.r
=

p(l- P)(L +
Karena p lebih baik diestimasi dengan
"

-(,-;)

6=

\'nt+n2

X' 1 Iz , mak'
nt+n2

n1+nz nt

= kesalahan baku untuk

nz

(\ - L),
111 ll2

sehingga

Zo=

r&-&l
n,
fla

(Xr + Xr)(1
' t'11 * ll2'

Xr + Xrlta *
nt + n2 nl

a)

(4.13)

fl2

(0NT0H 4.1I
Seorang pejabat dari Direktorat ]enderal Pajak berpendapat bahn'a persentase wajib pajak
sama.
yur-rg Uir* membayar pajak dari dua daerah adalah sama, dengan alternatif tidak

menguji p".tiupitrrya itu, telah diteliti sebanyak 200 orang n'ajib paiak dari daerah
pertama. telr-tyita adiT orang yang belum membayar pajak. Sedangkan dari 400 orang
wajib pajak dari daerah yang kedua, ada 10 orang yang belum membayar pajak. Dengan
menggunakarr c(, : 5/., uirlah pendapat tersebut!

i-l"tit

PENYETESAIAN

HoiPr:P,
H,, : P1* Pz
n1 : 2o0t Xr:7, nz= 400, x, : 10
c; - 5%, Zotz:7,96 dati Tabel Normal'

Bob

t53

Penguiion Hipolesis

x2

\_
fi1

-7_
LO-

Y rY

L.

X.+X".1 +-)1.
n7+n2 flt n2

n1+n2

Zo=

n^t

7 +70
n2

200 + 400

= 0,028

770 -/\
- 400

200

f1L

_/(0.028x0.972\(
"200+')400'
Y' ',
0,035

;ffi
=

0,025

0,01

:@
o'ol
0,016

= 0.77.

0,71 terletak antara -7,96


dan L,96 alau -1.,96 < Zo < 1,96, maka Ho
tidak ditolak. Berarti, persentase wajib
pajak yang belum membayar pajak dari

Karena Zo

dua daerah adalah sama.

c01{T0H 4.t2

Seorang direktur pemasaran berpendapat, bahwa proporsi/persentase barang yang tidak

laku adalah sama untuk suatu jenis barang dengan merek yang berbeda, yaitrt merek A
dan merek B, dengan alternatif ada perbedaan. Setelah dilakukan pengecekan, barang
merek A sebanyak 200. Dari jumlah tersebut, yang tidak laku 50 buah dan barang merek
B sebanyak 200 buah dan yang tidak laku 70 buah. Dengan menggunakan a, :0,10 (:
1.0/o), ujllah pendapat tersebut.
PEI{YELESAIAN

Ho I

Hu

Pr: P,
P, * P,

Merek A

\ :200
Xr :50

Merek B
nz :200

Xz: 70

\_X,
Zo=

fr

1
(X' * X, )(t - X,+X",.
'
')(-+
nr+n2
n\+n2 nl

50
-

200
l.
_r(_

V'200 +

1,
n2

70

200

xl__
)( +_)
200" 200 + 200"200 200'

Stotktik: Ieori don Aplikosi

t54

0,25

lilid 2

0,35

J(0,3)(0,7)(0,01)

= -2,L8
o.

0,70, -Zo,or= -1,64 (1tga sering dipergunakan 1,65).

Karena Z0: -2,78 . -Zo', - -7,64, maka Ho ditolak. Berarti, ada perbedaan proporsi atau
persentase barang yang tidak laku dari merek A dan B.

r | (0NT0H 4.13
j-J S"orur-rg pejabat dari BRI berpendapat, bahwa proporsi petani peminjam kredit Bimas

yang belum melunasi kredit tepat pada waktunya untuk Desa I dan II adalah sama
dengan alternatif tak sama. Berdasarkan hasil penelitian dari Desa I, ada sampel petani
1000 orang, yang belum melunasi 150 orang. Dari Desa II, 800 orang petani, yang belum
melunasi 100 orang. Dengan u : 57o, ujilah pendapat tersebut.
PTNYETESAIAN

: 1000
x1 : 150

Hntpr-pz:o (pr:pr)
Hn'. pt,- p, * o (p, * pr)

: 800
Xz : 100
rz

11t

x, -4,
n1

ll.

.X,+Xffi _ t zx_+
("r
171 + 172 n7
n,
\t n, + -x1
l

_
-\(0,@

nz

0,025

= 1,5244,
Zg,g25 = 7'96
Karena Za:1,5244.2n,0rr:T,g6,makaHotidakditolak.Berarti,pendapatyarrgmenyatJkan
I dan II itu sama,

bahwa proporsi petani yang belum melunasi kredit Bimas dari Desa
dapat diterima.

Penguiion Hipotesis lentong Perbedoon Lebih dori Duo Proporsi

Dalam praktek, pengujian hipotesis dapat mencakup lebih dari dua proporsi. Misalnya,
persentase sejenis barang yang rusak dari 3 pabrik sama (tidak berbeda); persentase
penduduk yang setuju KB dari 4 desa sama; persentase penduduk yang mendukung
calon gubernur dari 5 kabupaten sama; dan lain sebagainya. Pada umumnya, kita bicara
tentang proporsi/persentase yang sama.

Hoi P, : Pz- . . . Pi- . . . : puG p)


H : Tidak semuanya sama (paling sedikit ada dua yang tak sama)
Misalkan kita mempunyai k sampel acak dari k populasi. Elemen-elemen sampel
dibagi menjadi dua kategori/kelompok, yaitu disebut "sukses" dan "tidak sukses", sebagai
berikut.

Bob

r55

Penguiion Hipotesis

sanpei.2

Sa,ryrgel,i

frr,

flr,

n_.

fr.,t

ll1

"tidak sukses"

tlzt

n22

ftri

ftn

n2

Iumlah

n.1

n.2

n-

$crr1pel

Banyaknya
"sukses"

$ampei

rl

ft

|u*rlah

Banyaknya

tl

kk22k

n1.= /=r
2,n1,,t1?.= l,n2;; n.; = L,n;; ,n= Z,n; = L,n.i
r=t
i=l
l-t
l_t
r,,:banyaknyaelemendengankarakteristiki(i:1,2)darisampelj(j

:1,2,...,k).

Kalau kita anggap p sebagai proporsi "sukses" yang sebenarnya (menurut hipotesis,
proporsi ini akan sama untuk seluruh populasi sebanyak k), parameter p tidak diketahui
.nilainya meskipun dapat diestimasi sebagai berikut:

- ni

"'
nn

+ nD+

t\k

- fit' :pendugap (i,

dlbacap"cap",ataup"topi").Kemudian

: frekuensi harapan (expected frequencies).Apabila

penduga 7t, yaitu


T, O,
kalikan dengan banyaknya elemen (banyaknya eksperimen) untuk setiap sampel (ada k
sampel), maka untuk sampel 1, kita peroleh banyaknya sukses yang kita harapkan, p, :
kita hitung

e--

!rl; untuksampel 2, bz:


(-),dan untuk sampel
al; untuk sampel i, h,:, '\n)
' n r(
'\n)
\rr)
ke k, r: n.r(L l. s"au.rgkan, banyaknya elemen dengan karakteristik tidak sukses
"
^\ rl /
n,(

dapat diperoleh dengan jalan mengurangi banyaknya elemen setiap sampel dengan
banyaknya sukses yang kita harapkan. e,, adalah frekuensi harapan untuk baris i dan
kolom 7 atau sampel 7.

^ *(n.i)(nt) *
'nn
i:7,2
j:1,2,...,k
-tt

di mana:

(n,.j{n.i}

{4.14}

Untuk menguji hipotesis bahwa tak ada perbedaan antara proporsi dari K populasi dengan
alternatif ada perbedaary maka dipergunakan pengujian kai-kuadrat dengan simbol X2.

-.2
x^-rr zk(n,," -e,,)2
"'
i-1i=l

Kemudian, kalau

dicari dari Tabel

p..

-tt

di mana
df:(k-

Zo2

mengikuti fungsi

(kai-kuadrat) dengan

1).

Xi,Ho ditolak; dan sebaliknya kalau X3. Xi, Ho tidak ditolak. x;


dengan
derajat kebebasan (k - 1).
12

fi2

c01{T0H 4.r4

Seorang pemilik pabrik berpendapat bahwa persentase barang produksi yang rusak selama
3 hari berturut-turut sama. Maksudnya, pt: pz: p' yaitu persentase barang yang rusak
dari hari pertama sama dengan hari kedua dan juga hari ketiga. Setelah diselidiki, ternyata

diperoleh data berikut:

r56

Stotistik: leori don Aplikosi

Rusak
Tidak

rusak

|umlah

12 (11,0F

15 (1A2)

5 (&8)

88 (89,0)

105 (10t8)

74 {71,2)

767

100

120

80

300

lilid 2

.f.l

.Angka dalam kurung adalah frekuensi harapan.

Dengan menggunakan
*Tffiffi

u:5%,

ujilah pendapat tersebut!

PTNYETESAIAN

-6fi

Ho i

p,: pz: p, G p)

H, : tidak semuanya sama (setidaknya ada dua yang tak sama)

r,

,,

_ (n.,)(ni.) _
nn
(nt.)(n.)
_
_
'n
: nr.n.z _
n
t1r.

eT
rz

rt

t't.t,

(n,.)(n.i)
(100)(33)
(133X120)

:13,2

300

(33)(80)

n
:100-11

:11

300

300

8,8

=89

:720-73,2=706,8
: 80 - 8,8 :77,2
zl(n,,-e,,)2
r

r':"
It
'-o
l=ri,

(12

eii

- 1L,O)2 0s - 13,D2
1,'1,,0
73,2
, \74 - 71,2)2
T-T

...i-

(6

- 8,8)2T-T(88 - 89,0)2
8,8
89,0

(105

L06,8)2

706,8

77,2

-- 7,397

Dari tabel X' o,or(r.\: 5,991.

Karena Xi= 7,379 < x::5,991., maka Ho tidak


ditolak. Berarti persentase produksi dari hari
pertama sama dengan hari kedua dan sama
dengan hari ketiga.
Xtr,orrrt

(5,991)

Boh

Penguiion Hipotesis

157

i(0r{T0H 4.t5

Seorang pejabat dari BKKBN (Badan Koordinasi Keluarga Berencana Nasional)


berpendapat bahwa tak ada perbedaan persentase pendudulf yang setuju KB dari
empat

tingkat pendidikan dengan alternatif ada perbedaan (tiaak it"j"i. Untuk menguji
pendapatnya itu, telah diteliti sebanyak 1600 orang penduduk dari berbagai
tingka'tan

pendidikan dan hasilnya sebagai berikut.

ilr,r,i$"u-Ail

Setuiu KB

312 (315).

348 (375i

Tak Sefuju KB

108 (10s)

1s2

|umlah

42fr

500

iilii:lffii

liili:i;:SeiiiiilI

243

(22s,)

297 (28s)

1200

57

{75).

83(es)

40a

380

1600

(12s)

300

*Angka dalam
kurung adalah frekuensi harapan.

Dengan menggunakan a, :

1.%

(= 0,01), ujilah pendapat tersebut!

PENYTTTSAIAN

i Pr: Pz: Pr: PrG P)


H, ,Ji9lk semuan^ya sama (sedikitnya ada dua yang tak
a: 1% (: 0,01, fo.ouil: 77,34\ (dari tabel l)
Ho

n.ifii.
cii - -'ntl

sama).

fli.ff.i

- _ (1200)(420)
trr=--tri=315

^ _ (1200)(s00)
'12---1r/;,o-=r/r
_ _ (1200)(300)
",r=--00-=225
^1r _= (1200x380) = 185, danseterusnya.
e.,1
1600

r/
tl'
^ _ s24(n,,-e,,\2
s

^.2 - 2?-,{,o
t=L

_
-

l=t

(312
(108

ij

- 31s)2--(348 - 375)2-----zzs
Q$ _ 22il2*----r85-*
Q97 _ 285f

315

,l52

37s

- 10s)2 .
- 125)2 $7 _ 75\2
105=125--A-%

(83

9s)2

15,572

Karena Xo' :75,572, Xo' :11,341, maka


ditolak. Berarti, persentase penduduk
yang setuju KB tidak sama untuk semua
tingkatan pendidikan.
Flo

t,urr.,= (5,991)

t58

Stotistik: feoil

fun

Aplikosi

lilid 2

Persoalan yang baru saja diuraikan di atas, membagi hasil percobaan menjadi dua
kategori yaitu "sukses" dan "tidak sukses". Pembagian kategori bisa lebih dari dua,
katakanlah r kategori (r > 2).Misalnya, orang yang diwawancarai oleh petugas BKKBN
mengenai KB memberikan 4 jawaban: sangat setuju, setuju, kurang setuju, sangat tidak
setuju; barang diklasifikasikan menjadi rusak tak bisa dipakai, rusak masih bisa dipakai,
dan bagus; langganan/nasabah dikategorikan menjadi: puas, cukup puas, dan sangat
tidak puas dengan pelayanan bank. Mahasiswa suatu fakultas dibagi menjadi tiga kategori
yaitu uang kuliah sudah lunas, belum lunas, dan belum membayar.
Data hasil penelitian untuk menguji hipotesis dapat disajikan dalam bentuk tabel
yang disebut "r by k contingency table", sebagai berikut:

Hipolesis

$arlpel.X

$alrtffi,:2,

nrr{err)

nrr(err)

Kategori 2

nrr(err)

Kategori i
Kategori r

Kategori

l"r

hy k

Sampel k

Itiirr*ah

nrlkr)

nrr(e.,.0)

fft.

noku)

n,,(e.,)

nn(e*)

fl2.

n,r(e,r)

n,r(e,r)

nr(er)

n G.\

n.

n,r(e,r)

no(e,r)

n,1(e,,)

n,u(e,n)

n.1

n.2

n..

n.k

Iumlah

k
r
Ll'l;;, 11.;
2n,,,
n..=
t j-l
r = i_t
'' n = tl.. =
"
r,, = banyaknya elemen dengan
e,, : nllat harapan ,,,. n :2n,. :

rk
r
k
I It'l;; = Zll;. = Z11.;
j=t "
j=l
i=l
kategori i dari sampel
i=t

Ln.,

7.

ZLn,,

Kalau pii : proporsi sebenarnya dari kategori i dan sampel 7, maka hipotesis yang
mengatakan bahwa proporsi dari kategori 7 untuk semua i (i : 7, 2, . . , r) adalah sama
bagi seluruh populasi sebanyak k, dapat dirumuskan sebagai berikut.

Pr:Ptz

f)i

n
I'tt -n ri)

:fr rii :

Pr=P,z

H,,

:"'-Pt,

Pt1

,r-,1-11:n
f)t
f))

P,j

: tidak semua

f2a

:"':P,r

proporsi sama.
, k (ll;;-e,,)z

Kriteria pengujian yl = I i L,
i=1j=1

(r-1)(k-1).
eii, =

( n,.\
_
n.ilLl
,\n )

(n.i)(ni.)

nn

mengikuti fungsi kai-kuadrat dengan df

ii

_ (n,.)(n.i) :

frekuensi harapan

Boh

I59

Penguiion llipoteis

Kalau adiketahui, io*-,u* ,, duput diperoleh nilainya dari tabel f . Apabila Xi, f ., i:
ditolak dan sebalikn),a kalau Xi < t",Ho tidak ditolak. (r - 1)(k - 1) : derajat kebebasan.

i,;,4*

coNroH 4.t6

empat bank, katakanlah B, 82, 83, dan Bn. Nasabah dari keempat bank
;-j;&
*dffi Ada
ditanya, apakah mereka sudah puas dengan pelayanan dari bank-bank tersebut.

terseL.tn

]au'aban
mereka dikategorikan menjadi tiga, yaitu puas, cukup puas, dan tidak puas. Ada pendapat
yang mengatakan bahwa proporsi nasabah yang puas, cukup puas, dan tidak pttas s.tma
untuk semua bank, dengan alternatif bahwa proporsi-proporsi tersebut tidak sama. Untuk
menguji pendapat tersebut kemudian dilakukan peneiitian terhadap 600 nasabah, )'ans
dipilih secara acak sebagai sampel, dengan rincian 100 orang dariBr,200 orang dari 6..
160 orang dari Br, dan 140 orang dari 8,,. Banyaknya nasabah yang memberikan jan'aban

puas, cukup puas, dan tidak puas dapat dilihat dari tabel berikut.

lawauh----*-\r
Nasabah

B1

E2

BE'

Puas

65

112

85

80

342
198

Cukup puas
Tidak puas
Jumlah

Dengan menggunakan

Ho : Pr, =

27

67

60

27

15

16

60

100

200

160

140

600

tersebut!

Pu

Pt = Pzz: Pzt: Pzt


1l:lt-n:l)
riz iir
rJ)
r3t
H, : tidak semua proporsi sama.
t1. ; t1;.

eii
'rn=L,n=600;

tt.t =100, tt.2 =200, 1't.3 =760,n.+=740


ttt. = 342, tb. = !i$, n^ = 60
_r57
^ _\ns.)(n.l)_(342X100)
Lll
'o

n
(n'.)(n.,)
'tz ;
342x 160 )
c,.=#=91,2
600

6oo

(342)(200)
600

Cr, =

Lt
1,1. =

(3+2111as1
.=79,8
600

(n,.)(n.')
n

,r..r."
--!----!tr

(1e8)(160)

e'r:=---:#=c2,8
600

hrmlah

44

a,:5'/o, ujilah pendapat

Pn: Pn:

Bnt

(198)(100)
600

(198)(200)
---- = 66,1)
- "'
600

r60

Stotistik: leori don Aplikosi

(1e8)(160)
23 =

= \)

600

(1e8x140)

r31

600

i2 =
ei3 =

(nt.)(n.r) _ (60X1-00)
= 10,0

600

(nz.)(n.z)

(60)(?00)
600

(60)(160)
600
600

n
(60x14o)

x6=

= 4b.h

(^t
-

lilid 2

76.0

74.0

=20,0

z +(n,,-e,,)z
,

>,:,
j=l

i=1

rcs

"

eij

- 57\2 o72 - 7rq2


57

(76

1,qz

74

1,1,4

4,570

Oleh karena fr:4,570. fr,outu>:72,592, maka


Ho tidak ditolak. Berarti proporsi dari nasabah
yang puas, cukup puas, dan tidak puas adalah
sama untuk Bank 1, 2,3, dan 4.
fr,0'\6):72,592

PENGUJIAN KETIDAKTTRGA}ITUNGAN DAN KETEPATAN SUATU FUNGSI

Sering kali ada pendapat yang mengatakan bahwa kategori/klasifikasi/pengelompokan


suatu hasil observasi dari suatu populasi, tidak tergantung pada kategori populasi lain,
atau dapat dikatakan bebas. Pengujian semacam ini disebut "tests of independency". Caracara pengujiannya sama seperti menguji beberapa proporsi (misalnya r > 2) dari beberapa
populasi (misalnya k > 2), yaitu menggunakan "r by k contingency table" seperti di atas,
dengan Xl sebagai kriteria pengujian. Seperti kita ketahui, di dalam prakteknya proporsi

sering digunakan untuk memperkirakan probabilitas.

Untuk tabel "contingency rk" (r > 2, k > 2), hipotesis biasanya dirumuskan sebagai
berikut:
Hoi P,i: Pi

H,,

p,,

P.1

* pi p,

di mana pi,p l

pii

merupakan probabilitas.

probabilitas bahwa suatu observasi dari sampel akan terletak pada lokasi
perpotongan baris I dan kolom i (yaitu sel i, l) G p,,) adalah sama dengan probabilitas
Ho menyatakary

Boh

t6l

Penguiion Hipotesk

.
:

.I :

:li:: :i li:

;r

.:! i:

t\1aErflKa,stl{
:
ir

l i:r:l i :;;1

A^:,,"
8.,.

frr,

(r,,)

8,,

flzt

(rr.,)

ro

i..:i,:.:.4

ri :

i i i: 1:

:;4,;

"12

(rrr)

fl

k;)

flt.

fl.,i

frt*

\eti)

kru)

n-.

ltx

\e,,)

kru)

flit
(ee)

flr.

ca
(E

.'F
iA

Bt

V
B

Jumlah

frit

flo

tL..

(r,,)

(r,r)

b'll

fl11

fi12

n.

flrk

(e,r)

(e,r)

(e,i)

(e,o)

n.1

n.2

n..
l

n..

bahwa suatu observasi akan terletak di baris i (: p,) dikalikan dengan probabilitas bahwa
observasi akan terletak dalam kolom j (: p).Dengan perkataan lain apabila Ho benar,
klasifikasi observasi dari sampel menjadi beberapa kategori, katakan kategori A adalah
bebas (independent) terhadap kategori B (dari populasi ke populasi). Di dalam riset
pemasaran sering dipergunakan untuk mengujr, apakah kepuasan pelanggan berhubungan
atau berkorelasi dengan umur, tingkat pendidikarg status sosiaf jenis kelar4irL suku bangsa.
(ONTOH

4.I7
Seorang pengusaha berpendapat bahwa tingkat kepuasan pembeli suatu jenis barang
(kategori A : puas, cukup puas, tidak puas) bebas terhadap merek barang tersebut (kategori
B: merek M1, M2, dan Mr), atau tidak ada perbedaan tingkat kepuasan dari seluruh
merek, dengan alternatif ada perbedaan.
Untuk menguji pendapat tersebut, dilakukan penelitian terhadap 400 orang pembeli
yang dipilih secara acak sebagai sampel. Diperoleh hasil penelitian sebagai berikut.

bo

M1

40

50

10

(40r

(so)

(10)

L00

,i
H

M2

)z

50

90

10

(60)

(75)

(1s)

150

lr

M3

Jumlah

70

60

20

(60)

(75)

(1s)

160

200

40

*Angka dalam kurung adalah frekuensi harapan.

150

400

162

Stotistik: leori don Aplikwi

Dengan menggunakan a

;i*rrwrusnnt:
,#
Ho, p,j pi p.latau
H:o
tt.I D. l
ttl +D
d

0,05

(: 5/"), ujilah pendapat

tersebut!

Ho ' npij = npi.p.i

p danp.,tidak

diketahui nilainya, akan tetapi bisa diperkirakan dengan:

b:+

it'':

dan

lilid 2

!!

Apabila Ho benar, frekuensi harapan adalah sebagai berikut:

,:

t,,: r(T)(?) =+

nh.

nt. ft.l _
o _
,r,
-

(100X160)

400

40

(1oo)(200)
400

e33=

(1so)(40)

=l:

-ei)z

^.2-lr(n1'
' i=r-- i=r

Lt)

ij

(nn - ex)z
(nn - ett)2 (n,, - ,,r)'
* ... *
*
ZZ
etZ

tt

(40

4O)2

40

Kai-Kuadrat,
: X'n,or(r)(r\: Xlo,osrnl = 9'4877
X2rv - t)\t ,.,

Dari tabel

Karena yr2 : 12,66 , X'^,, 1) (k - 1) : Io,os(a) :


9,4877, maka H0 ditolak. Jadi, tingkat
kepuasan pembeli terhadap barang tersebut
tidak sama untuk seluruh merek. Dengan
kata lairy tingkat kepuasan pembeli terhadap
barang tersebut akan tergantung pada merek
barang.
Y2
-0,05({)

(9,4877)

Catatan:

Di dalam

menggunakan

beberapa hal berikut ini:

sebagai pengujian beberapa proporsi, perlu diperhatikan

rt2

1.Rumus,3=?.f'Thanyaberlakukalaun,,>5untukSemuaid,anj.

Bob

t63

Pengujion Hipotesk

2.

Apabila

n 15,

harus diadakan penggabungan kelas.

Perhatikan contoh berikut:

l:ii:i::.t:

,umun

tr
[,

t"

t'

Jumlah

405064
509073
7060t73
160
200 30

Jumlah

160 200

150

150

400

10

40 50
50 90
70 60

100

10

100

10

150

20

150

40

400

harus digabung

Setelah diadakan penggabungan 3 dan 4, kemudian derajat kebebasan menjadi


berkurang (r *1)(k - 1): (2)(3) = 6 menjadi (2)(2) = 4

3.

Untuk tabel "contingency 2x2", apabila banyaknya observasi kurang dari 40 (n < 40)
harus diadakan koreksi dengan rumus sebagai berikut.

z (lnii xl=ii.y
- 4 Fl

y?

i=1

Angka O5

Rusak

nrt:

eiil

Jumlah

0,5)2
,

tii

faktor koreksi

flr =6

15

(8,5)

(6,5)

Bagus

nrr:4

lxrr:

(6,5)

(9,5)

13

L7

Dari tabel, perhatikan bahwa n

15

11

:30

30

< 40

Misalnya, kalau n : frr * fl,., t flr, + nr, < 40


Untuk menguji hipotesis bahwa tak ada perbedaan proporsi dari barang yang rusak dari
dua pabrik, harus dipergunakan rumus berikut:

"

^,2
LI
-

2 2 (1n,,-e,,1
-0,5)2
tJ

ss.

tJ

i=7i=1

eii

_(19-6,51 -0,5)2 + (16-8,5t -0,5)2 -, (14-6,51 -0,5)2


g,5

6,5
( 111 - g,5l 8,5

0,5)2

6,5

t64

Stotttstik: Teori

:L*
6,5

22

6.5

II

a2
L

22

8,s

8J

don Aplikosi lilid 2

:2,17.
mengikuti fungsi Kai-Kuadrat dengan derajat kebebasan sebesar (2 - 1)(2
Untuk a : 0,05 (: 5%), tampak bahwa dari tabel Kai-Kuadrat, x'o,or(r\: 3,8415
12

1)

1.

:2,77 < X'(o,or)(r) = 3,8475, maka Ho


tidak ditolak. Berarti, tak ada perbedaan

Karena Xt

X'?u,o.11y

proporsi barang yang rusak dari dua pabrik


tersebut. Dengan kata lairy tingkat kerusakan
barang-barang tidak tergantung pada pabrik
barang tersebut.

3,8415
= 3,8475

Untuk label "contingency 2 x 2", dengan n

40, rumus 12 adalah sebagai berikut:

- nvnz\)z, tanpa faktor koreksi.


xi= n(nr,rnzz
fl.\n.2n1.f12,
Kemudiary xf dibandingkan dengan yia,t Kalau
x3. *'^,, Ho tidak ditolak.

xl,

{{.1S)

x'a,y Ho ditolak. Sedangkary kalau

Penguiion tentong Kelepolon/Ke(ocokon suotu tungti


Setiap variabel dapat mempunyai bentuk fungsi (misalnya, variabel X mempunyai fungsi
Binomial, Poissory Normal, dan lain sebagainya). Dengan mengetahui bentuk fungsi suatu

variabel ini, manfaatnya adalah sebagai berikut:

a)
b)

Dapat memperkirakan/meramalkan nilai fungsi tersebut, apabila nilai X sudah


diketahui.
Dapat menghitung nilai probabilitas terjadinya X.

Di dalam praktek, kita sering mempunyai asumsi bahwa hasil observasi yang kita
lakukan (berupa nilai variabel) mengikuti suatu fungsi tertentu, atau mempunyai proporsi
atau frekuensi tertentu. Misalnya, kalau kita melempar dadu, maka setiap mata dadu
akan muncul 6 kali (frekuensinya sama); melempar mata uang log{n sebanyak 30 kali,
keluarnya gambar burung (: B) : 15 dan bukan gambar burung (: B ) : 15, proporsinya
sama yaitu 0,50 dan lain sebagainya.
Untuk menguji ketepatan/kecocokan suatu fungsi, dapat dipergunakan pengujian
Kai-Kuadrat (: X' test). Dalarn pengujian ini, akan dibandingkan antara frekuensi hasil
observasi (obseraed frequency) dengan frekuensi harapan (expected frequency) yang biasanya
dinyatakan sebagai suatu fungsi tertentuf : frekuensi hasil observasi ke-l dane.: frekuensi
harapan ke-1. Rumus yang dipergunakan untuk pengujian adalah sebagai berikut:

#=&s#

{4.LYJ

Boh

165

Penguiion Hipotesk

Fungsi ini mengikuti fungsi Kai-Kuadrat dengan derajat kebebasan (k - N), di mana A =
banyaknya kelas atau kejadian, dan N: banyaknya kuantitas dari hasil observasi untr-rk
menghitung frekuensi harapan. Untuk fungsi normal, misalnya, N: 3, dengan n, lt, dar.
o, apabila tidak diperlukan estimasi parameter populasi untuk memperoleh frekuensr
harapan maka derajat kebebasannya adalah (k - 1). Perhatikan Contoh Soal 4.'1.8, 4.79
4.20, dan 4.21 berikut ini.

(0NT0H 4.t8

Misalkan suatu data hasil penelitian atau observasi dianggap mengikuti (mendekati)
fungsi normal, dengan rata-rata Lt:784,3 dan dengan simpangan baku sebesar o: 74,54'
Berikut ini adalah tabel yang menunjukkan observasi yang telah dikelompokkan menjadi
9 kelompok (k : 9), frekuensi berdasarkan observasi (I) dan frekuensi harapan yang
diasumsikan mengikuti fungsi normal (e,).

150-158
L59-167

9,0

24

25,4

1,68-176

51

51,5

177-185

66

71,2

L8G194

72

67,8

195-203

48

44,6

204-212

2r

20,2

273-221.

ols

222-230

J]

6,3 ) n,
L,4 )

Dengan menggunakan (x:5%, ujllah hipotesis bahwa hasil observasi mengikuti fungsi
normal dengan rata-rata 1,84,3 dan simpangan baku L4,54.

PEI{YETESAIAN
.2

(, - ei,
^.2 S
lo-?.
r=l
ei
(9

=-+ - 9
(48

9,0)2

25.4)2

25,4

44,02

44,6

t24

+-(21 -20.220,2)2

- 51.512 (66 - 71,2)2 02 - 61,812


61 ,8
11,2
51,5
)
^
- -.
+-(9 - t,tY

t5l

7.1

1,232.

sebesar k - N : 8 Perhatikan bahwa k: banyaknya kelas : 8; sedangkan N: banyaknya kuantita.


dipergunakan untuk menghitung frekuensi harapan (e,) : 3, terdiri dari rata-rar:
184,3, simpangan baku o: 14,54, dan banyaknya observasi n : 300.

Zj mengikuti fungsi Kai-Kuadrat dengan derajat kebebasan

xo(k -3) -- fo,orrrr-_ 11,070

(dari Tabel l)

Stotistik: Teori don

t66

ffiui

lilid 2

fi : l.,ZZz < /o,osrs) : 71,070, maka Ho


tidak ditolak. Berarti, hasil observasi
Karena

mengikuti fungsi normal. Dengan perkataan

Iain, fungsi normal cocok/tepat untuk


dipergunakan sebagai pendekatan terhadap
hasil observasi di atas.

tun qrt= l'070

CONTOH

4.I9

Seorang pemilik pasar swalayan menjual kopi dari lima macam merek, yaitu merek A, B,
C, D, dan E. Kalau p o, ps, pc po, danP, masing-masing merupakan proporsi pembeli yang

menyenangi/menyukai merek A, B, C, D, dan E, maka pemilik pasar swalayan tadi

berpendapat bahwa:
Hn :

p; = pa :

pc

po

pr = 0,20

H, : proporsi tidak sama.


Dengan perkataan lairy kalau pada populasi pembeli di mana sampel ini diambil, tidak
terjadi perbedan preferensi antara kelima macam merek tersebut, maka banyaknya pembeli
yang akan memilih masing-masing merek adalah sebesar 20%, hipotesis di atas dapat
dinyatakan kembali sebagai berikut:
Ho : distribusi probabilitas seragam

H, : distribusi probabilitas tidak se(agam


Setelah dilakukan penelitian, didapatkan hasil sebagai berikut:

?10

B
C

312
170

85

223
1000

fumlah
Dengan menggunakan

i;:;*l,t

q,:0,05, ujilah pendapat tersebut'

PENYEIESAtAN

iJf;J rrtu,

Hn benar, maka

banyaknya pembeli yang menyenangi/menyukai merek A, B, C, D,

dan E akan sama, yaitu (0,20)(1000) = 200 atau ry


apabila e: observasi teoritis, maka e, - e2 er: ir-

-z-r(Ji

Ai--

^ -e,)-.)

200 karena ada 5 pembeli. |adi,

.r= 200. Dengan demikian,

e.

- 200t2 (312 - 2OO)2


200
200
1223 - 2oO\2

t2l0
+

(170

- 200)r
200
T-

(85

200)r

200

200

136,4

a,=0,05, derajat

kebebasan:k-1,:5 - 1 :4=

fi,orrnr:9,488

Bil

167

Penguiion llipotuis

fi: tsl,+, 4,orrnl :9,488, maka Ho ditolak. Berarti, proporsi pembeli yang menyukai
merek A, B, C, D, dan E tidak sama. jika dihubungkan dengan pengujian tentang
ketepatan/kecocokan suatu fungsi (goodness of fit) maka kita menolak anggapan bahwa
distribusi probabilitas adalah seragam. Dengan demikian, kita dapat pula menyimpulkan
bahwa, distribusi probabilitas yang seragam tidak tepat/tidak cocok untuk dipergunakan
sebagai pendekatan terhadap data observasi.
Karena

CONTOH 4.20

Seorang ahli demografi berpendapat, bahwa keluarga yang besar cenderung untuk
mempunyai anak laki-laki yang lebih banyak. Suatu sampel acak yang terdiri dari 320
keluarga, masing-masing dengan 5 anak telah diselidiki, ternyata hasilnya sebagai berikut:

12

2
3
4
5

42
92
108
46
20

]umlah

320

Tabel di atas menunjukkan berapa jumlah anak laki-laki yang ada dalam keluarga dengan

lima orang anak. Ahli demografi tersebut juga beranggapan bahwa proses kelahiran
mengikuti proses Bernoulli, sehingga dipergunakan distribusi Binomial sebagai
pendekatan, di mana banyaknya kelahiran anak lakilaki sama dengan anak perempuan.
Ho : distribusi probabilitas populasi mengikuti Binomial, dengan P = 0,5

H,:p+0,5
Dengan menggunakan

a,

:0,05, ujilah pendapat tersebut!

1132

sl32

10
50

r0132

i00

10132

100

5132
1132

50

]umlah

*Dihitung menurut rumus p,(x)


- ---jl-(r)'

n =5.

(rr",

10

320

atau menggunakan Tabel Binomial untuk p

0,50 dan

r68

Stotistik: Teori don Aplikosi

lilid 2

PTNYTTESAIAN

:
:
n:

p
q

probabilitas lahirnya anak laki-laki : 0,5


7 - p = probabilitas lahirnya anak perempuan
banyaknya anak per keluarga : 5

-.2 -fi -

LO--

:1-0,5=0,5

e,)2

ei

_(12-rc)2 +l.4,2-5U2 +

10
to,or(r, t) = to,orrrl : 11,07

J(20-10)2_1?ra
t
= Lc'zo

50

10

Karena fr , to,orr* maka Ho ditolak. Berarti,


fungsi Binomial tidak cocok/tidak tepat digunakan sebagai pendekatan terhadap data observasi.

*!"|o|ir"
(01{T0H 4.2t

Ada pendapat dari seorang direktur pemasaran suatu perusahaan, bahwa tak

ada

perbedaan proporsi pembeli yang tak menyenangi (menyukai) barang berbungkus putih,
merah, dan biru dengan alternatif ada perbedaan (sedikitnya ada dua proporsi yang
berbeda). Untuk menguji pendapat tersebut, kemudian diteliti pembeli berdasarkan sampel
acak. Dari 400 pembeli barang berbungkus putitr, yang tak menyenangi 38 orang; dari
400 pembeli barang berbungkus merah, yang tak menyenangi 56 orang; dan dari 400

pembeli barang berbungkus biru, yang tak menyenangi 5 orang. Dengan tingkat
signifikansi sebesar 5/o, ujilah pendapat tersebut.

PTNYETESAIAN

1. Ho,pr:pz:prGp) =)
Hotp,+p,,i*j

proporsi dari pembeli yang tak menyenangi barang


berbungkus putih, merah, dan biru sama.

.:;:;i;::::l:i::

"lrxftl
l
j:,::titi,l

Tak senang

:E:il

38

56

50

1,44

Senang

362

344

3s0

10s6

400

400

400

1200

n'

'ii

:l::i':',t

e1l =

jni'
n

(4oo)(144)

1200
e21 = 400
er.,

= 48.

e,"

= 352,

ezz

(400X144)
7200
400 ezz

48.

352,

(400x144)
7200
2g = 400

- er,

=352

Boh

I69

Penguiion llipolesh

2.

v:t Lll
-

z(n,,-e,,)2
a
sL2 Ls
i=1,i=1
eri
(s6 - 48)2
- 48)2! i--------------48
48

(38
-

------L

(350

352)2

352

:3,977.

J.

4.

Kesimpulan:

5%,

r, = to,ouo -ixe,1)

fr,os1zs: 5,991.

Karena io -- 3,977 . tn,orrrt : 5,991, maka Ho tidak ditolak. Berarti pendapat bahwa
proporsi pembeli barang yang tak menyenangi bungkus putih, merah, dan biru sama,
dapat diterima.

PENGUJIA}I HIPOTESIS TENTAI{G VARIAilS

Sering kali dalam praktek, pengetahuan tentang varians yang dipergunakan sebagai
ukuran variasi dari suatu kumpulan nilai hasil observasi, sangat penting untuk diketahui.
Ingat, bahwa akar dari varians merupakan simpangan baku (standard deaiation). Sebagai
ilustrasi, Departemen Tenaga Kerja ingin mengetahui tentang variasi upah buruh;
pemerintah melalui BAPPENAS, ingin mengetahui variasi dari pendapatan penduduk
sebagai akibat dari proses pembangunary pemilik suatu bank ingin mengetahui variasi
pengeluaran kredit dari bulan ke bulan; pemilik perusahaan ingin mengetahui variasi
hasil peniualan dari tahun ke tahun; dan lain sebagainya. Pengujian hipotesis tentang
varians, pada dasarnya sama seperti pengujian hipotesis tentang rata-rata dan proporsi.
Seperti kita ketahui, kalau suatu sampel acak ditarik dari suatu populasi dengan
distribusi normal, maka rasio:

.{#.:;,.l}
..ii.!.r

:l:

:s:i

{rL18}

.i

'.'.G,L:'.:.:'::

mengikuti fungsi Kai-Kuadrat dengan derajat kebebasan (n -

1).

Rasio tersebut digunakan sebagai dasar pengujian hipotesis. Perumusan hipotesis, seperti

halnya dengan rata-rata dan proporsi, adalah sebagai berikut:


(1) H, : 02 < oo2

Ho:c,2>oo2

(2) Ho :

o2 >

oo2

Hr: o2<oo2
(3) H, : d:602
Ho:o.2+C02
(01{r0H 4.22
Seorang pemilik perusahaan makanan ternak ingin mengetahui apakah sejenis makanan
baru dapat mengurangi variasi berat ternak. Pemilik perusahaan tersebut beranggapary
setelah ternak diberi makanan tersebut selama 3 bulary akan tercapai variasi berat, yang
dinyatakan dalam varians sebesar 1600 pon, dengan alternatif lebih kecil dari itu. Untuk
menguji pendapatnya itu, sebanyak 30 ekor ternak yang beratnya hampir sama dipilih
sebagai sampel acak, kemudian diberi makanan baru tersebut selama 3 bulan. Setelah 3
bularg dilakukan penimbangan. Ternyata, diperoleh varians berat badan sebesar 1000
pon. Dengan menggunakan a = 0,025 (:2,5%), ujilah pendapat tersebut.

170

i;;;#E

Ststktik: leori don Aplikosi Jilid 2

PENYEttSATAI{

,&*

Hn : or > t6oo
Ho: o2 < 1600
n :30, S'? : 1000

fu-1)52

AO -

o'

_
=

(2e)(1000)
1600
78,72

0,025. Karena pengujian hipotesis ini

menggunakan sebelah kiri kurva, maka dari


tabel f dengan derajat kebebasan (n - 1) :
30 - 1 : 29, diperoleh P(f > t6,0477): (1 -

fr,rrrt
Ho

,=

Karena

76,0477

16,05

ditolak <-

fr,

0,975. Dengan demikian, fr,orr,rr, :


= 16,05. (Ingat dari tabel f , bahwa
untuk ayangberada di sebeiah kanan kurva,
diganti dengan (1 - a)).

a)

-)

Hn

tidak

ditolak -)

to,rrrrrrrterletak di daerah penerimaary maka Ho tidak ditolak. Berarti anggapan

pemilik perusahaan makanan ternak yang mengatakan bahwa varians ternak sebesar
1000 pon, dapat diterima.
Penguiion Hipotesis untuk Duo Vorions

Di dalam praktek, seringkali ingin diketahui, apakah variasi produksi bulanan suatu
jenis barang sama untuk dua pabrik; apakah variasi gajilspah sama untuk para karyawan
dari dua perusahaan; apakah variasi harga beras sama untuk dua pasar; dan lain
sebagainya. Hipotesisnya dirumuskan sebagai:

Ho:
H,r:

: or2 -+
or2 + 612 --+

(or'-or2:91

or2

(or2-or2+o)

'

^)
5r-

"S;

(4.L9)

di mana Fo mengikuti fungsi F dengan derajat kebebasan sebesar (n, * 1), (n, Fo

1).

disebut juga F observasi dan dipergunakan sebagai kriteria pengujian.

1
7 -,..
^a _--:-Z(Xi2
^) ----j-:(Xir
-.r
_ -X2)z
Si
dr,.,
S;
- X,),
' = nt-1
' = nr-T-'-'''
S,'z

dan

5r2

varians sampel dan merupakan penduga

o,'z

dan oj. Angka ini diperoleh dari

dua sampel yang bebas satu sama lain (independent sample), yang ditarik dari dua populasi.
Apabila sampel tersebut besar, varians sampel akan mendekati varians sebenarnya yang
dihitung dari seluruh elemen populasi Sf dan Sr2 (mendekati of dan of). Dalam hal ini,
apabila Hn benar, nilai Fo akan mendekati 1. Maka dari itu, nilai Fo yang mendekati 0 atau
menjauhi 1, akan membuat kita cenderung menolak Ho. Tabel F hanya memberikan nilai
F yang besar untuk kurva sebelah kanan (right-hand tail). Itulaln sebabnya kita harus
membuat varians sampel dengan nilai yang besar sebagai pembilang (numerator) dan

nilai yang kecil sebagai penyebut (denominator) di dalam menghitung


usahakan agar Sf > Sr2.

,,

*5i

Tadi, selalu

Bob

t7t

Penguiion Hipolesk

i"'4t
Lffi#

i.":;#&

(01{T0H 4.23

Seorang insinyur peternakan mempunyai anggapan bahwa variasi berat badan ternak
yang diberi sejenis makanan ternak dari dua merek/pabrik yang berbeda, katakan A dan
B adalah sama (tidak berbeda); dengan alternatif tidak sama (berbeda). Untuk menguji
pendapatnya itu, 50 ekor ternak dipilih secara acak sebagai sampel. 25 ekor diberi makanan
A dan yang 25 ekor lainnya diberi makanan B. Setelah 3 bulan, berat badan ternak-ternak
tersebut ditimbang, dan varians beratnya dihitung. Dengan makanan A, varians berat
badan adalah 900 pon; sedangkan dengan makanan B, varians berat badan adalah 1400
pon. Dengan a : 0,05 (: 5%), ujilah pendapat tersebut!
pEl{yETESATAN

i"t#J

'

Hn :

oi -

o,r

Hr: or2 + ol
na: fts : 25, S; : 900, Sr2 : 1400
Karena S; , S:,maka Sr2 : Sr'? dan S: :
n': nt dan fit: frz

. _ si _ /1400)2
ro=s,r=[r*.,J
E
ra(21
. a,

r
- ra\nt
_E r

S;

=r,555

1),(n2

-1)

0,0s(24), (24)

7,98, dari Tabel F.

Karena Fo : 1,555 < Fo,or(rr), ,rnr: 7,98, maka Ho tidak ditolak. Berarti, tak ada perbedaan
variasi berat badan ternak akibat dari merek makanan yang berbeda.

Dari seluruh pembahasan di atas, dapat disimpulkan bahwa pengujian hipotesis


berlaku menurut prosedur umum seperti pada Peraga 4.70 di halaman berikut.
r:::::::x
1i!&:":S

iGE
_+,
E

ISTILAHPENTING

!;*i*i***ilxtE

Hipotesis: suatu proposisi atau anggapan yang untuk sementara waktu dianggap benar.

Pengujian hipotesis statistik: prosedur yang memungkinkan keputusan dapat dibuat


yaitu keputusan untuk menolak atau tidak menolak hipotesis yang sedang diuji.
Hipotesis zol: hipotesis sementara yang diasumsikan benar dalam pengujian hipotesis.
Kesalahan lenis I (Type I Errorl kesalahan yang disebabkan karena menolak hipotesis
nol padahal hipotesis nol itu benar.
Kesalqhan lenis

ll

(Type

lI

EruorI kesalahan yang disebabkan karena menerima hipotesis

nol padahal hipotesis nol itu salah.

Daerah kritis penguji&n (daerqh penolakanf; himpunan nilai-nilai sampel yang akan
mengarah kepada penolakan hipotesis.
Tingkat Signifikansi

(aI nilai maksimum probabilitas

kesalahan jenis I.

Kekuatan Suatu Pengujian: nilai yang mengukur besarnya probabilitas untuk menolak
hipotesis nol kalau hipotesis nol itu salah.

172

Stotistik: Teoil don Aplikosi lilid 2

ffi
@

Prosedur Umum bogi Penguiion Hipotesis

Tentukan distribusi yang akan


digunakan {2, t, ataayar:'g
iain)

Lakukan perhitungan yang

diperlukan atas data sampel

Bandingkan rasio kritis


dengan aturan pengambilan
kepuhrsan yang telah
dinyatakan
Nyatakan kestmpulan statistik
dengan hipotesis nol

RINGKASAN RUMUS

: 1 - p, B:

L.

Kekuatan pengujian (K)

2.

Pengujian hipotesis satu rata-rata

untuk n > zo, zo = 4-*!!9O7

Untuk tt < 30, to =


J.

X_lto

probabilitas melakukan kesalahan jenis II.

-x-lto

;m

-ff

Pengujian hipotesis perbedaan dua rata-rata


;7 _ L'1, - Lz

Untuk n > 30,

LT)

-O=

r I - tr2

Boh

173

Penguiion Hipolesis

Untuk n 130, to =

4.

7r-V,

nrnr(n, +

Fo=

k - 7i=tl(x;
\i.(x,, k(n - 7) i=ri=r

v)'

Pengujian hipotesis satu proporsi

, 6. Pengujian hipotesis perbedaan dua proporsi


\,X.'- X.')
.

Zo=
tl1 * n2

111 -t-"t12

nl

fl2

Pengujian hipotesis perbedaan lebih dari dua proporsi

r (n', -2 -- {L t-tl-t'ii

eii)z

Irn

8.

Pengujian independensi

. t t, (n,, e,,12
Yi - s s - I/ - //'
i=1 i=1
e
ij

,v\)-Lp

9.

xo2 untuk tabel "Contingency" 2 x 2 dengan:


jumlah observasi n < 40

Koreksi rumus

2 z (1n,,-e,,1 -

)
Nl)

ss
p
2
i=t

j=t

05)2

ij

jumlah observasi n > 40

!2
,utt

n(nrrnr,
-

n .1n

ntznn)z

.2n1.n2.

L0. Pengujian ketepatan suatu fungsi


--e)2
xl,- =L(fi
i=l
ei

1L.

2)

Pengujian hipotesis perbedaan lebih dari dua rata-rata (dengan ANOVA)

k_

5.

nr

Pengujian hipotesis tentang varians


x21,,-,

=fu-!)s2
6'

12. Pengujian hipotesis dua varians


q_2

D
rO
--"1-s
5;

174

Stotbtik: leori dan Apliklsi

APLIKASI KOMPUTER
i,,iBEsf

98FlgFilifl!r&Bstys#fl islffi

lilid 2

E,e'gdM

Berikut diberikan contoh aplikasi komputer untuk pengujian perbedaan dua rata-rata
dengan asumsi bahwa varians untuk kedua populasi tersebut sama. Misalnya data untuk
populasi I terletak pada kolom ,A1 sampai A11 dan data untuk populasi iI terletak pada
kolom 81 sampai B11, maka langkah-langkah pengujian yang harus dilakukan adalah
sebagai berikut:
1. Pilih TOOL pada menu utama
2. Pilih DATA ANALYSIS
3. Pilih t-test TWO-SAMPLES ASSUMING EQUAL VARIANCES
4. Tekan (click) OK
5. Ketik/masuWan A1..A11 pada kotak VARIABLE 1 RAI'IGE
6. Ketik/masukkan 81..811 padakotak VARIABLE 2 RANGE
7. Masukkan/ketik 0 (nol) pada kotak HYPOTHESIZED MEAN DIFFERENCE
8. Pilih LABELS
9. Masukkan/ketik 0,05 pada kotak ALPHA (jika tingkat signifikansi yang diinginkan
5%)

10. Pilih NEW WORKSHEET PLY pada pilihan di bawah


11. Tekan I-TEST for TWO MEANS
12. Tekan OK
jika asumsi yang digunakan adalah bahwa varians kedua populasi tidak sama, maka
langkah ke-3 diganti dengan pilihan I-TEST TWO Samples Assuming Llnequal Variances.

PERTANYAAN & LATIHAN


1.

Seorang pejabat perbankan yang bertanggung jawab tentang pemberian kredit, mempunyai anggapan
bahwa rata-rata modal perusahaan nasional adalah sebesar Rp100 juta, dengan alternatif lebih besar
dari itu. Untuk menguji anggapannya itu, dipilih sampel secara acak sebanyak 81 buah perusahahn
nasional, yang ternyata rata-rata modalnya sebesar Rp105 juta dengan simpangan baku diketahui
sebesar Rp18 juta. Dengan menggunakan a = 0,01, ujilah anggapan tersebut!

2.

Seorang pemilik pabrik rokok mempunyai anggapan bahwa rata-rata nikotin yang dikandung oleh
setiap batang rokok adalah sebesar 20 mg, dengan alternatif lebih kecil dari itu. Dari 10 batang rokok
yang dlpilih secara acak, diperoleh hasil sebagai berikut: 20 mg, 23 mg, 1g mg, 24 mg,25 mg,17
mg, 16 mg, 17 m9,21 mg, dan 18 mg. Dengan menggunakan a = 0,05, ujilah pendapat tersebut!
Seorang pengusaha di Jakarta ingin mendirikan pasar swalayan, dengan anggapan bahwa 7Ok dari
para ibu yang berbelanja senang pergi ke pasar swalayan, dengan alternatif lebih kecil dari itu. Untuk
itu, dia minta kepada seorang konsultan untuk menguji pendapaVanggapan tersebut. Ada 600 ibu
rumah tangga yang dipilih secara acak. Ternyata, ada 406 yang mengatakan senang berbelanja di
pasar swalayan. Dengan menggunakan a = 0,01, ujilah pendapat tersebut!

4.

Suatu riset pemasaran dilakukan di Jakarta dan Surabaya untuk mengetahui apakah ada perbedaan
yang nyata antara ibu rumah tangga yang senang akan Rinso dibandingkan dengan Dino. Di Jakarta,

Boh

175

Penguiim Hipotesis

dari 100 orang ibu rumah tangga yang ditanya ternyata ada 68 orang yang mengatakan lebih senang
Rinso daripada Dino; sedangkan di Surabaya, di antara 300 orang yang ditanya,ada2l3 yang lebih
senang Rinso daripada Dino. Dengan menggunakan a = 0,01 , ujilah pendapat bahwa proporsi ibu
rumah tangga yang lebih senang Rinso daripada Dino di Surabaya dan di Jakarta adalah sama
dengan alternatif tidak sama.
Pejabat dari BKKBN berpendapat bahwa proporsi ibu rumah tangga yang setuju KB dari daerah
pertanian A dan B adalah sama, dengan alternatif bahwa proporsi tersebut tidak sama. Dari penelitian,

A, ada 300 orang yang setuju KB;


sedangkan dari 500 ibu rumah tangga di daerah B, ada 250 orang yang setuju KB. Dengan
diperoleh data bahwa dari 500 ibu rumah tangga di daerah
menggunakan a = 0,05, ujilah pendapat tersebut!
b.

7.

Ada pendapat bahwa tak ada perbedaan antara rata-rata gaji bulanan bagi karyawan perusahaan ,4
dan B, dengan alternatif ada perbedaan. Dari hasil wawancara terhadap 100 orang karyawan, (50
dari perusahaan Adan 50 dari perusahaan @, diketahui bahwa rata-rata gaji karyawan perusahaan
A adalah Rp 89 ribu dengan simpangan baku sebesar Rp40 ribu; sedangkan rata-rata gaji karyawan
perusahaan B adalah Rp92 ribu dengan simpangan baku sebesar Rp30 ribu. Dengan menggunakan
s = 0,05, ujilah pendapat tersebut!
Ada pendapat yang mengatakan bahwa rata-rata pengeluaran per minggu bagi para ibu yang berbelanja
di Blok M sama dengan yang berbelanja di Proyek Senen, dengan alternatif tidak sama. Dari wawancara
terhadap 400 orang ibu rumah tangga yang berbelanja di Blok M, diketahui bahwa rata-rata pengeluaran
per minggu adalah sebesar Rp40 ribu dengan simpangan baku Rp12 ribu; sedangkan dari wawancara
terhadap 400 orang ibu rumah tangga yang berbelanja di Proyek Senen, diketahui bahwa rata-rata

pengeluaran per minggu adalah sebesar Rp32 ribu dengan simpangan baku sebesar Rp15 ribu.
Dengan menggunakan a = 0,05, ujilah pendapat tersebut!
8.

Seorang dosen dari Universitas Katolik Atma Jaya Jakarta, berpendapat bahwa proporsi mahasiswa
yang sangat resah, resah, dan cukup resah dalam menghadapi ujian akhir semester dari universitas
tersebut sama, dengan alternatif tidak sama untuk 4 Fakultas, yaitu FE, FK, FT, dan FH. Berdasarkan
hasil penelitian suatu sampel acak, diperoleh data berikut:

-\--=\

Fakultas

fategori*----=-

FE

FK

,,FT

Sangat resah

40
15

Cukup resah

20

55
30
25

80

Resah

.FFI

75
50

40
30

4A

Dengan menggunakan a = 0,05, ujilah pendapat tersebut.


Pejabat dari BKKBN berpendapat bahwa tidak ada perbedaan proporsi penduduk yang setu.iu, kurang
setuju, dan tidak setuju terhadap KB dari 3 kota besar A, B, dan Q dengan alternatif ada perbedaan.
Untuk menguji pendapat tersebut, telah diselidiki penduduk dari 3 kota tersebut dan hasilnya sebagai
berikut:
Kota
Kategari

Setuju KB
Kurang setuju KB
Tidak setuju KB

25

45
35
20

40
35
25

4A

35

Dengan o = 0,05, ujilah pendapat tersebut!


10.

Suatu penelitian pasar dilakukan untuk menguji pendapat, bahwa tak ada perbedaan rata-rata harga
per minggu barang ,4, dengan alternatif ada perbedaan di tiga pasar, yaitu Cikini, Blok M, dan Senen.
Setelah dilakukan penelitian, diperoleh data harga barang A di tiga pasar tersebut dalam rentang
waktu 4 minggu (dalam ribuan rupiah), sebagai berikut:

176

Stltistik: leori don Aplikasi lilid 2

22

fl

21

ilt
IV

Rata-rata

26
23

22
25
24
25

25
29
28
30

23

24

28

Dengan menggunakan u = 0,05, uiilah pendapat tersebut!

11.

Seorang pejabat dari Depademen Tenaga Kerja beranggapan, bahwa tidak ada perbedaan rata-rata
gaji bulanan karyawan dari 3 perusahaan A, B, dan Q dengan alternatif ada perbedaan. Untuk
menguji pendapatnya itu, dilakukan penelitian terhadap 18 orang karyawan sebagai sampel acak,
dan didapatkan data gaji karyawan tersebut (dalam ribuan rupiah) sebagai berikut:

i;irji#r;ii
1

19

23

21

20

2g
22

18

2Q

21

2t

24
23

2A
17
21

19
2A
17

Dengan menggunakan a = 0,05, ujilah pendapat tersebut. Kemudian, pergunakan a = 0,01 , bagaimana
hasil pengujiannya?

12. Seorang pejabat BAPPENAS berpendapat, bahwa rata-rata biaya proyek besar di 5 propinsi di Jawa
adalah sama, dengan alternatif tidak sama. Untuk menguji pendapatnya tersebut, diteliti sebanyak 5
proyek yang dipilih secara acak dari setiap propinsi. Hasil penelitian terhadap biaya proyek tersebut
(dalam miliar rupiah) adalah sebagai berikut:
;

-::::-

a!?

li:!

i:Jij;i:::r:a.t,i

l;;,.r.[.:$ i::i!:i{: l:.!ii l:iil;[*:i:!,

.:rii'S,i'

i
I

6
5

6
7

10

10

I
I

Dengan tingkat signifikansi (u) sebesar 5%, ujilah pendapat tersebut!


13.

Seorang peiabat Badan Koordinasi Penanaman Modal mempunyai pendapat bahwa rata-rata modal
perusahaan nasional adalah sebesar Rp 65 juta dengan alternatif lebih besar dari itu. Standar deviasi
diketahui sebesar Rp 2,93 juta. Untuk menguji pendapat tersebut kemudian dilakukan penelitian
terhadap 100 perusahaan yang dipilih secara acak, dan menghasilkan rata-rata perkiraan modal
Rp 67,45 juta.
Dengan menggunakan type / eror sebesar 5%, ujilah pendapat tersebut. Kemudian buatlah perkiraan
interval rata-rata modal dengan confidence leve/ sebesar 95% dan 99%.

14. Nasabah bank pemerintah diklasifikasikan menjadi: sangat puas, puas, sedang, dan tidak puas. Ada
pendapat yang menyatakan bahwa proporsi nasabah yang sangat puas, puas, sedang, dan tidak
puas adalah sama untuk bank-bank pemerintah, dengan alternatif tidak sama, Dari bank pemerintah
yang diteliti, ternyata data yang diperoleh adalah sebagai berikut;

Boh

177

Pengulion Hipotesis

Dengan

15.

cx

Sangat puas

20

Puas
Sedang
Tidak Puas

10

ilt:

l'!,:

35

30
25
20

15

10

40

50
60
40
25

35

25
45

30

25

35

40

sebesar 5%, ujilah pendapat tersebut!

Pendapat seorang pejabat dari BAPPENAS mengatakan bahwa rata-rata biaya suatu jenis proyek
dari 4 propinsi di Jawa adalah sama, dengan alternatif tidak sama.
Dari masing-masing propinsi diambil sampel 5 proyek secara acak, dan hasil penelitiannya adalah
sebagai berikut:

1iV;,:
50
60
80

2
3

4
c

7Q

40

60

45
70
40
80
90

50
70
80
45

7A

40
50
60
80

Dengan menggunakan cr sebesar 5%, ujilah pendapat tersebut!


16.

Seorang pejabat BKPM berpendapat bahwa rata-rata modal perusahaan swasta nasional sebesar Rp
10 miliar dengan alternatif lebih kecil dari itu. Pejabat tersebut akan memutuskan untuk menambah
kredit melalui bank pemerintah, apabila rata-rata modal lebih kecil dari Rp 10 miliar. Berdasarkan
penelitian terhadap 12 perusahaan sebagai sampel acak, didapatkan data modal pe/usahaan tersebut

(dalam milyar rupiah) adalah

a)
b)
c)

11, 12, 8, 12, 15, 16, 11, 9, 8, 5, 4, dan

10.

Dengan a sebesar 5%, ujilah pendapat tersebut.


Keputusan apakah yang dibuat oleh pejabat BKPM tersebut?
Dengan tingkat keyakinan 95%, buatlah perkiraan interval rata-rata modal perusahaan.

17. Diketahui dari penelitian terhadap sepuluh perusahaan asing yang diambil sebagai sampel acak,
memiliki modal (dalam miliar rupiah) sebesarI 0, 9, 8, 7,4,6,5, 1,2, 11, dan 14. Sementara itu, dari
penelitian terhadap 8 perusahaan nasional yang diambil sebagai sampel acak, memiliki modal (dalam

milyar rupiah) sebesar

a)
b)
18.

9,7,15, 12,8, 10,13, dan

14.

Dengan alpha = 5%, ujilah pendapat bahwa rata-rata modal perusahaan asing sama dengan
rata-rata modal perusahaan nasional, dengan alternatif tak sama.
Dengan tingkat keyakinan 95%, buatlah perkiraan interval selisih rata-rata modal perusahaan
asing dan nasional.

Seorang pimpinan bank akan meningkatkan mutu pelayanan apabila nasabah yang tak puas melebihi
25"/". Dia berpendapat bahwa nasabah yang tak puas adalah sebesar 25ok dengan alternatif lebih
besar dari itu. Berdasarkan penelitian sampel acak terhadap 200 orang nasabah, ternyata yang tak
puas adalah 55 orang.

a)
b)
c)
19. a)

b)

Dengan a = 5o/o, ujilah pendapat tersebut.

Apa keputusan yang dibuat?

Dengan tingkat keyakinan 95%, buatlah perkiraan interval persentase nasabah yang tidak puas.

Berikan 3 buah contoh pengujian hipotesis untuk membuat keputusan.


Berikan 4 buah contoh statistik induktif.

178

Ststistik: leori don Aplikosi

lilid 2

20. Ada pendapat yang mengatakan bahwa persentase batu baterai yang rusak dari dua pabrik (pabrik
A dan B) adalah sama, dengan alternatif tidak sama. Untuk maksud pengujian hipotesis, dilakukan
penelitian terhadap 200 buah batu baterai dari pabrik A, dan diperoleh baterai yang rusak 40 buah.
Sedangkan pengujian terhadap 350 buah baterai dari pabrik B, didapatkan baterii yang rusak 50
buah. Dengan menggunakan alpha = 2"k, ujilah pendapat tersebut.
21. Ada pendapat yang mengatakan bahwa rata-rata upah karyawan perusahaan besarnya Rp100 ribu
dengan alternatif lebih besar dari itu. Untuk menguji pendapat tersebut ada 10 karyawan yang ditanya
mengenai upahnya(ribuanrupiah),dandidapatkan jawabansebagai berikut: 105, 1'l 5, 12O,gO, 125,

95. 1 30. 1 35,

a.
b.

1 1

0,

20.

Dengan menggunakan u = 5o/o, ujilah pendapat tersebut.


Dengan menggunakan confidence /eve/957o, hitung perkiraan interval rata-rata upah tersebut.

22. Ada pendapat yang mengatakan bahwa persentase batu baterai yang rusak dari dua pabrik (pabrik
I dan ll) sama, dengan alternatif tidak sama. Untuk maksud pengujian dilakukan penelitian terhadap
200 buah dari pabrik l, dan diketahui bahwa baterai yang rusak adalah 40 buah. Sedangkan pengujian
terhadap 350 buah dari pabrik ll, diketahui baterai yang rusak 50 buah. Dengan menggunakan a
=
2%, uiilah pendapat tersebut dan buatlah perkiraan interval 1- P, dengan confidence /eve/g8k.
23. Ada pendapat yang mengatakan bahwa rata-rata upah karyawan perusahaan sebesar Rp400 ribu
dengan alternatif tidak sama dengan itu. Untuk menguji pendapat tersebut, dilakukan penelitian
terhadap 10 orang karyawan, dan diperoleh jawaban, bahwa upahnya dalam ribuan rupiah adalah
sebagai berikut: 405, 415, 420,390, 425,395, 43O, 435, 410, 420.
a) Dengan menggunakan a = 1o/o, ujilah pendapat tersebut.

b)

Dengan menggunakan confrdence /eve/ 99o/", buatlah perkiraan interval rata-rata upah karyawan.

24. Seorang pejabat BKPM berpendapat bahwa rata-rata modal perusahaan sebesar Rp110 juta dengan
alternatif lebih besar dari itu. Untuk menguji pendapat itu, diteliti sebanyak 150 perusahaan sebagai
sampel acak. Hasil penelitian sampel menunjukkan bahwa rata-rata modal per perusahaan adalah
Rp 110 juta, dengan simpangan baku (standard deviatior) diketahui Rp 7,2 juta. Dengan u 1,k,
=
ujilah pendapat tersebut.
Petani di 4 desa dikategorikan menjadi 3 : sangat miskin (l), miskin (ll) dan tidak miskin (lll). Ada
pendapat bahwa proporsi dari 3 kategori itu sama untuk petani dari 4 desa tersebut. Dengan alpha
= 5% dari data berikut, ujilah pendapat tersebut.

\-Desa

1l

10

15

II

20
30

25

Kategori-\

ilt

4A

Il

IV

20
30
50

25
60
80

Ada pendapat bahwa rata-rata harga beras dari 5 pasar selama 4 minggu adalah sama, dengan
alternatif tidak sama. Berdasarkan data harga beras per kg berikut dan dengan nilai cr = 5%, ujilah
pendapat tersebut.

Pa$ar

ll

Minggu
I

2000

750

ilt

IV

800

1S00

2104
2150

il

2100

800

900

'1950

ilt

21

50

900

950

2000

2200

IV

2250

2100

2154

2250

2000

Boh

27.

179

Penguiion llipolesis

Ada pendapat dari pejabat Departemen Tenaga Kerja bahwa rata-rata upah mingguan dari para
karyawan perusahaan asing dan nasional sama dengan alternatif tidak sama. Dari masing-masing
perusahaan dilakukan wawancara terhadap 15 orang, mengenai besarnya upah mingguan. Berikut
ini data hasil wawancara terhadap 15 orang, mengenai besarnya upah mingguan (dalam ribuan
rupiah).
Pe,rusahaa*
10

Asffi

Per,usahaan' Naeiond

11

17

18

13

11

12

10

14

15

12

16
10

Dengan menggunakan

u=

1o/o,

11 13
91112
13 14

10

15

15

15

ujilah pendapat tersebut.

28. Pendapat seorang pejabat dari Bappenas mengatakan bahwa rata-rata biaya satu jenis proyek dari
5 propinsi di Jawa sama, dengan alternatif tidak sama. Masing-masing propinsi diambil sampel 5
proyek, dengan hasil penelitian sebagai berikut:

\oRinsi

Proyek--'-1

7A

40

40

70
50
50

60
80
45
55

2
4

Gunakan

IH

70
80
7A

60
40

ff
45
70
55
60
60

5% dan ujilah pendapat tersebut

29. Ada pendapat bahwa persentase mahasiswa yang belum melunasi uang kuliah di FE dan FT adalah
sama dengan alternatif tidak sama. Dari 500 mahasiswa FE sebagai sampel, ada 60 orang yang
belum melunasi, dan dari 600 mahasiswa FT sebagai sampel ada 70 orang yang belum melunasi.
a. Dengan a = 10ok, uji pendapat tersebutl
b. Buat perkiraan interval selisih persentase mahasiswa FE dan FT yang belum melunasi uang
kuliah, dengan tingkat keyakinan 99%!
30.

Seorang pejabat BAPPENAS mempunyai anggapan bahwa rata-rata biaya sejenis proyek adalah Rp
200 juta dengan alternatif lebih besar dari itu. Pejabat tersebut mempunyai kebijakan (po/ich, bahwa
apabila rata-rata biaya proyek melebihi Rp 200 juta, biaya akan ditambah. Dari penelitian terhadap
6 proyek sebagai sampel acak, diperoleh biaya proyek dalam jutaan rupiah sebagai berikut: 2O0,240,
180, 190, 250,220.
Dengan a = 5ok, ujilah pendapat tersebut.
Berdasarkan hasil (a), apa keputusan pejabat tersebut?

a.
b.
31.

Hasil penjualan 10 orang salesman dalam unit, sebelum dilatih teknik penjualan: 12, 11 ,8, 9, 15,
14, 5, 6, 7, 13. Setelah dilatih: 20, 22, 10, 8, 17, 16, 13, 14, 19, 1'1. Kalau D = l\ - lr2 uji dengan
o = 0,05
(1) 4, tro2 0, Hu I lt < 0
(2) 4, troa 0, H,: #o , 0
(3) 4: lro= 0, H,: pt + O

32. Pertanyaan sama dengan soal no. 31, dengan X, dan X, merupakan tingkat kepuasan nasabah
BANK MANDIRI sebelum dan sesudah peningkatan mutu pelayanan.

\: 4,3,2,1,4,3,1,3,4,2
X,:

5, 4, 3, 4, 4, 5, 3,2, 5, 4

,firoREsr

SEDERHANA

Tuiuon Belolur
Seteloh mempeloiori bob ini, Ando dihoropkun mompu:

t
.
.
.
.
.
.

memohomi hubungon lineor onloro dus vuriobel, don model regresi lineor sederhono.
menieloskun proses pendugoon poromeler dengon melode kuodrot terkeril.

melokukon penguiion hipotesis don pendugoon intervol poromeler A don


memohomi onolisis korelosi lineor sederhono.
memohomi hubungon ontoro koefisien regresi dun koefisien korelosi.
memohomi romolon funggol don intervol.
memohomi regresi sederhono dori huhungon bukon lineor.

B.

Bob

Regresi Sederhono

t8l

HUBUNGAN I.INEAR ANTARA DUA VARIABEI.

Salah satu tujuan analisis data ialah untuk memperkirakan/memperhitungkan besarnya


efek atau pengaruh kuantitatif dari perubahan suatu kejadian terhadap tepaiur,lainnia.
Setiap kebijakan (policy), baik dari pejabat pemerintah maupun swasta, selalu dimaksudkal
untuk mengadakan perubahan (change) sesuai dengan keinginan/harapan. Sebagai contoh,
misalnya pemerintah menambah jumlah pupuk agar produksi padi meningkat, pemerintah
mengurangi impor tekstil supaya penjualan tekstil P.N. Sandang meningkat, pemerintah

menaikkan gaji pegawai negeri agar prestasi kerja mereka meningkat, pemerintah

memperbanyak akseptor agar tingkat kelahiran menurury perusahaan meningkitkan biava


iklan agar hasil penjualan meningkat, seseorang mengurangi berat badan igar tekanan
darahnya menurun, dan lain sebagainya.
Untuk keperluan evaluasi/penilaian suatu kebijaksanaan mungkin ingin diketahui

'

besarnya efek kuantitatif dari perubahan suatu kejadian terhadap kejadian lainnva.
Kejadian-kejadian tersebu! untuk keperluan analisis, bisa dinyatakan di dalam perubahan
nilai variabel. Untuk analisis dua kejadian (eztents) kita gunakan dua variabei X dan )'.
Analisis dua variabel ini, secara deskripstif sudah dibahas di dalam buku Statistik, Teori
dan Aplikasl, |ilid I. Di dalam Iilid II ini akan dilakukan pembahasan lebih mendalam
secara induktif (inference) dengan menggunakan konsep probabilitas. Di dalam bab ini
hanya akan dibahas hubungan dua variabel, sedangkan dalam bab berikutnya akan
dibahas hubungan lebih dari dua variabel.
Apabila dua variabel X dan Y mempunyai hubungan (korelasi), maka perubahan
nilai variabel yang satu akan mempengaruhi nilai variabel lainnya. Hubungan variabel

dapat dinyatakan dalam bentuk fungsi, misalnya v : f (x) -+ y : z + t,sx. Apabila


bentuk fungsinya sudah diketahui, maka dengan mengetahui nilai dari satu variaiel (:
X), maka nilai variabel laimya (: Y) dapat diperkirakan/diramalkan. Data hasil ramalan
yang dapat menggambarkan kemampuan untuk waktu yang akan datang, sangat berguna
bagi dasar perencanaan. Misalnya ramalan produksi padi dan jumlah penauaut ,.,trk
keperluan perencanaan impor beras, ramalan penerimaan negara dipakai sebagai dasar
Perencanaan antardepartemery ramalan hasil penjualan suatu perusahdan untuk dasar
perencanaan produksi, dan lain sebagainya.
Variabel yang akan diramalkan harus dituliskan pada ruas kiri persamaan dan disebut
aarictbel tidak bebas (dependent anriable), sedangkan variabel yang nilainya dipergunakan
untuk meramalkan disebut aariabel bebas (independent aariable). Dalam contoh i :1 + 1,5X,
Y: variabel tidak bebas, sebab nilainya tergantung pada nilai X. Kalau X :70, Y :2 1,5(10) = 17 dan kalau X = 20, Y :2 + 1,5(20):22, tak bisa lain dari itu.
Untuk membuat ramalan (forecasting) Y dengan menggunakan nilai dari & maka -\
dan Y harus mempunyai hubungan yang kuat. Kuat tidaknya hubungan X dan Y diukur
dengan suatu nilai, yang disebut koefisien korelasi, sedangkan beiarnya pengaruh -\
terhadap Y, diukur dengan koefisien regresi. X dan Y disebui variabel beias dan tak bebLt:
(independent dan independent aariqbles). X mempengaruhi Y, Y dipengaruhi X atau )'
tergantung pada X.
IUIODEI. REGRESI I.INEAR SEDTRHANA

Adalah tidak mungkin untuk memperkirakan hubungan antara dua variabel tanpa
membuat asumsi terlebih dahulu mengenai bentuk hubungan yang dinyatakan dalam

fungsi tertentu. Dalam beberapa hal, kita bisa mengecek asumii teisebut setelah hubungan
diperkirakan. Fungsi lineaq, selain mudah interpretasinya, juga dapat digunakan sebJgai
pendekatan (approximation) atas hubungan yang bukan lineal (non lineir).
Fungsi lineaq, mempunyai bentuk persamaan sebagai berikut:

Y:A+BX
Dimana

dan B adalah konstanta atau parametel, yang nilainya harus diestimasi.

Stotistik feoti don Aplikosi Jilid 2

t82
Fungsi linear Y

A + BX ini apabila digambarkan, akan tampak seperti dalam Peraga

5.1

berikut ini.
Lineorl=A+BX

A :
B :

jarak titik asal O dengan perpotongan antara sumbu tegak Y dan garis fungsi
li4ear atau besarnya nilai Y kalau X : 0. Sering disebut "intercept coefficient."
koefisien arah : koefisien regresi = besarnya pengaruh X terhadap Y, apabila X
naik 1 unit. Sering disebut "slope cofficient."

Y: A + BX juga bisa ditulis Y: Bo+ BrXy atau dengan simbol lainnya.


