Makalah
Sebagai Salah Satu Tugas dalam Mata Kuliah
ANALISIS STATISTIK
Oleh:
1. Trilius Septaliana KR
(20102512011)
2. Aisyah (20102512023)
DOSEN PENGASUH :
Dr. Ratu Ilma I.P.,M.Si
BAB 6
MOMEN, KEMENCENGAN DAN KURTOSIS
1. PENDAHULUAN
Rata-rata dan varians sebenarnya merupakan hal istimewa dari kelompok ukuran
lain yang disebut momen. Dari momen ini pula beberapa ukuran lain dapat diturunkan.
Bentuk-bentuk sederhana dari momen dan ukuran-ukuran yang didapat daripadanya
akan diuraikan di dalam bab ini.
2. MOMEN
Misalkan diberikan variable x dengan harga-harga: x1, x2, ., xn. Jika A =
sebuah bilangan tetap dan r = 0, 1, 2, ., n, maka momen ke-r sekitar A, disingkat
mr, didefinisikan oleh hubungan:
(1)
Untuk A = 0 didapat momen ke-r sekitar nol atau disingkat momen ke-r:
=
(2)
Dari rumus (2), maka untuk r = 1 didapat rata-rata . Jika A = kita peroleh
momen ke-r sekitar rata-rata, biasa disingkat dengan mr. Jadi didapat:
(3) ...
(5) ..
(6) ..
dengan n = fi, xi = tanda kelas interval dan fi = frekuensi yang sesuai dengan xi.
Dengan menggunakan cara sandi, rumus 4 menjadi:
=
(7)
dengan, p = panjang kelas interval,
Dari
ci = variable sandi.
hubungan:
+ 2(
+ 6(
3(
Contoh: Untuk menghitung empat buah momen sekitar rata-rata untuk data dalam daftar
distribusi frekuensi, kita lakukan sebagai berikut.
DATA
fi
ci
fici
60 62
-2
-10
20
-40
80
63 65
18
-1
-18
18
-18
18
66 68
42
69 71
27
27
27
27
27
72 - 74
16
32
64
128
Jumlah
100
15
97
33
253
=3
=3
= 0,45
= 8,91
=3
= 8,73
=3
= 204,93
+ 2(
+ 6(
3(
3. KEMENCENGAN
Kemencengan atau kecondongan (skewness) adalah tingkat ketidaksimetrisan
atau kejauhan simetri dari sebuah distribusi. Sebuah distribusi yang tidak simetris akan
memiliki rata-rata, median, dan modus yang tidak sama besarnya ( Me Mo),
sehingga distribusi akan terkonsentrasi pada salah satu sisi dan kurvanya akan menceng.
Jika distribusi memiliki ekor yang lebih panjang ke kanan daripada yang ke kiri
maka distribusi disebut menceng ke kanan atau memiliki kemencengan positif.
Sebaliknya, jika distribusi memiliki ekor yang lebih panjang ke kiri daripada yang ke
kanan maka distribusi disebut menceng ke kiri atau memiliki kemencengan negatif.
Berikut ini gambar kurva dari distribusi yang menceng ke kanan (menceng
positif) dan menceng ke kiri (menceng negatif).
Mo
Gambar a
Mo
Gambar b
Gambar 1
Kemencengan Distribusi (a) Menceng ke kanan (b) Menceng ke kiri
Keterangan :
sk = koefisien kemencengan Pearson
= 3(
3(
2) sk> 0
3) sk< 0
Contoh soal :
Berikut ini adalah data nilai ujian statistik dari 40 mahasiswa sebuah universitas.
Nilai Ujian Statistika pada Semester 2, 2010
Nilai Ujian
Frekuensi
31 40
41 50
51 60
61 70
71 80
11
81 90
91 100
Jumlah
40
a) Tentukan nilai sk dan ujilah arah kemencengannya (gunakan kedua rumus tersebut) !
b) Gambarlah kurvanya !
Penyelesaian:
Nilai
u2
fu
fu2
31 40
35,5
-4
16
-16
64
41 50
45,5
-3
-9
27
51 60
55,5
-2
-10
20
61 70
65,5
-1
-8
71 80
75,5
11
81 90
85,5
91 100
95,5
-32
134
Jumlah
40
a.
= 70,5 +
134
32
40
40
= 10
1
(
+2
32
= 75,5 8 = 67,5
40
= 75,5 + 10
1
(40) 12
= 60,5 + 2
. 10 = 60,5 + 10 = 70,5
8
,
,
= 10 (1,62) = 16,2
4
. 10 = 70,5 + 4,44 = 74,94
4+5
= 0,46
Oleh karena nilai sk-nya negatif (-0,46) maka kurvanya menceng ke kiri atau
menceng negatif.
b. Gambar kurvanya :
45
56
66
76
86
96
Gambar 2
Kurva menceng ke kiri
2.
(
(
)(
)+(
)
)
atau
=
Keterangan : skB
2 +
Q = kuartil
Frekuensi
20,00 29,99
30,00 39,99
40,00 49,99
25
50,00 59,99
40
60,00 69,99
28
70,00 79,99
Jumlah
111
Penyelesaian :
Kelas Q1 = kelas ke -3
=
1
( )
+4
.
= 39,995 +
27,75 13
. 10 = 45,895
25
= 49,995 +
55,5 38
. 10 = 54,37
40
= 59,995 +
83,25 78
. 10 = 61,87
28
Kelas Q2 = kelas ke -4
=
1
(
+2
)
.
Kelas Q3 = kelas ke -5
=
3
( )
+4
.
2 +
Karena skB negatif (=0,06) maka kurva menceng ke kiri dengan kemencengan
yang berarti.
3.
P50 dan P10) dari sebuah distribusi. Koefisien Kemencengan Persentil dirumuskan :
=
)(
Keterangan :
skP = koefisien kemecengan persentil , P = persentil
4.
1
( )
=2
1
( )
=2
atau
=
+2
dalam pemakaiannya, rumus kedua lebih praktis dan lebih mudah perhitungannya.
mesokurtik
platikurtik
Koefisien keruncingan
Koefisien keruncingan atau koefisien kurtosis dilambangkan dengan4 (alpha 4).
( )
Contoh soal:
Tentukan keruncingan kurva dari data 2, 3, 6, 8, 11 !
Penyelesaian :
= 6; s = 3,67
-
1
=
( )
-4
256
-3
81
16
11
625
Jumlah
978
1
978
195,6
= 5
=
= 1,08
(3,67)
181,4
Karena nilainya 1,08 (lebih kecil dari 3) maka distribusinya adalah distribusi platikurtik.
( )
atau
=
2.
+6
Contoh soal :
Berikut ini disajikan tabel distribusi frekuensi dari tinggi 100 mahasiswa
universitas XYZ.
a. Tentukan koefisien kurtosis persentil (K) !
b. Apakah distribusinya termasuk distribusi normal !
Tinggi Mahasiswa Universitas XYZ
Tinggi (inci)
frekuensi (f)
60 62
63 65
18
66 68
42
69 71
27
72 - 74
Jumlah
100
Penyelesaian :
Kelas Q1 = kelas ke-3
=
1.
( )
+ 4
.
1.100
23
= 65,5 + 4
. 3 = 65,64
42
3.
(
+ 4
3.100
65
= 68,5 + 4
. 3 = 69,61
27
10.100
5
= 62,5 + 100
. 3 = 63,33
18
90.100
65
= 68,5 + 100
. 3 = 71,28
27
1
(69,61 65,64)
=2
= 0,25
71,28 63,33
BAB 7
DISTRIBUSI NORMAL
Distribusi normal adalah distribusi dengan variabel acak kontinu atau sering
disebut distribusi Gauss. Jika variabel acak kontinu X mempunyai fungsi densitas pada
X = x dengan persamaan :
( )=
(A)
(B)
(A) kurva normal dengan = 10 dan = 5, sedangkan (B) kurva normal dengan = 20
dan = 7.