Beberapa simbol yang sering digunakan dalam fungsi linear ini adalah:
A : delta, simbol pertambahan
AX : delta X, pertambahan X
LY : delta Y, pertambahan Y
B : ++ : rata-rata pertambahan Y per 1 unit (satuan) pertambahan X, atau
fe?ambahan X sebesar 1 unit akan mengakibatkan pertambahan Y sebesar B.
:2
+7,5X, A:2, B:7,5, artinya kalau X --0,Y:2
Y
Kalau X bertambah sebesar 1 unit, Y bertambah 1,5 unit.
persamaan

Hubungan di atas merupakan hubungan matematis. Secara teoretis, apabila X:70,


Y harus 2 + 7,5 (10) : 17. Tetapi dalam prakteknya tidak demikian, sebab yang
mempengaruhi Y bukan hanya X saja melainkan masih ada faktor lain yang tidak
dimasukkan dalam persamaan. Faktor-faktor tersebut secara keseluruhan disebut kesalahan

;'disturbance's error." Kesalahan pengganggu tersebutlah yang


pengganggu atas
menyebabkan suatu ramalan sering tidak tepat.
Kesalahan ramalan menyebabkan perencanaan menjadi tidak akurat, sehingga
kesalahan tersebut mengakibatkan risiko, dan karenanya harus diusahakan sekecil
mungkin. Dalam membuat keputusary selalu ada risiko yang disebabkan oleh adanya
kesalihan (error). Karena kesalahan itu tak dapat dihilangkan sama sekali, maka risiko itu
betapapun kecilnya selalu ada. Risiko hanya bisa dtperkecil dengan memperkecil kesalahan
@iiimlzed error -) minimized risk). Dengan memperhitungkan kesalahan penggar.ggw /
maka bentuk persamaan fungsi linear di atas menjadi sebagai berikut:

Y:A+EX+
di mana: A dan

B adalah konstanta yang harus

{s.x}

di estimasi

e dibaca EPSILON, adalah kesalahan pengganggu (disturbance's error)

Bob

t83

Regresi Sederhono

Berdasarkan persamaan tersebut, maka nilai Y bisa lebih besar atau lebih kecil daripada

A + BX tergantung apakah nilai e positif atau negatif. Kita selalu mengharapkan agar
nilai s kecil dan tidak berkorelasi dengan X, sehingga dengan demikian kita dapat
mengubah nilai X tanpa mengubah nilai s, kemudian dapat memperhitungkan pengaruh
X terhadap Y, secara rata-rata (on the aaerage). Dalam praktel untuk melihat hubungan
antara X dan Y kita mengumpulkan pasangan data (X, Y) sebagai suatu observasi, misalnya
sebagai berikut:

xl' x2,

'X" 'X,
Y1,Y2,...,Yi,
,Y,

(x. v)
rl

-------rr

Y2

v,
Yr

(x1,Y1)
----1

rll
't

(A+BX)

il'I

rv
r 2r
\^2, v\
'

r[
't t.,
rl
't

rJs

'_**f
',1
lA+

-jlt,,
"-t'',\t"

(A + BX,\
r

t. (A+BX,) i6rv,t

BX2)

(Xi, Yi): observasi variabel X dan Y. Kesalahan pengganggu i, yarrg berasosiasi dengan
pasangan (Xi, Y i) bisa positif atau negatif . Diagram pencar (scatter diagram), yaitu kumpulan
titik-titik koordinat (Xi, y ). Perhatikan Peraga 5.2, yang menggambarkan variabel-variabel
X dan Y, dan faktor yang berasosiasi dengan pasangan (Xi, Yi) tersebut.
Apabila parameter A dan B diketahui, kita bisa menggambarkan suatu garis regresi
A + BX. Kesalahan pengganggu e, akan sama dengan jarak vertikal antara nilai observasi

(Xy Y) dengan titik pada garis regresi A + BX,. Garis regresi dimaksudkan sebagai
pendekatan (approximatior) terhadap bentuk diagram pencar.
Pada umumnya, model regresi terdiri dari suatu himpunan asumsi-asumsi mengenai
distribusi kesalahan pengganggu, , dan hubungan antara X dan Y. Kita anggap bahwa
e merupakan variabel bebas (independent oariable) dengan nilai harapan (expected ualue)
sama dengan nol dan varians : 6e2, untuk semua nilai X. Selain itu, X dianggap konstan
dari sampel ke sampel dan Y merupakan fungsi linear dari X,. Secara matematis, dapat
ditulis sebagai berikut:

f(e,) :
E(4) =
EGn e) :

0,untuk semua i, i : 7, 2, . ., n
Var (e ,) : oj, untuk semua i (Var : Variance)
cov (rn t) :0, untuk i + j (Cov - Couarionce)

X, konstan dan Y,

: A + BX, + t.

t84

Stotktik: Teoil don Aplikosi Jilid 2

Karena E(e,) : 0, maka E(Y lX) : nilai harapan Y untuk nilai X tertentu akan
merupakan fungsi regresi sebagai berikut:

a. E,(YlX):E(A+BX+ e):E(A) + E(Bx) + E(e): A+

BX

Dan varians dari Y untuk nilai X tertentu, ditetapkan sebagai berikut:

b.

Yar
63

(YlX):

Var (A + BX + e)

Var (e)

: 4

(A, B danX

konstan)

Yarians dari kesalahan pengganggu atau varians regresi.

Asumsi bahwa Yar (Y lX) sama untuk semua nilai X, sangat berguna, sebab
memungkinkan kita untuk menggunakan seluruh observasi X dan Y dalam
memperkirakan oj.
Dengan memperhatikan fungsi o dan b di atas, berarti bahwa untuk nilai X tertentu,

variabel Y mempunyai fungsi probabilitas bersyarat dengan rata-rata (nilai harapan) : A


+ BX dan varians o! atau E(Y) : A + BX dan Var (y) : o: dengan bentuk kurva sebagai
berikut.

E(Y

/X)= a+ ex

Perhatikan bahwa lokasi fungsi probabilitas bersyarat f(Y /X) akan berubah, apabila nilai
X berubah. Hal ini bisa dilihat dalam Peraga 5.4 (tiga dimensi).

t r A+BX,
Fungsi regresi

f(Ylxl)

A+ BX

Bob

t85

Regresi Sederhono

Apabila diringkaskan, asumsi-asumsi tersebut di atas akan terlihat seperti di bawah ini:

(1) Y,:A+BXi+ei
(2) E(Yilx):A+BXi
(3) Yar (Y,lX,): o!
(4) Cov (e,, t) :0

Untuk semua i (i

1, 2, . .

.,

n)

iika nilai dari parameter A dan B diketahui, kita dapat langsung menggunakan persamaan
(5.1) untuk memperkirakan nilai Y untuk suatu nilai X tertentu. Akan tetapi, dalam
prakteknya nilai A dan B tidak pernah diketahui dan harus diperkirakan dengan data
sampel. Nilai perkiraan untuk A dan B masing-masing adalah a danb. Dengan demikian
persamaan regresi perkiraan adalah sebagai berikut.

,.

, ,

i ':

,Y=&+bx

t5.2)

, di mana a dan b adalah nilai perkiraan untuk A dan

PtilDUGAAil PARAMETTR An B, DAN

B.

o!

Apabila populasi dari seluruh pasangan nilai (X,, Y,) diketahui, kita dapat menghitung
nilai sebenarnya dari parameter A, B, dan os2. Dalam prakteknya, kita tidak tahu nilai
parameter tersebut akan tetapi dapat diperkirakan dengan menggunakan data empiris,
yakni hasil observasi berdasarkan sampel yang ditarik dari populasi yang tidak terbatas
(infinite population). Data empiris tersebut sering berupa data deret berkala (time series
data):

XyX2,,Xi,,XndanY,Yr,...,Yi,,Yr.
Untuk memperkirakan A dan B, kita pergunakan metode kuadrat terkecil
Model sebenarnya : Y = A + BX + e
Model perkiraan : Y : a + bX + e
a, b dan e merupakan perkiraan/taksiran atas A, B, dan e.
Metode kuadrat terkecil ialah suatu metode untuk menghitung a danb sebagai perkiraan
A dan B, sedemikian rupa sehingga jumlah kesalahan kuadrat memiliki nilai terkecil. Dengan
bahasa matematis, dapat dinyatakan sebagai berikut:

Yi = a + bXi+ e,, i : 7,2, ... n


ei : Yi - @ + bX;): kesalahan (error) i
24 : rlYi- b + bX)12 : jumlah kesalahan

kuadrat.

Jadi, metode kuadrat terkecil adalah metode untuk menghitung a dan b sedemikian
rupa sehing Ba h? : terkecil (minimum). Caranya ialah dengan membuat turunan parsial

(partial differential) dari Zel mula-mula terhadap a kemudian terhadap b dan

menyamakannya dengan nol.

dLei
a,

- ZL IYi -

kt + bxt)l

e1): 0 = zYi:

an +

bLX,

+:zzlyi-@+bx))(-x,):0+rX,t:azXi+bzx!

(1)
(2)

I86

Stotistik: leori don Aplikosi

Persamaan(1)dibagi dengan

lilid 2

n = +=+-+
= Y:a+bX,

sehingga

s:Y -bX

(5.3)

Masukkan a ke persamaan (2)

zXlY; =
LX;Yi

g-

aX)zxi+ bLX? = LXiYi = (ZL

>x'lY'

nn -

- o*,

LX,

bzX!

o(zXi)2 + b>,x!

{,,,-qi}

b=zxY

4f

sehingga

'

b=

- ZX,LYrln ?xZXiYi * IX;XI


*
IX,' - (zx,)zln ntx! - (rxi)2

ZXiYi

(r'4r'

Perkiraan garis regresi linear sederhana adalah sebagai berikut:

ti:q+bXi
Y,: ?,+e,,

i:1,2,
,n
"cap"
Y
atau Y topi.
dibaca
f
Y.
adalah
perkiraan
I
Yi:nilai observasi
f i : nilai teoretis berdasarkan persamaan regresi.
(dapat juga dipergunakan t ,: b, + b, X,)

Apabila X, Y, dan t semuanya merupakan variabel acak, sedangkan X dan e bebas,satu


sama lain (independent), maka hubungan antara penduga b dan parameter B dapat diuraikan
sebagai berikut:

Y=A+BX+e
:A+BE(X)
:A+BE(X)+E(e)
E(Y)
=E(Y)
A: E(y) - BE(X), E(Y), dan E(X) masing-masing merupakan rata-rata Y dan X yang
diperkirakan dengan 7 du.r X, maka dari itu = a : t - UV

Jadi,

Koefisien regresi B iuga dapat diperoleh dari hubungan berikut:

,=C?I(T:'I)
Var(X)=4
oi

di

mana:

INNN
o- =-(tx,Y,tx, t)4/N)
N il
1'Z'
-lN.N

o; = ;tZxi
- rix,l2
lV i=t
t=l

t,ryl

Boh

187

Regrcsi Sederhono

Karena nilai q, dan o,2 tidak diketahui, maka o,, diduga dengan
dengan s,' sehingga parameter B iuga diduga deng-an &.

s* dan o,2 diduga

Sehingga

b-+
s-.,

{s.6)

Dx

di mana:
1n
s : -(I
X,Y.
mtu"l't

- i=L
Lx,Ly, t")

-Xll

^1n

t?
"x =
Kalau

xi: Xi- X, X = lr*,

'li

i=L

n^

- (ZXi)' lnl

x?
.,

n,i_.t.

i='L

d.an

y,: Yi- Y,Y


'n = aIY,maka
,

Lr;v;
Exi

h--

{5.7)

merupakan penduga tak bias dari parameter B dan a juga penduga tak bias dari parameter A.
b

Etb!

dan'
X(a)

t5.8)

-:*

Dari model regresi dan asumsi-asumsi yang mendasarinya, kita bisa mengatakan
bahwa o.2 (varians dari error) juga mewakili varians dari nilai-nilai Y terhadap garis
regresi. Perlu diingat bahwa deviasi dari nilai-nilai Y terhadap perkiraan garis regresi
disebut residusl (error). jadi, jumlah kuadrat residual adalah merupakan suatu ukuran
variabilitas dari nilai-nilai observasi yang sebenarnya terhadap garis regresi perkiraan.
Rata-rata jumlah kuadrat memberikan nilai dugaan bagi ou2 yaitu jumlah kuadrat residual dibagi derajat bebasnya.
Kalau ii:)'r- j,,maka jumlahkuadratresidual(error) adalahZel-_ z$,- !)2,datt
penduga bagi o.' adalah
2e?
i,-2 -* ila

{5-e)

Sl juga dapat dihitung dengan rumus berikut

"' -

- u2*?
n-2

Ea?
!L

atau

,
s;=

4"?

bw,y,

n-2

xi.=Xi-XdanUi:Yi*Y

(s.Is)

188

Stotistik leori don Aplikon lilid 2

S, = lS? = kesalahan baku dari regresi atau simpangan baku regresi.


Dalam praktek, apabila b .sudah diketahui, rumus (5.10) akan lebih mudah. Setelah oj
diperoleh maka or2 dan o] juga dapat dihitung sebagai berikut.

Var4P;'j'o.f,*

Var{d,-Karena pada umumnya

ou2

o;1

ffi
.,{t X2)
=or[;.9)

.t$..l,1)
t,

{5.12}

tidak diketahui maka 612 diduga dengan sl sehingga rumus

(5.11) dan (5.12) menjadi

,;,'=#

{5,13}

, ,{1 X2 l
s;=s"-L;-*)

(s.14)

dan

a dan b yang diperoleh melalui metode kuadrat terkecil, sebagai perkiraan A dan B,
sering disebut BLUE, singkatan darlr Best Linear Llnbiased Estimator. Bestberurti o| aan oj
mempunyai nilai sama atau lebih kecil (tidak pernah lebih besar) dibandingkan dengan
metode perdugaan lainnya; Lineqr berarti a dan b merupakan fungsi linear Y, yaitu a : Z

k,Y,d.anb:ZtiYi,ki: (|+Vt,1;

Llnbiased Estimstor

berarti E(a): A dan E(b):

B.

Pembuktian rumus (5.5) sampai dengan (5.14) dapat dilihat pada lampiran bab ini.
Catatan: perlu diingat perbedaan antara x dan X. (huruf r kecil dan X besar). X besar
langsung mewakili nilai observasi, sedangkan r kecil mewakili X _ N. Begitu juga untuk
I
y kecil dan Y besar.

r,?=vv?-(txi)2
n

zYi

IZY)2

=2Y,'-t,

L*iY,=>,xiYi-DXiZYi
fr
c01{T0H 5.t

x : % kenaikan biaya promosi penjualan (sales promotion) selama 1 tahun


Y : % kenaikan hasil penjualan selama 1 tahun

a)

b)
c)

3,. 5

Hitung s dan b dari regresi linear sederhana

7
10

= a + bX.
Berapa ramalan hasil penjualan kalau biaya promosi penjualan dinaikkan
Hitung s!, s| dan sf, sebagai perkiraan o?, ol dan of.

menjadi

70'/o.

\oh

Regesi Sederhono

189

PtNYTtESAIAil

.)

25

10

L6

36
49

: 20 zY,: 33

zx.

LX,z

49
28
64
48
100
70
2Y,2 = 247 1X,Y,:159

z*? =LX?-(zx,)zln

lS :106

80

= 247 - 33,15 :247


- )o.,

217,8

106

20,

:26
zy? :zy?-(>v,)2ln

hy, :zX/i= 15e -

:159
-

(ZX,) (zY,)ln
(20X33)/s
732

1.7

x=+Ixi={tzo) =+
7=+tr, =t(33)=6,6
- ZXiZYi
a) b=Ex?-u:\a
nZX,Y,

_ 5(159) 5(106)

7e5 - 660 _ 135


_
(znf
530
- 400 - 130
-

(20X33)

1,04

atau
b

LxiA^i

:
Z
26

'*?
:
a Y- aX
: 6,6 - 7,04 (4)
: 6,6 - 4,1.6

1,04 (hasilnya sama).

Ini berarti apabila

naik 1%,

Y akan naik 1,04%.

-)L/.
]adi, persamaan regresi linear sederhananya adalah

b)

Apabila diketahui X=1.0, ramalan

t :

a + bX

2,44 + 1.,04 X

y: t :2,44 + 1,04(10):2,44+10,4:1,2,g4.

jadi, kalau ada rencana untuk menaikkan biaya advertensi 10/o, hasil penjualan
diharapkan akan mencapai kenaikan sebesar 72,84%.

Stltistik leoti dln

r90

Aplikosi

lilid 2

E--u'-b'2'?
n-2
n-2

C)

29,2

- (7,0q2Q6)
aa

29,2

28,1.

JJ

1,1
a'

-)

0.37

s,=J0fi7

=0,61

,( 7 + X2\
sl", = s;l--.
.[n
Zxi)l=

O,ZZ

tl + fi)

= 0,37 (0,2 + 0,62)


= (0,37)(0,82) = 0,3034

s,:

.T,sou :0,s6.

]adi, kesalahan baku (standard error) dari a sebagai penduga A adalah sebesar 0,56%.
Hasil perhitungan ini juga dapat diperoleh dari rumus:

,ZX?
s|, = si
- ,,
nLxl

7,06,

0.37 =
" = 5(26)

,?

39'22
130

0.3016 dan

so=J0fi016=0,55

.z :-s! = os7
--:;

S; =

Lxl

zo

= 0,014 dan

= ^[0,074 = 0,118 = 0,12.


Jadi, kesalahan baku dari b sebagai penduga B adalah sebesar 0,12 unit. Di dalam
analisis regresi (sebagai hasil riset,_ misalnya), kesalahan baku sebagai ukuran tingkat
ketelitian, biasanya ditulis di bawah nilai penduga. Misalnya:
s6

t:a+bx= t:2,44+7,04x
(s,Xs6) (0,56) (0,12)
Akan tetapi, sering juga nilai yang ada di bawah nilai penduga tersebut merupakan
nilai / observasi untuk pengujian hipotesis.

PENGUJIAN HIPOTISIS DAN PENDUGAAI{ INTERVAI. PARAINilER A DAN 8

Dalam praktek untuk keperluan pembuatan keputusan, sering kali ada pendapat yang
perlu diuji, misalnya tidak ada pengaruh dari X terhadap Y (X dan Y bisa saja mewakili
berbagai variabel, misalnya X : bunga deposito, Y : tabungan deposito; X : tarif pajak,
| = penerimaan pajak; X: harga minyak, Y: harga bahan makanan; X:biaya promosi
penjualan, Y = hasil penjualan; X: nilai ujian matematik, Y: nilai ujian statistik). Kalau
pendapat itu bena1, yaitu X tidak mempengaruhi Y, maka B : 0, kalau ada pengaruh
negatif, B < 0, dan kalau pengaruhnya positif, B > 0. Pendapat itu juga bena1, kalau p :
0, p <0 atau p > 0 (p: rho: koefisien korelasi akan dibahas dalam sub bab berikut). Jadi,

Boh

t9t

Regresi Sederhono

pengujian hipotesis tentang B


koefisien korelasi).

(:

koefisien regresi) sama dengan pengujian tentang p (=

Pada umumnya, hipotesis dirumuskan sebagai berikut:


B yang tertentu, sesuai dengan hipotesis).

(1) % : B < Bo (Bo mewakili nilai

(Kalau pendapat mengatakan bahwa X tidak mempengaruhi Y, maka Bn :


Bo , 0, berarti pengaruh X terhadap Y positif)

Q)

Ho: B > Bo (kalau


(2) Ho:B>Bo

Ho

B < Bo (kalau Bo . 0, berarti pengaruh

X terhadap Y negatif)

(3) Ho B=Bo
Ho'. B +

Bo (kalau Bo

+ 0, berarti X mempengaruhi Y).


b - B^
* .;l*

,n-c,=
fO

,F dF\
(5.15)
t5'I5'

'o

Kalau Bo = 0
= to: *,ro: nilai observasi.
f, mengikuti fungsi f dengan derajat kebebasan (n

s,,
,b= E_--ir,=
.t ri

\b

B')\E;J.""=
.
se

2)

zrl

zyl- a2zrl

nj=-

Pengujian hipotesis dilakukan sebagai berikut:


(1) Kalau to> ta, Ho ditolak dan kalau to. t* Ho tidak ditolak.
(2) Kalau to 1 - to, H0 ditolak dan kalau to, - t* Ho tidak ditolak.
(3) Kalau to< - t.,tz atau kalau to> tolz, H0 ditolak dan kalau - talz< to< tolz
Ho tidak ditolak.
Nilai fo, to,, dapat diperoleh dari tabel f dengan menggunakan nilai
derajat kebabasan (n - 2).

a dan

Selanjutnya, untuk menguji hipotesis tentang parameter A, perufiusannya adalah


sebagai berikut:

(1) Ho:A<Ao
Hn: A> Ao
(2) Ho A2Ao
Ho:A<Ao
(3) Hn:A:An
Hn:A*4,

'

,tt -

a- Ao

so

k- Ailw

(5.L6)

,,JIX,?

apabila nilai a sudah ditentukary maka nilai tu tatz dapat dicari dari Tabel / dengan
derajat kebebasan (n - 2).
Di dalam praktek juga sering diperlukan ramalan interval untuk parameter A dan B.
Menurut Dalil Batas Memusat (Central Limit Theorem), kalau 0 adalah penduga atas
paramete^r e d,an o e: kesalahan baku 0, maka untuk n mendekati tak terhingga (sampel
besar), le - E(O)llo e: N (0,1), mengikuti fungsi normal dengan rata-rata 0 dan simpangan

baku

1.

Dalam kasus sampel kecil,

diganti t.

,_b-B _(b-B)lr.xl
sb

sd

tq2

Stotistik: Teoil don Aplikosi

P(-totz<t<tat):1.-a
7 - a : tingkat keyakinan

-tal

tarz a

-t

'qt2^ -

(leztel of confidence)

b-B

1 ton

sb

<

s,

lo.lz

lilid 2

"'' Jxl

@-D\8

3 totz

se

b-B

<+'1ll
-

se
I

{ti

Setelah disederhanakan, rumus pendugaan interval B adalah sebagai berikut:


tl :

,;;,t ;',.,
".

;b

"

"i,,f,I

j *o .* $.;

:::,:.;,:
&

1+',

r*

j;'

::;,:,

,'..:,.{S:17}

eo

atau

,.,,:='

al'iffi ,a,t ai,*6

Rumus pendugaan interval

P(-ton a

dapat diuraikan sebagai berikut:


nt-:t
< torz) = 7 \
A

d, s, =

'q

(a
\'- a
-+'Gtz

t5.18)

A\^R < !
- "'\-'-t
,r^ffi -'atz

s,

^r

' "EvJ
-torz#<a-A<
I nZxi

a +..tai/

$a :S

:4,,5,a,*: t,&j',s,g

{5.trg

atau
:.::.:;

:.

{5.2$}

CONTOH 5.2

Seorang direktur pemasaran beranggapan bahwa besarnya pengaruh biaya promosi


penjualan terhadap hasil penjualan adalah sebesar 1,5 (B - Bo : 1,5). Untuk menguji
anggapannya itu, dipergunakan data deret berkala berupa % kenaikan biaya promosi
penjualan (X) dan /o kenaikan hasil penjualan (Y), selama 5 tahun. Ternyata diperoleh
nilai b :1,04 dan So :0,12 (seperti Contoh Soal 5.1).

Bob

t93

Regrxi hderhono

Dengan menggunakan a,:5/o, ujilah pendapat tersebut.


Buat pendugaan interval B dengan (1 - a) = 0,90 (:90%).

a)

b)

Ujilah pendapat bahwa kegiatan promosi penjualan tidak mempengaruhi hasil

c)

d)
e)

penjualan (Bo : 0). Pergunakan a: 5%.


Ujilah pendapat bahwa A: Ao: 2 dengan alternatif lebih kecil dari itu dengan
5/o (pergunakan Contoh Soal 5.1).
Buatlah pendugaan interval A dengan (1 - a) :0,95 (= 95%)

a:

PENYTTESAIAN

a)

Ho

B < 1,,5

Hr:

B>

t_

'o

a:5%,berarti td,r) = fo,or(:) :

2,35

1.,5

b-7.5

- (1,5)
0.12

(1,04)

.s,

-0,46
0.12

Oleh karena to : - 3,83 . fo,os(s) : 2,35,


maka H, tidak ditolak, berarti pendapat
bahwa pengaruh kegiatan promosi
penjualan terhadap hasil penjualan sebesar
1,5 (atau lebih kecil) dapat diterima.

-??t
-7-"

(3,

'0.05

b)

(1

a)

0,90

L
L
) d,: 7 - 0,90: 0,10 + tal2(n
"']5
2\ - '0,05131 - t,u
b - to,, so < B < b + to,rso
(2,35)(0,72)
t,04 < B < 1.,04 + (2,35)(0,72)
1,,04 - 0,282 < B< 1,04+0,282

-0,758
-0,76

< B < L,322


< B<1,32

]adi, dengan tingkat keyakinan sebesar 90% adalahbenar bahwa nilai koefisien regresi
B akan terletak dalam interval antara -0,76 dan 7,32 atau P(-0,76 < B < 7,32) : 0,90.
Artinya, probabilitas bahwa interval antara -0,76 dan 7,32 akan memuat B adalah
sebesar 0,90 (90%).

c) Ho:B:0
Hr:B+0

a = 5%, tolz(n*z)=

to,ozs(z)=

3,L825:

3,18

a: 5%, sebab dalam tabel hanya dihitung:


totz
= 0,025 : t - " : 2(0,025) : 0,05
L,04_
+-b
,o:
i=ffi.:8,666:8,67

Pergunakan

to: 8,67 > to,ozs(z): 3,18, maka Ho kita


tolak, berarti ada pengaruh dari kegiatan
Karena

promosi penjualan terhadap hasil penjualan.

-/o25

1.1 -3,18

fo.o*

,r1

63,18

t94

Stotistik: leori don Aplikosi

d)

Ho:422
H : A <2

0,05

lilid 2

= fo,os(e) :2,35

. a+r0sa

_1,04-2 _-0,96 _171


L"
0,56

0,56

Oleh karena to, to - 1,71, > -2,35, maka Ho


tidak ditolak, berarti pendapat bahwa nilai A
: 2 (atau lebih besar) dapat diterima.
'0.05(l)

-2.3s

a-tolzso S Ala-tto12sa, (a:2,44, ContohSoal


2,44- 3,18(0,56) S A <2,44+ 3,18(0,56)
2,44-1,78 < A <2,44+7,78
0,66 < A<4,22

e)

5.1)

]adi, dengan tingkat keyakinan sebesar 95% benar bahwa nilai A akan terletak dalam
interval antara 0,66 dan 4,22 atau P(0,66 < A < 4,22) :0,95. Artinya, probabilitas bahwa
interval a4tara 0,66 dan 4,22 akan memuat A adalah sebesar 0,95 (:95%).
(0NT0H 5.3

Direktur keuangan suatu perusahaan beranggapan bahwa tidak ada pengaruh besar upah
mingguan terhadap pengeluaran konsumsi mingguan. Untuk menguji pendapatnya itu,
kemudian dilakukan penelitian terhadap 5 orang karyawan yang dipilih secara acak.
Setelah ditanya tentang besarnya upah per mingguan (= X) dan besarnya pengeluaran
konsumsi (=Y), diperoleh hasil sebagai berikut:

:
)/:

upah per minggu dalam ribuan rupiah.


pengeluaran konsumsi per minggu dalam ribuan rupiah.
.V
")\

ii#i:

il*,[i

't

iS,il i i:,

l;;

li; rll:

r'6 r:

,,iYti:
a)

b)
c)

Dengan a :0,05 ujilah pendapat tersebut!


Buatlah pendugaan interval B, kalau (7 - a) : 0,95.
Hitung reL langsung dari >el : >(r, - t ,)' :Z(Yi - a - bXl), kemudian hitung

zy!

- uzz{

PENYtttSAIAN

i;#YI::i

;t:#

#f

.lf

59,2
102,9

0,16
2,56

0
9

72

0,76

5,3

31,8.
34,2-

-2
-2

-7,94

3,/

-'t,54

4
4

2,371,6

0,76
3,88
3,0g

s\z I

IY,:

IX.Y.:
tl

br=

L!;:

7a?:

Zy?:

Exy,:

40

36,2

305

18

13,292

75,4

8
11

9
6
6

7,4
9,9

4,0256

W:

6,5536
0,5776
3,7636

0
7,68

ref

Bob

t95

Regrui Sederhono

xi:Xi- x:X, -8
A;:Yi- Y:Y, - 7,24

LX?

- $8

zYl = 275,38

>*1,>yl danLx,y, dapat diperoleh dari rumus berikut:


zxl:2X? - (ZX,)Zln = 338 - (40)2lS:338 - 320:18
zv?

>Y?

(2Y,)2 I

L*il,:>,XiYiHo:

H:
a

275,38

(36,2)2 I

@X,)(ZY,)ln = 305

275,38

262,088

(40)(36,2)15 = 30s

1.3,292

289,6:75,4

B<0
B

>0

a:0,05 =

a)

u^l).;l
"v--',di
sp

b
'0

s/,

fo,os(:)

=2,35

mana

15.4
b=* :'r,v,=-==0.8556.
18
Lri yi

t"
b'Lri
--t
n-l ^tzy; -

= trItt,zg =
I., =r

"

(0,8556h,m

3,630

0,192

0,t92

0,85s62(18)l

0,193

=19.906

Karena to:18,906rfo,os(a) :2,35makaHoditolak,berartiadapengaruhdaribesarnya

upah terhadap pengeluaran konsumsi.


b)

to,ors(s): 3,18
b

to,rsuS B 3 b +

0,8556-to,orr+=
\/x;
0,8556

(3,18)

0,8556

w'

to.tz

B < 0,8556

st

totz

fo.ozs

-=

to,ozs

trL*i

"
B < 0,8556 + (3,18) ^,192

,[8

0,1439 < B<0,8556+0,1439


0,7777 < B < 0,9995

Ini berarti, apabila upah mingguan naik Rp1.000, maka interval antara Rp 777,7 dan
Rp999,5 akan memuat B. B : koefisien regresi yang sebenarnya.

c) a: Y- bX = 7,24 - 0,8556(8) :7,24 - 6,8448 :0,3952


t = 0,3952 + 0,8556X
sehingga,

t96

Ststbtik: leori don Aplikosi

lN,

ti

ii{r

if:i

:.$f,;,;::

7,4

A3952 + 0,8556 (B) :7,24A0

11

g,8
8

0,3952 + Q8556 (11): g,SOOS


0,3952 + 0,8556 (9) : 8,0956

5,3

0,3952 + 0,8556 (6) :

3,/

0,3952 + 0,8556 (6) :5,5288

g
6

lilid 2

5,5288

7,4-7,2400:0,16
9,8-9,8068:*0,0068
8-8,09s6 :-0,0956
5,3-5,5288:-0,2288
5,7 * 5,5288 :0,1712
,ei

:0

0,025600
0,000046
0,009139

0,052349
0,029309
s^2
ui

:0,716M3

: al75
*?:>-v? -bzzx?
:13,292 - (0,8556)2(18) :73,292
:0,115076
:0,115

*7 :

>y?

79,776924

- bzZx!, akan lebih cepat dihitung daripada

>r?:>1Y,*

menggunakan rumus

t,)2

Hasilnya berbeda sedikit karena kesalahan pembulatan (rounding error). Akantetapi, kalau
dibulatkan menjadi dua angka belakang koma, hasilnya akan sama yaituZel :0,12. Ze?,
dapat juga dihitung berdasarkan rumus:

7r? =4?-b>*,y,

:
:

- (0,8556) (15,4) : 13,292 - 1.3,77624


0,11576 : 0,176 : 0,72 (hasilnya sama).
1.3,292

(0NT0H 5.4

Berdasarkan data pada Contoh Soal 5.3,

a)
b)

Ujilah hipotesis bahwa nilai A < 0,5. Pergunakan d = 0,05 (:5%).


Buatlah pendugaan interval A dengan (7 - a): 0,90

PtilYEtESAIAI{

Hr: A > 0,5


Ho ; A <

0,5

(a_ },\1[nzfi

, --a-0,5
)a

'{r

(0,3ss2

(Pergunakan kurva sebelah kiri).

E;'

{ rxi
0,sxE(18)
se

0,1.924338

(-0,1048x9,4868)
3,5299

= -0,2877

Bob

tq7

Regresi Sederhono

Karena to: -0,2817 , fo,os(s) -- *2,35, maka


Ho tidak ditolak, berarti pendapat bahwa
nilai A: 0,5 dapat diterima.
-t'0,05 Gl- _r?q

b) dd'

talzsus A <

a+

tcxlzsa-) L

- a:0,90 )a,:7 -0,90:0,10

3 fo,osr:) =2,35
-nntr++

1=U,UJ

t""Ex?

a-tatz-H<A<a+tdt?:ffi
I nzxf

o,3ss2

(2,35)

(0'122hf38

, ^ffi
lnZxi

< A < o,3ss2 + (2,3s)

J5(18)
- 0,8744 < A < 0,3952 + 0,8744

(0'122-f3B
Js(18)

0,3952

*0,4792< A<7,2696

Dengan tingkat keyakinan sebesar 0,95 (: 95%),\<tta dapat menyimpulkan bahwa interval antara -0,4792 dan 1,2699 akan memuat A, atatt P(4,4792 < A < 1,2696) : 0,95.
Artinya, probabilitas bahwa interval antara -0,4792 dan L,2699 akan memuat A adalah

(:95%).

sebesar 0,95

Menguii Hipotesis tenlong Koefisien Regresi dengon Anolisis Vorions

Menurut Dalil Batas Memusat,

I_ = b-B
- =
ob

(b-B)j\ Fr
u^i
oe

N(0,1), mengikuti distribusi normal dengan rata-rata 0 dan


simpangan baku

L,2

afz*l

-(b- o;

Sedangkan
-

Tadi.F

v.?

-o;

1.

Xfry mengikuti distribusi Kai-Kuadrat dengan derajat kebebasan


sebesar ].

= X(r-21 mengikuti distribusi Kai-Kuadrat dengan derajat kebebasan


sebesar (n - 2).

(b - B)2 Lx? lo?


' '
= zel
l(n - 2) o!
@

- n1z 2rz

z,e!

lfu -

2)

xtt) l1
X?n_zutn_z)

mengikuti distribusi F dengan derajat kebebasan sebesar 1 dan (n - 2)

+ F0,,_r)

=-!-1-=-41zel l1n - z) xl*zt


X?rt :bz Zx? = karena 9 i = bx - 2y? : b' >*?
:zV? : "explained sum of squfrres", yaitu variasi Y
Apabila Ho:B=o,maka F

X'tu- ,):Ze!:"unexplained sum of squares", yaitu variasi Y yang disebabkan oleh faktor

r98

Stotistik leori don Aplikosi lilid 2

yang tidak dimasukkan dalam persamaan regresi (variasi berasal dari kesalahan
pengganggu).

Ingat bahwa Vi

= ii + r = i,: br :
\\

regresi

regresi kesalahan pengganggu

>y?

2(9, + e,)2 : zr? + Li,,e, + e! Lj,,e, : bzx,e,


: bzx,(y; - bx;) : b(Lxy, - a>xl) :=b(0): 0, sebab

- Zx,v,
b=-;:t=Lxiyi
L^i

=bzxi

Jadi,l:yl:2t? +Zel * variasi Yterhadap rata-ratanya (y,:Y,- Vl:variasi i terhadap


rata-ratanya (i - y : t - 7) + variasi Y terhadap garis regresi (ei : Yi- i' i).
y :s+bX= Y :a+ bX :(7 - bX)+ bX : y - bX *bX:l=y
= y.
Untuk menguji hipotesis bahwa X tidak mempengaruhi Y, (B = 0), juga bisa

menggunakan fungsi F, dengan menggunakan Tabel Analisis Varians (ANOVA) sebagai


berikut.

L_"-"mfl,5.r

".J

ANoVA

X(regresi)

f<rt =

-)

fi, - rt: b?
zy!=Ey!+>*l

Residu

Jumlah

*) Ii,? = ,'Z? = bLr,y,


>nl =zl -zyl

ri,i
-"
,^-znl l\n -

EY?

2\

n-2
n-1

1,2

'ri

*lttu - z)

(r : koefisien korelasi akan dijelaskan dalam Sub-bab.


Koefisien Determinasi Berganda dan Koefisien Korelasi
Parsial, Bab 6).
/ mempunyai fungsi F dengan derajat kebebasan 1 dan (n

2).

Untuk menguji hipotesis B :0, Fo dibandingkan dengan Fo@t,,2;, kalau Fo2 Fo(or,,r),
maka Ho ditolak akan tetapi kalau Fo < Fo@t,ur; maka Ho tidak ditolak.

fficotttott

s.s

i***#Dengan menggunakan data pada Contoh 5.1, lakukanlah pengujian untuk Ho : B : 0 dan
Ho: B + 0. Pergunakan Analisis Varians, dengan a: 0,05.
PTNYEIESAIAN

: bZx,y,: (1,04)(27) :28,08


Ly? : 2e,2 - z'? : >v? - Lr? : 2e,2 - 28,08 :
zt?

7,72

Data di atas dapat dimasukkan ke dalam tabel Anova berikut ini.

Bob

t99

Regresi Sederhono

X
Residu

28,08
1,12

Jumlah

)a)

28,08

1,7213

:0,37

E^

=75.89
" =28'oB
0,37

: 10,1 (dari Tabel F). Karena Fo = Fo,or(r)(s, maka Ho ditolak. jadi, pendapat bahwa
B = 0, X tidak mempengaruhi Y, tidak dapat diterima.

Fo,or(r)(r)

r;ffiro(oilToH

i cB

5.6

t#ffi## Seorang ahli ekonomi beranggapan bahwa tidak ada pengaruh antara besarnya pendapatan

(X) dan besarnya tabungan (Y) dari penduduk suatu kota. Untuk maksud pengujian
anggapannya itu, telah dilakukan penelitian terhadap 11 orang penduduk yang dipilih
secara acak sebagai sampel. Hasil penelitian adalah sebagai berikut.

:x,-{.{iFi

a)

J3t

5,13

:166.,

r55

411

:.l$1

#4,'

4s0

283;i 21li'r *s$

ri'ro

::!::l:l

iffi?j,'

5/,/

.*s

'26&.

692 ,r43

fffii

tW;4

(:1%).

Buatlah pendugaan interval dari koefisien regresi, dengan tingkat keyakinan

:0,95 (:95%).

PENYELESAIAl{

a)

641

Dengan menggunakan analisis varians, ujilah pendapat tersebut. Pergunakan a, :


0,01

b)

..r{$)

n --

1L,

zx,Y,:

>X

5.711,2Y,:

2.996, ZX? :3.734.543, >Y?

1.296.836

zr?:rY4-Q4)'
: 3.7s4.54s - $l\7)z
17
3.734.543

2.965.047,363

1,69.495,637

>y?:

2yz,n
-

(LY)z

539.572 s3s.572

Q'3:e6)'
1t
527.892,364

17.619,636

zxilYi
z*y,: >x.y.
ttn : 1.296.836 : 7.296.836 - 7.243.959,636
= 52.876.363

*9.572

:1 - a

200

Ststistik:

,
h

leoil

don Aplikosi Jilid 2

Zx,u,
lJl

s-2
L^i
52.876,363
169.496,637

:0,31196

>yl

ti?

bxxy,

:
:

(0,31196)(52.87 6,363)
L6.495,311

= 2v?-zt?

17.619,636

:1.124,325
!;:

a::ilil;{:

1.6.494,311,

: tt::t+;l::

:l.r

:I4IXnnef

.;

'l:::i{t$

l;uiiiffiffiEB,#il

fu:i*:iffit&fi

x
Residu

L0,56. Karena Fo

sehingga pendapat bahwa

b)

-r

,1,

:i

fA{.: -r."i

:I

16.495,311
1.124,325

:1,32,04'1.7
Fo,or(r)(r)

l*..

t*flli
:,, !
it;;t i;t::::t:::

B:

1
9

j: lir I

ffiiiiiai

hta,irllliii

aS it ;i;;:i;;l:::::+:;!:1

16..495,371

724,925

L32,042

maka Ho ditolak. Jadi,


0 tidak dapat diterima.

Fo,or(r)(o;

X mempengaruhi y,

b-totrsa<B<b+to,rso,
s,

>r?

-L;
tl

:
a I 2(n-2)

0,37796

121,925

71,777

b-totz+,
t

:
o,ozs(s)

<B<b

+f

,lzri

Se

trl z

/s-2

\'l

2,262

^i

< B < 0,g1196 + 2,262


- 2,262
-'--- --flAl-'-"- -=JJA!-:
,ltoo.4g5,63z
",Fegtgs,osz
0,31196 - 0,06747 < B < 0,37796 + 0,06141
0,25055 _<B<0,37337

0,25

< B<0,37

Dengan tingkat keyakinan sebesar 95/o, kita dapat menyimpulkan bahwa koefisien
regresi B akan terletak dalam interval antara 0,25 dan0,37.

PTNDUGAAN DAN PTI{GUJIAN HIPOTESIS TTNTANG KOTTISITN KORTI.ASI

Ahli ekonomi atau ahli-ahli bidang lainnya sering menggunakan analisis korelasi untuk
menge.jahui erat-tidaknya hubungan intarvariabel. Apabila ternyata hasil analisis
menuniukkan hubungan yang cukup era! maka analisis dilanjutkan ke analisis regresi sebagai
aht nidridniARa'n'lfo?ecasting) yul1g ru.tgrt berguna untuk perencanaan. Analisis korelisi
yang m6fiLaltdp duA variabel X dan Y disebut analisis korelisi linear sederhana (simple linear

'tr,*.ll ..:..

p.rirr,.

Bob

Regresi Sederhono

20r

correlation), sedangkan yang mencakup lebih dari dua variabel clisebut analisis korelasi
linear berganda (multiple linear cotelation), yang akan dibahas dalam Bab 6.
Koefisien korelasi yang dibahas dalam subbab sebelumnya, didasarkan atas asumsi
bahwa variabel X dan Y mempunyai distribusi gabungan (joint biaariate distribution). Di
analisis regrest kita berhubungan dengan observisi Ydi mana X dianggap konstan
9:1rf
(tidat bervariasi) dari. sampel ke sampel. Untut< X tertentu, Y bervariasi Jeiingga kita
bisa mencari rata-rata Y, yang dinotasikan sebagai E(y lX): nilai harapan (nilai rit"a-rata)

Y untuk X tertentu.

Interpretasi koefisien korelasi (nilai untuk mengukur kuatnya hubungan


antarvariabel) tergantung pada asumsi yang kita buat terhadip variabel X dan V. ApaLila
X dan Y bervariasi (X dan Y kedua-duanya bukan konstan),itau disebut variabeiacak,
maka koefisien korelasi akan mengukur "Couariability" (variasi bersamaan) antara X dan
Y. Di dalam analisis regresi, koefisien korelasi dipakai untuk mengukur "cocoknya" atau
"tepatnya" (: fitness) garis regresi sebagai pendekltan (approximatiin) datahasil observasi.
Pada subbab

ini akan dibahas koefisien korelasi untuk:

a) model regresi (Y bervariasi, X konstan)


b) X dan Y (keduanya bervariasi, merupakan variabel acak)
c) menguji hipotesis tentang parameter p : rho (koefisien korelasi
berdasarkan perhitungan data sampel.

sederhana)

**
Y, E(Y

lxl
E(Y/X,)
E(Y/Xt)

l(oefisien l(orelosi

Misalkan X dan Y merupakan variabel acak (keduanya bervariasi) serta mempunvai


distribusi "biv ariat" .

: tt,,
=4,

E(X)
Var (X)

dan E(X

lt,) (y

lt,,)

= Cov

E(Y):

FV.

Var (Y) =

612

(X, Y) = o,r.

Koefisien korelasi sebenarnva dari populasi adalah sebagai berikut:

P;: ffit,
di mana P : koefisien korelasi sebenarnya dari X

',Itfi, l q'

t1fif,. !

Bedrn PclPustetrfi
d

lrn

PropinC

f,crrsitar

Jrlr Thr

202

Stotistik: leori don Aplikosi

lilid 2

s.7

,'$coilroH
'.!#Misalkan X dan Y merupakan variabel diskrit
probability)

(x, y) sebagai berikut.

,i$

Hitung p

dengan fungsi probabilitas gabungan Qoint

0,5

0,5

os

0,5

f(*)

Os

0,5

7,0

koefisien korelasi sebenarnya dari X dan

,t1ffi PENYETESATAN
:s..$
'Jff**a$ E(X) : tt, :

s#)

J}

Y.

Lxf(x) = xd@) + xJ@r)

=1(0,5)+3(0,5)

E(Y) =

Fy

Var (X)

: of

:2
:4s(v)
: U$(Yt) + Y28Q2)
: 2(0,5) + 6(0,5)
:4
= t(X - tt,)z
: z(x - D2 fk)

: (1 - Dz @,s) + (3 - D2 @,s)
:1
Var (Y)

: of

Cov (X, Y)

Jadi,

t(Y

t-ty)2

: t(y - q' sU)


: (2 - q2 Q,s) + (6 - q2 @,s)
:4
:

o,u = E(XY)

E(X) E(Y)

: >i xyf(x, y) - (2) (4)


: {(1) (2) (0, 5) + (3) (2) (0) + (1) (6) (0) + (3) (6) (0,5)} - 8
:1+0+0+9-8
:2
o'o

P = 6ro

=+"1

^i4

P =L'
L
P

1, berarti bahwa hubungan antara X dan Y adalah sempurna dan positif (ternyata
'memang demikiary sebab Y : 2X).

Bob

203

Regresi Sederhmo

Kalau p : -1, hubungan X dan Y adalah sempurna dan negatif.


Kalau p = O, hubungan X dan Y lemah sekali (dianggap tidak ada hubungan)
Apabila X dan Ybebas (independent), maka Cov (& Y):0.Seperti kita ketahui, kalau
X dan Y bebas, maka f(x, y) : f(x) g(y). Akan tetapi, Cov (& Y) : 0 tidak berarti X dan
Y bebas. Cov (X, Y) = 0 berarti p : 0.
g-Yiiinfr

(0NT0H 5.8

bahwa, walaupun X dan Y tak bebas (dependent) karena f(x, y) + f(x) g(y),
namun Cov (X, Y) : 0, berdasarkan data berikut.

ffirrnlukkan

f(x, y)
.):

1l3

7lg

1le

1.le

lle

le
3le

0
0
0

1le

sg)
3le
2lg
2le
2le

3le

3le

1,0

,'

,.[,

1.

f(*)

.a

PEilYETTSAIA}I

Bisa ditunjukkan bahwa X dan Y tidak bebas karena f(x, V)


E(x) Lxf(x)

: fk)

S(y),

:1(3le)+3(3le)

E(Y)

E(XY)

:
:
:
:
:

4sO)

0 (3le) + 7 (zle) + 2 (2le) + 3 (2le)

413

ZLxyflx, y)
(1) (0) (0) + (2) (0) (1/3)

+...

+ (3) (3) (1/e)

24

Cov

(&

Y)

E(xY)

24

- E(X)E(Y)
.6. .4

,24- (5x5)
.

___-n24

99

Y) 0
^
Yoro, :"P,
:0
Karena Cov (X, Y) : 0, maka p : g.
Cov (X,

Di dalam prakteknya, kita tidak mengetahui nilai p tetapi dapat diestimasi berr adalah penduga p, maka r dihitung berdasarkan rumus

dasarkan data sampel. Kalau


berikut:

t :
'

di mana xi -* Xi

h;tl;

------------::-:
t-----; |

.t

.ilxi lzvi

- X. dan y; *Yi*Y

ts.22)

204

Stotistik leori don Aplikosi lilid 2

atau

n>x,y.

..

./,rxl -lrx,f

- EX,IY,

WI

(5-e3l

-IEYF

Pengujian hipotesis tentang p dapat dituliskan seperti di bawah ini:

(1)

%:p<o

H,i p > 0 (ada


(2) Hn: p20

hubungan positif)

Ho i p < 0 (ada hubungan negatif)

(3)

%:p:o

Ho: p + 0 (ada hubungan)

Apabila p

0, maka varians

adalah sebagai berikut:

'v*.ail;;j.*

{5.

sehingga niJai fo adalah

mengikuti fungsi f dengan derajat kebebasan o = r


Seperti di dalam pengujian hipotesis sebelumnya, nilai fo ini dibandingkan dengan

tulay

-to\n-z)' tul1(n-z) atau -to121n:1'

Hasil perbandingan ini dipergunakan untuk memutuskan apakah kita akan menolak
atau menerima hipotesis.
c0[T0H

5.9

Seorang dosen Akademi Ilmu Statistik berpendapat bahwa tak ada hubungan antara
tingkat IQ dari mahasiswa Akademi Ilmu Statistik (: X) dengan hasil ujian tahun pertama

(: Y). Dosen tersebut memilih alternatif yaitu adanya hutungan yang positif. Untuk
maksud pengujian pendapatnya tersebut, telah dipilih secara acak 6 orang mahasiswa,
yang memberikan hasil sebagai berikut:

riffi
iitlli
Dengan menggunakan

a,

= 0,05, ujilah pendapat tersebut.

PE}IYETESAIAN

Ho:p<0dimana
Ho: P>0
2X. = 755,

2Y,:

535,

LXiYi=

67.450

0,05, t,.(n-2):

z4

to,os(s)

= 2,1318

: es.525

zt :4z.B7s

il

Boh

205

Regresi Sederhono

oZX;Y;

LXi}Yi

lnzx! - (rxi t2

1n>Y,2

(LYi)2

- (7ss) (s3s)

6(67.4s0)
.,/o(ss.szs)

- (isr2 -/01+z.azs; 404.700 - 403.925

- 5io.o2s "lzst.zso 775


6j96GrM
Jsz:.rso

(s3s)2

286.225

175

TssS'
0,4329

= 0,433.

-r^',6i

r0-

tll - r'
0,$3J4

0.866
_
- 0.9014 =- 09607
"'-

: 2,7318, maka Ho tidak ditolak pada tingkat nyata (leael of


:-b,OS
significaie) sebesar a
e 5%), yang berarti kita tidak mempunyai cukup bukti
untuk menyimpulkan bahwa antara X dan Y ada hubungan yang positif.
Karena to : 0,9607

:'",iffffi

fo.osr+)

CONTOH 5.10

\ (fr
ffiS"orung

pejabat dari Departemen Keuangan berpendapat bahwa tak ada pengaruh


kenaikan gaji terhadap kenaikan harga bahan makanan. Untuk menguji pendapatnya itu,
telah dilakukan penelitian, dan diperoleh data sebagai berikut:

ift$;iii*irtliii

nMi

ir"*"t

Dengan menggunakan koefisien korelasi, ujilah pendapat tersebuf dengan menggunakan

a:

0,05.

PENYETESAIAN

Ho:
Ho'.

pa0

p>0

ot=, 0,05,

sY1

:Y:
I

169,3
1,26,9

to6.1

-->$:
w? :

-+

/o,os(o)

7,9432

e.ezo,so
2.498,01.

ZX.Y. :2.737,82

nLX,Y;

fiLx=aii

LXiZYi

fizYa -

8(2.7 3L,82)

21..854,56

"129.047,72

wl

(1.69,3)(726,9)

21..484,17

28.662,49 ^119.984,08

16.703,61

206

Stotistik: leori don Aplikwi

lilid 2

370,39
(19 .611,99)(62 .293 ,

=
t-

r0 =

370'39
t22L,698

r"ln

= 0.3032

0,3032nG

'Tre

(0,3032)(2,4495)

42)

0,9540

= 0,7785

Karena to : 0,7785 . fo,or(o) : 1,9432, maka H0 tidak ditolak, yang berarti kita tidak
mempunyai bukti untuk menyimpulkan bahwa terdapat hubungan antara kenaikan upah
dan kenaikan harga.

Hubungon 0nt0r0 Koefisien Regresi don l(oefisien Korelosi

Kalau kita mempunyai pasangan nilai variabel X dan Y sebagai hasil observasi (kegiatan
pengumpulan data): (X1,Y1),(Xz,Y2),...,(Xt,Yr),...,(X,,Yn), kemudiankita gambarkan
diagram pencar di dalam sumbu (X, Y), maka akan kita peroleh gambar seperti pada
Peraga 5.6 berikut.

7)

i';

al'
a

io

.oa
aar
a

Kumpulan pasangan nilai observasi yang membentuk diagram pencar (scatter diagram) dlbagi menjadi 4 bagian yaitu kuadran I, II, III, dan IV.

xi: Xi- X, jarak observasi X, terhadap rata-ratanya, X


Ai = Yi- 7, larak observasi Y, terhadap rata-ratanya, |

, Y) merupakan titik asal (origin) yangbaru, di mana semua nilai observasi diukur
terhadap titik(X, 7). oapat dilihat bahwa hasil kali xy,: (X,-X) Ui- 7) ukur, positif
(N

dalam kuadran

I dan III,

dan negatif dalam kuadran

II dan

IV.

Bob

Regresi Sederhono

Dengan demikian, dapat disimpulkan bahwa apabila sebagian besar dari nilai
purur,gun (ry,) terletak dalim kuadran i dan III, jumlah hasil kali xivi:Zx,l/-i cenderung
ikan positif'dan sebaliknya. Nilai hasil jumlah xy, dapat digunakan untuk mengukur
hubungan antara X dan Y. Akan tetapi ada kelemahannya, yaitu bahwa angka tersebut
dipengiruhi oleh satuan ukuran X dan Y. Kesalahan ini bisa diatasi dengan membagi r,
dengan s, dan y, dengans, di mana s, dan s, merupakan simpangan baku dari X dan Y'
Dengan perkataan lain, variabel tersebut dibuat standar.
,7

-t.=!;rtr,

-X)z
(Yi-Y)-Yi
r
(X,-X)
Lt = ' 5r ---sr dan \/ =)-- sy =-':sy
Koefisien korelasi pendugaan (berdasarkan sampel) adalah rata-rata dari jumlah hasil
kali 1,t,V, sebagai berikut.

, _zltivi
n

r(Xi - X)(Yi -v)


:z(xi - x)2
1_

- X)(v, 7)
=

hiA

sePerti Rumus (5.22)

l>ri lzvi

Berdasarkan metode kuadrat terkecil, b dari Y


sebagai berikut.
dirumuskan -,

n + bX, sebagai penduga B, dapat

Zx'u' karena sf, rrl


-" i
=
4,2x?^n
= Zx! = nsl
ili
'Y '
b =zx
l'ls.\ sr
nsi -Lx
su
Lx,u,
r(X, - x)(V, -V)
r t kedua ruas dikalikan dengan i
-"'t
17_
,i-_
nsrsy
x)2 ,i1:(v, -Y)2
n
\n
r/1rtx,

b=

-. sv -zxiYi
nsxsy
sr
st^ill; ,,

s!
sr

l?sI5l

_2r,y,
Zx?I

-b
|adi, hubungan antara koefisien regresi dengan koefisien korelasi adalah seperti rumus
berikut.

208

Stotistik: leori don Aplikosi

lilid 2

su

b,:. YA
'sx

Buktikan bahwa apabilap = 0 dan B


tr:

rJn

sama dengan fo

(5. 25)

0, maka

b
sb

-F
q

rt_.

Bukti: b:r!-->

" - h'x
q

.t

-v

bsr^,ln

:y,l : >y! + Ze! (lihat uraian tentang Analisis Varians pada Bab 6)

zyl

_zti,Lnl

:r,' >yl

,-

Padahal

:y,l

zil ,z,l

:1,1 :r,l

U. = 4+ = "arzrl^ =--6zLxl.ln = br'i = ,,


zv? zyl zyl zyltn-" sl-'

sebab r

=b!)r/

jadi
,

7 :12

*!i

ZY?

(7-12)-----rZe?
zvl
Zel =41

G-rz1

12 disebut koefisien determinasi (coefficient of determination), yaitu nilai untuk mengukur


besarnya kontribusi X terhadap variasi (naik/turunnya) Y. Variasi Y lainnya (sisanya)
disebabkan oleh faktor lain yang juga mempengaruhi Y dan sudah termasuk dalam
kesalahan Pengganggu (disturbance error). Apabila dinyatakan dalam persentase, maka
seluruh variasi, sebanyak 12 x 700%, diseba6kan oleh iegresi y terhadap X, sedangkan

sisanya

Le?

svz x 700'/o disebabkan oleh faktor lain


LI;

(kesalahan pengganggu). Misalnya

r -- 0,9, maka 12 : (0,9)2 : 0,81 atau r2 x 100%: (0,81) x 100/o : Bl%, berarti kontribusi
X terhadap variasi (naik turunnya) Y adalah sebesar 81./o, sedanekan sisanya sebesar
(100%

- 81%) :

r0 -

19% disebabkan oleh faktor lainnva.

xT-r'z

so

bw =lb

se

>b

^lt -

rz
sb =

^trLy@
se

lr4

brtrf
i1v.z

Bob

209

Regresi Sederhono

Jadi, untuk menguii hipotesis tentang apakah X tidak mempengaruhi y, bisa menggunakan

Hoi

p:0

dengan kriteria

tf

-l
,, =
-u
1-r2

atau Hou:

B:0

dengan
o kriteria

Dengan menggunakan data dari Contoh Soal 5.9,

h" = !.
sh

coilToH 5.t I
S,,

a) hitungO:r*b) hitung r2

ffi

PEI{YETESATAN

a)

sr

- [rl

J} t:xr' -

GXi)2

lnl

{6,07 = 2,4s

trt-t

=@
= .{60,63 =

7,79.

=r\sr
/o 70\

'"'
= (O.3Oi2\l'\2'45
b)

r2

=
=
=

0,96
(0,3032)2
0,0979.

Sumbangan regresi (= X) terhadap variasi Y hanya rz

700%

:0,0919 x 100% =

9,79%.

RAII'IALAI{ TUNGGAI. DAN I}'IIERVAI. DENGAN MENGGUNAKAN


REGRESI I.INEAR SEDERHAilA

Dalam praktek, kita sering meramalkan nilai rata-rata Yuntuk nilai X tertentu, katakanlah
X: Xo. Misalnya, Y: hasil penjualan dan X :biaya pemasangan iklan; atau Y: konsumsi
dan X : pendapatan; atau y: produksi padi dan X : pupuk; dan lain sebagainya.
Ramalan demikian bisa berupa ramalan tunggal (point forecasf) ataupun ramnlan interaal
(interoal forecast). Dalam Subbab Model Regresi Linear Sederhana telah ditunjukkan bahwa
t : a + bX, merupakan penduga dari E (Ylx).Untuk X = Xo = ? = a + bxr.Kita akan
mencari nilai rata-rata (: nlui yang diharapkan varians dari Y ) dan akan menunjukkan
bagaimana Y dapat dipergunakan untuk membuat ramalan. Ramalan tunggal rata-rata y
atau individu Y untuk X : Xo, adalah sebagai berikut.

210

fiotutik: leori don Aplikasi tilid 2

r:r
Misalkan f o adalah nilai iuntuk X

:';-':,;: "n,u*'0".

Karena observasi

var

on ) +

adalah sebagai berikut:

: E(y,lxo)

bXo

iil iH!"J;"I'i;i'dan

k'ns'fan

dianggap bebas (karena acak), maka

(7) = vu, ( rI

BXo

o), perhatikan bahwa:

;,i

ls.2*,

Xo. Rata-rata distribusi

E(r0) : E(a + bX) : E(a) + E(b) Xo : A+


Untuk mencari varians ( f

bX;

1t

var (u,)

,oi

_ oi
- -7-;
Sedangkan Var

(b): Oi",o?
= --;
Lri
Yar

(&l = of* :

or-

(xo

n
--1.

X)2oj

T*?

{s.27)

Kesalahan baku Yo adalah sebagai berikut:

O,-

{s.28}

.vo

Karena s, adalah penduga

o dan
f6

maka

I Xo)

(xo

-.x)'
; *- -- z*lt_

f merupakan fungsi f dengan derajat kebebasan (n - 2).


Rumus penduga interval E(YolXi dengan tingkat keyakinan

to*
atau

to,r'ru

E(Yo/Xo)

fo

(1- a) adalah sebagai berikut.

rar:sln

(s.2e)

Boh

2il

Regrui Sederhono

1\;#I

*.

(a+bXo)-talzse

. 11*
t"tzs,li

s E(v.ol&) s,(a +

&xl

x)'

-tg(Xn

Sering kali kita ingin membuat ramalan interval untuk individu Yo kalau X =

Untuk individu

Yo,

{5.30}

Xo.

kita peroleh hubungan:

Yo:A+BXo+eo
E(?o- Y0) = E(io)

- r{vo) :

A + BXo-

A-Bx,:0

selain merupakan penduga tak bias individu Ys juga sebagai penduga tak bias
E(Yolv).

fs

Var

Io -

Yo)

Var ( )'o) + Var (Yo)

=4*(xo:,F)'o!+o!
n
Zxi
= o? 11* 1
n*
Var

(fo -

YoJ

(Xo'-

-[)']

Zxi

* o3{r+1*(xo--xl',
n
Lri

{5.31}

Karena s, adalah penduga ou, maka


Yo
,=?o_
s{,ir_rn

?o-Yo

f merupakan fungsi f dengan derajat kebebasan (n RumuJpendugaan interval

fo

2).

Yo

dengan tingkat keyakinan (1

forrsrrn-r*)

Sy. S fo *

a) adalah sebagai berikut.

fnlzs(in-r,o)

ts.32)

atau

(a+bXn)-tatzsu

(Yo5(a+&Xo)+

(s.33)

(0NT0H 5.12

Berikut ini adalah data mengenai rata-rata pendapatan dan rata-rata konsumsi per bulan
karyawan suatu perusahaan asing selama 10 bulan.

212

Ststktik: leori don Aplikosi lilid Z

rata-rata pendapatan per bulan dalam ribuan rupiah.

rata-rata konsumsi per bulan dalam ribuan rupiah.

,,,,i i;,

a)
b)
c)

Berapa ramalan tunggal konsumsi, apabila besarnya pendapatan menjadi Rp 650.


Buatlah ramalan interval untuk individu Y, apabllax:650 dengan tingkat keyakinan
(1 - cx) :0,95.

Buatlah ramalan interval untuk rata-rata Yo, yaitu E(YolX),juga kalau


(1

d)

-cr):0,95.

t:l#

:#frCd*i*

,;:!,1{,'
113.750

'i

;l

325

122.500

105.625

364

335
355
375
401

132.496

172.225

721.940

148.225
164.025

126.025
140.625

136.675
151.875

1.91,.844

160.801

223,729

187.489
217.756
242.A64
288.369

17s.638
204.809
238.592
269.724

438
473

433
466
492

512
547
590

53/

630

576

rxi:

LYi:

---^
S\uz

4.694

4.295

2.289.172

s-2
s.r2- (rX, )2
uni -- L1\i
n

: 2.28s.172 - (4'624)'
: 85.808,4 10
zu?:zf
Jl
, -(LYi)z
n
:1.e72.7ss

67.452,5

_
ZX.Y
t L

@.2eil2
10

(:XI XIYI

: 2.0e2.11s :76.040
n- zx,Yi
""l

:,.'Y!,

350
385
405

Lr.V
tJt

650 dan

Buatlah gambar diagram pencat garis regresi t : a + bX, d.an pendugaan/ramalan


interval individu Yo untuk seluruh nilai & termasuk X : Xo : 650.

;"*pE PENYTttSAIAl{

is

X:

G.6e4)(4.2e5)
10

162.744
299.209
348.100
gs6.s00
-

331..776

316.830
362.880

L4:

ZXY, =

1.9L2.155

2.092.11"3

Boh

Regrui Sederhono

2t3

76.040
95.909,4

:0,89

a:Y-bX
: 429,5 - 0,gg (469,4)
:11,73
Maka persamaan regresinya adalah

f :

a + bX

77,73

+ 0,89 X

V:+eg,+y:+zs,s
a) Untuk X :

650, ramalan konsumsinya adalah

t:a+bXo

:
:

11,73 + 0,99 (650)

590,23:

590.

jadi, apabila pendapatan naik menjadi Rp650.000 diharapkan konsumsi akan mencapai
Rp590.000.

x? :

b)

- bx)2
: z(y? - 2bxy, + bzxl)
: zV? - 2b zxy, + bz zxl
: zy? - 2bz zx? + b2 Dxl
z(y,

=4?_b22x?
Le?

67.452,s

(0,886)2 (gs.soa,+)

:93.2492

= "lttssqts = 2,41,

o(.io- )o)

(Xo-N)t
7 -r -------------;-1,
I f
-

1,2166

- a) :0,95 ) a:1-0,95 = 0,05


tal2 (n)) : to.ozs 1rr: 2,3060 (dari Tabel /)
(1

214

Snisfik:

Teori

don

Aplikosi

litid 2

Maka pendugaan interval Yo dengan tingkat keyakinan 0,95 adalah

1 (X"-X)2
-l+_+r.:_-__:_
n

590

lvl

-. Yo -.590 + (2,3060) (3,41) (1,2166)


597,1.97 _< Yo < 5gg,g0g

(2,3060) (3,41) (1,2766)

Jadi, untuk pendapatan sebesar Rp650.000, diharapkan interval antara Rp581.191


dan Rp598.800 akan memuat Yo dengan tingkat keyakinan sebesar 95%.

c) olo

(x,

_,

X)'

0.6928

Maka'pendugaan interval untuk rata-rata Yo adalah


(a + bXo)

590

to.tz s,

1 (X,r - X)2 E(YolXo)<


s
-+---*
n
lvl

(2,3060) (3,41) (0,6928)


590

_<

E(Y,/X,)

<

(a + bXo) +

,-,r

r,rll- g
I

-''l

590 + (2,3060) (A,41) (0,6928)

5,4478 < E(Yol Xo) < 590 + 5,4478

584,552 < E(Yol

XJ <

595,448

Jadi, untuk pendapatan sebesar Rp650.000 diharapkan interval antara Rp584.552 dan
Rp595.448 akan memuat rata-rata konsumsi atau E(YrlXo) dengan tingkat keyakinan
sebesar

95{.

d) Untuk membuat diagram

pencar, garis regresi clan pendugaan/ramalan interval


untuk seluruh nilai X, kita harus memasukkan semua nilai X ke dalam
persamaan garis regresi Y :7L,73 + 0,89X untuk kemudian melakukan pendugaan
interval Yo dan pendugaan interval rata-rata Y* seperti pada tabel halaman berikut.

individu

Yn

Dari tabel tersebut, kita dapat membuat diagram pencar dari ramalan interval
seperti yang ada pada halaman 216.

Yo,

Boh

Regresi Sederhmo

215

Ramalan,Y

,Ramalarn'lhqgffil

,Eata3 B*itfah:i

? =a+bX
Y

17,73

Y_

Eatas.Atas

(x-t)'
, ---=---

,*: *-(x-x)'

Y+

Irl

+ 0.89 X

- (2,3060) (3,41)
,,. (x-46e,4)'
rr

r f ----::_---:85.808,4

t.r.roE.u(x-o*N
' '\i
8s.808,4

Y1,

350

325

364

385

40s

438

335

355

375

401,

433

512

547

590

630

650

466

AOn

537

590

630

=71,73 + 0,89 (350)

-323.23

= JLJ,LJ

-332,t1

=17,73 + 0,89 (364)

=335,69

:335,69

:326,98

:77,73 + 0,89 (385)


:342,77

-342,77

=71,73 + 0,89 (405)

:372,18

=372,18

=363,76

=77,73 + 0,98 (438)

=407,55

=401,55

=393,30

=11,,73

+ 0,8g (47g)

7,86 1lr, | +

7,86

(:so-46e,4)'
...808,4

=432,70

:474,46

-11,,73 + 0,89 (512)

=467,41

:467,47

=17,73 + 0,89 (547)

-498,56

-498,56

:490,06

=77,73 + 0,89 (590)

=536,83

=77,73 + 0,89 (630)

:572,43

:q7)

:563,13

=77,73 + 0,89 (650)

=590,23

=590,23

=580,67

8s.808.4

=344,41.

-357,32

7,86

=372,1,8

7,86

=3S0,60

(438-469,4)')
, . --T53052''

7,86

, . r, (438-469,4))
r'r

=407,55 + 7,86

-5so&4

=409,80

7,86

=432,70

,l,lf............._
. , (473-469,4)2

7,66

=440,94

. . (s72-169,4\')
:467,41 + 7,86 "I.I+-

7,86

=475,73

7,86

f: , ts4?-46rif
! "'---8530&4

=498,56 + 7,86

-507,06

=536,83 + 7,86

7,86

: (4(

97

=\)7

-r,Au
E;r@'-"1"',

=342,77 + 7,86

7,86

459,09

=536,83

-323,23

=335,69 + 7,87

=334,22

-*432,70

/-a,

J.,
r

7,86

7,86

l.

, $so-+es,+\'

l'i,rf

-53087-

.r'rra5s087. . (650-469,4)')

Aq

:572,43 + 7,86
:581,73

-5e0,23

:599.79

7,8bJl,t-&H##
I

Stotktik: feori don Aplikosi

216

lilid 2

Nilai ramalan batas atas


Ramalan

interval
Ramalan

Konsumsi (v)

<=-

(ribuan rupiah)

tunggal

Nilai ramalan
batas bawah

(40s)

(se6)

(412\

(630)

Pendapatan (X)

(ribuan rupiah)

cor{ToH 5.r3

Dengan menggunakan data pada Contoh Soal 5.9


a) Berapa ramalan Y kalau X :745? Pergunakan persamaan garis regresi t : a + bX.
b) Berdasarkan pertanyaan a) buatlah pendugaan interval Y dan E(Y lX) dengan tingkat
keyakinan sebesar 95%.Kenudian gambarkan grafiknya termasuk diagram pencar.
PEl{YELESAIAN

a) Dari Contoh

xX, :

LX,Y,:

Soal 5.9

755, rY67.450

535,

s-2-yv2-(EXi)2

2^ i - Llri

t---,2

\/JC)
- q6 616 6

= 520,8333
>y?

- sv2 -

(zYi)2

t eaet2

47.875

= 170,8333

tcc?/
6

Zt :

95.525, 2Y?

47.875 dan

Bob

Regresi Sederhono

217

2*,y,:

ZX,Y,

:76.450

(I.x)(zYi)

(75s)(535)
(,

:729,1,667

:
=
a

L*iYi
s^.2
Lai

129,1667
520,8333
0,2480

-- V-UX
535
-', --' (,',
6 - o.zseor755\
89,L667
89,7667

- 0,2490 (125,9333)
- 31,2067

57,96

a+bX
57,96 + 0,2480 X

Kalau X : 745, penduga Y : Y : 57,96 + 0,2480 (145) : 57,96 + 35,96 : 93,92. Jadi,
seorang mahasiswa yang mempunyai IQ = 145 diharapkan/diperkirakan akan
memperoleh nilai hasil ujian tahun pertama sebesar 93,92.

b) 2r? :
:
:
=
=

- i,)'
- bx;)z
z(V| - b*y, + b2xl)
L(yi
Z(yi
2v?
>y7

2b Lxg, + b2 Zxl
2b Zx,y, + b Zx,y,

v,,2 hs
:- L!/i-uLx.li

= 770,8333 : 138,8
c

"e

(0,2480) (729,L667)

11.^2

-- \Puc;

= !g(138"8)
= 5,8907
tu/2ln-2)

to,ozstq)

= 2,776, X = Xo = 745, -X

=T

= 125,8333

(a+bXo)-totzs, r+1+(xo--x)'? aY <(a+bXo)*to12s,


n
Lxl

1 (Xn-X)'
,l-i-t--------------n

talz

s,

t+1+
,

Zxl

(X'-V)'
Zxi

@6-1'-

t+1+('o--x)'
n
Zxi
I

52u83333

= L,3682
=

(2,77 6) (5,8907 )(7,3682)

= 22,3736
Pendugaan interval untuk Y kalau X
95'/o) adalah sebagai berikut:

: Xo: 1.45, dengan tingkat keyakinan

0,95

(:

2r8

Stttktik: Teori don Aplikosi Jilid 2

93,92

22,3737 < Yo < 93,92 + 22,3736


71,5464< Yo < 776,2936

(a+bXn)-torzs,

.E;ry
Zri
1 ,,

r
!n
/r
t^.,"s^ l-+

< EV txo) <

{xn-x )'

/
1--t--

zri

+ bXs) +

t,.12ss

{dI6O +Aid53

= 0,9338

(x^-xY
"

"'" 1 n

zxl

= (2,776) (5,8907) (0,9338)


= 75,2700

Pendugaan interval untuk E(y lX) apabila X


0,95 (: 95'/o) adalah sebagai berikut:
93,92

15,2700 < E(Y

lXi

Xo

745, dengan tingkat keyakinan

< 93,92 + 75,2700

78,65 <E(YlXo)<709,79

Jadi, dengan probabilitas sebesar 957o untuk X: Xo :745, interval antara 77,55 dan
776,29 akan memuat Y; sedangkan interval antara 78,65 dan709,79 akan memuat E(Y lXo)
di mana yang terakhir ini ternyata lebih pendek. Hal ini disebabkan variasi rata-rata
lebih kecil daripada variasi individu. Dengan demikian, meramalkan nilai Y secara ratarata akan lebih meyakinkan hasilnya daripada secara individu. Untuk lebih jelasnya,
akan dibuat grafik dari kedua pendugaan interval. Perhatikan bahwa nilai batas bawah
dan atas bagi ramalan individu Y akan mempunyai jarak yang lebih jauh terhadap garis

regresi Y

57,96 + 0,2480 X.
RAMALA,hI Y

Ramalaa Tunggal

Batas Atas

Batas Bawah

i'=a+hX

i'

Y = 5/,96

tz,zz o\ts,ssoo)

*;*1

(X-X)'?

I 667_ (x_x),
-

srr,,-d;:g i, -

1,1

rt

lZ,Zl

Xs,SsOo t

(X-X)'?

Lr:

[--ir
t, t ooz+

Tr

-:---------:

rl

0,2480X

I
110

120

125

130

130

90

80

90

95

85

57,96 + 0,248 (110)

--

: R\)4

- u,25

57,96 + 0,248 (120)

87,72

69,57

87,72

57,96 + 0,248 (1,25)

= 88,8b

= 70,32

88,96

57,96 + 0,248 (130)

.7))O

90,20

57,96 + 0,245 (130)

:90,20
140

95

8-.24

57,96 + 0,218 \140)

92,68

90,20

r---------._-

_.

- to.:s
'"'"" /ttooz,(ll0:l-2?=8=3=33)'
"^ ""
520.8333
1
-

tb35

^ t nrs-rrt$xtr
- 1o,35./I,tooz+l-:--

16,35

g2,bg

706,23

= 705,87

520,8333

107,60

(130-125,8333)2
-...1,too/+ffi
-11t,.6.J.i.J

= 10&11

= 72,29

-0-jrsf3rr

520,8333
^11,1667+:::r

85.24

a t.n_n ffir,
- 10,35./t,tooz-!]'-- 1i 520,8333

108,11

113,05

ro.:;
/r.raoz*(lio;13?=8=3=33)'
-'"-1',-520,8333

Bob

2tq

Regresi Sederhono

RAMAL-A.N E(y/X)
Batas Atas

Batas Bawah

Y:aibX

57,96

"

(X-X\z

lr

/-

l-r.5

l-f

?-

ro,ss

'1

/r

l-f..'"",...:

zxi

'?
-

(x - x)'

7667 +

16,35

rY - Yl2
:----=l-

0,2480 X

110

90

85,24

85,24

nlolr5f3xf
-- t
- 16,35r10,1067+:-m;ffi

= 72,08
720

80

87,72

87,72

-- f ..- "---TmEI3- 16,3510,1667

88,96

= 88,96

95

90,20

= 90,20

82,89

82,89

130

85

90,20

140

95

92,68

= 92,68

0,1667+

76,25

(xn:'rt$t)t
i0,16b7---ffi
-

)2

, Vrt--::a79)

-- 16,35
"'"- ,10,1667
] '
_

{3orr5f::rr

520,8333

-- 97,51
-- 97,51

(140-125,8333)
76,35

= 80,s3

Y,

98,40

95,60
125-1 25.8333

= 80,00
130

16,35

trzo-rzs"ax:t'

90

trzo-^-

= 79,84
125

-85,24

104,83

E(ylx)

Pendugaan/
Ramalan

Interval

Individu Y
Pendugaan/
Ramalan

Interval

E(y

110

1,2012513A

lx)

140

REGRESI SEDTRHANA BUKAN TINEAR

Hubungan antara dua variabel X dan Y tidak selalu bersifat lineag, tetapi bisa juga bukan
Iinear (nonlinear). Diagram pencar dari hubungan yang linear akan menunjukkan suatu
pola yang dapat mendekati garis lurus, sedangkan yang bukan linear mendekati garis
lengkung, misalnya dengan menggunakan fungsi parabola, fungsi eksponensial, fungsi

220

Ststistik: leori don Aplikwi

lilid 2

logaritma, dan lain sebagainya. Perhatikan bentuk diagram pencar dari dua hubungan

antaraXdanYberikut:
a)

b)

,Xj

:it

fl.:

r$:

tri.i

,:t

.::.ffi1;

.1

::fr

!#

i[:i;:

"{i

tr

;6l

V,

t$i;ii,'iia*

:ir$-fr..:i

:8::

8i
'SS:::'f

:Ii$

,6'i

(linear)

(bukan linear)

i,:gg

Lineor don Non Lineor Voriobel X don

Metode kuadrat terkecil (least square method) selain digunakan untuk memperkirakan
parameter sebagai koefisien dari suatu hubungan linear, dapat juga digunakan untuk
yang bukan linear. Ada bentuk-bentuk hubungan fungsional yang bukan linear namun
dapat ditransformasikan menjadi linear dan ada juga yang tidak dapat. Berikut ini adalah
bentuk fungsi bukan linear yang dapat diubah bentuknya (ditransformasikan) menjadi
Iinear.

Bob

221

Regresi Sederhono

(1)

(2)
(3)

Metode kuadrat terkecil kemudian diterapkan pada Yo : Ao + BX.


Y = AB'
= log Y : log A + Xlog B + Yo : Ao + BoX di mana Yo=1ogY,
Ao:1og A dan Bo: log B. Transformasi disebut "semi log transformation".
Metode kuadrat terkecil kemudian diterapkan pada Yo : Ao + BoX.

(4)

"ryi#frcoNIoH

i*&#

AXB dapat diubah menjadi bentuk linear dengan aturan log:

LogY:1og A + B 1og X = Yo = Ao + BX, di mana Yo:1ogY, Ao:1og A,Xr:log


X. Transformasi ini disebut " double-log transformation" . Metode kuadrat terkecil
kemudian diterapkan pada Yo : Ao + BXo.
Y: A+ B { dapatdiubahmenjadi Y:A+BZdimanaZ: +,2:variabelbaru,
hasil transformasi. Transformasi ini disebut "reciprocal transformation".
Y : AeBX + log Y :log A + BX
= Yo: Ar+ BX, di mana Yo:1og Y dan Ao=logA.

5.t4

Hasil penjualan suatu jenis barang meningkat dengan cepat dari tahun ke tahun, seperti
data pada tabel di bawah ini:

dengan bentuk grafik, sebagai berikut.


Hasil Penjualan (ribuan rupiah)

7973 1,974 1975

91.76

Grafik di atas menunjukkan garis bukan lineal, di mana hasil penjualan (P) merupakan
fungsi dari waktu (f). Variabel P meningkat dengan rata-rata yang konstan sebesar (100r)
persen per satuan waktu T. Secara kronologis akan kita harapkan hasil perkembangan sebagai
berikut.
!

iYl

I
frP.,:

i-s, i

'n*u

irl;
.lr

:r;i !i
!

I !,

:i

:.:dli

; :iii
I ; ir :

ii-qi
!./t

rI*e\r,r;!r/i|{$jl
,.

:t:ii; ; Xi

ir"?iii i::i],!r'?/

X::tli'trr

{-11 , -,\3
-\Z jlv
i3ilI,:Y, t:::1:l::l:lti:;i;;;ir;,::i:;
: tj
,.1-,i,

\/L
:lr;.::it

.-ll

fi ;rlf .\l

,. ^\t

Stotistik: leori don Apliktsi )ilid 2

Karena suatu fungsi hanya merupakan pendekatan dari data hasil observasi maka dalam
hal ini fungsi harus disertai dengan kesalahan pengganggu 7.

Pr : C(1 + r)t V,: CDIVy kemudian ditransformasikan menjadi fungsi linear.


log P, = log C + (log D)t + logV,

Kalau: Yr : log P, A=1og C, B : log D, X: t, e,:logV,


maka: Yt : A + BX + yangdiperkirakan dengan Yt - a + bX + e.
Nilai A, B dan e tidak diketahui, sehingga harus diestimasi berdasarkan data hasil
observasi. a,b dan e adalah penduga A, B dan . Karena B:1og D: log (1 + r), maka
(setelah B sudah diestimasi) nilai r : rata-rata tingkat kenaikan, juga dapat diestimasi.
Berdasarkan data

di atas, tentukan estimasi r!

PEt{YttTSAIAN

::X;'l

la_riun
::.::
:::

,rPr ;':.i

*Y,,"',

t:.

fr

1..837

3,2641,

_a

4.868

-7,3746

-1

72.411.

4,0937

32.677
82.770
148.457

3,6879
4,0937
4,5135
4,9179
5,7718

9
4

0
4,g17g
10,3436

0
10

322.958

5,5092

16,5276

2Y :31,.1.575

LXY = 10,5285

_J

1977
1972
1973
1974
1975
1976

Iiti.Yrnllgqi

2
3

1977

Jumlah XX, =

7Q.1'1,

Lx?

:28

nLXiYi LXi LYi


(--------------;",- nzx! -- (:xi)2

ry,

-;t

SVZ
L/\
i

70,5285

sebab r,X,

= 0,3760

log D = log(1 +

r)

=9,3769

a=Y-ux
LY, ,- LXi
nn
zY, _ 37,1575
=

n7

:4,4511.=logC:4,4511
Dengan menggunakan Tabel log, kemudian mengambil antilog, maka penduga C : 6 28,260 dan pendug a r : i : b - 7 = 1,377.ladi, rata-rata laju pertumbuhan: 1,377 x 700%
: 137,7%. Apabila digambarkan grafiknya, hasil transformasi, yaitu Y : 1og P akan
mendekati garis lurus. Jadi, kita berhasil mengubah hubungan yang bukan linear menjadi
linear untuk memperkirakan koefisien/parameter. Hubungan bukan linear tersebut,
banyak sekali menggambarkan hubungan antara 2 variabel ekonomi, baik untuk data
lintas sektoraT (cross section) maupun data deret berkala (time series). Khususnya data

lintas sektoral yang diperoleh dari hasil penelitian pengeluaran rumah tangga guna
diketahui/diukur elastisitasnya. Menurut definisi, elastisitas X terhadap Y, ialah:

Bob

Regrui Sederhono

223

dvx

- - y
-ytr
dx
Misalnya Y dan X mempunyai hubungan Y
adalah sebagai berikut:

- =
Evt,

dlnY :
ffi

B (ln

juga, kalau hubungan


berikut:

r _ dlnY
'!, t - dh-rx:

: A + B ln X, maka elastisitas

: log dengan bilangan

pokok

X terhadap Y

e)

YdanX=log Y:1og A+ BlnX, elastisitasXterhadap Y, sebagai


o

Tabel berikut menunjukkan elastisitas dari fungsi linear dan bukan linear yang sudah

ditransformasikan.

Fungsi Linear

,.

Koefisien,Arah

Hasil ?ransfcr,r-nasi

Linear:Y:A+BX
Semilog:Y:A+BIogX
Double log : log Y: log A + B log X
Hiperbola Y = A-BlX
Log hiperbola : log Y = A - BX

{*l4P{l':l
B

BIX
BY IX
IX?
BY IX2
B

Elastlsitas

BXIY
BIY
D

BIXY
BIX

Ada juga hubungan bukan linear yang tidak bisa diubah menjadi linea1, misalnya:
A + BX + C* + e, merupakan fungsi pangkat dua (parabola) di mana o, b dan c
sebagai penduga A, B dan C dapat dihitung berdasarkan persamaan berikut.
Y

an+bIX, +cZXl:ZV,
aZX,+ bZXl + c>X3, :ZX,V,
a>Xl + b>Xl + c>x,1 :zxlv,
Ada

3 persamaan untuk mencari 3 variabel a, b, dar:'. c. Cara pemecahannya seperti mencari


a,b'dartbrdaripersamaanregresilinearberganda: Y:a+brXr+brXratauY:br+brX,
+ brXryang dibahas dalam Bab 6. Dalam hal ini X, dianggap variabel bebas yang pertama,
sedangkan X, sebagai variabel bebas kedua.

SSr
.:1 &
S
;itHx:f
ffi*

:t

1&

.,

ISTILAH PENTING

Variabel tidak bebas: variabel yang akan diramalkan.


Variabel bebqs: variabel yang nilainya dipergunakan untuk meramalkan.
Koefisien korelasi: koefisien yang mengukur kuat tidaknya hubungan antara variabel X

dan Y
Koefisien regresi: koefisien yang mengukur besarnya pengaruh X terhadap Y
Kesalahqn pengganggu: faktor-faktor yang mempengaruhi Y yang tidak dimasukkan ke
dalam persamaan.

Stothtik: Teori don Aplikasi lilid 2

Diagram pencer'. kumpulan titik-titik koordinat (Xi, Yi)


Metode kuadrat terkecil'. suatu metode untuk menghitung a dan b sebagai perkiraan A
dan B, sedemikian rupa sehingga jumlah kesalahan kuadrat memiliki nilai terkecil
Residual: deviasi dari nilai-nilai Y terhadap perkiraan garis regresi.
Persamaan regresi perkiraan; Y = a + bX

1i,llsfJ**slfl

a=Y -bX
,-

- ZXiZYi
nZXi - (:Xi )"

ttLXlY,

U_1-J

o^.".

---n-

o;

s:
Iw

rr

b=#,xi=Xi
s^-.

-X,y, =Yi-Y

L^i

-e

s-2
L(;

n-2

=Yi-Y

-z

^2
5e

2r?

t,-" =

,(1 . X2)
t;[7

{t

b-8"
f., = a*"
to =

(pengujian hipotesis parameter B)

La- A^
,)

(pengujian hipotesis parameter A)

b-tolzsu<B<b+to12st

a-talzsrlAla*to12sa
>xl + xz

u--

'

Cor (X,

Y)

o*y

oroy

oroy

Zx,v,

xi = Xi

r = -fitfr,
llLxi

lzyi

- X,y, =Yi-Y

Bob

225

Regresi Sederhono

u..

''rr

ol

tXn-X)2

Lx;

o'

o,?o=

'l
S.- =

Y=

txn

- xlr l

^S

,;-- t-l

tat2

,r2^

< rlro r Xo) < ?, + to,,, tln

I (Xo - .X')'
Varr)'^-Y^t=oilt--r
'L n
Lxi l

or2 diduga dengan s]

d.

_v

I = 'o - 'o
s(

tpengujian selisih xo

),o

in --ro )

t -

to,z

s(r,n-,ru)

<

Yo

< t, + to,,

s(io-ro)

APLIKASI KOMPUTER
Berikut diberikan contoh penerapan paket program Microsoft Excel untuk analisis regresi. Misalkan

data Xdiketik di kolom A sel 2 sampai 11 dan data Xdiketik pada kolom Ssel 2 sampai

11.

Tahapan berikut digunakan untuk memperoleh hasil analisis regresi.

1.
2,
3.
4.

Pilih TOOLS pada menu utama


Pi|ih DATA ANAL }IS
Ketika kotak dialog muncul, pilih REGRESSION
Ketika kotak dialog berikutnya muncul,
Ketik 82 : B11 pada kotak INPUT Y RANGE (letak data D
Ketik 42 : A'11 pada kotak INPUT ,rRANGE (letak data ,l)
Ketik 414 pada kotak OUTPUT RANGE
Pitih oK

Hasilnya dapat dilihat pada Peraga 5.8 di halaman berikut.

Cara membaca keluaran (oulpull tersebut adalah sebagai berikut:


Tampilan analisis regresi dapat dilihat mulai dari baris ke-14. Sel Mu/trple Rmenunjukkan koefisien

korelasi sebesar 0,9501 . R. Square memberikan nilai untuk koefisien determinasi (90,27"/") dan
Standard Enormenyajikan nilai kesalahan baku standar (s") sebesar 13,829. Nilai di bawah sig'
nifr?ance Fsebesar 0,000 menunjukkan bahwa hipotesis Ho'. b= 0 (atau Ho: B = 0) dapat nol
ditolak (Nilai 0,000 biasanya dibandingkan dengan nilai Ayang digunakan dalam pengujian; misalnya
untuk z4 = 5o/, = 0,05, jika srgnificance Fnilainya kurang dari 0,05 maka hipotesis ditolak). Koefisien
regresi unluk interceptadalah 60 (baris ke-30) dan koefisien regresi untuk Xatau b= 5; sehingga
persamaan regresinya adalah ), = 60 + 5x. t,9lal menunjukkan nilai I observasi yang harus
dibandingkan dengan lr(rtabel) untuk keperluan pengujian koefisien regresi. Tetapi biasanya yang
digunakan untuk pengujian, dalam hal ini penguiian koefisien regresi, cukup melihal nrlai P-va/ue
yang dibandingkan dengan nilai A (taraf pengujian).

226

Stltistik: leori don Aplikosi lilid 2

Pendugaan interval untuk koefisien Adan Bdapal dilihat pada nilai di bawah Lower95%dan
Upper 95%. Output di atas menunjukkan bahwa dengan tingkat kepercayaan 957" parameler A
terletak anlara38,72 dan 81 ,28 (38,72 < A<81,28), sedangkan parameter 6terletak antara 3,66
dan 6,34 (3,66 > B> 6,34) untuk persamaan regresi Y= A + BX.

1.

. .#.,i

'Fi

Bfi

227

Regresi Sederhono

Berdasarkan data di atas:

a)
b)
c)

Cari adan Ddengan metode kuadratterkecil untuk memperkirakan Adan Bdari persamaan

d)

Dengan menggunakan persamaan regresi ?= a+ bX,berapa ramalan Y apabila X= 8?

Buatlah diagram pencar.


Hitung rdan r2.

Y=A+BX+e+Y=a+bX.

2. X= hasil ujian matematik (kalkulus)

dan Y= hasil ujian statistik, para mahasiswa FE Unika

Atma Jaya.
X.
14

Berdasarkan data diatas,

a)
b)
c)
d)
3.

Buatlah diagram pencar, dan tentukan jenis hubungan yang terjadi!


Hitunglah r: Apakah hubungannya cukup kuat?
Cari persamaan regresi Y= a+ bXt.
Berapakah nilai ujian statistik bagi seorang mahasiswa yang nilai matematiknya sebesar
60 dan sebesar 75?
Gunakan persamaan regresi dari c).

Berdasarkan data yang berasal dari 22 keluarga sebagai sampel acak (random), dibuat suatu
p^ersamaan regresi yang menghubungkan konsumsi

(C) dan pendapatan ( L).

bY* C =12 +0,90 Y b=0,90 = MPC = Margna/PropensitytoConsume.


, nLXCiY;-LCi >Yi
= .d=L-tt\
b=
nx=(zY-)'?:

C = o+

a)
b)

Ujilah pendapat atau hipotesis bahwa MPC = 0,83 dengan alternatif lebih besar dari itu,
dengan a = 0,05.
Dengan menggunakan tingkat keyakinan sebesar (1 - a) = 0,95 (95%), buatlah pendugaan
(- koefisien regresi sebenarnya).

interval MPC sebenarnya

4. a)
b)

Berdasarkan data dari Soal 1, ujilah pendapat bahwa Xlidak mempengaruhi Xdengan

a = 0,01

(1"/").

Buatlah pendugaan interval dari koefisien regresi dengan tingkat keyakinan 90o/",95"k,
dan 99%. Bandingkan hasilnya dan berikan komentar.

5. 2 -

permintaan suatu komoditi (satuan).


P = harga rata-rata komoditi (satuan).

a)
b)
c)
a)

Dengan menggunakan persamaan garis regresi D = e + bP, berapa ramalan nilai D


apabila P = 2O0?
Dengan menggunakan interpretasi secara ekonomi, apa arti nilai b dari D = a + bP?
Apakah nilai D bertentangan dengan teori ekonomi, bahwa apabila harga naik, permintaan
akan turun, yang berarti harga mempunyai efek negatif terhadap perumusan.
Buatlah ramalan interval untuk permintaan, dengan tingkat keyakinan sebesar 0,90, apabila
harga menjadi 200.

Apabila kita mempunyai data, sebagai berikut:


.X;

0 1,8 3,6 5,4 7,2. "9,0 10,8 12,6 14A 16,2


250 ?70 298 355 974 $A 454 403 558 604

1810

671

228

Stttkttk: Teoil don Aplikosi lilid 2

Fungsi mana yang menurutAnda lebih cocok, X= A+BX+ CXz alau Y= CeDX?
(Petuniuk. gunakan transformasi: log Y = log C + D,X), kemudian bandingkan jumlah
kesalahan kuadrat =2e1. Dalam hal ini, fungsi dengan>el yang lebih kecil berarli lebih
bait</tepat.
b)

,i*.'

{}

fl,l;i

;:1.

:*wi:

'2

,.Q:r

i'hli

W:o

W;

Kita gunakan fungsi parabola t= a + bW+ cW2 sebagai pendekatan hubungan ldan
Wdengan menggunakan metode kuadrat terkecil. Apabila l= 0, tunjukkan bahwa nilai
berdasarkan parabola

7.

=*

t-r*-,

+ 12w-, + 17wo + 12w.,-

r*r)

Suatu sampel acak dari 40 rumah tangga yang diteliti menghasilkan data untuk X= pengeluaran

untuk konsumsi daging per minggu (dalam satuan mata uang) dan Y = pendapatan, juga
dalam satuan mata uang. Setelah dilakukan perhitungan, diperoleh hasil sebagai berikut:

2X,= lfQ.2Y,= 169,1,2*f = >X? - EX-)z = 285,0

,yf =>ry - += 55,0, zxl)/1=r*,;-q&FIf = 118,0


t- 2 f- - )tt
^l
s = .!-1!-' - "l Lt)ir-2
= 0.3g
!
" \n-2
a) Apabila y = bx,, hitunglah D. Apakah makna dari nilai f ini?
b) Dengan menggunakan tingkat keyakinan sebesar 95%, buatlah pendugaan interval
koefisien regresi 6(di mana li= Bx,).
c) Ujilah hipotesis bahwa 8= 0 dan hipotesis bahwa p=0, dengan a= 0,01 . Masingmasing dengan alternatif bahwa B

* 0 dan p *

0.

Dengan menggunakan data hasil observasi berikut.


1:\fi}::

:!Ai:::.::r;i:]i4'1.:ri:: r":::i,1$i.r,,l.,.ii:: :,Si::

a)
b)

Cari adan Dsebagai parameter Adan Bdalam fungsi Q= AWl1 /sebagai pendekatan
terhadap data di atas (gunakan transformasi: log @ = log A + Blog W+ log lt).
Gambarkan diagram pencar, sebagai hasil transformasi dan garis regresi linear di dalam
log.

9.

Berdasarkan data dari Soal 1,


Uji pendapat bahwa B= 0 dengan alternatif 6> 0, dan pendapat bahwa p = 0 dengan
alternatif p > 0. Gunakan a = 0,05.
b) Buatlah ramalan interval Y apabila X= 8 dengan tingkat keyakinan g5%.

a)

10.

a)
b)
c)
d)

1
1

r3

:4

-Q,,,'.,.

+.

.8,.,, ,,:9
,5
v

. .1

11

r '.

8:

1q

Dengan menggunakan metode kuadrat terkecil, carilah persamaan regresi linear dari X

= bt +

bzXz.

Berapakah ramalan Y kalau

X=

15?

Buatlah pendugaan interval koefisien regresi dengan tingkat keyakinan = 90% dan tingkat
keyakinan = 95"/o. Bandingkan hasilnya dan berikan komentar!
Buatlah pendugaan interval untuk individu Ydan flYlX), unluk X= 15, dengan tingkat
keyakinan 95%.

11. X = biaya iklan tahunan (iutaan rupiah).


)/= hasil penjualan tahunan (iutaan rupiah).

Bfi

229

Regrui Sederhono

X:,. 7Or. 1S3,,.,'72,,,,,

68

E6

6$-,

a)
b)
c)
d)
e)

,,t52

160i

t:".

Buatlah diagram pencar.


Kalau Y= A+ BX+ e, carilah persamaan garis regresi Y= a+ bX
Berapakah ramalan Y kalau X= 75.
Buatlah pendugaan interval 4 dengan tingkat keyakinan 95%.
Hitunglah f . Apakah arti dari hasil hitungan ini?

12. Ekspor akan menghasilkan devisa, dan sebagian devisa akan digunakan untuk

mengimpor
bahan baku dan barang modal yang diperlukan untuk proses produksi sehingga meningkatkan
nilai tambah. Seperti kita ketahui, jumlah nilai tambah dari seluruh unit produksi merupakan
produk domestik bruto (PDB). Maka ada sementara ahli ekonomi yang berpendapat bahwa
ekspor akan mempengaruhi PDB dengan kesenjangan waktu 2 tahun. Bahkan ada yang

mengatakan bahwa "export r's the engine of economic growth"


Berdasarkan data berikut, carilah persamaan regresi dari
a) Yr= A + b Erl aPakah arli bini?

b)

Yt= A + b
:.;1..'
,

ti li

/r,,

aPakah arli bini?

:,.;,,,;rfrk F0fi ,,,,;


I tii {i#iliaf Us: $},

976
1977
1 978
1 979
1 980
1

i: 1;,,,

:f,S,P.,1,.1;1 r;,

;i,:ft !triqri,

z,o

19,0
22,8
32,O

3,2
3,7
4,7

45,4
54,0

otr

,6

982
983
1 984
1 985
1 986

21,1

21,9

i..:.,

,:.

15,5

15,6
24,0
25,2
22,3

i,r,l,iny q!!t*i

::,{tiitirh,
i*!i, ,.
fr
ti.rltr ,
:.:.i!::::rl

7,1

11

7,4
8,5
10,8

1981

rup,i63q,,,

o,t

59,6

11 ,5

61,4

13,5

86,1

19,0

92,8
95,3

19,3
19,6

Sumber: BPS Pendapatan Nasional, Tabel{abel Pokok (1986).

13.

Berdasarkan data pada Soal no. 12. Hitunglah


/_. dan X Apakah arti f ini?

14.

Berdasarkan data pada Soal no.12

a)

b)
15.

Yt

=A+

B/,

- ,,

= koefisien determinasi untuk

uiilah Ho: B = 0

APabila Yt= A + BE,-r,


APabila

uiilah

Hu'.

B*0

Ho '. B =

Hu'.

B+0

Cx

5o/o

Cl

5o/o

Berdasarkan data berikut ini

a)
b)

xi

f,t

,9'

il$

::8.,:i:,:r:':'111,::: :','l18r:lrr
:[5,:

17,

Buatlah persamaan regresi /= A+ bx.


Ujilah koefisien regresi dengan u = 5o/o dan uji 1 untuk hipotesis

Ho: B=O
Hu: B+Q

c)
d)

:,25'

Ujilah keberartian model tersebut dengan uji F(ANOVA).


Apa kesimpulan Anda dari hasil b) dan c), bandingkan!

::, tB
e8

t*, dan [dan

230

Stotistik: Teori don Aplikosi Jilid 2

'16. Berdasarkan Soal no.

a)
b)
c)

17.

15:

Perkirakan standar deviasi dari y-bila x= 14.


Buatlah ramalan interval untuk ratS-rata ro yaitu E(yolxo), apabila Xo= 1g dan A= iok.
Buatlah gambar diagram pencar garis regresi y= dt bXOan pendugaln/ramalan individu
Xo untuk seluruh nilai X termasuk X= Xr= 1lg.

Diketahui data sebagai berikut:

x
Y

a)
b)

2:,

7:

15

,24

.50

10

65

ss.

Buatlah diagram pencar dari data tersebut.

Jika persamaan regresi yang tepat untuk data di atas adalah Y = ABX perkirakan
persamaan tersebut dengan mentransformasikan menjadi persamaan yo= Ao+ Boydi
mana
Yo

Ao

= log,4 dan Bo= log B

(Gunakan metode kuadrat terkecil)


Perkirakan nilai Xuntuk nilai X= 15.

c)
18.

= log Y

Hasil keluaran (oatpul) berdasarkan paket program komputer (Microsoft Excel) adalah sebagai
berikut

$UMMANY.fiUTFUT

Regression Statistics
Multiple

0,95010

Fl

R Square

0,90270

Adiusted Fl Square
Standar Error

0,89060
13,8290

f\hcanratinnc

1n

ANOVA

dl

.t9

Regression

14.2Q0

Residual 8
Total

1.530

191 ,25

15.730

Coefficient

lntercepl

Xvariable

Standard Error

t4s
14,200

74,25

Significance

0,0000

t-Stat

P-value

60

9,2260

6,50

0,000

38.72

0,5803

8,62

0,000

3,66

Lower 95%

Upper 95%
81,28
6,34

Berdasarkan keluaran program komputer di atas

a)
b)

Tulislah perkiraan persamaan regresi yang didapat.


Berdasarkan uji-lapakah kesimpulan Anda terhadap hipotesis berikut dengan a

Ho: B=O
Hu: B+0

c)
19.

Berdasarkan persamaan regresi yang Anda tulis pada (a), perkirakan nilai
28.

Berdasarkan keluaran (outpull pada Soal no. 18.


Berapa nilai koefisien determinasinya.
Buatlah pendugaan interval bagi koefisien regresi

a)
b)

95Y"

^0

5ok

Iuntuk x=

dengan tingkat keyakinan (1

a) =

Boh

23r

Regresi Sederhono

20.

Lengkapilah tabel keluaran (outpul) program komputer di bawah ini,


. t::i::],:r::.

i*effiib.tlt
intercept

xvariable

:;':

:$efidatd er**r:

tliktistics

50,43

80,95

1,17

1,80

df

.9.9

MS

2.388

45.258

ANOVA

Regression

I
I

Residual
Total

21.

Berdasarkan jawaban pada Soal No. 20.


Tulislah persamaan regresi yang diperoleh.
Lakukan uji-l pada a = 57o untuk

a)
b)

Ho: B=g
Hu: B+0

c)
d)

Lakukan uji Fpada q = Sok untuk keberartian model (Ho: B = 0, Ha: B + 0).
Apakah hasil pengujian antara uji ldan uji Fmemberikan hasil yang sama?

22. X = pendapatan per minggu (ribuan rupiah).


)/= konsumsi per minggu (ribuan rupiah).

$0

go

4fl

fio

7fi

6fl

,4.

a)
b)

Berdasarkan data di atas, ujilah hipotesis bahwa koefisien regresi adalah sebesar 0,60
dengan alternatif tak sama, Gunakan a = 5"h.
Buatlah ramalan interval individu Y apabila y = 75 dengan tingkat keyakinan 95%.

23.

a)
b)
c)
d)
e)

',,fr

:4

*.:;:

&

B]

10

Dengan menggunakan persamaan regresi sederhana, berapa ramalan Y apabila


Buat ramalan interval Y apabtla X = 10 dengan tingkat keyakinan g5%.
Hitung l, apa artinya?
Buat perkiraan interval koefisien regresi dengan tingkat keyakinan 95%?
Dengan cr 5%, ujilah Ho '. B = 0. Juga uiilah Ho i p = 0

Hr'.

24. X= % kenaikan
Y

B*0

Hu:

X=

10.

p*0

biaya advertensi

= "/" kenaikan hasil penjualan

a)

7'

,.9
10

b)

Dengan cx 5%, ujilah pendapat bahwa koefisien regresi adalah sebesar 0,5 dengan
alternatif tidak sama.
Dengan confidence/eve/sebesar 1%,buatlahperkiraaninterval untukldanB(Y=A+

c)
d)

BX + e).
Berapa ramalan Y apabila X = 10?
Gambarkan grafik garis regresi.

25. X= % kenaikan
Y

GNP

"io kenaikan penerimaan negara

232

Stltistik: leori don Aplikasi Jilid 2

X.',,

1:1

f-.:

,2

t.,
*,

fi

,.7

',V

sl
,I0

$,

a)
b)

Dengan menggunakan persamaan garis regresi, berapa ramalan Ykalau


Berapa besar nilai koefisien regresi dan apa aftinya?

c)

Berdasarkan rumus

/=

X=

10?

'!''i-,x,= x,- v

tr>ri tr>vi

)/i= Yi-

r2 = koefisien determinasi mengukur besarnya sumbangan variabel Xterhadap variasi


(naik turunnya) X

d)

Hitunglah r2 dan apa artinya?


Jelaskan apa arli analisis korelasi, dan analisis regresi? Berikan contoh penggunaan
hasil analisis korelasi dan regresi.

26. X = pendapatan

per bulan (ribuan rupiah).

X= tabungan (ribuan rupiah).

,#

:i

#r

a)
b)
c)
d)
27.

Hitung l, apa artinya?


Buatlah ramalan interval \ apabila X = 990 dengan tingkat keyakinan 95%.
Ujilah pendapat bahwa besarnya koefisien regresi adalah 0,70, dengan alternatif tidak
sama, dengan alpha = 5%.
Buatlah perkiraan interval koefisien regresi dengan tingkat keyakinan 95%.

a) {=
I=

pendapatan per kapita dalam ribuan rupiah.


konsumsi per kapita dalam ribuan rupiah.
t;,tX:,;

V.

Carilah persamaan regresi linear sederhana, dan dengan menggunakan persamaan


tersebut, berapakah perkiraan/ramalan \ apabila X= 100.

b)

Ujilah Ho'. B <

H":B>0,dengano5%

6 = koefisien regresi sebenarnya


Pergunakan data berikut

X
.Y

til',

tl;4

9;&

:ig,

:'

,ei

$,::,'':5,S,: ,1l9,

Apakah #o ditolak atau diterima?

a)

Ada pendapat yang mengatakan bahwa koefisien regresi antara pendapatan nasional (=
X) dan konsumsi nasional (= X) sebesar 0,80 dengan alternatif lebih besar dari itu.
Data dari Badan Pusat Statistik, selama 7 tahun adalah sebagai berikut (dalam ratusan
miliar rupiah):

,X
Y

Bob

233

Regresi Sederhsnt

b)
c)

Dengan menggunakan nilai q, 5%, ujilah pendapat tersebut'


Berdasarkan data di atas, uiilah pendapat yang mengatakan bahwa koefisien korelasi
antara Xdan Xsebesar 0,95 dengan alternatif tidak sama dengan itu.
Gunakan nilai u sebesa( 1Oo/o.
Juga berdasarkan data tersebut di atas, buatlah perkiraan interval koefisien regresi dengan

confidence /eve/ 98"/".

29. X= % kenaikan biaya


Y

o/"

advertensi

kenaikan hasil penjualan

,x,
Y

a)
b)

Hitung perkiraan interval koefisien regresi Xterhadap Y apabila confidence /eve/90'/".


Ujilah hipotesis bahwa Xlidak mempengaruhi Xdengan alternatif ada pengaruh yang
positif (gunakan nilai u 5"k).

30. X = pendapatan

[=

(ribuan rupiah)
konsumsi (ribuan rupiah)

X
.75

:,)!(

a) Ujilah Ho '. B < 0,75

Hr: B > O,75


Dengan menggunakan

b)
c)

a 5/",

Berapa ramalan Y apabila X = 1OO dengan menggunakan persamaan garis regresi?


Buatlah perkiraan interval I dengan tingkat keyakinan 95%'

%oPrRAN

BAB 5

Pembuktian Rumus-rumus
= A + BX + e kalikan dengan { kemudian ambil nilai harapan
= AE(X) + BE(.Y) + E(eX) + E(eX) = E() E(X) =
E 6n = AE (,Y) + BE (X2), masukkan .4.
EWn = {E(n - BE(x)} E(X + ar621
EWn = E(4 E(n - B{E(nI2 + BE(X2), sehingga
Y

EWn

o*y
o _ E(X0 - E(nE(n _ Cov (X,D _
u-=CT-I1M=
v*w =e

Tanda B tergantung pada tanda cov

(X,

)z), sebab var

(Xl

selalu bertanda positif.

Apabila t*r= *(LX,Y,- >Xi>y, ln)= perkiaan oxy


perkiraan oj,
": = +{Lt -Q\21n1 =

maka n =2
I
Apabila

(1)

xi= X,- X. X = 1rx,d^n )/i= Yi- y, y = |zf,,maka

Yi= a + bX,+ e, jumlahkan untuk seluruh n


2Y, = a, + bLX, + 2e, bagi dengan a
ZYi _ an
, Lei

nnnn

ie-i-

^2X1

(2) | = a + bX + e, Lakukanlah pengurangan persamaan (1) dengan persamaan (2)


(Yi- V) = @- a) + b(X,- X) * @- e)
)t1

+ bx, + e, karena 2e, = g, jadi

L1=L(y,- bx)2-

e = )rr,

=g

=2zU/i- bx)(-x) =o

Lx,y,- bLxf = g
b=
>.xi

=>(Xi- X)
= zXi- nX
= LXi- 2X,=

zxf

tt-,maka

t,=
' >xf Et; = ]a
>xi
zt = Lxi(X,- X)

Misalkan

ExiY*

= Lx, X, _ X >!x,)
= Lx,X,=Zt = ZXiXi

Xl

Zr?

sy2rr2 - sl'rr>x|)t
'''
(Lfi)z:- ri
s rv i-

-t/

X'X'
' z.t - Y,
>t -= 1= r

t,X, =

1=

{dan X,adalahkonstan.

(L.1)

Boh

Regrxi

Sederhono

235

6 - e X,..)/,

L4

= Zti(A + BX, + e)

= 2t,+ 2t,+ 2t,X,+ r.tiEi


= (0)A + (1)B + 2t,e,
= B + Lti}i

E(b) = E(4+>t,E(e)

=@sebab E(t)=g
Jadi E(b) = B, b penduga tak bias parameter I
b = zliY = fungsi linear Y
a = , - bV, juga dapat dinyatakan sebagai fungsi linear X
'V,
a = -''
n

- X,

,1

a=L(-n

tiY

Xt,)Y

4_

= E(- Xt,)(A + BX, + t,)


n
111= -ZA + B-ZX, + -Ee, - XAr.t, - XB>tiXj - Xzt,r,

nnn
=
io * Bx -

- xBLtix, - )rr, - xLt,t,


= A + BX - BX + z(!nn- X,)u, = A - >(! - Xt,)r,
NAe)

E@ = E(4* t(+ - X q E@) = A,karena E@) =0, sehingga


E@ = A,
a - penduga tak bias dari I
b = B + Itq;+ b- B=Ltit,
Yar (Q = E(b - B)'
= E(Lt,t,)2
+ 2\te.,er+2tterer+
+ tj ej +
= 4t,'i,'* t'ri+..

+ 2tr-., tS,-.,en)

q>f tf +2>,Jt,t,e,t)
= >t r<r?\ - 2>.f t,t,E (r;i)

(0)
= Lt,o? + 2))l,l
;,1 , ,.

.tO'
oizti
= "t

>t

tngat

t(ef) = o!,

E(e,e,)

Yar (b) =

a=A+
Var (a)

>(!
'n - xt,)r, 4

oi" = *, ,r= tr$=kesalahan baku tr


,xf

A = L(l
'n

Xt,1t,

A)2
= E(a -.t_1_
= E{>(-p - Xt,)t,}'z.kalau (- - Xt,1 = 1,,
= E(\kie)2 = r(fre? + $ei + ... + t|,tf, + .+ 2k,kre,t. + 2krkrere3 + ... + 2k*krenen)
= E(>4 el + 2>> k,k,t,e,

= >4rG|) + 24L k,k, E(ii)


= >4 ,7 + 222 klkie)

=o?L4

(L.2)

236

Stltistik: leoi don Aplikosi lilid 2

= o? >(

- k,)'
zl,, * x't)
= ' zt1,
"? 'n - _n'
= "n - 24 r,,' * -*>t)
n
"?t4
n

' 'n* >t'.l,sebab rd = o, >t = +


Lt

= o? f1

Rumus ini dapat disederhanakan dengan uraian sebagai berikut:

1 X, >fi+nP L(X,-h'n*'
*>&

*zxx, + -X)+
n

2t

n>.f

>4 - znY+ zn-* =

nrt

JadiVar (a)

ol

_>4 -zxzx,+n-*+nX

n-X

n ll
"?e.
>4

2.4
n>fi

*fi
nLs,

Melalui cara yang sama, dapat ditunjukkan, bahwa Cov (a,


berikut:

Telah diuraikan sebelumnya bahwa:

(1)

)/i= b/i+

ei-

ei=

A = 4a- 4@- A bisa dirumuskan sebagai

yi- bfi

A+ BX+ e, jumlahkan +2Y,= nA+ EX,+ Ie,


(2) V =A+BX + e+(1)-(2)
Yi =

bagi dengan

zz

Y1 = Bx,+ (e,- E)
ei =yi -bx, =Bx, +(e,-E)-bx, =(b-B)x,+(e,-e)
>1 = >{-(b- B)x, + (t,- E)}, = r{(b- a), x? - 2(b - B)x,(e,- E) + @,= (b- q, zt - 2 (b- 81Dx,(e,- e) + \(e,- E)2
\-------r-

s----____J

E(2e,)2 = r(r)

\__YJ

il

ilt

E(il) + r(ilt)

E(t)=E(b-A'>t
l5(ll) = E{(b

E)2}

=ozzt

=4>t
2x;

812x,(e,- s)} = E{2w,e,(Zx,ei

=o?

- d\x,)}di mana w, = !'.,

>r

Lx, =

-.2x,t, Lxiti)
= E(4
>,,4

_.1{>*,u),)

l>t

1_.
.
Z4 -\-'
=

ltj

= *":
+
i,/
>.tr{>tEG,') + 2\lx,x.,E(t,t.,)}
zri

+ o = ol

Boh

237

Regresi Sederhono

E(tt) =
l5(l

-2o!

ll) = E{>(e,

E)'} = E{\el

(2t ,)2 I n1

E(zl)=zE(cl)= no!
= n'
1r(>r,)'
l1rtrfl + 2rr
n'"
fr./

E(tp1)I

+ o) = o!, E(e,e,)
lOo,2
n'
E(//0 = n o? - o! = 1n- t1o!

eQe?) = o!

Apabila

sj

o,2, yaitu

- 2o!+ n "3 -

"3

= (n

- 2)o!

adalah penduga of (varians Yalau varians e) agar


or2, harus dipergunakan rumus berikut:

s,2

dapat merupakan penduga tak bias dari

E(s!1 =

sl;x$
kesalahan baku dari regresi atau simpangan baku dari

tL

affi =
", = dihitung
langsung dari l(Y,- V) =Z{Yi- V- b4f , i= 1,2, .
>S dapat
>4 =2(y,- bx,)z =z(rt -2bx,v,* b't)=>rt -2bzx,v,+ b'>4
=>fi -zb2L.C + b'ri =Lrt - b'>t,ingat D =Y+
L4
b>xf = Lx,y,.

Jadi,

4 ju}

EJ

e.

n.

dapat dihitung secara tidak langsung melalui rumus berikut:

{r,fi}

";,..r.
atau

{,L7}

,y'lroREsr

BERGANDA

Tuiuon Beloior
Seteloh mempeloiori hob ini, Ando dihoropkon mompu:

.
.
.
.
.
.

Memohomi persomoon regresi lineor bergondo.

Melokukon penguiion hipotesis koefisien regresi porsiol dengon t le$ don uii menyeluruh.
Melukukon tuksiron otou pendugoon tentong koefisien regresi porsiul dengcn

te$.

Melokukon pendugoon intervol untuk koefisien regresi poniol.


Memohonii onolisis vorions dolom regresi lineor bergondo, don melokukon pendugoon dengon menggunokon
regresi lineor bergondo.
Memohomi mosoloh regresi loinnyo.

Bil 6

239

Regresi Bergondo

HUBUNGAN !.INEAR TEBIH DARI DUA VARIABEI.

Untuk memperkirakan/meramalkan nilai variabel Y, akan lebih baik apabila kita ikut
memperhitungkan variabel-variabel lain yang ikut mempengaruhi Y. Dengan demikian,
kita mempunyai hubungan antara satu variabel tidak bebas (dependent tnriable) Y dengan
beberapa variabel lain yang bebas (independent oariable) X7, X2, . . . , Xk
Misalnya Y : hasil penjualan, akan dipengaruhi oleh daya beli (Xr), harga (Xr),
impor (Xr), dan lain sebagainya; Y: produksi padi, akan dipengaruhi oleh Xr : bibit,
X, : pupuk, Xa : curah hujan, X+ : luas sawah, dan lain sebagainya.
Untuk meramalkan Y, apabila semua nilai variabel bebas diketahui, maka kita dapat
mempergunakan persamaan regresi linear berganda. Hubungan Y 4an X, X2, . . . , Xk
yang sebenarnya adalah sebagai berikut.
Y;

= Bo+ 8.X.,, + BrXrr+ . . . + BrXrr+ t,

t6.1)

(untuk populasi)

Y,*bo

+brXr,*b\ri+...

+ brXr,+

(6.2)

e,

(untuk sampel)

di

mana:

i:7,2,.

.,11

bo,b7,b2,...,btdane,adalahpendugaanatasBs,81,Br,...,Brdanl(EPSILON)sebagai
kesalahan pengganggu.

Apabila dinyatakan dalam bentuk persamaan matriks, akan diperoleh rumus berikut.

Y:XB+s
di mana:

!-

B-,

e : vektor

X:

matriks

X.u

X,,
X,,

x,.
xn

LI

X,,

X,KI

Y1

Bo

X,,

Y2

B1

e2

B2

Y:

IT:
YI

X:

c-

Bk

X.IN

z)1

X,

Koefisien B harus diestimasi berdasarkan data hasil penelitian sampel acak. Prosedur
estimasi tergantung pada asumsi mengenai variabel X dan kesalahan pengganggu .
Beberapa asumsi yang penting adalah sebagai berikut:

240

Stutistik: Teori don Aplikosi lilid 2

(1) Nilai harapan setiap


semua l.

kesalahan pengganggu sama dengan nol =+E(e,)

t@",)

0, untuk

r(q)

:
-0

EG,)

r(c,)

(vektor nol

Perhatikan, bahwa nilai harapan (expected aalue) suatu vektor/matriks adalah nilai
harapan dari masing-masing komponen vektor/matriks tersebut.

(2)

Kesalahan pengganggu yang satu (e,) tidak berkorelasi (bebas) terhadap kesalahan
pengganggu lainnya (er), akan tetapi mempunyai varians yang sama.
E(e,e,)

0,

i * j, E(q : d untuk

semua i.

Apabila dinyatakan dalam bentuk matriks, maka asumsi tersebut menjadi sebagai
berikut:

.
.
E(e{)

E(e,e) E(e,e2)
r:

E(ere,)

do

E(e,re)

0d

E(eie,)

00

E(1)

transpos dari vektor kolom

t, atau dengan

0
0

d
.0

ozl

kata lair; Er merupakan vektor baris

{:(ei...2...i...e,,).I:matriksidentiias,karenasetiapkesaiahanpengganggu
mempunyai varians yang sama (perhatikan tanda o2 pada diagonal matriks). Asumsi
mengenai varians yang sama ini disebut Homoskedastisitns.
(3)

Xrr,Xrr.. .,

Xr,i merupakan bilangan riif tanpa mengandung kesalahan. Dengan


perkataan lairy matriks merupakan himpunan angka-angka konstan \fixed numbirs).

X mempunyai rank k < n (ada k kolom dari matriks X yang bebas linear).
observasi
n harus lebih banyak dari jumlah variabel, atau lebih banyak dari
Jumlah
koefisien regresi linear yang akan diestimasi.

(4) Matriks

.
,

::

19,

;:p;,+,argr.,aj;4,*,..,..:.+,,afii

{6.4}

iob

Regrcsi

Bergondo
Apabila

241

b0,

bl, bz, . . . ,

br,

sudah dihitung sebagai penduga parameter 87, 82,


di gunakan untuk me r a-

;;,'.:fr ?: *.n[t,' il i i"


t:Y topi:ramalanY

ilffI#fl:l

L, i,:'rT

IAKSIRA]'I ATAU PENDUGAAN TTNIANG KOEFISIEI{ REGRESI PARSIAT

jika asumsi yang disebut di atas dapat dipenuhi, maka penggunaan metode kuadrat
terkecil akan menghasilkan Best Linesr Llnbiased Estimator (BLUE) terhadap koefisien B.
Misalnya, b sebagai penduga B merupakan vektor kolom dengan k baris sebagai berikut.
b1
b2

=Y: Xb+e t e=Y-Xb

b:
h
K

e1

Y1

X,,

e2

,:

X,,,

X,,
X,,

XLt

bo

Xrr.

b1

Y.
1

te 11_l
L

tllY

tt

la,
L ^J

'i-

-a
L

NJ

ei :Yi - bo - b'txli- brXr, -'''


re? : t(Yr - bo- blxli - brx|

boXo,

bkxk)z

Estimasi vektor B dengan menggunakan metode kuadrat terkecil, ialah vektor L sedemikian
rupa sehingga jumlah kuadraikesalahan pengganggu, ere: Ief minimum. Caranya ialah

dengan melakukan penurunan parsial Zel terhadap setiap komponen vektor L dan
menyamakannya dengan 0.

: zr(Yi - bo - b1xli - brx,


#
zz(yi- bo - b1x1i- brX,
# =
: zL(Yi - bo - b1x1i - brX,
H

Dbo

z>(Yi

- bo - b, Xr,, - brXr, -

bkxki)ct)

:0

bkxk)Gxu)

:0

b1ki)cxzi)

:0

. . . - bkxk)(-xJ

242

itotistik: leori dsn Aplikosi lilid 2

Persamaan

di atas, setelah disederhanakan akan menjadi

* bzl.xzi+. . . r- bFXr,
h.Jxti + brZXrz, + bzzxfiXzi+ . . . + b\Xli

nbr-

:ZYi

b,ZXri

Xki

:LX,,Y,

bozX.r,*b',.Lx.t,xr,+brzxl,+ ' ' ' + b\X..r,xo, = LX.riY,


disebut persamaan normal
bolxki + brZX,Xr, + brLX, X*i + . . . + boZXl,

ZXo,y,

Dinyatakan dalam bentuk matriks, persamaan normal di atas akan menjadiXrru: Xry.
Dengan demikian, ! sebagai penduga B dapat diperoleh melalui rumus berikut.

&: {XrXfI xrv

(6.s)

X dengan rankk < n


(XrXf1 = invers dari XrX
Apabila

k'

+ blxj (hubungan yang mencakup 2 variabel Y dan X).

bo

X,,

It,I
I I Y:

-b:

:-

1,,

:;

xrxb:

xrY

X,,

Iv,

,r12
1

: L',' x,,

It
ZX,rll

t,
I

f:v
I

tl

tl

,.,,

,,,,1
Lfi

bo

tltt

lY,

Ir

X,,,

,"

[r

[0.
lo,

X-tn

=l

Y1

z4 1)L

b1

LzX1i

Yi

\--------.VJ

Ab :H
di

4-'

: a"fo Adj (A)

Lampiran Xll).

mana:

Adi(A)

:a-|

H
invers
A
=
41
b

KT

lAt' Kr

transpos matriks kofaktor K (lihat

Boh

243

Reyesi Bergondo

l>x? _IX,
, det (A) = lAl -- nLxrz, - (rx1,)2

Kr=

[,,,,

I zx? _LX,
A -1

= --------;------ (ZXli)'
nLxi; -

=b:A1H

L,;

tl

[*t

----.---;--.-------;
nZxi, - (IX1i )'

lrv

_LX,

lb,0

[rr,, ,,]

L-,,,,

1,,

sehingga:

EXi,ry-EXlirX
(xX1,
'?Exi -

nZX,;

{6.6}

II - ZXli

nLXli

15.7'

(rxri)2

Pada dasarnya, nilai-nilai dari koefisien regresi b, bervariasi, dan varians dari b,dalam
bentuk vektor matriks adalah sebagai berikut.

var

{&)

: a2(XrX)-1

Karena umumnya o2 tidak diketahui, maka o2 diduga dengan


varians (h) adalah

var (!)

di mana S,2 merupakan varians dari

' s*':s;Erxfl

{6.8)

S,2,

sehingga perkiraan

(6.e)

kesalahan penSganggu yang dinyatakan dengan

rumus berikut.

9rg

-z
'e
n-k-1"
L---

fu?

(6.10)

n-k-1.

di mana: n : banyaknya observasi


k

banyaknya variabel bebas.

Kesalahan baku regresi sama dengan simpangan baku (stsndard dez:iation) dari kesalahan
pengganggu, dinyatakan dengan

s,=Jf=

'

n-k*L

s-2
'

(6.1,1)

Stotistik:feori don Aplikosi lilid 2

244

|ika matriks D = 1Xry1-t, maka varians b,dapat dinyatakan dengan

di mana

dr,

elemen matriks

D dari baris i dan kolom j yung terletak pada diagonal

utama.
Simpangan baku dari by adalah akar dari

sui

t^

t6.13)

= lsti

6.1

i-qrficoNloH

,,x&daau

Sfr

dari suatu penelitian. Antara lain


konsumsi
atas
komoditi
tertentu (dalam satuan), harga
ditanyakan tentang banyaknya
(dalam
(dalam
satuan).
satuan) dan pendapatan
komoditi
10 rumah tangga yang merupakan sampel acak

Kita ketahui, bahwa permintaan terhadap komoditi tersebut untuk keperluan


konsumsi (Y) akan dipengaruhi oleh harga (Xr) dan pendapatan (X,). Hasil penelitian
adalah sebagai berikut.
X:;

;;i:?

iijfi$,r,,#d5i

v
z\o

irY;:

a)
b)

Hitung bo,b, danb,dan buat persamaan regresi linear berganda


Hitung Soo, So, dan S, sebagai kesalahan baku b, b, danbr.

i= bo+brXr+b"X,

PENYELESAIAN

v.
2

10

15

25

16

12

24

32

25

36

30

4A

48

64

16

25

20

36

45

81

36

49

42

54

63

81

13

36

12

26

78

1,69

16

12

18

24

36

16

25

20

36

45

81

25

16

20

20

1,6

76

36

18

1B

rX,
40

2X,

2Y

LX?

,.X;

zx:xz

47

74

180

237

7g2

vv1\-l

1\2

4,7

7,4

,1, ,2, Y
282 375

626

245

Bob

Regresi Bergmda

a) {&= {Y

{x=

u=(txl^{Y

X,,

X,,

X,,

X,,

x.,

X,,

!"

!,,

X,,

X,,,

Xr,'

'

xrn

,x,,
:xlx,

LXti

fn

txl,

\ ,,,,

\L",x",
lr

Exr,?

Lxyxzt

,j

*r,

X.ti

1t12

{v-=

[ ,,,

\rx,,
\:x,,
L''

I'l [:'I =\l],,,l


;;:i
1,, I

[ro
\ no

ln,

EX,,

EX,,

,xlix2i\ \ ot \

rxi,
LXrXt,

atau,
40
180

rez

xrrl

X,,

xn

!adi,

ln

X,,,

il \?l

L'*'r'J

,rr\ \ ur]

,u]

) &=H

\zez\

\rrul

lL

b-= L'lH

._r= I(A), Adi (A) = di mana: =


4'
det

!IAI eai(A) = fi

XII)'
K (lihat LamPiran

[*"

K= \ K,,.
L",,

f=

nlatriks kofaktor'

K' r"l
f"
K,,

i*

r"l
\

(r

= ranspos

246

Stotktik: leori don Aplikosi lilid 2

K,,

K,,
K."
1J

K,,
K,,
K,,
K,,
K^^
51
K33

:
:
:
:

(180)(237)
(1eD2
42.660 36.864:5.796

-{(40) (237) - (47) (1e2)l


-9.480 + 9.024 :456

= (40) (1e2)

:
:
:

(47) (180)

- 8.460 : -780
-(40) (237) - (1e2) (47)
-9.480 + 9.024 :456
= 2.370 - 2.209 :161,
= -7.920 + 1.880 : -40
= 7680 - 8.460 : -780
= -1.920 + 1.880 : -40
= 1.800 - 1.600 :200
7.680

det(,A) :a,tK", + arrK12* a,1aK1t


: 1.0(5796) + 40(456) + 47(-780)

57960

3060

78240

36660

K,, K,,
K,, K,,
K"^ K^^

1L : det (A)

lJ

1J

K,,

: ,J-

K,,

456 -7801
767 40
| -n'u
200 l
| -,', 40
fszse

K,,

= C{rX)-l xry. = f,lxry.


I a,
|
L

:
b, :
bz :
&o

.]

,|
,, I

: #-

456 -7so-l I zql


l-nuu t67 -oo I l,',
|

szoo

[-rro -40

2oo.]

Lrrr

+ (a56)(282) + (-780)(375)l:2,552e
5cra0 {$.7e6)(74)
1

goo0 l(4s6)(74) + (167)(282) + (-a0)(37s)] = -7,0e21


1

+ (-a0)(282) + (200)(375)l :1,9608.


toao 1G780)(74)
]adi, persamaan regresi linear berganda:
Y =bo+brXr+brX,
t : Z,SSZS - 7,0927 X, + 7,9608 X,
bo

4:

2,5529, artinya apabila

X, -- Xz: 0 =+ nilai I =

2,5529.

-1,0927, artinya apabilaX2 konstan (tetap), kenaikan X, sebesar 1 satuan akan


menyebabkan penurunan Y sebesar 7,0927 kali. b :7,9608 artinya kalau Xi tetap,
kenaikan 1 satuan X, menaikkan Y sebesar 1,9608 kali.

Pada umumnya, t i: bo + brXr, + b2Xr, + . . . + b,Xii + . . . + brX^


bi, artinya apabila semua variabel bebas, kecuali Xr; konstarL maka kenaikan X, sebesar
1 satuan akan menyebabkan kenaikan Y sebesar b, kali dan b, disebut koefisien regresi
parsial untuk mengukur besarnya pengaruh X, terhadap Y, kalau X, naik 1 menit dan
X lainnya tetap.

\ob

Regresi Bergontlo

247

b)

ere: zel: yry - brxty.

>y? _

b ozy
i

lzxliy i _ b2Lx2iy i

= 626 _ (2,5s29) (74) _ (_7,0e2) (282) _ (1,s608) (375)


626 - t88,9746 + 207,9722 _ Z3S,g : 9,7876

qrg
s?=
' n-k-l =21
7
ere: ltl dapat dihitung

=1,3939
langsung dari:

e,: y,- t ,

=>(y,- t,),
= t, : 2,5529 - 7,0g21X1 + 7,9608Xr(dihitung untuk semua i, i :
ze!

Perkiraan Yar(b)

Si

1, 2, . .

S?,Jrn-l
Apabila D = (xrx)-' o1l tl, -_. s?d.,r,di mana d,, : elemen matriks dari
tt
kolom 7 terletak pada diagonal

po(b( maka

ls.zge
1l 456
D: (xrx)-l = a1 : 3rr,0
|

456

-7801

767

*l

40

2oo-]

| -780

st,
=9

= s?4t

5r =

s3,

ff,

= s?drr. =

r.

1O).

baris 7 dan

=ffigzs6)=2,6402
=

./5.'
!"0

.,

1,6248

ffi(161)

= o,oz3s

= {Sf, = 0,2708
si, = s? tlzt = ffieoo) = o,oe11
r^
= s6, = fSl" = 0,3018

s6,

srd17,srd22,_$r1 trd_r, merupakan kesalahan baku dari penduga bo, b'


dan b, da^
biasanya ditulis di bawah nilai masing-masing p".drgu tirsebut. Makin kecil
kesalahan baku penduga, makin baik (makin alkurat) pEnduga tersebut. Metode
kuadrat terkecil akan.memberikan/menghasilkan kesalihan b"ak, ya.,g minimum
bagi setiap penduga. Artinya, metode tain tiaak akan menghasilkan kesalahan
baku
yang lebih kecil atau setidaknya sama, apabila dibandingkai dengan metode
kuadrat
terkecil' Itulah sebabnya penduga pada metode kuadralt terkeciidiberi nama
BLUE
(Best Linear Llnbiosed Estimator).

t:

z,sszs

(7,6248)

7,092x1+ 7,960gx,

(0,2708)

(0,3018)

Perhatikan, bahwa r".ilg_ kali angka dalam kurung di bawah nilai


pendura
menunjukkan nilai f hasil observasi untuk keperluan pe"ngujian hipotesis.
t engriir.
hipotesis tentang koefisien regresi parsial ukur, ,"g"i, jit"rrngtu.,
daram tag:::
selanjutnya pada subbab berikutnyi.

248

i'ry

Ststistik: leori don Aplikosi lilid 2

(oNToH 6.2

t#d X, : pendapatan per tahury dalam ribuan rupiah.


Xz = kekayaan untuk tahun yang bersangkutan, dalam ribuan rupiah.
Y : konsumsi per tahurl dalam ribuan rupiah.
Lima rumah tangga petani dari suatu daerah pertanian dipilih sebagai sampel acak untuk
diteliti tentang pengaruh pendapatan (Xr), dan kekayaan (Xr) terhadap tingkat konsumsi
(Y).

Dari penelitian, diperoleh hasil sebagai berikut:

I'

a) Carilah persamaan regresi linear berganda Y : bo + b, X, + brXr.


b) Carilah sbs, s1,.r, dan syr, yaitu kesalahan baku bo, b' dan br.
;HqpffPENYEUSAIAN

i#."G
r---r:*
I
r;

x,Y
9.600
6.600
5.400
1.800
10.800

2XuXzi

27.538 34.200

a)

bon+ b,ZX,,+
b

ozxri +

boUx2i

brZXr,

:LYi

rZ$, + brZX,Xr, :

LX,Y,

+ brZX,Xr, + brLX|, =ZX,Y,

4oo 45ol I an.l I xz]


l+oo 33.800 34.2ool lr, | = lao.sool
[+so 34.soo 54.eoo.] Lr,l
[:r.sro_]
[s

AbH

b:

A_1H

A-1

: *i-,Adj(A)=

#r,

di mana ( : matriks kofaktot,


Kr : transpos K (lihat Lampiran XII).

x.Y

5.920

8.880

7.200
3.180

5.880
4.800
1,s90
10.260

10.780
3.420

,x"riyi

2x2iyi

30.s00

31.400

Boh

249

Regresi Bergondo

-(34.2002) :1.855.620.000-f.i69.640.000:68s.980.000
: -21.960.000 + 15.390.000 :-6.s70.000
K13=(400)(34.200)-(4s0x33.800) = 13.680.000-15.210.000 :-1.530,000
I(21 : (400x54.900)-(34.200x450) : -21'.960.000 + 15.390.000 =-6.570,000
K11 =(33.800)(54.900)

K12:

(400X54.900) -(4s0)(34.200)

: 72.000
= 274.500 - 202.500
:e.000
=-171.000 + 180.000
K31 : (400)(34.200) -(33.800)(450) = 13.680.000 -752.210.000 =-1.530.000
:9.000
K32= (5X34.200)-(400X4s0) =-171.000 + 180.000
:16e.000- 160.000
K;;: (5)(33.800)- (4002)
= e.000
- (4502)
I(,,:-(s)(34.200) -(450X400)
K;2:

$)(s4.900)

det(A)

:
:
:
:

anKu- atzKtz+
s(685.980.000) +
3.429.900.000

orsK,,.,

400(-6.570.000) + 450(-1.530.000)
2.628.000.000 - 688.500.000

113.400.000

'l

A-' :
-l ",4tom0

I ess.sso.ooo -6.570.000 -1.530.000

,i333

[_illllll

[ ,,

t 685.e80.000

lo,

e.000
L -l.s3o.ooo

| ,, | = i,, #rdd

L_1,
,o
-

sezl
| ,o.roo

-6.s70.000 -t.sao.oool

-o.sao.ooo 72.ooo

o.ooo

e.ooo_]

[:r.+ro

+ (*6.s70.000)(30.500) +
rre.+oo.o,, {(68s.980.000)(362)
(-1.530.000)(31410))

h,

lffi]

-1,03

:- ----l: l(-6.s70.000)(362)
r\ v'J' v'vvv/\vv- + (72.000X30.500) + (e.000)(31.410)] : 0,BB4e
113loo^ooo

bz : n

+(e.000)(30.500) + (e.000)(31.410)} :0,02e4


4fudd{(-1.530.000)(262)
Persamaan regresi linear berganda: f = -7,037 + 0,8906X, + 0,0294Xr.
b1 :0,8906 berarti kalau X, konstan, kenaikan X, sebesar Rp1.000 akan
menyebabkan I naik sebesar Rp890,6.
:0,0294
bz
berarti kalau X, konstan, kenaikan X, sebesar Rp1.000 akan
menyebabkan Y naik sebesar Rp29,4.

b) e'e:k?:Z(Yi- t,)' dapat dihitung langsung


observasi Y, dengan nilai regresi t i =

,.
80
110

1,20

60

bo

dari

Y,- f ,:

selisih antara nilai

+ brX, + brXr.

74

= -].,037 +
= 73,283

0,8849(80) + 0,0294(120)

98

= 98,066
= -1,037 + 0,8849(90) + 0,0294(60)

90

60

80

60

30

53

60

180

57

-1,037 + 0,8849(110) + 0,029a(60)

80,368

74

- 73,283

0,717
98 98,006

0,51.41.

:4,066
80 * 80,368

0,0044

0,1354

0,368

= *t,Ogf + 0,8849{60) + 0,0294(30) 53 - 52,939


: A,067
:52,939
: *7,037 + 0,8849(60) + A,0294{18A) 57 * 57,349
:4,349
:57,349

0,0037
a,1278

Zei :0,779q

250

Stotktik:Teori don Aplikosi lilid 2

gr g
Lrl
' = n-k-7 = 2 -

0,7794

,-z

Si = S: (xrx)-1,

s,2

:5, k:2)

(n

0.3g97

kallkan dengan elemen-elemen pada diagonal utama (xrxf1.

Apabila D

S; :

di mana dr, :elemen matriks D pada baris 7 dan kolom

S:djj,

(Xry.1-t, maka

diagonal utama)

srS : kesalahan
D :1Xr5.1-t : A-1
s6 =

baku b,

+j:

0, 7,2.

loss.sso.ooo

l.-6.s70.000

18.400000

-1.s3o.oool

72.000

eoooI

9.000

9.000_l

L -t.sso.ooo

^),
si = bid
ti

0.3897(695.990.000) 2,3571
-) = ____:!::::_
st, = s-d^^
=
113.400.000
^), =
= Sidt,
_

-6.570.000

st,

^.)
si, = s?dzz
=

7 (terletak pada

0,3897(72.000)
ffi
0.3897

ffiO

(9.000)

sao

r:

= risr. =

t:

^
= 0,00025 -+ Sr, = ,/Sf, =
=

0,000031

-u

su,

^E

1,535

0,0757

= 0,0056

PTNGUJIAN HIPOTTSIS KOEFISIEN REGRESI PARSIAI.

Untuk menguji hipotesis bahwa koefisien regresi parsial B, mempunyai nilai


hipotesis tersebut dirumuskan sebagai berikut.

(1)

(D

Ho

: Bi>

8,.6,

maka

Bio

H:8.<H^
o' "j - "jo

Ho: 8,3 Bio


Ho: B1> Bio
(3) Ho : Bi: Bio
Ho: B,+ Bio
Untuk menguji hipotesis bahwa X, tidak mempengaruhi Y (dengan asumsi variabel
bebas lainnya konstan), berarti Br : 0,'maka perumusannya adalah sebagai berikut.
Ho : B, = B,n (tidak ada pengaruh X, terhadap Y)
Ho : B,+ B'p (ada pengaruh X, terhidap Y)

Di dalam pengujian hipotesis tentang koefisien regresi parsial, digunakan kriteria uji

'r -'
-'bi*Bio
'o--"
/o mempunyai fungsi

S,ffi, S, =
mana D: (x'Xf1
51,

f dengan derajat kebebasan


1.^27

(6,1{)

sebesar n

f.

- k-

7.

_ k _1>ei, d,,: elemen dari baris7 dan kolomI matriks D di

Bohi

Regresilergondo

251

Seperti biasanya, /o kemudian dibandingkan dengan


Tabel / dengan derajat kebebasan : n - 2.
c0[T0H

to atau to,, yang diperoleh dari

6.3

Dari Contoh Soal 6.1, ujilah pendapat yang mengatakan bahwa:


a) tak ada atau ada pengaruh positif dari harga terhadap konsumsi, dengan alternatif
ada pengaruh yang negatif. Gunakan

a:

5%.

atau ada pengaruh negatif dari pendapatan terhadap konsumsi, dengan


alternatif ada pengaruh yang positif. Juga gunakan u = 5%.

b) tak ida
PENYETESAIAN

a)

Ho..

a
b1

B;

:
:

,
.

0 (tak ada atau ada pengaruh positif dari X, terhadap Y)


0 (ada pengaruh negatif dari X, terhadap Y)
0,05
-to(n - k - 1) = -to,os(z) : -2,92 (dari tabel f, dengan df

Ho, B,

=
-L,0927, Sat:

2)

0,2708

, b1 -1"0927
rr:%=ffi:4,032e
Karena to : 4,0329 . -fo,os(z) : -2,92,
maka Hn ditolak. Berarti, ada pengaruh

yang negatif dari harga terhadaP


konsumsi (menolak Ho, berarti tidak
menolak H,).

'0,05(-2,c2)

b)

Ho: B, < 0 (tak ada atau ada pengaruh negatif dari X, terhadap
Hn: B, > 0 (ada pengaruh positif dari X, terhadap Y)
u = 0,05 = -to(n - k - 1) : to,os(z) : 2,92
bz : 1,96o8Fbz -- 0,3018

Y)

t^: bz -7,9608
=6.4970
' 5r. 0,3018
to: 6,4970 , fo,os(z) : 2,92, maka
H0 ditolak. Berarti, ada pengaruh yang
Karena

positif dari pendapatan terhadaP


r
-t

o.o5

-rO,
-.t

konsumsi.

(0NT0H 6.4

Dengan menggunakan data dari Contoh Soal6.2, ujilah pendapat yang mengatakan bahwa
tak ida pen[i.uh dari kekayaan terhadap konsumsi, dengan alternatif ada pengaruh.

Gunakan cr : 0,05.
PENYETESAIAN

Ho:

Br:

0 (tak ada pengaruh X, terhadap Y)


B, + 0 (ada pengaruh positif dari X, terhadap Y)

H,:
u : 0,05

O,OZS

tctl2(n_ k

- 1): tr,ozr(z) :

4,3027

252

Stotistik:

bs

0,0294,Sas

0,0056, t0

ffi

leoi don

Aplikosi Jilid 2

5,25

to: 5,25 , to,zs(z) = 0,43027, maka


Ho ditolak. Berarti, ada pengaruh dari
Karena

kekayaan terhadap konsumsi.

4,3tJ27
4,3027

4.3027

PENDUGAAI{ INTTRVAI. UNTUK KOEFISIEN RTGRESI PARSIAI.

P(-torz < t

<

b,-8,

t,.tz)

(1

-ta,f

tingkat keyakinan.

-bj-8,
c

.b,

tolz

bl Bi 3 tolzsuj
= b,- to,rso,< Ej < bi + tolzsui

di mana so :

sbj*

totzs, f,d jj

_a

oa

n-k-7

'

l- 1:t"rrl;:
t-*i

bi -\-

.,ldii

di mana:
Bi = koefisien regresi parsial ke-i,j
d, = elemen dari baris I dan kolom

"

s Bis bi + t"rz1!;:i

:1,2, . . . , k.
i dari matriks D :

'-.fu$D"ngan menggunakan data dari Contoh Soal 6.1,


a) Buatlah pendugaan interval untuk Bo, (7 - cx) :
b) Buatlah pendugaan interval Bz, (1 - cr) : 0,90.

0,95.

PENYTLESAIAil

(1

bo

- s) :

0,95

-+

0,

: 1 - 0,95 :
: 2'3646'

0,05

- n:
2,5529, so, : 1.,6248

talztn

to,ozs1t1

bo

2,5529

to,rn

sao

S Bo S

bo

/o,ozs sro

(2,3646)(7,6248) < Bo < 2,5529 + (2,3646)(7,6248)


2,5529 - 3,8420.
s 2,5529 + 3,8420
Po

-7.2891 <B^<6.3949
(r-

a*;

,ldii

(XrX)-l atau,

elemen ke-l pada diagonal utama matriks D.

1"$rftc01{T0H 6.5

a)

1)

-totzsuj

-f,^s.fil.
ulz e \ Jt -

b.

a)

f mengikuti distribusi f dengan derajat kebebasan (n - k -

t = ?,
sb,

'

(6.15)

Boh

Regresi fieryondo

Kita mempunyai keyakinan sebesar 957o,bahwa interval antara -1,289L dan 6,3949
akan memuat Br.

b)

(1

bz:

cx = 1-0,90:0,10 + tcttz(n_k_1): to,os(n:1,8946


: 0,3018.
b, - to,ou saz SBz. bz + to,ossaz

s) :0,90,
1,9608,

7,9608

suz

1,8946(0,3018) < Bz

7,9608

0,5778
1,389

Bz

< 7,9608 + (7,8946) (0,3018)


3 7,9608 + 0,5778

< B2<2'5326,

Kita mempunyai keyakinan sebesar 90%,bahwa interval antara 1,389 dan 2,5326 akan
memuat Br.
KOETISITN DETERMI}IASI BERGANDA DAN KOEFISIEN KORTTASI PARSIAI.

Di dalam subbab ini, hanya akan dibahas hubungan berganda antara 3 variabel, yaitu Y
(variabel tidak bebas) dan dua variabel bebas X, dan Xr. Bentuk persamaan regresi
perkiraan adalah Y : bo + brX, + brXr.
Misalnya, y = produksi padi, maka X, : pupuk yang digunakan dan Xz : luas
sawah, Y: hasil penjualary maka X, : biaya ik1an, X, : pendapatan. Untuk memperoleh
nilai bo, b, dan b, sebagat penduga dari Bo, B, dan B,, diperlukan data dari sampel'
Misalnya ada n hasil observasi sebagai berikut:

x"

..:

x;

:i,trx.ll:',::'r#C.

Y
Dalam hal

ini,

:2.

ada 2 variabelbebas, k

Hubungan sebenarnya Y dengan X, dan Xr= Yr: Bo + BrX',.i + BrXri + e, dapat


diestimasi melalui Yr= bo + brXr, + brXr, + e,, dimana I : 7, 2, . . . t n.
Untuk keperluan ilustrasi, bo, b' dan br akan ditulis menjadi y.zt, by1.2, dan b 12 t. Y i
: bu.zt * b,t.zXti t buz.tXzt disebut sebagai persamaan regresi Y terhadap X, dan Xy yang
Uidi"g-datar dalam ruang berdimensi 3 (dengan sumbu vertikal Y dan
r""i"it iti
b

sumbu horisontal
""uti, X, dan Xr).

= perpotongan bidang datar dengan sumbu Y (intercept)


b',a z : besarnya pengaruh X, terhadap Y, kalau X, konstan dan X, naik satu satuan.
b',r,,: besarnya pengaruh X, terhadap Y, kalau X, konstan dan X, naik satu satuan.
bu.zt

Su*rtt,

membahas tentang regresi linear sederhana, yaitu hubungan linear antara Y dan
X dalam Bab 5, telah ditunjukkan bahwa berlaku hubungan berikut:
_1

) i = li - )i, li = Yi r-)->e,
= l- =,
sr,.
Lyi
1

penduga koefisien korelasi

Y,

ii = Yt -

penduga p (dibaca rho).

Untuk hubungan 3 variabel Y, X, dan

X,

berlaku hubungan berikut:

\o?

^
R?,rr=7-ui.-1-"y:12

zv?

Sln
si

(5.15)

254

Stotistik: leori

dtn

Aplikosi lilid 2

di mana
s"'

,,

I
s11

L(Yi

- t,1' = !zr.y, - borr. - borzX,, - bor.rxr,)'

fi,'

atau

tLxzia;

R|.o =

$.L7',

atau
Rf r:

di mana

Yv\

| ry?r ,Z?ytry,zrtz

1-rh

(6.18)

koefisien korelasi sederhana antara Y dan X,

/y1

LxtiUi
l^

rr2

tlZxi,Zyi
koefisien korelasi sederhana antara Y dan X,

hziVi
t.'.
^lZxi,2u'
'12 - koefisien korelasi sederhana antara X, dan X,
zxl,zxl,.
Rzv.tz : koefisien korelasi berganda antara Y dengan X, dan Xr. 12 dan R2r, masingmasing disebut koefisien determinasi sederhana dan koefisien determinasi Eerganda. 12
digunakan untuk mengukur besarnya konstribusi variasi X terhadap variasi Y; sedangkan
Rl ,, untuk mengukur besarnya kontribusi variasi X, dan X, terhadap variasi Y dalam
kditannya dengan persamaan t : a +bXdan y :bo+ brXrT brxr. 12 danR2r, masingmasing juga digunakan untuk menentukan, apakah suatu garis regresi lineai sederhana
Y terhadap X dan garis regresi linear berganda Y terhadap X, dan X, sudah cocok (tepat)

untuk digunakan sebagai pendekatan atas suatu hubungan linear antarvariabel


berdasarkan hasil observasi.
Makin besar nilai rz dan R2, ,r, berarti makin tepat suatu garis regresi linear digunakan
sebagai suatu pendekatan. Apa6ila nilai I dan R2r, sama dengan 1 (satu), maka pendekatan
itu betul-betul tepat (sempurna). Sebagai hasil'analisis dari suatu penelitian, persamaan
garis regresi selalu disertai dengan nilai 12 atau Rzrnsebagai ukuran kecocokan (goodness

of fit).
Koefisien Korelosi Psrsiol

r42:
rrzt

koefisien korelasi parsial antara Y dan X1,


pengaruh X2 (Xz konstan).
koelisien korelasi parsial antara Y dan X2,
pengaruh X, (X, konstan).

di mana Y dan X, sudah bebas dari


di mana Y dan X, sudah bebas dari

Untuk menghitung 16.2, pett&ma-tama kita harus menghilangkan pengaruh linear (linear
influence) dari X, terhadap Y dan Xr.

Boh

Regrcsi Bergondo

25s

Regresi linier sederhana Y terhadap X,

yi :

bozi

+ by.zixzi + ei atav

!;:

bo2x2i

ei

Ai - Yi Y ,xzi: Xr,- X,
ei : Yi-by.ri-byzxr,:y -brzxzi
Regresi linier sederhana X1 terhadap Xr:

Xti: btz+brrXr,+f,
atau

xri : btzxzi +.fi -xr; :X1; -X1


fi : Xti-bn-bDX2i: xti-brrxr,, di mana.r2i :Xzi- Xr
Koefisien korelasi parsial antara Y dan Xr, apabila X, konstan (dalam ilmu ekonomi,
asumsi konstansitas suatu variabel disebut "ceteris paribus"), merupakan koefisien korelasi
sederhana antara e, dan f,, yaitu sebagai berikut.
f-v1.2

Untuk sementara, persamaan ini kita


sederhanakan menjadi ;, di mana r sebagai

- bozxzi)(xti - bpxzi)
/."/-' rj;^lzxl,t7- r,2r) =
trrvit, L(yi

pembilang dan

&

sebagii penyebut.

Ingat, untuk hubungan dua variabel Y dan X,

= b--++
Lxi

ai :bx,te,

Dari Bab 5, tampak bahwa

12

=1-

r=

zrl

-rzl
zvi =L4=>.y?(1

dan

b:\-

Untuk pembilang
Le,f,

=
=

i1r-z

dimanas,=

2,(y,

Zxti!/

Lx,,A,

\,1

dan s.,
! =

.tr
\n

J',?

(a):

b,,rxr,)(xr,

b,,, Zx,x-,

brrx2i)

brrZxr,V,

b,,rb,rLx,,

S,5,
s.
s-,
- r"rlLxr,xr,
- r,rlZxry, + r,,2\z--->x;.
S"

r,, q rxr2

rLyl

nsrsr(rr,

dan untuk penyebut

- ,,r'ir,r, *i, , *r1 - ,rar,r,:rl

srst

llSj
trr,r? * l,,rf,r-,
"- - s;

rr2rrz)

(b):

FT,il"qO-e = W uCl \@ -,AFe = ns,,s,nff - g)F -,?)


sehingga, rumus

/"r1.2

menjadi sebagai berikut.