< )=
/ (
2 )
Distribusi normal standar ialah distribusi dengan rata-rata = 0 dan simpangan baku
= 1. Fungsi densitasnya berbentuk :
( )=
-3 -2 - + +2 +3
rata-rata = 0
Simpangan baku = 1
Normal Standar
-3
-2
-1
0 1 2 3
rata-rata = 0
=1
Setelah didapatkan formasi distribusi normal baku dari distribusi normal umum
dari rumus
ini bagian-bagian luas dari distribusi normal baku dapat dicari dengan cara :
1) Hitung z sehingga dua desimal.
2) Gambarkan kurvanya seperti gambar sebelah kanan pada gambar di atas.
3) Letakkan harga z pada sumbu datar, lalu tarik garis vertikal hingga memotong kurva.
4) Luas yang tertera dalam daftar adalah luas daerah antara garis ini dengan garis tegak
di titik nol.
5) Dalam daftar, cari tempat harga z pada kolom paling kiri hanya hingga satu desimal
keduanya dicari pada baris paling atas.
6) Dari z di kolom kiri maju ke kanan dan dari z di baris atas turun ke bawah, maka
didapat bilangan yang merupakan luas yang dicari. Bilangan yang didapat harus
ditulis dalam bentuk 0,xxxx (bentuk 4 desimal).
Karena seluruh luas = 1 dan kurva simetrik terhadap = 0, maka luas dari garis
tegak pada titik nol ke kiri ataupun ke kanan adalah 0,5.
Beberapa contoh, penggunaan daftar normal baku.
Akan dicari luas daerah :
1) Antara z = 0 dan z = 2,15.
Di bawah z pada kolom kiri cari 2,1 dan di atas sekali angka 5. Dari 2,1 maju ke
kanan dan dari 5 menurun, didapat 4842.
Luas daerah yang dicari, dapat dilihat daerah yang diarsir, = 0,4842.
2,15
-1,86
-1,5 0
1,82
4) Antara z = 1,40 dan z = 2,65.
Yang dicari adalah luas dari z = 0 sampai ke z = 1,40. Dengan cara yang dijelaskan
di atas masing-masing didapat 0,4960 dan 0,4192. Luas yang dicari = 0,4960
0,4192 = 0,0768.
0 1,40 2,65
5) Dari z = 1,96 ke kiri.
Luasnya sama dengan dari z = 0 ke kiri (= 0,5) ditambah luas dari z = 0 sampai ke z
= 1,96. Untuk z = 1,96 dari daftar didapat 0,4750. Luas = 0,5 + 0,4750 = 0,9750.
1,96
menuju ke pinggir sampai pada kolom z, didapat 2,4 dan menuju ke atas sampai batas z
didapat 6. Harga z = 2,46.
Beberapa bagian luas untuk distribusi normal umum dengan rata-rata dan
simpangan baku tertentu dengan mudah dapat ditentukan. Tepatnya, jika sebuah
fenomena berdistribusi normal, maka dari fenomena itu :
1) Kira-kira 68,27% dari kasus ada dalam daerah satu simpangan baku sekitar ratarata, yaitu antara - dan + .
2) Ada 95,45% dari kasus terletak dalam daerah dua simpangan baku sekitar ratarata, yaitu antara - 2 dan + 2.
3) Hampir 99,73% dari kasus ada dalam daerah tiga simpangan baku sekitar ratarata, yaitu antara - 3 dan + 3.
Contoh :
Berat barang siswa dalam suatu tour rata-rata 3,750 gram dengan simpangan
baku 325 gram. Jika berat barang berdistribusi normal, maka tentukan ada :
a) Berapa persen siswa yang mempunyai berta barang lebih dari 4.500 gram ?
b) Berapa orang siswa yang yang memiliki berat barang antara 3.500 gram dan 4.500
gram, jika semuanya ada 10.000 siswa ?
c) Berapa siswa yang orang siswa yang berat barangnya lebih kecil atau sama dengan
4.000 gram jika semuanya ada 10.000 siswa?
d) Berapa orang siswa yang berat barangnya 4.250 gram jika semuanya ada 5.000
siswa?
Penyelesaian :
Dengan X = berat barang siswa dalam gram, = 3,750 gram, = 325 gram,
maka :
a) Dengan transformasi rumu
s untuk X = 4.500 :
4.500 3.750
= 2,31
325
Berat yang lebih dari 4.500 gram, pada grafiknya ada disebelah kanan z = 2,31. Luas
=
daerah ini = 0,5 0,4896 = 0,0104. Jadi ada 1, 04% dari dari berat barang siswa yang
lebih dari 4.500 gram.
2,31
siswa yang berat barangnya antara 3.500 gram dan 4.500 gram diperkirakan ada
(0,7690)(10.000) = 7.690.
-0,77 0
2,31
c) Karena beratnya lebih kecil atau sama dengan 4.000 gram, maka beratnya harus lebih
kecil dari 4.000,5 gram.
=
4.000,5 3.750
= 0,77
325
Peluang berat barang siswa lebih kecil atau sama dengan 4.000 gram = 0,5 + 0, 2794
= 0,7794.
Banyak siswa = (0,7794)(10.000) = 7794.
d) Jika berat 4.250 gram berarti berat antara 4.249,5 gram dan 4.250,5 gram. Jadi untuk
X = 4.249,5 dan X = 4.250,5 didapat :
4.249,5 3.750
= 1,53.
325
4.250,5 3.750
=
= 1,54
325
Luas daerah yang perlu = 0,4382 0,4370 = 0,0012.
=
Antara distribusi binom dan distribusi normal terdapat hubungan tertentu. Jika
untuk fenomena yang berdistribusi binom berlaku :
a) N cukup besar,
b) = P(A) = peluang peristiwa A terjadi, tidak terlalu dekat kepada nol, maka
distribusi binom dapat didekati oleh distribusi normal dengan rata-rata = N dan
simpangan baku =
(1
).
Untuk pembakuan, agar daftar distribusi normal baku dapat dipakai, maka
digunakan transformasi :
=
(1
0,5 40
= 6,57.
6
30,5 40
=
= 1,58
6
Luas daerah yang diarsir adalah 0,5 0, 4429 = 0,0571. Peluangnya terdapat
=
-1,58
b) Untuk distribusi normal, disini berlaku 30,5 < X < 49,5. Bilangan standar z-nya
masing-masing :
30,5 40
49,5 40
= 1,58
=
= +1,58.
6
6
Dari daftar distribusi normal baku terdapat peluang yang ditanyakan = 2(0,4429) =
=
0,8858.
c) 55 orang atau lebih untuk distribusi binom memberikan X > 54,5 untuk distribusi
normal.
Maka
=
54,5 40
= 2,42
6
Sehingga kita perlu luas daerah dari Z = 2,42 ke kanan. Dari daftar distribusi
normal baku didapat peluang yang dicari = 0,5 0,4922 = 0,0078.
0
2,42
Apabila kondisi populasi digambarkan dalam bentuk kurva, bisa dijumpai
berbagai macam bentuk kurva. Hal ini tergantung dari kondisi penyebaran frekuensi
skor yang terkumpul. Pada umumnya kondisi populasi dalam dunia pendidikan
berdistribusi normal. Tetapi tidak selamanyapopulasi yang dijumpai akan berdistribusi
normal, oleh karena itu, kita harus hati-hati dalam menghadapi data tersebut. Analisis
statisik untuk data yang berdistribusi normal akan berbeda, dengan demikian maka
interpretasinyapun akan dipengaruhi oleh bentuk distribusinya.
Data populasi akan berdistribusi normal jika rata-rata nilainya sama dengan
modenya serta sama dengan mediannya. Ini berarti bahwa sebagian nilai (skor)
mengumpul pada posisi tengah, sedangkan frekuensi skor yang rendah dan yang tinggi
menunjukkan kondisi yang semakin sedikit seimbang. Oleh karena penurunan frekuensi
pada skor yang semakin rendah dan skor yang semakin tinggi adalah seimbang, maka
penurunan garis kurva ke kanan dan ke kiri akan seimbang.