Statistik:leori don Aplikosi Jilid 2

256

'v1z

F , ,f-1

W$:AhtrIa:}J-

:1

t6.1e)

Melalui cara yang sama bisa ditunjukkan, bahwa:


fiy,,,- ti1rll

&air:*

!,,r'ifi:;jl'; iiz

16

:. I

rtzy a

;rrfi..1l,-rr-;1

t6.2e)

Hubungon ontoro Koefisien Regresi Porsiol don Koefisien Korelosi Porsiol

Dinyatakan dalam bentuk koefisien korelasi parsial, koefisien regresi parsial adalah sebagai
berikut.

.0u1.2

Sv.Z

= r*.zf)t.2

(6.221

dan
Sr.t'
b;2.,:t -

di

I^,ni-

1-.'Sz.1

{6.r3}

mana:

sr2=s0f,1-(z
,r.,, =

,r1E:

,r?,

,rr=,r1f-,$
"y.1

,y

Et
1t -

ry7

Selanjutnya, rumus

rr212

dan(zt

masing-masing mengukur kontribusi variasi X,

terhadap Y kalau Xz tetap, dan kontribusi variasi X, terhadap variasi Y kalau X, tetap,
yaitu:

f,7t+
va'

,)

rlzt

Rir,
= #1 _
t

'h

-L
ty2

Sf ir.-.",fi
= ,.
,'
1.;

dr

CONIOH 6.6

Xr = indeks pendapatan nasional suatu negara

: indeks harga impor suatu komoditi


Y = indeks impor suatu komoditi

Xz

t6.E*)

(6.2s)

Bob

257

Regrcsi Bergondo

Selama 9 tahun diperoleh data deret berkala sebagai berikut.


.,:it:126

\,:
".:2,

:ril:$S ;r:liit*$

:i$s$.

1r.: ii;l:l*ffir:

Ill$iiifrii*{'qff;

,:iiiffi ;i.iitilltl!liir:*ilr *;triiruiii:iij$ii*


riiiwll;1;;ir#iiilririi$$6irt ri:ffi

a)

Carilah persamaan garis regresi linear berganda:


f' : bo + brx, + brXr: by.tz + byt.zxt + brz.txz

b)
c)
d)

Hitunglah sy, sl, sz, rr1, ry2, r1z


Hitunglah sy.r, sy.z, s1.2, ryt, ru2
Apa arti dari rg.z, *rz, dun R?rr.r?

..liiii9.S

liiitilip$$'

";;;
tat

PEltYtttsAlAt{
ItZ ll ll :l
-./},,"-'.

\rl:
iil;

':

*iB+i,:Eliliiiiffi . ii'lirit*a

100
99

106

110

100
106
107

111

126

120

111

113

110

115

103

120
124
126

102

115
129

12.321
12.32L
L3.22s
14.400

103
98

133
137

15.376
15.876

100

104

L1..236

LY,

2Xzi

EX,,

10.000
10.816

ri:iliriirY,fri

iirff$'Fi*

10.000
9.801
12.100

10.000
11.236

10.000

11..449

1,5.876

14.400
12.100

11.342
13.320

12.769
10.509
10.404
10.609

13.456
1"5.129

17.689

fi..q24

12.210
13.340

14.760
16.492
17.262

t!ii.l trr

10.000 10.000
10.494 10.295
fi,77T fi.66}
15.120 13.986
12.430 1?.543
11,.498
1"2.546

11.845
1.2.240

13.699 12.n2
13.425 12.348

9.604

1,8.769

s-r.2
L1\2i

srr2
uri

z\iYi uxziyi

Lxux2i

rc1.7V2

124.228

119.750 111.4ss

107.690

'!_1,
L.A17

954

1.0s2

x1

1\2

113

1.06

116,89

zvz
Jl

= >fI

(:I

12+.228

:124.228

s*2
unli

115.571

)2

n
t1
- \t .052)2
g
122.967,11,
-

1260,99

sv2
-- L1\1i -

(:xri)2

11s.s7t

it'olr)'?

9
: 1.55.571 - 174.927
: 650
s-2 - sv2 (LXz)2
n

ul);

'

L2\1;

1.01..772

:
:

1.01.772
648

- psI
9
-

101.124

rxti:x2t

258

Stotistik:Teori don Aplikosi lilid 2

- 0'017)(9s4)
9
= 101.690 - 107.802
: -112
1o7.6so

t-rirY,

Zrr,y, = ZXtiYi

Zxziri

- G.017)(954)
9
:179.750 - 718.876
= 874
tYzirI
:ZXziYi-=n
11,s.7s0

- (954X1.052)
9
:777.433 - 111.572
_70
:771.433
-

by, ,2x2,, + byr rZx,xri

Zx t,y

tr urr,)

[tri,
=l_

bArzZxtixzi*byrrLxzr,:Lxzi!/i

.- )
LLr,,*r, 2r'r, l
[oso -7t2 -]
|

-ll
-l
l-172
A, Iaz+
l-7e

-1121

l,Az:
648)

648

[ aso

Iljlz

byn
byr.,
brr.,

bv.tz:bo: Y -brXr-brX,

a) t

b)

:
:
:
:

116,89
116,89

(7,3642)(113) (0,1139)(106)
754,1549 72,0734

_49,3393

4g,Z3Bg + 1.,2642x, + 0,1139x,

ls, l+
=
l-y
z

= !/i4op%e = n,8363

c - 1:'i - loso =t/2,t2tL


E'>'>'>'t't
sr
V7=V S
s2

izrl,=

,;

io+s

V;

- |72

=8,498-1

= 8,4853

f sz+f

- ll

l_,,)
H

8741
I

-7e)

(A) : (650)(648) - (-11D2 : 427.200 - 12.544= 408.656


(A,) : (874)(648) - (-7e)(-112) : 566.352 - 8.848 = 557.504
(Ar) : (650)(-7e) - (-112)(874) : -sr.sso + 97.888: 46.538
det(Ar) _557.504 :1.3642
b,-:r,
.,vv,L
"ytz "r _ AAml-408.656
det(Az)
46.538
b ^, _ ,. _
Y1' ' det (A)_ 408.656 : 0.1139
det
det
det

lLr,Y, )

"

-tttt

11.2

f Lr,y,f

Bob

259

flegresi Bergondo

Lx.,u,
tLJt

y
-

ntZxi,Zyi
874
(25

^t650 \17260,89

874
,49sr)(3s, s090

87! ,=0.9654
= 905,3055
r^
'u2

'

Zxt;Ll
= ---.-=I
.

^l>ri,ZYi

-79

-79

-1648 "1t260,89

(25 ,4951,)(35,5090 )

-79

-0,0874

903,9100
s-L 1i^2i

r
lZxi;Zxi,
-

Ttz

-1.72

-112

"loso "less
-772

(25,4558x35,5090)
-0,1,726

648,9982

c) ,r, : ,rF- ,i, = 07,83(r)^F - @,s654f


(11,8363)(0,2608)

" u.2

= 11,7970
'1.2 -

(8,4s84)

..,1t

GO)ZZO'

(8,4984x0,9850)
8,3709

tr^f:

"2.1

r$

= (8,4984).,h

- Go)tzo,

= (8,4853)(0,9850)

:
d)

tyt.2

8,3580

:@@

Trt

0,9654

",[t- Co,

ryzTtz

(-0,0874)(-0,7726)

oa z +12 .]

t-

Go,t72O2

0,9654 - 0,0151
o,oozo39 "11 0,02979

"lt 0,9503
_
- (0,9962)(0,9850)
=

#ffi

= 0,e684

260

Stotistik:leori don Aplikosi lilid 2

Ty2.1

(-0,0874)

.,lt

(0,9654)(-0,7726)

lo,oesq'^11_ Go,772Oz
(-0,0874) + (0,7666)

"17-0,9320^17-0,0298
0,0792

(0,2608)(0,9850)

e)

yry
0,2569

= 0,3083

rzryz : Q,9684)2 : 0,9377, artinya apabila X, konstary maka kontribusi variasi X,


terhadap variasi Y adalah sebesar 93,77%.
rzrz1 : (0,3083)2 : 0,0950 : 0,10, artinya apabila X, konstary maka kontribusi variasi
X, terhadap variasi Y adalah 10%.

p2

-'v

tz-byt.zZxti!/
_

+byz.rZxziVi

,v?
+ 0,7739(-79)

7,3642(874)

7.260,99
1.192,3108
8,9981
1.260,89

= 0,9384

Artinya, konstribusi variasi X, dan X, terhadap variasi Y adalah sebesar 93,84%.


(seluruh interpretasi ini berkaitan dengan y : 19,9983 + 7,3642X., + 0,11.29x).
ANAI.ISIS VARIANS DAIAIUI REGRESI I.I]{EAR BERGA}IDA DAN PTRAMAI.AN DENGAN
IUIINGGUI{AIGN REGRESI I.INTAR BERGAI{DA

Di dalam uraian tentang regresi linear sederhana pada Bab 4, dikemukakan bahwa apabila
variabel X tra" Y yang diukur menurut rata-ratanya, dinyatakan dalam bentuk simpingan

(x,:

Xi

- X, Ai = Yi -

Y ), maka

)i = j; + ei - i = !i- l,,,.yi = bxizy?

= >,i? + zel

zel = 1t - rz)Z.yl

hzx,tt,=zr'y-'.r*,o,
tJ
\v(
_r'r

z!? = b'>r? = bLr,y, = b'r, !


(X dan Y : vektor berdimensi n )

- r')y_'y_
41

= (1
t

>-v?

s- ill,,i
Lx

@w
= ,rzy? = ,,
ladi, zyl = >r? + ze!

y_,

b=

s...
Lx
iV i

s_.2

@1ff'a'
!

: r'zyf + 0 - r1ry7
: r'y_'y + (1 - rr.)!'U

Bah

6 Reyui Bergondo

261

Pada umumnya, kalau hubungan antara k variabel (yaitu, antara Y dengan Xr, -\,
. . . , Xu) sebanyak k variabel bebas X untuk suatu sampel dengan n observasi),

Yi=Bo+

BrXr,

+...

+ BlXii+... +BoXo,+ e,,

i:1,2,
,n
j:7'2'"''k

Karena koefisien B dan kesalahan penggangu e tak diketahui, maka nilainya harus
diestimasi dari data hasil observasi. B dan e diestimasi dengan b dan e, sehingga

Yi:Bo+BrX',,

+...

+ B,X1i+...+BoXo,+

e,

i:1,2,... tn

Dinyatakan dalam bentuk matriks:

Y=XB+e

Xrr...Xir...Xo,

Y1

Y
'
'-L2'

:,

X,^

x.^

lz

, x:

Y=
Y.
1

'

t1

B1

:,

B:

, :

V
,,7i

x..

X,.
KI

x"tn

X,KN

Bk

1n

Apabila variabel X dan Y diukur dari titik asal, maka dapat diringkaskan hal-hal sebagai
berikut:

XB + g diestimasi dengan Xb +

: (xrx)4 xry_

Var(D

E@rd

E(D :E

o2(xrxl'
@

k)o2;dan R2r.rr...r = R,

bxrY - !r>v,l'
: - ;
.r"':
Y',Y - ,(ZV,y

Apabila variabel X dan Y masing-masing diukur dari rata-rata, kemudian dinvat,:...:dengan huruf latin kecil r, : Xj - X,, dan !/i: Yi - Y, maka hubungan tersebut a..:
menjadi

Ai:btxti+brxr, +... + bfli+... +b;xr,+ e,, i:1,2,...,fl,

j:1,2,...,k

Dinyatakan dalam bentuk matriks, akan diperoleh hubungan berikut.


Y:XB + 6+ , yangdapatdiestimasidengan Xb + g(dapatdibuktikanbahn'a

i=

0)

262

Stotistik: leoil don Aplikasi lilid 2

Y:

At

xt1

Az

x.tz

x2-t

t-

Y-

Vi

ir^

xtt

lt

:,
;

/1

t''

B1

x,^

X,,

, b:

b:

,j,

J11

x1n

b1

b2

E2

e2

b.

ei

x^ZN

x.KL

Bk

e1

1l

bk

e,,

Perhatikan bahwa kita sukar sekali (tidak bisa) membedakan antara matriks/vektor dengan
elemen-elemen berupa variabel yang diukur dari titik nol (dinyatakan dengan huruf litin

besar) dan yang diukur dari rata-ratanya (dinyatakan dengan huruf latin kecil), sebab
matriks/vektor harus dinyatakan dalam huruf latin besar.
Apabila variabel diukur dari rata-ratanya, atau dinyatakan dalam bentuk simpangan
dengan huruf latin kecil, maka matriks X akan menjadi n baris dan k kolom; sedingtan
vektor B akan terdiri darik komponen/elemen.
Semua rumus yang berhubungan dengan variabel yang dinyatakan dalam bentuk
simpangan (huruf kecil), mempunyai bentuk yang sama apabila dinyatakan dalam bentuk
persamaan matriks, kecuali R?r.r, . . . k = 12, yang bentuknya akan berubah dari

R2=

br

i'
- 1r:y,
n'
1

YtY - 1(:y,)2
n'

menjadi

n'

xr

{O#

(variabel X dan Y dinyatakan dalam huruf besar)

(variabel X dan Y dinyatakan dalam huruf kecil) di mana


Zx"IlJu.
1

sv ,,
un
)iY i

brxry

(bt,

br,,

bi, . .

.,

bzhzli
+b.Lxu

brZxry, +

br)

L*jy,

Jut

+...+brZxoy,
Lx,K1Ju.
1

Bob

Reyesi Bergondo

Sesuai dengan uraian mengenai regresi iinear sederhana untuk hubungan antara dua
variabel dari Bab 5 yang kemudian diuraikan lagi pada permulaan Bab 6, maka:

brxry

{e
yry_

:
:

YTY(R2)

YrY(1 -R2)
brxry_ + ers: yry(R2) +

yry(t -

R2)

= yry : 4,'
{e

2r,'

YrY
4,'
= untuk mengukur variasi Y
:
t'yn2
b'X'y
= variasi Y yang berasal dari regresi
Y yangberasal dari kesalahan pengganggu,
YY(1 - R2)
ere
= variasi
residu (residual).

disebut

]adi, variasi Y berasal dari dua sumbel, yaitu dari regresi linear berganda (tergantung
pada variabel bebas Xl, Xz,. . . , X*) dan dari residu.
Pemecahan variasi Y menjadi dua sumber merupakan dasar Analisis Varians dan
dapat disajikan dalam bentuk tabel Analisis Varians (ANOVA) sebagai berikut:

Iobel ANOVA unluk Sumber Voriosi

.:$4

et

'Jurntrah

::Variali:

K*adrat

xyxr,"',xk

brx'y.:

YrY =

Tbtal

n*k-1

ete:Yty(\_R.)

Residu / Error

Yry(R2)

YTY(R2)

(regresi)

lk

Yry$-n2)1fu-k*1)

n-1

La?

banyaknya variabel X

'o-

brxrylk
erel@_ k_

vrv(R2)
7)

vrYO-n2)l@-k-1)

R2lk

(1-

)ttu-k-7)

Jadi, untuk menguji keberartian model digunakan rumus:

R2lk
-F-:--..--.-..........-.....-.*
-

'o

Secara umum Tabel ANOVA dapat

Su

r:'

r,Variasi,,

ditulis sebagai berikut:

ilbiaia*,,

K*ridiat:

Beb-a$.:,

]KR
]KE

Residu/Error
Total

IKT

n-L

Regresi

,trurx*l*r

'obs

RKR

- p6p

{6.26}

(t -n'.,ltn-k*1)

n-k-1

JKR/K:

RKR

lKElfu-k-1):RKE
IKT ltu - 1) = RKT

264

Stotktik:leori don Aplikosi Jilid 2

di mana: ]KR
]KE

fumlah Kuadrat regresi


]umlah Kuadrat Error

IKT
Iumlah Kuadrat Total
RKR = Rata-rata Kuadrat Regresi
RKE : Rata-rata Kuadrat Error
F, mengikuti fungsi F dengan derajat kebebasan k dan (n - k - 7).statistik uji F yang
dihitung berdasarkan sampel ini, dipergunakan sebagai dasar pengujian hipotesis dengan
menggunakan Analisis Varians. Hipotesis yang akan diuji adalah:

Ho:Br-Bz:

Bi:...80:0
X' X,

(tak ada pengaruh dari

Ho: B,*

, Xr .

.. , Xo terhadap

Y)

(paling sedikit ada satu variabel X yang mempengaruhi Y, misalnya

X,= B,*

0)

dari Tabel F. Apabila Fo , F tabel, Ho


clitolak, sebaliknya apabila Fo . F tabel, Ho tidak ditolak.
Tujuah pengujian hipotesis ini ialah sebagai dasar pembuatan keputusary apakah
Persamaan garis regresi linear dapat digunakan untuk memperkirakan/meramalkan nilai
Y kalau nilai X, X,
, X* sudah diketahui semuanya.
Fo kemudian dibandingkan dengan F ak(n _ r _ ry

Nilai variabel X diketahui berdasarkan hal-hal berikut:

a)

Ditentukan berdasarkan kebijakan, mungkin melalui perencanaan, sehingga disebut


"policy zsariable." Misalnya, pemerintah memutuskan untuk waktu yang akan datang,
bahwa suku bunga deposito akan diturunkan menjadi 7% per bulan; pemerintah
daerah akan menggunakan pupuk 100 ton; harga minyak akan dinaikkan 5%; tarif
bis kota DKI Jakarta Raya akan dinaikkan menjadi dua kali lipat; tarif pajak akan
diturunkan 10/o; pengeluaran pemerintah akan dinaikkan 7%; biaya iklan suatu
perusahaan akan naik menjadi Rp100 juta; dan seterusnya.

b)

Kejadian yang sudah terjadi (sudah lama timbul atau baru saja terjadi). Misalnya,
konsumsi tahun lalu, harga sebulan yang lalu, PDB tahun yang lalu, jumlah kredit
3 bulan yang lalu, jumlah penduduk tahun lalu, jumlah uang beredar triwulan yang
lalu, dan lain sebagainya.

c)

Hasil ramalan. Misalnya, ramalan PDB, ramalan produksi padi, ramalan penduduk,
ramalan hasil penjualan, ramalan ekspol, dan lain sebagainya.

Apabila hasil pengujian hipotesis menunjukkan bahwa H, tidak ditolak, berarti


Persamaan garis regresi linear berganda yang bersangkutan tak dapat dipergunakan untuk
membuat ramalan nilai Y, karena tak satu pun variabel bebas X yang mempengaruhi Y.

(0NT0H

6.7 Berdasarkan data dari Contoh 6.6, ujilah pendapat dengan menggunakan
Analisis varians, bahwa X, dan X, masing-masing tidak mempengaruhi Y, dengan
alternatif, paling tidak ada satu yang mempengaruhi Y. Gunakan cr = 0,05 (: S%) dan q,
: 0,01 (:1%).

Bob

265

Regresi Bergondo

rqryffiPEilYrrrsArAN

Effi

Hn: B, Bz: o
Ho: B,+ 0, i :2,3

Dari Contoh 6.6, sudah dihitung perkiraan

bt

\,3642,

bz:

0,1139

brxry.: brzxry, + brzxry,

:
:

1,,3642(879)
1192,3708

+ 0,1739(-79)

- 8,9981

:11,83,3727

yry : zv? :7260,89


{c :Lr?:fy_-brxry.
:1260,89 - 1783,3727
JI

77 q77a

Hasil perhitungan ini dapat disajikan dalam Tabel ANovA sebagai berikut:

xv xz

brxrY.:

(Regresi)
Residu

T
*
eaaa
e-e:
//,5//J

lly

Totai

p^=
,
Fo

597,6561

l.a

591.,6564

n-k-1:9-2-1.=6
n-L:9-1:8

12,9296

1183,3127

tzeo,as

:45.2598

72,9296

juga dapat diperoleh dari rumus:

0,4692
Rzlk
@,9384)12
'o (1- R2)/(,1 - k - 1) O'-0,9384)16 0,0103

= 45,5534

(perbedaan merupakan kesalahan pembulatan).


Fa k(r

_r_1)

: i;:;l;Xl __rr'J;,

Karena Fo: 45,5534 = Fo,os(rxo) : 5,14, maka Ho ditolak. Berarti ada pengaruh dari X, dan
X, terhadap Y. Ternyatd, F; : 45,5534 = Fo,or(rxu) = L0,92, sehingga pada tingkat nyata
sebesar 1%, Hojuga ditolak.
Hipotesis yang ditolak pada nilai cr : 0,05 (5%) dikatakan nyata biasa (significnnt);
sedangkan kalau ditolak pada nilai cx : 0,01 (1%) dlkalakan sangat nyata (highly signlftcant). Hasll penolakan Ho pada u : 0,01 (7%) ini lebih meyakinkary yang berarti nyatanyata ada pengaruh dari X, dan X, terhadap Y. Perlu disebutkan di sini bahwa ada
kemungkinan suatu hipotesis ditolak pada tingkat nyata 5% akan tetapi tidak ditolak
pada tingkat nyata 7%. Dalam hal ini, penolakan dianggap biasa saja.

Stotistik: Teori don Aplikasi lilid 2

Analisis varians yang baru saja diuraikan di atas, digunakan untuk menguji hipotesis
bahwa seluruh variatel bebas X,, Xr, . , Xi, . .. ,
\"tidak mempengarrfri y. ipabila
hipotesis tersebut benar, maka garis regresi liriear berganda yang bersangkutan taktapat
digunakan untuk memperkirakan/meramalkan Y; sebaliknya kalau hipotesis tersebut
ditolalt persamaan garis regresinya adalah

i -&rxr +brxr+,+b,x,+...,+b{r
atau

t :bo+brXr+brXr+

+ b,X,+

...

+boXu

di mana br: | - brX, - br*,


brV r dapat digunakan untuk meramalkan nilai
Y, kalau nilai X, Xr, ., Xo sudah diketahui.

Di dalam praktek, kita sering kali ingin menguji pendapat bahwa satu variabel
., Xt,. . ., \) tiaat

(katakarrlah, {) atau suatu kelompok variabel (katakanlah, X7, X2, . .


mempengaruhi Y.

a)

Kita dapat melakukan pengujian ini, dengan langkah-langkah sebagai berikut.


Untuk satu variabel saja, katakanlah Xo tak mempengaruhi y,berarti,

Ho:B*:0
Ho:Br+0
ini dapat diuji dengan menggunakan statistik uji f

Hipotesis

sebagai berikut (lihat

Subbab sebelumnya).

,
ro
di mana

d,,

bk
_
-brsh _;i,
-

elemen ke-7 dari diagonal utama matriks.

1l

(XTXT'

_?
> o-

(n-k-7)-''

Atau, dapat juga mempergunakan statistik uji F, karena


berikut.

ti,

r _r;

: Fr1,, - r _ ty sebagai

.bi

bi

(r+. '')@*t

"S:

bi

uk
-,.,

Apabila, ) ukk

=bf,=1on

.biz, maka

Fo menjadi

,--^
'oze?lh-k-r)
b,2

Pengujian hipotesis mengenai Hn: Br: O, Ho: Br


Varians dengan Tabel ANOVA sebagai berikut:

0 dapat menggunakan Analisis

Bob

Regresi Beryondo

267

ipotesis Sotu Voriobel

Sumber

]umlal.l
Kuadrat

rdariasi

k-1

x1'x2'

Z b;,

.'Xk_t

i=1

xk

b7

xl'xy...,xk

, Beraiat
Kebebasan

,Rata-rata

Kuadrat

k-1
7

1t..2

b;,

i=1

Residu

s.2

n-k-1

zfil(n-k-1)

Total

LV?

n*1

7-Z

"=

Fo

denganderajatkebebasan l dan(r
=;.,.uk-k: -')::,mengikutifungsiF
zeil(n
*u,u, Fo ar,"r,,, -k- jyHo ditorak, dan
=
kalau Fo . Fdrx,,

_k_

k-l)

ty Ho tidak ditolak (diterima).

b) Untuk sekelompok variabel, katakan Xt, X2, . .


Ho:8,-Bz=...:8,-0

, X, tak mempengaruhi Y, berarti:

H,:B,+0,Q:2,3,...,r)

Pengujian hipotesis dilakukan dengan Analisis Varians, menggunakan Tabel ANOVA


pada halaman berikutnya.

E-L
r0-l-

f. u;'t<r - ,t

i,?l@-k-1)
i=1

, mengikuti fungsi F dengan derajat kebebasan (k

r) dan

(r -

k -7).
Apabila Fo > F*r _rttq_t_
maka Hn tidak ditolak.

1,,

maka H0 ditolak. Sebaliknya, apabilaFo < Folt_rJ(,_(_

Tobel ANOVA unluk Penguiion Hipolesis Sekelompok Voriobel

Sumber
,Variasi

x1'x2'...'

Iumlah

Derafat

Kuadrat

KEbebasan

Lui'

Xr

xk

Xr+1, Xr+2,

x7'x2,...'x*
Residu

Total

t h.'
-1"'

?-u:
s-2
uti

>"-t

n-7

ftata-rata
,Kuadtat

k-r

i-r+1

uiz

l& - r)

rL-k-1

zell@*k-1)

r),

2b8

Stotistik: leori don Aplikosi lilid 2

Apabila ternyata hasil pengujian hipotesis bahwa X, tak mempengaruhi Y (Bo : 0)


tidak ditolak, maka Xo tidak perlu dimasukkan dalam persamaan regresi linear berganda.
Cukup dengan (k - 1) variabel bebas (X, Xr, . . . , Xo_r) saja. Selanjutnya, kalau pengujian
. =8,= 0) tidak ditolak,
hipotesisbahwa Xt,X2, . . .,Xr, takmempengaruhi Y(Br: h=
maka X,, Xr, . . . , X,tak perlu dimasukkan dalam persamaan regresi linear berganda.
Cukup dengan (k - r) variabel bebas (X,*r, Xr+,, .. . , X1) saja.
Pendugoon olou Romolon dengon Menggunokun Regresi

lineor Bergondo

Apabila persamaan garis regresi linear berganda sudah diestimasi, maka persamaan
tersebut dapat digunakan untuk membuat pendugaan/ramalan nilai Y, apabila nilai
beberapa variabel bebas X.,, X2, . . ., Xo sudah diketahui.
Keuntungan persamaan regresi linear berganda untuk memperkirakan/meramalkan
ialah bahwa kita dapat mengetahui besarnya pengaruh secara kuantitatif dari setiap
variabel bebas, kalau pengaruh variabel lainnya dianggap konstan. Misalnya, apabila Y
: bo + brX, + bzxz, di mana X, : biaya pemasangan iklan, dan Xr: pendapatan ratarata. Y : hasil penjualan, bt: bvt.z = pengaruh X, terhadap Y, kalau X, konstan; bz = bvz.t
: pengaruh X, terhadap Y, apa'bila X, konstan. Atau dapat juga X,, : banyaknya pupuk
yang digunakan, Xr: luas sawah, Xs: curah hujan dan |: produksi padi, dengan
persamaan regresi berganda:

Y:bo+brXr+brXr+brXu,
di mana, bt : byt.zt: pengaruh X, terhadap Y, kalau X, dan X, konstan
bz = bvt.tt: pengaruh X, terhadap I kalau Xr dan X, konstan
b, = b-rz.tz: pengaruh X" terhadap Y, kalau X, dan X, konstan
dan
Agar suatu persamaan garis regresi dapat digunakan untuk memperkirakan/
meramalkan nilai variabel tidak bebas Y, perlu dilakukan pengujian terlebih dahulu
terhadap seluruh koefisien regresi/parsial, untuk mengetahui apakah variabel-variabel
bebas yang dimasukkan dalam persamaall regresi mempunyai pengaruh yang nyata
terhadap Y atau tidak. Apabila pengaruhnya tak nyata, sebagai hasil pengujian hipotesis
dengan menggunakan analisis varians, seperti dalam Contoh 6.7, di mana X, dan X,
mempunyai pengaruh yang nyata karena Hn : B, - B2 0 ditolak dan Ho: B,* 0, j : 2,3
tidak ditolak pada tingkat nyata 0,01 (= 1%)
Persamaan garis regresi linear berganda yang akan digunakan untuk memperkirakan/
meramalkary biasanya disertai dengan nilai R2 : koefisien determinasi berganda, sebagai
ukuran tepat/tidaknya garis tersebut sebagai pendekatan (aproksimasi). Selain itu, setiap
pendugaan sering juga disertai kesalahan baku masing-masing.
= kesalahan baku untuk regresi Y

=br+

brX, + . . . +

b*Xo

di mana k = banyaknya variabel X


Kesalahan baku untuk regresi sama dengan simpangan baku dari kesalahan pengganggu
1si : s"). Untuk hubungan antara dua variabel, biasanya digunakan simbol sy.r sebagai

pengganti

s".

t = bo+ brX, + brxr+ . . . + bjxj +


(spn

) (s6, )

(sr,,

(sa, )

b#,
(tro

),

sy:
R2

s,

Bob

Regresi Bergondo

269

Pada buku Analisa dan Statistik Rencana Luas Panen dan Produksi Padi Repelita Vl, hasi',

kerja sama antara Badan Pengendali Bimas dengan Badan Pusat Statistik, terdapat
persamaan berikut ini.
Y

1a90,1S5

+ 27,422X. + 0,583Y,_r,

(10,41)
di

R2

:0,79

(0,16)

mana:

Yt :

luas areal panen padi sawah di Jawa dan Madura pada tahun

t, dalam ribuan

hektar.

Y,-,

Xt :

luas areal panen padi sawah di Jawa dan Madura pada tahun (t - 1), dalam ribuan
hektar (sebagai "lagged independent aariable")

tahun (tahun 7960,

Xt:

1).

Angka dalam kurung di bawah nilai penduga sering kali menunjukkan nilai kesalahan
baku ataupun nilai f observasi. Data yang digunakan merupakan data deret berkala
untuk tahun 1960-1996.
(0r{T0H 6.8

Dengan menggunakan data dari Contoh 6.2,buatlah ramalan y, kalau X1 : 100 dan X,
:200. Lengkapi dengan kesalahan baku, baik bagi perkiraan koefisien regresi parsiai
maupun regresinya. Kemudian lengkapi juga dengan koefisien determinasi berganda R2.

PE}IYETESAIAN

,o?

--?,
N-K_I
se

l^)
= {5e- =

n=5, k=2, + n-k-7=S-2_


f t"?I ''t
\n-k-7

1.=2

0,7794
2

= JvwT
= 0,6243
bo

R2

= -1,037,

b1

= 0,8849, bz = 0,00294, s6o= 1,535, syr= 0,0157,

blZxliy; + brZx2;y1
p2 - --------- "u.12
- ,
Llli

zy| =zY,'-)Oo,Y

- ltsozf
= 27.538 - 26208,8 = 7.329,2
zxu! ; = LXliYi - !6xr,rvS
= 27.538

- |tnooltrurl
= 30.500 - 28.960 = 1..540
= 3o.5oo

s6,

= 0,0056

270

Stotistik:leori don Aplikosi lilid 2

2x t ;u

i = LX.,Y; - :(LXziZYi)
n
1

= 31.470 - :(450)(362)
5'
= 31.410 - 32.580 = -7.770

''.z __

(0,8849)(1.s40) + (0,0294)(-1.170)

L32g2
1.362,746

34,399

7.329,2

= 0,9994
]adi,

Y:

-7,037 + 0,8849X1 + 0,0294X2

(1,535) (0,0157)

Apabila

:
Y:
:

X2

1p0 dan

(0,0056)

= 0,6243

R' = 0,9994

X,

200, maka ramalan


-1.,037 + 0,8849 (100) + 0,0294 (200)
-7,037 + 88,49 + 5,88

Y:

:93,33
(oilTot{ 6.9

Dengan menggunakan data Contoh 6.1, buatlah ramalan Y, apabila Xt:8, pada X2 : 10.
Lengkapilah garis regresi dengan kesalahan baku untuk setiap penduga, juga lengkapi
dengan koefisien determinasi berganda.

PEilYETESAIAN

hsbo =

s"

2,5529, bt = -7,0921, bz = 7,9608


7,6248, sn = 0,2708, sb2 = 0,3018

E
: {5;

grc

n-k-1,

''i
"",

\n-k1

tr
- \f9,7576= "u7,393e

:
oz
rr:--

1,1906

+brLx,y,
,y?

b12x1y,

y,,2-rv;2 -(2Y,12

o t2

- + : 626 - 5t7,6 :
:ux.lt Yt - LXtiYl
zx.u
trrt
626

_ )e) _

@o)(74)
10

:282-296:-74
:zx^Yi
Lx-v
ztJr
zt

zx?izYi
n

78,4

\ob

Regresi Bergondo

=375= 375 - 347,8 -- 27,2


zo

G1,0927)(-1.4) + (1,,9608)(27,2)

T5,2894 + 53,3338
78,4

78,4

= 0,8753
Jadi,

t : z,sszg - 1,0927x, + 7,9608X2


(1,6248)

Apabila Xr

t :

8, Xz

z,sszg

= 2,5529

(0,2708)

= 1,7806
R2 = 0,8753
S

(0,3018)

70, maka ramalan nilai Y adalah

L,092r(8) + 7,9608(10)
8,7368

+ 19,608

1,3,42

IUIASATAH REGRESI I.AINI{YA

Di dalam subbab ini, akan dibahas masalah regresi lainnya yang antara lain meliputi
otokorelasi (autocorrelation), heteroskedastisitas (heteroscedasticity) dan kolinesritas bergmt'i.;

(multicollinenrity).

0tokorelosi

Di dalam model regresi yang sudah dibicarakan sebelumnya, dianggap bahwa kesalahan
pengganggu eu i :1,2, . . , r merupakan variabel acak yang bebas. Dengan perkataan
lairy kesalahan observasi yang berikutnya diperoleh secara bebas terhadap kesalahan
sebelumnya. Artinya, E(e,e,*,): 0, untuk semua i dan semua r + 0.
Banyak kesukaran akan dialami pada analisis ekonomi, apabila asumsi tersebut tidak
berlaku. Pada kesempatan ini, akan kita bahas hal-hal di mana kesalahan observasi tersebut
berkorelasi satu sama lain, atau terjadi otokorelasi.
Misalnya, suatu model regresi:

Y,: A + BXr+ E, i : 1,2,..,

:
(Model ini bisa saja ditulis Yi: B,+ 81X1, + t.
= Bo: Adan B, B. Kalau Y = Bo+ B,-\
+ BrX, + . . . + BoX.rberarti hubungan mencakup (k + 1) variabel yaituk variabel bebas
X + X' Xz, . . ., X, dan Y sebagai variabel tidak bebas.
Di dalam model Yi: A + BX, +
Iinear sebagai berikut:

4,,

misalnya

e,

dan t_1 mempunyai bentuk hubungar.

ti+pi-l +vi,

lpl <1,
di mana 7i = kesalahan pengganggu ke-i
Dalam persamaan ini berlaku: E(.V)
t(V,V,,,)

o? unhtkr=0.l
: 6 ;;i , * n]
_

untuk semua

272
Stotktik: leori don Aplikosi
litid

Dalam hal ini, e, dikatakan


mengikuti otr
Untuk mencari niai
harapa;;

et:

__

Pei_t

+ V = p(pei_z +

:Vi +PV,-.tdv.-n
=
Jadi,

V,t

t-t

,\

EG) =
,i

Varinnce

V,_r)

;,#::T",.,,?::iffi:1,

P'v,_,

o, E(vi_) = o

Coaariance (_ VC)
dari matri ks kesalaha
11 pengganggu

lx'lt
E(1t)

vc=r{eer)=

,)

:]

E(r)

E(fl :

E(ener)

. . r('i)
.

E(zptv,_,)2

+ dE(\'i-r +
iv;z+
:l!l)
= E(v?) * p2E1V,r)

=(1,

aclalah

E(er4) . . . E(err,)l
e?i) . . E(tre j

...
poetv, _),

pn+... )o,i']-z'
: o; untuk semua i'

p, *

o?

Ingat, bahwa apabila


s =,1 +

)2

*'

i * po o . - koernr-rdian
(P2 +
r+ rp,- ..)=l f,
Jadi,s -7'-='r,l'tf,P'''' ) clans-ls=11 *oz

,,

+ pa

ps +

sehingga
a-

Dengan clemikian (1 +
p? + pn
Dapat clitunjukkan,
bahwa

ladi, E(er') =

[tp
d lo
LP"-'

+ ,r,, ,,

so,2

o]

7- p'
E(e,t,_,) = p,ojuntuk
r*0
1

p"'f

p'-2

p'-3 1 J

P'-2

: *!,^.\^ka. apabila
metode kuadrat terl
terkecir diterapkan
i a'tr"i,.;;rl;:LT"^":::,Ir:
untuk
(Best'ti,;;-i),'i,[,ii}i,rf,,,,!,,oli,!,^lJI::,-nr";;;;;;:;
,v"r,, ul.ar::Iil]f i.Y;Lf:i,?t:f
rasi. apabira ,";.o.l"guj,r,
| '"?+t;;r'iiirl''[rrou
.i:.J"Jl1,fflH
A pa
a m em an s
d i,,;k;;il
J:; p$# jr*
;"; l,j :f
unttrk menghilarrskannya.
:"y
turi"uif,?rhtrlu
sebelum *"iuirr.un
transformasr. pe
o,,n u u, alaka h'
o.1rt,L3,
j,
u
dir,
a.,i,r.l.;,;
k
;
[;;;.#,1],,,
f ^,*:l u" stiti,iit, "
;;il:,T I :yT:_'i,
menggunak
d i,,,i"niiff;ifi:,S:ffi:ffi,r_,"J"r?
Karena t(eer)

memperkirakan pa.ume*,

bi

e rja

=;

*i;*l;il'iJ,Tffl""

Bob

273

Regrcsi Bergondo

Stotistik d Durbin-Wotson
Misalnya, e, merupakan kesalahan pengganggu (disturbance error) yang sering disebut
residu dari suatu regresi linear

Y,:o+brXr,+brXr, +.
kk

Y.=
a+L
tj=lllttttj=1

U.X..

+e

.+

b,Xii+...boXo,+

-) e :Y - a -2

e,

bX
llt

Statistik d Durbin-Watson adalah sebagai berikut.


n_

.
LL -

, '..,

z(ei _ ei_r)'
i-1
--:--';:*:--

, :Egrf,
,t=1:

16.271
,

Durbin dan Watson sudah membuat tabel yang disebut Statistik d Durbin-Watson pada
tingkat nyata 5/o dan 1%. Tabel, memuat nilai batas atas (upper bound), d, dan nilai batas
bawah (lower bound) d., untuk berbagai nilai r (: besarnya sampel) dan k (banyaknya
variabel bebas: X1, Xz, ., Xi, . . ., X).
Untuk tingkat nyata 7fi, dan 5% dari d, dan d,, untuk k = 1, 2, . . , 5, dan berbagai
nilai n berkisar antara 15 dan 100, dapat dilihat dalam Tabel Statistik d Durbin-Watson
(Lampiran VIII). Untuk menguji hipotesis:
Ho : tak ada korelasi serial (otokorelasi) yang positif,

H,:

ada korelasi serial (otokorelasi) yang positif.

Kita hitung d berdasarkan rumus di atas dengan data hasil observasi, kemudian
membandingkan d dengan dr. Apablla ada korelasi serial yang positif (yaitu kalau 0 < p
< 1), d akan cenderung mempunyai nilai kecil. Dengan demikian, kalau d lebih kecil dari
d, maka kita tolak Ho dan menyimpulkan bahwa ada korelasi serial (otokorelasi). Kalau
d lebih besar dari du,kita tidak menolak H, dengan demikian tak ada otokorelasi. Kalau
dr. d < du, l<ta tak dapat mengambil kesimpulan dan diperlukan observasi lebih lanjut
agar dapat menentukan, apakah ada otokorelasi atau tidak.
Untuk menguji apakah ada otokorelasi negatif atau tidak, kita gunakan @ - d) sebagai
pengganti d. Apabila

(4-

d) <

d,kita

tolak H, yang mengatakan bahwa tak ada otokorelasi

negatif. Apabila (4 - d) > dr, kita tidak menolak Ho. Oleh karena itu tak ada otokorelasi
negatif. Selanjutnya, apabila dL < (4 - d) . d,,, hasll pengujian tak dapat disimpulkan.
Untuk pengujian hipotesis dua arah (two-toil test), kita simpulkan bahwa d : nyata
(significant) dan ada korelasi (positif atau negatif) kalau d. d, atau (4 - d). d.. Akan
tetapi, kalau d < d,, kemudian d : tidak nyata (not significant), maka disimpulkan tak ada
otokorelasi. Selain itu, hasil pengujian tak dapat disimpulkan. Apabila Tabel DurbinWatson sebesar 5/o digunakan untuk mencari du dan d, maka tingkat nyata yang harus
digunakan untuk pengujian dua arah (two-tqil test) adalah 70%.
Sebagai ilustrasi, kita pergunakan model Yi: 20 + 2X, + s, di mana , = 0,5 ti-t + Vi
dan kesalahan penggan11uVimerupakan distribusi yang bebas dengan E(Vi) = 0. Metode
kuadrat terkecil *""gn*iil.an garis regresi linear sederhana f :20,858 + 1,941, X. Statistik
d Durbin-Watson adalah sebagai berikut:
n

_ Z(ei -_ei-t) _

>-ef

23,497
42,740

= 0.557

274

Stotistik:Teori don Aplikosi tilid 2

Nilai

I, f,

e diperoleh

dari tabel berikut.


v"

,:i.1'!,

::"-1

4
5
6
7

10

5
6

3A,7

11

JJ,J

12
13

25,5
27,8
30,4
33,2
34,6
35,3
38,6
28,3
28,7

1.4

15

8
2
4

1.6

17

.;f;l::i':,r;

2X, : 83

,i

r:r,rr tnl.tef-.,g11;

24r,740

0,760

26,691

7,119
1,779
2,632

0,359
0,659
0,959

2,096

-0,541
-1,241

28,622
30,553

32,504
34,445
36,396
28,622
3A,563

0,955

2,274

1,359

-0,322

-2,536

*1,863

-L,54l

*1,145

26,2

32,504
34,445
26,691

-0,487

0,664

29,1,

28,622

0,479

0,959

28,5
34,3

-2,063
-2,096

-2,541

23,1.

30,563
36,396
24,740

28,1

28,622

-1,ga4

-1,640
-0,522

0,059
0,659

-0,a23
0,446
7,179

>el : +z,t+O
Zez,_r: 41,96

2Y, : 575,7
24 = 463
LXiYi -- 2.630

- e,_r)2 : 23,497
\ef ;t :29,969
Z(e,

Kita ingin menguji Ho : tak ada otokorelasi, dan


Hn : ada otokorelasi positif.
Dalam persoalan ini, n :

77, k

:1 :

banyaknya variabel bebas. Dengan menggunakan

tingkat nyata 5/o, kita*peroleh


1,1? ay
!+ l,: 7,zB (lihat Tabel o:"w puaJiompiran
vlll). Karena d : 0,557 < dr: 1,13,
maka Ho kita torak, yang berarti ada korelasi serial

(otokorelasi yang positif).


Sering kali prosedur iteratif, atau prosedur yang diulang-ulang digunakan untuk
menghilangkan otokorelasi. Model regresi: yi : A + BX, + eirtur-,iiginakan sebagai
ilustrasi. Karena , : pei_1 + I/,, maka
Yi

A + BX, +

Padahal, i_t

Yi t
Oleh karena itu,

e,

menjadi Y,

A + BX + pi-t + Vi

- BXi_l.

A + BX, + p(yi_t - A - BX,_r) + V,


pY,_r) : (A - pA) + B(X,- pXr_r) + V
Hubungan ini dapat ditulis seperti rumus berikut:
Y,

(Y,-

Yi = A' + BXi + Vi

i:2,3,
,n
:!,pA
1
Yi :Y,-pXi_t

dimana:

dan

Xi:Xi_pXi_t

t6.2S)

L(V) :0
E(14): or2dan E(ViVi_,):0, untuksemua idanr+0.

\oh

Regresi Bergondo

275

|adi, kalau variabel X' dan Y; sudah diketahui, maka kita dapat memperoleh Best Li,t:.;,
Unbiased Estimator untuk A, dan B.
Unt}k mengestimasi nilai Y' dan X', kita harus cari angka penduga untuk A dan :
melalui hubungan yang asli antara X dan Y, yaitu a danb. Penduga a danb ini kemudran
digunakan untuk menghitung residu (kesalahan pengganggu) e, sebagai berikut:

ei:Yi-a-bX,
Residu e, kemudian digunakan untuk memperkirakan otokorelasi
tingkat pertama, dalam bentuk berikut:

fi =bt*a
s.2
4i_l
p ini kemudian digunakan untuk
x,i =

(xi_

Yi: gi-

iX,_r)
pY,_r),untuk i

transformasi

7, 2, .

.,

p untuk

otoregresr

{6.29\

X' dan y,

n.

Dengan menggunakan metode kuadrat terkecil, kemudian kita bisa mengestimasi A' dan
B dari Rumus 6.28, katakanlah a' dan b.
Apabila residu yang diperoleh dari hubungan baru y' = A' + BX' + v ternvata
berotokorelasi, maka hubungan baru ini dapat digunakan untuk memperoleh penduga p

yang baru, yang selanjutnya digunakan untuk memperoleh variabel transformasi ,,Iang
baru X" dan Y" berdasarkan data observasi yang asii.
yang berulang-ulang ini dapat diteruskan sampai otokorelasi hilang. Dengan
_Prosedur
sendirinya, prosedur ini dapat diperluas untuk regresi lineir berganda. Tabel se6elum.,i a
yang memuat X,, Yu e,, dan i - e i_t dapat digunakan sebagai ilustrasi.
??=,?9? :0,716,
p
' - 4^t1i-t
Ze'r,= 41,860

di mana p
- -- penduga
r adalah
r -"-'--o-'

p.

p kemudian digunakan untuk memperoleh variabel transformasi X dan Y yang baru,


yaitu X' dan Y.
Nilai Xi Y,', ei dan (ei - ei ,) adalah sebagai berikut:

xi,

Y.',:
I.

a,,i;.r- ,i

(sf'r,*il

1,569
1,852

2,736

9,542
L0,4g5
17,434

0,643
1.,023

0,390

1,389

0,366
-1,17g

2,420

10,829

0,211

2,704
2,ggg
-1,729

1.0,526

4,665

13,325
0,663

1,56L

-0,876
2,226

-1,599
-1,609

4,467

1,41.

11

2,704

8,437
10,151
11,319

-3,150
*0,0L9

10

2,736
2,420

72
13
14
15
16

-2,072

2,357

0,595
0,550

1,952

14347

2,1.36

1,249

4,420

7,665
13,994

0,128
0,679
0,869
--2,390

4,758

1,622

-3,728

-72,459

17

2,569

11,560

0,323
0,644

0,327

7
8
9

0,197

1,0g1

276

Stotktik: leori don Aplikosi lilid 2

24,436
Z*', =
Zr;r,' = 3s2,677
L v,' = 141,079 f ,',' = 19,690
n,^

n^

t x' - 105.333

L ki l=3

.-:t

'i-1)t

33,765

Garis regresi linear sederhana yang baru, berdasarkan data transformasi


sebagai berikut.

d,any,, adalah

{,r :5,737
+ 2,017X', a' :5,737
Y'

A dapat diperoleh langsung dari hasil pendugaan A,.


Mengingat, bahwa A' : A - pA: (1 - p)A

Penduga

A'
- 4= 7* p
maka c sebagai penduga
o

o'

= 7-p
=

dapat dihitung sebagai berikut.

5,7-32,
20.207
=,7-0,776
= -v''v

Jadi, garis regresi yang baru, berdasarkan data yang asli, dapat dituliskan sebagai berikut.

?:

a + bX

20,201 + 2,017X.

Statistik d Durbin-Watson untuk data hasil transformasi:

,, _

Z(ei

- eit)

-__-----=Zei

33,765

19,630

Perhatikan, berdasarkan variabel baru hasil transformasi, kita hanya mempuny ai n, : n


-1= 77 -7:76. Untuk k = 1 dan n' =16, karau a:b,/o, dt:7,'J,}'d.and,: Lar. Karena
rl' :_7.,72 > du:
Ho tidak ditolak. Berarti, tidak ada korelasi serial yang positif,
-1,37, -maka
apabila digunakan data
baru hasil transformasi.
Heteroskedostisitos

Apabila matriks YC (Variance-Coasriance) kesalahan pengganggu adalah sebagai berikut:

0l

0l
[o

,,,,)

dan beberapa elemen pada diagonal utama tidak sama dengan satu (v,, + 1), maka
kesalahan pengganggu disebut heteroskedastis. Dengan pJrkataan lain, kesalahan
pengganggu merupakan variabel bebas, akan tetapi dengan varians dan untuk setiap
nilai X (nilai konstan) yang berbeda, di mana X merupakin variabel bebas.
y: pengeluaian rumah tangga, maka biasanya
Kalau 1g: pendapltal
rymah tangga,
varians Y akan naik apabila X naik. Artinya bagi rumah tangga dengan ti-ngkat pendapatan
yang tinggi akan terdapat variasi yang tinggi pada pola pengeluarannya. fenyataannya
ini sering dijumpai dalam studi anggaran rumah tanggi (lamity budgit studiei).
_ Sebagai ilustrasi, misalnya kita pergunakan suatu regresi lineaa dan kita asumsikan
bahwa varians dari kesalahan pengganggu adalah propJrsional terhadap *, yaitu:

Bob

Regresi Bergondo

277

E(fl=dxl,i=7,2,3, .

,11

Atau, bila model regresi tersebut dir-ryatakan dalam bentuk matriks:

Y=XB+e
di mana seperti biasanya,
(1) E(e) :

o
X?I

(2) t(e r)

oz

0
(3) X suatu matriks

0 ...x2

konstan, artinya tak berubah

dari sampel ke sampel.

Untuk memperoleh penduga parameter B dengan metode kuadrat terkecil, mula-mui.:


kita cari matriks T sedemikian rupa sehingga:
L(J -l ') =
E(r_rlr)
*I*
='(t-t

(5.30

Dalam hal ini, matriks T adalah sebagai beriktrt

T-

TlXt
0

0
...
7lx2

0
0

Tr = transpos matriks T

ooux"
Kalau Y = XB + kita kalikan dengan I kita peroleh TY = TXB + Tt.
Kemudian kalau b" sebagai penduga B diperoleh dengan metode kuadrat terkecil
maka kita peroleh rumus berikut
b*

: (Nr*N)'

X'rrr.v

(6.31)

Apabila kita hanya mempunyai hubungan antara dua variabel X dan Y dalam bentuk
regresi linear sederhana Y: Br+ BrX + e, maka metode kuadrat terkecil akan menghasilk.rn
rumus untuk b* sebagai berikut:

b--

I b;l
L,J

arl
di mana

t:
I

b;l

lX ? - ztl x,>Yi lx
nzllxl - (z7lx)7

nLY;

zuX?izYilXi
2Y,lX -Zl.lXiLYilX;
n>,Ux7

- (z1.lxi)2

rc.321

278

Stotistik:leoridonAplikosi

Cara alternatif untuk memperoleh angka penduga


terhadap data hasil transformasi sebagai berikut:

b*

di atas, dapat dilakukan langsung

Yi: Bo + BrX,+ I kalikan dengan t'; ton.urlrformasi),


YilXi: BolX,+ Br+ V, di mana V,: elX,
Kemudiary tentukan

bi

sebagai

akan diperoleh

titik potong/konstanta Y,lX, terhadap

71X,.

Cara mendapatkannya:
Yo

ao

boXo,

: Y ilXl
bo -- bo dan Xo : T lXi

di mana a, =

ao=To-bo*o
,^ _ nZXsYs - IXo

b1, Yo

:Yo

'o- nzxi-oxnf
,-

- UllXiLYtlXi
nL(11 Xi12 - 1ZtlX,)2
_ nzYi lx? - ,1.lxi zYi lxi
nz(11x,)2 - (21.lxi)?
nZ(7lXi)(YilXi)

ao=To-bnxn+vo=ffxr=+
-

, -i i;4-6;'-1

IYo _ IXo JnIXoYo

_n

YolnLX&

_ ,?(rv0XrxA)

rXoEYo|

(>,x)21 - nlxo {nLXLYo


n21n>xfi - (rxo)2)

2x0 LY|}

- (tvoXrxo)2 - 7?(:x0)_(tx0Y0)+ (rx0)2


n{nLxfi - (rxo)2

rYO

- (rxox:xoYo)
(rXo )2
">xt _ >,11x7 zyilxj - zllxi z_yiz lx!, di mana datam hal ini, bz = bi
n>1lxl - (z1lx)2
_ (rxo2)(rYo)

Sebagai ilustrasi, perhatikan tabel berikut.


1

x,

r/x;

\/x?

T,

Yi/Xi

v.lx?
1',

7,4

1,00

1,2

12,0

12,00

0,5

0,25

15

7,5

3,75

10

0,1

0,01

27

2,7

0,27

0,2

0,04

22

4,4

0,88

1.

7,0

1,00

72

12,0

72,00

0,5

0,25

13

6,5

3,25

]umlah

ZXi:

T1X^ =

21X,r:

LY.:

21

J,J

)\\

101

lilid2

2Y ilXi
45,7

zYilxi2:
32,1,5

Bil 6

Regresi Bergondo

279

L. _ nZYilXl

-LllXiLYilXi

nzllxl - (z7lxi)z
6(32,7s)
- (3,3)(45,7)
_
6(2,55) - (3,3)2
_44,07 _ooo
4,4

,- _>1lxl zYilxi -'-llxEYilxl


"t n2y yz, 1zt 1 4f

- (3,3)(32,15)
6(2,55) - (33)2

(2,55)(45,1)

= 2,02

Jadi,

?:

tto

brX:

9,99 + 2,02X.

Matriks VC dari h* adalah sebagai berikut.

var(&'):o2(xtTlTx)z:ozLrTzxfr

Cov(b,-,

[var(b,')

l^

lCov(br",

br.)

br'l

.l

Var(&r.)-l

-zltxi]
tn
"
- ,r.llx, -Txlx] |
l-21 txi 21 tx: )
|

Berdasarkan perhitungan

di

atas,

,, 91!2'5?\
,. = 0,58o2 (o2 tak diketahui)
' ) = 6(2,5s)
- (3,3Y

Var(&;

-2
'
Untuk k
(n

TrTe (y - x'h)1 TL(Y - x'b)


rr-k
n-k-1

e1

z)s!

z)s? =

21 I

x? (Y, - b;

b2.xi)2

: 2 +@)

atau,

(n

LT

lx?

(eiz).

Berdasarkan hasil perhitungan sebelumnya, ternyata S: :0,7877.

Jadi,
:

Var(bi)

(0,58)(0,1877):

Sb'

Untuk menguji hipotesis bahwa Bt = 0, dengan alternatif bahwa B, + 0, di mana a


0,05, caranya adalah sebagai berikut.

b;
il'u =
H- = 6,7324 = 6,1
=
- s/'r =- -3&:
-0@4-w'tJLa
rb,ross
t

a(n-t)

Karena

fo,os(+)

to: 6,7,

2'7764

fo,or(n)

:2,7764, maka Ho ditolak. Berarti, Br+

0.

Ststktik: leori don Aplikosi lilid 2

Kolineoritos Bergondo

Apabila kita menggunakan model regresi Y : A + BrX. + BrXr+ BrX, + . . . + BrXr + e,


atau Y : Bo + BrX, + BrXr+ . . . + B#r+ e, dalam hal ini kita mempunyai asumsi bahwa
Xl, X2, Xr, . . ., Xo sebagai variabel-variabel bebas tidak berkorelasi satu sama lain.
Seandainya variabel-variabel bebas tersebut berkorelasi satu sama lain, maka
dikatakan terjadi kolinearitas berganda (rnulti collinearity).IrJ.al ini sering terjadi pada data
berkala (time series data),|<hususnya di bidang ekonomi. Secara ekstrem, ada kemungkinan
terjadi 2 variabel atau lebih mempunyai hubungan (korelasi) yang sangat kuat sehingga
pengaruh masing-masing variabel tersebut terhadap Y sukar untuk dibedakan.
Perhatikan hubungan linear berikut:

Yi:Bo+BrXr,+BrXr, + e,
Misalkan X, dan X, mempunyai hubungan sedemikian rupa sehingga Xr, = kX* di mana
k: bilangan konstan. Untuk memperkirakan Bs, B, danB,kita harus menggunakan data
hasil observasi sebanyak r, untuk variabel X, dan X, sebagai berikut:

xrl

Xr, x, x*
Y"v^Y^Y.v

.ixir,
,Yi

x,

xr,

tlJtl

Dalam hal ini, metode kuadrat terkecil tidak dapat menghasilkan penduga bu b1,_b2, .
b, yang BLUE karena r(XrX) < k - 2, di mana / : rank matriks, sehingga det (Xry) :
Karerl.u det (XrX) : 0, maka (XrXl1 tak dapat dicari.

0.

Jadi,

b.: (xrx)-l xry


tak mungkin dapat dihitung. Perhatikan uraian berikut:
1

x1

1 ...1
xrn
xr,

XTX:

xr., X,
Karena

Xr,:

xr,

7X:|

x:n

! !"!"

Lxr,

1X,X"

LXx

s\z
urr2,

zxlix2i
'zxtr,

zX\ zx2ixli

2x",

kXr,, maka

xrx

f n

| ,r,,
I t:x,,

IX,, k IXii -l
LX',, k zxti
kLxli k'z zxlt]
I

Ingat, bahwa berdasarkan teori matriks, nilai determinan suatu matriks tidak berubah
kalau suatu baris/kolom dikalikan dengan suatu bilangan konstary kemudian barisl
kolom lain dikurangi dengan baris/kolom tersebut.
Dalam hal ini, kalikan baris 2 dengan k

k (xx1' 2x1i k 2x1) = (k LXli k zxli

Lxtrt)

Bob

2il

ftegresi Bergondo

kemudian baris 3 dikurangi dengan baris 2, maka kita peroleh:

LXu
,4,

xrx t ZX,,
I

k txli
k txzli

Menurut teori matriks, kalau baris/kolom suatu rnatriks semua elernennya 0, maka
determinan matriks yang bersangkutan nol. Karena det(Xrx) : 0, maka XrX adalah
matriks singular dantarenanya (XrX)-1, tidak acla. (Perhatikan Soal-soal Lotihan dalsm B,ii'
6 ini, khususnyn soal No. 11).
Di dalam praktek, hubungan yang sempurna (exact or perfect relationship)jarang terjadi.
Seperti kita ketahui, hubungan antarvariabel sering digunakan untuk memperkirakan
meramalkan variabel lainnya, apabila nilai variabel-variabel bebasnya sudah diketahui.
Dalam persoalan ekonomi, misalnya, kita ingin meramalkan permintaan beras (= )-1
dengan menggunakan data penduduk (: Xr) dan pendapatan (: Xr). Beberapa negara
menunjukkan bahwa ada I'rubungan yang erat antara pendapatan nasional dengarr
penduduknya. ]adi, ada hubungan yang erat antara X, dan X, yang berarti terjacli
kolinearitas berganda. Akibat yang langsung dirasakan ialah:
(1) Kalau hubungan tersebut sempurna, maka koefisien regresi parsial tak akan dapat

(2)
(3)

diestimasi.
Kalau hubungan tersebut tidak sempurna, maka koefisien regresi parsial masih dapat
diestimasi, tetapi kesalahan baku dari penduga koefisien regresi parsial sangat besar.

Koefisien regresi parsial yang menurut teori bertanda (+) bisa menjadi (-). Hal ini
menyebabkan pendugaan/ramalan nilai Y dengan menggunakan X, dan X, kurang

teliti.
Adanya kolinearitas berganda dapat dicegah/dihindari, antara lain dengan menggunakan salah satu variabel X, atau X, misalnya X: XrlXryang merupakan pendapatan
per kapita, atau menggunakan apa yang disebut a priori extroneous information.
Penggunaan " extraneous information" sangat tergantung pada beberapa hal, misalnva
jenis informasi yang ada, tujuan analisis, dan daya khayal/imajinasi peneliti/analisis
karena memang tidak ada aturan yang tepat untuk hal ini.
Sebagai contoh misalnya, dari suatu model regresi linear berganda,
Y

Bo

+ BrX, + B2X2+ BrX, +

ternyata X, dan X, mempunyai hubungan yang sangat kuat. Berdasarkan "extranaott:


informntion," diketahui bahwa Br:0,58r. Dengan demikian hubungan tersebut bisa diubah
menjadi

Y =Bo+8,X, +Br(X2+0,5Xr) +e
: Bo + BrX, + BrXn+ e, di mana X+: Xz + 0,5Xr.
Metode kuadrat terkecil dapat dipergunakan untuk mengestimasi B* B, dan B, di mana
Y merupakan regresi terhadap variabel bebas X, dan \. Bagi pembaca yang ingin mendalami lihat; PENGANTAR EKONOMETRIK, oleh J. Supranto, Penerbit Ghalia (2004).
ANAITSIS RtGRtSr BERGANDA BERDASARKAN KTIUARA]{ (oUTPUT) KoTUIPUTER

Dalam kasus regresi berganda yang melibatkan banyak variabel bebas (X), pendugaan
koefisien-koefisien regresi menjadi semakin sulit dan rumit tidak seperti pada regresi
sederhana. Untuk mengatasi hal itu, beberapa paket program komputer yang ada dapat
menyelesaikan persamaan regresi berganda dengan mudah. Dalam buku ini, paket program yang digunakan adalah Microsoft Excel. Langkah-langkah untuk memperoleh
persamaan regresi berganda dapat dilihat pada akhir bab ini.

282

Stotistik: leori don Aplikosi lilid 2

Coro Memboco Keluoron (Outputl Komputer

Untuk persamaan regresi linear berganda dengan dua variabel bebas:

t:bo+brXr,+brx,
koefisien-koefisien bo, b' dan b, dapat diperoleh dengan menggunakan metode kuadrat
terkecil dari Microsoft Excel.
Berikut adalah contoh keluaran (output) paket program Excel untuk persamaan regresi
dengan variabel tak bebas Y : konsumsi listrik bulanan yang tergantung pada keadaan
cuaca yang diukur dengan temperatur/suhu X, dan insulasi X, pada sebuah rumah
tangga. Hasil pengolahan dengan Microsoft Excel dapat dilihat pada peraga di bawah ini.

Reqression Stat-istic
iD 1e

Mu1

o -982655

0.96561

F Souare

Adjusted,P square

0.959879

Standald Error

26.013'18

Observations

15

---( ssRI
ANOVA

(ssr) dr
sr)
\2
_ ____.t?

Regression
Res

idual

Tota

14

lcf

rntercept f;-\
remp(F) /"-l\
\-Lt--'r
InsuLataon

( r,y

f icients

-3120.5030r6

Standard

Error

2t -093110433

5.435s81

4.336216161

-20.47232

2.34505227

662 .

114007.3
676

t68

Significance

1.6s411E-09

. 47 72

t69

236t36.2293

IsL

MS

228074 ,6263

Stat

26.65094

Lower

P-vaIue
7gE

12

95?

Upper

952

515.1930837

608.10893

1699

1.64E-09

6.169t32673

4.144429

B.54313

1.918-06

-25 .11620L02

1.4.90844

L6

Dari peraga tersebut, secara umum persamaan regresi dapat ditulis sebagai berikut:

?:

eezls

s,4366x1- 2o,o723xz

Besarnya sumbangan X, dan X, dalam menjelaskan variasi y (R2) adalah 96,56y(,. Kesalahan
baku model regresi Sr: Su.tz- 26,01,38, sedangkan kesalahan baku untuk masing-masing
koefisien regresi bo, b' ddn b, masing-masing adalah
suo

:21,0937

sq :

o'3362

c, - ) al)q

'O.

untuk melakukan pengujian keberartian tiap-tiap koefisien regresi


dilihat pada nilai f Stat.

bo,

b'

dan b, dapat

Bob

Regresi Bergondo

283

Untuk menguji hipotesis Ho : Bo :

Ho:Bo*0
662,151
r,
Lobs-*-zl'oszl
= !a- =
= 26.6509

r.o, ini dibandingkan dengan nilai f tabel : ta,(,


k, atau dengan membandingkan
nilai a yang digunakan dengan nilai P-oalue. Misalnyi digunakan a : 5(/o. Diketihui
pada output komputer P-value :4,78 x 10-12 yang nilainya jauh lebih kecil dari 0,05 dan
bahkan lebih kecil dari 0,01. Dengan demikian dapat disimpulkan bahwa Ho ditolak

nlai

karena hasil pengujian menunjukkan hasil yang sangat nyata (highly significant). Dengan
cara yang sama dapat dilakukan pada pengujian koefisien b, dan br. Pada dasarnya,
kalau nilai p < d, Ho ditotak, sedangkan kalau p z a, Ho diterima (tiaat ditolak)

Selong Kepercoyoon

95% bogi Bn Bu don B,

Pendugaan selang bagi Bo, B, dan B, secara langsung dapat diperoleh dari keluaran
komputer yang hasilnya adalah sebagai berikut.
Pendugaan selang bagi

Bo

516,1937 _. Bo

609,1099

Pendugaan selang bagi B,


-6,7697

! Br. 1,7040

Pendugaan selang bagi B,

-25,77621

8,1

-74,9094

Anolisis Vorions

Untuk menguji keberartian model secara simultan dapat dilihat pada tampilan di bawah
ANOVA. Dari keluaran program komputer tersebut tabel ANOVA dapat disusun sebagai
berikut.
eberorlion

Sumber
Variasi

]umlah
Kuadrat

Dgrajat,

Regresi

IKR:

228014,4263

JKE

8120,6030

12

236735,2293

t4

Residu/Error

IKT:

Total

Kebeb*san

Ra!a-rat*
Kuadrat

RKR: 174407,3
RKE: 676,7169

RKR 114007
.
F.b.=ffi=ffi=168,1772
1

dibandingkan dengan F tabel : Fo,&,u_k_1) atau secara langsung dapat dilihat pada
tingkat signifikasi F pada nilai di bawah signifikansi F sebesar 7,6541. x 10-e yang nilainya
jauh lebih kecil dari 0,07 (7%), sehingga model dinyatakan sangat berarti/signifikan.
Kalau signifikansi p q (r, Ho ditolak, sedangkan kalau signifikansi F t a, Ho diterima (tak
ditolak).
F,,6,

284

Stotistik:

leoi don

Aplikosi

lilid 2

ISTILAH PENTING
Homoskedastisitas: asumsi mengenai varians yang sama dalam analisis regresi.
Koefisien ileterminasi: koefisien yang mengukur besarnya kontribusi variasi X terhadap
variasi Y.
Koefisien korelasi parsial: koefisien korelasi antara dua variabel dalam regresi berganda
yang bebas dari pengaruh variabel lain (variabel lain konstan).
Residu: variasi Y yang berasal dari kesalahan pengganggu.

RINGKASAN RUMUS
Model regresi linear berganda untuk populasi

Yi:
2.

Bo

Persamaan regresi linear berganda untuk sampel

,: :
J.

+ BrXri + BrXr,+ . . . + Br\ti +

Oo

+ b1xli + brXr,+ . . . + boXr, +

e,

Persamaan regresi linear berganda perkiraan

? = bo + brX, + bzxz+ . . . + boXr


Var(&)
4.

s:,xrx))
e '-

Varians kesalahan pengganggu

5.

: sl:
Le?

" n-1, I

Statistik uji koefisien regresi parsial

b,-8,

fnr,,: -#,
>b
6.

j :0,1,2

Koefisien deterlninasi dengan dua variabel bebas

\o?
^
p2
-'t -1
,,y.t?
-1 g-,--{
7.

^'
5On

Hubungan antara koefisien determinasi berganda Rl ,, dengan koefisien determinasi


sederhana

o2 -

"u.tz
8.

(s"2)

'1,

* (. 2rytryzrtz
1-r?,

Hubungan antarkorelasi parsial


ty1.2 =

rrt - ryz\z

1-6.18:4

tyz.1 =

rr.12 =

,r:el=

Bob

Reyesi fiergondo

9.

285

Hubungan koefisien regresi parsial dengan koefisien korelasi parsial


s_.

vv12 -tu|)

"

>1 .2

s,..
h
uu21
-v
-tu2'l

10.

^
52.1

Uji keberartian model (ANOVA)


R2lk

E_

(1-R')l@-k-7)

1-1. Uji Durbin


n

d=4

Watson

k, - ,,_r)'
n
s,2
/- c[
i=L

12. Otokorelasi untuk otoregresi tingkat pertama

APLIKASI KOMPUTER
Berikut ini langkah-langkah untuk mendapatkan hasil analisis regresi berganda dengan
Microsoft Excel. Sebagai contoh, data variabel Y disimpan pada kolom A baris ke-2 sampai
dengan baris ke-11, data variabel X, diketik pada kolom B baris ke-2 sampai baris ke-12
dan data variabel X, diketik pada kolom C baris ke-2 sampai baris ke-17 (Catatan: Anda
dapat mengetik sebarang angka untuk pengisian data dari masing-masiflg Y, X, dan Xr)
Langkah 1
Langkah 2
Langkah 3
Langkah 4

Pilih TOOLS pada menu utama


Pilih pilihan DATA ANALYSIS
Ketika kotak dialog nampak, pilih REGRESS/ON
Ketika kotak dialog REGRESSION nampak
Ketlk A2..A11 pada kotak /NPUT Y RANGE
Ketik 82..C11 pada kotak /NPUT X RANGE
Ketlk A14 pada kotak OUTPUT RANGE
Pilih oK

Hasilnya dapat Anda lihat di layar mulai kolom A baris ke-14. Interpretasi dari hasil
dapat Anda lihat pada subbab sebelumnya.

PERTANYAAN & LATIHAN

1. a)
b)

Dengan menggunakan metode kuadrat terkecil, cari rumus dari b., dan brsebagai penduga

B. dan B, apabila persamaan regresinya: Y = 44 + BrX, + e.


Tuliskan persamaan normal untuk menghitung 4 b1, b2, bo, dan bo sebagai penduga ,4,
8., B, B* dan 84, yang merupakan koefisien regresi parsial dalam persamaan regresi
linear berganda:
Y= A +

8,4 *

BrX, + BrX, +BoXo +

e.

Stotistik:leori don Aplikosi lilid 2

286

2.

Xz

= (dla-rata pendapatan penduduk per tahun (ribuan rupiah)

X, -- rala-rala biaya pemasangan iklan per tahun (jutaan rupiah)


Y

= rala-rala hasil penjualan perusahaan A per tahun (iutaan rupiah)

a)

Xi

51

44

52

x3

8Z

52

68

57
I
72

62

53

61

12

11

78

s8

58

74

Kalau X= Bo+ 8,X., + BrX, + e, di mana bo, b,, dan b, adalah penduga Bo, B, dan B,
maka dengan menggunakan metode kuadrat terkecil, carilah:

Y=bo*b.,4+brX,
b) Hitung r/, ryz,42dan ry2, rr2.l
c) Hitung rfl 2 dan r2yz', apa arlinya?
d) Hilung R2,az= R2, apa ariinya?
3. a) Dengan menggunakan data Soal 2, ujilah

b)
c)
d)
4.

pendapat bahwa X, tidak mempengaruhi X


Gunakan a = 0,01.
Dengan menggunakan data Soal 2, ujilah pendapat bahwa X, tidak mempengaruhi X
Gunakan a = 0,05.
Dengan menggunakan tingkat keyakinan sebesar 95%, buatlah pendugaan inlerval 8,.
Dengan tingkat keyakinan sebesar 90%, buatlah pendugaan interval 6r.

Berdasarkan data berikut

20 45

4
x2

a)
b)

3S 57

40

62 50 22 60

4O 65 70 80' 50
80 . 7:{r :35 40
190 340 850' 400, 300 450 370 180 280
,

i,

34
O0

300

Dengan menggunakan metode kuadrat terkecil, cari persamaan regresi linear berganda:

Y= bo + b,.\ + brX,
Dengan menggunakan analisis varians, ujilah pendapat bahwa X, dan X, Iidak
mempengaruhi I dengan alternatif ada pengaruhnya. Gunakan cr = 0,05 dan 0,0'1
.

c)
d)

Hitung S, dan R2.


Berapa ramalan X kalau 4 = 75 dan X, = 90. Cantumkan nilai ,f dan Rz di dalam
persamaan regresi linear berganda yang akan digunakan untuk meramalkan X

5. a)

Dalam Bab 5, telah diterangkan mengenai transformasi untuk fungsi-fungsi yang bukan
linear menjadi linear: Y= ail+log Y= log a+ (log b)X=Yo= do+ boXdi mana Xo
= log Y ao = log a dan bo= log b. lni disebut "semi transformatron." Teknik transformasi
ini juga berlaku bagi regresi berganda.

Apabila: Dr= jumlah

permintaan atas barang

P*=harga satuan barang X


Pr=harga satuan barang Yyang merupakan substitusi X
D,= A14, di mana A, B, dan C adalah parameter yang nilainya akan
diestimasi.

Ubahlah menjadi persamaan linear, dan carilah persamaan normalnya!

b)

Fungsi permintaan beras dari suatu negara adalah sebagai berikut:


D=1371,59+ 2,6999Y-0,167N - 0,086P. R2=0,87

2 = konsumsi
X
7ll

(0,264) (0,01e)

beras dalam satuan

indeks PDB

= jumlah penduduk (ribuan)

P = harga eceran beras dalam

satuan

(0,01e)

Boh

:t'

Regresi Bergondo

Dengan menggunakan a= 0,01, ujilah pendapat bahwa tidak ada pengaruh harga ter-.:::
permintaan beras, dengan alternatif ada pengaruh yang negatif. Kemudian ujilah, bahv,: .:.
ada pengaruh PDB terhadap permintaan beras, dengan alternatif ada pengaruh positif. A-:..
dalam kurung, menunjukkan kesalahan baku.

6. f

= pengeluaran rumah tangga untuk pembelian barang tahan lama dari penduduk s,a-negara (ratusan dollar)

,.( - pendapatan rumah tangga (ribuan dollar)


X, = jumlah anggota keluarga (orang)
Y

23 ,,7 ,15 :t7 23

X,

1O,. Z

x"

a)
b)
c)
d)
e)
0
7.

Carilah

bo

4 ,.,,S.. I

,2

4.

10 ,t4 20

19

, 7' , 4

,5

+ b.,X, + brX* dengan metode kuadrat terkecil.

"
Ujilah pendapat
bahwa Xrlidak mempengaruhi

I dengan alternatif ada pengaruh positif


Gunakan a=0,01 .
Ujilah pendapat bahwa Xrtidak mempengaruhi I dengan alternatif ada pengaruh negatif
Gunakan a = 0,05.
HilunQ ryzdan rrz,. Kemudian hrlung Fyzdan r2rzt, apakah arti dari hasil hitungan ini?
nitung Rlt.z = R2. Apakah arti dari hasil hitungan ini?
Berapakah Yapabila 4 = 12 dan Xr= 9t

Bagian pemasaran suatu perusahaan besar, mendapatkan tenaga baru untuk dilatih menjadr
salesmen. Sebelum dilatih, mereka harus mengambil aptitude testsebanyak 2kali.
\ dan X,
merupakan nilai hasil aptitude testl dan ll, sedangkan Xmerupakan nilai hasil ujian'setelah
melakukan latihan. Dari 10 calon diperoleh hasil sebagai berikut:

. 69,, ',88 V1 69 61 70
){2
43 ,40 , ,,47 37 36 34 37
'72
Y
Pi
,95 ,, 90 " 8*
,98 ,8*: , 7$ 74 7A
a) Dengan menggunakan metode kuadrat terkecil, tentukan bo + br\ dan brX".
b) Apa arti b. dan br?
c) Kalau kita perhatikan Y dan X, saja, kemudian kita buat regresi sederhana i = b, *
b.,\, apakah b., dari Y= b, + Q\ sama dengan b, dari , = bo + br\ + brXr. Kalau
tidak, berikan alasan.
d) H,itune rrt z dan /"r2..r. Apakah berbeda dengan rr, dan rrr? Kalau berbeda, berikan
74 ,5S

e)
8.

&9

76,

6S ,41 ' 4$ ,

alasan.
Apabila ada calon ke-11 , di mana dia mendapatkan
hasil nilai ujian setelah latihan selesai?

= gO dan

Xr= 50, berapa perkiraan

Hasil penjualan suatu perusahaan selama 7 tahun adalah sebagai berikut.

1971

T*hun
Hasil penjualan
(jutaan Rp)

197 f983, 1974 1975 1976


5

15

26

37

19?7

50

X= hasil penjualan.
X= 0 untuk tahun 1974, maka nilai Xuntuk tahun{ahun sebelum dan sesudah

Kalau

menjadi:

X: -3, -2, -1,0,1,2,

O.

Misalnya digunakan model regresi_: Y= Bo+

+ e, di mana

1974

= Xdan Xr=

8,4

+ edengan perkiraan

y= bo+ b,X, + b,X,

Stotktik: Ieori don Aplikosi lilid 2

288

a)
b)

Gunakan metode kuadrat terkecil untung menghitung bo, b.,, dan D, Kemudian buat
persamaan regresi Y= bo + b,4 = bzXz.
Berapa ramalan Xuntuk tahun 1978 dan 1979? (X= 4 dan X= 5).

9. 4, X,

dan

.\

adalah 3 variabel yang saling berkorelasi.

5r = 1, Sz= 1,3, s. =

1,9;

= 0,370, 4s = 4,641 '


Kalau Xo = (4 * Xr), cari hz,
r.rz

rzs =

4,736. Hitung 4.r!

t+g, dan ro".r. Tunjukkan bahwa 4s.z

rcs.zl

10. a) Yi= bo* b',4,+ brXr,+ e, i=1,2, " ', r' Diketahui, n=100,'4i=zXz,=L4tXzi
='o, iYi= io, >4,ro = 30,LXziYi= zo, Eti = 35, dan ZXl,= a.

b)

Dengan menggunakan metode kuadrat terkecil, hitunglah bo, b.t, dan b*


Dengan model dari a, cari bo, b,, dan brberdasarkan data berikut:

x.,

illi!ititi:#

t!i!i;1,,;,::1;i;!il*:ri ::,i

:.;#

,$t

Pergunakan regresi linear berganda ?

4=+danXr=5.
c) Diri data a dan b, hitung ,92 = Rztaz
11. a)

;r i*r;

,=

bo

#,

b,\,+

brX*unluk meramalkan

kalau

Dengan menggunakan metode kuadrat terkecil, tunjukkan bahwa b, b.,, dan D, sebagai
penduga Bo,B'dan Brdari model regresi Y= Br+ 8,4* BrXr+ etidakdapatdihitung,
apabila data observasi Y 4,dan X, adalah sebagai berikut.

Jelaskan!

12.

Berdasarkan data berikut,

2,6
3,2
3,7
4,7
6;7
9,5

7,4

1976
1577
1978
1979
1980

7,1

8,5
10,8
11,6

2?.,8

32,0
45,4

54,0
59,6

1S81

15,6

1982
1983

24,0

'!

252

'13,5

61 ,4

1S84
1S85

22,3

86,1

1986

21,9

19,0
19,3
19,6

21,1

1,5

Sumber. BPS, Tabel Pokok Pendapat Nasional (1986).

cari persamaan

15,5
19,0

i ,-

a + bE u,

E(Y)=A+BErr+C/r.,
Uiilah Ho: B= C=O

* ci ,., sebagai perkiraan.

92,8
95,3

Bob

289

Regresi Bergondo

H, : B= 0 atau C *

(a =

5"/o)

Gunakan analisis varians dengan statistik uji

i*:;,#lli lii::$:,i:ir,'ui'ili'Siir"ijil:ii:rii::i r!r;'::+;,,U*iit,

13.

X,
::,t

" :6.";

r.

t Id:

a.
b.
c.
d.
14.

!!{1.1.1;.. ll l.l

'#iiriiiiiiri$iii ili li: i i#iii ili i


gr

iii:

I ;t

Dengan persamaan regresi berganda


dan X2 = 122

ii:'i.i,!riii]:

i$

Y = bo+

i::l:

iii

Q\+

ii!

iii

iir:i ii i .*.

;st:i

taaa

i::i

lip

brX,berapa ramalan Yapabila

Ujilah hipotesis bahwa Bo = 0 dengan alternatif tak sama dengan 0, gunakan ct =


Buatlah perkiraan interval 8, dengan tingkat keyakinan 95%.
Ujilah bahwa Bz = 0,50 dengan alternatif tak sama dengan nol, gunakan u, = 5o/o.

4=10

5o/o.

Dengan menggunakan data Soal Nomor 13.


Ujilah bahwa 4 = O,75 dengan alternatif tak sama dengan 0,75. Pergunakan u= 5o/o
Hitung ,92 dan apa artinya?
Ujilah hipotesis bahwa Br= Bz= 0 dengan alternatif salah satu tak sama dengan nol. Pergunakan
analisis varians dengan F test dan a = 5o/o.
d. Ujilah hipotesis bahwa Bz = O dengan alternatif tak sama dengan nol. Pergunakan analisis
varians dengan F test dan cL = 5o/o.

a.
b.
c.

15. a.

b.

c.

Jelaskan
Jelaskan
Jelaskan
Jelaskan
Jelaskan

arli
arti
arti
arti

analisis varians dalam persoalan regresi. (Untuk menguji apa saja?)


koefisien regresi parsial!
koefisien korelasi parsial!
koefisien determinasi parsial!

apa arti
bo

jelaskan apa

+ b,4 + brX, + b"Xy dan

arti:

bor..,,

bo,.r,
bo".r,

d.

Anda ingin meramalkan Xdengan persamaan regresi berganda, sebutkan beberapa variabel
yang harus dimasukkan dalam persamaan apabila:
X= produksi padi
X= hasil penjualan

X= impor

f=
I=
16.

Misalkan Anda telah memperoleh persamaan regresi berganda sebagai berikut:

i=
a.
b.
17.

ekspor
konsumsi

10 + SX., + 3X, dan R2r12 = o,Oo

Jelaskan maksud dari masing-masing koefisien regresi !o, b,,dan brl


Jelaskan arti koefisien determinasi regresi berganda Ri2

Hasil pengolahan dengan komputer terhadap data yang telah dikumpulkan dari sampel berukuran 15
yang menganalisis hubungan antara variabel tak bebas ( ),) dengan variabel bebas ,{ dan X, diperoleh
sebagai berikut.
ANOVA
'

il'r.iffiffiiuiillil*ii

Flegresi
2
Residu/Error 12
Total
14

i'

'":

". .

""

12,61Ct2 6,3051 97,69


0,0645
0,7745
13,3847

0,0001

290

Stotistik: Teori don Aplikosi lilid 2

*0.0269
0.7912
0.6048

intercept
4
x2
a.
b.
c.
18.

0,0000
0,0000

Berdasarkan Soal No.17 lakukanlah pengujian untuk menguji keberaftian model berdasarkan
ANOVA dengan hipotesis sebagai berikut.
O

i=1,2

Berdasarkan soal No. 17 jika dilakukan pengujian koefisien regresi secara parsial (dengan uji

l)

apa yang dapat anda simpulkan untuk pengujian sebagai berikut dengan menggunakan a

5o/o.

t-bj
,obs_

Berdasarkan model (persamaan yang didapat pada Soal No. 17. Buatlah nilai ramalan bagi
Xuntuk:

a. \=g
b. 4=4,s
c. 4=10
21.

12.57
8.43

Berdasarkan keluaran program komputer di atas buatlah persamaan regresi bergandanya!

H,: Br*0

20.

-0.39

Jelaskan arti dari masing-masing koefisien regresi bo, b, dan br.


Hitung koefisien determinasi regresi linear berganda B'ye dan jelaskan artinya.

Ho'. B't = Bz =

19.

0,06905
0,06295
o,o7174

danXr=5
danXr=6
danXr=17

Berdasarkan Soal No. 17 buatlah:


pendugaan interval bagi Ao
pendugaan interval bagi B,
pendugaan interval bagi B,
Gunakan (1 - a) = 95"/o.

a.
b.
c.

22. Sebuah perusahaan komputer ingin mengetahui faktor-faktor yang mempengaruhi biaya
distribusi (Y). Dala selama satu tahun telah dikumpulkan mengenai biaya distribusi ( X),
penjualan (4), aan jumlah pesanan (Xr) dan dicatat sebagai berikut:
Bulan

Biaya,drtdbugi

Nilai.pel}Juatan

{iutaan Ep'}

fiffian flP]

'

2
3
4

52,95
71,66
85,58
63,68

72,81

68,44
52,46
70,77

7
8

r,

386

Ju-mlahrF$gflan

::,:,,: {U*it},

:i

4.015

446

3.806

5'.t2
401
457

5.309

458

4.O97

301

3.213
4.809
5.237

484

82,03

517

10
11

74,39
70,84

12

54,08

503
535
353

4.262
4.29A

4.732
4.413
2.921

Gunakan paket program Microsoft Excel dalam mengolah data di atas untuk analisis regresi
berganda. Berdasarkan hasil yang diperoleh,
a. Tuliskan persamaan regresi bergandanya!

Bob

Regresi Beryondo

b.
c.

291

Jelaskan arti dari masing-masing koefisien regresi yang diperoleh!


Jelaskan arti nilai Rl,rVang diperolehl

23. Berdasarkan Soal No. 22, apakesimpulan Anda tentang uji keberartian model dengan ANOVA
untuk

Ho: B, = Bz=
Hr: Br+ 0

24.

Berdasarkan Soal No. 22, lakukan pengujian secara parsial terhadap masing-masing koefisren
regresi dan apa kesimpulan Anda.

25.

Berdasarkan Soal No. 22, buatlah pendugaan interval dengan tingkat keyakinan 95% bagr
koefisien regresi

a)
b)
c)
26.

Bo
81

82

Berdasarkan model yang didapat, buatlah ramalan nilai Xuntuk:

a. 4 = 3lO dan Xr= 5gg


b. 4 = 48a dan Xr= 599
c. 4 = 541 dan X, = 691

27.

Lengkapilah tabel ANOVA di bawah ini untuk model regresi linear berganda
Surnber,

,,peraitt,

J*.rfnlah

I{eFebflsan

Ku*rc1

ResidulError

2
18

60
120

Total

20

180

is;,.
Flegresi

,.Hah.iit{4,

E
' obs

r,:ltrrgdfa!,;

Apakah kesimpulan Anda mengenai hubungan anlara Y dan dua variabel bebas pada taraf
nyala 5o/"?

28.

Lengkapi tabel ANOVA di bawah ini untuk regresi berganda dengan 2 variabel bebas
$umber
vanast
Regresi
Residu
Total

-rurn*flh

flat*.r

Xeb.eba$an

*uadrat

:kuadr*t',

30
120

B*rajat

10
12

Apakah hub;,ngan antara Xdan

29.

'obs

150

X' X, signi'fikan pada taral nyata Eok?

Misalkan, Anda diberikan informasi dari model regresi berganda sebagai berikut.

n=25, bt=5, bz=10 so=2, soz=8

a)
b)
c)
30.

Variabel mana yang memiliki kenaikan per unit lebih besar?


Buatlah pendugaan interval 95% bagi 8., dan B,
Pada taraf nyala 5"/", apakah setiap variabel bebas secara nyata memiliki kontribusi
dalam menjelaskan variasi X(model)?

Misalkan informasi tentang model regresi berganda Anda peroleh sebagai berikut:

n=20; bt=4; bz=3; sb.r=1,2; sur=g,g

a)
b)
c)

Variabel bebas mana yang memiliki kenaikan per unit lebih besar?
Buatlah pendugaan interval 95% bagi B, dan B,
Pada taraf nyata 57o, apakah setiap variabel bebas secara nyata memiliki kontribusi
dalam menjelaskan variasi L

%^^PTRAN

BAB 6

Buktikan bahwa E(bl = B


Bukti:

b : Glxf1 x:y = (xrxr, Xr (xs + s)

: (Xrxfr xrXE + G'X)-' Xt;


Xre
sebab (XT)-l (xt) = 1r dan lkB : B b _ B,:
:n+(XrX)-l

(xrx)4

xYa

E(b) = E(D + E(Xr-.)-r Xrt

=s+(xrxll
: B" sebab X:xrE(e)
konstan dan E(e):0 +

Buktikan varians (b) =


Bukti:
Varians (b)
E

terbukti

d(}]p-l

: rp - B) @- B)rl

(bl-

El(br _8,)(b, _8,)l

b1)2

l(b,-B)(b1_B)l

E(bz

- Brlz .-. . '

.Et(\-B)(bk-B)t
El(bz_B)(bk_ B)l

- Bk)(bl_ B)) El@r - Bk)(bz _ B2)] . . .E(bk _ Bk)z


Dari(&-D:(XrXf1 xre
var (L) : El(b - E) (b - B)rl : E{(xrxf1 xrF{X(xrX)-11
F {(bk

Ingat, dalam aturan transPos suatu perkalian dua matriks,


berlaku

(Xtx].'

:Br{r.

Karenanya,

@By
merupakan matriks yang simetris di ma.a (xrxii :-i6rb1,r
i*"rpos suatu
matriks adalah seperti matriks aslinya (tidak mengalamii"r"uunr.u
==
.juu
ur*-".,-"r"*".,
e
r
baris sama dengan elemen-elemen icolom).
Karena asumsi mengatakan bahwa X
\onsJan, maka Var (&)_ = 15TXI, XrE(d) Xg.r41-t
padahal E(ed): o2I,, sehingga Var (b): o2(Xrxll,
Xif,i1xf)-, =*or1r*ti'*rtaur auput
ditaruh di
depan.

o".r[il:l]fl6"],,f?

firx) (xrx)-l = I*

Var (b) : o2 (XrX)-1

Buktikan bahwa e,e = ty.

dan (xrx)-1Ik

terbukti

- br{y

Bukti:

{e:(v-x1ri r-xb)
:
2brxry +

: y:y-- 2b:x:y_ + brxrxb


brx.x(xrx), xry
: YrY - 2brxrY + P,rYr"
-: YrY-- brxry terbukti
YIY

: (xrxrl, maka akhirnya kita

Bob

2q3

Regresi Bergondo

Selanjutnya,

{y.-

brxry

du pat diuraikan sebagai berikut:


Y1

Y2

Yry-:

(Y1' Y7 . .

.'

.,

Yi' . .

Y,)

=Yzr+Yl+ ...+f+...+Y2
LN

Y.I

Yn

X,,

:"

xrr.
X,,

X.tt

X,,

sf
X"IN

2X1iYi

Y,I

X,,

zx.r,Y,

'

XTY:

X.lt

xj,

xn "'

Xu

Xln

>X.Y.

xr.,

'

Irx,,v,l
I rx^v
I .',"1

zX,Y,

Yn

Xon

tt

brxrY=b.b^....b,\
. I
1
K'
ere

2e.2
I

zY2
I

- b.zx.Y
I
lt
I

lrr,"
Kr 1l
L
h zzx2iYi

brZx'Y, + brLx,Y, + . . . +bpXorY,

b,Lx,.Y.
KKlI

kalau hubungan hanya terdiri dari dua varia bel X da nY+

?:a+bX

ere:Ze?:t'y-brxrY
Y1

XrX

[r1

:,

1,,

.l

Lrr,r l

x2
Yn

ZY

brxry

tt
- lrl

=(a, b)
'tl>X,Y.

=aLYi+b LX.Y.

Stutistik: leori don Aplikosi lilid 2

Jadi,

\el

Ze,2

>Y?

oZYi

- bZXiYi

juga dapat dihitung langsung dari


Zel = t(Yr

?,)', di mana

i:

e,:

a + bXi.

(Yi

i)

TODI STATISTII( NONPARATNETRIK*

Iuiuon Beloior
Seteloh mempeloiori boh ini, Ando dihoropkon mompu:

o
.
.
.

Mengidenfifikosi situosi yong memerlukon penggunoon melode non poromehik lertenlu.


Meneropkon prosedur uli londo, buik unfuk sumpel besor moupun sompel kecil.
Meneropkon

uji peringkol berlondo Wilcoxon don uii

Monn-Whitney.

Menghilung koefisien korelasi peringkd Speormon don kemudion menguii signifikonsi..

.;]
,i

:flll

296

gofisrik: teori don Aplikwi titid


2

Metode statistik parametrik, seperti statistik uji / atau F, digunakan apabila peneliti
mengetahui fakta yang pasti mengenaipopulasi atau sekelompok data dari manaiampel
diambil. Pada dasarnya, peneliti harus bekerja dengan data yang telah diambil secira
independen dan tanpa bias dari sekelompok item. Data tersebut haruslah berasal dari
populasi yang terdistribusi secara normal dan mempunyai varians yang sama, dan harus
diukur setidaknya pada tingkat interval.
Metode statistik nonparametrilg seperti statistik uji lJ Mann-IMitney atau analisis
varians Kruskal-Wallis, dipakai apabila peneliti tidak mengetahui karakteristik kelompok
item yang menjadi sumber sampelnya. Metode ini dapat diterapkan terhadap data yang
diukur dengan skala ordinal dary dalam kasus tertentu, dengan skala nominal. Pengujian
nonparametrik bermanfaat untuk digunakan apabila sampelnya kecil dan lebih mudah
dihitung daripada metode parametrik. Metode nonparametrik juga digunakan secara
luas guna menganalisis data di bidang ilmu sosial (sosiologi, psikologi, manajemen,
pemasarary dan sebagainya.
TINJAUAI{ SEPINTAS

Topik statistik nonparametrik ini tidak dapat diliput secara keseluruhan karena

keterbatasan halaman buku ini.1 Oleh karena itu, kiti akan membahas statistik uji U
Mann-Whitney yang disebut pada awal pembahasary sedangkan prosedur Kruskal-Walis
akan kita abaikan. Dengan demikiary demi keteraturan penyajian, metode nonparametrik
yang akan dibahas secara panjang lebar dalam bab ini ialah (1) uji tanda, (Z) iji peringkat
bertanda Wilcoxon, (3) uji Mann-rhhitney, (4) uji deret untuk melihst keacakan, dan (5) koefisien
korelasi peringkat Spearman. Meskipun hampir seluruh metode ini dapat dibahas dalam
konteks, situasi dengan sampel besar maupun sampel kecil, namun kita akan membatasi
perhatian kita terutama pada kasus dengan sampel kecil.
]adi, setelah mempelajari bab ini Anda diharapkan mampu:

' Mengidentifikasi situasi yang memerlukan


'
.
.
'

penggunaan metode nonparametrik

tertentu.
MeneraPkan prosedur uji tanda baik untuk sampel besar maupun sampel kecil.
Menerapkan uji peringkat bertanda Wilcoxon untuk sampel kecil.
Menggunakan uji Mann-Whitney untuk menentukan apakah dua sampel acak kecil
yang independen diambil dari populasi yang identik.
Menentukan apakah terdapat keacakan (atau apakah ada pola yang mendasari) dalam
urutan data sampel yang kecil dengan menggunakan prosedur uji deret untuk melihat
keacakan.

' Menghitung koefisien korelasi peringkat

Spearman dan kemudian menguji

signifikansi.

PTNGGUI{AA]{ IUIETODE ilo]{PARAIUIETRIK


Beberapa waktu yang lalu, sebagian teman sekelas Anda yang bersikap skeptis (mungkin
juga termasuk Anda) barangkali telah diingatkan bahwa kebanyakan materi yang diliput
dalam Bab 1, 2, 3, dan 4 mungkin tidak selalu relevan karena distribusi proLabilitas
normal tidak selalu dapat diasumsikan dalam situasi nyata. Tentunya skeptisme ini dapat
dibenarkan dalam situasi tertentu! Kesahihan kesimpulan yang ditarik dalam bab-bab

Sejumlah bahan bacaan tersedia jika Anda ingin menggali lebih dalam tentang metode nonparametrik.
misalnya, W.J. Conover, Practical Nonparametric Statistics, John Wiley & Sons, Inc., New York, 1971.
*
Sanders, et al: Statistics approach, third edition (1985).

Lihaf

Bob

297

lletode Stotktik Nonporonetrik

terdahulu tergantung pada keakuratan asumsi2 yang ditetapkan tentang hal-hal berikut:

(1) bentuk distribusi statistik sampel dan/atau bentuk distribusi populasi, dan (2)
hubungan distribusi probabilitas ini dengan parameter populasi yang mendasarinya. (Bagi
Anda yang merasa bingung, lebih baik Anda meninjau kembali pembahasan tentang
Central Limit Theorem).
Akan tetapi dalam bab ini, kita akan lebih memperhatikan statistik nonparametrik,
yaitu statistik yang tidak memerlukan pembuatan asumsi tentang bentuk distribusi dan karena itu
merupakan stntistik yang bebas-distribusi. Dalam statistik nonparametrik, kesimpulan dapat
ditarik tanpa memperhatikan bentuk distribusi populasi; sedangkan dalam statistik
parametrik yang dibahas pada bab-bab terdahulu, kesimpulan hanya sahih apabila asumsiasumsi tertenfu yang membatasi adalah benar.
Mungkin Anda akan terkejut apabila Anda menyadari telah menggunakan metode
nonparametrik. Metode kai-kuadrat pada hakikatnya merupakan statistik nonparametrik.
Anda mungkin bisa mengingat kembali bahwa prosedur kai-kuadrat dipakai untuk
membandingkan frekuensi (sampel) yang diamati dengan frekuensi populasi yang
diperkirakan dan bahwa frekuensi yang diperkirakan tidak harus terbatas pada jenis
distribusi tertentu.
Kapankah metode nonparametrik perlu dipakai? Metode ini harus digunakan urttuk
situqsi berikut:

1. Apabila ukuran
2.
3.

sampel demikian kecil sehingga distribusi statistik pengambilan


sampel tidak mendekati normal, dan apabila tidak ada asumsi yang dapat dibuat
tentang bentuk distribusi populasi yang menjadi sumber sampel.
Apabila digunakan data peringkat atau ordinsl. (Data ordinal hanya memberikan
informasi tentang apakah suatu item lebih tinggi, lebih rendah, alau sama dengan item
lainnya; data ini sama sekali tidak menyatakan ukuran perbedaan).
Apabila data nominal digunakan. (Data nominal adalah data di mana sebutan seperti
"lal<-laki" atau "perempuan" diberikan kepada item dan tidak ada implikasi di
dalam sebutan tersebut bahwa item yang satu lebih tinggi atau lebih rendah daripada
item lainnya).

Kini, mari kita lihat beberapa metode nonparametrik yang digunakan secara luas.
UJI TAI{DA (SIGN.TEST}

Apabila Anda telah menetapkan pasangan ukuran ordinal yang diambil dari subjek vang
sama atau subjek yang dicocokkan, dan apabila Anda hanya tertarik pada adanva
perbedaan nyata atau tidak tanpa memperhatikan perbedaan tersebut, maka prosedur uji
tanda harus digunakan. Prosedur uji tnnda didasarkan padn tanda negatif atau positif dari
perbedaan antarapasangan dota ordinal.Padahakikatnya, pengujian ini hanya memperhatikan
arah perbedaan dan bukan besarnya perbedaan

itu.

Prosedur Uii Tondo dengon Sompel Ketil

Mari kita ambil satu contoh. Texas Fried Chicken telah mengembangkan sebuah resep
baru untuk adonan tepung ayamnya dan departemen pemasaran hanya ingin melihat
apakah resep baru tersebut lebih enak daripada resep sebelumnya. Pada tahap pengembangan produk baru ini, departemen tersebut tidak tertarik pada tingkat rasa atau
kenikmatan.
2

Seorarlg ahli statistik dan istrinya menyadari bahwa mereka terdampar di sebuah pulau terpencil. Ketika sang
istri bertanya bagaimana mereka dapat keluar dari pulau itu dan kembali ke masyarakat, si ahli statistik

menjawab, Andaikan kita punya perahu. . . "

298

fiufistik: feoti don Aplikosi lilid 2

Sepuluh orang konsumen dipilih secara acak diminta untuk menguji rasa. Setiap
konsumen mencicipi dulu sepotong daging ayam yang disajikan dengan resep lama dan
memberikan nilai rasa mulai dari 1 sampai 10, di mana 1 berarti sangat tidai enak dan
10 berarti sangat enak. Kemudian konsumen tersebut mencicipi sepotorrg daging ayam
yang digoreng dengan resep baru dan memberi nilai mulai dari t simpaitO. kemudian
data tersebut dikumpulkary sebagaimana tampak pada Tabel 7.1
Informasi apa yang akan kita peroleh dari data penelitian pasar tersebut? Jika benarbenar tidak ada perbedaan rasa, melalui survei yang besa1, kita dapat memperkirakan
bahwa jumlah konsumen yang menilai rasa resep baru lebih enak daripada-rasa resep
lama akan sama dengan jumlah konsumen yang menganggap bahwa resep baru tersebut
kurang enak daripada resep lama. Dengan kata lain, jika benar-benar tidak ada perbedaan
antara rasa resep lama dengan rasa resep baru, maka kita dapat mengatakan bahwa perbedaan median antara kedua nilai rasa tersebut adalah nol. Ini berarti bahwa probabllitas
mendapatkan konsumen yang akan mengatakan rasa yang lebih enak akan sima dengan
probabilitas memilih konsumen yang akan mengatakan rasa yang lebih tidak enak.
Prosedur pengujian yang akan kita lakukan adalah:

a.

Menyatakan Hipotesis Nol dan Hipotesis Alternatif. Sebagaimana halnya dalam


setiap pengujian hipotesis, langkah pertama dalam prosedur uji tanda adalah
menyatakan hipotesis nol dan hipotesis alternatif. Pengujian tanda dua-arah (trootailed test) ataupun satu-arah (onelailed) dapat dilakukan, dan fakta ini tentunya akan
menentukan bentuk hipotesis alternatif.
Hipotesis nol
_yang akan diuji dalam contoh kita adalah bahwa resep baru tidak
mempengaruhi rasa daging ayam. Jumlah tanda positif yang menunjukkin perbaikan

ffiffi

Doto untuk Prosedur UiiTondo

Niloi roso oleh l0 konsumen 0y0m goreng yong dimosok de.ngon resep lomo don oyom goreng yong dimosok dengon resep
-'
boru (10 menuniukkon "roso songoienok," don menuniukklon "roso songol tido[ eno[,,).

NII-AI RASA
Resep
Larna

Konsumen

''

{"}

Thnda ,Fe*dekatan
antara Rrsep Lama
dan Resep Situ'

(Y*x)

R. MacDonald
G. Price

B. King

L. |. Silver
P. P. Gino

6
J
10

E. ]. McGee

S. White

4
2

E. Fudd
Y. Sam

M. Muffett

6
7

jumlah observasi yang relevan.

= jumlah tanda positif + jumlah tanda negati{

=6+2
-B

Barq
{y}

Resep

- jumlah
-2

tanda yang paling sedikit

+
0

+
+

Bob

lletode Stotktik Nonporcnetrik

299

rasa sama banyaknya dengan jumlah tanda negatif yang menunjukkan merosotn\-.1
kelezatan, dalam penentuan beda antara kedua nilai rasa tesebut. Hipotesis alterrtri::dalam contoh kita adalah, bahwa resep baru memberikan rasa yang lebih enak/lezat
daripada resep lama. Dengan demikian, kita memiliki pengujian ke arah kanan dar..

hipotesis alternatifnya adalah terdapat probabilitas Lutl*, lebih dari 50 perserr


konsumen akan mengatakan bahwa resep baru lebih lezat daripada resep iama.
Dengan demikiary hipotesis statistiknya adalah:
Ho: P : o'5
Hnl. p > 0,5
b.

di mana p adalah probabilitas adanya perbaikan rasa.


Memilih Taraf Nyata. Setelah menetapkan hipotesis nol dan hipotesis alternatif,

langkah kedua adalah menetapkan kriteria penolakan ataupun penerimaan hipotesis


nol. Misalnya dalam contoh kita, risiko menolak hipotesis nol secara salah pidahal
sebenarnya hipotesis tersebut bena1, tidak lebih dari 5 persen. Dengan demikian,
taraf nyatanya adalah o, : 0,05.
c.
Menghitung Frekuensi Tanda. Langkah berikutnya ialah menghitung tanda positif,
tanda negatif, dan nol. Tabel 7.1 menunjukkan 6 tanda positif,2 tand.a negatlf, dan
2 nol, yang berarti bahwa 6 orang konsumen menganggap terdapat perbaikan rasa,
? "r1\g menganggap kelezatan berkurang, dan 2 orang menganggap sama saja.
Setelah penghitungan, kita tetapkan jumlah tanda yang terkecil sebogoi r. Ur"rtrk Tub"l
7.1, r:2 karena hanya ada 2 tanda negatif relatif terhadap 6 tanda positif.
d. Menentukan Tanda Beda antara Pasangan Observasi. Setelah hipotesis nol dan
hipotesis alternatif ditentukary dan setelah taraf nyata dipilih, langiah selanjutnva
ialah menghitung selisih antara satu observasi dengan observasi lainnya ,".u.u
sistematis, dan kemudian mencatat apakah perbedaan tersebut positif (perbaikan
rasa) atau negatif (merosotnya kenikmatan). Kolom terakhir Tabel 7.7 menunjukkan
tanda perbedaan untuk setiap responden jika nilai rasa untuk resep,lama dikurangkan
dari nilai rasa untuk resep baru. Untuk responden pertama, R. MacDonald, nilai rasa
untuk resep yang baru lebih besar atau lebih bsik daripada nilai rasa untuk resep
Iama; dengan demikiary terdapat tandapositif. Dalam situasi di mana tidak terdapit
perubahan nilai rasa, dicatat angka nol.
e.
Menentukan Probabilitas Hasil Sampel yang Diobservasi. Responden atau
Pasangan observasi yang relevan bagi analisis hanyalah responden atau observasi
yang perbedaan rasanya (positif atau negatif) telah dicatat. Dalam kasus kita, hanya
8 dari 10 pasang data yang relevan bagi analisis, dan dengan demikian kita
memperoleh n : 8. (Tanggapan Price dan White tidak dimasukkan dalam analisis
karena tidak menunjukkan perbedaan rasa satu sama lain). Dari 8 responden atau
pasangan observasi yang relevan tersebut, kita akan mengharapkan bahwa empat
dari perbedaan tersebut adalah positif dan empat lagi negatif ilka hipotesis nol benar.
Berdasarkan kedua tanggapan negatif pada Tabel 7.7 dan sifat pengujian satu-arah
ke kanan, kita harus mengajukan pertanyaan berikut: Berapa probubilitur untuk
mendapatkan paling banyak 2 dari 8 responden yang menganggap adanya perubahan
rasa negatif jika hipotesis nol benar (di mana 50 persen akan mencatat perubahan
negatif)? Perumusan jawaban atas pertanyaan ini dimulai dengan mengacu pada
Distribusi Probabilitas Binomial (jika n kecil) dalam bagian Lamfiran 1.3 Karena kita
memiliki 8 responden yang relevary maka kita mencari bagian tabel di mana ,7 : g
3

Apabila sampel relatif besar (yaitu > 30)pendekatan normai terhadap distribusi binomial dapat digunakan.
Sesungguhnya, hanya sedikit perbedaan hasil jika perbedaan normil terhadap binomial digunakan dalam
prosedur uji tanda apabila jumlah sampel lebih dari 30.

300

Stotistik: leori don Aplikosi

lilid 2

dan r = 2. Setelah menemukannya, cari dalam kolom tersebut p : 0,50, nilai yang
berasal dari hipotesis nol. Kita lihat bahwa probabilitas mendapatkan paling banyak

2 dari 8 responden yang melaporkan perubahan negatif adalah

0,1445, yang
merupakan hasil penjumlahan dari probabilitas mendapatkan 0 dari 8 (0,0039), i dari
8 (0,0312), dan 2 dari 8 (0,1094). Dengan kata lairy jika benar-benar tidak terdapat

perbedaan rasa antara resep baru dan resep lama, maka probabilitas unfuk
mendapatkan paling banyak 2 dari 8 responden yang melaporkan penurunan rasa
hanyalah 14,5 persen.

t.

Penarikan Kesimpulan Statistik tentang Hipotesis Nol. Pertanyaan yang muncul


kini ialah, apakah hasil probabilitas sampel sebesar 0,1.445 tadi cukup menjamin kita
untuk menerima hipotesis nol bahwa tidak terdapat perbedaan yang berarti dalam
nilai rasa konsumen? Meskipun probabilitas mendapatkan paling banyak 2 dari 8
konsumen yang memberikan tanggapan negatif terhadap adonan resep yang baru
tidaklah terlalu tinggi, yaitu sebesar 0,1445, namun angka ini lebih tinggi dari taraf
nyata sebesar 0,05 yang telah ditetapkan. Ini berarti bahwa hasil probabilitas sampel
tersebut harus kurang dari 0,05 agar kita dapat menolak hipotesis nol.
Dengan demikiary secara ringkas dapat dikatakan bahwa peraturan pengambilan
keputusan yang harus diikuti dalam melakukan pengujian tanda dengan sampel kecil
guna mengambil keputusan statistik adalah:
Menerima Ho jika o < probabilitas hasil sampel.
atau

Menolak Ho dan menerima H, jika cr > probabilitas hasil sampel.


Karena dalam contoh kita, 0,05 < 0,L445, maka kita menerima hipotesis nol; adonan
resep baru tidak dapat dikatakan sebagai perbaikan rasa atas resep lama.a (Resep
baru : resep lama, tidak berbeda)
Prosedur Uii Tondo dengon Sumpel Besor
]ika jumlah sampel cukup besa4 dan jika pendekatan normal menerima terhadap distribusi

binomial, maka aturan pengambilan keputusan yang berlaku sesuai dengan aturan
distribusi Z dimana rasio kritis (CR dari rulai Z) dihitung sebagai:

'

,t,t"

,,

,.,,,,',,1

di mana:

,,,'',,',

i'tR.j,
{y.1)

R = jumlah tanda positif

Sebagai contoh, anggaplah bahwa dalam soal kita tentang Texas Fried Chicken terdapat 33 konsumen di dalam sampel. Asumsikan pula bahwa hasil berikut telah diperoleh:

bedabertanda+:18

- :72
= 3
total 5
- n:33

beda bertanda

bedabertanda0

]ika pengujian satu-arah (ke) kanan akan dibua! maka kedua hipotesis tidak akan berubah.
Dan jika taraf nyata sebesar 0,05 digunakan, aturan pengambilan keputusan dapat
dinyatakan dengan format yang serupa sebagai berikut:
a

Seandainya kita menggunakan pengujian dua-arah, maka kita akan melipatduakan probabilitas yang diperoleh
dari tabel binomial sebelum mengambil keputusan statistik. Misalnya, seandainya kita melakukan pengulian
dua-arah atas data Texas Fried Chicken, maka hasil sampel akan menjadi dua kali 0,1.445 atau O,iSgO.

Boh

30r

lletode Stotistik Nonporonetrik

,:li ti::,:!: i

a:::ri::l:::1::::t::ir:l::::!

i:: i

i,

i::

i i i::ir

i:

-'

r:lr ':l:: l

]umlahkan masmg-masing tanda

,iriffiffi:1t#**ff'tl
Tidak

:it'

lYa
"/

ir

i i ::, : iri iiiiicnlji

;iiri::ii

:r r':i.: ri:!

Ir$$ l'.:ii::l:

riii

302

Stotistik: leori don Aplikosi Jilid 2

Terima Ho

iita

CR < 1,64

atau

Tolak
Rasio

CR=

Ho dan terima H, jlka CR >

1,64.

kritis dihitung sebagai berikut:

2R-n
",lq

2(18)

30

Jao

36-30

=- 5,477
=

1,095

Karena 7,095 < 7,64, rnaka hipotesis nol akan diterima. Dalam hal ini, kesimpulannya
menjadi, tidak terdapat berbedaan nyata antara nilai rasa kedua resep tersebut.
Peraga 7.1 mengikhtisarkan prosedur uji tanda yang telah dibahas dalam bagian ini.

SOAI TINJAUAN 7.I

1.
2.

Apakah prosedur uji tanda itu?


"Hanya pengujian hipotesis satu-arah yang dapat dilaksanakan dalam prosedur uji
tanda." Berilah komentar atas pernyataan ini.

3. Berapa banyak observasi tiap responden yang diperlukan bagi prosedur uji tanda?
4. Apakah yang dimaksud dengan hipotesis nol dalam prosedur uji tanda?
5. (a) Distribusi probabilitas apa yang digunakan dalam menguji hipotesis pada
prosedur uji tanda, jika jumlah sampel kecil?

(b) ]ika jumlah sampel melebihi 30?


6. (a) Iika perbedaan antara pasangan data yang digunakan
(b)

7.

dalam prosedur uji tanda


adalah 5 positif, 7 negatif, dan 6 sama atau nol, maka kita mempunyai n : 78
dan r : 7. Benar atau salah?
Dalam pengujian satu-arah ke kanan dengan taraf nyata sebesar 0,10, haruskah
hipotesis nol diterima dengan menggunakan data pada (a)?

Jika perbedaan antara pasangan data yang digunakan dalam prosedur uji tanda
adalah 16 positif, 26 negatif, dan 4 nof apakah keputusan statistiknya dalam pengujian
dua-arah pada taraf nyata sebesar 0,05?

UJI PERINGKAT BERTANDA WII.COXON

jika prosedur uji tanda hanya berfokus pada arah perbedaan di dalam pasangan

data,

maka prosedur uji peringkat bertanda Wilcoxon (nama ini diberikan menurut nama Frank
Wilcoxon, ahli statistik yang pertama kali memperkenalkannya pada dasawarsa 1940-an)
digunakan jlka besaran maupun arah perbedaan relevan untuk menentukan apakah
terdapat perbedaan yang sesungguhnya antara pasangan data yang diambil dari satu

sampel atau dua sampel yang saling terkait. Apabila kita ingin memasukkan besarnya
perbedaan selain arah perbedaan ke dalam proses pengambilan keputusan kita, maka
prosedur uji peringkat bertanda Wilcoxon harus digunakan.

Bsh

303

lletode Slotktik Nonporonehik

Prosedur Uii Peringkol Beflondo Wiltoxon

Mari kita gunakan kembali contoh Texas Fried Chicken. Anggaplah bahwa manajer-nen
perusahaan tersebut ingin mengambil keputusan mengenai adonan resep baru vang ticlak
harrya didasarkan pada berapa banvak orang menganBgap bahwa resep baru tersebut
memperbaiki rasa tetapi juga pada besarnya perbaikan rasa dari resep baru itu. Dalam hal
ini, prosedur uji peringkat bertar-rda Wilcoron dapat digunakan, dan data untuk analisi:
diambil dari Tabel 7.7 dan disajikan kembali padaTabel7.2.
Langkah-langkah yang harus kita lakukan adalah.

a.

Menyatakan Hipotesis dan c. Sebagaimana dapat Anda perkirakan, kita harus


menyatakan hipotesis dan taraf nyata yang diinginkan. Dalam hal ini, hipotesis rrol
adalah bahwa tidak terdapat perbedaan antara rasa resep baru dan rasa resep lama.
Oleh sebab itu, dalam sampel besar, jumlah tanda positif harus sama dengan jumlah
tanda negatif. Karena ini merupakan pengujian satu-arah ke kanary maka hipotesis
alternatif menyatakan bahwa rasa resep baru lebih baik dari pada rasa resep lama.
Dengan demikian, hipotesis tersebut akan ditulis sebagai berikut:
Ho : Kedua resep tersebut sama lezatnya (atau tidak lezat?)

H, : Adonan

resep baru lebih lezat.

Selain itu, untuk contoh ini, kita akan menolak hipotesis nol pada taraf nyata sebesar
0,01.

b.

Menentukan Besar dan Thnda Perbedaan anta(a Pasangan Data. Setelah menyatakan
hipotesis dan menentukan taraf nyata, langkah berikutnya ialah menyiapkan data
mentah untuk pengujian. Besqr dan tatda perbedaan antara pasangan data dihitung,
dan disajikan pada kolom ketiga Tabel7.2. Sebagai contoh, McGee pada mulanya
memberi nilai 8 pada rasa resep lama tetapi menggangap bahwa rasa resep barr.r
hanya bernilai 4. Dengan demikian, perbedaan yang dicatat untuk McGee adalah
-4. Perbedaan untuk konsumen lainnya dicatat dengan cara serupa.

g),
(u

(2)

Nllai Basa
Resep Lama

Resep,Baru

R. MacDonald
C. Price
B. King

+6

(abaikan)

.l

E.

3
10
4
2

+3
+2
+5

tq

L. J. Silver
P. P. Gino

Konsumen

]. McGee

S. White
Y. Sam

2
8
4

M. Muffett

E. Fudd

Nilai llas*

Psy$sd1a1r;

Nilai

fi.esep Dikuralr$i,
Resep Lar*a

Nilai

Tanda

(abaikan)

_J

4,5

,q
+1

(s)

Positif

relevan

= jumlah tanda positit + jumlah tanda negatif

=6+2
=8

f :
-

peringkat kedua jumlah yang paling kecil


10,5

Negatif

+8
+4,5

+7,0

-6,0
+?

4,5

+1,0
+25,5

2 = jumlah observasi vang

(6)

Feringkat Bertanda

+a(
7

Peringlnt Thnpa

-10.5

Stltistik: leoil

il,o*on

t :. u ii -,i
t
' !itvr{i''ri
a;!;1i
:
t.-l ,:r I,
,; rr.l | ... ti i",fi{ -.. .

I
/T--::: \

U-tr=j

dln

Aplikosi

lilid 2

lid 2

Boh

lletode Stotistik Nonporometrik

305

c.

Menyusun Peringkat Perbedaan Tanpa Memperhatikan Tanda. Pada langkah


selanjutnya, untuk sementara LJta mengabaikan tanda positif dan negatif dalam kolom
3 dan menyusun peringkat nilai mutlnk dari perbedaan tersebut. Peringkat 1 diberikan
untuk perbedaan terkecil; peringkat 2 diberikan untuk nilai terkecil berikutnya; dan
seterusnya. (Perbedaan nol diabaikan). Karena kedua nilai rasa untuk Muffett memiliki
perbedaan terkecil, maka perbedqan tersebut, tanpa memperhatikan arah, ditetapkan
sebagai peringkat 1. Untuk Silver dan Sam, yang tepat menduduki peringkat kedua
dan ketiga dengan perbedaan sebesar 2, maka kita memberi peringkat 2,5 kepada
masing-masing, yang merupakan rat(t-rotn peringkat 2 dan3. Prosedur ini dilanjutkan
sampai peringkat semua perbedaan telah ditetapkan.

d.

Pemberian Tanda Atas Peringkat yang telah Ditetapkan. Langkah selanjutnya ialah
membtfuuhkan tanda setiap perbedaan (sebagaimana ditunjukkan pada kolom 3, Tabel
7.2) terhadap peringkat yang telah ditetapkan (sebagaimana ditunjukkan pada koiom
4). Langkah ini menghasilkan angka pada dua kolom terakhir Tabel 7.2. Sebagai
contoh, besarnya perbedaan antara pasangan data untuk Gino diberi peringkat 7,
dan karena perbedaan tersebut positif, maka dicatat +7. Peringkat bertanda bagi
konsumen lainnya diperoleh dengan cara serupa.

e.

Menjumlahkan Peringkat. Langkah terakhir sebelum pengujian hipotesis ialah


menjumlahkan semua peringkat positif dan kemudian menjumlahkan semua
peringkat negatif. Yang paling kecil d{vi keduo hasil penjumlahan ini ditetapkan sebagni
nilai hitung T. Karena jumlah peringkat negatif adalah 10,5 dan jumlah peringkat
positif adalah 25,5, maka jumlah 10,5 ditetapkan sebagai nilai hitung T. (Guna
memeriksa keakuratan perhitungan Anda, jumlah peringkat positif dan negatif adalah
25,5 + 10,5, tentunya harus sama dengan jumlah peringkat pada kolom Tabel 7.2)

Penarikan Kesimpulan Statistik tentang Hipotesis Nol. Sekarang kita dapat menguji
hipotesis nol dengan membandingkan nilai hitung T dengan nilai T pada Tabel yang
ada pada Lampiran IX di bagian belakang buku ini yang sesuai dengan taraf nyata
tertentu. Berdasarkan asumsi bahwa hipotesis nol bena1, Tabel T pada bagian lampiran
memberikan nilai T pada u sebesar 0,01 dan 0,05, baik untuk pengujian satu-arah
maupun pengujian dua-arah. Karena kita menghitung delapan peringkat (yang
bertanda nol diabaikan), kita memperoleh n :8. Untuk pengujian satu-arah di mana
r : 8 dan u : 0,01, nilai T pada tabel adalah 1. lika nilai hitung T sama atau lebih kecil
dari nilai tabel T, maka hipotesis nol horus ditolak. Karena nilai hitung 7 yang kita
peroleh sama dengan 10,5, dan karena nilai statistik ini lebih besar daripada nilai
tabel T, yakni 1, maka hipotesis nol tidak dapat ditolak atau Ho diterima. Oleh karena
itu harus disimpulkan, bahwa adonan resep baru tidak memberikan perbaikan rasa
yang berarti atas adonan resep lama (tak ada perbedaan tingkat kelezatan).

SOAI. TINJAUAN 7.2


1.

Apakah perbedaan antara prosedur uji peringkat bertanda Wilcoxon dengan prosedur

uji
2.

tanda?

Apakah yang dimaksud dengan hipotesis nol dalam prosedur uji peringkat bertanda
Wilcoxon?

J.

Dalam prosedur uji peringkat bertanda


peringkat perbedaan antara pasangan
tersebut. Benar atau salah?

mula- ula menetapkan

tfnda perbedaan
a

rn ler rsipan
Jrtr Tirur

hoplnsl

Stltistik: Teoil don Aplikosi Jilid 2

306

1.
5.

6.

|ika jumlah peringkat positif dan jumlah peringkat negatif, berturut-turut, adaiah 25
dan 20, maka kita akan memperoleh nilai hitung T sebesar 25. Benar atau salah?
Berapakah nilai kritis tabel T yang akan digunakan jika n : 32, cx = 0,05, dan pengujian
vang dilakukan adalah pengujian dua-arah?
Jika nilai hitung T lebih kecil daripada nilai tabel T, maka hipotesis nol ditolak. Benar
atau salah?

PENGUJIAil MANN-WHITNIY
Dengan prosedur uji tanda dan prosedur uji peringkat bertanda Wilcoxon, pasangan data
yang diambil dari satu sampel atau dua sampel vang saling terkait dapat dianalisis guna
melihat perbedaan yang signifikan. Dalam situasi di mana kita ingin menguji hipotesis
nol yang menyatakan bahwa tidak ada perbedaan yang sesungguhnya antara kedua
kelompok data dan di mana data tersebut diambil dari dua sampel yang tidak saling
terkait, kita dapat melakukan pengujian Mann-Whitney. Pengujian ini sering disebut sebagai

pengujian U, karena untuk menguji hipotesis nol, kasus dihitung angka statistik yang
disebut LL

Prosedur Penguiion Monn-Whitney

Asumsikan bahwa kepala biro alumni suatu BBA-MBA School sedang menghimpun data
biografis mengenai alumni yang tamat 10 tahun lalu. Setelah menerima hasil survei melalui

surat, kepala biro tersebut ingin mengetahui apakah mereka yang berkonsentrasi di
manajemen pemasaran berpenghasilan lebih besar daripada mereka yang berkonsentrasi
di bidang manajemen keuangan. Tabel7.3 memperlihatkan data gali yang telah diterima
kepala biro tersebut dari 8 (rr, : 8) alumni yang berkonsentrasi di bidang manajemen
pemasaran dan 72 (nr: 72) alumni yang berkonsentrasi di bidang manajemen keuangan.

Goii sor[ono yonq berkonsenlrosi di bidong monoiemen pemosorun don soriono yong berkonsenlrosi di hidong keuongon, yong

teloh lulus

I0 tohun lolu.
Pendapatan
?*&unan, $
(Ribuan)

Pend*patan

G. Price

')) l

15

J. Jones

17,8

M Doe

,Aq

1,6

K. Seller

79,3
18,2
27,1

Kontentrasi
Pemasatan

S.

Martin

J. Dreher
B. DeVito
R. Coyne

tir-8

PetiaB*at.

I
t5
13

1.9,7

11

43,5

20

Rr = 91'5

Konseqtrasi
Keuangan'

Pendaoatan
Tahunan, S

tRibuan)

W. Lee

,1 0

M. Galper
D. Lemons

t6,8

T. Gradv
P. Davis
D. Henry
B. Ruth
J. P Gettv

Peringkat
Pendapatan
74
7

28,0
79,5

10

18,2

5E

77

t7,9

35,8

19

20,5

12

A. Carnegie

18,7

J. Carter
G. Ford
R. Frank

19,4

nz-12

1/ ,5

21 0

18

R: =

118,s

Bab

lletode Stilittik Nonp$snetilk

307

Prosedur pengujian yang akan kita lakukan adalah:

a.

Menyatakan Hipotesis dan o. Sebagaimana halny,a dengan jenis pengujian hipotesis


lainnya, langkah pertama dalam melaksanakan pengujian Mann-Wl'ritney ini ialah
menyatakan hipotesis nol dan hipotesis alternatif serta menentukan taraf nyata yang
diinginkan. Dalam hal ini, hipotesis nolnya ialah bahwa setelah 10 tahun, tidak ada
perbedaan antara gaji alumni yang berkonsentrasi di bidang pemasaran dan gaji
alumni yang berkonsentrasi di bidang keuangan, yakni Hn : Gaji alumni dari kedua
konsentrasi tersebut sama. Karena pengujian satu-arah ke kanan harus dibuat, maka
hipotesis alternatifnya ialah bahwa setelah 10 tahun, gaji alumni yang berkonsentrasi
di bidang pemasaran lebih tinggi daripada gaji alumni yang berkonsentrasi di bidang
manajemen keuangan, yakni H, : Gaji alumni dari konsentrasi pemasaran lebih tinggi
daripada gaji alumni dari konsentrasi keuangan. Lebih lanjut, kepala biro tersebut
menginginkan taraf nyata sebesar u : 0,01.

b. Menyusun Peringkat Data

Tanpa Memperhatikan Kategori Sampel. Setelah

menyusun data, langkah berikutnya ialah menetapkan peringkat sehLruh kelompok angka
pendapatan tanpa mettperhatikan jenis konsentrasi. Karena gaji tahunan alumnus Galper
adalah yang paling rendah dari gaji 20 orang yang menjadi responden, maka gaji
tersebut ditetapkan sebagai peringkat 1. Dan karena Coyne melaporkan pendapatan
tertinggi dari kedua konsentrasi, maka pendapatan tersebut diberi peringkat 20.

c. Menjumlahkan Peringkat menurut Tiap Kategori Sampel dan Menghitung


Statistik U. Setelah peringkat semua data ditetapkan, peringkat pendapatan untuk
setiap konsentrasi harus dijumlahkan. Untuk konsentrasi pemasaran, jumlah
peringkatnya, R, adalah 97,5, danjumlah peringkat untuk konsentrasi keuangan, R,
adalal'r 118,5. Kini kita siap untuk menghitung statistik U. Kedua mmus berikut
dapat dipakai dalam perhitungan U:
nr (n1 + 1)

lJ =

nrrlr*

rr
L)

n2{n.+l)
n.rnr+ ''z ''J

o,

(7.2|

D
- ,r2

0,3)

atau

di mana: R, : jumlah peringkat yang diberikan pada sampel dengan jumlah r,

R, : jumlah peringkat yang diberikan pada sampel dengan jumlah

n,

Kedua rumus ini kemungkinan besar akan menghasilkan dua nilai yang berbeda
bagi U. Nilai yang dipilih untuk U dalam pengujian hipotesis adalnh nilai yang paling kecil
dnri kedun nilni tersebut. Dengan menggunakan Rumus (7.2) kita peroleh

8(r2)

8(8.+ 1)
2

-gt,5=

+0,5

Dan dengan rumus (7.3) kita peroleh

u = 8(12) - t2(r? + t)
2

118,5

5s,5

Oleh karena itu, nilai yang ditetapkan untuk Li guna menguji hipotesis no1
adalah 40,5 yang merupakan paling kecil dari kedua nilai hitung tersebut. Guna
memeriksa apakah perhitungan kita atas nilai U benar, rumus berikut dapat
digunakan.

Nilai

LI terkecil

= nl2

- nilai U terbesar

Stotistk: leori don Aplikosi lilid 2

ffi

Prosedur PenguiionMonn-Whitney

Apakah nilai

Boh

lletode Stotistik Nonporonetrik

309

Perhatikan bahwa, dalam contoh kita,

u
d.

:8(12)
:40,5.

- 5s,5

Penarikan Kesimpulan Statistik mengenai Hipotesis Nol. Setelah menghitung


statistik U, sekarang kita siap menguji hipotesis nol secara resmi. Pada hakikatnya,
pengujian ini melibatkan pembandingan nilai hitung U dengan nilai U pada tabel
yang akan cocok seandainya hipotesis nol benar. Tabel Nilai U pada bagian Lampiran
X (pada bagian belakang buku) memberikan nilai U untuk fll,n2, dan s yang cocok
dengan asumsi bahwa hipotesis nol adalah sah1h. Aturan pengimbilan keputusannya
ialah:

Tolak hipotesis nol jika nilai hitung Lf ssma atau lebih kecil dari nilai dalam tabel U.

Di dalam contoh kita, n, : 8, nz : 12, dan taraf nyata yang diinginkan dalam
pengujian satu-arah adalah 0,01. Nilai U yang tepat dari tabel kedua padaLampiran
X adalah 17. Karena statistik hitung U sama dengan 40,5 dan sudah jelas lebih besar
daripada 77, rnaka hipotesis nol tidak bisa ditolak. Dengan demikian dapat
disimpulkan, bahwa tidak terdapat perbedaan gaji yang nyata antara alumni
konsentrasi pemasaran dan alumni konsentrasi keuangan.
Peraga 7.3 mengilustrasikan prosedur untuk melaksanakan pengujian MannWhitney.

Kriteria Uji wilcoxon dan Mann-whitney masing-masing menguji apakah ada


perbedaan rata-rata data peringkat (ranking) dari dua sampel yang berpasangan (dependent)
atau dari dua populasi (n elemen sampel) dan dari dua sampel yang berbed a (independent)
atau dari dua populasi (n, dan n2 elemen sampel)
Di dalam penelitiary sering kali ingin diuji apakah ada perbedaan rata-rata data
peringkat lebih dari dua sampel (: k sampel), baik sampel yang "dependent" dari satu
populasi atau yang "independent" dari k populasi, yang pada prinsipnya untuk menguji:
H6 : tak ada perbedaan rata-rata (data peringkat)
Ho : ada perbedaan rata-rata (data peringkat)

Kriteria Uji Friedman, untuk K Sampel Berpasangan:


(i) Uii H0 : L\: l-tz
,trr (semua rata-rata peringkat sama)
Ho : lti + lti (i + j), (tidak semua rata-rata peringkat sama)

,r{,

(u) Hitung X6. = I 7't'I


lra1, a1l
,Uo2

- 3n(k + 1)

= Chi-square dengan derajat kebebasan k -

r :
k:
I :

banyaknya elemen sampel (: banyak responden yang diteliti)


banyaknya perlakuan (treatment), seperti metode/cara mengerjakan sesuatu
jumlah nilai peringkat untuk perlakuan j(j : 7, 2, . . ., k)
(iii) Tentukan nilai a misalnya 0,05 atau 0,01.
(iv) Kesimpulan: Tolak Ho kalau X2o 2 Xzo&_r).
Terima Ho kalau X2o < Xzak_ty
collToH 7.t
Ada 18 orang sampel acak karyawan suatu pabrik yang ditugaskan untuk mencoba 3
cara atau metode (M1, M2, M3) untuk dipergunakan dalam meyelesaikan pekerjaannya.
Paling cepat pertama menempati peringkat (ranking 1), paling cepat kedua menempati
ranking 2 dan terakhir ranking 3, seperti terlihat pada tabel berikut:

3t0

Stltistik: feori don Aplikosi lilid 2

Peringkat Tiga Cara/Metode ddalam Penyelesaian Pekerjaan

'&l2,,.,: :,, :;.,,,.lkIj

(i) Uii

(ii)

32
32

a
J

a^
JZ
ZJ
1a

31.

11

32

1.,
IL

10

11

72

13

1,2
31
31
27

14

aa
JI

15

16

17

18

a1
a1
LL
.\1

31

Ho : Peringkat metode sama


H, : Peringkat ketiga metode tak sama

- lnsr?1
x6=1,kffi] -artt+tl
n = 78, k

3, T1 -- 40, Tz

42, Tz = 26

12(402-!^-!?2! 262)

,z - 3(18x4) = 8,444
t8(3X4)
^u
(iii) a : 0,05, X,fi,or<zt : 5,9975 dari tabel kai-kuadrat.
(iv) Kesimpulan: karena Xfi :5,+++>

ditolak, artinya peringkat


lamanya waktu penyelesaian pekerjaan untuk tiga metode tersebut tidak sama (ratarata peringkatnya tidak sama).

(0t{r0H

X3,os<zl=5,991.5 maka Hs

7.2

Ada 18 orang pembeli sebagai sampel diminta untuk menjawab pertanyaan senang, atau
tidak senang terhadap warna KUNING, MERAH, BIRU dari mobil yang akan dibelinya.
Senang: 1, tidak senang: 0.
Diperoleh data sebagai berikut (data asli dan peringkatnya):

Boh

lletode Stilistik Nonporumetrik

'faion.

3il
,&{obii'.,
Kuni$S,,' h{er,ah ., Biru''

r-e#Aen

Ali

0
0

Harris
Idrus

Jajak

1,

1,

1,

0
0

1.

1"

0
0

Basuki
Charles
Eko

Farid
Garin

Karno
Lalo
Marno
Narto
Oskar

Parmin
Qurnen
Rusman

P;edngftat,

K' , .M' ',


22
2,5
2,5
1,5
3
22
2,5
2,5
)q

)q

L,J

-lv

1,5

Ja1')a
LL

l/J

22
22

B
2
1

7,5
2
1
1

1,5
1,5
2

)\
-/"

)q

)\
,\

)4
)q
-rr

-,v

22

1
1
L

)\

2,5

)q

2,5

-,v

Catatan:

Cara menentukan peringkat:

|ika angkanya sama, maka yang diambil rata-ratanya. Ada 3 warna, jadi ada 3 peringkat
1,2,3 + kalau angkanya sama: (1 + 2 + B)13:2.
Calon pembeli

Ali

: o, 0, o

G + 2-+

3)

-,

Karno

7,7,1--r(7+2+3)
-,
a
J

Charles

o, 1, o -)3,

Idrus

2,1

(1

t z) , 3, 912

22
g:!,
1., O, O -+ 3,2,1 -+ 3,
22

Marno :7, 1,0 -+ 3,2,,

(i) Uii % : Peringkat

(z

-+ 7,5; 3; 7,5

! t) -+ 3;7,5;'1.,5

- Qi\, 9+A,7

minat terhadap warna mobil sama.

Ho : Peringkat minat terhadap warna mobil tidak sama.

(ii) Hitung: x6 = ln>r? l -

3n(k +

7)

LAG*T]
:
n 18, k : 3, Tt = 40, Tz: 42, Tz:26

72(472+
,z _ ffi 412+ 262) _,
- 3(18)(4) = 8,333
(iii) a : 0,05 -+ k : 3, df : degrees of freedom : k * 7 : 3 Dari tabel diperoleh XS,ostzt : 5,9915

1=2

-->

2,5;2,5;1

312

Stotistik leori don Aplikosi lilid 2

(iv) Kesimpulan: Oleh karena yfi : S,SZ , XS,ostrl : 5,9975, maka Ho ditolak artinya
peringkat minat untuk tiga warna mobil yaitu kuning, merah, biru tidak sama.
Uii Kruskol Wollis
Uji Kruskal Wallis sebetulnya sama dengan uji F dalam ANOVA (Analysis of Varians) satu
arah, hanya datanya berupa peringkat (ranking). Kalau data asli masih berupa interval
atau rasio harus diubah terlabih dahulu menjadi peringkat (ranking atau ordinal).
Perhatian:

(1)
(2)

Seluruh data hasil pengamatan dari k sampel digabung, kemudian dibuat peringkat.
Kemudian menghitung jumlah peringkat dari setiap sampel (sampel i, i :7,2, . . ., k)

Prosedur pengujian dengan kriteria uji KRUSKAL WALLIS:


(i) Uji H0 i [\: ltz
lti: . . . : p* (semua rata-rata sama)
rJii H, : lti + Fy + I (minimalada dua rata-tata tidak sama)

(ii) Hitung KW :

_i
lr-)l

lr#Tt
+l
l=t t)
L

3@ + 1),

i :7,2,

. . ., k

: panyaknya elemen dari sampel j (j :7,2, . . ., k)


n : nt + n2 + . . . + nj+ .' . + /1r : seluruh elemen sampel
Ty : jumlah peringkat dari sampel i
KW : mengikuti fungsi kai-kuadrat dengan df = n ru,

(iii) Tentukan a cari X\*-rt dari tabel kai-kuadrat


(iv) Kesimpulan: Kalau KW > NTott -tt,Ho ditolak, sebaliknya Ho diterima.
(0NT0H 7.3

Seorang direktur pemasaran ingin menguji hipotesis bahwa tak ada perbedaan rata-rata
peringkat harga barang A di tiga pasar, yaitu P1, P2, P3 dengan alternatif ada perbedaan.

Dari setiap pasar dipilih 5 orang penjual sebagai sampel acak. Hasil penelitian
menunjukkan data harga barang (ribuan Rp) dari P1, P2, P3, sebagai berikut:
F3

P;:

iui'j

a:'.

25,40 23,40 20,00


26,31. 21,80 22,20
24,10 23,50 19,75
23,74 22,75 20,6A
25,10 27,60 20,40

2
J

15

12

10

11

13

T4

65
(Tr)
(i)

Uji

H0

l-\

: l.tz:

Hr: lti +

(u)

11,

trt.,

i*I

(rata-rata peringkat harga sama)


(minimal ada dua rata-rata tidak sama)

r 1' r?1
Hitung: Kw : L ^ -, )fL - 3@ + 1)
"
J

Ln(n+1)un,l

38
(Tz)

77

(r3)

Bsh

lletode Stotistik

Nonparametilk

31 3

:,],?,,luu' *$-] . 41
15(16)15 s 5l

- ruu,

: []l)tr.rst,6)
\240 )

-48 = 5e,58

48

: 11,58

(iii) a: 0,05, XS,outzl :5,9975


(iv) Kesimpulan: Karena KW:11,58

, X,fi,osfzl:5,9915, maka Hs ditolak, artinya ratarata peringkat harga tak sama untuk tiga pasar tersebut!

ryryHf;(oNToH 7.4

{*ffi#ag,

5 merek barang yaitu I, II, ru, IV V dijual hariary masing-masing selama 7, g,7, 6,
Ingin diuji apakah rata-rata peringkat hasil penjualan hirian saina untuk 5 merek

8 hari.

t9r9ebut, dengan alternatif tidak sama. Hasil penelitian menunjukkan hasil penjualan
dalam bentuk peringkat sebagai berikut:

2
5

7,5
9,5
11

79,5
73

(i) Uji

Ho i

t\: th:

ta

Hoilti+1.t,,i*j

(ii) Hituns:

KW

L
3
4
6
7,5
g,5
17
23

26
26
29,5
32
33,5
35
36

17
19,5
21
23
2g
2g,5

12,5

t2,5
14,5
1.4,5

77
26
31
33,5

: ttE: tts

: I tz -r,?l

l^-#T>t)-

3(n +

1)

72 lzz,s' 7f 2782 73Bz


:ffi1-+++.+.?.+t]

761'21

-3G7)

:21,537
(iii) p, = 0,05, dari tabel kai-kuadraf X|'r<nl :9,488
(iv) Kesimpulan: Oleh karena KW: 2't,S3Z, X|,or<+l:9,488 maka Ho ditolak artinya
rata-rata peringkat hasil penjualan dari lima meiek barang memang tidak sama.
Catqtan: Kalau data belum berbentuk peringkat, maka harus diubah menjadi peringkai,
atau ranking (: ordinal).
(01{T0H 7.5

Seorang ahli SDM akan meneliti untuk mengetahui apakah jarak dari rumah ke kantor

l"tempengaruhi prestasi karyawan? ]arak rumah dikelompokkan menjadi tiga: kurane


dari 10 km, 10 km hingga 20 km, dan 20 km atau lebih.

3t4

Stotistik: leori don Aplikosi

lilid 2

Prestasi Kerja Karyawan Berdasarkan ]arak dari Rumah Ke Kantor:

, Data .&sli
<10 10<20

:
,

>20

82
89

78

92
68
56
77
82

69
79
65
60

72

5/
62

71

75

74
83
56
59
90

64
77
84
56
88

81

62
91

53
85

<10

Data Peringkat

27
33
12
357
19,5
24,5
23
8,5
92276
1331
28

69

10<20

>20

24,5
30
76

13,5
22

9,5
18
10
19,5

11

15

17
26
3

29
13,5

]umlah pgringkat

(i) Uji H0 : p\ : ltz:

lts

rata-rata peringkat sama)

H, : lti * Ui G rata-rata peringkat tak

(ii) Hitung: KW :

sama)

[,,*-t*rtt . ry. #]l

- 3(33 + r)

: Lpffi9,774 + 33667s + 229s,22s1- 102


1122'
: 0,07069[9501,089] - 702 : 760,568 - 702 :585,7
(iii) a:0,05 dari tabel kai-kuadrat, dengan df : k - 1 :3 - 1:2, Xzo,artzt:5,597.
(iv) Karena KW : 58, 57 , N|,ou<rl : 5,591, maka Ho ditolak, artinya rata-rata peringkat
prestasi kerja tak sama untuk tiga jarak dari rumah ke kantor.

SOAL TII.IJAUAN 7.3

1.
2.
3.
4.
5.
6.

Apakah perbedaan antara pengujian Mann-Whitney dan prosedur uji tanda?


Apakah perbedaan antara pengujian Mann-Whitney dan statistik U?
Dalam pengujian Mann-Whitney, besarnya kedua sampel independen harus selalu
sama satu dengan yang lain. Benar atau salah?
Pada saat menetapkan peringkat terhadap data yang relevan dalam pengujian MannWhitney, kita untuk sementara mengabaikan kategori sampel dari data tertentu. Benar
atau salah?
jika nilai hitung U sama atau lebih kecil daripada nilai tabel U, maka hipotesis nol
ditolak. Benar atau salah?
Berapakah nilai tabel kritis U jika n, : 12, nz: 13, a = 0,05, dan pengujian yang
dilakukan adalah pengujian dua-arah?

RUNS TTST UNTUK IUIEI.IHAT KEACAKAN

Seorang investor ingin mengetahui apakah kenaikan dan penurunan yang terjadi akhirakhir ini pada data harian Dow lones lndustrinl Aaerage (DJIA) benar-benar bersifat acak

atau apakah ada keteraturan atau pola pada perubahan tersebut yang mungkin
mempengaruhi portofolionya. Untuk itu, investor tersebut dapat melakukan runs test fuji
deret) untuk melihat keacakan. Tujuan

uji deret adalah untuk menentukan apakah keacakan

ioh

3r5

lletode Statislik Nonporonetrik

akan terjadi atau apakah terdapat suatu pola yang mendasari urutan data sampel.
Pengujian tersebut didasarkan pada jumlah deret dari hasil yang identik pada data berurut.
Misalnya, apabila investor tadi melihat bahwa dalam 15 hari kerja berturut-turut angka
DIIA menunjukkan rangkaian dari 15 rangkaian yang berkaitan, dia mungkin akan
menyimpulkan adanya pola dalam perilaku pada modal (bursa saham). Sayangnya, dalam
kenyataan, proses pengambilan keputusan tidak selalu segamblang itu. Oleh karena itu,
runs test merupakan prosedur pengujian hipotesis lain yang dirancang untuk membantu
para pengambil keputusan.
Prosedur Peloksonoon Runs Test
Misalkan untuk 15 hari kerja terakhil, DJIA memperlihatkan perubahan-perubahan berikut:

3 4 5 6 7 I 9 10 11 12 13 74 15
+ + - +
- - + + + + +

Hari: 7 2
Perubahan:+ +

Tanda positif menunjukkan kenaikan dari hari sebelumnya, sementara tanda negatif
menyatakan penurunan dari hari sebelumnya.
Prosedur pelaksanaan Runs Test adalah:
a. Merumuskan Hipotesis Nol dan Hipotesis Alternatif Hipotesis untuk runs test

kila

adalah:

Ho : Data berurut DJIA yang dianalisis tersebut bersifat

H,

acak.

'. Data berurut DJIA yang dianalisis tersebut mempunyai pola.

Runs test dirancang

untuk mendekati pola dalam data berurut, tetapi tidak bisa

mengungkapkan hakikat dari pola tersebut. ]adi, untuk contoh ini, uji deret dapat
memperlihatkan adanya pola dalam perubahan pasar modal, tetapi berdasarkan hasil
pengujian, kita tidak dapat menyimpulkan apakah pola itu menaik atau menurun.
b.

Deret

Berdasarkan urutan tanda (positif atau negatif) tadi,


dapatkah investor tadi menyimpulkan adanya keacakary atau apak4h terdapat suatu
pola? (Investor tersebut tidak peduli pada jenis pola yang muncul). Langkah pertama
untuk menjawab pertanyaan ini adalah dengan menghitung jumlah deret. Dengan
menggunakan data sebelumnya, hal itu akan dilakukan sebagai berikut:

Menghitung ]umlah

Perubahan : + +

Deret:7

--+ + + + + -- + + - +
2 3
4 5 67

Ada tujuh deret dalam urutan data tersebut. Deret pertama adalah urutan dua tanda
positif. Deret kedua adalah dua tanda negatif; deret ketiga adalah lima tanda positif;
dan seterusnya. ]adi, kita dapat menyatakanbahwa r (jumlah deret) = T.Daridata
tersebut, apakah ketujuh deret itu menunjukkan gerakan acak di pasar modal, atau
mungkinkah terdapat pola pada deret tersebut?

Menghitung Frekuensi Kejadian Langkah berikutnya dalam prosedur runs-test


adalah mengidentifikasi terlebih dahulu jumlah elemen dari suatu jenis data (yang
disebut nr) dan kemudian mengidentifikasi jumlah elemen dari jenis data lainnya
(yang disebut n2). Pada data di atas, kita mempunyai 10 tanda positif (sehingga n,
: 10) dan 5 tanda negatif (nr:5). Pada kondisi di mana tidak ada perubahan dalam
DIIA, maka kondisi tidak akan diperhitungkan.

d.

Me_narik Kesimpulan Statistik Jika n, dan nrmasing-masing sama atau lebih dari
kita akan memulai pengujian hipotesis nofdengan merujuk ke Tabel r yang ada

20,5

'

Prosedur runs test dapat diterapkan pula untuk n, atau n2 > 20, tetapi keterbatasan ruang memaksa kita
untuk hanya membahas situasi di mana ,71 atau r., < 20.

3t6

Stotistik: Teoil don

ffiosi lilid

pada Lampiran XI, di bagian belakang buku ini. Tabel r ini didasarkan pada asumsi
bahwa Ho benar, dan menyajikan nilai r kritis menurut nt, nz, darrtaraf nyata sebesar
0,05. Aturan pengambilan keputusan berikui digunakan untuk membandingkan nilai r
sampel dengan nilai r pada tabel.

Hipotesis nol harus ditolak apabila nilai r sampel sama atau lebih kecil dqri nilai
pada tabel; Ho juga harus ditolak apabila nilai r sampel sama atau lebih besar dari
nilai r pada tabel di bagian lampiran.
Karena \: 10 dan nr: 5, maka nilai r dari tabel (a) di bagian lampiran adalah
3, dan nilai r dari tabel (b) di bagian lampiran adalah 12. Dengan demikian, Tabel r
pada bagian lampiran menyatakan bahwa dalam suatu urutan acak yang terdiri dari
15 hasil observasi di mana ada 10 tanda positif dan 5 tanda negitif, probabilitas
untuk memperoleh deret sebanyak 3 ke bawah atau 1,2 ke atas hanyalah 5 persen.
Karena jumlah r sampel adalah 7 dan berada di antara kedua nilsi tabel tersebut, maka kita
dapat menolak hipotesis nol. Sangat besar kemungkinan untuk memperoleh 7 deret
dalam urutan acak yang terdiri dari 15 observasi yang mirip dengan data sampel
kita. Dengan demikiary investor tersebut mungkin akan menyimpulkan tidak adanya
pola yang dapat dideteksi dalam perilaku pasar modal selama 15 hari terakhir.

Peraga 7.4 mengikhtisarkan prosedur pelaksanaan runs test untuk melihat keacakan.

Bob

317

lletode Stotktik Nonporonetrik

SOAI TIilJAUAN 7.4

1.
2.
3.
4.
5.
6.
7.

Apa yang dimaksud dengan runs test'l


Apakah runs test memerlukan dua sampel yang independen?
Apa hipotesis 5 alternatif dalam runs test?
Runs test hanya terkait dengan pendeteksian adanya pola; prosedur ini tidak terkait
dengan jenis atau arah pola apabila ada pola dideteksi. Benar atau salah?
]ika nilai r sampel lebih kecil dari nilai r tabel yang terbawah atau lebih besar dari
nilai r tabel yang teratas maka hipotesis alternatif akan diterima. Benar atau salah?
Tabel r pada bagian lampiran dapat digunakan apabila nl dar. n, masing-masing
lebih besar dari 20. Benar atau salah?
Dalam suatu runs fest untuk melihat keacakan, terdapat L0 deret pada urutan data.
Nilai r, adalah 79, dan nllai n, adalah 1.4. Pada taraf nyata sebesar 0,05, apakah H,
akan diterima?

KOETISIEN KOREI.ASI PERI}IGKAI SPEARMAN

Koefisien korelasi peringkat spearmao rr, adalah ukuran erat-tidaknya kaitan antara dua
variabel ordinal; artinya, r, merupakan ukuran atas kadar/derajat hubungan antara data
yang telah disusun menurut peringkat (ranked data). Koefisien korelasi (r) dihitung dengan
menggunakan nilai aktual dari X dan Y, sedangkan koefisien. Spearman yang akan kita
bicarakan berikut ini menggunakan nilai peringkat untuk X dan Y, danbukan nilai aktual.

Prosedur Penghitungon l(oefisien Korelosi Peringkoi Speormon

Sebuah perusahaan asuransi

di jakarta telah

menyelenggarakan kursus penyegaran

penjualan yang dimaksudkan untuk meningkatkan prestasi para wiraniaganya. Beberapa


kelas telah menyelesaikan kursus tersebut. Dalam memperkirakan nilai program tersebut,
manajer pelatihan penjualan ingin menentukan apakah ada hubungan antara prestasi
dalam program dengan prestasi dalam menghasilkan penjualan tahunan setelah menjalani
kursus. Tabel7.4 menunjukkan data yang dikumpulkan oleh manajer pelatihan penjualan

dari 11 (n

71.)

lulusan program.