Kurva normal mempunyai hubungan erat dengan data yang kontinue (interval
mauoun ratio). Distribusi yang normal kurvanya merupakan distribusi yang paling
banyak dijumpai dan digunakan sebagai pengembangan rumus-rumus statistik
parametrik (inferensial statistik). Disamping itu, sifat normal ini yang paling banyak
ditunjukkan oleh sifat populasi.
Distribusi normal mempunyai sifat-sifat yang khusus, yaitu :
1. Bentuknya simetri dengan sumbu X.
2. Nilai rata-rata = mode = media.
3. Mode hanya satu (unimodal).
4. Ujung-ujung grafiknya hanya mendekati sumbu X atau dengan kata lain tidak akan
bersinggungan maupun berpotongan dengan sumbu X (berasimtot dengan sumbu X).
5. Kurva akan landai jika rentangan skor besar, sebaliknya jika rentangan skor kecil
maka kurvanya akan meninggi.
6. Luas daerah kurva akan sama dengan luas satu persegi empat.
Bentuk kurva normal tergantung pada distribusi nilai/skor yang akan dibuat
kurvanya. Penyebaran skor dan panjang pendeknya rentangan distribusi berpengaruh
besar atau menentuka bentuk kurvanya. Jika jumlah responden sama, maka kurva
normal dari distribusi skor tersebut akan berbeda bentuknya.
Jenis bentuk kurva yang diakibatkan oleh perbedaan rentangan nilai dan
simpangan baku ada tiga macam, yaitu :
(1)
(2)
(3)
Kurva normal dapat pula dibuat berdasarkan skor yang telah ditransformasikan
ke Z skor. Proses transformasi distribusi skor yang normal akan tetap menghasilkan
distribusi Z skor yang normal pula. Untuk kepercayaan kita, dapat dibuktikan melalui
contoh soal di bawah.
Contoh : 1
Suatu penyebaran nilai matematika siswa pada suatu sekolah menengah pertama
sebagai berikut :
65
65
60
70
70
70
75
75
75
75
80
80
80
85
85
90
dan rumus
untuk sejumlah
Untuk X = 65
Untuk X = 70
Untuk X = 75
Untuk X = 80
Untuk X = 85
Untuk X = 90
65
70
75
80
85
1,90
1,26
0,63
90
95
1,26 1,90
95
4
3
2
1
0
0
0,63
Jelas kini bahwa distribusi skor yang normal akan tetap normal walaupun
dilakukan transformasi ke Z skor. Mengingat kurva normal tersebut simetri, maka garis
tegak lurus pada sumbu X di titik akan membagi dua bagian kurva menjadi sama
besar. Luas seluruh daerah di bawah kurva normal adalah 100% atau sama dengan 1
(satu), sehingga belahan kanan kurva normal dan belahan sebelah kiri kurva normal
masing-masing mempunyai luas 0,5 atau 50%. Untuk lebih jelasnya tentang luas daerah
di bawah kurva normal dapat dilihat pada figur di bawah.
Melalui transformasi ke Z skor kita akan dapat mencari luar daerah di bawah
kurva normal, untuk nilai-nilai Z tertentu. Dalam kasus ini kita hanya berpedoman pada
tabel distribusi normal. Tabel ini disamping dapat digunakan untuk menentukan luas
daerah di bawah kurva normal untuk batas titik tertentu, juga dapat digunakan untuk
mencari titik tertentu. Tentunya apabila titik Z yang tidak diketahui, sedangkan luas
daerah di bawah kurva normal diketahuinya. Cara menggunakan tabel ini sangat mudah
karena dalam tabel hanya terdiri dari tiga kolom dan kita tinggal melihat pasangan
angka antar kelompok dalam satu baris yang slah satu angkanya kita ketahui.
-2
-1
68, 26%
95,46%
Selanjutnya dapat dijelaskan sebagai berikut :
1. Yang memuat berbagai kemungkinan nilai Z.
2. Yang menunjukkan luas daerah di bawah kurva antara titik atau 0 dengan nilai Z.
3. Yang menunjukkan luas daerah di bawah kurva diluar nilai Z atau luas daerah di
bawah kurva di atass nilai Z.
Pada luas kolom B dan C selalu berjumlah 0,5 karena jumlah B dan C
merupakan setengah dari luas daerah di bawah kurva normal. Penggunaan kolom B dan
C secara serentak (bersama) tidak pernah terjadi kecuali untuk mengontrol kebenaran
angka-angka tersebut. Gunakan salah satu kolom B dan C sesuai dengan kebutuhannya.
Contoh : 2
a. Jika diketahui Z skor 1,26 hitunglah luas daerah di bawah kurva normal antara
dengan titik Z.
b. Jika diketahui Z skor min 1,90 hitunglah luas daerah di bawah kurva normal antara
dengan titik Z.
c. Jika luas daerah di luar titik Z adalah 0,4207 carilah titik Z nya.
d. Jika luas daerah diantara titik Z dengan adalah 0,1179 carilah titik Z nya.
Dengan berpedoman pada tabel distribusi normal kita dapat menjawab semua
soal di atas.
1. Lihat pada (tabel distribusi normal) pada kolom a yang mengandung Z 1,26,
kemudian cari jodohnya pada kolom B diperoleh angka 0,3962.
2. Lihat pada kolom A yang mengandung Z 1,90 (tanda minus tidak mempengaruhi
penentuan angka dalam tabel), kemudian cari jodohnya pada kolom B diperoleh
angka 0,4713.
3. Lihat pada kolom C yang mengandung angka 0,4207, kemudian cari jodohnya di
kolom A diperoleh 0,20.
4. Lihat pada kolom B yang mengandung angka 0,1179, kemudian cari jodohnya di
kolom A diperoleh 0,30.
BAB 8
DISTRIBUSI T DAN DISTRIBUSI F
(1)
1
2
tp
Ini didapat dengan meliat tabel distrubusi t dengan jalan maju ke kanan dari 12 dan
menurun dari 0,95.
2. Untuk n = 16, tentukan t supaya luas yang diarsir = 0,95.
-t
Dari grafik dapat dilihat bahwa luas ujung kiri = 1 0,95 = 0,05. Kedua ujung
ini sama luas, jadi luas ujung kanan, mulai dari t ke kanan = 0,025. Mulai dari t ke
kiri luasnya = 1 0,025 = 0,975. Harga p inilah yang dipakai untuk daftar.
Dengan = 15 (lihat daftar distribusi t) kita maju ke kanan dan dari p = 0,975
kita menurun, didapat t = 2,13. Jadi, antara t = 2,13 luas yang diarsir = 0,95.
3. Tentukan t sehingga luas dari t ke kiri = 0,05 dengan dk = 9. Untuk ini p yang
digunakan = 0,95. Dengan dk = 9 didapat t = 1,83. Karena yang diminta kurang dari
0,5 maka t harus bertanda negatif. Jadi, t = -1,83.
2. DISTRIBUSI F
Distribusi F ini juga mempunyai variabel acak yang kontinu. Fungsi densitasnya
mempunyai persamaan:
(
( )=
)
(
..
(2)
daftar distribusi t. Daftar tersebut berisikan nilai-nilai F untuk peluang 0,01 dan 0,05
dengan derajat kebebasan 1 dan 2. Peluang ini sama dengan luas daerah ujung kanan
yang diarsir, sedangkan dk = 1 ada pada baris paling atas dan dk = 2 pada kolom
paling kiri.
Untuk setiap pasang dk, 1 dan 2, daftar berisikan
harga-harga F dengan kedua luas daerah ini 0,01 atau
0,05.
F
Untuk tiap dk = 2, daftar terdiri atas dua baris, yang atas untuk peluang p = 0,05
dan yang bawah untuk p = 0,01.
Contoh:
Untuk pasangan derajat kebebasan 1 = 24 dan 2 = 8, ditulis juga (1, 2) = (24, 8),
maka untu p = 0,05 didapat F = 3,12 sedangkan untuk p = 0,01 didapat F = 5,28
(terdapat pada daftar distribusi F. Ini didapat dengan jalan mencari 24 pada baris atas
dan 8 pada kolom kiri. Jika dari 24 turun dan dari 8 ke kanan, maka didapat bilanganbilangan tersebut. Yang atas untuk p = 0,05 dan yang bawah untuk p = 0,01.
Notasi lengkap untuk nilai-nilai F dari daftar distribusi F dengan peluang p dan
dk (1, 2) dan F0,01(24,8) = 5,28.
Meski daftar yang diberikan hanya untuk peluang p = 0,01 dan p = 0,05, tetapi
sebenarnya masih bias didapat nilai-nilai F dengan peluang 0,99 dan 0,95. Untuk itu,
digunakan hubunga:
(
)(
=
(
Dalam rumus di atas, perhatikan antara p dan (p 1) dan pertukaran antara derajat
kebebasan (v1, 2) menjadi (2, 1).
Contoh: Telah didapat F0,05(24,8) = 3,12
Maka,
( ,
= 0,321.
BAB 9
UJI NORMALITAS DAN UJI HOMOGENITAS
1. UJI NORMALITAS
Uji normalitas berguna untuk menentukan data yang telah dikumpulkan
berdistribusi normal atau diambil dari populasi normal. Metode klasik dalam pengujian
normalitas suatu data tidak begitu rumit. Berdasarkan pengalaman empiris beberapa
pakar statistik, data yang banyaknya lebih dari 30 angka (n > 30), maka sudah dapat
diasumsikan berdistribusi normal. Biasa dikatakan sebagai sampel besar.
Namun untuk memberikan kepastian, data yang dimiliki berdistribusi normal
atau tidak, sebaiknya digunakan uji statistik normalitas. Karena belum tentu data yang
lebih dari 30 bisa dipastikan berdistribusi normal, demikian sebaliknya data yang
banyaknya kurang dari 30 belum tentu tidak berdistribusi normal, untuk itu perlu suatu
pembuktian. uji statistik normalitas yang dapat digunakan diantaranya Chi-Square,
Kolmogorov Smirnov, Lilliefors, Shapiro Wilk.
1.
X2
Oi Ei
Ei
Keterangan :
X2 = Nilai X2
Oi = Nilai observasi
Ei = Nilai expected / harapan, luasan interval kelas berdasarkan tabel normal
dikalikan N (total frekuensi) (pi x N)
N
Interval
Xi X
SD
pi
Oi
Ei (pi x N)
Kelas
1
2
3
dst
Keterangan :
Xi = Batas tidak nyata interval kelas
Z
= Transformasi dari angka batas interval kelas ke notasi pada distribusi normal
pi = Luas proporsi kurva normal tiap interval kelas berdasar tabel normal (lampiran)
Oi = Nilai observasi
Ei = Nilai expected / harapan, luasan interval kelas berdasarkan tabel normal
dikalikan N (total frekuensi) ( pi x N )
b.
c.
Signifikansi
Signifikansi uji, nilai X2 hitung dibandingkan dengan X2 tabel (Chi-Square).
Jika nilai X2 hitung < nilai X2 tabel, maka Ho diterima ; Ha ditolak.
Jika nilai X2 hitung > nilai X2 tabel, maka maka Ho ditolak ; Ha diterima.
Contoh :
DIAMBIL TINGGI BADAN MAHASISWA DI SUATU PERGURUAN TINGGI
TAHUN 1990
TINGGI BADAN
JUMLAH
140 - 144
145 - 149
10
150 - 154
16
155 - 159
23
160 - 164
21
165 - 169
17
170
174
JUMLAH
6
100
Hipotesis :
Ho : Populasi tinggi badan mahasiswa berdistribusi normal
H1 : Populasi tinggi badan mahasiswa tidak berdistribusi normal
2.
Nilai
Nilai = level signifikansi = 5% = 0,05
3.
X2
Oi Ei
Ei
Batas Interval
Kelas
Xi X
SD
pi
Oi
Ei (pi x N)
139.5 - 144.5
-2.26 -
-1.64
0.4881 - 0.4495
= 0.0386
3.86
144.5 - 149.5
-1.64 -
-1.03
0.4495 - 0.3485
= 0.1010
10
10.1
149.5 - 154.5
-1.03 -
-0.41
0.3485 - 0.1591
= 0.1894
16
18.94
154.5 - 159.5
-0.41 -
0.21
0.1591 - 0.0832
= 0.2423
23
24.23
159.5 - 164.5
0.21 -
0.83
0.0832 - 0.2967
= 0.2135
21
21.35
164.5 - 169.5
0.83 -
1.45
0.2967 - 0.4265
= 0.1298
17
12.98
169.5
1.45 -
2.06
0.4265 - 0.4803
= 0.0538
5.38
174.5
JUMLAH
100
X2
Oi Ei
Ei
2
2
2
2
2
3.86
0.427
4.
10.1
18.94
24.23
5.38
Derajat Bebas
Df = ( k 3 ) = ( 5 3 ) = 2
5.
Nilai tabel
Nilai tabel X2 ; = 0,05 ; df = 2 ; = 5,991. Tabel X2 (Chi-Square) pada lampiran.
6.
Daerah penolakan
- Menggunakan gambar
Terima
0.1628
Tolak
5.991
- Menggunakan rumus
|0,427 | < |5,991| ; berarti Ho diterima, Ha ditolak
7.
Kesimpulan
Populasi tinggi badan mahasiswa berdistribusi normal = 0,05.
Xi
Xi X
SD
F(X)
S(X)
| F(X)-S(X) |
1
2
3
dst
Keterangan :
Xi
F(x)
S(x)
PERSYARATAN
a. Data berskala interval atau ratio (kuantitatif)
b. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
c. Dapat untuk n besar maupun n kecil.
SIGNIFIKANSI
Signifikansi uji, nilai | F (x) - S (x) | terbesar dibandingkan dengan nilai tabel Lilliefors.
Jika nilai | F (x) - S (x) | terbesar < nilai tabel Lilliefors, maka Ho diterima ; Ha ditolak.
Jika nilai | F(x) - S(x) | terbesar > dari nilai tabel Lilliefors, maka Ho ditolak ; Ha
diterima. Tabel Lilliefors pada lampiran, Tabel Harga Quantil Statistik Lilliefors
Distribusi Normal
3. METODE KOLMOGOROV-SMIRNOV
Metode Kolmogorov-Smirnov tidak jauh beda dengan metode Lilliefors.
Langkah-langkah penyelesaian dan penggunaan rumus sama, namun pada signifikansi
yang berbeda. Signifikansi metode Kolmogorov-Smirnov menggunakan tabel
pembanding Kolmogorov-Smirnov, sedangkan metode Lilliefors menggunakan tabel
pembanding metode Lilliefors.
No
Xi
Xi X
SD
FT
FS
| FT - FS |
1
2
3
dst
Keterangan :
Xi
FT
FS
PERSYARATAN
a.
b.
c.
SIGINIFIKANSI
Signifikansi uji, nilai |FT FS| terbesar dibandingkan dengan nilai tabel Kolmogorov
Smirnov.
Jika nilai |FT FS| terbesar <nilai tabel Kolmogorov Smirnov, maka Ho diterima ; Ha
ditolak.
Jika nilai |FT FS| terbesar > nilai tabel Kolmogorov Smirnov, maka Ho ditolak ; Ha
diterima.
4.
distribusi frekuensi. Data diurut, kemudian dibagi dalam dua kelompok untuk
dikonversi dalam Shapiro Wilk. Dapat juga dilanjutkan transformasi dalam nilai Z
untuk dapat dihitung luasan kurva normal.
1 k
T3 ai X ni 1 X i
D i 1
Keterangan :
D
ai
X n-i+1
Xi
D X i X
i 1
Keterangan :
Xi
Rata-rata data
T dn
G bn c n ln 3
1 T3
Keterangan :
G
T3
bn, cn, dn
= Konversi
Statistik
Shapiro-Wilk
Pendekatan
Distribusi
(lampiran)
PERSYARATAN
a.
b.
c.