Prosedur penghitungan yang akan kita lakukan adalah:

a. Menyusun Peringkat Data

Sebagai langkah pertama, manajer tadi menyusun


peringkat dari kesebelas wiraniaga berdasarkan prestasinya dalam kursus penjualan.
Peringkat 1 diberikan kepada wiraniaga dengan prestasi terbaik; peringkat 2 diberikan
kepada lulusan kedua terbaik, dan seterusnya. Kemudian, setiap wiraniaga diberi
peringkat menurut prestasinya dalam penjualan selama tahun berikutnya. Peringkat
1 diberikan kepada wiraniaga dengan penjualan terbanyak, peringkat 2 diberikan
kepada wiraniaga dengan penjualan kedua terbanyak; dan seterusnya. Misalnya,
Stella dinilai sebagai wiraniaga terbaik dalam kursus, dan telah menghasilkan jumlah
penjualan keempat terbanyak selama 12 bulan setelah menyelesaikan kursus.

b. Menghitung

Perbedaan antara Pasangan Peringkat Langkah berikutnya adalah


perhitungan sistematis atas perbedaan peringkat. Perbedaan ini, yang diberikan notasi
D, ditunjukkan pada kolom ketiga Tabel7.4. Karena Michael mendapat peringkat 5

3r8

Stotktik: leori don Aplikosi lilid 2

untuk prestasi kursus tetapi memperoleh peringkat yang lebih rendah, yaitu 7, dalam
prestasi penjualan, maka perbedaan untuk Michael adalah -2.

c. Menghitung r,

Setelah menghitung D untuk setiap wiraniaga, manajer tersebut


akan menghitung koefisien korelasi Spearman, yang didefinisikan sebagai berikut:

*"+j$ffi.*l

l7;41

Untuk menghitung rs, kita harus menguadratkan perbedaan antara setiap pasangan
peringkat dan kemudian menjumlahkan perbedaan yang dikuadratkan tersebut yaitu,
menghitung LD2 dalam pembilang rumus (7.4). Kolom terakhir dalam Tabel 7.4
menunjukkan jumlah dari perbedaan yang dikuadratkan tersebut. Hasil perhitungan
dalam Tabel 7.4 memberikan nilai r, sebesar 0,636.
Sebagai dasar untuk menginterpretasikan rr, Anda harus selalu ingat bahwa
apabila r. (seperti koefisien korelasi biasa, r) bernilai nol, maka tidak ada korelasi.
Dary seperti halnya r, jlka r, adalah + 1,00 atau -1,00, maka terdapat korelasi sempuma.
Karena itu, dalam contoh kita, manajer tersebut bisa menyimpulkan adanya korelasi
antara prestasi kursus dan prestasi aktivitas penjualan setelah kursus.

,@

l(orelosi Peringkot Speormon

Wiianiaga

,::

,1Fof|!daan,

..li.,',.,**krg,
,$ef ut,tr*,',S
.,.,,,,.,,Dt.',,'
;;.;1;,1,:,'{$}' rr::''

Stella
Piere

ff.
(it}

1.6

-3

Deni
Handoyo
Michael

Bram

10

t6

5llvra

.)

16

Mardi

Redi

Susan

10

GozaTi

11

11

.t

ID:
r =1-( 6ZD' t
:1- (

6(80)

7t(121

: 1 - 0,364
=

0,636

1)

ED2 = 80

Boh

Metode Stotistik Nonporometrik

3t9

Menguii Signifikonsi r,
Pengujian yang lebih formal bisa dilaksanakan untuk menentukan apakah benar-benar
ada hubungan statistik seperti diisyaratkan oleh r, Hipotesis nol biasi ditentukan untuk
menyatakan tidak adanya hubungan antara prestasi kursus dan prestasi penjualan, yaitu
Ho: r, = 0. Karena manajer pelatih cenderung berkeyakinan bahwa kursus tersebut akan
meningkatkan kemampuan menjual, maka pengujian satu-arah ke kanan dapat dilakukan,
dan hipotesis alternatif akan menyatakan adanya hubungan positif antara prestasi kursus
dengan prestasi penjualan, yaitu H, : r. > 0. Misalkan kita-akan melakukan pengujian
pada cr : 0,05. Pertanyaan mendasar dalam pengujian hipotesis kita adalah berapa
besarnya probabilitas untuk memperoleh nilai r, sampel sebeiar 0,636 jlka sesungguhnya
tidak ada hubungan antara kedua variabel teriebut?
1rylffiIfFF@$%

&rrmuska4 hipoteeis aol


dan hipotesis alteraatlf

Tentu}an.taraf

:'*yata

(er)

KumpUlka* data danrl


kernudiar.r susun gri1rskat

datartetsebut

r':'

Hiturtg p9rffia*n
aatara p,aean$an
,peringkat
4+--4-I-

,,,,

ttr_ifeng

::

, 6l,tr
re=l;---*::*

Ir{n?.* 1)

]ika

r 7,1&: e

0{=r"T1-r,'
Bandingkan nilai CR yang
dihituag dengan nilai dari
tabel t dengan menggunakan

derajatkebebasann-2

TariL k**tmpulan
etatietik tenta*g H

Ststistik: leoil don Aplikosi

320

lilid 2

]ika ukuran sampel lebih besar dari L0, kita bisa melakukan pengujian hipotesis
dengan menghitung rasio kritis (critical ratio : CR) sebagai berikut.
{7.s}

CR,=,,t;

Berdasarkan data dalam contoh, kita peroleh:

CR = 0,636

ry=(0,636)'

\ 1-

Nilai dari tabel

f:
fu.orlry

1,833

Setelah menghitung rasio kritis, kita sudah dapat menarik kesimpulan berdasarkan aturan
pengambilan keputusan untuk pengujian satu-arah ke kanan pada taraf nyata sebesar
0,05,

yakni sebagai berikut:


rerima

,rrro^

nilai f tabel

r?i<
Tolak Ho dan terima

H, iika CR > nilai f

tabel.

f tabel? Nilai f tabel, sekiranya Anda lupa, dapat ditemukan pada Tabel
Distribusi t di Lampiran V di bagian akhir buku ini. Kolom df (degrees of freedom: derajat
kebebasan) yang akan dipilih kali ini ditentukan dengan menggunakart n - 2 karena kita
mempunyai dua variabel (prestasi kursus dan prestasi penjualan). Taraf nyata yang
terdapat pada setiap kolom dalam Tabel f tersebut adalah untuk pengujian satu-arah.
Karena CR : 2,47 lebih besar drri fo.our, : 7,833, maka hipotesis nol tersebut ditolak. Kita
dapat menyimpulkan adanya hubungan statistik antara keikutsertaan dalam kursus
penjualan dengan prestasi penjualan setelah mengikuti kursus tersebut'
Peraga 7.5 mengikhtisarkan prosedur untuk menghitung r, dan menguji signifikasinya.
Berapa nilai

SOAT IINJAUAN 7.5

1. Apa yang dimaksud dengan koefisien korelasi peringkat Spearman?


2. Apa yang bisa disimpulkan jika r,: + 7,36?
3. likan > 10, signifikasi r, dapat diuji dengan menggunakan rumus (7.5). Benar

atau

salah?

4. jika ID2 : 566 dan n : 16, berapakah r,?


5. a. ]ika r, : 0,67 dan n: 13, maka CR : 2,43. Benar atau salah?
b. Pada taraf nyata sebesar 0,0L, apakah Ho akan diterima dengan

pengujian satuini).
(Gunakan
bagian
a
dari
pertanyaan
yang
diberikan
pada
data
arah?

KESIMPUTAN

't.

Kegiatan peneliti sering kali terganggu karena data yang tersedia untuk analisis
tidak mempunyai "sifat" kuantitatif yang pasti. Misalnya, data tersebut mungkin
diperoleh hanya dari jumlah sampel yang kecil, dan barangkali bentuk distribusi
populasi dan pengaruhnya terhadap distribusi sampel tidak diketahui. Apabila
masalah semacam itu timbul, maka metode nonparametrik dapat digunakan. Dalam

\oh

lletode Stotistik Nonporonetrik

32r

hal ini, kita baru membahas sebagian kecil dari metode nonparametrik yang lazim
digunakan, dan kita telah membatasi perhatian terutama pada kasus-kasus dengan
sampel kecil.
Apabila kita ingin mengetahui apakah terdapat perbedaan mencolok antara pasangan
peringkat data yang ditarik dari satu sampel atau dua sampel yang berkaitary prosedur
uji tanda ataupun prosedur uji peringkat bertanda Wilcoxon dapat digunakan. Apabila
besaran atau ukuran dari perbedaan antara pasangan data akan dipertimbangkan

dalam pengambilan keputusan, prosedur uji peringkat bertanda Wilcoxon harus


digunakan; jika arah dari perbedaan itu saja yang diperlukan untuk pengarnbilan
keputusan, maka prosedur uji tanda sudah memadai.
Pengujian Mann-Whitney, atau uji U, harus digunakan jika perbedaan antara pasangan
data sedang dipelajari dan jika data tersebut diambil dari dua sampel yang independen.

Apabila terdapat satu sampel dengan data beruruf uji deret untuk melihat keacakan
dapat dilakukan. Pengujian ini dirancang untuk mendeteksi ada atau tidaknya pola
atau keteraturan dalam data berurut.
5.

Akhirnya, kita telah membahas tentang koefisien korelasi peringkat Spearman. Angka
ini mengukur koefisien korelasi untuk pasangan peringkat data. Hasil perhitungan
r, akan menunjukkan ukuran keterkaitan antara dua variabel.

ISTILAH PENTING
Statistik Nonparametrik: statistik yang tidak memerlukan pembuatan asumsi tentang
distribusi.

Uji tanda-(sign testl uji yang didasarkan pada tanda negatif dan positif dari perbedaan
antara pasangan data ordinal.

Uji peringkat bertanda Wilcoxon: pengujian yang dilakukan jika besaran maupun

arah
perbedaan relevan untuk menentukan apakah terdapat perbedaan yang sesungguhnya

antara pasangan data yang diambil dari satu sampel atau dua sampel yang
terkait.

salir"rg

Uji Mann-Whitney: penguiian di mana akan diuji hipotesis nol yang mengatakan bahwa
tidak ada perbedaan yang sesungguhnya antara kedua kelompok data, atau data
tersebut diambil dari dua sampel yang tidak saling terkait.
Uji deret (runs testi uji untuk menentukan apakah keacakan akan terjadi atau apakah
terdapat suatu pola yang mendasari urutan data sampel.
Koefisien korelasi peringkat spealman. ukuran erat/tidaknya kaitan antara dua variabel
ordinal.

RINGKASAN RUMUS
1,.

Rasio kritis pada

uji tanda dengan sampel

CR=2R:"
"ln

Pengujian Mann-Whitney
,, _ fi.fr2 + nr(nr+ l)
U ---I\1

besar

322

Stotistik: leoil don Aplikosi

lilid 2

atau

(n., + 1)
_ O__
u=ntn?+' n.
2

Kriteria uji Friedman

3.

[t2tl,r$r:

,? -Lnk(k+7))
=l i=' I - :r(L * r)

^u
Kriteria uji Kruskal Wallis

4.

KW

,72 ,rr?hi1
=lln(n+1)-'
'l - 3(n + t\

Koefisien korelasi peringkat

5.

6LD2
n1n2

6.

l1

Rasio kritis pengujian r,

r^

CR=4 l"^

\t-,?

PERTANYAAN

1.

LATIHAN

Polly Esta, pemilik Natural Textiles, Ltd., sangat prihatin atas output harian pekerja pabriknya yang
selalu rendah. Karena itu, dia menerapkan sistem bonus dan tentunya dia ingin tahu apakah sistem
itu akan menghasilkan perbaikan. (Pada saat ini dia tidak terlalu peduli terhadap tingkat perbaikan
produktivitas). Dalam suatu eksperimen, kepada delapan pekerja ditawarkan sistem bonus. Output
mereka sebelum dan sesudah berlakunya sistem bonus adalah sebagai berikut:

Harris TWeed
Stitch N. Tyme
Les Hemm
lom laylor
Chuck Moore
Tex Tile
John Trim
Mat Wool

a.
b.
c.
d.
2.

&

80
75
65
82
56
70
73
62

85
75
71

79
68
86
71

59

Bagaimana bunyi hipotesis alternatifnya?


Berapakah n dan r?
Berdasarkan Ho, berapakah probabilitas untuk memperoleh nilai sebesar

r dengan jumlah n

tersebut?

Jika hipotesis nol ditolak, berapakah taraf nyatanya?

Direktur pemasaran National Shampoo Company ingin mengetahui apakah dengan memekatkan
warna shampo hijaunya, para pelanggan akan merasa lebih efektif. Pada saat ini, direktur tersebut

Bob

323

lletode Stot'atik Nonporcnetik

hanya ingin menentukan cocoldtidaknya ide itu dikembangkan lebih jauh dan ingin mengetahui tingkat
perbaikan dalam persepsi terhadap keefektifan produk. Data telah dikumpulkan dari tujuh orang;
semuanya telah memberikan penilaian terhadap shampo berwarna hijau muda dan shampo yang
sekarang diberi warna hijau tua. Skala 1 sampai 10 digunakan di mana angka 1 berarti "sangattidak

efektif" dan 10 berarti "paling efektif.". Data tersebut diperlihatkan di bawah ini.

Abe Beti
Will Ling
Peg Brown
Dan D. Ruff

a.
b.
c.

4
6
7
5

2
6

Sue Weese
Jack Sprat

6
8

Jim Hawkins

Bagaimana bunyi hipotesis alternatifnya?


Berapakah nilai n dan r?
Jika Ho ditolak, berapakah kesalahan dalam penolakan tersebut?

Cal Q. Leighter Computer company mempekerjakan 500 wiraniaga. Dalam rangka mengurangi jumlah
waktu untuk "menutup" (merampungkan) penjualan, perusahaan menyediakan paket barang contoh
yang akan diperagakan dalam usaha penjualan. Sejauh ini, baru 10 wiraniaga yang telah meminta
dan menggunakan paket tersebut. Setiap wiraniaga yang akan menggunakan paket tersebut akan

23

17

B
C
D

45

43
36
37
20
39

F
G
H
I

36
42
25
33
28
25
35
30

31
21

27
40

diminta untuk memperkirakan jumlah waktu yang biasanya diperlukan untuk melakukan peragaan
penjualan, Setelah masing-masing wiraniaga tersebut menggunakan alat bantu tersebut selama 2
bulan, mereka diminta kembali untuk memperkirakan berapa lama waktu yang dibutuhkannya untuk
melakukan penjualan. Datanya diperlihatkan dalam tabel di atas.
a. Bagaimana bunyi hipotesis alternatifnya?
b. Jika taraf nyata sebesar 0,05, apakah H, akan ditolak?
4.

Anggaplah kita sedang melaksanakan prosedur uji tanda, dan dalam menentukan perbedaan antara
pasangan data, kita mempunyai fakta-fakta pada tabel di halaman berikut.

324

Stotistik: leori don Aplikosi

lilid 2

Hipotesis alternatif menyatakan bahwa probabilitas untuk memperoleh tanda negatif lebih besar dari
0,50. Jika hipotesis nol ditolak, berapakah taraf nyatanya?

A
B

c
+

D
E

5.

Anggaplah Anda mempunyai fakta-fakta berikut untuk suatu prosedur uji tanda:
pengujian dua-arah, dan cx = 0,05. Apakah hipotesis nol akan ditolak?

b.

Lakukanlah prosedur uji tanda berdasarkan data berikut.

n=15,r=3,

C
D
E

Andaikata hipotesis alternatif menyatakan bahwa tanda negatif lebih besar kemungkinannya daripada
tanda positif, pada taraf nyata berapa Ho akan ditolak?
7.

Bovine Dairy Association mensponsori suatu seri iklan TV dengan masa putar 30 detik untuk mempromosikan konsumsi susu. Delapan belas toko diminta untuk mencatat jumlah penjualan susu sebelum
iklan tersebut ditayangkan. Setelah iklan tersebut ditayangkan di televisi, kedelapan belas toko tadi
diminta melaporkan penjualan mereka dalam satu minggu. Data-datanya adalah sebagai berikut.

;Fssii,,*s!I

#ii!

di **lani iffi

Jones

124

Ma&Pa

107

Granny's
Ralph's

82
114
940
75

1.080
85

105

105

94
865

98s

J&A
Korner
Superette
Mike's
Buy More
Value
Pete's
Foodco
Koop
Speedy
Walt's
Big Bag
Pay Now
Plus

620
80

136
105

89

128

95
820
75

750

725

330

350
112

110

125
400

400
175

12A

425
450

215

'ti

hob

lletode Stltistik Nonporunetik

a.
b.
c.

325

Lakukan prosedur uji tanda pada taraf nyata sebesar 0,10.


Lakukan prosedur uji peringkat bertanda Wilcoxon pada taraf nyata sebesar 0,05.
Anggaplah 18 toko lain juga telah dihubungi dan telah mencatat data penjualan sebelum dan
sesudah reklame. Anggaplah juga bahwa hasil-hasil berikut telah diperoleh.

Perbedaan bertanda
Perbedaan bertanda
Perbedaan bertanda

= 24
= 10
=

36

Lakukan prosedur uji tanda dengan

8'

s = 0,05.

True Grit Sand Company mempunyai dua unit operasi di wilayah Boston. Pemilik perusahaan selalu
berkeyakinan bahwa lokasi B lebih produktif daripada lokasi A hanya karena masalah geografis;
artinya perbedaan produktivitas di antara kedua daerah tersebut tidak bisa disangkut-pautkan dengan
perbedaan kemampuan tenaga kerja dan mesin-mesinnya. Untuk menjernihkan hal ini, pemilik
memantau output mingguan dari 12pekerja di lokasi Adan kemudian memindahkan para pekerja ini
ke lokasi B. Output kedua belas pekerja ini juga dipantau di lokasi B selama satu minggu. Hasilnya
adalah sebagai berikut.

Spade
Dozer
Truk
Graider
Levell
Bobb
Pile
Rock
Pebble
Sands
Dunes
Gravell

a.
b.

100
150
160

105

95
110

95
't18

87
135

143

145
163

90

125
98

129
86

142

145

110
130

132

85

Lakukan prosedur uji tanda dengan a = 0,05.


Lakukan prosedur uji peringkat bertanda Wilcoxon dengan

cx

0,01

Seorang apoteker ingin mengetahui apakah suatu jenis ramuan obat baru efektif untuk penderita
penyakit kronis. Dia yakin bahwa obat tersebut akan sangat banyak mengurangi rasa sakit. Dia ingin
mencatat tidak hanya perubahan rasa sakit setelah menggunakan dosis tertentu dari obat itu saja
tetapi juga seberapa jauh perubahan tersebut. Dengan menggunakan alat pengukur yang telah
banyak digunakan, dia mencatat tingkat rasa sakit dari 8 pasien sebelum dan sesudah obat itu
dimakan dan bereaksi. Angka yang tinggi menandakan tingkat rasa sakit yang tinggi. Datanya adalah
sebagai berikut.
:

P-&31*n,

A
B

C
D
E

F
G
H

:Ilngkat. Hesa . $a*i1,,

,i,'$oblt1nr.M*1ta6,.,,
.,t,I .,. 1,Ob*t. :,.rr.,.,.

Tiffiil'H.eqa,$akii
:

,,.
,,

.ei*,gda&.,Maken,,

',-..;Obatl:':. '.:

14
15
10
12
't'l

11

13
12
10

11

10
11

10

326

Stttistik: leoil don Apliktsi lilid 2

a.
b.
10.

Bagaimana bunyi hipotesis nol dan hipotesis alternatifnya?


Sekiranya apoteker tersebut menentukan cx = 0,05, apa yang bisa disimpulkan mengenai
keefektifan obat baru tersebut?

Misalkan Anda sedang melakukan prosedur uji peringkat bertanda Wilcoxon dan perbedaan antara
pasangan-pasangan observasi adalah sebagai berikut.

Rsqpprtdefl,i

, :Perbda*n,ant*rg.l
P.a$nger:i,Ubeerv i

+3

l:

::i'il

C
D

-1

a.
b.
c.
d.
11.

l,:

+8
+4

F
G

-2

+6

+1

Berapa jumlah peringkat positif?


Berapa jumlah peringkat negatif?
Berapa nilai Iyang dihitung?
Dengan pengujian dua-arah dan u sebesar 0,05, apakah Anda akan menolak hipotesis nol?

Anggaplah hipotesis alternatif dalam suatu pengujian adalah sebagai berikut.


H, : Probabilitas penurunan lebih besar daripada probabilitas kenaikan.
Lakukan prosedur uji peringkat beftanda Wilcoxon pada o = 0,01 untuk data berikut.

+6

-9

3
4
5

+2

-3
+1

I
I

13.

-5

10

+3

11

-2

12

12.

-1

13

14

-10

Gunakan data pada Soal 1 untuk melakukan prosedur uji peringkat bertanda Wilcoxon dua-arah
dengan taraf nyata sebesar 0,05.
Lakukan prosedur uji peringkat beftanda Wilcoxon dua-arah berdasarkan data dalam Soal 3. Gunakan

taraf nyata sebesar

0,01

14. Dari ujian saringan masuk perguruan tinggi, ditemukan adanya sekelompok siswa yang mendapat
nilai tinggi pada ujian bahasa dan sekelompok siswa lain mendapat nilai tinggi pada ujian matematika.
Seorang penyuluh sekolah ingin mengetahui apakah kedua kelompok tersebut akan mencapai prestasi
yang sama bagusnya pada akademi bisnis. Sampel dari lndeks Prestasi (lP) mahasiswa telah dipilih
(4,0 menunjukkan nilai A dan 1,0 menunjukkan nilai D), dan datanya adalah sebagai berikut.

Boh

327

filetode Stotistik llonporometilk

Si$weldeqgan
Hifai:Bahalp,

.$is*a,de1gan,l
N!lbi,,M#9il1!atika

,;,'fahg

ye$S.Tlr,lggi,l

,lF
Nama

:',r

. ,:[.F r,

Akadcrni

Ataoernl

Namd
Boole
Pythags
Chebushev
Bayes
Sine
Cosine

2,4
3,2

Chipps
Howthorne
Walden
Canterbury
Emerson
Jones
Smith

tin

3,S
1,6

2)

2,5
2,4

3,1

2,3
'1,9

2,1

2,7
3,6

Lakukan pengujian dua-arah pada taraf nyata sebesar 0,O2

15.

Flat Tire Company telah menguji tabung pemompa ban yang baru (yang disebut inflator, yaitu tabung
kecil dengan tekanan angin tertentu dan disambung langsung ke ventil ban). Tabung itu diharapkan
akan bekerja jauh lebih cepat daripada inflator pesaing utama. Para pembalap motor dipilih secara
acak untuk pengujian produk baru tersebut. Sejumlah pembalap ditentukan untuk menggunakan
produk baru itu sementara pembalap lainnya menggunakan produk dari pesaing utama. Jumlah
waktu (dalam detik) yang diperlukan untuk memompa ban adalah sebagai berikut.

,,,,lnflatof::,l
dafi Flat llilre

,,

lnllgtor dari
,

F*sai1g Utar.fla

17

23

16

21

Sekiranya Andalah yang mela-

21

32

kukan penelitian tersebut, ke-

19
15
14
16
16

21

putusan apa yang akan diambil


secara statistik pada taraf nyata
sebesar 0,05?

19

20
21

22

23

16.

Seorang penyuluh pekerjaan berkeyakinan bahwa lulusan akademi/perguruan tinggi cenderung lebih
merasa puas pada pekerjaannya daripada mereka yang bukan lulusan perguruan tinggi. Pengujian
kepuasan kerja dilakukan kepada para pekerja untuk setiap kategori. (Angka yang tinggi menunjukkan
kepuasan kerja yang tinggi). Hasil-hasil yang diperoleh adalah sebagai berikut.
Lulusan
Perguruan Tinggi

ps.:I!]B!la

a
b
c

142

87
93
98
95

101

s
h

92
85

88

j
k
I

aa
bb
CC

dd
ee
ff

ss
hh

95
97
96

Ambillah keputusan statistik pada taraf nyata sebesar 0,05!

78
93
't01

85

84
77
92
86

328

17.

Ststistik: leori don Aplikosi

lilid 2

Seorang psikolog membuat hipotesis bahwa siswa dari SMA A cenderung lebih agresif daripada
siswa tertentu dari sekolah B. Nilai yang tinggi dari tes ini menunjukkan agresivitas yang besar. Hasilhasil berikut diperoleh dari tes tersebut.

SMA A

Nama Siswa

SMA B

Nilai Tes

UNama Siswa

Nilai Tes

43
56

Frank Mild

John Plain

47
68
39

Jim Jungle
Mike Tuff

Bill Bully

31

Bobby Blah

Sam Shove

30

Tom Truant
Steve Skipp

41

Ken Kwiat
Carl Calm
Dave Dull
Gary Good

38

Kurt Kind

29

36
42
33
54

Ambillah keputusan statistik pada taraf nyata sebesar 0,05!

18.

Ngadimun dan Mardi bermain lempar uang logam dengan menggunakan uang logam Rp.50. Jika
gambar (B)yang muncul, Ngadimun akan mendapat Rp 100, sedangkan jika angka (A)yang muncul,
Mardi akan mendapat Rp 100. Setelah 20 kali main, Mardi kalah Rp 600. Karena uang logam yang
dimainkan tersebut berasal dari Ngadimun, Mardi mulai curiga jangan-jangan mata uang tersebut
telah "diberi muatan tertentu." Hasil permainan secara berurutan adalah sebagai berikut.

AAABBBABBBBBAAABBBBB
Apa yang dapat Anda katakan kepada Mardi dengan a = 0,05?

19.

Lembaga llmu-ilmu Ekonomi telah mengembangkan suatu model peramalan yang baru dan lembaga
tersebut ingin mengetahui apakah kesalahan peramalannya benar-benar bersifat acak ataukah terdapat
suatu pola di dalam kesalahan tersebut. Rangkaian yang terdiri dari 25 hasil estimasi dikumpulkan
dan dibandingkan dengan kenyataan. Kesalahan yang berupa overestimasi (+) dan underestimasi
(-) diperlihatkan berikut ini.

++-+-+-----++----+

+++-++

Kesimpulan apa yang dapat Anda tarik pada taraf nyata sebesar 0,05?

20.

Selama 22 hari, supervisor tenaga pengepakan memantau produktivitas guna menentukan sejauh
mana para bawahannya bisa mencapai kuota. Supervisor tersebut tertarik mempelajari apakah hasil
kerja harian yang di atas (+) atau di bawah (-) kuota bersifat acak atau tidak. Hasil pemantauannya
adalah sebagai berikut.

--+----++-+----++Ambillah keputusan statistik pada taraf nyata sebesar 0,05.

21.

Lakukan prosedur runs test pada u = 0,05 untuk rangkaian data berikut.

++++
22.

Lakukan prosedur runs tesl pada u = 0,05 untuk rangkaian data berikut.

23.

--++++--++++-++++++++

HHH HTH

HHTTTTTTH

HHH

Andilo Sitogol, seorang pelatih boling, telah mengamati bahwa dalam tahun-tahun belakang ini peboling

yang berhasil adalah mereka yang memiliki berat badan yang besar. Hal ini membuatAndilo bertanyatanya apakah berat badan mempengaruhi prestasi peboling. Data berat badan dan prestasi
kemenangan telah dikumpulkan untuk 21 peboling. Peboling terberat diberi peringkat 1, dan peboling

Bob

329

ttetode Stot'tstik Nonporunetik

D
1

21

13
8

5
19
12

4
14
18

20
11

7
16
3
15
17
10

dengan persentase kemenangan tertinggi diberi peringkat kemenangan 1. Hasil-hasilnya sepefti


tercantum pada tabel tersebut di atas.
Kesimpulan apa yang bisa ditarik pada taraf nyata sebesar 0,01?
Mickey Babbles, manajer penjualan Cool Cola Bottling Corporation, ingin mengetahui seberapa erat
hubungan (ika ada) antara temperatur harian dan penjualan pada hari itu. Karena lemahnya prosedur
pencatatan data, Mickey harus menetapkan peringkat data (di mana hari terpanas diberi peringkat
1 dan penjualan terbesar diberi peringkat 1). Lima belas hari dipilih secara acak, dan pasangan data
tersebut adalah sebagai berikut.

6
11

4
7

5
12

2
7

12

14

10

15
14

15
13

10
13

11

Kesimpulan apa yang bisa ditarik pada taraf nyata sebesar 0,01?

330

Stotistik: feoil don Apliktsi

lilid 2

25. Seorang psikolog yakin bahwa mereka yang mendapat nilai tinggi pada tes prestasi kemungkinan
besar akan memperoleh gaji yang tinggi. Untuk menguji keyakinan ini, psikolog tersebui telah
mengajukan kuesioner kepada 17 orang dan menyusun peringkat data sedemikian rupa sehingga
nilai tertinggi pada setiap kategori mendapat peringkat 1. Pasangan datanya adalah sebagai berikut:
Pe-ringkai

Feringka!

Prestasi

Gali

10
12

12

13

11

6
17

16

13
15

11

14
3

5
10

15
17

14
16

Kesimpulan apa yang bisa ditarik pada taraf nyata sebesar 0,01

26. Menurut sejumlah laporan baru-baru ini, penduduk di daerah pegunungan Placebo menyatakan
bahwa masyarakat di daerah itu hidup lebih 100 tahun. Menteri Penerangan Placebo mengungkapkan
bahwa usia yang sedemikian panjang berkaitan dengan konsumsi ketimun mentah. profesor piyEmeragukan pernyataan tersebut (baik dalam kaitan negatif maupun positif antara usia dengan konsumsiEketimun). Pemerintah Placebo telah mengizinkan Profesor Pry untuk memilih dan mewawancarai secara
acak 15 penduduk daerah pegunungan tersebut. Karena kurangnya pencatatan resmi, informasi yang

diberikan penduduk mengenai usia dan konsumsi ketimun tidak didata secara persis. Oleh karena
itu,Etrata yang diberikan penduduk berikut ini harus dikonversi menjadi data ordinal untuk dianalisis.
Nama
Penduduk

Ben Dover
Stan Strait

Al Bowe
Rip V. Winkle

Nee Kapp
L Clude Jawn
Howard Hertz

S. Keemo
Hugo First
Rip Mend

Red Hott
Hott N. Tott
Sy N. Nara

Usia,lrang
Di*aporkafi

102

Kcnsumsi Ketif,rrun Tahunan


yang Dilaporkan
156

136

175

98

134
143

110
106
156

92
89
143
124
94

129
164

124
110
160
109

.105

95
120

lve Haddit

117
108

133
119

Hal Widdit

97

101

Jika peringkat 1 diberikan kepada nilai terendah pada setiap kategori, dan jika
apa yang harus diambil?

s = 0,01,

kesimpulan

Bob

27.

33t

lletode Stotistik Nonporonetrik

Jika Anda seorang konsultan statistik dan Anda diminta oleh klien Anda untuk menguji apakah ada
kaitan antara prestasi kerja dengan nilai masuk kerja. Untuk itu Anda melakukan pengambilan sampel

secara acak dari karyawan yang bekerja pada perusahaan klien Anda sebanyak 10 orang dan
diperoleh data peringkat karyawan yang terkena sampel sebagai berikut.
Kesimpulan apa yang bisa ditarik pada taraf nyata sebesar 0,01?

Na.

; Fer:ingket

Frc$Asi: Keria

Psringkat
Tes Masuk

10
6

5
6

2
7

7
8
o
10

8
o

3
10
7

28. Jika diketahui perbedaan pasangan data yang digunakan dalam prosedur uji tanda adalah 14 positif,
24 negalit dan 4 nol, apakah keputusan statistiknya dalam pengujian dua-arah pada taraf nyata
sebesar 0,05?
29. Pada pengujian Wilcoxon terhadap pasangan data diperoleh jumlah peringkat positif dan jumlah
peringkat negatif berturutturut adalah 24 dan 20, apa yang dapat Anda simpulkan jika taraf nyata
yang digunakan 0,05?
30.

Dalam suatu runs test untuk melihat keacakan, terdapat 12 deret pada urutan data. Jika diketahui
4 = 20, ffz = 15 dan taraf nyata cx, = 0,05, apakah kesimpulan dari pengujian hipotesis tersebut?

IOPIK BAHASAN UI.ANGAN

1.
2.
3.
4.
5.

Apakah yang dimaksud dengan statistik nonparametrik?


Apakah contoh dari data nominal dan data ordinal?
Mengapa prosedur uji tanda berbeda dari prosedur uji peringkat bertanda Wilcoxon dengan uji l4
Apakah kesamaan prosedur uji peringkat bertanda Wilcoxon dengan uji l2
"Hasil-hasil runs lestlidak memungkinkan kita menarik kesimpulan tentang jenis atau arah dari pola
dalam data berurut apabila ditemukan adanya pola." Bahaslah pernyataan ini!

6.

Apa perbedaan utama antara koefisien korelasi parametrik dan nonparametrik?

JAWABAN TERHADAP SOAL.SOAT TINJAUAN


7.1

1.

Prosedur uji tanda dilakukan untuk menentukan apakah ada perbedaan nyata antara pasangan data
ordinal yang ditarik dari sampel tunggal atau dua sampel yang berkaitan erat; pengujian tersebut
didasarkan pada tanda perbedaan antara pasangan-pasangan data.

2.
3.

Pernyataan tersebut tidak benar. Pengujian dua-arah dapat dilakukan.


Untuk melakukan uji tanda, kita perlu mengamati atau mengukur setiap responden sebanyak dua
kali,

332

4.

Stotistik: leori don Aplikosi

lilid 2

Hipotesis nol pada prosedur uji tanda menyatakan bahwa probabilitas terjadinya tanda positif sama
dengan probabilitas terjadinya tanda negatif. Dengan kata lain, perbedaan median antara pasangan
data harus nol.

5. a.
b.
6. a.

Distribusi probabilitas binomial harus digunakan pada prosedur uji tanda apabila jumlah sampel
kecil.

Pendekatan normal terhadap distribusi probabilitas binomial bisa digunakan dalam kasus ini.
Salah. Jumlah data yang relevan adalah 12 (n= 12). Juga, nilai radalah 5, yaitu sama dengan
hasil penjumlahan terkecil dari kedua tanda tersebut.

b. Ho'.p=9,5
H.,'.p>0,5
s = 0,10

Dengan n = 12 dan r= 5, jumlah dari probabilitas yang relevan adalah 0,3867 (0,0002 + 0,0029

+ 0,0161 + 0,0537 + 0,1204 + 0,1934). Karena 0,10 < 0,3867, maka

Ho diterima.

7. Ho'.p=9,5
H,:p>0,5

cr

= 0,05

Aturan pengambilan keputusan: Terima Ho, jika CR berada di antara

gs = zR _ n _ 2(161-42 = __19_ = _1,543


^{42 !6781
^ln
Keputusan: Terima Ho, karena CR berada di antara

1,96.

1,96.

7.2

1.

2.
3.
4.
5.
6.

Prosedur uji peringkat bertanda Wilcoxon menggabungkan besaran (magnitude) dengan perbedaan
antar pasangan data ordinal.
Hipotesis nol pada prosedur uji peringkat bertanda Wilcoxon menyatakan tidak adanya perbedaan
nyata antara pasangan data.
Benar.

Salah. Nilai T statistik adalah jumlah yang terkecil dari kedua hasil penjumlahan peringkat, sehingga

I=20.

Nilai T tabel adalah 159.


Benar.

7.3

1.

2.
3.
4.
5.
6.

Data untuk pengujian Mann-Whitney diambil dari sampel-sampel yang independen, sementara data
untuk prosedur uji tanda diambil dari satu sampel atau dua sampel yang berkaitan.
Pengujian Mann-Whitney dari uji {/sama saja.
Salah. Sampel dalam pengujian Mann-Whitney tidak harus sama.
Benar. Pada penyusunan peringkat data tersebut pertama sekali, data dari kedua kelompok
dikumpulkan dan kemudian diberi peringkat tanpa mengaitkannya dengan kategori sampel.
Benar

Nilai kritis U menurut tabel adalah 41.

7.4

1.
2.
3.
4.
5.
6.
7.

Uji deret dirancang untuk menentukan ada-tidaknya pola dalam data terurut.
Data untuk uji deret ditarik dari satu sampel.
Hipotesis alternatif pada uji deret menyatakan adanya pola data terurut.
Benar.
Benar.

Salah. Penggunaan tabel tersebut bisa dilakukan jika jumlah setiap sampel sama atau lebih dari 20.
f/o harus ditolak. Nilai rterbawah menurut tabel adalah 11, dan karena nilai sampel rsebesar 10 lebih
kecil dari nilai tabel ini, maka H, tidak dapat diterima.

Bob

333

ltetode Stotistik Nonporumelilk

7.5

1.
2.

Notaris /s menunjukkan keeratan kaitan antara pasangan data ordinal.


Harus disimpulkan bahwa koefisien tersebut dihitung secara salah, karena nilai r. hanya bisa berada
+1 ,00 saja.

di antara -1 ,00 dan

3.
4.

Benar.

Jumlah tersebut dihitung sebagai berikut

r"=1-[
,=6,=(996) ,,]=o,rozz
94'' )=1-f
's - '
' l.16
(256 - 1)/
[n (n'- 1))5. a.

Salah, CR = 2,99

cR = 0.67 f4
=
! 1 - 0,67'

b.

2.ee

l/o harus ditolak. Nilai lpada df = 11 dan cr = 0,01 adalah 2,718,yan1 artinya < CR sebesar
2,99.

'o*ToH

PENGcu NAAN sPss

ISTASIISIICAL PROGRAM TOR SOCIAL 5C'E'TCfI

Iuiuon Beluiur
Seteloh mempeloiori hoh ini, Ando dihoropkon mompu:

.
.

Memohomi prinsip-prinsip operosi softwore SP55.


Meneropkon SPSS unluk menyelesoikon problem-problem slolistik dengon cepot don lepol.

Bob

bntoh

Penggunoon

SPSS

(Stotbtktl Progron For Sociol Sciente)

335

PtNDAHULUAI'l

Dalam metode analisis ini adalah analisis untuk pembuktian empiris dari hipotesis yang
dikemukakan. Hipotesis adalah pendapat yang harus diuji kebenarannya secara empiris.
Langkah-langkah pengujian hipotesis:
o Pernyataan hipotesis null (H,) dan hipotesis alternatif (H,)
o Memilih tingkat nyata

r
o
.
e
.
Penenluon

Mengidentifikasi uji statistik


Merumuskan pembuatan keputusan
Mengambil keputusan
Menerima H,
Menolak H,

fI,

don

II,

odoloh sebogoi berikut

Pernyataan Dua Arah

H, adalah suatu pernyataan yang menyatakan tidak ada perbedaary sedangkan H, adalah
suatu pernyataan yang menyatakan ada perbedaan.
j
;1:::::::'
""flS"E

,4G CONTOH
;

;;.IstaiEt

Ho: trtr: 1gg


Hn: trt, * 700
Pernyataan Satu Arah
H, adalah suatu pernyataan yang menyatakan bahwa 11 sama atau lebih kecil dari
sedangkan H, adalah suatu pernyataan yang menyatakan lebih besaq,

100,

(0ilT0H

Hr:,urS100
Hr:ptr>100
(0ilToH

Hr:prr2100
Hr: 1t, < 100
Penentuan Tingkat Nyata (Significant Leael)
Penentuan tingkat nyata, yang dinyatakan dengan simbol a adalah menentukan peluang
untuk menolak Hn, padahal Hu itu benar. Suatu peluang berada pada kisaran 0 dan 1. Jika
0 dinyatakan tidak mungkin terjadi sedangkan 1 dinyatakan pasti terjadi. jika kita
mengatakan bahwa peluang untuk menolak H,,, padahal H" itu benar adalah s'/o maka

nilai a =

0,05.

Besarnya nilai
Penentuan nilai a belum ada patokan, tetapi umumnya untuk disiplin ilmu yang
menentukan tingkat ketelitian tinggi menggunakan tingkat a: 0,07 sedangkan disiplin
ilmu yang tidak menuntut tingkat ketelitian tinggi menggunakan a: 0,05.

336

UJI

Stotistik: Teori don Aplikosi

T SATU VARIABEI.

(ONIOH

Hipotesis: Penjualan salesman perusahaan A rata-rata lebih dari Rp250.000/hari


H, :Penjualan salesman perusahaan A sama atau lebih kecil dari Rp250.000/hari
H, :Penjualan salesman perusahaan A lebih dari Rp250.000/hari
H, : ditolak jika / hitung 2 f tabel; a = 0,05
:iiiH$ii,iiia[l

Jt

-;

260

260

67600

245

254

60025

300

300

90000

230

230

52900

225

225

50625

275

275

75625

400

400

160000

250

250

65200

27s

275

75625

10

280

280

78400

11

290

290

84100

L2

300

300

90000

3330

947400

Rata

277,5

)umlah

Penyelesaian dengan hitungan manual adalah sebagai berikut:

'hitung

X
un
s

:
:
:
:

v-vt
5

rata-rata hitung
rata-rata hipotesis
banyaknya data (besarnya sampel)
standar deviasi

Irx,l

Swz \,:1 '/


i=1

n-1

947.400-

3'3302
72

= 46,048

t _277,5-250
fhir',,g=
(,ffi-2,069

\"to

trub"r

o:0,05

db =

,, =

1',796

(db = derajat kebebasan atau df

degrees of freedom)

lilid 2

Bob

bn oh Penggunwn iNS (Ststisticll Pmgrln

fhi*rg >

f,ub"l

,=

For Sociol kiente)

o,o5 db

337

11

H, ditolak, H, diterima, dengan kesimpulan rata-rata penjualan perusahaan A lebih


dari Rp250 ribu.
PtilYtttsAlAl{
Penyelesaian dengan menggunakan

SPSS:

Masukkan data penjualan di atas pada SPSS Data Editor, klik variable view di bawah
kemudian ganti var0001 dengan jual, serta klik lagi data view di bawah, maka akan
terlihat sebagaimana yang terlihat pada Gambar di bawah ini.

'1
I
I
,

-J

Kemudian masuk ke Analyze dan pilih compare means. Dari compare means pilih
one-sample T test, seperti yang terlihat pada gambar berikut.

=l

:qi

I
I

:s!

irni
,tl}t

:,e*i
:** i

'

'J

i*ml
I

Kemudian klik, maka akan keluar window baru, kemudian pindahkan"jual" tadi ke
ruang sebelah kanan (Test Variable), seperti pada gambar berikut ini.

338

Stotktik: leori don Aplikosi lilid 2

,'"$ Juniloh Ferriusl*n


fiuall

Test variabel adalah variabel yang akan diuji, yaitu variabel "jual" . Test Value adalah
rata-rata taksiran variabel "jual" (Penjualan salesman perusahaan A rata-rata lebih dari

Rp250.000/hari).

Klik tombol OK, maka hasilnya

(SPSS

output) akan terlihat sebagai berikut:

T-Test
One-Sample Statistics
Std. Error

jumlah penjualan

Mean

Std. Deviation

Mean

12

277.s0

46.048

13.293

One Sample Test


Test Value = 250

Mean

|umlah penjualan

95% Confidence
Internal of the
Difference

df

Sig. (2-tailed)

Difference

Lower

Upper

2.069

11

.063

27.50

-1.76

56.76

Berarti, didapatkan f hitung sebesar 2,069 >

f tabel, artinya hipotesis nuIl ditolak,

sehingga kesimpulannya adalah:

"Penjualan salesman perusahaan A lebih dari Rp250.000/hari"

UJI

RATA.RATA BERPASA}IGA}I
COl{TOH

Hipotesis: Rata-rata penjualan setelah pelatihan meningkat


Ho : Rata-rata penjualan sebelum pelatihan sama atau lebih kecil daripada sebelum
pelatihan
H, : Rata-rata penjualan setelah pelatihan lebih tinggi daripada sebelum pelatihan
Ho i ditolak jika t hitung > / tabel; a : 0,05

Boh

Conloh Penggunoon SPSS (Stslistkol Progrum For Sociol Scienrc)

339

Berdasarkan hasil survei, maka didapatkan data sebagai berikut:


.:Ns.,

$ehdurt:

Bcdc.(dtl

lSesuda

,#,.

260

270

10

100

245

250

25

300

320

20

400

230

235

25

225

230

25

275

290

15

225

400

430

30

900

250

245

-5

25

275

280

25

10

280

290

10

100

11

290

300

10

100

12

300

325

25

625

)77 I

288,75

11,25

Rata-rata

2575

135

Jumlah

Pengujian secara manual dapat dilakukan sebagai berikut:


l_

'hrtung

j
u

c.

7i
d = rata-rata beda
n : banyaknya data
Sa : standar deviasi dari beda

,,

l- t)u

(>d)2

n
^ "1UI n -7

) -

2575

^-2
r,c

"

12

12-1

= 9,799

t,,
=?gB5
'hitung--11'25
g,7g9-','"'
trub"l o:0,05 db : ,, : 1,796

db--n-1:12-1:71
H, ditola( H, diterima, dengan kesimpulan pelatihan meningkatkan jumlah penjualan.

340

Stotistik: Teoil don Aplikwi

lilid 2

Adapun uji hipotesis menggunakan SPSS adalah sebagai berikut:


Buka software SPSS, masuk ke menu Data Editor, kemudian masukkan data yang
ada pada Tabel di atas, kemudian masuk ke variable view pada tab bawah untuk
mengganti nama variabel (var0001 diganti menjadi sebelum dan var0002 diganti menjadi
variabel sesudah), sebagaimana yang terlihat pada Gambar berikut.

,-t
H

iiirSri
Rtghr

il t
::t
,

ntAhl

I
I

,I:t
-J

-- .. -. ."-t-

.:
,

'

.I

ll

Kemudian klik data view, maka nama variabel sudah berubah, sebagaimana yang
teriihat pada Gambar di bawah.
!

#ffi$"w#iffi,
rrl
l

?511

I
ttI

32{]

-,i$

,t-lo
?9n

!3u

:a*

I
J

2Fn
3UU

3!5

Arahkan cursor pada menu Analyze, kemudian pllih Compare Meanq dan dalam
Compare Means p1lih Paired Samples T Test, sebagaimana yang

terlihat pada Gambar berikut.

tilid 2

Boh

Conloh Penggunoon SPSS (Stltistkll Pragron For Sodol kience)

341

Sqfr,,,l&*i6r

rn8

*sn

!uk
adi
S-.ry&,'.,; ,,1.,,,

&fficl**T.raii;:

;;

*l[x$!11{!d.$..

&d.tf :rr

1:

:r:,:':,r:,

&{ {E:;,,;:':,
l,:,

*#,
Ylr

H{FPI,,'i

$Qq!!,,,:":,
*&*t*ii{ian ''r"
:

q,^l

:l

,!,
I!{&

$ed6',,,:,,,,,,.
Esrydlra.fie

!Fr6stl'i
I

.:.:'r."

lI

s*tit4:r

iiil+.t*sie+kr*a*iq,

!tl&lifi*s4!sr. ',

:
,

i
I
i
i
I

*t
rHi

Kemudian klik, maka akan muncul window baru sebagaimana yang terlihat pada
ng

Cambar berikut.

$-+{

*eb*k;m

"$

satudrh

iil:,.

E;t
"--;;;J

- .t
lsry*t

I
I

.I ,

Hcb t

-;--;;J

I
I

,:.rj:::,iir:

I
I

.:::

i:,1.,

gsffi."" ll

*-.1

1tiY

Pindahkan variabel sebelum dan sesudah sebelah kiri ke sebelah kanary seperti
Gambar di atas, kemudian klik OK, maka output SPSS akan muncul sebagai berikut:
T-Test
Paired Samples Statistics

:{
I

m
:t.

Pair
1

Std. Deviation

Std. Error
Mean

12

46.048

13.293

12

54.403

15.705

Mean

SEBELUM

277,50

SESUDAH

288,75

342

Stotistik: leori don Aplikosi Jilid 2

Paired Samples Correlations

Pairl

SEBELUM&SESUDAH

Correlation

Sign

277,50

12

46.048

Pairef Sample Test


Paired Difference
95% Conlidence
Internal of the

std
Mean Deviation
Pair

SEBELUM-SESUDAH

2.069

11

Std Error

Difference

Mean

Lower

Upper

.063

27.50

-1..76

Berdasarkan hasil output SPSS di atas, dapat diketahui


Sig.level : 0.002 < 0.05 (nilai alpha), sehingga Ho ditolak.

Sig. (2-tailed)

dT

56.76

t hitung :

3,977 dengan

Kesimpulan: Pelatihan Meningkatkan jumlah Penjualan.

UJI

RATA.RATA TIDAK BERPASANGAN


CONTOH

Hipotesis: Rata-rata penjualan perusahaan A lebih tinggi dari perusahaan

H, : Rata-rata penjualan perusahaan A sama atau lebih kecil daripada perusahaan


H, : Rata-rata penjualan perusahaan A lebih besar daripada perusahaan B
H, : ditolak jika f hitung ) f tabel a: 0,05
Berdasarkan hasil survei, maka didapatkan data sebagai berikut:

,'L!tai;,i

,lffj''.

260

.'1x6.,

67600

230

52900

245

60025

200

40000

300

90000

230

52900

230

52900

240

57600

225

50625

220

48400

275

75625

240

57600

400

160000

245

60025

250

62500

250

62500

27s

75625

260

67600

10

280

78400

275

75625

11

290

84100

300

90000

1,2

300

90000

275

75625

Rata

277,5

|umlah

:
Xz Xr

t#,,

3330

247,08
947400

Penjualan perusahaan A
Penjualan perusahaan B

2965

740775

Bob

Contoh Penggunoon SNS (ststktkol Progron tor Sodol Science)

343

Pengujian hipotesis secara manual, dapat dilihat sebagai berikut:

t..

Xt- Xz
(n,- ttsil (nr- lsll
il
-l^1"
- [a

1t--,i;=-

Ll
-*,,)

St=

+.
fi

ttz

\tL

:
trub"r o
=0,05 db = y

7)

277,5 * 247,09
46.048 + (72 - 7) x 27.2581

72+12-2

.l 7 il
) lt2 t2)

la

ano

7,812

db:n-2:72-2:10
frub"l

: 11
Ho ditolak, Ho diterima, dengan kesimpulan rata-rata penjualan perusahaan A lebih
besar daripada perusahaan B.
'hi*.g '

o:

o,o5 db

Pengujian hipotesis dengan menggunakan SPSS

Buka software SPSS, masuk ke menu Data Editor, kemudian masukkan data yang ada
pada Tabel di atas, kemudian masuk ke variable view pada tab bawah untuk mengganti
nama variabel (var0001 diganti menjadi penjual dan var0002 diganti menjadi variabel
kelompok), sebagaimanayarrg terlihat pada Gambar di bawah.

*l.#-rl

Stltistik: Teoi don Aplikosi lilid 2

344

Kemudian klik "Values" (kolom 6), maka akan keluar window sebagai berikut:

Perusahaan A disimbolkan dengan "1" dan Perusahaan B disimbolkan dengan "2",


kemudian klik OK, maka SPSS data editor menjadi sebagai berikut:
ri*ir**"d6f

-.-

dr}]

ire

&

i3&

1'

:;d*

?4fi

?;

|
1-

:&r1

Kemudian klik "Analyze", pilih Compare Means, pada Compare Means pilih
Independent Samples T Test, sebagaimana terlihat pada Gambar berikut:
.gd*::X{Air*

:*
-:-.t

:45

.-: -:aa-.

,lelos,
Peru!,

"''-' 3[*j
ii*i--'F;;;;
...futvl:
- ......?i1i
>7*:, P*r0<.

tilti: p;;;;;
is$i F,e,u:,
" ""ai$i'''ij;il:
ftil
:ql1:

lrs,,r.,i
Fero:.
rrsft]<

:4i.dgdidr$d*:i:::::l

:gsit*8is

:r!:l::

:&{-}ieiift,r:it

r:

ri I
ri i

*,

1s4P,'1.:':i1;::

s,
*,

lr*-11*
;lry4

*:

:tri$i{lit{ri;,.

:r

:,

$S#r:tr.ir,,,' : l'
:g{!_aiesiqq{4,

Sit

{*fl&&'"6*e

f.

!,
f

:h.])l]:
:3Dl Perr$a$aar *l
S]n: Ferr,sah&an Fl

..:

J ilt

PPr!,5nhinr

8'

lnLt

FqltSanti{ft

21fi;
:4lf]
?4*r
nJ

PEtuggh*an

tli

:aal
?7S I

PErr3ahren sl
P*t{rqa}ri*e gi

Frtlsinasn d
n

iiurxlraarl e

trsrusn:r{{n B
tt

-.t

Boh

Contoh Penggunom SNS

(Stltistkll

Progron

fu

Social Scienrc)

345

Kemudian klik, maka akan keluar window sebagai berikut:

frffi
,::n"ra:tI

,iffi,*

,ig*r,{

Pindahkan variabel penjual ke Test Variable(s), dan Variabel Kelompok ( 1 2) ke


Grouping Variables, kemudian tekan tombol "Define Group", maka akan keluar windo'rrberikut:

isikan Group 1 adalah simbol"1,", dan Group 2 adalah simbol "2",lalu tekan tombol
"Continue", dan Tomboi "OK", maka output SPSS akan keluar sebagai berikut:
T-Test

Group Statistics
N

Mean

Std. Deviation

Std. Error
Mean

PENIUAL Perusahaan A

L2

277,50

46.048

13.293

Perusahaan B

t2

247,08

27.258

7.869

KELOMPOK

Independent Sample Test


Levene's Test for
Equality of Variances

t-test for Equality of Means


95% Confidence
hrternal of the

PENIUAL Equal variances

sig

808

.378

df
t.969

22

sig.
Mean
Std Error
(2-tailled) Difference Difference

Difference
[.ower

Upper

.062

30.42

1.5.447

1.619

624i3

.065

30.42

15.447

2.055

62.88E

assumed

Equal variances

not assumed

r.969 17.86(

Stotistik: Teori dan Aplikosi

lilid 2

Berdasarkan hasil output SPSS tersebut, maka didapatkan sig. level equal variance
assumed 0.062 dan sig. level equal variances not assumed 0.065, kedua-duanya lebih
besar dari 0.05, sehingga kesimpulannya adalah : Rata-rata pejualan Perusahaan A lebih
besar dari Perusahaan B.

At{Austs

RIGRESI

Untuk menganalisis peranan antarvariabel:


Hipotesis: Terdapat pengaruh positif input produksi terhadap produksi
Ho : Tidak terdapat pengaruh positif input produksi terhadap produksi
Ho:Terdapat pengaruh positif input produksi terhadap produksi
H": ditolak jika f hitung > t tabel; a = 0,05

a
.f

10

11

t4

L4

15

17

: Produksi
e=Yi-Y
)e'=Z(Yi-a_

dLe-

bx)z

- L/r\t

2na=22Y -zbZX
nq=2Y -b>X

'Y
nn

.'X

Input Produksi

,=Yr-t

=2t(y_ n-hx)(_l)
-2\Y +2na+2b\X=0
dO

\e2=\(Y;-a-bX)z

2>(Y-a-bx)(-x)
'Lt'=
ab
-z>XY + ZaLX + 2b\X2= 0
-z>XY + zZX + 2blX7= 0

->XY + aLX +b\Xz=0

+ bt,xz= o
-txy * (Y-aI{)>.x
n )\r
_IXY + IXIY -b(>nz +b\Xz=,

nn

t^
svv _ r,xrY
btrx' _ (Ix)'1n)n
b-

IXY

>x2-

IXTY
n

(Ix)2
n

Bob

Contoh Penggunoon 5P55 (stotisticol Progrom For Sociol Science)

347

(ONTOH

Berdasarkan hasil survei, didapatkan data sebagai berikut:

Sum

,b

'hitmg

:::

,,,&.,

,:.Yi:i,

UrO_55x103

76

b=-----J,f

10

25

a = 10,3

18

36

16

32

64

25

45

81

11

36

66

t21

14

49

98

196

t4

64

t12

196

225

15

81

135

10

t7

100

170

289

55

103

38s

690

t249

Eq

AVG

i:::i:

;.y,

X,

1!-=7,49697

- 1,49697 x 5,5 = 2,06

10,3

-t
se

'lLx'
-

"' - Ytrf-b>rv
n-2
LY'=LY2

-ry

Ly, =

-$

124s

Zxy =>xY
zxy =690

= ,ur,,

- rxrY
n
55

)=103 =723,5
10

"=W=o'6380
(:X)2

Ix2=\X2-

--)
";

10

a5

^
385Lx'=

10

=82,5

=0.07
" =!41x
"182,5

..,

,
fhitung=

7,4969

L*

trub"l o =0,05 db
=
trub.t o

fhit*g >

=21,384

t = 1,860
=0,05 db =

H, ditolak, H, diterima terdapat pengaruh positif input produksi terhadap produksi

348

Stotistik leori don Aplikosi Jilid 2

Uii Hipotesis menggunokon

SPSS

Buka aplikasi SPSS, masukkan data di SPSS data editol, ganti var001 dengan variabel "X"
dan var002 dengan variabel "Y", sebagaimana yang terlihat pada gambar di bawah ini.

!tr',{fidril,'ffi,

|ffij$'
:-1

-{l

4i

8i
81

7i

.!

9i
"'id?"

.'... .

.'-

'" "
+

Masuk ke menu "Analyze", kemudian pillh Regression, dan pada Regression pilih
"lineat", seperti gambar berikut.
&ry*il&&*ri

5
b

{i

*
io

Boh

Contoh Penggunoan SPSS (Statistkol

Kemudian

349

Progron For Sotiol kience)

klik maka akan muncul window

sebagai berikut:

i
am I'

;;*;-;J

,$e+

Pindahkan variabel x pada Independent(s), dan variabel y pada Dependent, kemudian

tekan tombol "OK", maka output SPSS akan terlihat sebagai berikut:
Regression
Variables Entered/Removed
Model

Variable
Entered

xu

a.
b.

Variable
Removed

Method
Enter

A11 requested variables entered


Dependent Variable: Y

Model Summary
Model

R Square

Adjusted
R Square

Std. Error of
the Estimate

.99]"

.983

.981

.6348

Predictors: (Corrstant). X

ANOVAb
Sum of
Model

Squares

Regreesion
Residual
Total

Mean

df

Squares

t84.876

184.876

3.224

.403

188.100

Sie

458.714

.000u

Coefficients'
Unstandardized
Coefficients

Model

Std. Error

(Constant)

2.067

.434

1.497

.070

Standardized
Coefficients
Beta

sig

4.765

.001

.991

2L.478

.000

350

Stttistik: Teori don Aplikwi Jilid 2

Berdasarkan hasil ouput SPSS dapat diketahui bahwa persamaan regresi sebagai
berikut:
Y =2.W + I.&|?VX,sig.Ievei 0,ffi0 < 0.05 (nilai alfa) makakesimpulannya terdapat
pengar,uh positif antara input p:odul<si terhadap produksi-

REGRESI BERGANDA

Hipotesis: Terdapat pengaruh positif biaya iklan dan promosi terhadap penjualan.
H, : Tidak Terdapat pengaruh positif biaya iklan dan promosi terhadap penjualan.
H, : Terdapat pengaruh positif biaya iklan dan promosi terhadap penjualan.

H, ditolak jika /n,*., 2 f,,u"li a :


x,

Xr

10

0,05

11

12

11

t2

13

13

14

15

46

48

52

54

58

56

60

x2

.)

.,

44

40

42

biaya iklan juta rupiah per bulan


Xz = biaya promosi juta rupiah per bulan
Y : penjualan juta rupiah per bulan
Dengan cara yang sama sebagaimana menghitung analisis regresi pertama tadi, maka
diperoleh hasil output SPSS sebagai berikut:
Regression
Variables Entered/Removed
Model

Variable
Entered

X2, x1u

Variable
Removed

Method
Enter

a. All requested variables entered


b. Dependent Variable: Y
Model Summary
Model

R Square

R Square

Std. Error of
the Estimate

.964u

.930

.910

2.0953

Adjusted

a.

Predictors: (Constant), X2, X1.


ANOVAb
Mean

Sum of
Model

Regreesion
Residual
Total

Squares

df

409.268

204.634

30.732

4.390

440.000

Squares

sis

46.670

.000u

Bah

hntoh

Penggunoon

SPSS

{Stotistkol kogrom For Sodtl kienre)

35t

Coefficients"
Unstandardized
Coefficients

Model

(Constant)

Standardized
Coefficients

Std. Error

Beta

17.944

.489

2.663

.032

.517

2.813

0.26

X1

1.873

5.979
.703

X2

1.915

.681

sig
3.031

.019

Berdasarkan hasil analisis tersebut, maka didapatkan bahwa biaya iklan dan promosi
berpengaruh terhadap penjualan. Namun apabila dilihat secara parsial, ternyata promosi
lebih dominan mempengaruhi penjualan.

lompiron

lompiron ll
tompiron

lll

Distribusi Binomiol
Distribusi Poisson
Distrihusi Normol

Lompiron lY

Distribusi ,[2

Lompiron V

Niloi

lonrpiron Vl

Niloi

tompirun Vll

Angko Rondom

lompiron Vlll Stati$ik d Durbin-Wotson


Lcmpiron

lI

Niloi Krilis Prosedur Uii Peringkd Bertondu Wilcoxon

lompiron X

Distribusi U dolom Pengufion frlon-Whirney

tonrpiron Xl

Niloi Krilis r dslum Runs Tut untuk Melihm Kesrokun

lompiron Xll

(ontoh Menghilung Motriks Kofoktor don Motrik lnvers

lompiron Xlll (ontoh Sool*ool

Uiion

Lonpirun

353

LAMPIRAN I
Distribusi Binomial (Hingga n =

161

Fungsi Distribusi Binomial uC,p*(7 - pln-x


Angka pada tabel menunjukkan nilai ,C,p'(1 - p)n - x untuk nilai n, x, dan p tertentu. Bila p > 0,5, maka
nilai ,,C,p'(1 - p)u -' untuk ru, x, dan p yang tertentu ini dapat diperoleh dengan mencari angka tabel urrtri^
Thbel

n tertentu, kemudian menggantikan x dengan n

- x, dan p dengan 1 p

0,3

p.

0,35

0,05

0,1

0,15

0,20

0,9500

0,0500

0,9000
0,1000

0,8500
0,1500

0,8000 0,7500 0,7000


0,2000 0,2500 0,3000

0,6500 0,6000 0,5500


0,3500 0,4000 0,4500

0,500rr
0,5000

0,9025
0,0950
0,002s

0,8100
0,1800
0,0100

0,7225

0,6100 0,s625
0,3200 0,3750
0,0400 0,0625

0,4900
0,4200
0,0900

0,4225 0,3600 0,3025


0,4550 0,4800 0,4950
0,1225 0,1600 0,2025

0,2500
0,5000
0,2500

0,4279
0,4279
0,1406
0,0156

0,2746
0,4436
0,238e
0,0129

0,1664
0,4084
0,3341

0,1250
0,3750

0,0001

0,5120
0,3840
0,0960
0,0080

0,2160
0,4320
0,2880

-)

0,7290 0,6141
0,2430 0,3257
0,0270 0,0574
0,0010 0,0034

0,3430
0,4410

0,8574
0,1354
0,0071

0,06.10

0.0911

0,1250

0,8145
0,1715
0,0135
0,0005
0,0000

0,6567

0,4096 0,3164
0,4096 0,421e

0,2407
0,4116
0,26-ti,
0,075b

0,7738
0,2036
0,0274
0,0011
0,0000

0,5905

0
1

2
0
1

2
J

4
0
1

2
J
A

0
1

2
J

4
5
6

0,291.6

0,2550
0,0225

0,5220
0,3685
0,0975

0,0486
0,0036 0,0115
0,0001 0,0005
0,3281
0,0729
0,0081
0,0005

0,1

536

0,25

0,2

I0q

0,0256 0,046e
0,0016 0,0039

0,4437 0,3277
0,3915 0,4096
0,1382 0,2048
0,0244 0,0512
0,0022 0,0064

0,1890

0,0270

0,0081

0,0625

0,2995
0,3675
0,2005
0,0410

0,2500

0,0503 0,031i
0,2059 0,1563
0,3369 0,312i
0,2757 0,3725
0,1128 0,1563

0,1160
0,3724
0,3364
0,1811
0,0488

0,0024

0,0053 0,0102 0,0185

0.7351 0,5314
0,2321 0,3543
0,0305 0,098.1
0,0021 0,0146
0,0001 0,0012

0,3771
0,3993
0,1762
0,0415
0,0055

0,2621

0,1780 0,1176
0,3560 0,3025
0,2966 0,3241

0,13i8

0,1852

0,01.54

0,0330

0,0595

0,0000 0,0001 0,0004


0,0000 0,0000 0,0000

0,0015

0,0044 0,0102
0,0002 0,0007

0,3750

0,09i5

0,3602
0,3087
0,1323
0,0284

0,0010

0,5

0,7785 0,7296
0,3845 0,3156
0,3105 0,3456
0,1115 0,7536
0,0150 0,0256

0,1681

0,0003

0,0001

0,45

0,2373
0,3955
0,2637
0,0879
0,0146

0,0000 0,0000 0,0001

0,3932
0,2458
0,0819

0,4

0,0778
0,2592
0,3456
0,2304
0,0768

0,0754 0,0467
0,2437 0,1866
0,3280 0,3110
0,2355 0,2765
0,0951 0,1382
0,0205
0,0018

0,3750
0,2500

0,0623

0,0313

0,0277 0,0156
0,1359 0,0938
0,2780 0,2314
0,3032 0,3t25
0,1861 0,2311

0,0369 0,0609
0,0041 0,0083

0,0938

0,0156

354

Stotistik: Teori don Aplikosi

Lanjutan Tabel 1
Fungsi Distribusi Binomial nC,p'(1

70
1.

2
J

4
5
6

7
0
1

2
J

4
5

6
7
8
0
1

2
J

4
5

6
7
8
9
10

0
1

2
3
4

t)

0,05

0,1

0,15

0,6983
0,2573
0,0406
0,0036
0,0002

0,4783
0,3720
0,1240
0,0230
0,0026

0,3206
0,3960
0,2097
0,0617
0,0109

0,2097
0,3670
0,2753

0,0000
0,0000
0,0000

0,0002
0,0000
0,0000

0,6634
0,2793
0,0515
0,0054
0,0004

0,4305

p)11

lilid 2

-r

0,25 0,3

0,35 A,4 0,45

0,5

0,0824

0,0287

0,133s
0,3115
0,3115
0,1730
0,0577

0,3177
0,2269
0,0972

0,0490
0,1848
0,2985
0,2679
0,L442

0,2903
0,1935

0,0152
0,0872
0,2740
0,2918
0,2388

0,0078
0,0547
0,1641
0,2734
0,2734

0,0012
0,0001
0,0000

0,0043
0,0004
0,0000

0,0115
0,0013
0,0001

0,0250
0,0036
0,0002

0,0466
0,0084
0,0006

0,0774
0,0772
0,0016

0,1772 0,t641
0,0320 0,0547
0,0037 ooo78

0,1678
0,3355
0,2936
0,1468
0,0459

0,1001
0,2670
0,3115
0,2076
0,0865

0,0576
0,1977
0,2965
0,2541
0,1361

0,0319
0,2587
0,2786
0,1875

0,0168
0,0896
0,2090
0,2787
0,2322

0,0084
0,0548
0,1569
0,2568
0,2627

0,0039
0,0313

0,0046

0,2725
0,3847
0,2376
0,0839
0,0185

0,0000 0,0004
0,0000 0,0000
0,0000 0,0000
0,0000 0,0000

0,0026
0,0002
0,0000
0,0000

0,0092
0,0011
0,0001

0,0231
0,0038
0,0004
0,0000

0,0467
0,0100
0,0012

0,0808
0,0217
0,0033
0,0002

0,1239
0,0413
0,0079
0,0007

0,1719
0,0703
0,0L64
0,0077

0,2188
0,1094
0,0313
0,0039

0,6302
0,2985
0,0629
0,0077
0,0006

0,3874
0,3874
0,1722
0,0446
0,0074

0,231.6

0,1.342

0,010i

0,3020
0,3020

0,2508
0,2508

0,0046
0,0339
0,1110
0,2119
0,2600

0,0020

0,3679
0,2597
0,1069
0,0283

0,0000
0,0000
0,0000
0,0000
0,0000

0,0008
0,0001

0,0165
0,0028
0,0003
0,0000
0,0000

0,0389
0,0087

0,0000

0,0050
0,0006
0,0000
0,0000
0,0000

0,0735
0,0270
0,0039
0,0004
0,0000

0,1181
0,0424
0,0098
0,0013
0,0001

0,1672
0,0743
0,0272
0,003s
0,0003

0,2128
0,1160
0,0407
0,0083
0,0008

0,2461
0,1647
0,0703
0,0176
0,0020

0,5987
0,3151
0,0746
0,0105
0,0010

0,3487
0,3874
0,1937
0,0574
0,0112

0,1969
0,3474
0,2759
0,1298
0,0401

0,1074

0,0s63 0,0282
0,1877 0,1211
0,2816 0,2335
0,2503 0,2668
0,1460 0,200r

0,0135
0,0725
0,1757
0,2522
0,2377

0,0060
0,0403
0,1209

0,0025
0,0207
0,0763
0,1665
0,2384

0,0010
0,0098
0,0439

0,3826
0,1488
0,0331

0,0000
0,0000

0,20

0,1147

0,0000

0,'1762
0,0661.

0,2684
0,3020
0,2013
0,0881

0,2471

0,0001

0,0751 0,0404
0,2253 0,1556
0,3003 0,2668
0,2336 0,2668
0,11.68 0,17t5

0,001.2

0,0001
0,0000

0,1.373

0,0207
0,1004
0,2162
0,2716
0,2194

0,0280
0,1306
0,2613

0,0605
0,1.612

0,21.50

0,2508

0,1.094

0,2188
0,2734

0,01.76

0,0703
0,1641.
0,2461.

0,11.72

0,2051

hnpion

355

Lanjutan Tabel 1
Fungsi Distribusi Binomial nC,p'(1

11

0,s

0,0584
0,0762
0,0031
0,0004
0,0000
0,0000

0,1.029

0,1536

0,0368
0,0090
0,0014
0,0001
0,0000

0,0689

0,2007
0,1115
0,0425
0,0106
0,0016
0,0001

0,2340
0,1596
0,0746
0,0229
0,0042
0,0003

0,2461
0,2051

0,0198
0,0932

0,0088
0,0518

0,2568

0,11.07

0,0422
0,1549
0,2581
0,2581.
0,L721.

0,2254
0,2428

0,0036
0,0266
0,0887
0,1774
0,2365

0,0014 0,0005
0,0125 0,0054
0,0513 0,0269
0,1259 0,0806
0,2060 0,1611

0,0025
0,0003
0,0000
0,0000
0,0000

0,0132 0,0388
0,0023 0,0097
0,0003 0,0017
0,0000 0,0002
0,0000 0,0000

0,0803
0,0268
0,0064
0,0011
0,0001

0,1321
0,0566
0,0173
0,0037
0,0005

0,1830
0,0985
0,0102
0,0018

0,2207 0,2360 0,2256


0,1471 0,1931 0,2256
0,0701 0,1128 0,i6ll
0,0234 0,0462 0,0806
0,0052 0,0126 0,0269

0,0000
0,0000

0,0000
0,0000

0,0000 0,0000
0,0000 0,0000

0,0000 0,0000
0,0000 0,0000

0,0002
0,0000

0,0007 0,0021
0,0000 0,0002

0,0054
0,0005

0,5404

0,2824
0,3766
0,2301
0,08s2

0,0687
0,2062
0,2835
0,2362
0,1329

0,0317 0,0138
0,1267 0,0712
0,2323 0,1.678
0,258t 0,2397
0,1936 0,2311

0,0057
0,0368
0,1088

0,0022
0,0174
0,0639
0,1479
0,2128

0,0008
0,0075
0,0339
0,0923
0,1700

0,0002
0,0029

0,021.3

0,1422
0,3012
0,2924
0,1720
0,0683

0,0002
0,0000
0,0000
0,0000
0,0000

0,0038
0,0005
0,0000
0,0000
0,0000

0,0193
0,0040
0,0006
0,0001
0,0000

0,0532
0,0155
0,0033
0,0005

0,1585
0,0792
0,0291
0,0078
0,0015

0,2039
0,1281

0,0048

0,2270
0,1766
0,1009
0,0420
0,0125

0,2225
0,2124

0,0001

0,1032
0,0401
0,0115
0,0024
0,0004

0,7934
0,2256
0,1934
0,7208
0,0537

0,0000
0,0000
0,0000

0,0000
0,0000
0,0000

0,0000
0,0000
0,0000

0,0000
0,0000
0,0000

0,0000 0,0002
0,0000 0,0000
0,0000 0,0000

0,0008
0,0001
0,0000

0,002s 0,0068
0,0003 0,0010
0,0000 0,0001

0,0001
0,0000
0,0000
0,0000
0,0000
0,0000

0,0015

0,0085

0,0001

0,00t2

0,0000
0,0000
0,0000
0,0000

0,0001
0,0000
0,0000
0,0000

0,0264
0,00s5
0,0008

0,1673
0,3248
0,2866

-f

0,01.37

0,1.517

0,221.5

0,0014

0,3138
0,3835
0,2131
0,0770
0,0158

0,0859

0,5688
0,3293
0,0867

0,0536

0,0001
0,0000
0,0000
0,0000
0,0000

lL
0

0
1

7
8
9
10

1.2

0,45

0,20

10

2
J

4
5
6
7
8
9
10
11

L2

1)

0,4

0,15

7
8
9

0,35

0,1

p)n -

0,3

0,05
5

0,25

0,34t3

0,0988
0,0173
0,0021

0,0001

0,0000
0,0000

0,2362
0,2953

0,0212
0,0043
0,0005
0,0000

0,t998 0,t395
0,2201.

0,0379

0,7954
0,2367

0,0591

0,0199

0,1.489

0,0762
0,0277

0,1772

0,0439
0,0098
0,0010

0,0161

0,0s37
0,7208

0,0161

0,0029
0,0002

356

Stotistik: leoil dan Aplikoi

Lanjutan Thbel 1
Fungsi Distribusi Binomial ,,C,p'(7
p

0,3

0,1

0,15

0,20

0,25

0,5133
0,3512
0,1109
0,0214
0,0028

0,2542
0,3672
0,2448
0,0997
0,0277

0,1209
0,2774
0,2937
0,1900
0,0838

0,05s0
0,1787
0,2680
0,2457
0,1535

0,0238 0,0097 0,0037


0,1029 0,0540 0,0259
0,2059 0,1388 0,0836
0,2517 0,2181 0,1651
0,2097 0,2337 0,2222

0,0013 0,0004 0,0001


0,0113 0,0045 0,0016
0,0453 0,0220 0,0095
0,1107 0,0660 0,0349
0,1845 0,1350 0,0873

0,0003
0,0000
0,0000
0,0000
0,0000

0,0055
0,0008
0,0001

0,069r
0,0058
0,0011
0,0001

0,1258
0,0559
0,0186
0,0047
0,0009

0,1803 0,2t54
0,1030 0,L546
0,0442 0,0833
0,0142 0,0336
0,0034 0,0101

0,2214
0,1968
0,1312
0,0656
0,0243

0,1989
0,2769
0,1775
0,1089
0,0495

0,1.571

0,0000
0,0000

0,0266
0,0063
0,0011
0,0001
0,0000

0,0000
0,0000
0,0000
0,0000

0,0000
0,0000
0,0000
0,0000

0,0000
0,0000
0,0000
0,0000

0,0000
0,0000
0,0000
0,0000

0,0001
0,0000
0,0000
0,0000

0,0006 0,0022
0,0001 0,0003
0,0000 0,0000
0,0000 0,0000

0,006s
0,0012
0,0001
0,0000

0,0162
0,0036
0,000s
0,0000

0,0349

0,4877 0,2288
0,3593 0,3559
0,1229 0,2570
0,0259 0,7142
0,0037 0,0349

0,1028
0,2539
0,2912
0,2056
0,0998

0,0440

0,0068
0,0407
0,1L34

0,0008
0,0073
0,0317
0,0845
0,1549

0,0002
0,0027

0,2501
0,2501
0,1720

0,0178
0,0832
0,1802
0,2402
0,2202

0,000t1

0,0000

0,0860
0,0322
0,0092
0,0020
0,0003

0,0734
0,0280
0,0082
0,0018

0,1262
0,0618
0,0232
0,0066

0,2066
0,2066
0,7574

0,0013
0,0002
0,0000
0,0000

0,0352
0,0093
0,0019
0,0003
0,0000

0,770t 0,1222

0,0004
0,0000
0,0000

0,0000 0,0000
0,0000 0,0000
0,0000 0,0000
0,0000 0,0000
0,0000 0,0000

0,0000
0,0000
0,0000
0,0000
0,0000

0,0000
0,0000
0,0000
0,0000
0,0000

0,0003
0,0000
0,0000
0,0000
0,0000

0,0014
0,0002
0,0000
0,0000
0,0000

0,0049
0,0010

0,4633
0,3658
0,1348
0,0307
0,0049

0,0874
0,2312
0,2856
0,2184
0,1756

0,0352
0,7319
0,2309
0,2501
0,7876

0,0134
0,0668
0,1559
0,2252
0,2252

0,0047
0,0305
0,0916
0,1700
0,2186

0,0016
0,0126
0,0476

2
J

4
5
6

7
8

9
10

1'l

t2
13
0
1

2
J

4
5
6

10

i1
1.2

13
14
15

- p) '

0,05

130

14

lilid 2

0
1

2
J

0,0078

0,2059
0,3432
0,2669

0,1285
0,0428

0,0230

0,1539

0,35

0,0024
0,0181

0,0634

0,t943 0,t366
0,2290

0,2022

0,1.468 0,7963

0,2178
0,7759
0,1082
0,0510
0,0183

0,0001

0,0000
0,0000

0,1110

0,7792

0,4

0,45

0,0741.

0,0462
0,1040

0,5

0,2095
0,2095
0,t571.

0,0873

0,0095

0,0016
0,0001
0,0001

0,0009
0,0056
0,0222
0,0611

0,1833

0,0408

0,2088
0,7952
0,1398
0,0762

0,0136
0,0033
0,0005
0,0001
0,0000

0,0312
0,0093
0,0019
0,0002
0,0000

0,0611
0,0222
0,0056
0,0009

0,0005
0,0047
0,0219
0,0634
0,1268

0,0001

0,0000
0,0005
0,0032
0,0139

0,0918

0,00

t6

0,0090
0,0318
0,0780

0,2095
0,1833
0,1222

0,0001

0,0477

Lonpion

357

Lanjutan Thbel 1
Fungsi Distribusi Binomiai ,C,p'(1

p)n-x

0,05

0,1

0,15

0,20

0,25

p
0,3

0,0006
0,0000
0,0000
0,0000
0,0000

0,0105
0,0019
0,0003
0,0000
0,0000

0,0449
0,0132
0,0030
0,0005
0,0001

0,1032
0,0430
0,0138
0,0035
0,0007

0,1.657

0,2061

0,0917
0,0393
0,0131
0,0034

0,0000 0,0001
0,0000 0,0000
0,0000 0,0000
0,0000 0,0000
0,0000 0,0000

0,0007
0,0001
0,0000
0,0000
0,0000

0,0030
0,0006

14

0,0000 0,0000
0,0000 0,0000
0,0000 0,0000
0,0000 0,0000
0,0000 0,0000

15

0,0000 0,0000

0,0000

0,0000

0,0000

0,4401.

0,1853

0,3706
0,7463
0,0359
0,0061

0,3294

0,0743
0,2097
0,2775
0,2285
0,1311

0,0281
0,1126

0,2001

0,0100 0,0033
0,0535 0,0228
0,7336 0,0732
0,2079 0,1165
0,2252 0,2010

0,0010
0,0087
0,0353
0,0888
0,1553

0,0003
0,0030
0,0150
0,0468
0,1014

0,0008
0,0001

0,0000

0,0000
0,0000

0,0737
0,0028
0,0004
0,0001
0,0000

0,0555

0,0045
0,0009
0,0001

0,7207
0,0550
0,0197
0,0055
0,0012

0,1802 0,2099
0,1101 0,1649
0,0524 0,1010
0,0797 0,0487
0,0058 0,0185

0,2008
0,1982
0,7521
0,0923
0,0442

0,1623
0,1983
0,1889
0,7417
0,08.10

0,1969
0,1812
0,1318

0,0000 0,0000
0,0000 0,0000
0,0000 0,0000
0,0000 0,0000
0,0000 0,0000

0,0002
0,0000
0,0000
0,0000
0,0000

0,0014
0,0002
0,0000

0,0056
0,0013
0,0002
0,0000
0,0000

0,0167
0,0049
0,0011
0,0002
0,0000

0,0392
0,0142
0,0040
0,0008
0,0001

0,0755 0,7222
0,0337 0,0667
0,0115 0,0278
0,002q 0,0085
0,0005 0,0018

0,0000 0,0000 0,0000


0,0000 0,0000 0,0000

0,0000
0,0000

0,0000 0,0001
0,0000 0,0000

6
7
8
9
10
11

72
13

16

0
1

2
J

4
5

9
10
11

72
13
14
15
16

0,0000
0,0000
0,0000
0,0000
0,0000

0,2745

0,1423
0,0514

0,0000 0,0000
0,0000 0,0000

0,0180

0,0000
0,0000

0,2771

0,2463

0,0000
0,0000

0,5

0,35

0,4

0,45

0,1.472

0,2123
0,7906

0,1859
0,2066

0,0811

0,1.31.9 0,1777

0,0348

0,0710
0,0298

0,0612

0,1404 0,0916
0,19t4 0,1527
0,2013 0,1964
0,7647 0,1.964
0,1048 0,1.527

0,0000
0,0000

0,0096
0,0024
0,0004
0,0001
0,0000

0,0245
0,0074
0,0016
0,0003
0,0000

0,0052
0,0010
0,0001

0,0916
0,0417
0,0139
0,0032
0,0005

0,0000

0,0000 0,0000 0,0000

0,0000

0,0116

0,0001

0,1181

0,0515
0,0191.

0,0001 0,0000
0,0009 0,0002
0,0056 0,0018
0,0215 0,0065
0,0572 0,0t7E
0,1113 0,066;

0,i684

0,7222
0,7716
0,1961
0,7746

0,0002

0,0000

Interpolasi linear terhadap p umumnya iidak akan akurat untuk lebih dari dua tempat desimal, dan
kadang-kadang kurang.
Tabel ,,C,p'(1 - p)n - x yang lengkap dapat dilihat pada Table of the Binomial Probahility DistribLttion,
Applied Mathematics Series 6 (Washington, D.C.: National Bureau of Standards, 1950).

3s8

Stotistik:

leoi don

Aplikosi

LAMPIRAN II
Distribusi Poisson

Fungsi Distribusi Poisson e-Lfflxl


Angka pada tabei menunjukkan nllai e 1)) lxl untuk nilai n, danm tertentu
Thbel

0
1
2
3
4
5
6
7

0
't
2
3
4
5
6
7
8
9
x
0
1.
2
3
4
5
6
7
8
9

0,3

0,4

0,5

0,6

0,7

0,8

0,9

0,8787 0,7408
0,1637 0,2222
0,0164 0,0333
0,0011 0,0033
0,0001 0,0003

0,6703
0,2681
0,0536
0,0072
0,0007

0,6065
0,3033
0,0758

0,5488
0,3293
0,0988
0,0198
0,0030

0,4966
0,3476
0,1217
0,0284
0,0050

0,4493
0,3595
0,1438
0,0383
0,0077

0,4066
0,3659
0,7647
0,0494
0,0111

0,3679
0,3679
0,1839
0,0613
0,0153

0,0000
0,0000

0,0000
0,0000
0,0000

0,0000
0,0000
0,0000

0,0001
0,0000
0,0000

0,0000

0,0004 0,0007
0,0000 0,0001
0,0000 0,0000

0,0012
0,0002
0,0000

0,0020
0,0003
0,0000

0,0031
0,0005
0,0001

1,1

1,2

1,3

t,4

1,5

1,6

1,7

1.,8

1,9

0,3329

0,301.2
0,361.4

0,2725

0,3230
0,2584
0,1378
0,0551

0,1827
0,3106
0,2640
0,1496
0,0636

0,1653
0,2975
0,2678
0,1607
0,0723

0,1353

0,2169
0,0867
0,0260

0,2231
0,3347
0,2510
0,1255
0,0471

0,1.496

0,2014
0,0738
0,0203

0,2466
0,3452
0,2417
0,1128
0,039s

0,201.9

43662

0,2842
0,2700
0,1710
0,0812

0,2707
0,2707
0,1804
0,0902

0,0045
0,0008
0,0001

0,0084

0,0\76

0,0216

0,0035
0,0008
0,0001

0,0000

0,0047
0,0011
0,0002
0,0000

0,0260
0,0078
0,0020
0,0005
0,0001

0,0309
0,0098
0,0027
0,0006
0,0001

0,0361,

0,0018
0,0003
0,0001
0,0000

0,0111
0,0026
0,0005
0,0001
0,0000

0,01.41.

0,0000
0,0000

0,0062
4,0012
0,0002
0,0000
0,0000

2,1

a1

L,J

2,4

,(

2,6

2,8

)9

0,1225
0,2572
0,2700

0,1108 0,1003
0,2438 0,2306
0,2681 0,2652
0,1966 0,2033
0,1082 0,11.69

0,0821
0,2052
0,2565
0,2L38
0,1.254 0,1336

0,1.41.4

0,0672
0,1815
0,2450
0,2205
0,1488

0,0508
0,1703
0,2384
0,2225
0,1557

0,0550
0,1596
0,2314
0,2237
0,1622

0,0476 0,0s38
0,0174 0,0206
0,005s 0,0068
0,0015 0,0019
0,0004 0,0005

0,0602
0,0241
0,0083
0,0025
0,0007

0,0668 0,0735
0,0278 0,0319
0,0099 00118
0,0031 0,0038
0,0009 0,0011

0,0804
0,0362
0,0139
0,0047
0,0014

0,0872
0,0407
0,0163
0,0057
0,0018

0,0940
0,0455
0,0188
0,0068
0,0022

0,1.

0,2

0,9048

0,0905
0,0045
0,0002
0,0000

0,0000

0,1.890

0,0992
0,0477
0,0146
0,0044
0,0011

0,0003

0,3543
0,2303
0,0998

0,0324

0,0907
0,2177
0,2613
0,2090

0,01.26

0,0016
0,0002
0,0000

0,0743
0,1931
0,2s1.0

0,2776

0,0061

0,001s
0,0003
0,0001

0,0120
0,0034
0,0009

0,0002

0,0498
0,1.494

0,2240
0,2240
0,1680
0,1008
0,0504
0,02.1,6

0,0081

0,0027

lilid 2

359

Lonpiron

Lanjutan Tabel 2
Distribusi Poisson (Hingga ,2i : 9)
Fungsi Distribusi Poisson c-^^r lxl
2,7
10
11

12

))

) 'r.

0,0001 0,0001
0,0000 0,0000
0,0000 0,0000

2,4

,(

0,0000
0,0000

0,0002 0,0002
0,0000 0,0000
0,0000 0,0000

0,0001

2,6

)7

)R

)q

0,0003

0,0005

0,0000

0,0004
0,0001
0,0000

0,0000

0,0006
0,0002
0,0000

0,0001

0,0001

0,0008
0,0002
0,0001

3,1

3,2

J,J

3,4

3,5

3,6

3,7

3,8

3,9

0
1.
2
3
4

0,0450
0,7397
0,2765
0,2237
0,1733

0,0408
0,1304
0,2087
0,2226
0,1781

0,0369

0,0334

0,0302

0,1135

0,1.057

0,0273
0,0984

0,2008
0,2209
0,7823

0,1.929

0,1850
0,2158
0,1888

0,1771

0,0247
0,0915
0,1692
0,2087
0,1931

0,0224
0,0850
0,1675
0,2046
0,1944

0,0202
0,0789
0,1539
0,2001
0,1951

5
6
7
8
9

0,1075
0,0555
0,0246
0,0095
0,0033

0,1140
0,0608
0,0278

0,1264

0,7322
0,0777
0,0385
0,0169
0,0066

0,7377
0,0826
0,0125

0,0111
0,0040

0,1203
0,0662
0,0372
0,0729
0,0017

0,0076

0,7177 0,7522 0,7463


0,0936 0,0989 0.10{2
0,0506 0.0551 0,0i91
0,0111 rr.0169 t.l.t:9S
O,tlt-l89 t.r.Cli-rl l,-.rii6 I rll:

0,0010
0,0003

0,0016
0,0005
0,0001
0,0000
0,0000

0,00i9

0.001j

0,0000
0,0000

0,0023
0,0007
0,0002
0,0001
0,0000

0,0016

0,0000
0,0000

0,0013
0,0004
0,0001
0,0000
0,0000

0,0000

0,000i 0,11001 0,01102


0,0000 0,0000 0,0000

4,1

4,2

4,3

4,4

4,5

4,6

4,7

4,8

4q

0,0166
0,0679
0,1393
0,1904
0,1951

0,0150 0,0136 0,0123


0,0630 0,0583 0,0540
0,1323 0,1.254 0,1188
0,1852 0,1798 0,1743
0,1944 0,1.933 0,1917

0,0111
0,0500
0,1125
0,1687
0,1898

0,0101

0,0082
0,0395
0,0948
0,L517
0,1820

0,0074
0,0365
0,0894

0,1875

0,0091
0,0427
0,1005
0,7574
0,1849

0,1600
0,1093
0,0640
0,0328
0,0150

0,1.633 0,1662

0,1.687

0,L725
0,1323
0,0869
0,0500
0,0255

0,1738
0,1362
0,0914
0,0537
0,0281

0,1753

0,1237
0,0778
0,0428
0,0209

0,1708
0,128L
0,0824
0,0463
0,0232

0,1747

0,1191.

0,1.398

0,1.432

0,0959
0,0575
0,0307

0,1002
0,0614
0,0334

10
11
12
13
t4

0
1

2
J

4
5

6
7
8
9

0,0001

o,r't

43

0,12t7

0,0686 0,0732
0,0360 0,0393
0,0168 0,0188

0,2186
0,1858

0,0716
0,0348
0,0148

0,0056

0,0006
0,0002

0,2125
0,7912

0,0191

0,11009

0,0003
0,0001

0,0462
0,1.063
0,1.631

0,0183

0,0733
0,1465
0,7951

0,19-1

0,7429
0,0881
0,0466
0,0215

Lr,LrL'19 ir.i,. jl

.,,

r:

0,0C11 0.irC1-l ir.,li 1r -' " 1"


0,0003 0,0001 i.,L'._r05 r--'..11'ri 6

0,1.460

0,1789

0,ff1-i1

0,000i

0,0067
0,0337
0,0842
0,1404
0,1755
0,1755
0,7462
0,1044
0,0653
0,0353

360

Stotistik: leori don Aplikosi

Laniutan Tabel 2
Fungsi Distribusi Poisson e ^)i

4,1

4,2

4,3

4,4

4,5

4,6

I x)

4,7

1,8

4,9

0,0132
0,0056
0,0022
0,0008
0,0003

0,0147
0,0064
0,0026
0,0009

0,0181
0,0082

0,0003

0,0164
0,0073
0,0030
0,0011
0,0004

0,0001

0,0001

0,0001

0,0002

6R

5,9

0,0027
0,0162
0,0477
0,0938
0,1383

0,0025
0,0149
0,0446
0,0892
0,1339

0,7632
0,1605
0,1353
0,0998
0,0654

0,1606
0,1606
0,1377
0,1033
0,0688

10 0,0061
11 0,0023
72 0,0008
73 0,0002
1,4 0,0001

0,0071 0,0081
0,0027 0,0032
0,0009 0,0011
0,0003 0,0004
0,0001 0,000i

0,0092
0,0037
0,0013
0,0005
0,0001

0,0104 0,0118
0,0043 0,0049
0,0016 0,0019
0,0006 0,0007
0,0002 0,0002

15

0.0000

0,0000 0,0000

0,0000

0,0001

0,0001

5,1

\)

5,3

5,4

5,5

5,6

0,0061
0,0311

0,00s5
0,0287

0,0045

0,0793

0,0746

0,1293

0,0037
0,0207
0,0580
0,1082

0,0033
0,0191
0,0544
0,1033

0,17'-r9

0,1.681

0,1600

0,0041
0,0225
0,0618
0,1133
0,1558

0,0030
0,0776
0,0509

0,1348

0,0050
0,0265
0,0701
0,1239
0,1647

0,1515

0,1.472

0,1428

0,1753

0,1656

0,1.594

0,1601

0,0887
0,0552

0,1298
0,0925
0,0586

0,t326

0,0392

0,1234
0,0849
0,0519

0,t267

0,7728
0,1555
0,1200
0,0810
0,0486

0,7697
0,1584

0,1740
0,7537
0,1163
0,0771
0,0454

0,7678

0,1.490
0,1086
0,0692

0,1748
0,1515
0,1125
0,0731
0,0423

0,7711

10

0,0200

11

0,0093
0,0039
0,0015
0,0006

0,0220
0,0104

0,0247
0,0116
0,0051
0,0021
0,0008

0,0262
0,0129

0,0009

0,0285
0,0143
0,0065
0,0028
0,0011

0,0309
0,0157
0,0073
0,0032
0,0013

0,0334
0,0173
0,0082
0,0036
0,0015

0,0003
0,000r
0,0000

0,0004
0,0001
0,0000

0,0005
0,0002

0,0007
0,0002

0,0001

0,0006
0,0002
0,0001

0,0001

0,0008
0,0003
0,0001

6,7

6,8

6,9

0
1
2
3
4

72
13
74
15
76

17

r
0
1
2
3
4

0,00.1s

0,0018

0,0007

0,0244
0,0659
0,1185

0,0058

0,0024

0,1.571.

0,0002
0,0001
0,0000

0,0002
0,0000

0,0003
0,0001
0,0000

6,1

6,2

o,J

6,1

6,5

6,6

0,0022
0,0737

0,0020
0,0126
0,0390

0,0018
0,0116
0,0364
0,0765
0,1205

0,0077
0,0106
0,0340
0,0726
0,1162

0,0015
0,0098
0,0318
0,0688
0,1118

0,001,1

0,0417
0,0848

0,7294

0,0001

0,0806

0,1249

0,0090
0,0296
0,0652
0,1076

lilid 2

^7

0,0985

0,0962
0,0620
0,0359

0,0190
0,0092
0,0041

0,0017

0,0012 0,0011
0,0082 0,0076
0,0275 0,0258
0,0677 0,0s84
0,1034 0,0992

0,0034

0,00i3
0,0005

0,0386 0,0413
0,0207 0,0225
0,0102 0,0113
0,0046 0,0052
0,0019 0,0022

0,0010
0,0070
0,0240
0,0552
0,0952

0,0009

0,0003
0,0001

0,0009

0,0064
0,0223
0,0521.

0,0972

Lonpiron

36t

Lanjutan Tabel 2
Distribusi Poisson (Hingga ;1" = 9)
Fungsi Distribusi Poisson i LL' lx!

5
6
7
I
9
10
11
12
13
14

6,1

6,2

0,7579

0,1549 0,7519
0,1601 0,1595
0,1418 0,1435
0,1099 0,1130
0,0757 0,0791

0,1450
0,1160
0,0825

0,1462

0,0469
0,0265

0,0285

0,0528
0,0307

0,0558
0,0330
0,0179
0,0089

0,1.605

0,1399
0,1066
0,0723
0,0441
0,0244
0,0124
0,0058
0,0025

0,0t37

6,3

0,0498

6,4

6,5

6,6

6,7

6,8

6,9

0,1487

0,7454
0,1575

0,1420
0,1562
0,1472
0,1215
0,0891

0,1385
0,1546
0,1480
0,1240
0,0923

0,1349
0,1529
0,1486
0,1263
0,0954

0,1314
0,1511
0,1489
0,7284
0,0985

0,t490

0,0588
0,0353
0,0194
0,0099
0,0046

0,0618
0,0377
0,0210
0,0108
0,0052

0,0649

0,0058

0,0679
0,0426
0,0245
0,0130
0,0064

0,0770
0,0452
0,0263
0,0742
0,0071

0,0023 0,0026
0,0010 0,0011
0,0004 0,000-r
0,0001 0,0002
0.0001 0.0001

0,0029
0,0013
0,0005
0.0002
rr.tr001

0,0033
0,0014
0.0006

0,1.586

0,1188

0,0858

0,0150

0,01.64

0,0065 0,0073
0,0029 0,0033

0,0081
0,0037

0,0000
0,0000

0,0012 0,0014
0,0005 0,0005
0,0002 0,0002
0,0001 0,0001
0,0000 0,0000

0,0016
0,0006
0,0002
0,0001
0,0000

0,0000

0,0020
0,0008
0,0003
0,0001
0,0000

7,7

7,2

7,4

/,)

:,6

0,0008
0,0059

0,0006
0,0045
0,0167
0,0473
0,0764

0,0006

0,0208
0,0492
0,0874

0,0007 0,0007
0,0054 0,0049
0,0194 0,0180
0,0464 0,0438
0,0836 0,0799

0,0005
0,0038
0,0145
0,0366
0,0696

5
6
7
8
9

0,124t

0,7204

0,1167

0,1.468

0,1.445

0,1420

0,1489
0,1321
0,1.042

0,1486 0,1481
0,1337 0,1351
0,1070 0,1096

0,1130
0,1394
0,1474
0,1363
0,1121

10
11
t2
13
L4

0,0740
0,0478
0,0283
0,01s4
0,0078

0,0770 0,0800
0,0504 0,0531
0,0303 0,0323
0,0168 0,0181
0,0086 0,0095

15
L6
17
18
19

0
1
2
3
4

0,0010
0,0004
0,0001

7,3

0,0041

0,0018
0,0007
0,0003
0,0001

0,0401

0,0227
0,0119

0,1277
0,1490
0,1304
0,7074

0,0001
0,0001

,,:
0,0005
0,0035

O,rlrrLrf

0.00r)l

0.r.r,-ri,l

0,0032
0,0125
0,0324
0,0632

0,0029
0,0116
0,0305
0,0602

0,001:
0,010;

0,0986

0,0951

0,1144

0,1057 0,7027
0,1339 0,1311
0,1454 0,1442
0,1381 0,1388
0,1t67 0,1187

0,0976
0,1227
0,1396
0,1396
0,1241

0,0829 0,08s8
0,0558 0,0585
0,0344 0,0366
0,0196 0,021t
0,0104 0,0113

0,0887 0,091.4
0,0613 0,0640
0,0388 0,0411
0,0227 0,0243
0,0123 0,0134

0,0041
0,0156

0,0389
0,0729
0,1094
0,1.367

0,1.465
0,1.373

0,013.1

0,0345
0,0663

0,t282

0,t252

0,1428
0,1392

0,1413

0,1.207

0,1224

0,0941
0,0667
0,0434
0,0260
0,0145

0,0967
0,0695
0,0457
0,0278

0,1.395

0,01.57

0,0286

0,0573

0,0993
0,0722
0,0481

0,0296
0,0169

362

Stotktik: Teori don Aplikoi lilid 2

Laniutan Tabel 2
Fungsi Distribusi Poisson e-ttr lxt
7,1

15
16
17
18
t9
20
21

0,0037
0,0016
0,0007
0,0003
0,0001
0,0000

0,0000

x 8,1
0
1

0,0003
0,0025

0,0100

0,0269
0,0544

5
6
7
8
9
10
11
12
13
14

0,0882

0,1191

0,t378
0,139s
0,1256

0,t0L7
0,0749
0,0505
0,0315

0,0182

15 0,0098
L6 0,0050
1.7 0,0024
18 0,0011
t9 0,0005
20

0,0002

2T

0,0001

22

0,0000

7)

7,4

7,5

7,6

7,7

7,8

7A

0,0041 0,0046
0,0019 0,0021
0,0008 0,0009
0,0003 0,0004
0,0001 0,0001

0,0051
0,0024
0,0010
0,0004
0,0002

0,0057
0,0026

0,0062
0,0030
0,0013
0,0006
0,0002

0,0069

0,0075
0,0037
0,0077
0,0007
0,0003

0,0083
0,0041
0,0019
0,0008
0,0003

0,0000
0,0000

0,0001
0,0000

0,0001
0,0000

0,0001

8,2

8,3

8,4

8,5

0,0003 0,0002
0,0023 0,0021
0,0092 0,0086
0,0252 0,0237
0,0517 0,0491

0,0002
0,0019
0,0079
0,0222
0,0466

0,0002
0,0017
0,0074
0,0208
0,0443

0,0849 0,0816
0,7160 0,L128
0,1358 0,1338
0,L392 0,1388
0,7269 0,t280

0,0784

0,0752
0,L066

/,J

0,1.097

a,001.2

0,0005
0,0002

0,0000

0,0001
0,0000

0,0002
0,0016
0,0068
0,0195
0,0420
0,0722

0,1317

0,1.294

0,1.382

0,1.375

0,1290

0,1.034
0,1271.
0,1.366

0,1299

0,1306

0,1084 0,1104
0,0828 0,0853
0,0579 0,0604
0,0374 0,039s
0,0225 0,0240

0,1123
0,0878
0,0629

0,0055 0,0060
0,0026 0,0029
0,0012 0,0014
0,000s 0,0006

0,0L26
0,0066
0,0033
0,0015
0,0007

0,0136
0,0072
0,0036
0,0017

0,0002 0,0002
0,0001 0,0001
0,0000 0,0000

0,0003
0,0001
0,0000

0,0003

0,1040 0,1063
0,0776 0,0802
0,0530 0,0555
0,0334 0,0354

0,0t96

0,0210

0,01.07

0,0116

0,0008

0,0001
0,0001

0,0033
0,0015

0,0006
0,0003

0,0001 0,0001
0,0000 0,0001

8,7

8,8

Rg

00002

0,0002
0,0013
0,00s8
0,0771
0,0377

0,0001 0,0001
0,0012 0,0011
0,0054 0,0050
0,0160 0,0150
0,0357 0,0337

0,0001

0,0014
0,0063

0,0183
0,0398
0,0692
0,1003
0,1247
0,1356
0,1311

0,1772
0,0948
0,0703
0,0481
0,0306

0,1186
0,0970
0,0728
0,0504
0,0324

0,0182

0,0t94

0,0101

0,0109
0,00s8
0,0029
0,0014

0,0256

0,0272

0,01.47

0,01s8
0,0086
0,0044
0,0021
0,0010

0,0769
0,0093
0,0048
0,0024
0,0011

0,0004
0,0002

0,0005 0,0005
0,0002 0,0002
0,0001 0,0001

0,0019
0,0009
0,0004
0,0002
0,0001

0.0001

0,0001

0,1318
0,1318

0,041.6

0,7t40

0,0002

0,0663 0,0635
0,0972 0,0947
0,1.222 0,1197
0,1344 0,1332
0,1315 0,1317
0,1157
0,0925
0,0679
0,0459
0,0289

00040

0,0021

0,0009
0,0004

0,0000

0,0902
0,0654
0,0438

0,0079

0,0090
0,0045

0,0053
0,0026
0,0012

0,0607
0,0911
0,7771.

0,0006
0,0003
0,0001

Tabel e-Lt lxl yang lengkap dapat dilihat pada Molina, E. C.: Poisson's Exponential Binomial Limit
(New York D. Van Nostrand, 1942).

Lonpiron

363

LAMPIRAN III
Distribusi Normal
Tabel

Daerah Distribusi Normal Standar

Angka pada tabel menunjukkan proporsi bidang pada kurva yang terletak antara z = 0 dan nilai z positif
Daerah untuk nilai z negatif diperoleh dengan cara yang sama.

z0
0
0,1

(\)

0,3
0,4
0,5
0,6

0,0000
0,0398
0,0793
0,LL79
0,L554
0,191.5

0,8
0,9

0,2257
0,2580
0,2881
0,3L59

0,341.3

0,7

1,1.

1,2
1,3
1,4

0,3643
0,3849
0,4032
0,4792

1,5
1,6
1,7
1,8
1,9

0,4332

2
2,1

0,4772
0,4821

0,M52

0,4554
0,4641
0,471.3

0,02

0,03

0,04

0,05

0,06

0,07

0,08

0,09

0,0199
0,0596
0,0987
0,1368

0,0279
0,0675

0,0359
0,0753

0,1.406

0,t736

0,1772

0,1443
0,1808

0,0319
0,0714
0,1103
0,1480

0,1591.

0,0160
0,0557
0,0948
0,1331
0,7700

0,0239
0,0636
0,7026

0,1255
0,7628

0,0120
0,0517
0,0910
0,1293
0,1664

0,1950
0,2291
0,2611
0,2910
0,3186

0,1985
0,2324
0,2642
0,2939
0,3212

0,2019
0,2357
0,2673
0,2967
0,3238

0,2054
0,2389
0,2704
0,2995
0,3264

0,2088
0,2422
0,2734
0,3023
0,3289

0,2123
0,2454
0,2764
0,3051
0,3315

0,2157
0,2486
0,2794
0,3078
0,3340

0,2190
0,2517
0,2823

0,2224
0,2549
0,2852
0,3133
0,3389

0,3438
0,3665
0,3869
0,4049
0,4207

0,3461.

0,348s
0,3708
0,3907

0,3508 0,3531
0,3729 0,3749
0,3925 0,3944
0,4099 0,4775

0,3554
0,3770
0,3962

0,3577
0,3790
0,3980
0,4147
0,4292

0,3599
0,3810
0,3997
0,4162
0,4306

0,3621

0,4345
0,4463
0,4564
0,4649
0,4719

0,4478
0,4525
0,4616
0,4693
0,4756

0,4429
0,4535
0,4625
0,4699

0,4441
0,4545
0,4633
0,4706
0,4767

0,4808
0,4850
0,4884

0,4812
0,4854
0,4887

0,01
0,0040

0,0438
0,0832

0,t217

0,0080
0,0478
0,0871.

0,3686
0,3888
0,4066
0,4222

0,4082

0,425t 0,4265

0,4357
0,4474
0,4573
0,4656
0,4726

0,4370
0,4484
0,4582
0,4664
0,4732

0,4382
0,4495
0,4591
0,4671
0,4738

0,4394
0,4505
0,4599
0,4678
0,4744

0,4783
0,4830
0,4868
0,4898
0,4922

0,4788
0,4834
0,4871
0,4901
0,4925

0,4793
0,4838
0,4875
0,4904
0,4927

0,4798
0,4842
0,4878
0,4906
0,4929

0,4803
0,4846

2,3
2,4

0,4893
0,4918

0,4778
0,4826
0,4864
0,4896
0,4920

2,5
2,6
2,7

0,4938
0,4953
0,4965
0,4974
0,4981

0,4940
0,4955
0,4966
0,4975
0,4982

0,494t

0,4956
0,4967
0,4976
0,4982

0,4913
0,49s7
0,4968
0,4977
0,4983

0,4945
0,4959
0,4969
0,4977
0,4984

0,4946
0,4960
0,4970
0,4978
0,4984

0,4987

0,4987

0,4987

0,4988

0,4988

0,4989

,).

)9
oo
.l

0,4861.

0,4t31

0,4236

0,4279

0,M06

0,4515
0,4608
0,4686
0,4750

0,1.064

0,18M

0,31.06

0,336s

0,4761.

0,11.47

0,1517
0,1879

0,3830
0,4015
0,4177
0,4319

0,4911.

0,491.3

0,4932

0,4934

0,4817
0,4857
0,4890
0,4916
0,4936

0,4948
0,4961
0,497L
0,4979
0,4985

0,4949
0,4962
0,4972
0,4985

0,4951
0,4963
0,4973
0,4980
0,4986

0,4952
0,4964
0,4974
0,4981
0,4986

0,4989

0,4989

0,4990

0,4990

0,488t

0,4909
0,4931

0,4979

364

Ststistik: Teoil don Aplikosi

lilid 2

LAMPIRAN IV
Tabel

4a Distribusi

Kolom pertama memuat angka derajat kebebasan (2,). Angka pada bagian atas kolom berikutnya
menunjukkan probabilitas a untuk menghasilkan angka f . Untuk t: > 1.00, gunakan
- "l2o I

^EF

sebagai variabel normal standar.

1
2
3
4
5
6
7
I
9
10
11
12
13
t4
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
50
60
70
80
90
100
Sumber: Tabel

0,995

0,975

0,0000
0,0100
0,0777
0,2070

0,05

0,025

0,0010

3,841,5

5,0239

0,0506

5,9975

7,3778

0,2158

7,8747
9,4877
11,0705

9,3484
11,1433

0,4118

0,4844
0,8312

12,8325

0,6757

1.,2373

12,59t6

1.4,4494

0,9893
1,3444

7,6899

14,0671

2,1797

15,5073

L6,0t28
t7,5345

1,7349

2,7004

16,9790

1.9,0228

2,7558

18,3070

20,4832

2,6032

3,2470
3,8157

19,6752

27,9200

3,0738

4,4038

21,0267

ZJ,JJO/

3,5650

5,0087

22,3620

24,7356

4,0747
4,6009

5,6287

23,6848

26,1t89

6,2621

24,9958

27,4884

5,1422

6,9077

26,2962

28,8453

5,6973

7,5642

27,5871.

6,2648

8,2307

28,8693

30,19t0
3t,5264

6,8439
7,4338

8,9065

30,1.435

32,8523

31,4104

34,7696

8,0336

9,5908
10,2829

32,6706

35,4789

8,6427

1.0,9823

33,9245

36,7807

9,2604

11,6885

35,7725

38,0756

9,8862

12,4011

36,4150

39,3641.

1.0,5796

13,1197

37,6525

40,6465

1t,1602

13,8439

38,8851

41,923L

11,8077

L4,5734

40,1133

43,1945

12,4613

15,3079

41,3372

44,4608

13,t271

1.6,0471.

42,5569

45,7223

13,7867

16,7908

43,7730

46,9792

20,7066

24,4331

55,7585

59,3417

27,9908

32,3574

67,5048

71,4202

35,5344

40,4817

79,0820

83,2977

43,2753

48,7575

51.,1719

57,t532

90,5313
101,8795

95,0231
106,6285

59,7963

65,6466

113,1452

118,1359

67,3275

74,2219

t24,3421.

129,5613

ini dikutip dari Tabel 8 buku BiometrikaTablesfor

0,01

6,6349
9,2104
11,3449
13,2767
15,0863
16,8119
18,4753
20,0902
21,6660
23,2093
24,7250
26,2770
27,6882
29,1412
30,5780
31,9999
33,4087
34,8052
36,1908
37,5663
38,9322
40,2894
41,6383
42,9798
44,3140
45,6416
46,9628
48,2782
49,5878
50,8922
63,6908
76,1538
88,3794
100,4251
112,3288
124,7762
135,8069

0,005

7,8794
10,5965
12,8381
1.4,8602
16,7496
18,5475

20,2777
21,9549
23,5893
25,1881

26,7569
28,2997

29,8193
31,3194
32,8075
34,2671
35,71,84

37,7564
38,5821
39,9969

41,4009
42,7957
44,1814
45,5584
46,9280
48,2898
49,6450
50,9936
52,3355
53,6719

66,7660
79,4898
91,9518
104,2148
116,3209

t28,2987
140,1697

Statisticians, Vol. 1,3rd edition, 1966.

Lonpion

365

Tabel

x2

o,o1

o,o5

x2 o,ozs

3,8415

5,0239

5,9915

7,3778

9,2104

7,8147

9,3484

11,3449

9,4877

11,1433

rJ,zlo/

11,0705

12,8325

15,0863

12,5916

14,4494

16,8119

d.f.

-Tabel

x2

4b Nilai X2*

6,6349

x2

o,oo5

df.

7,8794
10,5965
12,8381.
14,8602
16,7496
18,5475
20,2777
21.,9549
23,5893

2
3

4
5
6

14,0671

16,0128

18,4753

15,5073

17,5345

20,0902

76,9190

19,0228

21,6660

10

18,3070

20,4832

23,2093

25,1.881.

11

19,6752

21,9200

24,7250

12

21,0261

23,3367

26,2170

13

22,3620

24,7356

27,6882

14

23,6848

26,1189

29,1112

15

24,9958

27,4884

30,5780

1.6

26,2962

28,8453

37,9999

77

27,5871

30,1910

33,4087

18

28,8693

31.,5264

34,8052

20

30

19

30,1435

32,8523

36,1908

20

31,4104

34,1696

37,5663

21

32,6706

35,4789

?!,

22

33,9245

36,7807

40,2894

ZJ

35,7725

38,0756

47,6383

24

36,4150

39,3641

42,9798

25

37,6525

40,6465

44,31.40

26

38,8851

41,9231.

45,6416

27

40,1133

43,7945

46,9628

28

47,3372

44,4608

48,2782

29

42,5569

45,7223

49,5878

26,7569
28,2997
29,8193
31,3194
32,8075
31,2677
35,7781
37,1a61
38,582i
39,9969
47,4009
42,7957
44,1814
45,5584
46,9280
48,2898
49,6450
50,9936
52,3355

30

43,7730

46,9792

50,8922

53,671.9

o?),

7
8
9

10
11

t2
13

t4
15
76

77
18

t9
21.

22
23
24
25
26
27
28
29

ini dikutip dari Tabel III buku R. A. Fishel, Statistical Methods for Research Workers, yang
dipublikasikan oleh Oliver and Boyd, Ltd., Edinburgh.

Stotistik: leoil don Aplikui

366

lilid 2

LAMPIRAN V
5 Nilai

Thbel
d.f.

.Tabel

0,7

0,05

3,0777

1,8856

6,3137
2,9200

0,025

12,7062

4,3027

f*

0,01

31,8210
6,9645
4,5407
3,7469
3,3649

0,005

d.f.

63,6559

9,9250

5,8408
4,6041

4,0321

1,6377

2,3534

3,1.824

1.,5332

2,1318

2,7765

1,4759

2,0150

2,5706

7,4399

1.,9432

2,4469

3,1427

3,7074

1,4149

1,8946

2,3646

ao70

3,4995

L,3968

1,8595

2,3060

2,8965

3,3554

1,3830

1,8331

) )A)')

2,8214

3,2498

10

1.,3722

1.,8125

2,228L

2,7638

3,1.693

10

11.

L,3634

1,7959

2,2010

2,7181

3,1058

11

1"2

r,3562

1,7823

2,1788

2,6810

3,0545

12

13

7,3502

1,7709

2,L604

2,6503

3,0123

13

1.4

1,7613

2,t448

2,6245

2,9768

t4

15

7,3450
7,3406

1,7531

2,1315

2,6025

2,9467

15

16

L,3368

1,7459

2,1199

2,5835

2,9208

T6

17

1,3334

1,7396

2,L098

2,5669

18

1,3304

1,7341

2,1009

2,5524

2,8982
2,8784

18

17

79

L,3277

1,7291

2,0930

2,5395

2,8609

t9

20

1,3253

1.,7247

2,0860

2,5280

2,8453

70

2t

1.,3232

1,7207

1,3212

1,7171.

2,0796
2,0739

2,5176

22
ZJ

1,3195

1,7139

2,0687

24

1,3178

1,7109

2,0639

2,4922

25

L,3163

1,7081

2,0595

2,485L

2,83L4
2,8188
2,8073
2,7970
2,7874

26

1,31s0

1,7056

2,0555

2,4786

27

1.,3737

1,7033

2,0518

2,4727

28

1,3125

t,7011.

2,4671

29

1.,311.4

t,6997

2,0484
2,0452

2,4620

inf.

1.,281.6

L,6449

1.,9600

2,3264

2,5083
49qa-

2,7787
2,7707
2,7633
2,7564
2,5758

21

22
23
24
25
26
27
28
29

inf.

ini dikutip dari Tabel IV buku R. A. Fisher, Statistical Methods for Research Workers, yang
dipublikasikan oleh Oliver and Boyd, Ltd., Edinburgh.

2
3
4
5
6
7
8
9
120
11
-].2
13
^14
15
16
77
18
-19
20
27
22
23
24
25
30
40
60
120
*

98,50 99,00
34,72 30,82
27,20 18,00
76,26 73,27
13,75 70,92
72,25 9,55
7L,26 8,65
^10,56 8,02
10,04 7,56
9,65 7,2-t
9,33 6,93
9,07 6,70
8,86 6,51
8,68 6,36
8,53 6,23
8,40 6,17
8,29 6,01
8,18 5,93
8,10 5,85
8,02 5,78
7,95 5,72
7,88 5,66
7,82 5,61.
7,77 5,57
7,56 5,39
7,3-l 5,18
7,08 4,98
6,85 4,79
6,63 4,67

99,76
29,46
16,69
12,06
9,78
8,45
7,59
6,99
6,55
6,22
5,95
5,74
5,56
5,42
5,29
5,1.9
5,09
5,01
4,94
4,87
4,82
4,76
4,72
1,68
4,51,
4,31.
4,"13
3,95
3,78

6a Nilai F 0,01+

99,25 99,30 99,33 99,36


28,77 28,24 27,91. 27,67
15,98 L5,52 75,21. 14,98
71.,39 '10,97 70,67 70,46
9,15 8,75 8,47 8,26
7,85 7,46 7,19 6,99
7,01. 6,63 6,37 6,18
6,42 6,06 5,80 5,6^1
5,99 5,64 5,39 5,20
5,67 5,32 5,07 4,89
5,41 5,06 4,82 4,64
5,21 4,86 4,62 4,44
5,04 4,69 4,46 4,28
4,89 4,56 4,32 4,74
4,77 4,44 4,20 4,03
4,67 4,34 4,"10 3,93
4,58 4,25 4,0-1 3,84
4,50 4,17 3,94 3,77
1,43 4,1.0 3,87 3,70
4,37 4,04 3,81 3,64
4,37 3,99 3,76 3,59
4,26 3,94 3,77 3,54
4,22 3,90 3,67 3,50
4,18 3,85 3,63 3,46
4,02 3,70 3,47 3,30
3,83 3,51 3,29 3,1?
3,65 3,34 3,72 2,95
3,48 3,17 2,96 2,79
3,32 3,OZ 2,80 2,64

99,38
27,49
14,80
"10,29
8,10
6,84
6,03
5,47
5,06
4,74
4,50
4,30
4,74
400
3,89
3,79
3,77
3,63
3,56
3,51
3,45
3,41
3,36
3,32
3,17
2,99
2,82
2,66
2,57

99,39
27,34
L4,66
1.0,76
7,98
6,72
5,91
5,35
4,94
4,63
4,39
4,79
4,03
3,89
3,78
3,68
3,60
3,52
3,46
3,40
3,35
3,30
3,26
3,22
3,07
2,89
2,72
2,56
2,47

72

99,+0 q9,42
27,23 27,05
14,55 14,37
10,05 e,r]e
7,87 7,72
6,62 6,17
5,81 5,67
5,26 5, I |
4,85 4,7 I
4,54 4,40
4,30 4, It,
3,()(,
4, l()
3,e.1 3,lrl)
3,110 .\,t)7
3,(*) :t,5ri
3,5e ',t,,I(,
3,51 .\,\'/
3,.13 1. r0
3,37 l,:) I
\,t'.i
3,3 r
3,2(, I. t?
\.o7
3,2 r
t.t)t
"\,t7
3, r.r
.',,r,
2,('ri :'.r{,t
2,r'{{) ].trt,
2,r) I
.).',!{)
2,47 ?. 1,1
2,.]l .', lr't

10

99,43 99,45 99,46


26,87 26,69 26,60
14,20 14,02 L3,93
e,72 9,55 9,47
7,56 7,40 7,37
6,31 6,16 6,07
5,52 5,36 5,28
.1,()h 4,111 4,73
.1,5(, 4,41 4,33
4,25 4,10 4,02
4,()l 3,U6 3,78
.],ti2 3,66 3,59
.1,{){) 3,51 3,43
3,s2 3,37 3,29
,t,.1 l
3,76 3,18
3,3 r
3,16 3,08
3,21 3,08 3,00
3, 15
3,00 2,97
3,0e 2,94 2,86
1i,03 2,88 2,80
2,e8 2,83 2,75
2,e3 2,78 2,70
2,rie 2,74 2,66
2,8\ 2,70 2,62
2,70 2,55 2,47
2,52 2,37 2,29
2,35 2,20 2,1.2
2,te 2,03 1,95
7,04 1,8U 1.,79

Derajat kebebasan untuk pembilang

Tabel

LAMPIRAN VI

99,47 99,48 99,48 99,49


26,50 26,41 26,32 26,22
73,84 "13,75 13,65 13,56
9,38 9,29 9,20 9,7"1
7,23 7,14 7,06 6,97
5,99 5,91 5,82 5,74
5,20 5,12 5,03 4,95
4,65 4,57 4,48 4,40
4,25 4,17 4,08 4,00
3,94 3,86 3,78 3,69
3,70 3,62 3,54 3,45
3,51 3,43 3,34 3,25
3,35 3,27 3,18 3,09
3,27 3,13 3,05 2,96
3,10 3,02 2,93 2,84
3,00 7,92 2,83 2,75
2,92 ?,84 2,75 ?,66
2,84 7,76 2,67 2,58
2,78 2,69 2,67 ?,52
2,72 2,61 2,55 2,46
2,67 2,58 2,50 2,4A
2,62 2,54 2,45 2,35
2,58 2,49 2,40 2,31
2,54 2,45 2,36 2,27
2,39 2,30 2,7"t 2,11.
2,70 2,17 2,02 1-,92
2,03 7,91 7,84 1,73
1,86 1.,76 1,66 1,53
L,70 1,59 1.,47 1,32

1,00!

1,38

1,60

1,80

7,01

2,77

2,21

2,26

237

2,36

2,42

2,49

2,57

2,65

2,75

2,87

3,00

3,"17

3,36

3,60

3,9"1

4,3L

4,86

5,65

6,88

9,07

'L3,46

26,73

99,50

go

19,00
9,55
6,94
5,79
5,14
4,74
4,46
4,26
4,10
3,98
3,89
3,81
3,74
3,68
3,63
3,59
3,55
3,52
3,49
3,47
3,44
3,42
3,40
3,39
3,32
3,73
3,15
3,07
3,00

79,76
9,28
6,59
5,41,
4,76
4,35
4,07
3,86
3,71
3,59
3,49
3,41,
3,34
3,?9
3,24
3,20
3,76
3,13
3,10
3,07
3,05
3,03
3,01
7,99
2,92
2,84
2,76
2,68
2,60

19,25
9,72
6,39
5,79
4,53
4,72
3,84
3,63
3,48
3,36
3,26
3,18
3,11
3,06
3,01
2,96
2,93
2,90
2,87
2,84
2,82
2,80
?,78
2,76
2,69
2,61
2,53
2,45
2,37

19,30
9,07
6,26
5,05
4,39
3,97
3,69
3,48
3,33
3,20
3,11
3,03
2,96
2,90
2,85
2,87
2,77
2,74
2,7"1
2,68
2,66
2,64
2,62
2,60
2,53
2,45
2,37
2,29
2,27

1.9,33
8,94
6,76
1,95
4,28
3,87
3,58
3,37
3,22
3,09
3,00
2,92
2,85
2,79
2,74
2,70
2,66
2,63
2,60
2,57
2,55
?,53
2,57
2,49
2,42
2,34
2,25
2,"18
2,70

19,35
8,S9
6,09
4,88
4,21
3,79
3,50
3,29
3,1,4
3,01
2,9t
2,83
2,76
2,71,
2,66
2,67
2,58
2,54
2,51.
2,49
2,46
2,14
2,42
2,40
2,33
2,25
2,17
2,09
2,01.

120

8,85
6,04
4,82
4,1,5
3,73
3,44
3,23
3,07
2,95
2,85
2,77
2,70
2,64
2,59
2,55
2,51
2,48
2,45
2,42
2,40
2,37
2,36
2,34
2,27
2,.18
2,70
2,02
7,94

8,81
6,00
4,77
4,L0
3,68
3,39
3,"18
g,O2
2,gO
2,80
2,77
2,65
2,59
2,54
2,49
2,46
2,42
2,39
2,37
2,34
2,32
2,30
2,28
2,27
2,12
2,04
7,96
1,88
8,7g
5,96
4,74
4,06
3,64
3,35
3,"14
2,g8
2,85
2,75
2,67
2,60
2,54
2,49
2,45
2,4-I
2,38
2,35
2,32
2,30
2,27
2,25
2,24
2,16
2,08
7,99
7,9-t
1,83
E,74
s,gt
4,68
4,00
3,57
3,28
3,07
2,g1,
2,79
2,69
2,60
2,53
2,48
2,42
2,38
2,34
2,31.
2,28
2,25
2,23
2,20
2,78
2,16
2,Og
2,00
1,92
1,83
1,75
8,70
5,86
4,62
3,94
3,51
3,22
3,01
2,85
2,77
2,62
2,53
2,46
2,40
2,35
2,31
2,27
2,23
2,20
2,18
2,15
2,L3
2,1,1
2,09
2,01
7,92
1,,84
1,75
.1,67
8,66
5,80
4,56
3,87
3,44
3,15
2,94
2,77
2,65
2,54
2,46
?,3g
2,3g
2,28
2,23
2,79
2,L6
2,12
2,10
2,07
2,05
2,03
2,0]
7,g3
7,84
1,75
1,66
1,,57
8,64
5,77
4,53
3,84
3,4-t
3,72
2,90
2,74
2,6L
2,57
?,42
2,35
2,2g
2,24
?,7g
2,75
2,71
2,08
2,05
2,03
2,07
7,98
7,96
1,89
L,79
L,70
.1,61
7,52
(1943).

8,62
5,75
4,50
3,81
3,38
3,08
2,86
2,70
2,57
2,47
?,38
2,37
2,2s
2,7s
2,7s
2,77
2,07
2,04
?,07
7,g8
7,s6
1,94
7,g2
7,84
1,74
^1,65
1,55
7,46
u,59
5,72
4,46
3,77
3,34
3,04
2,83
2,66
2,53
2,43
2,34
2,27
Z,?O
2,75
2,10
2,06
2,03
1,g9
7,96
7,94
7,97
7,89
1,,87
7,79
1,6s
7,59
1,50
7,39

8,57
5,69
4,43
3,74
3,30
3,01
2,79
2,62
2,4g
2,38
2,30
2,22
2,16
2,71
2,06
2,02
7,98
7,g5
7,92
1,89
7,86
7,84
L,82
1,74
1,64
1,53
7,43
1,32

8,55
5,66
4,40
3,70
3,27
2,97
2,75
2,58
?,45
2,34
2,25
2,18
2,77
2,06
2,u7
1,97
1,93
7,90
7,s7
1,84
1,81
7,79
1,77
1,68
1,58
7,47
I,3s
1,22

'.19,37 79,38 19,40 "19,41. 79,43 79,45 1s,45 19,46 1.9,47 19,48 .19,49

ini dikutip dari M. Merrington aud C.M. Thompson, "Tables of percentage points of the inverted beta (F) distribution,', Biometrikt, Vol. 33

78,57
10,13
7,77
6,61.
5,99
5,59
5,32
5,72
4,96
4,84
4,75
4,67
4,60
4,54
4,49
4,45
4,4"t
4,38
4,35
4,32
4,30
4,28
4,26
4,24
4,17
4,08
4,00
3,92
3,84

89107215

767,45 199,50 215,77 224,58 230,76 233,99 236,77 238,88 240,54 241,88 243,90 245,95 248,02 ?49,05 250,10 ?57,74 252,20 253,25

tTabel

7
2
3
4
5
6
7
8
9
10
11
72
13
"14
15
16
"17
18
19
20
27
22
23
24
25
30
40
60
720
*

(Lanjutan)

5b Nilai F 0,05+

VI

Derajat kebebasan untuk pembilang

Tabel

LAMPIRAN

7,25
1,00

.d

7,3g

1,51

.t,62

1,77

1,73

1,76

7,78

1,81

7,84

1,88

7,g2

1,96

2,07

2,07

2,13

2,27

2,30

2,40

?,54

2,77

2,93

3,23

3,67

4,36

s,63

8,53

19,50

254,37

C'\

(.,
@

Lonpimn

369

LAMPIRAN VII
Angka Random
Tabel

27104
85694
77853
86600
26383

Angka Random

07664
75981

835s9 75559
69261 97632
28785 57676
89694 62964
54705 99067

90159 t2338
94143 55827
02936 82362
51985 30784
93115 50695

45847 58215
23011 53152
28398 55932
99848 26278
52758 51058

58603 43798
L5022 23592
20704 73139
14123 74472
48298 60557

3122t

78476

89899
96574
97826
72308

37667

98136 36786
18677 97088
40571 59619
62454 42536
55377 75637

33878 13646
89968 78156
34135 69444
94025 12152
02969 78351

72354 54775 L9177


26378 51126 83167
43123 89707 1a229
42716 09096 53333
05005 29196 9_i39S

04328
17155
50979
31476
28663

22350 28012
53949 87121
36204 69750
59846 77236
60287 80016

94563
82014
52800
21867
35796

04708
35218

50040
51113
41728
74949
58282

54374
38272
22702

16840
50891
77093

71195
01447

53s92
97997

35453
62225

I il]

r9s91

j-1-{r,]9

67291

78270
9i-180
1_1i] i

86469 31.032
34206 336t3
90247 54798
02948 36542
03343 29567

22015 20660
93780 88216
50446 24664
23930 49893
78588 20034

52418 03598
33435 28858
78730 96513
17241 06974
01965 38029

98938 42112
13091 15262
92636 60429
95267 54157
18035 78342

93465 62750
87404 19027
0s798 96954
50487 91949
06960 20159

1.2046

50839

42190

75799 19474
71675 06186
09521 75490
34624 64333
17267 18918

05631
07320
58513
41426
35363

59978

ahai-

52147

50923

73702
04525

01643

18929 54474
98723 85727
19277 72863
50151 18101

l_3519 -1ilc5
47917 20388
1E865 59892

35804
26148
03083

54797

67083 14327
73371 18303
43886 23808
65603 65568
39564 10347

0li2E

12301 48955
78536 19261
01198 96465
57294 25245
31570 03270

26187

78063 44014
17709 99827
21128 21770
00773 06158
05105 78524

41901 693;1
91739 71719
32977 87833
30967 90195

07282 33824
01542 21849
17768 88850
43179 83731
63422 71647

680i8

57523

89254

16917

88306

09127
62076

73695

95287

65036 47393 26242


82946 18894 19132
41.692 19725 1,5049
t8448 91782 29728
17214 64728 88875

97678

4211t 33512
27356 73924
97179 53913

93496

23366

36248
37871

51098

84452

95307
88627

98379

11.690 36360
87403 43964

42764 26415
51022 53592
26844 65707
16436 57702
98657 57191

:il1

"9tl-i
Slo]r

70777 56374 53348


27516 42949 58438
45550 72720 26269
00380 60033 78346
29176 79127 75212

370

Stltistik: leoil don Apliktsi lilid 2

Lanjutan 'fabel

Angka Random

85247 70478
55790 98283
57304 41873
70122 08752
58449 29787

1.8781 L2066 03247 45482


99774 73218 99333 89266
10286 91120 65102 30663
00406 78564 71644 111.79
71.582 64245 83906 73512

06173 63638
84734 92889
20457 35811
80897 451.64
26500 13960

89181 38343
81078 07510
03830 90997
36231. 48785
89226 20860

72508
51274
67735
908s6
42168

97694

88878

20535 12005
26043 33846
21180 48926
38577 06814

18127

992t6

73627 86819
98779 60877
47025 02986
58883 91rt5
99173 40951

77422
61495
30962
85334
40303

45517

04838 82943
90032 48037
27234 21394
56939 48186
33085 337t5

38887
14L71
05338
26475
23451

1.4807

03803 t7359
77789 90893
38173 85054

41951.

31239 74128
61772 90891
24836 19133
72602 64031

84544

8572t

52097

88066 51906
23762 87048
79546 35790
35510 53631
43202 01.6t1

10145 92769
43984 47676
38674 33247
76431 29035
98196 38140

87662

30104

83443
36899

01.912

70498

6931.5

69254
12232

32976
24095
87803
22245

39733 20091
56303 63683
55754 29726
80646 29209
72396 70823

83413 54369
96033 21289
93423 1.6004
33653 14724
80862 34992

73479 38932 66848


04888 s2763 11244
8t264 95261 992s4
34242 50312 68886
48286 96907 24028

04434 08246 72904


90346 10220 78168
54259 69426 41213
79671 44004 24L65
21108 L1.343 86396

83532 56416
94293 40197
48468 65648
92876 84052
13106 46440

85820

66039

61.564
23454

26753

98051
38410

49249

49002 43084 01.896


98657 83452 15412
84861 95211 95986
72307 19749 9511.2
47993 19746 90775

37112 02629
79675 05433
73432 59062
41633 73578
06422 681.69

38856
64842

94556
03596
32828
26884
00997

05211 11515
59432 43238
74719 15218
13604 93544
89469 64848

386s1 55953
85411 06859
33906 26210
89571 9296L
20288 27696

48980 0774r
27959 7717I
00510 44820

88696
36641
98789
43917
08545

85935 72066
95399 22989
14059 33428
90207 90782
99653 01882

38280 85360
64464 87144
66827 79253
20759 60360
93023 87789

30105 32391 47562


81119 08294 85010
94049 44382 49437
80199 20819 71205
69429 58431 09585

4L296
65025

54518
87826

73840
28152
5431.6

33383
56170

18999 16821 34772


75877 90332 23895
97946 14874 52967
77725 02572 10303
60113 63073 0s421
01387
09232
01377
42944
54433

67944
31095
70887
37860
97560

Lonpiron

371

Lanjutan Thbel 7
Angka Random

31.379
37721.

08689
22255
70145

43540
42237
78911

14082
20298

29858 41361
53171 5t210
84229 05527
59738 28768
67390 78092

21252 52581
15358 54729
54535 85117
89686 13397
20095 63496

53814 75077
07031 61449
23729 485"19
49678 23595
33596 18336

35368

48876

731.33

94782
22228

40141 80432
30269 57470
37501. 34754
27280 35303
49786 01.876

53174 70342
63702 49215
48127 45538
64300 89578
71082 76484

87308
57319
09635
46723
74723

59054
13658
35321.
1.0949
54491.

46405 79730
43800 25102
78814 t6084
13096 19865
21954 45352

61201.

26458

04501
52469
04032
21976

67741

86649 47974
87227 87605
49364 98262
82355 53850
80309 42996

46322 91022
06819 86517
30504 65361.
21875 18613
78324 24983

70597
78796
03782
62722
20640

33907

43837 90818
72567 36254
04920 90325
69663 96818
12594 73264

44978
84806

08912
24586

9021.2

03072

369s2
60011

23706

84074
48295
90865
22s1.3
63378

18308 30506
55540 80280
55451 83050
10934 27512
46184 02966

65748 33952
37884 86205
63675 13710
05906 3E976
60906 11313

50521 a6209 77027 75307


79676 00061 30830 21241
26027 98310 20484 27553
87438 05057 11026 77584
29361 1.3370 02290 0t169

57771.

66758
08480

70095

23792

77581
06738
04093

95494

42109
02338
36084
83825

20286
82955 40644
74343 73491

46597 89535
27976 84117
26800 81.897
54944 07538
82374 83735

02848 12767
30146 65778
41377 623L8
51592 64263
63646 16673

00773 14202
22049 62428
45305 76044
55264 53114

12909 56114
47922 26752
83631 24902
87928 20147
16722 44211

75250

9-L452

i8583

32583

171.37

76519

91650
60719

81822
70445

64206 85810 25737


16038 96802 43262
08101 94602 96698
1.0769 89694 29200
96064 63372 10930

53701.

75953

35492
53733
60866

78313

0061.9

37479

87308

52506

660EJ
07121

0210E

E29E'

21E37

20765
31131

91105

69903 86163
70102 51470

44609 93974 65978


31455 47573 59528
45013 50965 61168
L4368 1.8409 s2968
51643 82724 39330

372

Stotistik: leori don Aptiklsiiilid 2

LAMPIRAN VIII
Thbel

8 Statistik

d Durbin-Watson

Taraf nyata untuk d, dan du: 5%

k':r
ul

k'u

dL

15

1,08

1,36

0,95

16

1.,1.0

1,,37

0,98

t7

1,13

1,38

1,02

18

1,76

1.,39

1,05

t9

1,18

7,40

1,08

20

1.,20

1,41

1,1.0

2L

1,22

1,42

7,1.3

22

1,24

1,43

1.,75

23

1,26

1.,44

1,17

24

1,27

1,45

1,19

25

1,29

1.,45

1.,21

26

1,30

1.,46

1,22

27

7,32

1,47

1,24

28

1.,33

1,48

1,26

29

1,34

1,48

1,27

30

1,35

1,49

t,28

31

1,36

1,50

L,30

32

1,37

1,50

1.,3t

.lJ

1,38

1,51

1,32

34

1.,39

1,51

1,33

35

1,40

1,52

1,34

36

1,41

t,52

1,35

J/

1,42

1,53

1,36

38

t,43

1,54

1.,37

39

1,43

1,54

1,38

40

1,44

1,54

1,39

45

1,48

1,57

1,43

50

1,50

1,59

1.,46

55

1,53

1,60

1,49

60

1.,5s

1,62

t,5l

65

7,57

1,63

1,54

70

1,58

t,64

1,55

75

1,60

1.,65

1,57

80

7,61.

1,66

1,59

85

7,62

t,67

1,60

90

1,63

1,68

1,61

95

1,64

1,69

7,62

100

1,65

1,69

7,63

k':

K:J

2
dL

1,54 0,82
1,54 0,86
1,54 0,90
1.,s3 0,93
1,53 0,97
1.,54 1,00
1,54 1,03
1,54 1,05
1,54 1,08
1,55 1,1.0
1,55 1,12
1,55 1,14
1,56 1,1.6
1,56 1.,78
1,56 1,20
1,57 1,21
L,57 1.,23
1,57 1.,24
1,58 1,26
1,58 7,27
1,58 1,28
1,59 1,29
1.,59 1,31
1,59 1,32
1,60 1,33
1.,60 1.,34
1.,62 1,38
1,63 1,42
1,64 1,45
1,65 1.,48
1.,66 1,50
1,67 1,52
1,68 1.,54
1,69 1.,56
1,70 1,57
1.,70 1,59
1,71 7,60
7,72 1,61

k'=

dL

1.,75 0,69 L,97


1,73 0,74 1.,93
7,71 0,78 1,90
1,69 0,82 1,87
1,68 0,86 1,8s
t,68 0,90 1,83
L,67 0,93 1,81
t,66 0,96 1,80
1,66 0,99 1,79
1,66 1,01 1,78
1.,66 1,04 7,77
7,65 7,06 7,76
1,65 1,08 L,76
1,65 1,10 1,75
1,65 1,12 1,74
1,65 1,t4 t,74
1,65 1,16 1,74
7,65 1,18 1.,73
1,65 1,19 1,73
1,65 1,2t 1,73
1,65 1,22 1,73
1,65 t,24 1.,73
1,66 1,25 1,72
1.,66 1.,26 7,72
1.,66 1.,27 1,,72
1,66 1,29 1,72
1,67 1,34 1,72
1.,67 1,38 1,72
1,68 1,41 1,72
1,69 L,44 1,73
t,70 1,47 1,73
1,70 1,49 1,74
1,71 1,51 1,74
1,72 1,53 1,74
1,72 1,55 1,75
1,73 1,s7 1,7s
7,73 1,58 L,75
1,74 1,59 1,76

dL

0,56
0,62
0,67
0,71
0,75
0,79
0,83
0,86
0,90
0,93
0,95
0,98
1,01
1,03
1,05
1,07
1,09
7,11
1,13
1,15
1,16
1.,1.8

1,19
1,21
7,22
1,23
t,29
t,34
1,38
1,41
1,44
1,46
1,49
1,51
7,52
7,54
1,56
1.,57

2,21.

2,15
2,70
2,06
2,02
1,99
7,96
7,94
7,92
1,90
1,89
1,88
1,86
1,85
1,84
1,83
1,83
1.,82

1,81
1.,87

1,80
1,80
1,80
1,79
L,79
1,79
1,78
1.,77

r,77
1,77
1,77
1,77
1,77
1,77
7,77
1,78
1,78
1,78

Lonpion

373

Laniutan Thbel

Taraf nyata untuk d, dan d,,: 2,5%

k'dL

k'=

K -3

dL

15

0,95

7,23

0,83

16

0,98

1,24

0,86

17

1,01

1,25

0,90

18

1,03

1,26

0,93

L9

7,06

1,28

0,96

20

1,08

7,28

0,99

21

1,10

1,30

1,01

22

7,12

1,31

1,04

23

1,1,4

1,32

7,06

Z+

1,16

1,JJ

1,08

25

1,18

1,34

1,10

26

1,19

1,35

1,12

27

7,21
11a

7,36

1,73

28

1,75

29

7,24

1,38

1.,77

30

7,25

1,38

1,18

31

1,26

1,39

1,20

32

7,27

1,40

7,21

33

1,28

7,47

1,22

34

1,29

1,47

1,24

35

1,30

7,42

1,25

36

7,31

1,43

7,26

J/

1,32

1,13

1,27

38

T,

JJ

1,11

1,28

39

1,34

1,44

1)9

40

1,35

7,45

1,30

45

7,39

1,.+8

7,34

50

7,42

1,50

1,38

55

1,45

7,52

1,41

t,3

60

1.,47

1,54

7,44

65

1,49

1,55

7,46

70

1,51

1,57

1,48

75

1,58

1,50

80

t,53
t,54

1,59

1('

85

1,56

1,60

1,53

90

1,57

1,61

1,55

95

1,58

7,62

1,56

100

1,59

1,63

1,57

dr

1,40
1,40
7,40
1,40
1,41
1,41
1,47
1,42
1,42
1,43
1,43
1,44
1,44
7,45
1,45
1,46
1,47
1,47
1,48
7,48
7,48
1,49
1,49
1,50
1,50
1,51
1,53
1,54
1,56
7,57
1,59
7,60
1,61
1,62
1,63
1,64
1,65
1,65

dL

0,71

7,67

0,75

1,59

0,79

1,58

0,82

1,56

0,86

1,55

0,89

7,55

0,92

1,54

0,95

7,51

0,97

7,51

1,00

7,54

1,02

1,54

1,04

7,41

1,06

1,54

1,0E

1,54

1,10

1,

1,72

1.5+

7,73

1,55

-l

1,15

1,55

1,16

1,55

7,77
1,19

1;1it

1,20

7,56

1,27

7,56

1,23

7,56

1,24

7,56

1,25

1,57

1,30

1,58

1,34

7,59

1,37

1,60

1,40

1,67

7,43

1,62

1,45

7,63

7,47

7,64

7,49

7,65

1,51

1,65

1,53

t,66
t,67
r,67

1,54
1,55

0,59
0,64
0,68
0,72
0,76
0,79
0,83
0,86
0,89
0,97
0,94
0,96
0,99
1,01
1,03
1,05
1,0;

k':5

4
dL

7,84 0,48 2,09


1,80 ,053 2,03
1.,77 0,57 1,98
1,,74 0,62 1,93
1,72 0,66 L,90
1,70 0,70 1,87
1,69 0,73 7,84
7,68 0,77 7,82
1,67 0,80 1,80
7,66 0,83 7,79
7,65 0,86 7,77
7,65 0,88 1,76
7,61 0,91 1,75
7,61 0,93 1,71
7,63 0,96 7,73
1,63 0,96 1,73
1,63 1,00 7,72
1,rrE 1,63 1,02 7,71.
1,10 1,63 1,0!l 7,71
7,72 1,63 1,06 1,70
1,13 7,63 1,07 1,70
7,15 7,63 1,09 1,70
7,16 1,62 1,10 1,70
1,17 1,62 1,12 1,70
1,79 1,63 1.,13 1,69
1,20 1,63 1,15 7,69
7,25 1,63 1,21 7,69
1,30 1,64 1,26 1,69
7,33 1,64 1,30 1.,69
1,37 1,65 1,33 1,69
1,40 7,66 1,36 1,69
1,42 1,66 1,39 1,70
1,45 7,67 1,42 1,70
1,47 1,67 7,44 1.,70
1,49 7,68 1,46 1,71
1,50 7,69 1,48 L,71
1,52 7,69 1,50 7,77
1,53 1,70 1,51. 1,72

374

Stotistik: leori don Aplikosi

Lanjutan Thbel

lilid 2

Taraf rryata untuk d, dan d,,: 1'n

k':1
dr

dL

15

0,81

1,07

0,70

1.6

0,84

1,09

0,74

1.7

0,87

1,10

0,77

1B

0,90

7,72

0,80

t9

0,93

7,13

0,83

20

0,95

1,15

0,86

21

0,97

1,16

0,89

22

1,00

1.,17

0,91

ZJ

7,02

1,19

0,94

24

1,04

1,20

0,96

25

1,05

111

0,98

26

1,07

L,Z/.

1,00

27

1,09

1,23

7,02

28

1,10

1,24

7,04

29

1,12

1,25

1,05

30

1,13

t,26

1,07

31

1,75

1,27

1,08

32

1,16

1,28

t,10

33

1,17

1,29

7,77

34

1,18

1,30

1,13

35

1,19

1,31

1,14

36

1,21

1,32

1,15

3,/

1,22

L,CZ

1,16

38

1,23

7,33

7,18

39

7,24

1.,34

1,79

40

1,25

1.,34

7,20

15

7,29

1,38

1,24

50

1,32

1.,40

7,28

55

1,36

7,43

1,32

60

1,38

1,45

1,35

65

1,41

1,47

1,38

70

1,43

1,49

1,40

75

7,45

1,50

1,42

80

7,47

1,52

1,44

B5

1,48

1,53

90

1,50

7,54

t,46
t,47

95

1,57

1,55

1,49

100

1,52

7,56

1,50

Sunfuer:

k'=

K =1
d,

dL

7,25 0,59
1,25 0,63
1,25 0,67
L,26 0,77
7,26 0,74
1,27 0,77
1,27 0,80
1,28 0,83
1,29 0,86
1,30 0,88
1,30 0,90
1,31 0,93
1,32 0,95
1,32 0,97
1,33 0,99
L,34 1,07
7,34 1,02
1,35 1,04
1,36 1,05
1.,36 1,07
1,37 1,08
1,38 1,10
1,38 1,17
1,39 7,12
1,39 7,14
1,40 7,15
1,42 1,20
1,45 7,24
1,47 1,28
7,48 1,32
1,50 t,35
1,52 t,37
1,53 7,39
1,54 7,42
1,55 1,43
1,56 7,45
1,57 7,47
1,58 1,48

dL

1,46
1,44
1,43
1,42
1,41
1,41
1,41
1,40
7,40
7,41
7,47
7,11
7,47
7,41
1,42
1,42
1,42
7,43
1,43
1,43
7,44
1,10
7,45
1,45
1,45
1,46
1,48
1,49
1,57
1,52
1,53
1,55
1,56
1,57
1,58
1,59
1,60
1,60

0,49
0,53

0,57
0,61
0,65
0,68
0,72
0,75

0,77
0,80
0,83
0,85
0,88

0,90
0,92
0,94
0,96
0,98
1,00
1,01

1,03
1,44
1,06
1,07
1,09
1,10
7,16
1,20
1,25
7,28
1,31
1,34
1,37
1,39
1,47
1,43
1,45
1,46

k':5

4
d

dL

1,70 0,39
7,66 0,44
1.,63 0,48
1,60 0,52
1,s8 0,s6
7,57 0,60
1,55 0,63
7,54 0,66
1,53 0,70
1,53 0,72
1,52 0,75
1,52 0,79
1,51 0,81
1,57 0,83
1,51 0,85
1,57 0,88
1,51 0,90
1,57 0,92
1,51 0,94
1,51 0,95
1,51 0,97
1,04 0,99
1,51 1,00
7,52 7,02
7,52 1,03
1,52 1,05
1,s3 1,71
1,54 1,16
1,55 7,21
1,56 1,25
1,57 1,28
1,58 1,31
7,59 7,34
7,60 1,36
1,60 1,39
1,61 1,41
1,62 7,42
1,63 1,44

d lt
L,96
7,90
1,85
1,80
1,77
1,74
1,77
1,69
1,67
1,66
1,65
1,64
1,63
1,62
1,61
1,61
1.,60

1,60
1,59
1.,95

1,59
1,59
1,59
1,58
1,58
1,58
1,s8
7,59
7,59
1,60

t,6l
t,6t
7,62
1,62
1,63
1,64
7,64
1,65

Dikutip dari J. Durbin and G. S. Watsory "Testing for Serial Correlation in Least Squares Regression, (II),"
1951, hal. 159-178.

i:.'"tttrikn, 38,

Lompiron

3t5

LAMPIRAN IX
Nilai kritis f untuk a : 0,05 dan u = 0,01 dalam prosedur
Uji Peringkat Bertanda Wilcoxon
Pengujian dua arah

Pengujian satu arah

0,05

0,05

0,01

0,01

4
5

2
J

10

10

11

10

13

12

13

17

IJ

17

21

27

74

21

72

25

15

15

27

15

30

79

t6

29

19

35

17

3-l

23

41

);

18

.10

27

17

,t:

79

46

-l_

53

l;

20

52

37

60

13

27

58

+1

67

19

22

65

48

75

55

23

73

54

83

62

24

81

61

9t

69

25

89

68

100

76

26

98

75

110

84

27

107

83

119

92

28

116

91.

130

101

29

126

100

1.40

110

30

737

109

151

120

31

147

118

163

130

JZ

159

128

175

L40

JJ

170

138

187

151

34

782

148

200

1.62

35

195

159

2t3

173

40

220

286

238

50

264
434

J/ J

466

397

60

648

567

690

600

70

907

805

960

846

80

L211

1086

1276

1136

90

1560

1470

1638

1471

100

1955

1779

204s

1850

sumber: Dikutip dari Robert L. McCormack, "Extended rables oI the wilcoxon Matched
Pair signed Rank statistics," lournal of the American statistical Association, september
1965, hal. 866-867.