Normal
SIGNIFIKANSI
Signifikansi dibandingkan dengan tabel Shapiro Wilk. Signifikansi uji nilai T3
dibandingkan dengan nilai tabel Shapiro Wilk, untuk dilihat posisi nilai probabilitasnya
(p).
Jika nilai p > 5%, maka Ho diterima ; Ha ditolak.
Jika nilai p < 5%, maka Ho ditolak ; Ha diterima.
Tabel Harga Quantil Statistik Shapiro-Wilk Distribusi Normal. Jika digunakan rumus
G, maka digunakan tabel 2 distribusi normal.
2. UJI HOMOGENITAS
Uji homogenitas dimaksudkan untuk memperlihatkan bahwa dua atau lebih
kelompok data sampel berasal dari populasi yang memiliki variansi yang sama.
Pada analisis regresi, persyaratan analisis yang dibutuhkan adalah bahwa galat
regresi untuk setiap pengelompokan berdasarkan variabel terikatnya memiliki variansi
yang sama. Hipotesis yang diuji adalah sebagai berikut.
H0 :
==
H0 :
Sampel
dk
ke
==
(
log
) log
n1 - 1
1/ n1 - 1
log
1) log
n2 - 1
1/ n2 - 1
log
1) log
nk - 1
1/ nk - 1
log
1) log
1) log
.
.
.
K
Jumlah
1)
1
1)
--
--
( 1)
( 1)
)(
1)
1)log
)(
)(
),
dimana
= ( 1).
Keterangan:
k
= banyaknya kelompok
ni
Contoh:
Daftar Pertambahan Berat Badan (dalam kg) Siswa Sekolah T Setelah Percobaan
Pertambahan berat badan karena makanan ke
Dengan rumus
dk
1
2
3
4
Jumlah
4
4
3
3
14
12
14
20
15
16
14
23
10
16
18
10
19
20
19
17
22
= 29,3;
= 21,5;
Daftarnya menjadi:
Sampel
= 35,7;
= 20,7.
1
0,25
0,25
0,33
0,33
1,16
log
29,3
21,5
35,7
20,7
--
1,4669
1,3324
1,5527
1,3160
--
) log
5,8676
5,3296
4,6581
3,9480
19,8033
maka log
( )
= 7,81.
=
sebagai berikut.
=1+
1
3( 1)
1
1
1
( 1)
1)log
}.
BAB 10
DISTRIBUSI BINOMIAL DAN DISTRIBUSI POISSON
1.
DISTRIBUSI BINOMIAL
Suatu percobaan sering terdiri atas beberapa usaha, tiap usaha dengan dua
kemungkinan hasil yang dapat diberi nama sukses dan gagal. Percobaan seperti ini
disebut Percobaan Binomial.
Distribusi binomial berasal dari percobaan binomial yaitu suatu proses Bernoulli
yang diulang sebanyak n kali dan saling bebas. Distribusi Binomial merupakan
distribusi peubah acak diskrit.
Suatu percobaan binomial ialah yang memenuhi persyaratan berikut :
1. Percobaan terdiri atas n usaha yang berulang
2. Tiap usaha memberikan hasil yang dapat dikelompokkan sukses atau gagal.
3. Peluang sukses, dinyatakan dengan p, tidak berubah dari usaha yang satu ke yang
berikutnya.
4. Tiap usaha bebas dengan usaha lainnya.
Jika pada percobaan dalam eksperimen itu, P( A) tetap harganya, maka
percobaan yang berulang-ulang dari eksperimen itu dinamakan percobaan Bernoulli.
Sekarang lakukan percobaan Bernoulli sebanyak N kali secara independen, X
diantaranya menghasilkan peristiwa A dan sisanya (N-X) peristiwa A . Jika P( A)
untuk tiap percobaan, 1 P( A) , maka peluang terjadinya peristiwa A sebanyak X=x
kali diantara N, dihitung oleh (distribusi binomial) :
N
p( x) P( X x) (1 ) N x
x
N
Dengan x = 0,1,2,....N, 0< <1, dan merupakan koefisien binomial
x
N
N!
x x!( N x )!
N dan N (1 )
Dengan pengertian bahwa parameter ini ditinjau dari peristiwa A.
CONTOH :
1.
1 2
6
210 1 2
10
0, 2050
10% dari semacam benda tergolong A. Sebuah sampel berukuran 30 telah diambil
secara acak. Berapa peluang sampel itu akan berisikan benda kategori A :
a. Semuanya
b. Sebuah
c. Dua
d. Paling sedikit sebuah
e. Paling banyak dua buah
f. Tentukan rata-rata terdapatnya kategori A
Penyelesaian :
a.
b.
c.
Di sini X = 2, sehingga :
30
2
28
P( x 2) 0,10 0,90 0,2270
2
d.
P( x 0) P( x 1) .... P( x 30) ,
sehingga
yang
dicari
adalah
1 P( x 0)
30
0
30
Sekarang P( x 0) 0,10 0,90 0,0423
0
Peluang dalam sampel itu terdapat paling sedikit sebuah benda kategori A adalah :
1-0,0423=0,9577
e.
f.
30(0,1) 3 .
Rata-rata diharapkan akan terdapat 3 benda termasuk kategori A dalam setiap
Contoh :
Dalam ujian pilihan ganda, tersedia 200 pertanyaan dengan 4 alternatif jawaban
dan hanya 1 jawaban yang benar. Jika seseorang memilih jawaban secara random,
berapa peluang dia lulus ujian (syarat lulus : benar paling sedikit 60) ?
Jawab :
x = banyak jawaban yang benar
p = 0,25 = 1 p = 0,75
x Bin(200; 0,25)
= n.p = 200x0,25 = 50
2 = n.p(1-p) = 200(0,25).(0,75) = 37,5
= 6,13
P(x 60) = Luas kurva normal dari x = 59,5 ke kanan
Z1 =
X1
59 ,5 50
= 1,55
6 ,13
A = 0,4394
P(x60) = 0,5 0,4394
= 0,0606
= 6,06 %
2.
DISTRIBUSI POISSON
Distribusi Poisson dipakai untuk menentukan peluang suatu kejadian yang
jarang terjadi, tetapi mengenai populasi yang luas atau area yang luas dan juga
berhubungan dengan waktu.
Variabel acak diskrit X dikatakan mempunyai distribusi Poisson jika fungsi
peluangnya berbentuk :
P ( X ) P ( X x)
e x
x!
Keterangan :
x = 0,1,2,3,....,
e = sebuah bilangan konstan yang jika dihitung hingga 4 desimal e=2,7183
Distribusi Poisson sering digunakan untuk menentukan peluang sebuah
peristiwa yang dalam area kesempatan tertentu diharapkan terjadinya sangat jarang.
Ciri-ciri distribusi Poisson :
1.
2.
Peluang terjadinya satu percobaan singkat atau pada daerah yang kecil
(jarangterjadi)
3.
Peluang lebih dari satu hasil percobaan alkan terjadi dalam selang waktu yang
singkat tersebut, dapat diabaikan.
Beberapa contoh :
a.
Banyak orang yang lewat melalui pasar setiap hari, tetapi sangat jarang terjadi
seseorang yang menemukan barang hilang dan mengembalikannya kepada si
pemilik atau melaporkannya kepada polisi.
b.
Dalam tempo setiap 5 menit, operator telepon banyak menerima permintaan nomor
untuk disambungkan, diharapkan jarang sekali terjadi salah sambung.
c.
Misalkan rata-rata ada 1,4 orang buta huruf untuk setiap 100 orang. Sebuah sampel
berukuran 200 telah diambil.
Jika x= banyak buta huruf per 200 orang, maka untuk kita sekarang 2,8 .
Peluangnya tidak terdapat yang buta huruf adalah :
e 2,8 2,8
e 2,8 0,0608
0!