Stotktik: Teori don Aplikosi lilid 2

376

LAMPIRAN X
Distribusi U dalam pengujian Mann-Whitney
Tabel pengujian satu arah

Nilai U kritis:

s:

0,05 untuk pengujian satu-arah (dan

a:

0,10

untuk pengujian dua-arah)

ntnz 1 2 3 4 5 6 7 8 9 1.0 11 12 13 14 15 16 17 18 79
1

2
0

4
5

6
7
8

9
10
11

12

13
74
15
76
77
18
19
20

01
02

00

00011.
012233
t23456

2 4
3 5
4 6
IJ
5 8
13
6 9
74
7 11
15
8 12
25
9 13
2 6 10 15
2 7 11 76
3 7 12 18
3 8 1.4 79
3 9 15 20
4 9 16 22
0 4 10 17 23
0 4 11 18 25

20

5
7
8
10
72

6I911
8 10 72
11 13 15
13 15 18
15 18 27
1.4 17 20 24
t6 19 23 27
17 2t 26 30
19 24 28 33
21 26 31 36
23 28 33 39
25 30 36 42
26 33 39 45
28 35 41 48
30 37 44 51
32 39 47 54

1122
2
JJ
J
444
7
78
9
4
556
91011
7
891011.121415161718
12 13 15 t6 18 19 20 22 23 25
1.4 1.6 17 19 21 23 25 26 28 30 32
17 79 2L 24 26 28 30 33 35 37 39
20 23 26 28 31 33 36 39 41 44 47
24 27 30 33 36 39 42 45 48 51 54
27 31 34 37 41 44 48 51 55 58 62
31 34 38 42 46 50 54 57 61 65 69
34 38 12 47 51 55 60 64 68 72 77
37 42 47 51 56 67 65 70 75 80 84
41 46 51 56 61 66 77 77 82 87 92
44 50 55 61. 66 72 77 83 88 94 100
48 54 60 65 71 77 83 89 95 i01 107
51 57 64 70 77 82 89 96 1.02 109 115
55 61 68 75 82 88 95 702 109 116 123
58 65 72 80 87 94 1.0L 109 116 123 130
62 69 77 84 92 1.00 1.07 115 123 130 138

0,01 untuk pengujian satu-arah


0,02 untuk pengujian dua-arah)

Nilai U kritis: a =
(dan

a:

910117213741516

fi.1 tl)
1

2
J

4
5
6

7
8
9

10
11

72
13
74
15
76
17

0
0
0
0

1B

19
20

1
1

0
0
1
1
1
2
2
2
3
3
4
1
4
5

0
7
1
2
3
3
4
5
5
6
7
7
8
9
9
10

0011722233
011233455677
1 2 3 4 5 6 7 I
2 3 4 6 7 8 9 11
3 4 6 7 9 17 72 t4
4 6 7 9 11 13 15 77
5 7 9 11 74 L6 18 21
6 8 11 13 16 19 22 24
7 9 1.2 15 18 22 25 28
B 11 7477 212428 31
9 12 76 20 23 27 31 35
10 13 17 22 26 30 34 38
11 15 79 24 28 33 37 42
12 16 21 26 31 36 41. 46
13 18 23 28 33 38 44 49
14 19 24 30 36 41 47 53
15 20 26 32 38 44 50 56
16 22 28 34 40 47 53 60

t7

0000
9
12
16
20
23
27
31
35
39
43
47
51
55
59
63
67

10
13
17
22
26
30
34
38
43
47
51
56

6A

65
69
73

1112

15 16
19 21
24 26
28 31
33 36
37 4L

4246

47
51
56
61
66
70
75
80

51

56
61

66
71

76
82
87

18

79

20

0011
1445
89970
13 1.4 15 76
18 19 20 22
23 24 26 28
28 30 32 34
33 36 38 40
38 41. 44 47
44 47 50 53
49 53 56 60
55 59 63 67
60 65 69 73
66 70 75 80
71 76 82 87
77 82 88 93
82 88 94 100
88 94 101 107
93 100 107 714

Lonpimn

377

Tabel pengujian dua-arah (lanjutan)

Nilai U kritis: a: 0,05 untuk pengujian dua-arah


(dan a : 0,025 untuk pengujian satu-arah)
ftr,

9 10 11 12 13 t4 15

frz

1.6

t7

18

79

20

2
J

4
5
6
7

0
0
0
0
1
1.
1
1
1
2
2
2
2

8
9

10
11

12
13

14
15
16

77
18
19

20

000011111
011223344556
012344567891011
0123567891172131415
| 2 3 5 6 I 10 11 L3141617 1921
1 3 5 6 8 10 121,4t6 18 20222426
2 4 6 8 10 13 15 77 t9 22 24 26 29 31
2 4 7 10 72 15 17 20 23 26 28 31 34 37
3 5 8 11 14 L7 20 23 26 29 33 36 39 42
3 6 9 13 46 49 23 26 30 33 37 40 44 47
4 7 11 74 18 22 26 29 33 37 41 45 49 53
4 I 1.2 t6 20 24 28 33 37 41 45 50 54 59
5 9 13 17 22 26 31 36 40 45 50 55 59 61.
5 10 14 t6 24 29 34 39 44 49 54 59 64 70
6 11 15 21 26 31 37 12 17 53 59 61 70 75
6 71 77 22 28 34 39 45 51 57 63 67 7a E1
7 12 18 24 30 36 42 48 55 61 67 7J 51 S6
7 13 19 25 32 38 45 52 58 65 72 ;8 Sl 9l
8 13 20 27 34 41 48 55 62 69 76 53 e0,ri
Nilai U kritis;
(dan

fi1

a:

^,rr ,-: --J i:;

a: 0,01 untuk penguiran satu-arah


0,02 untuk pengujiarr .lua-arahr
9 10 11 1l ti 1t 15

112

222)
6778
11 12 13 13
17 18 t9 20
22 24 25 27
28 30 32 34
34 36 38 l1
39 42 45 18
45 48 52 55
51 55 58 67
57 61 65 69
63 67 72 76
67 74 78 83
75 80 85 90
81 86 92 9E
87 93 99 105
ql 9q 1116 111
aq -,,r ^il 1i9

16

17

18

19

20

2
J
.l

5
6

7
8
9

10
11

12
13
1.4

15

16
1.7

1B

19
20

Sumber:

0
0

0
0
0
1
1
1.
2
2
2
2
3
3

0
0
1
1
2
2
3
3
4
5
5
6
6
7
8

000i1122
00112233455
01123,1
a67789
1 2 3 4 5 6 7 910 11 1.2 13
1 3 4 6 7 9 l0 72 13 15 16 18
2 4 6 7 9 11 13 15 17 18 2022
3 5 7 9 11 13 76 18 20222427
4 6 9 71 13 76 18 27 24 26 29 31
5 7 10 13 16 18 21 24 27 30 33 36
6 9 12 15 18 27 24 27 31 34 37 4l
7 10 13 17 20 24 27 31 34 38 42 45
7 11 15 18 2226 30 34 38 4246 50
B 12 16 20 24 29 33 37 42 46 51 55
9 13 18 22 27 31 36 41, 45 50 55 60
10 15 19 24 29 34 39 44 49 54 60 65
11 16 2t 26 31 37 42 17 53 58 64 70
72 77 22 28 33 39 45 51 56 63 69 74
13 18 24 30 36 42 48 54 60 67 73 79

Dikutip dari William H. Beyer (ed.), Handbook of

Press, Inc., Boca Raton, Fla.

Tttbles

00
2233
6678
10 11 72 13
15 76 17 18
79 27 22 21
24 26 28 30
29 31 33 36
34 37 39 42
39 42 45 48
44 47 51 54
49 53 56 60
54 58 63 67
60 64 69 73
65 70 74 79
70 75 81 86
75 81 87 92
81 87 93 99
86 92 99 105

for Proltnbility ancl Stntistics,2"'1 ed., 1968. Cop),right CRC

378

Stotistik: leori don Aplikosi

lilid 2

LAMPIRAN XI
Nilai Kritis r dalam Runs

Test

untuk Melihat Keacakan

Setiap nilai r sampel yang sama atau lebih kecil dari angka pada tabel h); atau nilai r sampel yang sama
atau lebih besar dari angka pada tabel (b) menyebabkan penolakan Ho pada taraf nyata sebesar 0,05.
Tabel

r (a)
n2

910111213141516

fi1

2222
12233
223333
2233334
2233344
2333445
2334455
2334555
2344556
22344566
22345566
22345567
23345667
23445667
23445677
23455678
23456678
23456678

J
4
5

6
7
8
9

10
11.

12
13

l4
15
16
17
18
79
20

Tabel

17

22222
2222233
3333334
3444444
4445555
5555566
5566666
5666777
6677778
6777888
7778889
7788999
7 8 I9
9 910
788991010
8899101011.
89910101111
8 9 91.0 10 11 11
891010111172
991010111212

18

79

20

2222
-a
JJJJ

4444
4555
5566
6666
7777
7888
8889
9999
9 9
10 10
10 10
11 11
11 11
11 t2
12 t2
12 13
13 13

10
10
11
1L
t2
12
13
13
13

10
10
11

12
12
13
13
13
1.4

(b)
n2

9 10 11 72 13 14 15

fr1

2
J

4
5

6
7
8
9
10
11

12

16

6
6
6
6
6

t7

18

79

20

13

74
15

8
8
8
8
8
8
8
8
8
8
8
8
8
8
8

9
9
10
10
10
10
10
10
10
10
10
10
10
10
10
10

9
10
10
11
11
t2
12
t2
t2
t2
t2
t2
t2
12
12
12
t2

88888888888
9 10 10 10 10
10 11 11 12 12
11 12 12 13 13
12 t3 13 14 t4
1.2 13 14 14 15
13 74 1.4 15 t6
13 1.4 15 16 t6
13 14 15 1.6 t7
13 14 1.6 1.6 L7
14 15 16 17 18
14 15 1.6 17 18
14 15 1.6 18 18
14 16 17 18 L9
14 16 17 18 t9
1.4 16 17 18 t9
14 76 77 18 20
14 16 17 18 20

1.6

66666
10
12
13
14
15
t6
17
t7
18
L9
L9
t9
20
20
20
2t
2t

10
12
13
14
16
16
17
18

10 10 10 10
12 t2 12 12
1.4 14 14 14
15 15 15 16
16 16 16 17
17 17 18 18
18 18 18 19
19 19 19 20
1.9 19 20 20 21.
1.9 20 20 2L 21
20 20 21 22 22
20 21. 22 22 23
2L 27 22 23 23
21 22 23 23 24
21 22 23 24 25
22 23 23 24 25
22 23 24 25 25

t7

18

6666
8888
10 10
12 12
t4 14
16 16
17 17
18 18
19 19
20 20
21 21
22 22
23 23
23 24
24 25
25 25
25 26
26 26
26 27

19

10
12
14
1.6
17
18
20
21
22
23
23
24
25
26
26
27
27

20

10
12
-t4

L6
77
18

20
21
22
23
24
25
25
26
27
27
28

Lonpion

379

LAMPIRAN XII
CONTOH MENGHITUNG
MATRIKS KOFAKTOR DAN MATRIKS INVERS

Ab

: H -+ b = A-1 H t :
=
|

b, + brX, +

buX3

0,, atz orrllbrl ll,,l

lor,, azz orrllbrl = ltrl


l,;; ,;; ,,,,11l,,) Lr,l
4-.7

K'
K: matrikskofaktor
_
- a"t (1!) K': transpos K

Untuk matriks A dua baris dan 2 kolom

o-"f-

o : l:"

l'r,

4ii

azz

l*

, det (A)

al-tazz

az1.atz

minor matriks yang diperoleh dari matriks A setelah baris i dan kolom I dihilangkan
dihapus.

artl
,r.: ,1:l
- lnn nr:l' ''r.'' =
A.. -=loz ,rr)'
. a^=
"tz
^r,
nr._l
lajl
ln,
_.,.. ,i:._
Kij

e7)i+i.det (,4;i) : kofaktor elemen (,i. ), merupakan determinan miiror matnii-. -i seteiah
diperhitungkan tanda (+) atau (-) 1-ang tergantung pada t,arrs : dan kolom r. Kalau (i 7) : genap determinan diberi tanda t-I, tet-api koiom ganiil .lih,eri tanda (-),

Contoh:

:
:
K31 :

(-1)l+2det(Arr)

K12

-(azflzs

a31a13)

(-1)3+1det(Ar,)

(apazz

a22ap)

Ktz K,r-l
[(,, Kzz
[K,, K,z K,l
(=lK1
Xrrl,K =lK,
Kzz Krrl.BarisKmenjadikolomK,
LKI Ktz K::-.1 LK,, Kzz Krr ]
det (A)

an

Kt *

arz Ktz

frrz

Kts

Kzt K1l
,,
1 IK',
rz,
Kzz Kz: l. S"-ra elemen K'dibagi dengan det (,4)
A" = _..ri:_ri
a"trer l
lK31 K, Krrl

Kalau D

A-1

arl

I dr", drz drrf I h,f


lbrl = ld^ dzz drrllhrl
L&rl ld:x dy drr)lhr)
bl : d'ht+ d,hz+ d*h,
bz d^h, + d,h, + druh,
% d,h,+ d,h,+ d.,hu

b = DH

Stotistik: Teori don Aplikosi

380

lilid 2

soAt
@
kenaikan harga, Xz = % kenaikan biaya promosr
-/o
o/
=/o kenaikan penjualan.

x2
Y

X*,:.
.7.

x;"l
Y

Hitung

a)

Buat persam aan

b7, b2, b3.

Blla

Xr:

L,,.; .:,

8 dan X3

t :

,,.

$,:.rt::lr:4:t.: :ir:::,'61rr,:,'

l:

rr'?.

bt + brY, + brX,

10. Berapa ramalan

Y?

b) R, = !224-l:gi!
Zyc)
d)

R2 : koefisien determinasi berganda.


Uii Ho I Fs: 0
H,, 0, + 0, u: 0,05 (Uji parsial). X3 dipertahankan atau dikeluarkan?
Uii Ho , h: Fs: 0
H,, Fj+ 0 (Uji menyeluruh). Persamaan boleh untuk meramalkan l?

PENYTTTSAIAN

tY

\rI-----a,--'
-

,x;

n5

r}fu,i.

11
Lr

A')

.'

'v

,f,;P.i:

i ,,r

vz
:

Y:
tr

Lj

x,14''

&Y

X*v':

tr+,F,S,.
10,24

-,3,2

t6

t)

12

--1,2

1,44

16

25

16

20

16

2A

0,2

o,44

25

49

36

42

30

42

1,8

3,24

81

49

63

49

63

2,8

7,84

49

EXl;

sv.
t'-3'

sv.

,XxJ.'.

::fi.:::.:

19

,,tX

',

sY2.

:,'95r:'.r:

il.EtY=:?)i

ri'l :'0r: r '

:'.'I11t'

n LXz rX: I ta,l [:v I


lzx, LXr' Lxzx3llarl = | :xrv
lr*, LX3x2 rXr' .j Lb,l Lrx3Y.l
I

atau:

s te zillbr.l zrl
rs ss tzlllb, I = ttoz
lr, 128 tzs)lur) [teo_]

lI

K:
1l

=
.Kalau0+* i)
j)=

(-1)i-r det (A,,). Kalau (i

genap, tanda (+)

ganjil, tanda (-)

Lompiron

K,:

381

ll 95

728

ll

,,,

,,,

Ktz: - ll
Kre

Kzt

K., :
Ksz

Kss

:
:

,, u8

ll tg

,,

es

'r,

,^ ll

(A):

ll"'ll
zz

12811

,,
ll s
li ,,

27ll

,r8

76.625

76.384:

-(3325

3456)

2432

-(3325

- 2565 :
-

3456)

131.

-133.

131.

-(640-s13) :

-r27

2132-2565 :

-133.

-(610-513) -

-127

il

\28)

ll',rll
ll rs

475-367

K'= I rsr

11-1.

ll

attKu + atzKrz + atzKrz

[-rss

241.

271

| 241

(transpos)

ll

,,, ll
ll
ll ts 27ll

45

det

ii

17511

ll
Il ts
ll

ll

ll zz

ii

Kzz: -

131

s(241) + 1e(131) + 27(-733)

103

-1331

746 -127

-r27

144

131 -133-l
I z+t
131 146

t-t rr
=AH.l4

I z+t
I r:r
a)

"-r

K' _ L-133 -127

det(A)

:[i$J

103

131 -133-l
146 ;27 | - ^-103

-127
114)

I
I

soor +13362 -7B4B7| l_o+]


zzst +74842 -176s31 I -ro |

=-103

-r* =l'i,';:r)

Persamaan regresi linear berganda:

f : -0,627 - 0,097 X, + 0,961. X,


,
Untuk: Xr: g | ? =-0,621 _0,097.9+0,967.70
:-0,627-0,726+9,61.
X: = 10J
= 8,231
Jadi, kalau X, naik 8/o dan

naik

10(/o, maka ramalan

sebesar g,23L%.

Stotistik: leori don Aplikmi

382

b)' oz-

brl*ry+ltLrtv

y2:xy -y)2:22,80

-.,

zy'

lilid 2

Z*ry

I(Xz

=zxzY

102

Nz)U

Y)

-\xrLYln
0e)(21) :22,2
2

LxrY:LX'Y -ZXrZyln
=
R2:

(0,097 )(22,2)

13e

07)(21) :2s,6
5

0,961. (25, 6)

22,80

:0,9845.
(share) dati X,
]adi, koefisien determinasi berganda : 0,9845, artinya besarnya sumbangan
regresi
kalau
persamaan
(naik/turunnya)
98,45%
Y
sebesar
variasi
X,
terhadap
dan
atas..
di
seperti
bergandanya
h^
c) h : *,
LU3

bs

= 0,96.2e?

:Lyz-

- \L4,

b22x2r

- (-0,097)(22,2) - 0,967(25,6)
: 22,80 + 2,7534 - 24,6016
: 0,3518
=

s,

22,80

^/0p5t8

0,s93,

s\ = s,{fi : 0,593,ffi

= o,5gg {1,1068

: 0,593(1,052) :0,6239
t _ 0,967 _1

'

L^

0,623s '5403
Dari tabel t, df : n - k = 5 - 3 :
-

Karena to:1,5403

<

2,

to,ozs(z)

to,ozs(z): 4,3027. He

4,3027

diterima, artinya X, tak mempengaruhi Y, harus

dikeluarkan dari persamaan regresi berganda.


(brLxro +

bzzxsr)

K-0,0g7)(22,2\ 0,g61(2s,6)l

E_

t"-nl

0,351
2

(-2,1534+ 24,601.6) 22,4482

2
2 :$,9s49
:
0,7755
0,7755
at = k- 1 = 3 - 7 = 2, az= 5 -3 = 2, a: 0,05
E
10
10,05(2,2)

- L/

Oleh karena F o: 63,9549lebih besar dari F6,s512.21 : 19, Ho ditolak, artinya paling sedikit ada
satu variabel bebas X yang mempengaruhi Y (& atau X, atau keduanya secara simultan/
bersama-sama). Persamaan regresi berganda boleh untuk meramalkan Y.

Lonpion

383

LAMPIRAN XIII

coNToH soAr-soAl UIrAN


FE _

UNIKA ATMAJAYA

Mata Kuliah

STATISTIK INDUKTIF

Tanggal

11 Desember 1998

Iam
Tingkat

08.30

10.00

Dosen

a)
b)
c)
d)

Apa arti hipotesis.


Apa syaratnya agat hipotesis diuji secara statistik?
Mengapa kesimpulan yang ditarik dalam pengujian hipotesis seperti menolak/
menerima Ho tidak bisa 100% benar? Apa arti TYPE I ERROR.
Tunjukkan prosedur pengujian hipotesaT

Pimpinan perusahaan berpendapat bahu-a rata-rata pengeluaran biava hidup harian para
karyawan adalah Rp10 ribu dengan alternatif tidak sama. Hasil penelitian terhadap 10
orang karyawan yang dipilih secara acak ternr-ata pengeluaran biava hidup harian (ribuan
Rp) sebagai berikut: 70,72,11,9,8,7,9, 6, 76, 11.
a) Rumuskan hipotesis menjadi Ho dan H,.
b) Dengan menggunakan alpha 5/, uji pendapat tersebut.
c) Buat perkiraaan interval rata-rata pengeluaran biava hidup per hari, dengan tingkat
keyakinan 95/o.

Direktur suatu bank berpendapat bahwa nasabah yang tidak puas sebesar 25% dengan
alternatif tidak sama. Penelitian terhadap 200 orang nasabah sebagai sampel acak, ternyata
terdapat 75 nasabah yang tidak puas.

a)
b)
c)

Rumuskan menjadi Ho dan Ho.


Dengan penggunaan alpha 5/, uji pendapat tersebut.
Buat perkiraan interval persentase nasabah yang tidak puas, dengan tingkat keyakinan
95%.

Petunjuk:

to,ozr(u)

(-

2,262

(s \ .lr=[r+to,ozsg)
s\

lx-to.ozs
-l
ltt.)
\

Untuk soal Nomor

F = xln -+ x

i,-z!2

-* nasabah yang tak puas dari sampel

<P< F,+

z!2

Stotistik:

384

leoi don

Aplikosi

lilid 2

FAKULTAS EKONOMI UNIKA ATMAIAYA

UIIAN AKHIR SEMESTER

L.

II

Mata Kuliah
Hari/tanggal
Waktu

jumat 2417198

Dosen

Koordinator

Sistem

Open Book (soal dikembalikan)

STATISTIK
8.00

10.00

Pimpinan suatu perusahaan akan menaikkan upah para karyawan kalau hasil pengujian
hipotesis menunjukkan bahwa rata-rata pengeluaran biaya hidup per bulan para karyawan
sudah melebihi Rp500.000. Dia berpendapat bahwa rata-rata pengeluaran biaya hidup
memang Rp500.000 dengan alternatif lebih besar dari itu. Hasil penelitian terhadap 10
orang karyawan sebagai sampel acak, diperoleh data pengeluaran dalam ratusan ribu rupiah
sebagai berikut:

6,8,5,7

70,8, 6, 4,8

a) Rumuskan menjadi H, dan Ho.


b) Uji hipotesis tersebut dengan alpha 5/,.
c) Berdasarkan jawaban dari b), apa keputusan
2.

pimpinan?

U, adalah rata-rata hasil penjualan salesmen yang tidak mengikuti pelatihan teknik penjualan
dan U, yang mengikuti pelatihan.
Direktur pemasaran berkeyakinan bahwa pelatihan teknik penjualan dapat menaikan ratarata hasil penjualan.
Sampel sebanyak 10 salesman diberikan

di bawah ini.

Ul :
u2 .. 72' 78' 73' 10' 14' 1,5' 20' 77' 76' 75.
77,9,72,8, L5,5,16, 4,73,7

a)
b)
c)
3.

Rumuskan menjadi Ho dan Ho.


Dengan alpha 5/o uji pendapat tersebut.
Dan buat perkiraan interval selisih rata-rata hasil penjualan salesmen yang mengikuti
pelatihan teknik penjualan dan yang tidak mengikuti pelatihan.

Sebuah perusahaan asuransi kebakaran ingin mencari hubungan antara "]umlah kerugian

akibat kebakaran" dengan "jarak bangunan terbakar dari lokasi stasiun pemadam kebakaran

terdekat".
Penelitian dilakukan terhadap sejumlah bangunan yang pernah terbakar
kota, dengan hasil:

3,5
1,8

26,2
18,8

4,6
0,7

31,,1.

6,1

43,8

2,3

22",L

11,1

di dalam suatu

385

a)
b)

Buatlah model regresi linear sederhana dari penelitian tersebut.


Berapa perkiraan interval kerugian akibat kebakaran yang terjadi jika lokasi bangunan
terletak 6,5 km dari stasiun pemadam kebakarary pergunakan a = S%.

4. x -Y

% kenalkan biaya promosi.


/o kenalkan hasil penjualan.

1.,.$::,:.:i1![l;.:l1.:.1$1".:;.;,;:':,:S;;;;;;;

24579

a) Uji bahwa r tidak


b)

berkorelasi dengan Y, dengan alternatif ada korelasi (uji Rho)


Pergunakan alpha 5%.
Dengan tingkat kevakinan 95%buat ramalan interval Y.

5. a) Jelaskan arti Koefisien Korelasi, Koefisien Regresi, Koefisien Determinasi.


b) X : biaya promosi (juta Rp)
Y
hasil penjualan (miliar Rp)
t
0,75 + 0,25x, apa arti angka 0,25? Berapa y, kalau X:8.
c) Apa arti hipotesis? Tunjukkan
prosedur pengujian suatu hipotesis dengan sebuah
d)

contoh! Apa arti kesalahan jenis pertama (TUpe I error).


Anda akan melakukan penelitian dengan judul: Profil nasabah Bank

tunjukkan prosedurnya.

B\l

cabang TEBET.

FAKULTAS EKONOMI UNIVERSITAS TRISAKTI

UIIAN AKHIR SEMESTER GENAP TH.199711998


Mata

Kuliah :

Hari/Tanggal

Waktu
Dosen
Sistem

STATISTIK BISNIS

Senin, 13

'.

Open Book

]uli 1998
:10.30-12.30
: ]. Supranto, MA

1. a) t :0+br:0,75+0,6x
Apa nama persamaan ini? Apa arti angka 0,6?
Jika r = 10, hitunglah Y. Apa artinya jika r :0,8?
Berapa koefisien determinasi dan apa artinya?

b) t :

0,5 + 0,75X2 + 0,6X, apa nama persamaan ini?


Apa arti angka 0,75 dan 0,6? Hitunglah Y jika Xz:8 dan

Ho i
Hu ,

Kalau n

B2:0

Xr:

1gz

Bi + 0, dengan menggunakan alpha S/o

10, K

:3,

dan fo

B,7S

Ujilah hipotesis tersebut. Apakah X, perlu dipertahankan atau dikeluarkan dari


persamaan?

Stotistik: Teoil don Aplikwi

386

Hr:Br-Br:0

Ho: B,* 0, untuk


Kalau n

70, K

i :2

atau 3.

3, dan Fo :73,75

Ujilah Hipotesis tersebut. Apakah persamaan di atas boleh untuk meramalkan

c)
d)

lilid 2

Y?

Apa arti multicollinearity? Apa akibatnya kalau terjadi multico'tlitteatity?


Sebutkan dan jelaskan 4 komponen data time
Apa kegunaan moaing atserage?

series.

a)
b)
c)

= b, + b, x, + bu x,
Berapa f kalau xz:8 dan x, : 19
Kalau Y hasil penjualary menurut anda x, dan x, menunjukkan apa? Kemudian apa
arti angka yang ditunjukkan oleh b, dan br?
Buatlah persamaan

3. Y :
X:

D=

Hasil penjualan salesman (unit)


Pengalaman (tahun)
7 (laki-laki),
o (Perempuan)

13 12 9 72 8 15 74
4 5 3 4 2 6 7
1 0 0 1 0 1 0
a) Buat persamaan Y: a +brX+bzD
b) Berapa hasil penjualan salesman (laki-laki) kalau pengalaman kerjanya 10 tahun? Dan
Y;10
X; 3
D; 0

c)
d)

bagaimana hasilnya jika salesman perempuan?


Berapa perbedaan hasil penjualan, antara salesman laki-laki dan perempuan?
Variabel dummy y, dipergunakan untuk apa?

Lmpiron

387

FAKULTAS EKONOMI UNIVERSITAS TRTSAKTI

UJrAN AKHIR SEMESTER GENAP T}l.199711998

1.

Mata Kuliah
Hari/Tanggal
Waktu

STATISTIK BISNIS

Kelas

Paralel

Sistem

Buka buku, soal dikembalikan

Selasa, 6 Januari 1998


10.30 12.30

Data mengenai permintaan suatu produk selama satu tahun sebagai berikut:

]anuari
Februari
Maret

205
251
304

April

2U

Mei

352

Iuni
]uti

300

2{1

l8i

Agustus
September

312

Oktober
November

289

Desember

256

385

Buatlah peramalan dengan 4 tahun Double Mooing Aoerages.

Di bawah ini disajikan data mengenai Indeks Impor suatu komoditi dari tahun 1986 sar-npai
dengan 7994 sebagai berikut:

1986

100

Lg87
1988
1989
L99A

106

1991"

1i6

107

120
110

1992

L23

1gg3

133
137

1994

Hitunglah dengan metode Trend Eksponensial:


a. Persamaan garis trendnya.
b. Berapa indeks impor komoditi tersebut pada tahun 2000.
Dari print-ouf komputer di halaman beriku!
a. Interpretasikanprint-ouf tersebut.
b. Uji koefisien regresi dengan alpha 0,05.
c. Apakah data tersebut layak untuk membuat peramalan. jelaskan alasannya!

Stotktik: leori don Aplikosi

3E8

llid

DEPENDENT VARIABLE: harga

VAR. REGRESSION COEFFICIENT STD, ERROR


.4218
8.0664
luasbang
.6256
2.8199
biayatan
CONSTANT
-61.2891

T(DF = 2)
1

25
4.508
9.1

PROB.

PA

.00272
.04586

STD. ERROR OF EST. = 1.9374

=
=
MULTIPLER =

ADJUSTED RSQUARED
R SQUARED

.9891

.9946
.9973

ANALYSIS OF VARIANCE TABLE


SOURCE
REGRESSION
Residual
TOTAL

4, a)

b)

D.F.

SUM OF SQUARES

1774.4929
7.5071
1382.0000

MEAN SQUARE
687.2464
3.7536

F RATIO
183.092

PRO
5.43

Suatu modal regresi linear berganda n : L8, k : 2.


n : banyaknya data (: sampel)
k : banyaknya variabel bebas
ternyata d : 1,75
dengan alpha 5/o, apakah terjadi otokorelasi positif?
Dengan model Y,: Ao + A1 Di + Bx. + E
Buat persamaan { : a * a, D, + bx,
Jika diberikan data-data sebagai berikut:
'.Y,::

.1#r:

il..'

0
0

8
10

:l
6
7

11

14
15
16
18

1
1

10

11.

12
13

1
1

(Pergunakan metode LEAST SQUARE)

Buat ramalan Y kalau X

15 dan

1.

)' : Data time series, apa arti data time series?

a)
b)

Berikan 3 contoh data time series yang berguna bagi pimpinan bisnis!
Mengapa Y sebagai data time series berfluktuasi? Sebutkan 4 komponen sebagai
penyebabnyal
Th

5 i1 10 12 20 19 18 20 24 ls E 30 28

2g3E

Buat rata-rata bergerak dalam tiga tahun dan buat kurvanya bersama-sama dengan
data aslinya!
Apa yang dimaksudkan exponential smoothing?
Bagaimana caranya menghilangkan pengaruh musiman dari data time series? Pengaruh
trend?

Lomgkon

389

FAKULTAS EKONOMI UNIVERSITAS TRISAKTI

UIIAN AKHrR SEMESTER GENAP T}I.199711998

1.

Mata Kuliah

STATISTIK BISNIS

Hari/Tanggal
Waktu

Senin, 5 Januari 1998


10.30

72.30 (720',)

Kelas

Paralel

Sistem

Buka buku, soal dikembalikan

PT. Indonesia adalah sebuah perusahaan pengembang di daerah Tangerang Jabar, yang
berdiri sejak tahun 1990. Data penjualan s/d sekarang (7997) adalah sebagai berikut (unit).

:,Ph$..";,*

tl

19er ..9e2" ..* t?..3 """.ryry. " ..";i1: e5:;:: 1?H


VoI. oeniualan: 120 1f,)
160 18O 200 1@

W7.
138

dengan alpha 0,1 buatlah peramaian tahun 1998 dengan metode double exponential sntootlting.

2.

Hitunglah nilai prakiraan penlualan tahun 1997 denqan mengqunakan metode dekt'rmFrr:i:r
dengan Persamaan Trend (f = )'= .; - :-.t) gunakan nilai a = l-, b = -l :a:: :,:u=.:tr3:. tuia
siklus unfuk setiap kuartal pada tahun 1ri'-ll -be-ar I le::::. ::::-j::: r=r'-r-i
Peaiuelm Onit)
I
II

330
300

III

210
280

330
320
210
300

n'

I1I

Iv
I
II

330
340
250
360

ilI
TV

3.

Dari data pada prirrt-orrl komputer berikut,

a.
b.
c.

Interpretasikan prilrt-out tersebut.


Uji koefisien regresi dengan alpha 0,05.
Apakah data tersebut layak untuk membuat peramalan, jelaskan alasannya.

DEPENDENT VARIABLE: harga


VAR.

REGRESSION

luasbang
biayatan
CONSTANT

COEFFICIENT
8.0664
2.8199

STD. ERROR OF EST. = 1.9374


ADJUSTED R SQUARED = .9891
R SQUARED = .9946

MULTIPLER

.9973

STD.

ERROR

.4218
.6256
-61.2891

2)
19.125
4.s08

T(DF =

PROB.
.00272
.04586

PA

390

Stotistik: leori

dm

Aplikosi

lilid 2

ANALYSIS OF VARIANCE TABLE

SOURCE
SUM OF SQUARES D.F.
REGRESSTON
1774.4929 2
Residual
7.5071
2

MEAN

SQUARE F RATIO
687.2464 183.092
3.7536

PRO

5.43,,
i
i

4. a)

b)

Suatu model regresi linear berganda n = 20, k

:3.

n : banyaknya data (: sampel)


k : banyaknya variabel bebas
ternyata d : 7,85
dengan alpha (o) 5/o, apakah terjadi otokorelasi positif?
Dengan model Yi: Ao + A, D, + BX, + e
buat persamaan Y,: a * a, D, + bx,
]ika diberikan data-data berikut ini

ryrill
5

0
0
0

8
10

6
7

11

ti

14
15
16
18

11

12
13
L4

1
1.

(Pergunakan metode LEAST SQUARE)

Buat ramalan Y kalau X

5.

:
a)
b)
Y

15 dan

1.

Data time series, apa arti data time series?


Berikan 3 contoh data time series yang berguna bagi pimpinan bisnis!
Mengapa Y sebagai d.ata time s'eriei beriuktuasi? Sebuttan 4 komponen sebagai
penyebabnyal
T'h,

8?

t$:,::;;f$.;,,.13:',:' :24...:,29.

2V:." .,29

,341,

Buat rata-rata bergerak dalam tiga tahun beserta kurvanya bersama-sama dengan data
aslinya!

c)

Apa yang dimaksud dengan exponential smoothing?


Bagaimana caranya menghilangkan pengaruh musiman dari data time series? Pengaruh
trend?

Lompimn

391

DEPARTEMEN KEUANGAN REPUBLIK INDONESIA

BADAN PENDIDIKAN DAN LATIHAN KEUANGAN


SEKOLAH TINGGI AKUNTANSI NEGARA (STAN)
UJrAN MID SEMESTER GENAP TAHUN AKADEMIK

199611997

Kuliah : STATISTIK BII


: RABU, 30 APRIL 1997
Waktu
: 120 Menit
Koordinator : j. Supranto, MA
Sifat Ujian : Open Book (soal dikembalikan)
Mata

Hari/Tanggal

'1,. Ada

1000 orang yang sedang mengikuti kampanye pemilihan

umum menjelang pemilu

1997.

Ada 500 orang pegawai negeri (: P)


Ada 300 orang pemegang polis asuransi (: {)
Ada 200 orang pega\r'ai negeri vans memegang polis asuransi
Kalau anda bertemu dengan salah seorang tersebut,

hitung: a) P(A) dan P(A )


b) P(P) dan P(AP)
2,

(: anl

c) Pr.\ U P), Pr AP
dr P(-\ P) dan PrP A)
t

Ada 3 perusahaan katakan P,, P. dan P. masing-masing mempunvai karvav\.an yang sama

yaitu 1000 orang.

pertama
kedua
ketiga

(= Pr) 101L karyarvannva memegang polis asuransi.


(= Pr) 75/o karyawannya memegang polis asuransi.
(= Pr) 2O'/o karyawannya memegang polis asuransi.
Suatu ketika Anda bertemu dengan salah seorang karyawan tersebut dan mengaku
memegang polis asuransi,
a) Berapa probabilitasnya bahwa dia bekerja di perusahaan kedua (: P2)?
b) Berapa probabilitasnya bahwa dia bukan pemegang polis asuransi?
Perusahaan
Perusahaan
Perusahaan

3.

Menurut keterangan humas suatu departemen, ada 20'/o karyawan yang memegang polis
asuransi. Anda bertemu dengan 5 karyawan tersebut. Apabila X : banyaknya karyawan
(yang bertemu dengan Anda) merupakan pemegang polis asuransi,
a) Hitung P(x) : P(X: x), untuk semua X.
b) Hitung F(x): P(X < x).
c) Hitung E(X) & EIX - E(x)12.

4. a)

P(x)

. r.4! .,(*)'(+)4
xl (4 - x)l'z' 'z'

' - x o, 1, 2,3,4

Hitung P(X > 2), P(X > 3), dan P(1 < X < 5)
Gambarkan grafiknya!

b)

P(x)

: o'5 a' x :0,1,2,

..

. ., n

Hitung P(X > 2), P(X > 3), dan P(1 < X < 5)

Stltistik leoti don

392

Aplikosi

lilid 2

FAKULTAS EKONOMI UNIVERSITAS TRISAKTI

UIIAN AKHIR SEMESTER GENAP 'r}I.199611997


Mata Kuliah
Hari/Tanggal

:
:

Waktu
Dosen

: 10.30 :

STATISTIK BISNIS
Senin, 13 lanuari 7997
12.30 WIB

Kelas Paralel

Si.fat open book, soal dikumpulkan kembtili!

1. a)
b)
c)
d)
2.

Berikan 3 (tiga) contoh data statistik yang dapat menunjukkan persoalan bisnis?
Apa kegunaan data ramalan penjualan? Mengapa secara teoretis meramalkan dengan
persamaan regresi linear berganda lebih baik daripada linear sederhana?
Apa manfaat dummy ztariqbel dalam persamaan regresi linear?
Berikan contoh hasil pengujian hipotesis yang berguna untuk dasar keputusan bisnis?

Hasil produksi per kuartal adalah sebagai berikut:


I(umta,l,

sr,

r9S-,

.,.1::,,:l96::l

13

t4

1s

t4

16

14

15

16

15

16

t7

16

L7

16

17

Iv

16

18

17

17

16

Pertanyaan:

a. Hitung indeks musim per kuartal dengan metode rata-rata sederhana.


b. Hitung persamaan trend dengan metode least square dan jelaskan artinya.
c. Hitung forecast tahun 7997 per kuartal dengan Y : T x M.
3.

Banyak pengunjung suatu taman hiburan dari tahun 1992


(dalam 10.000 orang).
lanun

a)

199,5

{$uE1:

Banyak Pengunjung

10

13

15

17

7996 tercatat

,,

di bawah ini

,6

)n

Hitunglah ramalan banyak pengunjung tahwn7997 & 1998 dengan menggunakan Teknik
Penshalusan Eksoonensial Canda (Double Exoonential Smoothins). Ditentukan: hasil
penghalusan I & II, ,A1 :: Y1, dan konstanta penghalusan * : 0,4

b) Hitung l|/.SE (mean square error)-nya.


4.

INDEX
1
2
DEP. VAR.:

NAME
PRTCE
tNC
CONS

MEAN
0.1 33
900.000
55.067
1

STD.DEV.
1 .457

447.214
16.842

393

DEPENDENT VARIABLE: CONS

VAR.
REGRESSION COEFFICIENT
PRICE
-7.453
INC
.047
I CONSTANT
88.731
i STD. ERROR OF EST. = 3.466
R SQUARED = .9637
MULTIPLE R = .9817

STD.

ERROR

T(DF =

12) PROB.

PARTTAL r^2

_9.257 00000
.805
2.6236E-03 17.729 .O00oO

.8772
.9632

ANALYSIS OF VARIANCE TABLE

SOURCE
SUM OF SQUARES D.F.
REGRESSTON
3826.773 2
RESIDUAL
144.161 12
TOTAL
3970.933 14

MEAN

SQUARE F RATIO PROB.


1913.386 159.271 2.289E_Og
12.013

Pertanyaan:

a) Tuliskan model persamaan regresi tersebut.


b) Bagaimana hubungan variabel-r'ariabel tersebut secara keseluruhan dan secara parsial.
c) Berapa besar pengaruh larial.el L.et,as terhadap varial.el tidak tebas.
d) Uji koefisien regresi dengan u J '
e) Uji secara keseluruhan (c.'ir,i,. :;s:t dengan G 1ll .

FAKULTAS EKONOMI UNIVERSITAS TARUMANEGARA (UNTAR)

UJIAN AKHIR SEMESTER GANJIL TH.199711998

:
Mata Kuliah
:
Hari/Tanggal :
\\iaktu Kuliah :
:
Iam
Sifat Ujian
:
Jurusan Program

1. a)
b)
c)
d)
2.

DIII/AKT.
Statistik Induktif

|uma!

12 Desember 7997

Pagi
8.30

10.30 (120 menit)

Tutup Buku

Apa arti perkiraan interval!


Berikan contoh perkiraan interval U, - U, & P1 - P2.
Apa arti hipotesis? Arti kesalahan jenis pertama (Type I error)?
Mengapa kesimpulan untuk menolak/menerima Ho tidak bisa700% benar, akan tetapi
mengandung unsur ketidakpastian?

Diketahui n : 70, too2. (9) : 2,262


x :7,8,9, 6, 5, 70, 8,7,9, 6.
a) Uii Ho : rJ :7
Hu : U + 7, dengan penggunaan 0:0,05
b) Dengan tingkat keyakinan (1 - ct) :0,95
Buat perkiraan interval rata-ratal

(:

S%)

Stotistik: leori don Aplikosi

394

t-

C\

lilid 2

s\

<Lls lX+t",2*-),5=
lx
- t"r*l
lJtt )
\
(Upah harian Ribuan Rp)
Perusahaan I : 9, 8, 10, 7, 8, 6, 5, 10, 12, 8

II : 5, 70,8,7,9,7, 4,8,7, 6
,Ur-Ur:O
: U, -Uz* 0, cx: 5%,to,or, (df :

Perusahaan

Uji Ho
Hu

18) = 2,101.

Xr-Xz

I0 -

Dari pabrik I, dari 100 sampel barang, yang rusak sebanyak 25 buah
Dari pabrik II, dari 200 sampel barang, yang rusak sebanyak 40 buah

Uji Ho :Pr-Pz:0
Ho Pr - P, * 0, a:

'

7 _

-o

5%

Ao,ozs: 7,96

4r-x,
ll2
n..
4,-* x, l(,
!\tt1 +12ll.
l(

+ 4z)f * 1 )
-' nz)
- xtnt+n2)\n1

FAKULTAS EKONOMI UNIKA ATMAJAYA

UIIAN AKHIR SEMESTER GENAP TH.199611997


jurusan Program
Mata Kuliah
Hari/Tanggal
Waktu Kuliah
Iam
Sifat Ujian

D III AKT.
Statistik II(UN)
Sabtu, 74lunt 7997
Pagi/Siang/Sore
II.30 - 13.30 WIB
Tutup Buku

1. Pimpinan akan menaikkan upah harian karyawan kalau hasil pengujian

hipotesis

menunjukkan bahwa rata-rata biaya hidup per hari karyawan melebihi Rp7 ribu dengan
alternatif lebih tinggi. Hasil penelitian terhadap 10 orang karyawan yang dipilih secara
acak urith replacement dari 100 orang karyawary menunjukkan pengeluaran biaya hidup
harian (ribuan Rp): Z 10, 11.,9, 12, 1.4, 13, 6,71,7.
a. Dengan alpha (u) 5/" uji hipotesis tersebut.
b. Berdasarkan pengujian hipotesis di atas apa yang harus dilakukan oleh pimpinan.
c. Uji bahwa proporsi karyawan yang pengeluarannya melebihi Rp7 ribu adalah 50%
(0,50) dengan alternatif tidak sama.

Kriteria pengujian:
Zr,ru,r: Zo,+s: 1,,65 (Tabel Normal)

Lompiron

395

Ur = Rata-rata upah harian karyarvan perusahaan asing


Uz : Rata-rata upah harian karyawan perusahaan nasional
Uji bahwa Ut: Uz dengan alternatif Lli > Ll2, pada taraf a

5%

Upah harian perusahaan asing & nasional (dalam ribuan Rp):

Asing '. 1.0,7, 8, 17, 12, 73, 70, 8,7,


Nasional : 70,7, 6,9, 10, 11,7,8,9,5.

6.

Kriteria pengujian:
fa(m+m-2)

/o,os1to*ro-21

/o,os{ra)

7,734

Xt-Xz

+()

,ftn,

n1n2(n1

1)sf + (n,

1)51

P, : proporsi barang vang rusak dari pabrik I


P, = proporsi barang vang rusak dari pabrik II
Uji bahwa Pt: Pz dengan alternatif P, * Pr.
Kalau sampel menunjukkan bahwa dari pabrik I dari 200 barang yang rusak 10. dan per:rs
II dari 400 barang vang rusak 50; u = 5/6.
Kriteria pengujian:

Zotz:

Zo,r,

,: 0,025. Zutz:0,5 -

0,025

0,475

7,96

(tabel normal).

7 "

;"
Pr-P:
,
-ll _+_i l)
t--, x,+x.)/t
.j/X,+X.r.
-+rr^[
nr+nr)\n,
nz)
\rr,

Direktur suatu bank akan meningkatkan mutu pelayanan kalau nasatah..'a;rs hdak puas
sudah melebihildi atas 25%.
Dia berpendapat bahn'a nasabah yang tak puas memang 25' c dengan alternatif lebih besar
dari itu.
Dari 400 orang nasabah ternyata yang tidak puas 60 orang.
a. Dengan alpha (cr) 5'/o uji pendapat tersebut.
b. Apa keputusan direktur berdasarkan hasil dari a) di atas?
Kriteria pengujian:
cr

-o
/.

0,05

Zo,os: 7,645 (Tabel Normal)

X-rP

JrFS -nJ

, Po: 0,25

396

Stotistik: leori don Aplikosi likd 2

FAKULTAS EKONOMI UNIVERSITAS TRISAKTI

UJrAN TENGAH SEMESTER GANJTL 1ee7l19e8

Mata

Kuliah :

Hari/Tanggal

Waktu
Dosen
Sistem
1. a)
b)
c)
d)

:
:
:
:

Statistik Bisnis
Seniry 20 Oktober 1997
10.00 - 11.30 WIB
]. Supranto, MA
Open Book

]elaskan statistik dalam arti sempit dan luas!


Sebutkan kegunaan data statistik bagi pimpinan bisnis!
Sebutkan data statistik internal & eksternal yang mencerminkan S.W.O.T!
Berikan contoh data uoss section dan time series! Apa arti multicollinearity

(Nilai

30)

2. a) Apa arti analisis korelasi & regresi!


b) Apa arti koefisien korelasi, koefisien determinasi dan koefisien regresi!
c) i : Z + 0,75X, apa arti angka 0,75?
y : 0,5 + 0,80X, + 0,60X^, apa arti angka 0,80 dan 0,60?
d) Apa nama kedua persamaan dari c) dan kegunaannya? Mengapa ramalan
persamaan kedua lebih baik dari pada yang pertama! (Nilai 30)

3. X:
Y:

% kenaikan upah karyawan


% kenaikan produktivitas karyawan
',X

X,

a) Uji H. i p:0
Hu i p + 0, dengan menggunakan

b)
c)
d)

a:

5%.

Apa kegunaan hasil pengujian hipotesis ini?


Buat persamaan t : u + bX
Apa arti b dan angka hasil perhitungan? Berapa i kalau X : 15.
Buat ramalan interval Y kalau X : 1.5, dengan keyabnan 95/o.
Hitung 12 dan apa artinyal (Nilai 0)

Y dengan

Lompiron

397

FAKULTAS EKONOMI UNIVERSITAS TARUMANEGARA (UNTAR)

UJIAN TENGAH SEMESTER GENAP 1ss4rlgss


AKT.
Statistik II

]urusan/Program
Mata Kuliah
Hari/Tanggal

,A.1

Kelas

Jumat, 5 Mei 1995


]. Supranto, MA
CY Pagi

Waktu

07.30-09.00

Sifat Ujian

Tutup buku

Dosen

1. a)
b)
c)
d)

Apa arti kejadian acak (rr?/l(?rrrn ercnt). Berikan 2 contoh.


Apa arti probability? Apa kegunaannr-a? Berikan contoh!
Apa arti statistik induktif? {pa i'ang dicakup dalam statistik induktif.
Berikan contoh kesimpulan r ang tidak pastil

2. a)
b)
c)
d)

Apa arti set, sub-set, dan ruang sampel. Benkan contoh.


Bagaimana cara menghitung probabilitasl Tunjukkanl
Apa arti probabilitas bersr-arat?
Apa svaratn\-a agar p(-r) merupakan tungsi probabilitas diskritl

3. a) Untuk menghitung probabilitas kejadian


b)

c)
d)

4.

yang bagaimanakah jika digunakan fungsi


Binomial, Poisson, dan Normal?
]elaskan teori normal!
Kalau X : nilai ujian STATISTIK dari 200 mahasiswa.
Diketahui Lt: 6, o: L.
Ada berapa orang yang mendapat nilai antara 5 sld7, antara 4 sld8, antara 3 sld.9?
Anda ingin membeli barang. Menurut penjualnya 25/o barang rusak. Anda membeli 4
buah dan memilih secara acak. Misalnya X : banyaknya barang yang rusak dan X
mengikuti fungsi Binomial, tuliskan bentuk fungsinya!
Seorang agen tunggal VOLVO, menurut pengalamannya dapat menjual rata-rata 5
buah mobil VOLVO selama 1 minggu. Kalau x : banyaknya mobil yang terjual dan x
mengikuti fungsi POISSON, tuliskan bentuk fungsinyal

Populasi dengan N

5,

xt : 10, xz:

a)

Hitung

b)

Ambil sampel dengan n

Hitung

1, xz

8, x4 = 2, xs

4:

/r: * 2 xi dan"': + ,(yr - tt)z d.an


oX2="'I-l,kalattn=3
,, -lv-l
:3, without replacement.
1 E(r) = ]:r, dm EIX - E(x)l' :
K
"rtX

E(X)1,

Stotistik: leori don Aplikwi

398

lilid 2

FAKULTAS EKONOMI UNIVERSITAS TRISAKTI

UIIAN AKHIR SEMESTER GENAP TH. AKADEMI199511996

Kuliah

Hari/Tanggal

Mata

Waktu
Dosen
..

STATISTIK BISNIS
120 Menit (13.30-15.30)
|. Supranto, MA

i,1,, -:":': i' ::i,;.

j .:::

x^z

,{,:i1i,1ff

:',i,: i:

i::ir:lr:

:i,ii :: -:.:l :'

.i;;,4q1;,:16,f

'.;;:

::':;": :.li:i:

?i.r,i;,"

j,ig.

.,: l'
Kalau pengujian secara menyeluruh dengan F test Ho ditolak akan tetapi pengujian secara
parsial dengan / test, semuanya diterima, itu berarti terjadi multicollinearity. Coba uji hipotesa
berikut apakah memang terjadi multicollinearity.

a) UiiHo:Br:Br:g

H^:Bj +0, I:2,3(a=5%)


dan secara parsial

Ho:Br=0
Hu:Br*0
Ho:Br=g

Hu:Br*0

(a:5%)

b)

Kalau terjadi multicollinearity, apa akibat dan bagaimana mengatasinya?

:
Y:

Biaya promosi (ribuan Rp)


Hasil penjualan (jutaan Rp)

a)
50
55
60
65
70
75
80
85
90
95

Dengan menggunakan uji koefisien korelasi peringkat (rank


correlation) pada taraf nyata 5/o apakah terjadi heteroscedasticity?

b) Apa akibat

yang ditimbulkan dan bagaimana cara

mengatasiny a, kalau terj adi

3. ar Suatumodeln:78,k:2
rr : banyaknya data (: sampel)
l- : banyaknya variabel bebas
Temvata d : 1,75
Dengan a: 5%, apakah terjadi otokorelasi
b) Dengan model Yi: A + AtDi + BX, + e
Buat persamaan t r : a + ard, + bX,

positif?

h e t er o s c e d as

ticity?

Lompiron

399

Jika diberikan data-data berikut ini:

iffii'

',.,':ff)

7
8
10
11

9
14

3
4

0
0

6
7

10

15
16

11

1,

2L

18

13

(Pergunakan Metode LEAST SQUARE)

Buat ramalan Y kalau X = 20 dan D

4,

a)

b)
c)

d)

Berikan 3 (tiga) contoh data statistik )-*g dapat menunjukkan persoalan bisnis?
Apa kegunaan data ramalan penjualan? \lengapa secara teoretis meramalkan dengan
persamaan regresi linear t'e:gan,la let'ih baik daripada iinear
-derhana?
Apa manfaat dummv var:abel da-an
regresi linear?
-r:amaan
Berikan contoh hasil peneuiia:. h-ir.:e.i. '.'::-.g beiEuna unftik Ja=er kepufusan bi:risl

FAKL LT.{S EKONO\II

U\I\TRSIT.{S TRIS.\KTI

UJIAN AKHrR SEMESTER GE\AP TH. AIC{DE\II 1ee3l1994

\lata Kuliah
Hari Tanggal

\\aktu
Dosen
1.

a)

:
:
:
:

STATISTIK PERUSAHAAN

Senin, 77 Januari 7994


720 menit (13.30-15.30)

Koordinator

x"

)..

1*i+ii#i$ipffi

Dengan melakukan pengujian hipotesa secara menyeluruh


Ho:. Br: B, : 0

Hu:8,+0, I:2,3(a=5%)
dan secara parsial

Hn:Br=0
Hu:Br+0

H":Br:g
Hu:Br*0 (a:5%)
Apakah dapat disimpulkan bahwa terjadi multicollinearitq?
b)

Kalau terjadi multicollinearity, apa akibat dan bagaimana mengatasinya?

Stotistik: leori don Aplikosi

lilid 2

a : pendapatan (ribuan Rp).

I':

konsumsi (ribuan Rp).


Dengan menggunakan uji park (Park test) pada taraf nyata a = 5%, apakah
50
55
60
65
70
75
80
85
90
95

3.

a)

terjadi

he t er os

cedasticity?

Suatumodeln:20,k=2.

r:
:

banyaknya data (: sampel)


banyaknya variabel bebas
Ternyata d :7,85.
Dengan a: 1%, apakah terjadi otokorelasi positif?
k

b)

Dengan model Yi: A + A, D, + Bxi +


buat persamaan ?,: a + arD, + bX,
]ika diberikan data-data berikut ini:

,,D

.',Y:'

X,:

5
7

U,

0
0

10

11

13

t4

10

15

11

1
L
-t.

(Pergunakan Metode LEAST SQUARE)

Buat ramalan Y kalau X

15 dan

1.

FAKULTAS EKONOMI UNIVERSITAS TRISAKTI

UIrAN AKHrR TAHUN SEMESTER GANITL 1eesl1996


Mata Kuliah
Hari/Tanggal
Waktu

Statistik Bisnis

Dosen

Kelas Paralel
Open Book

Sistem

1' a)
b)
c)

Selasa, 16 Januarr 1996


10.30 12.30

Berikan 3 (tiga) contoh data statistik yang dapat digunakan terhadap persoalan bisnis.
Apa kegunaan data ramalan penjualan? Mengapa secara teoretis meramalkan dengan
Persamaan regresi linear berganda lebih baik dari pada linear sederhana?
Apa manfaat variabel dummy dalam persamaan regresi linear?

40t

Lonpiron

2.

Data di bawah ini adalah hasil penjualan tahunan PT. X (unit):7993 -- 250,7994:260, dan
7995

:280.

Dengan metode dekomposisi, buatlah peramalan untuk kuartal


trend rata-rata sederhana.

3.

I tahun 1.996, gunakan

Data di bawah ini adalah hasil p,1ir11-ptrf dari data perusahaan A di ]akarta.
a) Buatlah persamaan regresi linear berganda dan jelaskan artinya.
b) Berapa kuat besarnva ke'rrelasi parsial dan korelasi ganda serta apa artinya?

c)

Berapa besar penganrh variak'el tebas secara bersama-sama terhadap perubahan variabel

tidak bebas?

d) Dengan alpha

0,05 ujilah kr'refisien regresi baik secara parsial maupun secara

keseluruhan.

e)

Apakah data tersebut

taii un:uk meramal

HEADER DATA FOR: B: UASBIS LABEI- uaS


NUMBER OF CASES: 6 NUMBER OF ,,,AiiABr_ES

Ha':a
3:
3'
2!
2a
3,1
_i3

Penj.
50.0
45.0
52.0
54.0
51.0
60.0

1
2
3
4
5
6

atau tidak? Berikan alasannya.

P':-cs

:a
:2
:3
a'

:'
-:

REGRESSION ANALYSIS
HEADER DATA FOR: B: UASBlS LABEL: UAS
NUMBER OF CASES: 6 NUMBEB OF VARIABLES: 3

INDEX
1

DEP.

VAR.:

NAME
harga
promos'

MEAN
3.0167
5.1167

STD.DEV.
.1722

1.2384

Penl

DEPENDENT VARIABLE: Penl

VAR.

REGRESSION COEFFICIENT
2.8684

harga

promosi
CONSTANT

STD.ERROR

8.1591
1.1348

3.3852
26.0258

EST =

3.0488

=
=
MULTIPLE R =

.6190
.7714
.8783

STD. ERROR OF

ADJUSTED R SQUARED

R SOUARED

3)
.352
2.983

T(DF =

PROB. PARTIAL r^2


.74841 .0396
.05845 .7479

ANALYSIS OF VARIANCE TABLE

SOURCE
REGRESSION
RESIDUAL
TOTAL

SUM OF

SQUARES D.F.

94.1143
27.8857
122.0000

2
3
5

MEAN

SQUARE
47 .0572
9.2952

RATIO
5.063

PROB.
.1 093

402

Snkfik: feori don

Aplikosi

lilid 2

STANDARDIZED RESIDUALS

1.
2
3
4
5
6

OBSERVED CALCULATED

50.000
45.OOO
52.000
54.000
51 ,000
60.000

48.172
4e.136
52.286
54.707
45.511
59.188

DURBIN-WATSON TEST = 2.2808

_2.0
1.8280 I
.
-4.1359 I
-.2860 r
-.7073 I|
2.4894
.8118
I

RESIDUAL

2.0

I
r

|
I

gffi

ffi
44JEiS$ry.4.1!E6i[tB?rJt.:i
ri"iri:.].;:'
rt.!:.:'-.i r' l{^.1,":"

'1.

:.

Andersory dkk., An 1,:ir',u;,;lron to Managenrcnt Science: Quantitatiae Approaches to Decisiotr Makutr:

|th. Ed., West Pub., Ct. 1997.


Andersory dkk., Ql,rr:::.i::'.'c \lethods t'or Business,6th. Ed., West Publishing Co., 1995.
Anderson dan Bancr..f: S:atistical Theory in Research, McGraw-Hill ,1952.

2.
3.
4. Arydar-rlacobs, ltttrtt,l:.::..--'::.'-i:.;liitidss:PuryosesandProcedures,Holt,RinehartandWinstorUl9T5.
5. Mason-Lind Statistic.;. Ij-.i:,;:.;:,.s irt Bttsitess t Economics, gth edition, Irwin USA, 1996.
6. Croxton dan Cou-den. ,r'.:.-::-'.;. Br,sirrc-qs Stntistics, 3'd. Ed., Prentice Hall, 1960.
7. Draper dan Smith, .r:':.:..: -i:;.:ssic.rr ,4nalysis, Jolrn Wiley & Sons, 1966.
8. Emil Salim, Perencar.::: ie::bangunan dan Pemerataan Pendapatan, Lembaga Penerbit
10.

LI :--4
ior ::.:.::::e; Rural Development, Teheran, 1976.
Freund dan William.. -\1.--:.-: -::,i:':.s' -il.7jisii.s. Prentice Hall, 1965

11.

Freund, Modern Elt-:

12.

Hadi, Statistik

Fakultas Ekonomi
9.

ESCAP, Statistics

Psr(...

":.-.':

l.-'.;:.;:i-:': \a','asa;: Penert'it Fakultas Psikologi, UGM,

1975.

13.

14.
15.

16.

Harnet dan Murp'r-. '::'

17.

Kazmier Schaur,: i,.',.- j-:.:::. -i:-:..r.-. .-'' !.: \1{::,'.-H:l-. lvno


19. Lapin, Statistics .is' .',! t:--: -:.. j ::: 1.,..: ':. ii::;r.urt B:ace. 19i3
20. Lind dan Mason. i:.:: .: .'.; .:- '::-::.i: r': --r.:.'.jiS ,t,1.1 f;.r1;.rrl;;.-:.9'''. E11., Richard D.Irwin 1996.
21. Mansfield, Stnli;:::: -'-'...:':.ji .;"..:.:--'-. -:-:-..5''. Ed., \oton, 1994
, .;"..i :)'.: .R--.. ,., Forc'costurg, Penguin Books, 1972.
22.
.:
:.' : j:: .r'.:;:i;c of Stntistics, 3'd edition N. H. Freeman and ComMoore-McCabe .,::pany, New York. --J'18.

21. Miller

27.

dan Starr

Prichett dan

: :.,'.:

Sabt: .l^::.-*.-;::::'..': :;:

-Tr,ltlication

in Management and Economics. Ttt'. Ed,, Richard

D. Irwin, 199{.

28.
29.
30.
31.

i.+-)evelopment: Objectives and Policies for Developing Countries,


Lembaga Pener'a:: l:^-: :-:> Ei..rrnomi Ul, 1974.
Sanders, dkk, S:::-.:.: .r^ i:esh.\pproactr,3'd ed.,...1985.
Sielaff dan l\ar.; -r'.;.::-'.:- J'.r&/r'nrs in Business and Ecotnmics Statistics, Holdon-Day, 1968.
Supranto, Mett.;. -i;.,': .:.;': -li,liknsinya dalam Pemasaran,Lembaga Penerbit Fakultas Ekonomi,
Sadono Sukimo

ul,1977.

32.
33.
34.
35.
36.
37.
38.
39.
40.

\t-r. t, ::-.;'::.;r Ekonometrik, Penerbit Ghalia, 2004.


Teknik Riset Pi":.:..:..;': .i.;': Ranulan Penjualan, Penerbit Rineka Cipta, 2001.
Statistik wttur i.'*.'.-::.:,'. Btrit,aurasan Global, Penerbit Salemba 4, 2007
Statistik toltl,;: ;.'.,"'..:.;;'.+.i,r Masalah bagi Siapa Saja dan Pengalaman Hidup Penulis sebagai OlattT
Stntistik, Pene::,: :.:.en-rba 4, 2009.
Taylor, Intrt-.;:,-:::''. :- -\Innagemeti Science, sth. Ed., Prentice Hall, 1996.
Thell, Applic; r- --,;.'"rr. Forecasting, North Holland Pub., 7971,.
Williams, fi:. ,<:.;::s:rrrnns and The Mannger, Charles Knight & Co., 1973.
Wonnacott dan \\'Lrnnacott, lntroductory Statistics, John Wiley & Sons, 1972.
Yamane, ,Sl.;::-.::--j: .\n lntroductortl Analysis, Harper International Edition, 1973.
Supranto, J,

Doublelog transformation 227

.\
,{raiisis regresi 346
-\ralisis Varians 747, 197
{nalisis Varians (Anova)

.\\ovA

Excel

146

76

Extraneous information 287

198

-\plikasi komputer 76,

71.8, 174, 225

F
B
Btst Linear Llnbiased Estimator (BLUE) l8B, 247, 275
Bilangan Acak 89

Blind stab method

89

BLUE (Best Linear Llnbiased Estimator) 188,247, 272


C

Central Limit Theorem 97, 1,91


Central Linrit Theory (Dalil Batas Memusat) 114

Cli

Square 65

Confidence interval 101


Confidence level 120

Covariabilitv

201

D
Daerah kritis pengujian (critical region of a test) 726
Daerah kritis pengujian (daerah penolakan) 777
Daerah penolakan (reglori of reiection) 726
Dalil Batas Memusat (Central Lirnit Tlrcorent) 97, 11,4,
797

Goodness

Degrees of freedom 66

Henry Theil

-':-::ibusi Kai-kuadrat (c2


-:-:'r.rrsi

kontinu

Chi Square) 65, 76

74

Multinomial 17,75, 78
normal 49, 50,74,76, 78

\ormal Baku (Standar) 52,


lenarikan Sampel 90
Irc,narikan Sampel dari 97
i'.ri<>on 40, 74, 75,

i:..l.abilitas
--:,,:.,rl,i1itas

167

76

78

22

Binomial

76

::.,:'.:l.i1ilas variabel acak kontinu 7

105

Heteroskedastis 276
Heteroskedastisitas 276

Hipotesis 724,

69, 75, 76

lr.tribusi gabungan (joint hii,ariate distrihfiion)


l:-rribusi Hipergeometrik 46, 75, 78

of lit

309

Derajat kebebasan (de.qrees of freedom) 65, 66


Diagram pencar (scaffer dingram) 783,206,224
Diskrit (hasil hitungan) 2
Distribusi Binomial 32,74, 75
Distribusi diskrit 7it

Di:tribusi

G
Garis miring 132
Garis regresi linear sederhana 186

Data berkala (time series data) 280


Data deret berkala (tirne series) 185,222
Data lintas sektoral (cross section) 222

Dependent

Finite population correction 82


Frekuensi harapan (expected frequencies) 755
Frekuensi harapan (expected frequency) 764
Frekuensi hasil observasi (obsert:ed frequencv) L64
Frekuensi Kumulatif 58
Frekuensi Relatif 58
Fungsi Distribusi Multinomial 48
Fungsi kekuatan K(p) 129
Fungsi kekuatan pengujian 133
Fungsi Kekuatan untuk Pengujian 136
Fungsi kepadatan (density function) 7
Fungsi linear 181
Fungsi marjinal 13
Fungsi normal 52
Fungsi Probabilitas 3, 4, 5, 22
Fungsi Probabilitas Bersama 10, 13, 77
Fungsi probabilitas gabungan Qoint probability) 202
Fungsi regresi 184

201

Hipotesis
Hipotesis
Hipotesis
Hipotesis
Hipotesis
Hipotesis
Hipotesis
Hipotesis
Hipotesis
Hipotesis
Hipotesis

777

Alternatif

725, 298

Koefisien Regresi Parsial 250

No1 125,

777, 298

Perbedaan Dua Proporsi 173


Perbedaan Dua Rata-rata 738,772
Perbedaan Lebih dari Dua Rata-rata 144
Satu Proporsi 173
Satu Rata-rata 130,772
statistik (statisticnl hypothesis) 124
tentang Perbedaan Dua Proporsi 151
tentang Perbedaan Lebih dari Dua Propors

154

Hipotesis tentang Persentase 150


Hipotesis tentang Proporsi 119
Hipotesis tentang Varians 169
Hipotesis unhtk Dua Varians 170
Homoskeda.ctisitas 210 281

Hubungan antara distribusi

dan

76

405

lndeks

Matriks YC (Variance-Couariance) 276

Hubungan Regresi 184

Maxinurm Likelihood 82, 83, 85, 101

Menguji Signifikansi rs 319


Metode kuadrat terkecil (least squore metlrod\ 785, 270,

I
lndependent 309
lntcrcept coefficient 782

Interval kevakinan

11/

Metode "momen"

101

lvlicroso.ft

101

Excel 178, 282

Model Regresi Linear Sederhana

181

Jurnlah kesalahan kuadrat 1Ei


jumlah ktradrat antarsampel 11Jumlah kuadrat dalam sampei i;Jumlah Kuadrat Etor 264
Jumlah Ku.rdrat regresi 264
Jumlah Kuadrat Total 149, 26-l

N
Nilai
Nilai
Nilai
Nilai

Harapan 14, 17, 18, 20, 22,


Harapan dan Varians
Harapan dari 91

observasi

dari

131

tr-ilai teoretis 131

Nilai Z

59

Normal baku (standard nornnl)

Kai-kuadrat 297
Karakteristik dan Proses Distn::Kejadian (etents) 187

.-- ::

,r-.'

Kesalahan jenis I 125


Ke:alahan Jenis I (Iy1,,' / L"
Kesalahan jenis II 125
Ke:alahan Jenis ll (Typi'11 :
Kesalahan pembulatan i9n
Kesalahan pengganggu 15: --i
Kesalahan sampling (sanr:.:

-10

o
Otokorelasi ?71. 285
Otoregre.si

.-l

208,

284

deternrrna:i

F.r-.: .
-

:=-

- - ::i

korelasi ber3.r" .: . -'Koe'fisien Korelasi Parsi:. lll :r: lit,, 284


Koelisierr korelari pelrn:-.: -Koefisien korelasi pering..:: -, : ::::':::r ,1 , 317
Koeiisien korela>i se(lurl . -. --Koefisien Regresi 99, i:. ..1 -i^ ',97,206,223
Koefisien Regresi Parsi.ri i=. -l lll.256
Kolinearita* Beruand.r l.
Kontirru (hasil p.'ngLrkL;-.. Korelasi lir-rear bergarrd.l ": -.: . .:'-.;,it correlation) 201
Korelasi linear sederira;r.r :r :: .. :,:-.ir correlation\ 200

Kovarians 78,79,

22

KurvaDistribusiF,l

Kurva Distribusi t 7i
Kun,a Kai-Kuadr.rt 6b
Kur.,.a

Normal 19. 50, al. r-l

l1c.

:..;" ::.:.1 a:rje::i:.:iran 11{.


PL.narik,rn :.:r:rael .:..:\ :e:r:h:.r..? :-. :: 11i.
Penarikan .a:rrel -:.ah :.::.:: :enqembalian SE
Penduga il.l
pelrduga NLr:',:ii:e: -- ':ji:::':: is:;rr;,lloi') 100
Lreilrlugi lai fL:. :,,;:-:.;.i.; i.ililtrrfrrt.) 100, 187

Ptmilihan :.i:::tr,

Ketidakpastiarr (unrerftit:'.
Koefisien arah 182
Koefisien Binomial 35
Koefisiendeternrinasi (,1,.-:',:,-"iittatiott)

keyakinan 1[rl
korelasi 99, lS-

285

Parameaer iPemilihan :.rn:el ac:rL Cen:an peneemlralian 88,

-.

--i

lli,

---

Kot'fisierr
Koefisien
Koefisien
Kocfisien

75

Nvata biasa (significartt) 265

Kejadian x 44
Kekuatan Pengujian 128,1:9 ,-Kekuatan Suatu Pengujian 1-,
Kesalahan baku 96
Kesalahan baku (stondard

1L7, 183

82

pendugJ tr-Lnqg,:i {r'o;i;r Lsirilaior) 99


perrtlug.r r.:r'rg cukup \su.fiicicttt estimator) 100
f.errclr.r.ga r ang efisien \efficiettt estituttor) 700
PL.nduBa.in Interval (interoal estimate) 72, L09, 116, 117
Pendugaarr interval beda dua rata-rata LL7
Penclug..ran

interval proporsi

117

Pendugaan interval selisih/beda antara dua propors


118

Pendugaan Interval untuk Koefisien Parsial 252


Pendugaan Interval ur-rtuk s2 112
Pendugaan interval untuk s2 dan s 118
Pendugaan Parameter A, B, DAN se2 185
Pendugaan tunggal 116
Penentuan besarnya ukuran sampel (,1) 118

dua arah (tito tail test) 726, 1,35


Pengujian hipotesis dua varians 173
Pengujian hipotesis Koefisien Regresi Parsial 250
Penguiian Hipotesis Perbedaan Dua Rata-rata 138
Pengujian hipotesis Perbedaan Lebih dari Dua Proporsi

Pengujiar-r

t/ )

Pengujian Hipotesis Perbedaan Lebih dari Dua Rata111, 744,173


Perrguiiar-r Hipotesis Satu Rat.-r-rata 130
Ptngujian Hipotesis tentang Perbedaan Dua Proporsi
151

Pengujian Hipotesis tentang Perbedaan Lebih dari Dua

L
Lez,tl of confidence 192

M
Masalah Regresi Lainnva 271

Matriks kofaktor

2,15

Proprsi

15,1

Penguiian Hipotesis ter-rtang Proporsi 149


Pengujian Hipotesis tentang Rata-rata 130
Pengujian Hipotesis t'ntang Satu Proporsi 149
'Pengujian hipotesis tentang varians 169, 773

'"{l

Stotistik

406
Pengujian
Pengujian
Pengujian
Pengujian
Pengujian
Pengujian
Pengujian

Hipotesis untuk Dua Varians 170

Selang keyakinan 101

independensi

Selisih dua proporsi

173

Semi log transformation 221

ketidaktergantungan 160
Nlann-Whitney 306, 327
satu arah (one tail test) 126, 130

Signifikansi 319
Simpangan baku (standard deaiation\ 769

and lc.u,er tail

test)

130

Pengujian tentang Ketepatan/Kecocokan suatu Fungsi


161

Persentase 707,776
Pohlgon frequency 52
Populasi 87,296
Populasi dianggap tidak terbatas 87
Populasi Tak Terbatas 90
Populasi terbatas ffinite population) 82,87
Populasi vang tidak terbatas 185

test

Standard error 96, 177


87

T
Tabel Poisson 42

Taksiran/Penggunaan Interval

728

Probabilitas pada distribusi Binomial 35


Proporsi 107,715, 71,6
Prosedur Pendugaan Interval 105
Prosedur Penghitungan Koefisien Korelasi Peringkat
J1/

Prosedur Penguiian Mann-Whitney 312


Prosedur Uii Tanda dengan Sampel Besar 300

101

Taraf Nyata 299


Taraf nyata (a) 304
Tests of indepenrlency 760

Tingkat keyakinan 1,01, 792


Tingkat Nyata (Signfcant Leael) 126, 731., 335
Tingkat Signifikansi (a) 171

Titik asal (origin)

206

Type I Error 125


Type II Error 125

Ramalan (t'orecasting) 187


Ramalan interval (interual t'orecast) 209
Ramalan tunggal (point forecast) 209
Rasio kritis (critical ratio: CR) 301, 302, 320,327, 322

Uji deret (runs test) 31.4, 321


Uji Durbin - Watson 285
Uji Friedman 322
Uji keberartian model 285
Uji ketepatan penerapan suatu fungsi 65
Uji Kruskal \Nallis 312,322
Uji Mann-Whitney 321
Uji peringkat bertanda Wilcoxon 302,327
Uji t Rata-rata Berpasangan 338,342
Uji Tanda (Sign-test) 297,327

Rata-rata
Rata-rata
Rata-rata
Rata-rata
Rata-rata
Rata-rata
Rata-rata

dari distribusi binomial

distribusi

38

46

distribusi (lambda) 40

hitung

44

kai-kuadrat

66

Kuadrat F,rror 264


Kuadrat Regresi 264
Reciprocal transformation 221

Upper-tail test

Regresi Berganda 350


Regresi Linear Berganda 260
Regresi Sederhana Bukan Linear 219
Residu 263,284
Rouruling

error

Variabel Acak 2,20, 22,44


Variabel Acak Diskrit 2,3, 5, 14,75, 22
Variabel Acak Kontinu 2,7, 22
Variabel acak normal 49
Variabel bebas (indEendent oariable) 787, 783, 223
Variabel Diskrit 10
Variabel lain yang bebas (independent oariable) 239
Variabel normal baku (standard normal ztariable) 98
Variabel normal yang dibakukan (Z) 75
Variabel sembarang 44
Variabel tidak bebas (dependent aariable) 781, 223,239
Varians L4,20, 22, 82, 777

196

Runs Test 314


Runs Rest untuk Melihat

Keacakan 374

Sampel 87
Sampel Acak Sederhana 88
Sampel Pasangan (Paired Samples ) 147
Sampel Tak Bebas (Dependent Samples ) 747

Sampling 87
Sampling error 113
Sangat nyata (highly s
Selang Kepercayaan 283
Selang Keperc ay aan 95lo

Varians

ILIK
Bo'

132

Residual (ercor) 787, 22+

Brden

l%rfl&trtrr

lrr

k\

11,7

Statistik d Durbin-Watson 273


Statistik Induktif (lnference) 98, 176
Staiistik Nonparametrik 296, 297, 321,
Statisiik U 307, 308
Statistika deskriptif 87
Statistika induktif (inferensia) 87

Perbedaan dua rata-rata 109


Persamaan normal 242
Persamaan regresi linear berganda 284
Persamaan regresi perkiraan 785, 224

Power of the

Slope coefficient 182


SPSS 337
Standar Deviasi 20, 22,
Standar Deviasi dari 92

Statistik

Pengujian yang paling kuat dan seragam 130

111

ketepatan suatu fungsi 173

satu arah atas dan satu arah bawah (upper

: leori don Aplikosi

?rophal

f o rrltol

Jrrl finr

169

Varians (s2) 15
ians antara Rata-rata Sampel 145
dan Standar Deviasi dari 91
Va
VA

ns

dari

92

dari distribusi binomial

39