0
p(0)
Np 4000 0,0005 2
Jika X = banyak orang yang mendapatkan reaksi buruk akibat suntikan itu, maka :
e 2 2 0
p ( 0)
0,1353
0!
b.
e 2 2 2
0, 2706
2!
Yang menderita reaksi buruk lebih dari 2 orang, ini berarti X=3,4,5,....
Tetapi p(0) p (1) p(2) ..... 1 , maka p(3) p (4) .... 1 p (0) p (1) p (2) .
Harga-harga p (0) dan p (2) sudah dihitung diatas.
e 2 2 1
p(1)
0,2706
1!
d.
3.
PENGUJIAN
HIPOTESIS
DALAM
DISTRIBUSI
NORMAL
DAN
DISTRIBUSI POISON
Pada prinsipnya pengujian hipotesis yang berkaitan dengan distribusi normal,
distribusi binomial, maupun distribusi poison adalah sama, perbedaan terletak pada saat
kita merumuskan hipotesis dan melakukan transformasi ke Z skor. Pada saat distribusi
binomial maupun poison kita berhubungan dengan data diskrit, sehingga dalam
pengujian hipotesis adalah mengujinprobabilitas (bukan ).
Untuk mempermudah pemahaman pengujian hipotesis pada distribusi binomial,
perhatikan contoh berikut :
Suatu hasil penelitian terhadap keberhasilan belajar mahasiswa di perguruan
tinggi dengan nilai yang memuaskan telah terbukti bahwa 80% mahasiswa yang orang
tuanya adalah guru berhasil menyelesaikan program sarjana dengan memuaskan.
Belakangan ini ada isu bahwa keberhasilan anak-anak guru dalam menyelesaikan
program sarjana dengan memuaskan semakin turun. Untuk membuktikan hal tersebut,
maka dilakukan penelitian dengan mengumpulkan sampel sebanyak 100 lulusan
program sarjana yang orangtuanya adalah guru. Dari hasil pengumpulan data ternyata
75% dari sampel dapat menyelesaikan program sarjana dengan memuaskan.
Berdasarkan dasar tersebut, apakah kita dapat menarik suatu kesimpulan bahwa
persentase keberhasilan anak guru untuk menyelesaikan program sarjana dengan nilai
memuaskan memang menurun?
Untuk itu marilah kita uji kebenaran dugaan tersebut melalui pengujian
hipotesis. Hipotesisnya adalah :
Ho
0,80
H1
<
0,80
Apabila kita mengambil alpha sebesar 0,05 maka Z 0,05 adalah 1,645 (lihat
tabel Z). Transformasi ke Z dapat dihitung dengan rumus 5.1.
Z=
Sedangkan standar error dapat dihitung dengan rumus 5.2.
p = ( . ):
Untuk soal di atas, standar error dan transformasi ke Z adalah :
,
,
,
,
= 1,25
0,025
Daerah penerimaan Ho
BAB 11
UJI F DAN UJI T
Uji F dikenal dengan Uji serentak atau uji Model/Uji Anova, yaitu uji untuk melihat
bagaimanakah pengaruh semua variabel bebasnya secara bersama-sama terhadap variabel
terikatnya. Atau untuk menguji apakah model regresi yang kita buat baik/signifikan atau tidak
baik/non signifikan.
Jika model signifikan maka model bisa digunakan untuk prediksi/peramalan, sebaliknya
jika non/tidak signifikan maka model regresi tidak bisa digunakan untuk peramalan.
Uji F dapat dilakukan dengan membandingkan F hitung dengan F tabel, jika F hitung >
dari F tabel, (Ho di tolak Ha diterima) maka model signifikan atau bisa dilihat dalam kolom
signifikansi pada Anova (Olahan dengan SPSS, Gunakan Uji Regresi dengan Metode Enter/Full
Model ). Model signifikan selama kolom signifikansi (%) < Alpha (kesiapan berbuat salah tipe
1, yang menentukan peneliti sendiri, ilmu sosial biasanya paling besar alpha 10%, atau 5% atau
1%). Dan sebaliknya jika F hitung < F tabel, maka model tidak signifikan, hal ini juga ditandai
nilai kolom signifikansi (%) akan lebih besar dari alpha.
Uji t dikenal dengan uji parsial, yaitu untuk menguji bagaimana pengaruh masingmasing variabel bebasnya secara sendiri-sendiri terhadap variabel terikatnya. Uji ini dapat
dilakukan dengan mambandingkan t hitung dengan t tabel atau dengan melihat kolom
signifikansi pada masing-masing t hitung, proses uji t identik dengan Uji F (lihat perhitungan
SPSS pada Coefficient Regression Full Model/Enter). Atau bisa diganti dengan Uji metode
Stepwise.
Pernggunaan Uji F dan t akan dijelaskan lebih lanjut dalam Bab selanjutnya.
BAB 12
PENGUJIAN HIPOTESIS
1. PENDAHULUAN
Hipotesis adalah asumsi atau dugaan mengenai sesuatu hal yang dibuat untuk
menjelaskan hal itu yang sering dituntut untuk melakukan pengecekannya.
Jika asumsi atau dugaan itu dikhususkan mengenai populasi, umumnya
mengenai nilai-nilai parameter populasi, maka hipotesis itu disebut hipotesis statistik.
Langkah atau prosedur untuk menentukan apakan menerima atau menolak hipotesis
disebut pengujian hipotesis.
KEADAAN SEBENARNYA
HIPOTESIS BENAR
HIPOTESIS SALAH
KELIRU
BENAR
(Kekeliruan Tipe II)
KELIRU
BENAR
(Kekeliruan Tipe I)
Agar penelitian dapat dilakukan maka kedua tipe kekeliruan itu kita nyatakan
dalam peluang. Peluang membuat kekeliruan tipe I bisa dinyatakan dengan (baca :
alfa) atau disebut kekeliruan , dan peluang membuat kekeliruan tipe II bisa dinyatakan
dengan (baca : beta) atau disebut kekeliruan .
Dalam penggunaannya disebut taraf signifikan atau taraf arti atau sering juga
disebut taraf nyata dengan harga yang biassa digunakan 0,01 atau 0,05. Dengan = 0,05
atau disebut juga 5%, maka berarti kira-kira 5 dari setiap 100 kesimpulan bahwa kita
akan menolak hipotesis yang seharusny diterima.
(dalam penggunaannya
A :
3) H :
A :
>
Dengan
2) H :
A :
4) H :
A :
<
>
<
mengandung pengertian tidak sama, lebih besar atau lebih kecil. H1 ini harus dipilih
atau ditentukan penelitu sesuai dengan persoalan yang dihadapi.
Pasangan Ho dan H1 yang telah dirumuskan, untuk kita disini akan dituliskan
dalam bentuk :
0 =
0
atau
0 =
0 >
atau
0 =
0 <
Langkah berikutnya, kita pilih bentuk statistik mana yang harus digunakan,
apakah z, t, X , F, atau lainnya. Kemudian berdasarkan pilihan taraf nyata atau disebut
juga ukuran daerah kritis, kriteria pengyjian kita tentukan. Peran hipotesis tandingan
dalam penentuan daerah kritis adalah sebagai berikut :
1) Jika tandingan
yang digunakan, normal untuk angka z, Student untuk t, dan seterusnya, didapat dua
daerah kritis masing-masing pada ujung-ujung distribusi. Luas daerah kritis adalah
. Pengujian hipotesis ini dinamakan uji dua pihak.
Daerah Penolakan
(Daerah kritis)
Daerah Penolakan
(Daerah kritis)
Luas = 1/2
Luas = 1/2
Daerah
Penerimaan
d1
d2
Kedua daerh dibatasi oleh d1 dan d2 yang didapat dari dari daftar distribusi
yang bersanglutan dengan menggunakan peluang yang ditentukan oleh . Kriteria
yang didapat adalah : terima hipotesis
berdasarkan data penelitian jatuh antara d1 dan d2, dalam hal lainnya
ditolak.
2) Untuk tandingan
yang digunakan didapat sebuah daerah kritis yang letaknya di ujung sebelah kanan.
Luas daerah kritis ini sama dengan .
Daerah Penolakan
(Daerah kritis)
Daerah Penolakan
(Daerah kritis)
Luas = 1/2
Daerah
Penerimaan
Luas =
d
Harga d didapat dari daftar distribusi yang bersangkutan dengan peluang
yang ditentukan oleh , menjadi batas antara daerah kritis dan daerah penerimaan
. Kriteria yang dipakai adalah : tolak
sampel yang tidak kurang dari d. Dalam hal lainnya kita terima
. Pengujian ini
3) Jika tandingan
di ujung kiri distribusi yang digunakan. Luas daerah ini = yang menjadi batas
daerah penerimaan
Daerah Penolakan
(Daerah kritis)
Luas =
Daerah
Penerimaan
d
Kriteria yang digunakan adalah : terima
dihitungkan berdasarkan penelitian lebih besar dari d sedangkan dalam hal lainnya
kita tolak. Dalam hal ini kita mempunyai uji satu pihak, ialah pihak kiri.
Jika diketahui
0 =
0
<
<
dan
adalah :
0 =
0 >
Misalkan suatu populasi berdistribusi normal dan sampel acak berukuran n. Maka
dihitung statistik
Jika diketahui
Jika simpangan baku untuk p0opulasi diketahui, seperti biasa digunakan
statistik
berikut:
Daerah Penolakan
(Daerah kritis)
Daerah Penolakan
(Daerah kritis)
Luas = 1/2
Luas =
Daerah
Penerimaan
d
Selanjutnya menggunakan distribusi normal baku. Batas kriteria didapat dari
daftar normal baku.
ditolak jika z
dengan
).
ditolak jika t
dengan
ditolak jika t -
, dengan
didapat dari daftar distribusi Student menggunakan peluang (1 ) dan dk = (n 1). Untuk t > -
, hipotesis
diterima.
sebuah harga yang diketahui. Dari sampel yang berukuran n itu dihitung
proporsi sampel
(1
< z <
, dimana
jika
ditolak.
Contoh:
Kita ingin menguji bahwa distribusi siswa laki-laki dan dan siswa perempuan
yang menguasai statistika adalah sama. Sebuah sampel acak terdiri atas 4.800 orang
siswa adalah 2.458 siswa laki-laki. Dalam taraf nyata 0,05. Betulkah distribusi siswa
laki-laki dan perempuan itu sama?
Jawab:
Jika = peluang terdapatnya siswa laki-laki, maka akan diuji pasangan hipotesis:
1
2
1
2
=
= didapat,
(1
2.458
0,5
= 4.800
= 1,68
)
(0,5) (0,5)
4.800
Nilai z dari daftar normal baku dengan = 0,05 adalah 1,96. Jadi kriteria
pengujian yang dipakai : terima
sedangkan dalam hal lain
sehingga
besar.
=
>
maka pengujian demikian merupakan uji pihak kanan. Untuk ini pun, statistic yang
digunakan masih statistik z seperti tertera dalam rumus di atas. Yang berbeda hanyalah
dalam penentuan kriteris pengujiannya. Dalam hal ini, tolak H0 jika
di
mana
,
<
hipotesis H0 diterima.
Contoh:
Seorang pejabat mengatakan bahwa paling banyak 60% anggota masyarakat
termasuk golongan A. sebuah sampel acak telah diambil yang terdiri atas 8.500 orang
dan ternyata 5.426 termasuk golongan A. Apabila = 0,01, benarkah pernyataan
tersebut?
Jawab:
= 8.500;
=
=
>
0,6
0,6
(1 ) = 0,4, maka diperleh:
= 0,6;
5.426
0,6
= 8.500
= 2,79
)
0,6(0,4)
8500
(1
Harga
= 2,33. Maka
= 2,33.
=
<
di mana
didapat
dari daftar normal baku dengan peluang (0,5). Dalam hal lainnya H0 diterima.
Contoh:
Akan diuji
=
<
0,3
0,3
(1
0,28 0,3
0,3(0,7)
425
= 0,90
berarti.
8. MENGUJI VARIANS
A. Uji dua pihak
Untuk ini, pasangan H0 dan H1 adalah:
( 1)
Jika dalam pengujian dipakai taraf nyata , maka kriteria pengujian adalah: terima H0
jika
<
<
dimana
dan
dengan
dan 1 . Dalam
Tolak H0 jika
dimana
=
>
(
dengan
Jika hipotesis nol dan tandingannya menyebabkan uji pihak kiri, yakni
pasangan:
=
<
Maka hal yang sebaliknya akan terjadi mengenai kriteria pengujian, yaitu tolak H0 jika
di mana
= ( 1)
dan
diketahui
dimana
<
<
(1).
Hal B :
tetapi
tidak diketahui
Jarang sekali
tetapi
dengan
=
1)
+ ( 1)
+ 2
=(
dimana
=(
< <
2) dan
Hal C :
+
Kriteria pengujiannya adalah : terima hipotesis H0 jika
+
+
dengan :
<
+
+
<
=
=
,(
,(
tandingannya adalah :
Jika
menghasilkan rata-rata
= 0
0
,,
, maka data
,,
< <
dimana
atau
Dalam hal
=
>
dengan
=
1)
+ ( 1)
+ 2
Jika
+
Kriteria pengujiannya adalah : tolak hipotesis H0 jika
+
+
,(
,(
Peluang untuk penggunaan daftar distribusi t ialah (1) sedangkan dk-nya masingmasing (
1) dan (
1).
= 0
> 0
dimana
= ( 1).
30
21
21
27
20
25
27
22
28
18
Perempuan
31
22
37
24
30
15
25
42
19
38
= 4,4 dan
= 11,34, maka
=
4,4
= 1,227
11,34
10
1,83. Karena t = 1,22 lebih kecil dari 1,83 maka H0 diterima. Dalam hal ini masih dapat
dikatakan bahwa rata-rata hasil ujian anak laki-laki lebih baik daripada rata-rata hasil
ujian anak perempuan.
Hal B. Uji Pihak Kiri
Perumusan hipotesis H0 dan hipotesis tandingan H1 untuk uji pihak kiri adalah :
=
<
Langkah-langkah yang ditempuh dalam hal ini sejalan dengan yang dilakukan
untuk uji pihak kanan.
Jika
=(
dimana
didapat dari
Dimana
, ,
= 0
< 0
),(
).
),(
dengan
dan
= 1 .
Jika dalam pengujian ini digunakan taraf nyata , maka kriteria pengujiannya
adalah: terima H0 jika
<
<
dimana
= 0,5673, dan
=1
= 0,4327. Maka,
150
162
250 300
1
1
(0,5673)(0,4327)
250 + 300
<
<
= 1,42
dimana
H0 ditolak. Jelas bahwa z = 1,42 ada dalam penerimaan H0. Kesimpulan: dalam taraf
5%, penelitian memperlihatkan bahwa tidak terdapat perbedaan yang nyata antara kedua
daerah itu terhadap pemilihan calon R.
=
>
( ,
<
( ,
dengan
= taraf nyata.
Apabila uji pihak kiri, maka hipotesis nol H0 dan tandingannya adalah H1
berbentuk
=
<
>
( ,
( ,
)
( ,
dan
)
BAB 13
ANALISIS VARIANS (ANOVA)
Analisa varians (Analysis of Varianc) atau yang lebih dikenal dengan istilah
ANOVA adalah suatu teknik untuk menguji kesamaan beberapa rata-rata secara
sekaligus. Tujuannya untuk mengetahui apakah ada perbedaan rata-rata dalam sampel
dengan perbedaan rata-rata antar sampel. Uji yang dipergunakan dalam ANOVA adalah
uji F karena dipakai untuk pengujian dari 2 sampel.Anova dapat digolongkan ke dalam
beberapa kriteria, yaitu :
1. Klasifikasi 1 arah
ANOVA klasifikasi 1 arah merupakan ANOVA yang didasarkan pada pengamatan
1 kriteria.
2. Klasifikasi 2 arah
ANOVA klasifikasi 2 arah merupakan ANOVA yang didasarkan pada pengamatan
2 kriteria.
3. Klasifikasi banyak arah
ANOVA banyak arah merupakan ANOVA yang didasarkan pada pengamatan
banyak kriteria.
). Uji-t atau
uji-z hanya dapat melihat perbandingan dua kelompok data saja. Sedangkan anova satu
jalur lebih dari dua kelompok data. Contoh: Perbedaan prestasi belajar statistika antara
mahasiswa tugas belajar (X1), izin belajar (X2) dan umum (X3).
Anova lebih dikenal dengan uji-F (Fisher Test), sedangkan arti variasi atau
varian itu asalnya dari pengertian konsep Mean Square atau kuadrat rerata (KR).
Rumusnya :
=
Dimana :
JK = jumlah kuadrat (some of square)
db = derajat bebas (degree of freedom)
Menghitung nilai Anova atau F (
=
) dengan rumus :
Varian dalam group dapat juga disebut Varian Kesalahan (Varian Galat). Dapat
dirumuskan :
=
untuk
untuk
Dimana :
(
3) Buatlah hipotesis (
) dengan rumus :
(
) dengan rumus :
) dengan rumus :
dengan rumus :
) dengan rumus :
dengan rumus :
)(
Jumlah Kuadrat
Derajat
Varian (SV)
(JK)
bebas (db)
Antar group
(A)
Dalam group
(D)
Total
Taraf
Rerata
Signifikan
(KR)
( )
A1
NA
N1
Kuadrat
dengan
, maka tolak
berarti signifan
kemudian bandingkan.
)
)
= 6 8 5 7 7 6 6 8 7 6 7
= 11 orang
= 5 6 6 7 5 5 5 6 5 6 8 7 = 12 orang
= 6 9 8 7 8 9 6 6 9 8 6 8 = 12 orang
LANGKAH-LANGKAH MENJAWAB :
1) Diasumsikan bahwa data dipilih secara random, berdistribusi normal, dan variannya
homogen.
2) Hipotesis (
STATISTIK
n
Varian (
6
8
5
7
7
6
6
8
7
6
7
-
5
6
6
7
5
5
5
6
5
6
8
7
6
9
8
7
8
9
6
6
9
8
6
8
11
73
943
6,64
484,45
12
71
431
5,92
420,08
12
90
692
7,5
675
TOTAL (T)
N = 35
234
1616
6,69
1564,46
0,85
0,99
1,55
1,13
) dengan rumus :
1=31=2
A = jumlah group A
) dengan rumus :
15,07
= 7,54
2
) dengan rumus :
2
73
71
90
+
+
11
12
12
= 35 3 = 32
) dengan rumus :
36,47
= 1,14
32
dengan rumus :
,
,
= 6,61
dengan rumus :
=
)(
( ,
)( ,
)( ,
= 3,30
Cara mencari : Nilai
( ,
)( ,
0,95
Angka 2
Jumlah Kuadrat
Derajat
Kuadrat
Taraf
Varian
(JK)
bebas (db)
Rerata
Signifikan
(KR)
( )
(SV)
Antar
15,07
7,54
6,61
group (A)
< 0,05
= 3,30
Dalam
36,47
32
1,14
51,54
34
group (D)
Total
, maka tolak
berarti signifan.
.ternyata :
>
berarti signifikan.
16) Kesimpulan.
ditolak dan
Sumber Varians
Kuadrat
Derajat Bebas
Rata-Rata Baris
JKB
b1
Rata-Rata Kolom
JKK
k1
Error
JKE
(k 1) (b 1)
JKT
kb - 1
Total
Rata-Rata
Kuadrat
=
1 dan
= ( 1)( 1)
Kolom :
1 dan
= ( 1)( 1)
)=
)=
Baris :
f0
)=
Keterangan : T = total
Contoh:
Berikut ini adalah hasil perhektar dari 4 jenis padi dengan penggunaan pupuk yang
berbeda.
V1
V2
V3
V4
P1
25
P2
10
34
P3
24
19
21
23
20
83
Dengan taraf nyata 5%, ujilah apakah rata-rata hasil perhektar sama untuk :
a. Jenis pupuk (pada baris),
b. Jenis tanaman (pada kolom).
Jawab:
1. Hipotesis
=
a.
b.
=0
0
=0
):
a. Untuk baris
=
1 =31 =2
= ( 1)( 1) = (3 1)(4 1) = 6
(
( ; )
= 5,14
b. Untuk kolom
=
1 =41 =3
= ( 1)( 1) = (3 1)(4 1) = 6
(
( ; )
= 4,76
3. Kriteria Pengujian
5,14
a.
> 5,14
4,76
b.
> 4,76
4. Perhitungan
=
=4 +9 + +5
25 + 34 + 24
83
2357 6889
4
4(3)
4
12
= 589,25 574,08 =
=
83
= 605 574,08 =
4(3)
19 + 21 + 23 + 20
83
1731 6889
3
4(3)
3
12
= 577 574,08 = ,
=
15,17 15,17
=
= 7,585 = 7,59
31
2
2,92
2,92
=
=
= 0,97
41
3
12,83 12,83
=
=
=
= 2,14
( 1)( 1)
3(2)
6
=
=
=
7,59
= 3,55;
2,14
0,97
= 0,45
2,14
5. Kesimpulan
a. Karna
= 3,55 <
( ; )
= 0,45 <
( ; )
Sumber Varians
Kuadrat
Rata-Rata Baris
JKB
b1
Rata-Rata Kolom
JKK
k1
JK (BK)
(k 1) (b 1)
Interaksi
Rata-Rata
Derajat Bebas
JKE
=
Error
JKT
bkn - 1
bk(n-1)
=
Total
f0
Kuadrat
Contoh:
Ekonomi Tingkat Keluarga
Tingkat Aktivitas
Ekstrakulikuler
t1
t2
t3
t4
Total
V1
V2
V3
64
72
74
66
81
51
70
64
65
65
57
47
63
43
58
58
52
67
59
66
58
68
71
39
65
59
42
58
57
53
41
61
59
46
53
38
723
736
651
= 4;
= 3;
=3
Jawab:
1. Hipotesis
=
)
=(
;
,
>
0
=0
=(
>
=0
; ( )(
( ;
> 3,01
)
)
0
)
=(
== (
(
=0
) 0
Total
607
510
527
466
2110
>
>
; ( )(
>
( ;
> 3,40
>
>
)(
(
>
)(
( ;
);
); ( )(
> 2,51
3. Perhitungan
=
= 64 + 66 + + 38
= 127448
=
=
(
)=
=
2110
36
= 1157
9
36
= 350
12
36
200 + + 150
607 + + 466
723 + 736 + 651
2110
+
3
9
12
36
= 771
=
=
=
=
=
(
1157
= 385,67;
41
)
771
=
= 128,5;
(3)(2)
385,67
= 6,17 >
62,54
=
=
,
350
= 175
31
1501
=
= 62,54
24
=
175
= 2,8 <
62,54
128,5
= 2,05 <
62,54
,
,
4. Kesimpulan
Tingkat aktivitas ekstrakulikuler berpengaruh terhadap prestasi, tingkat ekonomi
tidak berpengaruh terhadap prestasi siswa dan adanya interaksi antara tingkat
ekonomi dengan ekstrakulikuler.
DAFTAR PUSTAKA
Irianto, Agus. 2008. Statistik Konsep Dasar dan Aplikasinya. Jakarta: Kencana.
Hasan, Iqbal. 2006. Analisis Data Penelitian dengan Statistik. Jakarta: Bumi Aksara.
Riduwan. Dasar-Dasar Statistika. 2005. Bandung : Alfabeta.
Sudjana. 2002. Metoda Statistika edisi ke 6. Bandung: Tarsito.
Tedjo N Raksonoatmodjo. 2009. Statistika Teknik. Jakarta : Refilka Aditama.